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++	0.93 26	0.44 3	1.08 4	0.70 12	1.20 308	3.87 245	0.33 4	3.36 164	1.43 37	0.75 10	1.17 46	0.68 14	1.04 100	0.95 6	0.42 1	0.22 5	0.16 5	0.23 11	0.17 10	0.24 7	0.20 7

IGEV-Stereo+	0.94 28	0.47 7	1.19 8	0.86 74	2.02 423	1.40 26	0.39 11	1.17 2	0.88 1	0.61 2	0.44 1	0.47 2	0.79 47	2.14 160	0.42 1	0.27 47	0.19 44	0.22 6	0.17 10	2.26 435	2.41 439

U	12.82 465	0.38 1	1.99 71	0.66 11	58.94 482	63.38 487	0.34 6	1.91 31	0.94 3	0.59 1	0.80 11	0.46 1	0.57 6	0.83 2	0.44 3	0.29 95	0.17 10	63.35 485	59.81 484	0.29 58	0.20 7

AIO-Stereo	0.76 2	0.54 41	1.07 3	0.73 17	0.40 34	1.28 20	0.82 171	2.26 54	1.49 64	0.70 9	1.58 133	0.89 53	0.45 1	1.03 13	0.55 4	0.24 16	0.18 27	0.25 38	0.20 34	0.26 24	0.21 15

test_for_model	2.16 227	3.87 431	1.58 40	4.16 455	3.64 451	2.51 81	0.96 252	3.63 191	2.62 333	2.45 329	1.39 91	1.02 67	0.73 30	0.92 5	0.57 5	2.97 443	2.19 446	0.26 52	0.17 10	5.32 460	2.24 435

MoCha-V2	0.87 19	0.48 9	1.87 60	0.88 83	0.32 4	1.37 24	0.55 38	2.71 100	1.42 33	0.92 44	1.75 181	0.65 11	1.17 142	1.45 81	0.57 5	0.21 1	0.21 98	0.20 1	0.19 25	0.24 7	0.23 24

WCG-NET	0.96 36	0.62 115	1.24 13	0.93 115	0.84 212	1.91 51	0.64 73	2.56 85	2.23 256	1.62 108	0.98 19	1.31 106	1.05 104	1.20 45	0.59 7	0.26 37	0.17 10	0.22 6	0.20 34	0.26 24	0.29 98

IGEV-BASED-STEREO-	1.09 57	3.30 427	2.61 129	0.82 45	0.38 29	1.27 16	0.62 68	1.51 6	1.29 18	0.91 41	0.92 16	0.65 11	0.57 6	1.08 18	0.59 7	1.55 433	0.15 2	0.32 167	0.28 178	1.10 407	1.98 432

CAS++	0.89 21	0.64 133	1.46 29	0.81 37	0.51 87	1.24 13	0.86 190	3.44 168	1.46 46	1.14 65	1.29 71	0.62 7	0.58 8	1.13 26	0.59 7	0.34 195	0.30 251	0.34 218	0.26 126	0.41 228	0.29 98
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AEACV	0.79 6	0.54 41	1.35 22	0.97 136	0.63 143	1.13 7	0.92 237	2.02 37	0.91 2	0.76 19	0.79 10	0.80 36	1.61 236	1.28 58	0.61 10	0.22 5	0.18 27	0.26 52	0.23 79	0.27 33	0.23 24

EGLCR-Stereo	1.06 53	0.51 18	1.56 39	1.02 169	0.39 31	4.27 344	0.42 15	4.08 303	1.48 56	0.90 40	0.68 2	1.09 73	0.66 22	1.81 130	0.62 11	0.27 47	0.19 44	0.29 109	0.23 79	0.37 186	0.25 41

TANstereo	1.01 47	0.55 46	1.73 48	0.76 32	0.36 8	4.04 282	0.38 9	1.48 5	1.62 138	2.03 213	2.10 286	0.84 41	0.93 78	0.98 9	0.62 11	0.28 76	0.36 295	0.23 11	0.20 34	0.25 16	0.46 272

RSM	0.80 7	0.50 15	1.08 4	0.83 54	0.51 87	1.31 22	0.77 144	2.28 56	1.43 37	0.82 31	1.44 100	1.22 96	0.62 14	1.17 38	0.63 13	0.22 5	0.18 27	0.24 24	0.19 25	0.27 33	0.20 7

ACVNet-DCA	1.85 177	0.74 212	13.77 284	1.78 392	0.36 8	4.48 371	0.74 121	3.98 272	1.53 88	1.01 51	1.81 215	0.72 23	1.62 239	2.13 157	0.64 14	0.29 95	0.17 10	0.32 167	0.21 44	0.33 131	0.32 139

xx1	2.03 212	0.74 212	13.77 284	1.78 392	0.36 8	4.48 371	0.74 121	4.23 341	3.95 430	1.01 51	1.81 215	1.79 178	1.34 169	2.13 157	0.64 14	0.29 95	0.17 10	0.33 201	0.33 255	0.33 131	0.32 139

cc1	1.98 203	0.74 212	13.77 284	1.78 392	0.36 8	4.48 371	0.74 121	4.23 341	3.95 430	1.01 51	1.81 215	0.72 23	1.62 239	2.13 157	0.64 14	0.29 95	0.17 10	0.32 167	0.21 44	0.31 92	0.29 98

Selective-IGEV	0.80 7	0.52 24	1.05 2	0.75 19	0.61 138	1.31 22	0.82 171	2.60 91	1.41 32	0.82 31	1.64 151	0.71 22	0.62 14	1.22 49	0.64 14	0.22 5	0.19 44	0.24 24	0.18 13	0.25 16	0.20 7

MGS-Stereo	0.80 7	0.56 55	1.53 34	0.93 115	0.39 31	1.26 15	0.73 110	1.45 3	1.30 20	1.01 51	2.26 313	0.80 36	0.56 5	1.16 33	0.65 18	0.27 47	0.23 148	0.26 52	0.22 69	0.27 33	0.25 41

ffm	1.72 160	0.60 92	5.21 199	1.14 221	0.99 258	3.62 196	0.86 190	4.22 337	3.37 414	2.20 264	2.30 324	3.48 349	1.62 239	2.21 170	0.65 18	0.29 95	0.16 5	0.48 333	0.37 298	0.30 77	0.29 98

tt1	1.79 172	0.73 204	10.41 253	1.75 389	0.36 8	4.55 389	0.79 153	4.22 337	3.37 414	1.08 59	1.80 203	0.74 28	1.48 206	2.21 170	0.65 18	0.29 95	0.16 5	0.31 149	0.22 69	0.30 77	0.29 98

testlalala	1.14 66	0.62 115	1.34 21	1.00 155	0.78 190	4.38 354	0.93 238	2.46 68	2.20 252	2.44 328	1.52 116	1.31 106	0.61 12	1.04 16	0.65 18	0.35 214	0.19 44	0.24 24	0.19 25	0.24 7	0.23 24

anonymousdsp2	1.26 100	0.60 92	3.74 179	1.02 169	0.41 38	3.60 191	0.72 105	3.68 200	1.47 51	1.37 78	1.56 130	1.83 189	1.01 93	2.00 145	0.66 22	0.29 95	0.20 69	0.28 94	0.20 34	0.32 115	0.29 98

XX-TBD	1.03 52	0.95 290	1.94 67	1.30 292	0.43 47	3.97 272	0.33 4	1.74 20	1.73 166	1.59 100	2.02 269	0.69 17	0.60 10	1.16 33	0.66 22	0.30 132	0.25 197	0.23 11	0.15 4	0.31 92	0.22 17

MyStereo07	1.01 47	0.80 244	1.26 14	1.00 155	1.04 271	3.95 264	0.95 247	2.07 42	1.42 33	0.75 10	1.22 52	0.68 14	0.91 74	1.63 110	0.67 24	0.24 16	0.24 178	0.34 218	0.26 126	0.41 228	0.37 192

MSKI-zero shot	2.22 232	0.64 133	20.09 398	0.96 129	0.56 112	4.04 282	0.70 100	3.91 253	1.50 69	1.92 170	2.28 317	1.92 199	0.71 26	2.93 211	0.67 24	0.26 37	0.23 148	0.26 52	0.21 44	0.28 48	0.26 59

testlalala2	2.31 254	0.63 124	20.54 419	2.56 433	2.87 439	3.79 223	0.76 133	4.20 329	1.48 56	1.42 86	1.43 99	2.45 264	0.80 53	1.03 13	0.68 26	0.27 47	0.25 197	0.24 24	0.21 44	0.33 131	0.28 88

ff7	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 389	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

ffff	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 389	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

11t	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 389	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

ccc-4	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 389	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

rvit_stereo_0081_aga	0.81 12	0.75 224	1.84 59	0.72 16	0.73 178	1.21 9	0.63 70	1.92 32	1.39 27	0.87 39	0.80 11	0.79 34	0.69 23	1.27 57	0.69 31	0.35 214	0.29 238	0.26 52	0.25 110	0.40 205	0.27 71

RSM++	0.77 4	0.51 18	1.08 4	0.95 123	0.42 42	1.52 33	0.71 102	2.11 43	1.40 29	0.80 27	1.23 56	0.90 55	0.59 9	1.14 28	0.69 31	0.24 16	0.19 44	0.25 38	0.21 44	0.28 48	0.20 7

HH	2.23 234	0.86 267	21.59 450	0.98 141	0.51 87	1.49 30	0.82 171	2.74 104	1.54 96	1.10 60	1.69 164	4.62 411	1.86 293	2.55 193	0.69 31	0.26 37	0.22 124	0.29 109	0.23 79	0.34 149	0.27 71

HanStereo	2.23 234	0.86 267	21.59 450	0.98 141	0.51 87	1.49 30	0.82 171	2.74 104	1.54 96	1.10 60	1.69 164	4.62 411	1.86 293	2.55 193	0.69 31	0.26 37	0.22 124	0.29 109	0.23 79	0.34 149	0.27 71

anonymousdsp	0.95 33	0.69 169	1.27 15	0.83 54	0.52 96	4.54 386	0.84 179	1.76 22	1.24 8	0.76 19	1.06 34	0.78 31	0.77 39	1.67 118	0.69 31	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.26 59

IGEV-Stereo	0.95 33	0.69 169	1.27 15	0.84 61	0.52 96	4.54 386	0.84 179	1.76 22	1.24 8	0.75 10	1.06 34	0.79 34	0.77 39	1.68 119	0.69 31	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.26 59
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
RCA-Stereo	1.21 79	0.52 24	1.58 40	0.90 92	0.46 63	4.68 410	0.79 153	4.13 315	1.74 172	1.92 170	1.80 203	0.94 61	1.48 206	1.14 28	0.70 37	0.27 47	0.18 27	0.25 38	0.19 25	0.25 16	0.23 24

CREStereo++_RVC	1.02 51	0.49 14	1.54 37	0.83 54	0.55 108	4.01 278	0.31 2	1.63 16	1.99 205	1.63 110	2.13 294	0.84 41	0.65 19	0.88 3	0.70 37	0.27 47	0.15 2	0.23 11	1.22 431	0.24 7	0.17 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	1.31 112	0.45 5	2.41 118	0.71 14	0.35 7	4.42 365	0.50 26	4.22 337	2.73 347	2.01 205	2.48 346	0.91 56	0.96 83	2.01 148	0.70 37	0.29 95	0.18 27	0.24 24	0.16 8	0.27 33	0.18 2

trnet	0.91 23	0.48 9	1.46 29	0.62 3	0.31 2	4.40 361	0.41 14	2.20 48	1.53 88	0.94 45	1.14 43	0.88 51	0.89 70	1.09 19	0.71 40	0.27 47	0.19 44	0.22 6	0.15 4	0.21 3	0.19 3

qqq1	1.92 192	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 351	2.80 359	2.32 304	2.31 331	1.95 202	1.52 218	10.99 389	0.71 40	0.34 195	0.32 269	0.30 128	0.23 79	0.29 58	0.29 98

fff1	1.92 192	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 351	2.80 359	2.32 304	2.31 331	1.95 202	1.52 218	10.99 389	0.71 40	0.34 195	0.32 269	0.30 128	0.23 79	0.29 58	0.29 98

SPstereo	0.93 26	0.68 167	1.35 22	0.85 72	0.41 38	3.61 195	0.52 33	2.20 48	1.50 69	1.11 63	1.04 28	1.17 82	0.84 58	1.11 21	0.71 40	0.25 27	0.20 69	0.27 72	0.18 13	0.28 48	0.23 24

ProNet	0.82 13	0.71 190	1.50 33	0.86 74	0.45 56	1.78 42	0.83 176	1.75 21	1.28 17	0.66 5	1.13 42	0.78 31	0.76 38	1.66 115	0.71 40	0.24 16	0.20 69	0.25 38	0.23 79	0.29 58	0.25 41

Pointernet	0.88 20	0.44 3	2.26 103	0.84 61	0.37 20	2.29 73	0.38 9	3.06 132	1.46 46	0.66 5	1.39 91	0.91 56	0.73 30	1.01 12	0.72 45	0.23 12	0.19 44	0.20 1	0.18 13	0.19 1	0.20 7

CREStereo	0.92 24	0.53 35	1.45 28	0.61 2	0.34 6	4.42 365	0.40 13	2.21 50	1.54 96	0.94 45	1.12 41	0.87 49	0.87 65	1.12 23	0.72 45	0.28 76	0.19 44	0.22 6	0.15 4	0.22 5	0.19 3
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
testlalala_base	1.62 147	0.74 212	1.63 42	1.19 248	1.40 345	2.63 88	0.84 179	4.09 305	1.31 21	1.22 69	1.42 97	1.21 95	0.85 60	1.16 33	0.73 47	3.92 457	2.10 444	0.27 72	0.18 13	4.49 456	1.11 402

LoS_RVC	0.94 28	1.30 358	1.31 18	0.84 61	1.63 384	2.02 56	0.59 51	1.51 6	1.36 25	0.81 29	1.33 76	0.84 41	0.88 66	1.36 69	0.73 47	0.21 1	0.17 10	0.20 1	0.14 2	0.20 2	1.45 418

MC-Stereo	1.06 53	0.48 9	1.55 38	1.15 234	0.41 38	4.56 394	0.61 57	2.06 40	1.46 46	1.90 163	1.61 145	0.89 53	1.12 126	1.35 68	0.73 47	0.25 27	0.18 27	0.26 52	0.22 69	0.25 16	0.24 34

AnonymousM	1.22 83	1.32 362	0.97 1	0.88 83	0.56 112	4.03 281	0.69 94	2.41 61	1.68 151	1.48 90	1.31 74	1.15 80	1.00 91	1.18 43	0.73 47	0.32 169	0.40 328	2.07 437	1.70 439	0.24 7	0.22 17

rvit_stereo_0083	0.86 16	0.67 160	1.42 26	0.87 78	0.65 152	1.23 10	0.64 73	1.67 18	2.28 269	0.79 25	0.93 17	0.93 59	1.07 114	1.46 83	0.75 51	0.32 169	0.36 295	0.30 128	0.26 126	0.33 131	0.28 88

Any-RAFT	1.40 120	0.53 35	2.78 141	1.09 197	0.64 145	4.41 363	0.81 168	3.97 270	2.78 353	1.99 191	1.34 81	2.36 252	1.56 230	1.56 95	0.75 51	0.27 47	0.20 69	0.25 38	0.18 13	0.25 16	0.28 88

test_3	1.19 71	0.51 18	2.08 90	0.99 147	0.41 38	2.05 62	0.87 207	4.40 401	1.42 33	1.99 191	1.18 47	2.03 218	0.79 47	2.70 204	0.75 51	0.27 47	0.17 10	0.29 109	0.29 205	0.30 77	0.27 71

WCG-NET（raft）	0.95 33	0.55 46	1.20 11	0.84 61	0.31 2	1.44 27	1.01 261	1.55 9	2.37 292	1.64 112	1.42 97	2.38 254	1.01 93	1.29 60	0.76 54	0.22 5	0.19 44	0.22 6	0.20 34	0.25 16	0.21 15

CASnet	0.78 5	0.51 18	1.29 17	0.81 37	0.29 1	1.28 20	0.74 121	1.51 6	1.89 194	1.64 112	1.09 38	0.65 11	0.64 17	0.91 4	0.76 54	0.29 95	0.17 10	0.41 296	0.31 237	0.32 115	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
test-3	1.19 71	0.52 24	2.00 72	1.01 160	0.42 42	1.95 54	0.91 225	4.35 388	1.47 51	2.24 280	1.16 44	2.06 224	0.79 47	2.68 202	0.76 54	0.27 47	0.18 27	0.28 94	0.26 126	0.26 24	0.25 41

test_1	1.19 71	0.52 24	2.00 72	1.01 160	0.42 42	1.95 54	0.90 217	4.36 393	1.47 51	2.17 256	1.16 44	2.06 224	0.78 45	2.68 202	0.76 54	0.27 47	0.18 27	0.28 94	0.26 126	0.26 24	0.25 41

rvit_stereo_0080	0.94 28	0.72 193	2.56 124	0.64 5	0.59 132	1.90 49	0.75 130	2.71 100	1.40 29	0.91 41	1.04 28	0.85 44	0.82 54	1.14 28	0.78 58	0.35 214	0.29 238	0.25 38	0.27 151	0.45 271	0.29 98

whm_eth	0.94 28	0.72 193	2.56 124	0.64 5	0.59 132	1.90 49	0.75 130	2.71 100	1.40 29	0.91 41	1.04 28	0.85 44	0.82 54	1.14 28	0.78 58	0.35 214	0.29 238	0.25 38	0.27 151	0.45 271	0.29 98

sAnonymous2	1.37 117	1.22 347	9.79 243	0.92 103	0.88 227	1.23 10	0.61 57	2.56 85	1.69 156	0.85 37	1.02 21	0.73 26	1.23 152	0.98 9	0.78 58	0.29 95	0.25 197	0.31 149	0.30 221	1.06 401	0.71 356

CroCo_RVC	1.37 117	1.22 347	9.79 243	0.92 103	0.88 227	1.23 10	0.61 57	2.56 85	1.69 156	0.85 37	1.02 21	0.73 26	1.23 152	0.98 9	0.78 58	0.29 95	0.25 197	0.31 149	0.30 221	1.06 401	0.71 356

CES	1.01 47	0.55 46	1.74 51	0.92 103	2.15 426	2.15 67	0.50 26	2.01 36	1.45 39	0.76 19	1.02 21	0.61 6	0.47 2	1.29 60	0.79 62	0.22 5	0.17 10	0.24 24	0.14 2	0.63 338	2.29 436

rvit_stereo_0081	0.80 7	0.63 124	1.19 8	0.91 97	0.64 145	1.27 16	0.61 57	2.05 38	1.71 160	0.82 31	0.73 4	0.85 44	0.75 34	1.30 64	0.80 63	0.31 151	0.26 209	0.27 72	0.25 110	0.38 190	0.27 71

rvit_stereo_0082	0.80 7	0.63 124	1.19 8	0.91 97	0.64 145	1.27 16	0.61 57	2.05 38	1.71 160	0.82 31	0.73 4	0.85 44	0.75 34	1.30 64	0.80 63	0.31 151	0.26 209	0.27 72	0.25 110	0.38 190	0.27 71

gcap-zeroshot	1.30 108	0.61 106	4.09 182	0.94 120	0.56 112	3.50 170	0.84 179	3.12 136	1.72 163	1.84 146	1.22 52	2.72 290	0.88 66	1.46 83	0.80 63	0.29 95	0.30 251	0.27 72	0.21 44	0.29 58	0.25 41

CAS	1.26 100	0.40 2	1.46 29	2.97 440	1.61 381	4.13 303	0.73 110	1.78 25	1.49 64	0.83 36	1.10 39	0.59 5	0.53 4	1.26 54	0.80 63	2.99 444	0.13 1	0.21 4	0.13 1	0.31 92	1.72 425

GLC_STEREO	0.76 2	0.52 24	1.12 7	0.83 54	0.33 5	1.86 47	0.82 171	1.46 4	1.38 26	0.95 47	1.04 28	0.68 14	0.72 27	0.97 7	0.80 63	0.23 12	0.25 197	0.32 167	0.25 110	0.32 115	0.30 124

rvit_0105_6	1.00 45	0.93 283	2.21 97	0.92 103	0.55 108	1.52 33	0.79 153	2.41 61	2.96 378	0.76 19	0.72 3	1.02 67	0.75 34	1.42 74	0.81 68	0.40 266	0.43 342	0.34 218	0.31 237	0.43 256	0.34 162

GCAP-BAT	1.21 79	0.74 212	3.23 157	0.95 123	0.70 172	3.86 242	0.93 238	1.89 29	1.48 56	1.85 147	1.96 256	1.68 152	0.79 47	1.78 127	0.81 68	0.29 95	0.20 69	0.24 24	0.20 34	0.26 24	0.35 174

TestStereo	2.00 207	1.02 303	12.25 270	0.70 12	0.61 138	1.88 48	0.55 38	2.31 57	1.52 83	1.41 84	1.33 76	1.27 100	0.90 72	11.62 415	0.81 68	0.34 195	0.19 44	0.33 201	0.24 101	0.44 263	0.24 34

AE-Stereo	1.18 69	0.60 92	2.05 78	1.10 206	0.60 134	4.39 357	0.72 105	3.74 214	1.62 138	1.10 60	1.90 250	1.01 66	0.92 76	1.45 81	0.82 71	0.28 76	0.22 124	0.28 94	0.28 178	0.26 24	0.22 17

KYRaft	1.59 144	0.52 24	1.73 48	0.95 123	0.49 83	4.38 354	1.79 371	2.43 65	1.51 75	2.49 334	2.98 383	2.00 214	3.41 384	2.14 160	0.82 71	0.30 132	0.21 98	0.33 201	0.46 349	0.35 166	2.45 442

XX-Stereo	2.54 300	0.61 106	20.21 401	1.78 392	1.19 303	4.30 348	0.46 21	4.39 399	1.58 116	2.32 304	1.89 245	4.64 413	0.60 10	4.16 238	0.82 71	0.31 151	0.21 98	0.28 94	0.27 151	0.51 298	0.26 59

DCRE	1.44 124	0.74 212	3.50 169	1.13 220	0.72 174	1.78 42	0.67 85	2.14 45	1.56 108	1.99 191	8.09 434	1.73 163	1.07 114	1.24 51	0.83 74	0.23 12	0.25 197	0.26 52	0.26 126	0.28 48	0.30 124

test_xeample3	2.12 223	0.63 124	21.55 449	0.91 97	0.47 73	1.85 46	0.94 243	7.96 455	1.23 7	0.75 10	0.76 7	0.64 9	0.70 24	1.77 126	0.83 74	0.30 132	0.21 98	0.27 72	0.21 44	0.27 33	0.24 34

Former-RAFT_DAM_RVC	0.92 24	0.73 204	1.42 26	0.92 103	1.08 280	2.97 106	0.53 34	1.77 24	1.39 27	1.16 66	1.54 124	0.58 4	0.65 19	1.03 13	0.84 76	0.25 27	0.23 148	0.30 128	0.24 101	0.43 256	0.29 98

EKT-Stereo	6.79 445	0.64 133	4.24 184	1.77 391	106.39 486	4.51 384	0.61 57	3.16 140	1.53 88	1.88 157	1.22 52	1.98 211	1.36 172	3.81 227	0.84 76	0.35 214	0.24 178	0.29 109	0.26 126	0.34 149	0.48 281

SST-Stereo	1.76 168	0.58 76	3.10 153	1.44 339	0.46 63	4.71 422	0.76 133	2.22 51	2.79 355	2.07 225	2.18 301	2.43 261	3.22 377	6.66 287	0.84 76	0.42 290	0.19 44	0.30 128	0.27 151	0.35 166	0.26 59

rvit_0105_4	1.07 56	0.99 298	2.39 116	0.93 115	0.54 105	1.62 39	0.84 179	2.77 108	2.91 373	0.80 27	0.91 15	1.09 73	0.86 62	1.63 110	0.85 79	0.40 266	0.45 352	0.35 236	0.31 237	0.43 256	0.40 232

RAFT-Stereo-weight	1.11 59	0.48 9	1.22 12	0.99 147	0.42 42	4.17 321	0.80 161	3.60 188	1.50 69	1.97 184	1.50 114	1.30 105	0.65 19	1.24 51	0.85 79	0.25 27	0.19 44	0.26 52	0.22 69	0.27 33	0.23 24

knoymous	1.30 108	0.60 92	5.57 204	0.88 83	0.75 181	3.04 108	0.90 217	2.68 98	1.33 23	1.48 90	1.07 36	2.78 300	0.88 66	1.29 60	0.85 79	0.31 151	0.22 124	0.35 236	0.20 34	0.45 271	0.37 192

HUI-Stereo	1.25 93	0.66 151	2.33 112	0.75 19	0.37 20	4.68 410	0.78 147	2.53 73	1.58 116	1.99 191	1.46 103	1.79 178	1.13 128	2.17 164	0.85 79	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

cross-raft	2.01 210	0.57 63	19.01 366	1.03 176	0.56 112	2.11 66	0.72 105	3.63 191	1.57 114	1.77 135	1.51 115	3.17 328	1.13 128	1.16 33	0.85 79	0.23 12	0.21 98	0.26 52	0.23 79	0.28 48	0.25 41

PMTNet	0.99 43	0.48 9	1.73 48	0.62 3	0.56 112	4.20 333	0.43 18	1.88 28	1.58 116	1.00 50	1.05 32	0.78 31	0.98 88	1.50 87	0.85 79	1.21 419	0.20 69	0.23 11	0.15 4	0.22 5	0.19 3

IGEVStereo-DCA	0.86 16	0.65 141	2.05 78	0.90 92	0.46 63	1.57 35	0.86 190	1.62 11	1.24 8	0.65 3	0.77 8	0.74 28	0.72 27	2.59 197	0.86 85	0.28 76	0.21 98	0.28 94	0.21 44	0.29 58	0.27 71

rrr	2.27 242	0.65 141	23.82 466	0.90 92	0.46 63	1.57 35	0.96 252	7.98 456	1.19 6	0.65 3	0.77 8	0.74 28	0.72 27	2.59 197	0.86 85	0.28 76	0.21 98	0.28 94	0.21 44	0.29 58	0.25 41

LoS	0.94 28	0.52 24	1.88 61	0.86 74	0.36 8	4.15 307	0.51 30	2.18 47	1.45 39	0.97 49	0.88 14	0.62 7	0.79 47	1.59 99	0.86 85	0.26 37	0.19 44	0.24 24	0.16 8	0.21 3	0.20 7
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ROB_FTStereo	1.25 93	0.66 151	2.14 92	0.75 19	0.37 20	4.65 406	0.77 144	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.13 128	2.26 175	0.86 85	0.47 325	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

CFNet-RSSM	2.08 221	0.52 24	20.06 394	1.01 160	0.56 112	3.39 149	0.64 73	3.67 198	1.55 102	1.72 128	1.37 87	2.57 275	1.19 147	1.11 21	0.86 85	0.27 47	0.20 69	0.25 38	0.23 79	0.27 33	0.23 24

model_zeroshot	1.21 79	0.60 92	3.55 170	1.05 178	0.57 123	3.46 160	0.63 70	2.73 103	1.55 102	2.05 217	1.38 89	1.50 131	0.82 54	1.69 120	0.87 90	0.29 95	0.23 148	0.30 128	0.23 79	0.27 33	0.32 139

LCNet	1.55 132	0.54 41	1.88 61	0.99 147	0.55 108	3.60 191	1.21 309	2.86 118	1.53 88	2.18 258	1.74 177	1.43 125	4.17 402	3.62 223	0.87 90	0.29 95	0.20 69	0.28 94	0.77 405	0.47 286	1.85 428

PSM-adaLoss	1.24 89	0.65 141	2.03 75	0.75 19	0.37 20	4.68 410	0.73 110	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.13 128	2.18 166	0.87 90	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

Occ-G	0.86 16	0.52 24	1.39 24	0.82 45	0.66 156	1.37 24	0.79 153	1.58 10	1.31 21	1.56 98	0.87 13	2.18 234	0.89 70	0.97 7	0.88 93	0.26 37	0.19 44	0.26 52	0.19 25	0.25 16	0.24 34

MyStereo06	2.46 285	0.72 193	19.97 391	1.02 169	0.99 258	4.26 339	0.86 190	3.51 178	1.68 151	1.92 170	1.73 175	4.01 381	4.22 403	1.62 107	0.88 93	0.24 16	0.23 148	0.34 218	0.26 126	0.42 246	0.36 178

ROB_FTStereo_v2	1.23 84	0.66 151	2.02 74	0.75 19	0.37 20	4.67 409	0.76 133	2.53 73	1.58 116	1.99 191	1.46 103	1.78 171	1.14 134	2.08 152	0.88 93	0.48 329	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

IGEV++	0.90 22	0.58 76	1.32 19	0.94 120	0.45 56	1.27 16	1.00 259	3.32 160	1.55 102	0.82 31	1.34 81	0.86 48	1.09 117	1.16 33	0.89 96	0.33 183	0.18 27	0.23 11	0.19 25	0.29 58	0.22 17

mmm	1.27 104	0.58 76	2.20 96	1.41 333	0.68 167	2.39 78	0.85 188	3.90 249	1.63 141	2.20 264	1.84 227	1.28 101	1.50 213	1.91 140	0.89 96	0.31 151	0.27 219	0.45 317	0.37 298	0.38 190	0.34 162

PSM-AAD	2.43 281	0.54 41	1.32 19	0.92 103	0.54 105	4.48 371	7.47 453	2.96 122	1.55 102	2.31 300	2.56 356	1.26 99	16.23 461	2.46 181	0.89 96	0.28 76	0.21 98	0.58 373	0.41 334	0.34 149	1.32 412

rvit_stereo_ft	1.00 45	0.87 269	3.55 170	0.97 136	0.66 156	1.06 5	0.80 161	2.78 109	1.67 149	0.78 24	0.96 18	0.95 62	1.14 134	1.06 17	0.90 99	0.32 169	0.24 178	0.27 72	0.28 178	0.39 200	0.27 71

iRaft-Stereo_20w	1.88 183	0.62 115	10.58 255	0.90 92	0.83 205	2.96 105	0.78 147	4.90 437	1.58 116	2.29 290	1.60 141	1.25 98	4.51 410	2.28 176	0.90 99	0.29 95	0.21 98	0.26 52	0.24 101	0.41 228	0.31 132

Patchmatch Stereo++	1.25 93	0.65 141	2.06 87	0.75 19	0.37 20	4.68 410	0.76 133	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.14 134	2.44 179	0.90 99	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98
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
RAFT_R40	1.70 159	0.59 83	2.99 149	1.46 345	0.46 63	4.74 426	0.98 258	2.23 52	1.56 108	2.02 209	2.35 339	2.71 288	2.56 347	6.71 290	0.90 99	0.40 266	0.19 44	0.30 128	0.27 151	0.33 131	0.26 59

iRAFT	1.25 93	0.65 141	2.06 87	0.75 19	0.37 20	4.68 410	0.76 133	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.14 134	2.44 179	0.90 99	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

sCroCo_RVC	1.06 53	0.82 255	5.05 195	1.02 169	1.05 273	0.98 4	0.61 57	2.06 40	1.29 18	0.69 8	1.26 62	0.82 40	1.10 122	1.20 45	0.90 99	0.42 290	0.40 328	0.33 201	0.30 221	0.46 282	0.38 206

Gwc-CoAtRS	1.58 139	0.57 63	11.69 267	1.01 160	0.60 134	2.53 83	0.64 73	2.36 59	1.56 108	1.80 141	1.47 107	2.74 291	1.18 143	1.12 23	0.90 99	0.27 47	0.21 98	0.25 38	0.22 69	0.27 33	0.23 24

IGEV_Zeroshot_test	2.16 227	0.69 169	20.60 423	1.22 261	0.54 105	2.18 69	0.53 34	3.38 166	1.61 135	1.93 174	1.55 127	3.76 369	1.05 104	1.55 94	0.91 106	0.29 95	0.20 69	0.27 72	0.29 205	0.40 205	0.32 139

R-Stereo Train	1.20 76	0.58 76	1.81 57	0.99 147	0.67 162	3.78 220	0.90 217	4.09 305	1.51 75	2.16 252	1.71 170	1.13 77	0.94 80	1.40 70	0.91 106	0.30 132	0.24 178	0.26 52	0.21 44	0.26 24	0.25 41

RAFT-Stereo	1.20 76	0.58 76	1.81 57	0.99 147	0.67 162	3.78 220	0.90 217	4.09 305	1.51 75	2.16 252	1.71 170	1.13 77	0.94 80	1.40 70	0.91 106	0.30 132	0.24 178	0.26 52	0.21 44	0.26 24	0.25 41
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
GMOStereo	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 317	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

error version	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 317	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

test-v	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 317	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

iGMRVC	1.26 100	0.66 151	2.14 92	0.75 19	0.37 20	4.66 407	0.74 121	2.53 73	1.58 116	1.99 191	1.46 103	1.78 171	1.14 134	2.46 181	0.92 109	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

test-2	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 317	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

RAFT-IKP	1.25 93	0.66 151	2.23 101	0.75 19	0.37 20	4.64 404	0.74 121	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.13 128	2.22 172	0.92 109	0.48 329	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

raft+_RVC	1.21 79	0.83 258	2.61 129	1.35 312	0.97 251	3.60 191	0.76 133	3.23 148	1.51 75	1.33 73	1.67 158	1.03 69	1.10 122	1.87 137	0.92 109	0.24 16	0.22 124	0.25 38	0.24 101	0.26 24	0.25 41

rvit_0105_5	1.13 61	0.93 283	2.60 126	0.91 97	0.56 112	1.92 52	0.91 225	3.02 127	2.63 335	0.95 47	1.20 49	1.18 86	0.93 78	1.51 89	0.93 116	0.40 266	0.43 342	0.37 261	0.35 276	0.42 246	0.44 256

DisPM	1.36 116	0.55 46	2.39 116	1.54 360	0.51 87	4.59 397	0.79 153	2.50 71	1.88 190	2.50 335	1.83 222	1.45 126	1.01 93	2.71 205	0.93 116	0.46 316	0.20 69	0.32 167	0.31 237	0.31 92	0.44 256

rvit_stereo_0075_2	1.18 69	0.74 212	2.66 135	0.90 92	1.27 322	2.51 81	0.69 94	2.25 53	2.06 221	1.40 82	1.86 236	1.46 128	0.84 58	1.42 74	0.94 118	0.46 316	0.40 328	0.48 333	0.38 311	0.46 282	0.51 299

RAStereo	0.75 1	0.52 24	2.86 145	0.58 1	0.62 141	1.19 8	0.32 3	1.81 27	0.99 4	0.75 10	1.05 32	0.64 9	0.47 2	0.80 1	0.94 118	0.22 5	0.20 69	0.27 72	0.21 44	0.34 149	0.22 17

Selective-RAFT	1.15 67	0.46 6	1.64 44	0.99 147	0.45 56	4.17 321	0.51 30	3.21 145	1.69 156	1.12 64	1.34 81	1.45 126	1.40 180	2.08 152	0.94 118	0.41 280	0.20 69	0.24 24	0.23 79	0.27 33	0.25 41

RAFT_CTSACE	1.80 173	1.06 315	10.00 246	1.71 385	1.39 343	3.49 167	1.06 273	3.05 130	1.62 138	1.70 123	2.04 273	2.51 271	1.80 283	1.98 144	0.94 118	0.25 27	0.22 124	0.28 94	0.30 221	0.30 77	0.26 59

GMStereo	1.01 47	1.00 301	2.86 145	0.83 54	0.45 56	1.47 29	0.57 42	1.89 29	2.11 237	1.52 93	1.24 57	0.87 49	0.74 33	1.58 96	0.94 118	0.40 266	0.21 98	0.30 128	0.30 221	0.47 286	0.36 178
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
plain	1.55 132	0.69 169	13.59 281	0.65 8	0.73 178	1.66 40	0.57 42	3.17 142	1.94 199	0.77 23	1.24 57	0.80 36	0.86 62	1.60 101	0.96 123	0.33 183	0.21 98	0.32 167	0.25 110	0.42 246	0.28 88

rvit_0105_3	1.24 89	0.93 283	2.84 143	0.97 136	0.58 130	2.38 76	1.08 279	3.26 152	2.53 322	1.18 67	1.40 94	1.24 97	1.04 100	1.73 123	0.97 124	0.44 302	0.44 347	0.40 286	0.42 339	0.42 246	0.50 292

11t1	1.11 59	0.53 35	1.80 56	1.55 365	0.65 152	2.20 71	0.60 54	3.66 197	1.49 64	1.60 101	1.26 62	1.03 69	1.35 171	1.72 122	0.97 124	0.28 76	0.31 261	0.29 109	0.23 79	0.30 77	0.34 162

RAFT-Stereo + iAFF	1.25 93	0.72 193	1.74 51	1.05 178	0.36 8	4.13 303	0.42 15	2.95 121	2.84 369	2.02 209	2.40 341	1.61 145	1.11 125	1.26 54	0.97 124	0.21 1	0.15 2	0.26 52	0.23 79	0.29 58	0.23 24

1test111	1.99 206	0.74 212	13.77 284	1.78 392	0.36 8	4.48 371	0.74 121	3.98 272	1.53 88	1.01 51	1.81 215	0.72 23	1.62 239	4.66 243	0.98 127	0.29 95	0.17 10	0.32 167	0.21 44	0.33 131	0.32 139

qqq	1.30 108	0.57 63	1.67 45	1.15 234	0.51 87	2.18 69	0.91 225	3.98 272	1.53 88	1.50 92	1.24 57	1.79 178	1.34 169	4.66 243	0.98 127	0.28 76	0.31 261	0.33 201	0.33 255	0.33 131	0.32 139

iRaftStereo_RVC	1.09 57	0.70 179	1.39 24	0.95 123	0.45 56	3.83 229	0.42 15	2.37 60	1.58 116	1.69 121	1.76 189	1.80 181	0.83 57	1.50 87	0.98 127	0.28 76	0.18 27	0.29 109	0.26 126	0.30 77	0.31 132

RAFT-Test	1.44 124	0.59 83	6.10 205	1.01 160	0.69 170	2.90 96	0.80 161	3.68 200	1.70 159	1.85 147	1.68 161	3.15 327	1.03 96	1.20 45	0.99 130	0.27 47	0.22 124	0.25 38	0.23 79	0.27 33	0.25 41

LL-Strereo2	1.23 84	0.85 266	2.38 115	0.93 115	0.68 167	3.72 210	1.37 328	2.54 82	1.99 205	1.75 133	1.40 94	1.82 186	0.73 30	1.40 70	0.99 130	0.31 151	0.23 148	0.55 368	0.35 276	0.29 58	0.24 34

riskmin	1.25 93	0.56 55	2.05 78	1.05 178	0.93 242	2.86 94	0.55 38	3.23 148	1.34 24	1.55 96	1.07 36	3.56 363	2.03 304	1.29 60	1.00 132	0.28 76	0.27 219	0.34 218	0.21 44	0.41 228	0.43 250

RALCasStereoNet	1.19 71	1.02 303	2.06 87	1.12 213	1.14 289	3.08 115	0.70 100	2.99 124	1.73 166	1.34 74	1.68 161	1.18 86	0.91 74	2.16 162	1.00 132	0.30 132	0.26 209	0.24 24	0.21 44	0.29 58	0.30 124

UniTT-Stereo	0.82 13	0.47 7	2.63 133	0.96 129	1.19 303	0.78 3	0.39 11	1.12 1	1.54 96	1.19 68	1.26 62	0.51 3	0.64 17	1.13 26	1.03 134	0.30 132	0.20 69	0.24 24	0.21 44	0.40 205	0.25 41

x	1.15 67	0.57 63	1.53 34	1.44 339	0.67 162	1.94 53	0.97 255	3.87 239	1.57 114	1.61 106	1.28 69	1.58 140	1.22 149	1.93 141	1.04 135	0.28 76	0.30 251	0.34 218	0.29 205	0.32 115	0.31 132

raft_robust	1.92 192	1.15 331	3.34 165	1.02 169	0.43 47	3.84 234	0.46 21	4.42 403	2.52 321	1.67 119	1.36 86	2.17 233	6.37 433	6.78 292	1.04 135	0.28 76	0.24 178	0.30 128	0.35 276	0.31 92	0.32 139

test_sample2	1.75 167	0.56 55	2.25 102	1.41 333	0.80 193	2.91 98	0.86 190	4.05 293	2.04 216	1.91 168	1.39 91	1.57 138	1.55 228	10.65 374	1.06 137	0.32 169	0.28 228	0.32 167	0.30 221	0.36 178	0.33 151

4D-IteraStereo	1.97 201	0.84 262	20.43 416	0.78 34	1.56 373	2.09 65	1.05 272	2.43 65	1.56 108	1.41 84	1.00 20	1.94 200	0.61 12	1.22 49	1.06 137	0.27 47	0.18 27	0.31 149	0.26 126	0.27 33	0.23 24

CASS	1.29 107	0.66 151	2.62 132	0.95 123	0.66 156	2.84 92	0.69 94	3.00 125	1.79 177	2.57 344	1.95 255	1.39 117	1.55 228	1.59 99	1.06 137	0.50 341	0.28 228	0.34 218	0.28 178	0.46 282	0.63 339
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MaDis-Stereo	0.82 13	0.66 151	1.53 34	0.65 8	1.87 413	1.24 13	0.36 8	2.13 44	1.27 16	0.67 7	0.75 6	0.88 51	0.70 24	1.15 32	1.07 140	0.29 95	0.23 148	0.26 52	0.20 34	0.31 92	0.22 17

MIM_Stereo	1.20 76	0.78 237	3.30 162	1.05 178	0.43 47	3.04 108	0.60 54	2.46 68	1.51 75	1.60 101	1.58 133	1.82 186	1.29 161	2.00 145	1.07 140	0.24 16	0.24 178	0.28 94	0.25 110	0.27 33	0.27 71

CroCo-Stereo Lap2	0.99 43	0.89 272	2.55 123	0.99 147	1.80 410	0.54 2	0.46 21	3.10 134	1.24 8	1.07 58	1.21 51	1.05 72	0.78 45	1.26 54	1.08 142	0.27 47	0.23 148	0.27 72	0.21 44	0.43 256	0.34 162

GMM-Stereo	2.45 283	0.52 24	20.38 412	0.89 87	0.82 204	4.18 324	1.91 380	2.45 67	1.48 56	2.48 333	2.30 324	1.69 157	1.86 293	2.93 211	1.08 142	0.28 76	0.18 27	0.33 201	0.48 356	0.35 166	2.41 439

Prome-Stereo	1.61 146	0.55 46	1.71 47	0.98 141	0.60 134	4.41 363	1.82 375	3.03 128	1.53 88	2.18 258	3.45 402	1.72 162	3.49 390	2.23 173	1.08 142	0.29 95	0.20 69	0.26 52	0.25 110	0.34 149	2.16 434

CroCo-Stereo	0.98 37	0.87 269	3.44 166	0.87 78	0.53 104	0.49 1	0.50 26	3.99 276	1.49 64	0.81 29	1.25 61	1.00 65	0.75 34	1.10 20	1.09 145	0.24 16	0.21 98	0.24 24	0.19 25	0.35 166	0.27 71
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
RAFT+CT+SA	1.62 147	0.72 193	7.42 215	0.97 136	1.42 353	4.04 282	0.94 243	3.90 249	1.61 135	1.61 106	1.63 149	1.33 109	1.18 143	2.73 207	1.10 146	0.27 47	0.19 44	0.31 149	0.34 262	0.33 131	0.33 151

PCWNet_CMD	2.23 234	0.65 141	17.36 338	0.83 54	0.76 184	3.51 173	0.64 73	3.60 188	1.97 202	1.70 123	1.63 149	3.22 330	3.05 369	2.09 155	1.11 147	0.31 151	0.36 295	0.47 325	0.26 126	0.64 345	0.47 277

raftrobust	1.19 71	0.72 193	2.30 109	1.26 275	1.31 326	3.55 182	0.68 89	2.75 106	1.47 51	2.21 272	1.38 89	1.17 82	1.22 149	1.20 45	1.11 147	0.28 76	0.24 178	0.21 4	0.19 25	0.25 16	0.28 88

MSMDNet	2.23 234	0.64 133	17.32 334	0.84 61	0.75 181	3.53 177	0.64 73	3.61 190	1.98 204	1.71 127	1.64 151	3.22 330	2.99 363	2.08 152	1.11 147	0.31 151	0.37 308	0.45 317	0.26 126	0.62 337	0.45 262

AFF-stereo	1.31 112	0.77 231	1.46 29	1.10 206	0.45 56	3.93 254	0.48 24	2.92 120	2.92 375	1.90 163	2.21 307	2.11 231	1.52 218	1.93 141	1.12 150	0.21 1	0.16 5	0.25 38	0.25 110	0.29 58	0.20 7

Anonymous3	1.72 160	0.76 229	11.61 266	0.83 54	0.84 212	4.46 369	0.84 179	3.57 185	1.16 5	1.34 74	1.37 87	1.11 76	1.03 96	1.58 96	1.13 151	0.70 390	0.58 389	0.33 201	0.35 276	0.47 286	0.42 241

CFNet_ucs	2.36 275	0.68 167	18.42 357	0.89 87	0.81 196	3.85 240	0.68 89	4.29 367	2.37 292	2.09 226	2.04 273	3.31 339	1.24 154	2.63 199	1.14 152	0.36 225	0.45 352	0.56 370	0.29 205	0.66 353	0.49 285

anonymousa	2.16 227	0.67 160	19.19 367	1.04 177	1.67 394	2.06 63	0.79 153	2.86 118	1.96 200	1.85 147	2.14 295	3.23 332	1.81 286	1.12 23	1.15 153	0.26 37	0.26 209	0.34 218	0.32 247	0.30 77	0.28 88

IPLGR	2.53 298	0.58 76	20.46 417	0.82 45	0.52 96	4.56 394	0.50 26	4.30 375	2.38 295	1.87 154	1.53 122	1.68 152	1.72 270	6.95 295	1.15 153	0.28 76	0.21 98	0.27 72	0.23 79	0.33 131	0.32 139

GrayStereo	2.58 309	0.53 35	1.63 42	1.58 369	0.89 232	4.17 321	8.17 457	3.03 128	1.52 83	2.80 372	2.50 348	1.70 159	17.10 462	2.83 208	1.15 153	0.33 183	0.21 98	0.27 72	0.32 247	0.28 48	0.53 306

GMStereo_Zeroshot	1.41 122	1.21 341	3.33 164	1.29 285	0.72 174	3.35 146	0.53 34	2.58 90	1.68 151	2.35 312	1.56 130	2.42 260	0.96 83	2.50 184	1.16 156	0.45 311	0.23 148	0.40 286	0.24 101	0.79 380	0.33 151

CFNet_pseudo	2.12 223	0.67 160	15.14 312	0.85 72	0.74 180	3.95 264	0.64 73	3.95 264	1.78 175	1.90 163	1.79 200	3.27 335	1.62 239	2.51 187	1.16 156	0.31 151	0.36 295	0.53 360	0.27 151	0.63 338	0.44 256

ccs_rob	2.13 225	0.67 160	15.11 311	0.84 61	0.75 181	3.96 269	0.65 82	3.95 264	1.78 175	1.88 157	1.79 200	3.26 334	1.64 254	2.51 187	1.16 156	0.31 151	0.36 295	0.54 367	0.27 151	0.65 348	0.45 262

BUS	1.49 131	0.59 83	1.94 67	0.87 78	0.85 214	4.50 380	0.76 133	4.48 413	1.88 190	2.93 379	1.83 222	3.63 365	0.97 86	1.60 101	1.17 159	0.34 195	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

test_5	1.87 179	0.75 224	10.23 250	1.14 221	1.40 345	3.85 240	1.27 314	3.91 253	1.93 198	1.69 121	1.78 197	1.67 150	1.79 278	2.99 214	1.17 159	0.30 132	0.18 27	0.35 236	0.33 255	0.34 149	0.33 151

NINENet	1.87 179	0.74 212	2.60 126	1.12 213	1.06 276	4.50 380	0.76 133	4.41 402	2.24 259	2.16 252	1.86 236	3.63 365	0.97 86	8.00 312	1.17 159	0.41 280	0.30 251	0.41 296	0.30 221	0.41 228	0.36 178

test_4	1.30 108	0.50 15	6.16 206	0.84 61	0.45 56	1.61 37	1.12 288	2.14 45	1.42 33	1.52 93	2.31 331	1.84 192	0.79 47	2.52 191	1.19 162	0.27 47	0.17 10	0.29 109	0.29 205	0.29 58	0.25 41

UDGNet	1.40 120	1.52 380	2.22 99	1.38 328	0.62 141	4.39 357	0.68 89	1.80 26	2.18 249	1.34 74	1.18 47	0.99 64	1.00 91	2.16 162	1.19 162	1.09 414	0.34 287	1.30 429	0.98 419	1.10 407	0.58 324

DeepStereo_RVC	1.55 132	0.63 124	3.32 163	0.77 33	0.42 42	4.49 377	0.72 105	2.50 71	1.58 116	2.02 209	1.81 215	1.54 136	6.38 435	1.73 123	1.19 162	0.46 316	0.22 124	0.29 109	0.28 178	0.35 166	0.38 206

TRStereo	2.31 254	1.87 399	19.74 383	1.53 358	1.16 295	4.26 339	1.08 279	4.73 433	1.45 39	1.55 96	1.28 69	1.75 165	0.85 60	1.81 130	1.20 165	0.36 225	0.26 209	0.32 167	0.36 286	0.34 149	0.33 151

NF-Stereo	1.58 139	0.61 106	2.66 135	2.26 423	0.47 73	4.68 410	0.67 85	3.31 156	1.48 56	2.11 233	1.59 137	1.36 113	1.09 117	6.08 274	1.20 165	0.40 266	0.20 69	0.36 249	0.34 262	0.31 92	0.36 178

PSM-softLoss	1.66 155	0.59 83	5.15 197	2.25 421	0.48 79	4.68 410	0.69 94	2.57 88	1.52 83	2.14 239	1.45 101	1.42 123	0.99 89	6.04 272	1.20 165	0.41 280	0.23 148	0.37 261	0.39 317	0.32 115	0.31 132

KMStereo	1.66 155	0.59 83	5.15 197	2.25 421	0.48 79	4.68 410	0.69 94	2.57 88	1.52 83	2.14 239	1.45 101	1.42 123	0.99 89	6.04 272	1.20 165	0.41 280	0.23 148	0.37 261	0.39 317	0.32 115	0.31 132

BSDual-CNN	1.46 127	0.59 83	1.94 67	0.87 78	0.85 214	4.16 316	1.16 295	4.48 413	1.88 190	2.93 379	1.83 222	2.60 278	1.31 165	1.60 101	1.21 169	0.34 195	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

psmg	1.47 130	0.59 83	1.94 67	0.92 103	0.85 214	4.30 348	1.42 338	4.10 313	1.88 190	2.64 358	2.09 285	2.60 278	1.31 165	1.60 101	1.21 169	0.34 195	0.27 219	0.33 201	0.34 262	0.36 178	0.34 162

OCTAStereo	1.58 139	0.61 106	2.72 137	2.27 426	0.46 63	4.68 410	0.67 85	3.30 155	1.48 56	2.11 233	1.59 137	1.36 113	1.09 117	6.02 271	1.21 169	0.41 280	0.20 69	0.36 249	0.34 262	0.31 92	0.37 192

RE-Stereo	1.58 139	0.61 106	2.72 137	2.26 423	0.46 63	4.68 410	0.68 89	3.31 156	1.48 56	2.11 233	1.59 137	1.36 113	1.09 117	6.01 269	1.22 172	0.41 280	0.20 69	0.36 249	0.34 262	0.31 92	0.37 192

TVStereo	1.58 139	0.61 106	2.72 137	2.26 423	0.46 63	4.68 410	0.68 89	3.31 156	1.48 56	2.11 233	1.59 137	1.36 113	1.09 117	6.01 269	1.22 172	0.41 280	0.20 69	0.36 249	0.34 262	0.31 92	0.37 192

ARAFT	2.56 305	1.13 327	19.50 377	0.89 87	0.48 79	4.15 307	1.40 333	4.36 393	2.82 367	2.36 316	1.88 239	1.70 159	1.04 100	6.45 281	1.22 172	0.29 95	0.18 27	0.37 261	0.35 276	0.35 166	0.25 41

DCVSM-stereo	2.31 254	0.66 151	20.69 425	1.11 210	0.93 242	2.58 86	0.73 110	2.61 92	1.60 131	2.57 344	1.53 122	3.30 338	1.72 270	2.19 167	1.23 175	0.34 195	0.53 377	0.41 296	0.32 247	0.45 271	0.62 335

PFNet+	1.46 127	0.57 63	2.84 143	0.92 103	0.47 73	4.64 404	0.84 179	2.46 68	1.99 205	2.14 239	1.64 151	1.34 110	1.03 96	4.68 245	1.23 175	0.45 311	0.33 276	0.37 261	0.39 317	0.32 115	0.49 285

UGAM-zero	2.79 327	0.57 63	20.87 429	0.98 141	0.77 189	2.08 64	0.35 7	3.88 242	1.51 75	2.05 217	1.64 151	5.07 424	3.42 387	9.83 347	1.24 177	0.28 76	0.21 98	0.27 72	0.29 205	0.29 58	0.28 88

GCST	2.56 305	1.79 397	18.02 349	1.92 407	1.33 333	1.72 41	0.51 30	3.67 198	2.03 212	1.70 123	1.61 145	1.55 137	1.29 161	5.06 249	1.24 177	2.06 436	0.77 415	1.45 432	0.97 418	1.14 411	1.34 413

test_sample1	1.62 147	0.55 46	1.88 61	1.44 339	0.79 191	2.27 72	0.64 73	4.00 278	1.82 180	1.87 154	1.35 84	1.57 138	1.62 239	9.55 341	1.24 177	0.30 132	0.27 219	0.31 149	0.28 178	0.32 115	0.32 139

FTStereo	3.71 393	0.53 35	20.37 411	0.96 129	0.65 152	4.34 351	11.29 460	2.62 93	1.50 69	2.58 347	5.04 421	1.90 197	13.84 459	3.71 226	1.25 180	0.38 248	0.24 178	0.31 149	0.32 247	0.30 77	2.10 433

rafts_anoy	1.24 89	0.80 244	3.61 176	1.17 240	1.20 308	3.00 107	0.61 57	3.17 142	1.58 116	1.37 78	1.26 62	1.19 90	1.12 126	1.78 127	1.25 180	0.32 169	0.23 148	0.32 167	0.32 247	0.31 92	0.30 124

DIP-Stereo	1.24 89	0.69 169	1.77 53	0.65 8	0.61 138	4.29 346	0.58 50	4.44 407	2.53 322	1.98 186	1.33 76	0.91 56	0.86 62	1.25 53	1.25 180	0.36 225	0.23 148	0.32 167	0.23 79	0.32 115	0.29 98
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DualNet (step1)	2.34 265	1.05 310	7.87 218	1.07 184	0.86 219	3.93 254	1.19 302	4.35 388	2.11 237	2.14 239	1.75 181	1.75 165	1.67 260	6.26 278	1.26 183	1.23 421	0.48 370	4.27 464	2.09 450	0.70 361	0.69 351

test_sample7	1.65 152	0.70 179	2.60 126	1.48 350	0.76 184	2.38 76	1.07 275	4.35 388	2.11 237	2.14 239	1.75 181	1.75 165	1.67 260	6.26 278	1.26 183	0.44 302	0.48 370	0.43 307	0.40 328	0.46 282	0.43 250

GANet-ADL	2.20 231	0.73 204	20.11 399	1.25 269	0.69 170	3.83 229	0.76 133	3.49 173	1.71 160	1.65 116	1.99 266	2.10 229	1.10 122	1.42 74	1.26 183	0.38 248	0.33 276	0.25 38	0.22 69	0.42 246	0.36 178

SA	1.62 147	0.75 224	3.78 181	1.07 184	0.43 47	4.26 339	1.36 324	4.45 410	3.12 392	1.63 110	1.97 262	1.68 152	2.26 327	2.55 193	1.27 186	0.27 47	0.22 124	0.37 261	0.37 298	0.35 166	0.30 124

STrans-v2	3.03 358	0.77 231	20.91 431	0.81 37	0.63 143	3.89 247	1.01 261	4.27 359	2.64 337	2.28 288	3.70 407	4.13 388	5.20 417	7.33 299	1.27 186	0.31 151	0.18 27	0.29 109	0.25 110	0.29 58	0.41 238

TransformOpticalFlow	3.03 358	0.77 231	20.99 434	1.00 155	0.55 108	4.18 324	0.64 73	4.33 384	3.02 386	2.18 258	3.09 390	4.35 399	5.07 415	7.36 302	1.27 186	0.32 169	0.18 27	0.32 167	0.26 126	0.28 48	0.46 272

Anonymous_2	3.01 356	0.89 272	4.53 191	1.06 183	1.18 297	2.93 101	0.87 207	3.24 150	1.46 46	1.86 152	1.35 84	4.11 387	2.35 333	1.64 112	1.28 189	0.82 401	0.90 420	8.71 473	15.84 476	4.44 455	0.74 364

test-1	1.23 84	0.65 141	1.88 61	0.96 129	0.52 96	3.84 234	0.62 68	4.01 280	1.47 51	1.93 174	1.78 197	1.83 189	0.92 76	1.19 44	1.28 189	0.26 37	0.29 238	0.31 149	0.24 101	0.29 58	0.36 178

IPLGR_C	2.28 247	1.31 360	19.46 375	0.92 103	1.32 330	3.93 254	0.89 213	4.20 329	1.82 180	2.30 294	2.63 362	1.16 81	1.07 114	1.41 73	1.29 191	0.37 232	0.23 148	0.27 72	0.22 69	0.31 92	0.45 262

TestStereo1	1.56 136	0.81 248	2.32 110	1.61 375	0.64 145	4.13 303	1.36 324	3.79 223	3.20 403	1.60 101	2.57 358	1.39 117	2.15 317	2.51 187	1.30 192	0.29 95	0.20 69	0.34 218	0.25 110	0.40 205	0.36 178

SA-5K	1.56 136	0.81 248	2.32 110	1.61 375	0.64 145	4.13 303	1.36 324	3.79 223	3.20 403	1.60 101	2.57 358	1.39 117	2.15 317	2.51 187	1.30 192	0.29 95	0.20 69	0.34 218	0.25 110	0.40 205	0.36 178

ACRE	2.27 242	1.11 325	19.45 374	0.91 97	1.30 324	3.94 259	0.87 207	4.21 334	1.80 178	2.28 288	2.62 360	1.17 82	1.04 100	1.52 91	1.30 192	0.37 232	0.23 148	0.27 72	0.22 69	0.31 92	0.46 272

HBP-ISP	3.25 376	1.10 322	20.86 428	1.54 360	1.15 291	4.50 380	2.89 417	4.43 406	2.38 295	4.14 422	1.96 256	1.90 197	2.04 306	11.08 396	1.32 195	0.66 380	0.57 384	0.66 394	0.61 389	0.64 345	0.61 332

CIPLG	2.27 242	1.18 336	19.24 368	0.92 103	1.34 335	3.95 264	0.89 213	4.23 341	1.82 180	2.31 300	2.67 364	1.17 82	1.06 112	1.53 93	1.32 195	0.37 232	0.23 148	0.27 72	0.22 69	0.31 92	0.45 262

RAFT	1.23 84	0.84 262	2.05 78	0.96 129	0.47 73	1.80 44	0.94 243	3.18 144	1.46 46	1.60 101	1.71 170	3.04 318	1.59 231	1.64 112	1.32 195	0.38 248	0.24 178	0.40 286	0.32 247	0.40 205	0.35 174

ICVP	2.26 240	0.66 151	21.18 441	0.99 147	0.88 227	4.28 345	0.95 247	3.32 160	1.60 131	1.66 117	1.76 189	1.34 110	1.14 134	1.62 107	1.32 195	0.53 355	0.35 291	0.33 201	0.29 205	0.40 205	0.51 299
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
AIO-Stereo-zeroshot1	2.68 321	1.26 354	22.01 457	1.08 191	0.99 258	1.61 37	0.86 190	3.69 205	1.64 142	1.52 93	5.62 425	3.35 342	3.44 388	2.20 168	1.33 199	0.26 37	0.21 98	0.30 128	0.62 390	0.93 392	0.67 346

NRIStereo	1.28 105	0.61 106	1.67 45	1.15 234	0.38 29	4.73 423	0.90 217	2.42 63	1.50 69	1.93 174	1.33 76	1.75 165	1.22 149	2.96 213	1.33 199	0.46 316	0.22 124	0.29 109	0.26 126	0.30 77	0.28 88

CRE-IMP	1.23 84	0.61 106	2.14 92	0.82 45	0.39 31	4.54 386	0.83 176	2.63 94	1.55 102	1.95 179	1.46 103	1.87 196	0.96 83	1.48 86	1.33 199	0.45 311	0.21 98	0.31 149	0.26 126	0.41 228	0.31 132

PFNet	2.47 288	0.60 92	16.95 332	2.15 420	0.81 196	4.63 403	0.91 225	2.55 83	1.52 83	2.40 324	2.79 373	1.83 189	1.42 189	7.54 304	1.34 202	0.33 183	0.21 98	0.36 249	0.27 151	0.32 115	0.39 212

OMP-Stereo	1.97 201	0.93 283	1.88 61	2.76 436	0.67 162	4.58 396	1.48 342	4.31 378	1.54 96	3.15 396	2.76 371	3.25 333	1.38 173	7.66 309	1.35 203	0.40 266	0.20 69	0.33 201	0.26 126	0.33 131	0.24 34

EAI-Stereo	2.35 270	0.63 124	2.97 148	0.95 123	0.65 152	3.84 234	14.27 464	5.04 439	2.19 250	2.06 222	7.25 427	1.10 75	0.94 80	1.65 114	1.37 204	0.31 151	0.22 124	0.27 72	0.60 386	0.27 33	0.32 139

FENet	2.25 238	0.50 15	20.29 409	1.35 312	0.67 162	4.01 278	0.60 54	3.95 264	1.99 205	1.96 182	1.11 40	2.43 261	1.43 192	1.60 101	1.39 205	0.32 169	0.22 124	0.33 201	0.26 126	0.29 58	0.39 212

rvit_105_1	1.43 123	0.90 274	3.27 160	1.08 191	0.68 167	2.79 91	1.27 314	3.52 179	2.35 283	1.38 80	1.54 124	1.28 101	1.14 134	2.91 209	1.40 206	0.54 357	0.47 364	0.45 317	0.59 384	0.44 263	0.58 324

UGAM	2.58 309	0.56 55	18.55 359	0.89 87	0.71 173	3.23 126	1.03 266	2.75 106	1.75 173	1.36 77	2.77 372	2.69 285	1.28 158	10.75 377	1.40 206	0.28 76	0.24 178	0.40 286	0.31 237	0.35 166	0.30 124

AIO-Stereo-zeroshot	2.35 270	0.99 298	19.62 379	1.09 197	0.96 247	1.51 32	0.44 19	4.05 293	1.64 142	1.31 72	1.67 158	4.93 418	2.45 340	2.52 191	1.40 206	0.30 132	0.20 69	0.31 149	0.50 363	0.57 322	0.60 329

ToySt	1.35 115	0.72 193	3.65 178	1.01 160	0.50 86	3.31 144	1.01 261	3.46 169	1.73 166	1.30 71	1.55 127	2.07 227	1.47 204	1.88 138	1.40 206	0.27 47	0.27 219	0.30 128	0.32 247	0.42 246	0.39 212

GwcNet-ADL	2.47 288	0.67 160	21.48 448	0.96 129	0.72 174	4.61 400	0.95 247	4.42 403	2.36 286	1.98 186	1.80 203	2.55 274	1.24 154	1.90 139	1.41 210	0.40 266	0.46 360	0.24 24	0.27 151	0.41 228	0.49 285

IIG-Stereo	1.95 197	0.79 240	2.14 92	2.78 437	0.66 156	4.62 401	0.76 133	4.27 359	1.53 88	2.63 357	3.14 393	3.35 342	1.61 236	7.65 308	1.41 210	0.39 260	0.20 69	0.31 149	0.25 110	0.33 131	0.22 17

UCFNet_RVC	1.57 138	0.84 262	3.25 158	1.36 318	1.40 345	4.07 290	1.01 261	2.68 98	1.50 69	2.11 233	1.88 239	2.37 253	1.50 213	3.41 218	1.42 212	0.36 225	0.28 228	0.52 358	0.40 328	0.53 307	0.43 250

RAFT-345	2.46 285	0.55 46	19.69 382	1.02 169	0.49 83	4.43 367	0.78 147	1.64 17	2.34 281	2.09 226	3.12 391	1.96 207	1.31 165	6.65 286	1.43 213	0.36 225	0.23 148	0.32 167	0.25 110	0.28 48	0.25 41

pcwnet_v2	2.70 324	0.65 141	22.48 459	1.08 191	1.03 268	3.56 184	0.81 168	4.29 367	3.14 395	2.29 290	2.29 320	3.01 316	1.71 268	3.32 217	1.43 213	0.43 295	0.50 375	0.41 296	0.34 262	0.61 335	0.56 316

DCANet-4	1.96 199	0.51 18	14.31 299	0.82 45	0.40 34	4.16 316	0.57 42	4.29 367	2.98 382	2.30 294	1.80 203	1.03 69	1.54 226	1.44 77	1.44 215	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

MIPNet	2.33 261	0.71 190	19.82 385	0.89 87	0.56 112	4.76 428	0.61 57	4.32 382	2.37 292	1.83 145	1.48 113	1.48 129	1.98 303	2.63 199	1.44 215	0.29 95	0.20 69	0.26 52	0.23 79	0.30 77	0.39 212

STTStereo	2.34 265	0.95 290	14.93 307	1.43 337	1.54 366	3.86 242	0.86 190	3.65 194	2.44 307	2.15 247	1.55 127	2.49 270	1.59 231	5.14 251	1.44 215	0.38 248	0.39 323	0.47 325	0.51 366	0.52 301	0.51 299

AdaStereo	1.45 126	0.83 258	2.34 113	1.28 282	0.81 196	3.21 123	1.14 293	4.20 329	2.46 311	2.05 217	1.77 194	2.48 268	1.18 143	1.71 121	1.44 215	0.43 295	0.25 197	0.43 307	0.28 178	0.44 263	0.34 162
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.
test_sample4	2.34 265	0.63 124	11.59 265	1.30 292	0.83 205	3.07 114	0.72 105	4.27 359	2.30 273	2.30 294	1.88 239	1.73 163	1.42 189	11.14 398	1.46 219	0.35 214	0.29 238	0.35 236	0.36 286	0.40 205	0.38 206

test_sample3	2.34 265	0.61 106	11.94 268	1.33 301	0.85 214	3.10 118	0.73 110	4.24 349	2.19 250	2.21 272	1.75 181	1.80 181	1.41 185	11.11 397	1.46 219	0.35 214	0.29 238	0.34 218	0.35 276	0.39 200	0.37 192

fff	1.74 163	0.70 179	9.08 233	0.81 37	0.36 8	4.15 307	0.57 42	4.23 341	2.09 227	2.30 294	1.80 203	1.19 90	3.02 366	1.44 77	1.46 219	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

csc	1.74 163	0.70 179	9.08 233	0.81 37	0.36 8	4.15 307	0.57 42	4.23 341	2.09 227	2.30 294	1.80 203	1.19 90	3.02 366	1.44 77	1.46 219	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

cscssc	1.74 163	0.70 179	9.08 233	0.81 37	0.36 8	4.15 307	0.57 42	4.23 341	2.09 227	2.30 294	1.80 203	1.19 90	3.02 366	1.44 77	1.46 219	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

test_sample5	2.33 261	0.62 115	11.29 262	1.29 285	0.83 205	3.09 116	0.74 121	4.28 364	2.31 276	2.20 264	1.97 262	1.68 152	1.39 176	11.19 399	1.47 224	0.37 232	0.31 261	0.37 261	0.37 298	0.41 228	0.39 212

DualNet	2.33 261	0.62 115	11.29 262	1.29 285	0.83 205	3.09 116	0.74 121	4.28 364	2.31 276	2.26 286	2.04 273	1.68 152	1.39 176	11.19 399	1.47 224	0.37 232	0.31 261	0.37 261	0.37 298	0.41 228	0.39 212

Pruner-Stereo	1.32 114	0.59 83	2.11 91	1.79 397	0.47 73	4.73 423	0.79 153	2.53 73	1.72 163	2.47 332	1.58 133	1.48 129	1.03 96	1.66 115	1.47 224	0.44 302	0.21 98	0.34 218	0.30 221	0.30 77	0.39 212

anonymity	1.76 168	1.26 354	2.73 140	1.66 379	1.32 330	1.84 45	1.07 275	3.49 173	2.30 273	2.11 233	2.11 290	1.71 161	3.90 397	1.82 132	1.48 227	1.10 415	1.09 424	1.08 424	1.08 424	1.05 400	1.09 400

CRFU-Net	2.49 292	0.78 237	10.36 251	2.30 427	1.08 280	3.91 249	1.41 336	3.85 234	1.65 146	2.15 247	1.76 189	3.34 341	7.95 447	5.56 261	1.48 227	0.47 325	0.35 291	0.30 128	0.28 178	0.37 186	0.43 250

RALAANet	1.28 105	1.08 318	3.21 156	1.25 269	0.94 244	1.44 27	0.69 94	3.15 139	2.57 329	2.01 205	1.80 203	1.29 104	1.05 104	2.00 145	1.48 227	0.27 47	0.20 69	0.27 72	0.24 101	0.40 205	0.27 71

AACVNet	1.83 175	1.02 303	2.41 118	1.45 343	0.87 224	3.21 123	0.73 110	3.16 140	1.61 135	2.01 205	1.82 221	2.28 239	1.33 168	10.98 388	1.49 230	0.39 260	0.32 269	0.38 277	0.32 247	0.43 256	0.44 256

H2IRNET	1.90 186	0.53 35	14.29 298	1.14 221	0.60 134	4.48 371	0.44 19	2.65 95	1.81 179	1.05 57	2.30 324	1.67 150	1.40 180	2.17 164	1.50 231	0.36 225	0.21 98	0.33 201	0.37 298	0.34 149	0.29 98

Sa-1000	1.63 151	0.79 240	3.56 172	1.11 210	0.48 79	4.06 285	1.41 336	4.49 416	2.75 350	2.00 203	2.80 375	1.84 192	1.43 192	2.64 201	1.50 231	0.27 47	0.19 44	0.36 249	0.33 255	0.36 178	0.30 124

IRAFT_RVC	1.87 179	0.60 92	4.33 185	2.40 430	0.66 156	4.59 397	1.59 356	2.96 122	1.51 75	2.23 278	1.75 181	2.09 228	2.63 350	6.70 288	1.50 231	0.33 183	0.21 98	0.33 201	0.29 205	0.32 115	0.32 139

SFCPSM	2.18 230	0.63 124	17.03 333	0.88 83	0.98 255	3.74 214	1.28 316	4.09 305	2.16 245	1.85 147	1.83 222	1.65 148	1.39 176	2.50 184	1.50 231	0.33 183	0.27 219	0.39 280	0.36 286	0.34 149	0.37 192

CVANet_RVC	2.55 304	1.10 322	9.13 238	1.46 345	1.15 291	3.96 269	1.53 349	3.91 253	2.50 317	3.04 387	2.04 273	2.60 278	1.72 270	12.46 443	1.50 231	0.49 339	0.30 251	0.51 352	0.41 334	0.63 338	0.50 292

DN-CSS_ROB	1.91 189	1.55 382	11.13 261	1.82 399	0.88 227	3.99 275	0.61 57	4.01 280	1.67 149	1.64 112	1.89 245	1.39 117	1.06 112	3.23 215	1.50 231	0.31 151	0.19 44	0.44 311	0.29 205	0.37 186	0.31 132

DLNR_Zeroshot_test	28.62 476	55.50 486	49.94 482	183.62 489	115.05 487	3.43 154	0.28 1	29.49 478	1.49 64	1.01 51	1.26 62	0.93 59	0.63 16	3.92 233	1.51 237	29.81 480	0.41 335	0.26 52	0.23 79	93.28 486	0.32 139

hknet	1.98 203	0.64 133	8.70 230	0.87 78	1.07 278	4.16 316	1.16 295	4.48 413	1.73 166	2.93 379	1.83 222	3.48 349	1.30 164	3.91 232	1.51 237	0.31 151	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

RAFT-RH_RVC	2.63 312	0.55 46	19.97 391	1.26 275	0.47 73	4.46 369	0.57 42	1.71 19	1.64 142	3.06 390	5.51 423	2.03 218	1.28 158	6.70 288	1.52 239	0.42 290	0.22 124	0.37 261	0.34 262	0.28 48	0.29 98

IPLG	2.48 290	0.65 141	19.63 380	0.91 97	0.79 191	4.60 399	0.56 41	4.31 378	1.84 186	1.91 168	2.00 267	1.31 106	1.38 173	6.61 284	1.53 240	0.27 47	0.20 69	0.27 72	0.23 79	0.31 92	0.36 178

ADStereo(finetuned)	2.04 214	0.73 204	13.28 277	0.82 45	0.40 34	4.16 316	0.59 51	4.25 351	2.97 379	2.35 312	1.84 227	1.18 86	3.40 383	1.52 91	1.54 241	0.29 95	0.24 178	0.23 11	0.18 13	0.30 77	0.51 299

DCANet	1.74 163	0.73 204	9.08 233	0.82 45	0.40 34	4.18 324	0.59 51	4.25 351	2.97 379	2.35 312	1.84 227	1.18 86	1.63 251	1.51 89	1.55 242	0.29 95	0.24 178	0.23 11	0.18 13	0.30 77	0.53 306

MIF-Stereo (partial)	0.98 37	0.55 46	2.83 142	0.71 14	1.03 268	1.08 6	0.49 25	2.55 83	1.66 148	0.79 25	1.20 49	0.80 36	0.90 72	1.61 106	1.56 243	0.36 225	0.24 178	0.33 201	0.25 110	0.40 205	0.28 88

HCRNet	1.60 145	0.56 55	2.47 120	0.78 34	1.36 338	4.11 298	0.71 102	3.57 185	2.79 355	1.75 133	1.61 145	1.58 140	1.41 185	5.79 266	1.56 243	0.34 195	0.28 228	0.36 249	0.29 205	0.33 131	0.37 192

CSP-Net	1.78 171	1.32 362	1.92 66	1.16 239	1.03 268	3.38 148	1.31 318	3.52 179	1.75 173	1.96 182	1.93 254	2.40 255	1.48 206	8.58 320	1.58 245	0.46 316	0.34 287	0.27 72	0.26 126	0.41 228	0.50 292

psm_up	2.28 247	0.81 248	5.45 203	1.26 275	1.50 362	3.84 234	1.23 310	4.23 341	2.03 212	2.55 340	1.80 203	2.44 263	1.65 256	12.90 447	1.58 245	0.37 232	0.38 314	0.41 296	0.34 262	0.43 256	0.39 212

MaskLacGwcNet_RVC	3.13 367	1.43 374	9.93 245	2.50 431	1.62 382	4.29 346	1.68 368	3.95 264	2.43 303	1.66 117	1.91 251	3.04 318	1.41 185	13.26 449	1.58 245	3.82 455	1.59 436	1.12 426	0.46 349	2.21 434	2.74 448

iResNetv2_ROB	2.65 314	5.00 436	19.28 373	2.06 417	1.09 283	3.83 229	1.13 291	4.14 321	2.09 227	1.85 147	2.03 270	2.01 217	1.51 216	3.58 221	1.58 245	0.34 195	0.21 98	0.32 167	0.21 44	0.44 263	0.29 98

CoDeX	2.40 278	0.78 237	13.21 276	1.00 155	1.18 297	3.24 130	1.32 319	4.14 321	2.41 300	1.74 131	1.84 227	2.05 222	1.47 204	10.03 358	1.60 249	0.34 195	0.28 228	0.32 167	0.27 151	0.32 115	0.39 212

LMCR-Stereo	2.40 278	1.31 360	18.61 360	1.59 370	0.86 219	3.87 245	1.15 294	4.32 382	1.60 131	2.25 283	2.27 314	1.13 77	2.43 338	2.48 183	1.60 249	0.88 406	0.24 178	0.29 109	0.24 101	0.56 318	0.30 124

CC-Net-ROB	3.35 381	1.76 395	13.89 290	2.33 429	1.65 390	4.49 377	1.62 358	4.73 433	2.90 372	1.92 170	2.05 279	1.99 213	1.61 236	12.57 446	1.60 249	2.46 439	2.18 445	2.68 447	1.04 423	2.11 433	1.38 416

test_sample6	2.35 270	0.62 115	10.78 257	1.33 301	0.83 205	3.15 120	0.79 153	4.36 393	2.43 303	2.26 286	2.04 273	1.69 157	1.39 176	11.48 410	1.61 252	0.38 248	0.32 269	0.37 261	0.39 317	0.41 228	0.42 241

GES	1.38 119	0.64 133	2.61 129	1.09 197	0.57 123	4.30 348	1.02 265	3.86 237	1.51 75	1.72 128	1.74 177	1.28 101	1.77 275	1.62 107	1.61 252	0.39 260	0.27 219	0.33 201	0.30 221	0.41 228	0.47 277

PS-NSSS	2.22 232	1.33 365	2.90 147	0.97 136	1.53 365	4.11 298	1.08 279	4.55 423	2.65 338	2.10 229	2.32 336	1.77 170	1.40 180	11.79 428	1.61 252	0.68 386	0.45 352	0.96 418	0.43 341	0.95 393	0.92 389

NLCA_NET_v2_RVC	2.54 300	1.04 309	16.73 328	1.53 358	2.00 419	3.96 269	0.87 207	3.87 239	2.31 276	2.54 339	1.67 158	2.85 304	1.63 251	5.55 260	1.62 255	0.46 316	0.33 276	0.38 277	0.38 311	0.53 307	0.62 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NOSS_ROB	2.27 242	0.73 204	3.00 150	1.71 385	1.00 265	3.90 248	0.97 255	4.29 367	2.81 365	2.94 383	2.19 303	3.88 374	1.19 147	11.77 427	1.62 255	0.59 366	0.54 379	0.56 370	0.52 369	0.56 318	0.54 312

DDVS	1.68 157	0.79 240	2.52 122	1.26 275	1.16 295	3.17 121	0.78 147	3.12 136	1.82 180	1.86 152	1.91 251	2.92 311	1.43 192	6.20 276	1.63 257	0.45 311	0.65 401	0.34 218	0.38 311	0.48 289	0.79 375

DAS	2.31 254	0.67 160	4.79 193	1.14 221	1.64 386	2.93 101	2.13 392	4.09 305	2.74 348	4.17 423	2.52 351	2.46 266	1.79 278	11.55 412	1.63 257	0.37 232	0.22 124	0.39 280	0.25 110	0.41 228	0.34 162

SepStereo	2.15 226	0.67 160	4.79 193	1.14 221	1.64 386	2.93 101	2.13 392	4.09 305	2.74 348	4.17 423	2.52 351	2.46 266	1.79 278	8.36 315	1.63 257	0.37 232	0.22 124	0.39 280	0.25 110	0.41 228	0.34 162

SACVNet	2.46 285	1.14 330	9.47 240	1.44 339	1.18 297	4.06 285	1.49 346	3.84 231	2.24 259	2.62 354	1.89 245	2.57 275	1.28 158	11.35 404	1.64 260	0.50 341	0.39 323	0.48 333	0.41 334	0.55 312	0.75 367

ASMatch	2.62 311	0.60 92	20.65 424	1.37 326	0.64 145	4.39 357	0.78 147	1.97 34	1.58 116	1.70 123	3.89 411	1.94 200	3.79 394	5.46 257	1.64 260	0.31 151	0.24 178	0.34 218	0.28 178	0.33 131	0.50 292

HSM-Net_RVC	2.87 335	0.57 63	17.46 342	0.92 103	0.90 235	3.70 207	1.20 306	5.64 451	2.51 320	3.22 399	2.43 342	2.54 273	1.59 231	11.41 406	1.65 262	0.34 195	0.25 197	0.26 52	0.23 79	0.30 77	0.29 98
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NVstereo2D	2.54 300	0.90 274	11.10 260	1.32 297	1.47 358	3.58 188	1.38 330	4.13 315	2.45 308	1.90 163	1.71 170	2.86 305	1.76 274	10.86 382	1.66 263	0.60 367	0.43 342	0.53 360	0.41 334	0.78 378	0.94 391

iResNet_ROB	1.89 184	1.02 303	8.60 229	1.39 330	0.98 255	3.72 210	0.66 84	3.84 231	2.65 338	1.88 157	2.05 279	1.98 211	1.27 156	4.52 241	1.67 264	0.30 132	0.20 69	0.28 94	0.18 13	0.31 92	0.40 232

MyStereo05	2.37 276	0.72 193	19.94 389	1.02 169	0.99 258	4.26 339	0.86 190	4.01 280	2.62 333	2.14 239	1.26 62	2.28 239	1.63 251	2.07 150	1.68 265	0.24 16	0.23 148	0.34 218	0.26 126	0.42 246	0.36 178

FADNet-RVC-Resample	2.83 330	2.02 406	21.07 435	1.12 213	0.91 236	3.53 177	1.37 328	4.08 303	2.09 227	1.68 120	1.33 76	2.03 218	1.51 216	9.54 340	1.69 266	0.38 248	0.37 308	0.42 303	0.44 343	0.56 318	0.56 316

dd	1.26 100	1.15 331	2.47 120	0.92 103	0.49 83	4.35 352	0.75 130	1.92 32	2.11 237	1.44 87	1.24 57	1.19 90	1.05 104	1.78 127	1.70 267	0.57 363	0.34 287	0.35 236	0.33 255	0.60 330	0.46 272

HSM	2.35 270	0.81 248	2.21 97	1.14 221	1.55 370	3.44 155	1.03 266	3.99 276	2.25 261	2.29 290	2.11 290	8.04 442	3.05 369	11.60 413	1.71 268	0.33 183	0.22 124	0.28 94	0.23 79	0.32 115	0.35 174

CFNet-ft	1.90 186	0.95 290	3.56 172	1.07 184	1.54 366	4.09 292	0.90 217	2.85 115	1.82 180	1.78 137	1.70 166	2.75 293	1.48 206	9.33 335	1.72 269	0.33 183	0.30 251	0.61 384	0.36 286	0.52 301	0.39 212

TDLM	2.29 250	1.08 318	4.61 192	1.29 285	1.01 266	4.26 339	2.17 394	3.75 215	2.79 355	2.31 300	1.98 264	2.06 224	1.59 231	12.45 442	1.72 269	0.51 347	0.28 228	0.52 358	0.35 276	0.56 318	0.50 292

CFNet_RVC	1.90 186	0.95 290	3.56 172	1.07 184	1.54 366	4.09 292	0.90 217	2.85 115	1.82 180	1.78 137	1.70 166	2.75 293	1.48 206	9.33 335	1.72 269	0.33 183	0.30 251	0.61 384	0.36 286	0.52 301	0.39 212

DeepPruner_ROB	2.05 216	1.09 321	10.50 254	1.01 160	1.20 308	4.39 357	0.91 225	3.14 138	1.72 163	2.60 351	1.54 124	2.78 300	1.27 156	4.52 241	1.72 269	0.51 347	0.40 328	0.37 261	0.34 262	0.48 289	0.52 304

GANet-RSSM	1.98 203	0.62 115	3.49 167	1.69 382	1.23 314	4.22 334	0.91 225	3.31 156	1.86 188	1.81 142	1.74 177	2.34 248	1.82 288	10.92 386	1.73 273	0.34 195	0.29 238	0.31 149	0.28 178	0.39 200	0.40 232

SQANet	3.70 391	9.34 458	18.41 356	2.75 435	2.74 436	3.40 152	1.47 341	3.50 175	1.68 151	2.60 351	1.75 181	2.69 285	1.91 299	6.72 291	1.74 274	2.96 442	1.41 434	1.85 435	1.12 425	3.17 439	2.70 447

GANetREF_RVC	3.20 373	1.93 401	18.84 362	1.51 355	0.80 193	4.12 300	1.82 375	4.16 325	2.91 373	1.87 154	1.74 177	2.48 268	1.84 290	13.18 448	1.74 274	0.80 398	0.57 384	0.79 409	0.74 401	1.20 419	0.86 383
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
IER	1.69 158	0.65 141	7.19 214	0.94 120	1.15 291	3.28 139	0.89 213	3.48 170	1.97 202	2.10 229	1.98 264	2.28 239	2.12 313	2.25 174	1.75 276	0.29 95	0.23 148	0.36 249	0.30 221	0.32 115	0.34 162

MyStereo04	2.29 250	0.80 244	18.77 361	1.00 155	1.04 271	3.95 264	0.95 247	3.91 253	2.54 326	1.99 191	1.27 68	2.31 246	1.65 256	2.02 149	1.77 277	0.24 16	0.24 178	0.34 218	0.26 126	0.41 228	0.37 192

GEStereo_RVC	1.91 189	0.80 244	6.57 207	1.20 252	1.06 276	4.02 280	1.43 340	4.13 315	1.89 194	2.03 213	1.80 203	2.34 248	1.86 293	4.94 247	1.77 277	0.48 329	0.38 314	0.32 167	0.28 178	0.42 246	0.50 292

stereogan	3.09 363	0.93 283	16.43 323	1.37 326	1.66 393	3.70 207	1.67 366	3.87 239	3.15 397	3.04 387	2.70 367	5.04 423	2.79 355	9.96 354	1.78 279	0.63 372	0.49 374	0.69 397	0.47 352	0.83 385	0.68 349

HHNet	2.48 290	0.71 190	20.52 418	0.64 5	0.64 145	4.07 290	0.93 238	3.76 217	1.56 108	2.15 247	4.92 420	0.98 63	3.37 382	1.66 115	1.79 280	0.32 169	0.20 69	0.31 149	0.27 151	0.36 178	0.42 241

PSMNet-RSSM	1.96 199	0.77 231	3.26 159	1.29 285	1.31 326	4.19 328	0.96 252	3.68 200	1.89 194	2.05 217	1.80 203	2.60 278	1.70 266	9.84 348	1.81 281	0.35 214	0.29 238	0.35 236	0.37 298	0.42 246	0.35 174

111	1.83 175	0.92 279	9.08 233	0.81 37	0.36 8	4.25 338	0.91 225	4.44 407	2.70 344	2.39 322	1.96 256	2.30 245	1.64 254	1.28 58	1.82 282	0.28 76	0.22 124	0.24 24	0.20 34	0.31 92	0.54 312

CFNet	2.34 265	1.10 322	8.96 232	1.34 308	1.24 316	4.09 292	0.73 110	4.04 289	2.77 352	1.62 108	1.87 238	2.27 238	1.45 199	11.41 406	1.82 282	0.31 151	0.24 178	0.43 307	0.36 286	0.43 256	0.33 151

cf-r	2.57 308	0.79 240	16.09 319	1.48 350	1.35 336	4.19 328	0.93 238	3.68 200	2.36 286	1.97 184	1.81 215	3.42 346	1.45 199	8.24 314	1.83 284	0.32 169	0.26 209	0.33 201	0.30 221	0.34 149	0.37 192

LL-Strereo	3.01 356	1.81 398	17.59 345	1.12 213	2.10 425	2.90 96	1.09 282	4.33 384	2.00 209	3.12 393	2.24 310	3.29 336	3.15 372	11.31 403	1.84 285	0.30 132	0.28 228	0.46 322	0.34 262	0.49 295	0.45 262

DDUNet	2.91 338	2.78 422	6.94 213	3.53 447	2.26 431	3.28 139	1.36 324	3.77 219	2.04 216	2.62 354	2.49 347	4.18 391	1.69 265	5.38 255	1.85 286	2.21 438	1.77 440	2.61 445	2.43 456	2.60 436	2.34 438

ac_64	2.35 270	0.62 115	9.77 242	1.32 297	1.71 398	3.27 136	0.93 238	3.48 170	2.50 317	1.74 131	1.73 175	3.91 375	1.77 275	10.21 362	1.86 287	0.40 266	0.31 261	0.33 201	0.30 221	0.34 149	0.39 212

MLCV	1.87 179	0.91 277	8.59 228	1.10 206	0.57 123	3.59 189	0.53 34	3.70 210	2.20 252	2.80 372	2.25 312	2.00 214	1.42 189	4.13 237	1.86 287	0.30 132	0.20 69	0.32 167	0.21 44	0.33 131	0.36 178

UPFNet	1.81 174	0.63 124	6.71 209	1.25 269	1.44 354	3.50 170	1.35 322	4.02 284	1.85 187	2.40 324	1.52 116	2.41 257	1.40 180	3.62 223	1.88 289	0.34 195	0.33 276	0.37 261	0.31 237	0.41 228	0.39 212

ACVNet	1.46 127	0.64 133	3.56 172	0.93 115	0.85 214	4.22 334	0.80 161	2.85 115	2.08 224	1.78 137	1.88 239	3.10 322	1.46 202	1.33 66	1.89 290	0.29 95	0.26 209	0.30 128	0.26 126	0.39 200	0.27 71

hitnet-ft	2.37 276	0.73 204	8.34 224	0.96 129	0.89 232	3.77 218	0.80 161	3.55 183	2.58 330	2.24 280	2.04 273	3.65 367	1.49 212	11.71 425	1.89 290	0.44 302	0.53 377	0.44 311	0.35 276	0.52 301	0.48 281

ACV-stereo	2.92 340	0.92 279	20.27 407	1.33 301	1.05 273	4.68 410	1.10 284	2.66 97	1.64 142	1.46 88	1.32 75	5.41 430	4.24 404	7.83 310	1.90 292	0.44 302	0.52 376	0.32 167	0.29 205	0.45 271	0.63 339

PSMNet-ADL	1.91 189	0.72 193	1.78 55	1.09 197	0.86 219	4.18 324	0.78 147	3.77 219	2.10 235	1.72 128	1.85 234	2.91 309	1.82 288	10.38 368	1.91 293	0.48 329	0.46 360	0.28 94	0.29 205	0.38 190	0.51 299

StereoVision	1.65 152	0.75 224	7.47 216	1.01 160	1.80 410	2.61 87	0.61 57	3.06 132	1.96 200	1.25 70	3.46 403	1.85 194	0.88 66	2.07 150	1.93 294	0.43 295	0.36 295	0.37 261	0.36 286	0.48 289	0.33 151

AASNet	2.44 282	0.92 279	19.79 384	1.35 312	1.49 360	3.81 227	1.07 275	3.85 234	2.93 376	1.95 179	2.29 320	1.96 207	1.29 161	1.73 123	1.93 294	0.39 260	0.33 276	0.45 317	0.30 221	0.55 312	0.45 262

FAT-Stereo	3.34 380	0.81 248	20.05 393	1.25 269	1.20 308	3.44 155	1.99 385	4.23 341	2.67 341	3.14 394	3.82 410	3.51 357	3.32 381	11.68 423	1.94 296	0.64 375	0.67 405	0.48 333	0.52 369	0.61 335	0.81 377

FADNet	2.49 292	1.76 395	13.17 275	1.17 240	0.95 246	3.27 136	0.88 211	3.94 262	2.27 266	1.40 82	1.29 71	2.51 271	2.06 308	9.93 353	1.94 296	0.43 295	0.45 352	0.40 286	0.43 341	1.06 401	0.53 306

gwcnet-sp	2.31 254	1.21 341	17.34 335	1.08 191	0.92 237	3.56 184	1.04 269	3.69 205	2.09 227	2.55 340	1.60 141	1.80 181	1.62 239	3.87 229	1.95 298	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

scenet	2.31 254	1.21 341	17.34 335	1.08 191	0.92 237	3.56 184	1.04 269	3.69 205	2.09 227	2.55 340	1.60 141	1.80 181	1.62 239	3.87 229	1.95 298	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

ssnet	2.31 254	1.21 341	17.34 335	1.08 191	0.92 237	3.56 184	1.04 269	3.69 205	2.09 227	2.55 340	1.60 141	1.80 181	1.62 239	3.87 229	1.95 298	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

ADLNet2	3.15 370	0.92 279	20.06 394	1.20 252	1.79 407	3.83 229	1.48 342	3.94 262	3.59 420	2.19 262	2.47 345	4.65 414	1.93 301	10.69 376	1.96 301	0.39 260	0.37 308	0.28 94	0.30 221	0.48 289	0.43 250

CBMV	3.32 379	0.96 296	21.16 439	1.32 297	0.83 205	3.81 227	3.91 445	4.47 412	2.53 322	3.34 403	2.24 310	4.45 402	2.58 348	10.07 360	1.96 301	0.45 311	0.43 342	0.48 333	0.38 311	0.52 301	0.53 306
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DMCA	1.72 160	0.74 212	6.63 208	1.14 221	0.96 247	3.98 274	0.90 217	3.75 215	2.76 351	2.83 375	1.58 133	2.35 250	1.18 143	1.58 96	1.98 303	0.40 266	0.27 219	0.42 303	0.26 126	0.36 178	0.38 206

DMCA-RVC	2.45 283	1.22 347	18.29 352	1.23 265	1.14 289	2.49 80	0.85 188	3.29 154	1.68 151	3.02 386	1.41 96	2.00 214	1.53 225	6.39 280	2.00 304	0.38 248	0.30 251	0.44 311	0.35 276	0.45 271	0.44 256

MFMNet_re	2.91 338	1.91 400	18.25 351	3.06 441	1.89 414	3.13 119	1.67 366	3.52 179	2.97 379	3.14 394	2.87 380	2.26 237	2.41 336	2.42 178	2.00 304	1.10 415	1.05 423	0.94 417	0.90 414	1.28 421	1.46 420

iRaft-Stereo_5w	2.10 222	0.83 258	8.57 227	0.81 37	0.76 184	3.21 123	0.84 179	3.71 211	1.65 146	1.56 98	2.50 348	2.20 235	2.23 326	9.13 331	2.01 306	0.38 248	0.19 44	0.35 236	0.27 151	0.45 271	0.39 212

Wz-Net-LNSev	2.30 253	1.67 391	14.88 304	1.18 246	1.65 390	3.49 167	1.54 352	3.63 191	2.03 212	1.88 157	1.64 151	3.29 336	2.06 308	2.71 205	2.02 307	0.40 266	0.33 276	0.32 167	0.31 237	0.53 307	0.49 285

dad	1.65 152	1.19 338	3.04 152	0.98 141	0.56 112	4.22 334	0.84 179	1.99 35	2.48 312	2.14 239	1.68 161	1.62 146	1.13 128	3.85 228	2.04 308	1.03 413	0.40 328	2.04 436	0.48 356	0.75 374	0.53 306

HGLStereo	2.03 212	0.74 212	7.50 217	1.23 265	1.56 373	3.62 196	0.95 247	3.78 222	1.89 194	2.03 213	2.20 305	3.12 325	2.14 316	5.68 264	2.04 308	0.37 232	0.31 261	0.32 167	0.29 205	0.40 205	0.45 262

GwcNet-RSSM	2.66 316	1.05 310	15.91 317	1.22 261	1.19 303	4.12 300	1.12 288	3.84 231	2.02 210	1.93 174	1.79 200	3.12 325	1.46 202	10.37 366	2.05 310	0.33 183	0.27 219	0.35 236	0.30 221	0.40 205	0.36 178

Consistency-Raft	2.86 332	1.66 389	19.61 378	1.40 332	1.75 402	3.84 234	1.32 319	4.07 299	2.25 261	1.78 137	2.67 364	1.82 186	4.41 407	1.94 143	2.06 311	0.83 403	0.94 421	1.03 420	1.12 425	1.70 430	1.09 400

RAFT + AFF	2.51 294	2.66 421	4.48 190	1.15 234	1.95 417	4.15 307	2.01 386	4.46 411	3.30 412	2.19 262	2.51 350	2.22 236	4.87 414	8.91 326	2.06 311	0.30 132	0.60 394	0.48 333	0.38 311	0.77 376	0.69 351

FADNet-RVC	2.51 294	2.27 411	14.03 292	1.09 197	0.81 196	3.54 181	1.10 284	4.13 315	2.48 312	1.39 81	1.22 52	1.85 194	1.77 275	9.78 346	2.06 311	0.38 248	0.37 308	0.40 286	0.40 328	0.67 355	0.48 281

NCCL2	2.53 298	1.35 366	10.90 259	1.15 234	0.97 251	3.53 177	2.56 407	3.65 194	2.23 256	2.76 368	1.80 203	2.41 257	1.66 258	10.35 365	2.07 314	0.44 302	0.40 328	0.57 372	0.53 373	0.59 326	0.65 344

ETE_ROB	2.07 219	1.40 372	3.01 151	1.09 197	0.92 237	3.94 259	1.53 349	4.25 351	2.23 256	3.31 401	2.06 283	2.35 250	1.52 218	8.74 322	2.07 314	0.44 302	0.36 295	0.51 352	0.48 356	0.54 310	0.62 335

DispNO	3.00 354	0.75 224	18.92 364	1.17 240	1.10 285	3.72 210	0.94 243	4.29 367	2.54 326	2.24 280	2.28 317	4.51 405	2.12 313	11.40 405	2.09 316	0.31 151	0.28 228	0.31 149	0.28 178	0.36 178	0.39 212

ADLNet	2.29 250	0.83 258	3.62 177	1.35 312	1.60 379	3.67 204	1.24 312	3.95 264	2.98 382	2.58 347	2.29 320	4.01 381	1.79 278	11.23 401	2.09 316	0.37 232	0.38 314	0.36 249	0.34 262	0.45 271	0.71 356

RainbowNet	4.56 414	8.28 447	20.07 396	3.64 451	3.23 449	4.15 307	2.99 421	4.18 326	3.03 387	2.20 264	2.65 363	4.26 396	2.90 360	9.77 344	2.12 318	3.88 456	2.27 449	2.71 449	1.72 441	3.78 447	3.31 456

delet	1.92 192	0.76 229	5.14 196	1.01 160	1.65 390	3.44 155	2.03 387	3.76 217	2.48 312	2.01 205	2.05 279	2.63 282	1.90 298	5.34 254	2.12 318	0.28 76	0.29 238	0.40 286	0.31 237	0.41 228	0.45 262

PDISCO_ROB	2.86 332	1.53 381	14.27 297	1.98 413	2.19 427	4.52 385	1.35 322	4.65 429	3.19 400	2.09 226	2.16 298	3.53 359	2.45 340	5.32 253	2.12 318	1.30 429	0.78 416	0.72 404	0.59 384	1.24 420	1.28 408

SMFormer	2.00 207	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 351	2.80 359	2.32 304	2.31 331	1.95 202	1.52 218	10.99 389	2.13 321	0.34 195	0.32 269	0.36 249	0.31 237	0.38 190	0.36 178

tta	2.00 207	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 351	2.80 359	2.32 304	2.31 331	1.95 202	1.52 218	10.99 389	2.13 321	0.34 195	0.32 269	0.36 249	0.31 237	0.29 58	0.29 98

otaku	4.58 416	8.93 453	19.95 390	3.11 442	2.67 434	3.91 249	2.57 408	3.82 227	2.25 261	2.22 274	9.72 446	4.08 385	2.35 333	8.57 319	2.13 321	3.51 450	1.65 438	2.15 439	1.17 428	3.69 445	3.15 451

iResNet	2.52 297	0.94 289	21.17 440	1.84 401	0.72 174	3.75 215	0.81 168	4.14 321	2.55 328	2.33 310	2.03 270	1.35 112	1.44 195	3.27 216	2.16 324	0.35 214	0.23 148	0.28 94	0.22 69	0.44 263	0.45 262

PASM	2.67 318	2.05 408	9.71 241	1.73 388	1.37 339	2.53 83	1.52 347	3.10 134	2.17 247	2.79 371	1.84 227	2.90 307	1.85 292	11.89 432	2.19 325	0.81 400	0.85 418	0.87 415	1.01 420	1.14 411	1.05 397

MyStereo8	2.33 261	1.13 327	19.26 371	1.22 261	1.62 382	4.16 316	0.57 42	3.50 175	2.36 286	2.15 247	1.75 181	2.28 239	1.14 134	1.46 83	2.20 326	0.24 16	0.21 98	0.32 167	0.27 151	0.36 178	0.43 250

STTRV1_RVC	3.52 385	1.03 308	20.87 429	1.47 348	1.47 358	3.23 126	1.55 353	4.06 297	3.22 405	1.95 179	3.50 404	2.63 282	2.07 310	11.96 435	2.21 327	1.86 434	4.03 467	0.81 412	0.73 400	1.06 401	0.70 355

acv_ft	1.55 132	0.64 133	3.29 161	1.14 221	2.01 420	2.93 101	0.97 255	3.81 226	2.08 224	2.22 274	1.88 239	3.10 322	1.66 258	1.33 66	2.22 328	0.29 95	0.26 209	0.30 128	0.26 126	0.39 200	0.27 71

Ntro	4.21 409	8.94 454	19.89 388	3.22 443	2.96 441	4.15 307	1.89 379	3.92 258	2.36 286	1.77 135	2.14 295	3.35 342	2.17 322	9.48 339	2.24 329	3.52 451	1.76 439	2.13 438	1.31 432	3.83 448	3.09 449

DSFCA	1.89 184	0.69 169	3.14 155	1.10 206	1.18 297	3.99 275	1.79 371	3.50 175	2.16 245	3.10 391	1.64 151	2.91 309	2.50 343	5.38 255	2.26 330	0.43 295	0.38 314	0.37 261	0.36 286	0.50 296	0.42 241

StereoDRNet-Refined	1.77 170	0.81 248	2.22 99	1.21 258	0.76 184	3.26 134	0.71 102	3.82 227	2.05 219	2.29 290	2.05 279	2.98 313	1.44 195	7.15 297	2.27 331	0.30 132	0.23 148	0.42 303	0.33 255	0.45 271	0.64 342
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DGSMNet	7.55 451	1.62 383	17.42 340	1.92 407	12.73 468	7.45 453	42.99 481	4.13 315	2.07 223	2.10 229	3.16 394	3.42 346	1.70 266	9.24 334	2.30 332	3.70 454	10.89 475	11.80 477	5.54 468	4.24 451	2.66 443

fast-acv-ft	2.54 300	1.19 338	20.08 397	1.41 333	1.40 345	3.18 122	1.17 298	3.37 165	2.28 269	1.90 163	2.15 297	2.69 285	2.17 322	2.91 209	2.31 333	0.37 232	0.39 323	0.45 317	0.39 317	0.57 322	0.45 262

MMNet	2.02 211	0.81 248	10.76 256	1.12 213	1.23 314	3.53 177	0.89 213	3.79 223	2.08 224	2.15 247	1.76 189	2.15 232	2.12 313	3.69 225	2.32 334	0.31 151	0.29 238	0.34 218	0.27 151	0.38 190	0.42 241

CBMV_ROB	3.62 388	0.70 179	21.42 447	1.21 258	0.89 232	4.43 367	1.76 370	4.39 399	2.79 355	5.88 441	3.38 400	4.18 391	5.12 416	10.75 377	2.32 334	0.56 361	0.55 381	0.53 360	0.51 366	0.55 312	0.46 272

CBFPSM	2.05 216	0.95 290	10.12 249	1.07 184	1.05 273	2.84 92	1.20 306	3.28 153	1.73 166	1.82 144	1.30 73	4.56 409	4.06 399	2.34 177	2.34 336	0.25 27	0.38 314	0.32 167	0.27 151	0.37 186	0.79 375

FADNet_RVC	2.65 314	2.28 413	16.51 325	0.98 141	0.92 237	4.09 292	0.83 176	4.26 358	1.73 166	1.46 88	1.78 197	1.60 143	1.50 213	8.88 324	2.39 337	0.47 325	0.38 314	0.44 311	0.58 382	0.89 388	0.97 392

edge stereo	3.37 382	1.01 302	21.99 456	1.28 282	1.37 339	2.67 89	1.39 331	3.98 272	2.87 370	2.93 379	3.27 398	4.35 399	2.43 338	11.62 415	2.39 337	0.60 367	0.63 399	0.79 409	0.55 376	0.68 358	0.67 346

UDG	3.55 386	2.81 423	17.45 341	2.69 434	1.98 418	3.97 272	1.19 302	4.35 388	2.02 210	2.42 326	2.53 353	4.50 404	2.46 342	6.53 282	2.41 339	2.12 437	1.77 440	2.63 446	2.57 458	2.64 437	1.95 430

GASNet	3.24 374	5.55 440	20.58 422	1.56 367	1.25 319	2.32 74	1.12 288	4.04 289	2.67 341	1.88 157	2.10 286	3.00 315	2.16 320	10.59 371	2.43 340	0.65 378	0.37 308	0.61 384	0.45 347	0.87 387	0.58 324

ITSA-stereo	1.86 178	0.72 193	3.74 179	1.20 252	0.66 156	4.09 292	0.91 225	4.24 349	2.53 322	1.93 174	1.77 194	1.59 142	2.15 317	6.12 275	2.44 341	0.40 266	0.38 314	0.40 286	0.40 328	0.50 296	0.98 394

ACVNet_1	6.04 439	13.97 472	21.36 445	3.58 449	3.14 446	4.73 423	2.48 403	4.20 329	3.17 398	2.98 385	2.83 379	23.31 467	4.34 406	11.06 393	2.45 342	3.68 452	2.33 451	2.60 444	1.79 443	3.69 445	3.19 453

GwcNet	3.00 354	1.63 385	19.83 386	1.32 297	2.04 424	3.27 136	1.55 353	3.65 194	2.33 280	2.00 203	2.12 293	3.56 363	1.68 264	9.47 338	2.45 342	0.44 302	0.45 352	0.46 322	0.38 311	0.60 330	0.76 369

psmorigin	6.59 442	1.15 331	88.11 486	1.52 356	0.97 251	2.88 95	1.20 306	3.21 145	2.04 216	3.73 412	2.46 343	5.15 427	2.55 346	10.60 372	2.47 344	0.55 359	0.68 408	0.48 333	0.51 366	0.70 361	0.88 387

iinet-f	2.26 240	1.18 336	13.71 282	1.14 221	1.11 286	3.77 218	1.10 284	4.14 321	2.17 247	2.06 222	1.76 189	2.99 314	2.99 363	2.50 184	2.49 345	0.35 214	0.39 323	0.27 72	0.28 178	0.45 271	0.39 212

DLCB_ROB	2.05 216	0.95 290	2.37 114	1.24 267	1.02 267	2.92 100	1.30 317	3.68 200	2.30 273	2.91 377	2.17 300	3.32 340	1.52 218	10.37 366	2.50 346	0.40 266	0.33 276	0.40 286	0.36 286	0.41 228	0.47 277

UNet	2.51 294	0.74 212	20.17 400	1.14 221	1.44 354	3.48 165	0.76 133	3.77 219	1.87 189	2.05 217	1.57 132	2.75 293	2.39 335	3.51 220	2.51 347	0.32 169	0.26 209	0.41 296	0.26 126	0.38 190	0.39 212

S-Stereo	3.48 384	0.91 277	22.06 458	1.36 318	1.50 362	3.55 182	2.53 406	4.21 334	2.81 365	2.37 317	3.81 409	3.75 368	1.84 290	11.90 433	2.51 347	0.63 372	0.71 410	0.48 333	0.76 403	0.67 355	1.19 406

SDNR	3.97 402	1.93 401	20.28 408	1.31 295	0.94 244	5.16 436	0.67 85	4.33 384	2.58 330	4.82 434	5.94 426	5.01 422	1.45 199	17.52 464	2.53 349	0.79 396	0.72 411	0.59 376	0.45 347	1.15 414	1.17 404

APVNet	3.13 367	1.25 353	21.14 437	1.31 295	1.52 364	3.94 259	1.13 291	3.32 160	2.14 242	2.20 264	2.03 270	3.05 321	1.96 302	11.79 428	2.53 349	0.42 290	0.45 352	0.64 391	0.46 349	0.67 355	0.57 320

Syn2CoEx	3.08 362	2.55 420	19.88 387	1.34 308	1.18 297	2.43 79	1.65 364	3.91 253	2.40 298	2.39 322	2.27 314	2.90 307	3.17 375	9.57 342	2.54 351	0.50 341	0.45 352	0.53 360	0.39 317	0.74 372	0.72 362

Nwc_Net	2.88 337	1.16 334	18.30 353	1.35 312	1.68 395	3.52 176	1.18 299	3.90 249	2.06 221	2.52 338	2.82 378	3.82 372	2.34 332	6.78 292	2.55 352	0.86 405	0.40 328	0.59 376	0.67 393	0.57 322	0.55 314

HITNet	2.07 219	0.82 255	14.77 301	1.34 308	0.56 112	3.47 163	0.80 161	4.07 299	2.35 283	2.16 252	1.61 145	1.64 147	1.44 195	2.09 155	2.56 353	0.26 37	0.18 27	0.41 296	0.26 126	0.45 271	0.25 41
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
RP	2.79 327	1.20 340	10.36 251	1.54 360	1.93 416	3.44 155	1.97 383	4.05 293	2.34 281	2.66 361	2.79 373	3.98 379	2.58 348	10.21 362	2.61 354	0.95 409	0.47 364	0.71 400	0.57 381	0.71 368	0.68 349

RASNet	2.56 305	0.70 179	10.06 247	1.60 372	2.25 430	3.67 204	1.00 259	3.38 166	3.14 395	1.81 142	2.11 290	4.60 410	2.30 328	10.25 364	2.61 354	0.37 232	0.24 178	0.25 38	0.24 101	0.28 48	0.26 59

RGC	3.10 365	1.45 376	14.90 305	1.46 345	1.79 407	3.33 145	1.39 331	4.04 289	2.26 264	2.77 369	3.26 397	4.00 380	2.71 353	11.63 420	2.62 356	0.82 401	0.46 360	0.79 409	0.79 409	0.71 368	0.78 373

PWCDC_ROB	2.95 342	3.26 425	14.06 293	1.59 370	1.56 373	4.19 328	0.86 190	4.30 375	4.08 432	2.06 222	7.37 428	2.75 293	2.42 337	3.59 222	2.67 357	1.34 431	0.36 295	0.39 280	0.34 262	1.13 410	0.62 335

MFN_U_SF_DS_RVC	3.94 400	10.88 464	12.30 271	1.26 275	1.55 370	5.19 437	3.33 430	4.42 403	2.82 367	2.58 347	2.62 360	5.00 421	2.11 312	14.03 460	2.73 358	1.28 426	2.34 452	0.67 396	1.83 444	0.81 382	1.03 396

Wz-Net-MNSev	2.71 325	2.54 419	13.91 291	1.52 356	1.37 339	3.28 139	2.47 402	4.03 285	2.32 279	2.57 344	2.07 284	2.29 244	3.01 365	7.55 305	2.74 359	0.38 248	0.36 295	0.36 249	0.37 298	0.57 322	0.47 277

AF-Net	2.87 335	1.30 358	16.24 320	1.33 301	1.75 402	3.26 134	1.59 356	4.09 305	2.43 303	2.69 363	2.94 381	4.51 405	3.20 376	5.84 267	2.75 360	0.76 394	0.36 295	0.72 404	0.49 359	0.70 361	0.56 316

PSMNet_ROB	2.95 342	1.38 369	18.46 358	1.19 248	1.20 308	3.80 225	1.65 364	3.54 182	2.35 283	1.98 186	1.71 170	2.75 293	1.79 278	11.43 408	2.78 361	0.42 290	0.36 295	0.50 349	0.60 386	0.59 326	0.49 285

DRN-Test	3.03 358	0.99 298	18.18 350	1.35 312	1.60 379	3.59 189	1.48 342	4.13 315	2.45 308	3.47 408	1.92 253	2.58 277	2.53 345	10.88 383	2.80 362	0.39 260	0.36 295	0.44 311	0.41 334	0.55 312	0.57 320

FINET	2.96 345	1.07 316	23.18 464	1.29 285	1.86 412	2.03 57	1.52 347	4.30 375	4.71 437	2.23 278	2.34 338	1.65 148	1.48 206	5.89 268	2.81 363	0.51 347	0.47 364	0.49 346	0.40 328	0.59 326	0.49 285

PA-Net	3.09 363	1.24 352	18.84 362	1.38 328	1.19 303	3.42 153	1.75 369	3.89 244	3.27 411	1.88 157	2.10 286	3.03 317	1.88 297	11.60 413	2.88 364	0.40 266	0.54 379	0.44 311	0.62 390	0.52 301	1.02 395
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ssnet_v2	2.04 214	0.88 271	7.87 218	1.20 252	0.87 224	3.86 242	1.64 361	4.01 280	2.60 332	2.61 353	1.96 256	3.79 370	1.71 268	2.20 168	2.96 365	0.41 280	0.35 291	0.42 303	0.37 298	0.55 312	0.52 304

NCC-stereo	3.16 371	1.28 356	18.31 354	1.25 269	1.75 402	4.06 285	1.40 333	3.89 244	2.22 254	2.72 365	2.55 354	3.49 355	2.65 351	9.91 351	2.99 366	1.29 427	0.65 401	0.64 391	0.86 412	0.65 348	0.71 356

Abc-Net	3.16 371	1.28 356	18.31 354	1.25 269	1.75 402	4.06 285	1.40 333	3.89 244	2.22 254	2.72 365	2.55 354	3.49 355	2.65 351	9.91 351	2.99 366	1.29 427	0.65 401	0.64 391	0.86 412	0.65 348	0.71 356
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RYNet	2.97 349	0.93 283	15.09 310	1.12 213	1.38 342	3.66 203	1.42 338	4.03 285	2.29 272	2.10 229	1.70 166	3.79 370	2.16 320	13.64 456	3.02 368	0.37 232	0.41 335	0.48 333	0.34 262	0.81 382	0.75 367

BEATNet_4x	1.92 192	1.36 367	8.75 231	1.20 252	0.56 112	3.46 160	1.03 266	4.00 278	2.43 303	2.25 283	1.70 166	2.10 229	1.59 231	2.57 196	3.05 369	0.37 232	0.22 124	0.47 325	0.29 205	0.60 330	0.40 232

StereoDRNet	2.84 331	1.49 379	14.48 300	1.33 301	1.57 377	3.44 155	2.06 388	3.69 205	2.36 286	3.26 400	1.84 227	2.79 302	1.80 283	10.88 383	3.16 370	0.41 280	0.33 276	0.39 280	0.36 286	0.59 326	0.58 324

Wz-Net-LNSev-Ref	2.42 280	1.47 377	14.14 294	1.30 292	1.35 336	3.51 173	1.64 361	4.04 289	2.10 235	2.46 330	1.88 239	2.28 239	2.51 344	4.73 246	3.17 371	0.38 248	0.19 44	0.35 236	0.20 34	0.40 205	0.36 178

LALA_ROB	1.95 197	1.48 378	3.11 154	1.05 178	0.98 255	3.99 275	1.82 375	4.44 407	2.28 269	3.31 401	1.85 234	2.76 299	1.67 260	4.04 236	3.23 372	0.46 316	0.41 335	0.55 368	0.52 369	0.60 330	0.57 320

XPNet_ROB	2.27 242	1.11 325	4.10 183	1.36 318	0.97 251	3.94 259	1.63 359	4.07 299	2.14 242	2.82 374	2.00 267	2.32 247	1.73 273	10.81 381	3.39 373	0.51 347	0.47 364	0.48 333	0.40 328	0.51 298	0.56 316

ccnet	2.66 316	0.97 297	8.01 222	1.54 360	1.24 316	3.75 215	2.18 395	4.07 299	2.41 300	2.66 361	3.25 396	2.87 306	2.31 331	9.89 350	3.50 374	0.78 395	0.75 414	0.71 400	0.67 393	0.76 375	0.81 377

LVE	6.88 447	9.31 457	21.14 437	3.61 450	3.18 448	4.49 377	2.79 412	10.21 459	11.69 459	3.16 397	11.53 453	18.33 460	4.31 405	11.66 421	3.52 375	4.45 463	2.93 457	2.56 443	1.91 447	3.62 442	3.16 452

DISCO	2.25 238	0.73 204	10.06 247	1.76 390	1.12 287	3.47 163	1.25 313	3.24 150	2.26 264	2.65 360	1.96 256	4.53 407	1.92 300	4.17 239	3.61 376	0.32 169	0.25 197	0.31 149	0.29 205	0.66 353	0.41 238

SHD	2.82 329	2.04 407	13.80 288	1.69 382	1.79 407	2.73 90	1.07 275	3.85 234	3.18 399	4.63 431	2.74 368	3.38 345	2.77 354	5.48 259	3.66 377	0.62 371	0.47 364	0.51 352	0.55 376	0.65 348	0.74 364

MDST_ROB	5.53 431	0.59 83	23.11 462	2.55 432	2.69 435	21.20 471	1.98 384	4.77 435	2.65 338	9.36 458	4.25 413	4.14 389	4.45 408	22.57 467	3.68 378	0.48 329	0.33 276	0.47 325	0.44 343	0.44 263	0.44 256

Wz-Net-SNSev	2.98 351	4.36 433	15.98 318	1.57 368	1.19 303	3.28 139	1.80 373	3.96 269	2.40 298	2.32 304	2.28 317	3.48 349	2.05 307	7.84 311	3.82 379	0.47 325	0.39 323	0.53 360	0.49 359	0.71 368	0.60 329

DANet	2.63 312	1.07 316	8.10 223	1.83 400	1.70 397	3.25 133	1.16 295	4.31 378	2.38 295	3.40 406	2.18 301	4.08 385	1.80 283	9.77 344	3.89 380	0.52 353	0.55 381	0.59 376	0.44 343	0.63 338	0.86 383
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
LSM	12.71 464	3.52 429	20.79 426	55.63 485	84.76 484	3.63 201	6.30 451	3.73 213	4.93 441	5.55 438	13.92 461	3.53 359	3.25 378	9.72 343	4.12 381	0.64 375	0.85 418	0.71 400	0.81 410	1.03 399	26.84 478

Dean	7.52 450	9.08 455	21.41 446	3.74 452	3.53 450	4.81 430	3.53 435	5.33 447	5.25 443	4.17 423	26.53 472	25.62 473	4.09 401	10.97 387	4.32 382	3.69 453	2.30 450	2.91 450	1.87 446	4.03 450	3.24 455

MSC_U_SF_DS_RVC	4.48 413	10.62 462	15.18 313	1.55 365	1.45 357	6.16 443	3.54 437	5.41 449	3.68 424	2.59 350	2.74 368	4.81 416	2.20 325	13.79 457	4.40 383	2.04 435	3.36 465	1.05 422	1.20 430	2.09 432	1.72 425

PWC_ROB	2.69 323	2.01 405	8.36 225	1.33 301	1.90 415	3.23 126	1.18 299	4.33 384	3.25 407	3.11 392	3.41 401	2.71 288	2.18 324	9.15 332	4.48 384	0.56 361	0.31 261	0.61 384	0.36 286	0.69 360	0.74 364

MSMD_ROB	5.61 432	1.08 318	16.68 327	1.21 258	0.83 205	10.14 458	2.07 390	3.93 259	6.22 450	10.37 464	8.03 433	22.22 466	9.45 453	11.66 421	4.52 385	0.66 380	0.58 389	0.66 394	0.68 396	0.65 348	0.63 339

aanetorigin	3.30 377	1.66 389	17.52 344	1.18 246	1.58 378	2.57 85	3.80 442	2.65 95	2.03 212	6.12 444	4.30 415	2.82 303	5.70 423	5.47 258	4.67 386	0.50 341	0.44 347	0.43 307	0.47 352	1.17 416	0.92 389

XQC	2.96 345	2.42 414	14.85 302	1.36 318	1.32 330	3.29 143	1.53 349	4.28 364	2.78 353	3.21 398	2.46 343	3.53 359	2.92 361	6.58 283	4.67 386	0.70 390	0.41 335	0.59 376	0.56 378	0.96 397	0.83 382

GANet	2.93 341	1.05 310	11.29 262	1.64 377	0.96 247	3.91 249	2.52 405	3.72 212	2.41 300	2.95 384	3.00 384	3.21 329	2.03 304	12.42 441	4.72 388	0.51 347	0.41 335	0.46 322	0.39 317	0.60 330	0.50 292

ACVNet_2	5.41 429	12.60 466	20.42 415	3.27 444	3.15 447	4.50 380	3.02 422	4.66 430	3.73 425	3.35 405	5.36 422	7.86 441	2.88 358	12.33 440	4.76 389	3.12 446	2.22 447	2.70 448	1.69 438	3.49 441	3.10 450

SAMSARA	3.55 386	2.16 410	14.18 295	1.86 404	1.49 360	4.62 401	2.65 410	3.58 187	2.80 359	7.05 448	3.05 387	5.16 428	4.07 400	9.18 333	4.80 390	0.64 375	0.67 405	0.59 376	0.68 396	0.89 388	0.91 388

NVStereoNet_ROB	4.91 423	1.40 372	16.46 324	1.47 348	1.72 400	3.46 160	1.96 382	3.89 244	3.61 421	2.90 376	24.61 471	4.81 416	4.49 409	13.57 454	4.87 391	1.33 430	1.29 432	1.70 434	1.68 437	1.41 426	1.66 422
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFN_U_SF_RVC	3.81 396	10.78 463	15.01 308	1.84 401	1.39 343	3.73 213	1.63 359	4.05 293	3.26 408	2.91 377	2.38 340	4.36 401	3.65 392	8.43 317	4.91 392	1.11 417	1.04 422	0.99 419	1.31 432	1.58 427	1.75 427

G-Net	4.11 406	1.21 341	19.47 376	2.31 428	2.94 440	4.74 426	2.95 418	3.33 163	2.14 242	4.44 429	9.43 444	6.93 438	3.84 395	9.01 329	4.92 393	0.79 396	0.80 417	0.70 399	0.50 363	0.95 393	0.87 386

DispFullNet	4.64 417	3.48 428	23.95 467	3.99 453	3.03 442	3.35 146	1.06 273	4.18 326	2.80 359	6.33 445	2.94 381	4.04 383	7.81 446	3.92 233	5.16 394	2.75 440	1.61 437	3.10 454	2.68 461	3.32 440	3.31 456

AANet_RVC	3.03 358	1.72 392	12.78 273	1.17 240	1.12 287	3.79 223	1.10 284	3.86 237	3.13 393	2.62 354	4.26 414	3.96 378	1.41 185	11.43 408	5.23 395	0.94 408	0.47 364	0.34 218	0.23 79	0.40 205	0.55 314

PVD	3.12 366	1.97 404	12.80 274	1.79 397	1.63 384	3.83 229	1.34 321	3.48 170	3.88 427	5.77 439	3.56 405	3.45 348	3.29 379	5.58 263	5.30 396	0.71 392	0.69 409	0.74 407	0.77 405	0.79 380	1.13 403

IMH-64-1	4.84 421	2.53 417	6.83 210	4.30 459	3.74 453	4.81 430	6.05 449	5.30 444	3.92 428	3.95 417	8.33 435	5.08 425	6.06 428	8.96 327	6.30 397	4.57 465	2.96 459	3.04 451	2.12 453	4.28 452	3.62 459

IMH-64	4.84 421	2.53 417	6.83 210	4.30 459	3.74 453	4.81 430	6.05 449	5.30 444	3.92 428	3.95 417	8.33 435	5.08 425	6.06 428	8.96 327	6.30 397	4.57 465	2.96 459	3.04 451	2.12 453	4.28 452	3.62 459

RTSC	2.95 342	2.51 415	15.49 316	1.54 360	1.30 324	3.51 173	0.86 190	3.89 244	2.48 312	3.64 409	3.12 391	3.04 318	2.30 328	5.70 265	6.67 399	0.55 359	0.35 291	0.37 261	0.39 317	0.70 361	0.60 329

RTS	3.90 398	7.04 444	17.94 347	1.92 407	2.19 427	5.00 434	2.96 419	4.29 367	3.19 400	4.05 419	3.08 388	4.94 419	3.16 373	7.64 306	6.72 400	0.66 380	0.44 347	0.51 352	0.47 352	0.95 393	0.76 369

RTSA	3.90 398	7.04 444	17.94 347	1.92 407	2.19 427	5.00 434	2.96 419	4.29 367	3.19 400	4.05 419	3.08 388	4.94 419	3.16 373	7.64 306	6.72 400	0.66 380	0.44 347	0.51 352	0.47 352	0.95 393	0.76 369

IMH	6.81 446	13.66 469	20.41 414	4.33 461	3.74 453	5.50 439	3.06 424	5.49 450	6.22 450	4.64 432	10.35 448	9.30 445	8.03 449	13.61 455	6.81 402	4.80 468	2.99 462	3.09 453	2.12 453	4.36 454	3.61 458

CSAN	4.71 418	1.39 371	20.23 402	1.19 248	0.87 224	3.65 202	3.50 434	4.57 425	3.87 426	3.89 415	7.82 431	3.54 362	6.16 431	23.47 472	6.82 403	0.52 353	0.45 352	0.49 346	0.52 369	0.63 338	0.66 345

SGM_RVC	4.57 415	0.72 193	17.46 342	1.84 401	0.58 130	4.23 337	3.45 432	4.66 430	3.66 423	7.99 453	8.82 442	7.56 440	8.74 452	12.30 438	6.84 404	0.43 295	0.38 314	0.39 280	0.35 276	0.51 298	0.48 281
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPrunerF	3.70 391	1.72 392	14.87 303	1.33 301	1.74 401	3.70 207	1.55 353	4.20 329	14.00 462	2.02 209	1.77 194	2.74 291	2.30 328	10.88 383	6.88 405	0.68 386	0.60 394	0.78 408	0.78 408	0.81 382	0.71 356

MADNet+	3.97 402	9.54 459	13.83 289	1.87 405	1.69 396	4.19 328	2.87 416	4.80 436	4.10 433	2.51 337	2.67 364	4.55 408	3.41 384	8.72 321	6.92 406	1.25 424	1.27 431	1.04 421	0.93 416	1.39 425	1.85 428

MeshStereo	5.35 428	1.32 362	21.34 444	1.34 308	1.15 291	4.40 361	3.90 444	5.18 441	4.55 435	10.14 463	11.82 455	11.47 448	5.84 425	13.84 458	7.03 407	0.61 369	0.58 389	0.60 381	0.58 382	0.72 371	0.59 328
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
FBW_ROB	3.24 374	1.02 303	9.21 239	1.49 353	1.07 278	3.78 220	1.48 342	4.31 378	3.08 390	2.46 330	2.32 336	4.20 394	2.08 311	15.19 462	7.16 408	0.84 404	0.62 397	1.33 430	0.92 415	0.99 398	1.31 410

WZ-Net	3.62 388	4.87 435	16.77 330	1.43 337	1.40 345	3.75 215	2.29 398	4.12 314	2.50 317	2.74 367	2.19 303	4.06 384	5.29 419	10.19 361	7.36 409	0.54 357	0.37 308	0.47 325	0.49 359	0.77 376	0.73 363

tt	7.19 449	0.51 18	6.83 210	4.03 454	2.30 432	12.05 462	20.19 472	15.46 471	6.58 453	3.42 407	3.22 395	5.37 429	6.39 436	4.20 240	7.46 410	9.81 472	11.53 476	7.05 470	7.46 471	6.31 463	3.71 461

Wz-Net-TNSev	3.67 390	8.83 450	13.47 280	1.48 350	1.18 297	3.60 191	2.49 404	4.27 359	3.13 393	2.18 258	1.89 245	4.21 395	2.80 356	12.10 436	7.58 411	0.57 363	0.55 381	0.47 325	0.54 375	0.91 391	1.05 397

WAO-8	11.95 461	13.02 467	20.56 420	3.50 445	3.08 444	15.11 468	2.80 413	12.91 464	19.11 471	7.69 450	13.12 457	11.62 449	7.01 441	84.40 489	7.91 412	3.42 448	1.92 442	3.54 460	1.93 448	3.68 443	2.69 445

Venus	11.95 461	13.02 467	20.56 420	3.50 445	3.08 444	15.11 468	2.80 413	12.91 464	19.11 471	7.69 450	13.12 457	11.62 449	7.01 441	84.40 489	7.91 412	3.42 448	1.92 442	3.54 460	1.93 448	3.68 443	2.69 445

SGM-Forest	2.96 345	0.62 115	3.49 167	1.09 197	0.80 193	4.06 285	3.30 428	4.37 396	3.09 391	4.18 426	3.27 398	4.67 415	3.86 396	11.69 424	7.91 412	0.51 347	0.46 360	0.49 346	0.39 317	0.48 289	0.49 285
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
PWCK	5.85 436	9.95 460	15.22 314	2.90 438	1.56 373	5.66 442	7.69 455	5.27 443	4.74 439	3.88 414	7.51 429	8.04 442	5.28 418	15.18 461	8.40 415	3.08 445	1.51 435	2.24 440	1.37 436	5.55 461	1.96 431

FCDSN-DC	6.04 439	0.84 262	19.25 369	1.24 267	1.09 283	4.38 354	2.62 409	4.38 397	4.71 437	9.59 461	11.22 451	19.19 461	17.40 463	12.30 438	8.55 416	0.69 389	0.57 384	0.60 381	0.60 386	0.70 361	0.78 373
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
WCMA_ROB	5.12 424	0.90 274	21.33 443	1.50 354	1.33 333	4.09 292	3.49 433	4.03 285	4.59 436	6.57 446	10.95 450	12.92 453	8.41 451	9.86 349	8.78 417	0.75 393	0.58 389	0.51 352	0.50 363	0.68 358	0.57 320

WAO-6	5.87 437	2.27 411	15.05 309	2.96 439	2.77 437	12.01 461	3.58 438	5.37 448	11.91 461	3.34 403	9.69 445	6.78 437	5.84 425	11.82 430	8.89 418	2.87 441	2.35 453	2.50 441	1.84 445	2.85 438	2.67 444

SPS-STEREO	3.97 402	1.44 375	20.85 427	1.72 387	1.71 398	3.24 130	2.30 399	3.55 183	2.68 343	4.79 433	3.66 406	5.44 431	2.97 362	9.11 330	9.35 419	1.15 418	1.10 425	1.06 423	1.02 422	1.16 415	1.18 405
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSNet	3.43 383	1.37 368	12.19 269	1.39 330	1.24 316	4.15 307	2.06 388	4.51 420	3.34 413	2.69 363	1.96 256	3.52 358	5.56 422	10.68 375	9.68 420	0.93 407	0.73 412	0.40 286	0.37 298	1.06 401	0.86 383

AnyNet_C01	4.37 412	7.80 446	16.40 322	1.98 413	1.40 345	6.37 445	6.47 452	4.09 305	5.03 442	4.06 421	3.78 408	4.16 390	3.31 380	6.62 285	10.00 421	0.61 369	0.67 405	0.63 388	0.67 393	2.01 431	1.31 410

ELAS_RVC	5.72 435	1.64 388	20.40 413	2.09 418	2.01 420	4.95 433	11.47 461	4.66 430	6.31 452	8.09 454	8.01 432	8.06 444	11.65 455	8.36 315	10.22 422	0.99 412	1.17 426	0.81 412	0.76 403	1.14 411	1.58 421
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ADCPNet	3.89 397	1.63 385	20.25 406	1.28 282	1.27 322	6.43 446	2.65 410	3.93 259	2.70 344	2.78 370	2.20 305	4.28 397	6.16 431	5.56 261	10.27 423	0.65 378	1.18 427	0.71 400	1.70 439	0.84 386	1.37 414

WAO-7	5.16 425	3.21 424	18.98 365	1.88 406	1.44 354	5.34 438	3.09 426	4.91 438	5.81 449	4.35 428	8.92 443	6.55 435	6.06 428	13.40 452	10.81 424	1.34 431	1.20 430	1.48 433	1.35 435	1.60 428	1.45 418

DRaft	2.28 247	0.56 55	2.64 134	0.74 18	0.46 63	3.94 259	1.23 310	2.32 58	1.55 102	2.64 358	2.80 375	1.60 143	5.34 420	6.96 296	10.99 425	0.34 195	0.22 124	0.27 72	0.27 151	0.29 58	0.37 192

EDNetEfficientorigin	12.35 463	2.51 415	179.47 491	1.19 248	0.96 247	2.91 98	1.81 374	3.00 125	5.35 444	8.91 456	4.79 418	4.18 391	4.64 411	9.98 355	11.30 426	0.37 232	0.38 314	0.60 381	0.85 411	1.32 423	2.43 441

KSHMR	16.96 468	5.37 438	21.64 454	4.46 462	4.50 462	8.30 456	3.32 429	15.58 472	76.24 485	6.62 447	61.47 482	56.53 483	5.43 421	35.17 479	11.37 427	4.39 461	2.97 461	3.63 462	2.74 463	5.10 459	4.34 467

ELAS	5.99 438	1.62 383	20.29 409	1.96 412	2.01 420	15.09 467	8.38 458	5.23 442	5.54 446	9.02 457	8.61 438	6.74 436	9.75 454	7.48 303	11.40 428	0.96 410	1.18 427	0.72 404	0.93 416	1.30 422	1.67 423
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
test_sample9	3.79 395	1.05 310	7.87 218	1.07 184	0.86 219	3.93 254	1.19 302	4.35 388	2.11 237	2.14 239	1.75 181	1.75 165	1.67 260	11.06 393	11.61 429	1.23 421	14.45 477	4.27 464	2.09 450	0.70 361	0.69 351

test_sample8	4.76 419	1.05 310	7.87 218	1.07 184	0.86 219	3.93 254	1.19 302	4.38 397	2.05 219	5.49 437	1.89 245	12.98 454	6.37 433	11.06 393	11.61 429	1.23 421	14.45 477	4.27 464	2.09 450	0.70 361	0.69 351

FC-DCNN	6.64 443	0.77 231	19.26 371	1.68 381	1.64 386	8.27 455	2.35 400	6.35 452	9.23 455	10.85 465	11.27 452	19.89 462	13.33 457	12.51 444	11.79 431	0.66 380	0.57 384	0.58 373	0.56 378	0.63 338	0.61 332

FC-DCNN v2	6.91 448	0.77 231	19.25 369	1.69 382	1.64 386	9.13 457	2.40 401	7.20 454	9.47 456	11.07 467	11.62 454	20.05 464	15.79 460	12.55 445	11.99 432	0.66 380	0.57 384	0.58 373	0.56 378	0.63 338	0.61 332

THIR-Stereo	4.14 407	0.82 255	10.85 258	0.86 74	0.43 47	2.16 68	16.77 466	3.22 147	1.54 96	2.04 216	12.05 456	2.68 284	7.53 444	7.30 298	12.62 433	0.30 132	0.21 98	0.29 109	0.28 178	0.33 131	0.41 238

DEmStereo	2.97 349	0.58 76	13.42 279	0.79 36	0.51 87	3.84 234	1.84 378	2.42 63	1.60 131	2.25 283	2.74 368	2.03 218	6.04 427	6.79 294	12.80 434	0.35 214	0.26 209	0.26 52	0.27 151	0.27 33	0.37 192

ktn	21.74 473	10.34 461	19.68 381	4.53 463	4.00 458	6.53 447	4.51 447	6.79 453	78.82 487	84.69 487	100.86 490	58.49 484	7.57 445	12.11 437	13.35 435	4.58 467	3.24 464	3.49 457	2.62 459	4.65 457	3.84 462

JetBlue	6.27 441	9.15 456	13.76 283	1.94 411	4.60 464	11.91 460	12.00 462	5.12 440	3.45 418	3.79 413	4.52 416	9.54 446	6.56 437	9.40 337	13.48 436	1.26 425	1.37 433	1.17 428	1.34 434	7.06 468	3.95 463

notaker	10.50 458	8.60 448	20.23 402	4.54 464	3.95 457	6.27 444	3.44 431	8.07 457	4.75 440	8.73 455	46.45 477	13.86 458	27.86 473	13.49 453	13.61 437	4.56 464	3.18 463	3.52 459	2.68 461	8.13 472	4.05 464

ADCL	4.35 411	1.63 385	14.21 296	1.29 285	1.26 321	5.56 441	11.16 459	3.97 270	3.37 414	6.07 442	4.67 417	4.30 398	5.72 424	5.08 250	14.51 438	0.50 341	0.48 370	0.89 416	0.77 405	0.78 378	0.76 369

SGM+DAISY	8.36 453	3.82 430	24.83 468	2.02 415	1.75 402	14.80 466	17.22 467	4.27 359	11.79 460	13.88 469	14.38 462	11.74 451	13.83 458	10.56 370	15.12 439	1.21 419	1.19 429	1.14 427	1.13 427	1.17 416	1.37 414

PML	64.32 486	53.22 485	17.88 346	8.10 471	32.94 476	148.46 491	247.79 492	12.18 462	45.42 482	111.41 489	288.92 492	101.47 491	101.31 490	31.67 475	15.55 440	14.03 475	4.83 468	10.98 474	6.18 470	28.82 478	5.17 468

ttt	2.76 326	0.56 55	2.28 108	1.41 333	1.21 313	3.67 204	0.77 144	4.59 426	2.94 377	2.35 312	2.30 324	2.45 264	1.54 226	11.25 402	15.56 441	0.43 295	0.36 295	0.37 261	0.33 255	0.40 205	0.40 232

UNDER WATER-64	9.33 454	5.37 438	22.60 460	5.22 468	4.86 465	10.75 459	4.61 448	11.45 460	17.30 466	7.59 449	9.80 447	15.99 459	17.90 465	10.63 373	15.72 442	4.36 460	2.87 456	4.39 467	2.86 464	7.01 467	5.36 470

ff1	2.96 345	0.60 92	5.21 199	1.14 221	0.99 258	3.62 196	0.86 190	4.22 337	3.37 414	2.20 264	2.30 324	3.48 349	1.62 239	11.62 415	16.09 443	0.29 95	0.16 5	0.48 333	0.37 298	0.30 77	0.29 98

mmx	2.98 351	0.60 92	5.21 199	1.14 221	0.99 258	3.62 196	0.86 190	4.49 416	3.05 388	2.20 264	2.30 324	3.48 349	1.62 239	11.62 415	16.09 443	0.33 183	0.28 228	0.48 333	0.37 298	0.44 263	0.37 192

xxx	2.98 351	0.60 92	5.21 199	1.14 221	0.99 258	3.62 196	0.86 190	4.49 416	3.05 388	2.20 264	2.30 324	3.48 349	1.62 239	11.62 415	16.09 443	0.33 183	0.28 228	0.48 333	0.37 298	0.44 263	0.37 192

UNDER WATER	10.47 456	3.95 432	22.62 461	5.07 467	4.51 463	7.78 454	3.77 441	12.56 463	21.72 473	7.84 452	10.78 449	23.96 469	31.66 474	10.78 380	16.19 446	4.44 462	2.93 457	4.24 463	2.86 464	6.33 464	5.47 471

MADNet++	7.57 452	5.80 442	13.28 277	6.38 469	5.26 466	7.18 449	7.77 456	5.32 446	5.62 447	6.11 443	7.78 430	6.02 434	8.01 448	11.74 426	16.36 447	9.36 471	4.95 469	8.57 472	5.66 469	4.83 458	5.34 469

ADCRef	3.30 377	1.23 351	14.90 305	1.17 240	1.41 352	3.95 264	1.64 361	3.88 242	2.36 286	3.05 389	2.21 307	2.40 255	2.81 357	5.04 248	16.63 448	0.46 316	0.34 287	0.63 388	0.62 390	0.54 310	0.67 346

NaN_ROB	4.06 405	1.13 327	16.64 326	1.12 213	1.25 319	3.50 170	3.05 423	4.29 367	3.26 408	3.64 409	2.56 356	2.97 312	4.79 412	13.33 450	16.91 449	0.37 232	0.41 335	0.38 277	0.39 317	0.48 289	0.81 377

ACVNet-4b	6.73 444	13.67 470	21.87 455	3.54 448	3.07 443	4.19 328	2.25 396	4.03 285	3.65 422	1.64 112	3.98 412	5.88 432	2.89 359	10.01 357	16.98 450	23.29 479	2.24 448	2.53 442	1.78 442	3.87 449	3.21 454

pmcnn	5.45 430	1.22 347	17.40 339	1.60 372	2.41 433	3.48 165	2.12 391	4.52 421	3.26 408	3.67 411	13.15 459	22.10 465	3.46 389	11.92 434	17.16 451	0.34 195	0.21 98	0.23 11	0.19 25	0.36 178	0.28 88

TorneroNet-64	10.12 455	8.74 449	20.95 433	4.27 457	3.76 456	13.86 465	2.85 415	15.05 469	23.15 474	10.07 462	23.84 470	13.47 455	8.24 450	13.96 459	17.21 452	3.96 458	2.72 454	3.23 455	2.48 457	6.29 462	4.27 466

test_xeample	2.67 318	0.56 55	2.05 78	1.09 197	0.81 196	3.24 130	0.80 161	4.55 423	2.70 344	2.42 326	2.27 314	1.39 117	1.40 180	10.75 377	17.51 453	0.30 132	0.30 251	0.32 167	0.28 178	0.34 149	0.33 151

xxxx	2.67 318	0.54 41	2.03 75	1.22 261	0.81 196	3.49 167	0.63 70	4.49 416	2.49 316	2.22 274	2.23 309	2.05 222	1.38 173	10.05 359	17.91 454	0.32 169	0.32 269	0.30 128	0.27 151	0.33 131	0.34 162

SANet	5.65 434	1.72 392	20.94 432	1.26 275	0.88 227	7.20 450	3.81 443	4.60 427	11.23 457	4.56 430	8.78 441	7.49 439	6.95 438	11.85 431	18.11 455	0.49 339	0.44 347	0.50 349	0.42 339	0.90 390	0.82 381

TorneroNet	25.88 475	11.28 465	21.62 452	4.20 456	4.07 459	55.25 483	3.15 427	15.16 470	76.94 486	58.09 482	82.72 487	86.88 488	41.15 478	13.35 451	18.13 456	4.32 459	2.85 455	3.45 456	2.62 459	8.33 473	4.14 465

1111x	3.13 367	0.57 63	8.38 226	1.20 252	0.76 184	3.80 225	0.88 211	4.61 428	2.63 335	2.31 300	2.16 298	1.95 202	1.81 286	11.54 411	18.13 456	0.32 169	0.31 261	0.32 167	0.30 221	0.35 166	0.34 162

222	2.68 321	0.57 63	2.03 75	1.11 210	0.81 196	3.23 126	0.65 82	4.52 421	2.45 308	2.34 311	2.29 320	1.41 122	1.44 195	10.50 369	18.47 458	0.32 169	0.30 251	0.32 167	0.27 151	0.32 115	0.34 162

ADCMid	3.96 401	3.27 426	15.48 315	1.26 275	1.40 345	4.66 407	2.28 397	4.06 297	3.54 419	3.94 416	3.02 385	3.85 373	3.67 393	4.03 235	18.65 459	0.68 386	0.61 396	1.09 425	1.18 429	1.38 424	1.08 399

AnyNet_C32	4.17 408	5.75 441	12.62 272	1.60 372	1.54 366	5.51 440	4.09 446	3.90 249	3.23 406	4.22 427	3.03 386	3.10 322	3.41 384	8.01 313	18.85 460	0.53 355	0.58 389	0.53 360	0.74 401	1.19 418	0.97 392

ADCP+	3.74 394	1.96 403	16.90 331	1.09 197	1.55 370	4.35 352	3.65 440	3.93 259	2.98 382	2.22 274	1.66 157	3.95 376	4.83 413	3.41 218	18.87 461	0.38 248	0.41 335	0.63 388	0.53 373	0.64 345	0.81 377

ADCS	4.22 410	5.33 437	16.32 321	1.64 377	1.31 326	3.91 249	3.64 439	4.21 334	2.89 371	5.11 435	2.81 377	4.46 403	3.06 371	5.21 252	19.50 462	0.63 372	0.64 400	0.69 397	0.69 398	1.12 409	1.26 407

SuperB	4.79 420	4.41 434	21.08 436	1.45 343	1.08 280	3.91 249	3.08 425	4.18 326	3.01 385	2.50 335	2.10 286	2.75 293	3.49 390	8.80 323	19.60 463	0.44 302	0.33 276	0.53 360	0.39 317	12.01 474	0.64 342

MANE	11.39 459	1.38 369	23.16 463	4.82 466	2.79 438	22.02 472	14.51 465	25.81 474	26.28 475	10.93 466	13.17 460	19.90 463	18.03 466	15.69 463	20.41 464	0.96 410	0.74 413	1.42 431	3.24 467	0.74 372	1.71 424

EDNetEfficient	5.61 432	2.14 409	16.75 329	1.67 380	3.64 451	4.12 300	7.51 454	3.05 130	5.63 448	11.57 468	4.83 419	3.95 376	12.72 456	8.44 318	20.78 465	0.41 280	0.43 342	0.47 325	1.01 420	1.66 429	1.39 417

coex-ft	18.59 470	6.62 443	113.53 488	1.17 240	1.31 326	2.33 75	1.93 381	2.81 114	14.00 462	124.82 491	8.45 437	5.90 433	51.74 483	9.99 356	22.69 466	0.57 363	0.62 397	0.50 349	0.49 359	1.08 406	1.28 408

DGTPSM_ROB	15.31 466	8.85 451	28.14 472	9.90 473	18.89 470	12.44 463	33.21 475	13.48 466	17.86 469	9.50 459	22.89 468	13.78 456	19.67 467	21.26 465	23.68 467	5.08 469	8.84 470	5.62 468	11.50 472	6.72 465	14.87 474

DPSMNet_ROB	15.52 467	8.89 452	31.44 473	10.07 474	18.91 471	12.44 463	33.22 476	13.51 467	17.94 470	9.58 460	22.91 469	13.79 457	19.67 467	21.43 466	23.73 468	5.17 470	8.84 470	5.63 469	11.52 475	6.79 466	14.90 475

AAGNet	2.86 332	0.60 92	1.77 53	2.05 416	0.46 63	4.76 428	1.09 282	2.27 55	1.56 108	2.17 256	1.84 227	2.41 257	4.00 398	6.23 277	24.22 469	0.46 316	0.19 44	0.30 128	0.29 205	0.32 115	0.24 34

LRCNet_RVC	25.52 474	33.45 478	23.21 465	31.79 479	32.78 475	6.74 448	1.18 299	25.88 475	4.46 434	28.94 473	30.89 473	24.91 472	17.57 464	27.66 474	24.34 470	35.26 481	25.60 482	35.91 481	33.81 480	31.90 482	34.10 483

CrosDoStereo	5.24 426	0.60 92	20.23 402	0.82 45	0.51 87	3.39 149	18.11 468	3.82 227	2.27 266	1.98 186	8.74 439	1.96 207	6.96 439	7.35 300	26.35 471	0.30 132	0.22 124	0.30 128	0.28 178	0.33 131	0.38 206

DeepStereo_LL	5.24 426	0.60 92	20.23 402	0.82 45	0.51 87	3.39 149	18.11 468	3.82 227	2.27 266	1.98 186	8.74 439	1.96 207	6.96 439	7.35 300	26.35 471	0.30 132	0.22 124	0.30 128	0.28 178	0.33 131	0.38 206

JetRed	10.48 457	27.10 477	35.70 474	4.27 457	4.09 460	15.55 470	12.83 463	12.16 461	5.50 445	5.83 440	5.56 424	10.14 447	7.43 443	8.88 324	26.39 473	3.32 447	3.81 466	3.51 458	2.96 466	7.85 470	6.69 473

Anonymous_1	57.11 485	19.68 474	26.15 469	23.10 476	142.31 489	30.84 474	39.75 478	33.86 481	16.98 465	70.53 486	15.42 464	23.46 468	19.75 469	23.04 468	27.23 474	164.73 491	9.02 472	130.38 487	137.40 488	161.27 492	27.24 479

DPSM_ROB	20.78 471	20.03 475	26.57 470	23.62 477	22.46 472	31.10 475	39.97 479	33.52 479	17.41 467	15.25 470	15.80 465	24.06 470	20.71 470	23.30 470	27.62 475	10.78 473	9.41 473	11.69 475	11.50 472	14.49 475	16.36 476

DPSM	20.78 471	20.03 475	26.57 470	23.62 477	22.46 472	31.10 475	39.97 479	33.52 479	17.41 467	15.25 470	15.80 465	24.06 470	20.71 470	23.30 470	27.62 475	10.78 473	9.41 473	11.69 475	11.50 472	14.49 475	16.36 476

SGM-ForestM	11.55 460	1.16 334	21.62 452	2.14 419	0.81 196	22.25 473	19.08 470	16.50 473	11.34 458	15.94 472	14.44 463	27.12 474	22.61 472	24.76 473	28.39 477	0.50 341	0.48 370	0.47 325	0.44 343	0.55 312	0.53 306

HanzoNet	31.60 477	17.23 473	21.22 442	7.32 470	5.84 467	7.25 451	3.53 435	13.82 468	14.20 464	50.38 480	47.01 478	44.45 477	56.61 484	36.61 480	32.00 478	63.89 485	56.57 486	7.97 471	89.20 486	28.69 477	28.25 480

HaxPig	43.25 480	43.65 482	45.00 478	33.85 480	35.61 477	32.69 477	30.52 473	45.09 482	42.97 480	48.77 478	48.17 479	43.00 476	40.26 476	44.58 482	43.61 479	47.18 482	49.30 483	51.54 483	50.25 482	43.73 483	45.29 484

AVERAGE_ROB	44.46 481	45.91 483	46.59 479	40.59 482	38.66 478	32.99 478	30.52 473	46.19 483	43.26 481	49.59 479	48.97 480	44.62 478	39.89 475	45.04 483	43.94 480	48.74 483	50.69 484	50.80 482	49.79 481	45.54 484	46.97 485

MEDIAN_ROB	47.37 482	49.08 484	49.92 481	40.32 481	39.97 479	34.95 479	33.43 477	49.17 484	46.39 483	53.06 481	52.65 481	47.65 479	42.23 482	48.35 487	47.29 481	52.10 484	54.04 485	54.28 484	53.48 483	48.76 485	50.33 486

LE_ROB	18.58 469	1.21 341	48.38 480	8.60 472	23.00 474	7.32 452	19.74 471	9.94 458	38.69 479	43.53 477	21.91 467	28.40 475	40.92 477	23.18 469	54.71 482	0.34 195	0.33 276	0.32 167	0.36 286	0.42 246	0.40 232

Selective-RAFT-Error	41.77 478	40.16 480	53.34 483	47.73 483	45.25 481	62.51 484	80.64 487	67.22 485	34.93 477	30.64 475	31.81 474	48.11 480	42.11 481	46.57 484	54.95 483	21.61 477	18.87 479	23.48 478	23.15 478	29.16 479	33.08 482

LSM0	49.58 483	40.04 479	53.62 485	97.15 486	128.68 488	62.75 486	79.89 486	67.63 487	35.11 478	33.02 476	32.61 476	48.43 482	41.60 479	46.60 485	55.43 484	21.63 478	18.99 481	23.62 480	23.13 477	29.47 481	52.26 487

CasAABBNet	41.80 479	40.20 481	53.41 484	47.73 483	45.18 480	62.51 484	80.71 488	67.26 486	34.80 476	30.49 474	31.88 475	48.24 481	41.81 480	46.63 486	55.64 485	21.60 476	18.88 480	23.48 478	23.22 479	29.19 480	33.05 481

xxxxx1	112.33 489	88.53 488	37.76 475	227.84 491	157.23 490	39.05 480	61.41 483	93.76 489	79.29 488	62.45 483	74.79 484	78.32 485	70.96 486	33.47 476	70.69 486	114.00 488	130.36 489	259.31 490	274.34 490	145.54 489	147.50 490

tt_ll	112.33 489	88.53 488	37.76 475	227.84 491	157.23 490	39.05 480	61.41 483	93.76 489	79.29 488	62.45 483	74.79 484	78.32 485	70.96 486	33.47 476	70.69 486	114.00 488	130.36 489	259.31 490	274.34 490	145.54 489	147.50 490

ff	112.33 489	88.53 488	37.76 475	227.84 491	157.23 490	39.05 480	61.41 483	93.76 489	79.29 488	62.45 483	74.79 484	78.32 485	70.96 486	33.47 476	70.69 486	114.00 488	130.36 489	259.31 490	274.34 490	145.54 489	147.50 490

BEATNet-Init1	49.72 484	64.32 487	97.77 487	4.68 465	4.28 461	84.75 488	60.42 482	73.38 488	68.59 484	88.29 488	88.51 489	91.94 489	97.99 489	85.26 491	70.96 489	0.80 398	0.65 401	0.85 414	0.70 399	7.96 471	2.33 437

DPSimNet_ROB	102.30 487	119.72 492	143.59 490	109.42 488	94.10 485	127.22 490	127.15 490	26.62 476	102.36 492	149.58 492	83.99 488	139.34 492	137.54 491	64.62 488	82.36 490	105.18 487	66.15 487	120.15 486	69.61 485	99.58 487	77.72 488

ASD4	103.30 488	113.98 491	120.24 489	106.67 487	79.75 483	115.36 489	120.35 489	119.13 492	79.65 491	120.04 490	74.64 483	101.45 490	65.48 485	109.11 492	84.31 491	104.31 486	90.04 488	133.15 488	103.58 487	130.15 488	94.66 489

test_example2	212.63 492	219.92 493	221.87 492	213.67 490	221.17 493	199.47 492	200.74 491	185.30 493	141.66 493	209.52 493	213.45 491	210.82 493	205.48 492	221.27 493	216.64 492	236.83 492	242.07 493	213.93 489	217.01 489	235.69 493	226.10 493

FADE		13.79 471		10.71 475	13.34 469			28.60 477	8.36 454	5.15 436		11.85 452		44.37 481		474.90 493	161.58 492	347.36 493	322.13 493	7.29 469	6.23 472

Low-res two-view benchmark