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

MonSter	0.07 2	0.06 43	0.05 1	0.15 60	0.05 1	0.07 22	0.10 12	0.15 76	0.15 122	0.05 1	0.06 4	0.05 1	0.06 26	0.07 3	0.09 46	0.04 1	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

4D-IteraStereo	0.09 46	0.07 116	0.10 78	0.18 257	0.07 41	0.09 55	0.15 180	0.17 134	0.15 122	0.10 91	0.11 110	0.10 116	0.07 75	0.11 79	0.09 46	0.05 7	0.03 1	0.08 234	0.07 230	0.06 153	0.05 90

LGtest1	0.07 2	0.04 1	0.10 78	0.15 60	0.06 9	0.07 22	0.09 6	0.08 3	0.06 1	0.05 1	0.04 1	0.06 9	0.06 26	0.10 38	0.09 46	0.07 200	0.04 3	0.05 3	0.04 18	0.06 153	0.06 161

LG-Stereo_Zeroshot	0.07 2	0.06 43	0.10 78	0.16 115	0.07 41	0.04 1	0.13 69	0.10 7	0.10 18	0.05 1	0.11 110	0.07 39	0.05 7	0.07 3	0.09 46	0.06 85	0.04 3	0.05 3	0.04 18	0.05 67	0.04 19

SGD-Stereo	0.08 14	0.05 12	0.10 78	0.14 24	0.05 1	0.12 166	0.12 35	0.11 16	0.12 57	0.07 15	0.09 57	0.09 88	0.09 132	0.08 12	0.08 16	0.06 85	0.04 3	0.05 3	0.04 18	0.05 67	0.03 1

MM-Stereo_test2	0.09 46	0.06 43	0.09 49	0.19 313	0.08 89	0.12 166	0.18 320	0.15 76	0.14 108	0.07 15	0.10 82	0.07 39	0.06 26	0.12 155	0.09 46	0.05 7	0.04 3	0.06 66	0.05 72	0.05 67	0.03 1

HART	0.08 14	0.07 116	0.09 49	0.17 180	0.07 41	0.10 93	0.16 244	0.13 41	0.11 41	0.08 35	0.10 82	0.07 39	0.05 7	0.10 38	0.08 16	0.05 7	0.04 3	0.06 66	0.04 18	0.05 67	0.04 19

GREAT-IGEV	0.07 2	0.06 43	0.08 18	0.13 12	0.07 41	0.07 22	0.14 114	0.09 5	0.09 8	0.06 6	0.07 22	0.06 9	0.05 7	0.10 38	0.07 1	0.05 7	0.04 3	0.05 3	0.04 18	0.05 67	0.04 19

Reg-Stereo(zero)	0.08 14	0.05 12	0.08 18	0.16 115	0.06 9	0.12 166	0.11 22	0.15 76	0.10 18	0.12 153	0.09 57	0.10 116	0.08 106	0.11 79	0.08 16	0.06 85	0.04 3	0.05 3	0.04 18	0.04 3	0.05 90

HI	0.11 147	0.06 43	0.11 115	0.13 12	0.09 196	0.09 55	0.14 114	0.21 211	0.10 18	0.19 314	0.17 197	0.14 198	0.09 132	0.16 274	0.08 16	0.05 7	0.04 3	0.07 155	0.08 294	0.07 219	0.06 161

CoSv	0.11 147	0.06 43	0.11 115	0.13 12	0.09 196	0.09 55	0.14 114	0.21 211	0.10 18	0.19 314	0.17 197	0.14 198	0.09 132	0.16 274	0.08 16	0.05 7	0.04 3	0.07 155	0.08 294	0.07 219	0.06 161

SCV	0.08 14	0.09 271	0.08 18	0.15 60	0.08 89	0.10 93	0.13 69	0.10 7	0.12 57	0.07 15	0.07 22	0.06 9	0.04 1	0.09 19	0.08 16	0.05 7	0.04 3	0.06 66	0.04 18	0.06 153	0.04 19

DEFOM-Stereo_RVC	0.08 14	0.06 43	0.09 49	0.22 406	0.06 9	0.08 34	0.12 35	0.10 7	0.10 18	0.07 15	0.07 22	0.06 9	0.05 7	0.11 79	0.09 46	0.06 85	0.04 3	0.05 3	0.03 1	0.06 153	0.04 19

FoundationStereo	0.06 1	0.04 1	0.08 18	0.12 4	0.05 1	0.09 55	0.13 69	0.06 1	0.09 8	0.05 1	0.05 2	0.06 9	0.04 1	0.06 1	0.07 1	0.06 85	0.04 3	0.05 3	0.03 1	0.05 67	0.04 19

StereoAnything_RVC	0.07 2	0.15 415	0.17 334	0.11 1	0.05 1	0.05 4	0.11 22	0.08 3	0.08 3	0.06 6	0.06 4	0.05 1	0.05 7	0.09 19	0.08 16	0.08 258	0.04 3	0.05 3	0.03 1	0.05 67	0.04 19

AIO_rvc	0.07 2	0.06 43	0.08 18	0.15 60	0.06 9	0.08 34	0.14 114	0.09 5	0.08 3	0.07 15	0.08 44	0.07 39	0.04 1	0.10 38	0.08 16	0.05 7	0.04 3	0.05 3	0.04 18	0.04 3	0.03 1

HUF	0.08 14	0.05 12	0.08 18	0.14 24	0.06 9	0.09 55	0.13 69	0.13 41	0.13 86	0.07 15	0.07 22	0.08 64	0.06 26	0.10 38	0.09 46	0.06 85	0.04 3	0.05 3	0.04 18	0.05 67	0.04 19

AIO_test	0.07 2	0.05 12	0.07 4	0.15 60	0.07 41	0.06 7	0.14 114	0.10 7	0.10 18	0.07 15	0.07 22	0.06 9	0.05 7	0.08 12	0.10 98	0.05 7	0.04 3	0.05 3	0.04 18	0.04 3	0.03 1

castereo++	0.08 14	0.05 12	0.08 18	0.15 60	0.05 1	0.14 236	0.12 35	0.11 16	0.15 122	0.07 15	0.07 22	0.07 39	0.06 26	0.08 12	0.08 16	0.06 85	0.04 3	0.05 3	0.04 18	0.04 3	0.03 1

castereo	0.09 46	0.06 43	0.11 115	0.15 60	0.06 9	0.11 134	0.15 180	0.14 56	0.18 191	0.08 35	0.10 82	0.11 137	0.08 106	0.09 19	0.10 98	0.05 7	0.04 3	0.05 3	0.04 18	0.04 3	0.03 1

GIP-stereo	0.08 14	0.06 43	0.11 115	0.14 24	0.06 9	0.09 55	0.13 69	0.14 56	0.11 41	0.07 15	0.08 44	0.05 1	0.04 1	0.10 38	0.07 1	0.05 7	0.04 3	0.05 3	0.04 18	0.05 67	0.04 19

fffft	0.09 46	0.06 43	0.12 146	0.16 115	0.07 41	0.09 55	0.17 275	0.12 29	0.11 41	0.08 35	0.07 22	0.09 88	0.06 26	0.11 79	0.12 195	0.05 7	0.04 3	0.06 66	0.05 72	0.04 3	0.05 90
1: 1. 1
DEFOM-Stereo	0.07 2	0.05 12	0.07 4	0.14 24	0.06 9	0.10 93	0.13 69	0.07 2	0.13 86	0.06 6	0.07 22	0.06 9	0.05 7	0.10 38	0.09 46	0.04 1	0.04 3	0.05 3	0.03 1	0.04 3	0.04 19

SMoEStereo_RVC	0.08 14	0.06 43	0.12 146	0.16 115	0.07 41	0.09 55	0.14 114	0.11 16	0.13 86	0.09 60	0.07 22	0.07 39	0.07 75	0.12 155	0.10 98	0.05 7	0.04 3	0.06 66	0.05 72	0.04 3	0.04 19

tt45	0.09 46	0.06 43	0.11 115	0.15 60	0.07 41	0.11 134	0.16 244	0.13 41	0.11 41	0.09 60	0.06 4	0.08 64	0.06 26	0.13 196	0.10 98	0.06 85	0.04 3	0.06 66	0.05 72	0.05 67	0.06 161

999	0.09 46	0.05 12	0.13 191	0.15 60	0.08 89	0.10 93	0.14 114	0.15 76	0.11 41	0.10 91	0.08 44	0.08 64	0.08 106	0.16 274	0.10 98	0.06 85	0.04 3	0.06 66	0.05 72	0.04 3	0.05 90

mms	0.09 46	0.07 116	0.08 18	0.16 115	0.08 89	0.10 93	0.16 244	0.12 29	0.11 41	0.08 35	0.09 57	0.08 64	0.06 26	0.11 79	0.12 195	0.05 7	0.04 3	0.07 155	0.05 72	0.04 3	0.03 1

ours_stereo	0.09 46	0.07 116	0.09 49	0.17 180	0.08 89	0.11 134	0.16 244	0.11 16	0.12 57	0.08 35	0.10 82	0.08 64	0.06 26	0.12 155	0.12 195	0.05 7	0.04 3	0.06 66	0.05 72	0.04 3	0.03 1

tg	0.10 104	0.06 43	0.10 78	0.18 257	0.08 89	0.11 134	0.16 244	0.20 190	0.12 57	0.08 35	0.11 110	0.11 137	0.07 75	0.11 79	0.10 98	0.05 7	0.04 3	0.08 234	0.08 294	0.04 3	0.04 19

dual_stereo	0.07 2	0.04 1	0.08 18	0.15 60	0.05 1	0.05 4	0.13 69	0.12 29	0.08 3	0.07 15	0.06 4	0.05 1	0.05 7	0.07 3	0.09 46	0.06 85	0.04 3	0.05 3	0.03 1	0.04 3	0.04 19

WCG-NET	0.08 14	0.05 12	0.09 49	0.15 60	0.06 9	0.11 134	0.14 114	0.13 41	0.13 86	0.06 6	0.09 57	0.07 39	0.06 26	0.13 196	0.08 16	0.05 7	0.04 3	0.05 3	0.04 18	0.04 3	0.03 1

IGEV-Stereo++	0.07 2	0.06 43	0.08 18	0.18 257	0.06 9	0.04 1	0.10 12	0.11 16	0.11 41	0.06 6	0.07 22	0.07 39	0.06 26	0.09 19	0.09 46	0.05 7	0.04 3	0.05 3	0.04 18	0.05 67	0.04 19

Pointernet	0.09 46	0.04 1	0.09 49	0.16 115	0.08 89	0.13 204	0.10 12	0.15 76	0.17 165	0.09 60	0.07 22	0.06 9	0.06 26	0.11 79	0.09 46	0.08 258	0.04 3	0.05 3	0.03 1	0.06 153	0.05 90

U	0.08 14	0.07 116	0.09 49	0.19 313	0.10 297	0.10 93	0.13 69	0.12 29	0.17 165	0.07 15	0.07 22	0.06 9	0.05 7	0.07 3	0.08 16	0.06 85	0.04 3	0.06 66	0.04 18	0.06 153	0.05 90

IGEV-BASED-STEREO-	0.09 46	0.10 326	0.31 438	0.15 60	0.06 9	0.08 34	0.14 114	0.10 7	0.10 18	0.07 15	0.07 22	0.06 9	0.04 1	0.11 79	0.07 1	0.12 403	0.04 3	0.07 155	0.05 72	0.05 67	0.05 90

IGEV-Stereo+	0.07 2	0.04 1	0.08 18	0.15 60	0.06 9	0.04 1	0.09 6	0.10 7	0.09 8	0.06 6	0.06 4	0.06 9	0.06 26	0.06 1	0.08 16	0.06 85	0.04 3	0.05 3	0.04 18	0.06 153	0.06 161

WCG-NET（raft）	0.08 14	0.05 12	0.10 78	0.15 60	0.06 9	0.11 134	0.13 69	0.15 76	0.12 57	0.08 35	0.07 22	0.06 9	0.06 26	0.13 196	0.08 16	0.05 7	0.04 3	0.05 3	0.04 18	0.04 3	0.04 19

RSM++	0.08 14	0.06 43	0.09 49	0.17 180	0.07 41	0.09 55	0.12 35	0.11 16	0.11 41	0.08 35	0.06 4	0.07 39	0.05 7	0.10 38	0.09 46	0.04 1	0.04 3	0.06 66	0.05 72	0.05 67	0.03 1

RSM	0.08 14	0.06 43	0.09 49	0.17 180	0.06 9	0.08 34	0.12 35	0.12 29	0.10 18	0.08 35	0.07 22	0.06 9	0.05 7	0.11 79	0.09 46	0.04 1	0.04 3	0.05 3	0.04 18	0.04 3	0.03 1

RAFT-Stereo-weight	0.09 46	0.06 43	0.10 78	0.16 115	0.07 41	0.09 55	0.14 114	0.19 179	0.16 147	0.11 117	0.10 82	0.08 64	0.06 26	0.10 38	0.11 150	0.06 85	0.04 3	0.06 66	0.04 18	0.04 3	0.04 19

H2IRNET	0.10 104	0.09 271	0.09 49	0.18 257	0.09 196	0.12 166	0.15 180	0.14 56	0.21 242	0.10 91	0.10 82	0.10 116	0.10 162	0.10 38	0.10 98	0.05 7	0.04 3	0.08 234	0.08 294	0.06 153	0.05 90

MGS-Stereo	0.09 46	0.07 116	0.12 146	0.15 60	0.08 89	0.09 55	0.15 180	0.12 29	0.12 57	0.07 15	0.10 82	0.08 64	0.06 26	0.10 38	0.09 46	0.05 7	0.04 3	0.06 66	0.05 72	0.06 153	0.05 90

MoCha-V2	0.08 14	0.05 12	0.10 78	0.20 362	0.07 41	0.09 55	0.14 114	0.11 16	0.08 3	0.07 15	0.08 44	0.07 39	0.06 26	0.09 19	0.08 16	0.05 7	0.04 3	0.05 3	0.04 18	0.04 3	0.04 19

IGEV++	0.08 14	0.06 43	0.08 18	0.18 257	0.07 41	0.09 55	0.13 69	0.10 7	0.09 8	0.08 35	0.08 44	0.06 9	0.06 26	0.13 196	0.09 46	0.05 7	0.04 3	0.05 3	0.04 18	0.05 67	0.04 19

ACVNet-DCA	0.10 104	0.08 206	0.12 146	0.17 180	0.09 196	0.13 204	0.15 180	0.23 252	0.16 147	0.09 60	0.09 57	0.06 9	0.06 26	0.10 38	0.07 1	0.06 85	0.04 3	0.06 66	0.05 72	0.07 219	0.07 236

xx1	0.11 147	0.08 206	0.12 146	0.17 180	0.09 196	0.13 204	0.15 180	0.16 101	0.18 191	0.09 60	0.09 57	0.16 240	0.16 320	0.10 38	0.07 1	0.06 85	0.04 3	0.08 234	0.08 294	0.07 219	0.07 236

1test111	0.11 147	0.08 206	0.12 146	0.17 180	0.09 196	0.13 204	0.15 180	0.23 252	0.16 147	0.09 60	0.09 57	0.06 9	0.06 26	0.15 240	0.16 316	0.06 85	0.04 3	0.06 66	0.05 72	0.07 219	0.07 236

cc1	0.10 104	0.08 206	0.12 146	0.17 180	0.09 196	0.13 204	0.15 180	0.16 101	0.18 191	0.09 60	0.09 57	0.06 9	0.06 26	0.10 38	0.07 1	0.06 85	0.04 3	0.06 66	0.05 72	0.06 153	0.06 161

ff7	0.09 46	0.07 116	0.11 115	0.16 115	0.09 196	0.11 134	0.15 180	0.16 101	0.12 57	0.10 91	0.06 4	0.06 9	0.06 26	0.11 79	0.09 46	0.05 7	0.04 3	0.06 66	0.05 72	0.05 67	0.06 161

ffff	0.09 46	0.07 116	0.11 115	0.16 115	0.09 196	0.11 134	0.15 180	0.16 101	0.12 57	0.10 91	0.06 4	0.06 9	0.06 26	0.11 79	0.09 46	0.05 7	0.04 3	0.06 66	0.05 72	0.05 67	0.06 161

ffm	0.12 210	0.09 271	0.14 223	0.16 115	0.08 89	0.17 312	0.17 275	0.15 76	0.19 205	0.15 227	0.25 321	0.19 287	0.13 251	0.10 38	0.07 1	0.06 85	0.04 3	0.09 313	0.08 294	0.06 153	0.06 161

ff1	0.13 235	0.09 271	0.14 223	0.16 115	0.08 89	0.17 312	0.17 275	0.15 76	0.19 205	0.15 227	0.25 321	0.19 287	0.13 251	0.14 218	0.20 366	0.06 85	0.04 3	0.09 313	0.08 294	0.06 153	0.06 161

11t	0.09 46	0.07 116	0.11 115	0.16 115	0.09 196	0.11 134	0.15 180	0.16 101	0.12 57	0.10 91	0.06 4	0.06 9	0.06 26	0.11 79	0.09 46	0.05 7	0.04 3	0.06 66	0.05 72	0.05 67	0.06 161

tt1	0.10 104	0.08 206	0.12 146	0.17 180	0.09 196	0.12 166	0.16 244	0.15 76	0.19 205	0.09 60	0.08 44	0.06 9	0.06 26	0.10 38	0.07 1	0.06 85	0.04 3	0.06 66	0.05 72	0.06 153	0.06 161

IGEV_Zeroshot_test	0.09 46	0.05 12	0.12 146	0.13 12	0.08 89	0.12 166	0.13 69	0.17 134	0.11 41	0.10 91	0.06 4	0.09 88	0.06 26	0.11 79	0.09 46	0.06 85	0.04 3	0.06 66	0.06 143	0.05 67	0.05 90

MSKI-zero shot	0.09 46	0.05 12	0.09 49	0.15 60	0.07 41	0.10 93	0.13 69	0.14 56	0.13 86	0.09 60	0.09 57	0.09 88	0.06 26	0.12 155	0.10 98	0.06 85	0.04 3	0.05 3	0.04 18	0.04 3	0.04 19

DLNR_Zeroshot_test	10.40 533	1.82 525	19.49 539	120.77 544	13.11 537	0.06 7	0.13 69	0.23 252	0.10 18	0.07 15	0.10 82	0.09 88	0.06 26	0.10 38	0.09 46	0.13 426	0.04 3	0.06 66	0.04 18	51.54 543	0.04 19

CASnet	0.09 46	0.09 271	0.09 49	0.19 313	0.06 9	0.07 22	0.11 22	0.18 160	0.14 108	0.11 117	0.10 82	0.09 88	0.07 75	0.10 38	0.10 98	0.06 85	0.04 3	0.10 358	0.08 294	0.05 67	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala	0.08 14	0.07 116	0.17 334	0.16 115	0.08 89	0.09 55	0.12 35	0.15 76	0.10 18	0.07 15	0.09 57	0.06 9	0.06 26	0.11 79	0.09 46	0.05 7	0.04 3	0.06 66	0.04 18	0.04 3	0.04 19

AEACV	0.08 14	0.05 12	0.08 18	0.14 24	0.13 396	0.14 236	0.13 69	0.14 56	0.09 8	0.07 15	0.09 57	0.07 39	0.08 106	0.10 38	0.09 46	0.06 85	0.04 3	0.06 66	0.05 72	0.05 67	0.04 19

Any-RAFT	0.10 104	0.05 12	0.09 49	0.14 24	0.07 41	0.13 204	0.14 114	0.21 211	0.15 122	0.11 117	0.12 122	0.12 154	0.09 132	0.12 155	0.09 46	0.07 200	0.04 3	0.05 3	0.04 18	0.06 153	0.05 90

RAFT-Test	0.09 46	0.06 43	0.10 78	0.15 60	0.07 41	0.11 134	0.15 180	0.16 101	0.13 86	0.09 60	0.10 82	0.10 116	0.09 132	0.12 155	0.09 46	0.06 85	0.04 3	0.05 3	0.04 18	0.04 3	0.05 90

HH	0.09 46	0.06 43	0.13 191	0.17 180	0.08 89	0.10 93	0.16 244	0.14 56	0.10 18	0.08 35	0.09 57	0.08 64	0.07 75	0.10 38	0.09 46	0.06 85	0.04 3	0.06 66	0.05 72	0.05 67	0.04 19

HanStereo	0.09 46	0.06 43	0.13 191	0.17 180	0.08 89	0.10 93	0.16 244	0.14 56	0.10 18	0.08 35	0.09 57	0.08 64	0.07 75	0.10 38	0.09 46	0.06 85	0.04 3	0.06 66	0.05 72	0.05 67	0.04 19

LL-Strereo	0.13 235	0.09 271	0.11 115	0.20 362	0.10 297	0.11 134	0.18 320	0.32 391	0.24 282	0.15 227	0.15 165	0.14 198	0.13 251	0.19 341	0.11 150	0.06 85	0.04 3	0.09 313	0.08 294	0.04 3	0.05 90

LoS_RVC	0.08 14	0.05 12	0.07 4	0.15 60	0.07 41	0.08 34	0.15 180	0.11 16	0.10 18	0.08 35	0.09 57	0.06 9	0.09 132	0.10 38	0.09 46	0.05 7	0.04 3	0.05 3	0.03 1	0.04 3	0.03 1

CAS	0.08 14	0.04 1	0.07 4	0.17 180	0.08 89	0.10 93	0.13 69	0.12 29	0.09 8	0.09 60	0.10 82	0.08 64	0.06 26	0.09 19	0.08 16	0.08 258	0.04 3	0.05 3	0.03 1	0.05 67	0.04 19

anonymousdsp2	0.11 147	0.07 116	0.10 78	0.16 115	0.09 196	0.13 204	0.14 114	0.18 160	0.22 256	0.13 179	0.14 149	0.12 154	0.09 132	0.14 218	0.11 150	0.05 7	0.04 3	0.05 3	0.04 18	0.06 153	0.05 90

anonymousdsp	0.09 46	0.07 116	0.11 115	0.16 115	0.09 196	0.11 134	0.15 180	0.16 101	0.12 57	0.09 60	0.06 4	0.06 9	0.06 26	0.11 79	0.09 46	0.05 7	0.04 3	0.06 66	0.05 72	0.05 67	0.06 161

CES	0.08 14	0.04 1	0.08 18	0.14 24	0.07 41	0.09 55	0.14 114	0.11 16	0.09 8	0.08 35	0.09 57	0.11 137	0.06 26	0.12 155	0.08 16	0.06 85	0.04 3	0.05 3	0.03 1	0.05 67	0.05 90

Selective-IGEV	0.07 2	0.06 43	0.08 18	0.17 180	0.06 9	0.08 34	0.12 35	0.13 41	0.07 2	0.08 35	0.07 22	0.06 9	0.04 1	0.10 38	0.09 46	0.05 7	0.04 3	0.05 3	0.04 18	0.04 3	0.03 1

EGLCR-Stereo	0.08 14	0.05 12	0.08 18	0.14 24	0.06 9	0.10 93	0.12 35	0.11 16	0.16 147	0.06 6	0.05 2	0.07 39	0.05 7	0.10 38	0.11 150	0.06 85	0.04 3	0.06 66	0.05 72	0.04 3	0.04 19

ProNet	0.09 46	0.07 116	0.10 78	0.17 180	0.08 89	0.10 93	0.15 180	0.15 76	0.12 57	0.09 60	0.06 4	0.07 39	0.06 26	0.11 79	0.09 46	0.05 7	0.04 3	0.06 66	0.05 72	0.04 3	0.06 161

MC-Stereo	0.08 14	0.06 43	0.09 49	0.17 180	0.06 9	0.10 93	0.14 114	0.12 29	0.10 18	0.09 60	0.12 122	0.09 88	0.06 26	0.11 79	0.10 98	0.06 85	0.04 3	0.06 66	0.05 72	0.04 3	0.04 19

RCA-Stereo	0.09 46	0.06 43	0.09 49	0.16 115	0.06 9	0.09 55	0.13 69	0.18 160	0.14 108	0.09 60	0.10 82	0.08 64	0.07 75	0.12 155	0.11 150	0.06 85	0.04 3	0.06 66	0.05 72	0.05 67	0.04 19

DCANet-4	0.10 104	0.06 43	0.12 146	0.16 115	0.06 9	0.09 55	0.17 275	0.18 160	0.19 205	0.13 179	0.16 176	0.09 88	0.14 276	0.11 79	0.12 195	0.06 85	0.04 3	0.05 3	0.04 18	0.04 3	0.05 90

ccc-4	0.09 46	0.07 116	0.11 115	0.16 115	0.09 196	0.11 134	0.15 180	0.16 101	0.12 57	0.10 91	0.06 4	0.06 9	0.06 26	0.11 79	0.09 46	0.05 7	0.04 3	0.06 66	0.05 72	0.05 67	0.06 161

fff	0.10 104	0.06 43	0.12 146	0.15 60	0.07 41	0.09 55	0.17 275	0.16 101	0.20 227	0.13 179	0.16 176	0.10 116	0.11 186	0.11 79	0.12 195	0.06 85	0.04 3	0.05 3	0.04 18	0.04 3	0.05 90

ADStereo(finetuned)	0.10 104	0.06 43	0.12 146	0.16 115	0.06 9	0.09 55	0.17 275	0.15 76	0.19 205	0.13 179	0.17 197	0.10 116	0.12 215	0.11 79	0.12 195	0.06 85	0.04 3	0.05 3	0.04 18	0.05 67	0.04 19

DisPM	0.11 147	0.07 116	0.12 146	0.16 115	0.09 196	0.06 7	0.13 69	0.17 134	0.17 165	0.14 200	0.20 242	0.12 154	0.10 162	0.11 79	0.10 98	0.06 85	0.04 3	0.07 155	0.06 143	0.06 153	0.11 391

RAFT+CT+SA	0.13 235	0.11 351	0.09 49	0.19 313	0.09 196	0.15 261	0.28 460	0.22 233	0.22 256	0.15 227	0.26 338	0.10 116	0.10 162	0.11 79	0.12 195	0.05 7	0.04 3	0.07 155	0.08 294	0.07 219	0.06 161

test_4	0.10 104	0.10 326	0.08 18	0.19 313	0.09 196	0.08 34	0.22 404	0.15 76	0.17 165	0.12 153	0.18 222	0.12 154	0.09 132	0.08 12	0.11 150	0.04 1	0.04 3	0.08 234	0.08 294	0.04 3	0.03 1

IGEV-Stereo	0.09 46	0.07 116	0.11 115	0.16 115	0.09 196	0.11 134	0.15 180	0.16 101	0.12 57	0.09 60	0.06 4	0.06 9	0.06 26	0.11 79	0.09 46	0.05 7	0.04 3	0.06 66	0.05 72	0.05 67	0.06 161
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 46	0.05 12	0.13 191	0.14 24	0.08 89	0.12 166	0.15 180	0.18 160	0.10 18	0.11 117	0.08 44	0.08 64	0.05 7	0.10 38	0.09 46	0.06 85	0.04 3	0.06 66	0.05 72	0.06 153	0.05 90

IPLG	0.10 104	0.07 116	0.15 272	0.17 180	0.08 89	0.11 134	0.14 114	0.20 190	0.15 122	0.12 153	0.17 197	0.07 39	0.07 75	0.14 218	0.13 235	0.06 85	0.04 3	0.06 66	0.05 72	0.04 3	0.04 19

MIPNet	0.11 147	0.08 206	0.14 223	0.17 180	0.09 196	0.12 166	0.14 114	0.20 190	0.24 282	0.11 117	0.10 82	0.09 88	0.07 75	0.13 196	0.12 195	0.06 85	0.04 3	0.06 66	0.05 72	0.04 3	0.04 19

test-3	0.08 14	0.06 43	0.09 49	0.17 180	0.07 41	0.07 22	0.14 114	0.12 29	0.15 122	0.09 60	0.08 44	0.07 39	0.08 106	0.11 79	0.10 98	0.05 7	0.04 3	0.07 155	0.05 72	0.04 3	0.04 19

test_1	0.08 14	0.06 43	0.09 49	0.17 180	0.07 41	0.07 22	0.14 114	0.12 29	0.15 122	0.09 60	0.08 44	0.07 39	0.08 106	0.11 79	0.10 98	0.05 7	0.04 3	0.07 155	0.05 72	0.04 3	0.04 19

test_3	0.10 104	0.09 271	0.10 78	0.20 362	0.08 89	0.13 204	0.26 447	0.14 56	0.21 242	0.10 91	0.10 82	0.09 88	0.09 132	0.08 12	0.11 150	0.05 7	0.04 3	0.08 234	0.07 230	0.04 3	0.04 19

CrosDoStereo	0.12 210	0.06 43	0.12 146	0.14 24	0.08 89	0.12 166	0.15 180	0.17 134	0.22 256	0.19 314	0.24 292	0.15 227	0.11 186	0.11 79	0.12 195	0.06 85	0.04 3	0.07 155	0.07 230	0.05 67	0.05 90

LCNet	0.11 147	0.07 116	0.09 49	0.19 313	0.09 196	0.08 34	0.15 180	0.21 211	0.15 122	0.11 117	0.15 165	0.16 240	0.11 186	0.12 155	0.11 150	0.05 7	0.04 3	0.08 234	0.07 230	0.06 153	0.15 446

HHNet	0.11 147	0.06 43	0.16 306	0.15 60	0.14 414	0.07 22	0.13 69	0.20 190	0.17 165	0.14 200	0.25 321	0.11 137	0.08 106	0.13 196	0.10 98	0.05 7	0.04 3	0.08 234	0.06 143	0.05 67	0.09 345

Patchmatch Stereo++	0.11 147	0.09 271	0.16 306	0.18 257	0.08 89	0.06 7	0.11 22	0.16 101	0.13 86	0.15 227	0.16 176	0.14 198	0.12 215	0.11 79	0.10 98	0.06 85	0.04 3	0.08 234	0.06 143	0.08 279	0.07 236
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	0.11 147	0.07 116	0.16 306	0.19 313	0.09 196	0.08 34	0.13 69	0.18 160	0.13 86	0.16 253	0.21 263	0.13 178	0.14 276	0.11 79	0.14 272	0.06 85	0.04 3	0.09 313	0.06 143	0.06 153	0.05 90

STrans-v2	0.10 104	0.07 116	0.12 146	0.18 257	0.07 41	0.10 93	0.14 114	0.21 211	0.11 41	0.11 117	0.15 165	0.12 154	0.10 162	0.11 79	0.12 195	0.05 7	0.04 3	0.06 66	0.06 143	0.04 3	0.04 19

TransformOpticalFlow	0.10 104	0.08 206	0.13 191	0.18 257	0.07 41	0.09 55	0.15 180	0.19 179	0.15 122	0.12 153	0.17 197	0.11 137	0.11 186	0.11 79	0.10 98	0.05 7	0.04 3	0.06 66	0.06 143	0.05 67	0.05 90

OMP-Stereo	0.11 147	0.06 43	0.14 223	0.18 257	0.08 89	0.09 55	0.12 35	0.21 211	0.21 242	0.13 179	0.14 149	0.11 137	0.12 215	0.11 79	0.13 235	0.06 85	0.04 3	0.07 155	0.06 143	0.05 67	0.04 19

NF-Stereo	0.11 147	0.07 116	0.13 191	0.17 180	0.09 196	0.10 93	0.14 114	0.23 252	0.19 205	0.12 153	0.17 197	0.12 154	0.11 186	0.11 79	0.11 150	0.06 85	0.04 3	0.07 155	0.06 143	0.06 153	0.12 403

OCTAStereo	0.11 147	0.07 116	0.13 191	0.17 180	0.09 196	0.10 93	0.14 114	0.23 252	0.19 205	0.12 153	0.17 197	0.12 154	0.11 186	0.11 79	0.11 150	0.06 85	0.04 3	0.07 155	0.06 143	0.06 153	0.12 403

NRIStereo	0.11 147	0.08 206	0.14 223	0.18 257	0.08 89	0.10 93	0.14 114	0.16 101	0.15 122	0.12 153	0.14 149	0.13 178	0.12 215	0.13 196	0.10 98	0.06 85	0.04 3	0.07 155	0.06 143	0.06 153	0.07 236

PSM-adaLoss	0.11 147	0.09 271	0.16 306	0.18 257	0.08 89	0.06 7	0.12 35	0.16 101	0.13 86	0.15 227	0.16 176	0.14 198	0.12 215	0.11 79	0.10 98	0.06 85	0.04 3	0.08 234	0.06 143	0.08 279	0.07 236

ROB_FTStereo_v2	0.11 147	0.09 271	0.16 306	0.19 313	0.08 89	0.06 7	0.12 35	0.16 101	0.13 86	0.15 227	0.16 176	0.14 198	0.12 215	0.11 79	0.10 98	0.06 85	0.04 3	0.08 234	0.06 143	0.08 279	0.07 236

ROB_FTStereo	0.11 147	0.09 271	0.16 306	0.19 313	0.08 89	0.06 7	0.11 22	0.16 101	0.13 86	0.15 227	0.16 176	0.14 198	0.12 215	0.11 79	0.10 98	0.06 85	0.04 3	0.08 234	0.06 143	0.08 279	0.07 236

KYRaft	0.11 147	0.07 116	0.10 78	0.19 313	0.09 196	0.08 34	0.15 180	0.22 233	0.12 57	0.13 179	0.16 176	0.20 299	0.10 162	0.12 155	0.10 98	0.05 7	0.04 3	0.08 234	0.08 294	0.06 153	0.16 457

HUI-Stereo	0.11 147	0.09 271	0.16 306	0.18 257	0.08 89	0.06 7	0.12 35	0.16 101	0.13 86	0.15 227	0.16 176	0.14 198	0.12 215	0.11 79	0.10 98	0.06 85	0.04 3	0.08 234	0.06 143	0.08 279	0.07 236

ASMatch	0.11 147	0.06 43	0.13 191	0.16 115	0.10 297	0.07 22	0.14 114	0.17 134	0.17 165	0.12 153	0.16 176	0.16 240	0.10 162	0.13 196	0.10 98	0.05 7	0.04 3	0.06 66	0.05 72	0.04 3	0.08 301

DeepStereo_LL	0.12 210	0.06 43	0.12 146	0.14 24	0.08 89	0.12 166	0.15 180	0.17 134	0.22 256	0.19 314	0.24 292	0.15 227	0.11 186	0.11 79	0.12 195	0.06 85	0.04 3	0.07 155	0.07 230	0.05 67	0.05 90

DEmStereo	0.12 210	0.06 43	0.14 223	0.14 24	0.10 297	0.16 291	0.15 180	0.16 101	0.24 282	0.17 269	0.24 292	0.13 178	0.14 276	0.12 155	0.13 235	0.05 7	0.04 3	0.07 155	0.06 143	0.05 67	0.05 90

SST-Stereo	0.10 104	0.07 116	0.15 272	0.18 257	0.09 196	0.06 7	0.12 35	0.17 134	0.11 41	0.15 227	0.17 197	0.13 178	0.12 215	0.10 38	0.11 150	0.06 85	0.04 3	0.09 313	0.06 143	0.06 153	0.05 90

THIR-Stereo	0.12 210	0.07 116	0.11 115	0.15 60	0.08 89	0.14 236	0.16 244	0.17 134	0.25 303	0.16 253	0.24 292	0.14 198	0.12 215	0.12 155	0.14 272	0.06 85	0.04 3	0.07 155	0.07 230	0.05 67	0.05 90

RAFT_R40	0.11 147	0.07 116	0.14 223	0.18 257	0.09 196	0.06 7	0.13 69	0.17 134	0.16 147	0.14 200	0.18 222	0.15 227	0.12 215	0.10 38	0.11 150	0.06 85	0.04 3	0.09 313	0.06 143	0.06 153	0.05 90

DRaft	0.12 210	0.06 43	0.11 115	0.14 24	0.09 196	0.14 236	0.17 275	0.21 211	0.30 356	0.17 269	0.28 360	0.10 116	0.15 294	0.10 38	0.12 195	0.05 7	0.04 3	0.07 155	0.06 143	0.05 67	0.05 90

PFNet	0.12 210	0.06 43	0.17 334	0.17 180	0.08 89	0.09 55	0.15 180	0.26 307	0.20 227	0.16 253	0.16 176	0.14 198	0.11 186	0.12 155	0.11 150	0.06 85	0.04 3	0.07 155	0.06 143	0.05 67	0.05 90

RE-Stereo	0.11 147	0.07 116	0.13 191	0.17 180	0.09 196	0.10 93	0.14 114	0.23 252	0.19 205	0.12 153	0.17 197	0.12 154	0.11 186	0.11 79	0.11 150	0.06 85	0.04 3	0.07 155	0.06 143	0.06 153	0.12 403

Pruner-Stereo	0.11 147	0.07 116	0.12 146	0.17 180	0.09 196	0.06 7	0.12 35	0.17 134	0.17 165	0.13 179	0.19 230	0.13 178	0.09 132	0.11 79	0.11 150	0.06 85	0.04 3	0.07 155	0.06 143	0.06 153	0.08 301

TVStereo	0.11 147	0.07 116	0.13 191	0.17 180	0.09 196	0.10 93	0.14 114	0.23 252	0.19 205	0.12 153	0.17 197	0.12 154	0.11 186	0.11 79	0.11 150	0.06 85	0.04 3	0.07 155	0.06 143	0.06 153	0.12 403

DeepStereo_RVC	0.11 147	0.08 206	0.16 306	0.18 257	0.08 89	0.08 34	0.12 35	0.17 134	0.12 57	0.13 179	0.14 149	0.12 154	0.12 215	0.12 155	0.11 150	0.06 85	0.04 3	0.07 155	0.06 143	0.07 219	0.08 301

iGMRVC	0.11 147	0.09 271	0.16 306	0.19 313	0.08 89	0.06 7	0.12 35	0.16 101	0.13 86	0.15 227	0.16 176	0.14 198	0.12 215	0.11 79	0.10 98	0.06 85	0.04 3	0.08 234	0.06 143	0.08 279	0.07 236

RAFT-RH_RVC	0.11 147	0.06 43	0.14 223	0.16 115	0.09 196	0.12 166	0.12 35	0.17 134	0.12 57	0.13 179	0.41 447	0.11 137	0.10 162	0.13 196	0.12 195	0.05 7	0.04 3	0.08 234	0.05 72	0.04 3	0.06 161

IRAFT_RVC	0.12 210	0.08 206	0.16 306	0.19 313	0.08 89	0.07 22	0.15 180	0.24 274	0.23 266	0.14 200	0.14 149	0.15 227	0.12 215	0.12 155	0.10 98	0.06 85	0.04 3	0.09 313	0.06 143	0.06 153	0.06 161

iRAFT	0.11 147	0.09 271	0.16 306	0.18 257	0.08 89	0.06 7	0.11 22	0.16 101	0.13 86	0.15 227	0.16 176	0.14 198	0.12 215	0.11 79	0.10 98	0.06 85	0.04 3	0.08 234	0.06 143	0.08 279	0.07 236

CRE-IMP	0.11 147	0.09 271	0.16 306	0.19 313	0.08 89	0.10 93	0.12 35	0.18 160	0.10 18	0.14 200	0.13 135	0.13 178	0.12 215	0.12 155	0.11 150	0.07 200	0.04 3	0.08 234	0.06 143	0.08 279	0.08 301

cross-raft	0.10 104	0.09 271	0.09 49	0.19 313	0.07 41	0.11 134	0.25 440	0.13 41	0.15 122	0.08 35	0.11 110	0.12 154	0.10 162	0.09 19	0.11 150	0.05 7	0.04 3	0.06 66	0.05 72	0.04 3	0.04 19

test-1	0.10 104	0.07 116	0.16 306	0.19 313	0.08 89	0.11 134	0.24 425	0.14 56	0.18 191	0.09 60	0.07 22	0.09 88	0.08 106	0.07 3	0.09 46	0.06 85	0.04 3	0.06 66	0.05 72	0.04 3	0.04 19

GMM-Stereo	0.11 147	0.07 116	0.10 78	0.18 257	0.09 196	0.08 34	0.15 180	0.23 252	0.16 147	0.11 117	0.15 165	0.13 178	0.11 186	0.11 79	0.11 150	0.05 7	0.04 3	0.08 234	0.07 230	0.06 153	0.09 345

RAFT-IKP	0.11 147	0.09 271	0.16 306	0.19 313	0.08 89	0.06 7	0.12 35	0.16 101	0.13 86	0.15 227	0.16 176	0.14 198	0.12 215	0.11 79	0.10 98	0.06 85	0.04 3	0.08 234	0.06 143	0.08 279	0.07 236

Prome-Stereo	0.11 147	0.06 43	0.10 78	0.18 257	0.08 89	0.12 166	0.15 180	0.22 233	0.13 86	0.12 153	0.17 197	0.13 178	0.08 106	0.12 155	0.10 98	0.05 7	0.04 3	0.07 155	0.06 143	0.06 153	0.09 345

rafts_anoy	0.11 147	0.06 43	0.10 78	0.17 180	0.08 89	0.10 93	0.14 114	0.17 134	0.14 108	0.13 179	0.13 135	0.12 154	0.10 162	0.11 79	0.12 195	0.07 200	0.04 3	0.09 313	0.11 403	0.07 219	0.06 161

iRaftStereo_RVC	0.10 104	0.07 116	0.09 49	0.17 180	0.09 196	0.11 134	0.17 275	0.18 160	0.12 57	0.09 60	0.12 122	0.10 116	0.07 75	0.11 79	0.10 98	0.05 7	0.04 3	0.08 234	0.08 294	0.04 3	0.04 19

CREStereo++_RVC	0.08 14	0.04 1	0.06 2	0.13 12	0.07 41	0.09 55	0.12 35	0.14 56	0.14 108	0.10 91	0.14 149	0.08 64	0.07 75	0.09 19	0.11 150	0.06 85	0.04 3	0.05 3	0.05 72	0.04 3	0.04 19
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	0.09 46	0.06 43	0.07 4	0.15 60	0.05 1	0.16 291	0.18 320	0.15 76	0.15 122	0.10 91	0.11 110	0.11 137	0.11 186	0.10 38	0.12 195	0.05 7	0.04 3	0.05 3	0.04 18	0.04 3	0.04 19

raft+_RVC	0.11 147	0.07 116	0.09 49	0.16 115	0.07 41	0.10 93	0.11 22	0.24 274	0.20 227	0.12 153	0.15 165	0.12 154	0.08 106	0.12 155	0.13 235	0.07 200	0.04 3	0.07 155	0.06 143	0.05 67	0.05 90

XX-TBD	0.09 46	0.06 43	0.07 4	0.14 24	0.07 41	0.12 166	0.16 244	0.14 56	0.13 86	0.11 117	0.12 122	0.09 88	0.08 106	0.10 38	0.10 98	0.06 85	0.04 3	0.05 3	0.03 1	0.06 153	0.05 90

DCANet	0.10 104	0.06 43	0.12 146	0.16 115	0.06 9	0.09 55	0.17 275	0.15 76	0.19 205	0.13 179	0.17 197	0.10 116	0.11 186	0.11 79	0.12 195	0.06 85	0.04 3	0.05 3	0.04 18	0.05 67	0.04 19

csc	0.10 104	0.06 43	0.12 146	0.15 60	0.07 41	0.09 55	0.17 275	0.16 101	0.20 227	0.13 179	0.16 176	0.10 116	0.11 186	0.11 79	0.12 195	0.06 85	0.04 3	0.05 3	0.04 18	0.04 3	0.05 90

cscssc	0.10 104	0.06 43	0.12 146	0.15 60	0.07 41	0.09 55	0.17 275	0.16 101	0.20 227	0.13 179	0.16 176	0.10 116	0.11 186	0.11 79	0.12 195	0.06 85	0.04 3	0.05 3	0.04 18	0.04 3	0.05 90

111	0.10 104	0.06 43	0.12 146	0.15 60	0.07 41	0.10 93	0.14 114	0.21 211	0.23 266	0.11 117	0.12 122	0.14 198	0.11 186	0.13 196	0.10 98	0.06 85	0.04 3	0.06 66	0.04 18	0.05 67	0.05 90

test_xeample3	0.09 46	0.06 43	0.12 146	0.16 115	0.09 196	0.11 134	0.15 180	0.16 101	0.13 86	0.10 91	0.06 4	0.08 64	0.06 26	0.10 38	0.09 46	0.05 7	0.04 3	0.06 66	0.05 72	0.05 67	0.06 161

RAFT-Stereo + iAFF	0.09 46	0.06 43	0.10 78	0.17 180	0.06 9	0.10 93	0.16 244	0.17 134	0.14 108	0.09 60	0.10 82	0.08 64	0.09 132	0.11 79	0.09 46	0.05 7	0.04 3	0.06 66	0.06 143	0.04 3	0.03 1

AFF-stereo	0.09 46	0.06 43	0.10 78	0.17 180	0.07 41	0.10 93	0.16 244	0.17 134	0.09 8	0.10 91	0.12 122	0.09 88	0.09 132	0.12 155	0.09 46	0.05 7	0.04 3	0.07 155	0.07 230	0.04 3	0.03 1

EAI-Stereo	0.09 46	0.07 116	0.11 115	0.15 60	0.06 9	0.10 93	0.15 180	0.16 101	0.09 8	0.08 35	0.09 57	0.08 64	0.07 75	0.09 19	0.11 150	0.05 7	0.04 3	0.05 3	0.05 72	0.05 67	0.04 19

CFNet-RSSM	0.09 46	0.07 116	0.09 49	0.16 115	0.07 41	0.09 55	0.15 180	0.16 101	0.17 165	0.08 35	0.12 122	0.10 116	0.09 132	0.11 79	0.09 46	0.06 85	0.04 3	0.06 66	0.04 18	0.04 3	0.04 19

Gwc-CoAtRS	0.09 46	0.06 43	0.10 78	0.16 115	0.07 41	0.10 93	0.14 114	0.17 134	0.17 165	0.08 35	0.10 82	0.12 154	0.09 132	0.12 155	0.09 46	0.06 85	0.04 3	0.06 66	0.04 18	0.04 3	0.04 19

CREStereo	0.09 46	0.04 1	0.08 18	0.11 1	0.06 9	0.13 204	0.14 114	0.14 56	0.10 18	0.08 35	0.13 135	0.09 88	0.08 106	0.11 79	0.10 98	0.08 258	0.04 3	0.05 3	0.03 1	0.06 153	0.06 161
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	0.09 46	0.05 12	0.09 49	0.12 4	0.06 9	0.12 166	0.14 114	0.15 76	0.11 41	0.09 60	0.13 135	0.10 116	0.07 75	0.13 196	0.10 98	0.15 443	0.04 3	0.05 3	0.03 1	0.07 219	0.06 161

HITNet	0.10 104	0.06 43	0.12 146	0.14 24	0.06 9	0.11 134	0.10 12	0.18 160	0.18 191	0.13 179	0.16 176	0.14 198	0.11 186	0.15 240	0.13 235	0.06 85	0.04 3	0.04 1	0.04 18	0.06 153	0.05 90
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
MLCV	0.12 210	0.07 116	0.16 306	0.18 257	0.06 9	0.15 261	0.17 275	0.19 179	0.21 242	0.18 299	0.25 321	0.17 260	0.13 251	0.14 218	0.13 235	0.05 7	0.04 3	0.05 3	0.04 18	0.05 67	0.04 19

iResNet	0.13 235	0.10 326	0.18 357	0.19 313	0.08 89	0.13 204	0.18 320	0.20 190	0.26 317	0.15 227	0.23 281	0.15 227	0.13 251	0.14 218	0.14 272	0.06 85	0.04 3	0.06 66	0.05 72	0.06 153	0.05 90

DFGA-Net	0.13 235	0.11 351	0.18 357	0.17 180	0.10 297	0.12 166	0.13 69	0.22 233	0.25 303	0.16 253	0.16 176	0.13 178	0.12 215	0.16 274	0.14 272	0.07 200	0.05 149	0.08 234	0.07 230	0.05 67	0.05 90

G2L-Stereo_aug	0.15 310	0.06 43	0.12 146	0.14 24	0.07 41	0.18 330	0.19 358	0.20 190	0.38 413	0.22 363	0.26 338	0.27 376	0.14 276	0.18 325	0.19 359	0.07 200	0.05 149	0.05 3	0.04 18	0.06 153	0.07 236

coex_refinement	0.14 267	0.07 116	0.12 146	0.17 180	0.10 297	0.15 261	0.15 180	0.26 307	0.29 346	0.18 299	0.20 242	0.22 324	0.17 341	0.16 274	0.18 348	0.08 258	0.05 149	0.06 66	0.06 143	0.09 338	0.08 301

LG-Stereo	0.08 14	0.07 116	0.10 78	0.18 257	0.07 41	0.10 93	0.17 275	0.11 16	0.08 3	0.05 1	0.07 22	0.05 1	0.07 75	0.09 19	0.09 46	0.04 1	0.05 149	0.07 155	0.07 230	0.04 3	0.04 19

MM-Stereo_test1	0.10 104	0.07 116	0.08 18	0.18 257	0.07 41	0.12 166	0.18 320	0.21 211	0.20 227	0.09 60	0.11 110	0.08 64	0.06 26	0.10 38	0.10 98	0.06 85	0.05 149	0.07 155	0.06 143	0.05 67	0.04 19

SCV_C0	0.08 14	0.07 116	0.07 4	0.16 115	0.09 196	0.08 34	0.15 180	0.11 16	0.12 57	0.08 35	0.07 22	0.06 9	0.05 7	0.11 79	0.07 1	0.05 7	0.05 149	0.05 3	0.04 18	0.06 153	0.05 90

AIO-test2	0.10 104	0.08 206	0.10 78	0.23 426	0.08 89	0.11 134	0.10 12	0.23 252	0.23 266	0.08 35	0.09 57	0.08 64	0.05 7	0.10 38	0.08 16	0.06 85	0.05 149	0.08 234	0.09 338	0.05 67	0.05 90

AIO-test1	0.10 104	0.07 116	0.10 78	0.23 426	0.07 41	0.09 55	0.13 69	0.21 211	0.14 108	0.11 117	0.12 122	0.09 88	0.07 75	0.11 79	0.09 46	0.06 85	0.05 149	0.09 313	0.10 373	0.03 1	0.06 161

FACV-RUCA	0.13 235	0.11 351	0.12 146	0.19 313	0.12 375	0.15 261	0.15 180	0.22 233	0.20 227	0.15 227	0.16 176	0.14 198	0.16 320	0.14 218	0.13 235	0.07 200	0.05 149	0.08 234	0.06 143	0.10 369	0.08 301

IGEV-RUCA	0.08 14	0.06 43	0.11 115	0.14 24	0.09 196	0.10 93	0.12 35	0.10 7	0.12 57	0.06 6	0.07 22	0.07 39	0.06 26	0.09 19	0.08 16	0.06 85	0.05 149	0.05 3	0.04 18	0.05 67	0.06 161

fffy	0.09 46	0.08 206	0.09 49	0.16 115	0.07 41	0.13 204	0.17 275	0.13 41	0.12 57	0.08 35	0.09 57	0.08 64	0.09 132	0.13 196	0.11 150	0.05 7	0.05 149	0.07 155	0.05 72	0.04 3	0.05 90

PAM_32	0.09 46	0.05 12	0.17 334	0.15 60	0.08 89	0.10 93	0.15 180	0.14 56	0.15 122	0.09 60	0.08 44	0.09 88	0.07 75	0.14 218	0.08 16	0.06 85	0.05 149	0.06 66	0.06 143	0.05 67	0.06 161

PAM	0.10 104	0.05 12	0.16 306	0.15 60	0.08 89	0.09 55	0.16 244	0.15 76	0.16 147	0.12 153	0.09 57	0.09 88	0.07 75	0.13 196	0.08 16	0.06 85	0.05 149	0.06 66	0.06 143	0.05 67	0.06 161

UGAM-zero	0.09 46	0.05 12	0.15 272	0.15 60	0.08 89	0.09 55	0.13 69	0.19 179	0.15 122	0.11 117	0.15 165	0.07 39	0.07 75	0.09 19	0.09 46	0.06 85	0.05 149	0.06 66	0.05 72	0.05 67	0.06 161

UGAM	0.13 235	0.10 326	0.09 49	0.22 406	0.08 89	0.12 166	0.20 378	0.17 134	0.23 266	0.21 348	0.16 176	0.13 178	0.13 251	0.19 341	0.12 195	0.07 200	0.05 149	0.13 421	0.11 403	0.07 219	0.05 90

GCAP-BAT	0.09 46	0.07 116	0.14 223	0.15 60	0.08 89	0.10 93	0.13 69	0.14 56	0.10 18	0.11 117	0.10 82	0.08 64	0.07 75	0.12 155	0.10 98	0.06 85	0.05 149	0.06 66	0.04 18	0.04 3	0.04 19

RAStereo	0.10 104	0.09 271	0.08 18	0.20 362	0.08 89	0.13 204	0.18 320	0.15 76	0.17 165	0.10 91	0.12 122	0.05 1	0.06 26	0.09 19	0.08 16	0.07 200	0.05 149	0.07 155	0.05 72	0.05 67	0.04 19

Occ-G	0.08 14	0.05 12	0.06 2	0.14 24	0.07 41	0.08 34	0.14 114	0.13 41	0.15 122	0.07 15	0.11 110	0.07 39	0.05 7	0.09 19	0.10 98	0.06 85	0.05 149	0.05 3	0.04 18	0.05 67	0.05 90

AIO-Stereo-zeroshot1	0.11 147	0.05 12	0.14 223	0.15 60	0.20 467	0.09 55	0.17 275	0.21 211	0.15 122	0.11 117	0.14 149	0.10 116	0.07 75	0.10 38	0.08 16	0.06 85	0.05 149	0.07 155	0.07 230	0.07 219	0.09 345

AIO-Stereo-zeroshot	0.11 147	0.05 12	0.11 115	0.15 60	0.13 396	0.13 204	0.16 244	0.23 252	0.17 165	0.10 91	0.12 122	0.10 116	0.07 75	0.11 79	0.09 46	0.06 85	0.05 149	0.06 66	0.06 143	0.07 219	0.08 301

AIO-Stereo	0.08 14	0.06 43	0.09 49	0.18 257	0.06 9	0.08 34	0.12 35	0.15 76	0.09 8	0.08 35	0.08 44	0.07 39	0.05 7	0.11 79	0.08 16	0.05 7	0.05 149	0.05 3	0.04 18	0.04 3	0.04 19

test_sample6	0.14 267	0.08 206	0.13 191	0.16 115	0.08 89	0.17 312	0.19 358	0.25 290	0.17 165	0.17 269	0.27 347	0.19 287	0.14 276	0.15 240	0.13 235	0.08 258	0.05 149	0.08 234	0.07 230	0.08 279	0.08 301

test_sample5	0.14 267	0.08 206	0.14 223	0.16 115	0.08 89	0.18 330	0.18 320	0.25 290	0.17 165	0.17 269	0.27 347	0.18 273	0.14 276	0.16 274	0.13 235	0.08 258	0.05 149	0.08 234	0.07 230	0.08 279	0.08 301

test_sample2	0.12 210	0.07 116	0.12 146	0.14 24	0.08 89	0.16 291	0.18 320	0.21 211	0.16 147	0.14 200	0.20 242	0.19 287	0.15 294	0.15 240	0.12 195	0.08 258	0.05 149	0.07 155	0.06 143	0.08 279	0.07 236

gcap-zeroshot	0.09 46	0.05 12	0.10 78	0.16 115	0.07 41	0.13 204	0.13 69	0.11 16	0.12 57	0.13 179	0.12 122	0.09 88	0.08 106	0.09 19	0.09 46	0.06 85	0.05 149	0.06 66	0.05 72	0.04 3	0.04 19

test_for_model	0.09 46	0.12 368	0.14 223	0.23 426	0.11 344	0.08 34	0.13 69	0.12 29	0.12 57	0.10 91	0.07 22	0.07 39	0.06 26	0.11 79	0.10 98	0.06 85	0.05 149	0.05 3	0.03 1	0.07 219	0.04 19

trnet	0.08 14	0.05 12	0.07 4	0.12 4	0.05 1	0.12 166	0.11 22	0.13 41	0.10 18	0.08 35	0.13 135	0.09 88	0.08 106	0.11 79	0.10 98	0.08 258	0.05 149	0.05 3	0.03 1	0.06 153	0.05 90

testlalala2	0.10 104	0.06 43	0.11 115	0.20 362	0.10 297	0.10 93	0.12 35	0.17 134	0.12 57	0.12 153	0.13 135	0.09 88	0.07 75	0.11 79	0.13 235	0.06 85	0.05 149	0.05 3	0.04 18	0.05 67	0.05 90

DispNO	0.14 267	0.08 206	0.17 334	0.19 313	0.12 375	0.11 134	0.21 395	0.23 252	0.29 346	0.17 269	0.23 281	0.18 273	0.17 341	0.15 240	0.15 300	0.07 200	0.05 149	0.08 234	0.08 294	0.07 219	0.06 161

Former-RAFT_DAM_RVC	0.10 104	0.08 206	0.12 146	0.16 115	0.08 89	0.15 261	0.16 244	0.18 160	0.18 191	0.10 91	0.09 57	0.09 88	0.08 106	0.11 79	0.12 195	0.07 200	0.05 149	0.08 234	0.06 143	0.07 219	0.06 161

MyStereo8	0.12 210	0.07 116	0.15 272	0.15 60	0.09 196	0.18 330	0.14 114	0.19 179	0.22 256	0.12 153	0.18 222	0.11 137	0.10 162	0.16 274	0.18 348	0.07 200	0.05 149	0.07 155	0.05 72	0.08 279	0.09 345

SMFormer	0.14 267	0.07 116	0.17 334	0.14 24	0.08 89	0.16 291	0.17 275	0.26 307	0.27 326	0.19 314	0.20 242	0.18 273	0.15 294	0.15 240	0.17 330	0.08 258	0.05 149	0.07 155	0.06 143	0.07 219	0.06 161

tta	0.14 267	0.07 116	0.17 334	0.14 24	0.08 89	0.16 291	0.17 275	0.26 307	0.27 326	0.19 314	0.20 242	0.18 273	0.15 294	0.15 240	0.17 330	0.08 258	0.05 149	0.07 155	0.06 143	0.06 153	0.06 161

qqq1	0.13 235	0.07 116	0.17 334	0.14 24	0.08 89	0.16 291	0.17 275	0.26 307	0.27 326	0.19 314	0.20 242	0.18 273	0.15 294	0.15 240	0.11 150	0.08 258	0.05 149	0.05 3	0.05 72	0.06 153	0.06 161

fff1	0.13 235	0.07 116	0.17 334	0.14 24	0.08 89	0.16 291	0.17 275	0.26 307	0.27 326	0.19 314	0.20 242	0.18 273	0.15 294	0.15 240	0.11 150	0.08 258	0.05 149	0.05 3	0.05 72	0.06 153	0.06 161

MyStereo07	0.10 104	0.07 116	0.10 78	0.17 180	0.09 196	0.14 236	0.18 320	0.15 76	0.15 122	0.09 60	0.06 4	0.06 9	0.07 75	0.12 155	0.09 46	0.06 85	0.05 149	0.08 234	0.07 230	0.06 153	0.06 161

MyStereo06	0.10 104	0.07 116	0.12 146	0.17 180	0.09 196	0.13 204	0.18 320	0.19 179	0.12 57	0.12 153	0.08 44	0.07 39	0.07 75	0.11 79	0.09 46	0.06 85	0.05 149	0.07 155	0.07 230	0.06 153	0.06 161

MyStereo05	0.13 235	0.07 116	0.10 78	0.17 180	0.09 196	0.13 204	0.18 320	0.27 328	0.35 396	0.17 269	0.14 149	0.15 227	0.11 186	0.15 240	0.13 235	0.06 85	0.05 149	0.07 155	0.07 230	0.06 153	0.06 161

MyStereo04	0.13 235	0.07 116	0.10 78	0.17 180	0.09 196	0.14 236	0.18 320	0.29 357	0.38 413	0.17 269	0.14 149	0.16 240	0.10 162	0.15 240	0.13 235	0.06 85	0.05 149	0.08 234	0.07 230	0.06 153	0.06 161

CoDeX	0.12 210	0.07 116	0.12 146	0.17 180	0.08 89	0.12 166	0.15 180	0.23 252	0.27 326	0.13 179	0.17 197	0.16 240	0.11 186	0.14 218	0.11 150	0.07 200	0.05 149	0.07 155	0.06 143	0.06 153	0.05 90

mmm	0.14 267	0.08 206	0.17 334	0.17 180	0.09 196	0.17 312	0.18 320	0.21 211	0.15 122	0.15 227	0.23 281	0.21 306	0.16 320	0.16 274	0.17 330	0.08 258	0.05 149	0.08 234	0.07 230	0.07 219	0.07 236

11t1	0.12 210	0.06 43	0.13 191	0.14 24	0.08 89	0.17 312	0.15 180	0.18 160	0.15 122	0.15 227	0.15 165	0.16 240	0.16 320	0.15 240	0.13 235	0.08 258	0.05 149	0.06 66	0.05 72	0.08 279	0.07 236

IGEVStereo-DCA	0.09 46	0.06 43	0.11 115	0.15 60	0.10 297	0.11 134	0.15 180	0.16 101	0.12 57	0.10 91	0.06 4	0.08 64	0.06 26	0.10 38	0.08 16	0.06 85	0.05 149	0.06 66	0.05 72	0.05 67	0.06 161

rrr	0.09 46	0.06 43	0.12 146	0.15 60	0.10 297	0.11 134	0.16 244	0.16 101	0.15 122	0.10 91	0.06 4	0.08 64	0.06 26	0.10 38	0.08 16	0.06 85	0.05 149	0.06 66	0.05 72	0.05 67	0.06 161

DualNet	0.14 267	0.08 206	0.14 223	0.16 115	0.08 89	0.18 330	0.18 320	0.25 290	0.17 165	0.17 269	0.27 347	0.18 273	0.14 276	0.16 274	0.13 235	0.08 258	0.05 149	0.08 234	0.07 230	0.08 279	0.08 301

plain	0.10 104	0.08 206	0.10 78	0.19 313	0.09 196	0.10 93	0.15 180	0.14 56	0.13 86	0.13 179	0.15 165	0.09 88	0.12 215	0.13 196	0.12 195	0.07 200	0.05 149	0.09 313	0.06 143	0.06 153	0.06 161

MIF-Stereo (partial)	0.11 147	0.06 43	0.10 78	0.19 313	0.10 297	0.10 93	0.11 22	0.17 134	0.18 191	0.14 200	0.16 176	0.09 88	0.11 186	0.12 155	0.12 195	0.08 258	0.05 149	0.08 234	0.07 230	0.06 153	0.07 236

UniTT-Stereo	0.09 46	0.07 116	0.08 18	0.18 257	0.08 89	0.13 204	0.11 22	0.12 29	0.11 41	0.10 91	0.12 122	0.05 1	0.07 75	0.09 19	0.09 46	0.07 200	0.05 149	0.05 3	0.05 72	0.05 67	0.05 90

PCWNet_CMD	0.14 267	0.08 206	0.15 272	0.17 180	0.09 196	0.14 236	0.14 114	0.29 357	0.36 401	0.14 200	0.20 242	0.21 306	0.12 215	0.17 306	0.13 235	0.07 200	0.05 149	0.07 155	0.07 230	0.07 219	0.07 236

testlalala_base	0.10 104	0.09 271	0.14 223	0.21 391	0.08 89	0.10 93	0.14 114	0.13 41	0.10 18	0.07 15	0.15 165	0.07 39	0.08 106	0.10 38	0.12 195	0.08 258	0.05 149	0.05 3	0.03 1	0.06 153	0.05 90

GCAP-Stereo	0.09 46	0.07 116	0.13 191	0.18 257	0.06 9	0.11 134	0.07 2	0.13 41	0.12 57	0.09 60	0.10 82	0.07 39	0.09 132	0.13 196	0.10 98	0.06 85	0.05 149	0.05 3	0.04 18	0.04 3	0.05 90

LL-Strereo2	0.10 104	0.10 326	0.15 272	0.18 257	0.08 89	0.15 261	0.09 6	0.17 134	0.14 108	0.14 200	0.10 82	0.09 88	0.07 75	0.16 274	0.10 98	0.05 7	0.05 149	0.10 358	0.07 230	0.06 153	0.05 90

LoS	0.09 46	0.05 12	0.11 115	0.13 12	0.07 41	0.14 236	0.11 22	0.15 76	0.15 122	0.09 60	0.09 57	0.12 154	0.09 132	0.15 240	0.10 98	0.07 200	0.05 149	0.05 3	0.03 1	0.05 67	0.05 90
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
DCRE	0.11 147	0.07 116	0.13 191	0.16 115	0.11 344	0.11 134	0.17 275	0.18 160	0.17 165	0.11 117	0.18 222	0.10 116	0.10 162	0.15 240	0.11 150	0.06 85	0.05 149	0.06 66	0.06 143	0.05 67	0.04 19

knoymous	0.11 147	0.05 12	0.12 146	0.13 12	0.07 41	0.15 261	0.14 114	0.19 179	0.13 86	0.11 117	0.17 197	0.13 178	0.09 132	0.13 196	0.11 150	0.08 258	0.05 149	0.06 66	0.05 72	0.08 279	0.07 236

anonymousa	0.13 235	0.07 116	0.13 191	0.18 257	0.09 196	0.13 204	0.17 275	0.19 179	0.29 346	0.15 227	0.24 292	0.15 227	0.14 276	0.14 218	0.14 272	0.07 200	0.05 149	0.07 155	0.09 338	0.05 67	0.06 161

riskmin	0.11 147	0.06 43	0.13 191	0.14 24	0.08 89	0.14 236	0.14 114	0.18 160	0.14 108	0.11 117	0.14 149	0.16 240	0.11 186	0.14 218	0.12 195	0.09 313	0.05 149	0.07 155	0.05 72	0.08 279	0.08 301

Selective-RAFT	0.11 147	0.10 326	0.11 115	0.21 391	0.08 89	0.16 291	0.13 69	0.20 190	0.22 256	0.10 91	0.10 82	0.11 137	0.10 162	0.15 240	0.11 150	0.05 7	0.05 149	0.06 66	0.05 72	0.06 153	0.05 90

x	0.13 235	0.07 116	0.14 223	0.14 24	0.08 89	0.18 330	0.14 114	0.22 233	0.20 227	0.15 227	0.19 230	0.19 287	0.17 341	0.18 325	0.18 348	0.07 200	0.05 149	0.06 66	0.06 143	0.07 219	0.07 236

Wz-Net-LNSev-Ref	0.18 367	0.09 271	0.29 433	0.15 60	0.10 297	0.22 392	0.20 378	0.26 307	0.39 417	0.25 398	0.42 454	0.24 347	0.15 294	0.20 366	0.19 359	0.07 200	0.05 149	0.06 66	0.05 72	0.10 369	0.09 345

IER	0.14 267	0.07 116	0.13 191	0.17 180	0.09 196	0.14 236	0.16 244	0.25 290	0.26 317	0.18 299	0.25 321	0.17 260	0.20 382	0.16 274	0.14 272	0.08 258	0.05 149	0.07 155	0.06 143	0.08 279	0.07 236

raft_robust	0.13 235	0.10 326	0.07 4	0.18 257	0.08 89	0.13 204	0.24 425	0.28 347	0.33 376	0.20 335	0.19 230	0.14 198	0.10 162	0.11 79	0.12 195	0.05 7	0.05 149	0.07 155	0.07 230	0.05 67	0.04 19

test_5	0.14 267	0.12 368	0.08 18	0.20 362	0.10 297	0.14 236	0.29 469	0.21 211	0.24 282	0.18 299	0.28 360	0.11 137	0.15 294	0.12 155	0.13 235	0.06 85	0.05 149	0.07 155	0.08 294	0.08 279	0.07 236

Sa-1000	0.12 210	0.08 206	0.08 18	0.18 257	0.08 89	0.14 236	0.22 404	0.22 233	0.18 191	0.15 227	0.20 242	0.17 260	0.11 186	0.10 38	0.10 98	0.06 85	0.05 149	0.09 313	0.09 338	0.05 67	0.05 90

SA	0.12 210	0.09 271	0.08 18	0.18 257	0.08 89	0.12 166	0.24 425	0.23 252	0.18 191	0.17 269	0.27 347	0.14 198	0.11 186	0.11 79	0.11 150	0.05 7	0.05 149	0.09 313	0.08 294	0.05 67	0.04 19

iRaft-Stereo_5w	0.12 210	0.09 271	0.12 146	0.19 313	0.08 89	0.09 55	0.12 35	0.21 211	0.21 242	0.19 314	0.14 149	0.11 137	0.09 132	0.20 366	0.16 316	0.05 7	0.05 149	0.07 155	0.06 143	0.05 67	0.06 161

CIPLG	0.11 147	0.08 206	0.14 223	0.17 180	0.08 89	0.12 166	0.15 180	0.17 134	0.15 122	0.14 200	0.11 110	0.16 240	0.09 132	0.16 274	0.11 150	0.07 200	0.05 149	0.06 66	0.05 72	0.05 67	0.06 161

IPLGR_C	0.11 147	0.08 206	0.14 223	0.17 180	0.08 89	0.12 166	0.15 180	0.17 134	0.15 122	0.14 200	0.10 82	0.16 240	0.09 132	0.16 274	0.11 150	0.07 200	0.05 149	0.06 66	0.05 72	0.05 67	0.06 161

IPLGR	0.11 147	0.09 271	0.16 306	0.18 257	0.08 89	0.12 166	0.17 275	0.21 211	0.24 282	0.11 117	0.12 122	0.11 137	0.08 106	0.12 155	0.12 195	0.06 85	0.05 149	0.06 66	0.06 143	0.04 3	0.04 19

GMOStereo	0.11 147	0.09 271	0.07 4	0.19 313	0.08 89	0.12 166	0.28 460	0.13 41	0.17 165	0.11 117	0.17 197	0.14 198	0.12 215	0.07 3	0.07 1	0.05 7	0.05 149	0.09 313	0.07 230	0.04 3	0.04 19

error version	0.11 147	0.09 271	0.07 4	0.19 313	0.08 89	0.12 166	0.28 460	0.13 41	0.17 165	0.11 117	0.17 197	0.14 198	0.12 215	0.07 3	0.07 1	0.05 7	0.05 149	0.09 313	0.07 230	0.04 3	0.04 19

test-v	0.11 147	0.09 271	0.07 4	0.19 313	0.08 89	0.12 166	0.28 460	0.13 41	0.17 165	0.11 117	0.17 197	0.14 198	0.12 215	0.07 3	0.07 1	0.05 7	0.05 149	0.09 313	0.07 230	0.04 3	0.04 19

ACRE	0.11 147	0.08 206	0.14 223	0.17 180	0.08 89	0.12 166	0.15 180	0.17 134	0.14 108	0.14 200	0.10 82	0.16 240	0.09 132	0.16 274	0.11 150	0.07 200	0.05 149	0.06 66	0.05 72	0.05 67	0.06 161

GwcNet-ADL	0.13 235	0.08 206	0.14 223	0.20 362	0.09 196	0.11 134	0.20 378	0.30 371	0.24 282	0.13 179	0.14 149	0.18 273	0.14 276	0.13 196	0.14 272	0.07 200	0.05 149	0.06 66	0.05 72	0.07 219	0.06 161

PFNet+	0.11 147	0.06 43	0.13 191	0.16 115	0.09 196	0.05 4	0.12 35	0.17 134	0.21 242	0.16 253	0.19 230	0.14 198	0.10 162	0.11 79	0.11 150	0.08 258	0.05 149	0.09 313	0.08 294	0.06 153	0.11 391

TRStereo	0.09 46	0.05 12	0.12 146	0.15 60	0.12 375	0.10 93	0.13 69	0.18 160	0.18 191	0.09 60	0.09 57	0.09 88	0.06 26	0.10 38	0.08 16	0.07 200	0.05 149	0.07 155	0.07 230	0.04 3	0.04 19

IIG-Stereo	0.11 147	0.06 43	0.13 191	0.17 180	0.08 89	0.11 134	0.12 35	0.22 233	0.17 165	0.14 200	0.17 197	0.11 137	0.12 215	0.12 155	0.12 195	0.06 85	0.05 149	0.07 155	0.06 143	0.05 67	0.04 19

PSM-softLoss	0.12 210	0.07 116	0.15 272	0.17 180	0.09 196	0.08 34	0.13 69	0.24 274	0.17 165	0.14 200	0.19 230	0.13 178	0.11 186	0.11 79	0.11 150	0.07 200	0.05 149	0.08 234	0.07 230	0.06 153	0.12 403

KMStereo	0.12 210	0.07 116	0.15 272	0.17 180	0.09 196	0.08 34	0.13 69	0.24 274	0.17 165	0.14 200	0.19 230	0.13 178	0.11 186	0.11 79	0.11 150	0.07 200	0.05 149	0.08 234	0.07 230	0.06 153	0.12 403

PSM-AAD	0.11 147	0.07 116	0.10 78	0.19 313	0.09 196	0.10 93	0.15 180	0.20 190	0.13 86	0.12 153	0.14 149	0.18 273	0.11 186	0.11 79	0.10 98	0.05 7	0.05 149	0.09 313	0.08 294	0.06 153	0.14 439

FTStereo	0.12 210	0.06 43	0.14 223	0.18 257	0.09 196	0.07 22	0.15 180	0.21 211	0.18 191	0.12 153	0.24 292	0.12 154	0.12 215	0.13 196	0.13 235	0.05 7	0.05 149	0.07 155	0.06 143	0.06 153	0.10 368

GrayStereo	0.11 147	0.06 43	0.11 115	0.19 313	0.09 196	0.09 55	0.16 244	0.18 160	0.17 165	0.14 200	0.17 197	0.17 260	0.11 186	0.12 155	0.11 150	0.05 7	0.05 149	0.07 155	0.06 143	0.05 67	0.10 368

RAFT-345	0.11 147	0.07 116	0.15 272	0.16 115	0.08 89	0.08 34	0.12 35	0.15 76	0.10 18	0.11 117	0.36 413	0.09 88	0.09 132	0.11 79	0.12 195	0.05 7	0.05 149	0.07 155	0.06 143	0.04 3	0.05 90

AnonymousM	0.09 46	0.05 12	0.10 78	0.14 24	0.06 9	0.09 55	0.13 69	0.19 179	0.14 108	0.13 179	0.11 110	0.09 88	0.08 106	0.13 196	0.10 98	0.08 258	0.05 149	0.08 234	0.05 72	0.05 67	0.05 90

CroCo-Stereo	0.09 46	0.08 206	0.08 18	0.22 406	0.09 196	0.09 55	0.19 358	0.15 76	0.12 57	0.07 15	0.07 22	0.08 64	0.06 26	0.08 12	0.07 1	0.07 200	0.05 149	0.06 66	0.04 18	0.05 67	0.04 19
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
test-2	0.11 147	0.09 271	0.07 4	0.19 313	0.08 89	0.12 166	0.28 460	0.13 41	0.17 165	0.11 117	0.17 197	0.14 198	0.12 215	0.07 3	0.07 1	0.05 7	0.05 149	0.09 313	0.07 230	0.04 3	0.04 19

TANstereo	0.09 46	0.04 1	0.08 18	0.13 12	0.06 9	0.11 134	0.14 114	0.15 76	0.19 205	0.11 117	0.15 165	0.10 116	0.06 26	0.12 155	0.09 46	0.07 200	0.05 149	0.05 3	0.04 18	0.06 153	0.05 90

raftrobust	0.09 46	0.06 43	0.10 78	0.17 180	0.08 89	0.09 55	0.10 12	0.18 160	0.16 147	0.10 91	0.09 57	0.12 154	0.07 75	0.12 155	0.10 98	0.08 258	0.05 149	0.06 66	0.05 72	0.05 67	0.05 90

sAnonymous2	0.13 235	0.12 368	0.24 405	0.20 362	0.12 375	0.17 312	0.13 69	0.26 307	0.21 242	0.11 117	0.11 110	0.13 178	0.08 106	0.10 38	0.10 98	0.09 313	0.05 149	0.08 234	0.06 143	0.15 447	0.10 368

CroCo_RVC	0.13 235	0.12 368	0.24 405	0.20 362	0.12 375	0.17 312	0.13 69	0.26 307	0.21 242	0.11 117	0.11 110	0.13 178	0.08 106	0.10 38	0.10 98	0.09 313	0.05 149	0.08 234	0.06 143	0.15 447	0.10 368

CFNet_pseudo	0.14 267	0.08 206	0.15 272	0.16 115	0.09 196	0.13 204	0.14 114	0.27 328	0.34 387	0.14 200	0.21 263	0.22 324	0.13 251	0.18 325	0.14 272	0.07 200	0.05 149	0.08 234	0.06 143	0.07 219	0.07 236

RALAANet	0.11 147	0.08 206	0.10 78	0.17 180	0.09 196	0.14 236	0.10 12	0.20 190	0.15 122	0.14 200	0.13 135	0.16 240	0.09 132	0.12 155	0.11 150	0.06 85	0.05 149	0.07 155	0.06 143	0.05 67	0.04 19

XX-Stereo	0.09 46	0.05 12	0.08 18	0.17 180	0.09 196	0.15 261	0.12 35	0.20 190	0.10 18	0.10 91	0.14 149	0.07 39	0.06 26	0.12 155	0.08 16	0.06 85	0.05 149	0.06 66	0.06 143	0.04 3	0.04 19

222	0.16 334	0.07 116	0.14 223	0.14 24	0.08 89	0.24 410	0.18 320	0.30 371	0.20 227	0.17 269	0.28 360	0.17 260	0.16 320	0.15 240	0.40 484	0.10 350	0.05 149	0.07 155	0.06 143	0.07 219	0.08 301

xxxx	0.15 310	0.07 116	0.14 223	0.14 24	0.08 89	0.23 405	0.18 320	0.31 380	0.19 205	0.14 200	0.28 360	0.22 324	0.14 276	0.15 240	0.26 437	0.09 313	0.05 149	0.07 155	0.07 230	0.08 279	0.07 236

test_xeample	0.15 310	0.06 43	0.13 191	0.14 24	0.08 89	0.21 384	0.20 378	0.28 347	0.20 227	0.16 253	0.29 372	0.19 287	0.16 320	0.15 240	0.26 437	0.09 313	0.05 149	0.07 155	0.07 230	0.07 219	0.07 236

ARAFT	0.12 210	0.08 206	0.17 334	0.19 313	0.09 196	0.14 236	0.18 320	0.20 190	0.12 57	0.12 153	0.13 135	0.14 198	0.11 186	0.15 240	0.12 195	0.06 85	0.05 149	0.10 358	0.09 338	0.05 67	0.04 19

SFCPSM	0.13 235	0.07 116	0.14 223	0.17 180	0.09 196	0.15 261	0.16 244	0.28 347	0.27 326	0.14 200	0.17 197	0.12 154	0.13 251	0.14 218	0.11 150	0.08 258	0.05 149	0.07 155	0.07 230	0.07 219	0.06 161

FENet	0.13 235	0.08 206	0.12 146	0.16 115	0.08 89	0.14 236	0.15 180	0.22 233	0.23 266	0.17 269	0.23 281	0.16 240	0.12 215	0.14 218	0.15 300	0.08 258	0.05 149	0.08 234	0.08 294	0.07 219	0.07 236

cf-r	0.13 235	0.07 116	0.12 146	0.16 115	0.08 89	0.14 236	0.19 358	0.20 190	0.25 303	0.17 269	0.25 321	0.21 306	0.16 320	0.14 218	0.14 272	0.10 350	0.05 149	0.06 66	0.08 294	0.06 153	0.06 161

GwcNet-RSSM	0.14 267	0.07 116	0.12 146	0.15 60	0.08 89	0.15 261	0.20 378	0.21 211	0.27 326	0.18 299	0.27 347	0.22 324	0.16 320	0.14 218	0.15 300	0.10 350	0.05 149	0.07 155	0.09 338	0.07 219	0.07 236

DIP-Stereo	0.11 147	0.07 116	0.14 223	0.17 180	0.09 196	0.13 204	0.09 6	0.16 101	0.16 147	0.11 117	0.16 176	0.14 198	0.12 215	0.15 240	0.13 235	0.06 85	0.05 149	0.06 66	0.05 72	0.05 67	0.06 161
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.12 210	0.08 206	0.14 223	0.18 257	0.07 41	0.15 261	0.07 2	0.22 233	0.18 191	0.16 253	0.19 230	0.18 273	0.14 276	0.16 274	0.15 300	0.07 200	0.05 149	0.05 3	0.05 72	0.06 153	0.06 161

R-Stereo Train	0.10 104	0.06 43	0.10 78	0.17 180	0.08 89	0.11 134	0.14 114	0.23 252	0.11 41	0.12 153	0.19 230	0.11 137	0.08 106	0.09 19	0.11 150	0.07 200	0.05 149	0.06 66	0.05 72	0.05 67	0.05 90

RAFT-Stereo	0.10 104	0.06 43	0.10 78	0.17 180	0.08 89	0.11 134	0.14 114	0.23 252	0.11 41	0.12 153	0.19 230	0.11 137	0.08 106	0.09 19	0.11 150	0.07 200	0.05 149	0.06 66	0.05 72	0.05 67	0.05 90
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	0.14 267	0.08 206	0.15 272	0.17 180	0.09 196	0.14 236	0.14 114	0.29 357	0.36 401	0.14 200	0.21 263	0.21 306	0.12 215	0.17 306	0.14 272	0.07 200	0.05 149	0.07 155	0.07 230	0.07 219	0.07 236

ccs_rob	0.14 267	0.08 206	0.15 272	0.16 115	0.09 196	0.12 166	0.14 114	0.27 328	0.34 387	0.14 200	0.21 263	0.22 324	0.13 251	0.18 325	0.14 272	0.07 200	0.05 149	0.08 234	0.07 230	0.07 219	0.07 236

AANet_RVC	0.16 334	0.10 326	0.10 78	0.18 257	0.09 196	0.18 330	0.19 358	0.26 307	0.31 363	0.22 363	0.35 410	0.21 306	0.21 386	0.22 393	0.16 316	0.06 85	0.05 149	0.06 66	0.06 143	0.07 219	0.06 161

AdaStereo	0.15 310	0.11 351	0.15 272	0.18 257	0.09 196	0.20 369	0.11 22	0.32 391	0.28 340	0.20 335	0.23 281	0.20 299	0.13 251	0.19 341	0.14 272	0.12 403	0.05 149	0.10 358	0.07 230	0.09 338	0.07 236
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.
iResNetv2_ROB	0.14 267	0.08 206	0.15 272	0.16 115	0.08 89	0.16 291	0.12 35	0.25 290	0.35 396	0.21 348	0.29 372	0.24 347	0.13 251	0.14 218	0.14 272	0.06 85	0.05 149	0.06 66	0.04 18	0.09 338	0.08 301

HSM	0.15 310	0.08 206	0.14 223	0.16 115	0.09 196	0.16 291	0.14 114	0.28 347	0.25 303	0.19 314	0.23 281	0.37 442	0.16 320	0.20 366	0.15 300	0.07 200	0.05 149	0.07 155	0.06 143	0.07 219	0.06 161

StereoDRNet-Refined	0.17 354	0.12 368	0.15 272	0.20 362	0.09 196	0.18 330	0.18 320	0.26 307	0.23 266	0.26 402	0.40 437	0.22 324	0.17 341	0.21 382	0.20 366	0.08 258	0.05 149	0.09 313	0.10 373	0.07 219	0.07 236
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	0.14 267	0.07 116	0.13 191	0.14 24	0.07 41	0.18 330	0.14 114	0.26 307	0.31 363	0.22 363	0.25 321	0.23 341	0.15 294	0.15 240	0.13 235	0.07 200	0.05 149	0.05 3	0.04 18	0.08 279	0.08 301

DN-CSS_ROB	0.13 235	0.13 397	0.16 306	0.18 257	0.10 297	0.16 291	0.08 4	0.22 233	0.18 191	0.17 269	0.22 272	0.13 178	0.13 251	0.12 155	0.13 235	0.05 7	0.05 149	0.10 358	0.10 373	0.08 279	0.06 161

pmcnn	0.15 310	0.07 116	0.19 368	0.15 60	0.07 41	0.20 369	0.15 180	0.24 274	0.26 317	0.21 348	0.34 405	0.28 386	0.18 354	0.18 325	0.17 330	0.07 200	0.05 149	0.05 3	0.04 18	0.07 219	0.06 161

MM-Stereo_test3	0.10 104	0.07 116	0.07 4	0.18 257	0.07 41	0.12 166	0.19 358	0.24 274	0.19 205	0.06 6	0.10 82	0.08 64	0.06 26	0.11 79	0.08 16	0.06 85	0.06 264	0.07 155	0.05 72	0.05 67	0.04 19

DDVS	0.15 310	0.10 326	0.21 387	0.16 115	0.12 375	0.15 261	0.14 114	0.25 290	0.19 205	0.18 299	0.29 372	0.27 376	0.12 215	0.19 341	0.15 300	0.09 313	0.06 264	0.09 313	0.07 230	0.11 389	0.11 391

rvit_stereo_0081_aga	0.11 147	0.09 271	0.14 223	0.18 257	0.09 196	0.13 204	0.14 114	0.14 56	0.19 205	0.10 91	0.18 222	0.16 240	0.09 132	0.12 155	0.09 46	0.10 350	0.06 264	0.08 234	0.07 230	0.07 219	0.06 161

model_zeroshot	0.10 104	0.04 1	0.11 115	0.15 60	0.09 196	0.12 166	0.14 114	0.20 190	0.13 86	0.11 117	0.10 82	0.12 154	0.07 75	0.12 155	0.10 98	0.07 200	0.06 264	0.06 66	0.05 72	0.06 153	0.06 161

ACV-stereo	0.15 310	0.10 326	0.28 425	0.18 257	0.12 375	0.14 236	0.12 35	0.23 252	0.21 242	0.19 314	0.23 281	0.22 324	0.15 294	0.23 404	0.17 330	0.07 200	0.06 264	0.07 155	0.07 230	0.07 219	0.07 236

ITSA-stereo	0.15 310	0.10 326	0.14 223	0.19 313	0.08 89	0.12 166	0.14 114	0.30 371	0.49 457	0.17 269	0.19 230	0.22 324	0.15 294	0.17 306	0.16 316	0.10 350	0.06 264	0.08 234	0.08 294	0.08 279	0.08 301

rvit_stereo_ft	0.12 210	0.07 116	0.13 191	0.19 313	0.10 297	0.12 166	0.17 275	0.16 101	0.16 147	0.12 153	0.13 135	0.15 227	0.10 162	0.14 218	0.13 235	0.09 313	0.06 264	0.08 234	0.07 230	0.07 219	0.05 90

DualNet (step1)	0.16 334	0.12 368	0.20 380	0.12 4	0.14 414	0.17 312	0.13 69	0.27 328	0.23 266	0.20 335	0.20 242	0.24 347	0.19 370	0.16 274	0.16 316	0.15 443	0.06 264	0.14 433	0.14 435	0.14 432	0.12 403

test_sample7	0.15 310	0.10 326	0.16 306	0.14 24	0.11 344	0.16 291	0.16 244	0.27 328	0.23 266	0.20 335	0.20 242	0.24 347	0.19 370	0.16 274	0.16 316	0.12 403	0.06 264	0.10 358	0.09 338	0.10 369	0.10 368

test_sample4	0.14 267	0.08 206	0.14 223	0.15 60	0.08 89	0.19 354	0.18 320	0.26 307	0.17 165	0.16 253	0.25 321	0.18 273	0.14 276	0.16 274	0.13 235	0.08 258	0.06 264	0.08 234	0.06 143	0.08 279	0.08 301

test_sample3	0.14 267	0.08 206	0.15 272	0.14 24	0.09 196	0.19 354	0.17 275	0.26 307	0.18 191	0.16 253	0.22 272	0.19 287	0.15 294	0.17 306	0.13 235	0.08 258	0.06 264	0.07 155	0.06 143	0.09 338	0.08 301

test_sample1	0.13 235	0.07 116	0.14 223	0.13 12	0.08 89	0.19 354	0.16 244	0.20 190	0.15 122	0.14 200	0.22 272	0.18 273	0.16 320	0.17 306	0.14 272	0.07 200	0.06 264	0.06 66	0.06 143	0.08 279	0.07 236

AE-Stereo	0.10 104	0.08 206	0.10 78	0.18 257	0.09 196	0.10 93	0.15 180	0.14 56	0.19 205	0.09 60	0.14 149	0.12 154	0.08 106	0.11 79	0.10 98	0.05 7	0.06 264	0.07 155	0.06 143	0.05 67	0.04 19

mmx	0.14 267	0.09 271	0.14 223	0.16 115	0.08 89	0.17 312	0.17 275	0.27 328	0.25 303	0.15 227	0.25 321	0.19 287	0.13 251	0.14 218	0.20 366	0.08 258	0.06 264	0.09 313	0.08 294	0.08 279	0.08 301

xxx	0.14 267	0.09 271	0.14 223	0.16 115	0.08 89	0.17 312	0.17 275	0.27 328	0.25 303	0.15 227	0.25 321	0.19 287	0.13 251	0.14 218	0.20 366	0.08 258	0.06 264	0.09 313	0.08 294	0.08 279	0.08 301

GMStereo_Zeroshot	0.16 334	0.13 397	0.24 405	0.20 362	0.10 297	0.17 312	0.13 69	0.29 357	0.25 303	0.23 376	0.32 389	0.25 360	0.11 186	0.19 341	0.14 272	0.09 313	0.06 264	0.11 389	0.06 143	0.12 403	0.08 301

MaDis-Stereo	0.09 46	0.09 271	0.08 18	0.17 180	0.09 196	0.13 204	0.10 12	0.16 101	0.16 147	0.09 60	0.11 110	0.06 9	0.06 26	0.09 19	0.13 235	0.07 200	0.06 264	0.07 155	0.05 72	0.05 67	0.04 19

EKT-Stereo	0.11 147	0.07 116	0.14 223	0.15 60	0.10 297	0.13 204	0.14 114	0.18 160	0.21 242	0.11 117	0.08 44	0.12 154	0.09 132	0.11 79	0.12 195	0.08 258	0.06 264	0.07 155	0.06 143	0.08 279	0.07 236

MIM_Stereo	0.09 46	0.07 116	0.11 115	0.15 60	0.07 41	0.06 7	0.12 35	0.20 190	0.14 108	0.13 179	0.13 135	0.09 88	0.05 7	0.12 155	0.08 16	0.05 7	0.06 264	0.07 155	0.06 143	0.06 153	0.05 90

CFNet_ucs	0.15 310	0.08 206	0.16 306	0.16 115	0.11 344	0.14 236	0.14 114	0.30 371	0.34 387	0.16 253	0.24 292	0.23 341	0.14 276	0.18 325	0.15 300	0.09 313	0.06 264	0.08 234	0.07 230	0.09 338	0.09 345

CBFPSM	0.14 267	0.06 43	0.26 413	0.17 180	0.09 196	0.13 204	0.15 180	0.22 233	0.23 266	0.20 335	0.27 347	0.24 347	0.16 320	0.16 274	0.18 348	0.06 85	0.06 264	0.06 66	0.07 230	0.07 219	0.07 236

gwcnet-sp	0.14 267	0.07 116	0.12 146	0.18 257	0.09 196	0.16 291	0.17 275	0.24 274	0.24 282	0.18 299	0.24 292	0.15 227	0.16 320	0.15 240	0.15 300	0.08 258	0.06 264	0.07 155	0.08 294	0.08 279	0.07 236

scenet	0.14 267	0.07 116	0.12 146	0.18 257	0.09 196	0.16 291	0.17 275	0.24 274	0.24 282	0.18 299	0.24 292	0.15 227	0.16 320	0.15 240	0.15 300	0.08 258	0.06 264	0.07 155	0.08 294	0.08 279	0.07 236

CASS	0.13 235	0.12 368	0.11 115	0.23 426	0.09 196	0.15 261	0.17 275	0.18 160	0.19 205	0.17 269	0.18 222	0.15 227	0.15 294	0.14 218	0.14 272	0.09 313	0.06 264	0.10 358	0.08 294	0.09 338	0.07 236
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.14 267	0.07 116	0.12 146	0.18 257	0.09 196	0.16 291	0.17 275	0.24 274	0.24 282	0.18 299	0.24 292	0.15 227	0.16 320	0.15 240	0.15 300	0.08 258	0.06 264	0.07 155	0.08 294	0.08 279	0.07 236

CroCo-Stereo Lap2	0.09 46	0.09 271	0.08 18	0.22 406	0.09 196	0.09 55	0.19 358	0.16 101	0.12 57	0.09 60	0.10 82	0.05 1	0.05 7	0.08 12	0.08 16	0.06 85	0.06 264	0.07 155	0.05 72	0.05 67	0.05 90

TestStereo1	0.13 235	0.08 206	0.08 18	0.19 313	0.08 89	0.18 330	0.29 469	0.23 252	0.16 147	0.17 269	0.20 242	0.16 240	0.10 162	0.12 155	0.13 235	0.06 85	0.06 264	0.08 234	0.06 143	0.05 67	0.05 90

qqq	0.13 235	0.09 271	0.15 272	0.16 115	0.08 89	0.13 204	0.15 180	0.23 252	0.16 147	0.15 227	0.19 230	0.16 240	0.16 320	0.15 240	0.16 316	0.07 200	0.06 264	0.08 234	0.08 294	0.07 219	0.07 236

BUS	0.14 267	0.09 271	0.14 223	0.22 406	0.10 297	0.19 354	0.14 114	0.34 419	0.19 205	0.17 269	0.22 272	0.16 240	0.13 251	0.15 240	0.13 235	0.08 258	0.06 264	0.10 358	0.09 338	0.07 219	0.07 236

RAFT_CTSACE	0.12 210	0.09 271	0.10 78	0.22 406	0.08 89	0.12 166	0.24 425	0.18 160	0.16 147	0.20 335	0.27 347	0.13 178	0.07 75	0.13 196	0.09 46	0.05 7	0.06 264	0.08 234	0.07 230	0.04 3	0.04 19

BSDual-CNN	0.15 310	0.09 271	0.14 223	0.22 406	0.10 297	0.14 236	0.15 180	0.34 419	0.19 205	0.17 269	0.22 272	0.25 360	0.16 320	0.15 240	0.14 272	0.08 258	0.06 264	0.10 358	0.09 338	0.07 219	0.07 236

hknet	0.15 310	0.11 351	0.13 191	0.22 406	0.11 344	0.14 236	0.15 180	0.34 419	0.25 303	0.17 269	0.22 272	0.22 324	0.18 354	0.17 306	0.12 195	0.07 200	0.06 264	0.10 358	0.09 338	0.07 219	0.07 236

SA-5K	0.13 235	0.08 206	0.08 18	0.19 313	0.08 89	0.18 330	0.29 469	0.23 252	0.16 147	0.17 269	0.20 242	0.16 240	0.10 162	0.12 155	0.13 235	0.06 85	0.06 264	0.08 234	0.06 143	0.05 67	0.05 90

psmg	0.14 267	0.09 271	0.14 223	0.17 180	0.10 297	0.15 261	0.17 275	0.29 357	0.19 205	0.17 269	0.21 263	0.25 360	0.16 320	0.15 240	0.14 272	0.08 258	0.06 264	0.08 234	0.08 294	0.07 219	0.06 161

CSP-Net	0.16 334	0.09 271	0.14 223	0.16 115	0.09 196	0.19 354	0.17 275	0.25 290	0.32 369	0.25 398	0.30 377	0.24 347	0.15 294	0.21 382	0.18 348	0.09 313	0.06 264	0.07 155	0.07 230	0.08 279	0.07 236

UDGNet	0.14 267	0.13 397	0.16 306	0.17 180	0.10 297	0.12 166	0.16 244	0.21 211	0.27 326	0.20 335	0.20 242	0.16 240	0.13 251	0.16 274	0.13 235	0.10 350	0.06 264	0.09 313	0.07 230	0.06 153	0.07 236

dd	0.15 310	0.16 423	0.16 306	0.19 313	0.09 196	0.15 261	0.18 320	0.21 211	0.25 303	0.23 376	0.20 242	0.21 306	0.09 132	0.21 382	0.16 316	0.10 350	0.06 264	0.08 234	0.06 143	0.08 279	0.06 161

DAS	0.15 310	0.08 206	0.18 357	0.19 313	0.10 297	0.19 354	0.17 275	0.27 328	0.29 346	0.18 299	0.25 321	0.21 306	0.15 294	0.16 274	0.12 195	0.08 258	0.06 264	0.06 66	0.06 143	0.07 219	0.07 236

SepStereo	0.15 310	0.08 206	0.18 357	0.19 313	0.10 297	0.19 354	0.17 275	0.27 328	0.29 346	0.18 299	0.25 321	0.21 306	0.15 294	0.25 418	0.12 195	0.08 258	0.06 264	0.06 66	0.06 143	0.07 219	0.07 236

GANet-ADL	0.13 235	0.07 116	0.15 272	0.17 180	0.10 297	0.18 330	0.15 180	0.30 371	0.20 227	0.13 179	0.18 222	0.19 287	0.12 215	0.16 274	0.13 235	0.08 258	0.06 264	0.06 66	0.05 72	0.07 219	0.08 301

ADLNet2	0.16 334	0.09 271	0.13 191	0.16 115	0.09 196	0.20 369	0.16 244	0.31 380	0.39 417	0.16 253	0.20 242	0.20 299	0.18 354	0.21 382	0.22 395	0.08 258	0.06 264	0.07 155	0.07 230	0.09 338	0.07 236

LMCR-Stereo	0.15 310	0.08 206	0.13 191	0.21 391	0.09 196	0.17 312	0.20 378	0.27 328	0.19 205	0.24 385	0.24 292	0.23 341	0.17 341	0.20 366	0.17 330	0.07 200	0.06 264	0.08 234	0.06 143	0.10 369	0.08 301

GEStereo_RVC	0.17 354	0.12 368	0.15 272	0.22 406	0.11 344	0.19 354	0.17 275	0.32 391	0.48 452	0.20 335	0.25 321	0.17 260	0.13 251	0.21 382	0.16 316	0.10 350	0.06 264	0.08 234	0.07 230	0.09 338	0.08 301

TestStereo	0.13 235	0.14 409	0.11 115	0.23 426	0.08 89	0.15 261	0.21 395	0.20 190	0.23 266	0.14 200	0.24 292	0.16 240	0.12 215	0.16 274	0.14 272	0.05 7	0.06 264	0.08 234	0.06 143	0.09 338	0.05 90

RALCasStereoNet	0.10 104	0.06 43	0.09 49	0.16 115	0.08 89	0.12 166	0.14 114	0.17 134	0.11 41	0.12 153	0.17 197	0.14 198	0.10 162	0.12 155	0.11 150	0.07 200	0.06 264	0.06 66	0.05 72	0.08 279	0.07 236

ADLNet	0.16 334	0.08 206	0.15 272	0.16 115	0.10 297	0.16 291	0.17 275	0.32 391	0.27 326	0.22 363	0.27 347	0.24 347	0.16 320	0.18 325	0.21 386	0.10 350	0.06 264	0.10 358	0.10 373	0.08 279	0.09 345

RAFT + AFF	0.13 235	0.07 116	0.20 380	0.20 362	0.10 297	0.14 236	0.24 425	0.26 307	0.20 227	0.11 117	0.10 82	0.12 154	0.10 162	0.15 240	0.12 195	0.07 200	0.06 264	0.09 313	0.08 294	0.06 153	0.08 301

GMStereo	0.13 235	0.14 409	0.14 223	0.18 257	0.09 196	0.15 261	0.16 244	0.20 190	0.24 282	0.16 253	0.17 197	0.10 116	0.10 162	0.16 274	0.13 235	0.07 200	0.06 264	0.06 66	0.06 143	0.07 219	0.06 161
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MMNet	0.17 354	0.09 271	0.16 306	0.20 362	0.11 344	0.27 437	0.20 378	0.25 290	0.41 426	0.22 363	0.30 377	0.21 306	0.20 382	0.17 306	0.20 366	0.06 85	0.06 264	0.07 155	0.07 230	0.08 279	0.07 236

UNet	0.17 354	0.09 271	0.18 357	0.19 313	0.12 375	0.27 437	0.19 358	0.33 410	0.29 346	0.21 348	0.24 292	0.23 341	0.19 370	0.19 341	0.18 348	0.07 200	0.06 264	0.08 234	0.07 230	0.08 279	0.06 161

ACVNet	0.15 310	0.09 271	0.15 272	0.13 12	0.12 375	0.14 236	0.20 378	0.22 233	0.33 376	0.17 269	0.26 338	0.21 306	0.16 320	0.17 306	0.21 386	0.07 200	0.06 264	0.06 66	0.06 143	0.08 279	0.06 161

acv_ft	0.15 310	0.09 271	0.15 272	0.19 313	0.10 297	0.16 291	0.17 275	0.25 290	0.33 376	0.19 314	0.26 338	0.21 306	0.17 341	0.17 306	0.18 348	0.07 200	0.06 264	0.06 66	0.06 143	0.08 279	0.06 161

GANet-RSSM	0.14 267	0.07 116	0.13 191	0.13 12	0.08 89	0.14 236	0.17 275	0.22 233	0.21 242	0.17 269	0.24 292	0.23 341	0.15 294	0.16 274	0.15 300	0.10 350	0.06 264	0.07 155	0.08 294	0.08 279	0.07 236

PSMNet-RSSM	0.14 267	0.07 116	0.13 191	0.15 60	0.08 89	0.13 204	0.16 244	0.24 274	0.24 282	0.16 253	0.28 360	0.22 324	0.14 276	0.15 240	0.13 235	0.11 378	0.06 264	0.09 313	0.12 422	0.08 279	0.07 236

CFNet-ft	0.14 267	0.07 116	0.15 272	0.12 4	0.09 196	0.16 291	0.18 320	0.22 233	0.24 282	0.17 269	0.26 338	0.24 347	0.14 276	0.16 274	0.14 272	0.11 378	0.06 264	0.08 234	0.09 338	0.09 338	0.08 301

DMCA	0.14 267	0.09 271	0.16 306	0.19 313	0.09 196	0.15 261	0.17 275	0.23 252	0.27 326	0.14 200	0.19 230	0.17 260	0.18 354	0.15 240	0.17 330	0.10 350	0.06 264	0.08 234	0.06 143	0.09 338	0.10 368

SuperB	0.20 391	0.10 326	0.56 480	0.16 115	0.09 196	0.18 330	0.18 320	0.24 274	0.50 460	0.26 402	0.39 432	0.17 260	0.21 386	0.22 393	0.21 386	0.08 258	0.06 264	0.06 66	0.06 143	0.12 403	0.10 368

ADCRef	0.19 379	0.12 368	0.41 463	0.20 362	0.12 375	0.22 392	0.18 320	0.32 391	0.36 401	0.26 402	0.32 389	0.17 260	0.23 401	0.24 413	0.24 418	0.07 200	0.06 264	0.09 313	0.09 338	0.08 279	0.08 301

ADCP+	0.20 391	0.10 326	0.33 444	0.20 362	0.12 375	0.22 392	0.26 447	0.31 380	0.34 387	0.26 402	0.37 419	0.22 324	0.22 395	0.27 423	0.27 444	0.09 313	0.06 264	0.08 234	0.08 294	0.09 338	0.10 368

RASNet	0.14 267	0.07 116	0.14 223	0.16 115	0.08 89	0.18 330	0.14 114	0.29 357	0.20 227	0.17 269	0.25 321	0.21 306	0.18 354	0.20 366	0.19 359	0.07 200	0.06 264	0.06 66	0.08 294	0.06 153	0.06 161

HSM-Net_RVC	0.14 267	0.08 206	0.11 115	0.15 60	0.08 89	0.15 261	0.15 180	0.27 328	0.29 346	0.19 314	0.21 263	0.29 393	0.14 276	0.17 306	0.13 235	0.06 85	0.06 264	0.06 66	0.06 143	0.07 219	0.06 161
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RYNet	0.22 411	0.12 368	0.22 393	0.19 313	0.17 455	0.46 479	0.26 447	0.38 450	0.48 452	0.24 385	0.28 360	0.34 431	0.23 401	0.20 366	0.30 459	0.10 350	0.06 264	0.09 313	0.09 338	0.13 419	0.15 446

CFNet	0.15 310	0.10 326	0.17 334	0.17 180	0.08 89	0.18 330	0.09 6	0.28 347	0.25 303	0.19 314	0.24 292	0.24 347	0.17 341	0.17 306	0.14 272	0.08 258	0.06 264	0.09 313	0.10 373	0.07 219	0.06 161

CFNet_RVC	0.14 267	0.07 116	0.15 272	0.12 4	0.09 196	0.16 291	0.18 320	0.22 233	0.24 282	0.17 269	0.26 338	0.24 347	0.14 276	0.16 274	0.14 272	0.11 378	0.06 264	0.08 234	0.09 338	0.09 338	0.08 301

NLCA_NET_v2_RVC	0.17 354	0.10 326	0.22 393	0.20 362	0.10 297	0.15 261	0.18 320	0.31 380	0.25 303	0.21 348	0.30 377	0.25 360	0.17 341	0.21 382	0.20 366	0.09 313	0.06 264	0.08 234	0.08 294	0.07 219	0.08 301
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NVstereo2D	0.19 379	0.10 326	0.15 272	0.17 180	0.15 430	0.28 443	0.23 413	0.44 475	0.42 433	0.15 227	0.27 347	0.25 360	0.19 370	0.22 393	0.17 330	0.09 313	0.06 264	0.10 358	0.08 294	0.15 447	0.09 345

DISCO	0.19 379	0.09 271	0.22 393	0.17 180	0.10 297	0.25 420	0.18 320	0.27 328	0.44 443	0.22 363	0.31 385	0.33 425	0.26 420	0.28 434	0.28 451	0.08 258	0.06 264	0.07 155	0.07 230	0.09 338	0.09 345

LE_ROB	0.50 491	0.07 116	0.14 223	0.15 60	0.08 89	0.24 410	0.16 244	0.22 233	1.81 523	4.63 527	0.67 487	0.47 476	0.44 483	0.20 366	0.29 454	0.07 200	0.06 264	0.06 66	0.06 143	0.08 279	0.06 161

DispFullNet	0.27 451	0.21 457	0.65 487	0.28 465	0.16 440	0.26 428	0.17 275	0.33 410	0.58 477	0.27 408	0.38 424	0.43 465	0.23 401	0.38 473	0.23 407	0.12 403	0.06 264	0.19 465	0.11 403	0.21 470	0.15 446

S2M2	0.09 46	0.08 206	0.11 115	0.13 12	0.10 297	0.08 34	0.06 1	0.10 7	0.10 18	0.10 91	0.09 57	0.10 116	0.09 132	0.11 79	0.11 150	0.13 426	0.07 333	0.08 234	0.09 338	0.10 369	0.08 301

rvit_stereo_0081	0.11 147	0.08 206	0.15 272	0.16 115	0.09 196	0.10 93	0.14 114	0.14 56	0.24 282	0.11 117	0.13 135	0.13 178	0.09 132	0.11 79	0.12 195	0.10 350	0.07 333	0.08 234	0.07 230	0.07 219	0.05 90

DCVSM-stereo	0.14 267	0.09 271	0.16 306	0.16 115	0.10 297	0.15 261	0.09 6	0.19 179	0.23 266	0.20 335	0.23 281	0.26 369	0.15 294	0.18 325	0.14 272	0.09 313	0.07 333	0.09 313	0.08 294	0.10 369	0.12 403

rvit_stereo_0082	0.11 147	0.08 206	0.15 272	0.16 115	0.09 196	0.10 93	0.14 114	0.14 56	0.24 282	0.11 117	0.13 135	0.13 178	0.09 132	0.11 79	0.12 195	0.10 350	0.07 333	0.08 234	0.07 230	0.07 219	0.05 90

rvit_stereo_0080	0.10 104	0.08 206	0.14 223	0.15 60	0.09 196	0.07 22	0.15 180	0.16 101	0.16 147	0.11 117	0.10 82	0.14 198	0.08 106	0.12 155	0.10 98	0.09 313	0.07 333	0.07 155	0.06 143	0.07 219	0.05 90

1111x	0.15 310	0.08 206	0.12 146	0.18 257	0.07 41	0.18 330	0.25 440	0.31 380	0.24 282	0.17 269	0.24 292	0.26 369	0.15 294	0.13 196	0.23 407	0.07 200	0.07 333	0.08 234	0.09 338	0.07 219	0.06 161

whm_eth	0.10 104	0.08 206	0.14 223	0.15 60	0.09 196	0.07 22	0.15 180	0.16 101	0.16 147	0.11 117	0.10 82	0.14 198	0.08 106	0.12 155	0.10 98	0.09 313	0.07 333	0.07 155	0.06 143	0.07 219	0.05 90

iinet-f	0.16 334	0.06 43	0.45 467	0.14 24	0.10 297	0.21 384	0.14 114	0.27 328	0.23 266	0.21 348	0.24 292	0.21 306	0.15 294	0.18 325	0.21 386	0.09 313	0.07 333	0.07 155	0.06 143	0.09 338	0.10 368

Wz-Net-MNSev	0.22 411	0.13 397	0.31 438	0.20 362	0.14 414	0.36 471	0.24 425	0.33 410	0.44 443	0.28 422	0.40 437	0.38 446	0.19 370	0.24 413	0.25 427	0.09 313	0.07 333	0.09 313	0.09 338	0.12 403	0.10 368

AACVNet	0.16 334	0.08 206	0.14 223	0.15 60	0.10 297	0.18 330	0.15 180	0.23 252	0.24 282	0.27 408	0.27 347	0.28 386	0.17 341	0.19 341	0.16 316	0.09 313	0.07 333	0.09 313	0.07 230	0.10 369	0.09 345

RAFT	0.13 235	0.09 271	0.11 115	0.18 257	0.08 89	0.15 261	0.24 425	0.20 190	0.19 205	0.21 348	0.21 263	0.17 260	0.12 215	0.16 274	0.09 46	0.06 85	0.07 333	0.10 358	0.09 338	0.05 67	0.05 90

ICVP	0.15 310	0.09 271	0.12 146	0.22 406	0.09 196	0.17 312	0.21 395	0.25 290	0.23 266	0.18 299	0.30 377	0.26 369	0.18 354	0.17 306	0.14 272	0.09 313	0.07 333	0.08 234	0.07 230	0.07 219	0.07 236
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GES	0.14 267	0.08 206	0.16 306	0.15 60	0.10 297	0.13 204	0.13 69	0.28 347	0.25 303	0.16 253	0.23 281	0.18 273	0.13 251	0.16 274	0.13 235	0.08 258	0.07 333	0.07 155	0.06 143	0.08 279	0.09 345

HCRNet	0.16 334	0.24 465	0.12 146	0.35 482	0.11 344	0.15 261	0.17 275	0.26 307	0.22 256	0.19 314	0.24 292	0.21 306	0.14 276	0.15 240	0.13 235	0.11 378	0.07 333	0.11 389	0.10 373	0.09 338	0.07 236

UPFNet	0.16 334	0.08 206	0.12 146	0.20 362	0.12 375	0.20 369	0.23 413	0.28 347	0.26 317	0.17 269	0.24 292	0.22 324	0.19 370	0.19 341	0.21 386	0.09 313	0.07 333	0.08 234	0.09 338	0.08 279	0.06 161

aanetorigin	0.22 411	0.17 434	0.56 480	0.17 180	0.10 297	0.15 261	0.19 358	0.20 190	0.33 376	0.49 481	0.48 464	0.29 393	0.27 428	0.20 366	0.23 407	0.08 258	0.07 333	0.08 234	0.07 230	0.10 369	0.09 345

EDNetEfficientorigin	7.91 529	0.31 482	153.02 544	0.19 313	0.09 196	0.21 384	0.16 244	0.22 233	0.59 478	0.72 496	0.67 487	0.42 461	0.50 488	0.24 413	0.39 482	0.08 258	0.07 333	0.08 234	0.07 230	0.12 403	0.10 368

EDNetEfficient	0.29 459	0.24 465	1.13 511	0.18 257	0.10 297	0.19 354	0.20 378	0.20 190	0.60 481	0.74 500	0.56 479	0.31 413	0.39 470	0.22 393	0.30 459	0.09 313	0.07 333	0.08 234	0.07 230	0.11 389	0.09 345

ac_64	0.16 334	0.08 206	0.15 272	0.18 257	0.10 297	0.22 392	0.18 320	0.24 274	0.21 242	0.18 299	0.24 292	0.29 393	0.18 354	0.19 341	0.22 395	0.09 313	0.07 333	0.08 234	0.09 338	0.07 219	0.06 161

hitnet-ft	0.18 367	0.09 271	0.17 334	0.14 24	0.09 196	0.26 428	0.20 378	0.25 290	0.26 317	0.24 385	0.32 389	0.31 413	0.22 395	0.24 413	0.21 386	0.12 403	0.07 333	0.10 358	0.08 294	0.12 403	0.11 391

DSFCA	0.16 334	0.09 271	0.14 223	0.16 115	0.10 297	0.20 369	0.19 358	0.28 347	0.31 363	0.23 376	0.24 292	0.22 324	0.15 294	0.19 341	0.20 366	0.10 350	0.07 333	0.09 313	0.09 338	0.08 279	0.08 301

ADCL	0.24 433	0.11 351	0.47 471	0.22 406	0.12 375	0.34 461	0.29 469	0.29 357	0.56 472	0.24 385	0.46 461	0.30 401	0.30 448	0.29 441	0.29 454	0.08 258	0.07 333	0.09 313	0.09 338	0.10 369	0.10 368

TDLM	0.17 354	0.12 368	0.13 191	0.24 435	0.10 297	0.18 330	0.18 320	0.36 438	0.30 356	0.21 348	0.28 360	0.28 386	0.18 354	0.23 404	0.18 348	0.11 378	0.07 333	0.10 358	0.10 373	0.08 279	0.08 301

UCFNet_RVC	0.14 267	0.08 206	0.13 191	0.11 1	0.10 297	0.20 369	0.10 12	0.24 274	0.22 256	0.17 269	0.20 242	0.23 341	0.15 294	0.17 306	0.15 300	0.12 403	0.07 333	0.10 358	0.13 432	0.11 389	0.10 368

DRN-Test	0.19 379	0.11 351	0.20 380	0.22 406	0.10 297	0.22 392	0.22 404	0.39 454	0.37 408	0.24 385	0.32 389	0.26 369	0.21 386	0.22 393	0.24 418	0.11 378	0.07 333	0.11 389	0.10 373	0.09 338	0.07 236

PWC_ROB	0.21 402	0.16 423	0.26 413	0.18 257	0.11 344	0.22 392	0.13 69	0.32 391	0.49 457	0.30 432	0.40 437	0.32 422	0.24 407	0.31 445	0.22 395	0.10 350	0.07 333	0.11 389	0.08 294	0.11 389	0.10 368

G2L-Stereo	0.14 267	0.07 116	0.13 191	0.17 180	0.09 196	0.13 204	0.12 35	0.27 328	0.22 256	0.16 253	0.27 347	0.21 306	0.13 251	0.17 306	0.18 348	0.09 313	0.08 359	0.08 234	0.07 230	0.07 219	0.07 236

ISRNet	0.18 367	0.08 206	0.19 368	0.19 313	0.13 396	0.15 261	0.12 35	0.30 371	0.32 369	0.21 348	0.25 321	0.27 376	0.17 341	0.17 306	0.20 366	0.20 473	0.08 359	0.14 433	0.14 435	0.14 432	0.17 465

rvit_stereo_0083	0.12 210	0.08 206	0.17 334	0.16 115	0.09 196	0.11 134	0.15 180	0.14 56	0.26 317	0.11 117	0.14 149	0.13 178	0.10 162	0.12 155	0.12 195	0.10 350	0.08 359	0.09 313	0.07 230	0.07 219	0.05 90

ttt	0.14 267	0.08 206	0.14 223	0.15 60	0.08 89	0.15 261	0.18 320	0.27 328	0.29 346	0.16 253	0.24 292	0.17 260	0.13 251	0.13 196	0.14 272	0.11 378	0.08 359	0.09 313	0.08 294	0.09 338	0.08 301

GASNet	0.22 411	0.23 462	0.33 444	0.26 450	0.17 455	0.26 428	0.16 244	0.44 475	0.42 433	0.27 408	0.24 292	0.30 401	0.15 294	0.27 423	0.18 348	0.12 403	0.08 359	0.12 406	0.11 403	0.16 454	0.07 236

ToySt	0.17 354	0.11 351	0.18 357	0.17 180	0.11 344	0.16 291	0.25 440	0.24 274	0.33 376	0.19 314	0.24 292	0.26 369	0.24 407	0.19 341	0.20 366	0.07 200	0.08 359	0.09 313	0.10 373	0.09 338	0.08 301

NINENet	0.16 334	0.10 326	0.15 272	0.17 180	0.11 344	0.19 354	0.14 114	0.40 458	0.36 401	0.18 299	0.21 263	0.16 240	0.13 251	0.15 240	0.13 235	0.08 258	0.08 359	0.10 358	0.07 230	0.10 369	0.09 345

WZ-Net	0.28 455	0.17 434	0.78 501	0.22 406	0.16 440	0.34 461	0.29 469	0.39 454	0.57 474	0.24 385	0.55 474	0.37 442	0.24 407	0.33 453	0.35 473	0.09 313	0.08 359	0.09 313	0.10 373	0.14 432	0.16 457

GLC_STEREO	0.11 147	0.07 116	0.11 115	0.17 180	0.07 41	0.09 55	0.13 69	0.15 76	0.24 282	0.12 153	0.13 135	0.12 154	0.08 106	0.18 325	0.11 150	0.06 85	0.08 359	0.08 234	0.06 143	0.05 67	0.05 90

AASNet	0.16 334	0.08 206	0.12 146	0.19 313	0.09 196	0.18 330	0.15 180	0.37 443	0.37 408	0.19 314	0.23 281	0.20 299	0.16 320	0.17 306	0.20 366	0.10 350	0.08 359	0.08 234	0.07 230	0.09 338	0.09 345

SACVNet	0.18 367	0.12 368	0.14 223	0.17 180	0.13 396	0.22 392	0.18 320	0.31 380	0.30 356	0.23 376	0.31 385	0.30 401	0.22 395	0.22 393	0.17 330	0.11 378	0.08 359	0.10 358	0.10 373	0.12 403	0.14 439

PSMNet-ADL	0.15 310	0.12 368	0.13 191	0.22 406	0.09 196	0.13 204	0.20 378	0.26 307	0.23 266	0.18 299	0.20 242	0.24 347	0.16 320	0.18 325	0.17 330	0.08 258	0.08 359	0.08 234	0.11 403	0.08 279	0.07 236

Anonymous3	0.16 334	0.13 397	0.33 444	0.26 450	0.14 414	0.27 437	0.17 275	0.28 347	0.28 340	0.15 227	0.17 197	0.14 198	0.10 162	0.15 240	0.12 195	0.08 258	0.08 359	0.08 234	0.08 294	0.08 279	0.11 391

sCroCo_RVC	0.12 210	0.09 271	0.23 402	0.24 435	0.11 344	0.19 354	0.14 114	0.17 134	0.14 108	0.10 91	0.13 135	0.12 154	0.07 75	0.14 218	0.11 150	0.08 258	0.08 359	0.08 234	0.08 294	0.05 67	0.07 236

delet	0.17 354	0.08 206	0.17 334	0.19 313	0.11 344	0.20 369	0.21 395	0.30 371	0.37 408	0.17 269	0.26 338	0.19 287	0.19 370	0.19 341	0.21 386	0.08 258	0.08 359	0.09 313	0.11 403	0.06 153	0.06 161

DMCA-RVC	0.17 354	0.10 326	0.15 272	0.24 435	0.11 344	0.18 330	0.18 320	0.25 290	0.24 282	0.21 348	0.26 338	0.25 360	0.27 428	0.18 325	0.20 366	0.12 403	0.08 359	0.13 421	0.10 373	0.10 369	0.08 301

FADNet-RVC-Resample	0.16 334	0.11 351	0.31 438	0.22 406	0.11 344	0.19 354	0.14 114	0.25 290	0.24 282	0.24 385	0.27 347	0.20 299	0.15 294	0.16 274	0.15 300	0.07 200	0.08 359	0.12 406	0.10 373	0.09 338	0.10 368

FADNet_RVC	0.16 334	0.14 409	0.40 461	0.20 362	0.11 344	0.13 204	0.13 69	0.26 307	0.22 256	0.21 348	0.23 281	0.20 299	0.17 341	0.14 218	0.16 316	0.08 258	0.08 359	0.12 406	0.09 338	0.11 389	0.10 368

RTSC	0.23 426	0.12 368	0.28 425	0.21 391	0.13 396	0.28 443	0.16 244	0.35 432	0.66 488	0.27 408	0.33 401	0.30 401	0.21 386	0.31 445	0.29 454	0.10 350	0.08 359	0.09 313	0.10 373	0.13 419	0.13 422

RTS	0.45 486	0.19 447	3.26 520	0.24 435	0.15 430	0.74 502	0.20 378	0.36 438	0.76 499	0.42 471	0.43 457	0.31 413	0.41 478	0.53 492	0.35 473	0.10 350	0.08 359	0.13 421	0.12 422	0.15 447	0.15 446

RTSA	0.45 486	0.19 447	3.26 520	0.24 435	0.15 430	0.74 502	0.20 378	0.36 438	0.76 499	0.42 471	0.43 457	0.31 413	0.41 478	0.53 492	0.35 473	0.10 350	0.08 359	0.13 421	0.12 422	0.15 447	0.15 446

CVANet_RVC	0.18 367	0.10 326	0.14 223	0.21 391	0.10 297	0.18 330	0.17 275	0.34 419	0.33 376	0.22 363	0.31 385	0.28 386	0.18 354	0.23 404	0.17 330	0.12 403	0.08 359	0.12 406	0.11 403	0.09 338	0.07 236

StereoDRNet	0.18 367	0.11 351	0.17 334	0.22 406	0.11 344	0.21 384	0.22 404	0.37 443	0.33 376	0.24 385	0.28 360	0.30 401	0.19 370	0.20 366	0.20 366	0.09 313	0.08 359	0.11 389	0.09 338	0.09 338	0.07 236

DLCB_ROB	0.18 367	0.10 326	0.15 272	0.23 426	0.11 344	0.24 410	0.18 320	0.29 357	0.28 340	0.27 408	0.28 360	0.28 386	0.24 407	0.19 341	0.20 366	0.08 258	0.08 359	0.09 313	0.09 338	0.07 219	0.07 236

ETE_ROB	0.23 426	0.17 434	0.22 393	0.25 445	0.13 396	0.26 428	0.29 469	0.31 380	0.36 401	0.28 422	0.36 413	0.45 469	0.26 420	0.27 423	0.26 437	0.11 378	0.08 359	0.12 406	0.09 338	0.14 432	0.13 422

PSMNet_ROB	0.21 402	0.11 351	0.15 272	0.27 462	0.15 430	0.24 410	0.35 487	0.43 473	0.37 408	0.27 408	0.32 389	0.32 422	0.22 395	0.21 382	0.26 437	0.12 403	0.08 359	0.13 421	0.11 403	0.09 338	0.09 345

CAS++	0.11 147	0.07 116	0.11 115	0.14 24	0.09 196	0.12 166	0.14 114	0.24 274	0.14 108	0.11 117	0.09 57	0.11 137	0.07 75	0.14 218	0.09 46	0.11 378	0.09 385	0.09 313	0.07 230	0.07 219	0.08 301
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
coex-ft	3.30 522	0.34 486	59.09 543	0.18 257	0.13 396	0.26 428	0.22 404	0.27 328	0.72 493	1.90 524	0.70 491	0.44 467	0.45 484	0.29 441	0.41 487	0.09 313	0.09 385	0.12 406	0.09 338	0.14 432	0.13 422

fast-acv-ft	0.18 367	0.11 351	0.19 368	0.19 313	0.12 375	0.24 410	0.21 395	0.25 290	0.34 387	0.22 363	0.34 405	0.27 376	0.20 382	0.21 382	0.23 407	0.09 313	0.09 385	0.08 234	0.10 373	0.08 279	0.07 236

ssnet_v2	0.17 354	0.10 326	0.17 334	0.17 180	0.11 344	0.21 384	0.21 395	0.33 410	0.25 303	0.22 363	0.22 272	0.27 376	0.18 354	0.22 393	0.20 366	0.11 378	0.09 385	0.09 313	0.09 338	0.08 279	0.08 301

Wz-Net-SNSev	0.25 442	0.17 434	0.44 466	0.25 445	0.14 414	0.26 428	0.23 413	0.38 450	0.56 472	0.30 432	0.55 474	0.39 454	0.26 420	0.23 404	0.30 459	0.10 350	0.09 385	0.09 313	0.10 373	0.11 389	0.11 391

Wz-Net-LNSev	0.22 411	0.16 423	0.38 457	0.21 391	0.13 396	0.25 420	0.23 413	0.32 391	0.43 438	0.30 432	0.41 447	0.31 413	0.18 354	0.22 393	0.25 427	0.10 350	0.09 385	0.08 234	0.08 294	0.12 403	0.11 391

CRFU-Net	0.16 334	0.08 206	0.14 223	0.17 180	0.09 196	0.19 354	0.14 114	0.26 307	0.20 227	0.28 422	0.27 347	0.29 393	0.17 341	0.19 341	0.17 330	0.09 313	0.09 385	0.07 155	0.07 230	0.08 279	0.08 301

dad	0.17 354	0.20 451	0.20 380	0.16 115	0.11 344	0.20 369	0.18 320	0.21 211	0.28 340	0.30 432	0.24 292	0.29 393	0.13 251	0.19 341	0.16 316	0.18 466	0.09 385	0.11 389	0.09 338	0.11 389	0.07 236

GwcNet	0.20 391	0.13 397	0.19 368	0.18 257	0.12 375	0.24 410	0.19 358	0.35 432	0.43 438	0.20 335	0.32 389	0.33 425	0.20 382	0.22 393	0.24 418	0.11 378	0.09 385	0.09 313	0.09 338	0.09 338	0.10 368

HGLStereo	0.17 354	0.08 206	0.19 368	0.17 180	0.12 375	0.18 330	0.18 320	0.31 380	0.32 369	0.21 348	0.32 389	0.25 360	0.18 354	0.19 341	0.20 366	0.09 313	0.09 385	0.07 155	0.07 230	0.09 338	0.10 368

G-Net	0.24 433	0.16 423	0.36 453	0.22 406	0.16 440	0.51 485	0.23 413	0.29 357	0.34 387	0.36 453	0.38 424	0.31 413	0.29 444	0.27 423	0.26 437	0.11 378	0.09 385	0.12 406	0.09 338	0.16 454	0.13 422

XQC	0.28 455	0.23 462	0.51 473	0.28 465	0.19 464	0.34 461	0.27 454	0.36 438	0.57 474	0.31 438	0.30 377	0.37 442	0.30 448	0.38 473	0.38 480	0.13 426	0.09 385	0.15 445	0.12 422	0.17 461	0.18 468

ADCMid	0.25 442	0.15 415	0.40 461	0.20 362	0.14 414	0.25 420	0.26 447	0.34 419	0.38 413	0.36 453	0.44 459	0.34 431	0.40 473	0.35 462	0.33 470	0.10 350	0.09 385	0.11 389	0.11 403	0.13 419	0.12 403

DANet	0.21 402	0.15 415	0.28 425	0.25 445	0.13 396	0.22 392	0.19 358	0.27 328	0.27 326	0.28 422	0.32 389	0.35 435	0.31 452	0.31 445	0.23 407	0.11 378	0.09 385	0.11 389	0.10 373	0.13 419	0.11 391
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DeepPruner_ROB	0.16 334	0.11 351	0.15 272	0.17 180	0.10 297	0.17 312	0.15 180	0.32 391	0.21 242	0.19 314	0.21 263	0.22 324	0.18 354	0.20 366	0.15 300	0.13 426	0.09 385	0.09 313	0.09 338	0.11 389	0.10 368

SANet	0.24 433	0.14 409	0.28 425	0.21 391	0.11 344	0.27 437	0.24 425	0.38 450	0.64 485	0.36 453	0.40 437	0.43 465	0.26 420	0.27 423	0.24 418	0.12 403	0.09 385	0.10 358	0.09 338	0.13 419	0.11 391

PDISCO_ROB	0.27 451	0.16 423	0.26 413	0.28 465	0.20 467	0.32 452	0.26 447	0.44 475	0.57 474	0.28 422	0.40 437	0.45 469	0.29 444	0.33 453	0.34 472	0.12 403	0.09 385	0.17 454	0.16 455	0.17 461	0.13 422

LALA_ROB	0.25 442	0.16 423	0.22 393	0.26 450	0.17 455	0.27 437	0.27 454	0.42 469	0.37 408	0.33 448	0.38 424	0.51 479	0.26 420	0.28 434	0.27 444	0.16 459	0.09 385	0.12 406	0.11 403	0.13 419	0.12 403

PWCDC_ROB	0.20 391	0.13 397	0.22 393	0.24 435	0.11 344	0.19 354	0.15 180	0.33 410	0.54 469	0.29 429	0.50 469	0.21 306	0.15 294	0.27 423	0.20 366	0.11 378	0.09 385	0.10 358	0.08 294	0.11 389	0.09 345

PSMNet-RUCA	0.27 451	0.33 484	0.41 463	0.36 484	0.32 491	0.18 330	0.19 358	0.42 469	0.30 356	0.33 448	0.41 447	0.39 454	0.25 415	0.31 445	0.20 366	0.18 466	0.10 404	0.25 475	0.15 451	0.21 470	0.16 457

rvit_stereo_0075_2	0.17 354	0.12 368	0.25 410	0.23 426	0.16 440	0.13 204	0.10 12	0.30 371	0.27 326	0.20 335	0.28 360	0.22 324	0.15 294	0.18 325	0.13 235	0.16 459	0.10 404	0.17 454	0.10 373	0.10 369	0.09 345

SQANet	0.23 426	0.23 462	0.30 436	0.30 474	0.19 464	0.27 437	0.13 69	0.29 357	0.33 376	0.24 385	0.37 419	0.31 413	0.22 395	0.27 423	0.23 407	0.15 443	0.10 404	0.21 468	0.16 455	0.21 470	0.15 446

pcwnet_v2	0.19 379	0.10 326	0.26 413	0.17 180	0.14 414	0.18 330	0.15 180	0.37 443	0.46 450	0.19 314	0.24 292	0.21 306	0.19 370	0.20 366	0.19 359	0.13 426	0.10 404	0.10 358	0.10 373	0.11 389	0.13 422

psm_up	0.18 367	0.10 326	0.18 357	0.20 362	0.11 344	0.17 312	0.19 358	0.37 443	0.34 387	0.21 348	0.28 360	0.29 393	0.24 407	0.20 366	0.22 395	0.09 313	0.10 404	0.11 389	0.11 403	0.08 279	0.08 301

AF-Net	0.22 411	0.17 434	0.17 334	0.26 450	0.13 396	0.25 420	0.24 425	0.32 391	0.50 460	0.25 398	0.33 401	0.38 446	0.26 420	0.28 434	0.25 427	0.11 378	0.10 404	0.16 451	0.11 403	0.11 389	0.10 368

Nwc_Net	0.23 426	0.16 423	0.21 387	0.25 445	0.14 414	0.24 410	0.26 447	0.37 443	0.38 413	0.22 363	0.41 447	0.30 401	0.28 436	0.28 434	0.25 427	0.11 378	0.10 404	0.17 454	0.20 468	0.10 369	0.10 368

ADCPNet	0.25 442	0.16 423	0.61 484	0.21 391	0.15 430	0.35 469	0.25 440	0.32 391	0.35 396	0.30 432	0.40 437	0.36 437	0.28 436	0.28 434	0.32 467	0.12 403	0.10 404	0.11 389	0.12 422	0.14 432	0.13 422

STTRV1_RVC	0.25 442	0.26 471	0.39 459	0.19 313	0.26 483	0.30 449	0.24 425	0.34 419	0.35 396	0.36 453	0.34 405	0.31 413	0.31 452	0.28 434	0.25 427	0.17 464	0.10 404	0.16 451	0.14 435	0.17 461	0.12 403

DPSNet	0.28 455	0.16 423	0.31 438	0.18 257	0.13 396	0.54 487	0.42 496	0.51 487	0.67 489	0.29 429	0.38 424	0.38 446	0.29 444	0.31 445	0.23 407	0.11 378	0.10 404	0.11 389	0.08 294	0.20 469	0.16 457

MDST_ROB	0.22 411	0.10 326	0.17 334	0.18 257	0.11 344	0.37 472	0.19 358	0.43 473	0.41 426	0.39 461	0.39 432	0.29 393	0.21 386	0.26 420	0.18 348	0.11 378	0.10 404	0.14 433	0.11 403	0.10 369	0.08 301

XPNet_ROB	0.22 411	0.11 351	0.19 368	0.22 406	0.13 396	0.22 392	0.19 358	0.34 419	0.40 423	0.30 432	0.39 432	0.39 454	0.26 420	0.26 420	0.28 451	0.15 443	0.10 404	0.10 358	0.10 373	0.13 419	0.12 403

TCMNet	0.19 379	0.12 368	0.19 368	0.20 362	0.18 461	0.20 369	0.24 425	0.27 328	0.36 401	0.23 376	0.26 338	0.25 360	0.19 370	0.19 341	0.23 407	0.13 426	0.11 416	0.11 389	0.12 422	0.13 419	0.12 403

rvit_0105_6	0.14 267	0.09 271	0.18 357	0.17 180	0.10 297	0.10 93	0.16 244	0.19 179	0.26 317	0.12 153	0.18 222	0.17 260	0.12 215	0.18 325	0.12 195	0.15 443	0.11 416	0.12 406	0.10 373	0.09 338	0.06 161

rvit_0105_5	0.14 267	0.09 271	0.13 191	0.17 180	0.09 196	0.14 236	0.23 413	0.24 274	0.27 326	0.14 200	0.15 165	0.18 273	0.12 215	0.17 306	0.14 272	0.14 439	0.11 416	0.10 358	0.10 373	0.08 279	0.06 161

rvit_0105_4	0.14 267	0.09 271	0.17 334	0.17 180	0.10 297	0.12 166	0.19 358	0.23 252	0.27 326	0.14 200	0.20 242	0.17 260	0.13 251	0.17 306	0.13 235	0.15 443	0.11 416	0.11 389	0.10 373	0.09 338	0.06 161

rvit_0105_3	0.15 310	0.09 271	0.14 223	0.19 313	0.12 375	0.15 261	0.25 440	0.25 290	0.29 346	0.15 227	0.17 197	0.20 299	0.13 251	0.17 306	0.14 272	0.13 426	0.11 416	0.12 406	0.14 435	0.07 219	0.06 161

StereoVision	0.13 235	0.12 368	0.09 49	0.24 435	0.10 297	0.15 261	0.21 395	0.21 211	0.20 227	0.12 153	0.24 292	0.10 116	0.10 162	0.16 274	0.10 98	0.09 313	0.11 416	0.12 406	0.12 422	0.06 153	0.05 90

DGSMNet	0.24 433	0.19 447	0.33 444	0.21 391	0.24 476	0.24 410	0.20 378	0.35 432	0.41 426	0.24 385	0.32 389	0.38 446	0.21 386	0.29 441	0.23 407	0.12 403	0.11 416	0.14 433	0.16 455	0.23 474	0.23 480

FAT-Stereo	0.20 391	0.12 368	0.22 393	0.21 391	0.12 375	0.17 312	0.18 320	0.34 419	0.39 417	0.27 408	0.37 419	0.34 431	0.32 456	0.21 382	0.20 366	0.09 313	0.11 416	0.10 358	0.09 338	0.11 389	0.14 439

STTStereo	0.18 367	0.12 368	0.27 420	0.20 362	0.11 344	0.16 291	0.21 395	0.29 357	0.23 266	0.21 348	0.30 377	0.29 393	0.18 354	0.20 366	0.19 359	0.12 403	0.11 416	0.11 389	0.14 435	0.09 338	0.08 301

NCC-stereo	0.24 433	0.15 415	0.31 438	0.26 450	0.16 440	0.20 369	0.30 477	0.40 458	0.40 423	0.24 385	0.38 424	0.33 425	0.28 436	0.36 467	0.27 444	0.12 403	0.11 416	0.15 445	0.22 473	0.13 419	0.13 422

edge stereo	0.22 411	0.13 397	0.20 380	0.21 391	0.13 396	0.23 405	0.16 244	0.32 391	0.42 433	0.32 444	0.40 437	0.38 446	0.35 463	0.25 418	0.24 418	0.13 426	0.11 416	0.14 433	0.11 403	0.12 403	0.13 422

Abc-Net	0.24 433	0.15 415	0.31 438	0.26 450	0.16 440	0.20 369	0.30 477	0.40 458	0.40 423	0.24 385	0.38 424	0.33 425	0.28 436	0.36 467	0.27 444	0.12 403	0.11 416	0.15 445	0.22 473	0.13 419	0.13 422
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 449	0.15 415	0.30 436	0.24 435	0.18 461	0.22 392	0.15 180	0.38 450	0.71 492	0.32 444	0.41 447	0.36 437	0.28 436	0.32 451	0.29 454	0.12 403	0.11 416	0.14 433	0.13 432	0.16 454	0.20 474

DeepPrunerF	0.24 433	0.17 434	0.42 465	0.26 450	0.16 440	0.22 392	0.28 460	0.37 443	0.50 460	0.26 402	0.29 372	0.24 347	0.28 436	0.21 382	0.22 395	0.15 443	0.11 416	0.20 467	0.18 466	0.12 403	0.13 422

rvit_105_1	0.19 379	0.11 351	0.25 410	0.21 391	0.16 440	0.21 384	0.27 454	0.31 380	0.41 426	0.19 314	0.20 242	0.22 324	0.17 341	0.19 341	0.17 330	0.12 403	0.12 430	0.13 421	0.15 451	0.08 279	0.07 236

UDG	0.21 402	0.17 434	0.19 368	0.23 426	0.15 430	0.30 449	0.20 378	0.33 410	0.35 396	0.23 376	0.28 360	0.31 413	0.27 428	0.20 366	0.22 395	0.15 443	0.12 430	0.13 421	0.09 338	0.14 432	0.14 439

APVNet	0.22 411	0.12 368	0.19 368	0.18 257	0.14 414	0.32 452	0.31 483	0.39 454	0.32 369	0.27 408	0.40 437	0.30 401	0.29 444	0.26 420	0.25 427	0.11 378	0.12 430	0.11 389	0.14 435	0.12 403	0.12 403

Syn2CoEx	0.21 402	0.16 423	0.27 420	0.29 472	0.14 414	0.26 428	0.20 378	0.33 410	0.31 363	0.28 422	0.36 413	0.27 376	0.25 415	0.19 341	0.24 418	0.16 459	0.12 430	0.14 433	0.11 403	0.09 338	0.08 301

S-Stereo	0.20 391	0.12 368	0.25 410	0.21 391	0.13 396	0.20 369	0.18 320	0.32 391	0.43 438	0.23 376	0.36 413	0.28 386	0.30 448	0.19 341	0.22 395	0.09 313	0.12 430	0.10 358	0.10 373	0.13 419	0.13 422

RP	0.21 402	0.13 397	0.21 387	0.23 426	0.11 344	0.21 384	0.20 378	0.25 290	0.44 443	0.21 348	0.38 424	0.36 437	0.24 407	0.27 423	0.25 427	0.11 378	0.12 430	0.13 421	0.12 422	0.12 403	0.14 439

stereogan	0.22 411	0.11 351	0.21 387	0.20 362	0.12 375	0.31 451	0.19 358	0.35 432	0.44 443	0.22 363	0.39 432	0.35 435	0.27 428	0.33 453	0.22 395	0.10 350	0.12 430	0.10 358	0.10 373	0.14 432	0.13 422

ADCS	0.29 459	0.18 444	0.45 467	0.21 391	0.17 455	0.28 443	0.23 413	0.41 464	0.63 484	0.40 464	0.49 465	0.40 458	0.36 465	0.39 476	0.40 484	0.13 426	0.12 430	0.13 421	0.14 435	0.16 454	0.16 457

AnyNet_C32	0.26 449	0.16 423	0.36 453	0.20 362	0.16 440	0.25 420	0.30 477	0.32 391	0.44 443	0.31 438	0.49 465	0.30 401	0.33 457	0.40 480	0.33 470	0.12 403	0.12 430	0.12 406	0.14 435	0.14 432	0.15 446

GANet	0.21 402	0.12 368	0.21 387	0.24 435	0.13 396	0.22 392	0.22 404	0.41 464	0.26 317	0.31 438	0.42 454	0.37 442	0.28 436	0.23 404	0.22 395	0.10 350	0.12 430	0.10 358	0.09 338	0.10 369	0.08 301

PS-NSSS	0.20 391	0.21 457	0.23 402	0.20 362	0.10 297	0.19 354	0.17 275	0.36 438	0.25 303	0.27 408	0.33 401	0.27 376	0.24 407	0.20 366	0.20 366	0.15 443	0.12 430	0.17 454	0.14 435	0.10 369	0.08 301

NCCL2	0.23 426	0.15 415	0.17 334	0.34 480	0.18 461	0.24 410	0.23 413	0.34 419	0.28 340	0.31 438	0.38 424	0.38 446	0.28 436	0.23 404	0.24 418	0.15 443	0.12 430	0.18 463	0.21 470	0.13 419	0.13 422

WCMA_ROB	0.24 433	0.11 351	0.22 393	0.17 180	0.14 414	0.32 452	0.15 180	0.32 391	0.32 369	0.38 459	0.53 471	0.40 458	0.34 461	0.34 456	0.25 427	0.11 378	0.12 430	0.12 406	0.10 373	0.14 432	0.14 439

YMNet	0.20 391	0.12 368	0.19 368	0.20 362	0.14 414	0.26 428	0.23 413	0.32 391	0.34 387	0.27 408	0.34 405	0.30 401	0.18 354	0.18 325	0.22 395	0.10 350	0.13 443	0.10 358	0.10 373	0.08 279	0.09 345

YMNet_1	0.20 391	0.12 368	0.19 368	0.20 362	0.14 414	0.26 428	0.23 413	0.32 391	0.34 387	0.27 408	0.34 405	0.30 401	0.18 354	0.18 325	0.22 395	0.10 350	0.13 443	0.10 358	0.10 373	0.08 279	0.09 345

Wz-Net-TNSev	0.29 459	0.20 451	0.65 487	0.19 313	0.15 430	0.38 475	0.27 454	0.35 432	0.55 470	0.34 450	0.42 454	0.45 469	0.38 468	0.32 451	0.30 459	0.12 403	0.13 443	0.10 358	0.12 422	0.15 447	0.14 439

DDUNet	0.22 411	0.17 434	0.21 387	0.22 406	0.15 430	0.25 420	0.24 425	0.29 357	0.30 356	0.31 438	0.36 413	0.33 425	0.25 415	0.24 413	0.20 366	0.18 466	0.13 443	0.17 454	0.11 403	0.16 454	0.16 457

FADNet-RVC	0.20 391	0.20 451	0.38 457	0.21 391	0.16 440	0.20 369	0.15 180	0.26 307	0.26 317	0.26 402	0.32 389	0.26 369	0.21 386	0.22 393	0.19 359	0.12 403	0.13 443	0.12 406	0.14 435	0.13 419	0.18 468

RGC	0.25 442	0.20 451	0.29 433	0.28 465	0.16 440	0.22 392	0.23 413	0.32 391	0.44 443	0.27 408	0.40 437	0.38 446	0.27 428	0.36 467	0.22 395	0.11 378	0.13 443	0.17 454	0.17 462	0.14 432	0.16 457

AnyNet_C01	0.36 474	0.25 470	1.37 514	0.22 406	0.17 455	0.48 483	0.27 454	0.35 432	0.39 417	0.39 461	0.74 495	0.46 473	0.38 468	0.45 484	0.47 493	0.13 426	0.13 443	0.13 421	0.14 435	0.14 432	0.15 446

SGM_RVC	0.23 426	0.12 368	0.15 272	0.15 60	0.09 196	0.33 458	0.18 320	0.34 419	0.31 363	0.44 476	0.37 419	0.53 483	0.35 463	0.35 462	0.24 418	0.13 426	0.13 443	0.13 421	0.13 432	0.10 369	0.11 391
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MeshStereo	0.27 451	0.13 397	0.18 357	0.15 60	0.11 344	0.32 452	0.24 425	0.40 458	0.36 401	0.52 483	0.57 481	0.67 494	0.40 473	0.35 462	0.26 437	0.14 439	0.13 443	0.13 421	0.11 403	0.11 389	0.10 368
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
ACVNet-4b	0.39 476	0.53 496	0.55 478	0.45 492	0.24 476	0.47 481	0.18 320	0.49 484	0.64 485	0.42 471	0.45 460	0.60 487	0.27 428	0.34 456	0.24 418	0.33 493	0.14 452	0.48 496	0.42 496	0.30 489	0.26 488

ccnet	0.29 459	0.28 477	0.23 402	0.20 362	0.28 485	0.41 478	0.21 395	0.45 478	0.33 376	0.36 453	0.46 461	0.36 437	0.30 448	0.39 476	0.42 488	0.23 485	0.14 452	0.21 468	0.17 462	0.23 474	0.18 468

MFN_U_SF_RVC	0.32 467	0.21 457	0.55 478	0.30 474	0.15 430	0.34 461	0.17 275	0.52 488	0.46 450	0.46 480	0.55 474	0.59 486	0.39 470	0.35 462	0.37 478	0.15 443	0.14 452	0.18 463	0.21 470	0.16 454	0.15 446

MaskLacGwcNet_RVC	0.22 411	0.21 457	0.24 405	0.26 450	0.11 344	0.23 405	0.14 114	0.39 454	0.24 282	0.32 444	0.36 413	0.30 401	0.21 386	0.19 341	0.21 386	0.17 464	0.14 452	0.21 468	0.16 455	0.12 403	0.12 403

PVD	0.39 476	0.20 451	0.39 459	0.31 478	0.22 472	0.29 446	0.43 498	0.52 488	0.96 506	0.55 486	0.79 499	0.53 483	0.59 497	0.52 490	0.38 480	0.19 471	0.14 452	0.17 454	0.14 435	0.24 481	0.31 493

FBW_ROB	0.24 433	0.17 434	0.22 393	0.26 450	0.14 414	0.25 420	0.22 404	0.41 464	0.41 426	0.41 468	0.41 447	0.42 461	0.27 428	0.31 445	0.23 407	0.09 313	0.14 452	0.14 433	0.12 422	0.11 389	0.09 345

psmorigin	0.25 442	0.15 415	0.34 452	0.17 180	0.13 396	0.23 405	0.14 114	0.34 419	0.33 376	0.41 468	0.55 474	0.41 460	0.37 467	0.34 456	0.27 444	0.11 378	0.15 458	0.11 389	0.11 403	0.12 403	0.16 457

FADNet	0.21 402	0.22 461	0.36 453	0.18 257	0.17 455	0.24 410	0.13 69	0.31 380	0.31 363	0.23 376	0.25 321	0.27 376	0.21 386	0.19 341	0.15 300	0.13 426	0.15 458	0.12 406	0.15 451	0.16 454	0.18 468

CBMV	0.19 379	0.14 409	0.17 334	0.18 257	0.10 297	0.20 369	0.11 22	0.29 357	0.30 356	0.29 429	0.30 377	0.30 401	0.23 401	0.27 423	0.19 359	0.13 426	0.15 458	0.17 454	0.16 455	0.10 369	0.10 368
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
HBP-ISP	0.18 367	0.13 397	0.16 306	0.15 60	0.11 344	0.08 34	0.13 69	0.28 347	0.29 346	0.22 363	0.33 401	0.21 306	0.25 415	0.23 404	0.17 330	0.14 439	0.16 461	0.21 468	0.17 462	0.10 369	0.08 301

FINET	0.21 402	0.18 444	0.26 413	0.18 257	0.16 440	0.23 405	0.23 413	0.32 391	0.48 452	0.25 398	0.32 389	0.22 324	0.22 395	0.22 393	0.17 330	0.18 466	0.16 461	0.11 389	0.10 373	0.15 447	0.13 422

SGM-ForestM	0.32 467	0.12 368	0.16 306	0.16 115	0.11 344	0.39 476	0.19 358	0.41 464	0.50 460	0.52 483	0.54 473	1.32 513	0.42 481	0.40 480	0.27 444	0.14 439	0.16 461	0.16 451	0.16 455	0.12 403	0.12 403

CSAN	0.29 459	0.24 465	0.27 420	0.34 480	0.19 464	0.33 458	0.42 496	0.37 443	0.50 460	0.38 459	0.40 437	0.44 467	0.33 457	0.28 434	0.30 459	0.20 473	0.16 461	0.19 465	0.19 467	0.14 432	0.15 446

SGM-Forest	0.20 391	0.14 409	0.18 357	0.19 313	0.13 396	0.20 369	0.22 404	0.33 410	0.30 356	0.24 385	0.29 372	0.28 386	0.19 370	0.23 404	0.17 330	0.15 443	0.16 461	0.15 445	0.14 435	0.12 403	0.12 403
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
NaN_ROB	0.22 411	0.19 447	0.24 405	0.25 445	0.13 396	0.29 446	0.26 447	0.33 410	0.41 426	0.31 438	0.31 385	0.32 422	0.23 401	0.30 444	0.21 386	0.11 378	0.17 466	0.10 358	0.10 373	0.08 279	0.09 345

CBMV_ROB	0.19 379	0.13 397	0.17 334	0.16 115	0.11 344	0.15 261	0.13 69	0.26 307	0.28 340	0.27 408	0.30 377	0.27 376	0.24 407	0.23 404	0.16 316	0.15 443	0.17 466	0.22 472	0.20 468	0.10 369	0.11 391

SDNR	0.19 379	0.08 206	0.19 368	0.16 115	0.12 375	0.77 508	0.14 114	0.25 290	0.32 369	0.19 314	0.24 292	0.19 287	0.13 251	0.19 341	0.15 300	0.16 459	0.18 468	0.14 433	0.11 403	0.08 279	0.11 391

BEATNet-Init1	0.52 492	0.27 473	0.62 485	0.30 474	0.21 470	0.76 506	0.29 469	0.54 491	0.65 487	0.86 505	0.95 506	2.07 523	0.62 500	0.56 496	0.42 488	0.18 466	0.18 468	0.23 473	0.22 473	0.22 473	0.21 476

NOSS_ROB	0.19 379	0.12 368	0.18 357	0.16 115	0.12 375	0.15 261	0.12 35	0.30 371	0.32 369	0.20 335	0.22 272	0.27 376	0.23 401	0.21 382	0.16 316	0.16 459	0.18 468	0.23 473	0.21 470	0.12 403	0.13 422

MSC_U_SF_DS_RVC	0.43 483	0.39 490	0.54 476	0.40 487	0.20 467	0.64 494	0.32 485	0.53 490	0.72 493	0.71 494	0.72 492	0.61 488	0.54 491	0.51 488	0.46 492	0.20 473	0.19 471	0.29 486	0.30 488	0.23 474	0.18 468

CC-Net-ROB	0.28 455	0.31 482	0.36 453	0.29 472	0.15 430	0.25 420	0.19 358	0.45 478	0.33 376	0.39 461	0.37 419	0.39 454	0.31 452	0.27 423	0.26 437	0.24 487	0.19 471	0.30 488	0.23 477	0.18 465	0.15 446

MSMD_ROB	0.31 465	0.26 471	0.26 413	0.24 435	0.21 470	0.34 461	0.25 440	0.34 419	0.39 417	0.40 464	0.69 489	0.45 469	0.40 473	0.34 456	0.27 444	0.20 473	0.19 471	0.26 476	0.25 479	0.23 474	0.22 478

TCMNet-wrong-test	3.67 524	5.48 532	3.89 524	12.18 535	11.75 536	4.65 525	3.88 526	1.06 518	0.72 493	1.09 516	2.15 525	6.30 529	0.53 489	3.43 527	2.36 525	0.89 519	0.20 474	1.87 526	1.69 526	5.57 531	3.62 531

FC-DCNN v2	0.33 470	0.27 473	0.28 425	0.26 450	0.23 474	0.37 472	0.28 460	0.40 458	0.43 438	0.45 477	0.56 479	0.51 479	0.40 473	0.37 471	0.29 454	0.21 477	0.20 474	0.27 479	0.26 480	0.25 482	0.24 481

FCDSN-DC	0.33 470	0.28 477	0.28 425	0.30 474	0.24 476	0.39 476	0.28 460	0.42 469	0.42 433	0.43 474	0.53 471	0.51 479	0.41 478	0.36 467	0.30 459	0.21 477	0.20 474	0.27 479	0.26 480	0.25 482	0.24 481
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_DS_RVC	0.30 464	0.24 465	0.29 433	0.36 484	0.16 440	0.34 461	0.30 477	0.32 391	0.42 433	0.40 464	0.46 461	0.38 446	0.31 452	0.34 456	0.28 451	0.19 471	0.20 474	0.26 476	0.29 486	0.18 465	0.19 473

SAMSARA	0.40 479	0.28 477	0.33 444	0.55 498	0.39 492	0.82 509	1.23 523	0.47 481	0.51 467	0.36 453	0.35 410	0.55 485	0.39 470	0.38 473	0.39 482	0.15 443	0.20 474	0.15 445	0.14 435	0.23 474	0.20 474

MANE	0.45 486	0.27 473	0.27 420	0.27 462	0.24 476	0.47 481	0.31 483	0.55 492	0.59 478	0.72 496	1.13 515	1.15 507	0.61 498	0.52 490	0.37 478	0.21 477	0.20 474	0.27 479	0.31 490	0.25 482	0.24 481

GANetREF_RVC	0.31 465	0.34 486	0.27 420	0.35 482	0.16 440	0.32 452	0.41 493	0.48 482	0.51 467	0.35 451	0.35 410	0.34 431	0.33 457	0.39 476	0.32 467	0.27 489	0.20 474	0.29 486	0.15 451	0.18 465	0.17 465
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
FC-DCNN	0.33 470	0.27 473	0.28 425	0.26 450	0.23 474	0.37 472	0.28 460	0.40 458	0.43 438	0.45 477	0.55 474	0.51 479	0.40 473	0.37 471	0.30 459	0.21 477	0.20 474	0.27 479	0.26 480	0.25 482	0.24 481

LSM	0.33 470	0.20 451	0.58 482	0.26 450	0.60 508	0.34 461	0.25 440	0.42 469	0.48 452	0.45 477	0.58 483	0.42 461	0.36 465	0.35 462	0.25 427	0.12 403	0.20 474	0.14 433	0.16 455	0.19 468	0.33 495

ELAS_RVC	0.41 481	0.29 480	0.33 444	0.28 465	0.24 476	0.54 487	0.36 488	0.49 484	0.59 478	0.72 496	0.74 495	0.65 492	0.54 491	0.54 494	0.40 484	0.22 481	0.20 474	0.27 479	0.26 480	0.26 486	0.25 486
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 481	0.29 480	0.33 444	0.27 462	0.24 476	0.60 492	0.36 488	0.50 486	0.50 460	0.71 494	0.79 499	0.67 494	0.54 491	0.51 488	0.42 488	0.22 481	0.20 474	0.27 479	0.26 480	0.26 486	0.25 486
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FADE	0.45 486	0.33 484	1.03 510	0.33 479	0.25 482	0.35 469	0.29 469	0.64 499	1.07 507	0.43 474	0.41 447	0.42 461	0.53 489	0.70 502	0.51 499	0.30 490	0.21 485	0.41 494	0.38 494	0.23 474	0.22 478

PA-Net	0.23 426	0.18 444	0.33 444	0.28 465	0.22 472	0.21 384	0.38 492	0.29 357	0.39 417	0.22 363	0.32 389	0.25 360	0.26 420	0.20 366	0.25 427	0.09 313	0.23 486	0.15 445	0.22 473	0.09 338	0.13 422
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ACVNet_1	0.44 484	0.49 495	0.60 483	0.45 492	0.28 485	0.49 484	0.27 454	0.57 495	0.72 493	0.62 489	0.58 483	0.74 498	0.49 487	0.50 487	0.35 473	0.26 488	0.24 487	0.39 492	0.29 486	0.31 492	0.24 481

Anonymous_2	0.22 411	0.17 434	0.28 425	0.15 60	0.16 440	0.32 452	0.22 404	0.22 233	0.17 165	0.23 376	0.24 292	0.26 369	0.27 428	0.27 423	0.23 407	0.22 481	0.25 488	0.17 454	0.17 462	0.17 461	0.17 465

PASM	0.32 467	0.24 465	0.48 472	0.28 465	0.27 484	0.29 446	0.30 477	0.34 419	0.49 457	0.35 451	0.39 432	0.46 473	0.34 461	0.34 456	0.35 473	0.23 485	0.25 488	0.26 476	0.28 485	0.23 474	0.21 476

JetBlue	0.71 501	0.45 494	1.14 512	0.51 496	0.47 498	2.02 523	0.64 510	0.75 502	0.70 491	0.69 493	0.77 498	1.22 509	0.83 508	1.03 519	1.01 519	0.40 496	0.28 490	0.33 489	0.33 491	0.30 489	0.34 496

Ntro	0.40 479	0.40 491	0.53 475	0.46 495	0.30 489	0.65 495	0.24 425	0.46 480	0.68 490	0.41 468	0.49 465	0.48 477	0.42 481	0.39 476	0.31 466	0.32 492	0.28 490	0.37 491	0.30 488	0.32 493	0.29 490

test_sample9	0.18 367	0.12 368	0.20 380	0.12 4	0.14 414	0.17 312	0.13 69	0.27 328	0.23 266	0.20 335	0.20 242	0.24 347	0.19 370	0.19 341	0.17 330	0.15 443	0.30 492	0.14 433	0.14 435	0.14 432	0.12 403

test_sample8	0.19 379	0.12 368	0.20 380	0.12 4	0.14 414	0.17 312	0.13 69	0.31 380	0.21 242	0.27 408	0.22 272	0.36 437	0.25 415	0.19 341	0.17 330	0.15 443	0.30 492	0.14 433	0.14 435	0.14 432	0.12 403

otaku	0.39 476	0.37 489	0.52 474	0.44 491	0.28 485	0.58 489	0.24 425	0.41 464	0.62 483	0.40 464	0.49 465	0.46 473	0.33 457	0.40 480	0.32 467	0.30 490	0.30 492	0.39 492	0.33 491	0.29 488	0.28 489

NVStereoNet_ROB	0.46 490	0.36 488	0.46 470	0.41 489	0.28 485	0.34 461	0.34 486	0.48 482	0.60 481	0.72 496	0.93 504	0.70 497	0.66 501	0.47 485	0.60 503	0.22 481	0.33 495	0.34 490	0.34 493	0.30 489	0.30 492
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Consistency-Raft	0.44 484	0.40 491	0.45 467	0.37 486	0.43 496	0.46 479	0.41 493	0.57 495	0.55 470	0.32 444	0.73 493	0.33 425	0.48 486	0.42 483	0.49 495	0.39 495	0.35 496	0.45 495	0.51 503	0.42 495	0.29 490

MADNet+	0.75 504	0.71 506	3.70 523	0.66 501	0.41 494	0.98 514	0.97 521	0.69 501	0.73 497	0.52 483	0.57 481	0.64 490	0.68 503	0.86 511	1.01 519	0.34 494	0.36 497	0.28 485	0.23 477	0.36 494	0.31 493

ACVNet_2	0.66 500	0.66 504	0.68 495	0.63 500	0.41 494	0.71 500	0.49 500	0.96 511	1.39 516	0.89 506	1.09 511	1.04 503	0.73 504	0.54 494	0.47 493	0.43 499	0.40 498	0.53 501	0.44 497	0.47 496	0.35 497

GCST	0.37 475	0.42 493	0.26 413	1.02 517	0.39 492	0.18 330	0.08 4	0.20 190	0.17 165	0.28 422	0.25 321	0.15 227	0.12 215	0.16 274	0.14 272	0.64 510	0.43 499	0.75 507	0.65 510	0.63 504	0.46 503

IMH-64-1	0.65 498	0.61 500	0.68 495	0.71 502	0.51 499	0.59 490	0.49 500	0.91 507	0.85 501	0.74 500	1.02 508	0.81 499	0.78 506	0.79 504	0.49 495	0.42 497	0.46 500	0.71 504	0.47 498	0.52 498	0.39 498

IMH-64	0.65 498	0.61 500	0.68 495	0.71 502	0.51 499	0.59 490	0.49 500	0.91 507	0.85 501	0.74 500	1.02 508	0.81 499	0.78 506	0.79 504	0.49 495	0.42 497	0.46 500	0.71 504	0.47 498	0.52 498	0.39 498

TorneroNet-64	0.76 505	0.72 507	0.74 500	0.78 506	0.58 507	0.91 513	0.56 505	0.84 505	1.29 513	0.66 490	0.90 502	1.40 515	0.75 505	0.85 510	0.67 509	0.49 502	0.46 500	0.72 506	0.59 506	0.67 508	0.53 504

PWCK	0.71 501	0.94 515	0.95 508	0.76 504	0.31 490	0.74 502	0.36 488	0.90 506	0.90 504	0.96 509	0.75 497	0.95 502	0.61 498	0.87 512	0.66 506	0.72 512	0.46 500	0.75 507	0.49 500	0.69 511	0.44 502

SPS-STEREO	0.57 496	0.58 498	0.65 487	0.45 492	0.55 503	0.62 493	0.44 499	0.62 498	0.50 460	0.68 492	0.64 485	0.66 493	0.57 496	0.61 498	0.60 503	0.62 509	0.47 504	0.51 498	0.49 500	0.55 502	0.58 506
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.54 494	0.61 500	0.70 499	0.57 499	0.43 496	0.65 495	0.37 491	0.60 497	0.87 503	0.50 482	0.66 486	0.64 490	0.47 485	0.49 486	0.43 491	0.47 501	0.48 505	0.52 500	0.41 495	0.52 498	0.40 500

SGM+DAISY	0.56 495	0.57 497	0.65 487	0.40 487	0.54 501	0.66 497	0.49 500	0.56 493	0.45 449	0.66 490	0.69 489	0.67 494	0.56 495	0.63 499	0.56 501	0.59 507	0.48 505	0.50 497	0.50 502	0.52 498	0.58 506

WAO-6	0.81 507	0.80 510	0.62 485	0.86 511	0.63 510	0.76 506	0.58 507	0.98 513	1.54 521	0.90 507	0.96 507	1.07 505	1.03 516	0.70 502	0.66 506	0.72 512	0.49 507	0.90 515	0.71 513	0.68 509	0.58 506

TorneroNet	0.82 508	0.74 508	0.81 505	0.84 509	0.63 510	0.99 515	0.63 508	0.96 511	1.16 510	0.80 503	1.11 513	1.36 514	0.86 510	0.93 515	0.80 514	0.56 504	0.49 507	0.78 512	0.66 511	0.73 514	0.63 514

IMH	0.71 501	0.64 503	0.68 495	0.76 504	0.54 501	0.69 498	0.54 504	0.98 513	1.10 509	0.82 504	1.09 511	0.89 501	0.88 511	0.87 512	0.52 500	0.44 500	0.50 509	0.75 507	0.51 503	0.56 503	0.41 501

anonymity	0.53 493	0.58 498	0.65 487	0.41 489	0.61 509	0.53 486	0.41 493	0.56 493	0.41 426	0.55 486	0.50 469	0.49 478	0.55 494	0.58 497	0.50 498	0.58 506	0.50 509	0.51 498	0.51 503	0.51 497	0.57 505

DPSimNet_ROB	1.11 518	1.23 521	0.78 501	1.13 519	0.88 520	1.10 520	1.13 522	1.16 523	1.23 512	1.43 521	1.02 508	1.41 516	1.10 520	0.90 514	1.60 521	1.46 525	0.51 511	1.21 522	1.03 522	0.90 517	1.01 523

WAO-8	0.91 511	0.81 511	0.65 487	0.94 514	0.69 513	0.90 510	0.67 512	1.07 519	1.83 524	1.06 514	1.45 521	1.30 510	1.07 517	0.84 508	0.78 512	0.74 514	0.53 512	0.86 513	0.75 514	0.69 511	0.62 512

Venus	0.91 511	0.81 511	0.65 487	0.94 514	0.69 513	0.90 510	0.67 512	1.07 519	1.83 524	1.06 514	1.45 521	1.30 510	1.07 517	0.84 508	0.78 512	0.74 514	0.53 512	0.86 513	0.75 514	0.69 511	0.62 512

UNDER WATER	0.97 514	0.97 517	1.42 515	0.99 516	0.70 516	1.12 521	0.84 517	0.80 504	1.08 508	1.01 511	0.90 502	1.55 519	1.22 523	1.03 519	1.00 518	0.78 516	0.53 512	1.02 517	0.87 518	0.80 516	0.74 517

LVE	0.83 509	0.85 513	0.85 506	0.80 507	0.56 504	1.04 519	0.65 511	1.05 516	1.47 519	0.96 509	1.22 519	1.10 506	0.85 509	0.83 507	0.71 511	0.49 502	0.55 515	0.76 510	0.60 508	0.65 506	0.59 511

Dean	0.87 510	0.86 514	0.79 503	0.81 508	0.56 504	0.90 510	0.63 508	1.15 522	1.73 522	1.15 517	1.15 516	1.31 512	0.99 515	0.81 506	0.81 515	0.57 505	0.56 516	0.77 511	0.64 509	0.66 507	0.58 506

UNDER WATER-64	0.95 513	0.94 515	1.43 516	0.87 512	0.56 504	1.18 522	0.87 518	0.77 503	0.94 505	1.04 512	0.85 501	1.58 520	1.21 522	0.94 516	0.96 517	0.87 518	0.57 517	1.03 518	0.88 519	0.78 515	0.73 516

MFMNet_re	0.64 497	0.66 504	0.65 487	0.51 496	0.69 513	0.69 498	0.57 506	0.64 499	0.73 497	0.60 488	0.73 493	0.62 489	0.67 502	0.65 500	0.60 503	0.66 511	0.58 518	0.63 502	0.59 506	0.68 509	0.69 515

WAO-7	0.79 506	0.78 509	0.54 476	0.85 510	0.67 512	0.74 502	0.68 514	1.05 516	1.32 514	0.90 507	1.20 518	1.04 503	0.92 512	0.69 501	0.66 506	0.60 508	0.62 519	0.67 503	0.68 512	0.64 505	0.58 506

notaker	0.97 514	1.11 518	0.98 509	1.13 519	0.81 517	0.73 501	0.68 514	0.93 509	1.16 510	1.18 519	1.18 517	1.41 516	1.16 521	1.08 521	0.69 510	0.81 517	0.64 520	1.17 520	0.79 516	0.98 518	0.80 519

ktn	1.01 516	1.21 520	0.80 504	1.23 521	0.86 519	1.01 517	0.87 518	0.94 510	1.39 516	1.04 512	1.12 514	1.15 507	1.07 517	0.94 516	0.59 502	1.28 524	0.71 521	1.38 524	0.83 517	1.02 520	0.75 518

HanzoNet	1.29 519	1.26 522	1.19 513	1.12 518	0.85 518	1.02 518	0.83 516	1.03 515	1.48 520	1.64 522	1.61 523	2.50 525	1.72 524	1.61 523	1.61 522	1.26 523	0.80 522	1.31 523	1.01 521	1.02 520	0.86 520

KSHMR	1.09 517	1.17 519	0.88 507	1.25 522	1.00 521	0.99 515	0.96 520	1.13 521	1.37 515	1.16 518	1.29 520	1.41 516	0.96 514	1.01 518	0.92 516	1.03 521	1.08 523	1.20 521	1.03 522	1.01 519	0.97 521

ASD4	3.54 523	3.38 526	2.05 518	1.72 523	2.51 526	9.03 530	17.71 531	2.25 525	5.51 528	2.46 525	2.81 527	2.03 522	3.36 526	2.73 525	5.06 527	1.22 522	1.34 524	1.13 519	1.33 524	1.68 523	1.49 525

JetRed	1.62 520	1.46 523	2.98 519	0.92 513	1.21 522	4.99 526	1.53 525	1.27 524	1.39 516	1.83 523	1.74 524	1.60 521	0.95 513	1.41 522	2.45 526	0.90 520	1.60 525	0.93 516	0.90 520	1.35 522	0.99 522

MADNet++	1.95 521	1.75 524	1.59 517	1.82 524	1.69 524	2.33 524	1.40 524	2.35 526	2.09 526	2.57 526	2.36 526	2.24 524	2.17 525	2.28 524	2.34 524	1.87 526	1.66 526	1.54 525	1.34 525	1.92 524	1.77 526

PML	8.91 532	9.34 536	6.13 525	5.35 529	6.41 530	14.99 533	23.38 537	5.27 527	6.83 529	18.04 538	28.19 543	7.67 530	6.83 529	7.85 531	5.75 528	5.35 532	1.83 527	5.95 536	1.93 527	8.64 534	2.52 527

xxxxx1	7.79 526	5.02 529	7.31 527	3.12 526	3.85 527	16.35 534	22.88 532	5.86 531	8.69 530	7.97 530	8.54 528	9.12 532	8.27 530	10.18 532	10.92 530	2.42 527	2.45 528	3.56 530	12.37 534	3.77 526	3.06 528

tt_ll	7.79 526	5.02 529	7.31 527	3.12 526	3.85 527	16.35 534	22.88 532	5.86 531	8.69 530	7.97 530	8.54 528	9.12 532	8.27 530	10.18 532	10.92 530	2.42 527	2.45 528	3.56 530	12.37 534	3.77 526	3.06 528

ff	7.79 526	5.02 529	7.31 527	3.12 526	3.85 527	16.35 534	22.88 532	5.86 531	8.69 530	7.97 530	8.54 528	9.12 532	8.27 530	10.18 532	10.92 530	2.42 527	2.45 528	3.56 530	12.37 534	3.77 526	3.06 528

LRCNet_RVC	10.62 534	13.42 537	7.30 526	18.92 537	2.07 525	0.33 458	0.30 477	5.59 530	0.48 452	13.03 536	17.94 537	8.87 531	5.65 528	4.79 528	1.89 523	23.51 541	2.73 531	27.55 542	25.71 542	16.07 539	16.33 540

DPSMNet_ROB	8.06 530	4.48 527	8.63 533	5.37 531	10.74 533	8.32 528	22.98 536	5.46 528	13.36 535	5.12 528	9.92 531	5.08 527	10.40 533	5.53 530	12.58 533	3.80 531	8.00 532	3.50 528	7.02 531	3.83 529	7.14 533

DGTPSM_ROB	8.06 530	4.48 527	8.63 533	5.35 529	10.72 532	8.32 528	22.97 535	5.46 528	13.35 534	5.12 528	9.92 531	5.08 527	10.40 533	5.52 529	12.58 533	3.79 530	8.00 532	3.50 528	7.02 531	3.83 529	7.14 533

Anonymous_1	10.96 535	7.92 533	7.46 530	10.33 532	10.06 531	18.65 538	26.34 538	11.06 535	13.44 536	9.40 533	10.05 533	9.67 535	11.23 535	10.73 535	12.72 535	6.42 534	8.38 534	5.77 533	10.61 533	12.12 535	6.77 532

DPSM_ROB	11.15 536	8.58 534	8.00 531	10.88 533	11.58 534	19.10 539	26.71 539	12.05 536	14.07 537	10.36 534	10.84 534	10.33 536	11.86 536	11.70 536	13.54 536	6.99 535	8.79 535	5.89 534	6.95 529	7.29 532	7.42 535

DPSM	11.15 536	8.58 534	8.00 531	10.88 533	11.58 534	19.10 539	26.71 539	12.05 536	14.07 537	10.36 534	10.84 534	10.33 536	11.86 536	11.70 536	13.54 536	6.99 535	8.79 535	5.89 534	6.95 529	7.29 532	7.42 535

tt	4.67 525	0.06 43	3.55 522	2.02 525	1.55 523	10.25 531	16.71 530	8.91 534	5.03 527	1.31 520	0.94 505	4.71 526	4.76 527	3.33 526	5.87 529	6.06 533	10.30 537	1.88 527	2.11 528	2.75 525	1.21 524

HaxPig	15.71 538	18.52 541	19.18 538	16.89 536	15.89 538	7.73 527	7.60 527	13.31 538	10.82 533	15.42 537	14.91 536	15.98 538	14.92 538	15.58 538	15.98 538	18.95 540	16.73 538	19.46 540	18.08 540	19.26 540	19.05 541

LSM0	22.87 542	17.28 538	18.96 537	22.19 541	29.04 543	38.42 543	53.71 541	24.28 542	28.31 541	20.78 542	21.00 539	21.43 542	24.16 542	23.50 541	27.39 542	14.09 539	17.38 539	11.84 539	14.04 539	14.73 538	14.89 537

Selective-RAFT-Error	22.47 541	17.37 540	16.09 536	22.06 540	23.34 541	38.39 542	53.83 543	24.29 543	28.47 543	20.74 541	21.83 541	20.81 540	23.90 540	23.54 542	27.53 543	14.08 538	17.69 540	11.82 537	14.00 537	14.69 537	15.00 539

CasAABBNet	22.42 540	17.33 539	16.01 535	22.01 539	23.28 540	38.32 541	53.80 542	24.14 541	28.41 542	20.60 540	21.77 540	20.89 541	23.91 541	23.43 540	27.36 541	14.07 537	17.69 540	11.83 538	14.01 538	14.67 536	14.95 538

MEDIAN_ROB	20.38 539	24.04 542	23.31 540	21.23 538	21.71 539	10.40 532	7.92 528	17.64 539	15.50 539	20.12 539	19.70 538	20.34 539	20.32 539	21.19 539	21.13 539	23.81 542	21.81 542	24.98 541	23.76 541	24.71 541	23.93 542

AVERAGE_ROB	24.90 543	29.20 543	28.14 541	24.89 542	24.64 542	17.75 537	11.12 529	21.45 540	19.93 540	25.12 543	24.46 542	25.12 543	25.46 543	24.69 543	22.83 540	29.76 543	27.13 543	28.97 543	27.95 543	29.91 542	29.47 543

test_example2	98.32 544	94.13 544	45.89 542	96.35 543	109.85 544	88.61 544	95.45 544	25.75 544	94.37 544	130.00 545	126.06 545	58.17 544	74.63 544	88.51 544	79.96 544	150.23 544	221.02 544	77.62 544	99.10 544	113.75 544	96.94 544

ccccc	245.47 545	285.66 545	306.18 545	368.85 545	370.60 545	123.16 545	145.33 545	115.05 545	110.08 545	126.68 544	110.87 544	122.83 545	165.88 545	252.94 545	276.56 545	384.56 545	353.86 545	254.69 545	223.00 545	425.87 545	386.83 545

Low-res two-view benchmark