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-MNSev	0.06 31	0.54 167	0.10 56	0.12 61	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 159	0.10 56	0.12 61	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	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

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 59	0.44 142	0.33 169	0.39 151	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	0.39 192	0.36 182	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-LNSev	0.06 31	0.24 97	0.20 125	0.23 111	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	0.23 135	0.21 132	0.02 18	0.01 9	0.01 9	0.01 9

Syn2CoEx	0.25 118	1.31 277	0.74 258	0.92 244	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	0.87 270	0.75 262	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

ADCMid	0.08 37	0.02 12	0.02 13	1.01 258	0.03 39	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 46	0.09 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 38	0.02 12	0.04 31	0.90 238	0.06 78	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 97	0.36 202	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 341	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 58	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 39	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 42	0.03 33	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

SMFormer	0.09 38	1.01 206	0.09 52	0.09 41	0.03 39	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	0.95 195	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 59	0.03 34	0.02 20	0.03 39	0.02 19

ttt	0.10 44	1.09 214	0.12 78	0.12 61	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 44	1.14 218	0.13 93	0.14 75	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 206	0.10 56	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

x	0.11 59	1.15 220	0.15 111	0.14 75	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

CSP-Net	0.34 146	1.29 275	1.19 295	1.36 333	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	1.26 344	1.21 347	0.03 34	0.09 80	0.02 19	0.09 79

222	0.10 44	0.99 200	0.12 78	0.13 71	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

xxxx	0.11 59	1.16 221	0.16 112	0.12 61	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

test_xeample	0.10 44	1.09 214	0.13 93	0.12 61	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 339	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 339	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 355	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 72	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 328	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 75	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.12 92	0.04 63	0.06 69	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

qqq	0.16 95	2.01 307	0.12 78	0.15 84	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 69	0.03 42	0.06 58	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

psmg	0.43 186	1.91 299	0.92 274	1.91 346	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 369	1.44 361	0.04 48	0.03 42	0.02 19	0.03 39

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 374	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 378	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 381	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 379	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCRef	0.12 67	0.03 27	0.04 31	1.71 342	0.04 54	0.03 36	0.03 39	0.04 51	0.04 55	0.04 54	0.03 40	0.04 51	0.03 42	0.06 58	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

ADCP+	0.15 89	0.04 31	0.04 31	2.20 354	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.04 58	0.08 75	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
mmm	0.14 79	1.83 296	0.12 78	0.11 58	0.03 39	0.03 36	0.03 39	0.03 38	0.04 55	0.03 36	0.03 40	0.03 38	0.03 42	0.06 58	0.04 49	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

DualNet	0.25 118	3.83 350	0.12 78	0.12 61	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 118	3.83 350	0.12 78	0.12 61	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 118	3.83 350	0.12 78	0.12 61	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 118	3.83 350	0.12 78	0.12 61	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 287	0.06 65	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 39	0.04 51	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

qqq1	0.25 118	3.70 345	0.14 97	0.14 75	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 118	3.70 345	0.14 97	0.14 75	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

11t1	0.17 98	2.16 312	0.13 93	0.13 71	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 69	0.03 42	0.06 58	0.05 59	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

GwcNet	0.12 67	0.07 44	0.05 44	0.08 37	0.05 69	0.08 74	1.20 313	0.07 74	0.05 68	0.05 64	0.05 71	0.08 76	0.05 64	0.08 75	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

FINET	0.07 36	0.08 45	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 77	0.07 79	0.08 74	0.07 79	0.08 76	0.06 76	0.07 72	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

SuperB	0.21 110	0.10 53	2.51 387	0.12 61	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 80	0.07 80	0.07 72	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

AASNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

BEATNet-Init1	0.19 101	0.08 45	0.08 47	2.23 356	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 101	0.08 45	0.08 47	2.23 356	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

SepStereo	0.09 38	0.09 51	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 79	0.08 81	0.10 78	0.09 82	0.09 80	0.09 83	0.09 78	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

AnonymousM	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

PVD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

JetRed	0.11 59	0.12 66	0.11 73	0.11 58	0.11 103	0.11 90	0.14 113	0.11 91	0.11 99	0.12 92	0.11 99	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.16 113	0.11 88	0.11 98	0.11 90	0.11 95

JetBlue	0.11 59	0.11 64	0.12 78	0.13 71	0.14 119	0.11 90	0.11 97	0.11 91	0.11 99	0.11 90	0.11 99	0.11 92	0.11 98	0.12 95	0.12 103	0.11 68	0.11 75	0.11 88	0.11 98	0.11 90	0.11 95

PASM	0.39 168	3.06 336	1.36 357	1.58 337	0.09 82	0.11 90	0.11 97	0.11 91	0.11 99	0.09 77	0.09 82	0.11 92	0.09 83	0.09 78	0.09 76	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

LRCNet_RVC	0.13 72	0.13 67	0.09 52	0.13 71	0.10 88	0.14 94	0.10 85	0.14 95	0.10 85	0.23 129	0.10 86	0.20 117	0.10 87	0.24 138	0.11 92	0.11 68	0.09 55	0.12 91	0.14 122	0.12 95	0.09 79

UNet	0.29 131	0.90 187	0.10 56	0.14 75	0.10 88	0.14 94	0.10 85	0.91 271	0.69 273	0.14 94	0.11 99	0.14 96	0.11 98	0.14 97	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 260	0.76 278

DRN-Test	0.14 79	0.13 67	0.09 52	0.14 75	0.09 82	0.15 100	0.09 80	0.14 95	0.10 85	0.14 94	0.09 82	0.14 96	0.09 83	0.13 96	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 273

StereoDRNet	0.15 89	0.14 71	0.10 56	0.14 75	0.09 82	0.15 100	0.09 80	0.14 95	0.09 84	0.14 94	0.10 86	0.14 96	0.09 83	0.14 97	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 283

CIPLG	0.13 72	0.21 87	0.12 78	0.16 90	0.11 103	0.15 100	0.11 97	0.14 95	0.11 99	0.15 100	0.12 106	0.15 105	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 98	0.14 98	0.11 95

IPLG	0.13 72	0.20 82	0.14 97	0.15 84	0.11 103	0.14 94	0.11 97	0.14 95	0.11 99	0.14 94	0.11 99	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 98	0.14 98	0.11 95

IPLGR_C	0.14 79	0.20 82	0.12 78	0.15 84	0.11 103	0.14 94	0.15 116	0.14 95	0.11 99	0.15 100	0.12 106	0.14 96	0.11 98	0.16 106	0.11 92	0.15 97	0.12 86	0.14 95	0.12 111	0.15 105	0.12 106

MIPNet	0.14 79	0.21 87	0.17 116	0.16 90	0.11 103	0.15 100	0.12 109	0.14 95	0.11 99	0.16 104	0.11 99	0.14 96	0.11 98	0.14 97	0.11 92	0.14 90	0.12 86	0.14 95	0.11 98	0.14 98	0.11 95

IPLGR	0.14 79	0.24 97	0.14 97	0.16 90	0.12 115	0.15 100	0.12 109	0.14 95	0.11 99	0.15 100	0.12 106	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 98	0.14 98	0.11 95

ACRE	0.13 72	0.21 87	0.14 97	0.15 84	0.11 103	0.14 94	0.11 97	0.14 95	0.11 99	0.14 94	0.12 106	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 98	0.14 98	0.11 95

GMStereo	0.14 79	0.13 67	0.14 97	0.14 75	0.14 119	0.14 94	0.14 113	0.14 95	0.14 118	0.14 94	0.14 121	0.14 96	0.14 117	0.14 97	0.14 112	0.14 90	0.14 108	0.14 95	0.14 122	0.14 98	0.14 114
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
aanetorigin	0.13 72	0.11 64	0.11 73	0.11 58	0.11 103	0.11 90	0.11 97	0.11 91	0.11 99	0.11 90	0.12 106	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.11 75	0.14 95	0.11 98	0.49 217	0.11 95

ELAS_RVC	0.14 79	0.16 72	0.10 56	0.15 84	0.10 88	0.18 111	0.11 97	0.19 112	0.11 99	0.19 111	0.12 106	0.18 112	0.11 98	0.19 113	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 72	0.16 72	0.11 73	0.15 84	0.09 82	0.18 111	0.11 97	0.18 111	0.11 99	0.17 107	0.11 99	0.18 112	0.11 98	0.18 111	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
cf-r	0.66 219	2.17 313	0.12 78	0.18 97	0.12 115	0.18 111	2.70 393	2.60 379	0.12 114	0.18 110	0.12 106	0.18 112	0.12 111	0.18 111	0.12 103	0.15 97	0.11 75	0.15 105	0.11 98	1.81 353	1.74 384

GMStereo_Zeroshot	0.16 95	0.16 72	0.16 112	0.16 90	0.16 133	0.16 106	0.16 119	0.16 107	0.16 128	0.16 104	0.16 129	0.16 106	0.16 126	0.16 106	0.16 125	0.16 105	0.16 113	0.16 106	0.16 125	0.16 108	0.16 115

ProNet	0.14 79	0.20 82	0.14 97	0.16 90	0.11 103	0.16 106	0.11 97	0.17 109	0.11 99	0.17 107	0.12 106	0.17 109	0.13 115	0.17 109	0.12 103	0.15 97	0.11 75	0.16 106	0.11 98	0.15 105	0.12 106

ICVP	0.15 89	0.53 164	0.11 73	0.16 90	0.11 103	0.16 106	0.11 97	0.16 107	0.11 99	0.16 104	0.11 99	0.16 106	0.11 98	0.16 106	0.11 92	0.16 105	0.11 75	0.16 106	0.11 98	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 79	0.16 72	0.12 78	0.17 96	0.12 115	0.17 109	0.11 97	0.17 109	0.11 99	0.17 107	0.12 106	0.17 109	0.12 111	0.17 109	0.12 103	0.16 105	0.11 75	0.16 106	0.11 98	0.16 108	0.12 106

PDISCO_ROB	0.83 256	2.80 333	3.49 392	0.14 75	0.11 103	0.17 109	0.09 80	0.15 106	0.10 85	0.15 100	0.12 106	0.16 106	0.14 117	3.30 390	0.13 109	0.14 90	2.34 381	0.16 106	0.12 111	2.62 371	0.10 83

ACVNet	0.20 103	0.19 78	0.14 97	0.20 101	0.14 119	0.20 116	0.96 294	0.21 121	0.14 118	0.20 114	0.13 118	0.21 125	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 111	0.17 111	0.12 106

acv_ft	0.20 103	0.19 78	0.14 97	0.20 101	0.14 119	0.20 116	0.96 294	0.21 121	0.14 118	0.20 114	0.13 118	0.21 125	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 111	0.17 111	0.12 106

hitnet-ft	0.79 241	2.78 332	0.14 97	0.20 101	0.14 119	0.21 124	2.89 394	2.80 384	0.14 118	0.20 114	0.14 121	0.20 117	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 111	2.54 370	2.33 390

PSMNet-RSSM	0.77 237	2.76 329	0.14 97	0.20 101	0.14 119	0.20 116	2.66 391	2.79 383	0.14 118	0.21 123	0.14 121	0.21 125	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 111	2.52 368	2.31 388

GwcNet-RSSM	0.77 237	2.77 331	0.14 97	0.20 101	0.14 119	0.20 116	2.67 392	2.78 382	0.14 118	0.20 114	0.14 121	0.20 117	0.14 117	0.21 126	0.14 112	0.17 109	0.12 86	0.17 111	0.12 111	2.52 368	2.31 388

CFNet-ft	0.55 211	1.57 285	0.14 97	0.20 101	0.14 119	0.20 116	2.53 390	1.61 357	0.14 118	0.20 114	0.14 121	0.20 117	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 111	1.56 349	1.24 363

FADE		0.06 42		0.09 41	0.10 88							0.05 63				0.15 97	0.10 59	0.17 111	0.13 119	0.11 90

SGM_RVC	0.15 89	0.17 76	0.11 73	0.18 97	0.11 103	0.19 114	0.11 97	0.19 112	0.12 114	0.19 111	0.12 106	0.20 117	0.12 111	0.19 113	0.12 103	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
CAS++	0.17 98	0.27 100	0.21 129	0.10 45	0.21 150	0.15 100	0.22 139	0.10 79	0.21 140	0.22 125	0.10 86	0.19 115	0.18 133	0.10 80	0.19 135	0.20 119	0.19 128	0.18 119	0.10 86	0.19 117	0.18 124
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DeepPruner_ROB	0.16 95	0.18 77	0.13 93	0.19 100	0.13 118	0.19 114	0.13 112	0.19 112	0.13 117	0.19 111	0.13 118	0.19 115	0.13 115	0.19 113	0.13 109	0.18 116	0.13 107	0.18 119	0.13 119	0.18 114	0.13 112

LALA_ROB	0.15 89	0.19 78	0.12 78	0.18 97	0.11 103	0.20 116	0.12 109	0.21 121	0.12 114	0.20 114	0.12 106	0.20 117	0.12 111	0.21 126	0.13 109	0.17 109	0.10 59	0.18 119	0.11 98	0.18 114	0.11 95

GEStereo_RVC	0.86 263	4.45 361	0.20 125	0.27 126	0.20 143	0.27 147	0.20 129	0.26 138	0.18 131	5.03 404	0.20 142	0.27 149	0.19 138	0.27 151	0.21 140	0.20 119	0.19 128	0.19 122	4.02 406	0.20 118	0.18 124

IGEV_Zeroshot_test	0.20 103	0.19 78	0.40 189	0.30 129	0.17 134	0.22 126	0.17 120	0.21 121	0.17 130	0.20 114	0.17 131	0.21 125	0.18 133	0.21 126	0.17 126	0.20 119	0.16 113	0.20 123	0.16 125	0.20 118	0.17 121

DAS	0.20 103	0.20 82	0.20 125	0.20 101	0.20 143	0.20 116	0.20 129	0.20 116	0.20 137	0.20 114	0.20 142	0.20 117	0.20 141	0.20 116	0.20 137	0.20 119	0.20 130	0.20 123	0.20 142	0.20 118	0.20 127

ASD4	0.20 103	0.20 82	0.20 125	0.20 101	0.20 143	0.20 116	0.20 129	0.20 116	0.20 137	0.20 114	0.20 142	0.20 117	0.20 141	0.20 116	0.20 137	0.20 119	0.20 130	0.20 123	0.20 142	0.20 118	0.20 127

MSKI-zero shot	0.24 117	0.21 87	0.49 221	0.65 214	0.18 139	0.22 126	0.17 120	0.23 128	0.18 131	0.21 123	0.17 131	0.23 133	0.28 174	0.23 134	0.18 132	0.21 124	0.16 113	0.21 126	0.16 125	0.21 123	0.16 115

MIM_Stereo	0.25 118	0.23 91	0.66 245	0.80 230	0.17 134	0.22 126	0.17 120	0.23 128	0.18 131	0.26 142	0.17 131	0.21 125	0.17 128	0.25 140	0.17 126	0.23 135	0.16 113	0.21 126	0.17 138	0.22 125	0.17 121

dd	0.23 115	0.98 198	0.16 112	0.23 111	0.15 128	0.23 132	0.15 116	0.23 128	0.15 126	0.23 129	0.15 128	0.24 137	0.17 128	0.23 134	0.15 120	0.22 126	0.15 111	0.21 126	0.15 124	0.22 125	0.16 115

iResNetv2_ROB	0.20 103	0.23 91	0.18 121	0.24 116	0.20 143	0.24 133	0.18 124	0.24 131	0.18 131	0.24 134	0.18 139	0.23 133	0.19 138	0.24 138	0.18 132	0.21 124	0.16 113	0.21 126	0.16 125	0.22 125	0.16 115

iResNet	0.20 103	0.23 91	0.18 121	0.24 116	0.18 139	0.24 133	0.20 129	0.24 131	0.18 131	0.23 129	0.17 131	0.23 133	0.18 133	0.23 134	0.18 132	0.22 126	0.16 113	0.21 126	0.16 125	0.21 123	0.16 115

WAO-6	0.22 111	0.23 91	0.22 130	0.23 111	0.22 151	0.22 126	0.22 139	0.22 125	0.22 142	0.22 125	0.22 148	0.22 130	0.22 146	0.22 130	0.22 142	0.22 126	0.22 135	0.22 131	0.22 146	0.22 125	0.22 131

dad	0.23 115	1.03 212	0.16 112	0.23 111	0.15 128	0.24 133	0.15 116	0.24 131	0.16 128	0.23 129	0.16 129	0.24 137	0.16 126	0.23 134	0.15 120	0.22 126	0.16 113	0.22 131	0.16 125	0.22 125	0.16 115

delet	0.43 186	1.21 272	0.17 116	0.25 119	0.17 134	0.25 137	0.18 124	1.26 348	0.95 299	0.25 135	0.17 131	0.25 140	0.17 128	0.25 140	0.17 126	0.23 135	0.16 113	0.22 131	0.16 125	1.18 289	0.98 294

UPFNet	0.42 185	1.20 226	0.17 116	0.24 116	0.17 134	0.25 137	0.17 120	1.19 296	0.90 292	0.25 135	0.17 131	0.24 137	0.17 128	0.25 140	0.17 126	0.22 126	0.17 125	0.22 131	0.16 125	1.15 281	0.93 291

IMH-64-1	0.22 111	0.23 91	0.23 132	0.22 109	0.22 151	0.22 126	0.22 139	0.22 125	0.22 142	0.22 125	0.22 148	0.22 130	0.22 146	0.22 130	0.22 142	0.22 126	0.22 135	0.23 135	0.22 146	0.22 125	0.23 133

IMH-64	0.22 111	0.23 91	0.23 132	0.22 109	0.22 151	0.22 126	0.22 139	0.22 125	0.22 142	0.22 125	0.22 148	0.22 130	0.22 146	0.22 130	0.22 142	0.22 126	0.22 135	0.23 135	0.22 146	0.22 125	0.23 133

MMNet	0.44 189	1.24 274	0.17 116	0.25 119	0.17 134	0.25 137	0.18 124	1.26 348	0.93 298	0.25 135	0.17 131	0.25 140	0.18 133	0.25 140	0.17 126	0.23 135	0.16 113	0.23 135	0.16 125	1.20 292	0.99 295

psm_up	0.43 186	1.19 225	0.17 116	0.25 119	0.18 139	0.25 137	0.19 127	1.26 348	0.91 293	0.26 142	0.17 131	0.25 140	0.17 128	0.25 140	0.17 126	0.22 126	0.17 125	0.23 135	0.16 125	1.18 289	0.99 295

ac_64	0.22 111	0.13 67	0.19 123	0.23 111	0.10 88	0.26 144	1.02 300	0.14 95	0.10 85	0.28 144	0.14 121	0.17 109	0.19 138	0.28 153	0.09 76	0.22 126	0.16 113	0.23 135	0.17 138	0.11 90	0.12 106

CFNet	1.37 343	5.27 372	0.19 123	5.49 388	0.19 142	0.28 148	0.19 127	0.28 140	0.19 136	0.28 144	0.19 140	0.28 150	4.35 398	0.28 153	0.19 135	0.23 135	0.17 125	0.23 135	4.21 408	4.81 390	0.17 121

UNDER WATER-64	0.25 118	0.26 99	0.25 140	0.26 125	0.25 161	0.25 137	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.25 140	0.25 153	0.26 149	0.25 154	0.25 144	0.25 141	0.25 141	0.25 159	0.25 133	0.25 143

LoS_RVC	0.30 132	1.14 218	0.25 140	0.25 119	0.25 161	0.26 144	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.26 148	0.26 162	0.26 149	0.25 154	0.26 145	0.26 144	0.25 141	0.25 159	0.26 134	0.26 149

LoS	0.25 118	0.27 100	0.25 140	0.25 119	0.25 161	0.25 137	0.25 149	0.26 138	0.25 151	0.25 135	0.25 161	0.25 140	0.25 153	0.25 140	0.25 154	0.26 145	0.25 141	0.25 141	0.26 165	0.26 134	0.25 143

CAS	0.30 132	1.17 222	0.25 140	0.25 119	0.25 161	0.26 144	0.25 149	0.25 134	0.26 164	0.25 135	0.25 161	0.25 140	0.25 153	0.25 140	0.25 154	0.26 145	0.26 144	0.26 144	0.25 159	0.26 134	0.25 143

ssnet_v2	0.68 224	1.96 306	1.25 349	0.29 128	0.20 143	0.30 152	0.20 129	0.29 143	0.22 142	1.50 359	0.20 142	0.31 158	0.20 141	0.27 151	0.22 142	0.24 140	1.49 362	0.26 144	0.18 140	3.90 379	0.19 126

FCDSN-DC	0.41 177	0.59 170	0.64 239	0.54 203	0.33 203	0.50 240	0.37 205	0.42 205	0.40 215	0.61 249	0.43 232	0.50 242	0.49 242	0.38 177	0.32 183	0.28 150	0.23 139	0.26 144	0.22 146	0.35 166	0.28 166
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AANet_RVC	1.26 339	0.31 107	4.99 398	5.93 391	0.20 143	0.25 137	0.20 129	0.25 134	0.20 137	0.23 129	0.19 140	0.25 140	0.20 141	0.25 140	0.20 137	5.66 400	4.76 392	0.26 144	0.30 193	0.24 132	0.27 154

tt1	0.31 135	0.93 194	0.24 138	0.33 137	0.23 155	0.31 155	0.24 147	0.32 147	0.24 148	0.32 153	0.23 151	0.32 160	0.25 153	0.32 159	0.24 149	0.27 148	0.26 144	0.27 148	0.26 165	0.27 137	0.27 154

DISCO	1.11 289	0.39 124	5.28 399	0.39 151	0.20 143	0.39 184	0.27 158	0.39 172	0.22 142	0.38 169	0.20 142	0.38 178	0.20 141	6.95 412	0.22 142	0.30 157	0.21 132	0.27 148	0.21 144	5.25 394	0.21 129

xxxxx1	0.31 135	0.91 188	0.23 132	0.31 132	0.23 155	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 161	0.25 153	0.32 159	0.24 149	0.28 150	0.28 154	0.28 150	0.28 175	0.29 141	0.27 154

SQANet	0.28 128	0.28 103	0.28 149	0.28 127	0.28 171	0.28 148	0.28 163	0.28 140	0.28 170	0.28 144	0.28 174	0.28 150	0.28 174	0.28 153	0.28 164	0.28 150	0.28 154	0.28 150	0.28 175	0.28 139	0.28 166

tt_ll	0.31 135	0.91 188	0.23 132	0.31 132	0.23 155	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 161	0.25 153	0.32 159	0.24 149	0.28 150	0.28 154	0.28 150	0.28 175	0.29 141	0.27 154

ff	0.31 135	0.91 188	0.23 132	0.31 132	0.23 155	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 161	0.25 153	0.32 159	0.24 149	0.28 150	0.28 154	0.28 150	0.28 175	0.29 141	0.27 154

DLNR_Zeroshot_test	0.31 135	0.28 103	0.47 212	0.79 228	0.24 160	0.30 152	0.26 155	0.30 145	0.24 148	0.32 153	0.23 151	0.31 158	0.24 151	0.30 157	0.23 147	0.29 156	0.26 144	0.29 154	0.24 156	0.33 150	0.23 133

RAFT + AFF	0.31 135	0.45 144	0.34 176	0.39 151	0.28 171	0.38 178	0.33 186	0.29 143	0.31 184	0.30 147	0.30 185	0.29 155	0.27 169	0.29 156	0.30 177	0.28 150	0.29 163	0.29 154	0.29 184	0.27 137	0.32 188

DANet	0.30 132	0.30 106	0.30 155	0.30 129	0.30 186	0.30 152	0.30 173	0.30 145	0.30 182	0.30 147	0.30 185	0.30 156	0.30 183	0.30 157	0.30 177	0.30 157	0.30 172	0.30 156	0.30 193	0.30 144	0.30 179
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Anonymous Stereo	2.36 371	18.47 401	11.50 414	9.80 409	0.53 260	0.28 148	0.50 247	0.58 240	0.53 251	0.59 247	0.53 259	0.66 260	0.52 248	0.62 251	0.41 222	0.36 175	0.37 184	0.31 157	0.19 141	0.20 118	0.22 131

modified_for_full_sf	0.33 144	0.37 114	0.32 164	0.39 151	0.32 193	0.35 166	0.32 178	0.34 152	0.31 184	0.35 160	0.32 189	0.35 165	0.32 188	0.34 164	0.31 182	0.33 161	0.29 163	0.32 158	0.29 184	0.32 145	0.29 170

gwcnet-sp	0.82 252	1.72 290	1.48 363	0.39 151	0.15 128	0.31 155	0.21 135	0.20 116	0.25 151	1.61 361	0.23 151	0.28 150	0.26 162	0.20 116	0.15 120	0.24 140	1.33 352	0.32 158	0.16 125	6.75 401	0.23 133

scenet	0.82 252	1.72 290	1.48 363	0.39 151	0.15 128	0.31 155	0.21 135	0.20 116	0.25 151	1.61 361	0.23 151	0.28 150	0.26 162	0.20 116	0.15 120	0.24 140	1.33 352	0.32 158	0.16 125	6.75 401	0.23 133

ssnet	0.82 252	1.72 290	1.48 363	0.39 151	0.15 128	0.31 155	0.21 135	0.20 116	0.25 151	1.61 361	0.23 151	0.28 150	0.26 162	0.20 116	0.15 120	0.24 140	1.33 352	0.32 158	0.16 125	6.75 401	0.23 133

IGEV-Stereo	0.35 152	0.44 142	0.45 205	0.49 194	0.30 186	0.37 175	0.30 173	0.36 159	0.30 182	0.36 164	0.29 176	0.36 171	0.29 178	0.36 172	0.30 177	0.46 216	0.39 193	0.32 158	0.24 156	0.32 145	0.25 143
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GES	0.66 219	2.34 317	0.29 151	0.41 173	0.29 177	0.41 200	0.29 168	0.42 205	0.29 172	0.40 178	0.41 224	0.41 198	0.30 183	0.51 237	0.29 170	0.32 160	0.29 163	0.32 158	2.46 394	2.49 367	0.30 179

FENet	0.54 209	1.52 284	1.19 295	1.41 336	0.23 155	0.35 166	0.23 143	0.35 155	0.23 147	0.34 157	0.23 151	0.35 165	0.23 150	0.35 167	0.23 147	1.40 353	1.07 282	0.32 158	0.23 151	0.33 150	0.23 133

iResNet_ROB	0.28 128	0.32 108	0.24 138	0.32 135	0.25 161	0.32 162	0.24 147	0.32 147	0.24 148	0.33 155	0.24 157	0.35 165	0.24 151	0.33 163	0.24 149	0.31 159	0.24 140	0.32 158	0.24 156	0.32 145	0.24 142

ACVNet-DCA	0.37 157	1.00 201	0.30 155	0.40 164	0.29 177	0.40 185	0.29 168	0.40 176	0.29 172	0.40 178	0.29 176	0.40 188	0.29 178	0.39 184	0.28 164	0.33 161	0.32 175	0.33 166	0.32 202	0.33 150	0.32 188

1test111	0.37 157	1.02 210	0.30 155	0.39 151	0.29 177	0.40 185	0.28 163	0.39 172	0.29 172	0.39 174	0.29 176	0.39 182	0.28 174	0.40 187	0.29 170	0.33 161	0.32 175	0.33 166	0.31 198	0.32 145	0.31 184

cc1	0.37 157	1.02 210	0.30 155	0.39 151	0.29 177	0.40 185	0.28 163	0.39 172	0.29 172	0.39 174	0.29 176	0.39 182	0.28 174	0.40 187	0.29 170	0.33 161	0.32 175	0.33 166	0.31 198	0.32 145	0.31 184

CASnet	0.35 152	0.51 162	0.44 203	0.32 135	0.31 190	0.24 133	0.34 195	0.36 159	0.25 151	0.31 149	0.37 208	0.30 156	0.33 193	0.25 140	0.45 231	0.37 179	0.37 184	0.33 166	0.35 211	0.34 154	0.37 201
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 256	1.91 299	0.92 274	4.48 382	0.02 20	0.40 185	0.04 54	0.41 189	0.02 20	0.48 219	0.03 40	0.41 198	0.05 64	0.03 33	0.05 59	1.97 369	4.19 389	0.33 166	0.23 151	0.34 154	0.27 154

BSDual-CNN	0.81 248	1.91 299	0.92 274	4.48 382	0.02 20	0.42 216	0.06 75	0.41 189	0.02 20	0.48 219	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 369	4.19 389	0.33 166	0.23 151	0.34 154	0.27 154

hknet	1.10 287	1.85 297	3.49 392	4.48 382	0.02 20	0.42 216	0.06 75	0.41 189	0.02 20	0.48 219	0.03 40	0.41 198	0.03 42	0.42 211	0.03 37	4.39 392	4.19 389	0.33 166	0.23 151	0.34 154	0.27 154

H2IRNET	0.34 146	0.34 109	0.34 176	0.34 138	0.34 209	0.34 163	0.34 195	0.34 152	0.34 199	0.34 157	0.34 199	0.34 164	0.34 196	0.34 164	0.34 199	0.34 165	0.34 179	0.34 173	0.34 208	0.34 154	0.34 196

MyStereo07	0.60 214	3.72 348	0.48 217	0.49 194	0.41 230	0.36 170	0.32 178	0.49 220	0.43 229	0.51 234	0.42 230	0.49 231	0.43 224	0.51 237	0.64 263	0.49 228	0.45 210	0.34 173	0.32 202	0.35 166	0.43 222

MyStereo04	0.56 212	3.72 348	0.59 232	0.49 194	0.41 230	0.36 170	0.32 178	0.37 165	0.31 184	0.34 157	0.46 237	0.35 165	0.32 188	0.35 167	0.33 186	0.49 228	0.45 210	0.34 173	0.32 202	0.35 166	0.43 222

xx1	0.38 163	1.03 212	0.31 161	0.40 164	0.31 190	0.41 200	0.28 163	0.40 176	0.29 172	0.40 178	0.29 176	0.40 188	0.29 178	0.40 187	0.29 170	0.34 165	0.33 178	0.34 173	0.32 202	0.34 154	0.32 188

CRFU-Net	0.65 217	1.67 289	1.22 345	1.96 349	0.27 168	0.41 200	0.27 158	0.41 189	0.27 167	0.40 178	0.26 166	0.41 198	0.27 169	0.40 187	0.27 160	1.80 363	1.62 366	0.34 173	0.23 151	0.33 150	0.23 133

NINENet	0.69 226	3.87 354	1.20 298	1.98 350	0.05 69	0.40 185	0.04 54	0.40 176	0.05 68	0.41 190	0.04 63	0.41 198	0.05 64	0.40 187	0.05 59	1.79 362	1.56 364	0.34 173	0.22 146	0.34 154	0.23 133

iRaft-Stereo_5w	0.34 146	0.42 140	0.31 161	0.39 151	0.30 186	0.38 178	0.30 173	0.40 176	0.29 172	0.40 178	0.37 208	0.41 198	0.34 196	0.38 177	0.30 177	0.34 165	0.27 149	0.34 173	0.26 165	0.34 154	0.26 149

iRaft-Stereo_20w	0.34 146	0.41 133	0.31 161	0.39 151	0.29 177	0.40 185	0.32 178	0.41 189	0.32 189	0.38 169	0.30 185	0.39 182	0.30 183	0.38 177	0.32 183	0.35 172	0.27 149	0.34 173	0.27 171	0.34 154	0.29 170

HGLStereo	0.28 128	0.29 105	0.22 130	0.36 143	0.22 151	0.36 170	0.21 135	0.36 159	0.21 140	0.42 201	0.21 147	0.36 171	0.22 146	0.36 172	0.21 140	0.34 165	0.21 132	0.34 173	0.21 144	0.34 154	0.21 129

MLCV	0.31 135	0.35 110	0.27 146	0.35 139	0.28 171	0.35 166	0.27 158	0.35 155	0.28 170	0.36 164	0.27 169	0.35 165	0.27 169	0.35 167	0.27 160	0.34 165	0.27 149	0.34 173	0.27 171	0.34 154	0.27 154

DN-CSS_ROB	0.31 135	0.35 110	0.28 149	0.35 139	0.28 171	0.34 163	0.27 158	0.34 152	0.25 151	0.35 160	0.27 169	0.36 171	0.26 162	0.34 164	0.28 164	0.35 172	0.28 154	0.34 173	0.28 175	0.34 154	0.27 154

HH	0.71 229	2.54 320	0.74 258	1.10 264	0.32 193	0.41 200	0.37 205	0.69 252	0.78 284	0.73 263	0.90 296	0.75 268	1.00 288	0.84 274	0.69 275	0.69 248	0.40 195	0.35 184	0.26 165	0.35 166	0.26 149

HanStereo	0.71 229	2.54 320	0.74 258	1.10 264	0.32 193	0.41 200	0.37 205	0.69 252	0.78 284	0.73 263	0.90 296	0.75 268	1.00 288	0.84 274	0.69 275	0.69 248	0.40 195	0.35 184	0.26 165	0.35 166	0.26 149

4D-IteraStereo	0.78 240	3.13 337	0.89 269	0.69 217	0.32 193	0.40 185	0.32 178	0.76 258	0.97 301	0.52 237	0.65 275	0.89 282	0.32 188	0.76 268	0.98 296	0.83 265	0.94 276	0.35 184	0.27 171	0.70 238	0.89 288

DMCA	0.36 155	0.38 117	0.37 182	0.35 139	0.35 212	0.36 170	0.36 201	0.36 159	0.35 201	0.35 160	0.37 208	0.36 171	0.36 200	0.35 167	0.36 202	0.36 175	0.36 182	0.35 184	0.36 215	0.36 172	0.36 198

ETE_ROB	0.35 152	0.35 110	0.35 180	0.35 139	0.35 212	0.35 166	0.35 198	0.35 155	0.35 201	0.35 160	0.35 204	0.35 165	0.35 199	0.35 167	0.35 200	0.35 172	0.35 180	0.35 184	0.35 211	0.35 166	0.35 197

Any-RAFT	0.32 143	0.36 113	0.27 146	0.36 143	0.27 168	0.36 170	0.27 158	0.36 159	0.27 167	0.36 164	0.27 169	0.36 171	0.27 169	0.36 172	0.28 164	0.36 175	0.28 154	0.36 189	0.28 175	0.36 172	0.28 166

UCFNet_RVC	2.75 386	10.06 396	0.29 151	10.31 414	0.29 177	0.42 216	0.29 168	0.43 207	0.29 172	0.42 201	0.29 176	0.42 214	9.87 414	0.43 212	0.29 170	0.36 175	9.84 414	0.36 189	0.26 165	9.77 413	0.26 149

LargeStereo	0.34 146	0.43 141	0.30 155	0.40 164	0.29 177	0.40 185	0.29 168	0.40 176	0.29 172	0.40 178	0.29 176	0.40 188	0.29 178	0.40 187	0.30 177	0.38 186	0.29 163	0.37 191	0.29 184	0.37 174	0.29 170

TorneroNet-64	0.45 190	0.27 100	0.30 155	0.58 207	0.27 168	0.70 262	0.30 173	0.28 140	0.73 281	0.73 263	0.28 174	0.71 262	0.66 261	0.75 267	0.27 160	0.27 148	0.29 163	0.37 191	0.75 285	0.28 139	0.30 179

RAFT-Test	0.36 155	0.37 114	0.33 169	0.41 173	0.32 193	0.41 200	0.32 178	0.41 189	0.32 189	0.41 190	0.32 189	0.41 198	0.32 188	0.41 200	0.33 186	0.37 179	0.29 163	0.37 191	0.29 184	0.38 181	0.31 184

IER	0.88 264	7.04 376	2.23 381	2.75 368	0.28 171	0.43 220	0.25 149	0.39 172	0.25 151	0.41 190	0.27 169	0.39 182	0.25 153	0.40 187	0.28 164	0.37 179	0.28 154	0.37 191	0.25 159	0.37 174	0.25 143

GANet-RSSM	0.75 235	1.91 299	0.14 97	0.47 189	0.14 119	0.21 124	3.21 398	2.30 376	0.14 118	0.46 210	0.14 121	0.23 133	0.18 133	0.21 126	0.14 112	0.18 116	0.27 149	0.37 191	0.13 119	2.13 361	2.12 386

StereoDRNet-Refined	0.33 144	0.39 124	0.26 145	0.39 151	0.26 167	0.40 185	0.26 155	0.40 176	0.26 164	0.39 174	0.26 166	0.39 182	0.26 162	0.39 184	0.26 159	0.37 179	0.25 141	0.37 191	0.25 159	0.37 174	0.37 201
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 157	0.37 114	0.37 182	0.37 146	0.37 214	0.37 175	0.37 205	0.37 165	0.37 207	0.37 168	0.37 208	0.37 176	0.37 202	0.37 176	0.37 208	0.37 179	0.37 184	0.37 191	0.37 218	0.37 174	0.37 201

WAO-8	0.38 163	0.38 117	0.38 184	0.38 147	0.38 219	0.38 178	0.38 210	0.38 168	0.38 209	0.38 169	0.38 213	0.38 178	0.38 204	0.38 177	0.38 209	0.38 186	0.38 188	0.38 198	0.37 218	0.38 181	0.38 205

WAO-7	0.38 163	0.38 117	0.38 184	0.38 147	0.38 219	0.38 178	0.38 210	0.38 168	0.38 209	0.38 169	0.38 213	0.38 178	0.38 204	0.38 177	0.38 209	0.38 186	0.38 188	0.38 198	0.38 224	0.38 181	0.38 205

Venus	0.38 163	0.38 117	0.38 184	0.38 147	0.38 219	0.37 175	0.38 210	0.37 165	0.37 207	0.41 190	0.37 208	0.39 182	0.37 202	0.38 177	0.38 209	0.37 179	0.38 188	0.38 198	0.37 218	0.37 174	0.38 205

RCA-Stereo	0.51 207	3.22 340	0.34 176	0.44 182	0.34 209	0.44 221	0.34 195	0.43 207	0.34 199	0.43 205	0.34 199	0.44 217	0.33 193	0.43 212	0.33 186	0.38 186	0.29 163	0.38 198	0.29 184	0.38 181	0.29 170

Former-RAFT_DAM_RVC	0.49 204	0.98 198	0.64 239	0.84 234	0.46 241	0.45 222	0.35 198	0.47 214	0.47 235	0.45 209	0.34 199	0.46 218	0.48 237	0.46 217	0.35 200	0.39 192	0.71 258	0.39 202	0.35 211	0.41 198	0.41 216

IMH	0.38 163	0.38 117	0.38 184	0.38 147	0.38 219	0.38 178	0.38 210	0.38 168	0.38 209	0.42 201	0.38 213	0.40 188	0.38 204	0.38 177	0.38 209	0.38 186	0.38 188	0.39 202	0.38 224	0.38 181	0.38 205

EKT-Stereo	0.37 157	0.40 126	0.44 203	1.07 262	0.29 177	0.34 163	0.31 177	0.36 159	0.29 172	0.38 169	0.31 188	0.37 176	0.30 183	0.36 172	0.29 170	0.34 165	0.28 154	0.39 202	0.30 193	0.37 174	0.30 179

Gwc-CoAtRS	0.41 177	1.49 283	0.32 164	0.42 181	0.32 193	0.41 200	0.32 178	0.41 189	0.33 192	0.41 190	0.32 189	0.41 198	0.32 188	0.41 200	0.32 183	0.39 192	0.28 154	0.39 202	0.28 175	0.40 190	0.28 166

HanzoNet	0.39 168	0.38 117	0.40 189	0.39 151	0.41 230	0.38 178	0.38 210	0.38 168	0.38 209	0.39 174	0.39 217	0.38 178	0.38 204	0.39 184	0.40 215	0.38 186	0.38 188	0.40 206	0.38 224	0.38 181	0.40 209

CFNet_ucs	2.73 385	9.64 393	0.33 169	9.92 411	0.32 193	0.49 234	0.33 186	0.49 220	0.33 192	0.49 224	0.33 193	0.49 231	8.98 412	0.48 226	0.33 186	0.41 202	9.96 415	0.40 206	0.29 184	10.12 415	0.54 244

knoymous	0.40 171	0.40 126	0.40 189	0.40 164	0.40 224	0.40 185	0.40 216	0.40 176	0.40 215	0.40 178	0.40 218	0.40 188	0.40 209	0.40 187	0.40 215	0.40 195	0.40 195	0.40 206	0.40 227	0.40 190	0.40 209

anonymousa	0.40 171	0.40 126	0.40 189	0.40 164	0.40 224	0.40 185	0.40 216	0.40 176	0.40 215	0.40 178	0.40 218	0.40 188	0.40 209	0.40 187	0.40 215	0.40 195	0.40 195	0.40 206	0.40 227	0.40 190	0.40 209

riskmin	0.40 171	0.40 126	0.40 189	0.40 164	0.40 224	0.40 185	0.40 216	0.40 176	0.40 215	0.40 178	0.40 218	0.40 188	0.40 209	0.40 187	0.40 215	0.40 195	0.40 195	0.40 206	0.40 227	0.40 190	0.40 209

Anonymous_2	0.40 171	0.40 126	0.40 189	0.40 164	0.40 224	0.40 185	0.40 216	0.40 176	0.40 215	0.40 178	0.40 218	0.40 188	0.40 209	0.40 187	0.40 215	0.40 195	0.40 195	0.40 206	0.40 227	0.40 190	0.40 209

Anonymous_1	0.40 171	0.40 126	0.40 189	0.40 164	0.40 224	0.40 185	0.40 216	0.40 176	0.40 215	0.40 178	0.40 218	0.40 188	0.40 209	0.40 187	0.40 215	0.40 195	0.40 195	0.40 206	0.40 227	0.40 190	0.40 209

test-3	0.98 278	4.13 358	1.85 376	1.85 343	0.61 269	0.69 261	0.37 205	0.63 247	0.61 262	0.66 255	0.51 256	0.73 266	0.44 225	0.57 248	0.54 251	1.68 360	1.81 375	0.40 206	0.43 239	0.66 231	0.50 240

pcwnet_v2	2.66 383	9.89 395	0.33 169	9.89 410	0.32 193	0.50 240	0.32 178	0.49 220	0.33 192	0.49 224	0.34 199	0.49 231	8.76 411	0.48 226	0.33 186	0.41 202	9.58 411	0.40 206	0.29 184	9.01 410	0.63 258

DGSMNet	0.34 146	0.41 133	0.27 146	0.41 173	0.28 171	0.41 200	0.28 163	0.41 189	0.27 167	0.41 190	0.27 169	0.42 214	0.27 169	0.41 200	0.28 164	0.40 195	0.29 163	0.40 206	0.28 175	0.40 190	0.27 154

AdaStereo	0.40 171	0.40 126	0.40 189	0.40 164	0.40 224	0.40 185	0.40 216	0.40 176	0.40 215	0.40 178	0.40 218	0.40 188	0.40 209	0.40 187	0.40 215	0.40 195	0.40 195	0.40 206	0.40 227	0.40 190	0.40 209
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
GwcNet-ADL	0.41 177	0.41 133	0.41 197	0.41 173	0.41 230	0.41 200	0.41 222	0.41 189	0.41 224	0.41 190	0.41 224	0.41 198	0.41 219	0.41 200	0.41 222	0.41 202	0.41 204	0.41 217	0.41 233	0.41 198	0.41 216

PSMNet-ADL	0.41 177	0.41 133	0.41 197	0.41 173	0.41 230	0.41 200	0.41 222	0.41 189	0.41 224	0.41 190	0.41 224	0.41 198	0.41 219	0.41 200	0.41 222	0.41 202	0.41 204	0.41 217	0.41 233	0.41 198	0.41 216

GANet-ADL	0.41 177	0.41 133	0.41 197	0.41 173	0.41 230	0.41 200	0.41 222	0.41 189	0.41 224	0.41 190	0.41 224	0.41 198	0.41 219	0.41 200	0.41 222	0.41 202	0.41 204	0.41 217	0.41 233	0.41 198	0.41 216

ADLNet2	0.41 177	0.41 133	0.41 197	0.41 173	0.41 230	0.41 200	0.41 222	0.41 189	0.41 224	0.41 190	0.41 224	0.41 198	0.41 219	0.41 200	0.41 222	0.41 202	0.41 204	0.41 217	0.41 233	0.41 198	0.41 216

CFNet_pseudo	2.67 384	9.36 391	0.32 164	10.99 415	0.33 203	0.85 276	0.33 186	0.49 220	0.33 192	0.49 224	0.32 189	0.49 231	7.26 408	0.49 232	0.33 186	0.41 202	9.62 412	0.41 217	0.29 184	10.03 414	0.29 170

ADLNet	0.41 177	0.41 133	0.41 197	0.41 173	0.41 230	0.41 200	0.41 222	0.41 189	0.41 224	0.41 190	0.41 224	0.41 198	0.41 219	0.41 200	0.41 222	0.41 202	0.41 204	0.41 217	0.41 233	0.41 198	0.41 216

psmorigin	0.41 177	0.46 146	0.33 169	0.49 194	0.33 203	0.49 234	0.33 186	0.49 220	0.33 192	0.49 224	0.33 193	0.49 231	0.33 193	0.51 237	0.33 186	0.41 202	0.30 172	0.41 217	0.30 193	0.79 249	0.29 170

MSMDNet	2.65 382	10.14 397	0.33 169	9.74 408	0.32 193	0.87 277	0.33 186	2.95 386	0.68 270	0.49 224	0.34 199	0.49 231	5.70 404	0.49 232	0.33 186	0.42 215	9.57 410	0.41 217	0.31 198	8.36 408	0.65 260

ccs_rob	2.79 387	10.17 398	0.32 164	10.00 412	0.33 203	0.49 234	0.33 186	1.90 363	0.32 189	0.51 234	0.33 193	0.49 231	9.24 413	0.49 232	0.33 186	0.41 202	9.82 413	0.41 217	0.28 175	9.34 411	0.29 170

PCWNet_CMD	2.80 388	9.82 394	0.32 164	10.09 413	0.32 193	0.49 234	0.33 186	3.34 390	0.33 192	0.49 224	0.33 193	0.49 231	8.73 410	0.48 226	0.33 186	0.41 202	9.22 409	0.42 226	0.29 184	9.55 412	0.31 184

ccnet	0.80 243	2.28 316	0.33 169	0.50 200	0.33 203	0.50 240	0.33 186	0.50 227	0.33 192	0.49 224	0.33 193	0.49 231	1.56 368	2.38 379	0.33 186	0.41 202	0.29 163	0.42 226	1.57 377	2.28 363	0.29 170

LL-Strereo2	0.48 201	1.73 294	0.51 225	0.59 209	0.34 209	0.42 216	0.33 186	0.40 176	0.31 184	0.42 201	0.33 193	0.42 214	0.31 187	0.44 214	0.39 214	0.60 241	0.51 230	0.44 228	0.33 207	0.44 205	0.33 191

CES	0.39 168	0.47 150	0.36 181	0.36 143	0.37 214	0.45 222	0.35 198	0.35 155	0.40 215	0.36 164	0.44 234	0.47 224	0.36 200	0.44 214	0.36 202	0.37 179	0.39 193	0.44 228	0.35 211	0.37 174	0.36 198

Selective-IGEV	0.51 207	0.55 169	0.45 205	0.69 217	0.45 240	0.61 254	0.45 230	0.50 227	0.40 215	0.56 243	0.44 234	0.55 247	0.40 209	0.72 263	0.67 267	0.59 239	0.46 212	0.45 230	0.34 208	0.46 206	0.37 201

otaku	0.46 191	0.46 146	0.46 207	0.46 184	0.46 241	0.46 224	0.46 231	0.46 209	0.46 232	0.46 210	0.46 237	0.46 218	0.46 227	0.46 217	0.46 233	0.46 216	0.46 212	0.46 231	0.46 241	0.46 206	0.46 226

Ntro	0.47 196	0.47 150	0.46 207	0.46 184	0.46 241	0.47 228	0.47 237	0.46 209	0.47 235	0.46 210	0.46 237	0.47 224	0.46 227	0.47 221	0.47 237	0.47 221	0.46 212	0.46 231	0.46 241	0.46 206	0.46 226

Dean	0.46 191	0.46 146	0.46 207	0.46 184	0.46 241	0.46 224	0.46 231	0.46 209	0.46 232	0.47 215	0.46 237	0.46 218	0.46 227	0.46 217	0.46 233	0.46 216	0.46 212	0.46 231	0.46 241	0.46 206	0.46 226

ACVNet-4b	0.46 191	0.46 146	0.46 207	0.46 184	0.46 241	0.46 224	0.46 231	0.46 209	0.46 232	0.46 210	0.46 237	0.46 218	0.46 227	0.47 221	0.46 233	0.46 216	0.46 212	0.46 231	0.46 241	0.46 206	0.46 226

HaxPig	0.47 196	0.47 150	0.47 212	0.49 194	0.47 247	0.47 228	0.47 237	0.47 214	0.47 235	0.47 215	0.47 244	0.47 224	0.47 236	0.47 221	0.47 237	0.47 221	0.47 218	0.47 235	0.47 247	0.47 212	0.48 234

UNDER WATER	0.47 196	0.47 150	0.47 212	0.47 189	0.47 247	0.47 228	0.47 237	0.47 214	0.47 235	0.47 215	0.47 244	0.47 224	0.46 227	0.47 221	0.47 237	0.47 221	0.47 218	0.47 235	0.46 241	0.47 212	0.47 231

ACVNet_1	0.46 191	0.47 150	0.46 207	0.46 184	0.46 241	0.46 224	0.46 231	0.46 209	0.47 235	0.46 210	0.46 237	0.46 218	0.46 227	0.46 217	0.46 233	0.46 216	0.46 212	0.47 235	0.46 241	0.46 206	0.46 226

SPstereo	0.47 196	0.38 117	0.51 225	0.56 205	0.31 190	0.67 260	0.44 229	0.55 234	0.31 184	0.61 249	0.44 234	0.46 218	0.52 248	0.67 258	0.42 228	0.48 225	0.40 195	0.47 235	0.36 215	0.53 225	0.33 191

CASS	0.57 213	0.89 185	0.56 229	0.57 206	0.56 262	0.56 247	0.56 252	0.56 236	0.53 251	0.57 244	0.57 264	0.59 253	0.48 237	0.56 245	0.57 255	0.55 238	0.56 236	0.47 235	0.56 259	0.62 229	0.56 251
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
GMOStereo	0.37 157	0.45 144	0.23 132	0.30 129	0.37 214	0.41 200	0.36 201	0.41 189	0.35 201	0.43 205	0.36 205	0.41 198	0.40 209	0.41 200	0.36 202	0.34 165	0.22 135	0.47 235	0.37 218	0.39 187	0.33 191

error version	0.93 272	4.47 362	2.35 384	1.99 351	0.37 214	0.41 200	0.36 201	0.41 189	0.35 201	0.43 205	0.36 205	0.41 198	0.40 209	0.41 200	0.36 202	1.87 365	2.16 377	0.47 235	0.37 218	0.39 187	0.33 191

test_1	0.93 272	4.47 362	2.35 384	1.99 351	0.37 214	0.41 200	0.36 201	0.41 189	0.35 201	0.43 205	0.36 205	0.41 198	0.40 209	0.41 200	0.36 202	1.87 365	2.16 377	0.47 235	0.37 218	0.39 187	0.33 191

RainbowNet	0.48 201	0.48 156	0.48 217	0.48 192	0.48 249	0.48 232	0.48 242	0.48 218	0.48 241	0.48 219	0.48 247	0.48 229	0.48 237	0.48 226	0.48 242	0.48 225	0.48 222	0.48 243	0.48 250	0.48 215	0.48 234

notaker	0.48 201	0.49 157	0.48 217	0.48 192	0.48 249	0.48 232	0.48 242	0.48 218	0.49 243	0.48 219	0.48 247	0.48 229	0.48 237	0.48 226	0.48 242	0.48 225	0.48 222	0.48 243	0.48 250	0.48 215	0.49 237

LVE	0.47 196	0.47 150	0.47 212	0.47 189	0.49 252	0.47 228	0.47 237	0.47 214	0.49 243	0.47 215	0.47 244	0.47 224	0.46 227	0.47 221	0.47 237	0.47 221	0.47 218	0.48 243	0.47 247	0.47 212	0.47 231

ACVNet_2	0.49 204	0.49 157	0.49 221	0.49 194	0.49 252	0.49 234	0.49 245	0.49 220	0.49 243	0.49 224	0.49 251	0.49 231	0.49 242	0.49 232	0.49 245	0.49 228	0.49 224	0.49 246	0.49 252	0.49 217	0.49 237

iRaftStereo_RVC	0.97 276	3.17 339	2.30 383	2.42 363	0.38 219	0.54 245	0.38 210	0.54 233	0.38 209	0.54 239	0.38 213	0.54 244	0.38 204	0.54 240	0.38 209	2.38 379	2.34 381	0.49 246	0.36 215	0.49 217	0.36 198

CFNet_RVC	2.38 376	8.71 387	0.38 184	9.33 405	0.42 238	0.56 247	0.42 227	0.60 243	0.38 209	0.62 251	0.42 230	0.56 249	7.29 409	0.62 251	0.42 228	0.53 235	0.37 184	0.49 246	0.34 208	8.30 407	6.87 412

SANet	0.50 206	0.50 159	0.50 223	0.50 200	0.50 255	0.50 240	0.50 247	0.50 227	0.50 246	0.50 233	0.50 253	0.50 242	0.50 245	0.50 236	0.50 246	0.50 232	0.50 229	0.50 249	0.50 254	0.50 221	0.50 240

KSHMR	0.66 219	0.50 159	0.48 217	1.15 271	0.52 257	0.49 234	0.51 249	0.49 220	0.71 278	0.67 256	0.50 253	1.16 309	1.11 296	0.66 256	0.52 249	0.49 228	0.49 224	0.51 250	0.66 272	0.50 221	1.14 310

LL-Strereo	1.01 283	5.06 371	1.63 366	0.70 219	1.43 379	0.56 247	0.46 231	0.57 238	0.50 246	0.57 244	0.50 253	1.58 365	0.49 242	0.59 250	0.50 246	1.64 359	0.52 231	0.51 250	1.37 368	0.52 223	0.45 225

PML	0.46 191	1.36 280	0.29 151	0.58 207	0.30 186	0.57 251	0.29 168	0.57 238	0.29 172	0.57 244	0.29 176	0.57 251	0.29 178	0.56 245	0.29 170	0.52 234	0.30 172	0.53 252	0.31 198	0.53 225	0.30 179

MyStereo8	0.71 229	3.92 355	0.52 227	0.59 209	0.52 257	0.57 251	0.53 250	0.59 242	0.50 246	0.59 247	0.51 256	0.57 251	0.50 245	0.56 245	0.52 249	0.54 236	0.49 224	0.54 253	0.49 252	0.55 228	0.50 240

PSMNet_ROB	0.54 209	0.54 167	0.54 228	0.54 203	0.53 260	0.54 245	0.54 251	0.53 232	0.54 255	0.54 239	0.54 260	0.54 244	0.53 250	0.54 240	0.54 251	0.54 236	0.53 233	0.54 253	0.54 255	0.54 227	0.54 244

ktn	0.72 232	0.53 164	1.08 286	1.14 269	0.51 256	1.22 355	1.36 367	0.51 231	0.59 258	0.51 234	0.51 256	0.69 261	1.20 307	0.67 258	0.51 248	0.51 233	0.49 224	0.58 255	0.66 272	0.52 223	0.53 243

FC-DCNN	1.07 285	1.09 214	0.98 279	0.89 237	0.52 257	1.41 364	0.91 288	1.21 344	1.24 367	1.96 368	2.05 392	1.91 369	1.30 360	1.27 358	1.08 302	0.80 260	0.60 239	0.58 255	0.41 233	0.68 233	0.54 244

DispNO	1.00 279	0.63 171	0.43 202	3.45 377	0.44 239	0.65 258	0.43 228	0.64 248	0.43 229	0.64 253	0.43 232	0.64 255	3.03 387	0.64 254	0.43 230	4.55 394	0.43 209	0.63 257	0.43 239	0.63 230	0.43 222

MyStereo06	0.75 235	4.12 356	0.60 233	0.63 212	0.61 269	0.62 255	0.66 264	0.56 236	0.45 231	0.55 241	0.48 247	0.54 244	0.46 227	0.57 248	0.45 231	0.60 241	0.57 237	0.64 258	0.55 256	0.72 240	0.55 248

MyStereo05	0.80 243	4.12 356	0.63 237	0.63 212	0.61 269	0.62 255	0.66 264	0.65 249	0.62 263	0.67 256	0.61 267	0.65 258	0.58 253	0.67 258	0.55 254	0.60 241	0.57 237	0.64 258	0.55 256	0.72 240	0.55 248

LMCR-Stereo	0.65 217	0.63 171	0.65 244	0.65 214	0.65 274	0.66 259	0.63 260	0.58 240	0.65 266	0.63 252	0.64 271	0.65 258	0.65 259	0.66 256	0.66 266	0.66 245	0.64 246	0.65 260	0.67 275	0.68 233	0.73 273

DSFCA	0.66 219	0.73 176	0.78 262	0.65 214	0.65 274	0.64 257	0.64 261	0.65 249	0.63 265	0.64 253	0.64 271	0.64 255	0.64 257	0.65 255	0.65 264	0.65 244	0.65 247	0.65 260	0.65 270	0.66 231	0.64 259

MyStereo02	0.85 261	4.58 364	0.64 239	0.76 226	0.65 274	0.75 266	0.61 256	0.60 243	0.53 251	0.80 270	0.64 271	0.78 271	0.66 261	0.55 242	0.57 255	0.70 251	0.66 249	0.68 262	0.62 267	0.72 240	0.59 252

MyStereo	0.85 261	4.58 364	0.64 239	0.76 226	0.65 274	0.75 266	0.61 256	0.60 243	0.53 251	0.80 270	0.64 271	0.78 271	0.66 261	0.55 242	0.57 255	0.70 251	0.66 249	0.68 262	0.62 267	0.72 240	0.59 252

anonymity	0.63 215	0.69 173	0.56 229	0.71 221	0.56 262	0.71 264	0.56 252	0.71 254	0.56 256	0.72 261	0.56 262	0.71 262	0.56 252	0.71 262	0.58 258	0.68 247	0.55 234	0.68 262	0.55 256	0.68 233	0.54 244

DMCA-RVC	0.70 227	0.80 179	0.70 251	0.70 219	0.70 283	0.70 262	0.70 272	0.71 254	0.70 275	0.70 259	0.71 284	0.71 262	0.70 269	0.70 261	0.69 275	0.69 248	0.70 256	0.69 265	0.70 281	0.69 237	0.70 268

PA-Net	11.80 414	223.51 437	0.62 236	0.59 209	0.71 284	0.59 253	0.73 276	0.67 251	0.73 281	0.55 241	0.61 267	0.60 254	0.74 274	0.63 253	0.73 280	0.66 245	0.60 239	0.69 265	0.66 272	0.72 240	0.65 260
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ARAFT	0.68 224	0.81 182	0.63 237	0.74 224	0.60 264	0.78 271	0.62 259	0.77 259	0.66 268	0.74 267	0.63 269	0.75 268	0.62 256	0.83 273	0.60 260	0.70 251	0.55 234	0.70 267	0.60 264	0.78 247	0.55 248

whm_eth	0.63 215	1.48 282	0.47 212	0.71 221	0.48 249	0.71 264	0.48 242	0.71 254	0.48 241	0.71 260	0.48 247	0.71 262	0.48 237	0.72 263	0.48 242	0.71 254	0.47 218	0.71 268	0.47 247	0.71 239	0.47 231

AEACV	1.12 290	0.52 163	3.12 390	3.24 374	0.86 297	0.53 244	0.49 245	0.60 243	0.47 235	0.53 238	0.49 251	0.55 247	0.45 226	0.55 242	0.47 237	3.01 384	3.88 387	0.71 268	0.60 264	0.80 252	0.48 234

iGMRVC	0.84 258	2.85 334	0.72 255	0.72 223	0.73 287	0.77 269	0.79 280	0.73 257	0.74 283	0.73 263	0.72 286	0.73 266	0.76 276	0.73 265	0.73 280	0.72 256	0.73 260	0.73 270	0.72 284	0.73 245	0.72 271

RAFT-Stereo + iAFF	0.70 227	0.72 175	0.71 254	0.80 230	0.62 272	0.82 275	0.61 256	0.81 264	0.62 263	0.81 274	0.63 269	0.80 275	0.70 269	0.73 265	0.61 262	0.76 257	0.61 243	0.74 271	0.61 266	0.77 246	0.61 255

MyStereo03	0.84 258	4.93 369	0.68 250	0.90 238	0.74 289	0.56 247	0.46 231	0.55 234	0.52 250	0.74 267	0.56 262	0.56 249	0.46 227	0.81 272	0.54 251	0.59 239	0.52 231	0.75 272	0.68 276	0.68 233	0.65 260

CoDeX	0.15 89	0.70 174	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	0.67 267	0.02 14	0.69 255	0.75 272	0.01 9	0.02 19	0.02 19

CFNet-RSSM	0.91 267	4.89 368	0.34 176	0.44 182	1.07 314	1.62 367	1.40 373	0.91 271	0.35 201	1.60 360	1.39 372	0.64 255	0.34 196	0.44 214	0.33 186	0.41 202	0.35 180	0.75 272	0.30 193	0.41 198	0.29 170

HCRNet	1.22 337	7.11 377	3.00 389	3.55 378	0.33 203	0.29 151	0.14 113	0.19 112	0.15 126	0.33 155	0.29 176	0.25 140	0.14 117	0.22 130	0.33 186	3.64 388	3.00 384	0.76 275	0.32 202	0.18 114	0.13 112

SFCPSM	0.17 98	0.78 177	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	0.79 283	0.02 14	0.75 262	0.76 275	0.02 20	0.02 19	0.02 19

Selective-RAFT-Error	0.88 264	0.84 183	0.98 279	0.86 236	0.97 307	0.88 278	0.95 293	0.84 265	0.99 303	0.92 280	0.82 294	0.84 279	0.98 287	0.87 277	0.97 295	0.81 263	0.83 270	0.79 277	0.82 292	0.79 249	0.85 285

G-Net	0.79 241	0.79 178	0.79 265	0.79 228	0.79 293	0.79 272	0.79 280	0.79 260	0.79 287	0.79 269	0.79 291	0.79 274	0.79 278	0.79 269	0.79 283	0.79 259	0.79 264	0.79 277	0.79 288	0.79 249	0.79 279

NaN_ROB	0.80 243	0.80 179	0.80 266	0.80 230	0.80 295	0.80 273	0.80 282	0.80 261	0.80 288	0.80 270	0.80 292	0.80 275	0.80 279	0.80 270	0.80 285	0.80 260	0.80 267	0.80 279	0.80 289	0.80 252	0.80 280

CSAN	0.80 243	0.80 179	0.80 266	0.80 230	0.80 295	0.80 273	0.80 282	0.80 261	0.80 288	0.80 270	0.80 292	0.80 275	0.80 279	0.80 270	0.80 285	0.80 260	0.80 267	0.80 279	0.80 289	0.80 252	0.80 280

DCRE	0.84 258	1.89 298	0.77 261	0.94 247	0.72 286	0.88 278	0.73 276	0.87 266	0.78 284	0.90 277	0.71 284	0.88 280	0.67 265	0.88 278	0.73 280	0.81 263	0.68 251	0.81 281	0.70 281	0.82 256	0.70 268

AFF-stereo	0.73 233	0.88 184	0.67 247	0.75 225	0.68 282	0.75 266	0.64 261	0.80 261	0.72 279	0.83 275	0.70 281	0.82 278	0.64 257	0.84 274	0.67 267	0.77 258	0.63 244	0.81 281	0.63 269	0.78 247	0.62 257

Selective-RAFT	0.89 266	0.89 185	0.72 255	1.16 276	0.78 292	1.06 295	0.82 284	0.87 266	0.97 301	1.00 288	0.91 298	0.90 283	1.00 288	0.89 280	0.93 294	0.83 265	0.83 270	0.82 283	0.82 292	0.81 255	0.82 283

UDG	0.80 243	2.21 314	0.60 233	0.91 241	0.60 264	0.90 281	0.58 254	0.88 268	0.60 259	0.90 277	0.60 265	0.88 280	0.60 255	0.90 281	0.58 258	0.86 269	0.60 239	0.84 284	0.59 263	0.84 257	0.61 255

ToySt	0.92 268	2.11 308	0.90 271	0.95 249	0.79 293	0.99 289	0.78 279	0.94 278	0.81 291	0.94 284	0.78 290	0.95 290	0.77 277	0.94 286	0.86 288	0.91 272	0.79 264	0.85 285	0.77 286	0.89 261	0.73 273

DDUNet	0.81 248	2.45 318	0.57 231	0.90 238	0.60 264	0.88 278	0.59 255	0.90 269	0.60 259	0.88 276	0.60 265	0.90 283	0.58 253	0.88 278	0.60 260	0.84 267	0.60 239	0.86 286	0.57 260	0.86 258	0.60 254

MoCha-V2	2.11 363	26.97 418	0.78 262	0.92 244	0.77 291	0.96 288	0.72 275	0.90 269	0.72 279	0.94 284	0.70 281	0.90 283	0.71 273	0.91 282	0.71 279	0.85 268	0.71 258	0.88 287	0.69 279	0.87 259	0.67 265

DGTPSM_ROB	0.93 272	1.00 201	0.92 274	0.94 247	0.96 306	0.91 282	0.92 289	0.91 271	0.96 300	0.91 279	0.96 302	0.93 289	0.92 284	0.94 286	0.92 290	0.92 273	0.92 274	0.90 288	0.92 295	0.94 269	0.91 289

DPSM_ROB	0.92 268	0.91 188	0.91 272	0.91 241	0.92 303	0.92 283	0.92 289	0.92 274	0.91 293	0.93 282	0.91 298	0.92 286	0.90 282	0.91 282	0.92 290	0.92 273	0.91 272	0.91 289	0.92 295	0.93 267	0.93 291

DPSM	0.92 268	0.91 188	0.91 272	0.91 241	0.92 303	0.92 283	0.92 289	0.92 274	0.91 293	0.93 282	0.91 298	0.92 286	0.90 282	0.91 282	0.92 290	0.92 273	0.91 272	0.91 289	0.92 295	0.93 267	0.93 291

STTRV1_RVC	0.82 252	1.60 287	0.70 251	1.01 258	0.60 264	1.07 298	0.69 271	1.01 284	0.60 259	0.72 261	0.55 261	1.02 297	0.68 266	1.03 296	0.67 267	0.89 271	0.63 244	0.92 291	0.57 260	0.90 262	0.65 260

pmcnn	0.92 268	0.92 193	0.92 274	0.92 244	0.92 303	0.92 283	0.92 289	0.92 274	0.92 297	0.92 280	0.92 301	0.92 286	0.92 284	0.92 285	0.92 290	0.92 273	0.92 274	0.92 291	0.92 295	0.92 266	0.92 290

R-Stereo Train	0.81 248	0.96 196	0.67 247	0.95 249	0.67 280	0.95 286	0.68 268	0.95 279	0.68 270	0.95 286	0.68 278	0.96 291	0.68 266	0.96 290	0.68 271	0.94 277	0.68 251	0.94 293	0.68 276	0.94 269	0.68 266

RAFT-Stereo	0.81 248	0.96 196	0.67 247	0.95 249	0.67 280	0.95 286	0.68 268	0.95 279	0.68 270	0.95 286	0.68 278	0.96 291	0.68 266	0.96 290	0.68 271	0.94 277	0.68 251	0.94 293	0.68 276	0.94 269	0.68 266
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
IGEVStereo-DCA	1.77 353	4.21 359	1.84 374	2.49 365	2.11 392	2.54 383	1.36 367	1.65 359	1.17 316	2.75 384	1.90 386	2.54 384	1.15 300	0.94 286	1.11 304	1.50 355	1.32 349	0.96 295	1.46 375	1.49 347	0.88 286

rrr	1.77 353	4.21 359	1.84 374	2.49 365	2.11 392	2.54 383	1.36 367	1.65 359	1.17 316	2.75 384	1.90 386	2.54 384	1.15 300	0.94 286	1.11 304	1.50 355	1.32 349	0.96 295	1.46 375	1.49 347	0.88 286

11t	1.27 340	2.70 327	1.34 351	1.32 330	0.89 298	1.30 359	1.34 365	1.64 358	0.57 257	1.45 358	0.72 286	1.05 298	1.29 359	1.07 299	1.29 365	1.49 354	1.02 281	0.97 297	1.15 308	1.48 346	1.31 366

HBP-ISP	1.24 338	1.72 290	1.65 367	1.15 271	0.76 290	1.40 363	0.88 286	1.67 361	1.02 308	1.69 365	1.38 371	1.69 367	1.21 353	1.87 365	1.21 360	1.05 283	0.79 264	0.97 297	0.80 289	1.19 291	0.75 277

GANet	1.00 279	1.00 201	1.00 281	1.00 255	1.00 308	1.00 290	1.00 296	1.00 281	1.00 304	1.00 288	1.00 303	1.00 293	1.00 288	1.00 292	1.00 298	1.00 279	1.00 277	1.00 299	1.00 299	1.00 272	1.00 297

TDLM	1.00 279	1.00 201	1.00 281	1.00 255	1.00 308	1.00 290	1.00 296	1.00 281	1.00 304	1.00 288	1.00 303	1.00 293	1.00 288	1.00 292	1.00 298	1.00 279	1.00 277	1.00 299	1.00 299	1.00 272	1.00 297

CVANet_RVC	1.00 279	1.00 201	1.00 281	1.00 255	1.00 308	1.00 290	1.00 296	1.00 281	1.00 304	1.00 288	1.00 303	1.00 293	1.00 288	1.00 292	1.00 298	1.00 279	1.00 277	1.00 299	1.00 299	1.00 272	1.00 297

trnet	1.01 283	1.01 206	1.01 284	1.01 258	1.01 312	1.01 293	1.01 299	1.01 284	1.01 307	1.01 292	1.01 306	1.01 296	1.01 294	1.01 295	1.01 301	1.01 282	1.01 280	1.01 302	1.01 302	1.01 275	1.01 300

DPSimNet_ROB	0.97 276	1.18 224	0.81 268	1.10 264	0.91 302	1.02 294	0.82 284	1.04 286	0.91 293	1.03 293	0.86 295	1.28 360	0.82 281	1.03 296	0.89 289	1.17 295	0.81 269	1.02 303	0.82 292	1.08 277	0.81 282

GLC_STEREO	1.07 285	1.01 206	1.06 285	1.07 262	1.05 313	1.06 295	1.08 302	1.08 287	1.05 309	1.07 294	1.06 307	1.08 299	1.05 295	1.06 298	1.10 303	1.07 284	1.09 288	1.05 304	1.05 303	1.06 276	1.12 306

MSMD_ROB	1.19 291	1.10 217	0.70 251	1.10 264	0.60 264	1.10 301	0.70 272	1.10 289	0.70 275	1.10 296	0.70 281	1.10 303	0.70 269	7.00 413	0.70 278	1.10 287	0.70 256	1.10 305	0.70 281	1.10 278	0.70 268

TorneroNet	0.66 219	0.53 164	0.50 223	0.50 200	0.64 273	1.06 295	0.70 272	0.50 227	0.51 249	0.49 224	0.69 280	0.49 231	0.50 245	0.48 226	1.15 308	0.71 254	0.49 224	1.14 306	1.08 304	0.49 217	0.49 237

NCC-stereo	2.36 371	25.52 413	1.17 292	1.15 271	1.17 321	1.11 304	1.11 303	1.15 290	1.16 312	1.10 296	1.16 311	1.10 303	1.15 300	1.14 306	1.13 306	1.09 285	1.11 292	1.15 307	1.16 310	1.17 288	1.17 312

RP	2.33 369	25.00 411	1.13 288	1.15 271	1.15 316	1.10 301	1.15 307	1.15 290	1.15 311	1.12 301	1.15 308	1.09 301	1.13 297	1.10 302	1.15 308	1.11 292	1.09 288	1.16 308	1.12 306	1.16 283	1.17 312

RGC	2.36 371	25.48 412	1.19 295	1.15 271	1.15 316	1.10 301	1.16 309	1.17 293	1.16 312	1.12 301	1.16 311	1.11 306	1.13 297	1.09 300	1.18 313	1.10 287	1.15 296	1.16 308	1.12 306	1.14 280	1.12 306

edge stereo	2.43 377	27.07 419	1.14 289	1.06 261	1.14 315	1.08 299	1.17 310	1.16 292	1.14 310	1.10 296	1.16 311	1.09 301	1.16 304	1.10 302	1.16 311	1.10 287	1.11 292	1.16 308	1.19 312	1.13 279	1.11 304

Nwc_Net	2.37 374	25.95 415	1.15 291	1.14 269	1.15 316	1.08 299	1.14 306	1.17 293	1.16 312	1.14 303	1.15 308	1.08 299	1.15 300	1.11 304	1.14 307	1.10 287	1.11 292	1.16 308	1.09 305	1.16 283	1.15 311

AF-Net	2.37 374	25.71 414	1.17 292	1.13 268	1.15 316	1.15 307	1.18 311	1.19 296	1.16 312	1.10 296	1.15 308	1.10 303	1.18 305	1.12 305	1.15 308	1.10 287	1.10 291	1.17 312	1.15 308	1.16 283	1.12 306

Abc-Net	2.32 368	24.75 410	1.14 289	1.17 277	1.17 321	1.11 304	1.15 307	1.17 293	1.21 364	1.08 295	1.16 311	1.12 307	1.14 299	1.09 300	1.17 312	1.09 285	1.16 297	1.17 312	1.17 311	1.16 283	1.11 304
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.95 275	1.17 222	0.78 262	1.18 278	0.71 284	1.16 308	0.75 278	1.09 288	0.80 288	1.10 296	0.75 289	1.17 310	0.74 274	1.17 308	0.80 285	1.13 293	0.73 260	1.17 312	0.77 286	1.16 283	0.72 271
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
stereogan	2.33 369	24.38 409	1.18 294	1.18 278	1.18 323	1.14 306	1.18 311	1.19 296	1.19 318	1.14 303	1.18 315	1.14 308	1.18 305	1.14 306	1.18 313	1.14 294	1.14 295	1.19 315	1.19 312	1.15 281	1.19 314

DisPM	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

CrosDoStereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

PFNet+	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

LCNet	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

HHNet	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

Patchmatch Stereo++	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315
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	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

STrans-v2	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

TransformOpticalFlow	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

OMP-Stereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

IIG-Stereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

NF-Stereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

OCTAStereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

PSM-softLoss	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

KMStereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

NRIStereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

PSM-adaLoss	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

PSM-AAD	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

FTStereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

ROB_FTStereo_v2	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

ROB_FTStereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

Consistency-Raft	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

KYRaft	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

HUI-Stereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

ASMatch	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

DeepStereo_LL	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

DEmStereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

SST-Stereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

THIR-Stereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

RAFT_R40	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

DRaft	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

PFNet	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

GrayStereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

RE-Stereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

Pruner-Stereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

TVStereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

DeepStereo_RVC	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

RAFT-RH_RVC	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

IRAFT_RVC	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

RAFT-345	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

iRAFT	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

CRE-IMP	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

GMM-Stereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

RAFT-IKP	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

Prome-Stereo	1.20 292	1.20 226	1.20 298	1.20 280	1.20 324	1.20 309	1.20 313	1.20 299	1.20 319	1.20 306	1.20 316	1.20 312	1.20 307	1.20 310	1.20 315	1.20 297	1.20 301	1.20 316	1.20 315	1.20 292	1.20 315

CroCo-Stereo	0.73 233	1.22 273	0.25 140	1.22 325	0.25 161	1.22 355	0.25 149	1.22 345	0.25 151	1.22 352	0.25 161	1.22 358	0.25 153	1.22 356	0.25 154	1.22 343	0.26 144	1.21 361	0.25 159	1.22 339	0.25 143
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
FAT-Stereo	2.46 378	26.05 416	1.23 347	1.23 327	1.22 371	1.20 309	1.24 361	1.23 347	1.23 366	1.19 305	1.22 362	1.21 357	1.24 355	1.20 310	1.24 362	1.21 342	1.17 299	1.22 362	1.25 362	1.20 292	1.24 363

S-Stereo	2.51 379	26.86 417	1.23 347	1.22 325	1.22 371	1.24 357	1.25 362	1.22 345	1.24 367	1.21 351	1.24 364	1.19 311	1.27 357	1.19 309	1.24 362	1.19 296	1.20 301	1.25 363	1.19 312	1.24 340	1.23 362

CroCo-Stereo Lap2	0.77 237	1.29 275	0.29 151	1.27 328	0.29 177	1.27 358	0.26 155	1.26 348	0.26 164	1.26 353	0.26 166	1.27 359	0.26 162	1.26 357	0.27 160	1.27 345	0.27 149	1.27 364	0.27 171	1.27 341	0.27 154

CC-Net-ROB	1.36 342	1.33 278	1.33 350	1.36 333	1.38 376	1.36 361	1.33 364	1.37 354	1.34 370	1.35 355	1.36 369	1.38 362	1.34 361	1.38 360	1.38 369	1.35 350	1.38 358	1.33 365	1.35 365	1.43 345	1.34 368

test_xeample3	1.10 287	1.81 295	0.61 235	0.84 234	0.49 252	0.77 269	0.66 264	0.92 274	1.40 376	0.68 258	0.46 237	0.78 271	0.54 251	1.72 364	1.48 373	1.34 349	1.52 363	1.35 366	1.67 381	1.33 342	1.55 376

MaskLacGwcNet_RVC	1.35 341	1.35 279	1.35 353	1.35 332	1.35 373	1.35 360	1.35 366	1.36 353	1.35 372	1.36 356	1.35 368	1.36 361	1.36 362	1.36 359	1.35 367	1.35 350	1.35 355	1.35 366	1.35 365	1.35 343	1.35 369

RASNet	1.49 345	1.65 288	1.45 362	1.38 335	1.43 379	1.47 365	1.36 367	1.38 355	1.36 373	1.39 357	1.60 379	1.45 364	1.45 366	1.51 361	2.21 387	1.53 357	1.36 356	1.36 368	1.36 367	1.66 351	1.36 370

PS-NSSS	1.38 344	1.39 281	1.34 351	1.34 331	1.35 373	1.38 362	1.37 372	1.35 352	1.38 375	1.34 354	1.34 367	1.39 363	1.38 364	1.70 363	1.40 370	1.36 352	1.36 356	1.36 368	1.37 368	1.37 344	1.36 370

ff7	1.68 349	2.68 324	1.35 353	0.97 252	0.89 298	1.84 368	2.15 385	2.12 366	1.80 384	2.05 372	1.56 375	2.33 378	2.12 378	2.23 374	2.25 388	1.31 346	1.07 282	1.48 370	1.41 370	0.90 262	1.04 301

ffff	1.68 349	2.68 324	1.35 353	0.97 252	0.89 298	1.84 368	2.15 385	2.12 366	1.80 384	2.05 372	1.56 375	2.33 378	2.12 378	2.23 374	2.25 388	1.31 346	1.07 282	1.48 370	1.41 370	0.90 262	1.04 301

ccc-4	1.68 349	2.68 324	1.35 353	0.97 252	0.89 298	1.84 368	2.15 385	2.12 366	1.80 384	2.05 372	1.56 375	2.33 378	2.12 378	2.23 374	2.25 388	1.31 346	1.07 282	1.48 370	1.41 370	0.90 262	1.04 301

DPSMNet_ROB	1.60 348	1.59 286	1.70 369	1.59 338	1.59 381	1.61 366	1.61 377	1.60 356	1.60 379	1.62 364	1.59 378	1.60 366	1.60 369	1.60 362	1.59 375	1.59 358	1.60 365	1.59 373	1.59 378	1.59 350	1.59 377

MFMNet_re	1.81 355	1.91 299	1.71 370	1.95 348	1.70 384	1.95 372	1.70 380	1.96 364	1.74 382	1.97 369	1.72 382	1.95 370	1.71 372	1.97 368	1.71 381	1.86 364	1.62 366	1.85 374	1.66 380	1.86 354	1.64 378

GANetREF_RVC	1.55 346	1.94 305	1.22 345	1.88 344	1.21 370	1.88 371	1.22 359	1.88 362	1.22 365	1.88 366	1.22 362	1.88 368	1.22 354	1.89 366	1.22 361	1.87 365	1.22 348	1.88 375	1.22 361	1.88 355	1.22 361
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SPS-STEREO	1.59 347	1.91 299	1.21 344	1.94 347	1.20 324	2.00 373	1.23 360	1.99 365	1.24 367	2.00 370	1.25 365	2.03 372	1.26 356	2.00 369	1.29 365	1.90 368	1.18 300	1.89 376	1.21 360	1.89 356	1.20 315
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 352	2.96 335	1.37 358	2.14 353	1.37 375	2.14 375	1.36 367	2.14 369	1.37 374	2.14 375	1.37 370	2.14 373	1.37 363	2.14 373	1.37 368	1.97 369	1.32 349	1.97 377	1.32 364	1.98 357	1.33 367

RAFT_CTSACE	1.92 357	3.71 347	1.72 371	1.88 344	1.72 385	2.04 374	1.42 375	2.18 370	1.89 390	2.02 371	1.97 388	1.95 370	2.06 377	1.93 367	1.62 376	1.76 361	1.66 369	2.02 378	1.73 387	1.73 352	1.43 375

TRStereo	2.00 358	2.13 309	1.85 376	2.27 358	1.84 387	2.28 377	1.84 382	2.29 372	1.86 387	2.30 377	1.87 383	2.30 375	1.87 374	2.08 370	1.72 383	2.08 373	1.72 371	2.08 379	1.72 384	2.08 358	1.72 381

XX-Stereo	2.00 358	2.13 309	1.85 376	2.27 358	1.84 387	2.28 377	1.84 382	2.29 372	1.86 387	2.30 377	1.87 383	2.30 375	1.87 374	2.08 370	1.72 383	2.08 373	1.72 371	2.08 379	1.72 384	2.08 358	1.72 381

EAI-Stereo	2.00 358	2.13 309	1.85 376	2.27 358	1.84 387	2.28 377	1.84 382	2.29 372	1.86 387	2.30 377	1.87 383	2.30 375	1.87 374	2.08 370	1.72 383	2.08 373	1.72 371	2.08 379	1.72 384	2.08 358	1.72 381

NCCL2	2.28 367	2.27 315	2.28 382	2.28 361	2.28 394	2.27 376	2.29 388	2.28 371	2.28 391	2.27 376	2.28 393	2.28 374	2.27 381	2.27 377	2.28 392	2.28 376	2.28 380	2.27 382	2.29 392	2.27 362	2.29 387

STTStereo	3.73 394	30.40 423	2.37 386	2.39 362	2.31 396	2.35 380	2.33 389	2.29 372	2.42 392	2.32 380	2.34 394	2.33 378	2.36 382	2.30 378	2.27 391	2.35 378	2.22 379	2.31 383	2.22 389	2.29 364	2.34 391

FBW_ROB	2.12 365	2.46 319	1.77 373	2.49 365	1.79 386	2.38 381	1.83 381	2.46 377	1.78 383	2.48 381	1.97 388	2.40 382	1.78 373	2.42 380	1.83 386	2.31 377	1.85 376	2.38 384	1.82 388	2.35 365	1.84 385

UDGNet	2.23 366	5.40 373	1.72 371	2.48 364	1.69 383	2.51 382	1.69 379	2.51 378	1.72 381	2.50 382	1.69 381	2.52 383	1.69 371	2.50 381	1.68 380	2.41 380	1.70 370	2.42 385	1.69 383	2.42 366	1.64 378

sCroCo_RVC	2.10 362	2.76 329	1.92 380	2.78 370	1.39 377	2.73 385	1.41 374	2.73 380	1.40 376	2.77 386	1.41 374	2.74 386	1.40 365	2.74 385	1.40 370	2.72 381	1.42 360	2.72 386	1.44 374	2.79 372	1.42 374

Anonymous	2.11 363	2.74 328	1.41 361	2.77 369	1.40 378	2.74 386	1.46 376	2.75 381	1.50 378	2.87 387	1.39 372	2.74 386	1.46 367	2.72 384	1.41 372	2.72 381	1.41 359	2.81 387	1.41 370	3.16 375	1.39 373

NLCA_NET_v2_RVC	5.04 407	50.87 430	2.78 388	2.87 371	2.71 397	2.78 387	0.47 237	2.88 385	2.86 396	1.89 367	2.67 395	2.79 388	2.79 386	2.78 386	2.83 393	2.82 383	2.82 383	2.83 388	2.77 395	2.83 373	2.76 395
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
test croco	1.88 356	3.16 338	0.64 239	3.10 372	0.65 274	3.10 389	0.64 261	3.12 387	0.65 266	3.10 388	0.65 275	3.11 389	0.65 259	3.12 387	0.65 264	3.12 385	0.65 247	3.13 389	0.65 270	3.13 374	0.65 260

Anonymous3	2.55 380	3.26 341	1.65 367	3.28 375	1.63 382	3.24 391	1.68 378	3.27 389	1.66 380	3.28 390	1.67 380	3.25 391	1.66 370	3.27 389	1.64 377	3.26 386	1.65 368	3.30 390	1.65 379	4.95 392	1.65 380

MIF-Stereo	2.03 361	3.43 343	0.72 255	3.42 376	0.73 287	3.27 392	0.68 268	3.38 391	0.69 273	3.29 391	0.72 286	3.28 392	0.70 269	3.35 392	0.68 271	3.39 387	0.68 251	3.31 391	0.69 279	3.37 376	0.73 273

raft_robust	4.71 402	7.75 382	5.40 401	6.81 396	3.31 399	4.28 401	4.20 407	4.32 400	4.37 408	4.35 399	4.35 407	4.14 399	3.75 392	4.30 401	4.20 405	6.67 406	6.37 399	3.36 392	4.24 409	4.86 391	3.25 396

SA	4.33 396	7.35 378	6.85 407	5.96 392	4.09 406	3.59 394	3.15 397	3.82 395	2.64 393	3.91 393	3.85 401	3.57 393	2.72 385	3.13 388	4.03 402	7.09 410	6.86 403	3.57 393	3.12 396	3.85 378	3.51 398

RAFT+CT+SA	4.28 395	7.62 381	4.91 397	5.55 389	2.28 394	3.09 388	3.64 400	4.49 401	3.07 397	4.80 401	3.35 397	4.77 405	3.70 391	4.29 400	3.05 394	5.58 399	5.98 398	3.58 394	3.78 403	4.26 384	3.72 400

DPSNet	3.66 393	3.60 344	3.62 394	3.63 379	3.64 402	3.65 395	3.65 401	3.66 394	3.67 399	3.67 392	3.65 400	3.67 394	3.66 390	3.66 393	3.68 397	3.68 389	3.66 385	3.67 395	3.68 401	3.67 377	3.67 399

TestStereo1	4.60 398	8.41 385	6.44 404	6.86 397	3.79 403	3.97 397	3.78 402	3.99 397	3.74 400	3.97 394	3.52 398	3.94 397	3.58 388	3.98 396	3.72 398	6.82 407	6.50 401	3.76 396	3.66 399	3.90 379	3.74 402

SA-5K	4.60 398	8.41 385	6.44 404	6.86 397	3.79 403	3.97 397	3.78 402	3.99 397	3.74 400	3.97 394	3.52 398	3.94 397	3.58 388	3.98 396	3.72 398	6.82 407	6.50 401	3.76 396	3.66 399	3.90 379	3.74 402

Sa-1000	4.34 397	8.37 384	6.84 406	6.98 399	4.45 409	3.58 393	3.00 395	3.42 392	3.39 398	2.61 383	4.00 404	3.83 396	4.01 397	3.90 395	3.90 400	5.98 403	5.62 396	3.76 396	2.34 393	4.35 386	2.47 394

cross-raft	4.83 403	7.52 379	6.43 403	6.63 395	3.96 405	4.51 402	3.99 405	4.49 401	3.96 404	4.52 400	3.96 403	4.50 402	3.97 396	4.50 402	3.97 401	6.65 405	6.44 400	4.33 399	3.92 405	4.35 386	3.91 404

test_4	4.88 404	8.13 383	6.98 408	7.46 400	4.44 408	4.25 400	3.85 404	4.04 399	3.92 403	4.13 396	3.91 402	4.18 400	3.84 393	4.14 398	4.06 403	7.01 409	7.13 404	4.53 400	3.72 402	4.09 382	3.72 400

test_3	5.01 406	8.86 388	7.77 410	8.09 401	2.76 398	4.13 399	4.05 406	3.88 396	3.76 402	4.33 398	4.13 405	3.71 395	3.91 394	4.21 399	4.06 403	7.93 411	7.69 406	4.53 400	3.91 404	4.17 383	4.29 407

StereoVision	3.15 389	5.00 370	0.89 269	4.83 385	1.00 308	3.93 396	1.27 363	6.37 407	1.34 370	5.67 408	1.26 366	5.84 410	1.27 357	5.03 405	1.24 362	5.10 397	1.09 288	4.61 402	0.57 260	5.62 397	1.12 306

test_5	4.62 401	7.55 380	6.23 402	6.32 394	3.40 400	5.29 407	3.50 399	3.53 393	4.11 405	4.28 397	4.47 408	4.26 401	4.38 399	3.68 394	3.24 395	5.89 401	5.60 395	4.84 403	3.50 397	4.33 385	3.93 405

TestStereo	4.88 404	4.75 366	4.79 396	4.87 386	4.92 410	4.81 406	4.90 409	4.78 403	4.77 409	4.87 402	4.89 409	4.90 406	4.91 401	4.99 404	4.79 407	4.98 395	4.87 393	4.87 404	4.92 410	5.00 393	5.00 408

sAnonymous2	3.31 391	2.63 322	1.38 359	3.71 380	1.86 390	4.70 403	1.11 303	4.82 404	2.72 394	5.45 406	1.98 390	4.59 403	2.64 383	2.65 382	6.21 409	4.37 390	1.08 286	5.16 405	2.24 390	4.52 388	2.39 392

CroCo_RVC	3.31 391	2.63 322	1.38 359	3.71 380	1.86 390	4.70 403	1.11 303	4.82 404	2.72 394	5.45 406	1.98 390	4.59 403	2.64 383	2.65 382	6.21 409	4.37 390	1.08 286	5.16 405	2.24 390	4.52 388	2.39 392

StereoIM	3.19 390	6.02 375	1.12 287	5.61 390	1.16 320	5.43 408	1.02 300	5.15 406	0.70 275	5.43 405	1.21 361	5.03 408	0.97 286	4.85 403	0.99 297	4.53 393	1.16 297	5.53 407	1.25 362	5.37 395	1.30 365

RAFT	6.73 410	9.36 391	7.40 409	8.51 403	6.55 413	6.88 411	6.60 412	6.79 409	6.60 412	6.80 411	6.72 414	5.31 409	5.50 403	6.61 407	6.61 412	8.42 412	5.89 397	5.73 408	5.45 413	6.61 400	6.24 411

test-1	6.46 409	9.16 390	8.03 413	8.09 401	5.62 412	6.11 409	6.35 411	6.85 410	4.94 410	6.08 409	6.29 413	4.98 407	6.43 405	6.22 406	6.36 411	6.16 404	7.47 405	5.82 409	5.44 412	7.11 404	5.68 410

SGM-Forest	5.21 408	5.92 374	4.08 395	6.18 393	4.16 407	6.31 410	4.34 408	6.50 408	4.33 407	6.14 410	4.21 406	6.61 414	4.55 400	6.67 408	4.48 406	5.94 402	3.94 388	5.85 410	4.03 407	5.79 398	4.17 406
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DispFullNet	4.61 400	4.84 367	3.12 390	5.00 387	3.57 401	4.75 405	3.03 396	7.75 413	4.17 406	4.91 403	3.09 396	6.20 411	3.95 395	6.71 409	3.51 396	5.30 398	3.67 386	5.86 411	3.63 398	5.61 396	3.46 397

test-v	7.53 412	11.89 399	7.98 411	9.36 406	7.14 414	7.06 412	7.09 413	7.37 411	6.91 413	7.29 412	5.71 411	6.45 412	6.93 406	6.73 410	7.27 413	8.93 414	7.85 407	6.98 412	6.80 414	7.56 405	7.34 413

test-2	7.53 412	11.89 399	7.98 411	9.36 406	7.14 414	7.06 412	7.09 413	7.37 411	6.91 413	7.29 412	5.71 411	6.45 412	6.93 406	6.73 410	7.27 413	8.93 414	7.85 407	6.98 412	6.80 414	7.56 405	7.34 413

MIF-Stereo (partial)	2.58 381	3.31 342	0.66 245	3.18 373	0.66 279	3.18 390	0.66 264	3.21 388	0.67 269	3.19 389	0.66 277	3.19 390	0.66 261	3.31 391	0.68 271	5.09 396	1.79 374	8.23 414	1.67 381	6.18 399	1.38 372

SGM+DAISY	7.06 411	9.15 389	5.38 400	8.84 404	5.18 411	8.80 414	5.31 410	8.79 414	5.28 411	8.89 414	5.20 410	8.93 415	5.33 402	8.95 414	5.36 408	8.70 413	5.21 394	8.74 415	5.20 411	8.89 409	5.15 409

rafts_anoy	20.00 416	20.00 402	20.00 416	20.00 416	20.00 417	20.00 415	20.00 416	20.00 415	20.00 416	20.00 415	20.00 416	20.00 416	20.00 416	20.00 415	20.00 416	20.00 416	20.00 417	20.00 416	20.00 417	20.00 416	20.00 416

raft+_RVC	20.00 416	20.00 402	20.00 416	20.00 416	20.00 417	20.00 415	20.00 416	20.00 415	20.00 416	20.00 415	20.00 416	20.00 416	20.00 416	20.00 415	20.00 416	20.00 416	20.00 417	20.00 416	20.00 417	20.00 416	20.00 416

raftrobust	20.00 416	20.00 402	20.00 416	20.00 416	20.00 417	20.00 415	20.00 416	20.00 415	20.00 416	20.00 415	20.00 416	20.00 416	20.00 416	20.00 415	20.00 416	20.00 416	20.00 417	20.00 416	20.00 417	20.00 416	20.00 416

CasAABBNet	20.00 416	20.00 402	20.00 416	20.00 416	20.00 417	20.00 415	20.00 416	20.00 415	20.00 416	20.00 415	20.00 416	20.00 416	20.00 416	20.00 415	20.00 416	20.00 416	20.00 417	20.00 416	20.00 417	20.00 416	20.00 416

RALCasStereoNet	20.00 416	20.00 402	20.00 416	20.00 416	20.00 417	20.00 415	20.00 416	20.00 415	20.00 416	20.00 415	20.00 416	20.00 416	20.00 416	20.00 415	20.00 416	20.00 416	20.00 417	20.00 416	20.00 417	20.00 416	20.00 416

RALAANet	20.00 416	20.00 402	20.00 416	20.00 416	20.00 417	20.00 415	20.00 416	20.00 415	20.00 416	20.00 415	20.00 416	20.00 416	20.00 416	20.00 415	20.00 416	20.00 416	20.00 417	20.00 416	20.00 417	20.00 416	20.00 416

MANE	19.05 415	23.00 408	15.00 415	23.00 422	15.00 416	24.00 421	16.00 415	24.00 421	16.00 415	22.00 421	15.00 415	23.00 422	16.00 415	23.00 421	15.00 415	22.00 422	15.00 416	22.00 422	15.00 416	22.00 422	15.00 415

111	30.40 422	30.94 424	29.72 423	32.61 423	30.02 424	33.57 422	30.47 423	31.50 422	29.39 423	30.98 422	29.11 423	29.78 423	30.39 426	29.45 422	30.76 426	30.08 423	29.02 424	29.92 423	30.32 427	29.86 423	30.17 423

fff	1000028.16 439	29.62 420	29.72 423	32.61 423	30.02 424	35.13 424	31.83 424	32.07 423	10000000.00 439	35.27 425	29.82 424	32.45 424	30.15 423	32.35 423	30.09 423	31.04 424	29.55 425	30.64 424	30.14 424	10000000.00 440	30.77 424

csc	1000028.16 439	29.62 420	29.72 423	32.61 423	30.02 424	35.13 424	31.83 424	32.07 423	10000000.00 439	35.27 425	29.82 424	32.45 424	30.15 423	32.35 423	30.09 423	31.04 424	29.55 425	30.64 424	30.14 424	10000000.00 440	30.77 424

cscssc	1000028.16 439	29.62 420	29.72 423	32.61 423	30.02 424	35.13 424	31.83 424	32.07 423	10000000.00 439	35.27 425	29.82 424	32.45 424	30.15 423	32.35 423	30.09 423	31.04 424	29.55 425	30.64 424	30.14 424	10000000.00 440	30.77 424

WCMA_ROB	31.10 423	35.43 428	27.12 422	39.51 431	23.10 423	38.78 430	25.30 422	37.49 430	25.39 422	37.29 429	27.02 422	38.52 431	26.48 422	37.80 429	26.44 422	36.28 430	22.65 423	33.90 427	22.30 423	37.10 428	24.18 422

tt	500032.53 437	34.60 426	29.72 423	37.47 429	34.41 429	36.85 428	35.22 428	34.71 426	33.55 425	34.50 423	35.43 427	33.81 427	10000000.00 440	33.57 426	33.13 427	33.68 427	35.00 429	34.03 428	35.26 430	30.96 424	34.63 428

DCANet	500032.53 437	34.60 426	29.72 423	37.47 429	34.41 429	36.85 428	35.22 428	34.71 426	33.55 425	34.50 423	35.43 427	33.81 427	10000000.00 440	33.57 426	33.13 427	33.68 427	35.00 429	34.03 428	35.26 430	30.96 424	34.63 428

DCANet-4	35.22 424	34.54 425	35.08 429	33.58 427	35.47 431	34.55 423	35.53 430	36.08 428	35.85 427	35.92 428	35.77 429	35.18 429	35.48 428	35.39 428	37.15 429	34.55 429	33.92 428	35.02 430	34.90 429	35.79 427	34.74 430

ADStereo(finetuned)	36.13 425	36.63 429	38.07 430	36.97 428	33.25 428	35.91 427	34.45 427	36.36 429	32.99 424	38.14 430	36.71 430	36.69 430	34.13 427	38.57 430	40.79 430	37.60 431	36.58 431	35.90 431	33.36 428	35.42 426	34.04 427

NOSS_ROB	102.95 427	153.00 435	121.00 434	51.00 432	44.00 432	165.00 434	127.00 433	153.00 433	119.00 430	164.00 434	125.00 433	168.00 435	120.00 431	153.00 433	117.00 433	49.00 432	44.00 432	49.00 432	44.00 432	49.00 429	44.00 431

CBMV	128.50 428	1422.70 442	53.10 432	79.50 433	51.30 433	77.30 432	49.70 431	74.00 431	48.20 429	77.20 432	48.80 432	73.90 433	48.00 430	73.80 432	48.80 432	70.40 433	45.10 433	68.90 433	46.10 433	68.20 430	45.00 432
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 426	87.70 431	41.95 431	113.75 434	65.62 434	75.05 431	55.25 432	75.64 432	45.04 428	71.61 431	41.75 431	72.81 432	44.06 429	68.38 431	44.63 431	101.89 434	59.57 434	107.10 434	61.05 434	104.38 431	59.38 433

MeshStereo	159.24 429	171.00 436	160.68 437	162.58 435	160.59 435	164.01 433	160.35 434	158.51 434	158.56 431	158.34 433	160.12 434	158.56 434	159.92 432	157.26 434	158.94 434	154.38 435	158.36 435	155.75 435	159.13 436	153.67 432	154.07 434
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	201.80 430	123.00 432	115.00 433	219.00 436	218.00 437	223.00 435	244.00 436	217.00 435	236.00 433	202.00 435	203.00 435	205.00 436	208.00 433	225.00 435	204.00 435	210.00 436	198.00 436	197.00 436	184.00 437	204.00 433	201.00 435

MGS-Stereo	239.45 431	123.00 432	135.00 435	266.00 437	286.00 438	277.00 436	305.00 437	271.00 436	242.00 434	274.00 436	279.00 437	255.00 437	270.00 435	268.00 436	297.00 437	221.00 437	247.00 438	216.00 437	123.00 435	217.00 434	217.00 437

EGLCR-Stereo	246.90 432	129.00 434	139.00 436	266.00 437	286.00 438	277.00 436	305.00 437	271.00 436	242.00 434	274.00 436	279.00 437	255.00 437	270.00 435	268.00 436	297.00 437	230.00 438	247.00 438	216.00 437	223.00 439	237.00 435	227.00 438

DLCB_ROB	284.23 433	354.61 438	207.27 438	363.24 439	206.46 436	364.72 438	210.41 435	364.72 438	210.41 432	364.81 438	208.64 436	364.81 439	208.64 434	364.72 438	210.41 436	354.70 439	205.53 437	354.70 439	205.53 438	354.70 436	205.53 436

LE_ROB	396.57 434	471.28 439	329.84 439	471.48 440	308.15 440	526.83 439	322.10 439	488.15 439	323.76 436	495.46 439	317.97 439	497.17 440	320.10 437	481.62 439	326.76 439	462.71 440	298.97 440	466.16 440	285.98 440	447.62 437	289.21 439

SGM-ForestM	596.69 435	677.77 440	444.52 440	699.85 441	517.25 441	732.94 440	488.29 440	770.79 440	460.11 437	750.81 440	487.98 440	792.79 441	499.41 438	730.90 440	475.81 440	720.03 441	491.16 441	663.96 441	418.60 441	674.76 438	436.05 440

CBMV_ROB	818.48 436	913.88 441	709.52 441	862.84 442	597.78 442	1073.99 441	700.52 441	1015.66 441	702.59 438	1115.65 441	760.02 441	1130.24 442	721.57 439	1037.41 441	692.65 441	814.05 442	564.29 442	843.28 442	595.31 442	915.51 439	602.92 441

SDNR	10000000.00 442	10000000.00 443	10000000.00 442	10000000.00 443	10000000.00 443	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 439	10000000.00 442	10000000.00 442	10000000.00 443	10000000.00 440	10000000.00 442	10000000.00 442	10000000.00 443	10000000.00 443	10000000.00 443	10000000.00 443	10000000.00 440	10000000.00 442

anonymousdsp2	10000000.00 442	10000000.00 443	10000000.00 442	10000000.00 443	10000000.00 443	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 439	10000000.00 442	10000000.00 442	10000000.00 443	10000000.00 440	10000000.00 442	10000000.00 442	10000000.00 443	10000000.00 443	10000000.00 443	10000000.00 443	10000000.00 440	10000000.00 442

anonymousdsp	10000000.00 442	10000000.00 443	10000000.00 442	10000000.00 443	10000000.00 443	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 439	10000000.00 442	10000000.00 442	10000000.00 443	10000000.00 440	10000000.00 442	10000000.00 442	10000000.00 443	10000000.00 443	10000000.00 443	10000000.00 443	10000000.00 440	10000000.00 442

test_example2	10000000.00 442	10000000.00 443	10000000.00 442	10000000.00 443	10000000.00 443	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 439	10000000.00 442	10000000.00 442	10000000.00 443	10000000.00 440	10000000.00 442	10000000.00 442	10000000.00 443	10000000.00 443	10000000.00 443	10000000.00 443	10000000.00 440	10000000.00 442

DIP-Stereo	10000000.00 442	10000000.00 443	10000000.00 442	10000000.00 443	10000000.00 443	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 439	10000000.00 442	10000000.00 442	10000000.00 443	10000000.00 440	10000000.00 442	10000000.00 442	10000000.00 443	10000000.00 443	10000000.00 443	10000000.00 443	10000000.00 440	10000000.00 442
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark