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

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

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

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

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

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

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

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
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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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.
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

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

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

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)
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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_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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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
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

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

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

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
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
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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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