Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 25	0.09 51	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 103	0.20 141	0.23 126	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	0.23 152	0.21 151	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 174	0.10 56	0.12 68	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 78	0.11 81	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 165	0.10 56	0.12 68	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 78	0.10 60	0.01 9	0.01 9	0.01 9	0.01 9

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

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

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

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

CoDeX	0.15 102	0.70 182	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	0.67 293	0.02 14	0.69 278	0.75 296	0.01 9	0.02 19	0.02 19

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

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

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

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

Wz-Net-LNSev-Ref	0.11 70	0.44 148	0.33 191	0.39 173	0.02 20	0.03 36	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	0.39 215	0.36 207	0.02 18	0.02 20	0.02 19	0.02 19

CSP-Net	0.34 166	1.29 300	1.19 324	1.36 361	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	1.26 371	1.21 375	0.03 34	0.09 90	0.02 19	0.09 89

SFCPSM	0.17 113	0.78 185	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	0.79 310	0.02 14	0.75 288	0.76 298	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 134	1.31 303	0.74 284	0.92 270	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 296	0.75 288	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

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 49	1.05 233	0.12 86	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.03 46	0.03 39	0.03 43

test_sample9	0.10 49	1.05 233	0.12 86	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.03 46	0.03 39	0.03 43

test_sample8	0.10 49	1.05 233	0.12 86	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.03 46	0.03 39	0.03 43

test_sample7	0.09 38	1.00 217	0.11 75	0.11 62	0.02 20	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.03 46	0.03 39	0.03 43

test_sample6	0.09 38	0.97 213	0.10 56	0.10 45	0.03 40	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.03 44	0.03 38	0.02 21	0.03 33	0.02 19	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

test_sample5	0.10 49	1.07 236	0.11 75	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.03 46	0.04 62	0.03 43

test_sample4	0.10 49	1.03 229	0.12 86	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.13 119	0.03 34	0.03 46	0.03 39	0.03 43

test_sample3	0.09 38	0.87 196	0.10 56	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

test_sample2	0.09 38	1.03 229	0.11 75	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

test_sample1	0.09 38	0.87 196	0.12 86	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

SMFormer	0.09 38	1.01 223	0.09 52	0.09 41	0.03 40	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 38	0.95 210	0.09 52	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

DualNet	0.10 49	1.07 236	0.11 75	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.03 46	0.04 62	0.03 43

ttt	0.10 49	1.09 238	0.12 86	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 49	1.14 242	0.13 105	0.14 85	0.03 40	0.04 62	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.11 81	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 223	0.10 56	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.03 36	0.03 44	0.03 38	0.02 21	0.03 33	0.02 19	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.03 43

x	0.11 70	1.15 244	0.15 125	0.14 85	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.14 100	0.15 125	0.03 34	0.03 46	0.03 39	0.03 43

BUS	0.83 285	1.91 326	0.92 303	4.48 411	0.02 20	0.40 206	0.04 65	0.41 212	0.02 20	0.48 244	0.03 44	0.41 221	0.05 75	0.03 33	0.05 70	1.97 396	4.19 431	0.33 185	0.23 168	0.34 174	0.27 176

BSDual-CNN	0.81 277	1.91 326	0.92 303	4.48 411	0.02 20	0.42 238	0.06 85	0.41 212	0.02 20	0.48 244	0.03 44	0.02 19	0.02 21	0.03 33	0.02 19	1.97 396	4.19 431	0.33 185	0.23 168	0.34 174	0.27 176

psmg	0.43 210	1.91 326	0.92 303	1.91 374	0.02 20	0.02 18	0.03 40	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 396	1.44 388	0.04 59	0.03 46	0.02 19	0.03 43

222	0.10 49	0.99 216	0.12 86	0.13 81	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.02 20	0.04 62	0.03 43

xxxx	0.11 70	1.16 245	0.16 126	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.16 127	0.03 34	0.04 63	0.04 62	0.04 64

test_xeample	0.10 49	1.09 238	0.13 105	0.12 68	0.03 40	0.03 36	0.03 40	0.04 62	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.14 100	0.14 122	0.03 34	0.03 46	0.03 39	0.03 43

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 40	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 44	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

GASNet	0.05 29	0.04 31	0.12 86	0.04 26	0.04 65	0.04 62	0.05 74	0.04 62	0.04 66	0.12 102	0.04 73	0.06 80	0.04 69	0.04 57	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 40	0.04 62	0.03 40	0.04 62	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.04 57	0.03 39	0.05 39	0.03 28	0.05 69	0.03 46	0.04 62	0.03 43

FADNet-RVC-Resample	0.12 78	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.04 73	0.04 62	0.04 69	0.04 57	1.57 402	0.04 32	0.04 33	0.04 59	0.05 77	0.04 62	0.06 83

FADNet_RVC	0.12 78	0.04 31	0.04 31	0.05 32	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.04 73	0.04 62	0.05 75	0.04 57	1.65 406	0.05 39	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

FADNet-RVC	0.13 83	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.05 74	0.04 62	0.04 66	0.04 60	0.05 81	0.04 62	0.05 75	0.04 57	1.71 409	0.04 32	0.04 33	0.04 59	0.04 63	0.07 84	0.04 64

FADNet	0.12 78	0.05 38	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.04 73	0.04 62	0.05 75	0.04 57	1.66 407	0.06 43	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

ADCMid	0.08 37	0.02 12	0.02 13	1.01 285	0.03 40	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 57	0.09 86	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.04 73	0.04 62	0.04 69	0.04 57	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 65	0.05 72	0.90 316	0.06 76	0.04 66	0.05 74	0.04 73	0.05 74	0.04 69	0.05 65	0.04 60	0.05 39	0.04 33	0.05 69	0.04 63	0.05 74	0.05 78

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 65	0.05 72	0.04 65	0.05 72	0.04 66	0.05 74	0.04 73	0.05 74	0.04 69	0.05 65	0.04 60	0.05 39	0.03 28	0.06 75	0.03 46	0.04 62	0.03 43

BEATNet_4x	0.11 70	0.03 27	0.03 28	1.60 367	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 65	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

ADCL	0.11 70	0.03 27	0.03 28	1.60 367	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 65	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

qqq1	0.25 134	3.70 377	0.14 110	0.14 85	0.04 65	0.06 74	0.05 74	0.06 76	0.05 79	0.06 77	0.05 81	0.04 62	0.05 75	0.06 69	0.05 70	0.13 94	0.12 95	0.06 75	0.05 77	0.03 39	0.04 64

fff1	0.25 134	3.70 377	0.14 110	0.14 85	0.04 65	0.06 74	0.05 74	0.06 76	0.05 79	0.06 77	0.05 81	0.04 62	0.05 75	0.06 69	0.05 70	0.13 94	0.12 95	0.06 75	0.05 77	0.03 39	0.04 64

mmm	0.14 92	1.83 321	0.12 86	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.04 66	0.03 36	0.03 44	0.03 38	0.03 44	0.06 69	0.04 60	0.12 78	0.11 81	0.05 69	0.04 63	0.05 74	0.04 64

11t1	0.17 113	2.16 341	0.13 105	0.13 81	0.04 65	0.06 74	0.04 65	0.06 76	0.04 66	0.06 77	0.03 44	0.06 80	0.03 44	0.06 69	0.05 70	0.18 130	0.12 95	0.06 75	0.03 46	0.05 74	0.03 43

ffm	0.25 134	3.83 382	0.12 86	0.12 68	0.05 80	0.06 74	0.05 74	0.06 76	0.05 79	0.03 36	0.03 44	0.06 80	0.05 75	0.06 69	0.05 70	0.12 78	0.12 95	0.05 69	0.04 63	0.06 77	0.04 64

ff1	0.25 134	3.83 382	0.12 86	0.12 68	0.05 80	0.06 74	0.05 74	0.06 76	0.05 79	0.03 36	0.03 44	0.06 80	0.05 75	0.06 69	0.05 70	0.12 78	0.12 95	0.05 69	0.04 63	0.06 77	0.04 64

mmx	0.25 134	3.83 382	0.12 86	0.12 68	0.05 80	0.06 74	0.05 74	0.06 76	0.05 79	0.03 36	0.03 44	0.06 80	0.05 75	0.06 69	0.05 70	0.12 78	0.12 95	0.05 69	0.04 63	0.06 77	0.04 64

qqq	0.16 110	2.01 334	0.12 86	0.15 94	0.04 65	0.06 74	0.05 74	0.06 76	0.04 66	0.06 77	0.03 44	0.06 80	0.03 44	0.06 69	0.03 39	0.12 78	0.14 122	0.04 59	0.04 63	0.03 39	0.03 43

AASNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 86	0.06 77	0.06 86	0.05 74	0.06 86	0.06 69	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

SACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 86	0.06 77	0.06 86	0.05 74	0.06 86	0.06 69	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

AACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 86	0.06 77	0.06 86	0.05 74	0.06 86	0.06 69	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

ADCRef	0.12 78	0.03 27	0.04 31	1.71 370	0.04 65	0.03 36	0.03 40	0.04 62	0.04 66	0.04 60	0.03 44	0.04 62	0.03 44	0.06 69	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.03 39	0.04 64

AnyNet_C01	0.11 70	0.02 12	0.02 13	1.62 369	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 69	0.04 60	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 43

FINET	0.07 36	0.08 45	0.07 45	0.07 35	0.07 89	0.08 84	0.06 85	0.08 87	0.07 89	0.08 84	0.07 89	0.08 86	0.06 86	0.07 82	0.07 81	0.08 47	0.07 44	0.07 80	0.07 84	0.06 77	0.06 83

SuperB	0.21 125	0.10 53	2.51 416	0.12 68	0.09 92	0.10 89	0.09 90	0.08 87	0.07 89	0.10 88	0.09 92	0.09 90	0.07 90	0.07 82	0.07 81	0.07 45	0.08 46	0.07 80	0.07 84	0.08 86	0.07 85

AnyNet_C32	0.14 92	0.04 31	0.03 28	2.22 383	0.04 65	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.04 62	0.02 21	0.07 82	0.04 60	0.02 14	0.02 14	0.03 34	0.03 46	0.02 19	0.03 43

GwcNet	0.12 78	0.07 44	0.05 44	0.08 37	0.05 80	0.08 84	1.20 342	0.07 84	0.05 79	0.05 74	0.05 81	0.08 86	0.05 75	0.08 85	0.03 39	0.07 45	0.05 43	0.06 75	0.05 77	0.07 84	0.05 78

ADCP+	0.15 102	0.04 31	0.04 31	2.20 382	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.05 81	0.04 62	0.04 69	0.08 85	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

ADCPNet	0.10 49	0.03 27	0.04 31	1.27 356	0.03 40	0.04 62	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.08 85	0.04 60	0.04 32	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

SepStereo	0.09 38	0.09 51	0.10 56	0.09 41	0.09 92	0.09 88	0.09 90	0.10 89	0.08 91	0.10 88	0.09 92	0.09 90	0.09 93	0.09 88	0.08 83	0.09 53	0.08 46	0.09 87	0.08 88	0.09 89	0.08 86

PASM	0.39 191	3.06 366	1.36 386	1.58 365	0.09 92	0.11 100	0.11 107	0.11 101	0.11 109	0.09 87	0.09 92	0.11 102	0.09 93	0.09 88	0.09 86	0.11 73	0.11 81	0.11 98	0.09 90	0.11 100	0.11 105

CAS++	0.17 113	0.27 106	0.21 145	0.10 45	0.21 167	0.15 110	0.22 157	0.10 89	0.21 157	0.22 140	0.10 96	0.19 130	0.18 149	0.10 90	0.19 151	0.20 133	0.19 146	0.18 134	0.10 96	0.19 132	0.18 141
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AnonymousM	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 92	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

PVD	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 92	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SHD	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 92	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SAMSARA	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 92	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

XQC	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 92	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTSC	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 92	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTS	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 92	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTSA	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 92	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

MADNet+	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 92	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

MADNet++	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 92	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

JetRed	0.11 70	0.12 66	0.11 75	0.11 62	0.11 113	0.11 100	0.14 127	0.11 101	0.11 109	0.12 102	0.11 109	0.11 102	0.11 108	0.11 101	0.11 102	0.11 73	0.16 127	0.11 98	0.11 108	0.11 100	0.11 105

aanetorigin	0.13 83	0.11 64	0.11 75	0.11 62	0.11 113	0.11 100	0.11 107	0.11 101	0.11 109	0.11 100	0.12 119	0.11 102	0.11 108	0.11 101	0.11 102	0.11 73	0.11 81	0.14 105	0.11 108	0.49 244	0.11 105

BEATNet-Init1	0.19 116	0.08 45	0.08 47	2.23 384	0.08 90	0.08 84	0.07 88	0.07 84	0.08 91	0.08 84	0.07 89	0.08 86	0.07 90	0.11 101	0.08 83	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

DeepPrunerF	0.19 116	0.08 45	0.08 47	2.23 384	0.08 90	0.08 84	0.07 88	0.07 84	0.08 91	0.08 84	0.07 89	0.08 86	0.07 90	0.11 101	0.08 83	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

JetBlue	0.11 70	0.11 64	0.12 86	0.13 81	0.14 133	0.11 100	0.11 107	0.11 101	0.11 109	0.11 100	0.11 109	0.11 102	0.11 108	0.12 105	0.12 116	0.11 73	0.11 81	0.11 98	0.11 108	0.11 100	0.11 105

DRN-Test	0.14 92	0.13 67	0.09 52	0.14 85	0.09 92	0.15 110	0.09 90	0.14 105	0.10 95	0.14 104	0.09 92	0.14 106	0.09 93	0.13 106	0.09 86	0.12 78	0.09 55	0.12 101	0.09 90	0.12 105	0.73 300

CIPLG	0.13 83	0.21 91	0.12 86	0.16 102	0.11 113	0.15 110	0.11 107	0.14 105	0.11 109	0.15 110	0.12 119	0.15 115	0.11 108	0.14 107	0.11 102	0.15 109	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

IPLG	0.13 83	0.20 85	0.14 110	0.15 94	0.11 113	0.14 104	0.11 107	0.14 105	0.11 109	0.14 104	0.11 109	0.14 106	0.11 108	0.14 107	0.11 102	0.15 109	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

MIPNet	0.14 92	0.21 91	0.17 130	0.16 102	0.11 113	0.15 110	0.12 122	0.14 105	0.11 109	0.16 114	0.11 109	0.14 106	0.11 108	0.14 107	0.11 102	0.14 100	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

IPLGR	0.14 92	0.24 103	0.14 110	0.16 102	0.12 128	0.15 110	0.12 122	0.14 105	0.11 109	0.15 110	0.12 119	0.14 106	0.11 108	0.14 107	0.11 102	0.15 109	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

ACRE	0.13 83	0.21 91	0.14 110	0.15 94	0.11 113	0.14 104	0.11 107	0.14 105	0.11 109	0.14 104	0.12 119	0.14 106	0.11 108	0.14 107	0.11 102	0.15 109	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

GMStereo	0.14 92	0.13 67	0.14 110	0.14 85	0.14 133	0.14 104	0.14 127	0.14 105	0.14 132	0.14 104	0.14 136	0.14 106	0.14 131	0.14 107	0.14 126	0.14 100	0.14 122	0.14 105	0.14 136	0.14 108	0.14 129
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 147	0.90 201	0.10 56	0.14 85	0.10 98	0.14 104	0.10 95	0.91 296	0.69 299	0.14 104	0.11 109	0.14 106	0.11 108	0.14 107	0.10 91	0.12 78	0.09 55	0.12 101	0.09 90	0.88 285	0.76 305

ADCS	0.09 38	0.02 12	0.04 31	0.90 265	0.06 88	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 107	0.36 226	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

StereoDRNet	0.15 102	0.14 71	0.10 56	0.14 85	0.09 92	0.15 110	0.09 90	0.14 105	0.09 94	0.14 104	0.10 96	0.14 106	0.09 93	0.14 107	0.09 86	0.13 94	0.10 60	0.13 104	0.09 90	0.13 107	0.82 311

test_for_model	0.15 102	0.23 96	0.18 135	0.21 123	0.11 113	0.16 117	0.11 107	0.16 117	0.11 109	0.16 114	0.11 109	0.16 116	0.11 108	0.16 116	0.11 102	0.21 138	0.18 145	0.14 105	0.11 108	0.14 108	0.11 105

testlalala2	0.13 83	0.16 72	0.11 75	0.15 94	0.11 113	0.16 117	0.11 107	0.16 117	0.11 109	0.16 114	0.11 109	0.16 116	0.11 108	0.16 116	0.11 102	0.14 100	0.11 81	0.14 105	0.11 108	0.14 108	0.11 105

GMStereo_Zeroshot	0.16 110	0.16 72	0.16 126	0.16 102	0.16 148	0.16 117	0.16 134	0.16 117	0.16 143	0.16 114	0.16 144	0.16 116	0.16 141	0.16 116	0.16 140	0.16 117	0.16 127	0.16 120	0.16 140	0.16 121	0.16 130

testlalala_base	0.13 83	0.16 72	0.11 75	0.15 94	0.11 113	0.15 110	0.11 107	0.16 117	0.11 109	0.16 114	0.11 109	0.16 116	0.11 108	0.16 116	0.11 102	0.14 100	0.11 81	0.14 105	0.11 108	0.14 108	0.11 105

IPLGR_C	0.14 92	0.20 85	0.12 86	0.15 94	0.11 113	0.14 104	0.15 131	0.14 105	0.11 109	0.15 110	0.12 119	0.14 106	0.11 108	0.16 116	0.11 102	0.15 109	0.12 95	0.14 105	0.12 124	0.15 118	0.12 120

ICVP	0.15 102	0.53 171	0.11 75	0.16 102	0.11 113	0.16 117	0.11 107	0.16 117	0.11 109	0.16 114	0.11 109	0.16 116	0.11 108	0.16 116	0.11 102	0.16 117	0.11 81	0.16 120	0.11 108	0.16 121	0.11 105
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ProNet	0.14 92	0.20 85	0.14 110	0.16 102	0.11 113	0.16 117	0.11 107	0.17 122	0.11 109	0.17 120	0.12 119	0.17 123	0.13 128	0.17 122	0.12 116	0.15 109	0.11 81	0.16 120	0.11 108	0.15 118	0.12 120

HSM	0.14 92	0.16 72	0.12 86	0.17 108	0.12 128	0.17 122	0.11 107	0.17 122	0.11 109	0.17 120	0.12 119	0.17 123	0.12 124	0.17 122	0.12 116	0.16 117	0.11 81	0.16 120	0.11 108	0.16 121	0.12 120

ITSA-stereo	0.15 102	0.17 78	0.13 105	0.20 114	0.13 131	0.19 127	0.13 125	0.18 124	0.13 130	0.19 124	0.13 131	0.18 126	0.14 131	0.18 124	0.14 126	0.16 117	0.11 81	0.15 118	0.14 136	0.18 128	0.11 105

cf-r	0.66 245	2.17 342	0.12 86	0.18 109	0.12 128	0.18 124	2.70 422	2.60 407	0.12 127	0.18 123	0.12 119	0.18 126	0.12 124	0.18 124	0.12 116	0.15 109	0.11 81	0.15 118	0.11 108	1.81 381	1.74 412

ELAS	0.13 83	0.16 72	0.11 75	0.15 94	0.09 92	0.18 124	0.11 107	0.18 124	0.11 109	0.17 120	0.11 109	0.18 126	0.11 108	0.18 124	0.11 102	0.14 100	0.08 46	0.14 105	0.08 88	0.14 108	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DDVS	0.30 148	3.10 367	0.14 110	0.19 112	0.14 133	0.19 127	0.14 127	0.20 130	0.14 132	0.19 124	0.13 131	0.16 116	0.13 128	0.19 127	0.13 122	0.17 122	0.13 119	0.17 125	0.13 132	0.17 124	0.13 126

DeepPruner_ROB	0.16 110	0.18 80	0.13 105	0.19 112	0.13 131	0.19 127	0.13 125	0.19 126	0.13 130	0.19 124	0.13 131	0.19 130	0.13 128	0.19 127	0.13 122	0.18 130	0.13 119	0.18 134	0.13 132	0.18 128	0.13 126

ELAS_RVC	0.14 92	0.16 72	0.10 56	0.15 94	0.10 98	0.18 124	0.11 107	0.19 126	0.11 109	0.19 124	0.12 119	0.18 126	0.11 108	0.19 127	0.12 116	0.14 100	0.08 46	0.14 105	0.09 90	0.15 118	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 102	0.17 78	0.11 75	0.18 109	0.11 113	0.19 127	0.11 107	0.19 126	0.12 127	0.19 124	0.12 119	0.20 132	0.12 124	0.19 127	0.12 116	0.16 117	0.11 81	0.17 125	0.10 96	0.17 124	0.10 93
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
gwcnet-sp	0.82 281	1.72 315	1.48 391	0.39 173	0.15 143	0.31 171	0.21 152	0.20 130	0.25 171	1.61 389	0.23 169	0.28 167	0.26 183	0.20 131	0.15 135	0.24 157	1.33 380	0.32 177	0.16 140	6.75 442	0.23 151

scenet	0.82 281	1.72 315	1.48 391	0.39 173	0.15 143	0.31 171	0.21 152	0.20 130	0.25 171	1.61 389	0.23 169	0.28 167	0.26 183	0.20 131	0.15 135	0.24 157	1.33 380	0.32 177	0.16 140	6.75 442	0.23 151

ssnet	0.82 281	1.72 315	1.48 391	0.39 173	0.15 143	0.31 171	0.21 152	0.20 130	0.25 171	1.61 389	0.23 169	0.28 167	0.26 183	0.20 131	0.15 135	0.24 157	1.33 380	0.32 177	0.16 140	6.75 442	0.23 151

DAS	0.20 118	0.20 85	0.20 141	0.20 114	0.20 160	0.20 131	0.20 146	0.20 130	0.20 154	0.20 129	0.20 159	0.20 132	0.20 158	0.20 131	0.20 154	0.20 133	0.20 148	0.20 138	0.20 158	0.20 133	0.20 144

ASD4	0.20 118	0.20 85	0.20 141	0.20 114	0.20 160	0.20 131	0.20 146	0.20 130	0.20 154	0.20 129	0.20 159	0.20 132	0.20 158	0.20 131	0.20 154	0.20 133	0.20 148	0.20 138	0.20 158	0.20 133	0.20 144

ACVNet	0.20 118	0.19 81	0.14 110	0.20 114	0.14 133	0.20 131	0.96 323	0.21 136	0.14 132	0.20 129	0.13 131	0.21 140	0.14 131	0.20 131	0.14 126	0.17 122	0.12 95	0.17 125	0.12 124	0.17 124	0.12 120

acv_ft	0.20 118	0.19 81	0.14 110	0.20 114	0.14 133	0.20 131	0.96 323	0.21 136	0.14 132	0.20 129	0.13 131	0.21 140	0.14 131	0.20 131	0.14 126	0.17 122	0.12 95	0.17 125	0.12 124	0.17 124	0.12 120

hitnet-ft	0.79 270	2.78 362	0.14 110	0.20 114	0.14 133	0.21 139	2.89 423	2.80 411	0.14 132	0.20 129	0.14 136	0.20 132	0.14 131	0.20 131	0.14 126	0.17 122	0.12 95	0.17 125	0.12 124	2.54 398	2.33 419

PSMNet-RSSM	0.77 266	2.76 359	0.14 110	0.20 114	0.14 133	0.20 131	2.66 420	2.79 410	0.14 132	0.21 138	0.14 136	0.21 140	0.14 131	0.20 131	0.14 126	0.17 122	0.12 95	0.17 125	0.12 124	2.52 396	2.31 417

CFNet-ft	0.55 238	1.57 310	0.14 110	0.20 114	0.14 133	0.20 131	2.53 419	1.61 385	0.14 132	0.20 129	0.14 136	0.20 132	0.14 131	0.20 131	0.14 126	0.17 122	0.12 95	0.17 125	0.12 124	1.56 377	1.24 392

IGEV_Zeroshot_test	0.20 118	0.19 81	0.40 216	0.30 146	0.17 149	0.22 141	0.17 135	0.21 136	0.17 145	0.20 129	0.17 146	0.21 140	0.18 149	0.21 141	0.17 141	0.20 133	0.16 127	0.20 138	0.16 140	0.20 133	0.17 137

GANet-RSSM	0.75 261	1.91 326	0.14 110	0.47 213	0.14 133	0.21 139	3.21 439	2.30 404	0.14 132	0.46 235	0.14 136	0.23 148	0.18 149	0.21 141	0.14 126	0.18 130	0.27 171	0.37 212	0.13 132	2.13 389	2.12 415

GwcNet-RSSM	0.77 266	2.77 361	0.14 110	0.20 114	0.14 133	0.20 131	2.67 421	2.78 409	0.14 132	0.20 129	0.14 136	0.20 132	0.14 131	0.21 141	0.14 126	0.17 122	0.12 95	0.17 125	0.12 124	2.52 396	2.31 417

LALA_ROB	0.15 102	0.19 81	0.12 86	0.18 109	0.11 113	0.20 131	0.12 122	0.21 136	0.12 127	0.20 129	0.12 119	0.20 132	0.12 124	0.21 141	0.13 122	0.17 122	0.10 60	0.18 134	0.11 108	0.18 128	0.11 105

WAO-6	0.22 127	0.23 96	0.22 146	0.23 126	0.22 169	0.22 141	0.22 157	0.22 140	0.22 159	0.22 140	0.22 165	0.22 145	0.22 164	0.22 145	0.22 159	0.22 141	0.22 155	0.22 146	0.22 163	0.22 139	0.22 150

IMH-64-1	0.22 127	0.23 96	0.23 149	0.22 124	0.22 169	0.22 141	0.22 157	0.22 140	0.22 159	0.22 140	0.22 165	0.22 145	0.22 164	0.22 145	0.22 159	0.22 141	0.22 155	0.23 152	0.22 163	0.22 139	0.23 151

IMH-64	0.22 127	0.23 96	0.23 149	0.22 124	0.22 169	0.22 141	0.22 157	0.22 140	0.22 159	0.22 140	0.22 165	0.22 145	0.22 164	0.22 145	0.22 159	0.22 141	0.22 155	0.23 152	0.22 163	0.22 139	0.23 151

HCRNet	1.22 366	7.11 419	3.00 418	3.55 406	0.33 224	0.29 167	0.14 127	0.19 126	0.15 141	0.33 175	0.29 199	0.25 156	0.14 131	0.22 145	0.33 208	3.64 415	3.00 412	0.76 298	0.32 224	0.18 128	0.13 126

MSKI-zero shot	0.24 133	0.21 91	0.49 249	0.65 241	0.18 154	0.22 141	0.17 135	0.23 143	0.18 146	0.21 138	0.17 146	0.23 148	0.28 197	0.23 149	0.18 148	0.21 138	0.16 127	0.21 141	0.16 140	0.21 137	0.16 130

dd	0.23 131	0.98 214	0.16 126	0.23 126	0.15 143	0.23 147	0.15 131	0.23 143	0.15 141	0.23 144	0.15 143	0.24 152	0.17 143	0.23 149	0.15 135	0.22 141	0.15 125	0.21 141	0.15 139	0.22 139	0.16 130

dad	0.23 131	1.03 229	0.16 126	0.23 126	0.15 143	0.24 148	0.15 131	0.24 146	0.16 143	0.23 144	0.16 144	0.24 152	0.16 141	0.23 149	0.15 135	0.22 141	0.16 127	0.22 146	0.16 140	0.22 139	0.16 130

iResNet	0.20 118	0.23 96	0.18 135	0.24 131	0.18 154	0.24 148	0.20 146	0.24 146	0.18 146	0.23 144	0.17 146	0.23 148	0.18 149	0.23 149	0.18 148	0.22 141	0.16 127	0.21 141	0.16 140	0.21 137	0.16 130

ACV-stereo	0.30 148	2.08 335	0.25 159	0.25 135	0.18 154	0.24 148	0.17 135	0.24 146	0.18 146	0.24 149	0.17 146	0.25 156	0.17 143	0.24 153	0.17 141	0.22 141	0.16 127	0.22 146	0.16 140	0.22 139	0.16 130

Pointernet	0.21 125	0.22 95	0.19 138	0.24 131	0.19 158	0.24 148	0.19 143	0.24 146	0.19 152	0.24 149	0.19 156	0.24 152	0.19 154	0.24 153	0.19 151	0.22 141	0.17 140	0.22 146	0.17 154	0.22 139	0.17 137

LRCNet_RVC	0.13 83	0.13 67	0.09 52	0.13 81	0.10 98	0.14 104	0.10 95	0.14 105	0.10 95	0.23 144	0.10 96	0.20 132	0.10 97	0.24 153	0.11 102	0.11 73	0.09 55	0.12 101	0.14 136	0.12 105	0.09 89

iResNetv2_ROB	0.20 118	0.23 96	0.18 135	0.24 131	0.20 160	0.24 148	0.18 140	0.24 146	0.18 146	0.24 149	0.18 155	0.23 148	0.19 154	0.24 153	0.18 148	0.21 138	0.16 127	0.21 141	0.16 140	0.22 139	0.16 130

model_zeroshot	0.27 143	0.20 85	0.27 166	0.33 156	0.21 167	0.37 195	0.22 157	0.37 185	0.24 166	0.26 159	0.27 191	0.33 179	0.21 163	0.25 157	0.27 180	0.32 179	0.20 148	0.34 192	0.23 168	0.25 149	0.26 168

MIM_Stereo	0.25 134	0.23 96	0.66 270	0.80 255	0.17 149	0.22 141	0.17 135	0.23 143	0.18 146	0.26 159	0.17 146	0.21 140	0.17 143	0.25 157	0.17 141	0.23 152	0.16 127	0.21 141	0.17 154	0.22 139	0.17 137

CASnet	0.35 172	0.51 168	0.44 232	0.32 152	0.31 213	0.24 148	0.34 218	0.36 179	0.25 171	0.31 167	0.37 237	0.30 173	0.33 217	0.25 157	0.45 258	0.37 201	0.37 209	0.33 185	0.35 236	0.34 174	0.37 227
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CAS	0.30 148	1.17 246	0.25 159	0.25 135	0.25 181	0.26 161	0.25 171	0.25 151	0.26 184	0.25 152	0.25 180	0.25 156	0.25 174	0.25 157	0.25 174	0.26 162	0.26 166	0.26 161	0.25 181	0.26 151	0.25 162

LoS	0.25 134	0.27 106	0.25 159	0.25 135	0.25 181	0.25 154	0.25 171	0.26 155	0.25 171	0.25 152	0.25 180	0.25 156	0.25 174	0.25 157	0.25 174	0.26 162	0.25 162	0.25 158	0.26 188	0.26 151	0.25 162
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 213	1.24 298	0.17 130	0.25 135	0.17 149	0.25 154	0.18 140	1.26 376	0.93 327	0.25 152	0.17 146	0.25 156	0.18 149	0.25 157	0.17 141	0.23 152	0.16 127	0.23 152	0.16 140	1.20 320	0.99 323

delet	0.43 210	1.21 296	0.17 130	0.25 135	0.17 149	0.25 154	0.18 140	1.26 376	0.95 328	0.25 152	0.17 146	0.25 156	0.17 143	0.25 157	0.17 141	0.23 152	0.16 127	0.22 146	0.16 140	1.18 317	0.98 322

psm_up	0.43 210	1.19 249	0.17 130	0.25 135	0.18 154	0.25 154	0.19 143	1.26 376	0.91 322	0.26 159	0.17 146	0.25 156	0.17 143	0.25 157	0.17 141	0.22 141	0.17 140	0.23 152	0.16 140	1.18 317	0.99 323

UPFNet	0.42 209	1.20 250	0.17 130	0.24 131	0.17 149	0.25 154	0.17 135	1.19 324	0.90 321	0.25 152	0.17 146	0.24 152	0.17 143	0.25 157	0.17 141	0.22 141	0.17 140	0.22 146	0.16 140	1.15 309	0.93 319

AANet_RVC	1.26 368	0.31 113	4.99 441	5.93 433	0.20 160	0.25 154	0.20 146	0.25 151	0.20 154	0.23 144	0.19 156	0.25 156	0.20 158	0.25 157	0.20 154	5.66 441	4.76 434	0.26 161	0.30 215	0.24 148	0.27 176

UNDER WATER-64	0.25 134	0.26 105	0.25 159	0.26 142	0.25 181	0.25 154	0.25 171	0.25 151	0.25 171	0.25 152	0.25 180	0.25 156	0.25 174	0.26 167	0.25 174	0.25 161	0.25 162	0.25 158	0.25 181	0.25 149	0.25 162

LoS_RVC	0.30 148	1.14 242	0.25 159	0.25 135	0.25 181	0.26 161	0.25 171	0.25 151	0.25 171	0.25 152	0.25 180	0.26 165	0.26 183	0.26 167	0.25 174	0.26 162	0.26 166	0.25 158	0.25 181	0.26 151	0.26 168

ssnet_v2	0.68 250	1.96 333	1.25 378	0.29 145	0.20 160	0.30 168	0.20 146	0.29 161	0.22 159	1.50 387	0.20 159	0.31 175	0.20 158	0.27 169	0.22 159	0.24 157	1.49 389	0.26 161	0.18 157	3.90 407	0.19 143

GEStereo_RVC	0.86 290	4.45 393	0.20 141	0.27 143	0.20 160	0.27 164	0.20 146	0.26 155	0.18 146	5.03 444	0.20 159	0.27 166	0.19 154	0.27 169	0.21 157	0.20 133	0.19 146	0.19 137	4.02 447	0.20 133	0.18 141

SQANet	0.28 144	0.28 109	0.28 170	0.28 144	0.28 194	0.28 165	0.28 187	0.28 158	0.28 192	0.28 162	0.28 197	0.28 167	0.28 197	0.28 171	0.28 186	0.28 167	0.28 176	0.28 167	0.28 198	0.28 156	0.28 188

ac_64	0.22 127	0.13 67	0.19 138	0.23 126	0.10 98	0.26 161	1.02 329	0.14 105	0.10 95	0.28 162	0.14 136	0.17 123	0.19 154	0.28 171	0.09 86	0.22 141	0.16 127	0.23 152	0.17 154	0.11 100	0.12 120

CFNet	1.37 372	5.27 404	0.19 138	5.49 430	0.19 158	0.28 165	0.19 143	0.28 158	0.19 152	0.28 162	0.19 156	0.28 167	4.35 440	0.28 171	0.19 151	0.23 152	0.17 140	0.23 152	4.21 449	4.81 428	0.17 137

RAFT + AFF	0.31 153	0.45 150	0.34 198	0.39 173	0.28 194	0.38 199	0.33 209	0.29 161	0.31 207	0.30 165	0.30 209	0.29 172	0.27 191	0.29 174	0.30 200	0.28 167	0.29 185	0.29 172	0.29 207	0.27 154	0.32 210

DLNR_Zeroshot_test	0.31 153	0.28 109	0.47 241	0.79 253	0.24 179	0.30 168	0.26 178	0.30 163	0.24 166	0.32 171	0.23 169	0.31 175	0.24 171	0.30 175	0.23 165	0.29 174	0.26 166	0.29 172	0.24 176	0.33 170	0.23 151

DANet	0.30 148	0.30 112	0.30 176	0.30 146	0.30 209	0.30 168	0.30 197	0.30 163	0.30 205	0.30 165	0.30 209	0.30 173	0.30 207	0.30 175	0.30 200	0.30 175	0.30 193	0.30 174	0.30 215	0.30 162	0.30 201
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
WCG-NET（raft）	0.32 161	1.24 298	0.24 155	0.32 152	0.24 179	0.32 178	0.23 163	0.32 165	0.24 166	0.32 171	0.24 175	0.32 177	0.24 171	0.32 177	0.24 168	0.30 175	0.23 159	0.30 174	0.23 168	0.30 162	0.23 151

tt1	0.31 153	0.93 209	0.24 155	0.33 156	0.23 174	0.31 171	0.24 168	0.32 165	0.24 166	0.32 171	0.23 169	0.32 177	0.25 174	0.32 177	0.24 168	0.27 165	0.26 166	0.27 165	0.26 188	0.27 154	0.27 176

xxxxx1	0.31 153	0.91 202	0.23 149	0.31 149	0.23 174	0.31 171	0.23 163	0.33 168	0.25 171	0.31 167	0.24 175	0.33 179	0.25 174	0.32 177	0.24 168	0.28 167	0.28 176	0.28 167	0.28 198	0.29 159	0.27 176

tt_ll	0.31 153	0.91 202	0.23 149	0.31 149	0.23 174	0.31 171	0.23 163	0.33 168	0.25 171	0.31 167	0.24 175	0.33 179	0.25 174	0.32 177	0.24 168	0.28 167	0.28 176	0.28 167	0.28 198	0.29 159	0.27 176

ff	0.31 153	0.91 202	0.23 149	0.31 149	0.23 174	0.31 171	0.23 163	0.33 168	0.25 171	0.31 167	0.24 175	0.33 179	0.25 174	0.32 177	0.24 168	0.28 167	0.28 176	0.28 167	0.28 198	0.29 159	0.27 176

testlalala	0.32 161	0.81 191	0.31 182	0.39 173	0.26 189	0.33 181	0.24 168	0.33 168	0.26 184	0.32 171	0.26 186	0.33 179	0.23 169	0.33 182	0.23 165	0.35 193	0.31 197	0.30 174	0.24 176	0.31 164	0.21 147

iResNet_ROB	0.28 144	0.32 114	0.24 155	0.32 152	0.25 181	0.32 178	0.24 168	0.32 165	0.24 166	0.33 175	0.24 175	0.35 185	0.24 171	0.33 182	0.24 168	0.31 178	0.24 161	0.32 177	0.24 176	0.32 165	0.24 161

H2IRNET	0.34 166	0.34 116	0.34 198	0.34 158	0.34 230	0.34 183	0.34 218	0.34 172	0.34 220	0.34 177	0.34 222	0.34 184	0.34 220	0.34 184	0.34 221	0.34 184	0.34 204	0.34 192	0.34 232	0.34 174	0.34 219

DN-CSS_ROB	0.31 153	0.35 117	0.28 170	0.35 159	0.28 194	0.34 183	0.27 181	0.34 172	0.25 171	0.35 181	0.27 191	0.36 192	0.26 183	0.34 184	0.28 186	0.35 193	0.28 176	0.34 192	0.28 198	0.34 174	0.27 176

WCG-NET	0.40 194	1.29 300	0.24 155	0.32 152	0.25 181	0.32 178	0.27 181	0.44 233	0.46 259	0.35 181	0.26 186	0.35 185	0.27 191	0.35 186	0.45 258	0.42 238	0.25 162	0.62 283	0.25 181	0.48 240	0.26 168

GCAP-BAT	0.33 164	0.78 185	0.32 186	0.38 168	0.25 181	0.34 183	0.25 171	0.34 172	0.26 184	0.34 177	0.25 180	0.35 185	0.26 183	0.35 186	0.27 180	0.36 197	0.30 193	0.32 177	0.24 176	0.32 165	0.26 168

MyStereo04	0.56 239	3.72 380	0.59 259	0.49 218	0.41 257	0.36 190	0.32 202	0.37 185	0.31 207	0.34 177	0.46 266	0.35 185	0.32 213	0.35 186	0.33 208	0.49 252	0.45 237	0.34 192	0.32 224	0.35 186	0.43 249

FENet	0.54 236	1.52 309	1.19 324	1.41 364	0.23 174	0.35 187	0.23 163	0.35 175	0.23 165	0.34 177	0.23 169	0.35 185	0.23 169	0.35 186	0.23 165	1.40 380	1.07 310	0.32 177	0.23 168	0.33 170	0.23 151

DMCA	0.36 176	0.38 124	0.37 205	0.35 159	0.35 233	0.36 190	0.36 227	0.36 179	0.35 223	0.35 181	0.37 237	0.36 192	0.36 227	0.35 186	0.36 226	0.36 197	0.36 207	0.35 205	0.36 242	0.36 192	0.36 224

MLCV	0.31 153	0.35 117	0.27 166	0.35 159	0.28 194	0.35 187	0.27 181	0.35 175	0.28 192	0.36 185	0.27 191	0.35 185	0.27 191	0.35 186	0.27 180	0.34 184	0.27 171	0.34 192	0.27 194	0.34 174	0.27 176

ETE_ROB	0.35 172	0.35 117	0.35 203	0.35 159	0.35 233	0.35 187	0.35 221	0.35 175	0.35 223	0.35 181	0.35 229	0.35 185	0.35 224	0.35 186	0.35 223	0.35 193	0.35 205	0.35 205	0.35 236	0.35 186	0.35 223

EKT-Stereo	0.37 180	0.40 132	0.44 232	1.07 289	0.29 200	0.34 183	0.31 201	0.36 179	0.29 195	0.38 191	0.31 212	0.37 198	0.30 207	0.36 193	0.29 193	0.34 184	0.28 176	0.39 225	0.30 215	0.37 194	0.30 201

Any-RAFT	0.32 161	0.36 120	0.27 166	0.36 163	0.27 191	0.36 190	0.27 181	0.36 179	0.27 189	0.36 185	0.27 191	0.36 192	0.27 191	0.36 193	0.28 186	0.36 197	0.28 176	0.36 210	0.28 198	0.36 192	0.28 188

IGEV-Stereo	0.35 172	0.44 148	0.45 234	0.49 218	0.30 209	0.37 195	0.30 197	0.36 179	0.30 205	0.36 185	0.29 199	0.36 192	0.29 201	0.36 193	0.30 200	0.46 240	0.39 220	0.32 177	0.24 176	0.32 165	0.25 162
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HGLStereo	0.28 144	0.29 111	0.22 146	0.36 163	0.22 169	0.36 190	0.21 152	0.36 179	0.21 157	0.42 224	0.21 164	0.36 192	0.22 164	0.36 193	0.21 157	0.34 184	0.21 151	0.34 192	0.21 160	0.34 174	0.21 147

RSM	0.36 176	0.36 120	0.43 230	0.37 166	0.42 265	0.49 257	0.42 255	0.37 185	0.28 192	0.36 185	0.29 199	0.36 192	0.30 207	0.37 197	0.28 186	0.34 184	0.31 197	0.34 192	0.35 236	0.40 211	0.29 192

XPNet_ROB	0.37 180	0.37 122	0.37 205	0.37 166	0.37 240	0.37 195	0.37 232	0.37 185	0.37 233	0.37 190	0.37 237	0.37 198	0.37 231	0.37 197	0.37 234	0.37 201	0.37 209	0.37 212	0.37 244	0.37 194	0.37 227

WAO-8	0.38 186	0.38 124	0.38 208	0.38 168	0.38 245	0.38 199	0.38 237	0.38 190	0.38 235	0.38 191	0.38 242	0.38 200	0.38 233	0.38 199	0.38 235	0.38 208	0.38 215	0.38 219	0.37 244	0.38 201	0.38 231

WAO-7	0.38 186	0.38 124	0.38 208	0.38 168	0.38 245	0.38 199	0.38 237	0.38 190	0.38 235	0.38 191	0.38 242	0.38 200	0.38 233	0.38 199	0.38 235	0.38 208	0.38 215	0.38 219	0.38 250	0.38 201	0.38 231

Venus	0.38 186	0.38 124	0.38 208	0.38 168	0.38 245	0.37 195	0.38 237	0.37 185	0.37 233	0.41 213	0.37 237	0.39 204	0.37 231	0.38 199	0.38 235	0.37 201	0.38 215	0.38 219	0.37 244	0.37 194	0.38 231

IMH	0.38 186	0.38 124	0.38 208	0.38 168	0.38 245	0.38 199	0.38 237	0.38 190	0.38 235	0.42 224	0.38 242	0.40 210	0.38 233	0.38 199	0.38 235	0.38 208	0.38 215	0.39 225	0.38 250	0.38 201	0.38 231

iRaft-Stereo_5w	0.34 166	0.42 146	0.31 182	0.39 173	0.30 209	0.38 199	0.30 197	0.40 198	0.29 195	0.40 200	0.37 237	0.41 221	0.34 220	0.38 199	0.30 200	0.34 184	0.27 171	0.34 192	0.26 188	0.34 174	0.26 168

iRaft-Stereo_20w	0.34 166	0.41 139	0.31 182	0.39 173	0.29 200	0.40 206	0.32 202	0.41 212	0.32 210	0.38 191	0.30 209	0.39 204	0.30 207	0.38 199	0.32 205	0.35 193	0.27 171	0.34 192	0.27 194	0.34 174	0.29 192

FCDSN-DC	0.41 201	0.59 177	0.64 266	0.54 230	0.33 224	0.50 265	0.37 232	0.42 228	0.40 242	0.61 277	0.43 262	0.50 268	0.49 270	0.38 199	0.32 205	0.28 167	0.23 159	0.26 161	0.22 163	0.35 186	0.28 188
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ACVNet-DCA	0.37 180	1.00 217	0.30 176	0.40 186	0.29 200	0.40 206	0.29 192	0.40 198	0.29 195	0.40 200	0.29 199	0.40 210	0.29 201	0.39 206	0.28 186	0.33 181	0.32 199	0.33 185	0.32 224	0.33 170	0.32 210

HanzoNet	0.39 191	0.38 124	0.40 216	0.39 173	0.41 257	0.38 199	0.38 237	0.38 190	0.38 235	0.39 196	0.39 246	0.38 200	0.38 233	0.39 206	0.40 243	0.38 208	0.38 215	0.40 229	0.38 250	0.38 201	0.40 236

StereoDRNet-Refined	0.33 164	0.39 130	0.26 165	0.39 173	0.26 189	0.40 206	0.26 178	0.40 198	0.26 184	0.39 196	0.26 186	0.39 204	0.26 183	0.39 206	0.26 179	0.37 201	0.25 162	0.37 212	0.25 181	0.37 194	0.37 227
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DCVSM-stereo	0.36 176	1.89 323	0.22 146	0.40 186	0.22 169	0.40 206	0.22 157	0.40 198	0.22 159	0.40 200	0.22 165	0.40 210	0.22 164	0.40 209	0.22 159	0.28 167	0.21 151	0.28 167	0.21 160	0.28 156	0.20 144

IGEV++	0.34 166	0.43 147	0.30 176	0.40 186	0.29 200	0.40 206	0.29 192	0.40 198	0.29 195	0.40 200	0.29 199	0.40 210	0.29 201	0.40 209	0.30 200	0.38 208	0.29 185	0.37 212	0.29 207	0.37 194	0.29 192

xx1	0.38 186	1.03 229	0.31 182	0.40 186	0.31 213	0.41 222	0.28 187	0.40 198	0.29 195	0.40 200	0.29 199	0.40 210	0.29 201	0.40 209	0.29 193	0.34 184	0.33 203	0.34 192	0.32 224	0.34 174	0.32 210

1test111	0.37 180	1.02 227	0.30 176	0.39 173	0.29 200	0.40 206	0.28 187	0.39 194	0.29 195	0.39 196	0.29 199	0.39 204	0.28 197	0.40 209	0.29 193	0.33 181	0.32 199	0.33 185	0.31 220	0.32 165	0.31 206

cc1	0.37 180	1.02 227	0.30 176	0.39 173	0.29 200	0.40 206	0.28 187	0.39 194	0.29 195	0.39 196	0.29 199	0.39 204	0.28 197	0.40 209	0.29 193	0.33 181	0.32 199	0.33 185	0.31 220	0.32 165	0.31 206

knoymous	0.40 194	0.40 132	0.40 216	0.40 186	0.40 251	0.40 206	0.40 243	0.40 198	0.40 242	0.40 200	0.40 247	0.40 210	0.40 238	0.40 209	0.40 243	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 236

anonymousa	0.40 194	0.40 132	0.40 216	0.40 186	0.40 251	0.40 206	0.40 243	0.40 198	0.40 242	0.40 200	0.40 247	0.40 210	0.40 238	0.40 209	0.40 243	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 236

riskmin	0.40 194	0.40 132	0.40 216	0.40 186	0.40 251	0.40 206	0.40 243	0.40 198	0.40 242	0.40 200	0.40 247	0.40 210	0.40 238	0.40 209	0.40 243	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 236

Anonymous_2	0.40 194	0.40 132	0.40 216	0.40 186	0.40 251	0.40 206	0.40 243	0.40 198	0.40 242	0.40 200	0.40 247	0.40 210	0.40 238	0.40 209	0.40 243	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 236

Anonymous_1	0.40 194	0.40 132	0.40 216	0.40 186	0.40 251	0.40 206	0.40 243	0.40 198	0.40 242	0.40 200	0.40 247	0.40 210	0.40 238	0.40 209	0.40 243	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 236

IER	0.88 291	7.04 418	2.23 410	2.75 396	0.28 194	0.43 242	0.25 171	0.39 194	0.25 171	0.41 213	0.27 191	0.39 204	0.25 174	0.40 209	0.28 186	0.37 201	0.28 176	0.37 212	0.25 181	0.37 194	0.25 162

CRFU-Net	0.65 243	1.67 314	1.22 374	1.96 377	0.27 191	0.41 222	0.27 181	0.41 212	0.27 189	0.40 200	0.26 186	0.41 221	0.27 191	0.40 209	0.27 180	1.80 390	1.62 393	0.34 192	0.23 168	0.33 170	0.23 151

NINENet	0.69 252	3.87 385	1.20 327	1.98 378	0.05 80	0.40 206	0.04 65	0.40 198	0.05 79	0.41 213	0.04 73	0.41 221	0.05 75	0.40 209	0.05 70	1.79 389	1.56 391	0.34 192	0.22 163	0.34 174	0.23 151

AdaStereo	0.40 194	0.40 132	0.40 216	0.40 186	0.40 251	0.40 206	0.40 243	0.40 198	0.40 242	0.40 200	0.40 247	0.40 210	0.40 238	0.40 209	0.40 243	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 236
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.
RAFT-Stereo-weight	0.45 214	1.90 325	0.34 198	0.42 204	0.36 238	0.43 242	0.35 221	0.42 228	0.34 220	0.42 224	0.34 222	0.44 240	0.34 220	0.41 223	0.34 221	0.38 208	0.32 199	0.38 219	0.32 224	0.38 201	0.33 213

RAFT-Test	0.36 176	0.37 122	0.33 191	0.41 196	0.32 215	0.41 222	0.32 202	0.41 212	0.32 210	0.41 213	0.32 213	0.41 221	0.32 213	0.41 223	0.33 208	0.37 201	0.29 185	0.37 212	0.29 207	0.38 201	0.31 206

GMOStereo	0.37 180	0.45 150	0.23 149	0.30 146	0.37 240	0.41 222	0.36 227	0.41 212	0.35 223	0.43 230	0.36 232	0.41 221	0.40 238	0.41 223	0.36 226	0.34 184	0.22 155	0.47 260	0.37 244	0.39 208	0.33 213

error version	0.93 300	4.47 394	2.35 413	1.99 379	0.37 240	0.41 222	0.36 227	0.41 212	0.35 223	0.43 230	0.36 232	0.41 221	0.40 238	0.41 223	0.36 226	1.87 392	2.16 405	0.47 260	0.37 244	0.39 208	0.33 213

test_1	0.93 300	4.47 394	2.35 413	1.99 379	0.37 240	0.41 222	0.36 227	0.41 212	0.35 223	0.43 230	0.36 232	0.41 221	0.40 238	0.41 223	0.36 226	1.87 392	2.16 405	0.47 260	0.37 244	0.39 208	0.33 213

GwcNet-ADL	0.41 201	0.41 139	0.41 224	0.41 196	0.41 257	0.41 222	0.41 250	0.41 212	0.41 251	0.41 213	0.41 253	0.41 221	0.41 248	0.41 223	0.41 250	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 243

PSMNet-ADL	0.41 201	0.41 139	0.41 224	0.41 196	0.41 257	0.41 222	0.41 250	0.41 212	0.41 251	0.41 213	0.41 253	0.41 221	0.41 248	0.41 223	0.41 250	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 243

GANet-ADL	0.41 201	0.41 139	0.41 224	0.41 196	0.41 257	0.41 222	0.41 250	0.41 212	0.41 251	0.41 213	0.41 253	0.41 221	0.41 248	0.41 223	0.41 250	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 243

ADLNet2	0.41 201	0.41 139	0.41 224	0.41 196	0.41 257	0.41 222	0.41 250	0.41 212	0.41 251	0.41 213	0.41 253	0.41 221	0.41 248	0.41 223	0.41 250	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 243

ADLNet	0.41 201	0.41 139	0.41 224	0.41 196	0.41 257	0.41 222	0.41 250	0.41 212	0.41 251	0.41 213	0.41 253	0.41 221	0.41 248	0.41 223	0.41 250	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 243

DGSMNet	0.34 166	0.41 139	0.27 166	0.41 196	0.28 194	0.41 222	0.28 187	0.41 212	0.27 189	0.41 213	0.27 191	0.42 237	0.27 191	0.41 223	0.28 186	0.40 218	0.29 185	0.40 229	0.28 198	0.40 211	0.27 176

Gwc-CoAtRS	0.41 201	1.49 308	0.32 186	0.42 204	0.32 215	0.41 222	0.32 202	0.41 212	0.33 213	0.41 213	0.32 213	0.41 221	0.32 213	0.41 223	0.32 205	0.39 215	0.28 176	0.39 225	0.28 198	0.40 211	0.28 188

hknet	1.10 315	1.85 322	3.49 433	4.48 411	0.02 20	0.42 238	0.06 85	0.41 212	0.02 20	0.48 244	0.03 44	0.41 221	0.03 44	0.42 235	0.03 39	4.39 420	4.19 431	0.33 185	0.23 168	0.34 174	0.27 176

RCA-Stereo	0.51 232	3.22 371	0.34 198	0.44 206	0.34 230	0.44 244	0.34 218	0.43 231	0.34 220	0.43 230	0.34 222	0.44 240	0.33 217	0.43 236	0.33 208	0.38 208	0.29 185	0.38 219	0.29 207	0.38 201	0.29 192

UCFNet_RVC	2.75 414	10.06 440	0.29 172	10.31 457	0.29 200	0.42 238	0.29 192	0.43 231	0.29 195	0.42 224	0.29 199	0.42 237	9.87 457	0.43 236	0.29 193	0.36 197	9.84 457	0.36 210	0.26 188	9.77 456	0.26 168

LL-Strereo2	0.48 225	1.73 319	0.51 253	0.59 236	0.34 230	0.42 238	0.33 209	0.40 198	0.31 207	0.42 224	0.33 216	0.42 237	0.31 212	0.44 238	0.39 240	0.60 266	0.51 256	0.44 251	0.33 230	0.44 227	0.33 213

CES	0.39 191	0.47 156	0.36 204	0.36 163	0.37 240	0.45 245	0.35 221	0.35 175	0.40 242	0.36 185	0.44 264	0.47 247	0.36 227	0.44 238	0.36 226	0.37 201	0.39 220	0.44 251	0.35 236	0.37 194	0.36 224

CFNet-RSSM	0.91 294	4.89 398	0.34 198	0.44 206	1.07 343	1.62 395	1.40 402	0.91 296	0.35 223	1.60 388	1.39 401	0.64 283	0.34 220	0.44 238	0.33 208	0.41 225	0.35 205	0.75 296	0.30 215	0.41 220	0.29 192

Former-RAFT_DAM_RVC	0.49 228	0.98 214	0.64 266	0.84 260	0.46 269	0.45 245	0.35 221	0.47 239	0.47 264	0.45 234	0.34 222	0.46 242	0.48 266	0.46 241	0.35 223	0.39 215	0.71 283	0.39 225	0.35 236	0.41 220	0.41 243

otaku	0.46 216	0.46 152	0.46 236	0.46 208	0.46 269	0.46 247	0.46 260	0.46 234	0.46 259	0.46 235	0.46 266	0.46 242	0.46 257	0.46 241	0.46 262	0.46 240	0.46 239	0.46 256	0.46 270	0.46 230	0.46 254

Dean	0.46 216	0.46 152	0.46 236	0.46 208	0.46 269	0.46 247	0.46 260	0.46 234	0.46 259	0.47 240	0.46 266	0.46 242	0.46 257	0.46 241	0.46 262	0.46 240	0.46 239	0.46 256	0.46 270	0.46 230	0.46 254

ACVNet_1	0.46 216	0.47 156	0.46 236	0.46 208	0.46 269	0.46 247	0.46 260	0.46 234	0.47 264	0.46 235	0.46 266	0.46 242	0.46 257	0.46 241	0.46 262	0.46 240	0.46 239	0.47 260	0.46 270	0.46 230	0.46 254

gcap-zeroshot	0.35 172	0.32 114	0.37 205	0.49 218	0.39 250	0.33 181	0.21 152	0.26 155	0.35 223	0.42 224	0.34 222	0.49 254	0.29 201	0.47 245	0.39 240	0.34 184	0.17 140	0.38 219	0.23 168	0.48 240	0.34 219

Ntro	0.47 221	0.47 156	0.46 236	0.46 208	0.46 269	0.47 251	0.47 265	0.46 234	0.47 264	0.46 235	0.46 266	0.47 247	0.46 257	0.47 245	0.47 266	0.47 245	0.46 239	0.46 256	0.46 270	0.46 230	0.46 254

HaxPig	0.47 221	0.47 156	0.47 241	0.49 218	0.47 275	0.47 251	0.47 265	0.47 239	0.47 264	0.47 240	0.47 273	0.47 247	0.47 265	0.47 245	0.47 266	0.47 245	0.47 245	0.47 260	0.47 276	0.47 237	0.48 262

UNDER WATER	0.47 221	0.47 156	0.47 241	0.47 213	0.47 275	0.47 251	0.47 265	0.47 239	0.47 264	0.47 240	0.47 273	0.47 247	0.46 257	0.47 245	0.47 266	0.47 245	0.47 245	0.47 260	0.46 270	0.47 237	0.47 260

LVE	0.47 221	0.47 156	0.47 241	0.47 213	0.49 279	0.47 251	0.47 265	0.47 239	0.49 271	0.47 240	0.47 273	0.47 247	0.46 257	0.47 245	0.47 266	0.47 245	0.47 245	0.48 268	0.47 276	0.47 237	0.47 260

ACVNet-4b	0.46 216	0.46 152	0.46 236	0.46 208	0.46 269	0.46 247	0.46 260	0.46 234	0.46 259	0.46 235	0.46 266	0.46 242	0.46 257	0.47 245	0.46 262	0.46 240	0.46 239	0.46 256	0.46 270	0.46 230	0.46 254

TorneroNet	0.66 245	0.53 171	0.50 251	0.50 225	0.64 301	1.06 322	0.70 297	0.50 253	0.51 278	0.49 249	0.69 306	0.49 254	0.50 273	0.48 251	1.15 337	0.71 279	0.49 250	1.14 334	1.08 333	0.49 244	0.49 265

RainbowNet	0.48 225	0.48 162	0.48 245	0.48 216	0.48 277	0.48 255	0.48 271	0.48 243	0.48 270	0.48 244	0.48 276	0.48 252	0.48 266	0.48 251	0.48 271	0.48 249	0.48 248	0.48 268	0.48 278	0.48 240	0.48 262

notaker	0.48 225	0.49 163	0.48 245	0.48 216	0.48 277	0.48 255	0.48 271	0.48 243	0.49 271	0.48 244	0.48 276	0.48 252	0.48 266	0.48 251	0.48 271	0.48 249	0.48 248	0.48 268	0.48 278	0.48 240	0.49 265

PCWNet_CMD	2.80 416	9.82 438	0.32 186	10.09 456	0.32 215	0.49 257	0.33 209	3.34 417	0.33 213	0.49 249	0.33 216	0.49 254	8.73 453	0.48 251	0.33 208	0.41 225	9.22 452	0.42 249	0.29 207	9.55 455	0.31 206

CFNet_ucs	2.73 413	9.64 437	0.33 191	9.92 454	0.32 215	0.49 257	0.33 209	0.49 245	0.33 213	0.49 249	0.33 216	0.49 254	8.98 455	0.48 251	0.33 208	0.41 225	9.96 458	0.40 229	0.29 207	10.12 458	0.54 272

pcwnet_v2	2.66 411	9.89 439	0.33 191	9.89 453	0.32 215	0.50 265	0.32 202	0.49 245	0.33 213	0.49 249	0.34 222	0.49 254	8.76 454	0.48 251	0.33 208	0.41 225	9.58 454	0.40 229	0.29 207	9.01 453	0.63 285

GCST	0.50 230	2.08 335	0.38 208	0.53 228	0.35 233	0.49 257	0.35 221	0.50 253	0.35 223	0.49 249	0.35 229	0.49 254	0.35 224	0.49 257	0.35 223	0.48 249	0.37 209	0.45 253	0.33 230	0.44 227	0.33 213

ACVNet_2	0.49 228	0.49 163	0.49 249	0.49 218	0.49 279	0.49 257	0.49 273	0.49 245	0.49 271	0.49 249	0.49 279	0.49 254	0.49 270	0.49 257	0.49 273	0.49 252	0.49 250	0.49 271	0.49 280	0.49 244	0.49 265

CFNet_pseudo	2.67 412	9.36 435	0.32 186	10.99 458	0.33 224	0.85 300	0.33 209	0.49 245	0.33 213	0.49 249	0.32 213	0.49 254	7.26 451	0.49 257	0.33 208	0.41 225	9.62 455	0.41 240	0.29 207	10.03 457	0.29 192

MSMDNet	2.65 410	10.14 441	0.33 191	9.74 452	0.32 215	0.87 302	0.33 209	2.95 413	0.68 296	0.49 249	0.34 222	0.49 254	5.70 447	0.49 257	0.33 208	0.42 238	9.57 453	0.41 240	0.31 220	8.36 450	0.65 287

ccs_rob	2.79 415	10.17 442	0.32 186	10.00 455	0.33 224	0.49 257	0.33 209	1.90 391	0.32 210	0.51 262	0.33 216	0.49 254	9.24 456	0.49 257	0.33 208	0.41 225	9.82 456	0.41 240	0.28 198	9.34 454	0.29 192

UGAM-zero	0.51 232	2.17 342	0.39 214	0.53 228	0.36 238	0.50 265	0.36 227	0.50 253	0.36 232	0.49 249	0.36 232	0.50 268	0.35 224	0.50 262	0.36 226	0.49 252	0.37 209	0.47 260	0.35 236	0.46 230	0.34 219

UGAM	0.51 232	2.23 345	0.39 214	0.54 230	0.35 233	0.50 265	0.35 221	0.49 245	0.35 223	0.49 249	0.35 229	0.49 254	0.36 227	0.50 262	0.36 226	0.49 252	0.37 209	0.45 253	0.34 232	0.45 229	0.34 219

SANet	0.50 230	0.50 165	0.50 251	0.50 225	0.50 282	0.50 265	0.50 275	0.50 253	0.50 274	0.50 261	0.50 281	0.50 268	0.50 273	0.50 262	0.50 274	0.50 258	0.50 255	0.50 274	0.50 282	0.50 248	0.50 268

MyStereo07	0.60 241	3.72 380	0.48 245	0.49 218	0.41 257	0.36 190	0.32 202	0.49 245	0.43 256	0.51 262	0.42 260	0.49 254	0.43 254	0.51 265	0.64 288	0.49 252	0.45 237	0.34 192	0.32 224	0.35 186	0.43 249

GES	0.66 245	2.34 348	0.29 172	0.41 196	0.29 200	0.41 222	0.29 192	0.42 228	0.29 195	0.40 200	0.41 253	0.41 221	0.30 207	0.51 265	0.29 193	0.32 179	0.29 185	0.32 177	2.46 423	2.49 395	0.30 201

psmorigin	0.41 201	0.46 152	0.33 191	0.49 218	0.33 224	0.49 257	0.33 209	0.49 245	0.33 213	0.49 249	0.33 216	0.49 254	0.33 217	0.51 265	0.33 208	0.41 225	0.30 193	0.41 240	0.30 215	0.79 273	0.29 192

Occ-G	1.12 318	0.52 169	3.72 436	3.50 405	0.50 282	0.56 274	0.47 265	0.54 261	0.46 259	0.54 267	0.41 253	0.54 271	0.42 253	0.52 268	0.42 255	3.42 414	4.02 430	0.52 277	0.45 269	0.51 250	0.44 252

iRaftStereo_RVC	0.97 304	3.17 370	2.30 412	2.42 391	0.38 245	0.54 272	0.38 237	0.54 261	0.38 235	0.54 267	0.38 242	0.54 271	0.38 233	0.54 269	0.38 235	2.38 406	2.34 409	0.49 271	0.36 242	0.49 244	0.36 224

PSMNet_ROB	0.54 236	0.54 174	0.54 255	0.54 230	0.53 288	0.54 272	0.54 278	0.53 260	0.54 280	0.54 267	0.54 287	0.54 271	0.53 276	0.54 269	0.54 279	0.54 262	0.53 258	0.54 279	0.54 283	0.54 254	0.54 272

AEACV	1.12 318	0.52 169	3.12 430	3.24 401	0.86 325	0.53 271	0.49 273	0.60 270	0.47 264	0.53 266	0.49 279	0.55 275	0.45 256	0.55 271	0.47 266	3.01 410	3.88 428	0.71 293	0.60 292	0.80 276	0.48 262

MyStereo8	0.71 255	3.92 386	0.52 254	0.59 236	0.52 285	0.57 278	0.53 277	0.59 268	0.50 274	0.59 276	0.51 284	0.57 279	0.50 273	0.56 272	0.52 277	0.54 262	0.49 250	0.54 279	0.49 280	0.55 255	0.50 268

CASS	0.57 240	0.89 199	0.56 256	0.57 233	0.56 289	0.56 274	0.56 279	0.56 263	0.53 279	0.57 273	0.57 290	0.59 281	0.48 266	0.56 272	0.57 282	0.55 264	0.56 261	0.47 260	0.56 287	0.62 256	0.56 279
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PML	0.46 216	1.36 306	0.29 172	0.58 234	0.30 209	0.57 278	0.29 192	0.57 265	0.29 195	0.57 273	0.29 199	0.57 279	0.29 201	0.56 272	0.29 193	0.52 260	0.30 193	0.53 278	0.31 220	0.53 253	0.30 201

MyStereo06	0.75 261	4.12 387	0.60 260	0.63 239	0.61 297	0.62 282	0.66 289	0.56 263	0.45 258	0.55 270	0.48 276	0.54 271	0.46 257	0.57 275	0.45 258	0.60 266	0.57 262	0.64 285	0.55 284	0.72 265	0.55 276

test-3	0.98 306	4.13 389	1.85 405	1.85 371	0.61 297	0.69 287	0.37 232	0.63 272	0.61 287	0.66 282	0.51 284	0.73 293	0.44 255	0.57 275	0.54 279	1.68 387	1.81 403	0.40 229	0.43 267	0.66 258	0.50 268

LL-Strereo	1.01 311	5.06 400	1.63 394	0.70 246	1.43 407	0.56 274	0.46 260	0.57 265	0.50 274	0.57 273	0.50 281	1.58 393	0.49 270	0.59 277	0.50 274	1.64 386	0.52 257	0.51 275	1.37 397	0.52 251	0.45 253

CFNet_RVC	2.38 404	8.71 430	0.38 208	9.33 449	0.42 265	0.56 274	0.42 255	0.60 270	0.38 235	0.62 278	0.42 260	0.56 278	7.29 452	0.62 278	0.42 255	0.53 261	0.37 209	0.49 271	0.34 232	8.30 449	6.87 455

PA-Net	11.80 457	223.51 480	0.62 263	0.59 236	0.71 313	0.59 280	0.73 302	0.67 276	0.73 309	0.55 270	0.61 293	0.60 282	0.74 300	0.63 279	0.73 306	0.66 272	0.60 264	0.69 290	0.66 298	0.72 265	0.65 287
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DispNO	1.00 307	0.63 178	0.43 230	3.45 404	0.44 267	0.65 285	0.43 257	0.64 273	0.43 256	0.64 280	0.43 262	0.64 283	3.03 416	0.64 280	0.43 257	4.55 422	0.43 236	0.63 284	0.43 267	0.63 257	0.43 249

DSFCA	0.66 245	0.73 184	0.78 289	0.65 241	0.65 303	0.64 284	0.64 286	0.65 274	0.63 290	0.64 280	0.64 297	0.64 283	0.64 284	0.65 281	0.65 289	0.65 271	0.65 272	0.65 287	0.65 296	0.66 258	0.64 286

KSHMR	0.66 245	0.50 165	0.48 245	1.15 298	0.52 285	0.49 257	0.51 276	0.49 245	0.71 305	0.67 283	0.50 281	1.16 337	1.11 325	0.66 282	0.52 277	0.49 252	0.49 250	0.51 275	0.66 298	0.50 248	1.14 339

LMCR-Stereo	0.65 243	0.63 178	0.65 269	0.65 241	0.65 303	0.66 286	0.63 285	0.58 267	0.65 292	0.63 279	0.64 297	0.65 286	0.65 286	0.66 282	0.66 292	0.66 272	0.64 271	0.65 287	0.67 301	0.68 260	0.73 300

MyStereo05	0.80 272	4.12 387	0.63 264	0.63 239	0.61 297	0.62 282	0.66 289	0.65 274	0.62 288	0.67 283	0.61 293	0.65 286	0.58 279	0.67 284	0.55 281	0.60 266	0.57 262	0.64 285	0.55 284	0.72 265	0.55 276

ktn	0.72 258	0.53 171	1.08 315	1.14 296	0.51 284	1.22 382	1.36 396	0.51 259	0.59 283	0.51 262	0.51 284	0.69 288	1.20 336	0.67 284	0.51 276	0.51 259	0.49 250	0.58 281	0.66 298	0.52 251	0.53 271

DMCA-RVC	0.70 253	0.80 188	0.70 276	0.70 246	0.70 312	0.70 288	0.70 297	0.71 279	0.70 302	0.70 286	0.71 310	0.71 289	0.70 295	0.70 286	0.69 301	0.69 275	0.70 279	0.69 290	0.70 306	0.69 263	0.70 294

anonymity	0.63 242	0.69 181	0.56 256	0.71 248	0.56 289	0.71 290	0.56 279	0.71 279	0.56 281	0.72 287	0.56 289	0.71 289	0.56 278	0.71 287	0.58 283	0.68 274	0.55 259	0.68 289	0.55 284	0.68 260	0.54 272

Selective-IGEV	0.51 232	0.55 176	0.45 234	0.69 244	0.45 268	0.61 281	0.45 259	0.50 253	0.40 242	0.56 272	0.44 264	0.55 275	0.40 238	0.72 288	0.67 293	0.59 265	0.46 239	0.45 253	0.34 232	0.46 230	0.37 227

iGMRVC	0.84 287	2.85 364	0.72 281	0.72 249	0.73 316	0.77 292	0.79 307	0.73 281	0.74 311	0.73 289	0.72 312	0.73 293	0.76 302	0.73 289	0.73 306	0.72 280	0.73 285	0.73 294	0.72 310	0.73 268	0.72 298

RAFT-Stereo + iAFF	0.70 253	0.72 183	0.71 280	0.80 255	0.62 300	0.82 299	0.61 283	0.81 289	0.62 288	0.81 298	0.63 295	0.80 301	0.70 295	0.73 289	0.61 287	0.76 282	0.61 268	0.74 295	0.61 294	0.77 270	0.61 282

TorneroNet-64	0.45 214	0.27 106	0.30 176	0.58 234	0.27 191	0.70 288	0.30 197	0.28 158	0.73 309	0.73 289	0.28 197	0.71 289	0.66 289	0.75 291	0.27 180	0.27 165	0.29 185	0.37 212	0.75 312	0.28 156	0.30 201

4D-IteraStereo	0.78 269	3.13 368	0.89 297	0.69 244	0.32 215	0.40 206	0.32 202	0.76 282	0.97 330	0.52 265	0.65 299	0.89 309	0.32 213	0.76 292	0.98 325	0.83 291	0.94 304	0.35 205	0.27 194	0.70 264	0.89 316

SPstereo	0.75 261	4.15 390	0.42 229	0.75 251	0.35 233	0.78 294	0.40 243	0.79 284	0.38 235	0.78 294	0.36 232	0.78 298	0.36 227	0.79 293	0.39 240	0.75 281	0.39 220	0.76 298	0.39 253	0.75 269	0.39 235

G-Net	0.79 270	0.79 187	0.79 292	0.79 253	0.79 321	0.79 296	0.79 307	0.79 284	0.79 315	0.79 295	0.79 319	0.79 300	0.79 305	0.79 293	0.79 310	0.79 284	0.79 291	0.79 301	0.79 316	0.79 273	0.79 307

NaN_ROB	0.80 272	0.80 188	0.80 293	0.80 255	0.80 323	0.80 297	0.80 309	0.80 286	0.80 316	0.80 296	0.80 320	0.80 301	0.80 306	0.80 295	0.80 312	0.80 285	0.80 294	0.80 304	0.80 317	0.80 276	0.80 308

CSAN	0.80 272	0.80 188	0.80 293	0.80 255	0.80 323	0.80 297	0.80 309	0.80 286	0.80 316	0.80 296	0.80 320	0.80 301	0.80 306	0.80 295	0.80 312	0.80 285	0.80 294	0.80 304	0.80 317	0.80 276	0.80 308

ARAFT	0.68 250	0.81 191	0.63 264	0.74 250	0.60 292	0.78 294	0.62 284	0.77 283	0.66 294	0.74 293	0.63 295	0.75 295	0.62 283	0.83 297	0.60 285	0.70 278	0.55 259	0.70 292	0.60 292	0.78 271	0.55 276

RSM++	0.76 265	0.82 193	0.66 270	0.85 262	0.64 301	0.85 300	0.71 300	0.94 303	0.64 291	0.87 300	0.67 302	0.87 306	0.65 286	0.84 298	0.65 289	0.81 288	0.70 279	0.79 301	0.71 309	0.83 281	0.70 294

HH	0.71 255	2.54 351	0.74 284	1.10 291	0.32 215	0.41 222	0.37 232	0.69 277	0.78 312	0.73 289	0.90 324	0.75 295	1.00 316	0.84 298	0.69 301	0.69 275	0.40 223	0.35 205	0.26 188	0.35 186	0.26 168

HanStereo	0.71 255	2.54 351	0.74 284	1.10 291	0.32 215	0.41 222	0.37 232	0.69 277	0.78 312	0.73 289	0.90 324	0.75 295	1.00 316	0.84 298	0.69 301	0.69 275	0.40 223	0.35 205	0.26 188	0.35 186	0.26 168

AFF-stereo	0.73 259	0.88 198	0.67 273	0.75 251	0.68 310	0.75 291	0.64 286	0.80 286	0.72 306	0.83 299	0.70 307	0.82 304	0.64 284	0.84 298	0.67 293	0.77 283	0.63 269	0.81 306	0.63 295	0.78 271	0.62 284

Selective-RAFT-Error	0.88 291	0.84 194	0.98 308	0.86 263	0.97 336	0.88 303	0.95 322	0.84 290	0.99 332	0.92 306	0.82 322	0.84 305	0.98 315	0.87 302	0.97 324	0.81 288	0.83 297	0.79 301	0.82 320	0.79 273	0.85 313

DCRE	0.84 287	1.89 323	0.77 288	0.94 273	0.72 315	0.88 303	0.73 302	0.87 291	0.78 312	0.90 302	0.71 310	0.88 307	0.67 291	0.88 303	0.73 306	0.81 288	0.68 274	0.81 306	0.70 306	0.82 280	0.70 294

DDUNet	0.81 277	2.45 349	0.57 258	0.90 265	0.60 292	0.88 303	0.59 282	0.90 294	0.60 284	0.88 301	0.60 291	0.90 310	0.58 279	0.88 303	0.60 285	0.84 293	0.60 264	0.86 311	0.57 288	0.86 283	0.60 281

Selective-RAFT	0.89 293	0.89 199	0.72 281	1.16 303	0.78 320	1.06 322	0.82 312	0.87 291	0.97 330	1.00 314	0.91 326	0.90 310	1.00 316	0.89 305	0.93 322	0.83 291	0.83 297	0.82 308	0.82 320	0.81 279	0.82 311

UDG	0.80 272	2.21 344	0.60 260	0.91 267	0.60 292	0.90 306	0.58 281	0.88 293	0.60 284	0.90 302	0.60 291	0.88 307	0.60 281	0.90 306	0.58 283	0.86 295	0.60 264	0.84 309	0.59 291	0.84 282	0.61 282

MoCha-V2	2.11 392	26.97 461	0.78 289	0.92 270	0.77 319	0.96 313	0.72 301	0.90 294	0.72 306	0.94 310	0.70 307	0.90 310	0.71 299	0.91 307	0.71 305	0.85 294	0.71 283	0.88 312	0.69 304	0.87 284	0.67 291

DPSM_ROB	0.92 296	0.91 202	0.91 301	0.91 267	0.92 332	0.92 308	0.92 318	0.92 299	0.91 322	0.93 308	0.91 326	0.92 313	0.90 310	0.91 307	0.92 318	0.92 299	0.91 300	0.91 315	0.92 324	0.93 293	0.93 319

DPSM	0.92 296	0.91 202	0.91 301	0.91 267	0.92 332	0.92 308	0.92 318	0.92 299	0.91 322	0.93 308	0.91 326	0.92 313	0.90 310	0.91 307	0.92 318	0.92 299	0.91 300	0.91 315	0.92 324	0.93 293	0.93 319

pmcnn	0.92 296	0.92 207	0.92 303	0.92 270	0.92 332	0.92 308	0.92 318	0.92 299	0.92 326	0.92 306	0.92 329	0.92 313	0.92 312	0.92 310	0.92 318	0.92 299	0.92 302	0.92 317	0.92 324	0.92 292	0.92 318

IGEVStereo-DCA	1.77 382	4.21 391	1.84 403	2.49 393	2.11 421	2.54 411	1.36 396	1.65 387	1.17 345	2.75 412	1.90 415	2.54 412	1.15 329	0.94 311	1.11 333	1.50 382	1.32 377	0.96 322	1.46 403	1.49 375	0.88 314

rrr	1.77 382	4.21 391	1.84 403	2.49 393	2.11 421	2.54 411	1.36 396	1.65 387	1.17 345	2.75 412	1.90 415	2.54 412	1.15 329	0.94 311	1.11 333	1.50 382	1.32 377	0.96 322	1.46 403	1.49 375	0.88 314

ToySt	0.92 296	2.11 337	0.90 300	0.95 275	0.79 321	0.99 315	0.78 306	0.94 303	0.81 319	0.94 310	0.78 318	0.95 317	0.77 303	0.94 311	0.86 316	0.91 298	0.79 291	0.85 310	0.77 313	0.89 286	0.73 300

DGTPSM_ROB	0.93 300	1.00 217	0.92 303	0.94 273	0.96 335	0.91 307	0.92 318	0.91 296	0.96 329	0.91 304	0.96 330	0.93 316	0.92 312	0.94 311	0.92 318	0.92 299	0.92 302	0.90 313	0.92 324	0.94 295	0.91 317

R-Stereo Train	0.81 277	0.96 211	0.67 273	0.95 275	0.67 307	0.95 311	0.68 293	0.95 305	0.68 296	0.95 312	0.68 303	0.96 318	0.68 292	0.96 315	0.68 297	0.94 303	0.68 274	0.94 319	0.68 302	0.94 295	0.68 292

RAFT-Stereo	0.81 277	0.96 211	0.67 273	0.95 275	0.67 307	0.95 311	0.68 293	0.95 305	0.68 296	0.95 312	0.68 303	0.96 318	0.68 292	0.96 315	0.68 297	0.94 303	0.68 274	0.94 319	0.68 302	0.94 295	0.68 292
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AIO-Stereo	0.84 287	0.66 180	0.70 276	0.83 259	0.67 307	0.98 314	0.82 312	1.14 316	0.72 306	1.03 319	0.74 315	1.03 325	1.09 324	0.99 317	0.45 258	1.04 309	0.73 285	0.95 321	0.74 311	0.94 295	0.46 254

GANet	1.00 307	1.00 217	1.00 310	1.00 282	1.00 337	1.00 316	1.00 325	1.00 307	1.00 333	1.00 314	1.00 332	1.00 320	1.00 316	1.00 318	1.00 327	1.00 305	1.00 305	1.00 326	1.00 328	1.00 299	1.00 325

TDLM	1.00 307	1.00 217	1.00 310	1.00 282	1.00 337	1.00 316	1.00 325	1.00 307	1.00 333	1.00 314	1.00 332	1.00 320	1.00 316	1.00 318	1.00 327	1.00 305	1.00 305	1.00 326	1.00 328	1.00 299	1.00 325

CVANet_RVC	1.00 307	1.00 217	1.00 310	1.00 282	1.00 337	1.00 316	1.00 325	1.00 307	1.00 333	1.00 314	1.00 332	1.00 320	1.00 316	1.00 318	1.00 327	1.00 305	1.00 305	1.00 326	1.00 328	1.00 299	1.00 325

trnet	1.01 311	1.01 223	1.01 313	1.01 285	1.01 341	1.01 319	1.01 328	1.01 310	1.01 336	1.01 318	1.01 335	1.01 323	1.01 322	1.01 321	1.01 330	1.01 308	1.01 308	1.01 329	1.01 331	1.01 302	1.01 328

STTRV1_RVC	0.82 281	1.60 312	0.70 276	1.01 285	0.60 292	1.07 325	0.69 296	1.01 310	0.60 284	0.72 287	0.55 288	1.02 324	0.68 292	1.03 322	0.67 293	0.89 297	0.63 269	0.92 317	0.57 288	0.90 288	0.65 287

DPSimNet_ROB	0.97 304	1.18 248	0.81 295	1.10 291	0.91 331	1.02 320	0.82 312	1.04 312	0.91 322	1.03 319	0.86 323	1.28 388	0.82 308	1.03 322	0.89 317	1.17 322	0.81 296	1.02 330	0.82 320	1.08 305	0.81 310

AIO-Stereo-zeroshot1	0.75 261	0.92 207	0.85 296	0.96 278	0.59 291	1.27 385	0.44 258	0.59 268	0.69 299	0.91 304	0.68 303	0.55 275	0.61 282	1.06 324	0.83 315	0.62 270	0.70 279	0.90 313	0.41 260	0.89 286	0.56 279

AIO-Stereo-zeroshot	0.91 294	0.86 195	0.89 297	1.25 355	0.69 311	1.05 321	0.81 311	1.16 319	0.50 274	1.12 328	0.97 331	0.72 292	0.82 308	1.06 324	0.95 323	0.61 269	0.87 299	1.03 331	0.85 323	1.04 303	1.01 328

GLC_STEREO	1.07 313	1.01 223	1.06 314	1.07 289	1.05 342	1.06 322	1.08 331	1.08 313	1.05 338	1.07 321	1.06 336	1.08 327	1.05 323	1.06 324	1.10 332	1.07 311	1.09 316	1.05 332	1.05 332	1.06 304	1.12 335

11t	1.27 369	2.70 358	1.34 380	1.32 358	0.89 327	1.30 387	1.34 394	1.64 386	0.57 282	1.45 386	0.72 312	1.05 326	1.29 388	1.07 327	1.29 394	1.49 381	1.02 309	0.97 324	1.15 337	1.48 374	1.31 395

RGC	2.36 400	25.48 455	1.19 324	1.15 298	1.15 345	1.10 328	1.16 338	1.17 321	1.16 341	1.12 328	1.16 340	1.11 334	1.13 326	1.09 328	1.18 342	1.10 314	1.15 324	1.16 336	1.12 335	1.14 308	1.12 335

Abc-Net	2.32 397	24.75 453	1.14 318	1.17 304	1.17 350	1.11 331	1.15 336	1.17 321	1.21 393	1.08 322	1.16 340	1.12 335	1.14 328	1.09 328	1.17 341	1.09 312	1.16 325	1.17 340	1.17 340	1.16 311	1.11 333
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 398	25.00 454	1.13 317	1.15 298	1.15 345	1.10 328	1.15 336	1.15 317	1.15 340	1.12 328	1.15 337	1.09 329	1.13 326	1.10 330	1.15 337	1.11 319	1.09 316	1.16 336	1.12 335	1.16 311	1.17 341

edge stereo	2.43 405	27.07 462	1.14 318	1.06 288	1.14 344	1.08 326	1.17 339	1.16 319	1.14 339	1.10 323	1.16 340	1.09 329	1.16 333	1.10 330	1.16 340	1.10 314	1.11 320	1.16 336	1.19 341	1.13 307	1.11 333

Nwc_Net	2.37 402	25.95 458	1.15 320	1.14 296	1.15 345	1.08 326	1.14 335	1.17 321	1.16 341	1.14 331	1.15 337	1.08 327	1.15 329	1.11 332	1.14 336	1.10 314	1.11 320	1.16 336	1.09 334	1.16 311	1.15 340

AF-Net	2.37 402	25.71 457	1.17 321	1.13 295	1.15 345	1.15 334	1.18 340	1.19 324	1.16 341	1.10 323	1.15 337	1.10 331	1.18 334	1.12 333	1.15 337	1.10 314	1.10 319	1.17 340	1.15 337	1.16 311	1.12 335

NCC-stereo	2.36 400	25.52 456	1.17 321	1.15 298	1.17 350	1.11 331	1.11 332	1.15 317	1.16 341	1.10 323	1.16 340	1.10 331	1.15 329	1.14 334	1.13 335	1.09 312	1.11 320	1.15 335	1.16 339	1.17 316	1.17 341

stereogan	2.33 398	24.38 452	1.18 323	1.18 305	1.18 352	1.14 333	1.18 340	1.19 324	1.19 347	1.14 331	1.18 344	1.14 336	1.18 334	1.14 334	1.18 342	1.14 321	1.14 323	1.19 343	1.19 341	1.15 309	1.19 343

HSM-Net_RVC	0.95 303	1.17 246	0.78 289	1.18 305	0.71 313	1.16 335	0.75 304	1.09 314	0.80 316	1.10 323	0.75 316	1.17 338	0.74 300	1.17 336	0.80 312	1.13 320	0.73 285	1.17 340	0.77 313	1.16 311	0.72 298
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
S-Stereo	2.51 407	26.86 460	1.23 376	1.22 352	1.22 400	1.24 384	1.25 391	1.22 373	1.24 396	1.21 379	1.24 393	1.19 339	1.27 386	1.19 337	1.24 391	1.19 323	1.20 329	1.25 391	1.19 341	1.24 368	1.23 391

DisPM	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

CrosDoStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

PFNet+	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

LCNet	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

HHNet	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

Patchmatch Stereo++	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344
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	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

STrans-v2	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

TransformOpticalFlow	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

OMP-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

IIG-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

NF-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

OCTAStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

PSM-softLoss	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

KMStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

NRIStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

PSM-adaLoss	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

PSM-AAD	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

FTStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

ROB_FTStereo_v2	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

ROB_FTStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

Consistency-Raft	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

KYRaft	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

HUI-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

ASMatch	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

DeepStereo_LL	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

DEmStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

SST-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

THIR-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

RAFT_R40	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

DRaft	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

PFNet	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

GrayStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

RE-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

Pruner-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

TVStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

DeepStereo_RVC	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

RAFT-RH_RVC	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

IRAFT_RVC	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

RAFT-345	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

iRAFT	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

CRE-IMP	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

GMM-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

RAFT-IKP	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

Prome-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 327	1.20 348	1.20 334	1.20 345	1.20 340	1.20 336	1.20 338	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 344

FAT-Stereo	2.46 406	26.05 459	1.23 376	1.23 354	1.22 400	1.20 336	1.24 390	1.23 375	1.23 395	1.19 333	1.22 391	1.21 385	1.24 384	1.20 338	1.24 391	1.21 369	1.17 327	1.22 390	1.25 391	1.20 320	1.24 392

CroCo-Stereo	0.73 259	1.22 297	0.25 159	1.22 352	0.25 181	1.22 382	0.25 171	1.22 373	0.25 171	1.22 380	0.25 180	1.22 386	0.25 174	1.22 384	0.25 174	1.22 370	0.26 166	1.21 389	0.25 181	1.22 367	0.25 162
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
CroCo-Stereo Lap2	0.77 266	1.29 300	0.29 172	1.27 356	0.29 200	1.27 385	0.26 178	1.26 376	0.26 184	1.26 381	0.26 186	1.27 387	0.26 183	1.26 385	0.27 180	1.27 372	0.27 171	1.27 392	0.27 194	1.27 369	0.27 176

FC-DCNN	1.07 313	1.09 238	0.98 308	0.89 264	0.52 285	1.41 392	0.91 317	1.21 372	1.24 396	1.96 396	2.05 421	1.91 397	1.30 389	1.27 386	1.08 331	0.80 285	0.60 264	0.58 281	0.41 260	0.68 260	0.54 272

MaskLacGwcNet_RVC	1.35 370	1.35 305	1.35 382	1.35 360	1.35 402	1.35 388	1.35 395	1.36 381	1.35 401	1.36 384	1.35 397	1.36 389	1.36 391	1.36 387	1.35 396	1.35 377	1.35 383	1.35 394	1.35 394	1.35 371	1.35 398

CC-Net-ROB	1.36 371	1.33 304	1.33 379	1.36 361	1.38 405	1.36 389	1.33 393	1.37 382	1.34 399	1.35 383	1.36 398	1.38 390	1.34 390	1.38 388	1.38 398	1.35 377	1.38 386	1.33 393	1.35 394	1.43 373	1.34 397

RASNet	1.49 374	1.65 313	1.45 390	1.38 363	1.43 407	1.47 393	1.36 396	1.38 383	1.36 402	1.39 385	1.60 407	1.45 392	1.45 395	1.51 389	2.21 416	1.53 384	1.36 384	1.36 396	1.36 396	1.66 379	1.36 399

DPSMNet_ROB	1.60 377	1.59 311	1.70 397	1.59 366	1.59 409	1.61 394	1.61 405	1.60 384	1.60 407	1.62 392	1.59 406	1.60 394	1.60 397	1.60 390	1.59 403	1.59 385	1.60 392	1.59 401	1.59 406	1.59 378	1.59 405

PS-NSSS	1.38 373	1.39 307	1.34 380	1.34 359	1.35 402	1.38 390	1.37 401	1.35 380	1.38 404	1.34 382	1.34 396	1.39 391	1.38 393	1.70 391	1.40 399	1.36 379	1.36 384	1.36 396	1.37 397	1.37 372	1.36 399

test_xeample3	1.10 315	1.81 320	0.61 262	0.84 260	0.49 279	0.77 292	0.66 289	0.92 299	1.40 405	0.68 285	0.46 266	0.78 298	0.54 277	1.72 392	1.48 401	1.34 376	1.52 390	1.35 394	1.67 409	1.33 370	1.55 404

HBP-ISP	1.24 367	1.72 315	1.65 395	1.15 298	0.76 318	1.40 391	0.88 315	1.67 389	1.02 337	1.69 393	1.38 400	1.69 395	1.21 382	1.87 393	1.21 389	1.05 310	0.79 291	0.97 324	0.80 317	1.19 319	0.75 304

GANetREF_RVC	1.55 375	1.94 332	1.22 374	1.88 372	1.21 399	1.88 399	1.22 388	1.88 390	1.22 394	1.88 394	1.22 391	1.88 396	1.22 383	1.89 394	1.22 390	1.87 392	1.22 376	1.88 403	1.22 390	1.88 383	1.22 390
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
RAFT_CTSACE	1.92 386	3.71 379	1.72 399	1.88 372	1.72 413	2.04 402	1.42 404	2.18 398	1.89 419	2.02 399	1.97 417	1.95 398	2.06 406	1.93 395	1.62 404	1.76 388	1.66 396	2.02 406	1.73 415	1.73 380	1.43 403

MFMNet_re	1.81 384	1.91 326	1.71 398	1.95 376	1.70 412	1.95 400	1.70 408	1.96 392	1.74 410	1.97 397	1.72 410	1.95 398	1.71 400	1.97 396	1.71 409	1.86 391	1.62 393	1.85 402	1.66 408	1.86 382	1.64 406

SPS-STEREO	1.59 376	1.91 326	1.21 373	1.94 375	1.20 353	2.00 401	1.23 389	1.99 393	1.24 396	2.00 398	1.25 394	2.03 400	1.26 385	2.00 397	1.29 394	1.90 395	1.18 328	1.89 404	1.21 389	1.89 384	1.20 344
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
TRStereo	2.00 387	2.13 338	1.85 405	2.27 386	1.84 416	2.28 405	1.84 411	2.29 400	1.86 416	2.30 405	1.87 412	2.30 403	1.87 403	2.08 398	1.72 411	2.08 400	1.72 398	2.08 407	1.72 412	2.08 386	1.72 409

XX-Stereo	2.00 387	2.13 338	1.85 405	2.27 386	1.84 416	2.28 405	1.84 411	2.29 400	1.86 416	2.30 405	1.87 412	2.30 403	1.87 403	2.08 398	1.72 411	2.08 400	1.72 398	2.08 407	1.72 412	2.08 386	1.72 409

EAI-Stereo	2.00 387	2.13 338	1.85 405	2.27 386	1.84 416	2.28 405	1.84 411	2.29 400	1.86 416	2.30 405	1.87 412	2.30 403	1.87 403	2.08 398	1.72 411	2.08 400	1.72 398	2.08 407	1.72 412	2.08 386	1.72 409

MC-Stereo	1.76 381	2.96 365	1.37 387	2.14 381	1.37 404	2.14 403	1.36 396	2.14 397	1.37 403	2.14 403	1.37 399	2.14 401	1.37 392	2.14 401	1.37 397	1.97 396	1.32 377	1.97 405	1.32 393	1.98 385	1.33 396

ff7	1.68 378	2.68 355	1.35 382	0.97 279	0.89 327	1.84 396	2.15 414	2.12 394	1.80 413	2.05 400	1.56 403	2.33 406	2.12 407	2.23 402	2.25 417	1.31 373	1.07 310	1.48 398	1.41 399	0.90 288	1.04 330

ffff	1.68 378	2.68 355	1.35 382	0.97 279	0.89 327	1.84 396	2.15 414	2.12 394	1.80 413	2.05 400	1.56 403	2.33 406	2.12 407	2.23 402	2.25 417	1.31 373	1.07 310	1.48 398	1.41 399	0.90 288	1.04 330

ccc-4	1.68 378	2.68 355	1.35 382	0.97 279	0.89 327	1.84 396	2.15 414	2.12 394	1.80 413	2.05 400	1.56 403	2.33 406	2.12 407	2.23 402	2.25 417	1.31 373	1.07 310	1.48 398	1.41 399	0.90 288	1.04 330

NCCL2	2.28 396	2.27 346	2.28 411	2.28 389	2.28 423	2.27 404	2.29 417	2.28 399	2.28 420	2.27 404	2.28 422	2.28 402	2.27 410	2.27 405	2.28 421	2.28 403	2.28 408	2.27 410	2.29 421	2.27 390	2.29 416

STTStereo	3.73 422	30.40 466	2.37 415	2.39 390	2.31 425	2.35 408	2.33 418	2.29 400	2.42 421	2.32 408	2.34 423	2.33 406	2.36 411	2.30 406	2.27 420	2.35 405	2.22 407	2.31 411	2.22 418	2.29 392	2.34 420

ccnet	0.80 272	2.28 347	0.33 191	0.50 225	0.33 224	0.50 265	0.33 209	0.50 253	0.33 213	0.49 249	0.33 216	0.49 254	1.56 396	2.38 407	0.33 208	0.41 225	0.29 185	0.42 249	1.57 405	2.28 391	0.29 192

FBW_ROB	2.12 393	2.46 350	1.77 401	2.49 393	1.79 415	2.38 409	1.83 410	2.46 405	1.78 412	2.48 409	1.97 417	2.40 410	1.78 401	2.42 408	1.83 415	2.31 404	1.85 404	2.38 412	1.82 417	2.35 393	1.84 413

UDGNet	2.23 394	5.40 408	1.72 399	2.48 392	1.69 411	2.51 410	1.69 407	2.51 406	1.72 409	2.50 410	1.69 409	2.52 411	1.69 399	2.50 409	1.68 408	2.41 407	1.70 397	2.42 413	1.69 411	2.42 394	1.64 406

sAnonymous2	3.31 419	2.63 353	1.38 388	3.71 409	1.86 419	4.70 442	1.11 332	4.82 443	2.72 423	5.45 446	1.98 419	4.59 435	2.64 412	2.65 410	6.21 452	4.37 418	1.08 314	5.16 446	2.24 419	4.52 416	2.39 421

CroCo_RVC	3.31 419	2.63 353	1.38 388	3.71 409	1.86 419	4.70 442	1.11 332	4.82 443	2.72 423	5.45 446	1.98 419	4.59 435	2.64 412	2.65 410	6.21 452	4.37 418	1.08 314	5.16 446	2.24 419	4.52 416	2.39 421

sCroCo_RVC	2.10 391	2.76 359	1.92 409	2.78 397	1.39 406	2.73 413	1.41 403	2.73 408	1.40 405	2.77 414	1.41 402	2.74 414	1.40 394	2.74 412	1.40 399	2.72 408	1.42 387	2.72 414	1.44 402	2.79 400	1.42 402

NLCA_NET_v2_RVC	5.04 447	50.87 473	2.78 417	2.87 398	2.71 426	2.78 414	0.47 265	2.88 412	2.86 425	1.89 395	2.67 424	2.79 415	2.79 415	2.78 413	2.83 422	2.82 409	2.82 411	2.83 415	2.77 424	2.83 401	2.76 424
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
plain	1.88 385	3.16 369	0.64 266	3.10 399	0.65 303	3.10 416	0.64 286	3.12 414	0.65 292	3.10 415	0.65 299	3.11 416	0.65 286	3.12 414	0.65 289	3.12 411	0.65 272	3.13 416	0.65 296	3.13 402	0.65 287

SA	4.33 436	7.35 420	6.85 451	5.96 434	4.09 448	3.59 421	3.15 438	3.82 423	2.64 422	3.91 421	3.85 442	3.57 420	2.72 414	3.13 415	4.03 443	7.09 451	6.86 446	3.57 420	3.12 433	3.85 406	3.51 439

Anonymous3	2.55 408	3.26 372	1.65 395	3.28 402	1.63 410	3.24 418	1.68 406	3.27 416	1.66 408	3.28 417	1.67 408	3.25 418	1.66 398	3.27 416	1.64 405	3.26 412	1.65 395	3.30 417	1.65 407	4.95 431	1.65 408

PDISCO_ROB	0.83 285	2.80 363	3.49 433	0.14 85	0.11 113	0.17 122	0.09 90	0.15 116	0.10 95	0.15 110	0.12 119	0.16 116	0.14 131	3.30 417	0.13 122	0.14 100	2.34 409	0.16 120	0.12 124	2.62 399	0.10 93

MIF-Stereo (partial)	2.58 409	3.31 373	0.66 270	3.18 400	0.66 306	3.18 417	0.66 289	3.21 415	0.67 295	3.19 416	0.66 301	3.19 417	0.66 289	3.31 418	0.68 297	5.09 437	1.79 402	8.23 456	1.67 409	6.18 440	1.38 401

UniTT-Stereo	2.03 390	3.43 374	0.72 281	3.42 403	0.73 316	3.27 419	0.68 293	3.38 418	0.69 299	3.29 418	0.72 312	3.28 419	0.70 295	3.35 419	0.68 297	3.39 413	0.68 274	3.31 418	0.69 304	3.37 403	0.73 300

DPSNet	3.66 421	3.60 375	3.62 435	3.63 407	3.64 444	3.65 422	3.65 442	3.66 421	3.67 440	3.67 420	3.65 441	3.67 422	3.66 431	3.66 420	3.68 438	3.68 416	3.66 426	3.67 422	3.68 442	3.67 404	3.67 440

RAStereo	2.23 394	3.64 376	0.76 287	3.65 408	0.86 325	3.66 423	0.76 305	3.67 422	0.81 319	3.66 419	0.76 317	3.66 421	0.77 303	3.68 421	0.77 309	3.68 416	0.77 290	3.69 423	0.77 313	3.70 405	0.77 306

test_5	4.62 441	7.55 422	6.23 446	6.32 436	3.40 442	5.29 447	3.50 440	3.53 420	4.11 446	4.28 425	4.47 449	4.26 429	4.38 441	3.68 421	3.24 435	5.89 442	5.60 438	4.84 443	3.50 438	4.33 413	3.93 447

Sa-1000	4.34 437	8.37 426	6.84 450	6.98 441	4.45 451	3.58 420	3.00 424	3.42 419	3.39 439	2.61 411	4.00 445	3.83 424	4.01 438	3.90 423	3.90 441	5.98 444	5.62 439	3.76 424	2.34 422	4.35 414	2.47 423

TestStereo1	4.60 438	8.41 427	6.44 448	6.86 439	3.79 445	3.97 425	3.78 443	3.99 425	3.74 441	3.97 422	3.52 439	3.94 425	3.58 429	3.98 424	3.72 439	6.82 448	6.50 444	3.76 424	3.66 440	3.90 407	3.74 443

SA-5K	4.60 438	8.41 427	6.44 448	6.86 439	3.79 445	3.97 425	3.78 443	3.99 425	3.74 441	3.97 422	3.52 439	3.94 425	3.58 429	3.98 424	3.72 439	6.82 448	6.50 444	3.76 424	3.66 440	3.90 407	3.74 443

test_4	4.88 444	8.13 425	6.98 452	7.46 442	4.44 450	4.25 428	3.85 445	4.04 427	3.92 444	4.13 424	3.91 443	4.18 428	3.84 434	4.14 426	4.06 444	7.01 450	7.13 447	4.53 428	3.72 443	4.09 410	3.72 441

test_3	5.01 446	8.86 432	7.77 454	8.09 444	2.76 427	4.13 427	4.05 447	3.88 424	3.76 443	4.33 426	4.13 446	3.71 423	3.91 435	4.21 427	4.06 444	7.93 452	7.69 449	4.53 428	3.91 445	4.17 411	4.29 449

RAFT+CT+SA	4.28 435	7.62 423	4.91 440	5.55 431	2.28 423	3.09 415	3.64 441	4.49 429	3.07 431	4.80 441	3.35 438	4.77 444	3.70 432	4.29 428	3.05 425	5.58 440	5.98 441	3.58 421	3.78 444	4.26 412	3.72 441

raft_robust	4.71 442	7.75 424	5.40 445	6.81 438	3.31 440	4.28 429	4.20 448	4.32 428	4.37 449	4.35 427	4.35 448	4.14 427	3.75 433	4.30 429	4.20 446	6.67 447	6.37 442	3.36 419	4.24 450	4.86 430	3.25 436

cross-raft	4.83 443	7.52 421	6.43 447	6.63 437	3.96 447	4.51 430	3.99 446	4.49 429	3.96 445	4.52 428	3.96 444	4.50 430	3.97 437	4.50 430	3.97 442	6.65 446	6.44 443	4.33 427	3.92 446	4.35 414	3.91 446

rvit_0105_6	3.87 427	5.73 414	3.10 429	4.69 424	3.12 438	4.54 432	3.02 426	4.56 431	3.04 426	4.54 432	3.03 427	4.54 431	3.04 419	4.56 431	3.05 425	4.58 426	3.05 413	4.58 432	3.05 425	4.58 419	3.05 425

rvit_105_1	3.83 423	5.22 402	3.01 419	4.53 414	3.01 428	4.51 430	3.01 425	4.56 431	3.04 426	4.53 430	3.03 427	4.55 433	3.03 416	4.56 431	3.04 423	4.57 423	3.05 413	4.57 430	3.05 425	4.57 418	3.05 425

rvit_stereo_0081	3.83 423	5.23 403	3.01 419	4.53 414	3.03 430	4.55 436	3.02 426	4.56 431	3.04 426	4.52 428	3.02 425	4.54 431	3.03 416	4.56 431	3.04 423	4.57 423	3.05 413	4.57 430	3.05 425	4.58 419	3.05 425

rvit_stereo_0082	3.86 425	5.82 415	3.01 419	4.53 414	3.03 430	4.54 432	3.02 426	4.56 431	3.04 426	4.53 430	3.02 425	4.55 433	3.04 419	4.57 434	3.05 425	4.57 423	3.05 413	4.58 432	3.05 425	4.58 419	3.06 428

rvit_stereo_0080	3.89 428	5.70 412	3.04 424	4.54 417	3.03 430	4.56 437	3.05 432	4.60 435	3.07 431	4.58 435	3.06 430	4.59 435	3.06 421	4.61 435	3.08 429	4.63 428	3.09 418	4.64 436	3.10 430	4.65 423	3.10 430

whm_eth	3.89 428	5.70 412	3.04 424	4.54 417	3.03 430	4.56 437	3.05 432	4.60 435	3.07 431	4.58 435	3.06 430	4.59 435	3.06 421	4.61 435	3.08 429	4.63 428	3.09 418	4.64 436	3.10 430	4.65 423	3.10 430

rvit_stereo_0081_aga	3.86 425	5.33 406	3.02 422	4.55 420	3.04 434	4.54 432	3.02 426	4.64 438	3.06 430	4.54 432	3.04 429	4.62 440	3.08 423	4.62 437	3.07 428	4.58 426	3.06 417	4.60 434	3.08 429	4.63 422	3.07 429

rvit_0105_4	3.91 430	5.47 411	3.02 422	4.54 417	3.02 429	4.54 432	3.03 430	4.75 441	3.17 437	4.57 434	3.06 430	4.61 439	3.16 427	4.65 438	3.09 431	4.66 430	3.11 420	4.68 439	3.18 435	4.81 428	3.16 434

rvit_0105_3	3.91 430	5.33 406	3.06 427	4.60 422	3.07 436	4.60 439	3.06 434	4.62 437	3.08 434	4.60 437	3.07 433	4.62 440	3.08 423	4.67 439	3.10 432	4.70 431	3.11 420	4.77 441	3.19 436	4.77 427	3.14 433

rvit_stereo_0083	3.92 432	5.30 405	3.06 427	4.61 423	3.09 437	4.67 441	3.08 435	4.66 439	3.09 435	4.62 438	3.10 435	4.66 443	3.11 425	4.67 439	3.16 434	4.72 433	3.16 423	4.77 441	3.11 432	4.66 425	3.11 432

rvit_stereo_ft	3.93 433	5.44 410	3.05 426	4.59 421	3.06 435	4.61 440	3.08 435	4.67 440	3.12 436	4.63 439	3.10 435	4.65 442	3.11 425	4.69 441	3.13 433	4.70 431	3.14 422	4.71 440	3.15 434	4.74 426	3.16 434

MaDis-Stereo	3.19 418	6.02 417	1.12 316	5.61 432	1.16 349	5.43 448	1.02 329	5.15 447	0.70 302	5.43 445	1.21 390	5.03 448	0.97 314	4.85 442	0.99 326	4.53 421	1.16 325	5.53 448	1.25 391	5.37 436	1.30 394

rvit_0105_5	4.10 434	5.40 408	3.13 432	4.71 425	3.15 439	4.72 444	3.10 437	4.90 445	3.27 438	4.69 440	3.16 437	4.84 445	3.25 428	4.96 443	3.34 436	5.05 436	3.39 425	5.10 445	3.40 437	5.11 433	3.42 437

FC-DCNN v2	5.10 448	5.15 401	4.49 438	5.07 429	3.37 441	6.87 451	4.75 450	5.04 446	6.34 454	7.84 454	5.06 451	6.72 455	4.09 439	4.99 444	5.44 451	5.03 435	3.16 423	4.67 438	4.86 451	5.15 434	3.89 445

TestStereo	4.88 444	4.75 396	4.79 439	4.87 427	4.92 452	4.81 446	4.90 451	4.78 442	4.77 450	4.87 442	4.89 450	4.90 446	4.91 443	4.99 444	4.79 448	4.98 434	4.87 435	4.87 444	4.92 452	5.00 432	5.00 450

StereoVision	3.15 417	5.00 399	0.89 297	4.83 426	1.00 337	3.93 424	1.27 392	6.37 448	1.34 399	5.67 448	1.26 395	5.84 450	1.27 386	5.03 446	1.24 391	5.10 438	1.09 316	4.61 435	0.57 288	5.62 438	1.12 335

test-1	6.46 451	9.16 434	8.03 457	8.09 444	5.62 455	6.11 449	6.35 454	6.85 451	4.94 451	6.08 449	6.29 456	4.98 447	6.43 448	6.22 447	6.36 454	6.16 445	7.47 448	5.82 450	5.44 455	7.11 445	5.68 453

RAFT	6.73 453	9.36 435	7.40 453	8.51 447	6.55 456	6.88 452	6.60 455	6.79 450	6.60 455	6.80 451	6.72 457	5.31 449	5.50 446	6.61 448	6.61 455	8.42 454	5.89 440	5.73 449	5.45 456	6.61 441	6.24 454

SGM-Forest	5.21 450	5.92 416	4.08 437	6.18 435	4.16 449	6.31 450	4.34 449	6.50 449	4.33 448	6.14 450	4.21 447	6.61 454	4.55 442	6.67 449	4.48 447	5.94 443	3.94 429	5.85 451	4.03 448	5.79 439	4.17 448
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DispFullNet	4.61 440	4.84 397	3.12 430	5.00 428	3.57 443	4.75 445	3.03 430	7.75 454	4.17 447	4.91 443	3.09 434	6.20 451	3.95 436	6.71 450	3.51 437	5.30 439	3.67 427	5.86 452	3.63 439	5.61 437	3.46 438

test-v	7.53 455	11.89 443	7.98 455	9.36 450	7.14 457	7.06 453	7.09 456	7.37 452	6.91 456	7.29 452	5.71 454	6.45 452	6.93 449	6.73 451	7.27 456	8.93 457	7.85 450	6.98 453	6.80 457	7.56 446	7.34 456

test-2	7.53 455	11.89 443	7.98 455	9.36 450	7.14 457	7.06 453	7.09 456	7.37 452	6.91 456	7.29 452	5.71 454	6.45 452	6.93 449	6.73 451	7.27 456	8.93 457	7.85 450	6.98 453	6.80 457	7.56 446	7.34 456

DISCO	1.11 317	0.39 130	5.28 443	0.39 173	0.20 160	0.39 205	0.27 181	0.39 194	0.22 159	0.38 191	0.20 159	0.38 200	0.20 158	6.95 453	0.22 159	0.30 175	0.21 151	0.27 165	0.21 160	5.25 435	0.21 147

MSMD_ROB	1.19 320	1.10 241	0.70 276	1.10 291	0.60 292	1.10 328	0.70 297	1.10 315	0.70 302	1.10 323	0.70 307	1.10 331	0.70 295	7.00 454	0.70 304	1.10 314	0.70 279	1.10 333	0.70 306	1.10 306	0.70 294

rvit_stereo_0075_2	6.64 452	8.80 431	5.25 442	7.89 443	5.27 454	7.90 455	5.27 452	7.92 455	5.28 452	7.91 455	5.29 453	7.93 456	5.27 444	7.92 455	5.28 449	7.93 452	5.28 437	7.93 455	5.29 454	7.93 448	5.28 452

U	5.15 449	8.49 429	1.81 402	8.49 446	1.77 414	8.49 456	1.77 409	8.51 456	1.77 411	8.49 456	1.77 411	8.50 457	1.78 401	8.58 456	1.77 414	8.54 455	1.78 401	8.55 457	1.78 416	8.55 451	1.84 413

SGM+DAISY	7.06 454	9.15 433	5.38 444	8.84 448	5.18 453	8.80 457	5.31 453	8.79 457	5.28 452	8.89 457	5.20 452	8.93 458	5.33 445	8.95 457	5.36 450	8.70 456	5.21 436	8.74 458	5.20 453	8.89 452	5.15 451

rafts_anoy	20.00 459	20.00 445	20.00 459	20.00 459	20.00 460	20.00 458	20.00 459	20.00 458	20.00 459	20.00 458	20.00 459	20.00 459	20.00 459	20.00 458	20.00 459	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 459

raft+_RVC	20.00 459	20.00 445	20.00 459	20.00 459	20.00 460	20.00 458	20.00 459	20.00 458	20.00 459	20.00 458	20.00 459	20.00 459	20.00 459	20.00 458	20.00 459	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 459

raftrobust	20.00 459	20.00 445	20.00 459	20.00 459	20.00 460	20.00 458	20.00 459	20.00 458	20.00 459	20.00 458	20.00 459	20.00 459	20.00 459	20.00 458	20.00 459	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 459

CasAABBNet	20.00 459	20.00 445	20.00 459	20.00 459	20.00 460	20.00 458	20.00 459	20.00 458	20.00 459	20.00 458	20.00 459	20.00 459	20.00 459	20.00 458	20.00 459	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 459

RALCasStereoNet	20.00 459	20.00 445	20.00 459	20.00 459	20.00 460	20.00 458	20.00 459	20.00 458	20.00 459	20.00 458	20.00 459	20.00 459	20.00 459	20.00 458	20.00 459	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 459

RALAANet	20.00 459	20.00 445	20.00 459	20.00 459	20.00 460	20.00 458	20.00 459	20.00 458	20.00 459	20.00 458	20.00 459	20.00 459	20.00 459	20.00 458	20.00 459	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 459

MANE	19.05 458	23.00 451	15.00 458	23.00 465	15.00 459	24.00 464	16.00 458	24.00 464	16.00 458	22.00 464	15.00 458	23.00 465	16.00 458	23.00 464	15.00 458	22.00 465	15.00 459	22.00 465	15.00 459	22.00 465	15.00 458

111	30.40 465	30.94 467	29.72 466	32.61 466	30.02 467	33.57 465	30.47 466	31.50 465	29.39 466	30.98 465	29.11 466	29.78 466	30.39 469	29.45 465	30.76 469	30.08 466	29.02 467	29.92 466	30.32 470	29.86 466	30.17 466

fff	1000028.16 482	29.62 463	29.72 466	32.61 466	30.02 467	35.13 467	31.83 467	32.07 466	10000000.00 482	35.27 468	29.82 467	32.45 467	30.15 466	32.35 466	30.09 466	31.04 467	29.55 468	30.64 467	30.14 467	10000000.00 483	30.77 467

csc	1000028.16 482	29.62 463	29.72 466	32.61 466	30.02 467	35.13 467	31.83 467	32.07 466	10000000.00 482	35.27 468	29.82 467	32.45 467	30.15 466	32.35 466	30.09 466	31.04 467	29.55 468	30.64 467	30.14 467	10000000.00 483	30.77 467

cscssc	1000028.16 482	29.62 463	29.72 466	32.61 466	30.02 467	35.13 467	31.83 467	32.07 466	10000000.00 482	35.27 468	29.82 467	32.45 467	30.15 466	32.35 466	30.09 466	31.04 467	29.55 468	30.64 467	30.14 467	10000000.00 483	30.77 467

tt	500032.53 480	34.60 469	29.72 466	37.47 472	34.41 472	36.85 471	35.22 471	34.71 469	33.55 468	34.50 466	35.43 470	33.81 470	10000000.00 483	33.57 469	33.13 470	33.68 470	35.00 472	34.03 471	35.26 473	30.96 467	34.63 471

DCANet	500032.53 480	34.60 469	29.72 466	37.47 472	34.41 472	36.85 471	35.22 471	34.71 469	33.55 468	34.50 466	35.43 470	33.81 470	10000000.00 483	33.57 469	33.13 470	33.68 470	35.00 472	34.03 471	35.26 473	30.96 467	34.63 471

DCANet-4	35.22 467	34.54 468	35.08 472	33.58 470	35.47 474	34.55 466	35.53 473	36.08 471	35.85 470	35.92 471	35.77 472	35.18 472	35.48 471	35.39 471	37.15 472	34.55 472	33.92 471	35.02 473	34.90 472	35.79 470	34.74 473

WCMA_ROB	31.10 466	35.43 471	27.12 465	39.51 474	23.10 466	38.78 473	25.30 465	37.49 473	25.39 465	37.29 472	27.02 465	38.52 474	26.48 465	37.80 472	26.44 465	36.28 473	22.65 466	33.90 470	22.30 466	37.10 471	24.18 465

ADStereo(finetuned)	36.13 468	36.63 472	38.07 473	36.97 471	33.25 471	35.91 470	34.45 470	36.36 472	32.99 467	38.14 473	36.71 473	36.69 473	34.13 470	38.57 473	40.79 473	37.60 474	36.58 474	35.90 474	33.36 471	35.42 469	34.04 470

MDST_ROB	69.83 469	87.70 474	41.95 474	113.75 477	65.62 477	75.05 474	55.25 475	75.64 475	45.04 471	71.61 474	41.75 474	72.81 475	44.06 472	68.38 474	44.63 474	101.89 477	59.57 477	107.10 477	61.05 477	104.38 474	59.38 476

CBMV	128.50 471	1422.70 485	53.10 475	79.50 476	51.30 476	77.30 475	49.70 474	74.00 474	48.20 472	77.20 475	48.80 475	73.90 476	48.00 473	73.80 475	48.80 475	70.40 476	45.10 476	68.90 476	46.10 476	68.20 473	45.00 475
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 470	153.00 478	121.00 477	51.00 475	44.00 475	165.00 477	127.00 476	153.00 476	119.00 473	164.00 477	125.00 476	168.00 478	120.00 474	153.00 476	117.00 476	49.00 475	44.00 475	49.00 475	44.00 475	49.00 472	44.00 474

MeshStereo	159.24 472	171.00 479	160.68 480	162.58 478	160.59 478	164.01 476	160.35 477	158.51 477	158.56 474	158.34 476	160.12 477	158.56 477	159.92 475	157.26 477	158.94 477	154.38 478	158.36 478	155.75 478	159.13 479	153.67 475	154.07 477
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	201.80 473	123.00 475	115.00 476	219.00 479	218.00 480	223.00 478	244.00 479	217.00 478	236.00 476	202.00 478	203.00 478	205.00 479	208.00 476	225.00 478	204.00 478	210.00 479	198.00 479	197.00 479	184.00 480	204.00 476	201.00 478

MGS-Stereo	239.45 474	123.00 475	135.00 478	266.00 480	286.00 481	277.00 479	305.00 480	271.00 479	242.00 477	274.00 479	279.00 480	255.00 480	270.00 478	268.00 479	297.00 480	221.00 480	247.00 481	216.00 480	123.00 478	217.00 477	217.00 480

EGLCR-Stereo	246.90 475	129.00 477	139.00 479	266.00 480	286.00 481	277.00 479	305.00 480	271.00 479	242.00 477	274.00 479	279.00 480	255.00 480	270.00 478	268.00 479	297.00 480	230.00 481	247.00 481	216.00 480	223.00 482	237.00 478	227.00 481

DLCB_ROB	284.23 476	354.61 481	207.27 481	363.24 482	206.46 479	364.72 481	210.41 478	364.72 481	210.41 475	364.81 481	208.64 479	364.81 482	208.64 477	364.72 481	210.41 479	354.70 482	205.53 480	354.70 482	205.53 481	354.70 479	205.53 479

LE_ROB	396.57 477	471.28 482	329.84 482	471.48 483	308.15 483	526.83 482	322.10 482	488.15 482	323.76 479	495.46 482	317.97 482	497.17 483	320.10 480	481.62 482	326.76 482	462.71 483	298.97 483	466.16 483	285.98 483	447.62 480	289.21 482

SGM-ForestM	596.69 478	677.77 483	444.52 483	699.85 484	517.25 484	732.94 483	488.29 483	770.79 483	460.11 480	750.81 483	487.98 483	792.79 484	499.41 481	730.90 483	475.81 483	720.03 484	491.16 484	663.96 484	418.60 484	674.76 481	436.05 483

CBMV_ROB	818.48 479	913.88 484	709.52 484	862.84 485	597.78 485	1073.99 484	700.52 484	1015.66 484	702.59 481	1115.65 484	760.02 484	1130.24 485	721.57 482	1037.41 484	692.65 484	814.05 485	564.29 485	843.28 485	595.31 485	915.51 482	602.92 484

IGEV-Stereo++	10000000.00 485	10000000.00 486	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 485	10000000.00 485	10000000.00 485	10000000.00 482	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 483	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 485

IGEV-BASED-STEREO-	10000000.00 485	10000000.00 486	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 485	10000000.00 485	10000000.00 485	10000000.00 482	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 483	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 485

IGEV-Stereo+	10000000.00 485	10000000.00 486	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 485	10000000.00 485	10000000.00 485	10000000.00 482	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 483	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 485

SDNR	10000000.00 485	10000000.00 486	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 485	10000000.00 485	10000000.00 485	10000000.00 482	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 483	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 485

anonymousdsp2	10000000.00 485	10000000.00 486	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 485	10000000.00 485	10000000.00 485	10000000.00 482	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 483	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 485

anonymousdsp	10000000.00 485	10000000.00 486	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 485	10000000.00 485	10000000.00 485	10000000.00 482	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 483	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 485

test_example2	10000000.00 485	10000000.00 486	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 485	10000000.00 485	10000000.00 485	10000000.00 482	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 483	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 485

DIP-Stereo	10000000.00 485	10000000.00 486	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 485	10000000.00 485	10000000.00 485	10000000.00 482	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 483	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 485
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 42		0.09 41	0.10 98							0.05 74				0.15 109	0.10 60	0.17 125	0.13 132	0.11 100

Low-res two-view benchmark