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	0.15 106	0.70 200	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 320	0.02 14	0.69 301	0.75 323	0.01 9	0.02 19	0.02 19

Wz-Net-TNSev	0.02 14	0.05 41	0.04 34	0.07 38	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 46	0.04 36	0.01 9	0.01 9	0.01 9	0.01 9

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

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

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

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

SFCPSM	0.17 117	0.78 204	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 338	0.02 14	0.75 311	0.76 325	0.02 20	0.02 19	0.02 19

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-LNSev-Ref	0.11 73	0.44 155	0.33 194	0.39 178	0.02 20	0.03 39	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 222	0.36 215	0.02 18	0.02 20	0.02 19	0.02 19

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

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

CSP-Net	0.34 171	1.29 325	1.19 352	1.36 387	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 396	1.21 403	0.03 37	0.09 94	0.02 19	0.09 92

Syn2CoEx	0.25 139	1.31 327	0.74 308	0.92 292	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 41	0.02 21	0.02 19	0.02 19	0.87 320	0.75 311	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

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

ADCS	0.09 41	0.02 12	0.04 34	0.90 287	0.06 91	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 111	0.36 241	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 73	0.02 12	0.02 13	1.62 398	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.02 21	0.06 73	0.04 63	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 46

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ICVP	0.15 106	0.53 186	0.11 78	0.16 105	0.11 117	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 120	0.11 112	0.16 120	0.11 106	0.16 120	0.11 84	0.16 125	0.11 112	0.16 126	0.11 108
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
UNet	0.29 152	0.90 222	0.10 59	0.14 88	0.10 102	0.14 108	0.10 99	0.91 324	0.69 326	0.14 108	0.11 113	0.14 110	0.11 112	0.14 111	0.10 95	0.12 81	0.09 58	0.12 105	0.09 94	0.88 313	0.76 333

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

ELAS_RVC	0.14 96	0.16 76	0.10 59	0.15 97	0.10 102	0.18 130	0.11 111	0.19 131	0.11 113	0.19 130	0.12 123	0.18 131	0.11 112	0.19 132	0.12 120	0.14 103	0.08 49	0.14 109	0.09 94	0.15 122	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 87	0.16 76	0.11 78	0.15 97	0.09 96	0.18 130	0.11 111	0.18 129	0.11 113	0.17 125	0.11 113	0.18 131	0.11 112	0.18 129	0.11 106	0.14 103	0.08 49	0.14 109	0.08 92	0.14 112	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo	0.61 263	3.79 416	1.35 410	1.52 392	0.15 148	0.17 127	0.16 139	0.20 136	0.21 164	0.18 128	0.16 149	0.21 145	0.12 128	0.26 174	0.17 147	1.43 407	1.38 414	0.17 130	0.16 145	0.18 133	0.16 135

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

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

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

SGM_RVC	0.15 106	0.17 82	0.11 78	0.18 112	0.11 117	0.19 133	0.11 111	0.19 131	0.12 131	0.19 130	0.12 123	0.20 137	0.12 128	0.19 132	0.12 120	0.16 120	0.11 84	0.17 130	0.10 100	0.17 129	0.10 96
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
castereo++	0.54 253	3.59 408	1.15 346	1.31 383	0.14 137	0.16 121	0.14 131	0.16 121	0.14 136	0.16 118	0.14 140	0.16 120	0.13 133	0.16 120	0.14 130	1.45 408	1.16 352	0.15 122	0.14 140	0.15 122	0.13 129

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

ProNet	0.14 96	0.20 89	0.14 113	0.16 105	0.11 117	0.16 121	0.11 111	0.17 127	0.11 113	0.17 125	0.12 123	0.17 128	0.13 133	0.17 127	0.12 120	0.15 112	0.11 84	0.16 125	0.11 112	0.15 122	0.12 123

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

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

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

GMStereo	0.14 96	0.13 71	0.14 113	0.14 88	0.14 137	0.14 108	0.14 131	0.14 109	0.14 136	0.14 108	0.14 140	0.14 110	0.14 137	0.14 111	0.14 130	0.14 103	0.14 125	0.14 109	0.14 140	0.14 112	0.14 134
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 122	0.19 85	0.14 113	0.20 117	0.14 137	0.20 138	0.96 353	0.21 143	0.14 136	0.20 135	0.13 135	0.21 145	0.14 137	0.20 136	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	0.17 129	0.12 123

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CAS++	0.17 117	0.27 111	0.21 148	0.10 48	0.21 175	0.15 114	0.22 165	0.10 93	0.21 164	0.22 147	0.10 100	0.19 135	0.18 156	0.10 94	0.19 159	0.20 136	0.19 150	0.18 140	0.10 100	0.19 139	0.18 149
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV_Zeroshot_test	0.20 122	0.19 85	0.40 227	0.30 151	0.17 155	0.22 148	0.17 141	0.21 143	0.17 151	0.20 135	0.17 152	0.21 145	0.18 156	0.21 147	0.17 147	0.20 136	0.16 130	0.20 144	0.16 145	0.20 140	0.17 145

MMNet	0.44 224	1.24 323	0.17 133	0.25 139	0.17 155	0.25 162	0.18 147	1.26 405	0.93 355	0.25 160	0.17 152	0.25 164	0.18 156	0.25 164	0.17 147	0.23 155	0.16 130	0.23 158	0.16 145	1.20 349	0.99 353

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

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

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

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

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

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

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

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

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

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

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

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

DEFOM-Stereo_RVC	0.83 311	5.18 437	1.98 443	2.19 414	0.17 155	0.19 133	0.18 147	0.19 131	0.16 148	0.20 135	0.19 163	0.22 151	0.22 171	0.20 136	0.15 140	2.28 435	2.13 440	0.24 165	0.17 161	0.18 133	0.16 135

DCVSM-stereo	0.36 181	1.89 349	0.22 150	0.40 191	0.22 177	0.40 214	0.22 165	0.40 208	0.22 167	0.40 209	0.22 173	0.40 219	0.22 171	0.40 218	0.22 167	0.28 172	0.21 156	0.28 175	0.21 168	0.28 164	0.20 152

WAO-6	0.22 132	0.23 100	0.22 150	0.23 129	0.22 177	0.22 148	0.22 165	0.22 147	0.22 167	0.22 147	0.22 173	0.22 151	0.22 171	0.22 151	0.22 167	0.22 144	0.22 160	0.22 152	0.22 171	0.22 146	0.22 158

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

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

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

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

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

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

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

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

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

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

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

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

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

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

LoS	0.25 139	0.27 111	0.25 162	0.25 139	0.25 189	0.25 162	0.25 180	0.26 163	0.25 180	0.25 160	0.25 189	0.25 164	0.25 183	0.25 164	0.25 183	0.26 167	0.25 167	0.25 166	0.26 195	0.26 159	0.25 171
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ff	0.31 158	0.91 223	0.23 153	0.31 154	0.23 182	0.31 179	0.23 172	0.33 178	0.25 180	0.31 176	0.24 183	0.33 189	0.25 183	0.32 187	0.24 177	0.28 172	0.28 180	0.28 175	0.28 205	0.29 167	0.27 184

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

CroCo-Stereo	0.73 285	1.22 322	0.25 162	1.22 377	0.25 189	1.22 409	0.25 180	1.22 402	0.25 180	1.22 409	0.25 189	1.22 414	0.25 183	1.22 412	0.25 183	1.22 395	0.26 170	1.21 417	0.25 189	1.22 396	0.25 171
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
GCAP-BAT	0.33 169	0.78 204	0.32 189	0.38 173	0.25 189	0.34 191	0.25 180	0.34 182	0.26 193	0.34 187	0.25 189	0.35 195	0.26 192	0.35 196	0.27 189	0.36 202	0.30 197	0.32 186	0.24 184	0.32 174	0.26 177

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

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

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

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

CroCo-Stereo Lap2	0.77 292	1.29 325	0.29 175	1.27 381	0.29 208	1.27 412	0.26 188	1.26 405	0.26 193	1.26 410	0.26 195	1.27 415	0.26 192	1.26 413	0.27 189	1.27 397	0.27 175	1.27 420	0.27 201	1.27 398	0.27 184

StereoDRNet-Refined	0.33 169	0.39 135	0.26 168	0.39 178	0.26 197	0.40 214	0.26 188	0.40 208	0.26 193	0.39 205	0.26 195	0.39 213	0.26 192	0.39 215	0.26 188	0.37 206	0.25 167	0.37 221	0.25 189	0.37 204	0.37 242
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DN-CSS_ROB	0.31 158	0.35 122	0.28 173	0.35 163	0.28 202	0.34 191	0.27 191	0.34 182	0.25 180	0.35 191	0.27 199	0.36 201	0.26 192	0.34 194	0.28 195	0.35 198	0.28 180	0.34 201	0.28 205	0.34 184	0.27 184

DEFOM-Stereo	0.68 275	3.11 399	1.40 420	1.63 399	0.25 189	0.31 179	0.25 180	0.31 174	0.28 201	0.31 176	0.29 208	0.29 180	0.27 200	0.31 186	0.28 195	1.59 414	1.47 419	0.30 182	0.29 214	0.30 170	0.28 197

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

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

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

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

MLCV	0.31 158	0.35 122	0.27 169	0.35 163	0.28 202	0.35 195	0.27 191	0.35 185	0.28 201	0.36 194	0.27 199	0.35 195	0.27 200	0.35 196	0.27 189	0.34 189	0.27 175	0.34 201	0.27 201	0.34 184	0.27 184

GIP-stereo	0.36 181	0.49 173	0.39 224	0.48 223	0.32 223	0.41 230	0.28 196	0.40 208	0.30 215	0.41 222	0.28 205	0.40 219	0.28 206	0.42 245	0.28 195	0.45 250	0.32 203	0.38 228	0.30 224	0.37 204	0.27 184

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

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

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

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

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

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

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

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

IGEV-Stereo	0.35 177	0.44 155	0.45 245	0.49 229	0.30 217	0.37 203	0.30 207	0.36 189	0.30 215	0.36 194	0.29 208	0.36 201	0.29 211	0.36 202	0.30 211	0.46 251	0.39 230	0.32 186	0.24 184	0.32 174	0.25 171
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
PML	0.46 228	1.36 330	0.29 175	0.58 251	0.30 217	0.57 300	0.29 202	0.57 286	0.29 205	0.57 295	0.29 208	0.57 301	0.29 211	0.56 294	0.29 204	0.52 277	0.30 197	0.53 301	0.31 230	0.53 274	0.30 212

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

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

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

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

DANet	0.30 153	0.30 117	0.30 179	0.30 151	0.30 217	0.30 176	0.30 207	0.30 172	0.30 215	0.30 174	0.30 219	0.30 183	0.30 217	0.30 184	0.30 211	0.30 180	0.30 197	0.30 182	0.30 224	0.30 170	0.30 212
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
LL-Strereo2	0.48 238	1.73 343	0.51 270	0.59 253	0.34 242	0.42 248	0.33 221	0.40 208	0.31 218	0.42 234	0.33 228	0.42 247	0.31 222	0.44 249	0.39 258	0.60 284	0.51 275	0.44 267	0.33 241	0.44 243	0.33 225

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

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

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

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

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

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

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

CASnet	0.35 177	0.51 182	0.44 243	0.32 157	0.31 221	0.24 155	0.34 230	0.36 189	0.25 180	0.31 176	0.37 253	0.30 183	0.33 229	0.25 164	0.45 277	0.37 206	0.37 217	0.33 194	0.35 249	0.34 184	0.37 242
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RCA-Stereo	0.51 249	3.22 403	0.34 202	0.44 212	0.34 242	0.44 254	0.34 230	0.43 243	0.34 234	0.43 240	0.34 235	0.44 251	0.33 229	0.43 247	0.33 222	0.38 213	0.29 189	0.38 228	0.29 214	0.38 213	0.29 202

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Selective-IGEV	0.51 249	0.55 191	0.45 245	0.69 265	0.45 287	0.61 303	0.45 278	0.50 269	0.40 260	0.56 294	0.44 281	0.55 297	0.40 255	0.72 314	0.67 320	0.59 283	0.46 253	0.45 271	0.34 243	0.46 248	0.37 242

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

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

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

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

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

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

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

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

AdaStereo	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 208	0.40 260	0.40 209	0.40 264	0.40 219	0.40 255	0.40 218	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 253
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
GwcNet-ADL	0.41 211	0.41 144	0.41 235	0.41 201	0.41 273	0.41 230	0.41 267	0.41 223	0.41 269	0.41 222	0.41 270	0.41 231	0.41 266	0.41 232	0.41 268	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 260

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

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

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

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

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

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

MonSter	0.60 261	0.64 197	0.52 273	0.62 257	0.44 285	2.07 435	0.44 275	0.62 295	0.44 277	0.62 302	0.44 281	0.62 307	0.44 273	0.62 301	0.44 276	0.58 282	0.42 249	0.62 308	0.46 289	0.58 278	0.42 267

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CASS	0.57 260	0.89 220	0.56 279	0.57 250	0.56 316	0.56 296	0.56 307	0.56 284	0.53 304	0.57 295	0.57 316	0.59 303	0.48 287	0.56 294	0.57 309	0.55 281	0.56 282	0.47 278	0.56 313	0.62 281	0.56 305
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ACVNet_2	0.49 242	0.49 173	0.49 262	0.49 229	0.49 301	0.49 274	0.49 296	0.49 261	0.49 293	0.49 266	0.49 301	0.49 271	0.49 292	0.49 272	0.49 295	0.49 263	0.49 266	0.49 290	0.49 302	0.49 261	0.49 287

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

FCDSN-DC	0.41 211	0.59 192	0.64 290	0.54 245	0.33 234	0.50 282	0.37 247	0.42 239	0.40 260	0.61 299	0.43 279	0.50 285	0.49 292	0.38 208	0.32 216	0.28 172	0.23 164	0.26 169	0.22 171	0.35 196	0.28 197
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FoundationStereo	0.50 244	0.50 176	0.50 265	0.50 236	0.50 304	0.50 282	0.50 298	0.50 269	0.50 296	0.50 278	0.50 303	0.50 285	0.50 295	0.50 279	0.50 296	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 290

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

RAFT-Stereo	0.81 303	0.96 233	0.67 297	0.95 299	0.67 334	0.95 337	0.68 322	0.95 333	0.68 323	0.95 340	0.68 330	0.96 345	0.68 320	0.96 343	0.68 324	0.94 328	0.68 297	0.94 347	0.68 329	0.94 323	0.68 319
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
STTRV1_RVC	0.82 307	1.60 336	0.70 300	1.01 309	0.60 319	1.07 351	0.69 325	1.01 338	0.60 311	0.72 313	0.55 314	1.02 352	0.68 320	1.03 350	0.67 320	0.89 321	0.63 292	0.92 345	0.57 314	0.90 316	0.65 314

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

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

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

MSMD_ROB	1.19 349	1.10 263	0.70 300	1.10 315	0.60 319	1.10 355	0.70 326	1.10 344	0.70 329	1.10 351	0.70 334	1.10 359	0.70 323	7.00 490	0.70 331	1.10 339	0.70 302	1.10 361	0.70 333	1.10 334	0.70 321

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

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

HSM-Net_RVC	0.95 330	1.17 269	0.78 313	1.18 330	0.71 340	1.16 362	0.75 333	1.09 343	0.80 343	1.10 351	0.75 343	1.17 366	0.74 329	1.17 364	0.80 340	1.13 345	0.73 308	1.17 368	0.77 340	1.16 340	0.72 325
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PA-Net	11.80 493	223.51 519	0.62 287	0.59 253	0.71 340	0.59 302	0.73 331	0.67 301	0.73 336	0.55 292	0.61 320	0.60 304	0.74 329	0.63 305	0.73 333	0.66 295	0.60 286	0.69 317	0.66 325	0.72 292	0.65 314
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ours_stereo	1.20 350	1.21 319	0.90 324	1.64 400	1.11 374	1.35 415	0.67 321	1.76 421	0.93 355	1.70 425	1.10 367	1.39 419	0.75 331	1.41 418	0.81 343	1.60 416	1.03 334	1.33 422	1.00 359	1.61 410	0.72 325

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Selective-RAFT	0.89 320	0.89 220	0.72 305	1.16 328	0.78 347	1.06 348	0.82 342	0.87 318	0.97 360	1.00 342	0.91 354	0.90 337	1.00 347	0.89 332	0.93 352	0.83 315	0.83 321	0.82 335	0.82 348	0.81 307	0.82 339

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

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

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

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

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

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

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

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

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

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

Abc-Net	2.32 433	24.75 489	1.14 344	1.17 329	1.17 381	1.11 358	1.15 368	1.17 350	1.21 424	1.08 350	1.16 371	1.12 363	1.14 360	1.09 356	1.17 373	1.09 337	1.16 352	1.17 368	1.17 372	1.16 340	1.11 363
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
IGEVStereo-DCA	1.77 414	4.21 426	1.84 435	2.49 429	2.11 457	2.54 447	1.36 428	1.65 418	1.17 376	2.75 448	1.90 449	2.54 447	1.15 361	0.94 339	1.11 365	1.50 410	1.32 405	0.96 350	1.46 436	1.49 406	0.88 342

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

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

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

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

AF-Net	2.37 438	25.71 493	1.17 348	1.13 320	1.15 376	1.15 361	1.18 372	1.19 353	1.16 372	1.10 351	1.15 368	1.10 359	1.18 366	1.12 361	1.15 369	1.10 339	1.10 345	1.17 368	1.15 369	1.16 340	1.12 365

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

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

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

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

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

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

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

Patchmatch Stereo++	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

GANetREF_RVC	1.55 407	1.94 358	1.22 402	1.88 403	1.21 430	1.88 430	1.22 420	1.88 422	1.22 425	1.88 426	1.22 422	1.88 428	1.22 415	1.89 426	1.22 422	1.87 423	1.22 404	1.88 435	1.22 422	1.88 415	1.22 420
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
FAT-Stereo	2.46 442	26.05 495	1.23 404	1.23 379	1.22 432	1.20 363	1.24 422	1.23 404	1.23 426	1.19 362	1.22 422	1.21 413	1.24 416	1.20 366	1.24 423	1.21 394	1.17 355	1.22 418	1.25 423	1.20 349	1.24 422

SPS-STEREO	1.59 408	1.91 352	1.21 401	1.94 406	1.20 384	2.00 432	1.23 421	1.99 425	1.24 427	2.00 430	1.25 425	2.03 432	1.26 417	2.00 429	1.29 426	1.90 426	1.18 356	1.89 436	1.21 421	1.89 416	1.20 374
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
StereoVision	3.15 453	5.00 434	0.89 321	4.83 462	1.00 365	3.93 460	1.27 424	6.37 484	1.34 430	5.67 484	1.26 426	5.84 486	1.27 418	5.03 482	1.24 423	5.10 474	1.09 342	4.61 471	0.57 314	5.62 474	1.12 365

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

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

FC-DCNN	1.07 342	1.09 260	0.98 333	0.89 286	0.52 310	1.41 421	0.91 347	1.21 401	1.24 427	1.96 428	2.05 457	1.91 429	1.30 421	1.27 414	1.08 363	0.80 309	0.60 286	0.58 305	0.41 277	0.68 286	0.54 298

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

RAFT_CTSACE	1.92 419	3.71 413	1.72 431	1.88 403	1.72 446	2.04 433	1.42 437	2.18 431	1.89 452	2.02 431	1.97 453	1.95 430	2.06 442	1.93 427	1.62 437	1.76 419	1.66 428	2.02 439	1.73 448	1.73 412	1.43 436

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

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

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

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

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

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

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

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

NLCA_NET_v2_RVC	5.04 483	50.87 512	2.78 453	2.87 434	2.71 462	2.78 450	0.47 285	2.88 448	2.86 461	1.89 427	2.67 460	2.79 451	2.79 451	2.78 449	2.83 458	2.82 445	2.82 447	2.83 451	2.77 460	2.83 437	2.76 460
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
rvit_105_1	3.83 459	5.22 438	3.01 455	4.53 450	3.01 464	4.51 466	3.01 461	4.56 467	3.04 462	4.53 466	3.03 463	4.55 469	3.03 452	4.56 467	3.04 459	4.57 459	3.05 449	4.57 466	3.05 461	4.57 454	3.05 461

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

SGM-Forest	5.21 486	5.92 452	4.08 473	6.18 471	4.16 485	6.31 486	4.34 485	6.50 485	4.33 484	6.14 486	4.21 483	6.61 490	4.55 478	6.67 485	4.48 483	5.94 479	3.94 465	5.85 487	4.03 484	5.79 475	4.17 484
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.88 480	4.75 431	4.79 475	4.87 463	4.92 488	4.81 482	4.90 487	4.78 478	4.77 486	4.87 478	4.89 486	4.90 482	4.91 479	4.99 480	4.79 484	4.98 470	4.87 471	4.87 480	4.92 488	5.00 468	5.00 486

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

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

RAFT	6.73 489	9.36 471	7.40 489	8.51 483	6.55 492	6.88 488	6.60 491	6.79 486	6.60 491	6.80 487	6.72 493	5.31 485	5.50 482	6.61 484	6.61 491	8.42 490	5.89 476	5.73 485	5.45 492	6.61 477	6.24 490

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CBMV	128.50 510	1422.70 524	53.10 514	79.50 515	51.30 515	77.30 514	49.70 513	74.00 513	48.20 511	77.20 514	48.80 514	73.90 515	48.00 512	73.80 514	48.80 514	70.40 515	45.10 515	68.90 515	46.10 515	68.20 512	45.00 514
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 509	153.00 517	121.00 516	51.00 514	44.00 514	165.00 516	127.00 515	153.00 515	119.00 512	164.00 516	125.00 515	168.00 517	120.00 513	153.00 515	117.00 515	49.00 514	44.00 514	49.00 514	44.00 514	49.00 511	44.00 513

MeshStereo	159.24 511	171.00 518	160.68 519	162.58 517	160.59 517	164.01 515	160.35 516	158.51 516	158.56 513	158.34 515	160.12 516	158.56 516	159.92 514	157.26 516	158.94 516	154.38 517	158.36 517	155.75 517	159.13 518	153.67 514	154.07 516
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 512	123.00 514	115.00 515	219.00 518	218.00 519	223.00 517	244.00 518	217.00 517	236.00 515	202.00 517	203.00 517	205.00 518	208.00 515	225.00 517	204.00 517	210.00 518	198.00 518	197.00 518	184.00 519	204.00 515	201.00 517

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

DIP-Stereo	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 524	10000000.00 521	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 524
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
FADE		0.06 46		0.09 44	0.10 102							0.05 77				0.15 112	0.10 63	0.17 130	0.13 136	0.11 104

Low-res two-view benchmark