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

USTest	0.01 9	0.02 12	0.00 1	0.14 96	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
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 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWC_ROB	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCDC_ROB	0.01 9	0.01 9	0.02 14	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCK	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PSMNet-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CoDeX	0.15 116	0.70 217	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 336	0.02 15	0.69 319	0.75 340	0.01 9	0.02 20	0.02 20

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CBFPSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

SFCPSM	0.17 127	0.78 221	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 355	0.02 15	0.75 329	0.76 342	0.02 20	0.02 20	0.02 20

MFN_U_SF_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MSC_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCMid	0.08 49	0.02 12	0.02 14	1.01 326	0.03 47	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 68	0.09 98	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 50	0.02 12	0.04 42	0.90 304	0.06 100	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 121	0.36 255	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 82	0.02 12	0.02 14	1.62 416	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 82	0.04 71	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 50

AnyNet_C32	0.14 106	0.04 37	0.03 34	2.22 434	0.04 76	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.04 73	0.02 21	0.07 96	0.04 71	0.02 15	0.02 15	0.03 38	0.03 53	0.02 20	0.03 50

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 47	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 51	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM0	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

G2L-Stereo_aug	0.03 29	0.04 37	0.03 34	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

TCMNet	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

TCMNet-wrong-test	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.02 20	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

YMNet	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.02 20	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.02 20	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

YMNet_1	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.02 20	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.02 20	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

BEATNet_4x	0.11 82	0.03 31	0.03 34	1.60 413	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.05 77	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

ADCL	0.11 82	0.03 31	0.03 34	1.60 413	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.05 77	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

GASNet	0.05 40	0.04 37	0.12 99	0.04 36	0.04 76	0.04 73	0.05 86	0.04 73	0.04 78	0.12 116	0.04 84	0.06 91	0.04 80	0.04 68	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

FADNet-RVC-Resample	0.12 91	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 78	0.04 70	0.04 84	0.04 73	0.04 80	0.04 68	1.57 453	0.04 43	0.04 44	0.04 70	0.05 89	0.04 73	0.06 95

FADNet-RVC	0.13 97	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.05 86	0.04 73	0.04 78	0.04 70	0.05 93	0.04 73	0.05 87	0.04 68	1.71 460	0.04 43	0.04 44	0.04 70	0.04 74	0.07 97	0.04 75

ADCRef	0.12 91	0.03 31	0.04 42	1.71 419	0.04 76	0.03 40	0.03 49	0.04 73	0.04 78	0.04 70	0.03 51	0.04 73	0.03 51	0.06 82	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.03 43	0.04 75

ADCP+	0.15 116	0.04 37	0.04 42	2.20 433	0.04 76	0.04 73	0.04 76	0.04 73	0.04 78	0.04 70	0.05 93	0.04 73	0.04 80	0.08 99	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

ADCPNet	0.10 61	0.03 31	0.04 42	1.27 398	0.03 47	0.04 73	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.04 73	0.03 51	0.08 99	0.04 71	0.04 43	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

NVStereoNet_ROB	0.04 37	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 78	0.04 70	0.04 84	0.04 73	0.04 80	0.04 68	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75
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 50	0.05 49	0.04 42	0.05 42	0.04 76	0.05 83	0.90 364	0.06 88	0.04 78	0.05 86	0.04 84	0.05 85	0.04 80	0.05 77	0.04 71	0.05 50	0.04 44	0.05 80	0.04 74	0.05 85	0.05 90

EDNetEfficientorigin	0.04 37	0.06 54	0.04 42	0.05 42	0.04 76	0.05 83	0.04 76	0.05 83	0.04 78	0.05 86	0.04 84	0.05 85	0.04 80	0.05 77	0.04 71	0.05 50	0.03 35	0.06 87	0.03 53	0.04 73	0.03 50

EDNetEfficient	0.04 37	0.05 49	0.04 42	0.04 36	0.03 47	0.04 73	0.03 49	0.04 73	0.03 54	0.04 70	0.03 51	0.04 73	0.03 51	0.04 68	0.03 47	0.05 50	0.03 35	0.05 80	0.03 53	0.04 73	0.03 50

FADNet_RVC	0.12 91	0.04 37	0.04 42	0.05 42	0.04 76	0.04 73	0.04 76	0.04 73	0.04 78	0.04 70	0.04 84	0.04 73	0.05 87	0.04 68	1.65 457	0.05 50	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

DFGA-Net	0.05 40	0.06 54	0.04 42	0.06 45	0.04 76	0.06 85	0.04 76	0.06 88	0.04 78	0.06 90	0.04 84	0.06 91	0.04 80	0.06 82	0.04 71	0.06 54	0.04 44	0.05 80	0.04 74	0.05 85	0.04 75

Wz-Net-TNSev	0.02 15	0.05 49	0.04 42	0.07 46	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 54	0.04 44	0.01 9	0.01 9	0.01 10	0.01 10

FADNet	0.12 91	0.05 49	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 78	0.04 70	0.04 84	0.04 73	0.05 87	0.04 68	1.66 458	0.06 54	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

GwcNet	0.12 91	0.07 57	0.05 56	0.08 48	0.05 92	0.08 96	1.20 392	0.07 98	0.05 92	0.05 86	0.05 93	0.08 98	0.05 87	0.08 99	0.03 47	0.07 57	0.05 55	0.06 87	0.05 89	0.07 97	0.05 90

SuperB	0.21 141	0.10 66	2.51 473	0.12 79	0.09 105	0.10 101	0.09 103	0.08 101	0.07 103	0.10 102	0.09 105	0.09 102	0.07 103	0.07 96	0.07 93	0.07 57	0.08 58	0.07 92	0.07 97	0.08 99	0.07 97

AASNet	0.06 43	0.08 58	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 100	0.06 90	0.06 99	0.05 85	0.06 99	0.06 82	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

SACVNet	0.06 43	0.08 58	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 100	0.06 90	0.06 99	0.05 85	0.06 99	0.06 82	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

AACVNet	0.06 43	0.08 58	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 100	0.06 90	0.06 99	0.05 85	0.06 99	0.06 82	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

FINET	0.07 48	0.08 58	0.07 57	0.07 46	0.07 101	0.08 96	0.06 98	0.08 101	0.07 103	0.08 98	0.07 102	0.08 98	0.06 99	0.07 96	0.07 93	0.08 59	0.07 56	0.07 92	0.07 97	0.06 89	0.06 95

BEATNet-Init1	0.19 132	0.08 58	0.08 59	2.23 435	0.08 103	0.08 96	0.07 101	0.07 98	0.08 105	0.08 98	0.07 102	0.08 98	0.07 103	0.11 115	0.08 95	0.08 59	0.08 58	0.08 94	0.07 97	0.08 99	0.08 98

DeepPrunerF	0.19 132	0.08 58	0.08 59	2.23 435	0.08 103	0.08 96	0.07 101	0.07 98	0.08 105	0.08 98	0.07 102	0.08 98	0.07 103	0.11 115	0.08 95	0.08 59	0.08 58	0.08 94	0.07 97	0.08 99	0.08 98

test_sample2	0.09 50	1.03 269	0.11 88	0.11 73	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.09 67	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 50	1.01 263	0.09 64	0.09 52	0.03 47	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.09 67	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 50	0.95 250	0.09 64	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

Wz-Net-SNSev	0.03 29	0.09 64	0.07 57	0.09 52	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 65	0.07 56	0.01 9	0.01 9	0.01 10	0.01 10

SepStereo	0.09 50	0.09 64	0.10 68	0.09 52	0.09 105	0.09 100	0.09 103	0.10 103	0.08 105	0.10 102	0.09 105	0.09 102	0.09 106	0.09 102	0.08 95	0.09 65	0.08 58	0.09 99	0.08 101	0.09 102	0.08 98

test_sample6	0.09 50	0.97 253	0.10 68	0.10 56	0.03 47	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 51	0.03 42	0.02 21	0.03 39	0.02 20	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 61	1.07 276	0.11 88	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.03 53	0.04 73	0.03 50

test_sample1	0.09 50	0.87 232	0.12 99	0.11 73	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

DualNet	0.10 61	1.07 276	0.11 88	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.03 53	0.04 73	0.03 50

xxx	0.09 50	1.01 263	0.10 68	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.03 40	0.03 51	0.03 42	0.02 21	0.03 39	0.02 20	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.03 50

AnonymousM	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 103	0.10 109	0.10 102	0.10 109	0.10 104	0.10 110	0.10 104	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

PVD	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 103	0.10 109	0.10 102	0.10 109	0.10 104	0.10 110	0.10 104	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

SHD	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 103	0.10 109	0.10 102	0.10 109	0.10 104	0.10 110	0.10 104	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

SAMSARA	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 103	0.10 109	0.10 102	0.10 109	0.10 104	0.10 110	0.10 104	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

XQC	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 103	0.10 109	0.10 102	0.10 109	0.10 104	0.10 110	0.10 104	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTSC	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 103	0.10 109	0.10 102	0.10 109	0.10 104	0.10 110	0.10 104	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTS	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 103	0.10 109	0.10 102	0.10 109	0.10 104	0.10 110	0.10 104	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTSA	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 103	0.10 109	0.10 102	0.10 109	0.10 104	0.10 110	0.10 104	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

MADNet+	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 103	0.10 109	0.10 102	0.10 109	0.10 104	0.10 110	0.10 104	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

MADNet++	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 103	0.10 109	0.10 102	0.10 109	0.10 104	0.10 110	0.10 104	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

JetRed	0.11 82	0.12 79	0.11 88	0.11 73	0.11 127	0.11 112	0.14 141	0.11 115	0.11 124	0.12 116	0.11 123	0.11 114	0.11 122	0.11 115	0.11 116	0.11 85	0.16 140	0.11 111	0.11 122	0.11 113	0.11 118

JetBlue	0.11 82	0.11 77	0.12 99	0.13 92	0.14 147	0.11 112	0.11 121	0.11 115	0.11 124	0.11 114	0.11 123	0.11 114	0.11 122	0.12 119	0.12 130	0.11 85	0.11 94	0.11 111	0.11 122	0.11 113	0.11 118

LRCNet_RVC	0.13 97	0.13 80	0.09 64	0.13 92	0.10 111	0.14 117	0.10 108	0.14 119	0.10 109	0.23 164	0.10 109	0.20 149	0.10 110	0.24 172	0.11 116	0.11 85	0.09 67	0.12 114	0.14 150	0.12 118	0.09 101

aanetorigin	0.13 97	0.11 77	0.11 88	0.11 73	0.11 127	0.11 112	0.11 121	0.11 115	0.11 124	0.11 114	0.12 133	0.11 114	0.11 122	0.11 115	0.11 116	0.11 85	0.11 94	0.14 119	0.11 122	0.49 275	0.11 118

PASM	0.39 214	3.06 418	1.36 433	1.58 411	0.09 105	0.11 112	0.11 121	0.11 115	0.11 124	0.09 101	0.09 105	0.11 114	0.09 106	0.09 102	0.09 98	0.11 85	0.11 94	0.11 111	0.09 103	0.11 113	0.11 118

DualNet (step1)	0.10 61	1.05 273	0.12 99	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.03 53	0.03 43	0.03 50

test_sample9	0.10 61	1.05 273	0.12 99	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.03 53	0.03 43	0.03 50

test_sample8	0.10 61	1.05 273	0.12 99	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.03 53	0.03 43	0.03 50

test_sample7	0.09 50	1.00 257	0.11 88	0.11 73	0.02 21	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.03 53	0.03 43	0.03 50

test_sample3	0.09 50	0.87 232	0.10 68	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 106	1.83 363	0.12 99	0.11 73	0.03 47	0.03 40	0.03 49	0.03 42	0.04 78	0.03 40	0.03 51	0.03 42	0.03 51	0.06 82	0.04 71	0.12 90	0.11 94	0.05 80	0.04 74	0.05 85	0.04 75

ffm	0.25 151	3.83 438	0.12 99	0.12 79	0.05 92	0.06 85	0.05 86	0.06 88	0.05 92	0.03 40	0.03 51	0.06 91	0.05 87	0.06 82	0.05 82	0.12 90	0.12 108	0.05 80	0.04 74	0.06 89	0.04 75

ff1	0.25 151	3.83 438	0.12 99	0.12 79	0.05 92	0.06 85	0.05 86	0.06 88	0.05 92	0.03 40	0.03 51	0.06 91	0.05 87	0.06 82	0.05 82	0.12 90	0.12 108	0.05 80	0.04 74	0.06 89	0.04 75

mmx	0.25 151	3.83 438	0.12 99	0.12 79	0.05 92	0.06 85	0.05 86	0.06 88	0.05 92	0.03 40	0.03 51	0.06 91	0.05 87	0.06 82	0.05 82	0.12 90	0.12 108	0.05 80	0.04 74	0.06 89	0.04 75

ttt	0.10 61	1.09 278	0.12 99	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.02 20	0.03 43	0.02 20

qqq	0.16 124	2.01 378	0.12 99	0.15 106	0.04 76	0.06 85	0.05 86	0.06 88	0.04 78	0.06 90	0.03 51	0.06 91	0.03 51	0.06 82	0.03 47	0.12 90	0.14 135	0.04 70	0.04 74	0.03 43	0.03 50

Wz-Net-MNSev	0.06 43	0.54 204	0.10 68	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 90	0.11 94	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 40	0.50 189	0.10 68	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 90	0.10 72	0.01 9	0.01 9	0.01 10	0.01 10

222	0.10 61	0.99 256	0.12 99	0.13 92	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.02 20	0.04 73	0.03 50

UNet	0.29 165	0.90 239	0.10 68	0.14 96	0.10 111	0.14 117	0.10 108	0.91 342	0.69 344	0.14 118	0.11 123	0.14 119	0.11 122	0.14 121	0.10 104	0.12 90	0.09 67	0.12 114	0.09 103	0.88 330	0.76 352

DRN-Test	0.14 106	0.13 80	0.09 64	0.14 96	0.09 105	0.15 124	0.09 103	0.14 119	0.10 109	0.14 118	0.09 105	0.14 119	0.09 106	0.13 120	0.09 98	0.12 90	0.09 67	0.12 114	0.09 103	0.12 118	0.73 347

S2M2	0.12 91	0.14 84	0.10 68	0.15 106	0.10 111	0.14 117	0.10 108	0.14 119	0.10 109	0.15 124	0.10 109	0.14 119	0.10 110	0.14 121	0.10 104	0.13 106	0.10 72	0.13 117	0.09 103	0.13 120	0.09 101

test_sample4	0.10 61	1.03 269	0.12 99	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.13 132	0.03 38	0.03 53	0.03 43	0.03 50

qqq1	0.25 151	3.70 432	0.14 123	0.14 96	0.04 76	0.06 85	0.05 86	0.06 88	0.05 92	0.06 90	0.05 93	0.04 73	0.05 87	0.06 82	0.05 82	0.13 106	0.12 108	0.06 87	0.05 89	0.03 43	0.04 75

fff1	0.25 151	3.70 432	0.14 123	0.14 96	0.04 76	0.06 85	0.05 86	0.06 88	0.05 92	0.06 90	0.05 93	0.04 73	0.05 87	0.06 82	0.05 82	0.13 106	0.12 108	0.06 87	0.05 89	0.03 43	0.04 75

1111x	0.10 61	1.14 283	0.13 118	0.14 96	0.03 47	0.04 73	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

xxxx	0.11 82	1.16 286	0.16 139	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.16 140	0.03 38	0.04 74	0.04 73	0.04 75

StereoDRNet	0.15 116	0.14 84	0.10 68	0.14 96	0.09 105	0.15 124	0.09 103	0.14 119	0.09 108	0.14 118	0.10 109	0.14 119	0.09 106	0.14 121	0.09 98	0.13 106	0.10 72	0.13 117	0.09 103	0.13 120	0.82 358

testlalala2	0.13 97	0.16 86	0.11 88	0.15 106	0.11 127	0.16 132	0.11 121	0.16 132	0.11 124	0.16 129	0.11 123	0.16 130	0.11 122	0.16 131	0.11 116	0.14 113	0.11 94	0.14 119	0.11 122	0.14 122	0.11 118

testlalala_base	0.13 97	0.16 86	0.11 88	0.15 106	0.11 127	0.15 124	0.11 121	0.16 132	0.11 124	0.16 129	0.11 123	0.16 130	0.11 122	0.16 131	0.11 116	0.14 113	0.11 94	0.14 119	0.11 122	0.14 122	0.11 118

x	0.11 82	1.15 285	0.15 138	0.14 96	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.14 113	0.15 138	0.03 38	0.03 53	0.03 43	0.03 50

MIPNet	0.14 106	0.21 105	0.17 146	0.16 116	0.11 127	0.15 124	0.12 136	0.14 119	0.11 124	0.16 129	0.11 123	0.14 119	0.11 122	0.14 121	0.11 116	0.14 113	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

test_xeample	0.10 61	1.09 278	0.13 118	0.12 79	0.03 47	0.03 40	0.03 49	0.04 73	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.14 113	0.14 135	0.03 38	0.03 53	0.03 43	0.03 50

GMStereo	0.14 106	0.13 80	0.14 123	0.14 96	0.14 147	0.14 117	0.14 141	0.14 119	0.14 147	0.14 118	0.14 150	0.14 119	0.14 147	0.14 121	0.14 140	0.14 113	0.14 135	0.14 119	0.14 150	0.14 122	0.14 145
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PDISCO_ROB	0.83 328	2.80 415	3.49 490	0.14 96	0.11 127	0.17 140	0.09 103	0.15 131	0.10 109	0.15 124	0.12 133	0.16 130	0.14 147	3.30 475	0.13 136	0.14 113	2.34 466	0.16 135	0.12 138	2.62 456	0.10 106

ELAS_RVC	0.14 106	0.16 86	0.10 68	0.15 106	0.10 111	0.18 143	0.11 121	0.19 144	0.11 124	0.19 143	0.12 133	0.18 143	0.11 122	0.19 145	0.12 130	0.14 113	0.08 58	0.14 119	0.09 103	0.15 132	0.09 101
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 97	0.16 86	0.11 88	0.15 106	0.09 105	0.18 143	0.11 121	0.18 142	0.11 124	0.17 138	0.11 123	0.18 143	0.11 122	0.18 142	0.11 116	0.14 113	0.08 58	0.14 119	0.08 101	0.14 122	0.09 101
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ProNet	0.14 106	0.20 99	0.14 123	0.16 116	0.11 127	0.16 132	0.11 121	0.17 140	0.11 124	0.17 138	0.12 133	0.17 140	0.13 143	0.17 140	0.12 130	0.15 122	0.11 94	0.16 135	0.11 122	0.15 132	0.12 134

CIPLG	0.13 97	0.21 105	0.12 99	0.16 116	0.11 127	0.15 124	0.11 121	0.14 119	0.11 124	0.15 124	0.12 133	0.15 129	0.11 122	0.14 121	0.11 116	0.15 122	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

IPLG	0.13 97	0.20 99	0.14 123	0.15 106	0.11 127	0.14 117	0.11 121	0.14 119	0.11 124	0.14 118	0.11 123	0.14 119	0.11 122	0.14 121	0.11 116	0.15 122	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

IPLGR_C	0.14 106	0.20 99	0.12 99	0.15 106	0.11 127	0.14 117	0.15 146	0.14 119	0.11 124	0.15 124	0.12 133	0.14 119	0.11 122	0.16 131	0.11 116	0.15 122	0.12 108	0.14 119	0.12 138	0.15 132	0.12 134

IPLGR	0.14 106	0.24 117	0.14 123	0.16 116	0.12 142	0.15 124	0.12 136	0.14 119	0.11 124	0.15 124	0.12 133	0.14 119	0.11 122	0.14 121	0.11 116	0.15 122	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

ACRE	0.13 97	0.21 105	0.14 123	0.15 106	0.11 127	0.14 117	0.11 121	0.14 119	0.11 124	0.14 118	0.12 133	0.14 119	0.11 122	0.14 121	0.11 116	0.15 122	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

cf-r	0.66 287	2.17 388	0.12 99	0.18 125	0.12 142	0.18 143	2.70 479	2.60 462	0.12 142	0.18 141	0.12 133	0.18 143	0.12 138	0.18 142	0.12 130	0.15 122	0.11 94	0.15 132	0.11 122	1.81 431	1.74 467

FADE		0.06 54		0.09 52	0.10 111			0.05 83	0.03 54	0.04 70		0.05 85		0.04 68		0.15 122	0.10 72	0.17 142	0.13 146	0.11 113	0.11 118

xyz-stereo-finetune2	0.18 130	0.48 183	0.16 139	0.16 116	0.15 158	0.15 124	0.16 149	0.16 132	0.16 159	0.16 129	0.16 159	0.16 130	0.16 157	0.16 131	0.16 156	0.16 130	0.16 140	0.16 135	0.16 155	0.16 136	0.16 146

xyz-stereo	0.18 130	0.50 189	0.16 139	0.15 106	0.16 165	0.16 132	0.16 149	0.16 132	0.16 159	0.16 129	0.16 159	0.16 130	0.16 157	0.16 131	0.16 156	0.16 130	0.16 140	0.16 135	0.16 155	0.16 136	0.16 146

ITSA-stereo	0.15 116	0.17 92	0.13 118	0.20 130	0.13 145	0.19 146	0.13 139	0.18 142	0.13 145	0.19 143	0.13 145	0.18 143	0.14 147	0.18 142	0.14 140	0.16 130	0.11 94	0.15 132	0.14 150	0.18 145	0.11 118

GMStereo_Zeroshot	0.16 124	0.16 86	0.16 139	0.16 116	0.16 165	0.16 132	0.16 149	0.16 132	0.16 159	0.16 129	0.16 159	0.16 130	0.16 157	0.16 131	0.16 156	0.16 130	0.16 140	0.16 135	0.16 155	0.16 136	0.16 146

ICVP	0.15 116	0.53 201	0.11 88	0.16 116	0.11 127	0.16 132	0.11 121	0.16 132	0.11 124	0.16 129	0.11 123	0.16 130	0.11 122	0.16 131	0.11 116	0.16 130	0.11 94	0.16 135	0.11 122	0.16 136	0.11 118
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 106	0.16 86	0.12 99	0.17 124	0.12 142	0.17 140	0.11 121	0.17 140	0.11 124	0.17 138	0.12 133	0.17 140	0.12 138	0.17 140	0.12 130	0.16 130	0.11 94	0.16 135	0.11 122	0.16 136	0.12 134

SGM_RVC	0.15 116	0.17 92	0.11 88	0.18 125	0.11 127	0.19 146	0.11 121	0.19 144	0.12 142	0.19 143	0.12 133	0.20 149	0.12 138	0.19 145	0.12 130	0.16 130	0.11 94	0.17 142	0.10 110	0.17 141	0.10 106
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.30 166	3.10 419	0.14 123	0.19 128	0.14 147	0.19 146	0.14 141	0.20 149	0.14 147	0.19 143	0.13 145	0.16 130	0.13 143	0.19 145	0.13 136	0.17 137	0.13 132	0.17 142	0.13 146	0.17 141	0.13 140

ACVNet	0.20 134	0.19 95	0.14 123	0.20 130	0.14 147	0.20 151	0.96 371	0.21 156	0.14 147	0.20 148	0.13 145	0.21 157	0.14 147	0.20 149	0.14 140	0.17 137	0.12 108	0.17 142	0.12 138	0.17 141	0.12 134

acv_ft	0.20 134	0.19 95	0.14 123	0.20 130	0.14 147	0.20 151	0.96 371	0.21 156	0.14 147	0.20 148	0.13 145	0.21 157	0.14 147	0.20 149	0.14 140	0.17 137	0.12 108	0.17 142	0.12 138	0.17 141	0.12 134

hitnet-ft	0.79 313	2.78 414	0.14 123	0.20 130	0.14 147	0.21 159	2.89 480	2.80 469	0.14 147	0.20 148	0.14 150	0.20 149	0.14 147	0.20 149	0.14 140	0.17 137	0.12 108	0.17 142	0.12 138	2.54 455	2.33 477

PSMNet-RSSM	0.77 309	2.76 411	0.14 123	0.20 130	0.14 147	0.20 151	2.66 477	2.79 468	0.14 147	0.21 158	0.14 150	0.21 157	0.14 147	0.20 149	0.14 140	0.17 137	0.12 108	0.17 142	0.12 138	2.52 453	2.31 475

GwcNet-RSSM	0.77 309	2.77 413	0.14 123	0.20 130	0.14 147	0.20 151	2.67 478	2.78 467	0.14 147	0.20 148	0.14 150	0.20 149	0.14 147	0.21 160	0.14 140	0.17 137	0.12 108	0.17 142	0.12 138	2.52 453	2.31 475

CFNet-ft	0.55 273	1.57 352	0.14 123	0.20 130	0.14 147	0.20 151	2.53 476	1.61 435	0.14 147	0.20 148	0.14 150	0.20 149	0.14 147	0.20 149	0.14 140	0.17 137	0.12 108	0.17 142	0.12 138	1.56 426	1.24 441

LALA_ROB	0.15 116	0.19 95	0.12 99	0.18 125	0.11 127	0.20 151	0.12 136	0.21 156	0.12 142	0.20 148	0.12 133	0.20 149	0.12 138	0.21 160	0.13 136	0.17 137	0.10 72	0.18 152	0.11 122	0.18 145	0.11 118

11t1	0.17 127	2.16 387	0.13 118	0.13 92	0.04 76	0.06 85	0.04 76	0.06 88	0.04 78	0.06 90	0.03 51	0.06 91	0.03 51	0.06 82	0.05 82	0.18 145	0.12 108	0.06 87	0.03 53	0.05 85	0.03 50

GANet-RSSM	0.75 304	1.91 370	0.14 123	0.47 233	0.14 147	0.21 159	3.21 496	2.30 456	0.14 147	0.46 263	0.14 150	0.23 167	0.18 168	0.21 160	0.14 140	0.18 145	0.27 187	0.37 235	0.13 146	2.13 440	2.12 470

DeepPruner_ROB	0.16 124	0.18 94	0.13 118	0.19 128	0.13 145	0.19 146	0.13 139	0.19 144	0.13 145	0.19 143	0.13 145	0.19 147	0.13 143	0.19 145	0.13 136	0.18 145	0.13 132	0.18 152	0.13 146	0.18 145	0.13 140

CAS++	0.17 127	0.27 121	0.21 161	0.10 56	0.21 188	0.15 124	0.22 178	0.10 103	0.21 177	0.22 160	0.10 109	0.19 147	0.18 168	0.10 104	0.19 171	0.20 148	0.19 162	0.18 152	0.10 110	0.19 151	0.18 162
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV_Zeroshot_test	0.20 134	0.19 95	0.40 241	0.30 164	0.17 168	0.22 161	0.17 154	0.21 156	0.17 164	0.20 148	0.17 164	0.21 157	0.18 168	0.21 160	0.17 159	0.20 148	0.16 140	0.20 156	0.16 155	0.20 152	0.17 158

DAS	0.20 134	0.20 99	0.20 157	0.20 130	0.20 181	0.20 151	0.20 167	0.20 149	0.20 174	0.20 148	0.20 179	0.20 149	0.20 177	0.20 149	0.20 174	0.20 148	0.20 164	0.20 156	0.20 178	0.20 152	0.20 165

GEStereo_RVC	0.86 334	4.45 449	0.20 157	0.27 161	0.20 181	0.27 185	0.20 167	0.26 177	0.18 166	5.03 503	0.20 179	0.27 186	0.19 173	0.27 190	0.21 177	0.20 148	0.19 162	0.19 155	4.02 507	0.20 152	0.18 162

ASD4	0.20 134	0.20 99	0.20 157	0.20 130	0.20 181	0.20 151	0.20 167	0.20 149	0.20 174	0.20 148	0.20 179	0.20 149	0.20 177	0.20 149	0.20 174	0.20 148	0.20 164	0.20 156	0.20 178	0.20 152	0.20 165

test_for_model	0.15 116	0.23 110	0.18 151	0.21 139	0.11 127	0.16 132	0.11 121	0.16 132	0.11 124	0.16 129	0.11 123	0.16 130	0.11 122	0.16 131	0.11 116	0.21 153	0.18 161	0.14 119	0.11 122	0.14 122	0.11 118

MSKI-zero shot	0.24 150	0.21 105	0.49 279	0.65 277	0.18 175	0.22 161	0.17 154	0.23 164	0.18 166	0.21 158	0.17 164	0.23 167	0.28 218	0.23 168	0.18 168	0.21 153	0.16 140	0.21 159	0.16 155	0.21 156	0.16 146

iResNetv2_ROB	0.20 134	0.23 110	0.18 151	0.24 147	0.20 181	0.24 168	0.18 160	0.24 167	0.18 166	0.24 169	0.18 174	0.23 167	0.19 173	0.24 172	0.18 168	0.21 153	0.16 140	0.21 159	0.16 155	0.22 158	0.16 146

ACV-stereo	0.30 166	2.08 380	0.25 175	0.25 152	0.18 175	0.24 168	0.17 154	0.24 167	0.18 166	0.24 169	0.17 164	0.25 176	0.17 161	0.24 172	0.17 159	0.22 156	0.16 140	0.22 164	0.16 155	0.22 158	0.16 146

Pointernet	0.21 141	0.22 109	0.19 154	0.24 147	0.19 179	0.24 168	0.19 164	0.24 167	0.19 172	0.24 169	0.19 175	0.24 171	0.19 173	0.24 172	0.19 171	0.22 156	0.17 155	0.22 164	0.17 173	0.22 158	0.17 158

WAO-6	0.22 144	0.23 110	0.22 163	0.23 142	0.22 190	0.22 161	0.22 178	0.22 160	0.22 180	0.22 160	0.22 185	0.22 163	0.22 183	0.22 164	0.22 179	0.22 156	0.22 172	0.22 164	0.22 183	0.22 158	0.22 171

IMH-64-1	0.22 144	0.23 110	0.23 166	0.22 140	0.22 190	0.22 161	0.22 178	0.22 160	0.22 180	0.22 160	0.22 185	0.22 163	0.22 183	0.22 164	0.22 179	0.22 156	0.22 172	0.23 170	0.22 183	0.22 158	0.23 173

IMH-64	0.22 144	0.23 110	0.23 166	0.22 140	0.22 190	0.22 161	0.22 178	0.22 160	0.22 180	0.22 160	0.22 185	0.22 163	0.22 183	0.22 164	0.22 179	0.22 156	0.22 172	0.23 170	0.22 183	0.22 158	0.23 173

dd	0.23 148	0.98 254	0.16 139	0.23 142	0.15 158	0.23 167	0.15 146	0.23 164	0.15 157	0.23 164	0.15 158	0.24 171	0.17 161	0.23 168	0.15 150	0.22 156	0.15 138	0.21 159	0.15 154	0.22 158	0.16 146

dad	0.23 148	1.03 269	0.16 139	0.23 142	0.15 158	0.24 168	0.15 146	0.24 167	0.16 159	0.23 164	0.16 159	0.24 171	0.16 157	0.23 168	0.15 150	0.22 156	0.16 140	0.22 164	0.16 155	0.22 158	0.16 146

psm_up	0.43 235	1.19 290	0.17 146	0.25 152	0.18 175	0.25 175	0.19 164	1.26 423	0.91 368	0.26 180	0.17 164	0.25 176	0.17 161	0.25 177	0.17 159	0.22 156	0.17 155	0.23 170	0.16 155	1.18 364	0.99 372

UPFNet	0.42 234	1.20 291	0.17 146	0.24 147	0.17 168	0.25 175	0.17 154	1.19 371	0.90 367	0.25 173	0.17 164	0.24 171	0.17 161	0.25 177	0.17 159	0.22 156	0.17 155	0.22 164	0.16 155	1.15 356	0.93 367

ac_64	0.22 144	0.13 80	0.19 154	0.23 142	0.10 111	0.26 182	1.02 379	0.14 119	0.10 109	0.28 183	0.14 150	0.17 140	0.19 173	0.28 192	0.09 98	0.22 156	0.16 140	0.23 170	0.17 173	0.11 113	0.12 134

iResNet	0.20 134	0.23 110	0.18 151	0.24 147	0.18 175	0.24 168	0.20 167	0.24 167	0.18 166	0.23 164	0.17 164	0.23 167	0.18 168	0.23 168	0.18 168	0.22 156	0.16 140	0.21 159	0.16 155	0.21 156	0.16 146

MIM_Stereo	0.25 151	0.23 110	0.66 311	0.80 294	0.17 168	0.22 161	0.17 154	0.23 164	0.18 166	0.26 180	0.17 164	0.21 157	0.17 161	0.25 177	0.17 159	0.23 167	0.16 140	0.21 159	0.17 173	0.22 158	0.17 158

Wz-Net-LNSev	0.06 43	0.24 117	0.20 157	0.23 142	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 167	0.21 168	0.02 18	0.01 9	0.01 10	0.01 10

MMNet	0.44 238	1.24 341	0.17 146	0.25 152	0.17 168	0.25 175	0.18 160	1.26 423	0.93 373	0.25 173	0.17 164	0.25 176	0.18 168	0.25 177	0.17 159	0.23 167	0.16 140	0.23 170	0.16 155	1.20 367	0.99 372

delet	0.43 235	1.21 337	0.17 146	0.25 152	0.17 168	0.25 175	0.18 160	1.26 423	0.95 375	0.25 173	0.17 164	0.25 176	0.17 161	0.25 177	0.17 159	0.23 167	0.16 140	0.22 164	0.16 155	1.18 364	0.98 371

CFNet	1.37 422	5.27 462	0.19 154	5.49 490	0.19 179	0.28 186	0.19 164	0.28 180	0.19 172	0.28 183	0.19 175	0.28 187	4.35 500	0.28 192	0.19 171	0.23 167	0.17 155	0.23 170	4.21 509	4.81 486	0.17 158

ISRNet	0.11 82	0.05 49	0.36 225	0.24 147	0.07 101	0.13 116	0.05 86	0.06 88	0.05 92	0.05 86	0.05 93	0.13 118	0.05 87	0.05 77	0.09 98	0.24 172	0.20 164	0.10 100	0.05 89	0.06 89	0.13 140

tg	0.21 141	0.25 119	0.21 161	0.26 159	0.17 168	0.24 168	0.17 154	0.24 167	0.17 164	0.24 169	0.17 164	0.24 171	0.17 161	0.24 172	0.17 159	0.24 172	0.17 155	0.23 170	0.16 155	0.23 167	0.16 146

gwcnet-sp	0.82 324	1.72 357	1.48 440	0.39 191	0.15 158	0.31 192	0.21 173	0.20 149	0.25 193	1.61 439	0.23 189	0.28 187	0.26 204	0.20 149	0.15 150	0.24 172	1.33 426	0.32 199	0.16 155	6.75 502	0.23 173

scenet	0.82 324	1.72 357	1.48 440	0.39 191	0.15 158	0.31 192	0.21 173	0.20 149	0.25 193	1.61 439	0.23 189	0.28 187	0.26 204	0.20 149	0.15 150	0.24 172	1.33 426	0.32 199	0.16 155	6.75 502	0.23 173

ssnet_v2	0.68 292	1.96 377	1.25 424	0.29 163	0.20 181	0.30 189	0.20 167	0.29 184	0.22 180	1.50 437	0.20 179	0.31 197	0.20 177	0.27 190	0.22 179	0.24 172	1.49 438	0.26 181	0.18 177	3.90 464	0.19 164

ssnet	0.82 324	1.72 357	1.48 440	0.39 191	0.15 158	0.31 192	0.21 173	0.20 149	0.25 193	1.61 439	0.23 189	0.28 187	0.26 204	0.20 149	0.15 150	0.24 172	1.33 426	0.32 199	0.16 155	6.75 502	0.23 173

UNDER WATER-64	0.25 151	0.26 120	0.25 175	0.26 159	0.25 202	0.25 175	0.25 193	0.25 173	0.25 193	0.25 173	0.25 201	0.25 176	0.25 195	0.26 187	0.25 195	0.25 178	0.25 179	0.25 178	0.25 201	0.25 169	0.25 184

LoS_RVC	0.30 166	1.14 283	0.25 175	0.25 152	0.25 202	0.26 182	0.25 193	0.25 173	0.25 193	0.25 173	0.25 201	0.26 185	0.26 204	0.26 187	0.25 195	0.26 179	0.26 182	0.25 178	0.25 201	0.26 171	0.26 190

CAS	0.30 166	1.17 287	0.25 175	0.25 152	0.25 202	0.26 182	0.25 193	0.25 173	0.26 206	0.25 173	0.25 201	0.25 176	0.25 195	0.25 177	0.25 195	0.26 179	0.26 182	0.26 181	0.25 201	0.26 171	0.25 184

LoS	0.25 151	0.27 121	0.25 175	0.25 152	0.25 202	0.25 175	0.25 193	0.26 177	0.25 193	0.25 173	0.25 201	0.25 176	0.25 195	0.25 177	0.25 195	0.26 179	0.25 179	0.25 178	0.26 207	0.26 171	0.25 184
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
TorneroNet-64	0.45 239	0.27 121	0.30 192	0.58 265	0.27 212	0.70 329	0.30 221	0.28 180	0.73 354	0.73 333	0.28 217	0.71 332	0.66 335	0.75 336	0.27 201	0.27 182	0.29 201	0.37 235	0.75 357	0.28 176	0.30 226

tt1	0.31 171	0.93 248	0.24 172	0.33 173	0.23 195	0.31 192	0.24 190	0.32 189	0.24 188	0.32 194	0.23 189	0.32 199	0.25 195	0.32 200	0.24 189	0.27 182	0.26 182	0.27 185	0.26 207	0.27 174	0.27 198

DCVSM-stereo	0.36 195	1.89 367	0.22 163	0.40 204	0.22 190	0.40 228	0.22 178	0.40 223	0.22 180	0.40 224	0.22 185	0.40 233	0.22 183	0.40 233	0.22 179	0.28 184	0.21 168	0.28 187	0.21 180	0.28 176	0.20 165

xxxxx1	0.31 171	0.91 241	0.23 166	0.31 167	0.23 195	0.31 192	0.23 185	0.33 192	0.25 193	0.31 189	0.24 195	0.33 202	0.25 195	0.32 200	0.24 189	0.28 184	0.28 192	0.28 187	0.28 218	0.29 179	0.27 198

SQANet	0.28 161	0.28 124	0.28 186	0.28 162	0.28 215	0.28 186	0.28 209	0.28 180	0.28 214	0.28 183	0.28 217	0.28 187	0.28 218	0.28 192	0.28 207	0.28 184	0.28 192	0.28 187	0.28 218	0.28 176	0.28 211

tt_ll	0.31 171	0.91 241	0.23 166	0.31 167	0.23 195	0.31 192	0.23 185	0.33 192	0.25 193	0.31 189	0.24 195	0.33 202	0.25 195	0.32 200	0.24 189	0.28 184	0.28 192	0.28 187	0.28 218	0.29 179	0.27 198

ff	0.31 171	0.91 241	0.23 166	0.31 167	0.23 195	0.31 192	0.23 185	0.33 192	0.25 193	0.31 189	0.24 195	0.33 202	0.25 195	0.32 200	0.24 189	0.28 184	0.28 192	0.28 187	0.28 218	0.29 179	0.27 198

RAFT + AFF	0.31 171	0.45 169	0.34 215	0.39 191	0.28 215	0.38 220	0.33 235	0.29 184	0.31 233	0.30 187	0.30 232	0.29 192	0.27 212	0.29 195	0.30 224	0.28 184	0.29 201	0.29 192	0.29 227	0.27 174	0.32 235

FCDSN-DC	0.41 225	0.59 209	0.64 307	0.54 259	0.33 248	0.50 296	0.37 261	0.42 254	0.40 276	0.61 317	0.43 296	0.50 299	0.49 310	0.38 222	0.32 229	0.28 184	0.23 176	0.26 181	0.22 183	0.35 209	0.28 211
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	0.31 171	0.28 124	0.47 268	0.79 292	0.24 200	0.30 189	0.26 201	0.30 186	0.24 188	0.32 194	0.23 189	0.31 197	0.24 192	0.30 197	0.23 185	0.29 191	0.26 182	0.29 192	0.24 196	0.33 193	0.23 173

WCG-NET（raft）	0.32 179	1.24 341	0.24 172	0.32 170	0.24 200	0.32 200	0.23 185	0.32 189	0.24 188	0.32 194	0.24 195	0.32 199	0.24 192	0.32 200	0.24 189	0.30 192	0.23 176	0.30 194	0.23 188	0.30 182	0.23 173

DANet	0.30 166	0.30 127	0.30 192	0.30 164	0.30 231	0.30 189	0.30 221	0.30 186	0.30 229	0.30 187	0.30 232	0.30 195	0.30 230	0.30 197	0.30 224	0.30 192	0.30 209	0.30 194	0.30 237	0.30 182	0.30 226
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DISCO	1.11 364	0.39 146	5.28 503	0.39 191	0.20 181	0.39 226	0.27 204	0.39 218	0.22 180	0.38 214	0.20 179	0.38 222	0.20 177	6.95 514	0.22 179	0.30 192	0.21 168	0.27 185	0.21 180	5.25 495	0.21 168

iResNet_ROB	0.28 161	0.32 129	0.24 172	0.32 170	0.25 202	0.32 200	0.24 190	0.32 189	0.24 188	0.33 199	0.24 195	0.35 208	0.24 192	0.33 206	0.24 189	0.31 195	0.24 178	0.32 199	0.24 196	0.32 187	0.24 183

xyz-stereo-finetune	0.28 161	0.49 185	0.16 139	0.16 116	0.16 165	0.16 132	0.16 149	0.22 160	0.30 229	0.32 194	0.31 235	0.32 199	0.31 235	0.32 200	0.32 229	0.32 196	0.33 222	0.31 198	0.32 247	0.31 185	0.32 235

model_zeroshot	0.27 160	0.20 99	0.27 182	0.33 173	0.21 188	0.37 216	0.22 178	0.37 209	0.24 188	0.26 180	0.27 211	0.33 202	0.21 182	0.25 177	0.27 201	0.32 196	0.20 164	0.34 214	0.23 188	0.25 169	0.26 190

GES	0.66 287	2.34 395	0.29 188	0.41 214	0.29 222	0.41 244	0.29 216	0.42 254	0.29 219	0.40 224	0.41 285	0.41 245	0.30 230	0.51 300	0.29 217	0.32 196	0.29 201	0.32 199	2.46 480	2.49 452	0.30 226

ACVNet-DCA	0.37 200	1.00 257	0.30 192	0.40 204	0.29 222	0.40 228	0.29 216	0.40 223	0.29 219	0.40 224	0.29 221	0.40 233	0.29 224	0.39 230	0.28 207	0.33 199	0.32 215	0.33 207	0.32 247	0.33 193	0.32 235

1test111	0.37 200	1.02 267	0.30 192	0.39 191	0.29 222	0.40 228	0.28 209	0.39 218	0.29 219	0.39 219	0.29 221	0.39 226	0.28 218	0.40 233	0.29 217	0.33 199	0.32 215	0.33 207	0.31 243	0.32 187	0.31 231

cc1	0.37 200	1.02 267	0.30 192	0.39 191	0.29 222	0.40 228	0.28 209	0.39 218	0.29 219	0.39 219	0.29 221	0.39 226	0.28 218	0.40 233	0.29 217	0.33 199	0.32 215	0.33 207	0.31 243	0.32 187	0.31 231

RSM	0.36 195	0.36 135	0.43 255	0.37 183	0.42 298	0.49 288	0.42 287	0.37 209	0.28 214	0.36 208	0.29 221	0.36 214	0.30 230	0.37 220	0.28 207	0.34 202	0.31 213	0.34 214	0.35 263	0.40 238	0.29 216

gcap-zeroshot	0.35 191	0.32 129	0.37 228	0.49 243	0.39 280	0.33 202	0.21 173	0.26 177	0.35 252	0.42 249	0.34 249	0.49 285	0.29 224	0.47 274	0.39 272	0.34 202	0.17 155	0.38 242	0.23 188	0.48 272	0.34 246

H2IRNET	0.34 184	0.34 131	0.34 215	0.34 175	0.34 256	0.34 204	0.34 244	0.34 196	0.34 249	0.34 201	0.34 249	0.34 207	0.34 247	0.34 208	0.34 249	0.34 202	0.34 225	0.34 214	0.34 257	0.34 197	0.34 246

xx1	0.38 206	1.03 269	0.31 198	0.40 204	0.31 235	0.41 244	0.28 209	0.40 223	0.29 219	0.40 224	0.29 221	0.40 233	0.29 224	0.40 233	0.29 217	0.34 202	0.33 222	0.34 214	0.32 247	0.34 197	0.32 235

EKT-Stereo	0.37 200	0.40 148	0.44 257	1.07 330	0.29 222	0.34 204	0.31 225	0.36 203	0.29 219	0.38 214	0.31 235	0.37 220	0.30 230	0.36 216	0.29 217	0.34 202	0.28 192	0.39 252	0.30 237	0.37 218	0.30 226

iRaft-Stereo_5w	0.34 184	0.42 162	0.31 198	0.39 191	0.30 231	0.38 220	0.30 221	0.40 223	0.29 219	0.40 224	0.37 267	0.41 245	0.34 247	0.38 222	0.30 224	0.34 202	0.27 187	0.34 214	0.26 207	0.34 197	0.26 190

GMOStereo	0.37 200	0.45 169	0.23 166	0.30 164	0.37 268	0.41 244	0.36 256	0.41 238	0.35 252	0.43 255	0.36 261	0.41 245	0.40 270	0.41 247	0.36 255	0.34 202	0.22 172	0.47 292	0.37 271	0.39 234	0.33 240

HGLStereo	0.28 161	0.29 126	0.22 163	0.36 180	0.22 190	0.36 211	0.21 173	0.36 203	0.21 177	0.42 249	0.21 184	0.36 214	0.22 183	0.36 216	0.21 177	0.34 202	0.21 168	0.34 214	0.21 180	0.34 197	0.21 168

MLCV	0.31 171	0.35 132	0.27 182	0.35 176	0.28 215	0.35 208	0.27 204	0.35 199	0.28 214	0.36 208	0.27 211	0.35 208	0.27 212	0.35 210	0.27 201	0.34 202	0.27 187	0.34 214	0.27 214	0.34 197	0.27 198

testlalala	0.32 179	0.81 227	0.31 198	0.39 191	0.26 210	0.33 202	0.24 190	0.33 192	0.26 206	0.32 194	0.26 207	0.33 202	0.23 189	0.33 206	0.23 185	0.35 211	0.31 213	0.30 194	0.24 196	0.31 185	0.21 168

iRaft-Stereo_20w	0.34 184	0.41 155	0.31 198	0.39 191	0.29 222	0.40 228	0.32 226	0.41 238	0.32 236	0.38 214	0.30 232	0.39 226	0.30 230	0.38 222	0.32 229	0.35 211	0.27 187	0.34 214	0.27 214	0.34 197	0.29 216

ETE_ROB	0.35 191	0.35 132	0.35 223	0.35 176	0.35 259	0.35 208	0.35 249	0.35 199	0.35 252	0.35 205	0.35 257	0.35 208	0.35 253	0.35 210	0.35 251	0.35 211	0.35 226	0.35 227	0.35 263	0.35 209	0.35 252

DN-CSS_ROB	0.31 171	0.35 132	0.28 186	0.35 176	0.28 215	0.34 204	0.27 204	0.34 196	0.25 193	0.35 205	0.27 211	0.36 214	0.26 204	0.34 208	0.28 207	0.35 211	0.28 192	0.34 214	0.28 218	0.34 197	0.27 198

GCAP-BAT	0.33 182	0.78 221	0.32 202	0.38 186	0.25 202	0.34 204	0.25 193	0.34 196	0.26 206	0.34 201	0.25 201	0.35 208	0.26 204	0.35 210	0.27 201	0.36 215	0.30 209	0.32 199	0.24 196	0.32 187	0.26 190

Any-RAFT	0.32 179	0.36 135	0.27 182	0.36 180	0.27 212	0.36 211	0.27 204	0.36 203	0.27 211	0.36 208	0.27 211	0.36 214	0.27 212	0.36 216	0.28 207	0.36 215	0.28 192	0.36 232	0.28 218	0.36 216	0.28 211

DMCA	0.36 195	0.38 140	0.37 228	0.35 176	0.35 259	0.36 211	0.36 256	0.36 203	0.35 252	0.35 205	0.37 267	0.36 214	0.36 256	0.35 210	0.36 255	0.36 215	0.36 229	0.35 227	0.36 269	0.36 216	0.36 253

UCFNet_RVC	2.75 471	10.06 500	0.29 188	10.31 517	0.29 222	0.42 262	0.29 216	0.43 258	0.29 219	0.42 249	0.29 221	0.42 261	9.87 517	0.43 262	0.29 217	0.36 215	9.84 517	0.36 232	0.26 207	9.77 516	0.26 190

Venus	0.38 206	0.38 140	0.38 231	0.38 186	0.38 275	0.37 216	0.38 267	0.37 209	0.37 263	0.41 237	0.37 267	0.39 226	0.37 260	0.38 222	0.38 266	0.37 219	0.38 237	0.38 242	0.37 271	0.37 218	0.38 264

CASnet	0.35 191	0.51 196	0.44 257	0.32 170	0.31 235	0.24 168	0.34 244	0.36 203	0.25 193	0.31 189	0.37 267	0.30 195	0.33 243	0.25 177	0.45 293	0.37 219	0.37 231	0.33 207	0.35 263	0.34 197	0.37 257
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Test	0.36 195	0.37 137	0.33 207	0.41 214	0.32 237	0.41 244	0.32 226	0.41 238	0.32 236	0.41 237	0.32 237	0.41 245	0.32 237	0.41 247	0.33 236	0.37 219	0.29 201	0.37 235	0.29 227	0.38 227	0.31 231

CES	0.39 214	0.47 177	0.36 225	0.36 180	0.37 268	0.45 269	0.35 249	0.35 199	0.40 276	0.36 208	0.44 298	0.47 275	0.36 256	0.44 264	0.36 255	0.37 219	0.39 244	0.44 281	0.35 263	0.37 218	0.36 253

IER	0.88 335	7.04 478	2.23 467	2.75 450	0.28 215	0.43 266	0.25 193	0.39 218	0.25 193	0.41 237	0.27 211	0.39 226	0.25 195	0.40 233	0.28 207	0.37 219	0.28 192	0.37 235	0.25 201	0.37 218	0.25 184

StereoDRNet-Refined	0.33 182	0.39 146	0.26 181	0.39 191	0.26 210	0.40 228	0.26 201	0.40 223	0.26 206	0.39 219	0.26 207	0.39 226	0.26 204	0.39 230	0.26 200	0.37 219	0.25 179	0.37 235	0.25 201	0.37 218	0.37 257
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 200	0.37 137	0.37 228	0.37 183	0.37 268	0.37 216	0.37 261	0.37 209	0.37 263	0.37 213	0.37 267	0.37 220	0.37 260	0.37 220	0.37 263	0.37 219	0.37 231	0.37 235	0.37 271	0.37 218	0.37 257

fffy	0.38 206	0.43 163	0.33 207	0.46 227	0.33 248	0.45 269	0.32 226	0.45 260	0.32 236	0.45 260	0.32 237	0.45 267	0.33 243	0.45 267	0.32 229	0.38 226	0.38 237	0.38 242	0.37 271	0.37 218	0.36 253

PAM	0.39 214	1.88 366	0.34 215	0.37 183	0.41 288	0.45 269	0.22 178	0.28 180	0.23 186	0.28 183	0.24 195	0.29 192	0.23 189	0.29 195	0.23 185	0.38 226	0.32 215	0.38 242	0.37 271	0.32 187	0.22 171

RAFT-Stereo-weight	0.45 239	1.90 369	0.34 215	0.42 222	0.36 265	0.43 266	0.35 249	0.42 254	0.34 249	0.42 249	0.34 249	0.44 265	0.34 247	0.41 247	0.34 249	0.38 226	0.32 215	0.38 242	0.32 247	0.38 227	0.33 240

IGEV++	0.34 184	0.43 163	0.30 192	0.40 204	0.29 222	0.40 228	0.29 216	0.40 223	0.29 219	0.40 224	0.29 221	0.40 233	0.29 224	0.40 233	0.30 224	0.38 226	0.29 201	0.37 235	0.29 227	0.37 218	0.29 216

WAO-8	0.38 206	0.38 140	0.38 231	0.38 186	0.38 275	0.38 220	0.38 267	0.38 214	0.38 267	0.38 214	0.38 272	0.38 222	0.38 264	0.38 222	0.38 266	0.38 226	0.38 237	0.38 242	0.37 271	0.38 227	0.38 264

WAO-7	0.38 206	0.38 140	0.38 231	0.38 186	0.38 275	0.38 220	0.38 267	0.38 214	0.38 267	0.38 214	0.38 272	0.38 222	0.38 264	0.38 222	0.38 266	0.38 226	0.38 237	0.38 242	0.38 283	0.38 227	0.38 264

HanzoNet	0.39 214	0.38 140	0.40 241	0.39 191	0.41 288	0.38 220	0.38 267	0.38 214	0.38 267	0.39 219	0.39 276	0.38 222	0.38 264	0.39 230	0.40 276	0.38 226	0.38 237	0.40 256	0.38 283	0.38 227	0.40 271

IMH	0.38 206	0.38 140	0.38 231	0.38 186	0.38 275	0.38 220	0.38 267	0.38 214	0.38 267	0.42 249	0.38 272	0.40 233	0.38 264	0.38 222	0.38 266	0.38 226	0.38 237	0.39 252	0.38 283	0.38 227	0.38 264

RCA-Stereo	0.51 265	3.22 424	0.34 215	0.44 225	0.34 256	0.44 268	0.34 244	0.43 258	0.34 249	0.43 255	0.34 249	0.44 265	0.33 243	0.43 262	0.33 236	0.38 226	0.29 201	0.38 242	0.29 227	0.38 227	0.29 216

mms	0.40 218	0.45 169	0.35 223	0.48 237	0.36 265	0.47 278	0.34 244	0.45 260	0.38 267	0.47 268	0.33 242	0.45 267	0.32 237	0.45 267	0.32 229	0.39 235	0.38 237	0.38 242	0.37 271	0.39 234	0.39 268

Former-RAFT_DAM_RVC	0.49 258	0.98 254	0.64 307	0.84 299	0.46 305	0.45 269	0.35 249	0.47 268	0.47 302	0.45 260	0.34 249	0.46 270	0.48 305	0.46 270	0.35 251	0.39 235	0.71 324	0.39 252	0.35 263	0.41 248	0.41 278

Wz-Net-LNSev-Ref	0.11 82	0.44 166	0.33 207	0.39 191	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 235	0.36 229	0.02 18	0.02 20	0.02 20	0.02 20

Gwc-CoAtRS	0.41 225	1.49 350	0.32 202	0.42 222	0.32 237	0.41 244	0.32 226	0.41 238	0.33 241	0.41 237	0.32 237	0.41 245	0.32 237	0.41 247	0.32 229	0.39 235	0.28 192	0.39 252	0.28 218	0.40 238	0.28 211

HART	0.38 206	0.45 169	0.34 215	0.42 222	0.33 248	0.41 244	0.34 244	0.42 254	0.33 241	0.43 255	0.34 249	0.42 261	0.34 247	0.41 247	0.38 266	0.40 239	0.32 215	0.42 278	0.32 247	0.40 238	0.32 235

knoymous	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 223	0.40 276	0.40 224	0.40 279	0.40 233	0.40 270	0.40 233	0.40 276	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 271

anonymousa	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 223	0.40 276	0.40 224	0.40 279	0.40 233	0.40 270	0.40 233	0.40 276	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 271

riskmin	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 223	0.40 276	0.40 224	0.40 279	0.40 233	0.40 270	0.40 233	0.40 276	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 271

Anonymous_2	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 223	0.40 276	0.40 224	0.40 279	0.40 233	0.40 270	0.40 233	0.40 276	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 271

Anonymous_1	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 223	0.40 276	0.40 224	0.40 279	0.40 233	0.40 270	0.40 233	0.40 276	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 271

DGSMNet	0.34 184	0.41 155	0.27 182	0.41 214	0.28 215	0.41 244	0.28 209	0.41 238	0.27 211	0.41 237	0.27 211	0.42 261	0.27 212	0.41 247	0.28 207	0.40 239	0.29 201	0.40 256	0.28 218	0.40 238	0.27 198

AdaStereo	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 223	0.40 276	0.40 224	0.40 279	0.40 233	0.40 270	0.40 233	0.40 276	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 271
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	0.41 225	0.44 166	0.34 215	0.48 237	0.35 259	0.48 283	0.35 249	0.51 293	0.35 252	0.47 268	0.35 257	0.47 275	0.34 247	0.47 274	0.35 251	0.41 247	0.40 247	0.40 256	0.40 287	0.41 248	0.39 268

PCWNet_CMD	2.80 473	9.82 498	0.32 202	10.09 516	0.32 237	0.49 288	0.33 235	3.34 475	0.33 241	0.49 281	0.33 242	0.49 285	8.73 513	0.48 281	0.33 236	0.41 247	9.22 512	0.42 278	0.29 227	9.55 515	0.31 231

CFNet_ucs	2.73 470	9.64 497	0.33 207	9.92 514	0.32 237	0.49 288	0.33 235	0.49 276	0.33 241	0.49 281	0.33 242	0.49 285	8.98 515	0.48 281	0.33 236	0.41 247	9.96 518	0.40 256	0.29 227	10.12 518	0.54 317

GwcNet-ADL	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 238	0.41 285	0.41 237	0.41 285	0.41 245	0.41 281	0.41 247	0.41 283	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 278

PSMNet-ADL	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 238	0.41 285	0.41 237	0.41 285	0.41 245	0.41 281	0.41 247	0.41 283	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 278

GANet-ADL	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 238	0.41 285	0.41 237	0.41 285	0.41 245	0.41 281	0.41 247	0.41 283	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 278

ADLNet2	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 238	0.41 285	0.41 237	0.41 285	0.41 245	0.41 281	0.41 247	0.41 283	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 278

CFNet_pseudo	2.67 469	9.36 495	0.32 202	10.99 518	0.33 248	0.85 342	0.33 235	0.49 276	0.33 241	0.49 281	0.32 237	0.49 285	7.26 511	0.49 287	0.33 236	0.41 247	9.62 515	0.41 268	0.29 227	10.03 517	0.29 216

pcwnet_v2	2.66 468	9.89 499	0.33 207	9.89 513	0.32 237	0.50 296	0.32 226	0.49 276	0.33 241	0.49 281	0.34 249	0.49 285	8.76 514	0.48 281	0.33 236	0.41 247	9.58 514	0.40 256	0.29 227	9.01 513	0.63 331

ADLNet	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 238	0.41 285	0.41 237	0.41 285	0.41 245	0.41 281	0.41 247	0.41 283	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 278

ccnet	0.80 315	2.28 393	0.33 207	0.50 250	0.33 248	0.50 296	0.33 235	0.50 284	0.33 241	0.49 281	0.33 242	0.49 285	1.56 447	2.38 460	0.33 236	0.41 247	0.29 201	0.42 278	1.57 457	2.28 445	0.29 216

CFNet-RSSM	0.91 338	4.89 455	0.34 215	0.44 225	1.07 391	1.62 444	1.40 452	0.91 342	0.35 252	1.60 438	1.39 451	0.64 325	0.34 247	0.44 264	0.33 236	0.41 247	0.35 226	0.75 340	0.30 237	0.41 248	0.29 216

psmorigin	0.41 225	0.46 173	0.33 207	0.49 243	0.33 248	0.49 288	0.33 235	0.49 276	0.33 241	0.49 281	0.33 242	0.49 285	0.33 243	0.51 300	0.33 236	0.41 247	0.30 209	0.41 268	0.30 237	0.79 318	0.29 216

ccs_rob	2.79 472	10.17 502	0.32 202	10.00 515	0.33 248	0.49 288	0.33 235	1.90 442	0.32 236	0.51 297	0.33 242	0.49 285	9.24 516	0.49 287	0.33 236	0.41 247	9.82 516	0.41 268	0.28 218	9.34 514	0.29 216

LG-Stereo_L2	0.34 184	0.37 137	0.38 231	0.47 233	0.28 215	0.39 226	0.28 209	0.39 218	0.28 214	0.39 219	0.28 217	0.39 226	0.28 218	0.38 222	0.28 207	0.42 261	0.35 226	0.36 232	0.26 207	0.35 209	0.26 190

MSMDNet	2.65 467	10.14 501	0.33 207	9.74 512	0.32 237	0.87 344	0.33 235	2.95 471	0.68 341	0.49 281	0.34 249	0.49 285	5.70 507	0.49 287	0.33 236	0.42 261	9.57 513	0.41 268	0.31 243	8.36 510	0.65 333

GREAT-IGEV	0.38 206	0.43 163	0.36 225	0.48 237	0.32 237	0.45 269	0.32 226	0.45 260	0.32 236	0.45 260	0.32 237	0.45 267	0.32 237	0.45 267	0.32 229	0.44 263	0.33 222	0.41 268	0.29 227	0.41 248	0.29 216

GIP-stereo	0.36 195	0.49 185	0.39 238	0.48 237	0.32 237	0.41 244	0.28 209	0.40 223	0.30 229	0.41 237	0.28 217	0.40 233	0.28 218	0.42 260	0.28 207	0.45 264	0.32 215	0.38 242	0.30 237	0.37 218	0.27 198

otaku	0.46 242	0.46 173	0.46 263	0.46 227	0.46 305	0.46 274	0.46 296	0.46 263	0.46 297	0.46 263	0.46 303	0.46 270	0.46 296	0.46 270	0.46 297	0.46 265	0.46 268	0.46 288	0.46 306	0.46 262	0.46 292

Dean	0.46 242	0.46 173	0.46 263	0.46 227	0.46 305	0.46 274	0.46 296	0.46 263	0.46 297	0.47 268	0.46 303	0.46 270	0.46 296	0.46 270	0.46 297	0.46 265	0.46 268	0.46 288	0.46 306	0.46 262	0.46 292

ACVNet_1	0.46 242	0.47 177	0.46 263	0.46 227	0.46 305	0.46 274	0.46 296	0.46 263	0.47 302	0.46 263	0.46 303	0.46 270	0.46 296	0.46 270	0.46 297	0.46 265	0.46 268	0.47 292	0.46 306	0.46 262	0.46 292

ACVNet-4b	0.46 242	0.46 173	0.46 263	0.46 227	0.46 305	0.46 274	0.46 296	0.46 263	0.46 297	0.46 263	0.46 303	0.46 270	0.46 296	0.47 274	0.46 297	0.46 265	0.46 268	0.46 288	0.46 306	0.46 262	0.46 292

IGEV-Stereo	0.35 191	0.44 166	0.45 259	0.49 243	0.30 231	0.37 216	0.30 221	0.36 203	0.30 229	0.36 208	0.29 221	0.36 214	0.29 224	0.36 216	0.30 224	0.46 265	0.39 244	0.32 199	0.24 196	0.32 187	0.25 184
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
Ntro	0.47 248	0.47 177	0.46 263	0.46 227	0.46 305	0.47 278	0.47 301	0.46 263	0.47 302	0.46 263	0.46 303	0.47 275	0.46 296	0.47 274	0.47 303	0.47 270	0.46 268	0.46 288	0.46 306	0.46 262	0.46 292

HaxPig	0.47 248	0.47 177	0.47 268	0.49 243	0.47 311	0.47 278	0.47 301	0.47 268	0.47 302	0.47 268	0.47 311	0.47 275	0.47 304	0.47 274	0.47 303	0.47 270	0.47 276	0.47 292	0.47 313	0.47 269	0.48 301

UNDER WATER	0.47 248	0.47 177	0.47 268	0.47 233	0.47 311	0.47 278	0.47 301	0.47 268	0.47 302	0.47 268	0.47 311	0.47 275	0.46 296	0.47 274	0.47 303	0.47 270	0.47 276	0.47 292	0.46 306	0.47 269	0.47 299

LVE	0.47 248	0.47 177	0.47 268	0.47 233	0.49 317	0.47 278	0.47 301	0.47 268	0.49 311	0.47 268	0.47 311	0.47 275	0.46 296	0.47 274	0.47 303	0.47 270	0.47 276	0.48 300	0.47 313	0.47 269	0.47 299

GCST	0.50 260	2.08 380	0.38 231	0.53 257	0.35 259	0.49 288	0.35 249	0.50 284	0.35 252	0.49 281	0.35 257	0.49 285	0.35 253	0.49 287	0.35 251	0.48 274	0.37 231	0.45 285	0.33 255	0.44 257	0.33 240

RainbowNet	0.48 253	0.48 183	0.48 275	0.48 237	0.48 315	0.48 283	0.48 310	0.48 272	0.48 309	0.48 274	0.48 315	0.48 281	0.48 305	0.48 281	0.48 309	0.48 274	0.48 279	0.48 300	0.48 316	0.48 272	0.48 301

notaker	0.48 253	0.49 185	0.48 275	0.48 237	0.48 315	0.48 283	0.48 310	0.48 272	0.49 311	0.48 274	0.48 315	0.48 281	0.48 305	0.48 281	0.48 309	0.48 274	0.48 279	0.48 300	0.48 316	0.48 272	0.49 306

UGAM-zero	0.51 265	2.17 388	0.39 238	0.53 257	0.36 265	0.50 296	0.36 256	0.50 284	0.36 262	0.49 281	0.36 261	0.50 299	0.35 253	0.50 294	0.36 255	0.49 277	0.37 231	0.47 292	0.35 263	0.46 262	0.34 246

UGAM	0.51 265	2.23 391	0.39 238	0.54 259	0.35 259	0.50 296	0.35 249	0.49 276	0.35 252	0.49 281	0.35 257	0.49 285	0.36 256	0.50 294	0.36 255	0.49 277	0.37 231	0.45 285	0.34 257	0.45 261	0.34 246

MyStereo07	0.60 277	3.72 435	0.48 275	0.49 243	0.41 288	0.36 211	0.32 226	0.49 276	0.43 292	0.51 297	0.42 294	0.49 285	0.43 289	0.51 300	0.64 331	0.49 277	0.45 266	0.34 214	0.32 247	0.35 209	0.43 286

MyStereo04	0.56 275	3.72 435	0.59 299	0.49 243	0.41 288	0.36 211	0.32 226	0.37 209	0.31 233	0.34 201	0.46 303	0.35 208	0.32 237	0.35 210	0.33 236	0.49 277	0.45 266	0.34 214	0.32 247	0.35 209	0.43 286

KSHMR	0.66 287	0.50 189	0.48 275	1.15 340	0.52 327	0.49 288	0.51 318	0.49 276	0.71 350	0.67 327	0.50 320	1.16 382	1.11 375	0.66 325	0.52 319	0.49 277	0.49 282	0.51 313	0.66 342	0.50 280	1.14 388

ACVNet_2	0.49 258	0.49 185	0.49 279	0.49 243	0.49 317	0.49 288	0.49 312	0.49 276	0.49 311	0.49 281	0.49 318	0.49 285	0.49 310	0.49 287	0.49 311	0.49 277	0.49 282	0.49 304	0.49 319	0.49 275	0.49 306

SCV_C0	0.45 239	0.88 234	0.49 279	0.54 259	0.37 268	0.48 283	0.37 261	0.48 272	0.37 263	0.48 274	0.36 261	0.48 281	0.37 260	0.49 287	0.37 263	0.50 283	0.41 256	0.44 281	0.34 257	0.44 257	0.34 246

SCV	0.46 242	0.94 249	0.45 259	0.54 259	0.37 268	0.48 283	0.38 267	0.48 272	0.37 263	0.48 274	0.39 276	0.48 281	0.37 260	0.49 287	0.37 263	0.50 283	0.46 268	0.44 281	0.34 257	0.44 257	0.34 246

FoundationStereo	0.50 260	0.50 189	0.50 282	0.50 250	0.50 321	0.50 296	0.50 314	0.50 284	0.50 314	0.50 293	0.50 320	0.50 299	0.50 313	0.50 294	0.50 312	0.50 283	0.50 288	0.50 308	0.50 321	0.50 280	0.50 309

StereoAnything_RVC	0.50 260	0.50 189	0.50 282	0.50 250	0.50 321	0.50 296	0.50 314	0.50 284	0.50 314	0.50 293	0.50 320	0.50 299	0.50 313	0.50 294	0.50 312	0.50 283	0.50 288	0.50 308	0.50 321	0.50 280	0.50 309

dual_stereo	0.50 260	0.50 189	0.50 282	0.50 250	0.50 321	0.50 296	0.50 314	0.50 284	0.50 314	0.50 293	0.50 320	0.50 299	0.50 313	0.50 294	0.50 312	0.50 283	0.50 288	0.50 308	0.50 321	0.50 280	0.50 309

SANet	0.50 260	0.50 189	0.50 282	0.50 250	0.50 321	0.50 296	0.50 314	0.50 284	0.50 314	0.50 293	0.50 320	0.50 299	0.50 313	0.50 294	0.50 312	0.50 283	0.50 288	0.50 308	0.50 321	0.50 280	0.50 309

fffft	0.48 253	0.51 196	0.45 259	0.52 256	0.45 303	0.52 305	0.45 294	0.52 295	0.48 309	0.53 302	0.45 301	0.52 305	0.45 293	0.52 303	0.46 297	0.51 289	0.41 256	0.50 308	0.41 294	0.50 280	0.41 278
1: 1. 1
ktn	0.72 301	0.53 201	1.08 359	1.14 338	0.51 326	1.22 426	1.36 446	0.51 293	0.59 328	0.51 297	0.51 326	0.69 331	1.20 386	0.67 327	0.51 317	0.51 289	0.49 282	0.58 322	0.66 342	0.52 288	0.53 316

PML	0.46 242	1.36 348	0.29 188	0.58 265	0.30 231	0.57 316	0.29 216	0.57 303	0.29 219	0.57 312	0.29 221	0.57 316	0.29 224	0.56 310	0.29 217	0.52 291	0.30 209	0.53 318	0.31 243	0.53 291	0.30 226

CFNet_RVC	2.38 461	8.71 490	0.38 231	9.33 509	0.42 298	0.56 311	0.42 287	0.60 310	0.38 267	0.62 320	0.42 294	0.56 315	7.29 512	0.62 318	0.42 289	0.53 292	0.37 231	0.49 304	0.34 257	8.30 509	6.87 516

MyStereo8	0.71 298	3.92 442	0.52 290	0.59 267	0.52 327	0.57 316	0.53 320	0.59 308	0.50 314	0.59 316	0.51 326	0.57 316	0.50 313	0.56 310	0.52 319	0.54 293	0.49 282	0.54 319	0.49 319	0.55 293	0.50 309

PSMNet_ROB	0.54 269	0.54 204	0.54 294	0.54 259	0.53 330	0.54 309	0.54 322	0.53 296	0.54 324	0.54 305	0.54 330	0.54 308	0.53 320	0.54 306	0.54 322	0.54 293	0.53 296	0.54 319	0.54 326	0.54 292	0.54 317

LG-Stereo_L1	0.47 248	0.52 198	0.47 268	0.62 271	0.39 280	0.53 306	0.40 274	0.53 296	0.39 275	0.53 302	0.39 276	0.53 306	0.39 269	0.53 305	0.39 272	0.55 295	0.46 268	0.49 304	0.37 271	0.49 275	0.37 257

LG-Stereo_Zeroshot	0.48 253	0.55 206	0.47 268	0.63 273	0.41 288	0.56 311	0.44 290	0.56 300	0.41 285	0.56 310	0.41 285	0.57 316	0.42 287	0.56 310	0.41 283	0.55 295	0.43 264	0.51 313	0.37 271	0.51 286	0.37 257

CASS	0.57 276	0.89 237	0.56 296	0.57 264	0.56 333	0.56 311	0.56 323	0.56 300	0.53 322	0.57 312	0.57 333	0.59 320	0.48 305	0.56 310	0.57 325	0.55 295	0.56 300	0.47 292	0.56 330	0.62 298	0.56 324
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MonSter	0.60 277	0.64 214	0.52 290	0.62 271	0.44 301	2.07 453	0.44 290	0.62 313	0.44 295	0.62 320	0.44 298	0.62 324	0.44 291	0.62 318	0.44 292	0.58 298	0.42 263	0.62 325	0.46 306	0.58 295	0.42 285

Selective-IGEV	0.51 265	0.55 206	0.45 259	0.69 282	0.45 303	0.61 319	0.45 294	0.50 284	0.40 276	0.56 310	0.44 298	0.55 312	0.40 270	0.72 331	0.67 336	0.59 299	0.46 268	0.45 285	0.34 257	0.46 262	0.37 257

MyStereo06	0.75 304	4.12 443	0.60 301	0.63 273	0.61 341	0.62 322	0.66 333	0.56 300	0.45 296	0.55 308	0.48 315	0.54 308	0.46 296	0.57 314	0.45 293	0.60 300	0.57 302	0.64 328	0.55 327	0.72 309	0.55 321

MyStereo05	0.80 315	4.12 443	0.63 305	0.63 273	0.61 341	0.62 322	0.66 333	0.65 316	0.62 333	0.67 327	0.61 337	0.65 328	0.58 325	0.67 327	0.55 324	0.60 300	0.57 302	0.64 328	0.55 327	0.72 309	0.55 321

LL-Strereo2	0.48 253	1.73 361	0.51 287	0.59 267	0.34 256	0.42 262	0.33 235	0.40 223	0.31 233	0.42 249	0.33 242	0.42 261	0.31 235	0.44 264	0.39 272	0.60 300	0.51 292	0.44 281	0.33 255	0.44 257	0.33 240

AIO-test1	0.54 269	0.60 211	0.52 290	0.66 280	0.47 311	0.61 319	0.47 301	0.58 306	0.46 297	0.61 317	0.46 303	0.61 322	0.45 293	0.62 318	0.45 293	0.61 303	0.52 294	0.57 321	0.48 316	0.57 294	0.48 301

SMoEStereo_RVC	0.63 282	0.75 220	0.51 287	0.73 288	0.53 330	0.71 331	0.47 301	0.67 319	0.58 327	0.74 338	0.60 334	0.72 335	0.53 320	0.74 335	0.51 317	0.61 303	0.62 309	0.62 325	0.61 337	0.63 299	0.61 327

AIO-Stereo-zeroshot	0.91 338	0.86 231	0.89 339	1.25 397	0.69 355	1.05 364	0.81 358	1.16 366	0.50 314	1.12 375	0.97 376	0.72 335	0.82 356	1.06 371	0.95 370	0.61 303	0.87 341	1.03 376	0.85 369	1.04 349	1.01 377

PAM_32	0.64 284	2.38 397	0.51 287	0.92 309	0.43 300	0.53 306	0.44 290	0.87 336	0.43 292	0.52 300	0.45 301	0.53 306	0.40 270	0.54 306	0.46 297	0.62 306	0.56 300	0.48 300	0.45 304	0.76 314	0.44 289

AIO-Stereo-zeroshot1	0.75 304	0.92 246	0.85 338	0.96 319	0.59 335	1.27 429	0.44 290	0.59 308	0.69 344	0.91 351	0.68 347	0.55 312	0.61 328	1.06 371	0.83 361	0.62 306	0.70 320	0.90 358	0.41 294	0.89 331	0.56 324

AIO-test2	0.55 273	0.59 209	0.52 290	0.67 281	0.47 311	0.61 319	0.47 301	0.61 312	0.47 302	0.61 317	0.47 311	0.61 322	0.48 305	0.62 318	0.47 303	0.64 308	0.53 296	0.58 322	0.47 313	0.58 295	0.48 301

WCG-NET	0.61 280	1.21 337	0.54 294	0.61 270	0.53 330	0.67 327	0.53 320	0.66 318	0.53 322	0.64 323	0.53 329	0.65 328	0.53 320	0.59 316	0.52 319	0.65 309	0.48 279	0.64 328	0.52 325	0.58 295	0.50 309

DSFCA	0.66 287	0.73 219	0.78 330	0.65 277	0.65 347	0.64 324	0.64 330	0.65 316	0.63 335	0.64 323	0.64 341	0.64 325	0.64 330	0.65 324	0.65 332	0.65 309	0.65 313	0.65 331	0.65 340	0.66 301	0.64 332

LMCR-Stereo	0.65 285	0.63 212	0.65 310	0.65 277	0.65 347	0.66 326	0.63 329	0.58 306	0.65 337	0.63 322	0.64 341	0.65 328	0.65 332	0.66 325	0.66 335	0.66 311	0.64 312	0.65 331	0.67 346	0.68 303	0.73 347

PA-Net	11.80 517	223.51 543	0.62 304	0.59 267	0.71 357	0.59 318	0.73 348	0.67 319	0.73 354	0.55 308	0.61 337	0.60 321	0.74 347	0.63 322	0.73 349	0.66 311	0.60 304	0.69 334	0.66 342	0.72 309	0.65 333
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
anonymity	0.63 282	0.69 216	0.56 296	0.71 286	0.56 333	0.71 331	0.56 323	0.71 324	0.56 325	0.72 331	0.56 332	0.71 332	0.56 324	0.71 330	0.58 326	0.68 313	0.55 298	0.68 333	0.55 327	0.68 303	0.54 317

HH	0.71 298	2.54 400	0.74 325	1.10 332	0.32 237	0.41 244	0.37 261	0.69 321	0.78 357	0.73 333	0.90 368	0.75 339	1.00 365	0.84 343	0.69 344	0.69 314	0.40 247	0.35 227	0.26 207	0.35 209	0.26 190

HanStereo	0.71 298	2.54 400	0.74 325	1.10 332	0.32 237	0.41 244	0.37 261	0.69 321	0.78 357	0.73 333	0.90 368	0.75 339	1.00 365	0.84 343	0.69 344	0.69 314	0.40 247	0.35 227	0.26 207	0.35 209	0.26 190

DMCA-RVC	0.70 296	0.80 224	0.70 317	0.70 284	0.70 356	0.70 329	0.70 343	0.71 324	0.70 347	0.70 330	0.71 354	0.71 332	0.70 341	0.70 329	0.69 344	0.69 314	0.70 320	0.69 334	0.70 351	0.69 307	0.70 340

ARAFT	0.68 292	0.81 227	0.63 305	0.74 289	0.60 336	0.78 336	0.62 328	0.77 328	0.66 339	0.74 338	0.63 339	0.75 339	0.62 329	0.83 342	0.60 328	0.70 317	0.55 298	0.70 336	0.60 335	0.78 316	0.55 321

TorneroNet	0.66 287	0.53 201	0.50 282	0.50 250	0.64 345	1.06 365	0.70 343	0.50 284	0.51 321	0.49 281	0.69 350	0.49 285	0.50 313	0.48 281	1.15 387	0.71 318	0.49 282	1.14 379	1.08 383	0.49 275	0.49 306

999	1.00 352	1.12 282	0.59 299	1.10 332	1.21 448	1.09 371	0.52 319	1.08 359	1.43 457	1.18 380	1.35 446	0.98 364	0.52 319	0.91 352	0.85 362	0.72 319	1.46 436	0.83 353	0.98 375	0.68 303	1.41 453

iGMRVC	0.84 331	2.85 416	0.72 322	0.72 287	0.73 360	0.77 334	0.79 353	0.73 326	0.74 356	0.73 333	0.72 356	0.73 337	0.76 350	0.73 333	0.73 349	0.72 319	0.73 326	0.73 338	0.72 355	0.73 312	0.72 344

GCAP-Stereo	0.75 304	4.15 446	0.42 254	0.75 290	0.35 259	0.78 336	0.40 274	0.79 329	0.38 267	0.78 341	0.36 261	0.78 342	0.36 256	0.79 338	0.39 272	0.75 321	0.39 244	0.76 342	0.39 286	0.75 313	0.39 268

RAFT-Stereo + iAFF	0.70 296	0.72 218	0.71 321	0.80 294	0.62 344	0.82 341	0.61 327	0.81 334	0.62 333	0.81 345	0.63 339	0.80 345	0.70 341	0.73 333	0.61 330	0.76 322	0.61 308	0.74 339	0.61 337	0.77 315	0.61 327

AFF-stereo	0.73 302	0.88 234	0.67 314	0.75 290	0.68 354	0.75 333	0.64 330	0.80 331	0.72 351	0.83 346	0.70 351	0.82 348	0.64 330	0.84 343	0.67 336	0.77 323	0.63 310	0.81 350	0.63 339	0.78 316	0.62 330

G-Net	0.79 313	0.79 223	0.79 333	0.79 292	0.79 366	0.79 338	0.79 353	0.79 329	0.79 360	0.79 342	0.79 363	0.79 344	0.79 353	0.79 338	0.79 355	0.79 324	0.79 333	0.79 345	0.79 361	0.79 318	0.79 354

FC-DCNN	1.07 360	1.09 278	0.98 351	0.89 303	0.52 327	1.41 439	0.91 365	1.21 419	1.24 446	1.96 447	2.05 478	1.91 447	1.30 439	1.27 433	1.08 381	0.80 325	0.60 304	0.58 322	0.41 294	0.68 303	0.54 317

NaN_ROB	0.80 315	0.80 224	0.80 334	0.80 294	0.80 368	0.80 339	0.80 356	0.80 331	0.80 361	0.80 343	0.80 364	0.80 345	0.80 354	0.80 340	0.80 357	0.80 325	0.80 336	0.80 348	0.80 363	0.80 321	0.80 355

CSAN	0.80 315	0.80 224	0.80 334	0.80 294	0.80 368	0.80 339	0.80 356	0.80 331	0.80 361	0.80 343	0.80 364	0.80 345	0.80 354	0.80 340	0.80 357	0.80 325	0.80 336	0.80 348	0.80 363	0.80 321	0.80 355

RSM++	0.76 308	0.82 229	0.66 311	0.85 301	0.64 345	0.85 342	0.71 346	0.94 349	0.64 336	0.87 347	0.67 346	0.87 350	0.65 332	0.84 343	0.65 332	0.81 328	0.70 320	0.79 345	0.71 354	0.83 326	0.70 340

Selective-RAFT-Error	0.88 335	0.84 230	0.98 351	0.86 302	0.97 382	0.88 345	0.95 370	0.84 335	0.99 381	0.92 353	0.82 366	0.84 349	0.98 364	0.87 347	0.97 372	0.81 328	0.83 339	0.79 345	0.82 366	0.79 318	0.85 360

DCRE	0.84 331	1.89 367	0.77 329	0.94 314	0.72 359	0.88 345	0.73 348	0.87 336	0.78 357	0.90 349	0.71 354	0.88 351	0.67 337	0.88 348	0.73 349	0.81 328	0.68 315	0.81 350	0.70 351	0.82 325	0.70 340

4D-IteraStereo	0.78 312	3.13 421	0.89 339	0.69 282	0.32 237	0.40 228	0.32 226	0.76 327	0.97 378	0.52 300	0.65 343	0.89 353	0.32 237	0.76 337	0.98 373	0.83 331	0.94 346	0.35 227	0.27 214	0.70 308	0.89 363

Selective-RAFT	0.89 337	0.89 237	0.72 322	1.16 345	0.78 365	1.06 365	0.82 359	0.87 336	0.97 378	1.00 361	0.91 371	0.90 354	1.00 365	0.89 350	0.93 369	0.83 331	0.83 339	0.82 352	0.82 366	0.81 324	0.82 358

DDUNet	0.81 320	2.45 398	0.57 298	0.90 304	0.60 336	0.88 345	0.59 326	0.90 340	0.60 329	0.88 348	0.60 334	0.90 354	0.58 325	0.88 348	0.60 328	0.84 333	0.60 304	0.86 356	0.57 331	0.86 328	0.60 326

MoCha-V2	2.11 443	26.97 521	0.78 330	0.92 309	0.77 364	0.96 355	0.72 347	0.90 340	0.72 351	0.94 357	0.70 351	0.90 354	0.71 345	0.91 352	0.71 348	0.85 334	0.71 324	0.88 357	0.69 349	0.87 329	0.67 337

UDG	0.80 315	2.21 390	0.60 301	0.91 306	0.60 336	0.90 348	0.58 325	0.88 339	0.60 329	0.90 349	0.60 334	0.88 351	0.60 327	0.90 351	0.58 326	0.86 335	0.60 304	0.84 354	0.59 334	0.84 327	0.61 327

Syn2CoEx	0.25 151	1.31 345	0.74 325	0.92 309	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 336	0.75 329	0.02 18	0.02 20	0.02 20	0.02 20

STTRV1_RVC	0.82 324	1.60 354	0.70 317	1.01 326	0.60 336	1.07 368	0.69 341	1.01 356	0.60 329	0.72 331	0.55 331	1.02 369	0.68 338	1.03 369	0.67 336	0.89 337	0.63 310	0.92 362	0.57 331	0.90 333	0.65 333

LG-Stereo	0.60 277	0.58 208	0.47 268	0.64 276	0.74 362	1.00 358	0.69 341	0.57 303	0.41 285	0.57 312	0.41 285	0.57 316	0.41 281	1.00 364	0.75 352	0.91 338	0.51 292	0.52 316	0.37 271	0.52 288	0.37 257

tt45	1.04 359	0.88 234	1.36 433	0.92 309	1.03 389	1.51 442	0.79 353	0.70 323	0.88 366	0.74 338	0.90 368	1.60 443	0.72 346	1.60 440	0.75 352	0.91 338	0.78 332	1.52 450	0.79 361	1.14 354	1.32 445

ToySt	0.92 340	2.11 383	0.90 342	0.95 316	0.79 366	0.99 357	0.78 352	0.94 349	0.81 364	0.94 357	0.78 362	0.95 361	0.77 351	0.94 357	0.86 363	0.91 338	0.79 333	0.85 355	0.77 358	0.89 331	0.73 347

DGTPSM_ROB	0.93 345	1.00 257	0.92 346	0.94 314	0.96 381	0.91 349	0.92 366	0.91 342	0.96 377	0.91 351	0.96 375	0.93 360	0.92 360	0.94 357	0.92 365	0.92 341	0.92 344	0.90 358	0.92 370	0.94 340	0.91 365

DPSM_ROB	0.92 340	0.91 241	0.91 344	0.91 306	0.92 377	0.92 350	0.92 366	0.92 345	0.91 368	0.93 355	0.91 371	0.92 357	0.90 358	0.91 352	0.92 365	0.92 341	0.91 342	0.91 360	0.92 370	0.93 338	0.93 367

DPSM	0.92 340	0.91 241	0.91 344	0.91 306	0.92 377	0.92 350	0.92 366	0.92 345	0.91 368	0.93 355	0.91 371	0.92 357	0.90 358	0.91 352	0.92 365	0.92 341	0.91 342	0.91 360	0.92 370	0.93 338	0.93 367

pmcnn	0.92 340	0.92 246	0.92 346	0.92 309	0.92 377	0.92 350	0.92 366	0.92 345	0.92 372	0.92 353	0.92 374	0.92 357	0.92 360	0.92 356	0.92 365	0.92 341	0.92 344	0.92 362	0.92 370	0.92 337	0.92 366

R-Stereo Train	0.81 320	0.96 251	0.67 314	0.95 316	0.67 351	0.95 353	0.68 338	0.95 351	0.68 341	0.95 359	0.68 347	0.96 362	0.68 338	0.96 361	0.68 340	0.94 345	0.68 315	0.94 364	0.68 347	0.94 340	0.68 338

RAFT-Stereo	0.81 320	0.96 251	0.67 314	0.95 316	0.67 351	0.95 353	0.68 338	0.95 351	0.68 341	0.95 359	0.68 347	0.96 362	0.68 338	0.96 361	0.68 340	0.94 345	0.68 315	0.94 364	0.68 347	0.94 340	0.68 338
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
GANet	1.00 352	1.00 257	1.00 353	1.00 323	1.00 383	1.00 358	1.00 374	1.00 353	1.00 382	1.00 361	1.00 378	1.00 365	1.00 365	1.00 364	1.00 375	1.00 347	1.00 347	1.00 371	1.00 377	1.00 344	1.00 374

TDLM	1.00 352	1.00 257	1.00 353	1.00 323	1.00 383	1.00 358	1.00 374	1.00 353	1.00 382	1.00 361	1.00 378	1.00 365	1.00 365	1.00 364	1.00 375	1.00 347	1.00 347	1.00 371	1.00 377	1.00 344	1.00 374

CVANet_RVC	1.00 352	1.00 257	1.00 353	1.00 323	1.00 383	1.00 358	1.00 374	1.00 353	1.00 382	1.00 361	1.00 378	1.00 365	1.00 365	1.00 364	1.00 375	1.00 347	1.00 347	1.00 371	1.00 377	1.00 344	1.00 374

trnet	1.01 357	1.01 263	1.01 356	1.01 326	1.01 387	1.01 362	1.01 377	1.01 356	1.01 385	1.01 365	1.01 381	1.01 368	1.01 371	1.01 368	1.01 378	1.01 350	1.01 350	1.01 374	1.01 381	1.01 347	1.01 377

AIO-Stereo	0.84 331	0.66 215	0.70 317	0.83 298	0.67 351	0.98 356	0.82 359	1.14 363	0.72 351	1.03 366	0.74 359	1.03 370	1.09 374	0.99 363	0.45 293	1.04 351	0.73 326	0.95 366	0.74 356	0.94 340	0.46 292

HBP-ISP	1.24 416	1.72 357	1.65 445	1.15 340	0.76 363	1.40 438	0.88 362	1.67 439	1.02 386	1.69 443	1.38 450	1.69 445	1.21 432	1.87 444	1.21 439	1.05 352	0.79 333	0.97 369	0.80 363	1.19 366	0.75 351

GLC_STEREO	1.07 360	1.01 263	1.06 358	1.07 330	1.05 390	1.06 365	1.08 381	1.08 359	1.05 388	1.07 368	1.06 383	1.08 372	1.05 373	1.06 371	1.10 382	1.07 353	1.09 360	1.05 377	1.05 382	1.06 350	1.12 384

NCC-stereo	2.36 457	25.52 516	1.17 366	1.15 340	1.17 399	1.11 375	1.11 382	1.15 364	1.16 391	1.10 370	1.16 389	1.10 376	1.15 379	1.14 381	1.13 385	1.09 354	1.11 364	1.15 380	1.16 389	1.17 363	1.17 390

Abc-Net	2.32 454	24.75 513	1.14 362	1.17 346	1.17 399	1.11 375	1.15 386	1.17 368	1.21 443	1.08 369	1.16 389	1.12 380	1.14 378	1.09 375	1.17 391	1.09 354	1.16 370	1.17 385	1.17 390	1.16 358	1.11 382
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	2.37 459	25.71 517	1.17 366	1.13 337	1.15 394	1.15 378	1.18 390	1.19 371	1.16 391	1.10 370	1.15 386	1.10 376	1.18 384	1.12 380	1.15 387	1.10 356	1.10 363	1.17 385	1.15 387	1.16 358	1.12 384

RGC	2.36 457	25.48 515	1.19 370	1.15 340	1.15 394	1.10 372	1.16 388	1.17 368	1.16 391	1.12 375	1.16 389	1.11 379	1.13 376	1.09 375	1.18 392	1.10 356	1.15 369	1.16 381	1.12 385	1.14 354	1.12 384

edge stereo	2.43 462	27.07 522	1.14 362	1.06 329	1.14 393	1.08 369	1.17 389	1.16 366	1.14 389	1.10 370	1.16 389	1.09 374	1.16 383	1.10 377	1.16 390	1.10 356	1.11 364	1.16 381	1.19 391	1.13 353	1.11 382

Nwc_Net	2.37 459	25.95 518	1.15 364	1.14 338	1.15 394	1.08 369	1.14 385	1.17 368	1.16 391	1.14 378	1.15 386	1.08 372	1.15 379	1.11 379	1.14 386	1.10 356	1.11 364	1.16 381	1.09 384	1.16 358	1.15 389

MSMD_ROB	1.19 367	1.10 281	0.70 317	1.10 332	0.60 336	1.10 372	0.70 343	1.10 362	0.70 347	1.10 370	0.70 351	1.10 376	0.70 341	7.00 515	0.70 347	1.10 356	0.70 320	1.10 378	0.70 351	1.10 352	0.70 340

RP	2.33 455	25.00 514	1.13 361	1.15 340	1.15 394	1.10 372	1.15 386	1.15 364	1.15 390	1.12 375	1.15 386	1.09 374	1.13 376	1.10 377	1.15 387	1.11 361	1.09 360	1.16 381	1.12 385	1.16 358	1.17 390

MLG-Stereo	0.92 340	0.90 239	0.84 337	1.27 398	0.49 317	1.38 436	0.88 362	1.41 433	0.97 378	0.73 333	1.09 384	1.26 432	0.43 289	0.72 331	1.05 380	1.13 362	0.49 282	1.18 388	0.66 342	1.01 347	0.46 292

HSM-Net_RVC	0.95 348	1.17 287	0.78 330	1.18 347	0.71 357	1.16 379	0.75 350	1.09 361	0.80 361	1.10 370	0.75 360	1.17 383	0.74 347	1.17 383	0.80 357	1.13 362	0.73 326	1.17 385	0.77 358	1.16 358	0.72 344
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
stereogan	2.33 455	24.38 512	1.18 368	1.18 347	1.18 401	1.14 377	1.18 390	1.19 371	1.19 397	1.14 378	1.18 393	1.14 381	1.18 384	1.14 381	1.18 392	1.14 364	1.14 368	1.19 389	1.19 391	1.15 356	1.19 392

DPSimNet_ROB	0.97 349	1.18 289	0.81 336	1.10 332	0.91 376	1.02 363	0.82 359	1.04 358	0.91 368	1.03 366	0.86 367	1.28 434	0.82 356	1.03 369	0.89 364	1.17 365	0.81 338	1.02 375	0.82 366	1.08 351	0.81 357

S-Stereo	2.51 464	26.86 520	1.23 422	1.22 394	1.22 450	1.24 428	1.25 441	1.22 420	1.24 446	1.21 427	1.24 442	1.19 384	1.27 436	1.19 384	1.24 441	1.19 366	1.20 375	1.25 437	1.19 391	1.24 415	1.23 440

DisPM	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

CrosDoStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

PFNet+	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

LCNet	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

HHNet	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

Patchmatch Stereo++	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393
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	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

STrans-v2	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

TransformOpticalFlow	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

OMP-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

IIG-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

NF-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

OCTAStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

PSM-softLoss	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

KMStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

NRIStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

PSM-adaLoss	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

PSM-AAD	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

FTStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

ROB_FTStereo_v2	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

ROB_FTStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

Consistency-Raft	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

KYRaft	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

HUI-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

ASMatch	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

DeepStereo_LL	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

DEmStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

SST-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

THIR-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

RAFT_R40	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

DRaft	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

PFNet	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

GrayStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

RE-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

Pruner-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

TVStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

DeepStereo_RVC	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

RAFT-RH_RVC	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

IRAFT_RVC	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

RAFT-345	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

iRAFT	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

CRE-IMP	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

GMM-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

RAFT-IKP	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

Prome-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 374	1.20 398	1.20 382	1.20 394	1.20 385	1.20 386	1.20 385	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

FAT-Stereo	2.46 463	26.05 519	1.23 422	1.23 396	1.22 450	1.20 380	1.24 440	1.23 422	1.23 445	1.19 381	1.22 440	1.21 430	1.24 434	1.20 385	1.24 441	1.21 412	1.17 373	1.22 436	1.25 441	1.20 367	1.24 441

CroCo-Stereo	0.73 302	1.22 340	0.25 175	1.22 394	0.25 202	1.22 426	0.25 193	1.22 420	0.25 193	1.22 428	0.25 201	1.22 431	0.25 195	1.22 431	0.25 195	1.22 413	0.26 182	1.21 435	0.25 201	1.22 414	0.25 184
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	0.34 184	1.29 343	1.19 370	1.36 405	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 414	1.21 421	0.03 38	0.09 103	0.02 20	0.09 101

CroCo-Stereo Lap2	0.77 309	1.29 343	0.29 188	1.27 398	0.29 222	1.27 429	0.26 201	1.26 423	0.26 206	1.26 429	0.26 207	1.27 433	0.26 204	1.26 432	0.27 201	1.27 415	0.27 187	1.27 438	0.27 214	1.27 416	0.27 198

ff7	1.68 428	2.68 404	1.35 428	0.97 320	0.89 372	1.84 445	2.15 471	2.12 446	1.80 465	2.05 452	1.56 454	2.33 457	2.12 464	2.23 454	2.25 474	1.31 416	1.07 354	1.48 447	1.41 450	0.90 333	1.04 379

ffff	1.68 428	2.68 404	1.35 428	0.97 320	0.89 372	1.84 445	2.15 471	2.12 446	1.80 465	2.05 452	1.56 454	2.33 457	2.12 464	2.23 454	2.25 474	1.31 416	1.07 354	1.48 447	1.41 450	0.90 333	1.04 379

ccc-4	1.68 428	2.68 404	1.35 428	0.97 320	0.89 372	1.84 445	2.15 471	2.12 446	1.80 465	2.05 452	1.56 454	2.33 457	2.12 464	2.23 454	2.25 474	1.31 416	1.07 354	1.48 447	1.41 450	0.90 333	1.04 379

test_xeample3	1.10 362	1.81 362	0.61 303	0.84 299	0.49 317	0.77 334	0.66 333	0.92 345	1.40 455	0.68 329	0.46 303	0.78 342	0.54 323	1.72 443	1.48 452	1.34 419	1.52 439	1.35 443	1.67 463	1.33 418	1.55 456

MaskLacGwcNet_RVC	1.35 420	1.35 347	1.35 428	1.35 404	1.35 452	1.35 432	1.35 445	1.36 428	1.35 451	1.36 432	1.35 446	1.36 435	1.36 441	1.36 434	1.35 446	1.35 420	1.35 429	1.35 443	1.35 444	1.35 419	1.35 449

CC-Net-ROB	1.36 421	1.33 346	1.33 425	1.36 405	1.38 455	1.36 434	1.33 443	1.37 430	1.34 449	1.35 431	1.36 448	1.38 436	1.34 440	1.38 436	1.38 448	1.35 420	1.38 432	1.33 440	1.35 444	1.43 422	1.34 448

PS-NSSS	1.38 423	1.39 349	1.34 426	1.34 403	1.35 452	1.38 436	1.37 451	1.35 427	1.38 454	1.34 430	1.34 445	1.39 437	1.38 443	1.70 442	1.40 449	1.36 422	1.36 430	1.36 445	1.37 447	1.37 420	1.36 450

MM-Stereo_test2	1.20 368	1.85 364	1.05 357	1.46 409	0.94 380	1.36 434	0.99 373	1.36 428	0.95 375	1.41 434	0.98 377	1.40 439	0.96 362	1.37 435	0.95 370	1.37 423	1.06 353	1.33 440	0.93 374	1.29 417	0.89 363

FENet	0.54 269	1.52 351	1.19 370	1.41 408	0.23 195	0.35 208	0.23 185	0.35 199	0.23 186	0.34 201	0.23 189	0.35 208	0.23 189	0.35 210	0.23 185	1.40 424	1.07 354	0.32 199	0.23 188	0.33 193	0.23 173

castereo	0.61 280	3.79 437	1.35 428	1.52 410	0.15 158	0.17 140	0.16 149	0.20 149	0.21 177	0.18 141	0.16 159	0.21 157	0.12 138	0.26 187	0.17 159	1.43 425	1.38 432	0.17 142	0.16 155	0.18 145	0.16 146

castereo++	0.54 269	3.59 429	1.15 364	1.31 401	0.14 147	0.16 132	0.14 141	0.16 132	0.14 147	0.16 129	0.14 150	0.16 130	0.13 143	0.16 131	0.14 140	1.45 426	1.16 370	0.15 132	0.14 150	0.15 132	0.13 140

11t	1.27 418	2.70 407	1.34 426	1.32 402	0.89 372	1.30 431	1.34 444	1.64 436	0.57 326	1.45 436	0.72 356	1.05 371	1.29 438	1.07 374	1.29 444	1.49 427	1.02 351	0.97 369	1.15 387	1.48 423	1.31 444

IGEVStereo-DCA	1.77 432	4.21 447	1.84 453	2.49 447	2.11 478	2.54 465	1.36 446	1.65 437	1.17 395	2.75 467	1.90 470	2.54 465	1.15 379	0.94 357	1.11 383	1.50 428	1.32 423	0.96 367	1.46 454	1.49 424	0.88 361

rrr	1.77 432	4.21 447	1.84 453	2.49 447	2.11 478	2.54 465	1.36 446	1.65 437	1.17 395	2.75 467	1.90 470	2.54 465	1.15 379	0.94 357	1.11 383	1.50 428	1.32 423	0.96 367	1.46 454	1.49 424	0.88 361

MM-Stereo_test3	1.27 418	2.07 379	1.18 368	1.60 413	1.02 388	1.45 440	1.01 377	1.40 432	1.04 387	1.44 435	1.03 382	1.46 441	1.02 372	1.44 438	1.02 379	1.51 430	1.12 367	1.32 439	0.98 375	1.38 421	0.97 370

RASNet	1.49 424	1.65 355	1.45 439	1.38 407	1.43 458	1.47 441	1.36 446	1.38 431	1.36 452	1.39 433	1.60 458	1.45 440	1.45 446	1.51 439	2.21 473	1.53 431	1.36 430	1.36 445	1.36 446	1.66 429	1.36 450

DEFOM-Stereo	0.68 292	3.11 420	1.40 438	1.63 417	0.25 202	0.31 192	0.25 193	0.31 188	0.28 214	0.31 189	0.29 221	0.29 192	0.27 212	0.31 199	0.28 207	1.59 432	1.47 437	0.30 194	0.29 227	0.30 182	0.28 211

DPSMNet_ROB	1.60 427	1.59 353	1.70 447	1.59 412	1.59 460	1.61 443	1.61 456	1.60 434	1.60 459	1.62 442	1.59 457	1.60 443	1.60 448	1.60 440	1.59 454	1.59 432	1.60 445	1.59 451	1.59 460	1.59 427	1.59 460

ours_stereo	1.20 368	1.21 337	0.90 342	1.64 418	1.11 392	1.35 432	0.67 337	1.76 440	0.93 373	1.70 444	1.10 385	1.39 437	0.75 349	1.41 437	0.81 360	1.60 434	1.03 352	1.33 440	1.00 377	1.61 428	0.72 344

LL-Strereo	1.01 357	5.06 457	1.63 444	0.70 284	1.43 458	0.56 311	0.46 296	0.57 303	0.50 314	0.57 312	0.50 320	1.58 442	0.49 310	0.59 316	0.50 312	1.64 435	0.52 294	0.51 313	1.37 447	0.52 288	0.45 291

test-3	0.98 351	4.13 445	1.85 455	1.85 420	0.61 341	0.69 328	0.37 261	0.63 314	0.61 332	0.66 326	0.51 326	0.73 337	0.44 291	0.57 314	0.54 322	1.68 436	1.81 456	0.40 256	0.43 302	0.66 301	0.50 309

RAFT_CTSACE	1.92 437	3.71 434	1.72 449	1.88 421	1.72 464	2.04 451	1.42 455	2.18 450	1.89 474	2.02 450	1.97 474	1.95 448	2.06 463	1.93 446	1.62 455	1.76 437	1.66 449	2.02 457	1.73 469	1.73 430	1.43 455

NINENet	0.69 295	3.87 441	1.20 373	1.98 427	0.05 92	0.40 228	0.04 76	0.40 223	0.05 92	0.41 237	0.04 84	0.41 245	0.05 87	0.40 233	0.05 82	1.79 438	1.56 441	0.34 214	0.22 183	0.34 197	0.23 173

CRFU-Net	0.65 285	1.67 356	1.22 420	1.96 426	0.27 212	0.41 244	0.27 204	0.41 238	0.27 211	0.40 224	0.26 207	0.41 245	0.27 212	0.40 233	0.27 201	1.80 439	1.62 446	0.34 214	0.23 188	0.33 193	0.23 173

MFMNet_re	1.81 435	1.91 370	1.71 448	1.95 425	1.70 463	1.95 449	1.70 459	1.96 443	1.74 462	1.97 448	1.72 461	1.95 448	1.71 451	1.97 447	1.71 460	1.86 440	1.62 446	1.85 452	1.66 462	1.86 432	1.64 461

error version	0.93 345	4.47 450	2.35 470	1.99 428	0.37 268	0.41 244	0.36 256	0.41 238	0.35 252	0.43 255	0.36 261	0.41 245	0.40 270	0.41 247	0.36 255	1.87 441	2.16 462	0.47 292	0.37 271	0.39 234	0.33 240

test_1	0.93 345	4.47 450	2.35 470	1.99 428	0.37 268	0.41 244	0.36 256	0.41 238	0.35 252	0.43 255	0.36 261	0.41 245	0.40 270	0.41 247	0.36 255	1.87 441	2.16 462	0.47 292	0.37 271	0.39 234	0.33 240

GANetREF_RVC	1.55 425	1.94 376	1.22 420	1.88 421	1.21 448	1.88 448	1.22 438	1.88 441	1.22 444	1.88 445	1.22 440	1.88 446	1.22 433	1.89 445	1.22 440	1.87 441	1.22 422	1.88 453	1.22 440	1.88 433	1.22 439
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	1.59 426	1.91 370	1.21 419	1.94 424	1.20 402	2.00 450	1.23 439	1.99 444	1.24 446	2.00 449	1.25 443	2.03 450	1.26 435	2.00 448	1.29 444	1.90 444	1.18 374	1.89 454	1.21 439	1.89 434	1.20 393
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 431	2.96 417	1.37 435	2.14 431	1.37 454	2.14 454	1.36 446	2.14 449	1.37 453	2.14 455	1.37 449	2.14 452	1.37 442	2.14 453	1.37 447	1.97 445	1.32 423	1.97 456	1.32 443	1.98 435	1.33 446

BUS	0.83 328	1.91 370	0.92 346	4.48 468	0.02 21	0.40 228	0.04 76	0.41 238	0.02 21	0.48 274	0.03 51	0.41 245	0.05 87	0.03 39	0.05 82	1.97 445	4.19 491	0.33 207	0.23 188	0.34 197	0.27 198

BSDual-CNN	0.81 320	1.91 370	0.92 346	4.48 468	0.02 21	0.42 262	0.06 98	0.41 238	0.02 21	0.48 274	0.03 51	0.02 20	0.02 21	0.03 39	0.02 20	1.97 445	4.19 491	0.33 207	0.23 188	0.34 197	0.27 198

psmg	0.43 235	1.91 370	0.92 346	1.91 423	0.02 21	0.02 19	0.03 49	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 445	1.44 435	0.04 70	0.03 53	0.02 20	0.03 50

MM-Stereo_test1	1.80 434	3.41 427	1.52 443	2.12 430	1.41 457	2.04 451	1.41 453	2.05 445	1.46 458	2.04 451	1.41 452	2.05 451	1.42 445	2.05 449	1.43 451	2.04 449	1.54 440	1.94 455	1.38 449	1.99 436	1.33 446

TRStereo	2.00 438	2.13 384	1.85 455	2.27 437	1.84 467	2.28 456	1.84 462	2.29 452	1.86 468	2.30 457	1.87 465	2.30 454	1.87 454	2.08 450	1.72 462	2.08 450	1.72 451	2.08 458	1.72 466	2.08 437	1.72 464

XX-Stereo	2.00 438	2.13 384	1.85 455	2.27 437	1.84 467	2.28 456	1.84 462	2.29 452	1.86 468	2.30 457	1.87 465	2.30 454	1.87 454	2.08 450	1.72 462	2.08 450	1.72 451	2.08 458	1.72 466	2.08 437	1.72 464

EAI-Stereo	2.00 438	2.13 384	1.85 455	2.27 437	1.84 467	2.28 456	1.84 462	2.29 452	1.86 468	2.30 457	1.87 465	2.30 454	1.87 454	2.08 450	1.72 462	2.08 450	1.72 451	2.08 458	1.72 466	2.08 437	1.72 464

DEFOM-Stereo_RVC	0.83 328	5.18 459	1.98 464	2.19 432	0.17 168	0.19 146	0.18 160	0.19 144	0.16 159	0.20 148	0.19 175	0.22 163	0.22 183	0.20 149	0.15 150	2.28 453	2.13 461	0.24 177	0.17 173	0.18 145	0.16 146

NCCL2	2.28 453	2.27 392	2.28 468	2.28 440	2.28 480	2.27 455	2.29 474	2.28 451	2.28 478	2.27 456	2.28 479	2.28 453	2.27 467	2.27 457	2.28 478	2.28 453	2.28 465	2.27 462	2.29 478	2.27 444	2.29 474

HUF	2.18 445	2.30 394	1.99 465	2.34 442	2.02 477	2.41 462	2.06 470	2.38 459	1.89 474	2.36 461	1.85 463	2.56 467	1.98 461	2.31 459	1.97 472	2.30 455	2.03 458	2.30 463	2.11 473	2.23 442	2.16 471

FBW_ROB	2.12 444	2.46 399	1.77 451	2.49 447	1.79 466	2.38 460	1.83 461	2.46 460	1.78 464	2.48 462	1.97 474	2.40 461	1.78 452	2.42 463	1.83 466	2.31 456	1.85 457	2.38 466	1.82 471	2.35 447	1.84 468

AIO_rvc	2.18 445	2.34 395	1.87 459	2.32 441	1.94 475	2.40 461	1.89 468	2.37 458	2.07 477	2.52 464	1.95 473	2.44 463	1.99 462	2.41 461	1.89 471	2.32 457	2.09 459	2.24 461	2.18 474	2.21 441	2.23 473

STTStereo	3.73 479	30.40 526	2.37 472	2.39 443	2.31 482	2.35 459	2.33 475	2.29 452	2.42 479	2.32 460	2.34 480	2.33 457	2.36 468	2.30 458	2.27 477	2.35 458	2.22 464	2.31 464	2.22 475	2.29 446	2.34 478

iRaftStereo_RVC	0.97 349	3.17 423	2.30 469	2.42 444	0.38 275	0.54 309	0.38 267	0.54 298	0.38 267	0.54 305	0.38 272	0.54 308	0.38 264	0.54 306	0.38 266	2.38 459	2.34 466	0.49 304	0.36 269	0.49 275	0.36 253

AIO_test	2.18 445	2.09 382	2.04 466	2.42 444	2.01 476	2.47 463	1.94 469	2.34 457	2.03 476	2.56 465	1.94 472	2.43 462	1.94 460	2.41 461	1.87 470	2.39 460	2.10 460	2.35 465	1.91 472	2.25 443	2.19 472

UDGNet	2.23 451	5.40 467	1.72 449	2.48 446	1.69 462	2.51 464	1.69 458	2.51 461	1.72 461	2.50 463	1.69 460	2.52 464	1.69 450	2.50 464	1.68 459	2.41 461	1.70 450	2.42 467	1.69 465	2.42 448	1.64 461

LGtest1	2.22 448	2.70 407	1.89 460	2.76 451	1.86 470	2.75 468	1.86 465	2.75 464	1.86 468	2.75 467	1.86 464	2.77 471	1.87 454	2.75 468	1.86 467	2.46 462	1.58 442	2.45 468	1.56 456	2.45 449	1.56 457

LG-G_1	2.22 448	2.71 409	1.89 460	2.77 452	1.87 473	2.75 468	1.87 466	2.76 465	1.87 472	2.75 467	1.87 465	2.76 469	1.87 454	2.75 468	1.86 467	2.47 463	1.58 442	2.45 468	1.57 457	2.45 449	1.57 458

LG-G	2.22 448	2.71 409	1.89 460	2.77 452	1.87 473	2.75 468	1.87 466	2.76 465	1.87 472	2.75 467	1.87 465	2.76 469	1.87 454	2.75 468	1.86 467	2.47 463	1.58 442	2.45 468	1.57 457	2.45 449	1.57 458

sCroCo_RVC	2.10 442	2.76 411	1.92 463	2.78 454	1.39 456	2.73 467	1.41 453	2.73 463	1.40 455	2.77 472	1.41 452	2.74 468	1.40 444	2.74 467	1.40 449	2.72 465	1.42 434	2.72 471	1.44 453	2.79 457	1.42 454

NLCA_NET_v2_RVC	5.04 507	50.87 536	2.78 474	2.87 455	2.71 483	2.78 471	0.47 301	2.88 470	2.86 483	1.89 446	2.67 481	2.79 472	2.79 472	2.78 471	2.83 479	2.82 466	2.82 468	2.83 472	2.77 481	2.83 458	2.76 482
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	1.12 365	0.52 198	3.12 487	3.24 458	0.86 370	0.53 306	0.49 312	0.60 310	0.47 302	0.53 302	0.49 318	0.55 312	0.45 293	0.55 309	0.47 303	3.01 467	3.88 488	0.71 337	0.60 335	0.80 321	0.48 301

plain	1.88 436	3.16 422	0.64 307	3.10 456	0.65 347	3.10 473	0.64 330	3.12 472	0.65 337	3.10 473	0.65 343	3.11 473	0.65 332	3.12 472	0.65 332	3.12 468	0.65 313	3.13 473	0.65 340	3.13 459	0.65 333

Anonymous3	2.55 465	3.26 425	1.65 445	3.28 459	1.63 461	3.24 475	1.68 457	3.27 474	1.66 460	3.28 475	1.67 459	3.25 475	1.66 449	3.27 474	1.64 456	3.26 469	1.65 448	3.30 474	1.65 461	4.95 491	1.65 463

UniTT-Stereo	2.03 441	3.43 428	0.72 322	3.42 460	0.73 360	3.27 476	0.68 338	3.38 476	0.69 344	3.29 476	0.72 356	3.28 476	0.70 341	3.35 477	0.68 340	3.39 470	0.68 315	3.31 475	0.69 349	3.37 460	0.73 347

Occ-G	1.12 365	0.52 198	3.72 495	3.50 462	0.50 321	0.56 311	0.47 301	0.54 298	0.46 297	0.54 305	0.41 285	0.54 308	0.42 287	0.52 303	0.42 289	3.42 471	4.02 490	0.52 316	0.45 304	0.51 286	0.44 289

HCRNet	1.22 415	7.11 479	3.00 475	3.55 463	0.33 248	0.29 188	0.14 141	0.19 144	0.15 157	0.33 199	0.29 221	0.25 176	0.14 147	0.22 164	0.33 236	3.64 472	3.00 469	0.76 342	0.32 247	0.18 145	0.13 140

RAStereo	2.23 451	3.64 431	0.76 328	3.65 465	0.86 370	3.66 480	0.76 351	3.67 480	0.81 364	3.66 477	0.76 361	3.66 478	0.77 351	3.68 479	0.77 354	3.68 473	0.77 331	3.69 480	0.77 358	3.70 462	0.77 353

DPSNet	3.66 478	3.60 430	3.62 493	3.63 464	3.64 503	3.65 479	3.65 501	3.66 479	3.67 499	3.67 478	3.65 499	3.67 479	3.66 489	3.66 478	3.68 496	3.68 473	3.66 486	3.67 479	3.68 502	3.67 461	3.67 501

sAnonymous2	3.31 476	2.63 402	1.38 436	3.71 466	1.86 470	4.70 499	1.11 382	4.82 502	2.72 481	5.45 507	1.98 476	4.59 492	2.64 469	2.65 465	6.21 512	4.37 475	1.08 358	5.16 506	2.24 476	4.52 473	2.39 479

CroCo_RVC	3.31 476	2.63 402	1.38 436	3.71 466	1.86 470	4.70 499	1.11 382	4.82 502	2.72 481	5.45 507	1.98 476	4.59 492	2.64 469	2.65 465	6.21 512	4.37 475	1.08 358	5.16 506	2.24 476	4.52 473	2.39 479

hknet	1.10 362	1.85 364	3.49 490	4.48 468	0.02 21	0.42 262	0.06 98	0.41 238	0.02 21	0.48 274	0.03 51	0.41 245	0.03 51	0.42 260	0.03 47	4.39 477	4.19 491	0.33 207	0.23 188	0.34 197	0.27 198

MLG-Stereo_test2	4.28 494	5.46 470	3.69 494	4.86 484	3.72 504	5.58 508	3.42 497	4.81 501	3.77 504	4.85 500	3.72 501	5.55 509	3.63 488	5.58 507	3.53 495	4.41 478	3.28 484	4.99 504	2.95 483	4.75 484	3.13 493

MaDis-Stereo	3.19 475	6.02 477	1.12 360	5.61 492	1.16 398	5.43 507	1.02 379	5.15 506	0.70 347	5.43 506	1.21 439	5.03 507	0.97 363	4.85 500	0.99 374	4.53 479	1.16 370	5.53 508	1.25 441	5.37 496	1.30 443

DispNO	1.00 352	0.63 212	0.43 255	3.45 461	0.44 301	0.65 325	0.43 289	0.64 315	0.43 292	0.64 323	0.43 296	0.64 325	3.03 473	0.64 323	0.43 291	4.55 480	0.43 264	0.63 327	0.43 302	0.63 299	0.43 286

rvit_105_1	3.83 480	5.22 460	3.01 476	4.53 471	3.01 485	4.51 487	3.01 482	4.56 489	3.04 484	4.53 488	3.03 484	4.55 490	3.03 473	4.56 489	3.04 480	4.57 481	3.05 470	4.57 487	3.05 485	4.57 475	3.05 485

rvit_stereo_0081	3.83 480	5.23 461	3.01 476	4.53 471	3.03 487	4.55 493	3.02 483	4.56 489	3.04 484	4.52 486	3.02 482	4.54 488	3.03 473	4.56 489	3.04 480	4.57 481	3.05 470	4.57 487	3.05 485	4.58 476	3.05 485

rvit_stereo_0082	3.86 482	5.82 475	3.01 476	4.53 471	3.03 487	4.54 489	3.02 483	4.56 489	3.04 484	4.53 488	3.02 482	4.55 490	3.04 476	4.57 492	3.05 482	4.57 481	3.05 470	4.58 489	3.05 485	4.58 476	3.06 488

rvit_0105_6	3.87 484	5.73 474	3.10 486	4.69 481	3.12 495	4.54 489	3.02 483	4.56 489	3.04 484	4.54 490	3.03 484	4.54 488	3.04 476	4.56 489	3.05 482	4.58 484	3.05 470	4.58 489	3.05 485	4.58 476	3.05 485

rvit_stereo_0081_aga	3.86 482	5.33 464	3.02 479	4.55 477	3.04 491	4.54 489	3.02 483	4.64 496	3.06 488	4.54 490	3.04 486	4.62 497	3.08 480	4.62 495	3.07 485	4.58 484	3.06 474	4.60 491	3.08 489	4.63 479	3.07 489

rvit_stereo_0080	3.89 485	5.70 472	3.04 481	4.54 474	3.03 487	4.56 494	3.05 489	4.60 493	3.07 489	4.58 493	3.06 487	4.59 492	3.06 478	4.61 493	3.08 486	4.63 486	3.09 475	4.64 493	3.10 490	4.65 480	3.10 490

whm_eth	3.89 485	5.70 472	3.04 481	4.54 474	3.03 487	4.56 494	3.05 489	4.60 493	3.07 489	4.58 493	3.06 487	4.59 492	3.06 478	4.61 493	3.08 486	4.63 486	3.09 475	4.64 493	3.10 490	4.65 480	3.10 490

rvit_0105_4	3.91 487	5.47 471	3.02 479	4.54 474	3.02 486	4.54 489	3.03 487	4.75 499	3.17 495	4.57 492	3.06 487	4.61 496	3.16 484	4.65 496	3.09 488	4.66 488	3.11 477	4.68 496	3.18 495	4.81 486	3.16 495

rvit_0105_3	3.91 487	5.33 464	3.06 484	4.60 479	3.07 493	4.60 496	3.06 491	4.62 495	3.08 492	4.60 495	3.07 490	4.62 497	3.08 480	4.67 497	3.10 489	4.70 489	3.11 477	4.77 500	3.19 496	4.77 485	3.14 494

rvit_stereo_ft	3.93 490	5.44 469	3.05 483	4.59 478	3.06 492	4.61 497	3.08 492	4.67 498	3.12 494	4.63 497	3.10 492	4.65 499	3.11 482	4.69 499	3.13 490	4.70 489	3.14 479	4.71 498	3.15 494	4.74 483	3.16 495

rvit_stereo_0083	3.92 489	5.30 463	3.06 484	4.61 480	3.09 494	4.67 498	3.08 492	4.66 497	3.09 493	4.62 496	3.10 492	4.66 500	3.11 482	4.67 497	3.16 491	4.72 491	3.16 480	4.77 500	3.11 492	4.66 482	3.11 492

MLG-Stereo_test3	4.26 493	4.85 454	3.95 496	5.35 489	3.60 501	4.75 502	3.76 502	5.49 508	3.71 500	5.39 505	3.69 500	4.82 503	3.66 489	4.85 500	3.73 500	4.93 492	3.19 483	4.69 497	2.99 484	4.84 488	2.98 484

MLG-Stereo_test1	4.25 492	5.34 466	3.61 492	5.31 488	3.63 502	5.23 505	3.57 499	5.38 507	3.65 498	5.23 504	3.47 496	4.76 501	3.74 492	4.85 500	3.71 497	4.96 493	3.18 482	4.71 498	2.92 482	4.86 489	2.90 483

TestStereo	4.88 504	4.75 452	4.79 499	4.87 485	4.92 512	4.81 504	4.90 511	4.78 500	4.77 511	4.87 501	4.89 510	4.90 505	4.91 503	4.99 504	4.79 508	4.98 494	4.87 495	4.87 503	4.92 512	5.00 492	5.00 511

FC-DCNN v2	5.10 508	5.15 458	4.49 498	5.07 487	3.37 498	6.87 511	4.75 510	5.04 505	6.34 515	7.84 515	5.06 511	6.72 515	4.09 499	4.99 504	5.44 511	5.03 495	3.16 480	4.67 495	4.86 511	5.15 494	3.89 506

rvit_0105_5	4.10 491	5.40 467	3.13 489	4.71 482	3.15 496	4.72 501	3.10 494	4.90 504	3.27 496	4.69 498	3.16 494	4.84 504	3.25 485	4.96 503	3.34 493	5.05 496	3.39 485	5.10 505	3.40 497	5.11 493	3.42 498

MIF-Stereo (partial)	2.58 466	3.31 426	0.66 311	3.18 457	0.66 350	3.18 474	0.66 333	3.21 473	0.67 340	3.19 474	0.66 345	3.19 474	0.66 335	3.31 476	0.68 340	5.09 497	1.79 455	8.23 516	1.67 463	6.18 500	1.38 452

StereoVision	3.15 474	5.00 456	0.89 339	4.83 483	1.00 383	3.93 481	1.27 442	6.37 509	1.34 449	5.67 509	1.26 444	5.84 510	1.27 436	5.03 506	1.24 441	5.10 498	1.09 360	4.61 492	0.57 331	5.62 498	1.12 384

DispFullNet	4.61 500	4.84 453	3.12 487	5.00 486	3.57 500	4.75 502	3.03 487	7.75 515	4.17 508	4.91 502	3.09 491	6.20 511	3.95 496	6.71 511	3.51 494	5.30 499	3.67 487	5.86 512	3.63 499	5.61 497	3.46 499

RAFT+CT+SA	4.28 494	7.62 483	4.91 500	5.55 491	2.28 480	3.09 472	3.64 500	4.49 487	3.07 489	4.80 499	3.35 495	4.77 502	3.70 491	4.29 486	3.05 482	5.58 500	5.98 501	3.58 478	3.78 504	4.26 469	3.72 502

AANet_RVC	1.26 417	0.31 128	4.99 501	5.93 493	0.20 181	0.25 175	0.20 167	0.25 173	0.20 174	0.23 164	0.19 175	0.25 176	0.20 177	0.25 177	0.20 174	5.66 501	4.76 494	0.26 181	0.30 237	0.24 168	0.27 198

test_5	4.62 501	7.55 482	6.23 506	6.32 496	3.40 499	5.29 506	3.50 498	3.53 478	4.11 507	4.28 483	4.47 509	4.26 486	4.38 501	3.68 479	3.24 492	5.89 502	5.60 498	4.84 502	3.50 498	4.33 470	3.93 508

SGM-Forest	5.21 510	5.92 476	4.08 497	6.18 495	4.16 509	6.31 510	4.34 509	6.50 510	4.33 509	6.14 511	4.21 507	6.61 514	4.55 502	6.67 510	4.48 507	5.94 503	3.94 489	5.85 511	4.03 508	5.79 499	4.17 509
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Sa-1000	4.34 497	8.37 486	6.84 510	6.98 501	4.45 511	3.58 477	3.00 481	3.42 477	3.39 497	2.61 466	4.00 505	3.83 481	4.01 498	3.90 481	3.90 501	5.98 504	5.62 499	3.76 481	2.34 479	4.35 471	2.47 481

test-1	6.46 511	9.16 494	8.03 517	8.09 504	5.62 515	6.11 509	6.35 514	6.85 512	4.94 512	6.08 510	6.29 516	4.98 506	6.43 508	6.22 508	6.36 514	6.16 505	7.47 508	5.82 510	5.44 515	7.11 505	5.68 514

cross-raft	4.83 503	7.52 481	6.43 507	6.63 497	3.96 507	4.51 487	3.99 506	4.49 487	3.96 506	4.52 486	3.96 504	4.50 487	3.97 497	4.50 488	3.97 502	6.65 506	6.44 503	4.33 484	3.92 506	4.35 471	3.91 507

raft_robust	4.71 502	7.75 484	5.40 505	6.81 498	3.31 497	4.28 486	4.20 508	4.32 486	4.37 510	4.35 485	4.35 508	4.14 484	3.75 493	4.30 487	4.20 506	6.67 507	6.37 502	3.36 476	4.24 510	4.86 489	3.25 497

TestStereo1	4.60 498	8.41 487	6.44 508	6.86 499	3.79 505	3.97 482	3.78 503	3.99 483	3.74 501	3.97 480	3.52 497	3.94 482	3.58 486	3.98 482	3.72 498	6.82 508	6.50 504	3.76 481	3.66 500	3.90 464	3.74 504

SA-5K	4.60 498	8.41 487	6.44 508	6.86 499	3.79 505	3.97 482	3.78 503	3.99 483	3.74 501	3.97 480	3.52 497	3.94 482	3.58 486	3.98 482	3.72 498	6.82 508	6.50 504	3.76 481	3.66 500	3.90 464	3.74 504

test_4	4.88 504	8.13 485	6.98 512	7.46 502	4.44 510	4.25 485	3.85 505	4.04 485	3.92 505	4.13 482	3.91 503	4.18 485	3.84 494	4.14 484	4.06 504	7.01 510	7.13 507	4.53 485	3.72 503	4.09 467	3.72 502

SA	4.33 496	7.35 480	6.85 511	5.96 494	4.09 508	3.59 478	3.15 495	3.82 481	2.64 480	3.91 479	3.85 502	3.57 477	2.72 471	3.13 473	4.03 503	7.09 511	6.86 506	3.57 477	3.12 493	3.85 463	3.51 500

rvit_stereo_0075_2	6.64 512	8.80 491	5.25 502	7.89 503	5.27 514	7.90 515	5.27 512	7.92 516	5.28 513	7.91 516	5.29 513	7.93 516	5.27 504	7.92 516	5.28 509	7.93 512	5.28 497	7.93 515	5.29 514	7.93 508	5.28 513

test_3	5.01 506	8.86 492	7.77 514	8.09 504	2.76 484	4.13 484	4.05 507	3.88 482	3.76 503	4.33 484	4.13 506	3.71 480	3.91 495	4.21 485	4.06 504	7.93 512	7.69 509	4.53 485	3.91 505	4.17 468	4.29 510

RAFT	6.73 513	9.36 495	7.40 513	8.51 507	6.55 516	6.88 512	6.60 515	6.79 511	6.60 516	6.80 512	6.72 517	5.31 508	5.50 506	6.61 509	6.61 515	8.42 514	5.89 500	5.73 509	5.45 516	6.61 501	6.24 515

U	5.15 509	8.49 489	1.81 452	8.49 506	1.77 465	8.49 516	1.77 460	8.51 517	1.77 463	8.49 517	1.77 462	8.50 517	1.78 452	8.58 517	1.77 465	8.54 515	1.78 454	8.55 517	1.78 470	8.55 511	1.84 468

SGM+DAISY	7.06 514	9.15 493	5.38 504	8.84 508	5.18 513	8.80 517	5.31 513	8.79 518	5.28 513	8.89 518	5.20 512	8.93 518	5.33 505	8.95 518	5.36 510	8.70 516	5.21 496	8.74 518	5.20 513	8.89 512	5.15 512

test-v	7.53 515	11.89 503	7.98 515	9.36 510	7.14 517	7.06 513	7.09 516	7.37 513	6.91 517	7.29 513	5.71 514	6.45 512	6.93 509	6.73 512	7.27 516	8.93 517	7.85 510	6.98 513	6.80 517	7.56 506	7.34 517

test-2	7.53 515	11.89 503	7.98 515	9.36 510	7.14 517	7.06 513	7.09 516	7.37 513	6.91 517	7.29 513	5.71 514	6.45 512	6.93 509	6.73 512	7.27 516	8.93 517	7.85 510	6.98 513	6.80 517	7.56 506	7.34 517

rafts_anoy	20.00 519	20.00 505	20.00 519	20.00 519	20.00 520	20.00 518	20.00 519	20.00 519	20.00 520	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520

raft+_RVC	20.00 519	20.00 505	20.00 519	20.00 519	20.00 520	20.00 518	20.00 519	20.00 519	20.00 520	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520

raftrobust	20.00 519	20.00 505	20.00 519	20.00 519	20.00 520	20.00 518	20.00 519	20.00 519	20.00 520	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520

CasAABBNet	20.00 519	20.00 505	20.00 519	20.00 519	20.00 520	20.00 518	20.00 519	20.00 519	20.00 520	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520

RALCasStereoNet	20.00 519	20.00 505	20.00 519	20.00 519	20.00 520	20.00 518	20.00 519	20.00 519	20.00 520	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520

RALAANet	20.00 519	20.00 505	20.00 519	20.00 519	20.00 520	20.00 518	20.00 519	20.00 519	20.00 520	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520

MANE	19.05 518	23.00 511	15.00 518	23.00 525	15.00 519	24.00 524	16.00 518	24.00 525	16.00 519	22.00 525	15.00 518	23.00 525	16.00 518	23.00 525	15.00 518	22.00 525	15.00 519	22.00 525	15.00 519	22.00 525	15.00 519

111	30.40 525	30.94 527	29.72 526	32.61 526	30.02 527	33.57 525	30.47 526	31.50 526	29.39 527	30.98 526	29.11 526	29.78 526	30.39 529	29.45 526	30.76 529	30.08 526	29.02 527	29.92 526	30.32 530	29.86 526	30.17 527

fff	1000028.16 545	29.62 523	29.72 526	32.61 526	30.02 527	35.13 527	31.83 527	32.07 527	10000000.00 546	35.27 529	29.82 527	32.45 527	30.15 526	32.35 527	30.09 526	31.04 527	29.55 528	30.64 527	30.14 527	10000000.00 546	30.77 528

csc	1000028.16 545	29.62 523	29.72 526	32.61 526	30.02 527	35.13 527	31.83 527	32.07 527	10000000.00 546	35.27 529	29.82 527	32.45 527	30.15 526	32.35 527	30.09 526	31.04 527	29.55 528	30.64 527	30.14 527	10000000.00 546	30.77 528

cscssc	1000028.16 545	29.62 523	29.72 526	32.61 526	30.02 527	35.13 527	31.83 527	32.07 527	10000000.00 546	35.27 529	29.82 527	32.45 527	30.15 526	32.35 527	30.09 526	31.04 527	29.55 528	30.64 527	30.14 527	10000000.00 546	30.77 528

tt	500032.53 543	34.60 529	29.72 526	37.47 535	34.41 532	36.85 531	35.22 531	34.71 530	33.55 529	34.50 527	35.43 530	33.81 530	10000000.00 546	33.57 530	33.13 530	33.68 530	35.00 532	34.03 531	35.26 533	30.96 527	34.63 532

DCANet	500032.53 543	34.60 529	29.72 526	37.47 535	34.41 532	36.85 531	35.22 531	34.71 530	33.55 529	34.50 527	35.43 530	33.81 530	10000000.00 546	33.57 530	33.13 530	33.68 530	35.00 532	34.03 531	35.26 533	30.96 527	34.63 532

DCANet-4	35.22 527	34.54 528	35.08 532	33.58 530	35.47 534	34.55 526	35.53 533	36.08 532	35.85 531	35.92 532	35.77 532	35.18 532	35.48 531	35.39 532	37.15 535	34.55 532	33.92 531	35.02 533	34.90 532	35.79 530	34.74 534

WCMA_ROB	31.10 526	35.43 531	27.12 525	39.51 537	23.10 526	38.78 536	25.30 525	37.49 537	25.39 526	37.29 536	27.02 525	38.52 537	26.48 525	37.80 536	26.44 525	36.28 533	22.65 526	33.90 530	22.30 526	37.10 534	24.18 526

Reg-Stereo(zero)	37.00 529	37.00 533	37.00 533	37.00 532	37.00 535	37.00 533	37.00 534	37.00 534	37.00 532	37.00 533	37.00 534	37.00 534	37.00 532	37.00 533	37.00 532	37.00 534	37.00 535	37.00 535	37.00 535	37.00 531	37.00 535

HI	37.00 529	37.00 533	37.00 533	37.00 532	37.00 535	37.00 533	37.00 534	37.00 534	37.00 532	37.00 533	37.00 534	37.00 534	37.00 532	37.00 533	37.00 532	37.00 534	37.00 535	37.00 535	37.00 535	37.00 531	37.00 535

CoSv	37.00 529	37.00 533	37.00 533	37.00 532	37.00 535	37.00 533	37.00 534	37.00 534	37.00 532	37.00 533	37.00 534	37.00 534	37.00 532	37.00 533	37.00 532	37.00 534	37.00 535	37.00 535	37.00 535	37.00 531	37.00 535

ADStereo(finetuned)	36.13 528	36.63 532	38.07 536	36.97 531	33.25 531	35.91 530	34.45 530	36.36 533	32.99 528	38.14 537	36.71 533	36.69 533	34.13 530	38.57 537	40.79 536	37.60 537	36.58 534	35.90 534	33.36 531	35.42 529	34.04 531

NOSS_ROB	102.95 533	153.00 541	121.00 540	51.00 538	44.00 538	165.00 540	127.00 539	153.00 540	119.00 537	164.00 541	125.00 539	168.00 541	120.00 537	153.00 540	117.00 539	49.00 538	44.00 538	49.00 538	44.00 538	49.00 535	44.00 538

CBMV	128.50 534	1422.70 548	53.10 538	79.50 539	51.30 539	77.30 538	49.70 537	74.00 538	48.20 536	77.20 539	48.80 538	73.90 539	48.00 536	73.80 539	48.80 538	70.40 539	45.10 539	68.90 539	46.10 539	68.20 536	45.00 539
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 532	87.70 537	41.95 537	113.75 540	65.62 540	75.05 537	55.25 538	75.64 539	45.04 535	71.61 538	41.75 537	72.81 538	44.06 535	68.38 538	44.63 537	101.89 540	59.57 540	107.10 540	61.05 540	104.38 537	59.38 540

MeshStereo	159.24 535	171.00 542	160.68 543	162.58 541	160.59 541	164.01 539	160.35 540	158.51 541	158.56 538	158.34 540	160.12 540	158.56 540	159.92 538	157.26 541	158.94 540	154.38 541	158.36 541	155.75 541	159.13 542	153.67 538	154.07 541
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	201.80 536	123.00 538	115.00 539	219.00 542	218.00 543	223.00 541	244.00 542	217.00 542	236.00 540	202.00 542	203.00 541	205.00 542	208.00 539	225.00 542	204.00 541	210.00 542	198.00 542	197.00 542	184.00 543	204.00 539	201.00 542

MGS-Stereo	239.45 537	123.00 538	135.00 541	266.00 543	286.00 544	277.00 542	305.00 543	271.00 543	242.00 541	274.00 543	279.00 543	255.00 543	270.00 541	268.00 543	297.00 543	221.00 543	247.00 544	216.00 543	123.00 541	217.00 540	217.00 544

EGLCR-Stereo	246.90 538	129.00 540	139.00 542	266.00 543	286.00 544	277.00 542	305.00 543	271.00 543	242.00 541	274.00 543	279.00 543	255.00 543	270.00 541	268.00 543	297.00 543	230.00 544	247.00 544	216.00 543	223.00 545	237.00 541	227.00 545

DLCB_ROB	284.23 539	354.61 544	207.27 544	363.24 545	206.46 542	364.72 544	210.41 541	364.72 545	210.41 539	364.81 545	208.64 542	364.81 545	208.64 540	364.72 545	210.41 542	354.70 545	205.53 543	354.70 545	205.53 544	354.70 542	205.53 543

LE_ROB	396.57 540	471.28 545	329.84 545	471.48 546	308.15 546	526.83 545	322.10 545	488.15 546	323.76 543	495.46 546	317.97 545	497.17 546	320.10 543	481.62 546	326.76 545	462.71 546	298.97 546	466.16 546	285.98 546	447.62 543	289.21 546

SGM-ForestM	596.69 541	677.77 546	444.52 546	699.85 547	517.25 547	732.94 546	488.29 546	770.79 547	460.11 544	750.81 547	487.98 546	792.79 547	499.41 544	730.90 547	475.81 546	720.03 547	491.16 547	663.96 547	418.60 547	674.76 544	436.05 547

CBMV_ROB	818.48 542	913.88 547	709.52 547	862.84 548	597.78 548	1073.99 547	700.52 547	1015.66 548	702.59 545	1115.65 548	760.02 547	1130.24 548	721.57 545	1037.41 548	692.65 547	814.05 548	564.29 548	843.28 548	595.31 548	915.51 545	602.92 548

111111	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

SGD-Stereo	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

IGEV-Stereo++	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

IGEV-BASED-STEREO-	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

IGEV-Stereo+	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

SDNR	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

anonymousdsp2	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

anonymousdsp	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

test_example2	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

DIP-Stereo	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549
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