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

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

PSMNet-RUCA	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

FACV-RUCA	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

IGEV-RUCA	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

CoDeX	0.15 106	0.70 200	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	0.67 320	0.02 14	0.69 301	0.75 323	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

SFCPSM	0.17 117	0.78 204	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	0.79 338	0.02 14	0.75 311	0.76 325	0.02 20	0.02 19	0.02 19

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

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

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

ADCMid	0.08 40	0.02 12	0.02 13	1.01 309	0.03 43	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 60	0.09 89	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 41	0.02 12	0.04 34	0.90 287	0.06 91	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 112	0.36 241	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 73	0.02 12	0.02 13	1.62 398	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.02 21	0.06 74	0.04 63	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 46

AnyNet_C32	0.14 96	0.04 34	0.03 31	2.22 416	0.04 68	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.04 65	0.02 21	0.07 87	0.04 63	0.02 14	0.02 14	0.03 37	0.03 49	0.02 19	0.03 46

RYNet	0.02 14	0.02 12	0.02 13	0.03 28	0.03 43	0.03 39	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.03 47	0.03 36	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

BEATNet_4x	0.11 73	0.03 30	0.03 31	1.60 395	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 69	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

ADCL	0.11 73	0.03 30	0.03 31	1.60 395	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 69	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

GASNet	0.05 32	0.04 34	0.12 89	0.04 29	0.04 68	0.04 65	0.05 77	0.04 65	0.04 70	0.12 107	0.04 76	0.06 83	0.04 72	0.04 60	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

FADNet-RVC-Resample	0.12 82	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 70	0.04 63	0.04 76	0.04 65	0.04 72	0.04 60	1.57 435	0.04 35	0.04 36	0.04 62	0.05 80	0.04 65	0.06 86

FADNet-RVC	0.13 87	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.05 77	0.04 65	0.04 70	0.04 63	0.05 84	0.04 65	0.05 78	0.04 60	1.71 442	0.04 35	0.04 36	0.04 62	0.04 66	0.07 88	0.04 67

ADCRef	0.12 82	0.03 30	0.04 34	1.71 401	0.04 68	0.03 39	0.03 43	0.04 65	0.04 70	0.04 63	0.03 47	0.04 65	0.03 47	0.06 74	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.03 42	0.04 67

ADCP+	0.15 106	0.04 34	0.04 34	2.20 415	0.04 68	0.04 65	0.04 68	0.04 65	0.04 70	0.04 63	0.05 84	0.04 65	0.04 72	0.08 90	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

ADCPNet	0.10 52	0.03 30	0.04 34	1.27 381	0.03 43	0.04 65	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.08 90	0.04 63	0.04 35	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

NVStereoNet_ROB	0.04 29	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 70	0.04 63	0.04 76	0.04 65	0.04 72	0.04 60	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
APVNet	0.09 41	0.05 41	0.04 34	0.05 35	0.04 68	0.05 75	0.90 346	0.06 80	0.04 70	0.05 78	0.04 76	0.05 77	0.04 72	0.05 69	0.04 63	0.05 42	0.04 36	0.05 72	0.04 66	0.05 77	0.05 81

EDNetEfficientorigin	0.04 29	0.06 46	0.04 34	0.05 35	0.04 68	0.05 75	0.04 68	0.05 75	0.04 70	0.05 78	0.04 76	0.05 77	0.04 72	0.05 69	0.04 63	0.05 42	0.03 31	0.06 78	0.03 49	0.04 65	0.03 46

EDNetEfficient	0.04 29	0.05 41	0.04 34	0.04 29	0.03 43	0.04 65	0.03 43	0.04 65	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.04 60	0.03 42	0.05 42	0.03 31	0.05 72	0.03 49	0.04 65	0.03 46

FADNet_RVC	0.12 82	0.04 34	0.04 34	0.05 35	0.04 68	0.04 65	0.04 68	0.04 65	0.04 70	0.04 63	0.04 76	0.04 65	0.05 78	0.04 60	1.65 439	0.05 42	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

Wz-Net-TNSev	0.02 14	0.05 41	0.04 34	0.07 38	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 46	0.04 36	0.01 9	0.01 9	0.01 9	0.01 9

FADNet	0.12 82	0.05 41	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 70	0.04 63	0.04 76	0.04 65	0.05 78	0.04 60	1.66 440	0.06 46	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

GwcNet	0.12 82	0.07 48	0.05 47	0.08 40	0.05 83	0.08 87	1.20 374	0.07 89	0.05 83	0.05 78	0.05 84	0.08 89	0.05 78	0.08 90	0.03 42	0.07 48	0.05 46	0.06 78	0.05 80	0.07 88	0.05 81

SuperB	0.21 129	0.10 57	2.51 452	0.12 71	0.09 96	0.10 92	0.09 94	0.08 92	0.07 94	0.10 93	0.09 96	0.09 93	0.07 94	0.07 87	0.07 84	0.07 48	0.08 49	0.07 83	0.07 88	0.08 90	0.07 88

AASNet	0.06 34	0.08 49	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 91	0.06 82	0.06 90	0.05 77	0.06 90	0.06 74	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

SACVNet	0.06 34	0.08 49	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 91	0.06 82	0.06 90	0.05 77	0.06 90	0.06 74	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

AACVNet	0.06 34	0.08 49	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 91	0.06 82	0.06 90	0.05 77	0.06 90	0.06 74	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

FINET	0.07 39	0.08 49	0.07 48	0.07 38	0.07 92	0.08 87	0.06 89	0.08 92	0.07 94	0.08 89	0.07 93	0.08 89	0.06 90	0.07 87	0.07 84	0.08 50	0.07 47	0.07 83	0.07 88	0.06 80	0.06 86

BEATNet-Init1	0.19 120	0.08 49	0.08 50	2.23 417	0.08 94	0.08 87	0.07 92	0.07 89	0.08 96	0.08 89	0.07 93	0.08 89	0.07 94	0.11 106	0.08 86	0.08 50	0.08 49	0.08 85	0.07 88	0.08 90	0.08 89

DeepPrunerF	0.19 120	0.08 49	0.08 50	2.23 417	0.08 94	0.08 87	0.07 92	0.07 89	0.08 96	0.08 89	0.07 93	0.08 89	0.07 94	0.11 106	0.08 86	0.08 50	0.08 49	0.08 85	0.07 88	0.08 90	0.08 89

test_sample2	0.09 41	1.03 251	0.11 78	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

SMFormer	0.09 41	1.01 245	0.09 55	0.09 44	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

tta	0.09 41	0.95 232	0.09 55	0.10 48	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

Wz-Net-SNSev	0.03 28	0.09 55	0.07 48	0.09 44	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 56	0.07 47	0.01 9	0.01 9	0.01 9	0.01 9

SepStereo	0.09 41	0.09 55	0.10 59	0.09 44	0.09 96	0.09 91	0.09 94	0.10 94	0.08 96	0.10 93	0.09 96	0.09 93	0.09 97	0.09 93	0.08 86	0.09 56	0.08 49	0.09 90	0.08 92	0.09 93	0.08 89

test_sample6	0.09 41	0.97 235	0.10 59	0.10 48	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

test_sample5	0.10 52	1.07 258	0.11 78	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

test_sample1	0.09 41	0.87 215	0.12 89	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

DualNet	0.10 52	1.07 258	0.11 78	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

xxx	0.09 41	1.01 245	0.10 59	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.03 46

AnonymousM	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 94	0.10 100	0.10 93	0.10 100	0.10 95	0.10 101	0.10 95	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

PVD	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 94	0.10 100	0.10 93	0.10 100	0.10 95	0.10 101	0.10 95	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

SHD	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 94	0.10 100	0.10 93	0.10 100	0.10 95	0.10 101	0.10 95	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

SAMSARA	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 94	0.10 100	0.10 93	0.10 100	0.10 95	0.10 101	0.10 95	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

XQC	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 94	0.10 100	0.10 93	0.10 100	0.10 95	0.10 101	0.10 95	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTSC	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 94	0.10 100	0.10 93	0.10 100	0.10 95	0.10 101	0.10 95	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTS	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 94	0.10 100	0.10 93	0.10 100	0.10 95	0.10 101	0.10 95	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTSA	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 94	0.10 100	0.10 93	0.10 100	0.10 95	0.10 101	0.10 95	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

MADNet+	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 94	0.10 100	0.10 93	0.10 100	0.10 95	0.10 101	0.10 95	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

MADNet++	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 94	0.10 100	0.10 93	0.10 100	0.10 95	0.10 101	0.10 95	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

JetRed	0.11 73	0.12 70	0.11 78	0.11 65	0.11 117	0.11 103	0.14 131	0.11 106	0.11 114	0.12 107	0.11 113	0.11 105	0.11 112	0.11 106	0.11 106	0.11 76	0.16 130	0.11 102	0.11 112	0.11 104	0.11 108

JetBlue	0.11 73	0.11 68	0.12 89	0.13 84	0.14 137	0.11 103	0.11 111	0.11 106	0.11 114	0.11 105	0.11 113	0.11 105	0.11 112	0.12 110	0.12 120	0.11 76	0.11 84	0.11 102	0.11 112	0.11 104	0.11 108

LRCNet_RVC	0.13 87	0.13 71	0.09 55	0.13 84	0.10 102	0.14 108	0.10 99	0.14 110	0.10 100	0.23 152	0.10 100	0.20 137	0.10 101	0.24 160	0.11 106	0.11 76	0.09 58	0.12 105	0.14 140	0.12 109	0.09 92

aanetorigin	0.13 87	0.11 68	0.11 78	0.11 65	0.11 117	0.11 103	0.11 111	0.11 106	0.11 114	0.11 105	0.12 123	0.11 105	0.11 112	0.11 106	0.11 106	0.11 76	0.11 84	0.14 109	0.11 112	0.49 261	0.11 108

PASM	0.39 200	3.06 397	1.36 415	1.58 393	0.09 96	0.11 103	0.11 111	0.11 106	0.11 114	0.09 92	0.09 96	0.11 105	0.09 97	0.09 93	0.09 89	0.11 76	0.11 84	0.11 102	0.09 94	0.11 104	0.11 108

DualNet (step1)	0.10 52	1.05 255	0.12 89	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample9	0.10 52	1.05 255	0.12 89	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample8	0.10 52	1.05 255	0.12 89	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample7	0.09 41	1.00 239	0.11 78	0.11 65	0.02 20	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample3	0.09 41	0.87 215	0.10 59	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

mmm	0.14 96	1.83 345	0.12 89	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.04 70	0.03 39	0.03 47	0.03 41	0.03 47	0.06 74	0.04 63	0.12 81	0.11 84	0.05 72	0.04 66	0.05 77	0.04 67

ffm	0.25 139	3.83 417	0.12 89	0.12 71	0.05 83	0.06 77	0.05 77	0.06 80	0.05 83	0.03 39	0.03 47	0.06 83	0.05 78	0.06 74	0.05 73	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

ff1	0.25 139	3.83 417	0.12 89	0.12 71	0.05 83	0.06 77	0.05 77	0.06 80	0.05 83	0.03 39	0.03 47	0.06 83	0.05 78	0.06 74	0.05 73	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

mmx	0.25 139	3.83 417	0.12 89	0.12 71	0.05 83	0.06 77	0.05 77	0.06 80	0.05 83	0.03 39	0.03 47	0.06 83	0.05 78	0.06 74	0.05 73	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

ttt	0.10 52	1.09 260	0.12 89	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.02 20	0.03 42	0.02 19

qqq	0.16 114	2.01 360	0.12 89	0.15 97	0.04 68	0.06 77	0.05 77	0.06 80	0.04 70	0.06 82	0.03 47	0.06 83	0.03 47	0.06 74	0.03 42	0.12 81	0.14 125	0.04 62	0.04 66	0.03 42	0.03 46

Wz-Net-MNSev	0.06 34	0.54 189	0.10 59	0.12 71	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 81	0.11 84	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 32	0.50 176	0.10 59	0.12 71	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 81	0.10 63	0.01 9	0.01 9	0.01 9	0.01 9

222	0.10 52	0.99 238	0.12 89	0.13 84	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.02 20	0.04 65	0.03 46

UNet	0.29 152	0.90 222	0.10 59	0.14 88	0.10 102	0.14 108	0.10 99	0.91 325	0.69 327	0.14 109	0.11 113	0.14 110	0.11 112	0.14 112	0.10 95	0.12 81	0.09 58	0.12 105	0.09 94	0.88 313	0.76 334

DRN-Test	0.14 96	0.13 71	0.09 55	0.14 88	0.09 96	0.15 114	0.09 94	0.14 110	0.10 100	0.14 109	0.09 96	0.14 110	0.09 97	0.13 111	0.09 89	0.12 81	0.09 58	0.12 105	0.09 94	0.12 109	0.73 329

test_sample4	0.10 52	1.03 251	0.12 89	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.13 122	0.03 37	0.03 49	0.03 42	0.03 46

qqq1	0.25 139	3.70 411	0.14 113	0.14 88	0.04 68	0.06 77	0.05 77	0.06 80	0.05 83	0.06 82	0.05 84	0.04 65	0.05 78	0.06 74	0.05 73	0.13 97	0.12 98	0.06 78	0.05 80	0.03 42	0.04 67

fff1	0.25 139	3.70 411	0.14 113	0.14 88	0.04 68	0.06 77	0.05 77	0.06 80	0.05 83	0.06 82	0.05 84	0.04 65	0.05 78	0.06 74	0.05 73	0.13 97	0.12 98	0.06 78	0.05 80	0.03 42	0.04 67

1111x	0.10 52	1.14 265	0.13 108	0.14 88	0.03 43	0.04 65	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.11 84	0.03 37	0.02 20	0.03 42	0.02 19

xxxx	0.11 73	1.16 268	0.16 129	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.16 130	0.03 37	0.04 66	0.04 65	0.04 67

StereoDRNet	0.15 106	0.14 75	0.10 59	0.14 88	0.09 96	0.15 114	0.09 94	0.14 110	0.09 99	0.14 109	0.10 100	0.14 110	0.09 97	0.14 112	0.09 89	0.13 97	0.10 63	0.13 108	0.09 94	0.13 111	0.82 340

testlalala2	0.13 87	0.16 76	0.11 78	0.15 97	0.11 117	0.16 121	0.11 111	0.16 122	0.11 114	0.16 119	0.11 113	0.16 120	0.11 112	0.16 121	0.11 106	0.14 103	0.11 84	0.14 109	0.11 112	0.14 112	0.11 108

testlalala_base	0.13 87	0.16 76	0.11 78	0.15 97	0.11 117	0.15 114	0.11 111	0.16 122	0.11 114	0.16 119	0.11 113	0.16 120	0.11 112	0.16 121	0.11 106	0.14 103	0.11 84	0.14 109	0.11 112	0.14 112	0.11 108

x	0.11 73	1.15 267	0.15 128	0.14 88	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.15 128	0.03 37	0.03 49	0.03 42	0.03 46

MIPNet	0.14 96	0.21 95	0.17 133	0.16 105	0.11 117	0.15 114	0.12 126	0.14 110	0.11 114	0.16 119	0.11 113	0.14 110	0.11 112	0.14 112	0.11 106	0.14 103	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

test_xeample	0.10 52	1.09 260	0.13 108	0.12 71	0.03 43	0.03 39	0.03 43	0.04 65	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.14 125	0.03 37	0.03 49	0.03 42	0.03 46

GMStereo	0.14 96	0.13 71	0.14 113	0.14 88	0.14 137	0.14 108	0.14 131	0.14 110	0.14 137	0.14 109	0.14 140	0.14 110	0.14 137	0.14 112	0.14 130	0.14 103	0.14 125	0.14 109	0.14 140	0.14 112	0.14 135
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PDISCO_ROB	0.83 311	2.80 394	3.49 469	0.14 88	0.11 117	0.17 127	0.09 94	0.15 121	0.10 100	0.15 115	0.12 123	0.16 120	0.14 137	3.30 454	0.13 126	0.14 103	2.34 445	0.16 125	0.12 128	2.62 435	0.10 96

ELAS_RVC	0.14 96	0.16 76	0.10 59	0.15 97	0.10 102	0.18 130	0.11 111	0.19 132	0.11 114	0.19 131	0.12 123	0.18 131	0.11 112	0.19 133	0.12 120	0.14 103	0.08 49	0.14 109	0.09 94	0.15 122	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 87	0.16 76	0.11 78	0.15 97	0.09 96	0.18 130	0.11 111	0.18 130	0.11 114	0.17 126	0.11 113	0.18 131	0.11 112	0.18 130	0.11 106	0.14 103	0.08 49	0.14 109	0.08 92	0.14 112	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ProNet	0.14 96	0.20 89	0.14 113	0.16 105	0.11 117	0.16 121	0.11 111	0.17 128	0.11 114	0.17 126	0.12 123	0.17 128	0.13 133	0.17 128	0.12 120	0.15 112	0.11 84	0.16 125	0.11 112	0.15 122	0.12 124

CIPLG	0.13 87	0.21 95	0.12 89	0.16 105	0.11 117	0.15 114	0.11 111	0.14 110	0.11 114	0.15 115	0.12 123	0.15 119	0.11 112	0.14 112	0.11 106	0.15 112	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

IPLG	0.13 87	0.20 89	0.14 113	0.15 97	0.11 117	0.14 108	0.11 111	0.14 110	0.11 114	0.14 109	0.11 113	0.14 110	0.11 112	0.14 112	0.11 106	0.15 112	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

IPLGR_C	0.14 96	0.20 89	0.12 89	0.15 97	0.11 117	0.14 108	0.15 136	0.14 110	0.11 114	0.15 115	0.12 123	0.14 110	0.11 112	0.16 121	0.11 106	0.15 112	0.12 98	0.14 109	0.12 128	0.15 122	0.12 124

IPLGR	0.14 96	0.24 107	0.14 113	0.16 105	0.12 132	0.15 114	0.12 126	0.14 110	0.11 114	0.15 115	0.12 123	0.14 110	0.11 112	0.14 112	0.11 106	0.15 112	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

ACRE	0.13 87	0.21 95	0.14 113	0.15 97	0.11 117	0.14 108	0.11 111	0.14 110	0.11 114	0.14 109	0.12 123	0.14 110	0.11 112	0.14 112	0.11 106	0.15 112	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

cf-r	0.66 270	2.17 370	0.12 89	0.18 112	0.12 132	0.18 130	2.70 458	2.60 444	0.12 132	0.18 129	0.12 123	0.18 131	0.12 128	0.18 130	0.12 120	0.15 112	0.11 84	0.15 122	0.11 112	1.81 413	1.74 446

FADE		0.06 46		0.09 44	0.10 102			0.05 75	0.03 50	0.04 63		0.05 77		0.04 60		0.15 112	0.10 63	0.17 130	0.13 136	0.11 104	0.11 108

ITSA-stereo	0.15 106	0.17 82	0.13 108	0.20 117	0.13 135	0.19 133	0.13 129	0.18 130	0.13 135	0.19 131	0.13 135	0.18 131	0.14 137	0.18 130	0.14 130	0.16 120	0.11 84	0.15 122	0.14 140	0.18 133	0.11 108

GMStereo_Zeroshot	0.16 114	0.16 76	0.16 129	0.16 105	0.16 154	0.16 121	0.16 139	0.16 122	0.16 149	0.16 119	0.16 149	0.16 120	0.16 147	0.16 121	0.16 146	0.16 120	0.16 130	0.16 125	0.16 145	0.16 126	0.16 136

ICVP	0.15 106	0.53 186	0.11 78	0.16 105	0.11 117	0.16 121	0.11 111	0.16 122	0.11 114	0.16 119	0.11 113	0.16 120	0.11 112	0.16 121	0.11 106	0.16 120	0.11 84	0.16 125	0.11 112	0.16 126	0.11 108
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 96	0.16 76	0.12 89	0.17 111	0.12 132	0.17 127	0.11 111	0.17 128	0.11 114	0.17 126	0.12 123	0.17 128	0.12 128	0.17 128	0.12 120	0.16 120	0.11 84	0.16 125	0.11 112	0.16 126	0.12 124

SGM_RVC	0.15 106	0.17 82	0.11 78	0.18 112	0.11 117	0.19 133	0.11 111	0.19 132	0.12 132	0.19 131	0.12 123	0.20 137	0.12 128	0.19 133	0.12 120	0.16 120	0.11 84	0.17 130	0.10 100	0.17 129	0.10 96
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.30 153	3.10 398	0.14 113	0.19 115	0.14 137	0.19 133	0.14 131	0.20 137	0.14 137	0.19 131	0.13 135	0.16 120	0.13 133	0.19 133	0.13 126	0.17 125	0.13 122	0.17 130	0.13 136	0.17 129	0.13 130

ACVNet	0.20 122	0.19 85	0.14 113	0.20 117	0.14 137	0.20 138	0.96 353	0.21 144	0.14 137	0.20 136	0.13 135	0.21 145	0.14 137	0.20 137	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	0.17 129	0.12 124

acv_ft	0.20 122	0.19 85	0.14 113	0.20 117	0.14 137	0.20 138	0.96 353	0.21 144	0.14 137	0.20 136	0.13 135	0.21 145	0.14 137	0.20 137	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	0.17 129	0.12 124

hitnet-ft	0.79 296	2.78 393	0.14 113	0.20 117	0.14 137	0.21 146	2.89 459	2.80 448	0.14 137	0.20 136	0.14 140	0.20 137	0.14 137	0.20 137	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	2.54 434	2.33 456

PSMNet-RSSM	0.77 292	2.76 390	0.14 113	0.20 117	0.14 137	0.20 138	2.66 456	2.79 447	0.14 137	0.21 146	0.14 140	0.21 145	0.14 137	0.20 137	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	2.52 432	2.31 454

GwcNet-RSSM	0.77 292	2.77 392	0.14 113	0.20 117	0.14 137	0.20 138	2.67 457	2.78 446	0.14 137	0.20 136	0.14 140	0.20 137	0.14 137	0.21 148	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	2.52 432	2.31 454

CFNet-ft	0.55 257	1.57 334	0.14 113	0.20 117	0.14 137	0.20 138	2.53 455	1.61 417	0.14 137	0.20 136	0.14 140	0.20 137	0.14 137	0.20 137	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	1.56 408	1.24 423

LALA_ROB	0.15 106	0.19 85	0.12 89	0.18 112	0.11 117	0.20 138	0.12 126	0.21 144	0.12 132	0.20 136	0.12 123	0.20 137	0.12 128	0.21 148	0.13 126	0.17 125	0.10 63	0.18 140	0.11 112	0.18 133	0.11 108

11t1	0.17 117	2.16 369	0.13 108	0.13 84	0.04 68	0.06 77	0.04 68	0.06 80	0.04 70	0.06 82	0.03 47	0.06 83	0.03 47	0.06 74	0.05 73	0.18 133	0.12 98	0.06 78	0.03 49	0.05 77	0.03 46

GANet-RSSM	0.75 287	1.91 352	0.14 113	0.47 220	0.14 137	0.21 146	3.21 475	2.30 438	0.14 137	0.46 249	0.14 140	0.23 155	0.18 156	0.21 148	0.14 130	0.18 133	0.27 175	0.37 221	0.13 136	2.13 422	2.12 449

DeepPruner_ROB	0.16 114	0.18 84	0.13 108	0.19 115	0.13 135	0.19 133	0.13 129	0.19 132	0.13 135	0.19 131	0.13 135	0.19 135	0.13 133	0.19 133	0.13 126	0.18 133	0.13 122	0.18 140	0.13 136	0.18 133	0.13 130

CAS++	0.17 117	0.27 111	0.21 148	0.10 48	0.21 175	0.15 114	0.22 165	0.10 94	0.21 165	0.22 148	0.10 100	0.19 135	0.18 156	0.10 95	0.19 159	0.20 136	0.19 150	0.18 140	0.10 100	0.19 139	0.18 150
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV_Zeroshot_test	0.20 122	0.19 85	0.40 227	0.30 151	0.17 155	0.22 148	0.17 141	0.21 144	0.17 152	0.20 136	0.17 152	0.21 145	0.18 156	0.21 148	0.17 147	0.20 136	0.16 130	0.20 144	0.16 145	0.20 140	0.17 146

DAS	0.20 122	0.20 89	0.20 144	0.20 117	0.20 168	0.20 138	0.20 154	0.20 137	0.20 162	0.20 136	0.20 167	0.20 137	0.20 165	0.20 137	0.20 162	0.20 136	0.20 152	0.20 144	0.20 166	0.20 140	0.20 153

GEStereo_RVC	0.86 317	4.45 428	0.20 144	0.27 148	0.20 168	0.27 172	0.20 154	0.26 164	0.18 154	5.03 481	0.20 167	0.27 174	0.19 161	0.27 178	0.21 165	0.20 136	0.19 150	0.19 143	4.02 483	0.20 140	0.18 150

ASD4	0.20 122	0.20 89	0.20 144	0.20 117	0.20 168	0.20 138	0.20 154	0.20 137	0.20 162	0.20 136	0.20 167	0.20 137	0.20 165	0.20 137	0.20 162	0.20 136	0.20 152	0.20 144	0.20 166	0.20 140	0.20 153

test_for_model	0.15 106	0.23 100	0.18 138	0.21 126	0.11 117	0.16 121	0.11 111	0.16 122	0.11 114	0.16 119	0.11 113	0.16 120	0.11 112	0.16 121	0.11 106	0.21 141	0.18 149	0.14 109	0.11 112	0.14 112	0.11 108

MSKI-zero shot	0.24 138	0.21 95	0.49 262	0.65 260	0.18 162	0.22 148	0.17 141	0.23 151	0.18 154	0.21 146	0.17 152	0.23 155	0.28 206	0.23 156	0.18 156	0.21 141	0.16 130	0.21 147	0.16 145	0.21 144	0.16 136

iResNetv2_ROB	0.20 122	0.23 100	0.18 138	0.24 134	0.20 168	0.24 155	0.18 147	0.24 154	0.18 154	0.24 157	0.18 162	0.23 155	0.19 161	0.24 160	0.18 156	0.21 141	0.16 130	0.21 147	0.16 145	0.22 146	0.16 136

ACV-stereo	0.30 153	2.08 362	0.25 162	0.25 139	0.18 162	0.24 155	0.17 141	0.24 154	0.18 154	0.24 157	0.17 152	0.25 164	0.17 149	0.24 160	0.17 147	0.22 144	0.16 130	0.22 152	0.16 145	0.22 146	0.16 136

Pointernet	0.21 129	0.22 99	0.19 141	0.24 134	0.19 166	0.24 155	0.19 151	0.24 154	0.19 160	0.24 157	0.19 163	0.24 159	0.19 161	0.24 160	0.19 159	0.22 144	0.17 143	0.22 152	0.17 161	0.22 146	0.17 146

WAO-6	0.22 132	0.23 100	0.22 150	0.23 129	0.22 177	0.22 148	0.22 165	0.22 148	0.22 168	0.22 148	0.22 173	0.22 151	0.22 171	0.22 152	0.22 167	0.22 144	0.22 160	0.22 152	0.22 171	0.22 146	0.22 159

IMH-64-1	0.22 132	0.23 100	0.23 153	0.22 127	0.22 177	0.22 148	0.22 165	0.22 148	0.22 168	0.22 148	0.22 173	0.22 151	0.22 171	0.22 152	0.22 167	0.22 144	0.22 160	0.23 158	0.22 171	0.22 146	0.23 161

IMH-64	0.22 132	0.23 100	0.23 153	0.22 127	0.22 177	0.22 148	0.22 165	0.22 148	0.22 168	0.22 148	0.22 173	0.22 151	0.22 171	0.22 152	0.22 167	0.22 144	0.22 160	0.23 158	0.22 171	0.22 146	0.23 161

dd	0.23 136	0.98 236	0.16 129	0.23 129	0.15 148	0.23 154	0.15 136	0.23 151	0.15 147	0.23 152	0.15 148	0.24 159	0.17 149	0.23 156	0.15 140	0.22 144	0.15 128	0.21 147	0.15 144	0.22 146	0.16 136

dad	0.23 136	1.03 251	0.16 129	0.23 129	0.15 148	0.24 155	0.15 136	0.24 154	0.16 149	0.23 152	0.16 149	0.24 159	0.16 147	0.23 156	0.15 140	0.22 144	0.16 130	0.22 152	0.16 145	0.22 146	0.16 136

psm_up	0.43 221	1.19 272	0.17 133	0.25 139	0.18 162	0.25 162	0.19 151	1.26 406	0.91 351	0.26 168	0.17 152	0.25 164	0.17 149	0.25 165	0.17 147	0.22 144	0.17 143	0.23 158	0.16 145	1.18 346	0.99 354

UPFNet	0.42 220	1.20 273	0.17 133	0.24 134	0.17 155	0.25 162	0.17 141	1.19 354	0.90 350	0.25 161	0.17 152	0.24 159	0.17 149	0.25 165	0.17 147	0.22 144	0.17 143	0.22 152	0.16 145	1.15 338	0.93 349

ac_64	0.22 132	0.13 71	0.19 141	0.23 129	0.10 102	0.26 169	1.02 361	0.14 110	0.10 100	0.28 171	0.14 140	0.17 128	0.19 161	0.28 180	0.09 89	0.22 144	0.16 130	0.23 158	0.17 161	0.11 104	0.12 124

iResNet	0.20 122	0.23 100	0.18 138	0.24 134	0.18 162	0.24 155	0.20 154	0.24 154	0.18 154	0.23 152	0.17 152	0.23 155	0.18 156	0.23 156	0.18 156	0.22 144	0.16 130	0.21 147	0.16 145	0.21 144	0.16 136

MIM_Stereo	0.25 139	0.23 100	0.66 294	0.80 277	0.17 155	0.22 148	0.17 141	0.23 151	0.18 154	0.26 168	0.17 152	0.21 145	0.17 149	0.25 165	0.17 147	0.23 155	0.16 130	0.21 147	0.17 161	0.22 146	0.17 146

Wz-Net-LNSev	0.06 34	0.24 107	0.20 144	0.23 129	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	0.23 155	0.21 156	0.02 18	0.01 9	0.01 9	0.01 9

MMNet	0.44 224	1.24 323	0.17 133	0.25 139	0.17 155	0.25 162	0.18 147	1.26 406	0.93 356	0.25 161	0.17 152	0.25 164	0.18 156	0.25 165	0.17 147	0.23 155	0.16 130	0.23 158	0.16 145	1.20 349	0.99 354

delet	0.43 221	1.21 319	0.17 133	0.25 139	0.17 155	0.25 162	0.18 147	1.26 406	0.95 358	0.25 161	0.17 152	0.25 164	0.17 149	0.25 165	0.17 147	0.23 155	0.16 130	0.22 152	0.16 145	1.18 346	0.98 353

CFNet	1.37 404	5.27 440	0.19 141	5.49 466	0.19 166	0.28 173	0.19 151	0.28 167	0.19 160	0.28 171	0.19 163	0.28 175	4.35 476	0.28 180	0.19 159	0.23 155	0.17 143	0.23 158	4.21 485	4.81 464	0.17 146

ISRNet	0.11 73	0.05 41	0.36 212	0.24 134	0.07 92	0.13 107	0.05 77	0.06 80	0.05 83	0.05 78	0.05 84	0.13 109	0.05 78	0.05 69	0.09 89	0.24 160	0.20 152	0.10 91	0.05 80	0.06 80	0.13 130

tg	0.21 129	0.25 109	0.21 148	0.26 146	0.17 155	0.24 155	0.17 141	0.24 154	0.17 152	0.24 157	0.17 152	0.24 159	0.17 149	0.24 160	0.17 147	0.24 160	0.17 143	0.23 158	0.16 145	0.23 155	0.16 136

gwcnet-sp	0.82 307	1.72 339	1.48 422	0.39 178	0.15 148	0.31 179	0.21 160	0.20 137	0.25 181	1.61 421	0.23 177	0.28 175	0.26 192	0.20 137	0.15 140	0.24 160	1.33 408	0.32 186	0.16 145	6.75 478	0.23 161

scenet	0.82 307	1.72 339	1.48 422	0.39 178	0.15 148	0.31 179	0.21 160	0.20 137	0.25 181	1.61 421	0.23 177	0.28 175	0.26 192	0.20 137	0.15 140	0.24 160	1.33 408	0.32 186	0.16 145	6.75 478	0.23 161

ssnet_v2	0.68 275	1.96 359	1.25 406	0.29 150	0.20 168	0.30 176	0.20 154	0.29 171	0.22 168	1.50 419	0.20 167	0.31 185	0.20 165	0.27 178	0.22 167	0.24 160	1.49 420	0.26 169	0.18 165	3.90 443	0.19 152

ssnet	0.82 307	1.72 339	1.48 422	0.39 178	0.15 148	0.31 179	0.21 160	0.20 137	0.25 181	1.61 421	0.23 177	0.28 175	0.26 192	0.20 137	0.15 140	0.24 160	1.33 408	0.32 186	0.16 145	6.75 478	0.23 161

UNDER WATER-64	0.25 139	0.26 110	0.25 162	0.26 146	0.25 189	0.25 162	0.25 180	0.25 160	0.25 181	0.25 161	0.25 189	0.25 164	0.25 183	0.26 175	0.25 183	0.25 166	0.25 167	0.25 166	0.25 189	0.25 157	0.25 172

LoS_RVC	0.30 153	1.14 265	0.25 162	0.25 139	0.25 189	0.26 169	0.25 180	0.25 160	0.25 181	0.25 161	0.25 189	0.26 173	0.26 192	0.26 175	0.25 183	0.26 167	0.26 170	0.25 166	0.25 189	0.26 159	0.26 178

CAS	0.30 153	1.17 269	0.25 162	0.25 139	0.25 189	0.26 169	0.25 180	0.25 160	0.26 194	0.25 161	0.25 189	0.25 164	0.25 183	0.25 165	0.25 183	0.26 167	0.26 170	0.26 169	0.25 189	0.26 159	0.25 172

LoS	0.25 139	0.27 111	0.25 162	0.25 139	0.25 189	0.25 162	0.25 180	0.26 164	0.25 181	0.25 161	0.25 189	0.25 164	0.25 183	0.25 165	0.25 183	0.26 167	0.25 167	0.25 166	0.26 195	0.26 159	0.25 172
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
TorneroNet-64	0.45 225	0.27 111	0.30 179	0.58 251	0.27 199	0.70 313	0.30 207	0.28 167	0.73 337	0.73 316	0.28 205	0.71 315	0.66 317	0.75 319	0.27 189	0.27 170	0.29 189	0.37 221	0.75 339	0.28 164	0.30 213

tt1	0.31 158	0.93 230	0.24 159	0.33 160	0.23 182	0.31 179	0.24 177	0.32 176	0.24 176	0.32 182	0.23 177	0.32 187	0.25 183	0.32 188	0.24 177	0.27 170	0.26 170	0.27 173	0.26 195	0.27 162	0.27 185

DCVSM-stereo	0.36 181	1.89 349	0.22 150	0.40 191	0.22 177	0.40 214	0.22 165	0.40 209	0.22 168	0.40 210	0.22 173	0.40 219	0.22 171	0.40 219	0.22 167	0.28 172	0.21 156	0.28 175	0.21 168	0.28 164	0.20 153

xxxxx1	0.31 158	0.91 223	0.23 153	0.31 154	0.23 182	0.31 179	0.23 172	0.33 179	0.25 181	0.31 177	0.24 183	0.33 189	0.25 183	0.32 188	0.24 177	0.28 172	0.28 180	0.28 175	0.28 205	0.29 167	0.27 185

SQANet	0.28 149	0.28 114	0.28 173	0.28 149	0.28 202	0.28 173	0.28 196	0.28 167	0.28 202	0.28 171	0.28 205	0.28 175	0.28 206	0.28 180	0.28 195	0.28 172	0.28 180	0.28 175	0.28 205	0.28 164	0.28 198

tt_ll	0.31 158	0.91 223	0.23 153	0.31 154	0.23 182	0.31 179	0.23 172	0.33 179	0.25 181	0.31 177	0.24 183	0.33 189	0.25 183	0.32 188	0.24 177	0.28 172	0.28 180	0.28 175	0.28 205	0.29 167	0.27 185

ff	0.31 158	0.91 223	0.23 153	0.31 154	0.23 182	0.31 179	0.23 172	0.33 179	0.25 181	0.31 177	0.24 183	0.33 189	0.25 183	0.32 188	0.24 177	0.28 172	0.28 180	0.28 175	0.28 205	0.29 167	0.27 185

RAFT + AFF	0.31 158	0.45 158	0.34 202	0.39 178	0.28 202	0.38 207	0.33 221	0.29 171	0.31 219	0.30 175	0.30 219	0.29 180	0.27 200	0.29 183	0.30 211	0.28 172	0.29 189	0.29 180	0.29 214	0.27 162	0.32 222

FCDSN-DC	0.41 211	0.59 192	0.64 290	0.54 245	0.33 234	0.50 282	0.37 247	0.42 240	0.40 261	0.61 300	0.43 279	0.50 285	0.49 292	0.38 209	0.32 216	0.28 172	0.23 164	0.26 169	0.22 171	0.35 196	0.28 198
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DLNR_Zeroshot_test	0.31 158	0.28 114	0.47 254	0.79 275	0.24 187	0.30 176	0.26 188	0.30 173	0.24 176	0.32 182	0.23 177	0.31 185	0.24 180	0.30 185	0.23 173	0.29 179	0.26 170	0.29 180	0.24 184	0.33 180	0.23 161

WCG-NET（raft）	0.32 166	1.24 323	0.24 159	0.32 157	0.24 187	0.32 187	0.23 172	0.32 176	0.24 176	0.32 182	0.24 183	0.32 187	0.24 180	0.32 188	0.24 177	0.30 180	0.23 164	0.30 182	0.23 176	0.30 170	0.23 161

DANet	0.30 153	0.30 117	0.30 179	0.30 151	0.30 217	0.30 176	0.30 207	0.30 173	0.30 216	0.30 175	0.30 219	0.30 183	0.30 217	0.30 185	0.30 211	0.30 180	0.30 197	0.30 182	0.30 224	0.30 170	0.30 213
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DISCO	1.11 346	0.39 135	5.28 479	0.39 178	0.20 168	0.39 213	0.27 191	0.39 205	0.22 168	0.38 201	0.20 167	0.38 209	0.20 165	6.95 490	0.22 167	0.30 180	0.21 156	0.27 173	0.21 168	5.25 471	0.21 156

iResNet_ROB	0.28 149	0.32 119	0.24 159	0.32 157	0.25 189	0.32 187	0.24 177	0.32 176	0.24 176	0.33 186	0.24 183	0.35 195	0.24 180	0.33 193	0.24 177	0.31 183	0.24 166	0.32 186	0.24 184	0.32 174	0.24 171

model_zeroshot	0.27 148	0.20 89	0.27 169	0.33 160	0.21 175	0.37 203	0.22 165	0.37 196	0.24 176	0.26 168	0.27 199	0.33 189	0.21 170	0.25 165	0.27 189	0.32 184	0.20 152	0.34 201	0.23 176	0.25 157	0.26 178

GES	0.66 270	2.34 377	0.29 175	0.41 201	0.29 208	0.41 230	0.29 202	0.42 240	0.29 206	0.40 210	0.41 270	0.41 231	0.30 217	0.51 286	0.29 204	0.32 184	0.29 189	0.32 186	2.46 459	2.49 431	0.30 213

ACVNet-DCA	0.37 186	1.00 239	0.30 179	0.40 191	0.29 208	0.40 214	0.29 202	0.40 209	0.29 206	0.40 210	0.29 208	0.40 219	0.29 211	0.39 216	0.28 195	0.33 186	0.32 203	0.33 194	0.32 234	0.33 180	0.32 222

1test111	0.37 186	1.02 249	0.30 179	0.39 178	0.29 208	0.40 214	0.28 196	0.39 205	0.29 206	0.39 206	0.29 208	0.39 213	0.28 206	0.40 219	0.29 204	0.33 186	0.32 203	0.33 194	0.31 230	0.32 174	0.31 218

cc1	0.37 186	1.02 249	0.30 179	0.39 178	0.29 208	0.40 214	0.28 196	0.39 205	0.29 206	0.39 206	0.29 208	0.39 213	0.28 206	0.40 219	0.29 204	0.33 186	0.32 203	0.33 194	0.31 230	0.32 174	0.31 218

RSM	0.36 181	0.36 125	0.43 241	0.37 170	0.42 282	0.49 274	0.42 272	0.37 196	0.28 202	0.36 195	0.29 208	0.36 201	0.30 217	0.37 207	0.28 195	0.34 189	0.31 201	0.34 201	0.35 249	0.40 224	0.29 203

gcap-zeroshot	0.35 177	0.32 119	0.37 215	0.49 229	0.39 266	0.33 189	0.21 160	0.26 164	0.35 238	0.42 235	0.34 235	0.49 271	0.29 211	0.47 260	0.39 258	0.34 189	0.17 143	0.38 228	0.23 176	0.48 258	0.34 232

H2IRNET	0.34 171	0.34 121	0.34 202	0.34 162	0.34 242	0.34 191	0.34 230	0.34 183	0.34 235	0.34 188	0.34 235	0.34 194	0.34 233	0.34 195	0.34 235	0.34 189	0.34 212	0.34 201	0.34 243	0.34 184	0.34 232

xx1	0.38 192	1.03 251	0.31 185	0.40 191	0.31 221	0.41 230	0.28 196	0.40 209	0.29 206	0.40 210	0.29 208	0.40 219	0.29 211	0.40 219	0.29 204	0.34 189	0.33 210	0.34 201	0.32 234	0.34 184	0.32 222

EKT-Stereo	0.37 186	0.40 137	0.44 243	1.07 313	0.29 208	0.34 191	0.31 211	0.36 190	0.29 206	0.38 201	0.31 222	0.37 207	0.30 217	0.36 203	0.29 204	0.34 189	0.28 180	0.39 238	0.30 224	0.37 204	0.30 213

iRaft-Stereo_5w	0.34 171	0.42 151	0.31 185	0.39 178	0.30 217	0.38 207	0.30 207	0.40 209	0.29 206	0.40 210	0.37 253	0.41 231	0.34 233	0.38 209	0.30 211	0.34 189	0.27 175	0.34 201	0.26 195	0.34 184	0.26 178

GMOStereo	0.37 186	0.45 158	0.23 153	0.30 151	0.37 254	0.41 230	0.36 242	0.41 224	0.35 238	0.43 241	0.36 247	0.41 231	0.40 255	0.41 233	0.36 241	0.34 189	0.22 160	0.47 278	0.37 257	0.39 220	0.33 226

HGLStereo	0.28 149	0.29 116	0.22 150	0.36 167	0.22 177	0.36 198	0.21 160	0.36 190	0.21 165	0.42 235	0.21 172	0.36 201	0.22 171	0.36 203	0.21 165	0.34 189	0.21 156	0.34 201	0.21 168	0.34 184	0.21 156

MLCV	0.31 158	0.35 122	0.27 169	0.35 163	0.28 202	0.35 195	0.27 191	0.35 186	0.28 202	0.36 195	0.27 199	0.35 195	0.27 200	0.35 197	0.27 189	0.34 189	0.27 175	0.34 201	0.27 201	0.34 184	0.27 185

testlalala	0.32 166	0.81 210	0.31 185	0.39 178	0.26 197	0.33 189	0.24 177	0.33 179	0.26 194	0.32 182	0.26 195	0.33 189	0.23 177	0.33 193	0.23 173	0.35 198	0.31 201	0.30 182	0.24 184	0.31 173	0.21 156

iRaft-Stereo_20w	0.34 171	0.41 144	0.31 185	0.39 178	0.29 208	0.40 214	0.32 212	0.41 224	0.32 222	0.38 201	0.30 219	0.39 213	0.30 217	0.38 209	0.32 216	0.35 198	0.27 175	0.34 201	0.27 201	0.34 184	0.29 203

ETE_ROB	0.35 177	0.35 122	0.35 210	0.35 163	0.35 245	0.35 195	0.35 235	0.35 186	0.35 238	0.35 192	0.35 243	0.35 195	0.35 239	0.35 197	0.35 237	0.35 198	0.35 213	0.35 214	0.35 249	0.35 196	0.35 238

DN-CSS_ROB	0.31 158	0.35 122	0.28 173	0.35 163	0.28 202	0.34 191	0.27 191	0.34 183	0.25 181	0.35 192	0.27 199	0.36 201	0.26 192	0.34 195	0.28 195	0.35 198	0.28 180	0.34 201	0.28 205	0.34 184	0.27 185

GCAP-BAT	0.33 169	0.78 204	0.32 189	0.38 173	0.25 189	0.34 191	0.25 180	0.34 183	0.26 194	0.34 188	0.25 189	0.35 195	0.26 192	0.35 197	0.27 189	0.36 202	0.30 197	0.32 186	0.24 184	0.32 174	0.26 178

Any-RAFT	0.32 166	0.36 125	0.27 169	0.36 167	0.27 199	0.36 198	0.27 191	0.36 190	0.27 199	0.36 195	0.27 199	0.36 201	0.27 200	0.36 203	0.28 195	0.36 202	0.28 180	0.36 219	0.28 205	0.36 202	0.28 198

DMCA	0.36 181	0.38 129	0.37 215	0.35 163	0.35 245	0.36 198	0.36 242	0.36 190	0.35 238	0.35 192	0.37 253	0.36 201	0.36 242	0.35 197	0.36 241	0.36 202	0.36 215	0.35 214	0.36 255	0.36 202	0.36 239

UCFNet_RVC	2.75 450	10.06 476	0.29 175	10.31 493	0.29 208	0.42 248	0.29 202	0.43 244	0.29 206	0.42 235	0.29 208	0.42 247	9.87 493	0.43 248	0.29 204	0.36 202	9.84 493	0.36 219	0.26 195	9.77 492	0.26 178

Venus	0.38 192	0.38 129	0.38 218	0.38 173	0.38 261	0.37 203	0.38 253	0.37 196	0.37 249	0.41 223	0.37 253	0.39 213	0.37 246	0.38 209	0.38 252	0.37 206	0.38 223	0.38 228	0.37 257	0.37 204	0.38 247

CASnet	0.35 177	0.51 182	0.44 243	0.32 157	0.31 221	0.24 155	0.34 230	0.36 190	0.25 181	0.31 177	0.37 253	0.30 183	0.33 229	0.25 165	0.45 277	0.37 206	0.37 217	0.33 194	0.35 249	0.34 184	0.37 243
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Test	0.36 181	0.37 127	0.33 194	0.41 201	0.32 223	0.41 230	0.32 212	0.41 224	0.32 222	0.41 223	0.32 223	0.41 231	0.32 223	0.41 233	0.33 222	0.37 206	0.29 189	0.37 221	0.29 214	0.38 213	0.31 218

CES	0.39 200	0.47 166	0.36 212	0.36 167	0.37 254	0.45 255	0.35 235	0.35 186	0.40 261	0.36 195	0.44 281	0.47 261	0.36 242	0.44 250	0.36 241	0.37 206	0.39 230	0.44 267	0.35 249	0.37 204	0.36 239

IER	0.88 318	7.04 454	2.23 446	2.75 432	0.28 202	0.43 252	0.25 180	0.39 205	0.25 181	0.41 223	0.27 199	0.39 213	0.25 183	0.40 219	0.28 195	0.37 206	0.28 180	0.37 221	0.25 189	0.37 204	0.25 172

StereoDRNet-Refined	0.33 169	0.39 135	0.26 168	0.39 178	0.26 197	0.40 214	0.26 188	0.40 209	0.26 194	0.39 206	0.26 195	0.39 213	0.26 192	0.39 216	0.26 188	0.37 206	0.25 167	0.37 221	0.25 189	0.37 204	0.37 243
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 186	0.37 127	0.37 215	0.37 170	0.37 254	0.37 203	0.37 247	0.37 196	0.37 249	0.37 200	0.37 253	0.37 207	0.37 246	0.37 207	0.37 249	0.37 206	0.37 217	0.37 221	0.37 257	0.37 204	0.37 243

fffy	0.38 192	0.43 152	0.33 194	0.46 214	0.33 234	0.45 255	0.32 212	0.45 246	0.32 222	0.45 246	0.32 223	0.45 253	0.33 229	0.45 253	0.32 216	0.38 213	0.38 223	0.38 228	0.37 257	0.37 204	0.36 239

PAM	0.39 200	1.88 348	0.34 202	0.37 170	0.41 273	0.45 255	0.22 165	0.28 167	0.23 174	0.28 171	0.24 183	0.29 180	0.23 177	0.29 183	0.23 173	0.38 213	0.32 203	0.38 228	0.37 257	0.32 174	0.22 159

RAFT-Stereo-weight	0.45 225	1.90 351	0.34 202	0.42 209	0.36 251	0.43 252	0.35 235	0.42 240	0.34 235	0.42 235	0.34 235	0.44 251	0.34 233	0.41 233	0.34 235	0.38 213	0.32 203	0.38 228	0.32 234	0.38 213	0.33 226

IGEV++	0.34 171	0.43 152	0.30 179	0.40 191	0.29 208	0.40 214	0.29 202	0.40 209	0.29 206	0.40 210	0.29 208	0.40 219	0.29 211	0.40 219	0.30 211	0.38 213	0.29 189	0.37 221	0.29 214	0.37 204	0.29 203

WAO-8	0.38 192	0.38 129	0.38 218	0.38 173	0.38 261	0.38 207	0.38 253	0.38 201	0.38 253	0.38 201	0.38 258	0.38 209	0.38 250	0.38 209	0.38 252	0.38 213	0.38 223	0.38 228	0.37 257	0.38 213	0.38 247

WAO-7	0.38 192	0.38 129	0.38 218	0.38 173	0.38 261	0.38 207	0.38 253	0.38 201	0.38 253	0.38 201	0.38 258	0.38 209	0.38 250	0.38 209	0.38 252	0.38 213	0.38 223	0.38 228	0.38 266	0.38 213	0.38 247

HanzoNet	0.39 200	0.38 129	0.40 227	0.39 178	0.41 273	0.38 207	0.38 253	0.38 201	0.38 253	0.39 206	0.39 262	0.38 209	0.38 250	0.39 216	0.40 261	0.38 213	0.38 223	0.40 242	0.38 266	0.38 213	0.40 254

IMH	0.38 192	0.38 129	0.38 218	0.38 173	0.38 261	0.38 207	0.38 253	0.38 201	0.38 253	0.42 235	0.38 258	0.40 219	0.38 250	0.38 209	0.38 252	0.38 213	0.38 223	0.39 238	0.38 266	0.38 213	0.38 247

RCA-Stereo	0.51 249	3.22 403	0.34 202	0.44 212	0.34 242	0.44 254	0.34 230	0.43 244	0.34 235	0.43 241	0.34 235	0.44 251	0.33 229	0.43 248	0.33 222	0.38 213	0.29 189	0.38 228	0.29 214	0.38 213	0.29 203

mms	0.40 204	0.45 158	0.35 210	0.48 223	0.36 251	0.47 264	0.34 230	0.45 246	0.38 253	0.47 254	0.33 228	0.45 253	0.32 223	0.45 253	0.32 216	0.39 222	0.38 223	0.38 228	0.37 257	0.39 220	0.39 251

Former-RAFT_DAM_RVC	0.49 242	0.98 236	0.64 290	0.84 282	0.46 289	0.45 255	0.35 235	0.47 254	0.47 285	0.45 246	0.34 235	0.46 256	0.48 287	0.46 256	0.35 237	0.39 222	0.71 306	0.39 238	0.35 249	0.41 234	0.41 261

Wz-Net-LNSev-Ref	0.11 73	0.44 155	0.33 194	0.39 178	0.02 20	0.03 39	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	0.39 222	0.36 215	0.02 18	0.02 20	0.02 19	0.02 19

Gwc-CoAtRS	0.41 211	1.49 332	0.32 189	0.42 209	0.32 223	0.41 230	0.32 212	0.41 224	0.33 227	0.41 223	0.32 223	0.41 231	0.32 223	0.41 233	0.32 216	0.39 222	0.28 180	0.39 238	0.28 205	0.40 224	0.28 198

HART	0.38 192	0.45 158	0.34 202	0.42 209	0.33 234	0.41 230	0.34 230	0.42 240	0.33 227	0.43 241	0.34 235	0.42 247	0.34 233	0.41 233	0.38 252	0.40 226	0.32 203	0.42 264	0.32 234	0.40 224	0.32 222

knoymous	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 209	0.40 261	0.40 210	0.40 264	0.40 219	0.40 255	0.40 219	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 254

anonymousa	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 209	0.40 261	0.40 210	0.40 264	0.40 219	0.40 255	0.40 219	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 254

riskmin	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 209	0.40 261	0.40 210	0.40 264	0.40 219	0.40 255	0.40 219	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 254

Anonymous_2	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 209	0.40 261	0.40 210	0.40 264	0.40 219	0.40 255	0.40 219	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 254

Anonymous_1	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 209	0.40 261	0.40 210	0.40 264	0.40 219	0.40 255	0.40 219	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 254

DGSMNet	0.34 171	0.41 144	0.27 169	0.41 201	0.28 202	0.41 230	0.28 196	0.41 224	0.27 199	0.41 223	0.27 199	0.42 247	0.27 200	0.41 233	0.28 195	0.40 226	0.29 189	0.40 242	0.28 205	0.40 224	0.27 185

AdaStereo	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 209	0.40 261	0.40 210	0.40 264	0.40 219	0.40 255	0.40 219	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 254
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.
ccccc	0.41 211	0.44 155	0.34 202	0.48 223	0.35 245	0.48 269	0.35 235	0.51 279	0.35 238	0.47 254	0.35 243	0.47 261	0.34 233	0.47 260	0.35 237	0.41 234	0.40 233	0.40 242	0.40 270	0.41 234	0.39 251

PCWNet_CMD	2.80 452	9.82 474	0.32 189	10.09 492	0.32 223	0.49 274	0.33 221	3.34 454	0.33 227	0.49 267	0.33 228	0.49 271	8.73 489	0.48 267	0.33 222	0.41 234	9.22 488	0.42 264	0.29 214	9.55 491	0.31 218

CFNet_ucs	2.73 449	9.64 473	0.33 194	9.92 490	0.32 223	0.49 274	0.33 221	0.49 262	0.33 227	0.49 267	0.33 228	0.49 271	8.98 491	0.48 267	0.33 222	0.41 234	9.96 494	0.40 242	0.29 214	10.12 494	0.54 299

GwcNet-ADL	0.41 211	0.41 144	0.41 235	0.41 201	0.41 273	0.41 230	0.41 267	0.41 224	0.41 270	0.41 223	0.41 270	0.41 231	0.41 266	0.41 233	0.41 268	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 261

PSMNet-ADL	0.41 211	0.41 144	0.41 235	0.41 201	0.41 273	0.41 230	0.41 267	0.41 224	0.41 270	0.41 223	0.41 270	0.41 231	0.41 266	0.41 233	0.41 268	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 261

GANet-ADL	0.41 211	0.41 144	0.41 235	0.41 201	0.41 273	0.41 230	0.41 267	0.41 224	0.41 270	0.41 223	0.41 270	0.41 231	0.41 266	0.41 233	0.41 268	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 261

ADLNet2	0.41 211	0.41 144	0.41 235	0.41 201	0.41 273	0.41 230	0.41 267	0.41 224	0.41 270	0.41 223	0.41 270	0.41 231	0.41 266	0.41 233	0.41 268	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 261

CFNet_pseudo	2.67 448	9.36 471	0.32 189	10.99 494	0.33 234	0.85 326	0.33 221	0.49 262	0.33 227	0.49 267	0.32 223	0.49 271	7.26 487	0.49 273	0.33 222	0.41 234	9.62 491	0.41 254	0.29 214	10.03 493	0.29 203

pcwnet_v2	2.66 447	9.89 475	0.33 194	9.89 489	0.32 223	0.50 282	0.32 212	0.49 262	0.33 227	0.49 267	0.34 235	0.49 271	8.76 490	0.48 267	0.33 222	0.41 234	9.58 490	0.40 242	0.29 214	9.01 489	0.63 313

ADLNet	0.41 211	0.41 144	0.41 235	0.41 201	0.41 273	0.41 230	0.41 267	0.41 224	0.41 270	0.41 223	0.41 270	0.41 231	0.41 266	0.41 233	0.41 268	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 261

ccnet	0.80 298	2.28 375	0.33 194	0.50 236	0.33 234	0.50 282	0.33 221	0.50 270	0.33 227	0.49 267	0.33 228	0.49 271	1.56 429	2.38 442	0.33 222	0.41 234	0.29 189	0.42 264	1.57 438	2.28 427	0.29 203

CFNet-RSSM	0.91 321	4.89 433	0.34 202	0.44 212	1.07 373	1.62 426	1.40 434	0.91 325	0.35 238	1.60 420	1.39 433	0.64 308	0.34 233	0.44 250	0.33 222	0.41 234	0.35 213	0.75 323	0.30 224	0.41 234	0.29 203

psmorigin	0.41 211	0.46 162	0.33 194	0.49 229	0.33 234	0.49 274	0.33 221	0.49 262	0.33 227	0.49 267	0.33 228	0.49 271	0.33 229	0.51 286	0.33 222	0.41 234	0.30 197	0.41 254	0.30 224	0.79 301	0.29 203

ccs_rob	2.79 451	10.17 478	0.32 189	10.00 491	0.33 234	0.49 274	0.33 221	1.90 424	0.32 222	0.51 283	0.33 228	0.49 271	9.24 492	0.49 273	0.33 222	0.41 234	9.82 492	0.41 254	0.28 205	9.34 490	0.29 203

MSMDNet	2.65 446	10.14 477	0.33 194	9.74 488	0.32 223	0.87 328	0.33 221	2.95 450	0.68 324	0.49 267	0.34 235	0.49 271	5.70 483	0.49 273	0.33 222	0.42 248	9.57 489	0.41 254	0.31 230	8.36 486	0.65 315

GREAT-IGEV	0.38 192	0.43 152	0.36 212	0.48 223	0.32 223	0.45 255	0.32 212	0.45 246	0.32 222	0.45 246	0.32 223	0.45 253	0.32 223	0.45 253	0.32 216	0.44 249	0.33 210	0.41 254	0.29 214	0.41 234	0.29 203

GIP-stereo	0.36 181	0.49 173	0.39 224	0.48 223	0.32 223	0.41 230	0.28 196	0.40 209	0.30 216	0.41 223	0.28 205	0.40 219	0.28 206	0.42 246	0.28 195	0.45 250	0.32 203	0.38 228	0.30 224	0.37 204	0.27 185

otaku	0.46 228	0.46 162	0.46 249	0.46 214	0.46 289	0.46 260	0.46 280	0.46 249	0.46 280	0.46 249	0.46 286	0.46 256	0.46 278	0.46 256	0.46 281	0.46 251	0.46 253	0.46 274	0.46 289	0.46 248	0.46 275

Dean	0.46 228	0.46 162	0.46 249	0.46 214	0.46 289	0.46 260	0.46 280	0.46 249	0.46 280	0.47 254	0.46 286	0.46 256	0.46 278	0.46 256	0.46 281	0.46 251	0.46 253	0.46 274	0.46 289	0.46 248	0.46 275

ACVNet_1	0.46 228	0.47 166	0.46 249	0.46 214	0.46 289	0.46 260	0.46 280	0.46 249	0.47 285	0.46 249	0.46 286	0.46 256	0.46 278	0.46 256	0.46 281	0.46 251	0.46 253	0.47 278	0.46 289	0.46 248	0.46 275

ACVNet-4b	0.46 228	0.46 162	0.46 249	0.46 214	0.46 289	0.46 260	0.46 280	0.46 249	0.46 280	0.46 249	0.46 286	0.46 256	0.46 278	0.47 260	0.46 281	0.46 251	0.46 253	0.46 274	0.46 289	0.46 248	0.46 275

IGEV-Stereo	0.35 177	0.44 155	0.45 245	0.49 229	0.30 217	0.37 203	0.30 207	0.36 190	0.30 216	0.36 195	0.29 208	0.36 201	0.29 211	0.36 203	0.30 211	0.46 251	0.39 230	0.32 186	0.24 184	0.32 174	0.25 172
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
Ntro	0.47 234	0.47 166	0.46 249	0.46 214	0.46 289	0.47 264	0.47 285	0.46 249	0.47 285	0.46 249	0.46 286	0.47 261	0.46 278	0.47 260	0.47 287	0.47 256	0.46 253	0.46 274	0.46 289	0.46 248	0.46 275

HaxPig	0.47 234	0.47 166	0.47 254	0.49 229	0.47 295	0.47 264	0.47 285	0.47 254	0.47 285	0.47 254	0.47 294	0.47 261	0.47 286	0.47 260	0.47 287	0.47 256	0.47 260	0.47 278	0.47 296	0.47 255	0.48 283

UNDER WATER	0.47 234	0.47 166	0.47 254	0.47 220	0.47 295	0.47 264	0.47 285	0.47 254	0.47 285	0.47 254	0.47 294	0.47 261	0.46 278	0.47 260	0.47 287	0.47 256	0.47 260	0.47 278	0.46 289	0.47 255	0.47 281

LVE	0.47 234	0.47 166	0.47 254	0.47 220	0.49 301	0.47 264	0.47 285	0.47 254	0.49 294	0.47 254	0.47 294	0.47 261	0.46 278	0.47 260	0.47 287	0.47 256	0.47 260	0.48 286	0.47 296	0.47 255	0.47 281

GCST	0.50 244	2.08 362	0.38 218	0.53 243	0.35 245	0.49 274	0.35 235	0.50 270	0.35 238	0.49 267	0.35 243	0.49 271	0.35 239	0.49 273	0.35 237	0.48 260	0.37 217	0.45 271	0.33 241	0.44 243	0.33 226

RainbowNet	0.48 238	0.48 172	0.48 258	0.48 223	0.48 299	0.48 269	0.48 294	0.48 258	0.48 292	0.48 260	0.48 298	0.48 267	0.48 287	0.48 267	0.48 293	0.48 260	0.48 263	0.48 286	0.48 299	0.48 258	0.48 283

notaker	0.48 238	0.49 173	0.48 258	0.48 223	0.48 299	0.48 269	0.48 294	0.48 258	0.49 294	0.48 260	0.48 298	0.48 267	0.48 287	0.48 267	0.48 293	0.48 260	0.48 263	0.48 286	0.48 299	0.48 258	0.49 288

UGAM-zero	0.51 249	2.17 370	0.39 224	0.53 243	0.36 251	0.50 282	0.36 242	0.50 270	0.36 248	0.49 267	0.36 247	0.50 285	0.35 239	0.50 280	0.36 241	0.49 263	0.37 217	0.47 278	0.35 249	0.46 248	0.34 232

UGAM	0.51 249	2.23 373	0.39 224	0.54 245	0.35 245	0.50 282	0.35 235	0.49 262	0.35 238	0.49 267	0.35 243	0.49 271	0.36 242	0.50 280	0.36 241	0.49 263	0.37 217	0.45 271	0.34 243	0.45 247	0.34 232

MyStereo07	0.60 261	3.72 414	0.48 258	0.49 229	0.41 273	0.36 198	0.32 212	0.49 262	0.43 275	0.51 283	0.42 277	0.49 271	0.43 272	0.51 286	0.64 315	0.49 263	0.45 251	0.34 201	0.32 234	0.35 196	0.43 269

MyStereo04	0.56 259	3.72 414	0.59 282	0.49 229	0.41 273	0.36 198	0.32 212	0.37 196	0.31 219	0.34 188	0.46 286	0.35 195	0.32 223	0.35 197	0.33 222	0.49 263	0.45 251	0.34 201	0.32 234	0.35 196	0.43 269

KSHMR	0.66 270	0.50 176	0.48 258	1.15 323	0.52 310	0.49 274	0.51 302	0.49 262	0.71 333	0.67 310	0.50 303	1.16 365	1.11 357	0.66 309	0.52 303	0.49 263	0.49 266	0.51 298	0.66 325	0.50 265	1.14 370

ACVNet_2	0.49 242	0.49 173	0.49 262	0.49 229	0.49 301	0.49 274	0.49 296	0.49 262	0.49 294	0.49 267	0.49 301	0.49 271	0.49 292	0.49 273	0.49 295	0.49 263	0.49 266	0.49 290	0.49 302	0.49 261	0.49 288

SCV_C0	0.45 225	0.88 217	0.49 262	0.54 245	0.37 254	0.48 269	0.37 247	0.48 258	0.37 249	0.48 260	0.36 247	0.48 267	0.37 246	0.49 273	0.37 249	0.50 269	0.41 242	0.44 267	0.34 243	0.44 243	0.34 232

SCV	0.46 228	0.94 231	0.45 245	0.54 245	0.37 254	0.48 269	0.38 253	0.48 258	0.37 249	0.48 260	0.39 262	0.48 267	0.37 246	0.49 273	0.37 249	0.50 269	0.46 253	0.44 267	0.34 243	0.44 243	0.34 232

FoundationStereo	0.50 244	0.50 176	0.50 265	0.50 236	0.50 304	0.50 282	0.50 298	0.50 270	0.50 297	0.50 279	0.50 303	0.50 285	0.50 295	0.50 280	0.50 296	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 291

StereoAnything_RVC	0.50 244	0.50 176	0.50 265	0.50 236	0.50 304	0.50 282	0.50 298	0.50 270	0.50 297	0.50 279	0.50 303	0.50 285	0.50 295	0.50 280	0.50 296	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 291

dual_stereo	0.50 244	0.50 176	0.50 265	0.50 236	0.50 304	0.50 282	0.50 298	0.50 270	0.50 297	0.50 279	0.50 303	0.50 285	0.50 295	0.50 280	0.50 296	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 291

SANet	0.50 244	0.50 176	0.50 265	0.50 236	0.50 304	0.50 282	0.50 298	0.50 270	0.50 297	0.50 279	0.50 303	0.50 285	0.50 295	0.50 280	0.50 296	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 291

fffft	0.48 238	0.51 182	0.45 245	0.52 242	0.45 287	0.52 291	0.45 278	0.52 281	0.48 292	0.53 288	0.45 284	0.52 291	0.45 275	0.52 289	0.46 281	0.51 275	0.41 242	0.50 293	0.41 277	0.50 265	0.41 261
1: 1. 1
ktn	0.72 284	0.53 186	1.08 341	1.14 321	0.51 309	1.22 409	1.36 428	0.51 279	0.59 311	0.51 283	0.51 309	0.69 314	1.20 368	0.67 311	0.51 301	0.51 275	0.49 266	0.58 305	0.66 325	0.52 272	0.53 298

PML	0.46 228	1.36 330	0.29 175	0.58 251	0.30 217	0.57 300	0.29 202	0.57 287	0.29 206	0.57 296	0.29 208	0.57 301	0.29 211	0.56 295	0.29 204	0.52 277	0.30 197	0.53 301	0.31 230	0.53 274	0.30 213

CFNet_RVC	2.38 440	8.71 466	0.38 218	9.33 485	0.42 282	0.56 296	0.42 272	0.60 293	0.38 253	0.62 303	0.42 277	0.56 300	7.29 488	0.62 302	0.42 273	0.53 278	0.37 217	0.49 290	0.34 243	8.30 485	6.87 492

MyStereo8	0.71 281	3.92 421	0.52 273	0.59 253	0.52 310	0.57 300	0.53 304	0.59 291	0.50 297	0.59 299	0.51 309	0.57 301	0.50 295	0.56 295	0.52 303	0.54 279	0.49 266	0.54 302	0.49 302	0.55 276	0.50 291

PSMNet_ROB	0.54 253	0.54 189	0.54 277	0.54 245	0.53 313	0.54 294	0.54 306	0.53 282	0.54 307	0.54 290	0.54 313	0.54 293	0.53 302	0.54 291	0.54 306	0.54 279	0.53 278	0.54 302	0.54 309	0.54 275	0.54 299

CASS	0.57 260	0.89 220	0.56 279	0.57 250	0.56 316	0.56 296	0.56 307	0.56 285	0.53 305	0.57 296	0.57 316	0.59 303	0.48 287	0.56 295	0.57 309	0.55 281	0.56 282	0.47 278	0.56 313	0.62 281	0.56 306
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MonSter	0.60 261	0.64 197	0.52 273	0.62 257	0.44 285	2.07 435	0.44 275	0.62 296	0.44 278	0.62 303	0.44 281	0.62 307	0.44 273	0.62 302	0.44 276	0.58 282	0.42 249	0.62 308	0.46 289	0.58 278	0.42 268

Selective-IGEV	0.51 249	0.55 191	0.45 245	0.69 265	0.45 287	0.61 303	0.45 278	0.50 270	0.40 261	0.56 295	0.44 281	0.55 297	0.40 255	0.72 315	0.67 320	0.59 283	0.46 253	0.45 271	0.34 243	0.46 248	0.37 243

MyStereo06	0.75 287	4.12 422	0.60 284	0.63 258	0.61 324	0.62 306	0.66 317	0.56 285	0.45 279	0.55 293	0.48 298	0.54 293	0.46 278	0.57 298	0.45 277	0.60 284	0.57 284	0.64 311	0.55 310	0.72 292	0.55 303

MyStereo05	0.80 298	4.12 422	0.63 288	0.63 258	0.61 324	0.62 306	0.66 317	0.65 299	0.62 316	0.67 310	0.61 320	0.65 311	0.58 307	0.67 311	0.55 308	0.60 284	0.57 284	0.64 311	0.55 310	0.72 292	0.55 303

LL-Strereo2	0.48 238	1.73 343	0.51 270	0.59 253	0.34 242	0.42 248	0.33 221	0.40 209	0.31 219	0.42 235	0.33 228	0.42 247	0.31 222	0.44 250	0.39 258	0.60 284	0.51 275	0.44 267	0.33 241	0.44 243	0.33 226

AIO-test1	0.54 253	0.60 194	0.52 273	0.66 263	0.47 295	0.61 303	0.47 285	0.58 289	0.46 280	0.61 300	0.46 286	0.61 305	0.45 275	0.62 302	0.45 277	0.61 287	0.52 276	0.57 304	0.48 299	0.57 277	0.48 283

SMoEStereo_RVC	0.63 265	0.75 203	0.51 270	0.73 271	0.53 313	0.71 315	0.47 285	0.67 302	0.58 310	0.74 320	0.60 317	0.72 318	0.53 302	0.74 318	0.51 301	0.61 287	0.62 291	0.62 308	0.61 320	0.63 282	0.61 309

AIO-Stereo-zeroshot	0.91 321	0.86 214	0.89 321	1.25 380	0.69 338	1.05 347	0.81 341	1.16 349	0.50 297	1.12 357	0.97 359	0.72 318	0.82 338	1.06 353	0.95 353	0.61 287	0.87 323	1.03 359	0.85 351	1.04 331	1.01 359

PAM_32	0.64 267	2.38 379	0.51 270	0.92 292	0.43 284	0.53 292	0.44 275	0.87 319	0.43 275	0.52 286	0.45 284	0.53 292	0.40 255	0.54 291	0.46 281	0.62 290	0.56 282	0.48 286	0.45 287	0.76 297	0.44 272

AIO-Stereo-zeroshot1	0.75 287	0.92 228	0.85 320	0.96 302	0.59 318	1.27 412	0.44 275	0.59 291	0.69 327	0.91 333	0.68 330	0.55 297	0.61 310	1.06 353	0.83 344	0.62 290	0.70 302	0.90 341	0.41 277	0.89 314	0.56 306

AIO-test2	0.55 257	0.59 192	0.52 273	0.67 264	0.47 295	0.61 303	0.47 285	0.61 295	0.47 285	0.61 300	0.47 294	0.61 305	0.48 287	0.62 302	0.47 287	0.64 292	0.53 278	0.58 305	0.47 296	0.58 278	0.48 283

WCG-NET	0.61 263	1.21 319	0.54 277	0.61 256	0.53 313	0.67 311	0.53 304	0.66 301	0.53 305	0.64 306	0.53 312	0.65 311	0.53 302	0.59 300	0.52 303	0.65 293	0.48 263	0.64 311	0.52 308	0.58 278	0.50 291

DSFCA	0.66 270	0.73 202	0.78 313	0.65 260	0.65 330	0.64 308	0.64 314	0.65 299	0.63 318	0.64 306	0.64 324	0.64 308	0.64 312	0.65 308	0.65 316	0.65 293	0.65 295	0.65 314	0.65 323	0.66 284	0.64 314

LMCR-Stereo	0.65 268	0.63 195	0.65 293	0.65 260	0.65 330	0.66 310	0.63 313	0.58 289	0.65 320	0.63 305	0.64 324	0.65 311	0.65 314	0.66 309	0.66 319	0.66 295	0.64 294	0.65 314	0.67 328	0.68 286	0.73 329

PA-Net	11.80 493	223.51 519	0.62 287	0.59 253	0.71 340	0.59 302	0.73 331	0.67 302	0.73 337	0.55 293	0.61 320	0.60 304	0.74 329	0.63 306	0.73 333	0.66 295	0.60 286	0.69 317	0.66 325	0.72 292	0.65 315
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
anonymity	0.63 265	0.69 199	0.56 279	0.71 269	0.56 316	0.71 315	0.56 307	0.71 307	0.56 308	0.72 314	0.56 315	0.71 315	0.56 306	0.71 314	0.58 310	0.68 297	0.55 280	0.68 316	0.55 310	0.68 286	0.54 299

HH	0.71 281	2.54 382	0.74 308	1.10 315	0.32 223	0.41 230	0.37 247	0.69 304	0.78 340	0.73 316	0.90 351	0.75 322	1.00 347	0.84 326	0.69 328	0.69 298	0.40 233	0.35 214	0.26 195	0.35 196	0.26 178

HanStereo	0.71 281	2.54 382	0.74 308	1.10 315	0.32 223	0.41 230	0.37 247	0.69 304	0.78 340	0.73 316	0.90 351	0.75 322	1.00 347	0.84 326	0.69 328	0.69 298	0.40 233	0.35 214	0.26 195	0.35 196	0.26 178

DMCA-RVC	0.70 279	0.80 207	0.70 300	0.70 267	0.70 339	0.70 313	0.70 326	0.71 307	0.70 330	0.70 313	0.71 337	0.71 315	0.70 323	0.70 313	0.69 328	0.69 298	0.70 302	0.69 317	0.70 333	0.69 290	0.70 322

ARAFT	0.68 275	0.81 210	0.63 288	0.74 272	0.60 319	0.78 320	0.62 312	0.77 311	0.66 322	0.74 320	0.63 322	0.75 322	0.62 311	0.83 325	0.60 312	0.70 301	0.55 280	0.70 319	0.60 318	0.78 299	0.55 303

TorneroNet	0.66 270	0.53 186	0.50 265	0.50 236	0.64 328	1.06 348	0.70 326	0.50 270	0.51 304	0.49 267	0.69 333	0.49 271	0.50 295	0.48 267	1.15 369	0.71 302	0.49 266	1.14 362	1.08 365	0.49 261	0.49 288

999	1.00 334	1.12 264	0.59 282	1.10 315	1.21 430	1.09 354	0.52 303	1.08 342	1.43 439	1.18 362	1.35 428	0.98 347	0.52 301	0.91 335	0.85 345	0.72 303	1.46 418	0.83 336	0.98 357	0.68 286	1.41 435

iGMRVC	0.84 314	2.85 395	0.72 305	0.72 270	0.73 343	0.77 318	0.79 336	0.73 309	0.74 339	0.73 316	0.72 339	0.73 320	0.76 332	0.73 316	0.73 333	0.72 303	0.73 308	0.73 321	0.72 337	0.73 295	0.72 326

GCAP-Stereo	0.75 287	4.15 425	0.42 240	0.75 273	0.35 245	0.78 320	0.40 260	0.79 312	0.38 253	0.78 323	0.36 247	0.78 325	0.36 242	0.79 321	0.39 258	0.75 305	0.39 230	0.76 325	0.39 269	0.75 296	0.39 251

RAFT-Stereo + iAFF	0.70 279	0.72 201	0.71 304	0.80 277	0.62 327	0.82 325	0.61 311	0.81 317	0.62 316	0.81 327	0.63 322	0.80 328	0.70 323	0.73 316	0.61 314	0.76 306	0.61 290	0.74 322	0.61 320	0.77 298	0.61 309

AFF-stereo	0.73 285	0.88 217	0.67 297	0.75 273	0.68 337	0.75 317	0.64 314	0.80 314	0.72 334	0.83 328	0.70 334	0.82 331	0.64 312	0.84 326	0.67 320	0.77 307	0.63 292	0.81 333	0.63 322	0.78 299	0.62 312

G-Net	0.79 296	0.79 206	0.79 316	0.79 275	0.79 348	0.79 322	0.79 336	0.79 312	0.79 343	0.79 324	0.79 346	0.79 327	0.79 335	0.79 321	0.79 338	0.79 308	0.79 315	0.79 328	0.79 343	0.79 301	0.79 336

FC-DCNN	1.07 342	1.09 260	0.98 333	0.89 286	0.52 310	1.41 421	0.91 347	1.21 402	1.24 428	1.96 429	2.05 457	1.91 429	1.30 421	1.27 415	1.08 363	0.80 309	0.60 286	0.58 305	0.41 277	0.68 286	0.54 299

NaN_ROB	0.80 298	0.80 207	0.80 317	0.80 277	0.80 350	0.80 323	0.80 339	0.80 314	0.80 344	0.80 325	0.80 347	0.80 328	0.80 336	0.80 323	0.80 340	0.80 309	0.80 318	0.80 331	0.80 345	0.80 304	0.80 337

CSAN	0.80 298	0.80 207	0.80 317	0.80 277	0.80 350	0.80 323	0.80 339	0.80 314	0.80 344	0.80 325	0.80 347	0.80 328	0.80 336	0.80 323	0.80 340	0.80 309	0.80 318	0.80 331	0.80 345	0.80 304	0.80 337

RSM++	0.76 291	0.82 212	0.66 294	0.85 284	0.64 328	0.85 326	0.71 329	0.94 332	0.64 319	0.87 329	0.67 329	0.87 333	0.65 314	0.84 326	0.65 316	0.81 312	0.70 302	0.79 328	0.71 336	0.83 309	0.70 322

Selective-RAFT-Error	0.88 318	0.84 213	0.98 333	0.86 285	0.97 364	0.88 329	0.95 352	0.84 318	0.99 363	0.92 335	0.82 349	0.84 332	0.98 346	0.87 330	0.97 355	0.81 312	0.83 321	0.79 328	0.82 348	0.79 301	0.85 342

DCRE	0.84 314	1.89 349	0.77 312	0.94 297	0.72 342	0.88 329	0.73 331	0.87 319	0.78 340	0.90 331	0.71 337	0.88 334	0.67 319	0.88 331	0.73 333	0.81 312	0.68 297	0.81 333	0.70 333	0.82 308	0.70 322

4D-IteraStereo	0.78 295	3.13 400	0.89 321	0.69 265	0.32 223	0.40 214	0.32 212	0.76 310	0.97 361	0.52 286	0.65 326	0.89 336	0.32 223	0.76 320	0.98 356	0.83 315	0.94 328	0.35 214	0.27 201	0.70 291	0.89 345

Selective-RAFT	0.89 320	0.89 220	0.72 305	1.16 328	0.78 347	1.06 348	0.82 342	0.87 319	0.97 361	1.00 343	0.91 354	0.90 337	1.00 347	0.89 333	0.93 352	0.83 315	0.83 321	0.82 335	0.82 348	0.81 307	0.82 340

DDUNet	0.81 303	2.45 380	0.57 281	0.90 287	0.60 319	0.88 329	0.59 310	0.90 323	0.60 312	0.88 330	0.60 317	0.90 337	0.58 307	0.88 331	0.60 312	0.84 317	0.60 286	0.86 339	0.57 314	0.86 311	0.60 308

MoCha-V2	2.11 425	26.97 497	0.78 313	0.92 292	0.77 346	0.96 339	0.72 330	0.90 323	0.72 334	0.94 339	0.70 334	0.90 337	0.71 327	0.91 335	0.71 332	0.85 318	0.71 306	0.88 340	0.69 331	0.87 312	0.67 319

UDG	0.80 298	2.21 372	0.60 284	0.91 289	0.60 319	0.90 332	0.58 309	0.88 322	0.60 312	0.90 331	0.60 317	0.88 334	0.60 309	0.90 334	0.58 310	0.86 319	0.60 286	0.84 337	0.59 317	0.84 310	0.61 309

Syn2CoEx	0.25 139	1.31 327	0.74 308	0.92 292	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 41	0.02 21	0.02 19	0.02 19	0.87 320	0.75 311	0.02 18	0.02 20	0.02 19	0.02 19

STTRV1_RVC	0.82 307	1.60 336	0.70 300	1.01 309	0.60 319	1.07 351	0.69 325	1.01 339	0.60 312	0.72 314	0.55 314	1.02 352	0.68 320	1.03 351	0.67 320	0.89 321	0.63 292	0.92 345	0.57 314	0.90 316	0.65 315

tt45	1.04 341	0.88 217	1.36 415	0.92 292	1.03 371	1.51 424	0.79 336	0.70 306	0.88 349	0.74 320	0.90 351	1.60 425	0.72 328	1.60 422	0.75 336	0.91 322	0.78 314	1.52 432	0.79 343	1.14 336	1.32 427

ToySt	0.92 323	2.11 365	0.90 324	0.95 299	0.79 348	0.99 341	0.78 335	0.94 332	0.81 347	0.94 339	0.78 345	0.95 344	0.77 333	0.94 340	0.86 346	0.91 322	0.79 315	0.85 338	0.77 340	0.89 314	0.73 329

DGTPSM_ROB	0.93 327	1.00 239	0.92 328	0.94 297	0.96 363	0.91 333	0.92 348	0.91 325	0.96 360	0.91 333	0.96 358	0.93 343	0.92 342	0.94 340	0.92 348	0.92 324	0.92 326	0.90 341	0.92 352	0.94 323	0.91 347

DPSM_ROB	0.92 323	0.91 223	0.91 326	0.91 289	0.92 359	0.92 334	0.92 348	0.92 328	0.91 351	0.93 337	0.91 354	0.92 340	0.90 340	0.91 335	0.92 348	0.92 324	0.91 324	0.91 343	0.92 352	0.93 321	0.93 349

DPSM	0.92 323	0.91 223	0.91 326	0.91 289	0.92 359	0.92 334	0.92 348	0.92 328	0.91 351	0.93 337	0.91 354	0.92 340	0.90 340	0.91 335	0.92 348	0.92 324	0.91 324	0.91 343	0.92 352	0.93 321	0.93 349

pmcnn	0.92 323	0.92 228	0.92 328	0.92 292	0.92 359	0.92 334	0.92 348	0.92 328	0.92 355	0.92 335	0.92 357	0.92 340	0.92 342	0.92 339	0.92 348	0.92 324	0.92 326	0.92 345	0.92 352	0.92 320	0.92 348

R-Stereo Train	0.81 303	0.96 233	0.67 297	0.95 299	0.67 334	0.95 337	0.68 322	0.95 334	0.68 324	0.95 341	0.68 330	0.96 345	0.68 320	0.96 344	0.68 324	0.94 328	0.68 297	0.94 347	0.68 329	0.94 323	0.68 320

RAFT-Stereo	0.81 303	0.96 233	0.67 297	0.95 299	0.67 334	0.95 337	0.68 322	0.95 334	0.68 324	0.95 341	0.68 330	0.96 345	0.68 320	0.96 344	0.68 324	0.94 328	0.68 297	0.94 347	0.68 329	0.94 323	0.68 320
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
GANet	1.00 334	1.00 239	1.00 335	1.00 306	1.00 365	1.00 342	1.00 356	1.00 336	1.00 364	1.00 343	1.00 361	1.00 348	1.00 347	1.00 347	1.00 358	1.00 330	1.00 329	1.00 354	1.00 359	1.00 327	1.00 356

TDLM	1.00 334	1.00 239	1.00 335	1.00 306	1.00 365	1.00 342	1.00 356	1.00 336	1.00 364	1.00 343	1.00 361	1.00 348	1.00 347	1.00 347	1.00 358	1.00 330	1.00 329	1.00 354	1.00 359	1.00 327	1.00 356

CVANet_RVC	1.00 334	1.00 239	1.00 335	1.00 306	1.00 365	1.00 342	1.00 356	1.00 336	1.00 364	1.00 343	1.00 361	1.00 348	1.00 347	1.00 347	1.00 358	1.00 330	1.00 329	1.00 354	1.00 359	1.00 327	1.00 356

trnet	1.01 339	1.01 245	1.01 338	1.01 309	1.01 369	1.01 345	1.01 359	1.01 339	1.01 367	1.01 347	1.01 364	1.01 351	1.01 353	1.01 350	1.01 361	1.01 333	1.01 332	1.01 357	1.01 363	1.01 330	1.01 359

AIO-Stereo	0.84 314	0.66 198	0.70 300	0.83 281	0.67 334	0.98 340	0.82 342	1.14 346	0.72 334	1.03 348	0.74 342	1.03 353	1.09 356	0.99 346	0.45 277	1.04 334	0.73 308	0.95 349	0.74 338	0.94 323	0.46 275

HBP-ISP	1.24 398	1.72 339	1.65 427	1.15 323	0.76 345	1.40 420	0.88 345	1.67 421	1.02 368	1.69 425	1.38 432	1.69 427	1.21 414	1.87 426	1.21 421	1.05 335	0.79 315	0.97 352	0.80 345	1.19 348	0.75 333

GLC_STEREO	1.07 342	1.01 245	1.06 340	1.07 313	1.05 372	1.06 348	1.08 363	1.08 342	1.05 370	1.07 350	1.06 366	1.08 355	1.05 355	1.06 353	1.10 364	1.07 336	1.09 342	1.05 360	1.05 364	1.06 332	1.12 366

NCC-stereo	2.36 436	25.52 492	1.17 348	1.15 323	1.17 381	1.11 358	1.11 364	1.15 347	1.16 373	1.10 352	1.16 371	1.10 359	1.15 361	1.14 363	1.13 367	1.09 337	1.11 346	1.15 363	1.16 371	1.17 345	1.17 372

Abc-Net	2.32 433	24.75 489	1.14 344	1.17 329	1.17 381	1.11 358	1.15 368	1.17 351	1.21 425	1.08 351	1.16 371	1.12 363	1.14 360	1.09 357	1.17 373	1.09 337	1.16 352	1.17 368	1.17 372	1.16 340	1.11 364
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AF-Net	2.37 438	25.71 493	1.17 348	1.13 320	1.15 376	1.15 361	1.18 372	1.19 354	1.16 373	1.10 352	1.15 368	1.10 359	1.18 366	1.12 362	1.15 369	1.10 339	1.10 345	1.17 368	1.15 369	1.16 340	1.12 366

RGC	2.36 436	25.48 491	1.19 352	1.15 323	1.15 376	1.10 355	1.16 370	1.17 351	1.16 373	1.12 357	1.16 371	1.11 362	1.13 358	1.09 357	1.18 374	1.10 339	1.15 351	1.16 364	1.12 367	1.14 336	1.12 366

edge stereo	2.43 441	27.07 498	1.14 344	1.06 312	1.14 375	1.08 352	1.17 371	1.16 349	1.14 371	1.10 352	1.16 371	1.09 357	1.16 365	1.10 359	1.16 372	1.10 339	1.11 346	1.16 364	1.19 373	1.13 335	1.11 364

Nwc_Net	2.37 438	25.95 494	1.15 346	1.14 321	1.15 376	1.08 352	1.14 367	1.17 351	1.16 373	1.14 360	1.15 368	1.08 355	1.15 361	1.11 361	1.14 368	1.10 339	1.11 346	1.16 364	1.09 366	1.16 340	1.15 371

MSMD_ROB	1.19 349	1.10 263	0.70 300	1.10 315	0.60 319	1.10 355	0.70 326	1.10 345	0.70 330	1.10 352	0.70 334	1.10 359	0.70 323	7.00 491	0.70 331	1.10 339	0.70 302	1.10 361	0.70 333	1.10 334	0.70 322

RP	2.33 434	25.00 490	1.13 343	1.15 323	1.15 376	1.10 355	1.15 368	1.15 347	1.15 372	1.12 357	1.15 368	1.09 357	1.13 358	1.10 359	1.15 369	1.11 344	1.09 342	1.16 364	1.12 367	1.16 340	1.17 372

HSM-Net_RVC	0.95 330	1.17 269	0.78 313	1.18 330	0.71 340	1.16 362	0.75 333	1.09 344	0.80 344	1.10 352	0.75 343	1.17 366	0.74 329	1.17 365	0.80 340	1.13 345	0.73 308	1.17 368	0.77 340	1.16 340	0.72 326
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
stereogan	2.33 434	24.38 488	1.18 350	1.18 330	1.18 383	1.14 360	1.18 372	1.19 354	1.19 379	1.14 360	1.18 375	1.14 364	1.18 366	1.14 363	1.18 374	1.14 346	1.14 350	1.19 371	1.19 373	1.15 338	1.19 374

DPSimNet_ROB	0.97 331	1.18 271	0.81 319	1.10 315	0.91 358	1.02 346	0.82 342	1.04 341	0.91 351	1.03 348	0.86 350	1.28 416	0.82 338	1.03 351	0.89 347	1.17 347	0.81 320	1.02 358	0.82 348	1.08 333	0.81 339

S-Stereo	2.51 443	26.86 496	1.23 404	1.22 377	1.22 432	1.24 411	1.25 423	1.22 403	1.24 428	1.21 409	1.24 424	1.19 367	1.27 418	1.19 366	1.24 423	1.19 348	1.20 357	1.25 419	1.19 373	1.24 397	1.23 422

DisPM	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

CrosDoStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

PFNet+	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

LCNet	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

HHNet	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

Patchmatch Stereo++	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375
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	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

STrans-v2	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

TransformOpticalFlow	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

OMP-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

IIG-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

NF-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

OCTAStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

PSM-softLoss	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

KMStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

NRIStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

PSM-adaLoss	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

PSM-AAD	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

FTStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

ROB_FTStereo_v2	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

ROB_FTStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

Consistency-Raft	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

KYRaft	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

HUI-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

ASMatch	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

DeepStereo_LL	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

DEmStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

SST-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

THIR-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

RAFT_R40	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

DRaft	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

PFNet	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

GrayStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

RE-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

Pruner-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

TVStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

DeepStereo_RVC	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

RAFT-RH_RVC	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

IRAFT_RVC	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

RAFT-345	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

iRAFT	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

CRE-IMP	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

GMM-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

RAFT-IKP	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

Prome-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 357	1.20 380	1.20 364	1.20 376	1.20 368	1.20 368	1.20 367	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

FAT-Stereo	2.46 442	26.05 495	1.23 404	1.23 379	1.22 432	1.20 363	1.24 422	1.23 405	1.23 427	1.19 363	1.22 422	1.21 413	1.24 416	1.20 367	1.24 423	1.21 394	1.17 355	1.22 418	1.25 423	1.20 349	1.24 423

CroCo-Stereo	0.73 285	1.22 322	0.25 162	1.22 377	0.25 189	1.22 409	0.25 180	1.22 403	0.25 181	1.22 410	0.25 189	1.22 414	0.25 183	1.22 413	0.25 183	1.22 395	0.26 170	1.21 417	0.25 189	1.22 396	0.25 172
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
CSP-Net	0.34 171	1.29 325	1.19 352	1.36 387	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	1.26 396	1.21 403	0.03 37	0.09 94	0.02 19	0.09 92

CroCo-Stereo Lap2	0.77 292	1.29 325	0.29 175	1.27 381	0.29 208	1.27 412	0.26 188	1.26 406	0.26 194	1.26 411	0.26 195	1.27 415	0.26 192	1.26 414	0.27 189	1.27 397	0.27 175	1.27 420	0.27 201	1.27 398	0.27 185

ff7	1.68 410	2.68 386	1.35 410	0.97 303	0.89 354	1.84 427	2.15 450	2.12 428	1.80 447	2.05 434	1.56 436	2.33 439	2.12 443	2.23 436	2.25 453	1.31 398	1.07 336	1.48 429	1.41 432	0.90 316	1.04 361

ffff	1.68 410	2.68 386	1.35 410	0.97 303	0.89 354	1.84 427	2.15 450	2.12 428	1.80 447	2.05 434	1.56 436	2.33 439	2.12 443	2.23 436	2.25 453	1.31 398	1.07 336	1.48 429	1.41 432	0.90 316	1.04 361

ccc-4	1.68 410	2.68 386	1.35 410	0.97 303	0.89 354	1.84 427	2.15 450	2.12 428	1.80 447	2.05 434	1.56 436	2.33 439	2.12 443	2.23 436	2.25 453	1.31 398	1.07 336	1.48 429	1.41 432	0.90 316	1.04 361

test_xeample3	1.10 344	1.81 344	0.61 286	0.84 282	0.49 301	0.77 318	0.66 317	0.92 328	1.40 437	0.68 312	0.46 286	0.78 325	0.54 305	1.72 425	1.48 434	1.34 401	1.52 421	1.35 425	1.67 442	1.33 400	1.55 438

MaskLacGwcNet_RVC	1.35 402	1.35 329	1.35 410	1.35 386	1.35 434	1.35 415	1.35 427	1.36 411	1.35 433	1.36 414	1.35 428	1.36 417	1.36 423	1.36 416	1.35 428	1.35 402	1.35 411	1.35 425	1.35 426	1.35 401	1.35 431

CC-Net-ROB	1.36 403	1.33 328	1.33 407	1.36 387	1.38 437	1.36 417	1.33 425	1.37 413	1.34 431	1.35 413	1.36 430	1.38 418	1.34 422	1.38 418	1.38 430	1.35 402	1.38 414	1.33 422	1.35 426	1.43 404	1.34 430

PS-NSSS	1.38 405	1.39 331	1.34 408	1.34 385	1.35 434	1.38 419	1.37 433	1.35 410	1.38 436	1.34 412	1.34 427	1.39 419	1.38 425	1.70 424	1.40 431	1.36 404	1.36 412	1.36 427	1.37 429	1.37 402	1.36 432

MM-Stereo_test2	1.20 350	1.85 346	1.05 339	1.46 391	0.94 362	1.36 417	0.99 355	1.36 411	0.95 358	1.41 416	0.98 360	1.40 421	0.96 344	1.37 417	0.95 353	1.37 405	1.06 335	1.33 422	0.93 356	1.29 399	0.89 345

FENet	0.54 253	1.52 333	1.19 352	1.41 390	0.23 182	0.35 195	0.23 172	0.35 186	0.23 174	0.34 188	0.23 177	0.35 195	0.23 177	0.35 197	0.23 173	1.40 406	1.07 336	0.32 186	0.23 176	0.33 180	0.23 161

castereo	0.61 263	3.79 416	1.35 410	1.52 392	0.15 148	0.17 127	0.16 139	0.20 137	0.21 165	0.18 129	0.16 149	0.21 145	0.12 128	0.26 175	0.17 147	1.43 407	1.38 414	0.17 130	0.16 145	0.18 133	0.16 136

castereo++	0.54 253	3.59 408	1.15 346	1.31 383	0.14 137	0.16 121	0.14 131	0.16 122	0.14 137	0.16 119	0.14 140	0.16 120	0.13 133	0.16 121	0.14 130	1.45 408	1.16 352	0.15 122	0.14 140	0.15 122	0.13 130

11t	1.27 400	2.70 389	1.34 408	1.32 384	0.89 354	1.30 414	1.34 426	1.64 418	0.57 309	1.45 418	0.72 339	1.05 354	1.29 420	1.07 356	1.29 426	1.49 409	1.02 333	0.97 352	1.15 369	1.48 405	1.31 426

IGEVStereo-DCA	1.77 414	4.21 426	1.84 435	2.49 429	2.11 457	2.54 447	1.36 428	1.65 419	1.17 377	2.75 449	1.90 449	2.54 447	1.15 361	0.94 340	1.11 365	1.50 410	1.32 405	0.96 350	1.46 436	1.49 406	0.88 343

rrr	1.77 414	4.21 426	1.84 435	2.49 429	2.11 457	2.54 447	1.36 428	1.65 419	1.17 377	2.75 449	1.90 449	2.54 447	1.15 361	0.94 340	1.11 365	1.50 410	1.32 405	0.96 350	1.46 436	1.49 406	0.88 343

MM-Stereo_test3	1.27 400	2.07 361	1.18 350	1.60 395	1.02 370	1.45 422	1.01 359	1.40 415	1.04 369	1.44 417	1.03 365	1.46 423	1.02 354	1.44 420	1.02 362	1.51 412	1.12 349	1.32 421	0.98 357	1.38 403	0.97 352

RASNet	1.49 406	1.65 337	1.45 421	1.38 389	1.43 440	1.47 423	1.36 428	1.38 414	1.36 434	1.39 415	1.60 440	1.45 422	1.45 428	1.51 421	2.21 452	1.53 413	1.36 412	1.36 427	1.36 428	1.66 411	1.36 432

DEFOM-Stereo	0.68 275	3.11 399	1.40 420	1.63 399	0.25 189	0.31 179	0.25 180	0.31 175	0.28 202	0.31 177	0.29 208	0.29 180	0.27 200	0.31 187	0.28 195	1.59 414	1.47 419	0.30 182	0.29 214	0.30 170	0.28 198

DPSMNet_ROB	1.60 409	1.59 335	1.70 429	1.59 394	1.59 442	1.61 425	1.61 438	1.60 416	1.60 441	1.62 424	1.59 439	1.60 425	1.60 430	1.60 422	1.59 436	1.59 414	1.60 424	1.59 433	1.59 439	1.59 409	1.59 439

ours_stereo	1.20 350	1.21 319	0.90 324	1.64 400	1.11 374	1.35 415	0.67 321	1.76 422	0.93 356	1.70 426	1.10 367	1.39 419	0.75 331	1.41 419	0.81 343	1.60 416	1.03 334	1.33 422	1.00 359	1.61 410	0.72 326

LL-Strereo	1.01 339	5.06 435	1.63 426	0.70 267	1.43 440	0.56 296	0.46 280	0.57 287	0.50 297	0.57 296	0.50 303	1.58 424	0.49 292	0.59 300	0.50 296	1.64 417	0.52 276	0.51 298	1.37 429	0.52 272	0.45 274

test-3	0.98 333	4.13 424	1.85 437	1.85 402	0.61 324	0.69 312	0.37 247	0.63 297	0.61 315	0.66 309	0.51 309	0.73 320	0.44 273	0.57 298	0.54 306	1.68 418	1.81 435	0.40 242	0.43 285	0.66 284	0.50 291

RAFT_CTSACE	1.92 419	3.71 413	1.72 431	1.88 403	1.72 446	2.04 433	1.42 437	2.18 432	1.89 453	2.02 432	1.97 453	1.95 430	2.06 442	1.93 428	1.62 437	1.76 419	1.66 428	2.02 439	1.73 448	1.73 412	1.43 437

NINENet	0.69 278	3.87 420	1.20 355	1.98 409	0.05 83	0.40 214	0.04 68	0.40 209	0.05 83	0.41 223	0.04 76	0.41 231	0.05 78	0.40 219	0.05 73	1.79 420	1.56 423	0.34 201	0.22 171	0.34 184	0.23 161

CRFU-Net	0.65 268	1.67 338	1.22 402	1.96 408	0.27 199	0.41 230	0.27 191	0.41 224	0.27 199	0.40 210	0.26 195	0.41 231	0.27 200	0.40 219	0.27 189	1.80 421	1.62 425	0.34 201	0.23 176	0.33 180	0.23 161

MFMNet_re	1.81 417	1.91 352	1.71 430	1.95 407	1.70 445	1.95 431	1.70 441	1.96 425	1.74 444	1.97 430	1.72 443	1.95 430	1.71 433	1.97 429	1.71 442	1.86 422	1.62 425	1.85 434	1.66 441	1.86 414	1.64 440

error version	0.93 327	4.47 429	2.35 449	1.99 410	0.37 254	0.41 230	0.36 242	0.41 224	0.35 238	0.43 241	0.36 247	0.41 231	0.40 255	0.41 233	0.36 241	1.87 423	2.16 441	0.47 278	0.37 257	0.39 220	0.33 226

test_1	0.93 327	4.47 429	2.35 449	1.99 410	0.37 254	0.41 230	0.36 242	0.41 224	0.35 238	0.43 241	0.36 247	0.41 231	0.40 255	0.41 233	0.36 241	1.87 423	2.16 441	0.47 278	0.37 257	0.39 220	0.33 226

GANetREF_RVC	1.55 407	1.94 358	1.22 402	1.88 403	1.21 430	1.88 430	1.22 420	1.88 423	1.22 426	1.88 427	1.22 422	1.88 428	1.22 415	1.89 427	1.22 422	1.87 423	1.22 404	1.88 435	1.22 422	1.88 415	1.22 421
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SPS-STEREO	1.59 408	1.91 352	1.21 401	1.94 406	1.20 384	2.00 432	1.23 421	1.99 426	1.24 428	2.00 431	1.25 425	2.03 432	1.26 417	2.00 430	1.29 426	1.90 426	1.18 356	1.89 436	1.21 421	1.89 416	1.20 375
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 413	2.96 396	1.37 417	2.14 413	1.37 436	2.14 436	1.36 428	2.14 431	1.37 435	2.14 437	1.37 431	2.14 434	1.37 424	2.14 435	1.37 429	1.97 427	1.32 405	1.97 438	1.32 425	1.98 417	1.33 428

BUS	0.83 311	1.91 352	0.92 328	4.48 447	0.02 20	0.40 214	0.04 68	0.41 224	0.02 20	0.48 260	0.03 47	0.41 231	0.05 78	0.03 36	0.05 73	1.97 427	4.19 467	0.33 194	0.23 176	0.34 184	0.27 185

BSDual-CNN	0.81 303	1.91 352	0.92 328	4.48 447	0.02 20	0.42 248	0.06 89	0.41 224	0.02 20	0.48 260	0.03 47	0.02 19	0.02 21	0.03 36	0.02 19	1.97 427	4.19 467	0.33 194	0.23 176	0.34 184	0.27 185

psmg	0.43 221	1.91 352	0.92 328	1.91 405	0.02 20	0.02 18	0.03 43	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 36	0.02 19	1.97 427	1.44 417	0.04 62	0.03 49	0.02 19	0.03 46

MM-Stereo_test1	1.80 416	3.41 406	1.52 425	2.12 412	1.41 439	2.04 433	1.41 435	2.05 427	1.46 440	2.04 433	1.41 434	2.05 433	1.42 427	2.05 431	1.43 433	2.04 431	1.54 422	1.94 437	1.38 431	1.99 418	1.33 428

TRStereo	2.00 420	2.13 366	1.85 437	2.27 419	1.84 449	2.28 438	1.84 444	2.29 434	1.86 450	2.30 439	1.87 446	2.30 436	1.87 436	2.08 432	1.72 444	2.08 432	1.72 430	2.08 440	1.72 445	2.08 419	1.72 443

XX-Stereo	2.00 420	2.13 366	1.85 437	2.27 419	1.84 449	2.28 438	1.84 444	2.29 434	1.86 450	2.30 439	1.87 446	2.30 436	1.87 436	2.08 432	1.72 444	2.08 432	1.72 430	2.08 440	1.72 445	2.08 419	1.72 443

EAI-Stereo	2.00 420	2.13 366	1.85 437	2.27 419	1.84 449	2.28 438	1.84 444	2.29 434	1.86 450	2.30 439	1.87 446	2.30 436	1.87 436	2.08 432	1.72 444	2.08 432	1.72 430	2.08 440	1.72 445	2.08 419	1.72 443

DEFOM-Stereo_RVC	0.83 311	5.18 437	1.98 443	2.19 414	0.17 155	0.19 133	0.18 147	0.19 132	0.16 149	0.20 136	0.19 163	0.22 151	0.22 171	0.20 137	0.15 140	2.28 435	2.13 440	0.24 165	0.17 161	0.18 133	0.16 136

NCCL2	2.28 432	2.27 374	2.28 447	2.28 422	2.28 459	2.27 437	2.29 453	2.28 433	2.28 457	2.27 438	2.28 458	2.28 435	2.27 446	2.27 439	2.28 457	2.28 435	2.28 444	2.27 444	2.29 457	2.27 426	2.29 453

HUF	2.18 427	2.30 376	1.99 444	2.34 424	2.02 456	2.41 444	2.06 449	2.38 441	1.89 453	2.36 443	1.85 445	2.56 449	1.98 440	2.31 441	1.97 451	2.30 437	2.03 437	2.30 445	2.11 452	2.23 424	2.16 450

FBW_ROB	2.12 426	2.46 381	1.77 433	2.49 429	1.79 448	2.38 442	1.83 443	2.46 442	1.78 446	2.48 444	1.97 453	2.40 443	1.78 434	2.42 445	1.83 448	2.31 438	1.85 436	2.38 448	1.82 450	2.35 429	1.84 447

AIO_rvc	2.18 427	2.34 377	1.87 441	2.32 423	1.94 454	2.40 443	1.89 447	2.37 440	2.07 456	2.52 446	1.95 452	2.44 445	1.99 441	2.41 443	1.89 450	2.32 439	2.09 438	2.24 443	2.18 453	2.21 423	2.23 452

STTStereo	3.73 458	30.40 502	2.37 451	2.39 425	2.31 461	2.35 441	2.33 454	2.29 434	2.42 458	2.32 442	2.34 459	2.33 439	2.36 447	2.30 440	2.27 456	2.35 440	2.22 443	2.31 446	2.22 454	2.29 428	2.34 457

iRaftStereo_RVC	0.97 331	3.17 402	2.30 448	2.42 426	0.38 261	0.54 294	0.38 253	0.54 283	0.38 253	0.54 290	0.38 258	0.54 293	0.38 250	0.54 291	0.38 252	2.38 441	2.34 445	0.49 290	0.36 255	0.49 261	0.36 239

AIO_test	2.18 427	2.09 364	2.04 445	2.42 426	2.01 455	2.47 445	1.94 448	2.34 439	2.03 455	2.56 447	1.94 451	2.43 444	1.94 439	2.41 443	1.87 449	2.39 442	2.10 439	2.35 447	1.91 451	2.25 425	2.19 451

UDGNet	2.23 430	5.40 444	1.72 431	2.48 428	1.69 444	2.51 446	1.69 440	2.51 443	1.72 443	2.50 445	1.69 442	2.52 446	1.69 432	2.50 446	1.68 441	2.41 443	1.70 429	2.42 449	1.69 444	2.42 430	1.64 440

sCroCo_RVC	2.10 424	2.76 390	1.92 442	2.78 433	1.39 438	2.73 449	1.41 435	2.73 445	1.40 437	2.77 451	1.41 434	2.74 450	1.40 426	2.74 449	1.40 431	2.72 444	1.42 416	2.72 450	1.44 435	2.79 436	1.42 436

NLCA_NET_v2_RVC	5.04 483	50.87 512	2.78 453	2.87 434	2.71 462	2.78 450	0.47 285	2.88 449	2.86 462	1.89 428	2.67 460	2.79 451	2.79 451	2.78 450	2.83 458	2.82 445	2.82 447	2.83 451	2.77 460	2.83 437	2.76 461
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AEACV	1.12 347	0.52 184	3.12 466	3.24 437	0.86 352	0.53 292	0.49 296	0.60 293	0.47 285	0.53 288	0.49 301	0.55 297	0.45 275	0.55 294	0.47 287	3.01 446	3.88 464	0.71 320	0.60 318	0.80 304	0.48 283

plain	1.88 418	3.16 401	0.64 290	3.10 435	0.65 330	3.10 452	0.64 314	3.12 451	0.65 320	3.10 452	0.65 326	3.11 452	0.65 314	3.12 451	0.65 316	3.12 447	0.65 295	3.13 452	0.65 323	3.13 438	0.65 315

Anonymous3	2.55 444	3.26 404	1.65 427	3.28 438	1.63 443	3.24 454	1.68 439	3.27 453	1.66 442	3.28 454	1.67 441	3.25 454	1.66 431	3.27 453	1.64 438	3.26 448	1.65 427	3.30 453	1.65 440	4.95 467	1.65 442

UniTT-Stereo	2.03 423	3.43 407	0.72 305	3.42 439	0.73 343	3.27 455	0.68 322	3.38 455	0.69 327	3.29 455	0.72 339	3.28 455	0.70 323	3.35 456	0.68 324	3.39 449	0.68 297	3.31 454	0.69 331	3.37 439	0.73 329

Occ-G	1.12 347	0.52 184	3.72 472	3.50 441	0.50 304	0.56 296	0.47 285	0.54 283	0.46 280	0.54 290	0.41 270	0.54 293	0.42 271	0.52 289	0.42 273	3.42 450	4.02 466	0.52 300	0.45 287	0.51 271	0.44 272

HCRNet	1.22 397	7.11 455	3.00 454	3.55 442	0.33 234	0.29 175	0.14 131	0.19 132	0.15 147	0.33 186	0.29 208	0.25 164	0.14 137	0.22 152	0.33 222	3.64 451	3.00 448	0.76 325	0.32 234	0.18 133	0.13 130

RAStereo	2.23 430	3.64 410	0.76 311	3.65 444	0.86 352	3.66 459	0.76 334	3.67 459	0.81 347	3.66 456	0.76 344	3.66 457	0.77 333	3.68 458	0.77 337	3.68 452	0.77 313	3.69 459	0.77 340	3.70 441	0.77 335

DPSNet	3.66 457	3.60 409	3.62 471	3.63 443	3.64 480	3.65 458	3.65 478	3.66 458	3.67 477	3.67 457	3.65 477	3.67 458	3.66 467	3.66 457	3.68 474	3.68 452	3.66 462	3.67 458	3.68 478	3.67 440	3.67 477

sAnonymous2	3.31 455	2.63 384	1.38 418	3.71 445	1.86 452	4.70 478	1.11 364	4.82 480	2.72 460	5.45 483	1.98 455	4.59 471	2.64 448	2.65 447	6.21 488	4.37 454	1.08 340	5.16 482	2.24 455	4.52 452	2.39 458

CroCo_RVC	3.31 455	2.63 384	1.38 418	3.71 445	1.86 452	4.70 478	1.11 364	4.82 480	2.72 460	5.45 483	1.98 455	4.59 471	2.64 448	2.65 447	6.21 488	4.37 454	1.08 340	5.16 482	2.24 455	4.52 452	2.39 458

hknet	1.10 344	1.85 346	3.49 469	4.48 447	0.02 20	0.42 248	0.06 89	0.41 224	0.02 20	0.48 260	0.03 47	0.41 231	0.03 47	0.42 246	0.03 42	4.39 456	4.19 467	0.33 194	0.23 176	0.34 184	0.27 185

MaDis-Stereo	3.19 454	6.02 453	1.12 342	5.61 468	1.16 380	5.43 484	1.02 361	5.15 484	0.70 330	5.43 482	1.21 421	5.03 484	0.97 345	4.85 479	0.99 357	4.53 457	1.16 352	5.53 484	1.25 423	5.37 472	1.30 425

DispNO	1.00 334	0.63 195	0.43 241	3.45 440	0.44 285	0.65 309	0.43 274	0.64 298	0.43 275	0.64 306	0.43 279	0.64 308	3.03 452	0.64 307	0.43 275	4.55 458	0.43 250	0.63 310	0.43 285	0.63 282	0.43 269

rvit_105_1	3.83 459	5.22 438	3.01 455	4.53 450	3.01 464	4.51 466	3.01 461	4.56 468	3.04 463	4.53 467	3.03 463	4.55 469	3.03 452	4.56 468	3.04 459	4.57 459	3.05 449	4.57 466	3.05 461	4.57 454	3.05 462

rvit_stereo_0081	3.83 459	5.23 439	3.01 455	4.53 450	3.03 466	4.55 472	3.02 462	4.56 468	3.04 463	4.52 465	3.02 461	4.54 467	3.03 452	4.56 468	3.04 459	4.57 459	3.05 449	4.57 466	3.05 461	4.58 455	3.05 462

rvit_stereo_0082	3.86 461	5.82 451	3.01 455	4.53 450	3.03 466	4.54 468	3.02 462	4.56 468	3.04 463	4.53 467	3.02 461	4.55 469	3.04 455	4.57 471	3.05 461	4.57 459	3.05 449	4.58 468	3.05 461	4.58 455	3.06 465

rvit_0105_6	3.87 463	5.73 450	3.10 465	4.69 460	3.12 474	4.54 468	3.02 462	4.56 468	3.04 463	4.54 469	3.03 463	4.54 467	3.04 455	4.56 468	3.05 461	4.58 462	3.05 449	4.58 468	3.05 461	4.58 455	3.05 462

rvit_stereo_0081_aga	3.86 461	5.33 442	3.02 458	4.55 456	3.04 470	4.54 468	3.02 462	4.64 475	3.06 467	4.54 469	3.04 465	4.62 476	3.08 459	4.62 474	3.07 464	4.58 462	3.06 453	4.60 470	3.08 465	4.63 458	3.07 466

rvit_stereo_0080	3.89 464	5.70 448	3.04 460	4.54 453	3.03 466	4.56 473	3.05 468	4.60 472	3.07 468	4.58 472	3.06 466	4.59 471	3.06 457	4.61 472	3.08 465	4.63 464	3.09 454	4.64 472	3.10 466	4.65 459	3.10 467

whm_eth	3.89 464	5.70 448	3.04 460	4.54 453	3.03 466	4.56 473	3.05 468	4.60 472	3.07 468	4.58 472	3.06 466	4.59 471	3.06 457	4.61 472	3.08 465	4.63 464	3.09 454	4.64 472	3.10 466	4.65 459	3.10 467

rvit_0105_4	3.91 466	5.47 447	3.02 458	4.54 453	3.02 465	4.54 468	3.03 466	4.75 478	3.17 474	4.57 471	3.06 466	4.61 475	3.16 463	4.65 475	3.09 467	4.66 466	3.11 456	4.68 475	3.18 471	4.81 464	3.16 471

rvit_0105_3	3.91 466	5.33 442	3.06 463	4.60 458	3.07 472	4.60 475	3.06 470	4.62 474	3.08 471	4.60 474	3.07 469	4.62 476	3.08 459	4.67 476	3.10 468	4.70 467	3.11 456	4.77 477	3.19 472	4.77 463	3.14 470

rvit_stereo_ft	3.93 469	5.44 446	3.05 462	4.59 457	3.06 471	4.61 476	3.08 471	4.67 477	3.12 473	4.63 476	3.10 471	4.65 478	3.11 461	4.69 478	3.13 469	4.70 467	3.14 458	4.71 476	3.15 470	4.74 462	3.16 471

rvit_stereo_0083	3.92 468	5.30 441	3.06 463	4.61 459	3.09 473	4.67 477	3.08 471	4.66 476	3.09 472	4.62 475	3.10 471	4.66 479	3.11 461	4.67 476	3.16 470	4.72 469	3.16 459	4.77 477	3.11 468	4.66 461	3.11 469

TestStereo	4.88 480	4.75 431	4.79 475	4.87 463	4.92 488	4.81 482	4.90 487	4.78 479	4.77 487	4.87 479	4.89 486	4.90 482	4.91 479	4.99 481	4.79 484	4.98 470	4.87 471	4.87 480	4.92 488	5.00 468	5.00 487

FC-DCNN v2	5.10 484	5.15 436	4.49 474	5.07 465	3.37 477	6.87 487	4.75 486	5.04 483	6.34 491	7.84 491	5.06 487	6.72 491	4.09 475	4.99 481	5.44 487	5.03 471	3.16 459	4.67 474	4.86 487	5.15 470	3.89 482

rvit_0105_5	4.10 470	5.40 444	3.13 468	4.71 461	3.15 475	4.72 480	3.10 473	4.90 482	3.27 475	4.69 477	3.16 473	4.84 481	3.25 464	4.96 480	3.34 472	5.05 472	3.39 461	5.10 481	3.40 473	5.11 469	3.42 474

MIF-Stereo (partial)	2.58 445	3.31 405	0.66 294	3.18 436	0.66 333	3.18 453	0.66 317	3.21 452	0.67 323	3.19 453	0.66 328	3.19 453	0.66 317	3.31 455	0.68 324	5.09 473	1.79 434	8.23 492	1.67 442	6.18 476	1.38 434

StereoVision	3.15 453	5.00 434	0.89 321	4.83 462	1.00 365	3.93 460	1.27 424	6.37 485	1.34 431	5.67 485	1.26 426	5.84 486	1.27 418	5.03 483	1.24 423	5.10 474	1.09 342	4.61 471	0.57 314	5.62 474	1.12 366

DispFullNet	4.61 476	4.84 432	3.12 466	5.00 464	3.57 479	4.75 481	3.03 466	7.75 491	4.17 484	4.91 480	3.09 470	6.20 487	3.95 472	6.71 487	3.51 473	5.30 475	3.67 463	5.86 488	3.63 475	5.61 473	3.46 475

RAFT+CT+SA	4.28 471	7.62 459	4.91 476	5.55 467	2.28 459	3.09 451	3.64 477	4.49 466	3.07 468	4.80 478	3.35 474	4.77 480	3.70 468	4.29 465	3.05 461	5.58 476	5.98 477	3.58 457	3.78 480	4.26 448	3.72 478

AANet_RVC	1.26 399	0.31 118	4.99 477	5.93 469	0.20 168	0.25 162	0.20 154	0.25 160	0.20 162	0.23 152	0.19 163	0.25 164	0.20 165	0.25 165	0.20 162	5.66 477	4.76 470	0.26 169	0.30 224	0.24 156	0.27 185

test_5	4.62 477	7.55 458	6.23 482	6.32 472	3.40 478	5.29 483	3.50 476	3.53 457	4.11 483	4.28 462	4.47 485	4.26 465	4.38 477	3.68 458	3.24 471	5.89 478	5.60 474	4.84 479	3.50 474	4.33 449	3.93 484

SGM-Forest	5.21 486	5.92 452	4.08 473	6.18 471	4.16 485	6.31 486	4.34 485	6.50 486	4.33 485	6.14 487	4.21 483	6.61 490	4.55 478	6.67 486	4.48 483	5.94 479	3.94 465	5.85 487	4.03 484	5.79 475	4.17 485
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Sa-1000	4.34 473	8.37 462	6.84 486	6.98 477	4.45 487	3.58 456	3.00 460	3.42 456	3.39 476	2.61 448	4.00 481	3.83 460	4.01 474	3.90 460	3.90 477	5.98 480	5.62 475	3.76 460	2.34 458	4.35 450	2.47 460

test-1	6.46 487	9.16 470	8.03 493	8.09 480	5.62 491	6.11 485	6.35 490	6.85 488	4.94 488	6.08 486	6.29 492	4.98 483	6.43 484	6.22 484	6.36 490	6.16 481	7.47 484	5.82 486	5.44 491	7.11 481	5.68 490

cross-raft	4.83 479	7.52 457	6.43 483	6.63 473	3.96 483	4.51 466	3.99 482	4.49 466	3.96 482	4.52 465	3.96 480	4.50 466	3.97 473	4.50 467	3.97 478	6.65 482	6.44 479	4.33 463	3.92 482	4.35 450	3.91 483

raft_robust	4.71 478	7.75 460	5.40 481	6.81 474	3.31 476	4.28 465	4.20 484	4.32 465	4.37 486	4.35 464	4.35 484	4.14 463	3.75 469	4.30 466	4.20 482	6.67 483	6.37 478	3.36 455	4.24 486	4.86 466	3.25 473

TestStereo1	4.60 474	8.41 463	6.44 484	6.86 475	3.79 481	3.97 461	3.78 479	3.99 462	3.74 478	3.97 459	3.52 475	3.94 461	3.58 465	3.98 461	3.72 475	6.82 484	6.50 480	3.76 460	3.66 476	3.90 443	3.74 480

SA-5K	4.60 474	8.41 463	6.44 484	6.86 475	3.79 481	3.97 461	3.78 479	3.99 462	3.74 478	3.97 459	3.52 475	3.94 461	3.58 465	3.98 461	3.72 475	6.82 484	6.50 480	3.76 460	3.66 476	3.90 443	3.74 480

test_4	4.88 480	8.13 461	6.98 488	7.46 478	4.44 486	4.25 464	3.85 481	4.04 464	3.92 481	4.13 461	3.91 479	4.18 464	3.84 470	4.14 463	4.06 480	7.01 486	7.13 483	4.53 464	3.72 479	4.09 446	3.72 478

SA	4.33 472	7.35 456	6.85 487	5.96 470	4.09 484	3.59 457	3.15 474	3.82 460	2.64 459	3.91 458	3.85 478	3.57 456	2.72 450	3.13 452	4.03 479	7.09 487	6.86 482	3.57 456	3.12 469	3.85 442	3.51 476

rvit_stereo_0075_2	6.64 488	8.80 467	5.25 478	7.89 479	5.27 490	7.90 491	5.27 488	7.92 492	5.28 489	7.91 492	5.29 489	7.93 492	5.27 480	7.92 492	5.28 485	7.93 488	5.28 473	7.93 491	5.29 490	7.93 484	5.28 489

test_3	5.01 482	8.86 468	7.77 490	8.09 480	2.76 463	4.13 463	4.05 483	3.88 461	3.76 480	4.33 463	4.13 482	3.71 459	3.91 471	4.21 464	4.06 480	7.93 488	7.69 485	4.53 464	3.91 481	4.17 447	4.29 486

RAFT	6.73 489	9.36 471	7.40 489	8.51 483	6.55 492	6.88 488	6.60 491	6.79 487	6.60 492	6.80 488	6.72 493	5.31 485	5.50 482	6.61 485	6.61 491	8.42 490	5.89 476	5.73 485	5.45 492	6.61 477	6.24 491

U	5.15 485	8.49 465	1.81 434	8.49 482	1.77 447	8.49 492	1.77 442	8.51 493	1.77 445	8.49 493	1.77 444	8.50 493	1.78 434	8.58 493	1.77 447	8.54 491	1.78 433	8.55 493	1.78 449	8.55 487	1.84 447

SGM+DAISY	7.06 490	9.15 469	5.38 480	8.84 484	5.18 489	8.80 493	5.31 489	8.79 494	5.28 489	8.89 494	5.20 488	8.93 494	5.33 481	8.95 494	5.36 486	8.70 492	5.21 472	8.74 494	5.20 489	8.89 488	5.15 488

test-v	7.53 491	11.89 479	7.98 491	9.36 486	7.14 493	7.06 489	7.09 492	7.37 489	6.91 493	7.29 489	5.71 490	6.45 488	6.93 485	6.73 488	7.27 492	8.93 493	7.85 486	6.98 489	6.80 493	7.56 482	7.34 493

test-2	7.53 491	11.89 479	7.98 491	9.36 486	7.14 493	7.06 489	7.09 492	7.37 489	6.91 493	7.29 489	5.71 490	6.45 488	6.93 485	6.73 488	7.27 492	8.93 493	7.85 486	6.98 489	6.80 493	7.56 482	7.34 493

rafts_anoy	20.00 495	20.00 481	20.00 495	20.00 495	20.00 496	20.00 494	20.00 495	20.00 495	20.00 496	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496

raft+_RVC	20.00 495	20.00 481	20.00 495	20.00 495	20.00 496	20.00 494	20.00 495	20.00 495	20.00 496	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496

raftrobust	20.00 495	20.00 481	20.00 495	20.00 495	20.00 496	20.00 494	20.00 495	20.00 495	20.00 496	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496

CasAABBNet	20.00 495	20.00 481	20.00 495	20.00 495	20.00 496	20.00 494	20.00 495	20.00 495	20.00 496	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496

RALCasStereoNet	20.00 495	20.00 481	20.00 495	20.00 495	20.00 496	20.00 494	20.00 495	20.00 495	20.00 496	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496

RALAANet	20.00 495	20.00 481	20.00 495	20.00 495	20.00 496	20.00 494	20.00 495	20.00 495	20.00 496	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496

MANE	19.05 494	23.00 487	15.00 494	23.00 501	15.00 495	24.00 500	16.00 494	24.00 501	16.00 495	22.00 501	15.00 494	23.00 501	16.00 494	23.00 501	15.00 494	22.00 501	15.00 495	22.00 501	15.00 495	22.00 501	15.00 495

111	30.40 501	30.94 503	29.72 502	32.61 502	30.02 503	33.57 501	30.47 502	31.50 502	29.39 503	30.98 502	29.11 502	29.78 502	30.39 505	29.45 502	30.76 505	30.08 502	29.02 503	29.92 502	30.32 506	29.86 502	30.17 503

fff	1000028.16 521	29.62 499	29.72 502	32.61 502	30.02 503	35.13 503	31.83 503	32.07 503	10000000.00 522	35.27 505	29.82 503	32.45 503	30.15 502	32.35 503	30.09 502	31.04 503	29.55 504	30.64 503	30.14 503	10000000.00 522	30.77 504

csc	1000028.16 521	29.62 499	29.72 502	32.61 502	30.02 503	35.13 503	31.83 503	32.07 503	10000000.00 522	35.27 505	29.82 503	32.45 503	30.15 502	32.35 503	30.09 502	31.04 503	29.55 504	30.64 503	30.14 503	10000000.00 522	30.77 504

cscssc	1000028.16 521	29.62 499	29.72 502	32.61 502	30.02 503	35.13 503	31.83 503	32.07 503	10000000.00 522	35.27 505	29.82 503	32.45 503	30.15 502	32.35 503	30.09 502	31.04 503	29.55 504	30.64 503	30.14 503	10000000.00 522	30.77 504

tt	500032.53 519	34.60 505	29.72 502	37.47 511	34.41 508	36.85 507	35.22 507	34.71 506	33.55 505	34.50 503	35.43 506	33.81 506	10000000.00 522	33.57 506	33.13 506	33.68 506	35.00 508	34.03 507	35.26 509	30.96 503	34.63 508

DCANet	500032.53 519	34.60 505	29.72 502	37.47 511	34.41 508	36.85 507	35.22 507	34.71 506	33.55 505	34.50 503	35.43 506	33.81 506	10000000.00 522	33.57 506	33.13 506	33.68 506	35.00 508	34.03 507	35.26 509	30.96 503	34.63 508

DCANet-4	35.22 503	34.54 504	35.08 508	33.58 506	35.47 510	34.55 502	35.53 509	36.08 508	35.85 507	35.92 508	35.77 508	35.18 508	35.48 507	35.39 508	37.15 511	34.55 508	33.92 507	35.02 509	34.90 508	35.79 506	34.74 510

WCMA_ROB	31.10 502	35.43 507	27.12 501	39.51 513	23.10 502	38.78 512	25.30 501	37.49 513	25.39 502	37.29 512	27.02 501	38.52 513	26.48 501	37.80 512	26.44 501	36.28 509	22.65 502	33.90 506	22.30 502	37.10 510	24.18 502

Reg-Stereo(zero)	37.00 505	37.00 509	37.00 509	37.00 508	37.00 511	37.00 509	37.00 510	37.00 510	37.00 508	37.00 509	37.00 510	37.00 510	37.00 508	37.00 509	37.00 508	37.00 510	37.00 511	37.00 511	37.00 511	37.00 507	37.00 511

HI	37.00 505	37.00 509	37.00 509	37.00 508	37.00 511	37.00 509	37.00 510	37.00 510	37.00 508	37.00 509	37.00 510	37.00 510	37.00 508	37.00 509	37.00 508	37.00 510	37.00 511	37.00 511	37.00 511	37.00 507	37.00 511

CoSv	37.00 505	37.00 509	37.00 509	37.00 508	37.00 511	37.00 509	37.00 510	37.00 510	37.00 508	37.00 509	37.00 510	37.00 510	37.00 508	37.00 509	37.00 508	37.00 510	37.00 511	37.00 511	37.00 511	37.00 507	37.00 511

ADStereo(finetuned)	36.13 504	36.63 508	38.07 512	36.97 507	33.25 507	35.91 506	34.45 506	36.36 509	32.99 504	38.14 513	36.71 509	36.69 509	34.13 506	38.57 513	40.79 512	37.60 513	36.58 510	35.90 510	33.36 507	35.42 505	34.04 507

NOSS_ROB	102.95 509	153.00 517	121.00 516	51.00 514	44.00 514	165.00 516	127.00 515	153.00 516	119.00 513	164.00 517	125.00 515	168.00 517	120.00 513	153.00 516	117.00 515	49.00 514	44.00 514	49.00 514	44.00 514	49.00 511	44.00 514

CBMV	128.50 510	1422.70 524	53.10 514	79.50 515	51.30 515	77.30 514	49.70 513	74.00 514	48.20 512	77.20 515	48.80 514	73.90 515	48.00 512	73.80 515	48.80 514	70.40 515	45.10 515	68.90 515	46.10 515	68.20 512	45.00 515
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 508	87.70 513	41.95 513	113.75 516	65.62 516	75.05 513	55.25 514	75.64 515	45.04 511	71.61 514	41.75 513	72.81 514	44.06 511	68.38 514	44.63 513	101.89 516	59.57 516	107.10 516	61.05 516	104.38 513	59.38 516

MeshStereo	159.24 511	171.00 518	160.68 519	162.58 517	160.59 517	164.01 515	160.35 516	158.51 517	158.56 514	158.34 516	160.12 516	158.56 516	159.92 514	157.26 517	158.94 516	154.38 517	158.36 517	155.75 517	159.13 518	153.67 514	154.07 517
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	201.80 512	123.00 514	115.00 515	219.00 518	218.00 519	223.00 517	244.00 518	217.00 518	236.00 516	202.00 518	203.00 517	205.00 518	208.00 515	225.00 518	204.00 517	210.00 518	198.00 518	197.00 518	184.00 519	204.00 515	201.00 518

MGS-Stereo	239.45 513	123.00 514	135.00 517	266.00 519	286.00 520	277.00 518	305.00 519	271.00 519	242.00 517	274.00 519	279.00 519	255.00 519	270.00 517	268.00 519	297.00 519	221.00 519	247.00 520	216.00 519	123.00 517	217.00 516	217.00 520

EGLCR-Stereo	246.90 514	129.00 516	139.00 518	266.00 519	286.00 520	277.00 518	305.00 519	271.00 519	242.00 517	274.00 519	279.00 519	255.00 519	270.00 517	268.00 519	297.00 519	230.00 520	247.00 520	216.00 519	223.00 521	237.00 517	227.00 521

DLCB_ROB	284.23 515	354.61 520	207.27 520	363.24 521	206.46 518	364.72 520	210.41 517	364.72 521	210.41 515	364.81 521	208.64 518	364.81 521	208.64 516	364.72 521	210.41 518	354.70 521	205.53 519	354.70 521	205.53 520	354.70 518	205.53 519

LE_ROB	396.57 516	471.28 521	329.84 521	471.48 522	308.15 522	526.83 521	322.10 521	488.15 522	323.76 519	495.46 522	317.97 521	497.17 522	320.10 519	481.62 522	326.76 521	462.71 522	298.97 522	466.16 522	285.98 522	447.62 519	289.21 522

SGM-ForestM	596.69 517	677.77 522	444.52 522	699.85 523	517.25 523	732.94 522	488.29 522	770.79 523	460.11 520	750.81 523	487.98 522	792.79 523	499.41 520	730.90 523	475.81 522	720.03 523	491.16 523	663.96 523	418.60 523	674.76 520	436.05 523

CBMV_ROB	818.48 518	913.88 523	709.52 523	862.84 524	597.78 524	1073.99 523	700.52 523	1015.66 524	702.59 521	1115.65 524	760.02 523	1130.24 524	721.57 521	1037.41 524	692.65 523	814.05 524	564.29 524	843.28 524	595.31 524	915.51 521	602.92 524

IGEV-Stereo++	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

IGEV-BASED-STEREO-	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

IGEV-Stereo+	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

SDNR	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

anonymousdsp2	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

anonymousdsp	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

test_example2	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

DIP-Stereo	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525
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