Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CoDeX	0.15 102	0.70 182	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 293	0.02 14	0.69 278	0.75 296	0.01 9	0.02 19	0.02 19

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

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

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

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

Wz-Net-LNSev-Ref	0.11 70	0.44 148	0.33 191	0.39 173	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 215	0.36 207	0.02 18	0.02 20	0.02 19	0.02 19

CSP-Net	0.34 166	1.29 300	1.19 324	1.36 361	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 371	1.21 375	0.03 34	0.09 90	0.02 19	0.09 89

SFCPSM	0.17 113	0.78 185	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 310	0.02 14	0.75 288	0.76 298	0.02 20	0.02 19	0.02 19

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

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

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

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

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

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

DualNet (step1)	0.10 49	1.05 233	0.12 86	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.03 46	0.03 39	0.03 43

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

BUS	0.83 285	1.91 326	0.92 303	4.48 411	0.02 20	0.40 206	0.04 65	0.41 213	0.02 20	0.48 245	0.03 44	0.41 221	0.05 75	0.03 33	0.05 70	1.97 396	4.19 431	0.33 185	0.23 168	0.34 174	0.27 177

BSDual-CNN	0.81 277	1.91 326	0.92 303	4.48 411	0.02 20	0.42 238	0.06 85	0.41 213	0.02 20	0.48 245	0.03 44	0.02 19	0.02 21	0.03 33	0.02 19	1.97 396	4.19 431	0.33 185	0.23 168	0.34 174	0.27 177

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

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

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

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

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

GASNet	0.05 29	0.04 31	0.12 86	0.04 26	0.04 65	0.04 62	0.05 74	0.04 62	0.04 67	0.12 103	0.04 73	0.06 80	0.04 69	0.04 57	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

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

FADNet-RVC-Resample	0.12 78	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 67	0.04 60	0.04 73	0.04 62	0.04 69	0.04 57	1.57 402	0.04 32	0.04 33	0.04 59	0.05 77	0.04 62	0.06 83

FADNet_RVC	0.12 78	0.04 31	0.04 31	0.05 32	0.04 65	0.04 62	0.04 65	0.04 62	0.04 67	0.04 60	0.04 73	0.04 62	0.05 75	0.04 57	1.65 406	0.05 39	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

FADNet-RVC	0.13 83	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.05 74	0.04 62	0.04 67	0.04 60	0.05 81	0.04 62	0.05 75	0.04 57	1.71 409	0.04 32	0.04 33	0.04 59	0.04 63	0.07 84	0.04 64

FADNet	0.12 78	0.05 38	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 67	0.04 60	0.04 73	0.04 62	0.05 75	0.04 57	1.66 407	0.06 43	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

ADCMid	0.08 37	0.02 12	0.02 13	1.01 285	0.03 40	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 57	0.09 86	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 67	0.04 60	0.04 73	0.04 62	0.04 69	0.04 57	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
FADE		0.06 42		0.09 41	0.10 98			0.05 72	0.03 47	0.04 60		0.05 74		0.04 57		0.15 109	0.10 60	0.17 125	0.13 132	0.11 100	0.11 105

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 65	0.05 72	0.90 316	0.06 77	0.04 67	0.05 75	0.04 73	0.05 74	0.04 69	0.05 66	0.04 60	0.05 39	0.04 33	0.05 69	0.04 63	0.05 74	0.05 78

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 65	0.05 72	0.04 65	0.05 72	0.04 67	0.05 75	0.04 73	0.05 74	0.04 69	0.05 66	0.04 60	0.05 39	0.03 28	0.06 75	0.03 46	0.04 62	0.03 43

BEATNet_4x	0.11 70	0.03 27	0.03 28	1.60 367	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 66	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

ADCL	0.11 70	0.03 27	0.03 28	1.60 367	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 66	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

qqq1	0.25 134	3.70 377	0.14 110	0.14 85	0.04 65	0.06 74	0.05 74	0.06 77	0.05 80	0.06 78	0.05 81	0.04 62	0.05 75	0.06 70	0.05 70	0.13 94	0.12 95	0.06 75	0.05 77	0.03 39	0.04 64

fff1	0.25 134	3.70 377	0.14 110	0.14 85	0.04 65	0.06 74	0.05 74	0.06 77	0.05 80	0.06 78	0.05 81	0.04 62	0.05 75	0.06 70	0.05 70	0.13 94	0.12 95	0.06 75	0.05 77	0.03 39	0.04 64

mmm	0.14 92	1.83 321	0.12 86	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.04 67	0.03 36	0.03 44	0.03 38	0.03 44	0.06 70	0.04 60	0.12 78	0.11 81	0.05 69	0.04 63	0.05 74	0.04 64

11t1	0.17 113	2.16 341	0.13 105	0.13 81	0.04 65	0.06 74	0.04 65	0.06 77	0.04 67	0.06 78	0.03 44	0.06 80	0.03 44	0.06 70	0.05 70	0.18 130	0.12 95	0.06 75	0.03 46	0.05 74	0.03 43

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

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

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

qqq	0.16 110	2.01 334	0.12 86	0.15 94	0.04 65	0.06 74	0.05 74	0.06 77	0.04 67	0.06 78	0.03 44	0.06 80	0.03 44	0.06 70	0.03 39	0.12 78	0.14 122	0.04 59	0.04 63	0.03 39	0.03 43

AASNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 87	0.06 78	0.06 86	0.05 74	0.06 86	0.06 70	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

SACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 87	0.06 78	0.06 86	0.05 74	0.06 86	0.06 70	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

AACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 87	0.06 78	0.06 86	0.05 74	0.06 86	0.06 70	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

ADCRef	0.12 78	0.03 27	0.04 31	1.71 370	0.04 65	0.03 36	0.03 40	0.04 62	0.04 67	0.04 60	0.03 44	0.04 62	0.03 44	0.06 70	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.03 39	0.04 64

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

FINET	0.07 36	0.08 45	0.07 45	0.07 35	0.07 89	0.08 84	0.06 85	0.08 88	0.07 90	0.08 85	0.07 89	0.08 86	0.06 86	0.07 83	0.07 81	0.08 47	0.07 44	0.07 80	0.07 84	0.06 77	0.06 83

SuperB	0.21 125	0.10 53	2.51 416	0.12 68	0.09 92	0.10 89	0.09 90	0.08 88	0.07 90	0.10 89	0.09 92	0.09 90	0.07 90	0.07 83	0.07 81	0.07 45	0.08 46	0.07 80	0.07 84	0.08 86	0.07 85

AnyNet_C32	0.14 92	0.04 31	0.03 28	2.22 383	0.04 65	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.04 62	0.02 21	0.07 83	0.04 60	0.02 14	0.02 14	0.03 34	0.03 46	0.02 19	0.03 43

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

ADCP+	0.15 102	0.04 31	0.04 31	2.20 382	0.04 65	0.04 62	0.04 65	0.04 62	0.04 67	0.04 60	0.05 81	0.04 62	0.04 69	0.08 86	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

ADCPNet	0.10 49	0.03 27	0.04 31	1.27 356	0.03 40	0.04 62	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.08 86	0.04 60	0.04 32	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

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

PASM	0.39 191	3.06 366	1.36 386	1.58 365	0.09 92	0.11 100	0.11 107	0.11 102	0.11 110	0.09 88	0.09 92	0.11 102	0.09 93	0.09 89	0.09 86	0.11 73	0.11 81	0.11 98	0.09 90	0.11 100	0.11 105

CAS++	0.17 113	0.27 106	0.21 145	0.10 45	0.21 167	0.15 110	0.22 157	0.10 90	0.21 158	0.22 141	0.10 96	0.19 130	0.18 149	0.10 91	0.19 151	0.20 133	0.19 146	0.18 134	0.10 96	0.19 132	0.18 142
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AnonymousM	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 90	0.10 96	0.10 89	0.10 96	0.10 92	0.10 97	0.10 91	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

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

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

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

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

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

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

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

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

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

JetRed	0.11 70	0.12 66	0.11 75	0.11 62	0.11 113	0.11 100	0.14 127	0.11 102	0.11 110	0.12 103	0.11 109	0.11 102	0.11 108	0.11 102	0.11 102	0.11 73	0.16 127	0.11 98	0.11 108	0.11 100	0.11 105

aanetorigin	0.13 83	0.11 64	0.11 75	0.11 62	0.11 113	0.11 100	0.11 107	0.11 102	0.11 110	0.11 101	0.12 119	0.11 102	0.11 108	0.11 102	0.11 102	0.11 73	0.11 81	0.14 105	0.11 108	0.49 244	0.11 105

BEATNet-Init1	0.19 116	0.08 45	0.08 47	2.23 384	0.08 90	0.08 84	0.07 88	0.07 85	0.08 92	0.08 85	0.07 89	0.08 86	0.07 90	0.11 102	0.08 83	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

DeepPrunerF	0.19 116	0.08 45	0.08 47	2.23 384	0.08 90	0.08 84	0.07 88	0.07 85	0.08 92	0.08 85	0.07 89	0.08 86	0.07 90	0.11 102	0.08 83	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

JetBlue	0.11 70	0.11 64	0.12 86	0.13 81	0.14 133	0.11 100	0.11 107	0.11 102	0.11 110	0.11 101	0.11 109	0.11 102	0.11 108	0.12 106	0.12 116	0.11 73	0.11 81	0.11 98	0.11 108	0.11 100	0.11 105

DRN-Test	0.14 92	0.13 67	0.09 52	0.14 85	0.09 92	0.15 110	0.09 90	0.14 106	0.10 96	0.14 105	0.09 92	0.14 106	0.09 93	0.13 107	0.09 86	0.12 78	0.09 55	0.12 101	0.09 90	0.12 105	0.73 301

CIPLG	0.13 83	0.21 91	0.12 86	0.16 102	0.11 113	0.15 110	0.11 107	0.14 106	0.11 110	0.15 111	0.12 119	0.15 115	0.11 108	0.14 108	0.11 102	0.15 109	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

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

MIPNet	0.14 92	0.21 91	0.17 130	0.16 102	0.11 113	0.15 110	0.12 122	0.14 106	0.11 110	0.16 115	0.11 109	0.14 106	0.11 108	0.14 108	0.11 102	0.14 100	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

IPLGR	0.14 92	0.24 103	0.14 110	0.16 102	0.12 128	0.15 110	0.12 122	0.14 106	0.11 110	0.15 111	0.12 119	0.14 106	0.11 108	0.14 108	0.11 102	0.15 109	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

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

GMStereo	0.14 92	0.13 67	0.14 110	0.14 85	0.14 133	0.14 104	0.14 127	0.14 106	0.14 133	0.14 105	0.14 136	0.14 106	0.14 131	0.14 108	0.14 126	0.14 100	0.14 122	0.14 105	0.14 136	0.14 108	0.14 130
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 147	0.90 201	0.10 56	0.14 85	0.10 98	0.14 104	0.10 95	0.91 297	0.69 300	0.14 105	0.11 109	0.14 106	0.11 108	0.14 108	0.10 91	0.12 78	0.09 55	0.12 101	0.09 90	0.88 285	0.76 306

ADCS	0.09 38	0.02 12	0.04 31	0.90 265	0.06 88	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 108	0.36 226	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

StereoDRNet	0.15 102	0.14 71	0.10 56	0.14 85	0.09 92	0.15 110	0.09 90	0.14 106	0.09 95	0.14 105	0.10 96	0.14 106	0.09 93	0.14 108	0.09 86	0.13 94	0.10 60	0.13 104	0.09 90	0.13 107	0.82 312

test_for_model	0.15 102	0.23 96	0.18 135	0.21 123	0.11 113	0.16 117	0.11 107	0.16 118	0.11 110	0.16 115	0.11 109	0.16 116	0.11 108	0.16 117	0.11 102	0.21 138	0.18 145	0.14 105	0.11 108	0.14 108	0.11 105

testlalala2	0.13 83	0.16 72	0.11 75	0.15 94	0.11 113	0.16 117	0.11 107	0.16 118	0.11 110	0.16 115	0.11 109	0.16 116	0.11 108	0.16 117	0.11 102	0.14 100	0.11 81	0.14 105	0.11 108	0.14 108	0.11 105

GMStereo_Zeroshot	0.16 110	0.16 72	0.16 126	0.16 102	0.16 148	0.16 117	0.16 134	0.16 118	0.16 144	0.16 115	0.16 144	0.16 116	0.16 141	0.16 117	0.16 140	0.16 117	0.16 127	0.16 120	0.16 140	0.16 121	0.16 131

testlalala_base	0.13 83	0.16 72	0.11 75	0.15 94	0.11 113	0.15 110	0.11 107	0.16 118	0.11 110	0.16 115	0.11 109	0.16 116	0.11 108	0.16 117	0.11 102	0.14 100	0.11 81	0.14 105	0.11 108	0.14 108	0.11 105

IPLGR_C	0.14 92	0.20 85	0.12 86	0.15 94	0.11 113	0.14 104	0.15 131	0.14 106	0.11 110	0.15 111	0.12 119	0.14 106	0.11 108	0.16 117	0.11 102	0.15 109	0.12 95	0.14 105	0.12 124	0.15 118	0.12 121

ICVP	0.15 102	0.53 171	0.11 75	0.16 102	0.11 113	0.16 117	0.11 107	0.16 118	0.11 110	0.16 115	0.11 109	0.16 116	0.11 108	0.16 117	0.11 102	0.16 117	0.11 81	0.16 120	0.11 108	0.16 121	0.11 105
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ProNet	0.14 92	0.20 85	0.14 110	0.16 102	0.11 113	0.16 117	0.11 107	0.17 123	0.11 110	0.17 121	0.12 119	0.17 123	0.13 128	0.17 123	0.12 116	0.15 109	0.11 81	0.16 120	0.11 108	0.15 118	0.12 121

HSM	0.14 92	0.16 72	0.12 86	0.17 108	0.12 128	0.17 122	0.11 107	0.17 123	0.11 110	0.17 121	0.12 119	0.17 123	0.12 124	0.17 123	0.12 116	0.16 117	0.11 81	0.16 120	0.11 108	0.16 121	0.12 121

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

cf-r	0.66 245	2.17 342	0.12 86	0.18 109	0.12 128	0.18 124	2.70 422	2.60 408	0.12 128	0.18 124	0.12 119	0.18 126	0.12 124	0.18 125	0.12 116	0.15 109	0.11 81	0.15 118	0.11 108	1.81 381	1.74 413

ELAS	0.13 83	0.16 72	0.11 75	0.15 94	0.09 92	0.18 124	0.11 107	0.18 125	0.11 110	0.17 121	0.11 109	0.18 126	0.11 108	0.18 125	0.11 102	0.14 100	0.08 46	0.14 105	0.08 88	0.14 108	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DDVS	0.30 148	3.10 367	0.14 110	0.19 112	0.14 133	0.19 127	0.14 127	0.20 131	0.14 133	0.19 125	0.13 131	0.16 116	0.13 128	0.19 128	0.13 122	0.17 122	0.13 119	0.17 125	0.13 132	0.17 124	0.13 127

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

ELAS_RVC	0.14 92	0.16 72	0.10 56	0.15 94	0.10 98	0.18 124	0.11 107	0.19 127	0.11 110	0.19 125	0.12 119	0.18 126	0.11 108	0.19 128	0.12 116	0.14 100	0.08 46	0.14 105	0.09 90	0.15 118	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 102	0.17 78	0.11 75	0.18 109	0.11 113	0.19 127	0.11 107	0.19 127	0.12 128	0.19 125	0.12 119	0.20 132	0.12 124	0.19 128	0.12 116	0.16 117	0.11 81	0.17 125	0.10 96	0.17 124	0.10 93
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
gwcnet-sp	0.82 281	1.72 315	1.48 391	0.39 173	0.15 143	0.31 171	0.21 152	0.20 131	0.25 172	1.61 390	0.23 169	0.28 167	0.26 183	0.20 132	0.15 135	0.24 157	1.33 380	0.32 177	0.16 140	6.75 442	0.23 152

scenet	0.82 281	1.72 315	1.48 391	0.39 173	0.15 143	0.31 171	0.21 152	0.20 131	0.25 172	1.61 390	0.23 169	0.28 167	0.26 183	0.20 132	0.15 135	0.24 157	1.33 380	0.32 177	0.16 140	6.75 442	0.23 152

ssnet	0.82 281	1.72 315	1.48 391	0.39 173	0.15 143	0.31 171	0.21 152	0.20 131	0.25 172	1.61 390	0.23 169	0.28 167	0.26 183	0.20 132	0.15 135	0.24 157	1.33 380	0.32 177	0.16 140	6.75 442	0.23 152

DAS	0.20 118	0.20 85	0.20 141	0.20 114	0.20 160	0.20 131	0.20 146	0.20 131	0.20 155	0.20 130	0.20 159	0.20 132	0.20 158	0.20 132	0.20 154	0.20 133	0.20 148	0.20 138	0.20 158	0.20 133	0.20 145

ASD4	0.20 118	0.20 85	0.20 141	0.20 114	0.20 160	0.20 131	0.20 146	0.20 131	0.20 155	0.20 130	0.20 159	0.20 132	0.20 158	0.20 132	0.20 154	0.20 133	0.20 148	0.20 138	0.20 158	0.20 133	0.20 145

ACVNet	0.20 118	0.19 81	0.14 110	0.20 114	0.14 133	0.20 131	0.96 323	0.21 137	0.14 133	0.20 130	0.13 131	0.21 140	0.14 131	0.20 132	0.14 126	0.17 122	0.12 95	0.17 125	0.12 124	0.17 124	0.12 121

acv_ft	0.20 118	0.19 81	0.14 110	0.20 114	0.14 133	0.20 131	0.96 323	0.21 137	0.14 133	0.20 130	0.13 131	0.21 140	0.14 131	0.20 132	0.14 126	0.17 122	0.12 95	0.17 125	0.12 124	0.17 124	0.12 121

hitnet-ft	0.79 270	2.78 362	0.14 110	0.20 114	0.14 133	0.21 139	2.89 423	2.80 412	0.14 133	0.20 130	0.14 136	0.20 132	0.14 131	0.20 132	0.14 126	0.17 122	0.12 95	0.17 125	0.12 124	2.54 398	2.33 420

PSMNet-RSSM	0.77 266	2.76 359	0.14 110	0.20 114	0.14 133	0.20 131	2.66 420	2.79 411	0.14 133	0.21 139	0.14 136	0.21 140	0.14 131	0.20 132	0.14 126	0.17 122	0.12 95	0.17 125	0.12 124	2.52 396	2.31 418

CFNet-ft	0.55 238	1.57 310	0.14 110	0.20 114	0.14 133	0.20 131	2.53 419	1.61 386	0.14 133	0.20 130	0.14 136	0.20 132	0.14 131	0.20 132	0.14 126	0.17 122	0.12 95	0.17 125	0.12 124	1.56 377	1.24 393

IGEV_Zeroshot_test	0.20 118	0.19 81	0.40 216	0.30 146	0.17 149	0.22 141	0.17 135	0.21 137	0.17 146	0.20 130	0.17 146	0.21 140	0.18 149	0.21 142	0.17 141	0.20 133	0.16 127	0.20 138	0.16 140	0.20 133	0.17 138

GANet-RSSM	0.75 261	1.91 326	0.14 110	0.47 213	0.14 133	0.21 139	3.21 439	2.30 405	0.14 133	0.46 236	0.14 136	0.23 148	0.18 149	0.21 142	0.14 126	0.18 130	0.27 171	0.37 212	0.13 132	2.13 389	2.12 416

GwcNet-RSSM	0.77 266	2.77 361	0.14 110	0.20 114	0.14 133	0.20 131	2.67 421	2.78 410	0.14 133	0.20 130	0.14 136	0.20 132	0.14 131	0.21 142	0.14 126	0.17 122	0.12 95	0.17 125	0.12 124	2.52 396	2.31 418

LALA_ROB	0.15 102	0.19 81	0.12 86	0.18 109	0.11 113	0.20 131	0.12 122	0.21 137	0.12 128	0.20 130	0.12 119	0.20 132	0.12 124	0.21 142	0.13 122	0.17 122	0.10 60	0.18 134	0.11 108	0.18 128	0.11 105

WAO-6	0.22 127	0.23 96	0.22 146	0.23 126	0.22 169	0.22 141	0.22 157	0.22 141	0.22 160	0.22 141	0.22 165	0.22 145	0.22 164	0.22 146	0.22 159	0.22 141	0.22 155	0.22 146	0.22 163	0.22 139	0.22 151

IMH-64-1	0.22 127	0.23 96	0.23 149	0.22 124	0.22 169	0.22 141	0.22 157	0.22 141	0.22 160	0.22 141	0.22 165	0.22 145	0.22 164	0.22 146	0.22 159	0.22 141	0.22 155	0.23 152	0.22 163	0.22 139	0.23 152

IMH-64	0.22 127	0.23 96	0.23 149	0.22 124	0.22 169	0.22 141	0.22 157	0.22 141	0.22 160	0.22 141	0.22 165	0.22 145	0.22 164	0.22 146	0.22 159	0.22 141	0.22 155	0.23 152	0.22 163	0.22 139	0.23 152

HCRNet	1.22 366	7.11 419	3.00 418	3.55 406	0.33 224	0.29 167	0.14 127	0.19 127	0.15 142	0.33 176	0.29 199	0.25 156	0.14 131	0.22 146	0.33 208	3.64 415	3.00 412	0.76 298	0.32 224	0.18 128	0.13 127

MSKI-zero shot	0.24 133	0.21 91	0.49 249	0.65 241	0.18 154	0.22 141	0.17 135	0.23 144	0.18 147	0.21 139	0.17 146	0.23 148	0.28 197	0.23 150	0.18 148	0.21 138	0.16 127	0.21 141	0.16 140	0.21 137	0.16 131

dd	0.23 131	0.98 214	0.16 126	0.23 126	0.15 143	0.23 147	0.15 131	0.23 144	0.15 142	0.23 145	0.15 143	0.24 152	0.17 143	0.23 150	0.15 135	0.22 141	0.15 125	0.21 141	0.15 139	0.22 139	0.16 131

dad	0.23 131	1.03 229	0.16 126	0.23 126	0.15 143	0.24 148	0.15 131	0.24 147	0.16 144	0.23 145	0.16 144	0.24 152	0.16 141	0.23 150	0.15 135	0.22 141	0.16 127	0.22 146	0.16 140	0.22 139	0.16 131

iResNet	0.20 118	0.23 96	0.18 135	0.24 131	0.18 154	0.24 148	0.20 146	0.24 147	0.18 147	0.23 145	0.17 146	0.23 148	0.18 149	0.23 150	0.18 148	0.22 141	0.16 127	0.21 141	0.16 140	0.21 137	0.16 131

ACV-stereo	0.30 148	2.08 335	0.25 159	0.25 135	0.18 154	0.24 148	0.17 135	0.24 147	0.18 147	0.24 150	0.17 146	0.25 156	0.17 143	0.24 154	0.17 141	0.22 141	0.16 127	0.22 146	0.16 140	0.22 139	0.16 131

Pointernet	0.21 125	0.22 95	0.19 138	0.24 131	0.19 158	0.24 148	0.19 143	0.24 147	0.19 153	0.24 150	0.19 156	0.24 152	0.19 154	0.24 154	0.19 151	0.22 141	0.17 140	0.22 146	0.17 154	0.22 139	0.17 138

LRCNet_RVC	0.13 83	0.13 67	0.09 52	0.13 81	0.10 98	0.14 104	0.10 95	0.14 106	0.10 96	0.23 145	0.10 96	0.20 132	0.10 97	0.24 154	0.11 102	0.11 73	0.09 55	0.12 101	0.14 136	0.12 105	0.09 89

iResNetv2_ROB	0.20 118	0.23 96	0.18 135	0.24 131	0.20 160	0.24 148	0.18 140	0.24 147	0.18 147	0.24 150	0.18 155	0.23 148	0.19 154	0.24 154	0.18 148	0.21 138	0.16 127	0.21 141	0.16 140	0.22 139	0.16 131

model_zeroshot	0.27 143	0.20 85	0.27 166	0.33 156	0.21 167	0.37 195	0.22 157	0.37 186	0.24 167	0.26 160	0.27 191	0.33 179	0.21 163	0.25 158	0.27 180	0.32 179	0.20 148	0.34 192	0.23 168	0.25 149	0.26 169

MIM_Stereo	0.25 134	0.23 96	0.66 270	0.80 255	0.17 149	0.22 141	0.17 135	0.23 144	0.18 147	0.26 160	0.17 146	0.21 140	0.17 143	0.25 158	0.17 141	0.23 152	0.16 127	0.21 141	0.17 154	0.22 139	0.17 138

CASnet	0.35 172	0.51 168	0.44 232	0.32 152	0.31 213	0.24 148	0.34 218	0.36 180	0.25 172	0.31 168	0.37 237	0.30 173	0.33 217	0.25 158	0.45 258	0.37 201	0.37 209	0.33 185	0.35 236	0.34 174	0.37 228
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CAS	0.30 148	1.17 246	0.25 159	0.25 135	0.25 181	0.26 161	0.25 171	0.25 152	0.26 185	0.25 153	0.25 180	0.25 156	0.25 174	0.25 158	0.25 174	0.26 162	0.26 166	0.26 161	0.25 181	0.26 151	0.25 163

LoS	0.25 134	0.27 106	0.25 159	0.25 135	0.25 181	0.25 154	0.25 171	0.26 156	0.25 172	0.25 153	0.25 180	0.25 156	0.25 174	0.25 158	0.25 174	0.26 162	0.25 162	0.25 158	0.26 188	0.26 151	0.25 163
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 213	1.24 298	0.17 130	0.25 135	0.17 149	0.25 154	0.18 140	1.26 377	0.93 328	0.25 153	0.17 146	0.25 156	0.18 149	0.25 158	0.17 141	0.23 152	0.16 127	0.23 152	0.16 140	1.20 320	0.99 324

delet	0.43 210	1.21 296	0.17 130	0.25 135	0.17 149	0.25 154	0.18 140	1.26 377	0.95 329	0.25 153	0.17 146	0.25 156	0.17 143	0.25 158	0.17 141	0.23 152	0.16 127	0.22 146	0.16 140	1.18 317	0.98 323

psm_up	0.43 210	1.19 249	0.17 130	0.25 135	0.18 154	0.25 154	0.19 143	1.26 377	0.91 323	0.26 160	0.17 146	0.25 156	0.17 143	0.25 158	0.17 141	0.22 141	0.17 140	0.23 152	0.16 140	1.18 317	0.99 324

UPFNet	0.42 209	1.20 250	0.17 130	0.24 131	0.17 149	0.25 154	0.17 135	1.19 325	0.90 322	0.25 153	0.17 146	0.24 152	0.17 143	0.25 158	0.17 141	0.22 141	0.17 140	0.22 146	0.16 140	1.15 309	0.93 320

AANet_RVC	1.26 368	0.31 113	4.99 441	5.93 433	0.20 160	0.25 154	0.20 146	0.25 152	0.20 155	0.23 145	0.19 156	0.25 156	0.20 158	0.25 158	0.20 154	5.66 441	4.76 434	0.26 161	0.30 215	0.24 148	0.27 177

UNDER WATER-64	0.25 134	0.26 105	0.25 159	0.26 142	0.25 181	0.25 154	0.25 171	0.25 152	0.25 172	0.25 153	0.25 180	0.25 156	0.25 174	0.26 168	0.25 174	0.25 161	0.25 162	0.25 158	0.25 181	0.25 149	0.25 163

LoS_RVC	0.30 148	1.14 242	0.25 159	0.25 135	0.25 181	0.26 161	0.25 171	0.25 152	0.25 172	0.25 153	0.25 180	0.26 165	0.26 183	0.26 168	0.25 174	0.26 162	0.26 166	0.25 158	0.25 181	0.26 151	0.26 169

ssnet_v2	0.68 250	1.96 333	1.25 378	0.29 145	0.20 160	0.30 168	0.20 146	0.29 162	0.22 160	1.50 388	0.20 159	0.31 175	0.20 158	0.27 170	0.22 159	0.24 157	1.49 389	0.26 161	0.18 157	3.90 407	0.19 144

GEStereo_RVC	0.86 290	4.45 393	0.20 141	0.27 143	0.20 160	0.27 164	0.20 146	0.26 156	0.18 147	5.03 445	0.20 159	0.27 166	0.19 154	0.27 170	0.21 157	0.20 133	0.19 146	0.19 137	4.02 447	0.20 133	0.18 142

SQANet	0.28 144	0.28 109	0.28 170	0.28 144	0.28 194	0.28 165	0.28 187	0.28 159	0.28 193	0.28 163	0.28 197	0.28 167	0.28 197	0.28 172	0.28 186	0.28 167	0.28 176	0.28 167	0.28 198	0.28 156	0.28 189

ac_64	0.22 127	0.13 67	0.19 138	0.23 126	0.10 98	0.26 161	1.02 329	0.14 106	0.10 96	0.28 163	0.14 136	0.17 123	0.19 154	0.28 172	0.09 86	0.22 141	0.16 127	0.23 152	0.17 154	0.11 100	0.12 121

CFNet	1.37 372	5.27 404	0.19 138	5.49 430	0.19 158	0.28 165	0.19 143	0.28 159	0.19 153	0.28 163	0.19 156	0.28 167	4.35 440	0.28 172	0.19 151	0.23 152	0.17 140	0.23 152	4.21 449	4.81 428	0.17 138

RAFT + AFF	0.31 153	0.45 150	0.34 198	0.39 173	0.28 194	0.38 199	0.33 209	0.29 162	0.31 208	0.30 166	0.30 209	0.29 172	0.27 191	0.29 175	0.30 200	0.28 167	0.29 185	0.29 172	0.29 207	0.27 154	0.32 211

DLNR_Zeroshot_test	0.31 153	0.28 109	0.47 241	0.79 253	0.24 179	0.30 168	0.26 178	0.30 164	0.24 167	0.32 172	0.23 169	0.31 175	0.24 171	0.30 176	0.23 165	0.29 174	0.26 166	0.29 172	0.24 176	0.33 170	0.23 152

DANet	0.30 148	0.30 112	0.30 176	0.30 146	0.30 209	0.30 168	0.30 197	0.30 164	0.30 206	0.30 166	0.30 209	0.30 173	0.30 207	0.30 176	0.30 200	0.30 175	0.30 193	0.30 174	0.30 215	0.30 162	0.30 202
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
WCG-NET（raft）	0.32 161	1.24 298	0.24 155	0.32 152	0.24 179	0.32 178	0.23 163	0.32 166	0.24 167	0.32 172	0.24 175	0.32 177	0.24 171	0.32 178	0.24 168	0.30 175	0.23 159	0.30 174	0.23 168	0.30 162	0.23 152

tt1	0.31 153	0.93 209	0.24 155	0.33 156	0.23 174	0.31 171	0.24 168	0.32 166	0.24 167	0.32 172	0.23 169	0.32 177	0.25 174	0.32 178	0.24 168	0.27 165	0.26 166	0.27 165	0.26 188	0.27 154	0.27 177

xxxxx1	0.31 153	0.91 202	0.23 149	0.31 149	0.23 174	0.31 171	0.23 163	0.33 169	0.25 172	0.31 168	0.24 175	0.33 179	0.25 174	0.32 178	0.24 168	0.28 167	0.28 176	0.28 167	0.28 198	0.29 159	0.27 177

tt_ll	0.31 153	0.91 202	0.23 149	0.31 149	0.23 174	0.31 171	0.23 163	0.33 169	0.25 172	0.31 168	0.24 175	0.33 179	0.25 174	0.32 178	0.24 168	0.28 167	0.28 176	0.28 167	0.28 198	0.29 159	0.27 177

ff	0.31 153	0.91 202	0.23 149	0.31 149	0.23 174	0.31 171	0.23 163	0.33 169	0.25 172	0.31 168	0.24 175	0.33 179	0.25 174	0.32 178	0.24 168	0.28 167	0.28 176	0.28 167	0.28 198	0.29 159	0.27 177

testlalala	0.32 161	0.81 191	0.31 182	0.39 173	0.26 189	0.33 181	0.24 168	0.33 169	0.26 185	0.32 172	0.26 186	0.33 179	0.23 169	0.33 183	0.23 165	0.35 193	0.31 197	0.30 174	0.24 176	0.31 164	0.21 148

iResNet_ROB	0.28 144	0.32 114	0.24 155	0.32 152	0.25 181	0.32 178	0.24 168	0.32 166	0.24 167	0.33 176	0.24 175	0.35 185	0.24 171	0.33 183	0.24 168	0.31 178	0.24 161	0.32 177	0.24 176	0.32 165	0.24 162

H2IRNET	0.34 166	0.34 116	0.34 198	0.34 158	0.34 230	0.34 183	0.34 218	0.34 173	0.34 221	0.34 178	0.34 222	0.34 184	0.34 220	0.34 185	0.34 221	0.34 184	0.34 204	0.34 192	0.34 232	0.34 174	0.34 220

DN-CSS_ROB	0.31 153	0.35 117	0.28 170	0.35 159	0.28 194	0.34 183	0.27 181	0.34 173	0.25 172	0.35 182	0.27 191	0.36 192	0.26 183	0.34 185	0.28 186	0.35 193	0.28 176	0.34 192	0.28 198	0.34 174	0.27 177

WCG-NET	0.40 194	1.29 300	0.24 155	0.32 152	0.25 181	0.32 178	0.27 181	0.44 234	0.46 260	0.35 182	0.26 186	0.35 185	0.27 191	0.35 187	0.45 258	0.42 238	0.25 162	0.62 283	0.25 181	0.48 240	0.26 169

GCAP-BAT	0.33 164	0.78 185	0.32 186	0.38 168	0.25 181	0.34 183	0.25 171	0.34 173	0.26 185	0.34 178	0.25 180	0.35 185	0.26 183	0.35 187	0.27 180	0.36 197	0.30 193	0.32 177	0.24 176	0.32 165	0.26 169

MyStereo04	0.56 239	3.72 380	0.59 259	0.49 218	0.41 257	0.36 190	0.32 202	0.37 186	0.31 208	0.34 178	0.46 266	0.35 185	0.32 213	0.35 187	0.33 208	0.49 252	0.45 237	0.34 192	0.32 224	0.35 186	0.43 250

FENet	0.54 236	1.52 309	1.19 324	1.41 364	0.23 174	0.35 187	0.23 163	0.35 176	0.23 166	0.34 178	0.23 169	0.35 185	0.23 169	0.35 187	0.23 165	1.40 380	1.07 310	0.32 177	0.23 168	0.33 170	0.23 152

DMCA	0.36 176	0.38 124	0.37 205	0.35 159	0.35 233	0.36 190	0.36 227	0.36 180	0.35 224	0.35 182	0.37 237	0.36 192	0.36 227	0.35 187	0.36 226	0.36 197	0.36 207	0.35 205	0.36 242	0.36 192	0.36 225

MLCV	0.31 153	0.35 117	0.27 166	0.35 159	0.28 194	0.35 187	0.27 181	0.35 176	0.28 193	0.36 186	0.27 191	0.35 185	0.27 191	0.35 187	0.27 180	0.34 184	0.27 171	0.34 192	0.27 194	0.34 174	0.27 177

ETE_ROB	0.35 172	0.35 117	0.35 203	0.35 159	0.35 233	0.35 187	0.35 221	0.35 176	0.35 224	0.35 182	0.35 229	0.35 185	0.35 224	0.35 187	0.35 223	0.35 193	0.35 205	0.35 205	0.35 236	0.35 186	0.35 224

EKT-Stereo	0.37 180	0.40 132	0.44 232	1.07 289	0.29 200	0.34 183	0.31 201	0.36 180	0.29 196	0.38 192	0.31 212	0.37 198	0.30 207	0.36 194	0.29 193	0.34 184	0.28 176	0.39 225	0.30 215	0.37 194	0.30 202

Any-RAFT	0.32 161	0.36 120	0.27 166	0.36 163	0.27 191	0.36 190	0.27 181	0.36 180	0.27 190	0.36 186	0.27 191	0.36 192	0.27 191	0.36 194	0.28 186	0.36 197	0.28 176	0.36 210	0.28 198	0.36 192	0.28 189

IGEV-Stereo	0.35 172	0.44 148	0.45 234	0.49 218	0.30 209	0.37 195	0.30 197	0.36 180	0.30 206	0.36 186	0.29 199	0.36 192	0.29 201	0.36 194	0.30 200	0.46 240	0.39 220	0.32 177	0.24 176	0.32 165	0.25 163
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HGLStereo	0.28 144	0.29 111	0.22 146	0.36 163	0.22 169	0.36 190	0.21 152	0.36 180	0.21 158	0.42 225	0.21 164	0.36 192	0.22 164	0.36 194	0.21 157	0.34 184	0.21 151	0.34 192	0.21 160	0.34 174	0.21 148

RSM	0.36 176	0.36 120	0.43 230	0.37 166	0.42 265	0.49 257	0.42 255	0.37 186	0.28 193	0.36 186	0.29 199	0.36 192	0.30 207	0.37 198	0.28 186	0.34 184	0.31 197	0.34 192	0.35 236	0.40 211	0.29 193

XPNet_ROB	0.37 180	0.37 122	0.37 205	0.37 166	0.37 240	0.37 195	0.37 232	0.37 186	0.37 234	0.37 191	0.37 237	0.37 198	0.37 231	0.37 198	0.37 234	0.37 201	0.37 209	0.37 212	0.37 244	0.37 194	0.37 228

WAO-8	0.38 186	0.38 124	0.38 208	0.38 168	0.38 245	0.38 199	0.38 237	0.38 191	0.38 236	0.38 192	0.38 242	0.38 200	0.38 233	0.38 200	0.38 235	0.38 208	0.38 215	0.38 219	0.37 244	0.38 201	0.38 232

WAO-7	0.38 186	0.38 124	0.38 208	0.38 168	0.38 245	0.38 199	0.38 237	0.38 191	0.38 236	0.38 192	0.38 242	0.38 200	0.38 233	0.38 200	0.38 235	0.38 208	0.38 215	0.38 219	0.38 250	0.38 201	0.38 232

Venus	0.38 186	0.38 124	0.38 208	0.38 168	0.38 245	0.37 195	0.38 237	0.37 186	0.37 234	0.41 214	0.37 237	0.39 204	0.37 231	0.38 200	0.38 235	0.37 201	0.38 215	0.38 219	0.37 244	0.37 194	0.38 232

IMH	0.38 186	0.38 124	0.38 208	0.38 168	0.38 245	0.38 199	0.38 237	0.38 191	0.38 236	0.42 225	0.38 242	0.40 210	0.38 233	0.38 200	0.38 235	0.38 208	0.38 215	0.39 225	0.38 250	0.38 201	0.38 232

iRaft-Stereo_5w	0.34 166	0.42 146	0.31 182	0.39 173	0.30 209	0.38 199	0.30 197	0.40 199	0.29 196	0.40 201	0.37 237	0.41 221	0.34 220	0.38 200	0.30 200	0.34 184	0.27 171	0.34 192	0.26 188	0.34 174	0.26 169

iRaft-Stereo_20w	0.34 166	0.41 139	0.31 182	0.39 173	0.29 200	0.40 206	0.32 202	0.41 213	0.32 211	0.38 192	0.30 209	0.39 204	0.30 207	0.38 200	0.32 205	0.35 193	0.27 171	0.34 192	0.27 194	0.34 174	0.29 193

FCDSN-DC	0.41 201	0.59 177	0.64 266	0.54 230	0.33 224	0.50 265	0.37 232	0.42 229	0.40 243	0.61 278	0.43 262	0.50 268	0.49 270	0.38 200	0.32 205	0.28 167	0.23 159	0.26 161	0.22 163	0.35 186	0.28 189
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ACVNet-DCA	0.37 180	1.00 217	0.30 176	0.40 186	0.29 200	0.40 206	0.29 192	0.40 199	0.29 196	0.40 201	0.29 199	0.40 210	0.29 201	0.39 207	0.28 186	0.33 181	0.32 199	0.33 185	0.32 224	0.33 170	0.32 211

HanzoNet	0.39 191	0.38 124	0.40 216	0.39 173	0.41 257	0.38 199	0.38 237	0.38 191	0.38 236	0.39 197	0.39 246	0.38 200	0.38 233	0.39 207	0.40 243	0.38 208	0.38 215	0.40 229	0.38 250	0.38 201	0.40 237

StereoDRNet-Refined	0.33 164	0.39 130	0.26 165	0.39 173	0.26 189	0.40 206	0.26 178	0.40 199	0.26 185	0.39 197	0.26 186	0.39 204	0.26 183	0.39 207	0.26 179	0.37 201	0.25 162	0.37 212	0.25 181	0.37 194	0.37 228
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DCVSM-stereo	0.36 176	1.89 323	0.22 146	0.40 186	0.22 169	0.40 206	0.22 157	0.40 199	0.22 160	0.40 201	0.22 165	0.40 210	0.22 164	0.40 210	0.22 159	0.28 167	0.21 151	0.28 167	0.21 160	0.28 156	0.20 145

IGEV++	0.34 166	0.43 147	0.30 176	0.40 186	0.29 200	0.40 206	0.29 192	0.40 199	0.29 196	0.40 201	0.29 199	0.40 210	0.29 201	0.40 210	0.30 200	0.38 208	0.29 185	0.37 212	0.29 207	0.37 194	0.29 193

xx1	0.38 186	1.03 229	0.31 182	0.40 186	0.31 213	0.41 222	0.28 187	0.40 199	0.29 196	0.40 201	0.29 199	0.40 210	0.29 201	0.40 210	0.29 193	0.34 184	0.33 203	0.34 192	0.32 224	0.34 174	0.32 211

1test111	0.37 180	1.02 227	0.30 176	0.39 173	0.29 200	0.40 206	0.28 187	0.39 195	0.29 196	0.39 197	0.29 199	0.39 204	0.28 197	0.40 210	0.29 193	0.33 181	0.32 199	0.33 185	0.31 220	0.32 165	0.31 207

cc1	0.37 180	1.02 227	0.30 176	0.39 173	0.29 200	0.40 206	0.28 187	0.39 195	0.29 196	0.39 197	0.29 199	0.39 204	0.28 197	0.40 210	0.29 193	0.33 181	0.32 199	0.33 185	0.31 220	0.32 165	0.31 207

knoymous	0.40 194	0.40 132	0.40 216	0.40 186	0.40 251	0.40 206	0.40 243	0.40 199	0.40 243	0.40 201	0.40 247	0.40 210	0.40 238	0.40 210	0.40 243	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 237

anonymousa	0.40 194	0.40 132	0.40 216	0.40 186	0.40 251	0.40 206	0.40 243	0.40 199	0.40 243	0.40 201	0.40 247	0.40 210	0.40 238	0.40 210	0.40 243	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 237

riskmin	0.40 194	0.40 132	0.40 216	0.40 186	0.40 251	0.40 206	0.40 243	0.40 199	0.40 243	0.40 201	0.40 247	0.40 210	0.40 238	0.40 210	0.40 243	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 237

Anonymous_2	0.40 194	0.40 132	0.40 216	0.40 186	0.40 251	0.40 206	0.40 243	0.40 199	0.40 243	0.40 201	0.40 247	0.40 210	0.40 238	0.40 210	0.40 243	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 237

Anonymous_1	0.40 194	0.40 132	0.40 216	0.40 186	0.40 251	0.40 206	0.40 243	0.40 199	0.40 243	0.40 201	0.40 247	0.40 210	0.40 238	0.40 210	0.40 243	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 237

IER	0.88 291	7.04 418	2.23 410	2.75 396	0.28 194	0.43 242	0.25 171	0.39 195	0.25 172	0.41 214	0.27 191	0.39 204	0.25 174	0.40 210	0.28 186	0.37 201	0.28 176	0.37 212	0.25 181	0.37 194	0.25 163

CRFU-Net	0.65 243	1.67 314	1.22 374	1.96 377	0.27 191	0.41 222	0.27 181	0.41 213	0.27 190	0.40 201	0.26 186	0.41 221	0.27 191	0.40 210	0.27 180	1.80 390	1.62 393	0.34 192	0.23 168	0.33 170	0.23 152

NINENet	0.69 252	3.87 385	1.20 327	1.98 378	0.05 80	0.40 206	0.04 65	0.40 199	0.05 80	0.41 214	0.04 73	0.41 221	0.05 75	0.40 210	0.05 70	1.79 389	1.56 391	0.34 192	0.22 163	0.34 174	0.23 152

AdaStereo	0.40 194	0.40 132	0.40 216	0.40 186	0.40 251	0.40 206	0.40 243	0.40 199	0.40 243	0.40 201	0.40 247	0.40 210	0.40 238	0.40 210	0.40 243	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 237
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
RAFT-Stereo-weight	0.45 214	1.90 325	0.34 198	0.42 204	0.36 238	0.43 242	0.35 221	0.42 229	0.34 221	0.42 225	0.34 222	0.44 240	0.34 220	0.41 224	0.34 221	0.38 208	0.32 199	0.38 219	0.32 224	0.38 201	0.33 214

RAFT-Test	0.36 176	0.37 122	0.33 191	0.41 196	0.32 215	0.41 222	0.32 202	0.41 213	0.32 211	0.41 214	0.32 213	0.41 221	0.32 213	0.41 224	0.33 208	0.37 201	0.29 185	0.37 212	0.29 207	0.38 201	0.31 207

GMOStereo	0.37 180	0.45 150	0.23 149	0.30 146	0.37 240	0.41 222	0.36 227	0.41 213	0.35 224	0.43 231	0.36 232	0.41 221	0.40 238	0.41 224	0.36 226	0.34 184	0.22 155	0.47 260	0.37 244	0.39 208	0.33 214

error version	0.93 300	4.47 394	2.35 413	1.99 379	0.37 240	0.41 222	0.36 227	0.41 213	0.35 224	0.43 231	0.36 232	0.41 221	0.40 238	0.41 224	0.36 226	1.87 392	2.16 405	0.47 260	0.37 244	0.39 208	0.33 214

test_1	0.93 300	4.47 394	2.35 413	1.99 379	0.37 240	0.41 222	0.36 227	0.41 213	0.35 224	0.43 231	0.36 232	0.41 221	0.40 238	0.41 224	0.36 226	1.87 392	2.16 405	0.47 260	0.37 244	0.39 208	0.33 214

GwcNet-ADL	0.41 201	0.41 139	0.41 224	0.41 196	0.41 257	0.41 222	0.41 250	0.41 213	0.41 252	0.41 214	0.41 253	0.41 221	0.41 248	0.41 224	0.41 250	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 244

PSMNet-ADL	0.41 201	0.41 139	0.41 224	0.41 196	0.41 257	0.41 222	0.41 250	0.41 213	0.41 252	0.41 214	0.41 253	0.41 221	0.41 248	0.41 224	0.41 250	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 244

GANet-ADL	0.41 201	0.41 139	0.41 224	0.41 196	0.41 257	0.41 222	0.41 250	0.41 213	0.41 252	0.41 214	0.41 253	0.41 221	0.41 248	0.41 224	0.41 250	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 244

ADLNet2	0.41 201	0.41 139	0.41 224	0.41 196	0.41 257	0.41 222	0.41 250	0.41 213	0.41 252	0.41 214	0.41 253	0.41 221	0.41 248	0.41 224	0.41 250	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 244

ADLNet	0.41 201	0.41 139	0.41 224	0.41 196	0.41 257	0.41 222	0.41 250	0.41 213	0.41 252	0.41 214	0.41 253	0.41 221	0.41 248	0.41 224	0.41 250	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 244

DGSMNet	0.34 166	0.41 139	0.27 166	0.41 196	0.28 194	0.41 222	0.28 187	0.41 213	0.27 190	0.41 214	0.27 191	0.42 237	0.27 191	0.41 224	0.28 186	0.40 218	0.29 185	0.40 229	0.28 198	0.40 211	0.27 177

Gwc-CoAtRS	0.41 201	1.49 308	0.32 186	0.42 204	0.32 215	0.41 222	0.32 202	0.41 213	0.33 214	0.41 214	0.32 213	0.41 221	0.32 213	0.41 224	0.32 205	0.39 215	0.28 176	0.39 225	0.28 198	0.40 211	0.28 189

hknet	1.10 315	1.85 322	3.49 433	4.48 411	0.02 20	0.42 238	0.06 85	0.41 213	0.02 20	0.48 245	0.03 44	0.41 221	0.03 44	0.42 236	0.03 39	4.39 420	4.19 431	0.33 185	0.23 168	0.34 174	0.27 177

RCA-Stereo	0.51 232	3.22 371	0.34 198	0.44 206	0.34 230	0.44 244	0.34 218	0.43 232	0.34 221	0.43 231	0.34 222	0.44 240	0.33 217	0.43 237	0.33 208	0.38 208	0.29 185	0.38 219	0.29 207	0.38 201	0.29 193

UCFNet_RVC	2.75 414	10.06 440	0.29 172	10.31 457	0.29 200	0.42 238	0.29 192	0.43 232	0.29 196	0.42 225	0.29 199	0.42 237	9.87 457	0.43 237	0.29 193	0.36 197	9.84 457	0.36 210	0.26 188	9.77 456	0.26 169

LL-Strereo2	0.48 225	1.73 319	0.51 253	0.59 236	0.34 230	0.42 238	0.33 209	0.40 199	0.31 208	0.42 225	0.33 216	0.42 237	0.31 212	0.44 239	0.39 240	0.60 266	0.51 256	0.44 251	0.33 230	0.44 227	0.33 214

CES	0.39 191	0.47 156	0.36 204	0.36 163	0.37 240	0.45 245	0.35 221	0.35 176	0.40 243	0.36 186	0.44 264	0.47 247	0.36 227	0.44 239	0.36 226	0.37 201	0.39 220	0.44 251	0.35 236	0.37 194	0.36 225

CFNet-RSSM	0.91 294	4.89 398	0.34 198	0.44 206	1.07 343	1.62 395	1.40 402	0.91 297	0.35 224	1.60 389	1.39 401	0.64 283	0.34 220	0.44 239	0.33 208	0.41 225	0.35 205	0.75 296	0.30 215	0.41 220	0.29 193

Former-RAFT_DAM_RVC	0.49 228	0.98 214	0.64 266	0.84 260	0.46 269	0.45 245	0.35 221	0.47 240	0.47 265	0.45 235	0.34 222	0.46 242	0.48 266	0.46 242	0.35 223	0.39 215	0.71 283	0.39 225	0.35 236	0.41 220	0.41 244

otaku	0.46 216	0.46 152	0.46 236	0.46 208	0.46 269	0.46 247	0.46 260	0.46 235	0.46 260	0.46 236	0.46 266	0.46 242	0.46 257	0.46 242	0.46 262	0.46 240	0.46 239	0.46 256	0.46 270	0.46 230	0.46 255

Dean	0.46 216	0.46 152	0.46 236	0.46 208	0.46 269	0.46 247	0.46 260	0.46 235	0.46 260	0.47 241	0.46 266	0.46 242	0.46 257	0.46 242	0.46 262	0.46 240	0.46 239	0.46 256	0.46 270	0.46 230	0.46 255

ACVNet_1	0.46 216	0.47 156	0.46 236	0.46 208	0.46 269	0.46 247	0.46 260	0.46 235	0.47 265	0.46 236	0.46 266	0.46 242	0.46 257	0.46 242	0.46 262	0.46 240	0.46 239	0.47 260	0.46 270	0.46 230	0.46 255

gcap-zeroshot	0.35 172	0.32 114	0.37 205	0.49 218	0.39 250	0.33 181	0.21 152	0.26 156	0.35 224	0.42 225	0.34 222	0.49 254	0.29 201	0.47 246	0.39 240	0.34 184	0.17 140	0.38 219	0.23 168	0.48 240	0.34 220

Ntro	0.47 221	0.47 156	0.46 236	0.46 208	0.46 269	0.47 251	0.47 265	0.46 235	0.47 265	0.46 236	0.46 266	0.47 247	0.46 257	0.47 246	0.47 266	0.47 245	0.46 239	0.46 256	0.46 270	0.46 230	0.46 255

HaxPig	0.47 221	0.47 156	0.47 241	0.49 218	0.47 275	0.47 251	0.47 265	0.47 240	0.47 265	0.47 241	0.47 273	0.47 247	0.47 265	0.47 246	0.47 266	0.47 245	0.47 245	0.47 260	0.47 276	0.47 237	0.48 263

UNDER WATER	0.47 221	0.47 156	0.47 241	0.47 213	0.47 275	0.47 251	0.47 265	0.47 240	0.47 265	0.47 241	0.47 273	0.47 247	0.46 257	0.47 246	0.47 266	0.47 245	0.47 245	0.47 260	0.46 270	0.47 237	0.47 261

LVE	0.47 221	0.47 156	0.47 241	0.47 213	0.49 279	0.47 251	0.47 265	0.47 240	0.49 272	0.47 241	0.47 273	0.47 247	0.46 257	0.47 246	0.47 266	0.47 245	0.47 245	0.48 268	0.47 276	0.47 237	0.47 261

ACVNet-4b	0.46 216	0.46 152	0.46 236	0.46 208	0.46 269	0.46 247	0.46 260	0.46 235	0.46 260	0.46 236	0.46 266	0.46 242	0.46 257	0.47 246	0.46 262	0.46 240	0.46 239	0.46 256	0.46 270	0.46 230	0.46 255

TorneroNet	0.66 245	0.53 171	0.50 251	0.50 225	0.64 301	1.06 322	0.70 297	0.50 254	0.51 279	0.49 250	0.69 306	0.49 254	0.50 273	0.48 252	1.15 337	0.71 279	0.49 250	1.14 334	1.08 333	0.49 244	0.49 266

RainbowNet	0.48 225	0.48 162	0.48 245	0.48 216	0.48 277	0.48 255	0.48 271	0.48 244	0.48 271	0.48 245	0.48 276	0.48 252	0.48 266	0.48 252	0.48 271	0.48 249	0.48 248	0.48 268	0.48 278	0.48 240	0.48 263

notaker	0.48 225	0.49 163	0.48 245	0.48 216	0.48 277	0.48 255	0.48 271	0.48 244	0.49 272	0.48 245	0.48 276	0.48 252	0.48 266	0.48 252	0.48 271	0.48 249	0.48 248	0.48 268	0.48 278	0.48 240	0.49 266

PCWNet_CMD	2.80 416	9.82 438	0.32 186	10.09 456	0.32 215	0.49 257	0.33 209	3.34 418	0.33 214	0.49 250	0.33 216	0.49 254	8.73 453	0.48 252	0.33 208	0.41 225	9.22 452	0.42 249	0.29 207	9.55 455	0.31 207

CFNet_ucs	2.73 413	9.64 437	0.33 191	9.92 454	0.32 215	0.49 257	0.33 209	0.49 246	0.33 214	0.49 250	0.33 216	0.49 254	8.98 455	0.48 252	0.33 208	0.41 225	9.96 458	0.40 229	0.29 207	10.12 458	0.54 273

pcwnet_v2	2.66 411	9.89 439	0.33 191	9.89 453	0.32 215	0.50 265	0.32 202	0.49 246	0.33 214	0.49 250	0.34 222	0.49 254	8.76 454	0.48 252	0.33 208	0.41 225	9.58 454	0.40 229	0.29 207	9.01 453	0.63 286

GCST	0.50 230	2.08 335	0.38 208	0.53 228	0.35 233	0.49 257	0.35 221	0.50 254	0.35 224	0.49 250	0.35 229	0.49 254	0.35 224	0.49 258	0.35 223	0.48 249	0.37 209	0.45 253	0.33 230	0.44 227	0.33 214

ACVNet_2	0.49 228	0.49 163	0.49 249	0.49 218	0.49 279	0.49 257	0.49 273	0.49 246	0.49 272	0.49 250	0.49 279	0.49 254	0.49 270	0.49 258	0.49 273	0.49 252	0.49 250	0.49 271	0.49 280	0.49 244	0.49 266

CFNet_pseudo	2.67 412	9.36 435	0.32 186	10.99 458	0.33 224	0.85 300	0.33 209	0.49 246	0.33 214	0.49 250	0.32 213	0.49 254	7.26 451	0.49 258	0.33 208	0.41 225	9.62 455	0.41 240	0.29 207	10.03 457	0.29 193

MSMDNet	2.65 410	10.14 441	0.33 191	9.74 452	0.32 215	0.87 302	0.33 209	2.95 414	0.68 297	0.49 250	0.34 222	0.49 254	5.70 447	0.49 258	0.33 208	0.42 238	9.57 453	0.41 240	0.31 220	8.36 450	0.65 288

ccs_rob	2.79 415	10.17 442	0.32 186	10.00 455	0.33 224	0.49 257	0.33 209	1.90 392	0.32 211	0.51 263	0.33 216	0.49 254	9.24 456	0.49 258	0.33 208	0.41 225	9.82 456	0.41 240	0.28 198	9.34 454	0.29 193

UGAM-zero	0.51 232	2.17 342	0.39 214	0.53 228	0.36 238	0.50 265	0.36 227	0.50 254	0.36 233	0.49 250	0.36 232	0.50 268	0.35 224	0.50 263	0.36 226	0.49 252	0.37 209	0.47 260	0.35 236	0.46 230	0.34 220

UGAM	0.51 232	2.23 345	0.39 214	0.54 230	0.35 233	0.50 265	0.35 221	0.49 246	0.35 224	0.49 250	0.35 229	0.49 254	0.36 227	0.50 263	0.36 226	0.49 252	0.37 209	0.45 253	0.34 232	0.45 229	0.34 220

SANet	0.50 230	0.50 165	0.50 251	0.50 225	0.50 282	0.50 265	0.50 275	0.50 254	0.50 275	0.50 262	0.50 281	0.50 268	0.50 273	0.50 263	0.50 274	0.50 258	0.50 255	0.50 274	0.50 282	0.50 248	0.50 269

MyStereo07	0.60 241	3.72 380	0.48 245	0.49 218	0.41 257	0.36 190	0.32 202	0.49 246	0.43 257	0.51 263	0.42 260	0.49 254	0.43 254	0.51 266	0.64 288	0.49 252	0.45 237	0.34 192	0.32 224	0.35 186	0.43 250

GES	0.66 245	2.34 348	0.29 172	0.41 196	0.29 200	0.41 222	0.29 192	0.42 229	0.29 196	0.40 201	0.41 253	0.41 221	0.30 207	0.51 266	0.29 193	0.32 179	0.29 185	0.32 177	2.46 423	2.49 395	0.30 202

psmorigin	0.41 201	0.46 152	0.33 191	0.49 218	0.33 224	0.49 257	0.33 209	0.49 246	0.33 214	0.49 250	0.33 216	0.49 254	0.33 217	0.51 266	0.33 208	0.41 225	0.30 193	0.41 240	0.30 215	0.79 273	0.29 193

Occ-G	1.12 318	0.52 169	3.72 436	3.50 405	0.50 282	0.56 274	0.47 265	0.54 262	0.46 260	0.54 268	0.41 253	0.54 271	0.42 253	0.52 269	0.42 255	3.42 414	4.02 430	0.52 277	0.45 269	0.51 250	0.44 253

iRaftStereo_RVC	0.97 304	3.17 370	2.30 412	2.42 391	0.38 245	0.54 272	0.38 237	0.54 262	0.38 236	0.54 268	0.38 242	0.54 271	0.38 233	0.54 270	0.38 235	2.38 406	2.34 409	0.49 271	0.36 242	0.49 244	0.36 225

PSMNet_ROB	0.54 236	0.54 174	0.54 255	0.54 230	0.53 288	0.54 272	0.54 278	0.53 261	0.54 281	0.54 268	0.54 287	0.54 271	0.53 276	0.54 270	0.54 279	0.54 262	0.53 258	0.54 279	0.54 283	0.54 254	0.54 273

AEACV	1.12 318	0.52 169	3.12 430	3.24 401	0.86 325	0.53 271	0.49 273	0.60 271	0.47 265	0.53 267	0.49 279	0.55 275	0.45 256	0.55 272	0.47 266	3.01 410	3.88 428	0.71 293	0.60 292	0.80 276	0.48 263

MyStereo8	0.71 255	3.92 386	0.52 254	0.59 236	0.52 285	0.57 278	0.53 277	0.59 269	0.50 275	0.59 277	0.51 284	0.57 279	0.50 273	0.56 273	0.52 277	0.54 262	0.49 250	0.54 279	0.49 280	0.55 255	0.50 269

CASS	0.57 240	0.89 199	0.56 256	0.57 233	0.56 289	0.56 274	0.56 279	0.56 264	0.53 280	0.57 274	0.57 290	0.59 281	0.48 266	0.56 273	0.57 282	0.55 264	0.56 261	0.47 260	0.56 287	0.62 256	0.56 280
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PML	0.46 216	1.36 306	0.29 172	0.58 234	0.30 209	0.57 278	0.29 192	0.57 266	0.29 196	0.57 274	0.29 199	0.57 279	0.29 201	0.56 273	0.29 193	0.52 260	0.30 193	0.53 278	0.31 220	0.53 253	0.30 202

MyStereo06	0.75 261	4.12 387	0.60 260	0.63 239	0.61 297	0.62 282	0.66 289	0.56 264	0.45 259	0.55 271	0.48 276	0.54 271	0.46 257	0.57 276	0.45 258	0.60 266	0.57 262	0.64 285	0.55 284	0.72 265	0.55 277

test-3	0.98 306	4.13 389	1.85 405	1.85 371	0.61 297	0.69 287	0.37 232	0.63 273	0.61 288	0.66 283	0.51 284	0.73 293	0.44 255	0.57 276	0.54 279	1.68 387	1.81 403	0.40 229	0.43 267	0.66 258	0.50 269

LL-Strereo	1.01 311	5.06 400	1.63 394	0.70 246	1.43 407	0.56 274	0.46 260	0.57 266	0.50 275	0.57 274	0.50 281	1.58 393	0.49 270	0.59 278	0.50 274	1.64 386	0.52 257	0.51 275	1.37 397	0.52 251	0.45 254

CFNet_RVC	2.38 404	8.71 430	0.38 208	9.33 449	0.42 265	0.56 274	0.42 255	0.60 271	0.38 236	0.62 279	0.42 260	0.56 278	7.29 452	0.62 279	0.42 255	0.53 261	0.37 209	0.49 271	0.34 232	8.30 449	6.87 456

PA-Net	11.80 457	223.51 480	0.62 263	0.59 236	0.71 313	0.59 280	0.73 302	0.67 277	0.73 310	0.55 271	0.61 293	0.60 282	0.74 300	0.63 280	0.73 306	0.66 272	0.60 264	0.69 290	0.66 298	0.72 265	0.65 288
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DispNO	1.00 307	0.63 178	0.43 230	3.45 404	0.44 267	0.65 285	0.43 257	0.64 274	0.43 257	0.64 281	0.43 262	0.64 283	3.03 416	0.64 281	0.43 257	4.55 422	0.43 236	0.63 284	0.43 267	0.63 257	0.43 250

DSFCA	0.66 245	0.73 184	0.78 289	0.65 241	0.65 303	0.64 284	0.64 286	0.65 275	0.63 291	0.64 281	0.64 297	0.64 283	0.64 284	0.65 282	0.65 289	0.65 271	0.65 272	0.65 287	0.65 296	0.66 258	0.64 287

KSHMR	0.66 245	0.50 165	0.48 245	1.15 298	0.52 285	0.49 257	0.51 276	0.49 246	0.71 306	0.67 284	0.50 281	1.16 337	1.11 325	0.66 283	0.52 277	0.49 252	0.49 250	0.51 275	0.66 298	0.50 248	1.14 340

LMCR-Stereo	0.65 243	0.63 178	0.65 269	0.65 241	0.65 303	0.66 286	0.63 285	0.58 268	0.65 293	0.63 280	0.64 297	0.65 286	0.65 286	0.66 283	0.66 292	0.66 272	0.64 271	0.65 287	0.67 301	0.68 260	0.73 301

MyStereo05	0.80 272	4.12 387	0.63 264	0.63 239	0.61 297	0.62 282	0.66 289	0.65 275	0.62 289	0.67 284	0.61 293	0.65 286	0.58 279	0.67 285	0.55 281	0.60 266	0.57 262	0.64 285	0.55 284	0.72 265	0.55 277

ktn	0.72 258	0.53 171	1.08 315	1.14 296	0.51 284	1.22 382	1.36 396	0.51 260	0.59 284	0.51 263	0.51 284	0.69 288	1.20 336	0.67 285	0.51 276	0.51 259	0.49 250	0.58 281	0.66 298	0.52 251	0.53 272

DMCA-RVC	0.70 253	0.80 188	0.70 276	0.70 246	0.70 312	0.70 288	0.70 297	0.71 280	0.70 303	0.70 287	0.71 310	0.71 289	0.70 295	0.70 287	0.69 301	0.69 275	0.70 279	0.69 290	0.70 306	0.69 263	0.70 295

anonymity	0.63 242	0.69 181	0.56 256	0.71 248	0.56 289	0.71 290	0.56 279	0.71 280	0.56 282	0.72 288	0.56 289	0.71 289	0.56 278	0.71 288	0.58 283	0.68 274	0.55 259	0.68 289	0.55 284	0.68 260	0.54 273

Selective-IGEV	0.51 232	0.55 176	0.45 234	0.69 244	0.45 268	0.61 281	0.45 259	0.50 254	0.40 243	0.56 273	0.44 264	0.55 275	0.40 238	0.72 289	0.67 293	0.59 265	0.46 239	0.45 253	0.34 232	0.46 230	0.37 228

iGMRVC	0.84 287	2.85 364	0.72 281	0.72 249	0.73 316	0.77 292	0.79 307	0.73 282	0.74 312	0.73 290	0.72 312	0.73 293	0.76 302	0.73 290	0.73 306	0.72 280	0.73 285	0.73 294	0.72 310	0.73 268	0.72 299

RAFT-Stereo + iAFF	0.70 253	0.72 183	0.71 280	0.80 255	0.62 300	0.82 299	0.61 283	0.81 290	0.62 289	0.81 299	0.63 295	0.80 301	0.70 295	0.73 290	0.61 287	0.76 282	0.61 268	0.74 295	0.61 294	0.77 270	0.61 283

TorneroNet-64	0.45 214	0.27 106	0.30 176	0.58 234	0.27 191	0.70 288	0.30 197	0.28 159	0.73 310	0.73 290	0.28 197	0.71 289	0.66 289	0.75 292	0.27 180	0.27 165	0.29 185	0.37 212	0.75 312	0.28 156	0.30 202

4D-IteraStereo	0.78 269	3.13 368	0.89 297	0.69 244	0.32 215	0.40 206	0.32 202	0.76 283	0.97 331	0.52 266	0.65 299	0.89 309	0.32 213	0.76 293	0.98 325	0.83 291	0.94 304	0.35 205	0.27 194	0.70 264	0.89 317

SPstereo	0.75 261	4.15 390	0.42 229	0.75 251	0.35 233	0.78 294	0.40 243	0.79 285	0.38 236	0.78 295	0.36 232	0.78 298	0.36 227	0.79 294	0.39 240	0.75 281	0.39 220	0.76 298	0.39 253	0.75 269	0.39 236

G-Net	0.79 270	0.79 187	0.79 292	0.79 253	0.79 321	0.79 296	0.79 307	0.79 285	0.79 316	0.79 296	0.79 319	0.79 300	0.79 305	0.79 294	0.79 310	0.79 284	0.79 291	0.79 301	0.79 316	0.79 273	0.79 308

NaN_ROB	0.80 272	0.80 188	0.80 293	0.80 255	0.80 323	0.80 297	0.80 309	0.80 287	0.80 317	0.80 297	0.80 320	0.80 301	0.80 306	0.80 296	0.80 312	0.80 285	0.80 294	0.80 304	0.80 317	0.80 276	0.80 309

CSAN	0.80 272	0.80 188	0.80 293	0.80 255	0.80 323	0.80 297	0.80 309	0.80 287	0.80 317	0.80 297	0.80 320	0.80 301	0.80 306	0.80 296	0.80 312	0.80 285	0.80 294	0.80 304	0.80 317	0.80 276	0.80 309

ARAFT	0.68 250	0.81 191	0.63 264	0.74 250	0.60 292	0.78 294	0.62 284	0.77 284	0.66 295	0.74 294	0.63 295	0.75 295	0.62 283	0.83 298	0.60 285	0.70 278	0.55 259	0.70 292	0.60 292	0.78 271	0.55 277

RSM++	0.76 265	0.82 193	0.66 270	0.85 262	0.64 301	0.85 300	0.71 300	0.94 304	0.64 292	0.87 301	0.67 302	0.87 306	0.65 286	0.84 299	0.65 289	0.81 288	0.70 279	0.79 301	0.71 309	0.83 281	0.70 295

HH	0.71 255	2.54 351	0.74 284	1.10 291	0.32 215	0.41 222	0.37 232	0.69 278	0.78 313	0.73 290	0.90 324	0.75 295	1.00 316	0.84 299	0.69 301	0.69 275	0.40 223	0.35 205	0.26 188	0.35 186	0.26 169

HanStereo	0.71 255	2.54 351	0.74 284	1.10 291	0.32 215	0.41 222	0.37 232	0.69 278	0.78 313	0.73 290	0.90 324	0.75 295	1.00 316	0.84 299	0.69 301	0.69 275	0.40 223	0.35 205	0.26 188	0.35 186	0.26 169

AFF-stereo	0.73 259	0.88 198	0.67 273	0.75 251	0.68 310	0.75 291	0.64 286	0.80 287	0.72 307	0.83 300	0.70 307	0.82 304	0.64 284	0.84 299	0.67 293	0.77 283	0.63 269	0.81 306	0.63 295	0.78 271	0.62 285

Selective-RAFT-Error	0.88 291	0.84 194	0.98 308	0.86 263	0.97 336	0.88 303	0.95 322	0.84 291	0.99 333	0.92 307	0.82 322	0.84 305	0.98 315	0.87 303	0.97 324	0.81 288	0.83 297	0.79 301	0.82 320	0.79 273	0.85 314

DCRE	0.84 287	1.89 323	0.77 288	0.94 273	0.72 315	0.88 303	0.73 302	0.87 292	0.78 313	0.90 303	0.71 310	0.88 307	0.67 291	0.88 304	0.73 306	0.81 288	0.68 274	0.81 306	0.70 306	0.82 280	0.70 295

DDUNet	0.81 277	2.45 349	0.57 258	0.90 265	0.60 292	0.88 303	0.59 282	0.90 295	0.60 285	0.88 302	0.60 291	0.90 310	0.58 279	0.88 304	0.60 285	0.84 293	0.60 264	0.86 311	0.57 288	0.86 283	0.60 282

Selective-RAFT	0.89 293	0.89 199	0.72 281	1.16 303	0.78 320	1.06 322	0.82 312	0.87 292	0.97 331	1.00 315	0.91 326	0.90 310	1.00 316	0.89 306	0.93 322	0.83 291	0.83 297	0.82 308	0.82 320	0.81 279	0.82 312

UDG	0.80 272	2.21 344	0.60 260	0.91 267	0.60 292	0.90 306	0.58 281	0.88 294	0.60 285	0.90 303	0.60 291	0.88 307	0.60 281	0.90 307	0.58 283	0.86 295	0.60 264	0.84 309	0.59 291	0.84 282	0.61 283

MoCha-V2	2.11 392	26.97 461	0.78 289	0.92 270	0.77 319	0.96 313	0.72 301	0.90 295	0.72 307	0.94 311	0.70 307	0.90 310	0.71 299	0.91 308	0.71 305	0.85 294	0.71 283	0.88 312	0.69 304	0.87 284	0.67 292

DPSM_ROB	0.92 296	0.91 202	0.91 301	0.91 267	0.92 332	0.92 308	0.92 318	0.92 300	0.91 323	0.93 309	0.91 326	0.92 313	0.90 310	0.91 308	0.92 318	0.92 299	0.91 300	0.91 315	0.92 324	0.93 293	0.93 320

DPSM	0.92 296	0.91 202	0.91 301	0.91 267	0.92 332	0.92 308	0.92 318	0.92 300	0.91 323	0.93 309	0.91 326	0.92 313	0.90 310	0.91 308	0.92 318	0.92 299	0.91 300	0.91 315	0.92 324	0.93 293	0.93 320

pmcnn	0.92 296	0.92 207	0.92 303	0.92 270	0.92 332	0.92 308	0.92 318	0.92 300	0.92 327	0.92 307	0.92 329	0.92 313	0.92 312	0.92 311	0.92 318	0.92 299	0.92 302	0.92 317	0.92 324	0.92 292	0.92 319

IGEVStereo-DCA	1.77 382	4.21 391	1.84 403	2.49 393	2.11 421	2.54 411	1.36 396	1.65 388	1.17 346	2.75 413	1.90 415	2.54 412	1.15 329	0.94 312	1.11 333	1.50 382	1.32 377	0.96 322	1.46 403	1.49 375	0.88 315

rrr	1.77 382	4.21 391	1.84 403	2.49 393	2.11 421	2.54 411	1.36 396	1.65 388	1.17 346	2.75 413	1.90 415	2.54 412	1.15 329	0.94 312	1.11 333	1.50 382	1.32 377	0.96 322	1.46 403	1.49 375	0.88 315

ToySt	0.92 296	2.11 337	0.90 300	0.95 275	0.79 321	0.99 315	0.78 306	0.94 304	0.81 320	0.94 311	0.78 318	0.95 317	0.77 303	0.94 312	0.86 316	0.91 298	0.79 291	0.85 310	0.77 313	0.89 286	0.73 301

DGTPSM_ROB	0.93 300	1.00 217	0.92 303	0.94 273	0.96 335	0.91 307	0.92 318	0.91 297	0.96 330	0.91 305	0.96 330	0.93 316	0.92 312	0.94 312	0.92 318	0.92 299	0.92 302	0.90 313	0.92 324	0.94 295	0.91 318

R-Stereo Train	0.81 277	0.96 211	0.67 273	0.95 275	0.67 307	0.95 311	0.68 293	0.95 306	0.68 297	0.95 313	0.68 303	0.96 318	0.68 292	0.96 316	0.68 297	0.94 303	0.68 274	0.94 319	0.68 302	0.94 295	0.68 293

RAFT-Stereo	0.81 277	0.96 211	0.67 273	0.95 275	0.67 307	0.95 311	0.68 293	0.95 306	0.68 297	0.95 313	0.68 303	0.96 318	0.68 292	0.96 316	0.68 297	0.94 303	0.68 274	0.94 319	0.68 302	0.94 295	0.68 293
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AIO-Stereo	0.84 287	0.66 180	0.70 276	0.83 259	0.67 307	0.98 314	0.82 312	1.14 317	0.72 307	1.03 320	0.74 315	1.03 325	1.09 324	0.99 318	0.45 258	1.04 309	0.73 285	0.95 321	0.74 311	0.94 295	0.46 255

GANet	1.00 307	1.00 217	1.00 310	1.00 282	1.00 337	1.00 316	1.00 325	1.00 308	1.00 334	1.00 315	1.00 332	1.00 320	1.00 316	1.00 319	1.00 327	1.00 305	1.00 305	1.00 326	1.00 328	1.00 299	1.00 326

TDLM	1.00 307	1.00 217	1.00 310	1.00 282	1.00 337	1.00 316	1.00 325	1.00 308	1.00 334	1.00 315	1.00 332	1.00 320	1.00 316	1.00 319	1.00 327	1.00 305	1.00 305	1.00 326	1.00 328	1.00 299	1.00 326

CVANet_RVC	1.00 307	1.00 217	1.00 310	1.00 282	1.00 337	1.00 316	1.00 325	1.00 308	1.00 334	1.00 315	1.00 332	1.00 320	1.00 316	1.00 319	1.00 327	1.00 305	1.00 305	1.00 326	1.00 328	1.00 299	1.00 326

trnet	1.01 311	1.01 223	1.01 313	1.01 285	1.01 341	1.01 319	1.01 328	1.01 311	1.01 337	1.01 319	1.01 335	1.01 323	1.01 322	1.01 322	1.01 330	1.01 308	1.01 308	1.01 329	1.01 331	1.01 302	1.01 329

STTRV1_RVC	0.82 281	1.60 312	0.70 276	1.01 285	0.60 292	1.07 325	0.69 296	1.01 311	0.60 285	0.72 288	0.55 288	1.02 324	0.68 292	1.03 323	0.67 293	0.89 297	0.63 269	0.92 317	0.57 288	0.90 288	0.65 288

DPSimNet_ROB	0.97 304	1.18 248	0.81 295	1.10 291	0.91 331	1.02 320	0.82 312	1.04 313	0.91 323	1.03 320	0.86 323	1.28 388	0.82 308	1.03 323	0.89 317	1.17 322	0.81 296	1.02 330	0.82 320	1.08 305	0.81 311

AIO-Stereo-zeroshot1	0.75 261	0.92 207	0.85 296	0.96 278	0.59 291	1.27 385	0.44 258	0.59 269	0.69 300	0.91 305	0.68 303	0.55 275	0.61 282	1.06 325	0.83 315	0.62 270	0.70 279	0.90 313	0.41 260	0.89 286	0.56 280

AIO-Stereo-zeroshot	0.91 294	0.86 195	0.89 297	1.25 355	0.69 311	1.05 321	0.81 311	1.16 320	0.50 275	1.12 329	0.97 331	0.72 292	0.82 308	1.06 325	0.95 323	0.61 269	0.87 299	1.03 331	0.85 323	1.04 303	1.01 329

GLC_STEREO	1.07 313	1.01 223	1.06 314	1.07 289	1.05 342	1.06 322	1.08 331	1.08 314	1.05 339	1.07 322	1.06 336	1.08 327	1.05 323	1.06 325	1.10 332	1.07 311	1.09 316	1.05 332	1.05 332	1.06 304	1.12 336

11t	1.27 369	2.70 358	1.34 380	1.32 358	0.89 327	1.30 387	1.34 394	1.64 387	0.57 283	1.45 387	0.72 312	1.05 326	1.29 388	1.07 328	1.29 394	1.49 381	1.02 309	0.97 324	1.15 337	1.48 374	1.31 396

RGC	2.36 400	25.48 455	1.19 324	1.15 298	1.15 345	1.10 328	1.16 338	1.17 322	1.16 342	1.12 329	1.16 340	1.11 334	1.13 326	1.09 329	1.18 342	1.10 314	1.15 324	1.16 336	1.12 335	1.14 308	1.12 336

Abc-Net	2.32 397	24.75 453	1.14 318	1.17 304	1.17 350	1.11 331	1.15 336	1.17 322	1.21 394	1.08 323	1.16 340	1.12 335	1.14 328	1.09 329	1.17 341	1.09 312	1.16 325	1.17 340	1.17 340	1.16 311	1.11 334
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 398	25.00 454	1.13 317	1.15 298	1.15 345	1.10 328	1.15 336	1.15 318	1.15 341	1.12 329	1.15 337	1.09 329	1.13 326	1.10 331	1.15 337	1.11 319	1.09 316	1.16 336	1.12 335	1.16 311	1.17 342

edge stereo	2.43 405	27.07 462	1.14 318	1.06 288	1.14 344	1.08 326	1.17 339	1.16 320	1.14 340	1.10 324	1.16 340	1.09 329	1.16 333	1.10 331	1.16 340	1.10 314	1.11 320	1.16 336	1.19 341	1.13 307	1.11 334

Nwc_Net	2.37 402	25.95 458	1.15 320	1.14 296	1.15 345	1.08 326	1.14 335	1.17 322	1.16 342	1.14 332	1.15 337	1.08 327	1.15 329	1.11 333	1.14 336	1.10 314	1.11 320	1.16 336	1.09 334	1.16 311	1.15 341

AF-Net	2.37 402	25.71 457	1.17 321	1.13 295	1.15 345	1.15 334	1.18 340	1.19 325	1.16 342	1.10 324	1.15 337	1.10 331	1.18 334	1.12 334	1.15 337	1.10 314	1.10 319	1.17 340	1.15 337	1.16 311	1.12 336

NCC-stereo	2.36 400	25.52 456	1.17 321	1.15 298	1.17 350	1.11 331	1.11 332	1.15 318	1.16 342	1.10 324	1.16 340	1.10 331	1.15 329	1.14 335	1.13 335	1.09 312	1.11 320	1.15 335	1.16 339	1.17 316	1.17 342

stereogan	2.33 398	24.38 452	1.18 323	1.18 305	1.18 352	1.14 333	1.18 340	1.19 325	1.19 348	1.14 332	1.18 344	1.14 336	1.18 334	1.14 335	1.18 342	1.14 321	1.14 323	1.19 343	1.19 341	1.15 309	1.19 344

HSM-Net_RVC	0.95 303	1.17 246	0.78 289	1.18 305	0.71 313	1.16 335	0.75 304	1.09 315	0.80 317	1.10 324	0.75 316	1.17 338	0.74 300	1.17 337	0.80 312	1.13 320	0.73 285	1.17 340	0.77 313	1.16 311	0.72 299
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
S-Stereo	2.51 407	26.86 460	1.23 376	1.22 352	1.22 400	1.24 384	1.25 391	1.22 374	1.24 397	1.21 380	1.24 393	1.19 339	1.27 386	1.19 338	1.24 391	1.19 323	1.20 329	1.25 391	1.19 341	1.24 368	1.23 392

DisPM	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

CrosDoStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

PFNet+	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

LCNet	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

HHNet	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

Patchmatch Stereo++	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

STrans-v2	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

TransformOpticalFlow	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

OMP-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

IIG-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

NF-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

OCTAStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

PSM-softLoss	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

KMStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

NRIStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

PSM-adaLoss	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

PSM-AAD	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

FTStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

ROB_FTStereo_v2	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

ROB_FTStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

Consistency-Raft	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

KYRaft	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

HUI-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

ASMatch	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

DeepStereo_LL	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

DEmStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

SST-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

THIR-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

RAFT_R40	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

DRaft	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

PFNet	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

GrayStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

RE-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

Pruner-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

TVStereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

DeepStereo_RVC	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

RAFT-RH_RVC	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

IRAFT_RVC	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

RAFT-345	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

iRAFT	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

CRE-IMP	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

GMM-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

RAFT-IKP	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

Prome-Stereo	1.20 321	1.20 250	1.20 327	1.20 307	1.20 353	1.20 336	1.20 342	1.20 328	1.20 349	1.20 335	1.20 345	1.20 340	1.20 336	1.20 339	1.20 344	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

FAT-Stereo	2.46 406	26.05 459	1.23 376	1.23 354	1.22 400	1.20 336	1.24 390	1.23 376	1.23 396	1.19 334	1.22 391	1.21 385	1.24 384	1.20 339	1.24 391	1.21 369	1.17 327	1.22 390	1.25 391	1.20 320	1.24 393

CroCo-Stereo	0.73 259	1.22 297	0.25 159	1.22 352	0.25 181	1.22 382	0.25 171	1.22 374	0.25 172	1.22 381	0.25 180	1.22 386	0.25 174	1.22 385	0.25 174	1.22 370	0.26 166	1.21 389	0.25 181	1.22 367	0.25 163
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
CroCo-Stereo Lap2	0.77 266	1.29 300	0.29 172	1.27 356	0.29 200	1.27 385	0.26 178	1.26 377	0.26 185	1.26 382	0.26 186	1.27 387	0.26 183	1.26 386	0.27 180	1.27 372	0.27 171	1.27 392	0.27 194	1.27 369	0.27 177

FC-DCNN	1.07 313	1.09 238	0.98 308	0.89 264	0.52 285	1.41 392	0.91 317	1.21 373	1.24 397	1.96 397	2.05 421	1.91 397	1.30 389	1.27 387	1.08 331	0.80 285	0.60 264	0.58 281	0.41 260	0.68 260	0.54 273

MaskLacGwcNet_RVC	1.35 370	1.35 305	1.35 382	1.35 360	1.35 402	1.35 388	1.35 395	1.36 382	1.35 402	1.36 385	1.35 397	1.36 389	1.36 391	1.36 388	1.35 396	1.35 377	1.35 383	1.35 394	1.35 394	1.35 371	1.35 399

CC-Net-ROB	1.36 371	1.33 304	1.33 379	1.36 361	1.38 405	1.36 389	1.33 393	1.37 383	1.34 400	1.35 384	1.36 398	1.38 390	1.34 390	1.38 389	1.38 398	1.35 377	1.38 386	1.33 393	1.35 394	1.43 373	1.34 398

RASNet	1.49 374	1.65 313	1.45 390	1.38 363	1.43 407	1.47 393	1.36 396	1.38 384	1.36 403	1.39 386	1.60 407	1.45 392	1.45 395	1.51 390	2.21 416	1.53 384	1.36 384	1.36 396	1.36 396	1.66 379	1.36 400

DPSMNet_ROB	1.60 377	1.59 311	1.70 397	1.59 366	1.59 409	1.61 394	1.61 405	1.60 385	1.60 408	1.62 393	1.59 406	1.60 394	1.60 397	1.60 391	1.59 403	1.59 385	1.60 392	1.59 401	1.59 406	1.59 378	1.59 406

PS-NSSS	1.38 373	1.39 307	1.34 380	1.34 359	1.35 402	1.38 390	1.37 401	1.35 381	1.38 405	1.34 383	1.34 396	1.39 391	1.38 393	1.70 392	1.40 399	1.36 379	1.36 384	1.36 396	1.37 397	1.37 372	1.36 400

test_xeample3	1.10 315	1.81 320	0.61 262	0.84 260	0.49 279	0.77 292	0.66 289	0.92 300	1.40 406	0.68 286	0.46 266	0.78 298	0.54 277	1.72 393	1.48 401	1.34 376	1.52 390	1.35 394	1.67 409	1.33 370	1.55 405

HBP-ISP	1.24 367	1.72 315	1.65 395	1.15 298	0.76 318	1.40 391	0.88 315	1.67 390	1.02 338	1.69 394	1.38 400	1.69 395	1.21 382	1.87 394	1.21 389	1.05 310	0.79 291	0.97 324	0.80 317	1.19 319	0.75 305

GANetREF_RVC	1.55 375	1.94 332	1.22 374	1.88 372	1.21 399	1.88 399	1.22 388	1.88 391	1.22 395	1.88 395	1.22 391	1.88 396	1.22 383	1.89 395	1.22 390	1.87 392	1.22 376	1.88 403	1.22 390	1.88 383	1.22 391
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
RAFT_CTSACE	1.92 386	3.71 379	1.72 399	1.88 372	1.72 413	2.04 402	1.42 404	2.18 399	1.89 420	2.02 400	1.97 417	1.95 398	2.06 406	1.93 396	1.62 404	1.76 388	1.66 396	2.02 406	1.73 415	1.73 380	1.43 404

MFMNet_re	1.81 384	1.91 326	1.71 398	1.95 376	1.70 412	1.95 400	1.70 408	1.96 393	1.74 411	1.97 398	1.72 410	1.95 398	1.71 400	1.97 397	1.71 409	1.86 391	1.62 393	1.85 402	1.66 408	1.86 382	1.64 407

SPS-STEREO	1.59 376	1.91 326	1.21 373	1.94 375	1.20 353	2.00 401	1.23 389	1.99 394	1.24 397	2.00 399	1.25 394	2.03 400	1.26 385	2.00 398	1.29 394	1.90 395	1.18 328	1.89 404	1.21 389	1.89 384	1.20 345
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
TRStereo	2.00 387	2.13 338	1.85 405	2.27 386	1.84 416	2.28 405	1.84 411	2.29 401	1.86 417	2.30 406	1.87 412	2.30 403	1.87 403	2.08 399	1.72 411	2.08 400	1.72 398	2.08 407	1.72 412	2.08 386	1.72 410

XX-Stereo	2.00 387	2.13 338	1.85 405	2.27 386	1.84 416	2.28 405	1.84 411	2.29 401	1.86 417	2.30 406	1.87 412	2.30 403	1.87 403	2.08 399	1.72 411	2.08 400	1.72 398	2.08 407	1.72 412	2.08 386	1.72 410

EAI-Stereo	2.00 387	2.13 338	1.85 405	2.27 386	1.84 416	2.28 405	1.84 411	2.29 401	1.86 417	2.30 406	1.87 412	2.30 403	1.87 403	2.08 399	1.72 411	2.08 400	1.72 398	2.08 407	1.72 412	2.08 386	1.72 410

MC-Stereo	1.76 381	2.96 365	1.37 387	2.14 381	1.37 404	2.14 403	1.36 396	2.14 398	1.37 404	2.14 404	1.37 399	2.14 401	1.37 392	2.14 402	1.37 397	1.97 396	1.32 377	1.97 405	1.32 393	1.98 385	1.33 397

ff7	1.68 378	2.68 355	1.35 382	0.97 279	0.89 327	1.84 396	2.15 414	2.12 395	1.80 414	2.05 401	1.56 403	2.33 406	2.12 407	2.23 403	2.25 417	1.31 373	1.07 310	1.48 398	1.41 399	0.90 288	1.04 331

ffff	1.68 378	2.68 355	1.35 382	0.97 279	0.89 327	1.84 396	2.15 414	2.12 395	1.80 414	2.05 401	1.56 403	2.33 406	2.12 407	2.23 403	2.25 417	1.31 373	1.07 310	1.48 398	1.41 399	0.90 288	1.04 331

ccc-4	1.68 378	2.68 355	1.35 382	0.97 279	0.89 327	1.84 396	2.15 414	2.12 395	1.80 414	2.05 401	1.56 403	2.33 406	2.12 407	2.23 403	2.25 417	1.31 373	1.07 310	1.48 398	1.41 399	0.90 288	1.04 331

NCCL2	2.28 396	2.27 346	2.28 411	2.28 389	2.28 423	2.27 404	2.29 417	2.28 400	2.28 421	2.27 405	2.28 422	2.28 402	2.27 410	2.27 406	2.28 421	2.28 403	2.28 408	2.27 410	2.29 421	2.27 390	2.29 417

STTStereo	3.73 422	30.40 466	2.37 415	2.39 390	2.31 425	2.35 408	2.33 418	2.29 401	2.42 422	2.32 409	2.34 423	2.33 406	2.36 411	2.30 407	2.27 420	2.35 405	2.22 407	2.31 411	2.22 418	2.29 392	2.34 421

ccnet	0.80 272	2.28 347	0.33 191	0.50 225	0.33 224	0.50 265	0.33 209	0.50 254	0.33 214	0.49 250	0.33 216	0.49 254	1.56 396	2.38 408	0.33 208	0.41 225	0.29 185	0.42 249	1.57 405	2.28 391	0.29 193

FBW_ROB	2.12 393	2.46 350	1.77 401	2.49 393	1.79 415	2.38 409	1.83 410	2.46 406	1.78 413	2.48 410	1.97 417	2.40 410	1.78 401	2.42 409	1.83 415	2.31 404	1.85 404	2.38 412	1.82 417	2.35 393	1.84 414

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

sAnonymous2	3.31 419	2.63 353	1.38 388	3.71 409	1.86 419	4.70 442	1.11 332	4.82 444	2.72 424	5.45 447	1.98 419	4.59 435	2.64 412	2.65 411	6.21 452	4.37 418	1.08 314	5.16 446	2.24 419	4.52 416	2.39 422

CroCo_RVC	3.31 419	2.63 353	1.38 388	3.71 409	1.86 419	4.70 442	1.11 332	4.82 444	2.72 424	5.45 447	1.98 419	4.59 435	2.64 412	2.65 411	6.21 452	4.37 418	1.08 314	5.16 446	2.24 419	4.52 416	2.39 422

sCroCo_RVC	2.10 391	2.76 359	1.92 409	2.78 397	1.39 406	2.73 413	1.41 403	2.73 409	1.40 406	2.77 415	1.41 402	2.74 414	1.40 394	2.74 413	1.40 399	2.72 408	1.42 387	2.72 414	1.44 402	2.79 400	1.42 403

NLCA_NET_v2_RVC	5.04 447	50.87 473	2.78 417	2.87 398	2.71 426	2.78 414	0.47 265	2.88 413	2.86 426	1.89 396	2.67 424	2.79 415	2.79 415	2.78 414	2.83 422	2.82 409	2.82 411	2.83 415	2.77 424	2.83 401	2.76 425
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
plain	1.88 385	3.16 369	0.64 266	3.10 399	0.65 303	3.10 416	0.64 286	3.12 415	0.65 293	3.10 416	0.65 299	3.11 416	0.65 286	3.12 415	0.65 289	3.12 411	0.65 272	3.13 416	0.65 296	3.13 402	0.65 288

SA	4.33 436	7.35 420	6.85 451	5.96 434	4.09 448	3.59 421	3.15 438	3.82 424	2.64 423	3.91 422	3.85 442	3.57 420	2.72 414	3.13 416	4.03 443	7.09 451	6.86 446	3.57 420	3.12 433	3.85 406	3.51 440

Anonymous3	2.55 408	3.26 372	1.65 395	3.28 402	1.63 410	3.24 418	1.68 406	3.27 417	1.66 409	3.28 418	1.67 408	3.25 418	1.66 398	3.27 417	1.64 405	3.26 412	1.65 395	3.30 417	1.65 407	4.95 431	1.65 409

PDISCO_ROB	0.83 285	2.80 363	3.49 433	0.14 85	0.11 113	0.17 122	0.09 90	0.15 117	0.10 96	0.15 111	0.12 119	0.16 116	0.14 131	3.30 418	0.13 122	0.14 100	2.34 409	0.16 120	0.12 124	2.62 399	0.10 93

MIF-Stereo (partial)	2.58 409	3.31 373	0.66 270	3.18 400	0.66 306	3.18 417	0.66 289	3.21 416	0.67 296	3.19 417	0.66 301	3.19 417	0.66 289	3.31 419	0.68 297	5.09 437	1.79 402	8.23 456	1.67 409	6.18 440	1.38 402

UniTT-Stereo	2.03 390	3.43 374	0.72 281	3.42 403	0.73 316	3.27 419	0.68 293	3.38 419	0.69 300	3.29 419	0.72 312	3.28 419	0.70 295	3.35 420	0.68 297	3.39 413	0.68 274	3.31 418	0.69 304	3.37 403	0.73 301

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

RAStereo	2.23 394	3.64 376	0.76 287	3.65 408	0.86 325	3.66 423	0.76 305	3.67 423	0.81 320	3.66 420	0.76 317	3.66 421	0.77 303	3.68 422	0.77 309	3.68 416	0.77 290	3.69 423	0.77 313	3.70 405	0.77 307

test_5	4.62 441	7.55 422	6.23 446	6.32 436	3.40 442	5.29 447	3.50 440	3.53 421	4.11 447	4.28 426	4.47 449	4.26 429	4.38 441	3.68 422	3.24 435	5.89 442	5.60 438	4.84 443	3.50 438	4.33 413	3.93 448

Sa-1000	4.34 437	8.37 426	6.84 450	6.98 441	4.45 451	3.58 420	3.00 424	3.42 420	3.39 440	2.61 412	4.00 445	3.83 424	4.01 438	3.90 424	3.90 441	5.98 444	5.62 439	3.76 424	2.34 422	4.35 414	2.47 424

TestStereo1	4.60 438	8.41 427	6.44 448	6.86 439	3.79 445	3.97 425	3.78 443	3.99 426	3.74 442	3.97 423	3.52 439	3.94 425	3.58 429	3.98 425	3.72 439	6.82 448	6.50 444	3.76 424	3.66 440	3.90 407	3.74 444

SA-5K	4.60 438	8.41 427	6.44 448	6.86 439	3.79 445	3.97 425	3.78 443	3.99 426	3.74 442	3.97 423	3.52 439	3.94 425	3.58 429	3.98 425	3.72 439	6.82 448	6.50 444	3.76 424	3.66 440	3.90 407	3.74 444

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

test_3	5.01 446	8.86 432	7.77 454	8.09 444	2.76 427	4.13 427	4.05 447	3.88 425	3.76 444	4.33 427	4.13 446	3.71 423	3.91 435	4.21 428	4.06 444	7.93 452	7.69 449	4.53 428	3.91 445	4.17 411	4.29 450

RAFT+CT+SA	4.28 435	7.62 423	4.91 440	5.55 431	2.28 423	3.09 415	3.64 441	4.49 430	3.07 432	4.80 442	3.35 438	4.77 444	3.70 432	4.29 429	3.05 425	5.58 440	5.98 441	3.58 421	3.78 444	4.26 412	3.72 442

raft_robust	4.71 442	7.75 424	5.40 445	6.81 438	3.31 440	4.28 429	4.20 448	4.32 429	4.37 450	4.35 428	4.35 448	4.14 427	3.75 433	4.30 430	4.20 446	6.67 447	6.37 442	3.36 419	4.24 450	4.86 430	3.25 437

cross-raft	4.83 443	7.52 421	6.43 447	6.63 437	3.96 447	4.51 430	3.99 446	4.49 430	3.96 446	4.52 429	3.96 444	4.50 430	3.97 437	4.50 431	3.97 442	6.65 446	6.44 443	4.33 427	3.92 446	4.35 414	3.91 447

rvit_0105_6	3.87 427	5.73 414	3.10 429	4.69 424	3.12 438	4.54 432	3.02 426	4.56 432	3.04 427	4.54 433	3.03 427	4.54 431	3.04 419	4.56 432	3.05 425	4.58 426	3.05 413	4.58 432	3.05 425	4.58 419	3.05 426

rvit_105_1	3.83 423	5.22 402	3.01 419	4.53 414	3.01 428	4.51 430	3.01 425	4.56 432	3.04 427	4.53 431	3.03 427	4.55 433	3.03 416	4.56 432	3.04 423	4.57 423	3.05 413	4.57 430	3.05 425	4.57 418	3.05 426

rvit_stereo_0081	3.83 423	5.23 403	3.01 419	4.53 414	3.03 430	4.55 436	3.02 426	4.56 432	3.04 427	4.52 429	3.02 425	4.54 431	3.03 416	4.56 432	3.04 423	4.57 423	3.05 413	4.57 430	3.05 425	4.58 419	3.05 426

rvit_stereo_0082	3.86 425	5.82 415	3.01 419	4.53 414	3.03 430	4.54 432	3.02 426	4.56 432	3.04 427	4.53 431	3.02 425	4.55 433	3.04 419	4.57 435	3.05 425	4.57 423	3.05 413	4.58 432	3.05 425	4.58 419	3.06 429

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

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

rvit_stereo_0081_aga	3.86 425	5.33 406	3.02 422	4.55 420	3.04 434	4.54 432	3.02 426	4.64 439	3.06 431	4.54 433	3.04 429	4.62 440	3.08 423	4.62 438	3.07 428	4.58 426	3.06 417	4.60 434	3.08 429	4.63 422	3.07 430

rvit_0105_4	3.91 430	5.47 411	3.02 422	4.54 417	3.02 429	4.54 432	3.03 430	4.75 442	3.17 438	4.57 435	3.06 430	4.61 439	3.16 427	4.65 439	3.09 431	4.66 430	3.11 420	4.68 439	3.18 435	4.81 428	3.16 435

rvit_0105_3	3.91 430	5.33 406	3.06 427	4.60 422	3.07 436	4.60 439	3.06 434	4.62 438	3.08 435	4.60 438	3.07 433	4.62 440	3.08 423	4.67 440	3.10 432	4.70 431	3.11 420	4.77 441	3.19 436	4.77 427	3.14 434

rvit_stereo_0083	3.92 432	5.30 405	3.06 427	4.61 423	3.09 437	4.67 441	3.08 435	4.66 440	3.09 436	4.62 439	3.10 435	4.66 443	3.11 425	4.67 440	3.16 434	4.72 433	3.16 423	4.77 441	3.11 432	4.66 425	3.11 433

rvit_stereo_ft	3.93 433	5.44 410	3.05 426	4.59 421	3.06 435	4.61 440	3.08 435	4.67 441	3.12 437	4.63 440	3.10 435	4.65 442	3.11 425	4.69 442	3.13 433	4.70 431	3.14 422	4.71 440	3.15 434	4.74 426	3.16 435

MaDis-Stereo	3.19 418	6.02 417	1.12 316	5.61 432	1.16 349	5.43 448	1.02 329	5.15 448	0.70 303	5.43 446	1.21 390	5.03 448	0.97 314	4.85 443	0.99 326	4.53 421	1.16 325	5.53 448	1.25 391	5.37 436	1.30 395

rvit_0105_5	4.10 434	5.40 408	3.13 432	4.71 425	3.15 439	4.72 444	3.10 437	4.90 446	3.27 439	4.69 441	3.16 437	4.84 445	3.25 428	4.96 444	3.34 436	5.05 436	3.39 425	5.10 445	3.40 437	5.11 433	3.42 438

FC-DCNN v2	5.10 448	5.15 401	4.49 438	5.07 429	3.37 441	6.87 451	4.75 450	5.04 447	6.34 455	7.84 455	5.06 451	6.72 455	4.09 439	4.99 445	5.44 451	5.03 435	3.16 423	4.67 438	4.86 451	5.15 434	3.89 446

TestStereo	4.88 444	4.75 396	4.79 439	4.87 427	4.92 452	4.81 446	4.90 451	4.78 443	4.77 451	4.87 443	4.89 450	4.90 446	4.91 443	4.99 445	4.79 448	4.98 434	4.87 435	4.87 444	4.92 452	5.00 432	5.00 451

StereoVision	3.15 417	5.00 399	0.89 297	4.83 426	1.00 337	3.93 424	1.27 392	6.37 449	1.34 400	5.67 449	1.26 395	5.84 450	1.27 386	5.03 447	1.24 391	5.10 438	1.09 316	4.61 435	0.57 288	5.62 438	1.12 336

test-1	6.46 451	9.16 434	8.03 457	8.09 444	5.62 455	6.11 449	6.35 454	6.85 452	4.94 452	6.08 450	6.29 456	4.98 447	6.43 448	6.22 448	6.36 454	6.16 445	7.47 448	5.82 450	5.44 455	7.11 445	5.68 454

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

SGM-Forest	5.21 450	5.92 416	4.08 437	6.18 435	4.16 449	6.31 450	4.34 449	6.50 450	4.33 449	6.14 451	4.21 447	6.61 454	4.55 442	6.67 450	4.48 447	5.94 443	3.94 429	5.85 451	4.03 448	5.79 439	4.17 449
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DispFullNet	4.61 440	4.84 397	3.12 430	5.00 428	3.57 443	4.75 445	3.03 430	7.75 455	4.17 448	4.91 444	3.09 434	6.20 451	3.95 436	6.71 451	3.51 437	5.30 439	3.67 427	5.86 452	3.63 439	5.61 437	3.46 439

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

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

DISCO	1.11 317	0.39 130	5.28 443	0.39 173	0.20 160	0.39 205	0.27 181	0.39 195	0.22 160	0.38 192	0.20 159	0.38 200	0.20 158	6.95 454	0.22 159	0.30 175	0.21 151	0.27 165	0.21 160	5.25 435	0.21 148

MSMD_ROB	1.19 320	1.10 241	0.70 276	1.10 291	0.60 292	1.10 328	0.70 297	1.10 316	0.70 303	1.10 324	0.70 307	1.10 331	0.70 295	7.00 455	0.70 304	1.10 314	0.70 279	1.10 333	0.70 306	1.10 306	0.70 295

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

U	5.15 449	8.49 429	1.81 402	8.49 446	1.77 414	8.49 456	1.77 409	8.51 457	1.77 412	8.49 457	1.77 411	8.50 457	1.78 401	8.58 457	1.77 414	8.54 455	1.78 401	8.55 457	1.78 416	8.55 451	1.84 414

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

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

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

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

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

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

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

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

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

fff	1000028.16 482	29.62 463	29.72 466	32.61 466	30.02 467	35.13 467	31.83 467	32.07 467	10000000.00 483	35.27 469	29.82 467	32.45 467	30.15 466	32.35 467	30.09 466	31.04 467	29.55 468	30.64 467	30.14 467	10000000.00 483	30.77 468

csc	1000028.16 482	29.62 463	29.72 466	32.61 466	30.02 467	35.13 467	31.83 467	32.07 467	10000000.00 483	35.27 469	29.82 467	32.45 467	30.15 466	32.35 467	30.09 466	31.04 467	29.55 468	30.64 467	30.14 467	10000000.00 483	30.77 468

cscssc	1000028.16 482	29.62 463	29.72 466	32.61 466	30.02 467	35.13 467	31.83 467	32.07 467	10000000.00 483	35.27 469	29.82 467	32.45 467	30.15 466	32.35 467	30.09 466	31.04 467	29.55 468	30.64 467	30.14 467	10000000.00 483	30.77 468

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

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

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

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

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

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

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

MeshStereo	159.24 472	171.00 479	160.68 480	162.58 478	160.59 478	164.01 476	160.35 477	158.51 478	158.56 475	158.34 477	160.12 477	158.56 477	159.92 475	157.26 478	158.94 477	154.38 478	158.36 478	155.75 478	159.13 479	153.67 475	154.07 478
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 473	123.00 475	115.00 476	219.00 479	218.00 480	223.00 478	244.00 479	217.00 479	236.00 477	202.00 479	203.00 478	205.00 479	208.00 476	225.00 479	204.00 478	210.00 479	198.00 479	197.00 479	184.00 480	204.00 476	201.00 479

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

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

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

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

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

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

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

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

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

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

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

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

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

DIP-Stereo	10000000.00 485	10000000.00 486	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 485	10000000.00 485	10000000.00 486	10000000.00 483	10000000.00 486	10000000.00 485	10000000.00 486	10000000.00 483	10000000.00 486	10000000.00 485	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark