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

IGEV-Stereo+	0.23 8	0.14 2	0.26 12	0.32 15	0.19 19	0.12 1	0.17 1	0.29 3	0.29 14	0.21 5	0.15 1	0.22 6	0.22 23	0.40 35	0.22 6	0.14 64	0.10 23	0.12 4	0.09 9	0.15 125	0.86 479

dual_stereo	0.19 2	0.14 2	0.24 4	0.31 10	0.16 5	0.16 2	0.20 4	0.29 3	0.20 3	0.23 7	0.20 5	0.22 6	0.14 1	0.52 110	0.24 24	0.13 31	0.10 23	0.11 1	0.09 9	0.10 1	0.09 1

CroCo-Stereo Lap2	0.28 40	0.24 243	0.39 117	0.50 368	0.29 285	0.20 3	0.31 136	0.49 47	0.38 69	0.24 11	0.27 19	0.46 122	0.31 111	0.39 31	0.30 119	0.14 64	0.15 269	0.16 103	0.13 95	0.16 163	0.15 166

test_4	0.36 122	0.18 61	0.31 28	0.44 281	0.25 168	0.20 3	0.34 176	0.56 78	0.41 82	0.59 136	1.45 426	0.43 107	0.25 44	0.63 219	0.28 99	0.12 6	0.10 23	0.17 137	0.19 282	0.15 125	0.11 29

CroCo-Stereo	0.26 24	0.22 187	0.36 73	0.48 339	0.22 70	0.20 3	0.29 99	0.51 57	0.44 95	0.28 27	0.23 7	0.42 99	0.26 56	0.29 4	0.26 65	0.15 119	0.13 209	0.13 23	0.11 41	0.16 163	0.12 70
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
GREAT-IGEV	0.22 6	0.15 10	0.31 28	0.29 4	0.22 70	0.21 6	0.26 62	0.33 6	0.31 20	0.20 3	0.30 26	0.22 6	0.22 23	0.47 79	0.22 6	0.11 2	0.09 4	0.12 4	0.09 9	0.13 44	0.10 8

MonSter	0.20 3	0.14 2	0.25 9	0.31 10	0.15 1	0.22 7	0.22 22	0.39 12	0.33 30	0.20 3	0.25 16	0.17 2	0.15 2	0.38 27	0.18 1	0.09 1	0.08 1	0.11 1	0.09 9	0.11 3	0.09 1

IGEV-Stereo++	0.21 4	0.15 10	0.27 16	0.37 84	0.19 19	0.22 7	0.18 2	0.42 24	0.35 45	0.22 6	0.28 23	0.24 9	0.18 5	0.27 3	0.22 6	0.12 6	0.09 4	0.12 4	0.10 25	0.12 17	0.10 8

Pruner-Stereo	0.38 153	0.20 119	0.45 190	0.40 173	0.25 168	0.22 7	0.24 46	0.67 153	0.55 135	0.89 334	0.76 175	0.68 239	0.29 91	0.62 208	0.35 180	0.18 230	0.12 150	0.20 249	0.17 227	0.17 197	0.18 246

SCV_C0	0.26 24	0.18 61	0.34 57	0.35 52	0.24 136	0.23 10	0.28 89	0.51 57	0.36 51	0.31 36	0.36 48	0.37 63	0.20 13	0.57 151	0.22 6	0.13 31	0.10 23	0.13 23	0.11 41	0.16 163	0.12 70

FoundationStereo	0.17 1	0.14 2	0.25 9	0.30 7	0.16 5	0.23 10	0.20 4	0.22 2	0.15 1	0.18 2	0.16 2	0.20 5	0.19 9	0.26 1	0.21 4	0.13 31	0.09 4	0.12 4	0.09 9	0.10 1	0.09 1

StereoAnything_RVC	0.21 4	0.68 451	0.39 117	0.28 2	0.15 1	0.23 10	0.18 2	0.20 1	0.19 2	0.16 1	0.16 2	0.15 1	0.22 23	0.30 6	0.18 1	0.16 165	0.09 4	0.12 4	0.08 1	0.16 163	0.09 1

RAStereo	0.24 11	0.17 42	0.29 22	0.40 173	0.21 52	0.23 10	0.26 62	0.42 24	0.45 102	0.23 7	0.34 42	0.30 19	0.19 9	0.34 14	0.25 37	0.15 119	0.12 150	0.16 103	0.13 95	0.14 80	0.11 29

DLNR_Zeroshot_test	20.09 517	36.28 524	38.04 521	169.85 530	61.80 526	0.23 10	0.20 4	13.88 517	0.37 64	0.44 91	0.66 143	0.43 107	0.21 18	0.62 208	0.28 99	5.46 514	0.10 23	0.15 78	0.11 41	72.60 529	0.11 29

RAFT_R40	0.40 181	0.19 88	0.44 178	0.43 263	0.25 168	0.23 10	0.26 62	0.67 153	0.67 178	0.98 378	0.78 190	0.72 260	0.43 188	0.76 307	0.35 180	0.16 165	0.11 96	0.20 249	0.16 179	0.18 219	0.14 143

IGEV++	0.24 11	0.17 42	0.31 28	0.38 112	0.22 70	0.24 16	0.22 22	0.50 55	0.23 5	0.28 27	0.35 46	0.30 19	0.22 23	0.31 7	0.28 99	0.14 64	0.10 23	0.13 23	0.10 25	0.13 44	0.13 100

DisPM	0.39 169	0.19 88	0.44 178	0.41 204	0.27 236	0.24 16	0.31 136	0.65 134	0.57 143	0.87 320	0.87 244	0.60 193	0.32 116	0.76 307	0.32 136	0.18 230	0.12 150	0.19 220	0.17 227	0.15 125	0.20 300

Patchmatch Stereo++	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.22 22	0.59 91	0.36 51	0.63 157	0.73 160	0.58 172	0.38 158	0.58 171	0.36 196	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166
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
PSM-adaLoss	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.31 136	0.59 91	0.36 51	0.63 157	0.73 160	0.58 172	0.38 158	0.56 140	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

ROB_FTStereo_v2	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.31 136	0.59 91	0.36 51	0.63 157	0.73 160	0.57 164	0.38 158	0.57 151	0.36 196	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

HUI-Stereo	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.22 22	0.60 101	0.36 51	0.63 157	0.73 160	0.58 172	0.38 158	0.50 98	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

iGMRVC	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.30 114	0.59 91	0.36 51	0.63 157	0.73 160	0.58 172	0.38 158	0.58 171	0.36 196	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

iRAFT	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.22 22	0.59 91	0.36 51	0.63 157	0.73 160	0.58 172	0.38 158	0.58 171	0.36 196	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

RAFT-IKP	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.28 89	0.59 91	0.36 51	0.63 157	0.73 160	0.57 164	0.38 158	0.58 171	0.36 196	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

HUF	0.24 11	0.16 21	0.33 42	0.32 15	0.18 12	0.25 25	0.40 287	0.42 24	0.34 32	0.25 14	0.23 7	0.32 27	0.28 77	0.34 14	0.24 24	0.13 31	0.10 23	0.13 23	0.09 9	0.12 17	0.10 8

ROB_FTStereo	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.25 25	0.21 15	0.59 91	0.36 51	0.63 157	0.73 160	0.58 172	0.38 158	0.57 151	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

SST-Stereo	0.40 181	0.19 88	0.45 190	0.42 244	0.25 168	0.25 25	0.21 15	0.66 143	0.47 111	1.08 414	0.79 199	0.72 260	0.43 188	0.77 314	0.35 180	0.16 165	0.11 96	0.20 249	0.16 179	0.19 253	0.15 166

AIO_rvc	0.23 8	0.16 21	0.32 35	0.34 26	0.19 19	0.26 28	0.33 165	0.40 17	0.22 4	0.26 17	0.24 13	0.34 43	0.15 2	0.51 104	0.24 24	0.12 6	0.09 4	0.13 23	0.10 25	0.12 17	0.10 8

GIP-stereo	0.24 11	0.18 61	0.30 25	0.37 84	0.24 136	0.26 28	0.20 4	0.46 39	0.36 51	0.24 11	0.39 53	0.35 52	0.20 13	0.31 7	0.21 4	0.15 119	0.10 23	0.13 23	0.10 25	0.12 17	0.11 29

GCAP-BAT	0.30 63	0.21 152	0.42 156	0.33 20	0.27 236	0.26 28	0.27 76	0.45 37	0.30 17	0.60 140	0.64 133	0.45 114	0.23 32	0.56 140	0.26 65	0.15 119	0.12 150	0.15 78	0.10 25	0.12 17	0.11 29

RAFT-Stereo-weight	0.32 74	0.18 61	0.33 42	0.39 140	0.22 70	0.26 28	0.29 99	0.67 153	0.80 249	0.53 121	0.51 92	0.58 172	0.20 13	0.47 79	0.27 82	0.13 31	0.10 23	0.14 40	0.11 41	0.13 44	0.11 29

CASnet	0.30 63	0.20 119	0.33 42	0.41 204	0.16 5	0.26 28	0.24 46	0.52 66	0.53 126	0.52 118	0.54 106	0.39 74	0.24 39	0.40 35	0.26 65	0.14 64	0.10 23	0.22 304	0.18 254	0.18 219	0.11 29
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.27 33	0.17 42	0.31 28	0.34 26	0.45 418	0.26 28	0.28 89	0.37 7	0.32 26	0.30 35	0.46 69	0.31 25	0.37 154	0.36 19	0.24 24	0.14 64	0.10 23	0.15 78	0.12 65	0.13 44	0.11 29

MC-Stereo	0.28 40	0.17 42	0.32 35	0.38 112	0.20 38	0.26 28	0.26 62	0.49 47	0.37 64	0.37 57	0.61 127	0.41 90	0.31 111	0.55 130	0.25 37	0.13 31	0.09 4	0.14 40	0.12 65	0.12 17	0.11 29

NF-Stereo	0.38 153	0.20 119	0.45 190	0.41 204	0.25 168	0.26 28	0.31 136	0.69 171	0.70 189	0.65 176	0.77 179	0.57 164	0.30 104	0.67 257	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.16 163	0.27 367

OCTAStereo	0.38 153	0.20 119	0.46 207	0.41 204	0.25 168	0.26 28	0.31 136	0.69 171	0.70 189	0.65 176	0.77 179	0.58 172	0.30 104	0.67 257	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.16 163	0.27 367

RE-Stereo	0.38 153	0.20 119	0.46 207	0.41 204	0.25 168	0.26 28	0.31 136	0.69 171	0.70 189	0.65 176	0.77 179	0.58 172	0.30 104	0.67 257	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.16 163	0.27 367

TVStereo	0.38 153	0.20 119	0.46 207	0.41 204	0.25 168	0.26 28	0.31 136	0.69 171	0.70 189	0.65 176	0.77 179	0.58 172	0.30 104	0.67 257	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.16 163	0.27 367

DeepStereo_RVC	0.36 122	0.21 152	0.47 219	0.40 173	0.24 136	0.26 28	0.22 22	0.60 101	0.38 69	0.69 205	0.67 147	0.57 164	0.51 234	0.56 140	0.39 225	0.16 165	0.12 150	0.18 180	0.15 148	0.19 253	0.18 246

SCV	0.26 24	0.19 88	0.33 42	0.35 52	0.21 52	0.27 40	0.34 176	0.56 78	0.28 12	0.24 11	0.28 23	0.37 63	0.23 32	0.49 93	0.22 6	0.18 230	0.10 23	0.14 40	0.11 41	0.15 125	0.11 29

Occ-G	0.26 24	0.14 2	0.28 19	0.34 26	0.20 38	0.27 40	0.34 176	0.41 21	0.31 20	0.29 32	0.43 61	0.49 135	0.25 44	0.47 79	0.28 99	0.13 31	0.11 96	0.14 40	0.11 41	0.12 17	0.12 70

rvit_stereo_0080	0.31 68	0.25 266	0.40 127	0.39 140	0.28 259	0.27 40	0.46 331	0.49 47	0.44 95	0.35 50	0.42 59	0.40 84	0.28 77	0.41 41	0.33 148	0.22 322	0.17 319	0.17 137	0.16 179	0.22 311	0.15 166

RSM	0.25 16	0.18 61	0.33 42	0.36 68	0.20 38	0.27 40	0.34 176	0.51 57	0.27 9	0.26 17	0.23 7	0.39 74	0.21 18	0.56 140	0.22 6	0.12 6	0.10 23	0.14 40	0.11 41	0.14 80	0.10 8

H2IRNET	0.37 138	0.20 119	0.33 42	0.38 112	0.25 168	0.27 40	0.23 35	0.59 91	0.72 200	0.39 71	0.90 260	0.74 277	0.55 255	0.52 110	0.43 244	0.15 119	0.13 209	0.18 180	0.20 306	0.16 163	0.13 100

MoCha-V2	0.25 16	0.15 10	0.29 22	0.40 173	0.18 12	0.27 40	0.26 62	0.49 47	0.27 9	0.36 52	0.27 19	0.33 39	0.35 136	0.49 93	0.22 6	0.12 6	0.10 23	0.12 4	0.10 25	0.13 44	0.11 29

whm_eth	0.31 68	0.25 266	0.40 127	0.39 140	0.28 259	0.27 40	0.46 331	0.49 47	0.44 95	0.35 50	0.42 59	0.40 84	0.28 77	0.41 41	0.33 148	0.22 322	0.17 319	0.17 137	0.16 179	0.22 311	0.15 166

plain	0.31 68	0.20 119	0.50 263	0.39 140	0.29 285	0.27 40	0.30 114	0.44 34	0.35 45	0.31 36	0.66 143	0.30 19	0.31 111	0.65 238	0.31 126	0.17 201	0.13 209	0.20 249	0.15 148	0.17 197	0.12 70

MaDis-Stereo	0.26 24	0.18 61	0.36 73	0.36 68	0.26 208	0.27 40	0.27 76	0.43 32	0.35 45	0.27 25	0.26 18	0.41 90	0.28 77	0.40 35	0.28 99	0.16 165	0.14 240	0.16 103	0.13 95	0.14 80	0.12 70

MIM_Stereo	0.38 153	0.17 42	0.53 288	0.37 84	0.24 136	0.27 40	0.24 46	0.70 185	0.54 130	0.72 230	1.00 304	0.63 206	0.29 91	0.64 231	0.38 219	0.13 31	0.14 240	0.17 137	0.16 179	0.14 80	0.11 29

Selective-IGEV	0.24 11	0.18 61	0.35 66	0.35 52	0.19 19	0.27 40	0.25 53	0.55 76	0.23 5	0.27 25	0.25 16	0.34 43	0.19 9	0.58 171	0.22 6	0.12 6	0.10 23	0.14 40	0.11 41	0.12 17	0.10 8

IRAFT_RVC	0.42 199	0.20 119	0.48 239	0.44 281	0.24 136	0.27 40	0.54 381	0.74 210	0.77 232	0.76 251	0.80 202	0.73 271	0.51 234	0.70 277	0.36 196	0.17 201	0.10 23	0.21 290	0.16 179	0.16 163	0.14 143

CREStereo++_RVC	0.32 74	0.15 10	0.23 1	0.31 10	0.24 136	0.27 40	0.22 22	0.46 39	0.88 298	0.46 98	0.80 202	0.30 19	0.26 56	0.36 19	0.33 148	0.13 31	0.09 4	0.13 23	0.51 469	0.13 44	0.09 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
AFF-stereo	0.38 153	0.19 88	0.39 117	0.37 84	0.21 52	0.27 40	0.31 136	0.65 134	0.66 175	0.64 167	1.13 358	0.76 285	0.39 169	0.55 130	0.33 148	0.11 2	0.09 4	0.16 103	0.16 179	0.13 44	0.11 29

HI	0.45 226	0.21 152	0.36 73	0.34 26	0.35 361	0.28 54	0.31 136	0.72 197	0.46 106	0.87 320	1.13 358	1.09 388	0.76 368	0.69 272	0.56 323	0.12 6	0.10 23	0.17 137	0.17 227	0.17 197	0.15 166

CoSv	0.45 226	0.21 152	0.36 73	0.34 26	0.35 361	0.28 54	0.31 136	0.72 197	0.46 106	0.87 320	1.13 358	1.09 388	0.76 368	0.69 272	0.56 323	0.12 6	0.10 23	0.17 137	0.17 227	0.17 197	0.15 166

fffft	0.25 16	0.17 42	0.37 88	0.36 68	0.22 70	0.28 54	0.36 220	0.42 24	0.24 7	0.36 52	0.23 7	0.27 15	0.22 23	0.52 110	0.27 82	0.12 6	0.09 4	0.16 103	0.12 65	0.12 17	0.12 70
1: 1. 1
AIO-Stereo-zeroshot1	0.48 261	0.21 152	1.26 451	0.39 140	0.51 434	0.28 54	0.30 114	1.25 417	0.44 95	0.68 196	1.11 348	0.86 318	0.33 126	0.67 257	0.27 82	0.15 119	0.11 96	0.17 137	0.20 306	0.22 311	0.24 346

AIO-Stereo	0.25 16	0.18 61	0.34 57	0.37 84	0.18 12	0.28 54	0.30 114	0.48 44	0.27 9	0.29 32	0.30 26	0.32 27	0.17 4	0.52 110	0.23 20	0.12 6	0.10 23	0.14 40	0.11 41	0.13 44	0.10 8

RSM++	0.25 16	0.18 61	0.34 57	0.36 68	0.20 38	0.28 54	0.30 114	0.51 57	0.32 26	0.25 14	0.22 6	0.37 63	0.21 18	0.50 98	0.24 24	0.12 6	0.10 23	0.14 40	0.12 65	0.14 80	0.10 8

CAS++	0.32 74	0.24 243	0.36 73	0.37 84	0.26 208	0.28 54	0.23 35	0.87 263	0.50 118	0.47 103	0.45 64	0.26 14	0.21 18	0.49 93	0.24 24	0.23 336	0.19 349	0.22 304	0.17 227	0.21 290	0.16 211
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MIF-Stereo (partial)	0.31 68	0.18 61	0.37 88	0.41 204	0.31 320	0.28 54	0.23 35	0.47 42	0.42 89	0.31 36	0.63 130	0.36 61	0.35 136	0.57 151	0.31 126	0.17 201	0.13 209	0.19 220	0.17 227	0.18 219	0.14 143

test_5	0.43 209	0.24 243	0.43 166	0.52 396	0.28 259	0.28 54	0.42 311	0.72 197	0.82 262	0.62 149	0.91 263	0.72 260	0.55 255	0.79 322	0.35 180	0.14 64	0.11 96	0.18 180	0.18 254	0.18 219	0.16 211

PFNet+	0.40 181	0.19 88	0.49 250	0.39 140	0.25 168	0.28 54	0.23 35	0.64 133	0.70 189	0.85 307	0.79 199	0.64 213	0.35 136	0.72 287	0.34 163	0.19 260	0.14 240	0.23 323	0.20 306	0.16 163	0.20 300

AnonymousM	0.41 192	0.81 460	0.29 22	0.34 26	0.22 70	0.28 54	0.38 255	0.53 75	0.41 82	0.70 211	0.49 80	0.47 125	0.27 64	0.41 41	0.31 126	0.15 119	0.12 150	1.51 483	0.26 393	0.12 17	0.10 8

DEFOM-Stereo_RVC	0.25 16	0.31 341	0.24 4	0.51 384	0.19 19	0.29 65	0.22 22	0.40 17	0.37 64	0.26 17	0.24 13	0.24 9	0.31 111	0.44 59	0.22 6	0.14 64	0.09 4	0.12 4	0.09 9	0.14 80	0.10 8

IGEV-BASED-STEREO-	0.56 339	3.08 510	2.43 485	0.31 10	0.18 12	0.29 65	0.20 4	0.37 7	0.32 26	0.28 27	0.24 13	0.18 3	0.18 5	0.31 7	0.22 6	1.09 486	0.08 1	0.17 137	0.16 179	0.14 80	0.97 488

DCANet-4	0.36 122	0.20 119	0.48 239	0.34 26	0.19 19	0.29 65	0.30 114	0.66 143	0.92 323	0.69 205	0.78 190	0.40 84	0.47 210	0.45 62	0.34 163	0.14 64	0.10 23	0.14 40	0.11 41	0.11 3	0.13 100

fff	0.37 138	0.16 21	0.41 135	0.34 26	0.19 19	0.29 65	0.30 114	0.69 171	1.06 389	0.69 205	0.78 190	0.42 99	0.63 301	0.46 72	0.34 163	0.14 64	0.10 23	0.14 40	0.11 41	0.11 3	0.13 100

RAFT+CT+SA	0.39 169	0.23 207	0.36 73	0.51 384	0.27 236	0.29 65	0.46 331	0.75 216	0.80 249	0.51 113	0.89 256	0.41 90	0.40 174	0.78 318	0.32 136	0.14 64	0.11 96	0.18 180	0.18 254	0.15 125	0.14 143

TRStereo	0.37 138	0.27 302	0.59 312	0.47 333	0.41 396	0.29 65	0.30 114	0.84 249	0.59 145	0.52 118	0.41 56	0.52 145	0.26 56	0.73 292	0.27 82	0.17 201	0.12 150	0.19 220	0.19 282	0.13 44	0.11 29

AAGNet	1.43 468	0.20 119	0.48 239	0.44 281	0.25 168	0.29 65	0.31 136	0.65 134	0.68 183	0.97 373	0.86 237	0.67 238	0.62 295	0.64 231	20.63 515	0.16 165	0.11 96	0.19 220	0.15 148	0.19 253	0.12 70

csc	0.37 138	0.16 21	0.41 135	0.34 26	0.19 19	0.29 65	0.30 114	0.69 171	1.06 389	0.69 205	0.78 190	0.42 99	0.63 301	0.46 72	0.34 163	0.14 64	0.10 23	0.14 40	0.11 41	0.11 3	0.13 100

cscssc	0.37 138	0.16 21	0.41 135	0.34 26	0.19 19	0.29 65	0.30 114	0.69 171	1.06 389	0.69 205	0.78 190	0.42 99	0.63 301	0.46 72	0.34 163	0.14 64	0.10 23	0.14 40	0.11 41	0.11 3	0.13 100

AIO_test	0.23 8	0.16 21	0.28 19	0.34 26	0.20 38	0.30 74	0.39 277	0.38 10	0.25 8	0.25 14	0.28 23	0.32 27	0.22 23	0.38 27	0.25 37	0.12 6	0.09 4	0.13 23	0.10 25	0.12 17	0.09 1

mms	0.26 24	0.21 152	0.33 42	0.37 84	0.25 168	0.30 74	0.33 165	0.40 17	0.32 26	0.28 27	0.34 42	0.34 43	0.20 13	0.45 62	0.26 65	0.12 6	0.11 96	0.16 103	0.12 65	0.14 80	0.11 29

ours_stereo	0.26 24	0.21 152	0.33 42	0.38 112	0.23 108	0.30 74	0.33 165	0.42 24	0.38 69	0.26 17	0.34 42	0.35 52	0.23 32	0.47 79	0.27 82	0.13 31	0.11 96	0.16 103	0.12 65	0.14 80	0.10 8

rvit_stereo_0081	0.32 74	0.24 243	0.47 219	0.43 263	0.26 208	0.30 74	0.37 234	0.42 24	0.55 135	0.36 52	0.40 54	0.39 74	0.35 136	0.43 50	0.33 148	0.22 322	0.16 300	0.19 220	0.16 179	0.19 253	0.13 100

rvit_stereo_0082	0.32 74	0.24 243	0.47 219	0.43 263	0.26 208	0.30 74	0.37 234	0.42 24	0.55 135	0.36 52	0.40 54	0.39 74	0.35 136	0.43 50	0.33 148	0.22 322	0.16 300	0.19 220	0.16 179	0.19 253	0.13 100

IGEV_Zeroshot_test	0.34 89	0.18 61	0.67 352	0.39 140	0.28 259	0.30 74	0.25 53	0.74 210	0.31 20	0.62 149	0.57 117	0.54 153	0.25 44	0.53 119	0.27 82	0.14 64	0.10 23	0.15 78	0.14 123	0.14 80	0.12 70

UniTT-Stereo	0.27 33	0.17 42	0.37 88	0.40 173	0.27 236	0.30 74	0.28 89	0.39 12	0.31 20	0.29 32	0.46 69	0.27 15	0.25 44	0.47 79	0.34 163	0.17 201	0.13 209	0.13 23	0.12 65	0.14 80	0.12 70

anonymousdsp	0.29 50	0.21 152	0.38 99	0.37 84	0.25 168	0.30 74	0.35 199	0.63 120	0.35 45	0.39 71	0.33 36	0.33 39	0.28 77	0.59 186	0.25 37	0.14 64	0.10 23	0.17 137	0.12 65	0.14 80	0.15 166

ADStereo(finetuned)	0.37 138	0.16 21	0.49 250	0.34 26	0.19 19	0.30 74	0.30 114	0.68 163	0.91 318	0.70 211	0.77 179	0.43 107	0.69 337	0.45 62	0.33 148	0.14 64	0.10 23	0.14 40	0.11 41	0.13 44	0.12 70

IGEV-Stereo	0.29 50	0.21 152	0.38 99	0.37 84	0.25 168	0.30 74	0.35 199	0.63 120	0.35 45	0.39 71	0.33 36	0.33 39	0.28 77	0.59 186	0.25 37	0.14 64	0.10 23	0.17 137	0.12 65	0.14 80	0.15 166
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
PSM-softLoss	0.38 153	0.20 119	0.48 239	0.41 204	0.26 208	0.30 74	0.35 199	0.69 171	0.46 106	0.62 149	0.82 213	0.59 187	0.33 126	0.70 277	0.39 225	0.19 260	0.12 150	0.20 249	0.18 254	0.16 163	0.22 334

KMStereo	0.38 153	0.20 119	0.48 239	0.41 204	0.26 208	0.30 74	0.35 199	0.69 171	0.46 106	0.62 149	0.82 213	0.59 187	0.33 126	0.70 277	0.39 225	0.19 260	0.12 150	0.20 249	0.18 254	0.16 163	0.22 334

rafts_anoy	0.37 138	0.21 152	0.36 73	0.41 204	0.26 208	0.30 74	0.33 165	0.67 153	0.90 313	0.58 134	0.66 143	0.45 114	0.33 126	0.47 79	0.39 225	0.16 165	0.11 96	0.21 290	0.23 358	0.17 197	0.14 143

raftrobust	0.34 89	0.19 88	0.36 73	0.41 204	0.27 236	0.30 74	0.25 53	0.71 193	0.63 160	0.58 134	0.55 111	0.45 114	0.46 206	0.51 104	0.29 113	0.16 165	0.12 150	0.14 40	0.12 65	0.12 17	0.13 100

DCANet	0.36 122	0.16 21	0.41 135	0.34 26	0.19 19	0.30 74	0.30 114	0.68 163	0.91 318	0.70 211	0.77 179	0.43 107	0.57 263	0.45 62	0.34 163	0.14 64	0.10 23	0.14 40	0.11 41	0.13 44	0.12 70

999	0.27 33	0.16 21	0.35 66	0.36 68	0.24 136	0.31 89	0.27 76	0.49 47	0.38 69	0.26 17	0.30 26	0.39 74	0.23 32	0.63 219	0.25 37	0.13 31	0.10 23	0.14 40	0.12 65	0.12 17	0.14 143

ff7	0.29 50	0.21 152	0.38 99	0.36 68	0.26 208	0.31 89	0.35 199	0.62 113	0.34 32	0.38 63	0.33 36	0.32 27	0.29 91	0.58 171	0.25 37	0.14 64	0.10 23	0.17 137	0.12 65	0.14 80	0.15 166

ffff	0.29 50	0.21 152	0.38 99	0.36 68	0.26 208	0.31 89	0.35 199	0.62 113	0.34 32	0.38 63	0.33 36	0.32 27	0.29 91	0.58 171	0.25 37	0.14 64	0.10 23	0.17 137	0.12 65	0.14 80	0.15 166

11t	0.29 50	0.21 152	0.38 99	0.36 68	0.26 208	0.31 89	0.35 199	0.62 113	0.34 32	0.38 63	0.33 36	0.32 27	0.29 91	0.58 171	0.25 37	0.14 64	0.10 23	0.17 137	0.12 65	0.14 80	0.15 166

RCA-Stereo	0.35 104	0.17 42	0.34 57	0.38 112	0.22 70	0.31 89	0.34 176	0.68 163	1.24 425	0.45 93	0.65 136	0.47 125	0.43 188	0.38 27	0.27 82	0.13 31	0.10 23	0.14 40	0.11 41	0.11 3	0.11 29

ccc-4	0.29 50	0.21 152	0.38 99	0.36 68	0.26 208	0.31 89	0.35 199	0.62 113	0.34 32	0.38 63	0.33 36	0.32 27	0.29 91	0.58 171	0.25 37	0.14 64	0.10 23	0.17 137	0.12 65	0.14 80	0.15 166

iRaft-Stereo_5w	0.45 226	0.21 152	0.48 239	0.42 244	0.28 259	0.31 89	0.54 381	0.63 120	0.62 149	0.62 149	0.89 256	1.01 362	0.69 337	0.75 303	0.66 349	0.13 31	0.12 150	0.17 137	0.15 148	0.14 80	0.15 166

iRaft-Stereo_20w	0.39 169	0.19 88	0.57 307	0.37 84	0.27 236	0.31 89	0.24 46	1.44 452	0.29 14	0.69 205	0.53 104	0.60 193	0.42 182	0.83 337	0.27 82	0.14 64	0.11 96	0.14 40	0.13 95	0.15 125	0.13 100

GLC_STEREO	0.29 50	0.19 88	0.27 16	0.44 281	0.19 19	0.31 89	0.26 62	0.47 42	0.43 91	0.37 57	0.47 75	0.41 90	0.23 32	0.50 98	0.34 163	0.14 64	0.18 335	0.19 220	0.16 179	0.16 163	0.13 100

iRaftStereo_RVC	0.32 74	0.19 88	0.37 88	0.39 140	0.22 70	0.31 89	0.29 99	0.68 163	0.51 120	0.49 107	0.66 143	0.37 63	0.23 32	0.45 62	0.33 148	0.14 64	0.10 23	0.18 180	0.17 227	0.15 125	0.12 70

EAI-Stereo	0.34 89	0.19 88	0.44 178	0.39 140	0.21 52	0.31 89	0.30 114	1.15 372	0.30 17	0.49 107	0.75 171	0.36 61	0.28 77	0.62 208	0.27 82	0.14 64	0.11 96	0.14 40	0.13 95	0.13 44	0.12 70

HART	0.29 50	0.16 21	0.32 35	0.40 173	0.21 52	0.32 100	0.26 62	0.62 113	0.31 20	0.33 44	0.65 136	0.41 90	0.22 23	0.55 130	0.25 37	0.12 6	0.10 23	0.15 78	0.11 41	0.15 125	0.11 29

Reg-Stereo(zero)	0.30 63	0.16 21	0.28 19	0.34 26	0.18 12	0.32 100	0.20 4	0.63 120	0.68 183	0.50 110	0.52 100	0.51 141	0.30 104	0.45 62	0.25 37	0.13 31	0.10 23	0.12 4	0.10 25	0.12 17	0.11 29

MSKI-zero shot	0.32 74	0.17 42	0.34 57	0.39 140	0.21 52	0.32 100	0.22 22	0.61 107	0.43 91	0.52 118	0.64 133	0.61 198	0.20 13	0.74 299	0.25 37	0.14 64	0.10 23	0.14 40	0.10 25	0.12 17	0.12 70

4D-IteraStereo	0.33 84	0.18 61	0.40 127	0.40 173	0.24 136	0.32 100	0.27 76	0.58 88	0.72 200	0.65 176	0.54 106	0.42 99	0.23 32	0.45 62	0.28 99	0.14 64	0.09 4	0.19 220	0.16 179	0.16 163	0.11 29

ProNet	0.29 50	0.21 152	0.38 99	0.35 52	0.24 136	0.32 100	0.43 315	0.57 82	0.37 64	0.33 44	0.30 26	0.32 27	0.28 77	0.57 151	0.26 65	0.13 31	0.11 96	0.16 103	0.13 95	0.13 44	0.13 100

cross-raft	0.34 89	0.20 119	0.37 88	0.44 281	0.23 108	0.32 100	0.35 199	0.74 210	0.40 78	0.60 140	0.77 179	0.57 164	0.27 64	0.43 50	0.28 99	0.12 6	0.10 23	0.15 78	0.13 95	0.15 125	0.11 29

IGEV-RUCA	0.25 16	0.16 21	0.34 57	0.39 140	0.27 236	0.33 106	0.20 4	0.38 10	0.36 51	0.26 17	0.31 33	0.25 13	0.21 18	0.48 89	0.24 24	0.20 283	0.11 96	0.13 23	0.10 25	0.17 197	0.15 166

fffy	0.28 40	0.21 152	0.34 57	0.37 84	0.23 108	0.33 106	0.29 99	0.51 57	0.41 82	0.32 42	0.37 51	0.39 74	0.27 64	0.50 98	0.27 82	0.12 6	0.11 96	0.16 103	0.13 95	0.14 80	0.11 29

WCG-NET	0.28 40	0.15 10	0.33 42	0.33 20	0.19 19	0.33 106	0.27 76	0.39 12	0.80 249	0.46 98	0.49 80	0.39 74	0.25 44	0.40 35	0.25 37	0.12 6	0.09 4	0.13 23	0.11 41	0.12 17	0.10 8

rvit_stereo_ft	0.33 84	0.25 266	0.47 219	0.52 396	0.32 336	0.33 106	0.47 338	0.49 47	0.50 118	0.34 46	0.41 56	0.41 90	0.32 116	0.48 89	0.34 163	0.22 322	0.14 240	0.19 220	0.18 254	0.19 253	0.14 143

HH	0.35 104	0.20 119	0.47 219	0.40 173	0.25 168	0.33 106	0.31 136	0.76 223	0.38 69	0.43 88	0.57 117	0.79 294	0.44 197	0.71 282	0.25 37	0.15 119	0.11 96	0.15 78	0.14 123	0.14 80	0.12 70

HanStereo	0.35 104	0.20 119	0.47 219	0.40 173	0.25 168	0.33 106	0.31 136	0.76 223	0.38 69	0.43 88	0.57 117	0.79 294	0.44 197	0.71 282	0.25 37	0.15 119	0.11 96	0.15 78	0.14 123	0.14 80	0.12 70

LoS	0.29 50	0.15 10	0.30 25	0.29 4	0.18 12	0.33 106	0.29 99	0.51 57	0.72 200	0.34 46	0.52 100	0.41 90	0.28 77	0.47 79	0.28 99	0.15 119	0.11 96	0.13 23	0.09 9	0.11 3	0.11 29
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
HHNet	0.41 192	0.17 42	0.41 135	0.34 26	0.37 371	0.33 106	0.34 176	0.69 171	0.75 217	0.86 313	1.30 399	0.52 145	0.32 116	0.52 110	0.35 180	0.15 119	0.11 96	0.19 220	0.15 148	0.15 125	0.24 346

RAFT-345	0.40 181	0.18 61	0.40 127	0.38 112	0.22 70	0.33 106	0.26 62	0.61 107	0.51 120	0.74 242	1.79 449	0.45 114	0.33 126	0.66 246	0.36 196	0.14 64	0.11 96	0.18 180	0.14 123	0.13 44	0.13 100

RAFT-Stereo + iAFF	0.36 122	0.17 42	0.41 135	0.35 52	0.19 19	0.33 106	0.29 99	0.65 134	0.73 207	0.68 196	1.01 307	0.56 159	0.40 174	0.42 46	0.30 119	0.11 2	0.09 4	0.15 78	0.14 123	0.13 44	0.10 8

UGAM-zero	0.46 235	0.19 88	0.62 322	0.37 84	0.23 108	0.34 116	0.21 15	1.15 372	0.39 77	0.66 188	0.61 127	1.70 454	0.91 407	0.75 303	0.25 37	0.14 64	0.11 96	0.15 78	0.12 65	0.13 44	0.13 100

rvit_stereo_0083	0.34 89	0.24 243	0.50 263	0.44 281	0.27 236	0.34 116	0.35 199	0.45 37	0.62 149	0.37 57	0.47 75	0.42 99	0.35 136	0.40 35	0.36 196	0.22 322	0.20 358	0.20 249	0.17 227	0.20 269	0.14 143

rvit_stereo_0081_aga	0.31 68	0.28 316	0.44 178	0.42 244	0.29 285	0.34 116	0.31 136	0.44 34	0.40 78	0.39 71	0.44 62	0.40 84	0.32 116	0.42 46	0.29 113	0.23 336	0.17 319	0.19 220	0.16 179	0.20 269	0.15 166

TestStereo1	0.43 209	0.23 207	0.41 135	0.51 384	0.24 136	0.34 116	0.40 287	0.77 226	0.90 313	0.68 196	0.96 283	0.48 130	0.46 206	0.91 371	0.32 136	0.16 165	0.13 209	0.18 180	0.15 148	0.14 80	0.13 100

RAFT_CTSACE	0.45 226	0.20 119	0.44 178	0.45 303	0.27 236	0.34 116	0.39 277	0.60 101	0.73 207	0.76 251	1.44 423	0.83 307	0.38 158	1.08 409	0.26 65	0.12 6	0.13 209	0.18 180	0.16 179	0.15 125	0.11 29

SA-5K	0.43 209	0.23 207	0.41 135	0.51 384	0.24 136	0.34 116	0.40 287	0.77 226	0.90 313	0.68 196	0.96 283	0.48 130	0.46 206	0.91 371	0.32 136	0.16 165	0.13 209	0.18 180	0.15 148	0.14 80	0.13 100

NRIStereo	0.36 122	0.20 119	0.45 190	0.41 204	0.23 108	0.34 116	0.26 62	0.65 134	0.55 135	0.64 167	0.63 130	0.56 159	0.37 154	0.65 238	0.37 211	0.15 119	0.11 96	0.18 180	0.15 148	0.17 197	0.14 143

Gwc-CoAtRS	0.34 89	0.17 42	0.44 178	0.39 140	0.23 108	0.34 116	0.22 22	0.70 185	0.75 217	0.60 140	0.59 122	0.58 172	0.29 91	0.45 62	0.26 65	0.14 64	0.11 96	0.14 40	0.12 65	0.12 17	0.12 70

MM-Stereo_test3	0.34 89	0.19 88	0.31 28	0.41 204	0.25 168	0.35 124	0.44 324	0.72 197	0.92 323	0.46 98	0.52 100	0.41 90	0.29 91	0.44 59	0.28 99	0.16 165	0.15 269	0.17 137	0.13 95	0.14 80	0.13 100

Pointernet	0.27 33	0.14 2	0.33 42	0.35 52	0.23 108	0.35 124	0.21 15	0.72 197	0.38 69	0.39 71	0.36 48	0.34 43	0.25 44	0.36 19	0.25 37	0.15 119	0.10 23	0.12 4	0.08 1	0.11 3	0.10 8

WCG-NET（raft）	0.31 68	0.15 10	0.36 73	0.32 15	0.19 19	0.35 124	0.27 76	0.51 57	0.78 239	0.45 93	0.55 111	0.48 130	0.27 64	0.54 125	0.26 65	0.13 31	0.10 23	0.12 4	0.11 41	0.12 17	0.11 29

LL-Strereo2	0.35 104	0.24 243	0.48 239	0.41 204	0.26 208	0.35 124	0.24 46	0.67 153	0.44 95	0.54 125	0.51 92	0.66 231	0.25 44	0.66 246	0.30 119	0.14 64	0.12 150	0.23 323	0.20 306	0.18 219	0.13 100

EGLCR-Stereo	0.25 16	0.16 21	0.33 42	0.34 26	0.20 38	0.35 124	0.20 4	0.52 66	0.36 51	0.28 27	0.27 19	0.41 90	0.18 5	0.45 62	0.26 65	0.14 64	0.10 23	0.16 103	0.14 123	0.13 44	0.11 29

RALCasStereoNet	0.36 122	0.21 152	0.37 88	0.42 244	0.26 208	0.35 124	0.38 255	0.63 120	0.64 167	0.50 110	0.72 156	0.51 141	0.29 91	0.59 186	0.36 196	0.16 165	0.14 240	0.15 78	0.13 95	0.17 197	0.16 211

RALAANet	0.38 153	0.23 207	0.48 239	0.42 244	0.29 285	0.35 124	0.25 53	0.86 256	0.64 167	0.67 190	0.65 136	0.60 193	0.29 91	0.60 192	0.34 163	0.15 119	0.12 150	0.17 137	0.15 148	0.21 290	0.13 100

test_xeample3	0.29 50	0.21 152	0.41 135	0.35 52	0.26 208	0.35 124	0.32 155	0.56 78	0.36 51	0.43 88	0.32 35	0.34 43	0.28 77	0.54 125	0.23 20	0.14 64	0.11 96	0.16 103	0.12 65	0.14 80	0.13 100

CFNet-RSSM	0.34 89	0.17 42	0.45 190	0.39 140	0.22 70	0.35 124	0.23 35	0.73 208	0.84 272	0.65 176	0.54 106	0.57 164	0.28 77	0.46 72	0.26 65	0.13 31	0.10 23	0.14 40	0.12 65	0.13 44	0.11 29

MM-Stereo_test1	0.33 84	0.19 88	0.36 73	0.41 204	0.23 108	0.36 133	0.45 327	0.58 88	0.54 130	0.60 140	0.50 84	0.38 71	0.37 154	0.60 192	0.26 65	0.15 119	0.13 209	0.17 137	0.14 123	0.15 125	0.12 70

SMoEStereo_RVC	0.26 24	0.19 88	0.35 66	0.35 52	0.22 70	0.36 133	0.32 155	0.39 12	0.34 32	0.37 57	0.30 26	0.33 39	0.24 39	0.53 119	0.24 24	0.12 6	0.10 23	0.16 103	0.12 65	0.12 17	0.11 29

knoymous	0.36 122	0.20 119	0.31 28	0.31 10	0.22 70	0.36 133	0.29 99	0.61 107	0.64 167	0.67 190	0.70 153	0.60 193	0.40 174	0.58 171	0.34 163	0.17 201	0.11 96	0.20 249	0.11 41	0.17 197	0.18 246

OMP-Stereo	0.42 199	0.22 187	0.46 207	0.52 396	0.24 136	0.36 133	0.25 53	0.71 193	0.78 239	0.77 257	0.64 133	0.89 333	0.39 169	0.91 371	0.35 180	0.15 119	0.12 150	0.20 249	0.15 148	0.15 125	0.12 70

trnet	0.27 33	0.14 2	0.23 1	0.28 2	0.15 1	0.37 137	0.23 35	0.52 66	0.72 200	0.42 85	0.51 92	0.34 43	0.26 56	0.39 31	0.25 37	0.15 119	0.11 96	0.12 4	0.08 1	0.11 3	0.10 8

MGS-Stereo	0.28 40	0.19 88	0.40 127	0.36 68	0.23 108	0.37 137	0.30 114	0.39 12	0.44 95	0.31 36	0.51 92	0.40 84	0.24 39	0.43 50	0.26 65	0.15 119	0.12 150	0.15 78	0.13 95	0.14 80	0.13 100

IGEVStereo-DCA	0.29 50	0.22 187	0.38 99	0.35 52	0.27 236	0.37 137	0.35 199	0.62 113	0.34 32	0.38 63	0.30 26	0.35 52	0.27 64	0.51 104	0.22 6	0.15 119	0.12 150	0.16 103	0.12 65	0.13 44	0.15 166

rrr	0.29 50	0.22 187	0.41 135	0.35 52	0.27 236	0.37 137	0.32 155	0.52 66	0.42 89	0.38 63	0.30 26	0.35 52	0.27 64	0.51 104	0.22 6	0.15 119	0.12 150	0.16 103	0.13 95	0.13 44	0.14 143

CES	0.28 40	0.14 2	0.23 1	0.30 7	0.70 462	0.37 137	0.27 76	0.48 44	0.46 106	0.34 46	0.48 77	0.27 15	0.22 23	0.39 31	0.23 20	0.13 31	0.11 96	0.12 4	0.08 1	0.13 44	0.17 229

GMOStereo	0.37 138	0.19 88	0.38 99	0.43 263	0.24 136	0.37 137	0.38 255	0.52 66	0.62 149	0.87 320	0.84 224	0.64 213	0.35 136	0.37 23	0.28 99	0.13 31	0.11 96	0.20 249	0.18 254	0.15 125	0.11 29

error version	0.37 138	0.19 88	0.38 99	0.43 263	0.24 136	0.37 137	0.38 255	0.52 66	0.62 149	0.87 320	0.84 224	0.64 213	0.35 136	0.37 23	0.28 99	0.13 31	0.11 96	0.20 249	0.18 254	0.15 125	0.11 29

test-v	0.37 138	0.19 88	0.38 99	0.43 263	0.24 136	0.37 137	0.38 255	0.52 66	0.62 149	0.87 320	0.84 224	0.64 213	0.35 136	0.37 23	0.28 99	0.13 31	0.11 96	0.20 249	0.18 254	0.15 125	0.11 29

TransformOpticalFlow	0.44 216	0.20 119	0.47 219	0.41 204	0.23 108	0.37 137	0.47 338	0.94 287	0.76 225	0.65 176	1.14 363	0.73 271	0.56 262	0.76 307	0.32 136	0.15 119	0.10 23	0.17 137	0.15 148	0.14 80	0.13 100

ASMatch	0.48 261	0.19 88	0.45 190	0.39 140	0.28 259	0.37 137	0.26 62	0.74 210	0.68 183	0.76 251	2.34 464	0.61 198	0.52 236	0.62 208	0.37 211	0.14 64	0.12 150	0.17 137	0.15 148	0.14 80	0.21 318

test-2	0.37 138	0.19 88	0.38 99	0.43 263	0.24 136	0.37 137	0.38 255	0.52 66	0.62 149	0.87 320	0.84 224	0.64 213	0.35 136	0.37 23	0.28 99	0.13 31	0.11 96	0.20 249	0.18 254	0.15 125	0.11 29

XX-TBD	0.32 74	0.53 432	0.26 12	0.51 384	0.20 38	0.37 137	0.24 46	0.40 17	0.73 207	0.54 125	0.69 150	0.31 25	0.25 44	0.32 10	0.27 82	0.16 165	0.10 23	0.12 4	0.09 9	0.13 44	0.11 29

CREStereo	0.28 40	0.15 10	0.24 4	0.27 1	0.17 8	0.37 137	0.25 53	0.51 57	0.72 200	0.42 85	0.51 92	0.32 27	0.26 56	0.38 27	0.25 37	0.16 165	0.11 96	0.12 4	0.08 1	0.12 17	0.11 29
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
tt45	0.27 33	0.17 42	0.34 57	0.35 52	0.23 108	0.38 150	0.28 89	0.46 39	0.28 12	0.40 76	0.27 19	0.38 71	0.25 44	0.57 151	0.26 65	0.13 31	0.11 96	0.16 103	0.13 95	0.12 17	0.14 143

tg	0.33 84	0.18 61	0.37 88	0.39 140	0.22 70	0.38 150	0.26 62	0.70 185	0.56 141	0.47 103	0.65 136	0.42 99	0.24 39	0.55 130	0.33 148	0.14 64	0.10 23	0.18 180	0.17 227	0.14 80	0.11 29

StereoVision	0.42 199	0.28 316	0.45 190	0.49 354	0.28 259	0.38 150	0.38 255	0.72 197	0.62 149	0.44 91	1.14 363	0.54 153	0.39 169	0.56 140	0.34 163	0.21 298	0.24 392	0.25 351	0.24 373	0.26 355	0.16 211

EKT-Stereo	0.35 104	0.23 207	0.39 117	0.43 263	0.29 285	0.38 150	0.31 136	0.69 171	0.64 167	0.45 93	0.63 130	0.49 135	0.27 64	0.56 140	0.33 148	0.18 230	0.14 240	0.18 180	0.15 148	0.16 163	0.16 211

GCAP-Stereo	0.28 40	0.19 88	0.40 127	0.38 112	0.19 19	0.38 150	0.23 35	0.57 82	0.41 82	0.45 93	0.49 80	0.39 74	0.27 64	0.33 12	0.23 20	0.14 64	0.12 150	0.14 40	0.11 41	0.12 17	0.11 29

XX-Stereo	0.37 138	0.17 42	0.45 190	0.55 412	0.36 365	0.38 150	0.20 4	0.60 101	0.30 17	0.46 98	1.30 399	0.73 271	0.26 56	0.56 140	0.26 65	0.16 165	0.11 96	0.17 137	0.16 179	0.14 80	0.10 8

rvit_0105_6	0.38 153	0.28 316	0.64 336	0.50 368	0.30 299	0.39 156	0.38 255	0.51 57	0.67 178	0.40 76	0.45 64	0.50 137	0.41 180	0.54 125	0.36 196	0.27 375	0.26 407	0.24 338	0.21 327	0.22 311	0.16 211

AIO-Stereo-zeroshot	0.42 199	0.20 119	0.74 384	0.38 112	0.43 407	0.39 156	0.26 62	0.94 287	0.49 114	0.53 121	0.77 179	0.93 344	0.45 202	0.63 219	0.24 24	0.16 165	0.10 23	0.17 137	0.18 254	0.20 269	0.20 300

test_for_model	0.82 407	3.60 511	0.39 117	2.35 499	2.07 499	0.39 156	0.28 89	0.42 24	0.45 102	0.71 218	0.31 33	0.30 19	0.27 64	0.34 14	0.25 37	0.34 425	0.11 96	0.13 23	0.09 9	3.49 510	0.18 246

LL-Strereo	0.57 346	0.27 302	0.68 356	0.48 339	0.34 355	0.39 156	0.48 346	0.94 287	0.97 346	0.83 299	0.78 190	1.10 390	1.18 444	1.33 440	0.49 291	0.17 201	0.14 240	0.22 304	0.19 282	0.16 163	0.17 229

castereo	0.28 40	0.16 21	0.32 35	0.35 52	0.21 52	0.40 160	0.42 311	0.50 55	0.66 175	0.26 17	0.41 56	0.37 63	0.36 150	0.33 12	0.24 24	0.13 31	0.09 4	0.13 23	0.10 25	0.11 3	0.10 8

MyStereo07	0.32 74	0.22 187	0.34 57	0.42 244	0.28 259	0.40 160	0.50 355	0.72 197	0.37 64	0.37 57	0.34 42	0.32 27	0.31 111	0.59 186	0.27 82	0.14 64	0.13 209	0.18 180	0.17 227	0.17 197	0.16 211

MyStereo04	0.44 216	0.22 187	0.44 178	0.42 244	0.28 259	0.40 160	0.50 355	1.00 310	1.08 398	0.62 149	0.58 121	0.55 156	0.57 263	0.71 282	0.44 260	0.14 64	0.13 209	0.18 180	0.17 227	0.17 197	0.16 211

raft_robust	0.41 192	0.23 207	0.36 73	0.42 244	0.21 52	0.40 160	0.33 165	0.79 235	0.98 350	0.79 265	0.87 244	0.39 74	0.33 126	0.84 342	0.29 113	0.13 31	0.12 150	0.16 103	0.17 227	0.15 125	0.12 70

GwcNet-ADL	0.44 216	0.22 187	0.48 239	0.45 303	0.30 299	0.40 160	0.37 234	0.92 281	0.97 346	0.71 218	0.78 190	0.61 198	0.42 182	0.62 208	0.50 292	0.19 260	0.14 240	0.15 78	0.14 123	0.18 219	0.18 246

CrosDoStereo	0.50 293	0.18 61	0.45 190	0.38 112	0.24 136	0.40 160	1.18 471	0.67 153	0.86 285	0.94 361	1.37 409	0.63 206	0.77 374	0.65 238	0.45 268	0.15 119	0.12 150	0.17 137	0.18 254	0.14 80	0.14 143

FTStereo	0.56 339	0.20 119	0.37 88	0.41 204	0.25 168	0.40 160	0.79 441	0.66 143	0.43 91	1.09 416	3.27 484	0.70 247	0.73 361	0.55 130	0.33 148	0.14 64	0.13 209	0.19 220	0.17 227	0.15 125	0.30 387

DeepStereo_LL	0.50 293	0.18 61	0.45 190	0.38 112	0.24 136	0.40 160	1.18 471	0.67 153	0.86 285	0.94 361	1.37 409	0.63 206	0.77 374	0.65 238	0.45 268	0.15 119	0.12 150	0.17 137	0.18 254	0.14 80	0.14 143

Prome-Stereo	0.46 235	0.19 88	0.35 66	0.44 281	0.26 208	0.40 160	0.45 327	0.68 163	0.44 95	0.96 369	1.84 451	0.59 187	0.67 327	0.61 200	0.32 136	0.14 64	0.11 96	0.16 103	0.14 123	0.16 163	0.29 380

TestStereo	0.38 153	0.31 341	0.40 127	0.45 303	0.20 38	0.40 160	0.37 234	0.66 143	0.65 172	0.53 121	0.78 190	0.47 125	0.40 174	0.55 130	0.37 211	0.18 230	0.13 209	0.20 249	0.15 148	0.22 311	0.13 100

sAnonymous2	0.40 181	0.39 389	0.85 405	0.48 339	0.37 371	0.40 160	0.46 331	0.57 82	0.52 123	0.38 63	0.46 69	0.35 52	0.42 182	0.43 50	0.30 119	0.19 260	0.14 240	0.18 180	0.17 227	0.57 460	0.44 444

CroCo_RVC	0.40 181	0.39 389	0.85 405	0.48 339	0.37 371	0.40 160	0.46 331	0.57 82	0.52 123	0.38 63	0.46 69	0.35 52	0.42 182	0.43 50	0.30 119	0.19 260	0.14 240	0.18 180	0.17 227	0.57 460	0.44 444

R-Stereo Train	0.39 169	0.18 61	0.42 156	0.42 244	0.26 208	0.40 160	0.32 155	0.72 197	0.34 32	0.89 334	1.28 395	0.57 164	0.35 136	0.42 46	0.32 136	0.15 119	0.12 150	0.14 40	0.12 65	0.14 80	0.13 100

RAFT-Stereo	0.39 169	0.18 61	0.42 156	0.42 244	0.26 208	0.40 160	0.32 155	0.72 197	0.34 32	0.89 334	1.28 395	0.57 164	0.35 136	0.42 46	0.32 136	0.15 119	0.12 150	0.14 40	0.12 65	0.14 80	0.13 100
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
rvit_0105_4	0.41 192	0.29 328	0.71 371	0.50 368	0.29 285	0.41 174	0.41 302	0.55 76	0.73 207	0.45 93	0.48 77	0.55 156	0.44 197	0.57 151	0.36 196	0.28 383	0.26 407	0.25 351	0.22 345	0.23 328	0.18 246

UGAM	0.52 309	0.22 187	0.46 207	0.45 303	0.25 168	0.41 174	0.52 373	0.62 113	1.16 410	0.76 251	1.13 358	1.32 419	0.57 263	1.00 393	0.53 312	0.17 201	0.14 240	0.25 351	0.21 327	0.15 125	0.13 100

MyStereo06	0.38 153	0.21 152	0.61 319	0.41 204	0.28 259	0.41 174	0.50 355	0.95 294	0.35 45	0.62 149	0.54 106	0.76 285	0.27 64	0.50 98	0.29 113	0.14 64	0.13 209	0.18 180	0.17 227	0.17 197	0.15 166

MyStereo05	0.44 216	0.21 152	0.45 190	0.41 204	0.28 259	0.41 174	0.50 355	0.93 283	1.09 400	0.76 251	0.61 127	0.51 141	0.57 263	0.73 292	0.42 239	0.14 64	0.13 209	0.18 180	0.17 227	0.17 197	0.15 166

UDGNet	0.48 261	0.77 457	0.50 263	0.48 339	0.31 320	0.41 174	0.34 176	0.70 185	0.92 323	0.65 176	0.60 124	0.58 172	0.43 188	0.63 219	0.41 235	0.32 411	0.15 269	0.66 468	0.19 282	0.36 411	0.21 318

CRE-IMP	0.36 122	0.23 207	0.49 250	0.42 244	0.24 136	0.41 174	0.21 15	0.57 82	0.41 82	0.65 176	0.72 156	0.53 149	0.37 154	0.61 200	0.38 219	0.17 201	0.11 96	0.19 220	0.15 148	0.21 290	0.18 246

sCroCo_RVC	0.35 104	0.28 316	0.69 362	0.51 384	0.39 384	0.41 174	0.31 136	0.49 47	0.45 102	0.31 36	0.48 77	0.38 71	0.32 116	0.46 72	0.32 136	0.21 298	0.22 374	0.19 220	0.19 282	0.21 290	0.20 300

MM-Stereo_test2	0.30 63	0.18 61	0.39 117	0.40 173	0.24 136	0.42 181	0.42 311	0.63 120	0.41 82	0.37 57	0.35 46	0.32 27	0.26 56	0.53 119	0.25 37	0.12 6	0.10 23	0.15 78	0.12 65	0.15 125	0.10 8

DCRE	0.37 138	0.18 61	0.46 207	0.45 303	0.32 336	0.42 181	0.37 234	0.63 120	0.51 120	0.47 103	0.94 271	0.56 159	0.36 150	0.52 110	0.32 136	0.14 64	0.13 209	0.15 78	0.14 123	0.14 80	0.13 100

GMStereo	0.39 169	0.37 375	0.54 292	0.40 173	0.26 208	0.42 181	0.36 220	0.59 91	1.04 378	0.55 127	0.51 92	0.37 63	0.35 136	0.54 125	0.41 235	0.19 260	0.13 209	0.16 103	0.17 227	0.24 341	0.18 246
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
rvit_stereo_0075_2	0.47 250	0.37 375	0.70 366	0.53 402	0.46 425	0.43 184	0.36 220	0.81 241	0.67 178	0.55 127	0.74 169	0.59 187	0.43 188	0.63 219	0.43 244	0.32 411	0.23 384	0.35 418	0.25 382	0.30 381	0.25 353

SA	0.44 216	0.25 266	0.46 207	0.46 324	0.24 136	0.43 184	0.36 220	0.75 216	0.96 343	0.59 136	1.03 319	0.48 130	0.52 236	0.94 387	0.32 136	0.16 165	0.12 150	0.21 290	0.19 282	0.15 125	0.13 100

test-3	0.34 89	0.16 21	0.43 166	0.39 140	0.21 52	0.43 184	0.22 22	0.63 120	0.78 239	0.71 218	0.45 64	0.64 213	0.27 64	0.43 50	0.31 126	0.12 6	0.09 4	0.17 137	0.13 95	0.12 17	0.10 8

test_1	0.34 89	0.16 21	0.43 166	0.39 140	0.21 52	0.43 184	0.23 35	0.63 120	0.78 239	0.68 196	0.45 64	0.64 213	0.27 64	0.43 50	0.31 126	0.12 6	0.09 4	0.17 137	0.13 95	0.12 17	0.10 8

PFNet	0.42 199	0.18 61	0.58 311	0.43 263	0.24 136	0.43 184	0.32 155	0.74 210	0.78 239	1.00 386	0.74 169	0.68 239	0.39 169	0.72 287	0.37 211	0.16 165	0.10 23	0.20 249	0.15 148	0.16 163	0.13 100

ISRNet	0.56 339	0.24 243	0.66 348	0.56 415	0.36 365	0.44 189	0.25 53	0.82 243	0.84 272	1.07 410	1.25 390	0.91 339	0.60 283	0.66 246	0.58 326	0.35 430	0.26 407	0.36 423	0.33 427	0.30 381	0.42 437

rvit_0105_5	0.42 199	0.31 341	0.73 379	0.50 368	0.29 285	0.44 189	0.42 311	0.61 107	0.74 214	0.51 113	0.51 92	0.60 193	0.47 210	0.57 151	0.38 219	0.27 375	0.25 400	0.25 351	0.23 358	0.22 311	0.18 246

testlalala2	0.36 122	0.18 61	0.45 190	0.89 467	0.53 439	0.44 189	0.26 62	0.61 107	0.49 114	0.68 196	0.56 114	0.44 112	0.24 39	0.34 14	0.31 126	0.15 119	0.12 150	0.14 40	0.10 25	0.13 44	0.13 100

LoS_RVC	0.27 33	0.16 21	0.27 16	0.32 15	0.30 299	0.44 189	0.34 176	0.41 21	0.33 30	0.31 36	0.51 92	0.29 18	0.32 116	0.36 19	0.28 99	0.11 2	0.10 23	0.11 1	0.08 1	0.11 3	0.19 278

IIG-Stereo	0.43 209	0.21 152	0.44 178	0.50 368	0.25 168	0.44 189	0.21 15	0.71 193	0.76 225	0.83 299	0.95 279	0.83 307	0.43 188	0.90 364	0.35 180	0.15 119	0.12 150	0.19 220	0.14 123	0.15 125	0.11 29

KYRaft	0.48 261	0.20 119	0.38 99	0.44 281	0.23 108	0.44 189	0.37 234	0.66 143	0.41 82	0.94 361	1.73 445	0.79 294	0.41 180	0.63 219	0.31 126	0.16 165	0.11 96	0.18 180	0.22 345	0.16 163	0.78 474

test-1	0.36 122	0.19 88	0.71 371	0.46 324	0.26 208	0.44 189	0.36 220	0.60 101	0.59 145	0.48 106	0.67 147	0.53 149	0.36 150	0.40 35	0.29 113	0.14 64	0.11 96	0.16 103	0.14 123	0.15 125	0.16 211

DN-CSS_ROB	0.43 209	0.26 285	0.62 322	0.40 173	0.29 285	0.44 189	0.27 76	0.77 226	0.75 217	0.72 230	1.09 345	0.48 130	0.43 188	0.69 272	0.37 211	0.15 119	0.12 150	0.21 290	0.19 282	0.18 219	0.16 211

AIO-test2	0.39 169	0.21 152	0.41 135	0.47 333	0.25 168	0.45 197	0.35 199	0.77 226	1.27 434	0.36 52	0.87 244	0.37 63	0.30 104	0.47 79	0.27 82	0.15 119	0.13 209	0.21 290	0.23 358	0.15 125	0.13 100

model_zeroshot	0.33 84	0.18 61	0.48 239	0.39 140	0.28 259	0.45 197	0.25 53	0.63 120	0.45 102	0.61 147	0.50 84	0.51 141	0.25 44	0.45 62	0.26 65	0.16 165	0.13 209	0.15 78	0.14 123	0.13 44	0.13 100

testlalala	0.28 40	0.19 88	0.43 166	0.34 26	0.23 108	0.45 197	0.30 114	0.43 32	0.29 14	0.68 196	0.49 80	0.35 52	0.25 44	0.32 10	0.25 37	0.14 64	0.11 96	0.14 40	0.09 9	0.11 3	0.11 29

raft+_RVC	0.38 153	0.19 88	0.35 66	0.37 84	0.25 168	0.45 197	0.37 234	0.78 232	0.89 311	0.51 113	0.78 190	0.50 137	0.29 91	0.53 119	0.40 232	0.15 119	0.12 150	0.17 137	0.15 148	0.14 80	0.12 70

PMTNet	0.32 74	0.16 21	0.24 4	0.29 4	0.18 12	0.45 197	0.22 22	0.56 78	0.63 160	0.46 98	0.54 106	0.39 74	0.34 133	0.48 89	0.24 24	0.75 474	0.10 23	0.12 4	0.08 1	0.12 17	0.11 29

AIO-test1	0.38 153	0.18 61	0.38 99	0.50 368	0.24 136	0.46 202	0.30 114	0.70 185	1.19 416	0.40 76	0.71 155	0.45 114	0.29 91	0.53 119	0.27 82	0.15 119	0.13 209	0.19 220	0.21 327	0.13 44	0.17 229

CAS	0.34 89	0.13 1	0.25 9	1.28 482	0.30 299	0.46 202	0.38 255	0.48 44	0.47 111	0.34 46	0.52 100	0.24 9	0.19 9	0.29 4	0.27 82	0.69 472	0.08 1	0.12 4	0.08 1	0.12 17	0.15 166

qqq	0.40 181	0.26 285	0.44 178	0.36 68	0.22 70	0.46 202	0.36 220	0.85 252	0.54 130	0.56 130	0.69 150	0.65 226	0.53 239	0.55 130	0.45 268	0.17 201	0.16 300	0.20 249	0.19 282	0.18 219	0.17 229

dd	0.43 209	0.38 385	0.55 297	0.44 281	0.25 168	0.47 205	0.38 255	0.70 185	1.05 382	0.59 136	0.65 136	0.42 99	0.39 169	0.66 246	0.50 292	0.24 347	0.15 269	0.21 290	0.15 148	0.22 311	0.18 246

LCNet	0.41 192	0.20 119	0.32 35	0.44 281	0.24 136	0.47 205	0.29 99	0.67 153	0.53 126	0.72 230	1.03 319	0.66 231	0.60 283	0.58 171	0.34 163	0.14 64	0.10 23	0.19 220	0.19 282	0.21 290	0.36 416

Former-RAFT_DAM_RVC	0.34 89	0.27 302	0.45 190	0.36 68	0.25 168	0.48 207	0.30 114	0.58 88	0.90 313	0.42 85	0.36 48	0.30 19	0.29 91	0.49 93	0.30 119	0.16 165	0.14 240	0.18 180	0.15 148	0.18 219	0.15 166

AE-Stereo	0.34 89	0.21 152	0.42 156	0.48 339	0.31 320	0.48 207	0.35 199	0.61 107	0.62 149	0.32 42	0.55 111	0.52 145	0.27 64	0.47 79	0.29 113	0.13 31	0.13 209	0.18 180	0.16 179	0.15 125	0.12 70

anonymousdsp2	0.35 104	0.20 119	0.43 166	0.37 84	0.24 136	0.48 207	0.31 136	0.86 256	0.65 172	0.55 127	0.50 84	0.50 137	0.34 133	0.56 140	0.31 126	0.14 64	0.10 23	0.14 40	0.10 25	0.16 163	0.14 143

test_3	0.36 122	0.19 88	0.44 178	0.44 281	0.23 108	0.48 207	0.36 220	0.66 143	0.82 262	0.64 167	0.45 64	0.68 239	0.25 44	0.41 41	0.31 126	0.12 6	0.10 23	0.18 180	0.16 179	0.15 125	0.11 29

rvit_0105_3	0.47 250	0.34 358	0.77 398	0.54 408	0.31 320	0.49 211	0.47 338	0.63 120	0.79 247	0.65 176	0.59 122	0.64 213	0.50 229	0.65 238	0.39 225	0.29 390	0.27 414	0.29 395	0.28 404	0.21 290	0.20 300

gcap-zeroshot	0.34 89	0.18 61	0.52 280	0.38 112	0.22 70	0.49 211	0.27 76	0.52 66	0.34 32	0.64 167	0.50 84	0.83 307	0.34 133	0.48 89	0.24 24	0.13 31	0.11 96	0.15 78	0.12 65	0.13 44	0.12 70

IPLGR	0.39 169	0.21 152	0.63 331	0.39 140	0.22 70	0.49 211	0.29 99	0.76 223	0.74 214	0.78 261	0.77 179	0.44 112	0.42 182	0.47 79	0.38 219	0.13 31	0.12 150	0.16 103	0.14 123	0.15 125	0.13 100

RAFT-Test	0.34 89	0.18 61	0.37 88	0.38 112	0.23 108	0.50 214	0.23 35	0.69 171	0.40 78	0.60 140	0.85 234	0.61 198	0.28 77	0.46 72	0.27 82	0.14 64	0.11 96	0.14 40	0.11 41	0.13 44	0.12 70

MIPNet	0.37 138	0.21 152	0.59 312	0.39 140	0.25 168	0.50 214	0.28 89	0.77 226	0.70 189	0.65 176	0.60 124	0.40 84	0.49 218	0.44 59	0.37 211	0.14 64	0.11 96	0.16 103	0.13 95	0.14 80	0.13 100

PSMNet-RSSM	0.48 261	0.22 187	0.38 99	0.42 244	0.25 168	0.50 214	0.37 234	1.10 348	0.77 232	0.70 211	1.06 335	0.84 311	0.64 312	0.62 208	0.47 285	0.23 336	0.15 269	0.23 323	0.25 382	0.20 269	0.19 278

DeepPruner_ROB	0.53 315	0.34 358	0.59 312	0.41 204	0.30 299	0.50 214	0.43 315	1.19 388	0.70 189	0.85 307	1.05 329	0.86 318	0.55 255	0.84 342	0.51 302	0.29 390	0.23 384	0.22 304	0.22 345	0.26 355	0.25 353

DCVSM-stereo	0.49 278	0.27 302	0.53 288	0.39 140	0.29 285	0.51 218	0.26 62	0.75 216	0.75 217	1.11 420	0.75 171	1.05 375	0.72 358	0.60 192	0.47 285	0.20 283	0.19 349	0.24 338	0.20 306	0.25 349	0.30 387

ACRE	0.40 181	0.21 152	0.65 342	0.45 303	0.33 346	0.51 218	0.33 165	0.66 143	0.63 160	0.80 267	0.92 267	0.45 114	0.32 116	0.52 110	0.45 268	0.16 165	0.12 150	0.15 78	0.14 123	0.13 44	0.14 143

GMM-Stereo	0.44 216	0.19 88	0.36 73	0.42 244	0.25 168	0.51 218	0.47 338	0.71 193	0.53 126	0.76 251	1.37 409	0.76 285	0.38 158	0.60 192	0.33 148	0.15 119	0.10 23	0.20 249	0.19 282	0.16 163	0.27 367

DMCA	0.45 226	0.26 285	0.50 263	0.38 112	0.28 259	0.51 218	0.34 176	0.93 283	0.68 183	0.75 244	0.83 219	0.79 294	0.53 239	0.51 104	0.54 316	0.21 298	0.16 300	0.21 290	0.16 179	0.19 253	0.21 318

Any-RAFT	0.35 104	0.16 21	0.30 25	0.34 26	0.21 52	0.52 222	0.22 22	0.88 268	0.73 207	0.53 121	0.73 160	0.64 213	0.28 77	0.46 72	0.24 24	0.15 119	0.10 23	0.13 23	0.10 25	0.13 44	0.12 70

x	0.39 169	0.24 243	0.41 135	0.34 26	0.23 108	0.52 222	0.32 155	0.86 256	0.52 123	0.57 132	0.70 153	0.59 187	0.50 229	0.49 93	0.46 278	0.17 201	0.15 269	0.17 137	0.15 148	0.17 197	0.16 211

CIPLG	0.41 192	0.21 152	0.63 331	0.45 303	0.33 346	0.52 222	0.33 165	0.65 134	0.60 147	0.82 287	0.96 283	0.46 122	0.32 116	0.55 130	0.44 260	0.16 165	0.12 150	0.15 78	0.14 123	0.13 44	0.14 143

IPLGR_C	0.40 181	0.21 152	0.64 336	0.45 303	0.33 346	0.52 222	0.34 176	0.66 143	0.62 149	0.82 287	0.92 267	0.45 114	0.32 116	0.52 110	0.46 278	0.17 201	0.12 150	0.15 78	0.14 123	0.13 44	0.14 143

AACVNet	0.50 293	0.23 207	0.49 250	0.46 324	0.29 285	0.52 222	0.38 255	0.90 275	0.55 135	0.81 278	1.03 319	1.00 359	0.70 350	0.83 337	0.54 316	0.21 298	0.18 335	0.24 338	0.18 254	0.23 328	0.20 300

111	0.40 181	0.17 42	0.41 135	0.34 26	0.19 19	0.52 222	0.28 89	0.74 210	1.16 410	0.50 110	0.91 263	0.63 206	0.48 215	0.61 200	0.35 180	0.14 64	0.10 23	0.14 40	0.12 65	0.13 44	0.13 100

MyStereo8	0.40 181	0.20 119	0.54 292	0.41 204	0.29 285	0.53 228	0.29 99	0.65 134	0.49 114	0.71 218	0.98 297	0.58 172	0.43 188	0.50 98	0.51 302	0.15 119	0.12 150	0.16 103	0.14 123	0.19 253	0.19 278

riskmin	0.38 153	0.20 119	0.39 117	0.32 15	0.23 108	0.53 228	0.30 114	0.63 120	0.80 249	0.49 107	0.56 114	0.73 271	0.58 272	0.55 130	0.36 196	0.17 201	0.11 96	0.19 220	0.13 95	0.19 253	0.20 300

GrayStereo	0.49 278	0.19 88	0.42 156	0.46 324	0.28 259	0.53 228	0.67 412	0.69 171	0.63 160	1.02 393	1.47 429	0.78 292	0.76 368	0.56 140	0.33 148	0.14 64	0.12 150	0.17 137	0.17 227	0.15 125	0.29 380

HCRNet	0.44 216	0.34 358	0.41 135	0.53 402	0.26 208	0.53 228	0.29 99	0.83 246	0.63 160	0.71 218	0.81 209	0.77 291	0.50 229	0.66 246	0.36 196	0.24 347	0.16 300	0.24 338	0.20 306	0.21 290	0.18 246

tt1	0.36 122	0.24 243	0.32 35	0.41 204	0.22 70	0.54 232	0.38 255	0.68 163	1.04 378	0.41 80	0.46 69	0.35 52	0.45 202	0.57 151	0.25 37	0.16 165	0.10 23	0.19 220	0.13 95	0.16 163	0.16 211

IPLG	0.39 169	0.20 119	0.59 312	0.40 173	0.24 136	0.54 232	0.27 76	0.75 216	0.63 160	0.84 306	0.81 209	0.32 27	0.32 116	0.60 192	0.45 268	0.13 31	0.11 96	0.16 103	0.13 95	0.13 44	0.12 70

GANet-ADL	0.42 199	0.25 266	0.45 190	0.43 263	0.29 285	0.54 232	0.35 199	0.89 270	0.86 285	0.63 157	0.72 156	0.68 239	0.42 182	0.52 110	0.41 235	0.21 298	0.14 240	0.15 78	0.13 95	0.18 219	0.19 278

RAFT	0.45 226	0.22 187	0.45 190	0.47 333	0.26 208	0.54 232	0.47 338	0.66 143	0.58 144	0.80 267	0.82 213	0.94 346	0.57 263	0.75 303	0.34 163	0.17 201	0.15 269	0.22 304	0.20 306	0.16 163	0.12 70

DMCA-RVC	0.51 300	0.30 336	0.59 312	0.50 368	0.32 336	0.54 232	0.38 255	0.86 256	0.68 183	0.94 361	0.86 237	0.91 339	0.68 333	0.70 277	0.59 331	0.23 336	0.18 335	0.31 404	0.23 358	0.26 355	0.19 278

ACVNet-DCA	0.35 104	0.23 207	0.33 42	0.41 204	0.22 70	0.55 237	0.38 255	0.85 252	0.54 130	0.41 80	0.50 84	0.34 43	0.49 218	0.57 151	0.25 37	0.16 165	0.10 23	0.19 220	0.13 95	0.18 219	0.17 229

xx1	0.39 169	0.23 207	0.33 42	0.41 204	0.22 70	0.55 237	0.38 255	0.67 153	1.06 389	0.41 80	0.50 84	0.65 226	0.53 239	0.57 151	0.25 37	0.16 165	0.10 23	0.20 249	0.19 282	0.18 219	0.17 229

1test111	0.36 122	0.23 207	0.33 42	0.41 204	0.22 70	0.55 237	0.38 255	0.85 252	0.54 130	0.41 80	0.50 84	0.34 43	0.49 218	0.55 130	0.45 268	0.16 165	0.10 23	0.19 220	0.13 95	0.18 219	0.17 229

cc1	0.37 138	0.23 207	0.33 42	0.41 204	0.22 70	0.55 237	0.38 255	0.67 153	1.06 389	0.41 80	0.50 84	0.34 43	0.49 218	0.57 151	0.25 37	0.16 165	0.10 23	0.19 220	0.13 95	0.16 163	0.15 166

ffm	0.44 216	0.26 285	0.49 250	0.37 84	0.25 168	0.55 237	0.37 234	0.68 163	1.04 378	0.73 237	0.96 283	0.71 251	0.53 239	0.57 151	0.25 37	0.16 165	0.10 23	0.25 351	0.21 327	0.16 163	0.16 211

ff1	0.49 278	0.26 285	0.49 250	0.37 84	0.25 168	0.55 237	0.37 234	0.68 163	1.04 378	0.73 237	0.96 283	0.71 251	0.53 239	1.01 394	0.88 397	0.16 165	0.10 23	0.25 351	0.21 327	0.16 163	0.16 211

mmx	0.53 315	0.26 285	0.49 250	0.37 84	0.25 168	0.55 237	0.37 234	1.16 378	1.03 373	0.73 237	0.96 283	0.71 251	0.53 239	1.01 394	0.88 397	0.20 283	0.15 269	0.25 351	0.21 327	0.22 311	0.20 300

xxx	0.53 315	0.26 285	0.49 250	0.37 84	0.25 168	0.55 237	0.37 234	1.16 378	1.03 373	0.73 237	0.96 283	0.71 251	0.53 239	1.01 394	0.88 397	0.20 283	0.15 269	0.25 351	0.21 327	0.22 311	0.20 300

STrans-v2	0.46 235	0.20 119	0.48 239	0.40 173	0.24 136	0.55 237	0.50 355	1.07 339	0.73 207	0.65 176	1.05 329	0.72 260	0.69 337	0.72 287	0.33 148	0.14 64	0.10 23	0.17 137	0.14 123	0.13 44	0.12 70

TANstereo	0.30 63	0.15 10	0.31 28	0.30 7	0.17 8	0.55 237	0.23 35	0.44 34	0.55 135	0.59 136	0.68 149	0.37 63	0.26 56	0.35 18	0.27 82	0.15 119	0.16 300	0.12 4	0.10 25	0.13 44	0.14 143

ARAFT	0.47 250	0.24 243	0.79 400	0.42 244	0.25 168	0.55 237	0.55 385	0.75 216	0.81 257	0.89 334	0.75 171	0.73 271	0.47 210	0.88 356	0.37 211	0.15 119	0.12 150	0.23 323	0.22 345	0.14 80	0.13 100

FENet	0.42 199	0.22 187	0.38 99	0.39 140	0.24 136	0.55 237	0.32 155	0.79 235	0.70 189	0.71 218	0.72 156	0.63 206	0.57 263	0.62 208	0.44 260	0.19 260	0.13 209	0.19 220	0.17 227	0.18 219	0.19 278

GwcNet-RSSM	0.49 278	0.24 243	0.42 156	0.40 173	0.23 108	0.55 237	0.38 255	0.93 283	0.93 329	0.71 218	1.16 373	0.86 318	0.60 283	0.62 208	0.66 349	0.21 298	0.14 240	0.19 220	0.20 306	0.16 163	0.15 166

ITSA-stereo	0.53 315	0.28 316	0.52 280	0.40 173	0.23 108	0.56 250	0.34 176	1.24 413	1.24 425	0.80 267	0.81 209	0.72 260	0.58 272	0.82 329	0.65 346	0.21 298	0.17 319	0.23 323	0.21 327	0.22 311	0.26 358

GMStereo_Zeroshot	0.49 278	0.44 405	0.74 384	0.49 354	0.27 236	0.56 250	0.29 99	0.73 208	0.76 225	0.86 313	0.94 271	0.91 339	0.36 150	0.74 299	0.43 244	0.26 367	0.14 240	0.26 367	0.15 148	0.36 411	0.18 246

PSM-AAD	0.48 261	0.20 119	0.37 88	0.43 263	0.23 108	0.56 250	0.50 355	0.65 134	0.70 189	1.07 410	1.12 352	0.58 172	0.92 411	0.61 200	0.32 136	0.15 119	0.11 96	0.25 351	0.26 393	0.18 219	0.43 443

aanetorigin	0.83 414	0.56 435	1.87 477	0.49 354	0.38 380	0.56 250	0.66 410	0.70 185	1.00 361	2.42 483	2.02 458	1.31 414	1.18 444	0.93 380	1.13 440	0.20 283	0.18 335	0.20 249	0.19 282	0.27 365	0.30 387

FADNet_RVC	0.55 328	0.37 375	1.17 442	0.44 281	0.31 320	0.56 250	0.34 176	1.06 335	0.88 298	0.67 190	0.90 260	0.61 198	0.65 318	0.93 380	0.70 359	0.21 298	0.18 335	0.26 367	0.23 358	0.31 387	0.28 374

RAFT-RH_RVC	0.56 339	0.17 42	0.41 135	0.37 84	0.23 108	0.57 255	0.24 46	0.60 101	0.70 189	1.19 428	3.94 495	0.56 159	0.38 158	0.65 238	0.36 196	0.13 31	0.11 96	0.20 249	0.14 123	0.12 17	0.13 100

AANet_RVC	0.57 346	0.32 345	0.54 292	0.45 303	0.27 236	0.57 255	0.48 346	1.00 310	1.28 435	0.86 313	1.33 403	0.87 324	0.58 272	1.07 407	0.75 370	0.18 230	0.12 150	0.15 78	0.13 95	0.18 219	0.18 246

FACV-RUCA	0.43 209	0.28 316	0.47 219	0.45 303	0.33 346	0.58 257	0.34 176	0.82 243	0.73 207	0.57 132	0.84 224	0.47 125	0.50 229	0.54 125	0.39 225	0.22 322	0.15 269	0.35 418	0.16 179	0.28 368	0.21 318

test_sample2	0.42 199	0.22 187	0.43 166	0.33 20	0.21 52	0.58 257	0.39 277	0.95 294	0.67 178	0.63 157	0.77 179	0.69 243	0.57 263	0.61 200	0.38 219	0.19 260	0.14 240	0.18 180	0.16 179	0.19 253	0.18 246

test_sample1	0.42 199	0.22 187	0.46 207	0.34 26	0.23 108	0.58 257	0.35 199	0.99 306	0.49 114	0.62 149	0.75 171	0.69 243	0.61 289	0.58 171	0.44 260	0.18 230	0.14 240	0.17 137	0.15 148	0.17 197	0.17 229

CFNet_ucs	0.50 293	0.24 243	0.55 297	0.38 112	0.31 320	0.58 257	0.33 165	0.98 304	0.93 329	0.88 330	1.19 381	0.80 302	0.49 218	0.63 219	0.43 244	0.21 298	0.15 269	0.26 367	0.18 254	0.26 355	0.22 334

testlalala_base	0.46 235	0.25 266	0.41 135	0.46 324	0.33 346	0.58 257	0.25 53	0.57 82	0.34 32	0.51 113	0.56 114	0.46 122	0.30 104	0.43 50	0.31 126	1.47 494	0.11 96	0.14 40	0.09 9	1.59 484	0.13 100

DAS	0.51 300	0.25 266	0.60 317	0.48 339	0.31 320	0.58 257	0.41 302	0.83 246	0.97 346	0.89 334	1.12 352	0.70 247	0.75 365	0.82 329	0.43 244	0.17 201	0.13 209	0.18 180	0.15 148	0.20 269	0.18 246

SepStereo	0.51 300	0.25 266	0.60 317	0.48 339	0.31 320	0.58 257	0.41 302	0.83 246	0.97 346	0.89 334	1.12 352	0.70 247	0.75 365	0.93 380	0.43 244	0.17 201	0.13 209	0.18 180	0.15 148	0.20 269	0.18 246

DRaft	0.49 278	0.17 42	0.47 219	0.37 84	0.25 168	0.58 257	0.40 287	0.65 134	0.85 280	1.02 393	1.75 448	0.50 137	0.82 389	0.63 219	0.40 232	0.13 31	0.11 96	0.16 103	0.16 179	0.14 80	0.15 166

ICVP	0.46 235	0.25 266	0.38 99	0.48 339	0.28 259	0.58 257	0.43 315	1.00 310	0.70 189	0.67 190	0.95 279	0.75 279	0.55 255	0.53 119	0.54 316	0.23 336	0.17 319	0.19 220	0.17 227	0.19 253	0.20 300
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.46 235	0.24 243	0.52 280	0.37 84	0.27 236	0.58 257	0.30 114	0.86 256	0.88 298	0.82 287	1.03 319	0.75 279	0.47 210	0.58 171	0.44 260	0.17 201	0.12 150	0.24 338	0.16 179	0.24 341	0.19 278

ACVNet	0.46 235	0.23 207	0.36 73	0.39 140	0.28 259	0.58 257	0.40 287	0.87 263	0.80 249	0.64 167	0.96 283	0.79 294	0.60 283	0.63 219	0.67 352	0.17 201	0.15 269	0.16 103	0.15 148	0.18 219	0.15 166

GANet-RSSM	0.47 250	0.21 152	0.37 88	0.38 112	0.25 168	0.58 257	0.36 220	1.07 339	0.78 239	0.68 196	1.01 307	0.86 318	0.67 327	0.62 208	0.44 260	0.21 298	0.15 269	0.18 180	0.18 254	0.18 219	0.17 229

ccs_rob	0.46 235	0.24 243	0.52 280	0.37 84	0.27 236	0.58 257	0.31 136	0.86 256	0.88 298	0.82 287	1.02 315	0.75 279	0.47 210	0.58 171	0.44 260	0.17 201	0.12 150	0.24 338	0.16 179	0.24 341	0.19 278

rvit_105_1	0.54 326	0.40 393	0.76 393	0.58 422	0.37 371	0.59 270	0.68 417	0.70 185	0.94 336	0.82 287	0.69 150	0.73 271	0.58 272	0.78 318	0.54 316	0.32 411	0.29 423	0.31 404	0.34 429	0.23 328	0.20 300

Sa-1000	0.48 261	0.24 243	0.41 135	0.45 303	0.25 168	0.59 270	0.34 176	0.81 241	0.93 329	0.82 287	1.50 430	0.53 149	0.45 202	0.92 374	0.30 119	0.15 119	0.12 150	0.21 290	0.19 282	0.15 125	0.13 100

dad	0.58 353	0.50 419	0.64 336	0.43 263	0.30 299	0.59 270	0.36 220	0.78 232	1.25 430	1.01 391	1.17 375	1.15 401	0.53 239	0.68 267	0.50 292	0.35 430	0.23 384	0.37 428	0.21 327	0.29 372	0.20 300

DEmStereo	0.48 261	0.17 42	0.50 263	0.38 112	0.25 168	0.59 270	0.34 176	0.63 120	0.74 214	0.89 334	1.66 441	0.58 172	1.06 432	0.60 192	0.42 239	0.14 64	0.11 96	0.16 103	0.16 179	0.14 80	0.15 166

GES	0.44 216	0.23 207	0.57 307	0.40 173	0.30 299	0.59 270	0.36 220	0.96 298	0.68 183	0.74 242	0.83 219	0.47 125	0.48 215	0.67 257	0.43 244	0.22 322	0.16 300	0.17 137	0.16 179	0.18 219	0.23 340

cf-r	0.47 250	0.23 207	0.41 135	0.39 140	0.23 108	0.59 270	0.37 234	0.88 268	0.85 280	0.72 230	1.05 329	0.94 346	0.62 295	0.56 140	0.54 316	0.21 298	0.14 240	0.17 137	0.19 282	0.15 125	0.15 166

DispNO	0.47 250	0.23 207	0.71 371	0.39 140	0.31 320	0.60 276	0.38 255	0.89 270	0.77 232	0.75 244	0.84 224	0.72 260	0.54 250	0.73 292	0.46 278	0.19 260	0.14 240	0.20 249	0.18 254	0.16 163	0.17 229

STTStereo	0.55 328	0.37 375	0.76 393	0.44 281	0.31 320	0.60 276	0.44 324	0.96 298	0.86 285	0.99 381	0.90 260	0.96 350	0.58 272	0.71 282	0.61 336	0.25 357	0.23 384	0.26 367	0.32 424	0.24 341	0.23 340

DEFOM-Stereo	0.22 6	0.15 10	0.26 12	0.33 20	0.20 38	0.61 278	0.21 15	0.30 5	0.31 20	0.23 7	0.19 4	0.18 3	0.18 5	0.41 41	0.22 6	0.12 6	0.10 23	0.12 4	0.09 9	0.11 3	0.11 29

mmm	0.44 216	0.27 302	0.46 207	0.38 112	0.24 136	0.61 278	0.35 199	0.94 287	0.53 126	0.72 230	1.05 329	0.63 206	0.50 229	0.57 151	0.45 268	0.18 230	0.15 269	0.23 323	0.20 306	0.20 269	0.18 246

CASS	0.45 226	0.27 302	0.42 156	0.48 339	0.22 70	0.61 278	0.34 176	0.97 301	0.62 149	0.71 218	0.85 234	0.61 198	0.55 255	0.57 151	0.41 235	0.29 390	0.16 300	0.22 304	0.18 254	0.22 311	0.28 374
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
pcwnet_v2	0.58 353	0.28 316	0.84 404	0.45 303	0.35 361	0.61 278	0.35 199	1.27 421	1.21 420	0.99 381	1.27 393	0.72 260	0.58 272	0.67 257	0.48 289	0.27 375	0.21 368	0.24 338	0.23 358	0.29 372	0.29 380

FADNet-RVC	0.60 363	0.53 432	1.14 436	0.46 324	0.39 384	0.61 278	0.39 277	1.12 358	0.87 294	0.70 211	0.84 224	1.04 371	0.55 255	0.94 387	0.69 356	0.26 367	0.25 400	0.28 387	0.28 404	0.31 387	0.31 394

MLCV	0.47 250	0.24 243	0.61 319	0.37 84	0.17 8	0.61 278	0.33 165	0.80 238	0.87 294	0.94 361	1.13 358	0.72 260	0.43 188	0.89 362	0.51 302	0.13 31	0.10 23	0.13 23	0.11 41	0.14 80	0.12 70

iResNet	0.49 278	0.29 328	0.79 400	0.42 244	0.21 52	0.61 278	0.40 287	0.82 243	0.99 355	0.87 320	1.12 352	0.69 243	0.53 239	0.78 318	0.51 302	0.15 119	0.11 96	0.14 40	0.12 65	0.17 197	0.15 166

iResNet_ROB	0.52 309	0.21 152	0.53 288	0.37 84	0.21 52	0.61 278	0.29 99	1.51 461	1.32 439	0.90 341	1.02 315	0.80 302	0.62 295	0.76 307	0.43 244	0.16 165	0.12 150	0.13 23	0.09 9	0.15 125	0.18 246

test_sample7	0.52 309	0.29 328	0.50 263	0.36 68	0.27 236	0.62 286	0.41 302	1.06 335	0.88 298	0.92 354	0.86 237	0.85 313	0.69 337	0.68 267	0.50 292	0.26 367	0.20 358	0.27 379	0.26 393	0.27 365	0.24 346

SMFormer	0.51 300	0.23 207	0.62 322	0.34 26	0.20 38	0.62 286	0.34 176	1.21 394	1.02 368	0.81 278	1.01 307	0.71 251	0.65 318	0.84 342	0.55 321	0.19 260	0.15 269	0.18 180	0.16 179	0.18 219	0.18 246

tta	0.51 300	0.23 207	0.62 322	0.34 26	0.20 38	0.62 286	0.34 176	1.21 394	1.02 368	0.81 278	1.01 307	0.71 251	0.65 318	0.84 342	0.55 321	0.19 260	0.15 269	0.18 180	0.16 179	0.15 125	0.14 143

qqq1	0.49 278	0.23 207	0.62 322	0.34 26	0.20 38	0.62 286	0.34 176	1.21 394	1.02 368	0.81 278	1.01 307	0.71 251	0.65 318	0.84 342	0.34 163	0.19 260	0.15 269	0.14 40	0.12 65	0.15 125	0.14 143

fff1	0.49 278	0.23 207	0.62 322	0.34 26	0.20 38	0.62 286	0.34 176	1.21 394	1.02 368	0.81 278	1.01 307	0.71 251	0.65 318	0.84 342	0.34 163	0.19 260	0.15 269	0.14 40	0.12 65	0.15 125	0.14 143

11t1	0.36 122	0.21 152	0.42 156	0.35 52	0.22 70	0.62 286	0.29 99	0.69 171	0.43 91	0.60 140	0.53 104	0.53 149	0.48 215	0.56 140	0.40 232	0.18 230	0.14 240	0.16 103	0.13 95	0.17 197	0.17 229

GASNet	0.67 374	0.72 452	0.96 418	0.70 457	0.48 427	0.62 286	0.47 338	1.08 343	1.03 373	0.94 361	0.82 213	0.93 344	0.83 393	1.33 440	0.80 378	0.31 400	0.22 374	0.29 395	0.28 404	0.44 434	0.24 346

DIP-Stereo	0.39 169	0.21 152	0.50 263	0.41 204	0.28 259	0.62 286	0.27 76	0.77 226	0.40 78	0.64 167	0.86 237	0.52 145	0.33 126	0.66 246	0.42 239	0.15 119	0.13 209	0.17 137	0.14 123	0.15 125	0.15 166
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
iResNetv2_ROB	0.52 309	0.27 302	0.69 362	0.38 112	0.25 168	0.62 286	0.35 199	1.17 383	1.01 365	0.99 381	1.06 335	0.88 329	0.67 327	0.66 246	0.39 225	0.19 260	0.13 209	0.15 78	0.11 41	0.18 219	0.16 211

test_sample6	0.49 278	0.26 285	0.50 263	0.37 84	0.22 70	0.63 295	0.40 287	1.12 358	0.83 267	0.80 267	1.03 319	0.66 231	0.55 255	0.67 257	0.46 278	0.22 322	0.16 300	0.22 304	0.22 345	0.23 328	0.21 318

PCWNet_CMD	0.48 261	0.24 243	0.52 280	0.39 140	0.27 236	0.63 295	0.30 114	0.95 294	0.96 343	0.86 313	1.07 338	0.79 294	0.44 197	0.57 151	0.43 244	0.17 201	0.12 150	0.21 290	0.16 179	0.24 341	0.19 278

SACVNet	0.58 353	0.34 358	0.55 297	0.55 412	0.36 365	0.63 295	0.48 346	1.13 360	0.77 232	1.02 393	1.06 335	1.02 367	0.74 363	0.90 364	0.51 302	0.27 375	0.21 368	0.25 351	0.24 373	0.29 372	0.36 416

RAFT + AFF	0.53 315	0.29 328	0.75 388	0.51 384	0.32 336	0.63 295	0.60 398	1.00 310	0.91 318	0.78 261	0.87 244	0.83 307	0.58 272	0.80 323	0.47 285	0.17 201	0.20 358	0.23 323	0.22 345	0.18 219	0.18 246

BEATNet_4x	0.46 235	0.32 345	0.56 303	0.37 84	0.19 19	0.63 295	0.35 199	1.01 317	0.72 200	0.77 257	0.83 219	0.70 247	0.59 279	0.68 267	0.53 312	0.16 165	0.12 150	0.16 103	0.14 123	0.24 341	0.16 211

MSMDNet	0.48 261	0.24 243	0.52 280	0.39 140	0.27 236	0.63 295	0.30 114	0.96 298	0.96 343	0.86 313	1.07 338	0.79 294	0.44 197	0.57 151	0.43 244	0.17 201	0.12 150	0.20 249	0.16 179	0.23 328	0.19 278

HITNet	0.41 192	0.26 285	0.45 190	0.33 20	0.17 8	0.63 295	0.30 114	0.93 283	0.64 167	0.71 218	0.82 213	0.64 213	0.52 236	0.59 186	0.43 244	0.14 64	0.10 23	0.15 78	0.13 95	0.19 253	0.12 70
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
test_sample5	0.47 250	0.26 285	0.49 250	0.36 68	0.22 70	0.64 302	0.39 277	1.13 360	0.81 257	0.77 257	0.94 271	0.64 213	0.54 250	0.65 238	0.43 244	0.21 298	0.16 300	0.22 304	0.20 306	0.22 311	0.20 300

DualNet	0.48 261	0.26 285	0.49 250	0.36 68	0.22 70	0.64 302	0.39 277	1.13 360	0.81 257	0.80 267	1.03 319	0.64 213	0.54 250	0.65 238	0.43 244	0.21 298	0.16 300	0.22 304	0.20 306	0.22 311	0.20 300

ToySt	0.49 278	0.27 302	0.75 388	0.40 173	0.27 236	0.64 302	0.49 352	0.84 249	0.77 232	0.60 140	0.83 219	0.88 329	0.66 324	0.70 277	0.56 323	0.16 165	0.17 319	0.21 290	0.20 306	0.21 290	0.19 278

Selective-RAFT	0.35 104	0.23 207	0.51 275	0.44 281	0.21 52	0.64 302	0.27 76	0.59 91	0.63 160	0.40 76	0.38 52	0.55 156	0.40 174	0.57 151	0.35 180	0.13 31	0.11 96	0.14 40	0.12 65	0.16 163	0.13 100

CFNet-ft	0.48 261	0.23 207	0.36 73	0.40 173	0.26 208	0.64 302	0.37 234	0.87 263	0.85 280	0.64 167	1.00 304	1.01 362	0.64 312	0.61 200	0.53 312	0.23 336	0.15 269	0.24 338	0.21 327	0.23 328	0.18 246

CFNet_RVC	0.48 261	0.23 207	0.36 73	0.40 173	0.26 208	0.64 302	0.37 234	0.87 263	0.85 280	0.64 167	1.00 304	1.01 362	0.64 312	0.61 200	0.53 312	0.23 336	0.15 269	0.24 338	0.21 327	0.23 328	0.18 246

UCFNet_RVC	0.49 278	0.26 285	0.35 66	0.39 140	0.26 208	0.64 302	0.36 220	1.15 372	0.84 272	0.67 190	0.88 252	0.88 329	0.59 279	0.58 171	0.45 268	0.24 347	0.17 319	0.27 379	0.27 399	0.25 349	0.23 340

ttt	0.51 300	0.25 266	0.43 166	0.38 112	0.24 136	0.65 309	0.38 255	1.18 386	1.05 382	0.72 230	1.08 341	0.63 206	0.49 218	0.84 342	0.59 331	0.24 347	0.21 368	0.22 304	0.20 306	0.24 341	0.24 346

psm_up	0.55 328	0.26 285	0.47 219	0.49 354	0.32 336	0.65 309	0.56 390	1.04 327	0.82 262	0.82 287	0.88 252	1.01 362	0.94 417	0.74 299	0.61 336	0.21 298	0.25 400	0.26 367	0.23 358	0.21 290	0.20 300

FADNet	0.61 365	0.51 422	1.10 431	0.45 303	0.44 414	0.65 309	0.41 302	1.19 388	1.05 382	0.70 211	0.84 224	0.98 355	0.66 324	0.82 329	0.50 292	0.29 390	0.30 427	0.27 379	0.30 411	0.46 441	0.35 414

1111x	0.55 328	0.22 187	0.46 207	0.38 112	0.20 38	0.66 312	0.43 315	1.23 406	0.99 355	0.71 218	0.99 302	0.95 348	0.69 337	0.90 364	1.08 433	0.18 230	0.17 319	0.18 180	0.19 282	0.20 269	0.18 246

TDLM	0.57 346	0.33 353	0.49 250	0.51 384	0.30 299	0.66 312	0.73 434	1.03 324	1.01 365	0.82 287	1.10 347	0.84 311	0.70 350	0.86 351	0.58 326	0.28 383	0.17 319	0.25 351	0.22 345	0.26 355	0.19 278

NLCA_NET_v2_RVC	0.53 315	0.32 345	0.64 336	0.44 281	0.30 299	0.66 312	0.44 324	1.04 327	0.88 298	0.91 346	0.91 263	0.99 356	0.60 283	0.68 267	0.60 334	0.21 298	0.17 319	0.22 304	0.22 345	0.21 290	0.21 318
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.58 353	0.44 405	0.62 322	0.42 244	0.33 346	0.66 312	0.58 394	1.02 320	0.86 285	0.77 257	1.28 395	0.72 260	0.64 312	0.82 329	0.59 331	0.31 400	0.26 407	0.40 436	0.27 399	0.33 397	0.26 358

CVANet_RVC	0.57 346	0.33 353	0.44 178	0.47 333	0.32 336	0.67 316	0.61 403	1.05 332	0.93 329	0.85 307	1.04 325	1.01 362	0.73 361	0.83 337	0.52 309	0.29 390	0.19 349	0.27 379	0.25 382	0.31 387	0.21 318

AdaStereo	0.50 293	0.32 345	0.47 219	0.48 339	0.25 168	0.67 316	0.32 155	1.17 383	0.88 298	0.75 244	0.99 302	0.75 279	0.49 218	0.67 257	0.46 278	0.27 375	0.12 150	0.28 387	0.18 254	0.23 328	0.18 246
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.
PSMNet-ADL	0.48 261	0.27 302	0.40 127	0.48 339	0.30 299	0.68 318	0.37 234	0.90 275	0.80 249	0.61 147	0.80 202	0.92 342	0.62 295	0.72 287	0.63 341	0.23 336	0.18 335	0.18 180	0.20 306	0.22 311	0.20 300

RASNet	0.53 315	0.22 187	0.52 280	0.38 112	0.22 70	0.68 318	0.38 255	0.97 301	0.88 298	0.73 237	1.04 325	1.03 369	0.92 411	0.90 364	0.86 390	0.16 165	0.14 240	0.14 40	0.17 227	0.15 125	0.13 100

PSMNet-RUCA	0.76 394	0.75 455	1.08 430	1.01 473	0.90 467	0.69 320	0.50 355	1.11 353	1.03 373	0.78 261	1.11 348	0.80 302	0.72 358	0.88 356	0.63 341	0.53 465	0.27 414	0.76 470	0.46 455	0.66 467	0.47 454

test_sample4	0.47 250	0.26 285	0.50 263	0.35 52	0.22 70	0.69 320	0.38 255	1.15 372	0.81 257	0.78 261	0.82 213	0.62 204	0.53 239	0.63 219	0.44 260	0.21 298	0.15 269	0.21 290	0.19 282	0.21 290	0.19 278

test_sample3	0.46 235	0.25 266	0.50 263	0.35 52	0.23 108	0.69 320	0.37 234	1.15 372	0.81 257	0.75 244	0.79 199	0.66 231	0.49 218	0.63 219	0.46 278	0.21 298	0.15 269	0.20 249	0.19 282	0.21 290	0.19 278

IER	0.46 235	0.23 207	0.50 263	0.38 112	0.28 259	0.69 320	0.35 199	0.80 238	0.66 175	0.83 299	0.94 271	0.75 279	0.77 374	0.60 192	0.42 239	0.17 201	0.14 240	0.17 137	0.17 227	0.17 197	0.15 166

EDNetEfficient	1.46 469	0.80 459	6.12 500	0.47 333	0.39 384	0.69 320	0.83 444	0.90 275	2.77 487	3.50 500	1.96 456	1.66 452	2.03 483	1.26 432	4.18 493	0.21 298	0.18 335	0.21 290	0.20 306	0.41 429	0.39 429

HBP-ISP	0.59 360	0.45 409	0.43 166	0.45 303	0.33 346	0.70 325	0.28 89	1.11 353	1.00 361	0.83 299	1.18 377	0.65 226	0.68 333	0.88 356	0.52 309	0.35 430	0.38 454	0.47 450	0.41 449	0.38 420	0.31 394

BUS	0.45 226	0.25 266	0.43 166	0.45 303	0.28 259	0.70 325	0.34 176	0.94 287	0.76 225	0.75 244	0.80 202	0.65 226	0.49 218	0.64 231	0.51 302	0.20 283	0.14 240	0.22 304	0.19 282	0.18 219	0.18 246

NINENet	0.50 293	0.29 328	0.51 275	0.45 303	0.32 336	0.70 325	0.34 176	1.10 348	0.88 298	0.80 267	0.94 271	0.65 226	0.49 218	0.73 292	0.51 302	0.22 322	0.20 358	0.25 351	0.18 254	0.22 311	0.21 318

GEStereo_RVC	0.55 328	0.29 328	0.63 331	0.49 354	0.31 320	0.70 325	0.54 381	1.22 402	0.92 323	0.82 287	0.85 234	0.85 313	0.63 301	0.90 364	0.65 346	0.24 347	0.16 300	0.19 220	0.16 179	0.21 290	0.22 334

CFNet	0.51 300	0.29 328	0.46 207	0.41 204	0.27 236	0.70 325	0.32 155	1.13 360	1.00 361	0.72 230	1.07 338	0.85 313	0.60 283	0.76 307	0.52 309	0.19 260	0.14 240	0.23 323	0.23 358	0.21 290	0.16 211

DDVS	0.52 309	0.30 336	0.56 303	0.41 204	0.31 320	0.71 330	0.34 176	0.91 279	0.67 178	0.85 307	0.89 256	1.12 394	0.46 206	0.86 351	0.60 334	0.22 322	0.16 300	0.22 304	0.18 254	0.25 349	0.26 358

DualNet (step1)	0.57 346	0.36 369	0.72 376	0.38 112	0.30 299	0.71 330	0.43 315	1.06 335	0.88 298	0.92 354	0.86 237	0.85 313	0.69 337	0.68 267	0.50 292	0.41 445	0.20 358	0.40 436	0.41 449	0.36 411	0.33 402

test_sample9	1.05 442	0.36 369	0.72 376	0.38 112	0.30 299	0.71 330	0.43 315	1.06 335	0.88 298	0.92 354	0.86 237	0.85 313	0.69 337	1.20 423	1.36 452	0.41 445	8.41 513	0.40 436	0.41 449	0.36 411	0.33 402

test_sample8	1.25 459	0.36 369	0.72 376	0.38 112	0.30 299	0.71 330	0.43 315	1.13 360	0.75 217	1.50 448	0.95 279	3.29 487	1.59 467	1.20 423	1.36 452	0.41 445	8.41 513	0.40 436	0.41 449	0.36 411	0.33 402

test_xeample	1.01 434	0.21 152	0.42 156	0.35 52	0.21 52	0.71 330	0.39 277	1.23 406	0.86 285	0.81 278	1.04 325	0.69 243	0.61 289	0.69 272	10.93 507	0.19 260	0.15 269	0.18 180	0.17 227	0.18 219	0.17 229

FAT-Stereo	0.73 391	0.33 353	0.75 388	0.49 354	0.37 371	0.71 330	0.59 396	1.36 440	1.30 437	1.03 401	1.40 415	1.59 451	1.15 440	0.87 353	0.86 390	0.28 383	0.28 418	0.28 387	0.23 358	0.28 368	0.38 427

FADNet-RVC-Resample	0.56 339	0.33 353	1.16 437	0.49 354	0.34 355	0.71 330	0.43 315	1.01 317	0.93 329	0.82 287	0.87 244	0.74 277	0.67 327	0.73 292	0.45 268	0.18 230	0.18 335	0.26 367	0.27 399	0.26 355	0.27 367

DeepPrunerF	0.89 422	0.52 429	3.43 491	0.68 454	0.81 464	0.72 337	0.72 433	1.22 402	1.99 474	0.93 358	1.01 307	0.87 324	0.86 398	1.08 409	0.95 416	0.34 425	0.28 418	0.43 442	0.39 441	0.30 381	0.32 398

NOSS_ROB	0.57 346	0.39 389	0.39 117	0.44 281	0.30 299	0.73 338	0.54 381	1.03 324	1.08 398	0.67 190	0.87 244	0.76 285	0.57 263	0.77 314	0.47 285	0.38 438	0.38 454	0.44 445	0.42 453	0.37 416	0.34 409

AASNet	0.53 315	0.25 266	0.52 280	0.49 354	0.32 336	0.74 339	0.40 287	1.50 458	0.86 285	0.86 313	0.92 267	0.64 213	0.59 279	0.59 186	0.79 376	0.23 336	0.19 349	0.20 249	0.16 179	0.21 290	0.19 278

DSFCA	0.55 328	0.25 266	0.62 322	0.40 173	0.36 365	0.74 339	0.52 373	1.04 327	0.82 262	1.06 407	0.84 224	0.89 333	0.63 301	0.99 390	0.58 326	0.25 357	0.21 368	0.21 290	0.21 327	0.21 290	0.19 278

CBMV_ROB	0.59 360	0.37 375	0.38 99	0.39 140	0.28 259	0.74 339	0.28 89	1.00 310	0.98 350	0.94 361	1.25 390	0.81 305	0.78 379	0.87 353	0.50 292	0.36 434	0.37 452	0.43 442	0.40 444	0.33 397	0.30 387

castereo++	0.26 24	0.16 21	0.26 12	0.33 20	0.19 19	0.75 342	0.20 4	0.37 7	0.47 111	0.23 7	0.23 7	0.35 52	0.28 77	0.39 31	0.19 3	0.14 64	0.09 4	0.14 40	0.09 9	0.11 3	0.10 8

PAM_32	0.46 235	0.19 88	0.67 352	0.39 140	0.24 136	0.75 342	0.27 76	0.95 294	0.34 32	0.68 196	0.44 62	1.91 462	0.65 318	0.62 208	0.26 65	0.15 119	0.10 23	0.16 103	0.15 148	0.14 80	0.13 100

PAM	0.46 235	0.19 88	0.70 366	0.40 173	0.26 208	0.75 342	0.33 165	0.85 252	0.34 32	0.70 211	0.46 69	1.83 457	0.63 301	0.61 200	0.26 65	0.15 119	0.10 23	0.16 103	0.14 123	0.14 80	0.13 100

CoDeX	0.47 250	0.20 119	0.49 250	0.42 244	0.25 168	0.75 342	0.36 220	1.27 421	0.80 249	0.82 287	0.96 283	0.62 204	0.57 263	0.60 192	0.36 196	0.17 201	0.12 150	0.17 137	0.15 148	0.16 163	0.14 143

THIR-Stereo	0.50 293	0.18 61	0.45 190	0.38 112	0.23 108	0.75 342	0.67 412	0.66 143	0.87 294	1.02 393	1.40 415	0.72 260	0.76 368	0.62 208	0.42 239	0.15 119	0.11 96	0.17 137	0.18 254	0.14 80	0.15 166

HSM	0.51 300	0.24 243	0.41 135	0.39 140	0.24 136	0.75 342	0.40 287	1.22 402	0.75 217	0.81 278	0.91 263	1.21 403	0.69 337	0.87 353	0.46 278	0.17 201	0.13 209	0.17 137	0.14 123	0.17 197	0.17 229

BSDual-CNN	0.46 235	0.25 266	0.43 166	0.45 303	0.28 259	0.77 348	0.40 287	0.94 287	0.76 225	0.75 244	0.80 202	0.76 285	0.54 250	0.64 231	0.43 244	0.20 283	0.14 240	0.22 304	0.19 282	0.18 219	0.18 246

hknet	0.49 278	0.25 266	0.51 275	0.45 303	0.29 285	0.77 348	0.40 287	0.94 287	0.83 267	0.75 244	0.80 202	0.97 352	0.61 289	0.73 292	0.45 268	0.18 230	0.14 240	0.22 304	0.19 282	0.18 219	0.18 246

s12784h	0.36 122	0.15 10	0.24 4	0.34 26	0.15 1	0.77 348	0.29 99	0.80 238	0.83 267	0.56 130	0.57 117	0.43 107	0.40 174	0.57 151	0.33 148	0.12 6	0.10 23	0.14 40	0.09 9	0.14 80	0.09 1

DLCB_ROB	0.58 353	0.28 316	0.47 219	0.49 354	0.32 336	0.77 348	0.50 355	0.99 306	0.92 323	1.04 402	1.14 363	1.21 403	0.69 337	0.88 356	0.69 356	0.20 283	0.20 358	0.22 304	0.22 345	0.21 290	0.18 246

ADLNet	0.55 328	0.27 302	0.51 275	0.44 281	0.35 361	0.78 352	0.46 331	1.08 343	0.86 285	0.99 381	0.98 297	0.92 342	0.63 301	0.69 272	0.81 381	0.22 322	0.16 300	0.22 304	0.22 345	0.21 290	0.21 318

hitnet-ft	0.55 328	0.27 302	0.39 117	0.41 204	0.28 259	0.78 352	0.40 287	0.92 281	0.90 313	0.82 287	1.01 307	1.13 398	0.70 350	0.78 318	0.67 352	0.28 383	0.20 358	0.28 387	0.22 345	0.29 372	0.26 358

PASM	0.90 425	0.64 447	1.69 472	0.69 456	0.69 461	0.78 352	0.84 447	1.03 324	1.26 433	1.19 428	1.15 368	1.31 414	0.98 424	1.24 430	1.03 427	0.52 461	0.56 476	0.59 467	0.66 476	0.56 458	0.54 465

222	1.18 454	0.22 187	0.44 178	0.37 84	0.22 70	0.79 355	0.37 234	1.31 429	0.89 311	0.92 354	1.08 341	0.72 260	0.71 354	0.66 246	13.89 510	0.20 283	0.15 269	0.17 137	0.16 179	0.18 219	0.19 278

XPNet_ROB	0.70 381	0.35 364	0.68 356	0.52 396	0.40 389	0.79 355	0.85 450	1.16 378	0.94 336	1.33 442	1.15 368	1.38 430	0.83 393	1.03 401	0.90 409	0.32 411	0.25 400	0.26 367	0.24 373	0.31 387	0.28 374

ETE_ROB	0.70 381	0.49 415	0.73 379	0.56 415	0.36 365	0.79 355	0.87 451	1.14 369	0.93 329	1.19 428	1.18 377	1.39 431	0.82 389	0.99 390	0.80 378	0.26 367	0.21 368	0.31 404	0.26 393	0.33 397	0.34 409

Anonymous_2	0.82 407	0.44 405	0.63 331	0.40 173	0.43 407	0.80 358	0.52 373	0.72 197	0.77 232	0.71 218	0.60 124	0.87 324	0.76 368	0.75 303	0.58 326	0.52 461	0.54 475	0.54 462	4.82 513	0.56 458	0.40 432

ac_64	0.52 309	0.22 187	0.50 263	0.45 303	0.28 259	0.80 358	0.45 327	1.02 320	0.61 148	0.91 346	0.83 219	1.07 382	0.68 333	0.74 299	0.70 359	0.21 298	0.18 335	0.20 249	0.19 282	0.18 219	0.15 166

HGLStereo	0.56 339	0.28 316	0.57 307	0.50 368	0.37 371	0.80 358	0.45 327	1.02 320	0.78 239	0.86 313	1.14 363	0.89 333	0.82 389	0.76 307	0.73 366	0.21 298	0.20 358	0.19 220	0.18 254	0.19 253	0.21 318

RP	0.76 394	0.36 369	0.63 331	0.66 447	0.58 452	0.80 358	0.55 385	1.14 369	1.22 422	0.97 373	1.65 439	1.43 435	1.32 454	1.01 394	0.84 385	0.33 419	0.30 427	0.36 423	0.30 411	0.34 403	0.34 409

edge stereo	0.76 394	0.38 385	0.74 384	0.52 396	0.43 407	0.80 358	0.53 377	1.28 423	1.06 389	1.28 438	1.38 414	1.81 456	1.11 437	1.08 409	0.85 389	0.33 419	0.32 439	0.41 440	0.28 404	0.32 392	0.36 416

gwcnet-sp	0.48 261	0.23 207	0.70 366	0.40 173	0.26 208	0.81 363	0.41 302	0.89 270	0.84 272	0.91 346	0.76 175	0.66 231	0.61 289	0.66 246	0.50 292	0.18 230	0.17 319	0.18 180	0.18 254	0.18 219	0.18 246

scenet	0.48 261	0.23 207	0.70 366	0.40 173	0.26 208	0.81 363	0.41 302	0.89 270	0.84 272	0.91 346	0.76 175	0.66 231	0.61 289	0.66 246	0.50 292	0.18 230	0.17 319	0.18 180	0.18 254	0.18 219	0.18 246

ssnet	0.48 261	0.23 207	0.70 366	0.40 173	0.26 208	0.81 363	0.41 302	0.89 270	0.84 272	0.91 346	0.76 175	0.66 231	0.61 289	0.66 246	0.50 292	0.18 230	0.17 319	0.18 180	0.18 254	0.18 219	0.18 246

Consistency-Raft	1.01 434	0.81 460	1.24 449	0.84 464	0.97 473	0.81 363	0.84 447	1.30 427	1.59 461	1.05 404	1.68 444	1.12 394	0.91 407	0.92 374	1.11 435	0.65 470	0.74 484	0.79 472	0.90 486	1.06 479	0.79 476

Anonymous3	0.46 235	0.34 358	0.86 410	0.50 368	0.37 371	0.81 363	0.50 355	0.72 197	0.65 172	0.51 113	0.65 136	0.45 114	0.45 202	0.64 231	0.38 219	0.24 347	0.24 392	0.22 304	0.21 327	0.23 328	0.23 340

NCC-stereo	0.78 399	0.40 393	0.76 393	0.61 433	0.67 458	0.81 363	0.69 422	1.54 465	1.11 402	0.90 341	1.36 406	1.33 422	1.16 441	1.19 421	0.88 397	0.31 400	0.30 427	0.37 428	0.48 462	0.33 397	0.33 402

Abc-Net	0.78 399	0.40 393	0.76 393	0.61 433	0.67 458	0.81 363	0.69 422	1.54 465	1.11 402	0.90 341	1.36 406	1.33 422	1.16 441	1.19 421	0.88 397	0.31 400	0.30 427	0.37 428	0.48 462	0.33 397	0.33 402
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DANet	0.71 385	0.45 409	0.91 414	0.59 426	0.40 389	0.81 363	0.40 287	0.97 301	0.84 272	1.20 431	1.22 383	1.33 422	0.88 404	1.16 418	1.24 445	0.27 375	0.23 384	0.31 404	0.25 382	0.35 407	0.32 398
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xxxx	1.01 434	0.22 187	0.43 166	0.36 68	0.21 52	0.82 371	0.36 220	1.32 430	0.88 298	0.71 218	0.94 271	0.97 352	0.63 301	0.64 231	10.58 506	0.20 283	0.16 300	0.18 180	0.17 227	0.19 253	0.19 278

S-Stereo	0.74 392	0.35 364	0.96 418	0.56 415	0.45 418	0.82 371	0.60 398	1.24 413	1.60 464	0.96 369	1.41 417	1.12 394	0.94 417	0.80 323	1.04 430	0.26 367	0.31 436	0.28 387	0.25 382	0.32 392	0.47 454

ADLNet2	0.55 328	0.25 266	0.65 342	0.47 333	0.30 299	0.83 373	0.50 355	1.05 332	0.95 342	0.80 267	0.98 297	0.99 356	0.69 337	0.77 314	0.73 366	0.20 283	0.16 300	0.17 137	0.18 254	0.21 290	0.21 318

LMCR-Stereo	0.53 315	0.30 336	0.53 288	0.58 422	0.30 299	0.83 373	0.36 220	1.19 388	0.76 225	0.88 330	1.04 325	0.56 159	0.62 295	0.82 329	0.67 352	0.19 260	0.15 269	0.19 220	0.14 123	0.23 328	0.17 229

FINET	0.67 374	0.42 399	1.00 422	0.46 324	0.43 407	0.83 373	0.89 452	1.08 343	1.50 454	0.87 320	1.14 363	0.71 251	0.68 333	0.92 374	0.70 359	0.36 434	0.30 427	0.26 367	0.24 373	0.35 407	0.33 402

UPFNet	0.53 315	0.24 243	0.51 275	0.45 303	0.38 380	0.84 376	0.49 352	0.99 306	0.75 217	0.87 320	0.88 252	0.86 318	0.64 312	0.80 323	0.71 363	0.20 283	0.20 358	0.20 249	0.20 306	0.19 253	0.15 166

psmg	0.49 278	0.25 266	0.43 166	0.41 204	0.28 259	0.85 377	0.43 315	0.99 306	0.76 225	0.91 346	0.94 271	0.76 285	0.54 250	0.64 231	0.43 244	0.20 283	0.15 269	0.20 249	0.20 306	0.18 219	0.18 246

psmorigin	0.82 407	0.51 422	2.09 480	0.49 354	0.41 396	0.85 377	0.50 355	1.04 327	0.88 298	1.45 446	1.43 421	1.50 442	1.06 432	1.22 428	0.97 419	0.31 400	0.32 439	0.27 379	0.27 399	0.33 397	0.42 437

HSM-Net_RVC	0.53 315	0.22 187	0.35 66	0.37 84	0.21 52	0.85 377	0.37 234	1.23 406	0.93 329	0.90 341	1.15 368	1.26 407	0.63 301	0.72 287	0.48 289	0.17 201	0.13 209	0.16 103	0.15 148	0.17 197	0.15 166
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
acv_ft	0.51 300	0.23 207	0.56 303	0.44 281	0.28 259	0.86 380	0.39 277	0.91 279	0.80 249	0.97 373	0.96 283	0.79 294	0.59 279	0.63 219	0.87 394	0.17 201	0.15 269	0.16 103	0.15 148	0.17 197	0.15 166

SFCPSM	0.47 250	0.21 152	0.55 297	0.40 173	0.27 236	0.87 381	0.37 234	1.33 432	0.77 232	0.80 267	0.84 224	0.54 153	0.49 218	0.57 151	0.37 211	0.18 230	0.13 209	0.18 180	0.20 306	0.16 163	0.15 166

NVstereo2D	0.60 363	0.30 336	0.75 388	0.48 339	0.43 407	0.89 382	0.48 346	1.05 332	1.15 409	0.66 188	0.86 237	0.88 329	0.70 350	0.99 390	0.65 346	0.32 411	0.15 269	0.28 387	0.20 306	0.40 423	0.36 416

anonymousa	0.49 278	0.20 119	0.42 156	0.38 112	0.23 108	0.91 383	0.35 199	0.75 216	0.62 149	0.85 307	1.54 434	1.06 377	0.66 324	0.51 104	0.43 244	0.16 165	0.13 209	0.19 220	0.21 327	0.16 163	0.14 143

Syn2CoEx	0.71 385	0.51 422	0.95 416	0.64 439	0.45 418	0.91 383	0.53 377	1.48 455	1.13 406	0.93 358	1.35 405	1.02 367	0.99 425	0.92 374	0.80 378	0.30 397	0.27 414	0.28 387	0.24 373	0.23 328	0.24 346

AF-Net	0.81 406	0.39 389	0.68 356	0.64 439	0.54 442	0.91 383	0.51 370	1.61 469	1.31 438	0.96 369	2.02 458	1.46 436	1.26 452	1.11 414	0.99 423	0.32 411	0.24 392	0.39 433	0.27 399	0.30 381	0.25 353

PWC_ROB	0.87 418	0.52 429	1.28 452	0.50 368	0.32 336	0.91 383	0.37 234	1.36 440	1.46 452	1.61 455	2.59 473	1.16 402	1.01 428	1.34 442	1.40 456	0.25 357	0.18 335	0.28 387	0.20 306	0.29 372	0.28 374

RGC	0.79 402	0.59 439	0.71 371	0.65 444	0.65 457	0.92 387	0.58 394	1.29 424	1.05 382	1.07 410	1.45 426	1.47 439	1.03 429	1.21 427	0.88 397	0.32 411	0.30 427	0.48 454	0.40 444	0.37 416	0.37 421

DGSMNet	0.76 394	0.55 434	1.29 454	0.58 422	0.62 455	0.94 388	0.70 427	1.26 419	1.11 402	0.83 299	1.24 388	1.00 359	0.71 354	1.03 401	0.81 381	0.34 425	0.29 423	0.41 440	0.40 444	0.57 460	0.55 466

PA-Net	0.67 374	0.43 401	0.83 403	0.50 368	0.53 439	0.94 388	0.68 417	1.10 348	1.14 408	0.80 267	0.88 252	0.87 324	0.77 374	1.02 399	0.88 397	0.24 347	0.41 461	0.29 395	0.44 454	0.26 355	0.34 409
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
GANet	0.70 381	0.37 375	0.55 297	0.51 384	0.34 355	0.94 388	0.96 458	1.08 343	0.94 336	1.04 402	1.98 457	1.13 398	0.88 404	1.12 415	0.66 349	0.25 357	0.26 407	0.27 379	0.22 345	0.31 387	0.22 334

ssnet_v2	0.58 353	0.28 316	0.56 303	0.43 263	0.29 285	0.95 391	0.59 396	1.13 360	0.99 355	0.93 358	0.80 202	0.99 356	0.64 312	0.82 329	0.94 413	0.25 357	0.22 374	0.23 323	0.24 373	0.20 269	0.19 278

Wz-Net-SNSev	0.91 426	0.73 453	2.13 481	0.56 415	0.45 418	0.95 391	1.13 470	1.34 434	1.24 425	1.02 393	1.30 399	1.46 436	0.86 398	1.81 469	1.50 457	0.25 357	0.23 384	0.25 351	0.26 393	0.32 392	0.29 380

pmcnn	1.23 457	0.29 328	0.96 418	0.40 173	0.23 108	0.95 391	0.69 422	1.16 378	1.28 435	1.67 461	2.33 463	11.15 513	0.86 398	0.93 380	0.88 397	0.15 119	0.12 150	0.12 4	0.10 25	0.15 125	0.15 166

StereoDRNet-Refined	0.58 353	0.32 345	0.54 292	0.46 324	0.30 299	0.96 394	0.40 287	1.00 310	0.94 336	1.12 421	1.08 341	0.96 350	0.67 327	0.90 364	0.89 407	0.17 201	0.13 209	0.22 304	0.21 327	0.20 269	0.19 278
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
anonymity	0.97 431	0.89 466	1.05 426	0.92 468	1.03 479	0.97 395	0.81 443	1.29 424	0.91 318	1.07 410	0.98 297	1.00 359	0.95 420	1.02 399	0.92 412	0.96 480	0.95 499	0.90 475	0.91 489	0.92 473	0.94 482

SHD	0.93 429	0.50 419	1.18 443	0.59 426	0.46 425	0.97 395	0.48 346	1.70 474	2.15 476	1.58 452	1.37 409	1.42 434	1.19 446	1.31 438	1.60 458	0.31 400	0.26 407	0.32 409	0.33 427	0.40 423	0.42 437

NaN_ROB	0.69 379	0.44 405	0.69 362	0.51 384	0.33 346	0.97 395	1.06 465	1.22 402	1.19 416	1.24 436	0.96 283	1.08 384	0.78 379	1.20 423	0.67 352	0.24 347	0.30 427	0.23 323	0.24 373	0.23 328	0.25 353

PSMNet_ROB	0.64 369	0.37 375	0.65 342	0.56 415	0.42 402	0.97 395	0.83 444	1.21 394	0.92 323	0.79 265	1.02 315	1.08 384	0.63 301	0.82 329	0.91 411	0.29 390	0.20 358	0.31 404	0.31 418	0.26 355	0.23 340

NCCL2	0.72 389	0.41 397	0.65 342	0.64 439	0.44 414	0.98 399	1.20 473	1.11 353	1.00 361	0.98 378	0.96 283	1.49 441	0.87 401	0.90 364	0.79 376	0.31 400	0.26 407	0.39 433	0.39 441	0.32 392	0.32 398

UNet	0.54 326	0.26 285	0.66 348	0.44 281	0.40 389	0.99 400	0.41 302	0.98 304	0.75 217	0.83 299	0.89 256	1.04 371	0.72 358	0.73 292	0.62 338	0.19 260	0.14 240	0.20 249	0.17 227	0.20 269	0.17 229

SuperB	1.04 439	0.37 375	4.81 498	0.43 263	0.31 320	0.99 400	0.46 331	1.02 320	2.09 475	1.09 416	1.09 345	0.75 279	0.81 385	1.06 404	1.76 463	0.19 260	0.15 269	0.17 137	0.15 148	2.82 505	0.26 358

LALA_ROB	0.74 392	0.43 401	0.69 362	0.54 408	0.40 389	1.01 402	0.95 457	1.21 394	1.07 395	1.22 433	1.12 352	1.56 448	0.79 381	1.04 403	0.86 390	0.33 419	0.22 374	0.35 418	0.30 411	0.35 407	0.31 394

CBMV	0.64 369	0.35 364	0.41 135	0.42 244	0.25 168	1.01 402	0.77 438	1.13 360	1.09 400	1.17 426	1.22 383	1.04 371	0.75 365	0.88 356	0.63 341	0.28 383	0.30 427	0.34 416	0.30 411	0.26 355	0.26 358
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UDG	0.88 420	0.82 463	0.67 352	1.00 472	0.96 472	1.02 404	0.57 393	1.13 360	0.99 355	0.90 341	0.97 296	1.31 414	0.99 425	0.85 349	0.84 385	0.54 466	0.32 439	1.77 486	0.40 444	0.94 474	0.66 470

LSM	4.74 505	0.77 457	10.16 504	0.70 457	56.56 525	1.02 404	1.00 463	1.24 413	1.62 465	2.04 473	2.34 464	1.33 422	1.17 443	1.38 449	1.09 434	0.33 419	0.49 473	0.39 433	0.46 455	0.51 449	10.09 515

SGM-Forest	0.62 366	0.32 345	0.39 117	0.43 263	0.30 299	1.02 404	0.55 385	1.09 347	1.05 382	1.06 407	1.18 377	1.10 390	0.67 327	0.88 356	0.62 338	0.31 400	0.33 445	0.33 414	0.30 411	0.30 381	0.28 374
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Wz-Net-LNSev-Ref	0.63 368	0.28 316	0.99 421	0.40 173	0.30 299	1.03 407	0.56 390	1.10 348	0.99 355	0.97 373	1.22 383	1.06 377	0.69 337	1.07 407	0.95 416	0.19 260	0.11 96	0.16 103	0.13 95	0.22 311	0.21 318

DDUNet	1.06 443	2.56 507	0.68 356	1.21 479	1.26 484	1.03 407	0.69 422	1.11 353	0.94 336	0.96 369	1.22 383	1.27 408	0.82 389	0.93 380	0.72 365	0.84 477	0.38 454	1.99 489	0.60 474	1.10 480	0.85 478

StereoDRNet	0.64 369	0.33 353	0.68 356	0.51 384	0.43 407	1.03 407	0.53 377	1.47 454	0.99 355	1.10 418	0.87 244	1.07 382	0.71 354	0.82 329	0.88 397	0.23 336	0.19 349	0.25 351	0.23 358	0.27 365	0.19 278

PWCDC_ROB	0.89 422	0.49 415	0.80 402	0.74 461	0.40 389	1.03 407	0.39 277	1.33 432	2.35 482	1.02 393	3.77 490	0.81 305	0.92 411	1.20 423	0.90 409	0.34 425	0.22 374	0.24 338	0.20 306	0.34 403	0.29 380

EDNetEfficientorigin	9.93 510	1.15 478	175.16 529	0.48 339	0.36 365	1.04 411	0.68 417	1.24 413	2.69 486	3.17 497	2.50 469	2.30 470	2.07 484	1.76 467	2.21 474	0.20 283	0.18 335	0.24 338	0.19 282	0.51 449	0.50 461

Nwc_Net	0.78 399	0.38 385	0.73 379	0.60 431	0.55 444	1.05 412	0.55 385	1.67 473	1.05 382	0.88 330	1.86 453	1.40 433	1.09 435	1.10 412	0.87 394	0.30 397	0.25 400	0.36 423	0.38 437	0.29 372	0.29 380

GCST	0.83 414	1.22 480	0.74 384	1.58 485	1.01 478	1.06 413	0.23 35	0.78 232	0.78 239	0.97 373	0.65 136	0.78 292	0.35 136	0.92 374	0.34 163	0.96 480	0.65 480	1.20 480	0.81 483	0.91 472	0.70 471

MMNet	0.55 328	0.25 266	0.61 319	0.43 263	0.34 355	1.07 414	0.39 277	0.87 263	0.91 318	0.91 346	0.93 270	0.86 318	0.76 368	0.81 326	0.76 371	0.15 119	0.14 240	0.18 180	0.19 282	0.20 269	0.16 211

delet	0.55 328	0.24 243	0.55 297	0.44 281	0.33 346	1.07 414	0.50 355	1.00 310	0.86 285	0.85 307	0.96 283	0.90 337	0.63 301	0.83 337	0.74 369	0.18 230	0.18 335	0.20 249	0.21 327	0.16 163	0.15 166

ADCMid	1.14 449	0.52 429	2.23 483	0.53 402	0.43 407	1.07 414	0.75 436	1.23 406	1.05 382	2.15 477	1.44 423	1.50 442	1.43 460	1.56 455	5.01 497	0.26 367	0.24 392	0.29 395	0.31 418	0.37 416	0.33 402

ADCRef	0.80 403	0.43 401	1.32 457	0.50 368	0.45 418	1.07 414	0.51 370	1.07 339	0.98 350	1.17 426	1.42 418	0.87 324	0.91 407	0.85 349	3.19 484	0.18 230	0.16 300	0.23 323	0.23 358	0.22 311	0.21 318

GwcNet	0.69 379	0.36 369	1.10 431	0.51 384	0.42 402	1.08 418	0.50 355	1.21 394	1.16 410	1.00 386	1.37 409	1.06 377	0.79 381	0.92 374	0.94 413	0.25 357	0.24 392	0.24 338	0.22 345	0.23 328	0.26 358

ccnet	0.82 407	0.57 437	0.75 388	0.54 408	0.59 453	1.09 419	0.66 410	1.38 443	0.94 336	1.12 421	1.44 423	1.29 411	0.92 411	0.95 389	1.24 445	0.49 457	0.42 463	0.50 459	0.47 460	0.51 449	0.46 449

SQANet	0.82 407	0.74 454	0.67 352	1.13 477	0.98 475	1.11 420	0.47 338	1.07 339	0.83 267	0.91 346	1.05 329	1.03 369	0.74 363	1.01 394	0.64 344	0.61 469	0.24 392	1.03 478	0.35 432	1.18 481	0.58 467

STTRV1_RVC	0.82 407	0.59 439	1.16 437	0.67 450	0.81 464	1.11 420	0.63 405	1.30 427	1.11 402	0.98 378	1.33 403	1.08 384	0.95 420	1.26 432	0.87 394	0.55 467	0.25 400	0.43 442	0.39 441	0.58 463	0.40 432

NVStereoNet_ROB	1.24 458	0.90 467	1.13 435	0.86 465	0.88 466	1.11 420	0.99 461	1.42 449	1.53 456	1.59 454	2.48 468	2.24 469	1.53 462	1.96 477	1.30 450	0.76 475	0.70 481	0.78 471	1.00 491	0.71 469	0.88 480
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
CBFPSM	0.59 360	0.22 187	1.31 455	0.38 112	0.27 236	1.12 423	0.65 409	0.79 235	0.82 262	0.80 267	0.81 209	1.35 428	0.87 401	0.67 257	0.76 371	0.16 165	0.15 269	0.15 78	0.16 179	0.17 197	0.22 334

RTSC	0.87 418	0.48 412	1.23 448	0.52 396	0.37 371	1.13 424	0.50 355	1.34 434	1.79 469	1.51 449	1.24 388	1.12 394	0.81 385	1.62 459	2.16 473	0.25 357	0.19 349	0.23 323	0.24 373	0.30 381	0.31 394

DISCO	0.70 381	0.26 285	0.68 356	0.44 281	0.31 320	1.14 425	0.51 370	1.23 406	1.23 423	0.81 278	1.05 329	1.50 442	0.85 396	1.82 470	1.03 427	0.19 260	0.15 269	0.18 180	0.16 179	0.24 341	0.23 340

CSAN	0.83 414	0.49 415	0.77 398	0.60 431	0.41 396	1.14 425	1.06 465	1.19 388	1.46 452	1.32 440	1.43 421	1.37 429	1.19 446	1.27 435	0.86 390	0.39 440	0.31 436	0.36 423	0.37 434	0.35 407	0.34 409

Wz-Net-LNSev	0.71 385	0.51 422	1.36 463	0.50 368	0.41 396	1.15 427	0.69 422	1.21 394	1.07 395	1.02 393	1.12 352	1.08 384	0.87 401	0.89 362	0.89 407	0.24 347	0.22 374	0.21 290	0.19 282	0.26 355	0.26 358

GANetREF_RVC	0.80 403	0.75 455	0.86 410	0.66 447	0.42 402	1.15 427	0.98 459	1.14 369	1.19 416	1.01 391	1.02 315	1.10 390	0.90 406	1.15 417	0.76 371	0.48 455	0.39 458	0.57 464	0.38 437	0.63 466	0.46 449
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
DRN-Test	0.66 373	0.32 345	0.66 348	0.50 368	0.39 384	1.15 427	0.61 403	1.49 457	1.01 365	1.12 421	1.08 341	1.06 377	0.69 337	0.77 314	0.94 413	0.23 336	0.17 319	0.26 367	0.25 382	0.25 349	0.21 318

fast-acv-ft	0.64 369	0.30 336	0.73 379	0.45 303	0.34 355	1.17 430	0.49 352	0.86 256	0.98 350	1.02 393	1.36 406	1.29 411	0.85 396	0.76 307	0.81 381	0.21 298	0.23 384	0.23 323	0.23 358	0.21 290	0.20 300

FBW_ROB	0.88 420	0.50 419	0.85 405	0.55 412	0.40 389	1.17 430	0.78 440	1.50 458	1.37 442	1.33 442	1.27 393	1.48 440	1.00 427	2.57 490	0.98 422	0.25 357	0.32 439	0.45 446	0.30 411	0.34 403	0.28 374

APVNet	0.71 385	0.37 375	0.89 413	0.56 415	0.45 418	1.18 432	0.68 417	1.41 448	0.85 280	0.81 278	1.15 368	1.04 371	0.81 385	1.10 412	1.17 441	0.26 367	0.28 418	0.32 409	0.31 418	0.29 372	0.30 387

iinet-f	0.67 374	0.26 285	2.15 482	0.39 140	0.31 320	1.19 433	0.56 390	0.84 249	0.84 272	0.80 267	1.17 375	1.05 375	0.84 395	0.71 282	1.21 444	0.20 283	0.18 335	0.17 137	0.15 148	0.20 269	0.20 300

ACV-stereo	0.62 366	0.34 358	1.00 422	0.43 263	0.31 320	1.20 434	0.40 287	0.75 216	0.83 267	0.64 167	0.77 179	2.10 466	1.03 429	0.81 326	0.64 344	0.21 298	0.17 319	0.18 180	0.18 254	0.21 290	0.21 318

CRFU-Net	0.57 346	0.27 302	0.57 307	0.46 324	0.30 299	1.20 434	0.52 373	1.10 348	0.56 141	1.00 386	0.98 297	1.06 377	0.79 381	0.81 326	0.71 363	0.21 298	0.19 349	0.18 180	0.16 179	0.18 219	0.19 278

CSP-Net	0.56 339	0.27 302	0.49 250	0.41 204	0.28 259	1.22 436	0.50 355	1.23 406	0.72 200	0.95 368	0.95 279	0.89 333	0.62 295	0.83 337	0.62 338	0.26 367	0.17 319	0.17 137	0.17 227	0.18 219	0.17 229

XQC	0.89 422	0.65 448	1.31 455	0.67 450	0.52 438	1.22 436	0.68 417	1.26 419	1.52 455	1.14 424	1.11 348	1.28 410	1.04 431	1.40 450	1.77 464	0.38 438	0.24 392	0.37 428	0.31 418	0.53 454	0.47 454

WCMA_ROB	1.14 449	0.36 369	0.76 393	0.49 354	0.44 414	1.23 438	0.67 412	1.11 353	1.23 423	2.84 491	3.95 496	3.28 486	1.83 477	1.25 431	0.99 423	0.44 449	0.34 447	0.34 416	0.37 434	0.41 429	0.40 432

DispFullNet	1.60 474	2.63 508	2.75 487	2.56 503	1.79 494	1.24 439	0.47 338	1.37 442	1.45 451	1.87 467	1.50 430	1.55 447	2.46 487	2.04 479	1.04 430	0.59 468	0.18 335	2.32 498	0.68 478	2.29 498	1.14 492

MFMNet_re	1.14 449	0.97 474	1.19 444	0.99 470	0.95 471	1.25 440	1.22 476	1.39 444	1.55 458	1.69 462	1.67 443	1.21 403	1.53 462	1.12 415	0.99 423	0.87 479	0.75 488	0.79 472	0.75 480	0.90 471	0.94 482

ADCS	1.51 471	0.61 443	3.42 490	0.59 426	0.51 434	1.27 441	1.08 468	1.59 467	1.81 470	1.91 471	1.66 441	1.51 445	1.42 459	1.94 476	8.60 505	0.33 419	0.32 439	0.33 414	0.36 433	0.44 434	0.42 437

CC-Net-ROB	0.82 407	0.96 471	0.85 405	0.58 422	0.45 418	1.27 441	0.70 427	1.17 383	1.02 368	0.83 299	1.23 387	0.90 337	0.77 374	1.06 404	0.69 356	0.46 451	0.34 447	1.71 485	0.38 437	0.59 464	0.36 416

RYNet	0.72 389	0.35 364	0.64 336	0.53 402	0.67 458	1.31 443	0.67 412	1.20 392	1.18 414	1.05 404	0.87 244	1.27 408	0.93 416	0.93 380	1.27 449	0.22 322	0.16 300	0.26 367	0.23 358	0.40 423	0.39 429

coex-ft	6.43 508	1.51 489	87.33 528	0.49 354	0.38 380	1.34 444	1.21 475	1.16 378	8.09 505	12.12 513	2.79 477	2.77 479	3.31 498	1.16 418	3.15 483	0.24 347	0.23 384	0.27 379	0.24 373	0.45 438	0.37 421

WZ-Net	1.19 455	0.59 439	4.07 495	0.62 437	0.51 434	1.34 444	1.31 483	1.32 430	1.74 468	1.53 451	1.65 439	1.74 455	1.28 453	2.25 484	2.01 470	0.27 375	0.21 368	0.23 323	0.25 382	0.40 423	0.39 429

FCDSN-DC	1.39 467	0.56 435	0.65 342	0.74 461	0.59 453	1.38 446	0.63 405	1.35 437	1.39 445	3.26 498	4.50 501	4.61 493	2.63 491	1.58 457	1.03 427	0.46 451	0.42 463	0.48 454	0.47 460	0.50 448	0.50 461
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MaskLacGwcNet_RVC	0.67 374	0.81 460	0.73 379	0.53 402	0.37 371	1.40 447	0.53 377	1.04 327	0.79 247	0.88 330	0.94 271	0.95 348	0.53 239	0.93 380	0.58 326	0.39 440	0.30 427	0.57 464	0.31 418	0.53 454	0.30 387

ADCPNet	1.03 438	0.48 412	2.70 486	0.54 408	0.42 402	1.40 447	0.75 436	1.13 360	1.07 395	1.22 433	1.42 418	1.68 453	1.09 435	1.36 447	3.45 488	0.30 397	0.28 418	0.29 395	0.32 424	0.37 416	0.35 414

AnyNet_C32	1.16 453	0.62 446	2.40 484	0.57 421	0.55 444	1.41 449	1.34 484	1.18 386	1.24 425	1.49 447	1.42 418	1.39 431	1.20 448	1.55 453	4.82 495	0.29 390	0.28 418	0.29 395	0.34 429	0.38 420	0.42 437

SANet	1.07 445	0.41 397	1.06 427	0.48 339	0.30 299	1.41 449	0.94 456	1.42 449	3.36 494	1.58 452	2.43 467	2.33 472	1.70 472	1.34 442	1.07 432	0.28 383	0.24 392	0.26 367	0.23 358	0.34 403	0.30 387

SPS-STEREO	1.25 459	0.93 468	1.06 427	1.04 475	1.03 479	1.41 449	0.91 455	1.51 461	1.19 416	2.09 475	1.83 450	1.94 463	1.39 457	1.62 459	1.39 455	0.97 482	0.94 498	0.90 475	0.89 485	0.96 476	0.96 485
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Wz-Net-MNSev	0.76 394	0.40 393	1.34 458	0.50 368	0.40 389	1.44 452	0.83 444	1.15 372	1.16 410	1.25 437	1.20 382	1.13 398	0.81 385	1.16 418	1.00 426	0.22 322	0.19 349	0.24 338	0.23 358	0.28 368	0.26 358

ADCP+	1.06 443	0.35 364	1.51 470	0.49 354	0.51 434	1.45 453	0.55 385	1.25 417	1.03 373	1.16 425	1.15 368	1.10 390	1.07 434	1.56 455	6.75 503	0.19 260	0.16 300	0.23 323	0.21 327	0.28 368	0.21 318

RainbowNet	1.35 464	1.49 487	1.19 444	1.88 491	1.45 485	1.48 454	1.07 467	1.61 469	1.55 458	1.20 431	1.59 437	1.54 446	1.13 438	1.34 442	0.97 419	1.36 493	0.70 481	1.82 487	0.79 482	1.71 486	1.07 491

PVD	1.28 461	0.67 450	1.28 452	0.74 461	0.62 455	1.50 455	0.84 447	1.99 480	2.96 488	2.18 478	2.36 466	1.85 460	1.95 481	1.92 474	1.94 468	0.39 440	0.36 451	0.49 457	0.37 434	0.51 449	0.64 468

Wz-Net-TNSev	1.14 449	1.06 477	4.32 497	0.49 354	0.42 402	1.51 456	1.11 469	1.48 455	1.40 447	1.22 433	1.26 392	1.58 450	1.43 460	1.76 467	1.70 460	0.32 411	0.31 436	0.26 367	0.30 411	0.41 429	0.41 436

SGM+DAISY	1.35 464	0.94 470	1.25 450	0.96 469	1.00 477	1.52 457	1.02 464	1.34 434	1.21 420	2.64 486	2.65 475	2.44 473	1.56 465	1.64 462	1.26 447	0.97 482	0.95 499	0.90 475	0.90 486	0.94 474	0.96 485

SGM_RVC	0.97 431	0.28 316	0.41 135	0.39 140	0.22 70	1.55 458	0.73 434	1.51 461	1.25 430	2.25 480	1.92 454	2.58 476	1.56 465	2.02 478	1.19 443	0.27 375	0.27 414	0.27 379	0.25 382	0.25 349	0.25 353
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FC-DCNN	1.59 473	0.51 422	0.66 348	0.61 433	0.49 429	1.56 459	0.70 427	1.66 472	1.53 456	4.64 505	4.62 502	5.85 502	3.34 500	1.84 471	1.11 435	0.46 451	0.42 463	0.47 450	0.46 455	0.48 444	0.46 449

LE_ROB	4.42 503	0.24 243	2.75 487	0.42 244	0.23 108	1.57 460	0.90 454	1.71 475	17.88 519	16.56 521	4.88 503	5.17 500	18.85 520	1.63 461	14.62 511	0.17 201	0.14 240	0.16 103	0.16 179	0.19 253	0.17 229

DPSNet	0.99 433	0.42 399	1.88 478	0.53 402	0.41 396	1.59 461	1.26 479	2.21 484	1.43 448	1.10 418	1.11 348	1.46 436	1.95 481	1.34 442	1.26 447	0.34 425	0.25 400	0.25 351	0.21 327	0.46 441	0.37 421

FC-DCNN v2	1.65 477	0.51 422	0.65 342	0.61 433	0.49 429	1.61 462	0.70 427	1.75 476	1.56 460	4.74 507	4.91 504	6.46 506	3.31 498	1.91 473	1.11 435	0.46 451	0.42 463	0.47 450	0.46 455	0.48 444	0.46 449

ADCL	1.04 439	0.38 385	1.35 459	0.50 368	0.39 384	1.61 462	0.89 452	1.29 424	1.39 445	1.29 439	1.50 430	1.24 406	1.24 449	1.37 448	4.87 496	0.21 298	0.19 349	0.25 351	0.25 382	0.29 372	0.27 367

MSMD_ROB	1.21 456	0.49 415	0.62 322	0.59 426	0.50 431	1.62 464	0.67 412	1.23 406	1.24 425	2.45 484	3.77 490	3.09 483	2.98 496	1.32 439	0.81 381	0.45 450	0.41 461	0.49 457	0.51 469	0.47 443	0.44 444

otaku	1.04 439	0.93 468	0.88 412	1.33 483	1.05 481	1.66 465	0.70 427	1.40 447	1.18 414	1.08 414	1.32 402	1.33 422	0.91 407	1.23 429	0.76 371	0.72 473	0.46 472	1.24 481	0.50 467	1.40 482	0.75 472

MeshStereo	1.34 462	0.43 401	0.54 292	0.44 281	0.34 355	1.66 465	0.60 398	1.94 478	1.37 442	4.47 504	3.25 482	4.71 495	1.94 480	1.92 474	1.17 441	0.35 430	0.35 449	0.37 428	0.31 418	0.32 392	0.32 398
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
PDISCO_ROB	0.91 426	0.48 412	1.06 427	0.99 470	0.97 473	1.67 467	0.63 405	1.64 471	1.59 461	1.06 407	1.18 377	1.31 414	0.79 381	1.55 453	0.97 419	0.49 457	0.22 374	0.45 446	0.40 444	0.45 438	0.37 421

Ntro	1.09 447	0.97 474	0.91 414	1.44 484	1.19 483	1.69 468	0.80 442	1.35 437	1.25 430	1.00 386	1.29 398	1.31 414	0.97 423	1.26 432	0.84 385	0.84 477	0.43 467	1.36 482	0.50 467	1.56 483	0.78 474

stereogan	0.80 403	0.31 341	0.71 371	0.59 426	0.50 431	1.72 469	0.48 346	1.35 437	1.37 442	1.00 386	1.46 428	1.56 448	0.95 420	1.29 436	0.84 385	0.28 383	0.29 423	0.29 395	0.25 382	0.38 420	0.38 427

SAMSARA	1.07 445	0.65 448	1.19 444	1.06 476	0.90 467	1.76 470	1.76 498	1.46 453	1.44 450	1.51 449	1.16 373	2.00 465	1.14 439	1.48 451	1.31 451	0.39 440	0.44 469	0.35 418	0.38 437	0.49 446	0.49 460

ACVNet_1	1.46 469	1.33 484	1.12 434	1.91 493	1.62 488	1.83 471	0.98 459	2.00 481	1.85 471	1.39 445	1.53 433	2.32 471	1.53 462	1.34 442	1.11 435	1.30 490	0.50 474	2.06 495	0.58 473	1.93 494	0.95 484

ACVNet-4b	1.35 464	1.31 483	1.10 431	1.90 492	1.59 487	1.92 472	0.77 438	1.52 464	1.62 465	1.05 404	1.60 438	2.11 467	0.94 417	1.64 462	0.77 375	1.30 490	0.35 449	2.03 493	0.67 477	1.88 492	0.84 477

MFN_U_SF_RVC	1.09 447	0.59 439	1.97 479	0.67 450	0.44 414	1.93 473	0.60 398	1.85 477	1.36 440	1.61 455	1.54 434	1.95 464	1.37 456	1.64 462	1.73 461	0.40 444	0.37 452	0.45 446	0.48 462	0.44 434	0.44 444

AnyNet_C01	1.56 472	1.05 476	7.45 502	0.64 439	0.54 442	1.99 474	1.38 486	1.43 451	1.36 440	1.63 458	1.92 454	1.84 458	1.33 455	2.40 486	4.03 490	0.33 419	0.32 439	0.32 409	0.34 429	0.44 434	0.45 448

ELAS_RVC	1.60 474	0.61 443	1.01 424	0.70 457	0.56 447	2.00 475	1.89 501	1.96 479	2.65 485	3.33 499	3.26 483	3.03 480	3.41 501	2.49 488	2.09 472	0.52 461	0.45 470	0.50 459	0.48 462	0.54 456	0.52 463
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
G-Net	0.95 430	0.46 411	1.04 425	0.64 439	0.48 427	2.12 476	0.64 408	1.01 317	0.87 294	1.75 463	2.82 480	1.30 413	1.64 471	1.06 404	0.96 418	0.36 434	0.29 423	0.35 418	0.25 382	0.45 438	0.42 437

ACVNet_2	1.65 477	1.27 482	1.41 466	1.75 488	1.62 488	2.22 477	1.20 473	2.30 485	2.62 484	1.78 465	2.56 470	3.03 480	1.61 468	1.54 452	1.12 439	1.06 485	0.58 478	1.82 487	0.70 479	1.82 488	0.96 485

IMH-64-1	1.86 479	1.62 492	1.16 437	2.20 496	1.89 496	2.33 478	1.30 480	2.89 489	2.29 479	1.66 459	2.80 478	2.49 474	1.61 468	2.10 480	1.78 465	1.60 495	0.74 484	2.43 499	1.02 492	2.12 495	1.17 495

IMH-64	1.86 479	1.62 492	1.16 437	2.20 496	1.89 496	2.33 478	1.30 480	2.89 489	2.29 479	1.66 459	2.80 478	2.49 474	1.61 468	2.10 480	1.78 465	1.60 495	0.74 484	2.43 499	1.02 492	2.12 495	1.17 495

MDST_ROB	0.91 426	0.27 302	0.85 405	0.63 438	0.41 396	2.53 480	0.71 432	1.60 468	1.13 406	2.83 490	1.73 445	0.97 352	0.69 337	1.61 458	0.73 366	0.25 357	0.22 374	0.32 409	0.28 404	0.25 349	0.24 346

MFN_U_SF_DS_RVC	1.02 437	0.57 437	1.51 470	0.67 450	0.50 431	2.57 481	1.66 494	1.20 392	1.43 448	1.38 444	1.57 436	1.33 422	0.92 411	1.64 462	0.88 397	0.37 437	0.39 458	0.46 449	0.60 474	0.41 429	0.40 432

WAO-6	2.04 486	1.50 488	1.16 437	1.70 487	1.67 492	2.69 482	1.44 490	3.06 491	3.63 497	1.98 472	3.27 484	3.54 491	2.07 484	2.36 485	2.22 476	1.31 492	0.91 494	2.04 494	1.22 501	1.73 487	1.27 499

Dean	1.98 483	1.36 485	1.36 463	2.12 495	1.81 495	2.74 483	1.36 485	3.37 498	3.80 498	2.08 474	3.32 486	3.21 485	1.82 475	1.71 466	1.67 459	1.27 487	0.77 490	1.99 489	0.90 486	1.86 489	1.03 490

LVE	2.12 488	1.44 486	1.36 463	1.99 494	1.78 493	2.75 484	1.79 499	2.82 488	3.95 499	1.90 470	4.33 500	3.52 490	1.81 474	2.24 483	1.74 462	1.74 499	0.87 493	2.06 495	1.13 497	1.91 493	1.35 500

MADNet+	2.23 489	2.43 504	10.85 505	1.22 480	0.91 469	2.76 485	1.40 487	2.12 483	1.67 467	1.32 440	1.74 447	1.86 461	1.74 473	6.25 506	4.41 494	0.65 470	0.64 479	0.58 466	0.54 471	0.80 470	0.76 473

RTS	1.98 483	0.96 471	11.36 506	0.65 444	0.57 450	2.77 486	1.40 487	1.39 444	2.26 477	1.89 468	2.56 470	1.32 419	1.25 450	5.20 503	4.05 491	0.31 400	0.22 374	0.29 395	0.29 409	0.40 423	0.37 421

RTSA	1.98 483	0.96 471	11.36 506	0.65 444	0.57 450	2.77 486	1.40 487	1.39 444	2.26 477	1.89 468	2.56 470	1.32 419	1.25 450	5.20 503	4.05 491	0.31 400	0.22 374	0.29 395	0.29 409	0.40 423	0.37 421

WAO-7	1.90 481	1.20 479	1.35 459	1.27 481	1.06 482	2.84 488	1.56 493	3.23 494	3.06 492	2.23 479	3.33 487	3.17 484	2.28 486	3.12 491	2.21 474	1.02 484	0.91 494	1.06 479	1.03 494	1.04 478	0.97 488

PWCK	1.92 482	1.66 495	3.12 489	1.65 486	0.91 469	2.84 488	2.26 504	2.10 482	2.41 483	2.36 482	2.31 462	2.22 468	1.82 475	3.43 494	2.03 471	1.61 497	0.71 483	1.51 483	0.82 484	1.69 485	0.91 481

KSHMR	2.57 490	1.93 498	1.69 472	2.63 505	2.42 504	2.86 490	2.07 502	3.27 496	6.50 503	2.49 485	3.36 489	3.41 489	1.92 479	2.49 488	1.94 468	2.13 504	1.40 504	2.79 508	1.50 504	2.73 503	1.77 503

DPSimNet_ROB	3.58 499	2.45 505	8.57 503	2.53 501	2.37 503	2.88 491	3.77 509	3.14 493	3.23 493	4.71 506	3.86 493	4.68 494	4.87 506	4.07 501	5.62 498	2.33 507	2.33 508	2.47 502	2.52 508	2.51 502	2.64 509

notaker	2.76 491	2.29 503	1.80 476	2.96 507	2.58 508	2.90 492	1.75 497	3.24 495	3.05 491	2.78 489	4.24 499	6.15 505	2.51 489	3.34 493	2.75 482	2.31 506	1.18 502	3.00 509	1.65 505	2.84 506	1.97 504

IMH	2.04 486	1.62 492	1.20 447	2.20 496	1.89 496	2.91 493	1.30 480	3.11 492	3.03 490	1.81 466	3.35 488	3.03 480	1.90 478	2.48 487	1.80 467	1.66 498	0.77 490	2.45 501	1.04 495	2.15 497	1.19 498

ELAS	1.63 476	0.61 443	0.95 416	0.68 454	0.55 444	3.01 494	1.55 492	2.39 486	2.33 481	3.64 501	3.89 494	2.75 478	2.90 495	2.15 482	2.27 479	0.52 461	0.45 470	0.50 459	0.48 462	0.54 456	0.52 463
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
LRCNet_RVC	21.24 518	31.15 523	21.41 513	28.98 521	23.82 519	3.13 495	0.60 398	20.96 522	1.59 461	25.58 522	28.15 523	21.99 522	14.79 511	21.94 523	16.41 512	28.89 527	14.87 521	33.53 523	31.28 523	29.51 525	26.16 523

SDNR	0.86 417	0.37 375	1.47 468	0.40 173	0.38 380	3.38 496	0.33 165	0.90 275	0.98 350	0.99 381	2.09 461	0.59 187	0.71 354	1.29 436	0.70 359	0.51 460	0.56 476	0.36 423	0.26 393	0.43 433	0.46 449

U	0.45 226	0.16 21	0.32 35	0.40 173	0.71 463	3.55 497	0.20 4	0.41 21	0.38 69	0.26 17	0.23 7	0.24 9	0.22 23	0.26 1	0.22 6	0.15 119	0.09 4	0.88 474	0.13 95	0.13 44	0.11 29

HanzoNet	6.76 509	2.45 505	4.22 496	3.19 509	2.94 510	3.62 498	2.28 505	4.79 508	7.20 504	14.00 517	13.19 515	17.49 517	22.30 521	13.25 515	6.19 500	4.20 511	1.93 507	3.10 510	2.56 509	3.35 508	2.88 511

UNDER WATER	3.46 497	2.07 501	3.64 493	3.09 508	2.48 505	3.75 499	2.42 506	3.31 497	13.77 512	2.90 495	2.95 481	5.84 501	3.69 502	3.69 497	3.48 489	2.07 503	1.11 501	2.70 506	1.40 502	2.84 506	1.98 505

ktn	2.98 495	2.25 502	1.73 474	2.84 506	2.53 507	3.76 500	2.15 503	3.70 500	5.47 502	2.75 488	5.17 506	5.94 503	2.48 488	3.23 492	2.46 480	2.34 508	1.44 505	2.78 507	2.03 507	2.45 501	2.01 506

MSC_U_SF_DS_RVC	1.34 462	0.87 465	1.76 475	0.86 465	0.56 447	4.29 501	1.79 499	1.50 458	1.98 473	1.61 455	1.85 452	1.84 458	1.41 458	1.89 472	1.36 452	0.48 455	0.40 460	0.56 463	0.57 472	0.69 468	0.48 457

MADNet++	4.03 500	2.70 509	3.44 492	3.72 512	3.44 511	4.44 502	3.52 508	3.95 503	3.61 496	4.46 503	4.98 505	4.10 492	4.58 505	7.00 509	5.89 499	3.74 509	3.67 511	3.27 511	2.71 510	3.70 511	3.66 512

WAO-8	2.92 493	1.55 490	1.35 459	1.79 489	1.63 490	5.23 503	1.22 476	4.58 505	12.56 510	2.84 491	4.07 498	4.83 496	2.72 493	3.49 495	2.25 477	1.27 487	0.91 494	1.99 489	1.15 499	1.86 489	1.15 493

Venus	2.92 493	1.55 490	1.35 459	1.79 489	1.63 490	5.23 503	1.22 476	4.58 505	12.56 510	2.84 491	4.06 497	4.83 496	2.72 493	3.49 495	2.25 477	1.27 487	0.91 494	1.99 489	1.15 499	1.86 489	1.15 493

UNDER WATER-64	3.53 498	2.01 499	3.94 494	3.22 510	2.49 506	5.41 505	2.60 507	3.43 499	12.41 509	3.03 496	2.68 476	6.07 504	4.04 503	3.79 499	3.33 485	2.02 502	1.24 503	2.63 504	1.46 503	2.78 504	2.08 507

TorneroNet-64	3.44 496	1.86 496	1.42 467	2.58 504	2.28 502	6.87 506	1.68 495	4.70 507	12.03 507	2.31 481	5.59 507	8.25 508	2.55 490	3.97 500	2.73 481	1.81 500	0.74 484	2.57 503	1.07 496	2.35 499	1.44 501

MANE	4.13 502	0.51 422	0.64 336	0.66 447	0.56 447	6.89 507	0.99 461	7.55 510	12.04 508	6.68 510	8.57 511	10.69 512	9.45 509	7.59 510	6.39 501	0.49 457	0.43 467	0.48 454	0.98 490	0.49 446	0.48 457

SGM-ForestM	4.04 501	0.32 345	0.46 207	0.43 263	0.27 236	7.50 508	1.45 491	3.84 501	4.24 500	8.19 512	6.76 508	19.00 519	9.08 508	10.74 513	6.62 502	0.31 400	0.33 445	0.32 409	0.32 424	0.29 372	0.29 380

JetBlue	2.78 492	1.26 481	7.04 501	1.16 478	1.48 486	8.00 509	6.02 510	2.60 487	1.92 472	2.12 476	2.64 474	3.34 488	3.05 497	6.49 507	3.39 486	0.78 476	0.76 489	0.75 469	0.76 481	0.97 477	1.18 497

DPSMNet_ROB	12.08 513	8.00 513	21.00 512	8.97 516	16.79 515	10.67 510	30.89 519	9.02 513	15.17 515	6.51 509	15.41 519	9.04 510	14.85 512	9.27 512	21.67 516	4.58 513	8.57 515	5.09 514	9.29 516	5.90 514	10.95 516

DGTPSM_ROB	12.07 512	8.00 513	20.99 511	8.93 515	16.78 514	10.67 510	30.87 518	9.01 512	15.16 514	6.50 508	15.41 519	9.04 510	14.85 512	9.25 511	21.67 516	4.57 512	8.57 515	5.08 513	9.28 515	5.90 514	10.95 516

tt	6.20 507	0.20 119	5.89 499	3.55 511	2.07 499	11.26 512	19.21 513	11.74 515	5.46 501	2.69 487	2.04 460	4.87 499	6.25 507	3.70 498	7.09 504	8.32 515	11.17 520	4.93 512	5.41 514	5.74 513	2.37 508

JetRed	5.27 506	5.84 512	12.81 509	2.36 500	2.83 509	12.23 513	10.50 512	4.46 504	3.60 495	3.86 502	3.83 492	4.85 498	4.18 504	6.78 508	11.96 508	2.17 505	2.96 510	2.18 497	1.97 506	3.38 509	2.68 510

TorneroNet	4.53 504	1.89 497	1.48 469	2.55 502	2.27 501	13.78 514	1.69 496	4.84 509	23.73 524	2.89 494	7.70 510	7.06 507	2.69 492	4.26 502	3.42 487	1.84 501	0.77 490	2.68 505	1.13 497	2.42 500	1.47 502

ASD4	9.96 511	8.86 515	17.78 510	7.17 513	9.80 512	16.08 515	28.92 517	9.77 514	8.20 506	7.02 511	7.08 509	8.47 509	9.57 510	11.17 514	20.26 514	4.12 510	4.14 512	5.57 515	4.74 512	5.53 512	4.90 514

HaxPig	31.96 519	37.24 525	34.27 520	24.37 520	24.88 520	18.26 516	19.86 514	20.64 521	28.52 525	35.97 527	38.75 526	25.57 523	28.72 524	33.88 525	34.39 524	35.94 528	38.87 528	37.80 524	40.48 524	39.68 526	41.15 528

Anonymous_1	33.25 520	18.26 516	23.92 514	20.54 517	21.28 518	25.59 517	35.94 520	22.01 525	15.57 516	13.33 514	13.49 516	18.08 518	15.29 514	20.36 516	24.60 518	16.28 523	8.84 517	66.59 527	118.00 527	155.73 530	11.23 518

DPSM_ROB	17.78 515	18.63 517	24.31 518	20.90 518	19.47 516	25.97 518	36.21 521	21.23 523	16.24 517	13.38 515	14.06 517	19.18 520	16.30 515	20.78 517	25.67 519	9.38 517	9.23 518	9.49 517	9.82 517	13.51 517	11.91 519

DPSM	17.78 515	18.63 517	24.31 518	20.90 518	19.47 516	25.97 518	36.21 521	21.23 523	16.24 517	13.38 515	14.06 517	19.18 520	16.30 515	20.78 517	25.67 519	9.38 517	9.23 518	9.49 517	9.82 517	13.51 517	11.91 519

MEDIAN_ROB	37.38 526	40.85 530	40.60 523	32.31 522	31.85 521	27.20 520	24.55 515	29.10 526	33.19 529	42.09 529	41.76 528	33.35 524	34.39 528	39.78 527	37.07 525	43.64 530	44.10 530	44.12 526	43.40 526	41.51 528	42.76 530

xxxxx1	36.64 523	19.51 519	24.21 515	61.66 527	64.63 527	27.28 521	40.10 523	20.25 518	18.63 520	14.07 518	12.97 512	17.26 514	17.36 517	21.70 520	27.93 521	13.18 520	18.50 523	111.26 528	133.37 528	29.24 522	39.73 525

tt_ll	36.64 523	19.51 519	24.21 515	61.66 527	64.63 527	27.28 521	40.10 523	20.25 518	18.63 520	14.07 518	12.97 512	17.26 514	17.36 517	21.70 520	27.93 521	13.18 520	18.50 523	111.26 528	133.37 528	29.24 522	39.73 525

ff	36.64 523	19.51 519	24.21 515	61.66 527	64.63 527	27.28 521	40.10 523	20.25 518	18.63 520	14.07 518	12.97 512	17.26 514	17.36 517	21.70 520	27.93 521	13.18 520	18.50 523	111.26 528	133.37 528	29.24 522	39.73 525

AVERAGE_ROB	37.58 527	40.13 529	40.15 522	34.81 523	33.82 522	28.55 524	25.10 516	32.02 527	34.06 530	41.28 528	40.66 527	34.46 525	34.81 529	39.18 526	37.57 526	42.78 529	43.44 529	43.82 525	43.03 525	40.47 527	41.51 529

BEATNet-Init1	15.13 514	0.82 463	50.86 527	0.72 460	0.53 439	38.10 525	7.03 511	11.83 516	14.25 513	29.78 526	30.17 525	48.21 529	22.64 522	26.78 524	18.11 513	0.42 448	0.38 454	0.47 450	0.46 455	0.51 449	0.48 457

CasAABBNet	35.74 521	37.43 526	48.72 525	42.22 524	39.20 523	52.24 526	73.12 528	42.61 528	32.62 527	26.78 523	27.95 521	38.58 526	32.60 525	41.67 528	51.65 528	18.74 524	18.57 526	19.15 520	19.77 521	27.20 519	23.98 521

Selective-RAFT-Error	35.84 522	37.49 527	48.83 526	42.26 525	39.24 524	52.30 527	73.09 527	42.66 529	32.61 526	26.80 524	28.30 524	38.84 528	33.51 527	41.68 529	51.59 527	18.82 525	18.58 527	19.17 521	19.80 522	27.28 520	24.05 522

LSM0	38.95 528	37.60 528	48.58 524	43.57 526	91.06 530	52.57 528	72.57 526	43.17 530	32.63 528	26.97 525	27.97 522	38.65 527	32.94 526	41.86 530	51.78 529	18.89 526	18.41 522	19.13 519	19.63 520	27.29 521	33.77 524

PML	40.80 529	29.24 522	11.87 508	7.20 514	14.47 513	92.13 529	213.69 530	7.63 511	23.35 523	74.72 530	190.14 530	50.17 530	26.15 523	21.39 519	12.70 509	8.76 516	2.92 509	8.45 516	3.25 511	13.26 516	4.42 513

test_example2	176.61 530	205.14 531	198.86 530	188.60 531	190.98 531	152.67 530	170.61 529	94.86 531	123.55 531	178.88 531	179.48 529	158.94 531	141.34 530	192.61 531	198.96 530	203.76 531	236.37 531	164.13 531	173.55 531	218.58 531	160.41 531

ccccc	429.48 531	429.19 532	527.00 531	507.10 532	501.20 532	356.95 531	342.70 531	380.82 532	297.90 532	334.51 532	389.17 531	372.86 532	449.39 531	499.17 532	553.56 531	561.44 532	431.22 532	334.28 532	290.86 532	540.88 532	489.46 532

FADE		2.05 500		1.03 474	0.99 476			3.91 502	3.00 489	1.76 464		2.73 477		5.95 505		11.57 519	1.70 506	23.09 522	15.86 519	0.62 465	0.65 469

Low-res two-view benchmark