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

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

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

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

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

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

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

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

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

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

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

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

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

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	0.06 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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_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

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

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

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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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_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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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+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

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

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

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

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

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

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

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)
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

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

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

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

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
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

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

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

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

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

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
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

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.
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

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
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

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

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

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_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

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

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_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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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_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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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
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

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

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

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
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

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

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

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

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

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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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
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

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

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

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
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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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