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

Pointernet	0.37 5	0.20 2	0.57 58	0.43 15	0.28 63	0.51 70	0.27 22	0.93 68	0.61 36	0.47 25	0.63 40	0.49 36	0.38 28	0.49 8	0.33 25	0.17 40	0.13 51	0.14 1	0.11 7	0.13 1	0.12 3

LoS_RVC	0.42 21	0.26 61	0.40 9	0.44 31	0.82 399	0.51 70	0.44 157	0.64 5	0.41 3	0.44 17	0.78 74	0.44 14	0.47 62	0.56 20	0.36 52	0.13 1	0.12 12	0.14 1	0.10 2	0.13 1	0.84 424

WCG-NET（raft）	0.45 40	0.21 7	0.55 48	0.40 7	0.24 13	0.50 55	0.36 76	0.73 14	1.09 205	0.71 73	0.76 70	0.92 184	0.51 86	0.84 87	0.34 39	0.16 15	0.12 12	0.15 4	0.14 37	0.14 3	0.14 19

trnet	0.39 10	0.21 7	0.37 2	0.36 2	0.20 2	0.53 79	0.29 30	0.78 25	1.12 216	0.59 59	0.71 59	0.53 51	0.42 37	0.54 15	0.34 39	0.18 73	0.13 51	0.15 4	0.10 2	0.14 3	0.13 4

LoS	0.40 15	0.21 7	0.44 14	0.37 3	0.22 6	0.50 55	0.40 111	1.00 95	0.94 136	0.48 29	0.66 43	0.48 29	0.40 32	0.60 36	0.37 60	0.18 73	0.14 92	0.16 15	0.11 7	0.14 3	0.14 19
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
AnonymousM	0.59 130	1.11 426	0.41 11	0.44 31	0.32 131	0.43 25	0.47 183	1.05 116	0.64 45	0.98 137	0.63 40	0.67 92	0.43 41	0.59 25	0.41 92	0.20 140	0.15 146	1.84 445	0.84 436	0.14 3	0.13 4

CREStereo	0.39 10	0.21 7	0.38 5	0.34 1	0.22 6	0.53 79	0.29 30	0.77 21	1.11 212	0.58 52	0.71 59	0.51 41	0.41 34	0.54 15	0.34 39	0.18 73	0.13 51	0.15 4	0.10 2	0.14 3	0.14 19
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
IGEV-Stereo++	0.30 1	0.20 2	0.40 9	0.46 45	0.30 95	0.33 6	0.22 3	0.75 17	0.45 6	0.32 2	0.41 4	0.32 3	0.48 72	0.38 2	0.27 2	0.15 7	0.11 4	0.15 4	0.12 13	0.15 8	0.13 4

testlalala	0.45 40	0.28 102	0.59 69	0.42 13	0.39 215	0.71 179	0.39 105	1.08 136	0.45 6	1.24 260	0.80 83	0.61 75	0.36 22	0.54 15	0.33 25	0.20 140	0.13 51	0.18 52	0.12 13	0.15 8	0.15 37

CAS	0.63 150	0.18 1	0.37 2	2.27 447	0.84 401	0.57 100	0.54 232	0.79 27	0.62 38	0.48 29	0.70 56	0.36 6	0.26 2	0.45 4	0.35 46	2.24 447	0.10 1	0.14 1	0.09 1	0.15 8	1.06 436

DCANet-4	0.54 90	0.26 61	1.07 311	0.42 13	0.24 13	0.48 36	0.36 76	0.99 91	1.30 318	1.10 175	1.02 140	0.56 58	0.75 180	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

fff	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 292	1.10 175	1.02 140	0.57 60	1.06 321	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

raftrobust	0.52 66	0.25 49	0.56 49	0.65 306	0.52 304	0.49 46	0.34 60	0.98 89	0.91 126	1.30 288	0.87 93	0.63 78	0.81 211	0.78 71	0.41 92	0.19 111	0.15 146	0.16 15	0.14 37	0.15 8	0.16 56

csc	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 292	1.10 175	1.02 140	0.57 60	1.06 321	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

cscssc	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 292	1.10 175	1.02 140	0.57 60	1.06 321	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

Gwc-CoAtRS	0.52 66	0.24 30	0.68 111	0.48 74	0.29 78	0.64 128	0.25 8	1.16 156	1.08 199	1.01 147	1.00 126	1.12 254	0.56 112	0.69 48	0.37 60	0.16 15	0.13 51	0.17 23	0.15 47	0.15 8	0.15 37

PMTNet	0.46 44	0.21 7	0.38 5	0.37 3	0.23 8	0.71 179	0.27 22	0.74 16	1.04 182	0.64 63	0.70 56	0.55 53	0.47 62	0.86 93	0.35 46	1.00 430	0.13 51	0.15 4	0.10 2	0.15 8	0.13 4

UGAM-zero	1.00 320	0.30 151	0.93 259	0.47 53	0.30 95	0.57 100	0.25 8	2.25 412	0.63 41	1.01 147	1.10 171	2.73 425	1.85 411	6.26 422	0.40 81	0.17 40	0.14 92	0.19 70	0.15 47	0.16 18	0.17 80

WCG-NET	0.46 44	0.23 23	0.52 35	0.45 41	0.35 166	0.70 173	0.26 15	0.95 79	0.96 143	0.74 81	0.69 53	0.65 84	0.52 90	0.88 95	0.33 25	0.18 73	0.13 51	0.16 15	0.15 47	0.16 18	0.17 80

Occ-G	0.42 21	0.21 7	0.48 18	0.41 8	0.26 26	0.42 20	0.62 285	0.77 21	0.49 12	0.43 15	0.66 43	1.02 222	0.46 53	0.78 71	0.41 92	0.16 15	0.13 51	0.18 52	0.13 19	0.16 18	0.16 56

AIO-Stereo	0.37 5	0.25 49	0.51 30	0.47 53	0.23 8	0.45 30	0.39 105	1.07 131	0.52 25	0.41 10	0.48 13	0.52 46	0.25 1	0.72 57	0.30 7	0.16 15	0.12 12	0.17 23	0.13 19	0.16 18	0.13 4

RAFT-Stereo-weight	0.47 51	0.24 30	0.53 38	0.48 74	0.27 42	0.60 114	0.35 64	1.02 101	1.07 194	0.99 140	0.78 74	0.76 114	0.28 4	0.76 67	0.36 52	0.16 15	0.12 12	0.17 23	0.15 47	0.16 18	0.15 37

IGEV++	0.40 15	0.22 18	0.51 30	0.52 143	0.29 78	0.45 30	0.25 8	1.65 275	0.46 10	0.37 6	0.57 33	0.46 22	0.45 49	0.50 9	0.38 70	0.19 111	0.12 12	0.16 15	0.13 19	0.16 18	0.15 37

IGEVStereo-DCA	0.46 44	0.28 102	0.56 49	0.43 15	0.33 148	0.49 46	0.42 127	0.87 46	0.50 14	0.47 25	0.48 13	0.48 29	0.46 53	2.03 301	0.30 7	0.19 111	0.14 92	0.19 70	0.15 47	0.16 18	0.18 105

rrr	0.46 44	0.28 102	0.73 158	0.43 15	0.33 148	0.49 46	0.38 92	0.76 20	0.50 14	0.47 25	0.48 13	0.48 29	0.46 53	2.03 301	0.30 7	0.19 111	0.14 92	0.19 70	0.15 47	0.16 18	0.16 56

MSKI-zero shot	0.55 105	0.26 61	0.57 58	0.51 124	0.26 26	0.69 166	0.28 26	1.18 163	0.64 45	0.91 119	1.32 263	0.82 136	0.33 15	1.92 290	0.32 16	0.17 40	0.12 12	0.17 23	0.13 19	0.16 18	0.16 56

Any-RAFT	0.53 75	0.24 30	0.47 16	0.47 53	0.27 42	1.00 284	0.25 8	1.58 259	1.05 186	0.85 109	0.99 122	1.06 231	0.47 62	0.70 51	0.32 16	0.18 73	0.13 51	0.16 15	0.13 19	0.16 18	0.16 56

RAFT-Test	0.54 90	0.25 49	0.64 90	0.47 53	0.30 95	0.97 277	0.27 22	1.24 185	0.81 95	0.96 130	1.12 184	1.28 294	0.48 72	0.71 54	0.36 52	0.17 40	0.13 51	0.17 23	0.14 37	0.16 18	0.16 56

Selective-IGEV	0.39 10	0.24 30	0.50 24	0.44 31	0.25 23	0.46 33	0.33 48	1.25 187	0.40 2	0.35 4	0.45 9	0.52 46	0.30 8	1.07 145	0.30 7	0.14 4	0.12 12	0.17 23	0.13 19	0.16 18	0.13 4

MC-Stereo	0.43 25	0.23 23	0.48 18	0.51 124	0.28 63	0.39 12	0.32 44	0.88 53	0.68 64	0.60 60	0.84 87	0.56 58	0.61 142	1.03 132	0.31 14	0.17 40	0.11 4	0.17 23	0.15 47	0.16 18	0.13 4

RCA-Stereo	0.50 64	0.23 23	0.58 62	0.48 74	0.33 148	0.55 92	0.45 171	0.97 87	1.38 352	0.68 68	1.05 153	0.63 78	0.80 208	0.59 25	0.32 16	0.17 40	0.12 12	0.17 23	0.14 37	0.16 18	0.14 19

RAFT-RH_RVC	1.03 327	0.24 30	0.67 108	0.49 88	0.28 63	0.81 228	0.33 48	0.83 42	1.08 199	2.05 408	4.65 445	1.04 229	0.57 121	5.98 421	0.50 166	0.18 73	0.13 51	0.26 263	0.20 164	0.16 18	0.17 80

TANstereo	0.44 33	0.21 7	0.44 14	0.41 8	0.21 4	0.65 142	0.26 15	0.79 27	0.83 101	0.93 122	0.98 120	0.51 41	0.46 53	0.54 15	0.35 46	0.18 73	0.24 317	0.16 15	0.13 19	0.16 18	0.26 264

CFNet-RSSM	0.54 90	0.24 30	0.70 128	0.48 74	0.28 63	0.60 114	0.27 22	1.49 232	1.14 230	1.06 158	0.93 105	1.08 237	0.54 101	0.70 51	0.35 46	0.16 15	0.12 12	0.17 23	0.15 47	0.16 18	0.14 19

model_zeroshot	0.48 57	0.29 132	0.86 222	0.51 124	0.36 176	0.69 166	0.37 86	1.12 148	0.62 38	0.85 109	0.84 87	0.66 89	0.37 23	0.73 61	0.34 39	0.20 140	0.16 181	0.19 70	0.16 81	0.17 35	0.16 56

GCAP-BAT	0.49 61	0.31 184	0.64 90	0.41 8	0.46 269	0.70 173	0.35 64	0.77 21	0.64 45	0.86 111	1.00 126	0.77 117	0.37 23	1.18 164	0.36 52	0.18 73	0.14 92	0.18 52	0.13 19	0.17 35	0.15 37

U	9.45 468	0.21 7	0.58 62	0.47 53	53.11 486	61.27 491	0.24 7	0.70 12	0.52 25	0.36 5	0.28 2	0.29 1	0.35 20	0.33 1	0.26 1	0.19 111	0.11 4	60.50 487	8.88 474	0.17 35	0.13 4

RSM	0.39 10	0.24 30	0.49 21	0.46 45	0.26 26	0.47 35	0.40 111	0.92 62	0.44 5	0.41 10	0.42 5	0.65 84	0.33 15	1.07 145	0.29 4	0.15 7	0.12 12	0.17 23	0.13 19	0.17 35	0.13 4

gcap-zeroshot	0.53 75	0.28 102	0.89 246	0.49 88	0.28 63	0.76 199	0.37 86	1.34 200	0.73 79	0.89 113	0.67 46	1.35 308	0.51 86	0.79 75	0.33 25	0.18 73	0.15 146	0.18 52	0.15 47	0.17 35	0.16 56

testlalala2	0.58 125	0.27 84	0.68 111	1.72 440	1.27 437	0.68 161	0.42 127	0.93 68	0.70 69	0.90 115	0.93 105	0.76 114	0.34 19	0.52 11	0.40 81	0.18 73	0.15 146	0.17 23	0.13 19	0.17 35	0.17 80

MGS-Stereo	0.42 21	0.26 61	0.58 62	0.44 31	0.28 63	0.50 55	0.34 60	0.57 3	0.83 101	0.46 23	1.31 257	0.52 46	0.33 15	0.65 43	0.36 52	0.19 111	0.16 181	0.18 52	0.15 47	0.17 35	0.16 56

MoCha-V2	0.40 15	0.20 2	0.49 21	0.50 97	0.21 4	0.44 27	0.33 48	0.93 68	0.53 27	0.53 46	0.53 20	0.42 10	0.58 130	1.09 149	0.27 2	0.14 4	0.12 12	0.15 4	0.12 13	0.17 35	0.15 37

MIM_Stereo	0.57 120	0.24 30	0.92 257	0.46 45	0.30 95	0.54 86	0.28 26	1.27 189	0.75 81	1.00 144	1.16 203	0.93 186	0.53 96	1.45 218	0.61 214	0.16 15	0.16 181	0.20 97	0.19 132	0.17 35	0.14 19

AEACV	0.37 5	0.24 30	0.52 35	0.47 53	0.51 296	0.37 11	0.38 92	0.65 6	0.53 27	0.42 12	0.56 31	0.46 22	0.60 134	0.53 13	0.30 7	0.16 15	0.13 51	0.18 52	0.15 47	0.17 35	0.14 19

SPstereo	0.40 15	0.28 102	0.68 111	0.47 53	0.25 23	0.53 79	0.32 44	0.82 39	0.58 31	0.65 65	0.69 53	0.58 65	0.42 37	0.47 6	0.29 4	0.17 40	0.14 92	0.17 23	0.13 19	0.17 35	0.14 19

EGLCR-Stereo	0.37 5	0.22 18	0.51 30	0.43 15	0.26 26	0.44 27	0.22 3	0.99 91	0.48 11	0.42 12	0.42 5	0.67 92	0.29 7	0.86 93	0.33 25	0.17 40	0.12 12	0.19 70	0.17 98	0.17 35	0.15 37

ProNet	0.43 25	0.28 102	0.58 62	0.43 15	0.30 95	0.56 95	0.52 219	1.00 95	0.58 31	0.44 17	0.49 16	0.43 12	0.43 41	1.28 180	0.36 52	0.15 7	0.13 51	0.19 70	0.16 81	0.17 35	0.16 56

test-3	0.54 90	0.22 18	0.68 111	0.47 53	0.27 42	0.58 102	0.35 64	0.92 62	1.00 168	1.32 300	0.69 53	0.87 160	0.45 49	1.68 261	0.37 60	0.16 15	0.11 4	0.20 97	0.16 81	0.17 35	0.13 4

test_1	0.54 90	0.22 18	0.68 111	0.47 53	0.27 42	0.58 102	0.35 64	0.92 62	1.00 168	1.28 274	0.68 49	0.87 160	0.45 49	1.67 256	0.37 60	0.16 15	0.11 4	0.20 97	0.16 81	0.17 35	0.13 4

TRStereo	0.60 133	0.60 377	0.97 274	0.74 365	0.67 359	0.46 33	0.38 92	1.85 331	0.89 117	0.79 91	0.80 83	0.88 164	0.39 29	1.10 150	0.41 92	0.23 218	0.15 146	0.23 186	0.24 265	0.17 35	0.15 37

RAFT-345	0.84 270	0.25 49	0.66 103	0.50 97	0.27 42	0.54 86	0.42 127	0.83 42	1.11 212	1.32 300	2.34 409	0.86 156	0.54 101	5.72 413	0.47 148	0.18 73	0.13 51	0.22 150	0.17 98	0.17 35	0.16 56

XX-TBD	0.46 44	0.70 394	0.35 1	0.79 377	0.25 23	0.58 102	0.26 15	0.69 10	1.27 303	0.76 82	1.00 126	0.45 20	0.33 15	0.47 6	0.37 60	0.19 111	0.15 146	0.15 4	0.11 7	0.17 35	0.14 19

111	0.60 133	0.23 23	0.70 128	0.43 15	0.24 13	0.72 182	0.42 127	1.18 163	1.41 364	0.80 93	1.38 285	1.10 249	0.79 202	0.96 113	0.58 202	0.18 73	0.13 51	0.17 23	0.15 47	0.17 35	0.19 140

test_xeample3	0.42 21	0.28 102	0.69 122	0.43 15	0.33 148	0.56 95	0.38 92	0.79 27	0.45 6	0.53 46	0.46 11	0.44 14	0.44 46	1.38 202	0.31 14	0.18 73	0.14 92	0.19 70	0.15 47	0.17 35	0.16 56

ARAFT	0.77 237	0.36 271	1.49 380	0.51 124	0.31 114	0.90 251	0.82 340	1.90 344	1.06 189	1.62 375	1.24 228	1.02 222	0.64 156	1.84 281	0.50 166	0.18 73	0.14 92	0.28 290	0.27 305	0.17 35	0.16 56

RAFT-Stereo + iAFF	0.54 90	0.25 49	0.68 111	0.43 15	0.24 13	0.40 13	0.34 60	1.04 110	1.09 205	1.32 300	1.60 339	0.80 127	0.68 165	0.67 47	0.39 77	0.13 1	0.10 1	0.18 52	0.17 98	0.17 35	0.13 4

AFF-stereo	0.58 125	0.25 49	0.64 90	0.46 45	0.29 78	0.34 7	0.38 92	1.15 154	1.14 230	1.17 224	1.60 339	1.10 249	0.71 174	0.97 119	0.43 111	0.13 1	0.11 4	0.19 70	0.19 132	0.17 35	0.14 19

EAI-Stereo	0.65 167	0.28 102	0.69 122	0.53 157	0.27 42	0.60 114	0.40 111	2.28 416	0.64 45	0.71 73	3.18 427	0.57 60	0.43 41	1.06 141	0.41 92	0.18 73	0.13 51	0.17 23	0.17 98	0.17 35	0.17 80

R-Stereo Train	0.57 120	0.26 61	0.63 84	0.54 172	0.36 176	0.69 166	0.54 232	1.22 179	0.72 75	1.61 372	1.50 319	0.75 110	0.53 96	0.64 39	0.44 114	0.18 73	0.15 146	0.17 23	0.15 47	0.17 35	0.17 80

RAFT-Stereo	0.57 120	0.26 61	0.63 84	0.54 172	0.36 176	0.69 166	0.54 232	1.22 179	0.72 75	1.61 372	1.50 319	0.75 110	0.53 96	0.64 39	0.44 114	0.18 73	0.15 146	0.17 23	0.15 47	0.17 35	0.17 80
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RAStereo	0.34 2	0.21 7	0.66 103	0.47 53	0.27 42	0.26 2	0.29 30	0.69 10	0.63 41	0.32 2	0.42 5	0.45 20	0.31 10	0.45 4	0.34 39	0.17 40	0.15 146	0.19 70	0.15 47	0.18 61	0.13 4

RSM++	0.38 9	0.24 30	0.51 30	0.47 53	0.26 26	0.50 55	0.41 124	0.79 27	0.45 6	0.37 6	0.45 9	0.60 71	0.35 20	1.02 131	0.30 7	0.15 7	0.13 51	0.17 23	0.14 37	0.18 61	0.13 4

tta	0.75 230	0.30 151	0.86 222	0.46 45	0.26 26	0.82 229	0.43 144	2.05 376	1.39 356	1.23 252	1.47 309	0.98 206	0.95 279	1.71 264	0.82 284	0.24 233	0.20 258	0.22 150	0.21 204	0.18 61	0.18 105

qqq1	0.72 202	0.30 151	0.86 222	0.46 45	0.26 26	0.82 229	0.43 144	2.05 376	1.39 356	1.23 252	1.47 309	0.98 206	0.95 279	1.71 264	0.44 114	0.24 233	0.20 258	0.18 52	0.15 47	0.18 61	0.18 105

fff1	0.72 202	0.30 151	0.86 222	0.46 45	0.26 26	0.82 229	0.43 144	2.05 376	1.39 356	1.23 252	1.47 309	0.98 206	0.95 279	1.71 264	0.44 114	0.24 233	0.20 258	0.18 52	0.15 47	0.18 61	0.18 105

ff7	0.43 25	0.27 84	0.56 49	0.44 31	0.33 148	0.50 55	0.42 127	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 202	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

ffff	0.43 25	0.27 84	0.56 49	0.44 31	0.33 148	0.50 55	0.42 127	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 202	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

11t	0.43 25	0.27 84	0.56 49	0.44 31	0.33 148	0.50 55	0.42 127	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 202	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

MaDis-Stereo	0.36 3	0.25 49	0.58 62	0.44 31	0.34 163	0.30 5	0.30 35	0.72 13	0.50 14	0.37 6	0.36 3	0.58 65	0.49 80	0.52 11	0.36 52	0.19 111	0.16 181	0.19 70	0.15 47	0.18 61	0.14 19

anonymousdsp	0.43 25	0.27 84	0.53 38	0.44 31	0.32 131	0.50 55	0.42 127	0.89 54	0.51 21	0.49 34	0.53 20	0.47 26	0.47 62	1.33 190	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

DCRE	0.82 259	0.26 61	0.70 128	0.58 229	0.44 252	0.54 86	0.48 192	0.95 79	0.78 89	0.78 88	7.33 458	0.86 156	0.52 90	0.76 67	0.41 92	0.16 15	0.16 181	0.19 70	0.17 98	0.18 61	0.17 80

ccc-4	0.43 25	0.27 84	0.56 49	0.44 31	0.33 148	0.50 55	0.42 127	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 202	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

ADStereo(finetuned)	0.57 120	0.24 30	1.06 306	0.43 15	0.24 13	0.49 46	0.35 64	1.05 116	1.30 318	1.12 182	1.03 148	0.58 65	1.20 347	0.84 87	0.51 171	0.16 15	0.13 51	0.17 23	0.13 19	0.18 61	0.19 140

IGEV-Stereo	0.43 25	0.27 84	0.54 43	0.45 41	0.32 131	0.50 55	0.42 127	0.90 60	0.51 21	0.49 34	0.53 20	0.47 26	0.47 62	1.32 188	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IPLG	0.69 189	0.27 84	0.97 274	0.51 124	0.43 245	0.79 216	0.33 48	1.21 171	1.06 189	1.30 288	1.10 171	0.52 46	0.55 108	3.16 362	0.63 221	0.16 15	0.14 92	0.19 70	0.16 81	0.18 61	0.17 80

MIPNet	0.56 114	0.28 102	0.94 263	0.49 88	0.33 148	0.66 150	0.38 92	1.35 202	1.08 199	1.06 158	0.92 102	0.60 71	0.79 202	0.73 61	0.52 178	0.17 40	0.14 92	0.19 70	0.16 81	0.18 61	0.17 80

ACRE	0.61 139	0.33 219	1.01 287	0.58 229	0.49 278	0.75 194	0.47 183	1.06 129	0.95 138	1.37 318	1.55 327	0.62 76	0.46 53	0.83 85	0.70 240	0.23 218	0.15 146	0.19 70	0.16 81	0.18 61	0.21 183

CrosDoStereo	1.58 391	0.24 30	0.72 146	0.48 74	0.29 78	0.67 154	12.49 472	1.10 140	0.98 156	1.34 311	1.75 365	1.00 213	1.89 413	6.65 429	0.81 279	0.19 111	0.15 146	0.20 97	0.22 231	0.18 61	0.19 140

STrans-v2	1.04 330	0.28 102	0.96 272	0.49 88	0.32 131	0.68 161	0.79 330	2.47 431	1.12 216	1.12 182	1.46 308	1.40 313	1.46 378	6.70 433	0.43 111	0.18 73	0.13 51	0.20 97	0.18 112	0.18 61	0.18 105

TransformOpticalFlow	0.96 303	0.28 102	0.89 246	0.52 143	0.31 114	0.66 150	0.54 232	1.75 296	1.12 216	1.09 167	1.44 301	1.37 312	1.01 305	6.70 433	0.42 102	0.19 111	0.12 12	0.20 97	0.19 132	0.18 61	0.19 140

FTStereo	0.91 292	0.26 61	0.56 49	0.54 172	0.33 148	0.66 150	1.87 436	1.00 95	0.75 81	1.75 384	4.15 438	1.04 229	1.65 395	1.57 240	0.46 141	0.19 111	0.16 181	0.23 186	0.21 204	0.18 61	0.63 408

DeepStereo_LL	1.58 391	0.24 30	0.72 146	0.48 74	0.29 78	0.67 154	12.49 472	1.10 140	0.98 156	1.34 311	1.75 365	1.00 213	1.89 413	6.65 429	0.81 279	0.19 111	0.15 146	0.20 97	0.22 231	0.18 61	0.19 140

DEmStereo	0.97 309	0.23 23	0.79 202	0.47 53	0.32 131	1.04 292	0.56 255	0.93 68	0.89 117	1.39 328	2.14 400	1.02 222	2.07 424	5.64 412	0.77 266	0.17 40	0.15 146	0.20 97	0.20 164	0.18 61	0.20 167

DRaft	0.80 251	0.24 30	0.70 128	0.45 41	0.30 95	0.97 277	0.53 227	1.05 116	0.97 151	1.78 387	2.02 392	0.80 127	1.74 402	2.73 347	0.72 248	0.17 40	0.14 92	0.20 97	0.20 164	0.18 61	0.21 183

GrayStereo	0.82 259	0.26 61	0.58 62	0.63 285	0.37 188	0.76 199	1.86 435	1.11 146	0.87 110	1.99 405	1.89 382	1.08 237	1.82 410	1.39 207	0.48 153	0.19 111	0.14 92	0.19 70	0.21 204	0.18 61	0.39 349

CREStereo++_RVC	0.47 51	0.21 7	0.38 5	0.45 41	0.38 205	0.45 30	0.25 8	0.75 17	1.29 312	0.80 93	1.21 220	0.47 26	0.37 23	0.53 13	0.44 114	0.16 15	0.11 4	0.15 4	0.80 434	0.18 61	0.11 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.52 66	0.20 2	0.38 5	0.41 8	0.19 1	0.96 273	0.34 60	1.17 158	1.25 292	0.81 97	0.90 98	0.63 78	0.50 84	1.45 218	0.42 102	0.14 4	0.12 12	0.17 23	0.11 7	0.18 61	0.11 1

raft+_RVC	0.53 75	0.26 61	0.54 43	0.60 253	0.47 274	0.54 86	0.54 232	1.27 189	0.99 163	0.76 82	1.03 148	0.70 103	0.56 112	0.93 110	0.47 148	0.18 73	0.14 92	0.19 70	0.18 112	0.18 61	0.15 37

XX-Stereo	0.63 150	0.26 61	1.90 405	0.81 383	0.67 359	0.43 25	0.23 5	1.03 105	0.58 31	0.65 65	1.56 331	1.41 316	0.39 29	1.28 180	0.35 46	0.20 140	0.14 92	0.20 97	0.19 132	0.18 61	0.14 19

DCANet	0.54 90	0.24 30	0.70 128	0.43 15	0.24 13	0.49 46	0.36 76	1.05 116	1.30 318	1.12 182	1.03 148	0.58 65	0.92 260	0.81 80	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.18 61	0.19 140

RASNet	1.12 346	0.30 151	0.91 253	0.66 313	0.77 386	0.97 277	0.57 265	1.37 205	1.35 341	1.02 151	1.34 272	2.11 402	1.43 374	7.09 438	1.39 365	0.19 111	0.17 208	0.17 23	0.19 132	0.18 61	0.16 56

iResNet_ROB	0.77 237	0.30 151	0.99 278	0.57 223	0.36 176	0.83 234	0.36 76	2.33 419	1.58 386	1.27 272	1.30 251	1.25 283	0.84 226	1.65 251	0.79 274	0.20 140	0.14 92	0.17 23	0.12 13	0.18 61	0.27 273

UGAM	1.14 351	0.27 84	0.95 267	0.53 157	0.42 237	0.70 173	0.72 313	0.95 79	1.32 326	0.98 137	1.48 314	1.78 374	0.87 242	9.65 464	0.87 295	0.21 169	0.18 225	0.30 311	0.24 265	0.19 93	0.16 56

DispNO	0.93 297	0.30 151	1.34 360	0.55 194	0.55 316	0.89 248	0.49 201	1.48 230	1.21 276	1.17 224	1.27 242	1.19 268	0.90 254	5.23 399	0.74 252	0.22 193	0.17 208	0.24 206	0.21 204	0.19 93	0.20 167

AE-Stereo	0.49 61	0.27 84	0.67 108	0.60 253	0.39 215	0.67 154	0.46 177	1.18 163	1.09 205	0.47 25	0.75 68	0.69 99	0.47 62	0.59 25	0.40 81	0.16 15	0.15 146	0.21 123	0.20 164	0.19 93	0.15 37

cc1	0.64 161	0.31 184	0.50 24	0.54 172	0.26 26	1.18 317	0.51 209	0.93 68	3.05 441	0.58 52	0.79 78	0.48 29	0.88 247	1.46 220	0.32 16	0.20 140	0.12 12	0.25 244	0.15 47	0.19 93	0.19 140

ffm	0.72 202	0.33 219	0.85 216	0.53 157	0.37 188	0.74 189	0.56 255	0.95 79	2.47 429	1.15 205	1.45 303	1.06 231	0.82 215	1.55 237	0.32 16	0.20 140	0.12 12	0.31 317	0.27 305	0.19 93	0.20 167

ff1	1.37 376	0.33 219	0.85 216	0.53 157	0.37 188	0.74 189	0.56 255	0.95 79	2.47 429	1.15 205	1.45 303	1.06 231	0.82 215	7.22 439	7.61 448	0.20 140	0.12 12	0.31 317	0.27 305	0.19 93	0.20 167

tt1	0.62 143	0.32 200	0.51 30	0.54 172	0.26 26	1.16 314	0.48 192	0.95 79	2.47 429	0.57 51	0.77 72	0.49 36	0.81 211	1.55 237	0.32 16	0.20 140	0.12 12	0.24 206	0.15 47	0.19 93	0.20 167

IGEV_Zeroshot_test	0.53 75	0.30 151	0.99 278	0.56 207	0.35 166	0.41 16	0.32 44	1.37 205	0.63 41	1.00 144	1.09 167	0.95 197	0.41 34	0.83 85	0.39 77	0.18 73	0.12 12	0.19 70	0.18 112	0.19 93	0.17 80

UniTT-Stereo	0.36 3	0.23 23	0.59 69	0.48 74	0.36 176	0.40 13	0.32 44	0.53 2	0.49 12	0.54 48	0.55 28	0.36 6	0.31 10	0.58 24	0.51 171	0.20 140	0.15 146	0.17 23	0.15 47	0.19 93	0.15 37

HH	0.63 150	0.30 151	0.77 192	0.50 97	0.32 131	0.49 46	0.46 177	1.65 275	0.64 45	0.69 69	1.09 167	1.63 355	0.85 229	1.90 288	0.37 60	0.18 73	0.13 51	0.19 70	0.17 98	0.19 93	0.16 56

HanStereo	0.63 150	0.30 151	0.77 192	0.50 97	0.32 131	0.49 46	0.46 177	1.65 275	0.64 45	0.69 69	1.09 167	1.63 355	0.85 229	1.90 288	0.37 60	0.18 73	0.13 51	0.19 70	0.17 98	0.19 93	0.16 56

4D-IteraStereo	0.48 57	0.24 30	0.76 186	0.50 97	0.44 252	0.66 150	0.31 40	0.87 46	1.02 174	1.03 154	0.72 62	0.78 121	0.32 14	0.64 39	0.37 60	0.17 40	0.11 4	0.23 186	0.19 132	0.19 93	0.13 4

anonymousdsp2	0.53 75	0.27 84	0.74 173	0.48 74	0.29 78	0.76 199	0.47 183	1.61 267	0.82 100	0.77 86	0.77 72	0.75 110	0.47 62	1.03 132	0.40 81	0.18 73	0.13 51	0.18 52	0.13 19	0.19 93	0.18 105

CES	0.48 57	0.20 2	0.37 2	0.39 5	1.39 438	0.55 92	0.35 64	0.98 89	0.66 60	0.44 17	0.66 43	0.35 5	0.27 3	0.56 20	0.33 25	0.15 7	0.13 51	0.15 4	0.10 2	0.19 93	1.46 443

Selective-RAFT	0.52 66	0.28 102	0.79 202	0.55 194	0.27 42	0.91 253	0.33 48	0.80 33	0.88 114	0.58 52	0.63 40	0.81 131	0.77 192	1.29 183	0.48 153	0.19 111	0.14 92	0.17 23	0.15 47	0.19 93	0.17 80

CIPLG	0.62 143	0.33 219	0.96 272	0.58 229	0.50 285	0.75 194	0.48 192	1.05 116	0.96 143	1.40 329	1.57 335	0.64 81	0.48 72	0.89 101	0.70 240	0.23 218	0.15 146	0.19 70	0.16 81	0.19 93	0.21 183

iRaft-Stereo_20w	0.65 167	0.31 184	1.00 283	0.47 53	0.34 163	0.73 185	0.30 35	2.96 439	0.70 69	1.15 205	1.14 193	0.76 114	0.65 162	1.11 153	0.38 70	0.17 40	0.13 51	0.18 52	0.16 81	0.19 93	0.18 105

IPLGR_C	0.62 143	0.33 219	0.99 278	0.58 229	0.49 278	0.76 199	0.48 192	1.10 140	0.96 143	1.40 329	1.56 331	0.62 76	0.48 72	0.80 77	0.71 245	0.23 218	0.15 146	0.19 70	0.16 81	0.19 93	0.21 183

HHNet	0.62 143	0.26 61	0.63 84	0.43 15	0.45 259	0.50 55	0.58 269	1.07 131	1.01 171	1.25 265	2.23 404	0.70 103	0.61 142	1.07 145	0.47 148	0.20 140	0.13 51	0.23 186	0.19 132	0.19 93	0.30 301

ASMatch	0.88 284	0.26 61	0.69 122	0.51 124	0.35 166	0.48 36	0.37 86	1.12 148	0.92 131	1.10 175	3.28 428	0.96 203	0.98 293	4.90 394	0.49 160	0.19 111	0.16 181	0.22 150	0.19 132	0.19 93	0.27 273

THIR-Stereo	1.02 326	0.27 84	0.69 122	0.49 88	0.28 63	0.95 269	1.34 410	1.03 105	0.97 151	1.34 311	1.90 383	1.17 264	1.58 388	6.44 426	0.78 268	0.19 111	0.14 92	0.21 123	0.22 231	0.19 93	0.20 167

CroCo-Stereo	0.40 15	0.31 184	0.73 158	0.58 229	0.27 42	0.26 2	0.33 48	0.95 79	0.81 95	0.42 12	0.47 12	0.65 84	0.47 62	0.39 3	0.34 39	0.18 73	0.15 146	0.16 15	0.14 37	0.19 93	0.16 56
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
cross-raft	0.54 90	0.25 49	0.61 77	0.52 143	0.29 78	0.68 161	0.37 86	1.46 227	0.76 85	1.01 147	1.06 155	1.28 294	0.46 53	0.71 54	0.35 46	0.15 7	0.12 12	0.18 52	0.16 81	0.19 93	0.14 19

iRaftStereo_RVC	0.47 51	0.26 61	0.64 90	0.50 97	0.29 78	0.53 79	0.33 48	1.05 116	0.77 87	0.84 105	1.00 126	0.55 53	0.37 23	0.81 80	0.40 81	0.17 40	0.12 12	0.22 150	0.20 164	0.19 93	0.15 37

cf-r	0.73 219	0.30 151	0.77 192	0.55 194	0.63 349	0.78 212	0.48 192	1.79 315	1.15 241	1.13 196	1.26 239	1.43 318	0.87 242	1.40 212	0.85 292	0.25 257	0.18 225	0.22 150	0.23 253	0.19 93	0.19 140

DIP-Stereo	0.62 143	0.30 151	0.83 214	0.48 74	0.36 176	0.95 269	0.33 48	2.37 424	0.67 61	1.25 265	1.00 126	0.68 94	0.51 86	0.91 103	0.61 214	0.18 73	0.15 146	0.21 123	0.17 98	0.19 93	0.19 140
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MLCV	0.72 202	0.34 241	1.10 319	0.51 124	0.23 8	0.91 253	0.39 105	1.33 195	1.23 285	1.46 343	1.55 327	1.01 220	0.64 156	1.95 295	0.80 278	0.18 73	0.12 12	0.18 52	0.14 37	0.19 93	0.17 80

CoDeX	0.73 219	0.29 132	0.93 259	0.54 172	0.36 176	1.14 307	0.61 282	2.34 421	1.17 252	1.16 215	1.25 232	0.91 175	0.87 242	1.33 190	0.64 225	0.20 140	0.16 181	0.21 123	0.18 112	0.20 120	0.18 105

11t1	0.52 66	0.28 102	0.68 111	0.51 124	0.28 63	0.83 234	0.39 105	1.22 179	0.63 41	0.84 105	0.74 66	0.68 94	0.68 165	0.91 103	0.57 199	0.21 169	0.18 225	0.19 70	0.16 81	0.20 120	0.21 183

EKT-Stereo	0.53 75	0.30 151	0.73 158	0.58 229	0.60 340	0.51 70	0.48 192	0.94 75	0.90 121	0.71 73	0.88 95	0.77 117	0.43 41	1.07 145	0.40 81	0.22 193	0.16 181	0.21 123	0.18 112	0.20 120	0.22 200

anonymousa	0.72 202	0.27 84	0.75 176	0.47 53	0.63 349	1.43 355	0.45 171	1.24 185	0.89 117	1.28 274	1.75 365	1.62 352	1.13 335	0.69 48	0.59 204	0.19 111	0.16 181	0.23 186	0.25 278	0.20 120	0.18 105

DisPM	0.66 174	0.28 102	0.72 146	0.61 266	0.35 166	0.62 124	0.45 171	1.02 101	0.99 163	1.56 365	1.10 171	0.80 127	0.59 131	2.37 331	0.41 92	0.23 218	0.14 92	0.23 186	0.21 204	0.20 120	0.25 243

IER	0.70 193	0.31 184	1.02 294	0.48 74	0.52 304	1.34 342	0.51 209	1.17 158	0.99 163	1.23 252	1.34 272	1.12 254	1.11 330	0.99 123	0.71 245	0.20 140	0.16 181	0.21 123	0.21 204	0.20 120	0.19 140

raft_robust	0.68 187	0.30 151	0.64 90	0.52 143	0.26 26	0.54 86	0.35 64	1.33 195	1.24 289	1.16 215	1.07 158	0.60 71	0.54 101	3.58 374	0.37 60	0.18 73	0.14 92	0.20 97	0.22 231	0.20 120	0.16 56

RAFT_CTSACE	0.63 150	0.26 61	0.88 240	0.55 194	0.51 296	0.71 179	0.44 157	0.80 33	0.97 151	0.97 133	1.84 375	1.18 267	0.68 165	1.47 224	0.36 52	0.16 15	0.15 146	0.21 123	0.20 164	0.20 120	0.14 19

Sa-1000	0.72 202	0.29 132	0.76 186	0.59 242	0.30 95	0.73 185	0.37 86	1.62 271	1.33 330	1.28 274	2.04 394	0.86 156	0.75 180	1.84 281	0.38 70	0.19 111	0.14 92	0.25 244	0.23 253	0.20 120	0.16 56

test_4	0.53 75	0.22 18	0.56 49	0.54 172	0.32 131	0.64 128	0.39 105	0.80 33	0.62 38	0.92 121	1.87 380	0.68 94	0.42 37	1.16 160	0.37 60	0.15 7	0.13 51	0.20 97	0.22 231	0.20 120	0.15 37

iRaft-Stereo_5w	0.85 274	0.29 132	0.91 253	0.53 157	0.43 245	0.49 46	0.68 302	0.99 91	0.87 110	0.79 91	1.34 272	1.46 327	0.91 257	5.11 397	1.11 330	0.17 40	0.14 92	0.22 150	0.18 112	0.20 120	0.20 167

IPLGR	0.58 125	0.27 84	1.14 329	0.48 74	0.28 63	0.65 142	0.33 48	1.22 179	1.13 228	1.18 229	1.05 153	0.69 99	0.66 164	0.96 113	0.52 178	0.17 40	0.15 146	0.20 97	0.17 98	0.20 120	0.18 105

GMOStereo	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 144	0.89 54	0.96 143	1.41 331	1.14 193	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 206	0.21 204	0.20 120	0.15 37

error version	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 144	0.89 54	0.96 143	1.41 331	1.14 193	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 206	0.21 204	0.20 120	0.15 37

test-v	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 144	0.89 54	0.96 143	1.41 331	1.14 193	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 206	0.21 204	0.20 120	0.15 37

OMP-Stereo	0.94 299	0.33 219	0.72 146	0.90 410	0.31 114	0.49 46	0.36 76	1.16 156	1.06 189	1.58 371	1.12 184	1.46 327	0.69 168	6.94 436	0.49 160	0.19 111	0.14 92	0.24 206	0.18 112	0.20 120	0.14 19

IIG-Stereo	0.96 303	0.31 184	0.72 146	0.88 405	0.33 148	0.61 118	0.26 15	1.19 169	1.03 178	1.69 380	1.37 281	1.46 327	0.75 180	6.96 437	0.51 171	0.19 111	0.14 92	0.23 186	0.18 112	0.20 120	0.14 19

NF-Stereo	0.80 251	0.30 151	0.75 176	0.60 253	0.31 114	0.64 128	0.44 157	1.21 171	0.90 121	1.29 279	1.02 140	0.82 136	0.57 121	5.40 406	0.48 153	0.23 218	0.14 92	0.24 206	0.20 164	0.20 120	0.30 301

OCTAStereo	0.80 251	0.30 151	0.75 176	0.60 253	0.31 114	0.64 128	0.44 157	1.21 171	0.90 121	1.29 279	1.01 132	0.82 136	0.57 121	5.35 401	0.48 153	0.24 233	0.14 92	0.24 206	0.20 164	0.20 120	0.30 301

PSM-softLoss	0.78 244	0.31 184	0.77 192	0.58 229	0.32 131	0.56 95	0.40 111	1.18 163	0.70 69	1.24 260	1.07 158	0.83 143	0.52 90	5.36 402	0.53 185	0.24 233	0.15 146	0.25 244	0.22 231	0.20 120	0.25 243

KMStereo	0.78 244	0.31 184	0.77 192	0.58 229	0.32 131	0.56 95	0.40 111	1.18 163	0.70 69	1.24 260	1.07 158	0.83 143	0.52 90	5.36 402	0.53 185	0.24 233	0.15 146	0.25 244	0.22 231	0.20 120	0.25 243

KYRaft	0.75 230	0.28 102	0.62 81	0.56 207	0.29 78	0.67 154	0.86 348	0.94 75	0.84 104	1.62 375	2.21 403	1.16 263	1.02 310	1.57 240	0.40 81	0.20 140	0.13 51	0.22 150	0.28 325	0.20 120	1.02 431

PFNet	0.91 292	0.26 61	1.10 319	0.63 285	0.32 131	0.64 128	0.56 255	1.17 158	0.99 163	1.47 344	1.08 162	0.98 206	0.69 168	6.62 428	0.54 190	0.20 140	0.12 12	0.24 206	0.19 132	0.20 120	0.17 80

RE-Stereo	0.80 251	0.30 151	0.75 176	0.60 253	0.31 114	0.64 128	0.44 157	1.21 171	0.90 121	1.29 279	1.01 132	0.81 131	0.57 121	5.37 404	0.48 153	0.24 233	0.14 92	0.24 206	0.20 164	0.20 120	0.30 301

TVStereo	0.80 251	0.30 151	0.75 176	0.60 253	0.31 114	0.64 128	0.44 157	1.21 171	0.90 121	1.29 279	1.01 132	0.81 131	0.57 121	5.37 404	0.48 153	0.24 233	0.14 92	0.24 206	0.20 164	0.20 120	0.30 301

IRAFT_RVC	0.88 284	0.28 102	0.76 186	0.63 285	0.31 114	0.65 142	1.02 381	1.22 179	0.94 136	1.22 246	1.04 151	1.01 220	0.98 293	5.82 416	0.53 185	0.22 193	0.12 12	0.25 244	0.20 164	0.20 120	0.19 140

test-2	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 144	0.89 54	0.96 143	1.41 331	1.14 193	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 206	0.21 204	0.20 120	0.15 37

test-1	0.52 66	0.26 61	1.04 301	0.56 207	0.32 131	0.61 118	0.38 92	1.10 140	0.91 126	0.78 88	1.01 132	0.77 117	0.52 90	0.60 36	0.42 102	0.17 40	0.14 92	0.20 97	0.17 98	0.20 120	0.23 218

GMM-Stereo	0.74 222	0.25 49	0.59 69	0.54 172	0.34 163	0.72 182	0.99 376	1.01 100	0.87 110	1.36 316	1.78 368	1.12 254	0.81 211	2.09 307	0.46 141	0.18 73	0.12 12	0.25 244	0.25 278	0.20 120	0.85 425

Prome-Stereo	0.75 230	0.27 84	0.53 38	0.55 194	0.32 131	0.59 107	0.97 372	0.89 54	0.88 114	1.45 341	2.46 415	0.91 175	1.41 372	1.58 242	0.44 114	0.18 73	0.13 51	0.19 70	0.17 98	0.20 120	0.92 427

RALCasStereoNet	0.54 90	0.30 151	0.66 103	0.59 242	0.51 296	0.61 118	0.52 219	0.94 75	0.93 133	0.70 71	1.01 132	0.78 121	0.44 46	1.33 190	0.47 148	0.20 140	0.16 181	0.18 52	0.16 81	0.20 120	0.19 140

GwcNet-RSSM	0.77 237	0.32 200	1.01 287	0.62 277	0.54 310	0.78 212	0.51 209	1.73 290	1.20 270	1.09 167	1.37 281	1.46 327	0.85 229	1.53 233	1.09 325	0.25 257	0.18 225	0.23 186	0.24 265	0.20 120	0.19 140

HSM-Net_RVC	0.87 283	0.29 132	0.53 38	0.53 157	0.30 95	1.15 312	0.55 247	3.57 447	1.28 308	1.53 357	1.74 362	1.68 363	0.93 269	1.49 226	0.77 266	0.22 193	0.17 208	0.19 70	0.18 112	0.20 120	0.19 140
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
pmcnn	2.37 431	0.42 307	2.71 432	0.63 285	0.43 245	1.54 364	1.19 400	2.01 371	1.53 382	2.64 429	7.60 459	18.07 475	1.45 377	3.44 371	2.78 417	0.18 73	0.15 146	0.15 4	0.12 13	0.20 120	0.18 105

test_sample1	0.61 139	0.29 132	0.75 176	0.50 97	0.31 114	0.76 199	0.48 192	1.59 260	0.84 104	0.90 115	0.94 108	0.88 164	0.95 279	1.16 160	0.67 232	0.22 193	0.18 225	0.20 97	0.19 132	0.21 154	0.21 183

H2IRNET	0.56 114	0.26 61	0.66 103	0.47 53	0.35 166	0.41 16	0.26 15	0.92 62	1.17 252	0.61 61	1.28 247	1.08 237	0.86 237	0.99 123	0.63 221	0.19 111	0.16 181	0.22 150	0.25 278	0.21 154	0.18 105

LL-Strereo2	0.52 66	0.33 219	0.69 122	0.52 143	0.37 188	0.70 173	0.30 35	1.13 151	0.67 61	0.94 127	0.78 74	0.91 175	0.42 37	1.05 140	0.42 102	0.17 40	0.16 181	0.29 300	0.25 278	0.21 154	0.16 56

CBFPSM	0.92 294	0.33 219	1.86 404	0.49 88	0.38 205	1.75 382	0.84 342	1.39 211	1.12 216	1.09 167	0.99 122	2.37 412	1.66 399	1.32 188	1.42 374	0.19 111	0.18 225	0.20 97	0.20 164	0.21 154	0.33 322

CroCo-Stereo Lap2	0.44 33	0.34 241	0.77 192	0.61 266	0.79 390	0.28 4	0.35 64	0.75 17	0.71 74	0.38 9	0.50 17	0.72 106	0.55 108	0.57 23	0.47 148	0.17 40	0.18 225	0.19 70	0.16 81	0.21 154	0.20 167

TestStereo1	0.63 150	0.28 102	0.75 176	0.76 370	0.31 114	0.48 36	0.43 144	1.30 193	1.21 276	0.97 133	1.31 257	0.64 81	0.77 192	1.75 269	0.42 102	0.20 140	0.15 146	0.22 150	0.18 112	0.21 154	0.17 80

x	0.54 90	0.31 184	0.61 77	0.47 53	0.30 95	0.67 154	0.47 183	1.53 250	0.79 93	0.81 97	0.83 85	0.78 121	0.70 171	0.70 51	0.62 217	0.21 169	0.19 241	0.22 150	0.19 132	0.21 154	0.20 167

RAFT+CT+SA	0.58 125	0.29 132	0.60 74	0.66 313	0.37 188	0.42 20	0.55 247	1.27 189	1.03 178	0.70 71	1.22 222	0.60 71	0.70 171	1.64 250	0.41 92	0.18 73	0.13 51	0.22 150	0.22 231	0.21 154	0.18 105

test_5	0.65 167	0.30 151	0.75 176	0.67 325	0.50 285	0.92 260	0.52 219	1.39 211	1.12 216	0.76 82	1.11 177	1.00 213	0.90 254	1.53 233	0.45 127	0.18 73	0.13 51	0.23 186	0.22 231	0.21 154	0.19 140

SA-5K	0.63 150	0.28 102	0.75 176	0.76 370	0.31 114	0.48 36	0.43 144	1.30 193	1.21 276	0.97 133	1.31 257	0.64 81	0.77 192	1.75 269	0.42 102	0.20 140	0.15 146	0.22 150	0.18 112	0.21 154	0.17 80

SA	0.66 174	0.30 151	0.82 211	0.61 266	0.30 95	0.58 102	0.38 92	1.44 224	1.30 318	0.96 130	1.36 279	0.66 89	0.95 279	1.85 284	0.42 102	0.19 111	0.15 146	0.25 244	0.23 253	0.21 154	0.17 80

GLC_STEREO	0.39 10	0.25 49	0.41 11	0.54 172	0.23 8	0.48 36	0.30 35	0.73 14	0.58 31	0.52 45	0.73 64	0.51 41	0.31 10	0.64 39	0.42 102	0.17 40	0.20 258	0.23 186	0.19 132	0.21 154	0.17 80

test_3	0.55 105	0.23 23	0.71 140	0.53 157	0.28 63	0.61 118	0.40 111	0.92 62	1.05 186	1.19 233	0.68 49	0.93 186	0.44 46	1.67 256	0.39 77	0.15 7	0.12 12	0.22 150	0.19 132	0.21 154	0.14 19

PFNet+	0.59 130	0.28 102	0.77 192	0.53 157	0.30 95	0.59 107	0.31 40	0.92 62	1.14 230	1.33 308	1.10 171	0.79 125	0.57 121	1.31 185	0.49 160	0.25 257	0.17 208	0.28 290	0.26 295	0.21 154	0.25 243

NRIStereo	0.60 133	0.29 132	0.69 122	0.53 157	0.28 63	0.63 125	0.33 48	1.08 136	0.87 110	1.14 199	0.87 93	0.91 175	0.59 131	2.24 320	0.49 160	0.20 140	0.14 92	0.21 123	0.19 132	0.21 154	0.17 80

PSM-AAD	0.79 248	0.27 84	0.53 38	0.55 194	0.28 63	0.77 207	1.24 403	0.99 91	0.91 126	1.66 378	1.57 335	0.81 131	2.19 428	1.65 251	0.44 114	0.19 111	0.14 92	0.38 369	0.32 357	0.21 154	0.70 416

Pruner-Stereo	0.62 143	0.29 132	0.70 128	0.61 266	0.31 114	0.63 125	0.43 144	1.17 158	0.99 163	1.53 357	1.08 162	0.95 197	0.55 108	1.35 194	0.51 171	0.23 218	0.14 92	0.24 206	0.21 204	0.21 154	0.23 218

rafts_anoy	0.52 66	0.29 132	0.59 69	0.59 242	0.50 285	0.53 79	0.40 111	1.11 146	1.03 178	0.84 105	0.83 85	0.68 94	0.54 101	0.72 57	0.51 171	0.19 111	0.14 92	0.24 206	0.26 295	0.21 154	0.18 105

GES	0.66 174	0.34 241	0.90 250	0.59 242	0.38 205	0.94 265	0.57 265	2.11 386	0.86 106	1.02 151	1.11 177	0.66 89	0.79 202	0.99 123	0.61 214	0.27 292	0.19 241	0.20 97	0.20 164	0.21 154	0.30 301

SFCPSM	0.70 193	0.28 102	1.02 294	0.51 124	0.38 205	1.37 345	0.66 296	2.00 367	1.03 178	1.17 224	1.21 220	0.82 136	0.78 198	1.03 132	0.53 185	0.21 169	0.17 208	0.22 150	0.24 265	0.21 154	0.19 140

delet	0.85 274	0.32 200	0.95 267	0.65 306	0.66 356	1.64 374	0.84 342	1.75 296	1.35 341	1.32 300	1.30 251	1.30 298	0.88 247	1.68 261	1.10 328	0.21 169	0.21 279	0.24 206	0.24 265	0.21 154	0.21 183

acv_ft	0.75 230	0.31 184	0.95 267	0.70 344	0.86 404	1.24 327	0.53 227	1.44 224	1.07 194	1.24 260	1.30 251	1.08 237	0.92 260	0.80 77	1.34 357	0.21 169	0.19 241	0.21 123	0.18 112	0.21 154	0.18 105

HSM	1.19 359	0.32 200	0.65 97	0.57 223	0.38 205	1.23 326	0.59 277	2.25 412	1.19 265	1.30 288	1.25 232	1.94 388	1.03 312	9.32 459	0.71 245	0.22 193	0.16 181	0.20 97	0.16 81	0.21 154	0.21 183

MyStereo8	0.65 167	0.29 132	1.00 283	0.58 229	0.49 278	0.91 253	0.35 64	1.18 163	1.31 322	1.16 215	1.27 242	0.90 173	0.64 156	0.72 57	0.95 305	0.18 73	0.14 92	0.20 97	0.18 112	0.22 177	0.26 264

MyStereo06	0.61 139	0.28 102	0.95 267	0.56 207	0.46 269	0.61 118	0.73 314	1.78 310	0.67 61	1.03 154	1.12 184	1.13 259	0.56 112	0.78 71	0.41 92	0.17 40	0.16 181	0.23 186	0.20 164	0.22 177	0.20 167

MyStereo05	0.66 174	0.28 102	1.07 311	0.56 207	0.46 269	0.61 118	0.73 314	1.34 200	1.41 364	1.15 205	0.91 100	0.77 117	0.80 208	1.41 213	0.63 221	0.17 40	0.16 181	0.23 186	0.20 164	0.22 177	0.20 167

ACVNet-DCA	0.56 114	0.31 184	0.50 24	0.54 172	0.26 26	1.18 317	0.51 209	1.42 217	0.78 89	0.58 52	0.79 78	0.48 29	0.88 247	1.46 220	0.32 16	0.20 140	0.12 12	0.25 244	0.15 47	0.22 177	0.21 183

xx1	0.67 183	0.31 184	0.50 24	0.54 172	0.26 26	1.18 317	0.51 209	0.93 68	3.05 441	0.58 52	0.79 78	0.95 197	0.77 192	1.46 220	0.32 16	0.20 140	0.12 12	0.24 206	0.23 253	0.22 177	0.21 183

1test111	0.54 90	0.31 184	0.50 24	0.54 172	0.26 26	1.18 317	0.51 209	1.42 217	0.78 89	0.58 52	0.79 78	0.48 29	0.88 247	0.88 95	0.59 204	0.20 140	0.12 12	0.25 244	0.15 47	0.22 177	0.21 183

LL-Strereo	1.33 372	0.39 290	1.38 362	0.61 266	0.61 343	0.75 194	0.66 296	1.63 273	1.17 252	1.56 365	1.60 339	2.03 398	2.12 425	9.72 465	0.97 310	0.21 169	0.18 225	0.27 277	0.23 253	0.22 177	0.25 243

gwcnet-sp	0.74 222	0.33 219	1.44 367	0.57 223	0.45 259	1.40 350	0.54 232	1.50 236	1.14 230	1.30 288	1.02 140	0.94 189	0.82 215	1.39 207	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

scenet	0.74 222	0.33 219	1.44 367	0.57 223	0.45 259	1.40 350	0.54 232	1.50 236	1.14 230	1.30 288	1.02 140	0.94 189	0.82 215	1.39 207	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

ssnet	0.74 222	0.33 219	1.44 367	0.57 223	0.45 259	1.40 350	0.54 232	1.50 236	1.14 230	1.30 288	1.02 140	0.94 189	0.82 215	1.39 207	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

qqq	0.57 120	0.34 241	0.71 140	0.47 53	0.27 42	0.64 128	0.62 285	1.42 217	0.78 89	0.80 93	0.92 102	0.95 197	0.77 192	0.88 95	0.59 204	0.21 169	0.20 258	0.24 206	0.23 253	0.22 177	0.21 183

BUS	0.74 222	0.32 200	0.68 111	0.54 172	0.44 252	2.34 419	0.42 127	2.16 396	0.98 156	1.20 237	1.11 177	1.03 226	0.62 147	0.91 103	0.70 240	0.24 233	0.17 208	0.25 244	0.22 231	0.22 177	0.22 200

BSDual-CNN	0.71 200	0.32 200	0.68 111	0.54 172	0.44 252	1.27 331	0.65 291	2.16 396	0.98 156	1.20 237	1.11 177	1.12 254	0.74 178	0.91 103	0.66 229	0.24 233	0.17 208	0.25 244	0.22 231	0.22 177	0.22 200

hknet	0.77 237	0.32 200	0.95 267	0.54 172	0.38 205	1.27 331	0.65 291	2.16 396	1.07 194	1.20 237	1.11 177	1.59 348	0.81 211	1.37 198	0.66 229	0.22 193	0.17 208	0.25 244	0.22 231	0.22 177	0.22 200

RAFT	0.64 161	0.30 151	0.73 158	0.59 242	0.33 148	0.68 161	0.58 269	1.04 110	0.76 85	1.08 161	1.19 215	1.65 360	0.93 269	1.06 141	0.56 196	0.21 169	0.18 225	0.27 277	0.24 265	0.22 177	0.17 80

222	1.61 396	0.29 132	0.67 108	0.56 207	0.29 78	1.06 296	0.42 127	2.17 402	1.31 322	1.31 298	1.52 322	0.92 184	0.94 274	1.76 274	17.65 472	0.24 233	0.20 258	0.21 123	0.19 132	0.22 177	0.23 218

xxxx	1.51 387	0.28 102	0.68 111	0.54 172	0.28 63	1.16 314	0.44 157	2.19 405	1.29 312	1.09 167	1.36 279	1.22 272	0.85 229	1.79 277	15.70 471	0.24 233	0.21 279	0.21 123	0.20 164	0.22 177	0.23 218

test_xeample	1.45 383	0.28 102	0.65 97	0.51 124	0.28 63	0.94 265	0.59 277	2.14 391	1.29 312	1.24 260	1.51 321	0.88 164	0.86 237	1.46 220	15.10 468	0.22 193	0.20 258	0.22 150	0.20 164	0.22 177	0.22 200

FENet	0.60 133	0.28 102	0.63 84	0.54 172	0.33 148	0.83 234	0.38 92	1.27 189	1.07 194	1.00 144	0.86 90	0.99 212	0.85 229	0.96 113	0.68 236	0.22 193	0.15 146	0.23 186	0.20 164	0.22 177	0.23 218

ac_64	0.82 259	0.29 132	0.81 208	0.71 351	0.60 340	1.05 293	0.54 232	1.99 366	0.92 131	1.18 229	1.06 155	1.99 393	1.08 325	1.94 294	0.97 310	0.27 292	0.22 297	0.24 206	0.23 253	0.22 177	0.19 140

ACVNet	0.63 150	0.31 184	0.54 43	0.54 172	0.36 176	0.80 222	0.46 177	1.37 205	1.07 194	0.93 122	1.30 251	1.08 237	0.85 229	0.80 77	0.94 303	0.21 169	0.19 241	0.21 123	0.18 112	0.22 177	0.18 105

GANet-RSSM	0.72 202	0.28 102	0.63 84	0.64 294	0.58 330	0.80 222	0.58 269	1.89 341	1.08 199	1.04 157	1.25 232	1.15 262	1.04 314	1.49 226	0.62 217	0.25 257	0.19 241	0.22 150	0.22 231	0.22 177	0.21 183

AANet_RVC	1.16 357	0.52 348	1.49 380	0.65 306	0.45 259	0.75 194	0.69 306	1.42 217	1.55 385	1.34 311	1.87 380	1.53 339	0.78 198	7.43 444	1.38 362	0.25 257	0.17 208	0.19 70	0.16 81	0.22 177	0.26 264

iResNet	0.75 230	0.40 296	1.36 361	0.67 325	0.29 78	0.92 260	0.59 277	1.52 244	1.25 292	1.28 274	1.48 314	0.94 189	0.76 188	1.62 248	0.78 268	0.18 73	0.14 92	0.18 52	0.15 47	0.22 177	0.23 218

DN-CSS_ROB	0.64 161	0.32 200	1.05 302	0.55 194	0.40 225	0.54 86	0.45 171	1.21 171	0.93 133	1.03 154	1.47 309	0.69 99	0.63 152	1.76 274	0.49 160	0.18 73	0.14 92	0.25 244	0.22 231	0.22 177	0.20 167

test_sample2	0.62 143	0.29 132	0.74 173	0.50 97	0.28 63	0.80 222	0.61 282	1.61 267	1.00 168	0.88 112	0.99 122	0.94 189	0.83 223	1.16 160	0.51 171	0.23 218	0.18 225	0.22 150	0.21 204	0.23 202	0.22 200

Former-RAFT_DAM_RVC	0.46 44	0.36 271	0.71 140	0.47 53	0.36 176	0.67 154	0.35 64	0.78 25	1.12 216	0.61 61	0.62 39	0.39 9	0.39 29	0.71 54	0.39 77	0.20 140	0.17 208	0.22 150	0.18 112	0.23 202	0.19 140

SMFormer	0.75 230	0.30 151	0.86 222	0.46 45	0.26 26	0.82 229	0.43 144	2.05 376	1.39 356	1.23 252	1.47 309	0.98 206	0.95 279	1.71 264	0.82 284	0.24 233	0.20 258	0.22 150	0.21 204	0.23 202	0.24 231

MyStereo07	0.48 57	0.29 132	0.50 24	0.55 194	0.45 259	0.59 107	0.79 330	1.05 116	0.51 21	0.48 29	0.53 20	0.43 12	0.55 108	1.30 184	0.34 39	0.17 40	0.16 181	0.24 206	0.20 164	0.23 202	0.20 167

MyStereo04	0.67 183	0.29 132	1.07 311	0.55 194	0.45 259	0.59 107	0.79 330	1.50 236	1.40 361	0.91 119	0.91 100	0.74 108	0.86 237	1.52 229	0.62 217	0.17 40	0.16 181	0.24 206	0.20 164	0.23 202	0.20 167

CASnet	0.41 20	0.25 49	0.48 18	0.50 97	0.20 2	0.50 55	0.36 76	0.81 36	0.80 94	0.83 103	0.68 49	0.48 29	0.31 10	0.54 15	0.32 16	0.18 73	0.12 12	0.27 277	0.22 231	0.23 202	0.14 19
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
knoymous	0.51 65	0.29 132	0.47 16	0.43 15	0.30 95	0.55 92	0.55 247	1.02 101	0.77 87	0.98 137	0.85 89	0.94 189	0.56 112	0.85 90	0.45 127	0.20 140	0.14 92	0.26 263	0.14 37	0.23 202	0.23 218

CRFU-Net	0.86 279	0.39 290	1.00 283	0.65 306	0.57 321	1.78 389	0.86 348	2.15 393	0.81 95	1.38 323	1.18 208	1.64 358	1.19 344	1.35 194	0.90 300	0.26 277	0.22 297	0.21 123	0.19 132	0.23 202	0.24 231

psmg	0.72 202	0.32 200	0.68 111	0.50 97	0.44 252	1.48 358	0.75 319	1.94 357	0.98 156	1.21 241	1.33 265	1.12 254	0.74 178	0.91 103	0.66 229	0.24 233	0.19 241	0.25 244	0.25 278	0.23 202	0.22 200

CSP-Net	0.97 309	0.38 285	0.83 214	0.53 157	0.41 232	1.63 372	0.77 325	2.00 367	1.05 186	1.25 265	1.20 218	1.33 303	0.83 223	4.93 396	0.85 292	0.32 331	0.22 297	0.20 97	0.20 164	0.23 202	0.25 243

GANet-ADL	0.60 133	0.35 261	0.72 146	0.64 294	0.40 225	0.68 161	0.51 209	1.49 232	1.12 216	0.95 128	1.08 162	0.91 175	0.57 121	0.76 67	0.55 194	0.26 277	0.18 225	0.18 52	0.16 81	0.23 202	0.25 243

AAGNet	1.83 409	0.28 102	0.72 146	0.61 266	0.32 131	0.67 154	0.51 209	0.96 86	0.98 156	1.47 344	1.20 218	1.00 213	1.18 341	2.83 349	22.77 478	0.22 193	0.13 51	0.22 150	0.19 132	0.23 202	0.15 37

SST-Stereo	0.83 265	0.28 102	0.72 146	0.59 242	0.31 114	0.72 182	0.26 15	1.09 138	0.86 106	1.47 344	1.10 171	1.00 213	0.87 242	5.73 414	0.45 127	0.22 193	0.13 51	0.23 186	0.19 132	0.23 202	0.18 105

RAFT_R40	0.83 265	0.28 102	0.73 158	0.59 242	0.31 114	0.69 166	0.44 157	1.10 140	0.95 138	1.47 344	1.10 171	1.00 213	0.85 229	5.53 408	0.46 141	0.22 193	0.13 51	0.23 186	0.20 164	0.23 202	0.18 105

HGLStereo	0.85 274	0.38 285	0.94 263	0.80 380	1.03 417	1.17 316	0.58 269	1.52 244	1.20 270	1.19 233	1.62 346	1.13 259	1.20 347	1.80 278	1.06 319	0.24 233	0.24 317	0.24 206	0.21 204	0.23 202	0.27 273

rvit_stereo_0083	0.47 51	0.33 219	0.81 208	0.56 207	0.36 176	0.50 55	0.44 157	0.68 9	0.95 138	0.49 34	0.57 33	0.55 53	0.49 80	0.88 95	0.46 141	0.25 257	0.25 324	0.24 206	0.20 164	0.24 217	0.17 80

rvit_stereo_ft	0.47 51	0.35 261	0.87 233	0.67 325	0.42 237	0.40 13	0.59 277	0.81 36	0.74 80	0.46 23	0.55 28	0.57 60	0.49 80	0.65 43	0.50 166	0.25 257	0.17 208	0.22 150	0.22 231	0.24 217	0.17 80

1111x	1.70 404	0.29 132	0.86 222	0.51 124	0.27 42	1.01 285	0.68 302	2.22 409	1.28 308	1.13 196	1.40 291	1.21 270	1.10 329	5.53 408	15.20 469	0.22 193	0.21 279	0.22 150	0.22 231	0.24 217	0.22 200

plain	0.46 44	0.27 84	1.01 287	0.50 97	0.40 225	0.35 8	0.37 86	0.87 46	0.56 29	0.43 15	0.76 70	0.42 10	0.40 32	1.13 156	0.45 127	0.21 169	0.15 146	0.24 206	0.19 132	0.24 217	0.16 56

MIF-Stereo (partial)	0.45 40	0.25 49	0.70 128	0.50 97	0.52 304	0.35 8	0.26 15	0.91 61	0.59 35	0.45 22	0.71 59	0.51 41	0.51 86	1.11 153	0.45 127	0.20 140	0.16 181	0.23 186	0.20 164	0.24 217	0.18 105

riskmin	0.56 114	0.27 84	0.60 74	0.43 15	0.31 114	0.83 234	0.42 127	1.14 152	1.04 182	0.73 79	0.75 68	1.11 253	1.01 305	0.81 80	0.51 171	0.20 140	0.14 92	0.24 206	0.15 47	0.24 217	0.25 243

DeepStereo_RVC	0.55 105	0.29 132	0.72 146	0.51 124	0.30 95	0.59 107	0.33 48	1.03 105	0.70 69	1.16 215	0.93 105	0.83 143	0.94 274	0.96 113	0.54 190	0.21 169	0.14 92	0.21 123	0.19 132	0.24 217	0.24 231

ICVP	0.63 150	0.33 219	0.57 58	0.61 266	0.40 225	0.80 222	0.58 269	1.61 267	0.89 117	0.90 115	1.24 228	0.88 164	0.73 176	0.72 57	0.88 296	0.29 314	0.21 279	0.22 150	0.21 204	0.24 217	0.27 273
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
PSMNet-RSSM	0.72 202	0.30 151	0.61 77	0.63 285	0.42 237	0.73 185	0.56 255	1.92 351	1.10 210	1.09 167	1.37 281	1.22 272	0.98 293	1.28 180	0.72 248	0.27 292	0.19 241	0.27 277	0.29 336	0.24 217	0.24 231

DMCA	0.67 183	0.34 241	0.90 250	0.51 124	0.44 252	0.86 245	0.47 183	1.42 217	1.02 174	1.17 224	1.12 184	1.23 277	0.75 180	0.78 71	0.95 305	0.25 257	0.19 241	0.27 277	0.19 132	0.24 217	0.27 273

iResNetv2_ROB	0.80 251	0.37 278	1.71 393	0.56 207	0.37 188	0.94 265	0.64 289	1.73 290	1.34 333	1.23 252	1.42 294	1.26 287	0.92 260	1.85 284	0.56 196	0.23 218	0.15 146	0.19 70	0.14 37	0.24 217	0.19 140

rvit_stereo_0081	0.44 33	0.33 219	0.64 90	0.54 172	0.35 166	0.41 16	0.44 157	0.66 7	0.95 138	0.48 29	0.52 18	0.50 39	0.46 53	0.82 83	0.44 114	0.25 257	0.20 258	0.22 150	0.19 132	0.25 228	0.17 80

rvit_stereo_0082	0.44 33	0.33 219	0.64 90	0.54 172	0.35 166	0.41 16	0.44 157	0.66 7	0.95 138	0.48 29	0.52 18	0.50 39	0.46 53	0.82 83	0.44 114	0.25 257	0.20 258	0.22 150	0.19 132	0.25 228	0.17 80

test_sample3	0.68 187	0.32 200	0.88 240	0.52 143	0.30 95	0.97 277	0.52 219	1.86 334	1.15 241	1.08 161	1.11 177	0.88 164	0.71 174	1.17 163	0.68 236	0.25 257	0.20 258	0.25 244	0.25 278	0.25 228	0.25 243

mmm	0.63 150	0.35 261	0.72 146	0.51 124	0.30 95	0.86 245	0.54 232	1.59 260	0.86 106	1.07 160	1.38 285	0.79 125	0.75 180	0.91 103	0.58 202	0.22 193	0.18 225	0.29 300	0.25 278	0.25 228	0.23 218

GwcNet-ADL	0.64 161	0.31 184	0.79 202	0.56 207	0.41 232	0.60 114	0.58 269	1.41 215	1.26 297	1.08 161	1.13 189	0.91 175	0.60 134	1.04 138	0.78 268	0.27 292	0.18 225	0.18 52	0.18 112	0.25 228	0.29 289

HCRNet	0.70 193	0.39 290	0.73 158	0.60 253	0.59 337	0.76 199	0.35 64	1.22 179	1.13 228	1.02 151	0.99 122	1.02 222	0.76 188	2.19 317	0.70 240	0.28 305	0.19 241	0.28 290	0.23 253	0.25 228	0.23 218

MMNet	0.84 270	0.32 200	1.09 316	0.60 253	0.59 337	1.85 395	0.49 201	1.51 242	1.27 303	1.37 318	1.15 199	1.26 287	1.18 341	1.67 256	1.22 341	0.19 111	0.18 225	0.23 186	0.22 231	0.25 228	0.21 183

UNet	0.83 265	0.34 241	1.31 352	0.58 229	0.74 376	1.58 368	0.49 201	1.41 215	1.04 182	1.21 241	1.08 162	1.54 340	1.12 333	1.65 251	1.09 325	0.23 218	0.17 208	0.25 244	0.20 164	0.25 228	0.22 200

UPFNet	0.80 251	0.32 200	0.90 250	0.59 242	0.74 376	1.26 330	0.80 336	1.52 244	1.10 210	1.30 288	1.12 184	1.30 298	0.84 226	1.67 256	1.09 325	0.24 233	0.24 317	0.24 206	0.23 253	0.25 228	0.18 105

StereoDRNet-Refined	0.80 251	0.41 303	0.88 240	0.62 277	0.42 237	1.33 340	0.48 192	1.52 244	1.17 252	1.45 341	1.44 301	1.44 323	0.90 254	1.26 178	1.24 343	0.20 140	0.16 181	0.27 277	0.24 265	0.25 228	0.28 285
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LE_ROB	8.05 465	0.37 278	23.53 474	0.74 365	0.33 148	2.77 432	2.87 463	3.71 449	27.24 482	25.39 482	8.87 466	8.46 463	26.71 482	6.65 429	21.99 475	0.21 169	0.19 241	0.20 97	0.21 204	0.25 228	0.22 200

rvit_stereo_0081_aga	0.44 33	0.34 241	0.73 158	0.51 124	0.41 232	0.50 55	0.40 111	0.81 36	0.57 30	0.58 52	0.56 31	0.53 51	0.43 41	0.66 45	0.40 81	0.26 277	0.21 279	0.22 150	0.20 164	0.26 239	0.18 105

test_sample4	0.69 189	0.33 219	0.91 253	0.51 124	0.30 95	0.92 260	0.52 219	1.87 336	1.15 241	1.14 199	1.18 208	0.87 160	0.75 180	1.18 164	0.68 236	0.25 257	0.20 258	0.26 263	0.26 295	0.26 239	0.25 243

iinet-f	0.99 315	0.45 320	3.71 441	0.55 194	0.43 245	1.81 390	0.68 302	1.14 152	1.14 230	1.18 229	1.42 294	1.58 347	1.44 375	1.34 193	1.59 387	0.24 233	0.23 308	0.20 97	0.19 132	0.26 239	0.25 243

NINENet	0.77 237	0.37 278	0.78 200	0.62 277	0.51 296	2.34 419	0.42 127	1.83 327	1.04 182	1.14 199	1.23 226	1.03 226	0.62 147	1.24 176	0.70 240	0.28 305	0.23 308	0.31 317	0.21 204	0.26 239	0.25 243

ADLNet2	0.88 284	0.34 241	1.17 333	0.77 373	0.64 352	1.12 305	0.76 322	1.74 294	1.24 289	1.21 241	1.65 352	1.71 366	1.05 318	1.67 256	1.17 337	0.24 233	0.21 279	0.21 123	0.22 231	0.26 239	0.29 289

Patchmatch Stereo++	0.55 105	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.29 30	1.05 116	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	1.37 198	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105
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	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.41 124	1.04 110	0.64 45	1.12 182	0.96 111	0.82 136	0.61 142	1.06 141	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

ROB_FTStereo_v2	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.64 128	0.42 127	1.05 116	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	1.12 155	0.46 141	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

ROB_FTStereo	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.64 128	0.25 8	1.05 116	0.64 45	1.12 182	0.95 109	0.82 136	0.61 142	1.15 158	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

HUI-Stereo	0.52 66	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.30 35	1.04 110	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	0.79 75	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

iGMRVC	0.56 114	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.38 92	1.05 116	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	1.52 229	0.46 141	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

iRAFT	0.55 105	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.29 30	1.05 116	0.64 45	1.12 182	0.96 111	0.83 143	0.60 134	1.37 198	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

RAFT-IKP	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.59 107	0.36 76	1.04 110	0.64 45	1.12 182	0.96 111	0.83 143	0.61 142	1.22 169	0.45 127	0.22 193	0.14 92	0.24 206	0.20 164	0.26 239	0.18 105

CFNet	0.96 303	0.36 271	1.01 287	0.62 277	0.42 237	0.99 282	0.47 183	1.90 344	1.32 326	0.99 140	1.39 289	1.10 249	0.86 237	5.58 411	0.79 274	0.23 218	0.17 208	0.28 290	0.27 305	0.26 239	0.21 183

rvit_0105_3	0.63 150	0.44 313	1.08 314	0.72 354	0.40 225	0.64 128	0.71 310	1.03 105	1.17 252	0.82 101	0.70 56	0.80 127	0.70 171	0.91 103	0.56 196	0.35 354	0.34 378	0.34 347	0.32 357	0.27 253	0.28 285

test_sample5	0.69 189	0.34 241	0.87 233	0.52 143	0.30 95	0.84 241	0.54 232	1.83 327	1.14 230	1.11 181	1.25 232	0.88 164	0.78 198	1.23 171	0.65 226	0.26 277	0.20 258	0.27 277	0.27 305	0.27 253	0.26 264

DualNet	0.70 193	0.34 241	0.87 233	0.52 143	0.30 95	0.84 241	0.54 232	1.83 327	1.14 230	1.14 199	1.33 265	0.88 164	0.78 198	1.23 171	0.65 226	0.26 277	0.20 258	0.27 277	0.27 305	0.27 253	0.26 264

fast-acv-ft	0.94 299	0.44 313	1.40 363	0.58 229	0.51 296	1.77 387	0.69 306	1.36 204	1.42 367	1.29 279	1.86 378	1.74 370	1.25 356	1.52 229	1.38 362	0.26 277	0.28 344	0.28 290	0.28 325	0.27 253	0.26 264

ToySt	0.66 174	0.33 219	1.23 339	0.51 124	0.33 148	0.86 245	0.68 302	1.10 140	0.97 151	0.84 105	1.08 162	1.25 283	0.94 274	1.01 128	0.74 252	0.19 111	0.19 241	0.24 206	0.24 265	0.27 253	0.23 218

ssnet_v2	0.88 284	0.36 271	1.02 294	0.62 277	0.38 205	1.32 339	0.97 372	2.07 382	1.34 333	1.37 318	1.18 208	1.54 340	0.92 260	1.10 150	1.65 388	0.30 318	0.27 337	0.30 311	0.28 325	0.27 253	0.26 264

Wz-Net-LNSev-Ref	0.99 315	0.40 296	1.82 401	0.66 313	0.62 348	2.05 407	0.78 327	1.91 348	1.29 312	1.54 361	1.42 294	1.51 337	1.23 353	1.99 298	1.33 355	0.23 218	0.14 92	0.20 97	0.15 47	0.27 253	0.26 264

DAS	0.84 270	0.34 241	1.03 298	0.64 294	0.69 367	0.77 207	0.63 287	1.54 252	1.20 270	1.79 390	1.55 327	0.95 197	1.04 314	2.83 349	0.60 212	0.21 169	0.16 181	0.25 244	0.18 112	0.27 253	0.22 200

SepStereo	0.82 259	0.34 241	1.03 298	0.64 294	0.69 367	0.77 207	0.63 287	1.54 252	1.20 270	1.79 390	1.55 327	0.95 197	1.04 314	2.30 326	0.60 212	0.21 169	0.16 181	0.25 244	0.18 112	0.27 253	0.22 200

PSMNet-ADL	0.72 202	0.35 261	0.62 81	0.69 339	0.46 269	1.14 307	0.44 157	1.37 205	1.01 171	0.83 103	1.17 206	1.33 303	0.96 286	1.43 214	0.95 305	0.33 339	0.22 297	0.21 123	0.23 253	0.27 253	0.29 289

LCNet	0.72 202	0.28 102	0.52 35	0.55 194	0.31 114	0.69 166	0.54 232	1.00 95	0.88 114	1.19 233	1.34 272	0.97 205	1.34 369	2.56 340	0.45 127	0.18 73	0.13 51	0.21 123	0.25 278	0.27 253	0.73 419

GEStereo_RVC	0.90 289	0.37 278	0.99 278	0.64 294	0.50 285	0.95 269	0.79 330	2.42 428	1.17 252	1.16 215	1.11 177	1.26 287	0.92 260	3.24 363	0.90 300	0.29 314	0.19 241	0.23 186	0.20 164	0.27 253	0.29 289

TestStereo	0.64 161	0.39 290	0.71 140	0.51 124	0.27 42	0.56 95	0.42 127	1.03 105	0.91 126	0.80 93	1.00 126	0.68 94	0.52 90	3.25 364	0.45 127	0.22 193	0.15 146	0.24 206	0.18 112	0.27 253	0.16 56

RALAANet	0.60 133	0.33 219	0.87 233	0.62 277	0.50 285	0.69 166	0.31 40	1.21 171	1.06 189	1.09 167	1.16 203	0.88 164	0.46 53	1.22 169	0.42 102	0.19 111	0.15 146	0.21 123	0.17 98	0.27 253	0.17 80

RAFT + AFF	1.00 320	0.42 307	1.09 316	0.67 325	0.50 285	1.22 325	1.24 403	2.24 411	1.19 265	1.30 288	1.56 331	1.17 264	1.49 383	3.44 371	0.83 286	0.21 169	0.25 324	0.30 311	0.26 295	0.27 253	0.27 273

psm_up	0.77 237	0.34 241	0.70 128	0.66 313	0.58 330	1.05 293	0.92 362	1.52 244	1.12 216	1.26 269	1.16 203	1.31 301	1.23 353	1.20 167	0.81 279	0.25 257	0.29 355	0.31 317	0.27 305	0.27 253	0.25 243

DLCB_ROB	0.86 279	0.40 296	0.78 200	0.68 336	0.54 310	1.11 302	0.84 342	1.49 232	1.23 285	1.64 377	1.65 352	1.70 365	0.91 257	1.70 263	1.05 317	0.25 257	0.24 317	0.26 263	0.27 305	0.27 253	0.24 231

rvit_0105_6	0.53 75	0.37 278	0.98 277	0.65 306	0.38 205	0.51 70	0.51 209	0.77 21	1.20 270	0.54 48	0.55 28	0.65 84	0.53 96	0.94 112	0.44 114	0.32 331	0.32 372	0.28 290	0.24 265	0.28 270	0.21 183

rvit_0105_5	0.58 125	0.39 290	1.05 302	0.66 313	0.37 188	0.58 102	0.56 255	0.94 75	1.18 259	0.64 63	0.68 49	0.75 110	0.63 152	0.88 95	0.50 166	0.32 331	0.32 372	0.30 311	0.27 305	0.28 270	0.25 243

ACV-stereo	0.99 315	0.51 344	1.41 365	0.56 207	0.41 232	2.43 423	0.57 265	1.15 154	1.18 259	0.81 97	1.01 132	3.39 434	2.14 426	1.60 245	1.07 322	0.27 292	0.22 297	0.22 150	0.22 231	0.28 270	0.32 316

ITSA-stereo	0.82 259	0.36 271	0.82 211	0.54 172	0.31 114	0.80 222	0.47 183	2.17 402	1.67 392	1.13 196	1.13 189	0.94 189	0.86 237	2.46 336	1.00 314	0.26 277	0.23 308	0.28 290	0.27 305	0.28 270	0.36 336

AIO-Stereo-zeroshot	0.72 202	0.35 261	1.70 391	0.49 88	0.56 318	0.63 125	0.38 92	2.41 427	0.65 59	0.77 86	1.07 158	1.82 377	0.95 279	0.93 110	0.43 111	0.20 140	0.13 51	0.21 123	0.25 278	0.28 270	0.26 264

test_sample6	0.71 200	0.34 241	0.87 233	0.52 143	0.30 95	0.82 229	0.58 269	1.79 315	1.15 241	1.14 199	1.33 265	0.91 175	0.79 202	1.31 185	0.74 252	0.27 292	0.21 279	0.27 277	0.29 336	0.28 270	0.27 273

CASS	0.65 167	0.34 241	0.72 146	0.56 207	0.27 42	0.78 212	0.42 127	1.59 260	0.86 106	1.30 288	1.25 232	0.87 160	0.84 226	0.84 87	0.54 190	0.35 354	0.19 241	0.26 263	0.21 204	0.28 270	0.42 358
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
AASNet	0.76 236	0.35 261	0.91 253	0.79 377	0.81 397	1.14 307	0.56 255	2.02 374	1.08 199	1.22 246	1.24 228	0.93 186	0.76 188	0.77 70	1.16 335	0.27 292	0.23 308	0.24 206	0.20 164	0.28 270	0.24 231

CRE-IMP	0.55 105	0.30 151	0.74 173	0.52 143	0.29 78	0.79 216	0.25 8	1.04 110	0.72 75	1.09 167	0.95 109	0.81 131	0.57 121	1.10 150	0.50 166	0.21 169	0.14 92	0.23 186	0.19 132	0.28 270	0.22 200

ADLNet	0.85 274	0.36 271	0.89 246	0.85 397	0.72 372	1.24 327	0.76 322	1.82 322	1.36 344	1.52 356	1.35 278	1.27 291	0.99 301	1.23 171	1.15 334	0.27 292	0.20 258	0.26 263	0.25 278	0.28 270	0.30 301

DSFCA	0.93 297	0.34 241	1.06 306	0.52 143	0.65 354	1.55 365	0.93 366	1.49 232	1.19 265	1.56 365	1.15 199	1.50 335	0.96 286	3.07 357	1.02 316	0.30 318	0.26 329	0.25 244	0.25 278	0.28 270	0.24 231

rvit_0105_4	0.56 114	0.38 285	1.06 306	0.66 313	0.38 205	0.53 79	0.53 227	0.84 45	1.17 252	0.56 50	0.61 37	0.72 106	0.59 131	0.98 120	0.45 127	0.32 331	0.33 376	0.29 300	0.25 278	0.29 281	0.23 218

CAS++	0.47 51	0.31 184	0.56 49	0.47 53	0.32 131	0.42 20	0.28 26	1.76 302	0.72 75	0.71 73	0.72 62	0.37 8	0.28 4	0.69 48	0.33 25	0.27 292	0.22 297	0.26 263	0.21 204	0.29 281	0.19 140
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
ttt	0.94 299	0.34 241	0.59 69	0.61 266	0.37 188	0.94 265	0.50 208	2.17 402	1.34 333	1.23 252	1.61 343	0.91 175	0.76 188	1.85 284	3.97 433	0.30 318	0.26 329	0.26 263	0.24 265	0.29 281	0.29 289

AACVNet	0.86 279	0.35 261	0.79 202	0.82 388	0.39 215	0.76 199	0.49 201	1.61 267	0.81 95	1.08 161	1.33 265	1.30 298	0.93 269	4.34 385	0.74 252	0.25 257	0.21 279	0.28 290	0.22 231	0.29 281	0.25 243

LMCR-Stereo	0.82 259	0.46 322	0.88 240	0.75 368	0.43 245	1.33 340	0.56 255	2.43 429	0.98 156	1.53 357	1.49 316	0.74 108	1.00 303	1.63 249	0.89 297	0.28 305	0.17 208	0.22 150	0.17 98	0.29 281	0.20 167

sCroCo_RVC	0.49 61	0.40 296	1.02 294	0.65 306	0.60 340	0.52 74	0.40 111	0.83 42	0.61 36	0.44 17	0.74 66	0.49 36	0.50 84	0.63 38	0.48 153	0.26 277	0.27 337	0.23 186	0.22 231	0.29 281	0.25 243

Syn2CoEx	1.14 351	0.69 391	1.66 389	0.80 380	0.67 359	1.40 350	0.88 352	2.06 381	1.54 383	1.25 265	1.58 337	1.42 317	1.50 384	4.09 379	1.40 366	0.36 358	0.32 372	0.34 347	0.29 336	0.29 281	0.34 326

ADCRef	1.35 374	0.55 356	2.37 423	0.72 354	0.77 386	1.94 400	0.78 327	1.91 348	1.27 303	1.57 369	1.59 338	1.36 309	1.41 372	1.54 235	7.53 447	0.23 218	0.20 258	0.32 329	0.30 345	0.29 281	0.29 289

NLCA_NET_v2_RVC	0.79 248	0.43 310	1.05 302	0.64 294	0.58 330	0.95 269	0.53 227	1.53 250	1.18 259	1.37 318	1.15 199	1.43 318	0.88 247	1.61 247	0.84 289	0.25 257	0.22 297	0.27 277	0.27 305	0.29 281	0.29 289
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HITNet	0.65 167	0.40 296	0.77 192	0.48 74	0.24 13	1.05 293	0.49 201	1.76 302	1.02 174	1.18 229	1.18 208	0.89 172	0.80 208	0.85 90	0.79 274	0.17 40	0.12 12	0.21 123	0.17 98	0.29 281	0.15 37
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
AdaStereo	0.70 193	0.43 310	0.75 176	0.73 362	0.37 188	0.92 260	0.53 227	1.85 331	1.18 259	1.12 182	1.23 226	1.07 236	0.65 162	0.96 113	0.63 221	0.31 325	0.15 146	0.32 329	0.21 204	0.29 281	0.22 200
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.
rvit_105_1	0.72 202	0.52 348	1.01 287	0.78 375	0.49 278	0.75 194	0.87 350	1.12 148	1.18 259	0.99 140	0.79 78	0.90 173	0.77 192	1.26 178	0.75 257	0.41 375	0.36 392	0.36 363	0.41 388	0.30 292	0.33 322

DCVSM-stereo	0.72 202	0.35 261	0.76 186	0.55 194	0.42 237	0.73 185	0.38 92	1.21 171	1.02 174	1.79 390	1.04 151	1.62 352	1.03 312	1.04 138	0.79 274	0.24 233	0.27 337	0.29 300	0.24 265	0.30 292	0.36 336

mmx	1.39 378	0.33 219	0.85 216	0.53 157	0.37 188	0.74 189	0.56 255	2.13 387	1.37 348	1.15 205	1.45 303	1.06 231	0.82 215	7.22 439	7.61 448	0.24 233	0.19 241	0.31 317	0.27 305	0.30 292	0.25 243

xxx	1.39 378	0.33 219	0.85 216	0.53 157	0.37 188	0.74 189	0.56 255	2.13 387	1.37 348	1.15 205	1.45 303	1.06 231	0.82 215	7.22 439	7.61 448	0.24 233	0.19 241	0.31 317	0.27 305	0.30 292	0.25 243

GwcNet	1.08 336	0.51 344	2.33 421	0.79 377	1.18 431	1.76 384	0.70 308	1.68 282	1.47 373	1.41 331	1.64 350	1.74 370	1.04 314	2.20 318	1.41 370	0.30 318	0.29 355	0.29 300	0.27 305	0.30 292	0.35 331

CFNet-ft	0.72 202	0.32 200	0.54 43	0.66 313	0.54 310	0.83 234	0.55 247	1.37 205	1.15 241	0.93 122	1.28 247	1.57 344	0.97 289	1.35 194	0.81 279	0.26 277	0.20 258	0.33 337	0.25 278	0.30 292	0.23 218

CFNet_RVC	0.72 202	0.32 200	0.54 43	0.66 313	0.54 310	0.83 234	0.55 247	1.37 205	1.15 241	0.93 122	1.28 247	1.57 344	0.97 289	1.35 194	0.81 279	0.26 277	0.20 258	0.33 337	0.25 278	0.30 292	0.23 218

NaN_ROB	1.13 349	0.55 356	1.15 330	0.64 294	0.48 275	1.61 370	2.03 445	1.72 289	1.48 374	2.09 410	1.27 242	1.40 313	1.08 325	3.94 377	1.30 352	0.28 305	0.34 378	0.28 290	0.28 325	0.30 292	0.33 322

SGM_RVC	1.68 402	0.36 271	0.61 77	0.59 242	0.29 78	2.25 415	1.18 399	2.38 425	1.68 394	3.60 446	2.67 420	3.69 437	2.42 434	8.13 452	1.90 398	0.31 325	0.31 365	0.30 311	0.28 325	0.30 292	0.29 289
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.78 244	0.41 303	0.94 263	0.60 253	0.43 245	1.30 336	0.43 144	1.40 213	0.91 126	1.20 237	1.15 199	1.43 318	0.64 156	2.18 315	0.89 297	0.28 305	0.22 297	0.26 263	0.23 253	0.31 301	0.33 322

rvit_stereo_0080	0.44 33	0.32 200	0.71 140	0.47 53	0.36 176	0.42 20	0.55 247	0.82 39	0.68 64	0.50 41	0.60 35	0.55 53	0.47 62	0.59 25	0.44 114	0.26 277	0.21 279	0.20 97	0.20 164	0.31 301	0.19 140

whm_eth	0.44 33	0.32 200	0.71 140	0.47 53	0.36 176	0.42 20	0.55 247	0.82 39	0.68 64	0.50 41	0.60 35	0.55 53	0.47 62	0.59 25	0.44 114	0.26 277	0.21 279	0.20 97	0.20 164	0.31 301	0.19 140

Anonymous3	0.61 139	0.44 313	1.11 321	0.59 242	0.49 278	0.93 264	0.65 291	0.93 68	0.81 95	0.72 78	0.88 95	0.65 84	0.69 168	1.06 141	0.53 185	0.35 354	0.30 359	0.26 263	0.26 295	0.31 301	0.27 273

GMStereo	0.55 105	0.45 320	0.94 263	0.50 97	0.32 131	0.64 128	0.43 144	1.00 95	1.40 361	0.82 101	0.73 64	0.51 41	0.45 49	0.85 90	0.55 194	0.24 233	0.15 146	0.20 97	0.21 204	0.31 301	0.24 231
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
DeepPruner_ROB	0.74 222	0.48 331	0.87 233	0.57 223	0.44 252	0.79 216	0.54 232	1.73 290	0.96 143	1.38 323	1.27 242	1.24 279	0.73 176	1.43 214	0.73 251	0.34 347	0.28 344	0.27 277	0.26 295	0.31 301	0.31 311

DISCO	1.03 327	0.34 241	1.11 321	0.69 339	0.45 259	2.07 408	0.84 342	2.13 387	1.50 377	1.15 205	1.33 265	2.40 414	1.07 324	2.60 342	1.51 383	0.23 218	0.18 225	0.22 150	0.20 164	0.31 301	0.27 273

MDST_ROB	1.67 400	0.34 241	1.58 385	0.92 415	0.58 330	4.26 456	1.11 390	2.83 436	1.41 364	4.49 456	2.55 417	1.45 325	0.97 289	7.79 449	1.17 337	0.31 325	0.25 324	0.37 366	0.33 364	0.31 301	0.30 301

AIO-Stereo-zeroshot1	0.98 313	0.39 290	3.21 436	0.50 97	0.63 349	0.64 128	0.39 105	2.36 422	0.75 81	0.95 128	4.63 443	1.81 375	0.56 112	0.96 113	0.41 92	0.18 73	0.13 51	0.21 123	0.26 295	0.32 309	0.35 331

dd	0.59 130	0.48 331	0.97 274	0.55 194	0.32 131	0.64 128	0.47 183	1.02 101	1.34 333	0.78 88	0.86 90	0.58 65	0.54 101	1.01 128	0.86 294	0.28 305	0.18 225	0.26 263	0.19 132	0.32 309	0.24 231

DMCA-RVC	0.74 222	0.40 296	1.27 348	0.66 313	0.49 278	0.77 207	0.47 183	1.35 202	1.01 171	1.53 357	1.01 132	1.29 297	0.82 215	1.31 185	0.78 268	0.27 292	0.21 279	0.35 355	0.27 305	0.32 309	0.24 231

STTStereo	0.78 244	0.50 341	1.22 338	0.64 294	0.54 310	0.89 248	0.54 232	1.44 224	1.11 212	1.38 323	1.09 167	1.27 291	0.85 229	1.43 214	0.83 286	0.29 314	0.27 337	0.33 337	0.39 383	0.32 309	0.30 301

PA-Net	1.01 324	0.57 363	1.29 350	0.64 294	0.74 376	1.19 321	0.84 342	1.69 284	1.43 369	1.16 215	1.19 215	1.32 302	1.19 344	3.42 369	1.25 344	0.29 314	0.45 415	0.33 337	0.49 407	0.32 309	0.47 375
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
UCFNet_RVC	0.69 189	0.35 261	0.49 21	0.64 294	0.39 215	0.85 244	0.58 269	1.75 296	1.14 230	0.97 133	1.19 215	1.17 264	0.93 269	0.99 123	0.62 217	0.28 305	0.20 258	0.34 347	0.31 349	0.32 309	0.27 273

DRN-Test	1.00 320	0.44 313	1.13 325	0.70 344	0.81 397	1.62 371	0.79 330	2.14 391	1.44 370	1.78 387	1.33 265	1.43 318	1.05 318	2.18 315	1.53 384	0.27 292	0.21 279	0.31 317	0.30 345	0.32 309	0.28 285

test_sample7	0.74 222	0.37 278	0.76 186	0.52 143	0.35 166	0.91 253	0.67 299	1.78 310	1.21 276	1.22 246	1.18 208	1.08 237	0.92 260	1.23 171	0.67 232	0.31 325	0.28 344	0.32 329	0.31 349	0.33 316	0.29 289

Wz-Net-LNSev	1.03 327	0.67 387	2.71 432	0.64 294	0.84 401	1.75 382	1.00 378	1.80 318	1.32 326	1.28 274	1.25 232	1.65 360	1.22 351	1.39 207	1.40 366	0.28 305	0.26 329	0.24 206	0.23 253	0.33 316	0.32 316

CBMV	0.95 302	0.44 313	0.66 103	0.53 157	0.35 166	1.53 363	1.63 426	1.69 284	1.42 367	2.00 407	1.60 339	1.43 318	1.17 338	1.59 244	0.99 313	0.34 347	0.34 378	0.39 374	0.33 364	0.33 316	0.32 316
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Wz-Net-MNSev	1.11 344	0.58 366	2.23 419	0.66 313	0.71 370	1.95 401	1.46 416	1.98 365	1.45 371	1.79 390	1.43 298	1.49 334	1.33 368	1.97 297	1.42 374	0.27 292	0.23 308	0.28 290	0.28 325	0.34 319	0.31 311

SACVNet	0.85 274	0.46 322	0.85 216	0.81 383	0.56 318	0.80 222	0.79 330	1.68 282	1.12 216	1.34 311	1.33 265	1.25 283	0.94 274	2.39 333	0.76 260	0.34 347	0.26 329	0.31 317	0.29 336	0.35 320	0.44 367

hitnet-ft	0.79 248	0.35 261	0.57 58	0.58 229	0.42 237	0.96 273	0.46 177	1.47 229	1.33 330	1.19 233	1.22 222	1.81 375	0.98 293	1.66 255	0.94 303	0.33 339	0.28 344	0.34 347	0.27 305	0.35 320	0.31 311

FAT-Stereo	1.07 333	0.41 303	1.32 355	0.72 354	0.58 330	1.08 299	0.89 354	1.96 360	1.65 390	1.75 384	1.98 388	2.03 398	1.48 381	2.02 300	1.18 340	0.42 379	0.35 387	0.34 347	0.29 336	0.35 320	0.53 390

FADNet-RVC-Resample	0.84 270	0.47 327	2.10 412	0.61 266	0.45 259	1.07 298	0.61 282	1.59 260	1.20 270	1.08 161	0.98 120	1.03 226	0.98 293	2.17 312	0.72 248	0.23 218	0.22 297	0.30 311	0.32 357	0.35 320	0.34 326

StereoDRNet	0.98 313	0.47 327	1.70 391	0.76 370	0.94 412	1.51 361	0.91 360	1.92 351	1.32 326	1.61 372	1.13 189	1.47 332	0.97 289	1.75 269	1.46 379	0.28 305	0.23 308	0.29 300	0.27 305	0.35 320	0.27 273

PSMNet_ROB	0.90 289	0.52 348	1.17 333	0.72 354	0.61 343	1.27 331	1.12 392	1.76 302	1.12 216	1.09 167	1.28 247	1.45 325	0.89 253	1.65 251	1.42 374	0.33 339	0.25 324	0.37 366	0.39 383	0.35 320	0.29 289

StereoVision	0.65 167	0.34 241	0.86 222	0.59 242	0.40 225	0.50 55	0.41 124	1.09 138	0.93 133	0.71 73	2.50 416	0.82 136	0.57 121	1.03 132	0.49 160	0.25 257	0.28 344	0.29 300	0.28 325	0.36 326	0.20 167

CFNet_pseudo	0.66 174	0.32 200	0.86 222	0.48 74	0.39 215	0.70 173	0.40 111	1.33 195	1.22 282	1.16 215	1.34 272	1.24 279	0.64 156	0.98 120	0.59 204	0.21 169	0.16 181	0.33 337	0.19 132	0.36 326	0.25 243

APVNet	1.06 331	0.53 352	1.42 366	0.84 392	0.79 390	1.92 398	0.82 340	1.90 344	1.08 199	1.08 161	1.43 298	1.56 343	1.13 335	3.07 357	1.58 385	0.31 325	0.34 378	0.42 384	0.36 377	0.36 326	0.37 340

SGM-ForestM	6.52 462	0.38 285	1.26 345	0.63 285	0.35 166	13.59 474	5.32 469	6.32 468	6.70 463	11.14 472	9.18 467	22.51 483	13.93 471	16.89 476	20.07 474	0.36 358	0.37 394	0.36 363	0.35 373	0.36 326	0.34 326

rvit_stereo_0075_2	0.64 161	0.46 322	1.05 302	0.66 313	0.66 356	0.53 79	0.48 192	1.20 170	1.12 216	0.76 82	0.92 102	0.78 121	0.53 96	1.03 132	0.59 204	0.37 362	0.28 344	0.40 379	0.31 349	0.37 330	0.32 316

pcwnet_v2	0.97 309	0.37 278	4.33 442	0.62 277	0.54 310	0.79 216	0.45 171	2.02 374	1.58 386	1.42 337	1.64 350	1.09 247	0.79 202	1.24 176	0.67 232	0.32 331	0.25 324	0.29 300	0.27 305	0.37 330	0.35 331

BEATNet_4x	0.73 219	0.49 334	1.17 333	0.53 157	0.26 26	1.03 290	0.55 247	1.82 322	1.06 189	1.21 241	1.22 222	0.96 203	0.91 257	1.01 128	1.06 319	0.21 169	0.14 92	0.24 206	0.19 132	0.37 330	0.21 183

RTSC	1.29 365	0.73 396	2.44 424	0.83 391	0.57 321	1.85 395	0.65 291	1.88 339	2.00 416	2.20 413	1.66 354	1.60 350	1.26 358	2.33 328	3.92 431	0.32 331	0.23 308	0.27 277	0.29 336	0.37 330	0.37 340

ADCP+	1.99 420	0.48 331	7.73 454	0.66 313	0.91 408	2.30 417	1.05 384	1.82 322	1.34 333	1.54 361	1.32 263	1.74 370	1.61 392	2.17 312	13.37 464	0.24 233	0.21 279	0.32 329	0.28 325	0.37 330	0.29 289

TDLM	1.06 331	0.44 313	0.79 202	0.63 285	0.50 285	0.89 248	1.44 415	1.48 230	1.26 297	1.12 182	1.40 291	1.08 237	0.98 293	6.65 429	0.78 268	0.33 339	0.21 279	0.33 337	0.26 295	0.37 330	0.24 231

ccs_rob	0.66 174	0.33 219	0.86 222	0.48 74	0.39 215	0.70 173	0.40 111	1.33 195	1.22 282	1.16 215	1.34 272	1.23 277	0.64 156	0.98 120	0.59 204	0.21 169	0.16 181	0.35 355	0.20 164	0.37 330	0.25 243

XPNet_ROB	0.96 303	0.49 334	1.09 316	0.72 354	0.57 321	1.11 302	1.14 394	1.66 280	1.23 285	1.85 397	1.39 289	1.64 358	1.11 330	1.80 278	1.42 374	0.38 366	0.30 359	0.33 337	0.29 336	0.37 330	0.34 326

SGM-Forest	1.24 361	0.38 285	0.60 74	0.52 143	0.37 188	1.56 366	1.30 408	1.65 275	1.36 344	2.11 411	1.79 369	1.63 355	0.93 269	7.48 446	0.95 305	0.36 358	0.37 394	0.39 374	0.34 369	0.37 330	0.32 316
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
aanetorigin	1.23 360	0.79 404	2.78 434	0.70 344	0.79 390	0.99 282	1.06 386	1.06 129	1.37 348	3.52 445	2.61 418	1.72 367	1.63 393	1.99 298	1.78 392	0.25 257	0.24 317	0.26 263	0.25 278	0.38 339	0.45 369

Nwc_Net	1.09 339	0.49 334	1.33 357	0.89 409	0.80 395	1.49 360	0.66 296	2.19 405	1.27 303	1.32 300	2.26 405	1.96 390	1.54 385	1.92 290	1.34 357	0.40 371	0.30 359	0.43 386	0.45 397	0.38 339	0.37 340

ADCL	1.72 407	0.57 363	3.66 439	0.67 325	0.61 343	2.61 429	1.85 434	1.96 360	1.67 392	1.90 401	1.83 373	2.06 401	1.90 415	2.13 310	9.15 457	0.26 277	0.24 317	0.34 347	0.32 357	0.38 339	0.35 331

PWC_ROB	1.24 361	0.76 402	2.46 425	0.72 354	0.78 388	1.15 312	0.49 201	1.75 296	1.92 412	2.31 416	3.07 425	1.59 348	1.40 371	2.46 336	2.10 407	0.33 339	0.22 297	0.35 355	0.24 265	0.38 339	0.41 354

AF-Net	1.13 349	0.52 348	1.33 357	0.86 399	0.91 408	1.38 348	0.71 310	2.16 396	1.62 388	1.56 365	2.40 412	1.99 393	1.65 395	1.81 280	1.48 381	0.48 398	0.28 344	0.49 398	0.33 364	0.39 343	0.32 316

MSMDNet	0.66 174	0.32 200	0.87 233	0.49 88	0.37 188	0.79 216	0.40 111	1.43 223	1.31 322	1.15 205	1.31 257	1.24 279	0.63 152	0.88 95	0.57 199	0.21 169	0.16 181	0.26 263	0.19 132	0.39 343	0.24 231

GANet	1.36 375	0.47 327	0.86 222	0.67 325	0.45 259	1.34 342	1.73 428	1.64 274	1.24 289	1.49 352	2.38 410	1.55 342	1.20 347	9.30 458	0.93 302	0.30 318	0.31 365	0.33 337	0.28 325	0.39 343	0.30 301

ETE_ROB	0.96 303	0.64 384	1.16 331	0.69 339	0.48 275	1.14 307	1.13 393	1.77 306	1.19 265	1.91 402	1.45 303	1.73 368	1.05 318	1.60 245	1.14 333	0.32 331	0.26 329	0.38 369	0.34 369	0.39 343	0.41 354

PCWNet_CMD	0.66 174	0.32 200	0.88 240	0.49 88	0.37 188	0.78 212	0.40 111	1.42 217	1.31 322	1.16 215	1.31 257	1.25 283	0.62 147	0.89 101	0.57 199	0.20 140	0.16 181	0.27 277	0.19 132	0.40 347	0.25 243

CFNet_ucs	0.70 193	0.33 219	0.88 240	0.50 97	0.43 245	0.74 189	0.44 157	1.60 264	1.29 312	1.22 246	1.54 325	1.09 247	0.63 152	0.99 123	0.59 204	0.25 257	0.20 258	0.37 366	0.21 204	0.40 347	0.28 285

NCCL2	1.00 320	0.56 359	1.06 306	0.75 368	0.57 321	1.31 338	1.72 427	1.77 306	1.36 344	1.50 353	1.17 206	1.91 383	1.17 338	1.54 235	1.29 351	0.35 354	0.31 365	0.45 390	0.44 395	0.40 347	0.40 350

dad	0.86 279	0.66 386	1.06 306	0.56 207	0.37 188	0.76 199	0.44 157	1.17 158	1.50 377	1.44 339	1.27 242	1.34 307	0.75 180	2.52 339	0.84 289	0.42 379	0.27 337	0.83 429	0.26 295	0.41 350	0.29 289

FADNet-RVC	0.88 284	0.67 387	1.93 407	0.60 253	0.48 275	0.91 253	0.60 281	1.71 288	1.18 259	0.90 115	0.96 111	1.36 309	0.92 260	2.25 322	1.17 337	0.30 318	0.29 355	0.32 329	0.32 357	0.41 350	0.35 331

DeepPrunerF	1.60 394	0.73 396	5.81 450	0.88 405	1.19 432	0.91 253	0.95 370	2.19 405	5.24 459	1.17 224	1.30 251	1.19 268	1.30 365	4.90 394	1.66 390	0.42 379	0.34 378	0.52 402	0.47 402	0.41 350	0.40 350

CBMV_ROB	0.90 289	0.44 313	0.63 84	0.51 124	0.37 188	1.25 329	0.49 201	1.77 306	1.27 303	1.41 331	2.00 389	1.33 303	1.08 325	2.17 312	0.76 260	0.43 384	0.42 407	0.47 395	0.44 395	0.41 350	0.36 336

Wz-Net-SNSev	1.49 384	1.23 432	6.27 452	0.68 336	0.67 359	1.37 345	1.41 413	2.00 367	1.39 356	1.48 350	1.61 343	2.29 407	1.32 367	3.93 376	2.14 408	0.31 325	0.28 344	0.31 317	0.33 364	0.42 354	0.36 336

NCC-stereo	1.10 341	0.54 353	1.24 342	0.84 392	0.94 412	1.29 334	0.89 354	2.01 371	1.34 333	1.32 300	1.74 362	1.88 378	1.74 402	2.35 329	1.25 344	0.45 390	0.37 394	0.45 390	0.58 420	0.42 354	0.42 358

edge stereo	1.11 344	0.50 341	1.30 351	0.71 351	0.65 354	1.14 307	0.75 319	1.93 355	1.37 348	1.71 381	1.83 373	2.54 418	1.44 375	2.43 335	1.23 342	0.42 379	0.41 405	0.54 408	0.35 373	0.42 354	0.46 372

Abc-Net	1.10 341	0.54 353	1.24 342	0.84 392	0.94 412	1.29 334	0.89 354	2.01 371	1.34 333	1.32 300	1.74 362	1.88 378	1.74 402	2.35 329	1.25 344	0.45 390	0.37 394	0.45 390	0.58 420	0.42 354	0.42 358
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
CVANet_RVC	1.07 333	0.43 310	0.76 186	0.60 253	0.50 285	0.90 251	0.97 372	1.52 244	1.26 297	1.33 308	1.38 285	1.24 279	1.18 341	6.75 435	0.75 257	0.34 347	0.23 308	0.34 347	0.29 336	0.42 354	0.27 273

FINET	0.97 309	0.54 353	1.60 386	0.63 285	0.79 390	1.08 299	1.07 387	1.56 257	2.20 423	1.15 205	1.49 316	0.94 189	0.88 247	2.32 327	1.05 317	0.42 379	0.35 387	0.32 329	0.28 325	0.43 359	0.38 346

psmorigin	1.52 388	0.69 391	10.52 462	0.68 336	0.59 337	1.13 306	0.70 308	1.57 258	1.19 265	1.99 405	1.79 369	2.26 406	1.47 380	2.09 307	1.36 361	0.39 369	0.40 403	0.34 347	0.33 364	0.43 359	0.56 395

FADNet_RVC	0.83 265	0.51 344	1.83 403	0.54 172	0.42 237	1.19 321	0.46 177	1.51 242	1.09 205	0.89 113	1.24 228	0.91 175	0.87 242	2.11 309	1.11 330	0.27 292	0.22 297	0.31 317	0.28 325	0.43 359	0.38 346

CSAN	1.41 381	0.59 369	1.26 345	0.70 344	0.50 285	1.76 384	1.78 429	1.77 306	1.90 411	2.35 419	2.32 407	1.92 386	1.94 417	5.56 410	1.49 382	0.43 384	0.35 387	0.40 379	0.41 388	0.43 359	0.41 354

LALA_ROB	1.01 324	0.59 369	1.16 331	0.67 325	0.51 296	1.63 372	1.26 407	1.69 284	1.38 352	1.81 394	1.37 281	1.94 388	1.02 310	1.58 242	1.38 362	0.37 362	0.27 337	0.43 386	0.37 380	0.43 359	0.37 340

MeshStereo	2.26 427	0.56 359	0.92 257	0.61 266	0.49 278	2.60 428	1.02 381	3.18 442	2.05 419	7.40 470	4.98 449	7.58 459	2.98 444	6.37 425	1.96 401	0.43 384	0.43 408	0.45 390	0.39 383	0.43 359	0.42 358
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
S-Stereo	1.15 355	0.46 322	2.17 416	0.81 383	0.80 395	1.21 324	1.19 400	1.93 355	2.02 417	1.47 344	2.11 397	1.57 344	1.17 338	2.05 304	1.41 370	0.40 371	0.40 403	0.35 355	0.31 349	0.44 365	0.70 416

DANet	1.08 336	0.61 378	1.32 355	0.85 397	0.72 372	1.37 345	0.51 209	1.54 252	1.15 241	1.78 387	1.54 325	2.01 395	1.11 330	2.90 352	2.00 403	0.33 339	0.30 359	0.40 379	0.30 345	0.44 365	0.45 369
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NOSS_ROB	1.26 364	0.46 322	0.62 81	0.56 207	0.38 205	1.06 296	0.78 327	1.73 290	1.40 361	1.01 147	1.43 298	1.10 249	0.75 180	10.62 470	0.65 226	0.45 390	0.43 408	0.48 396	0.45 397	0.44 365	0.41 354

DualNet (step1)	0.83 265	0.49 334	1.13 325	0.56 207	0.39 215	1.02 287	0.73 314	1.78 310	1.21 276	1.22 246	1.18 208	1.08 237	0.92 260	1.23 171	0.67 232	0.57 412	0.28 344	0.62 421	0.67 427	0.45 368	0.42 358

test_sample9	1.86 412	0.49 334	1.13 325	0.56 207	0.39 215	1.02 287	0.73 314	1.78 310	1.21 276	1.22 246	1.18 208	1.08 237	0.92 260	2.27 324	7.92 452	0.57 412	12.61 481	0.62 421	0.67 427	0.45 368	0.42 358

test_sample8	2.19 425	0.49 334	1.13 325	0.56 207	0.39 215	1.02 287	0.73 314	1.82 322	1.15 241	2.26 414	1.30 251	4.94 448	2.52 437	2.27 324	7.92 452	0.57 412	12.61 481	0.62 421	0.67 427	0.45 368	0.42 358

RP	1.09 339	0.50 341	1.12 323	0.90 410	1.04 418	1.11 302	0.84 342	1.80 318	1.62 388	1.55 364	2.00 389	1.90 382	1.78 405	1.84 281	1.25 344	0.52 403	0.36 392	0.48 396	0.36 377	0.45 368	0.43 365

PS-NSSS	0.99 315	0.58 366	0.93 259	0.58 229	0.57 321	0.91 253	0.80 336	1.81 321	1.14 230	1.14 199	1.67 356	1.00 213	0.83 223	4.62 389	0.78 268	0.37 362	0.31 365	0.52 402	0.32 357	0.45 368	0.38 346

FBW_ROB	1.71 406	0.62 381	1.45 371	0.67 325	0.61 343	1.81 390	1.08 388	2.52 432	1.70 395	1.77 386	1.73 361	1.98 392	1.25 356	12.57 473	1.84 394	0.34 347	0.37 394	0.56 416	0.38 382	0.45 368	0.43 365

IGEV-BASED-STEREO-	0.70 193	3.18 467	2.55 427	0.39 5	0.23 8	0.44 27	0.23 5	0.63 4	0.42 4	0.44 17	0.44 8	0.34 4	0.28 4	0.56 20	0.29 4	1.35 441	0.10 1	0.22 150	0.19 132	0.46 374	1.31 441

HBP-ISP	0.96 303	0.58 366	0.72 146	0.61 266	0.46 269	1.64 374	0.76 322	1.86 334	1.28 308	1.30 288	1.53 323	0.86 156	0.94 274	3.27 365	0.69 239	0.45 390	0.44 411	0.54 408	0.48 404	0.47 375	0.40 350

RGC	1.14 351	0.79 404	1.26 345	0.91 413	0.96 415	1.52 362	0.77 325	1.92 351	1.26 297	1.54 361	1.93 385	2.02 397	1.54 385	2.25 322	1.31 353	0.44 389	0.35 387	0.58 419	0.48 404	0.47 375	0.46 372

ADCPNet	1.85 411	0.69 391	8.07 455	0.71 351	0.58 330	2.79 433	1.22 402	1.94 357	1.54 383	1.88 398	1.69 357	2.46 417	2.04 421	2.37 331	6.48 442	0.38 366	0.37 394	0.38 369	0.43 393	0.47 375	0.45 369

SHD	1.31 369	0.71 395	2.34 422	0.86 399	0.75 382	1.77 387	0.65 291	2.22 409	2.50 432	2.40 423	1.71 359	1.91 383	1.60 391	1.93 293	2.37 411	0.38 366	0.31 365	0.38 369	0.40 387	0.48 378	0.50 383

SANet	1.88 413	0.57 363	2.18 418	0.63 285	0.40 225	2.80 434	1.57 423	2.39 426	5.88 461	2.36 421	3.57 432	3.72 438	2.97 443	4.74 390	1.76 391	0.34 347	0.30 359	0.32 329	0.29 336	0.48 378	0.37 340

WCMA_ROB	1.84 410	0.47 327	1.31 352	0.69 339	0.57 321	2.11 410	1.14 394	1.87 336	1.73 398	4.04 450	6.43 453	5.62 453	3.61 449	2.59 341	1.94 400	0.52 403	0.44 411	0.39 374	0.42 391	0.48 378	0.47 375

AnyNet_C32	1.96 418	1.10 423	5.17 446	0.90 410	1.11 422	2.12 411	2.37 456	1.85 331	1.48 374	2.45 424	1.70 358	2.05 400	1.64 394	2.50 338	10.28 460	0.37 362	0.34 378	0.35 355	0.41 388	0.49 381	0.54 391

MFN_U_SF_DS_RVC	1.74 408	0.87 410	3.56 438	0.80 380	0.75 382	3.72 447	2.44 458	1.82 322	1.82 406	1.74 383	1.91 384	1.92 386	1.26 358	7.69 448	1.28 350	0.45 390	0.47 419	0.52 402	0.77 432	0.50 382	0.50 383

RTS	2.67 439	1.38 434	15.28 466	0.99 420	1.26 435	3.78 448	1.96 441	2.15 393	2.62 435	2.61 427	2.85 423	2.60 420	1.59 389	6.27 423	5.71 440	0.40 371	0.28 344	0.35 355	0.35 373	0.50 382	0.48 378

RTSA	2.67 439	1.38 434	15.28 466	0.99 420	1.26 435	3.78 448	1.96 441	2.15 393	2.62 435	2.61 427	2.85 423	2.60 420	1.59 389	6.27 423	5.71 440	0.40 371	0.28 344	0.35 355	0.35 373	0.50 382	0.48 378

ADCMid	1.89 416	0.73 396	5.06 445	0.72 354	0.67 359	2.00 405	1.14 394	1.97 364	1.48 374	2.86 436	1.81 372	2.37 412	2.05 423	2.24 320	10.39 461	0.33 339	0.31 365	0.39 374	0.43 393	0.50 382	0.44 367

WZ-Net	1.95 417	0.95 414	10.10 459	0.86 399	0.78 388	1.69 377	1.60 424	2.20 408	1.98 415	2.08 409	1.93 385	2.30 408	1.97 418	5.30 400	3.17 424	0.34 347	0.26 329	0.29 300	0.31 349	0.51 386	0.47 375

stereogan	1.15 355	0.42 307	1.40 363	0.86 399	0.84 401	2.38 421	0.71 310	1.88 339	1.73 398	1.72 382	1.94 387	2.31 409	1.29 361	2.07 305	1.08 323	0.36 358	0.35 387	0.39 374	0.31 349	0.51 386	0.46 372

GMStereo_Zeroshot	0.67 183	0.61 378	1.01 287	0.64 294	0.37 188	0.84 241	0.35 64	1.05 116	1.12 216	1.12 182	1.06 155	1.27 291	0.54 101	1.19 166	0.59 204	0.32 331	0.17 208	0.31 317	0.18 112	0.52 388	0.22 200

PWCDC_ROB	1.29 365	0.75 401	1.33 357	1.05 424	0.88 407	1.73 381	0.52 219	1.89 341	3.28 443	1.29 279	4.88 448	1.22 272	1.46 378	1.77 276	1.45 378	0.60 417	0.26 329	0.29 300	0.25 278	0.52 388	0.37 340

FC-DCNN v2	2.81 445	0.59 369	0.85 216	0.73 362	0.57 321	2.97 438	1.05 384	3.39 446	2.61 434	6.98 466	7.67 461	10.38 469	6.31 464	5.75 415	3.37 427	0.53 409	0.48 420	0.51 400	0.50 410	0.53 390	0.51 387

Wz-Net-TNSev	1.88 413	2.08 457	7.66 453	0.67 325	0.64 352	2.42 422	1.83 433	2.33 419	1.74 400	1.57 369	1.56 331	2.58 419	1.90 415	4.86 392	3.12 421	0.39 369	0.37 394	0.33 337	0.37 380	0.53 390	0.58 400

FC-DCNN	2.72 444	0.59 369	0.86 222	0.73 362	0.57 321	2.91 435	1.04 383	3.01 440	2.60 433	6.83 465	7.64 460	9.92 466	6.33 465	5.21 398	3.14 422	0.53 409	0.48 420	0.51 400	0.50 410	0.53 390	0.51 387

MSMD_ROB	1.99 420	0.59 369	0.89 246	0.70 344	0.61 343	3.95 452	0.94 368	1.80 318	1.79 403	4.41 454	4.43 439	8.17 462	3.66 450	3.40 367	1.33 355	0.52 403	0.48 420	0.54 408	0.58 420	0.53 390	0.50 383

GASNet	0.99 315	0.97 415	1.72 394	0.98 419	0.68 365	0.83 234	0.67 299	1.60 264	1.28 308	1.31 298	1.22 222	1.22 272	1.21 350	2.41 334	1.41 370	0.43 384	0.26 329	0.36 363	0.34 369	0.55 394	0.31 311

MANE	6.19 460	0.59 369	1.03 298	0.93 416	1.22 434	13.38 473	2.69 459	12.81 475	17.94 478	8.21 471	10.82 470	14.72 473	11.68 469	11.39 472	11.90 463	0.59 416	0.50 425	0.52 402	1.76 461	0.55 394	0.54 391

RYNet	1.17 358	0.49 334	1.24 342	0.70 344	0.97 416	1.71 378	0.92 362	1.91 348	1.46 372	1.38 323	1.14 193	1.88 378	1.30 365	4.24 381	1.87 395	0.26 277	0.21 279	0.35 355	0.27 305	0.55 394	0.54 391

FCDSN-DC	2.32 429	0.63 382	0.81 208	0.84 392	0.75 382	2.23 414	0.94 368	2.09 385	1.80 404	5.45 463	7.72 462	7.77 461	6.93 467	3.39 366	1.80 393	0.52 403	0.48 420	0.52 402	0.51 413	0.57 397	0.58 400
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
NVstereo2D	0.92 294	0.41 303	1.48 378	0.72 354	0.72 372	1.20 323	0.87 350	1.75 296	1.38 352	0.99 140	1.13 189	1.26 287	0.98 293	2.21 319	0.89 297	0.43 384	0.20 258	0.38 369	0.24 265	0.57 397	0.63 408

SAMSARA	1.55 390	0.84 406	2.61 429	1.22 432	1.07 419	2.50 425	1.93 439	2.05 376	1.89 409	2.75 432	1.66 354	2.81 426	1.69 400	3.08 359	1.97 402	0.46 396	0.51 426	0.42 384	0.46 400	0.58 399	0.59 402

ADCS	2.25 426	0.99 417	5.55 447	0.81 383	0.74 376	2.19 413	1.80 430	2.27 415	2.14 421	2.80 435	2.13 399	2.40 414	2.03 420	2.64 344	13.69 465	0.41 375	0.39 401	0.40 379	0.45 397	0.58 399	0.56 395

ccnet	1.12 346	0.67 387	1.01 287	0.78 375	0.73 375	1.72 380	0.99 376	1.84 330	1.26 297	1.47 344	1.85 377	1.75 373	1.29 361	1.75 269	1.88 397	0.57 412	0.53 428	0.57 418	0.55 417	0.59 401	0.54 391

MFN_U_SF_RVC	1.52 388	0.84 406	3.42 437	0.87 404	0.66 356	2.56 427	0.95 370	2.36 422	1.70 395	1.98 404	1.86 378	2.45 416	1.79 406	2.95 353	2.58 413	0.52 403	0.48 420	0.55 413	0.59 423	0.59 401	0.61 406

FADNet	0.92 294	0.61 378	1.81 400	0.62 277	0.55 316	0.96 273	0.57 265	1.78 310	1.33 330	0.93 122	1.01 132	1.36 309	1.01 305	2.71 346	0.75 257	0.33 339	0.34 378	0.31 317	0.34 369	0.59 401	0.40 350

PVD	1.70 404	0.84 406	2.26 420	0.94 418	0.83 400	2.48 424	0.97 372	2.59 434	3.35 444	3.01 442	2.77 421	2.34 411	2.47 436	2.67 345	3.14 422	0.47 397	0.45 415	0.59 420	0.48 404	0.59 401	0.75 421

G-Net	1.66 399	0.63 382	1.56 383	1.11 429	0.74 376	2.98 439	0.91 360	1.55 256	1.22 282	2.76 433	8.18 465	2.32 410	2.53 438	1.92 290	1.87 395	0.48 398	0.44 411	0.45 390	0.31 349	0.60 405	0.57 399

BEATNet-Init1	26.87 481	13.43 477	70.68 490	0.91 413	0.68 365	57.02 490	21.06 476	32.82 487	32.67 484	52.12 491	53.61 490	66.05 491	49.56 491	48.79 492	34.71 486	0.49 402	0.44 411	0.53 407	0.53 415	0.63 406	0.59 402

ELAS	2.37 431	0.74 399	1.54 382	0.99 420	0.92 410	4.78 458	2.33 455	3.33 444	3.37 445	5.05 462	4.77 447	3.67 436	4.53 457	3.42 369	4.50 435	0.62 419	0.53 428	0.55 413	0.53 415	0.63 406	0.64 412
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SDNR	1.62 397	0.51 344	2.17 416	0.53 157	0.56 318	3.80 450	0.45 171	1.54 252	1.29 312	1.33 308	2.41 413	1.08 237	0.96 286	11.18 471	1.16 335	0.66 423	0.63 436	0.43 386	0.32 357	0.64 408	0.67 413

LSM	6.33 461	1.10 423	13.19 464	1.41 437	68.17 487	1.64 374	1.90 438	1.92 351	2.46 428	2.99 440	3.11 426	1.88 378	1.80 407	2.61 343	2.06 406	0.41 375	0.58 434	0.50 399	0.57 419	0.64 408	17.66 482

DPSNet	1.69 403	0.59 369	4.33 442	0.70 344	0.57 321	2.02 406	1.62 425	3.35 445	1.78 402	1.48 350	1.38 285	2.17 403	2.84 441	4.77 391	3.66 429	0.48 398	0.31 365	0.29 300	0.25 278	0.64 408	0.48 378

ELAS_RVC	2.48 436	0.74 399	1.90 405	1.05 424	0.92 410	2.76 431	4.01 467	2.76 435	4.11 452	4.69 457	4.63 443	4.62 443	5.96 462	3.97 378	3.96 432	0.63 421	0.53 428	0.56 416	0.52 414	0.64 408	0.63 408
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
coex-ft	8.13 466	2.13 458	98.04 491	0.67 325	0.53 307	1.71 378	1.56 421	1.65 275	11.11 467	18.17 481	3.75 434	3.88 439	7.61 468	2.98 356	6.49 443	0.30 318	0.30 359	0.32 329	0.31 349	0.66 412	0.50 383

AnyNet_C01	2.26 427	1.78 446	10.22 461	0.93 416	0.74 376	2.92 437	2.20 451	2.29 417	1.80 404	2.53 426	2.41 413	2.71 424	1.73 401	3.41 368	6.72 444	0.41 375	0.39 401	0.40 379	0.42 391	0.67 413	0.63 408

EDNetEfficient	2.37 431	1.10 423	8.08 456	0.74 365	0.71 370	0.98 281	1.56 421	1.46 227	4.06 451	4.90 459	2.82 422	2.25 405	3.48 448	2.95 353	9.97 458	0.26 277	0.24 317	0.26 263	0.30 345	0.68 414	0.61 406

XQC	1.37 376	0.87 410	2.56 428	0.84 392	0.69 367	1.83 393	0.89 354	2.07 382	1.88 408	1.88 398	1.53 323	1.91 383	1.55 387	2.85 351	3.05 419	0.48 398	0.29 355	0.44 389	0.39 383	0.69 415	0.60 405

PASM	1.34 373	0.92 413	2.62 430	0.86 399	0.87 406	1.03 290	1.08 388	1.50 236	1.51 379	1.82 395	1.41 293	1.68 363	1.26 358	4.87 393	1.34 357	0.61 418	0.65 439	0.68 425	0.78 433	0.69 415	0.68 415

UDGNet	0.72 202	1.17 431	0.80 207	0.77 373	0.41 232	0.77 207	0.38 92	0.97 87	1.34 333	0.81 97	0.88 95	0.71 105	0.60 134	1.21 168	0.54 190	0.52 403	0.19 241	1.02 436	0.26 295	0.71 417	0.31 311

PDISCO_ROB	1.32 371	0.65 385	1.44 367	1.36 433	1.46 440	2.55 426	0.92 362	2.45 430	2.07 420	1.37 318	1.49 316	1.65 360	1.00 303	2.82 348	1.35 360	1.01 431	0.27 337	0.54 408	0.47 402	0.71 417	0.73 419

STTRV1_RVC	1.58 391	0.68 390	1.96 409	0.88 405	1.12 424	1.57 367	0.90 359	2.25 412	1.75 401	1.29 279	2.02 392	1.40 313	1.22 351	9.77 466	1.31 353	0.81 426	0.33 376	0.54 408	0.49 407	0.73 419	0.52 389

DGSMNet	1.14 351	0.76 402	2.49 426	0.81 383	0.86 404	1.39 349	1.39 412	2.13 387	1.35 341	1.26 269	1.63 349	1.48 333	0.98 293	1.75 269	1.10 328	0.45 390	0.43 408	0.55 413	0.49 407	0.75 420	0.70 416

EDNetEfficientorigin	10.57 469	1.47 440	177.42 492	0.67 325	0.53 307	1.58 368	1.16 397	1.90 344	3.37 445	4.71 458	3.38 429	3.10 432	2.69 440	3.13 361	3.58 428	0.25 257	0.23 308	0.33 337	0.27 305	0.83 421	0.81 422

sAnonymous2	0.55 105	0.56 359	1.46 373	0.60 253	0.51 296	0.48 36	0.52 219	0.79 27	0.68 64	0.50 41	0.67 46	0.46 22	0.62 147	0.59 25	0.40 81	0.22 193	0.17 208	0.22 150	0.21 204	0.86 422	0.56 395

CroCo_RVC	0.55 105	0.56 359	1.46 373	0.60 253	0.51 296	0.48 36	0.52 219	0.79 27	0.68 64	0.50 41	0.67 46	0.46 22	0.62 147	0.59 25	0.40 81	0.22 193	0.17 208	0.22 150	0.21 204	0.86 422	0.56 395

GANetREF_RVC	1.07 333	0.86 409	1.31 352	0.82 388	0.53 307	1.41 354	1.31 409	1.76 302	1.52 380	1.27 272	1.31 257	1.46 327	1.24 355	2.03 301	0.96 309	0.56 411	0.45 415	0.67 424	0.50 410	0.88 424	0.59 402
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
NVStereoNet_ROB	1.88 413	1.07 421	1.45 371	1.07 427	1.17 429	1.47 357	1.48 418	1.89 341	1.93 414	1.94 403	4.67 446	3.08 431	1.80 407	6.51 427	1.65 388	1.06 436	0.86 450	1.08 438	1.32 451	0.93 425	1.26 440
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
anonymity	1.12 346	0.97 415	1.21 336	1.07 427	1.12 424	1.08 299	0.89 354	1.95 359	1.16 249	1.29 279	1.26 239	1.22 272	1.09 328	1.15 158	1.01 315	1.02 433	1.00 456	0.97 433	0.97 444	0.98 426	0.99 430

MADNet+	2.69 441	3.22 468	11.53 463	1.44 438	1.12 424	3.19 441	1.81 431	2.85 437	2.37 425	1.68 379	2.07 396	2.85 428	2.18 427	7.41 443	5.23 438	0.79 425	0.76 441	0.69 427	0.65 426	0.98 426	0.95 428

MFMNet_re	1.40 380	1.14 428	1.68 390	1.39 435	1.07 419	1.48 358	1.43 414	1.87 336	1.82 406	2.26 414	2.19 402	1.51 337	1.86 412	1.52 229	1.25 344	0.93 429	0.83 444	0.84 430	0.80 434	0.99 428	1.05 435

GCST	1.08 336	1.47 440	0.93 259	1.73 441	1.14 428	1.30 336	0.31 40	1.33 195	1.16 249	1.29 279	0.97 119	0.98 206	0.49 80	2.08 306	0.46 141	1.19 440	0.70 440	1.30 440	0.85 438	1.02 429	0.89 426

SGM+DAISY	2.41 434	1.07 421	2.14 415	1.18 430	1.10 421	2.14 412	1.36 411	1.96 360	1.66 391	5.46 464	7.07 456	4.95 449	4.32 456	5.50 407	2.26 410	1.04 435	1.02 458	0.99 435	0.97 444	1.02 429	1.04 433

SPS-STEREO	1.67 400	1.04 420	1.23 339	1.21 431	1.13 427	1.82 392	1.11 390	2.16 396	1.52 380	3.07 444	2.32 407	2.82 427	1.80 407	4.11 380	2.04 404	1.03 434	0.99 455	0.97 433	0.94 442	1.03 431	1.02 431
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
FADE	26.59 480	4.78 471	20.96 470	1.89 444	1.92 445	2.91 435	2.00 443	5.58 461	5.04 457	2.92 437	2.16 401	4.13 440	14.18 472	10.23 469	8.46 454	188.09 492	2.77 468	123.78 489	127.92 489	1.06 432	1.10 438

MSC_U_SF_DS_RVC	2.12 422	1.15 429	3.10 435	1.05 424	0.76 385	5.03 461	2.40 457	2.16 396	2.62 435	1.89 400	2.28 406	2.69 423	1.65 395	9.35 460	2.04 404	0.64 422	0.51 426	0.68 425	0.71 430	1.09 433	0.67 413

IGEV-Stereo+	0.45 40	0.21 7	0.43 13	0.41 8	0.39 215	0.15 1	0.19 1	0.44 1	0.36 1	0.26 1	0.25 1	0.31 2	0.41 34	1.43 214	0.30 7	0.17 40	0.12 12	0.15 4	0.11 7	1.16 434	1.70 448

Anonymous_2	1.30 367	0.55 356	0.82 211	0.52 143	0.58 330	1.01 285	0.64 289	1.25 187	0.97 151	0.96 130	0.78 74	1.33 303	1.29 361	1.03 132	0.74 252	0.62 419	0.64 437	1.06 437	9.63 475	1.16 434	0.49 382

WAO-7	2.66 438	1.40 436	1.73 396	1.39 435	1.17 429	3.93 451	1.94 440	4.11 452	3.88 450	2.92 437	5.50 450	4.18 441	3.00 445	7.63 447	3.71 430	1.13 439	1.00 456	1.17 439	1.13 450	1.18 436	1.09 437

CC-Net-ROB	1.49 384	1.26 433	1.27 348	0.88 405	0.79 390	1.76 384	1.00 378	1.79 315	1.26 297	1.10 175	1.61 343	1.21 270	0.99 301	8.13 452	0.84 289	1.09 437	0.41 405	2.20 446	0.46 400	1.20 437	0.48 378

MaskLacGwcNet_RVC	1.10 341	1.02 419	1.00 283	0.82 388	0.67 359	1.93 399	0.93 366	1.62 271	1.11 212	1.15 205	1.25 232	1.50 335	0.79 202	1.96 296	0.76 260	1.89 443	0.34 378	0.79 428	0.36 377	1.25 438	0.83 423

Consistency-Raft	1.25 363	0.99 417	1.93 407	1.02 423	1.21 433	0.96 273	1.01 380	1.75 296	1.92 412	1.36 316	2.12 398	1.44 323	1.01 305	1.14 157	1.40 366	0.72 424	0.82 443	0.89 431	0.98 446	1.31 439	0.95 428

JetBlue	3.97 451	2.01 452	10.19 460	1.38 434	2.84 461	10.53 469	9.54 470	3.60 448	2.41 427	2.73 431	3.39 430	4.54 442	4.31 455	7.85 451	6.84 445	0.88 427	0.93 454	0.89 431	0.91 440	1.74 440	1.91 450

UDG	1.41 381	2.65 463	0.99 278	1.44 438	1.64 442	1.34 342	0.80 336	1.60 264	1.23 285	1.23 252	1.71 359	2.01 395	1.34 369	1.47 224	1.41 370	0.90 428	0.54 431	2.29 448	0.75 431	1.84 441	1.04 433

DDUNet	1.50 386	2.69 464	1.12 323	1.77 442	1.88 444	1.84 394	0.92 362	1.70 287	1.16 249	1.38 323	1.79 369	1.60 350	1.12 333	1.37 198	1.08 323	1.10 438	0.76 441	2.37 450	0.94 442	2.00 442	1.37 442

WAO-6	2.81 445	1.60 443	1.46 373	2.36 450	2.28 452	3.55 445	2.29 454	4.21 453	4.56 456	2.36 421	4.51 440	4.88 447	2.66 439	4.60 388	4.07 434	1.72 442	1.15 462	2.31 449	1.46 457	2.31 443	1.85 449

SQANet	1.31 369	0.88 412	1.08 314	1.83 443	1.44 439	1.44 356	0.75 319	1.74 294	1.09 205	1.32 300	1.26 239	1.28 294	1.01 305	1.50 228	0.83 286	2.50 449	0.34 378	1.47 441	0.55 417	2.32 444	1.57 445

WAO-8	4.40 453	1.82 449	1.79 398	2.34 448	2.20 447	9.19 466	1.53 419	6.09 465	16.46 472	3.94 448	7.84 463	7.32 456	3.72 452	9.41 462	3.31 425	2.00 444	1.07 459	2.44 455	1.37 455	2.50 445	1.68 446

Venus	4.40 453	1.82 449	1.79 398	2.34 448	2.20 447	9.19 466	1.53 419	6.09 465	16.46 472	3.94 448	7.84 463	7.32 456	3.72 452	9.41 462	3.31 425	2.00 444	1.07 459	2.44 455	1.37 455	2.50 445	1.68 446

PWCK	2.88 447	2.05 455	5.72 449	2.08 445	1.11 422	3.55 445	3.90 466	2.86 438	3.54 448	3.03 443	3.63 433	3.10 432	2.31 431	8.15 454	3.09 420	2.12 446	0.91 453	1.75 443	0.98 446	2.57 447	1.18 439

testlalala_base	0.77 237	0.40 296	0.70 128	0.65 306	0.50 285	0.79 216	0.28 26	1.50 236	0.51 21	0.73 79	0.90 98	0.69 99	0.54 101	0.66 45	0.40 81	2.82 452	0.14 92	0.17 23	0.12 13	2.68 448	0.19 140

ACVNet_2	2.43 435	1.41 437	2.04 410	2.62 452	2.24 450	2.63 430	1.88 437	3.31 443	3.01 440	2.19 412	3.45 431	4.62 443	2.04 421	4.50 387	1.47 380	2.55 450	0.64 437	2.22 447	0.84 436	2.69 449	2.29 455

otaku	1.60 394	1.11 426	1.21 336	2.20 446	1.56 441	1.97 402	1.24 403	2.07 382	1.36 344	1.44 339	1.62 346	1.73 368	1.19 344	1.73 268	0.98 312	2.89 454	0.57 433	1.74 442	0.60 424	2.78 450	1.94 451

Ntro	1.64 398	1.15 429	1.23 339	2.48 451	1.83 443	2.09 409	1.16 397	1.96 360	1.38 352	1.21 241	1.62 346	1.62 352	1.29 361	1.87 287	1.11 330	3.04 455	0.56 432	1.82 444	0.64 425	2.80 451	2.05 452

LVE	3.31 450	1.67 444	1.64 387	2.85 455	2.42 455	3.20 442	2.26 453	4.78 458	5.05 458	2.35 419	6.91 454	6.02 454	2.37 432	9.15 456	2.17 409	3.19 458	1.08 461	2.38 452	1.47 458	2.81 452	2.40 458

RainbowNet	1.97 419	1.76 445	1.57 384	2.81 454	2.21 449	1.98 404	1.81 431	2.54 433	1.89 409	1.50 353	1.84 375	1.96 390	1.65 395	2.14 311	1.25 344	3.33 461	0.85 448	2.39 453	0.98 446	2.82 453	2.22 453

ACVNet-4b	2.15 423	1.41 437	1.64 387	2.80 453	2.31 453	2.31 418	1.24 403	2.32 418	2.14 421	1.26 269	2.39 411	2.66 422	1.48 381	5.95 420	1.06 319	3.20 459	0.45 415	2.37 450	0.89 439	2.83 454	2.37 456

DispFullNet	2.34 430	2.85 465	3.66 439	3.08 460	2.27 451	1.97 402	0.67 299	2.00 367	1.70 395	2.52 425	2.00 389	2.23 404	5.86 460	3.44 371	1.58 385	1.01 431	0.32 372	2.64 459	1.94 464	2.85 455	2.24 454

Dean	2.91 448	1.53 442	2.07 411	2.96 459	2.51 456	3.15 440	2.14 449	4.75 457	4.41 455	2.76 433	6.10 452	5.53 452	2.37 432	2.97 355	1.92 399	3.18 457	0.85 448	2.51 457	1.04 449	2.88 456	2.47 459

ACVNet_1	2.18 424	1.45 439	1.72 394	2.85 455	2.33 454	2.28 416	1.46 416	3.08 441	2.22 424	1.82 395	2.05 395	3.56 435	1.98 419	3.09 360	1.40 366	3.17 456	0.60 435	2.40 454	0.92 441	2.91 457	2.37 456

ktn	4.70 455	2.38 461	2.12 414	3.76 468	3.24 465	4.85 459	2.95 464	5.52 460	7.37 464	4.07 452	19.32 478	7.46 458	3.47 447	7.39 442	2.95 418	4.04 469	1.85 467	3.26 468	2.22 467	3.08 458	2.65 464

IMH-64-1	2.70 442	1.79 447	1.46 373	3.26 463	2.66 457	3.23 443	2.10 446	4.08 450	2.75 438	2.34 417	3.81 435	3.06 429	2.22 429	4.25 382	2.59 414	3.75 465	0.84 445	2.75 460	1.35 452	3.15 459	2.60 462

IMH-64	2.70 442	1.79 447	1.46 373	3.26 463	2.66 457	3.23 443	2.10 446	4.08 450	2.75 438	2.34 417	3.81 435	3.06 429	2.22 429	4.25 382	2.59 414	3.75 465	0.84 445	2.75 460	1.35 452	3.15 459	2.60 462

IMH	3.21 449	1.85 451	1.48 378	3.25 462	2.69 459	4.07 454	2.02 444	4.41 455	3.80 449	2.72 430	7.11 457	4.75 446	2.92 442	5.92 418	2.55 412	3.85 468	0.88 451	2.78 462	1.36 454	3.19 461	2.59 461

TorneroNet-64	5.30 459	2.03 453	1.74 397	3.43 465	2.81 460	10.09 468	2.12 448	9.10 472	17.12 477	4.96 461	9.27 468	10.72 471	3.70 451	9.20 457	4.55 436	3.31 460	0.84 445	2.88 463	1.55 459	3.49 462	3.04 465

TorneroNet	10.70 470	2.03 453	1.82 401	3.43 465	3.01 463	43.83 486	2.22 452	8.87 471	67.47 492	7.17 469	27.36 481	10.68 470	3.85 454	8.67 455	7.65 451	3.59 463	0.88 451	3.04 464	1.57 460	3.71 463	3.17 466

KSHMR	8.75 467	2.06 456	2.11 413	3.53 467	3.11 464	4.13 455	2.69 459	5.60 462	61.37 491	3.00 441	55.83 491	4.98 451	2.45 435	4.49 386	2.61 416	3.46 462	1.55 466	3.14 466	1.94 464	3.72 464	3.18 467

notaker	3.98 452	2.40 462	2.68 431	3.82 470	3.27 467	3.97 453	2.14 449	4.78 458	3.45 447	4.12 453	6.94 455	7.65 460	3.26 446	7.82 450	5.30 439	4.04 469	1.41 464	3.36 469	2.10 466	3.88 465	3.31 468

DPSimNet_ROB	11.20 472	4.98 472	35.43 482	2.90 458	4.52 472	7.89 465	17.09 474	4.66 456	6.06 462	14.89 477	10.93 471	17.29 474	36.81 486	13.18 474	15.68 470	2.86 453	6.29 473	5.75 474	5.09 472	3.91 466	7.70 475

MADNet++	5.01 456	3.14 466	4.91 444	4.55 474	3.94 471	5.20 462	4.41 468	4.40 454	4.13 453	4.95 460	6.08 451	4.74 445	5.37 458	9.40 461	10.67 462	4.65 471	4.15 472	3.97 471	3.34 470	4.09 467	4.08 473

JetRed	6.91 464	8.80 475	25.96 478	2.85 455	3.25 466	13.98 475	11.87 471	6.25 467	4.28 454	4.45 455	4.56 441	6.69 455	5.46 459	7.46 445	14.05 466	2.59 451	3.31 469	2.59 458	2.29 468	4.20 468	3.36 469

UNDER WATER-64	5.27 458	2.32 459	8.78 458	3.93 471	3.54 469	7.61 464	3.03 465	5.84 464	14.19 468	4.04 450	4.04 437	9.39 465	6.26 463	5.93 419	8.48 455	3.60 464	1.51 465	3.13 465	1.88 462	4.29 469	3.61 470

UNDER WATER	5.08 457	2.33 460	5.55 447	3.94 472	3.51 468	5.20 462	2.72 461	5.61 463	16.52 474	3.84 447	4.60 442	9.21 464	5.89 461	5.90 417	8.66 456	3.75 465	1.34 463	3.18 467	1.88 462	4.33 470	3.61 470

test_for_model	1.30 367	3.71 470	0.58 62	3.22 461	2.84 461	0.59 107	0.33 48	1.40 213	0.83 101	1.42 337	0.61 37	0.52 46	0.37 23	0.51 10	0.33 25	2.46 448	0.15 146	0.16 15	0.11 7	4.39 471	1.50 444

tt	6.58 463	0.26 61	6.10 451	3.77 469	2.16 446	11.55 470	19.63 475	13.33 476	5.74 460	2.96 439	2.65 419	4.97 450	6.33 465	3.81 375	7.24 446	9.15 475	11.32 480	5.89 475	6.24 473	6.03 472	2.55 460

DGTPSM_ROB	13.01 473	8.23 473	21.87 471	9.51 476	18.10 474	11.56 471	32.01 481	10.63 473	16.20 470	7.03 467	19.48 479	10.15 467	16.66 474	9.83 467	22.42 476	4.75 472	8.68 474	5.37 472	10.25 476	6.16 473	11.36 476

DPSMNet_ROB	13.02 474	8.23 473	21.91 472	9.53 477	18.11 475	11.56 471	32.02 482	10.64 474	16.23 471	7.05 468	19.49 480	10.16 468	16.66 474	9.85 468	22.43 477	4.77 473	8.68 474	5.38 473	10.26 477	6.17 474	11.36 476

HanzoNet	11.04 471	3.62 469	8.10 457	4.08 473	3.55 470	4.90 460	2.73 462	7.19 469	10.10 465	31.86 487	28.92 482	21.96 482	36.36 484	18.08 477	10.17 459	7.94 474	3.32 470	3.47 470	3.31 469	7.06 475	4.04 472

SuperB	2.53 437	0.59 369	18.45 468	0.69 339	0.50 285	1.87 397	0.88 352	1.67 281	2.39 426	1.50 353	1.42 294	1.14 261	1.15 337	4.28 384	5.07 437	0.24 233	0.19 241	0.22 150	0.19 132	7.86 476	0.34 326

DPSM_ROB	19.08 476	19.14 479	25.17 476	22.15 480	20.85 477	28.17 478	37.82 484	26.56 480	16.85 475	14.14 474	14.84 473	21.70 477	18.75 477	21.87 479	26.55 481	10.16 478	9.30 477	10.47 477	10.42 478	14.03 477	12.61 479

DPSM	19.08 476	19.14 479	25.17 476	22.15 480	20.85 477	28.17 478	37.82 484	26.56 480	16.85 475	14.14 474	14.84 473	21.70 477	18.75 477	21.87 479	26.55 481	10.16 478	9.30 477	10.47 477	10.42 478	14.03 477	12.61 479

ASD4	15.85 475	10.99 476	19.63 469	10.21 478	11.70 473	19.24 476	31.10 480	19.35 477	10.68 466	11.14 472	10.18 469	12.59 472	12.64 470	14.74 475	24.83 479	12.93 480	9.94 479	26.83 482	19.40 480	16.23 479	12.70 481

PML	51.67 489	36.25 485	13.28 465	7.46 475	20.81 476	108.69 492	232.22 493	8.72 470	27.82 483	87.01 492	269.67 493	69.67 492	61.95 492	24.76 485	14.20 467	9.74 477	3.40 471	9.62 476	4.70 471	18.74 480	4.72 474

CasAABBNet	38.33 482	38.46 486	50.35 487	44.75 487	41.84 483	56.68 487	76.37 490	53.22 490	33.83 486	28.31 484	29.54 484	43.62 489	37.71 488	43.84 489	53.41 491	20.30 481	18.70 484	21.07 479	21.07 482	28.24 481	25.34 483

Selective-RAFT-Error	38.39 483	38.47 487	50.44 488	44.73 486	41.97 484	56.68 487	76.38 491	53.24 491	33.92 487	28.34 485	29.85 485	43.60 488	38.20 489	43.75 488	53.34 490	20.38 482	18.70 484	21.09 480	21.05 481	28.30 482	25.43 484

LSM0	42.82 487	38.75 488	50.81 489	47.07 488	109.38 492	57.00 489	76.02 489	53.74 492	33.71 485	29.02 486	30.41 486	43.87 490	37.22 487	43.91 490	53.54 492	20.52 483	18.62 483	21.10 481	21.11 483	28.41 483	42.22 486

LRCNet_RVC	22.74 478	32.10 484	21.97 473	29.84 482	26.23 479	4.42 457	0.81 339	22.66 478	2.02 417	26.93 483	29.26 483	23.06 484	15.59 473	23.84 481	18.88 473	31.75 484	19.90 486	34.65 483	32.13 484	30.54 484	28.32 485

HaxPig	38.92 484	41.40 489	41.64 483	29.95 483	32.27 480	28.90 480	27.60 477	29.73 483	37.71 488	43.82 488	43.87 487	33.17 485	35.56 483	41.53 486	40.37 488	43.94 488	47.51 491	45.82 484	47.08 486	42.38 485	44.15 488

AVERAGE_ROB	40.43 485	42.37 490	42.73 484	36.96 485	35.58 482	30.50 481	27.61 478	36.71 489	38.39 489	44.91 489	44.36 488	37.45 487	36.70 485	41.88 487	40.35 487	45.43 489	46.81 490	47.11 485	46.35 485	42.51 486	43.87 487

MEDIAN_ROB	42.00 486	44.40 491	44.29 486	35.15 484	34.95 481	31.28 485	29.60 479	35.88 488	40.02 490	47.20 490	46.64 489	37.37 486	38.48 490	44.35 491	42.45 489	48.03 490	49.39 492	49.71 486	49.03 487	45.14 487	46.65 489

xxxxx1	54.10 490	25.67 481	27.13 479	113.43 489	96.96 489	30.69 482	47.44 486	32.38 484	25.60 479	17.75 478	17.27 475	21.81 479	21.02 479	24.43 482	33.82 483	33.37 485	40.54 487	157.71 490	175.86 490	66.16 488	72.93 490

tt_ll	54.10 490	25.67 481	27.13 479	113.43 489	96.96 489	30.69 482	47.44 486	32.38 484	25.60 479	17.75 478	17.27 475	21.81 479	21.02 479	24.43 482	33.82 483	33.37 485	40.54 487	157.71 490	175.86 490	66.16 488	72.93 490

ff	54.10 490	25.67 481	27.13 479	113.43 489	96.96 489	30.69 482	47.44 486	32.38 484	25.60 479	17.75 478	17.27 475	21.81 479	21.02 479	24.43 482	33.82 483	33.37 485	40.54 487	157.71 490	175.86 490	66.16 488	72.93 490

DLNR_Zeroshot_test	23.17 479	48.52 492	43.29 485	176.68 492	78.69 488	0.35 8	0.21 2	23.41 479	0.75 81	0.66 67	0.86 90	0.59 70	0.30 8	1.56 239	0.44 114	9.57 476	0.12 12	0.18 52	0.14 37	76.92 491	0.16 56

Anonymous_1	43.04 488	18.73 478	24.79 475	21.81 479	46.26 485	27.80 477	37.60 483	28.08 482	16.14 469	14.66 476	14.30 472	20.65 476	17.88 476	21.56 478	25.94 480	117.93 491	8.92 476	100.65 488	126.50 488	158.64 492	12.08 478

test_example2	192.40 493	210.76 493	206.48 493	199.83 493	204.73 493	172.94 493	183.52 492	133.93 493	133.41 493	191.38 493	196.19 492	187.13 493	178.77 493	205.33 493	208.00 493	222.09 493	238.72 493	186.54 493	190.54 493	227.34 493	170.31 493

Low-res two-view benchmark