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

U	12.82 465	0.38 1	1.99 71	0.66 11	58.94 482	63.38 488	0.34 6	1.91 31	0.94 3	0.59 1	0.80 11	0.46 1	0.57 6	0.83 2	0.44 3	0.29 95	0.17 10	63.35 485	59.81 484	0.29 58	0.20 7

CAS	1.26 100	0.40 2	1.46 29	2.97 440	1.61 381	4.13 303	0.73 110	1.78 25	1.49 64	0.83 36	1.10 39	0.59 5	0.53 4	1.26 54	0.80 63	2.99 444	0.13 1	0.21 4	0.13 1	0.31 92	1.72 425

IGEV-Stereo++	0.93 26	0.44 3	1.08 4	0.70 12	1.20 308	3.87 245	0.33 4	3.36 164	1.43 37	0.75 10	1.17 46	0.68 14	1.04 100	0.95 6	0.42 1	0.22 5	0.16 5	0.23 11	0.17 10	0.24 7	0.20 7

Pointernet	0.88 20	0.44 3	2.26 103	0.84 61	0.37 20	2.29 73	0.38 9	3.06 132	1.46 46	0.66 5	1.39 91	0.91 56	0.73 30	1.01 12	0.72 45	0.23 12	0.19 44	0.20 1	0.18 13	0.19 1	0.20 7

s12784h	1.31 112	0.45 5	2.41 118	0.71 14	0.35 7	4.42 366	0.50 26	4.22 337	2.73 347	2.01 205	2.48 346	0.91 56	0.96 83	2.01 148	0.70 37	0.29 95	0.18 27	0.24 24	0.16 8	0.27 33	0.18 2

Selective-RAFT	1.15 67	0.46 6	1.64 44	0.99 147	0.45 56	4.17 322	0.51 30	3.21 145	1.69 156	1.12 64	1.34 81	1.45 126	1.40 180	2.08 152	0.94 118	0.41 280	0.20 69	0.24 24	0.23 79	0.27 33	0.25 41

IGEV-Stereo+	0.94 28	0.47 7	1.19 8	0.86 74	2.02 423	1.40 26	0.39 11	1.17 2	0.88 1	0.61 2	0.44 1	0.47 2	0.79 47	2.14 160	0.42 1	0.27 47	0.19 44	0.22 6	0.17 10	2.26 435	2.41 439

UniTT-Stereo	0.82 13	0.47 7	2.63 133	0.96 129	1.19 303	0.78 3	0.39 11	1.12 1	1.54 96	1.19 68	1.26 62	0.51 3	0.64 17	1.13 26	1.03 134	0.30 132	0.20 69	0.24 24	0.21 44	0.40 205	0.25 41

RAFT-Stereo-weight	1.11 59	0.48 9	1.22 12	0.99 147	0.42 42	4.17 322	0.80 161	3.60 188	1.50 69	1.97 184	1.50 114	1.30 105	0.65 19	1.24 51	0.85 79	0.25 27	0.19 44	0.26 52	0.22 69	0.27 33	0.23 24

trnet	0.91 23	0.48 9	1.46 29	0.62 3	0.31 2	4.40 362	0.41 14	2.20 48	1.53 88	0.94 45	1.14 43	0.88 51	0.89 70	1.09 19	0.71 40	0.27 47	0.19 44	0.22 6	0.15 4	0.21 3	0.19 3

MoCha-V2	0.87 19	0.48 9	1.87 60	0.88 83	0.32 4	1.37 24	0.55 38	2.71 100	1.42 33	0.92 44	1.75 181	0.65 11	1.17 142	1.45 81	0.57 5	0.21 1	0.21 98	0.20 1	0.19 25	0.24 7	0.23 24

MC-Stereo	1.06 53	0.48 9	1.55 38	1.15 234	0.41 38	4.56 395	0.61 57	2.06 40	1.46 46	1.90 163	1.61 145	0.89 53	1.12 126	1.35 68	0.73 47	0.25 27	0.18 27	0.26 52	0.22 69	0.25 16	0.24 34

PMTNet	0.99 43	0.48 9	1.73 48	0.62 3	0.56 112	4.20 334	0.43 18	1.88 28	1.58 116	1.00 50	1.05 32	0.78 31	0.98 88	1.50 87	0.85 79	1.21 419	0.20 69	0.23 11	0.15 4	0.22 5	0.19 3

CREStereo++_RVC	1.02 51	0.49 14	1.54 37	0.83 54	0.55 108	4.01 278	0.31 2	1.63 16	1.99 205	1.63 110	2.13 294	0.84 41	0.65 19	0.88 3	0.70 37	0.27 47	0.15 2	0.23 11	1.22 431	0.24 7	0.17 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
RSM	0.80 7	0.50 15	1.08 4	0.83 54	0.51 87	1.31 22	0.77 144	2.28 56	1.43 37	0.82 31	1.44 100	1.22 96	0.62 14	1.17 38	0.63 13	0.22 5	0.18 27	0.24 24	0.19 25	0.27 33	0.20 7

test_4	1.30 108	0.50 15	6.16 206	0.84 61	0.45 56	1.61 37	1.12 288	2.14 45	1.42 33	1.52 93	2.31 331	1.84 192	0.79 47	2.52 191	1.19 162	0.27 47	0.17 10	0.29 109	0.29 205	0.29 58	0.25 41

FENet	2.25 238	0.50 15	20.29 409	1.35 312	0.67 162	4.01 278	0.60 54	3.95 264	1.99 205	1.96 182	1.11 40	2.43 261	1.43 192	1.60 101	1.39 205	0.32 169	0.22 124	0.33 201	0.26 126	0.29 58	0.39 212

RSM++	0.77 4	0.51 18	1.08 4	0.95 123	0.42 42	1.52 33	0.71 102	2.11 43	1.40 29	0.80 27	1.23 56	0.90 55	0.59 9	1.14 28	0.69 31	0.24 16	0.19 44	0.25 38	0.21 44	0.28 48	0.20 7

CASnet	0.78 5	0.51 18	1.29 17	0.81 37	0.29 1	1.28 20	0.74 121	1.51 6	1.89 194	1.64 112	1.09 38	0.65 11	0.64 17	0.91 4	0.76 54	0.29 95	0.17 10	0.41 296	0.31 237	0.32 115	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
EGLCR-Stereo	1.06 53	0.51 18	1.56 39	1.02 169	0.39 31	4.27 345	0.42 15	4.08 303	1.48 56	0.90 40	0.68 2	1.09 73	0.66 22	1.81 130	0.62 11	0.27 47	0.19 44	0.29 109	0.23 79	0.37 186	0.25 41

DCANet-4	1.96 199	0.51 18	14.31 299	0.82 45	0.40 34	4.16 317	0.57 42	4.29 367	2.98 382	2.30 294	1.80 203	1.03 69	1.54 226	1.44 77	1.44 215	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

tt	7.19 449	0.51 18	6.83 210	4.03 454	2.30 432	12.05 463	20.19 473	15.46 471	6.58 453	3.42 407	3.22 395	5.37 429	6.39 436	4.20 240	7.46 410	9.81 472	11.53 476	7.05 470	7.46 471	6.31 463	3.71 461

test_3	1.19 71	0.51 18	2.08 90	0.99 147	0.41 38	2.05 62	0.87 207	4.40 401	1.42 33	1.99 191	1.18 47	2.03 218	0.79 47	2.70 204	0.75 51	0.27 47	0.17 10	0.29 109	0.29 205	0.30 77	0.27 71

RAStereo	0.75 1	0.52 24	2.86 145	0.58 1	0.62 141	1.19 8	0.32 3	1.81 27	0.99 4	0.75 10	1.05 32	0.64 9	0.47 2	0.80 1	0.94 118	0.22 5	0.20 69	0.27 72	0.21 44	0.34 149	0.22 17

Occ-G	0.86 16	0.52 24	1.39 24	0.82 45	0.66 156	1.37 24	0.79 153	1.58 10	1.31 21	1.56 98	0.87 13	2.18 234	0.89 70	0.97 7	0.88 93	0.26 37	0.19 44	0.26 52	0.19 25	0.25 16	0.24 34

LoS	0.94 28	0.52 24	1.88 61	0.86 74	0.36 8	4.15 307	0.51 30	2.18 47	1.45 39	0.97 49	0.88 14	0.62 7	0.79 47	1.59 99	0.86 85	0.26 37	0.19 44	0.24 24	0.16 8	0.21 3	0.20 7
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Selective-IGEV	0.80 7	0.52 24	1.05 2	0.75 19	0.61 138	1.31 22	0.82 171	2.60 91	1.41 32	0.82 31	1.64 151	0.71 22	0.62 14	1.22 49	0.64 14	0.22 5	0.19 44	0.24 24	0.18 13	0.25 16	0.20 7

RCA-Stereo	1.21 79	0.52 24	1.58 40	0.90 92	0.46 63	4.68 411	0.79 153	4.13 315	1.74 172	1.92 170	1.80 203	0.94 61	1.48 206	1.14 28	0.70 37	0.27 47	0.18 27	0.25 38	0.19 25	0.25 16	0.23 24

GLC_STEREO	0.76 2	0.52 24	1.12 7	0.83 54	0.33 5	1.86 47	0.82 171	1.46 4	1.38 26	0.95 47	1.04 28	0.68 14	0.72 27	0.97 7	0.80 63	0.23 12	0.25 197	0.32 167	0.25 110	0.32 115	0.30 124

test-3	1.19 71	0.52 24	2.00 72	1.01 160	0.42 42	1.95 54	0.91 225	4.35 388	1.47 51	2.24 280	1.16 44	2.06 224	0.79 47	2.68 202	0.76 54	0.27 47	0.18 27	0.28 94	0.26 126	0.26 24	0.25 41

test_1	1.19 71	0.52 24	2.00 72	1.01 160	0.42 42	1.95 54	0.90 217	4.36 393	1.47 51	2.17 256	1.16 44	2.06 224	0.78 45	2.68 202	0.76 54	0.27 47	0.18 27	0.28 94	0.26 126	0.26 24	0.25 41

KYRaft	1.59 144	0.52 24	1.73 48	0.95 123	0.49 83	4.38 355	1.79 371	2.43 65	1.51 75	2.49 334	2.98 383	2.00 214	3.41 384	2.14 160	0.82 71	0.30 132	0.21 98	0.33 201	0.46 349	0.35 166	2.45 442

GMM-Stereo	2.45 283	0.52 24	20.38 412	0.89 87	0.82 204	4.18 325	1.91 380	2.45 67	1.48 56	2.48 333	2.30 324	1.69 157	1.86 293	2.93 211	1.08 142	0.28 76	0.18 27	0.33 201	0.48 356	0.35 166	2.41 439

CFNet-RSSM	2.08 221	0.52 24	20.06 394	1.01 160	0.56 112	3.39 149	0.64 73	3.67 198	1.55 102	1.72 128	1.37 87	2.57 275	1.19 147	1.11 21	0.86 85	0.27 47	0.20 69	0.25 38	0.23 79	0.27 33	0.23 24

H2IRNET	1.90 186	0.53 35	14.29 298	1.14 221	0.60 134	4.48 372	0.44 19	2.65 95	1.81 179	1.05 57	2.30 324	1.67 150	1.40 180	2.17 164	1.50 231	0.36 225	0.21 98	0.33 201	0.37 298	0.34 149	0.29 98

11t1	1.11 59	0.53 35	1.80 56	1.55 365	0.65 152	2.20 71	0.60 54	3.66 197	1.49 64	1.60 101	1.26 62	1.03 69	1.35 171	1.72 122	0.97 124	0.28 76	0.31 261	0.29 109	0.23 79	0.30 77	0.34 162

Any-RAFT	1.40 120	0.53 35	2.78 141	1.09 197	0.64 145	4.41 364	0.81 168	3.97 270	2.78 353	1.99 191	1.34 81	2.36 252	1.56 230	1.56 95	0.75 51	0.27 47	0.20 69	0.25 38	0.18 13	0.25 16	0.28 88

FTStereo	3.71 393	0.53 35	20.37 411	0.96 129	0.65 152	4.34 352	11.29 461	2.62 93	1.50 69	2.58 347	5.04 422	1.90 197	13.84 459	3.71 226	1.25 180	0.38 248	0.24 178	0.31 149	0.32 247	0.30 77	2.10 433

GrayStereo	2.58 309	0.53 35	1.63 42	1.58 369	0.89 232	4.17 322	8.17 458	3.03 128	1.52 83	2.80 372	2.50 348	1.70 159	17.10 462	2.83 208	1.15 153	0.33 183	0.21 98	0.27 72	0.32 247	0.28 48	0.53 306

CREStereo	0.92 24	0.53 35	1.45 28	0.61 2	0.34 6	4.42 366	0.40 13	2.21 50	1.54 96	0.94 45	1.12 41	0.87 49	0.87 65	1.12 23	0.72 45	0.28 76	0.19 44	0.22 6	0.15 4	0.22 5	0.19 3
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
AIO-Stereo	0.76 2	0.54 41	1.07 3	0.73 17	0.40 34	1.28 20	0.82 171	2.26 54	1.49 64	0.70 9	1.58 133	0.89 53	0.45 1	1.03 13	0.55 4	0.24 16	0.18 27	0.25 38	0.20 34	0.26 24	0.21 15

AEACV	0.79 6	0.54 41	1.35 22	0.97 136	0.63 143	1.13 7	0.92 237	2.02 37	0.91 2	0.76 19	0.79 10	0.80 36	1.61 236	1.28 58	0.61 10	0.22 5	0.18 27	0.26 52	0.23 79	0.27 33	0.23 24

LCNet	1.55 132	0.54 41	1.88 61	0.99 147	0.55 108	3.60 191	1.21 309	2.86 118	1.53 88	2.18 258	1.74 177	1.43 125	4.17 402	3.62 223	0.87 90	0.29 95	0.20 69	0.28 94	0.77 405	0.47 286	1.85 428

PSM-AAD	2.43 281	0.54 41	1.32 19	0.92 103	0.54 105	4.48 372	7.47 454	2.96 122	1.55 102	2.31 300	2.56 356	1.26 99	16.23 461	2.46 181	0.89 96	0.28 76	0.21 98	0.58 373	0.41 334	0.34 149	1.32 412

xxxx	2.67 318	0.54 41	2.03 75	1.22 261	0.81 196	3.49 167	0.63 70	4.49 416	2.49 316	2.22 274	2.23 309	2.05 222	1.38 173	10.05 359	17.91 454	0.32 169	0.32 269	0.30 128	0.27 151	0.33 131	0.34 162

WCG-NET（raft）	0.95 33	0.55 46	1.20 11	0.84 61	0.31 2	1.44 27	1.01 261	1.55 9	2.37 292	1.64 112	1.42 97	2.38 254	1.01 93	1.29 60	0.76 54	0.22 5	0.19 44	0.22 6	0.20 34	0.25 16	0.21 15

test_sample1	1.62 147	0.55 46	1.88 61	1.44 339	0.79 191	2.27 72	0.64 73	4.00 278	1.82 180	1.87 154	1.35 84	1.57 138	1.62 239	9.55 341	1.24 177	0.30 132	0.27 219	0.31 149	0.28 178	0.32 115	0.32 139

MIF-Stereo (partial)	0.98 37	0.55 46	2.83 142	0.71 14	1.03 268	1.08 6	0.49 25	2.55 83	1.66 148	0.79 25	1.20 49	0.80 36	0.90 72	1.61 106	1.56 243	0.36 225	0.24 178	0.33 201	0.25 110	0.40 205	0.28 88

CES	1.01 47	0.55 46	1.74 51	0.92 103	2.15 426	2.15 67	0.50 26	2.01 36	1.45 39	0.76 19	1.02 21	0.61 6	0.47 2	1.29 60	0.79 62	0.22 5	0.17 10	0.24 24	0.14 2	0.63 338	2.29 436

DisPM	1.36 116	0.55 46	2.39 116	1.54 360	0.51 87	4.59 398	0.79 153	2.50 71	1.88 190	2.50 335	1.83 222	1.45 126	1.01 93	2.71 205	0.93 116	0.46 316	0.20 69	0.32 167	0.31 237	0.31 92	0.44 256

RAFT-RH_RVC	2.63 312	0.55 46	19.97 391	1.26 275	0.47 73	4.46 370	0.57 42	1.71 19	1.64 142	3.06 390	5.51 424	2.03 218	1.28 158	6.70 288	1.52 239	0.42 290	0.22 124	0.37 261	0.34 262	0.28 48	0.29 98

RAFT-345	2.46 285	0.55 46	19.69 382	1.02 169	0.49 83	4.43 368	0.78 147	1.64 17	2.34 281	2.09 226	3.12 391	1.96 207	1.31 165	6.65 286	1.43 213	0.36 225	0.23 148	0.32 167	0.25 110	0.28 48	0.25 41

Prome-Stereo	1.61 146	0.55 46	1.71 47	0.98 141	0.60 134	4.41 364	1.82 375	3.03 128	1.53 88	2.18 258	3.45 402	1.72 162	3.49 390	2.23 173	1.08 142	0.29 95	0.20 69	0.26 52	0.25 110	0.34 149	2.16 434

TANstereo	1.01 47	0.55 46	1.73 48	0.76 32	0.36 8	4.04 282	0.38 9	1.48 5	1.62 138	2.03 213	2.10 286	0.84 41	0.93 78	0.98 9	0.62 11	0.28 76	0.36 295	0.23 11	0.20 34	0.25 16	0.46 272

UGAM	2.58 309	0.56 55	18.55 359	0.89 87	0.71 173	3.23 126	1.03 266	2.75 106	1.75 173	1.36 77	2.77 372	2.69 285	1.28 158	10.75 377	1.40 206	0.28 76	0.24 178	0.40 286	0.31 237	0.35 166	0.30 124

test_sample2	1.75 167	0.56 55	2.25 102	1.41 333	0.80 193	2.91 98	0.86 190	4.05 293	2.04 216	1.91 168	1.39 91	1.57 138	1.55 228	10.65 374	1.06 137	0.32 169	0.28 228	0.32 167	0.30 221	0.36 178	0.33 151

MGS-Stereo	0.80 7	0.56 55	1.53 34	0.93 115	0.39 31	1.26 15	0.73 110	1.45 3	1.30 20	1.01 51	2.26 313	0.80 36	0.56 5	1.16 33	0.65 18	0.27 47	0.23 148	0.26 52	0.22 69	0.27 33	0.25 41

ttt	2.76 326	0.56 55	2.28 108	1.41 333	1.21 313	3.67 204	0.77 144	4.59 426	2.94 377	2.35 312	2.30 324	2.45 264	1.54 226	11.25 402	15.56 441	0.43 295	0.36 295	0.37 261	0.33 255	0.40 205	0.40 232

riskmin	1.25 93	0.56 55	2.05 78	1.05 178	0.93 242	2.86 94	0.55 38	3.23 148	1.34 24	1.55 96	1.07 36	3.56 363	2.03 304	1.29 60	1.00 132	0.28 76	0.27 219	0.34 218	0.21 44	0.41 228	0.43 250

DRaft	2.28 247	0.56 55	2.64 134	0.74 18	0.46 63	3.94 259	1.23 310	2.32 58	1.55 102	2.64 358	2.80 375	1.60 143	5.34 420	6.96 296	10.99 425	0.34 195	0.22 124	0.27 72	0.27 151	0.29 58	0.37 192

HCRNet	1.60 145	0.56 55	2.47 120	0.78 34	1.36 338	4.11 298	0.71 102	3.57 185	2.79 355	1.75 133	1.61 145	1.58 140	1.41 185	5.79 266	1.56 243	0.34 195	0.28 228	0.36 249	0.29 205	0.33 131	0.37 192

test_xeample	2.67 318	0.56 55	2.05 78	1.09 197	0.81 196	3.24 130	0.80 161	4.55 423	2.70 344	2.42 326	2.27 314	1.39 117	1.40 180	10.75 377	17.51 453	0.30 132	0.30 251	0.32 167	0.28 178	0.34 149	0.33 151

UGAM-zero	2.79 327	0.57 63	20.87 429	0.98 141	0.77 189	2.08 64	0.35 7	3.88 242	1.51 75	2.05 217	1.64 151	5.07 424	3.42 387	9.83 347	1.24 177	0.28 76	0.21 98	0.27 72	0.29 205	0.29 58	0.28 88

SMFormer	2.00 207	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 351	2.80 359	2.32 304	2.31 331	1.95 202	1.52 218	10.99 389	2.13 321	0.34 195	0.32 269	0.36 249	0.31 237	0.38 190	0.36 178

tta	2.00 207	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 351	2.80 359	2.32 304	2.31 331	1.95 202	1.52 218	10.99 389	2.13 321	0.34 195	0.32 269	0.36 249	0.31 237	0.29 58	0.29 98

qqq1	1.92 192	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 351	2.80 359	2.32 304	2.31 331	1.95 202	1.52 218	10.99 389	0.71 40	0.34 195	0.32 269	0.30 128	0.23 79	0.29 58	0.29 98

fff1	1.92 192	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 351	2.80 359	2.32 304	2.31 331	1.95 202	1.52 218	10.99 389	0.71 40	0.34 195	0.32 269	0.30 128	0.23 79	0.29 58	0.29 98

1111x	3.13 367	0.57 63	8.38 226	1.20 252	0.76 184	3.80 225	0.88 211	4.61 428	2.63 335	2.31 300	2.16 298	1.95 202	1.81 286	11.54 411	18.13 456	0.32 169	0.31 261	0.32 167	0.30 221	0.35 166	0.34 162

qqq	1.30 108	0.57 63	1.67 45	1.15 234	0.51 87	2.18 69	0.91 225	3.98 272	1.53 88	1.50 92	1.24 57	1.79 178	1.34 169	4.66 243	0.98 127	0.28 76	0.31 261	0.33 201	0.33 255	0.33 131	0.32 139

x	1.15 67	0.57 63	1.53 34	1.44 339	0.67 162	1.94 53	0.97 255	3.87 239	1.57 114	1.61 106	1.28 69	1.58 140	1.22 149	1.93 141	1.04 135	0.28 76	0.30 251	0.34 218	0.29 205	0.32 115	0.31 132

PFNet+	1.46 127	0.57 63	2.84 143	0.92 103	0.47 73	4.64 405	0.84 179	2.46 68	1.99 205	2.14 239	1.64 151	1.34 110	1.03 96	4.68 245	1.23 175	0.45 311	0.33 276	0.37 261	0.39 317	0.32 115	0.49 285

cross-raft	2.01 210	0.57 63	19.01 366	1.03 176	0.56 112	2.11 66	0.72 105	3.63 191	1.57 114	1.77 135	1.51 115	3.17 328	1.13 128	1.16 33	0.85 79	0.23 12	0.21 98	0.26 52	0.23 79	0.28 48	0.25 41

222	2.68 321	0.57 63	2.03 75	1.11 210	0.81 196	3.23 126	0.65 82	4.52 421	2.45 308	2.34 311	2.29 320	1.41 122	1.44 195	10.50 369	18.47 458	0.32 169	0.30 251	0.32 167	0.27 151	0.32 115	0.34 162

Gwc-CoAtRS	1.58 139	0.57 63	11.69 267	1.01 160	0.60 134	2.53 83	0.64 73	2.36 59	1.56 108	1.80 141	1.47 107	2.74 291	1.18 143	1.12 23	0.90 99	0.27 47	0.21 98	0.25 38	0.22 69	0.27 33	0.23 24

HSM-Net_RVC	2.87 335	0.57 63	17.46 342	0.92 103	0.90 235	3.70 207	1.20 306	5.64 451	2.51 320	3.22 399	2.43 342	2.54 273	1.59 231	11.41 406	1.65 262	0.34 195	0.25 197	0.26 52	0.23 79	0.30 77	0.29 98
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
IGEV++	0.90 22	0.58 76	1.32 19	0.94 120	0.45 56	1.27 16	1.00 259	3.32 160	1.55 102	0.82 31	1.34 81	0.86 48	1.09 117	1.16 33	0.89 96	0.33 183	0.18 27	0.23 11	0.19 25	0.29 58	0.22 17

mmm	1.27 104	0.58 76	2.20 96	1.41 333	0.68 167	2.39 78	0.85 188	3.90 249	1.63 141	2.20 264	1.84 227	1.28 101	1.50 213	1.91 140	0.89 96	0.31 151	0.27 219	0.45 317	0.37 298	0.38 190	0.34 162

IPLGR	2.53 298	0.58 76	20.46 417	0.82 45	0.52 96	4.56 395	0.50 26	4.30 375	2.38 295	1.87 154	1.53 122	1.68 152	1.72 270	6.95 295	1.15 153	0.28 76	0.21 98	0.27 72	0.23 79	0.33 131	0.32 139

DEmStereo	2.97 349	0.58 76	13.42 279	0.79 36	0.51 87	3.84 234	1.84 378	2.42 63	1.60 131	2.25 283	2.74 368	2.03 218	6.04 427	6.79 294	12.80 434	0.35 214	0.26 209	0.26 52	0.27 151	0.27 33	0.37 192

SST-Stereo	1.76 168	0.58 76	3.10 153	1.44 339	0.46 63	4.71 423	0.76 133	2.22 51	2.79 355	2.07 225	2.18 301	2.43 261	3.22 377	6.66 287	0.84 76	0.42 290	0.19 44	0.30 128	0.27 151	0.35 166	0.26 59

R-Stereo Train	1.20 76	0.58 76	1.81 57	0.99 147	0.67 162	3.78 220	0.90 217	4.09 305	1.51 75	2.16 252	1.71 170	1.13 77	0.94 80	1.40 70	0.91 106	0.30 132	0.24 178	0.26 52	0.21 44	0.26 24	0.25 41

RAFT-Stereo	1.20 76	0.58 76	1.81 57	0.99 147	0.67 162	3.78 220	0.90 217	4.09 305	1.51 75	2.16 252	1.71 170	1.13 77	0.94 80	1.40 70	0.91 106	0.30 132	0.24 178	0.26 52	0.21 44	0.26 24	0.25 41
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RAFT-Test	1.44 124	0.59 83	6.10 205	1.01 160	0.69 170	2.90 96	0.80 161	3.68 200	1.70 159	1.85 147	1.68 161	3.15 327	1.03 96	1.20 45	0.99 130	0.27 47	0.22 124	0.25 38	0.23 79	0.27 33	0.25 41

BUS	1.49 131	0.59 83	1.94 67	0.87 78	0.85 214	4.50 381	0.76 133	4.48 413	1.88 190	2.93 379	1.83 222	3.63 365	0.97 86	1.60 101	1.17 159	0.34 195	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

BSDual-CNN	1.46 127	0.59 83	1.94 67	0.87 78	0.85 214	4.16 317	1.16 295	4.48 413	1.88 190	2.93 379	1.83 222	2.60 278	1.31 165	1.60 101	1.21 169	0.34 195	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

psmg	1.47 130	0.59 83	1.94 67	0.92 103	0.85 214	4.30 349	1.42 338	4.10 313	1.88 190	2.64 358	2.09 285	2.60 278	1.31 165	1.60 101	1.21 169	0.34 195	0.27 219	0.33 201	0.34 262	0.36 178	0.34 162

PSM-softLoss	1.66 155	0.59 83	5.15 197	2.25 421	0.48 79	4.68 411	0.69 94	2.57 88	1.52 83	2.14 239	1.45 101	1.42 123	0.99 89	6.04 272	1.20 165	0.41 280	0.23 148	0.37 261	0.39 317	0.32 115	0.31 132

KMStereo	1.66 155	0.59 83	5.15 197	2.25 421	0.48 79	4.68 411	0.69 94	2.57 88	1.52 83	2.14 239	1.45 101	1.42 123	0.99 89	6.04 272	1.20 165	0.41 280	0.23 148	0.37 261	0.39 317	0.32 115	0.31 132

RAFT_R40	1.70 159	0.59 83	2.99 149	1.46 345	0.46 63	4.74 427	0.98 258	2.23 52	1.56 108	2.02 209	2.35 339	2.71 288	2.56 347	6.71 290	0.90 99	0.40 266	0.19 44	0.30 128	0.27 151	0.33 131	0.26 59

Pruner-Stereo	1.32 114	0.59 83	2.11 91	1.79 397	0.47 73	4.73 424	0.79 153	2.53 73	1.72 163	2.47 332	1.58 133	1.48 129	1.03 96	1.66 115	1.47 224	0.44 302	0.21 98	0.34 218	0.30 221	0.30 77	0.39 212

MDST_ROB	5.53 431	0.59 83	23.11 462	2.55 432	2.69 435	21.20 472	1.98 384	4.77 435	2.65 338	9.36 458	4.25 414	4.14 389	4.45 408	22.57 467	3.68 378	0.48 329	0.33 276	0.47 325	0.44 343	0.44 263	0.44 256

model_zeroshot	1.21 79	0.60 92	3.55 170	1.05 178	0.57 123	3.46 160	0.63 70	2.73 103	1.55 102	2.05 217	1.38 89	1.50 131	0.82 54	1.69 120	0.87 90	0.29 95	0.23 148	0.30 128	0.23 79	0.27 33	0.32 139

AE-Stereo	1.18 69	0.60 92	2.05 78	1.10 206	0.60 134	4.39 358	0.72 105	3.74 214	1.62 138	1.10 60	1.90 250	1.01 66	0.92 76	1.45 81	0.82 71	0.28 76	0.22 124	0.28 94	0.28 178	0.26 24	0.22 17

ffm	1.72 160	0.60 92	5.21 199	1.14 221	0.99 258	3.62 196	0.86 190	4.22 337	3.37 414	2.20 264	2.30 324	3.48 349	1.62 239	2.21 170	0.65 18	0.29 95	0.16 5	0.48 333	0.37 298	0.30 77	0.29 98

ff1	2.96 345	0.60 92	5.21 199	1.14 221	0.99 258	3.62 196	0.86 190	4.22 337	3.37 414	2.20 264	2.30 324	3.48 349	1.62 239	11.62 415	16.09 443	0.29 95	0.16 5	0.48 333	0.37 298	0.30 77	0.29 98

mmx	2.98 351	0.60 92	5.21 199	1.14 221	0.99 258	3.62 196	0.86 190	4.49 416	3.05 388	2.20 264	2.30 324	3.48 349	1.62 239	11.62 415	16.09 443	0.33 183	0.28 228	0.48 333	0.37 298	0.44 263	0.37 192

xxx	2.98 351	0.60 92	5.21 199	1.14 221	0.99 258	3.62 196	0.86 190	4.49 416	3.05 388	2.20 264	2.30 324	3.48 349	1.62 239	11.62 415	16.09 443	0.33 183	0.28 228	0.48 333	0.37 298	0.44 263	0.37 192

anonymousdsp2	1.26 100	0.60 92	3.74 179	1.02 169	0.41 38	3.60 191	0.72 105	3.68 200	1.47 51	1.37 78	1.56 130	1.83 189	1.01 93	2.00 145	0.66 22	0.29 95	0.20 69	0.28 94	0.20 34	0.32 115	0.29 98

knoymous	1.30 108	0.60 92	5.57 204	0.88 83	0.75 181	3.04 108	0.90 217	2.68 98	1.33 23	1.48 90	1.07 36	2.78 300	0.88 66	1.29 60	0.85 79	0.31 151	0.22 124	0.35 236	0.20 34	0.45 271	0.37 192

CrosDoStereo	5.24 426	0.60 92	20.23 402	0.82 45	0.51 87	3.39 149	18.11 469	3.82 227	2.27 266	1.98 186	8.74 440	1.96 207	6.96 439	7.35 300	26.35 471	0.30 132	0.22 124	0.30 128	0.28 178	0.33 131	0.38 206

AAGNet	2.86 332	0.60 92	1.77 53	2.05 416	0.46 63	4.76 429	1.09 282	2.27 55	1.56 108	2.17 256	1.84 227	2.41 257	4.00 398	6.23 277	24.22 469	0.46 316	0.19 44	0.30 128	0.29 205	0.32 115	0.24 34

ASMatch	2.62 311	0.60 92	20.65 424	1.37 326	0.64 145	4.39 358	0.78 147	1.97 34	1.58 116	1.70 123	3.89 412	1.94 200	3.79 394	5.46 257	1.64 260	0.31 151	0.24 178	0.34 218	0.28 178	0.33 131	0.50 292

DeepStereo_LL	5.24 426	0.60 92	20.23 402	0.82 45	0.51 87	3.39 149	18.11 469	3.82 227	2.27 266	1.98 186	8.74 440	1.96 207	6.96 439	7.35 300	26.35 471	0.30 132	0.22 124	0.30 128	0.28 178	0.33 131	0.38 206

PFNet	2.47 288	0.60 92	16.95 332	2.15 420	0.81 196	4.63 404	0.91 225	2.55 83	1.52 83	2.40 324	2.79 373	1.83 189	1.42 189	7.54 304	1.34 202	0.33 183	0.21 98	0.36 249	0.27 151	0.32 115	0.39 212

IRAFT_RVC	1.87 179	0.60 92	4.33 185	2.40 430	0.66 156	4.59 398	1.59 356	2.96 122	1.51 75	2.23 278	1.75 181	2.09 228	2.63 350	6.70 288	1.50 231	0.33 183	0.21 98	0.33 201	0.29 205	0.32 115	0.32 139

test_sample3	2.34 265	0.61 106	11.94 268	1.33 301	0.85 214	3.10 118	0.73 110	4.24 349	2.19 250	2.21 272	1.75 181	1.80 181	1.41 185	11.11 397	1.46 219	0.35 214	0.29 238	0.34 218	0.35 276	0.39 200	0.37 192

gcap-zeroshot	1.30 108	0.61 106	4.09 182	0.94 120	0.56 112	3.50 170	0.84 179	3.12 136	1.72 163	1.84 146	1.22 52	2.72 290	0.88 66	1.46 83	0.80 63	0.29 95	0.30 251	0.27 72	0.21 44	0.29 58	0.25 41

NF-Stereo	1.58 139	0.61 106	2.66 135	2.26 423	0.47 73	4.68 411	0.67 85	3.31 156	1.48 56	2.11 233	1.59 137	1.36 113	1.09 117	6.08 274	1.20 165	0.40 266	0.20 69	0.36 249	0.34 262	0.31 92	0.36 178

OCTAStereo	1.58 139	0.61 106	2.72 137	2.27 426	0.46 63	4.68 411	0.67 85	3.30 155	1.48 56	2.11 233	1.59 137	1.36 113	1.09 117	6.02 271	1.21 169	0.41 280	0.20 69	0.36 249	0.34 262	0.31 92	0.37 192

NRIStereo	1.28 105	0.61 106	1.67 45	1.15 234	0.38 29	4.73 424	0.90 217	2.42 63	1.50 69	1.93 174	1.33 76	1.75 165	1.22 149	2.96 213	1.33 199	0.46 316	0.22 124	0.29 109	0.26 126	0.30 77	0.28 88

RE-Stereo	1.58 139	0.61 106	2.72 137	2.26 423	0.46 63	4.68 411	0.68 89	3.31 156	1.48 56	2.11 233	1.59 137	1.36 113	1.09 117	6.01 269	1.22 172	0.41 280	0.20 69	0.36 249	0.34 262	0.31 92	0.37 192

TVStereo	1.58 139	0.61 106	2.72 137	2.26 423	0.46 63	4.68 411	0.68 89	3.31 156	1.48 56	2.11 233	1.59 137	1.36 113	1.09 117	6.01 269	1.22 172	0.41 280	0.20 69	0.36 249	0.34 262	0.31 92	0.37 192

CRE-IMP	1.23 84	0.61 106	2.14 92	0.82 45	0.39 31	4.54 387	0.83 176	2.63 94	1.55 102	1.95 179	1.46 103	1.87 196	0.96 83	1.48 86	1.33 199	0.45 311	0.21 98	0.31 149	0.26 126	0.41 228	0.31 132

XX-Stereo	2.54 300	0.61 106	20.21 401	1.78 392	1.19 303	4.30 349	0.46 21	4.39 399	1.58 116	2.32 304	1.89 245	4.64 413	0.60 10	4.16 238	0.82 71	0.31 151	0.21 98	0.28 94	0.27 151	0.51 298	0.26 59

WCG-NET	0.96 36	0.62 115	1.24 13	0.93 115	0.84 212	1.91 51	0.64 73	2.56 85	2.23 256	1.62 108	0.98 19	1.31 106	1.05 104	1.20 45	0.59 7	0.26 37	0.17 10	0.22 6	0.20 34	0.26 24	0.29 98

test_sample6	2.35 270	0.62 115	10.78 257	1.33 301	0.83 205	3.15 120	0.79 153	4.36 393	2.43 303	2.26 286	2.04 273	1.69 157	1.39 176	11.48 410	1.61 252	0.38 248	0.32 269	0.37 261	0.39 317	0.41 228	0.42 241

test_sample5	2.33 261	0.62 115	11.29 262	1.29 285	0.83 205	3.09 116	0.74 121	4.28 364	2.31 276	2.20 264	1.97 262	1.68 152	1.39 176	11.19 399	1.47 224	0.37 232	0.31 261	0.37 261	0.37 298	0.41 228	0.39 212

DualNet	2.33 261	0.62 115	11.29 262	1.29 285	0.83 205	3.09 116	0.74 121	4.28 364	2.31 276	2.26 286	2.04 273	1.68 152	1.39 176	11.19 399	1.47 224	0.37 232	0.31 261	0.37 261	0.37 298	0.41 228	0.39 212

testlalala	1.14 66	0.62 115	1.34 21	1.00 155	0.78 190	4.38 355	0.93 238	2.46 68	2.20 252	2.44 328	1.52 116	1.31 106	0.61 12	1.04 16	0.65 18	0.35 214	0.19 44	0.24 24	0.19 25	0.24 7	0.23 24

iRaft-Stereo_20w	1.88 183	0.62 115	10.58 255	0.90 92	0.83 205	2.96 105	0.78 147	4.90 437	1.58 116	2.29 290	1.60 141	1.25 98	4.51 410	2.28 176	0.90 99	0.29 95	0.21 98	0.26 52	0.24 101	0.41 228	0.31 132

ac_64	2.35 270	0.62 115	9.77 242	1.32 297	1.71 398	3.27 136	0.93 238	3.48 170	2.50 317	1.74 131	1.73 175	3.91 375	1.77 275	10.21 362	1.86 287	0.40 266	0.31 261	0.33 201	0.30 221	0.34 149	0.39 212

GANet-RSSM	1.98 203	0.62 115	3.49 167	1.69 382	1.23 314	4.22 335	0.91 225	3.31 156	1.86 188	1.81 142	1.74 177	2.34 248	1.82 288	10.92 386	1.73 273	0.34 195	0.29 238	0.31 149	0.28 178	0.39 200	0.40 232

SGM-Forest	2.96 345	0.62 115	3.49 167	1.09 197	0.80 193	4.06 285	3.30 428	4.37 396	3.09 391	4.18 426	3.27 398	4.67 415	3.86 396	11.69 424	7.91 412	0.51 347	0.46 360	0.49 346	0.39 317	0.48 289	0.49 285
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
rvit_stereo_0081	0.80 7	0.63 124	1.19 8	0.91 97	0.64 145	1.27 16	0.61 57	2.05 38	1.71 160	0.82 31	0.73 4	0.85 44	0.75 34	1.30 64	0.80 63	0.31 151	0.26 209	0.27 72	0.25 110	0.38 190	0.27 71

rvit_stereo_0082	0.80 7	0.63 124	1.19 8	0.91 97	0.64 145	1.27 16	0.61 57	2.05 38	1.71 160	0.82 31	0.73 4	0.85 44	0.75 34	1.30 64	0.80 63	0.31 151	0.26 209	0.27 72	0.25 110	0.38 190	0.27 71

test_sample4	2.34 265	0.63 124	11.59 265	1.30 292	0.83 205	3.07 114	0.72 105	4.27 359	2.30 273	2.30 294	1.88 239	1.73 163	1.42 189	11.14 398	1.46 219	0.35 214	0.29 238	0.35 236	0.36 286	0.40 205	0.38 206

testlalala2	2.31 254	0.63 124	20.54 419	2.56 433	2.87 439	3.79 223	0.76 133	4.20 329	1.48 56	1.42 86	1.43 99	2.45 264	0.80 53	1.03 13	0.68 26	0.27 47	0.25 197	0.24 24	0.21 44	0.33 131	0.28 88

DeepStereo_RVC	1.55 132	0.63 124	3.32 163	0.77 33	0.42 42	4.49 378	0.72 105	2.50 71	1.58 116	2.02 209	1.81 215	1.54 136	6.38 435	1.73 123	1.19 162	0.46 316	0.22 124	0.29 109	0.28 178	0.35 166	0.38 206

test_xeample3	2.12 223	0.63 124	21.55 449	0.91 97	0.47 73	1.85 46	0.94 243	7.96 455	1.23 7	0.75 10	0.76 7	0.64 9	0.70 24	1.77 126	0.83 74	0.30 132	0.21 98	0.27 72	0.21 44	0.27 33	0.24 34

EAI-Stereo	2.35 270	0.63 124	2.97 148	0.95 123	0.65 152	3.84 234	14.27 465	5.04 439	2.19 250	2.06 222	7.25 428	1.10 75	0.94 80	1.65 114	1.37 204	0.31 151	0.22 124	0.27 72	0.60 386	0.27 33	0.32 139

SFCPSM	2.18 230	0.63 124	17.03 333	0.88 83	0.98 255	3.74 214	1.28 316	4.09 305	2.16 245	1.85 147	1.83 222	1.65 148	1.39 176	2.50 184	1.50 231	0.33 183	0.27 219	0.39 280	0.36 286	0.34 149	0.37 192

UPFNet	1.81 174	0.63 124	6.71 209	1.25 269	1.44 354	3.50 170	1.35 322	4.02 284	1.85 187	2.40 324	1.52 116	2.41 257	1.40 180	3.62 223	1.88 289	0.34 195	0.33 276	0.37 261	0.31 237	0.41 228	0.39 212

CAS++	0.89 21	0.64 133	1.46 29	0.81 37	0.51 87	1.24 13	0.86 190	3.44 168	1.46 46	1.14 65	1.29 71	0.62 7	0.58 8	1.13 26	0.59 7	0.34 195	0.30 251	0.34 218	0.26 126	0.41 228	0.29 98
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MSKI-zero shot	2.22 232	0.64 133	20.09 398	0.96 129	0.56 112	4.04 282	0.70 100	3.91 253	1.50 69	1.92 170	2.28 317	1.92 199	0.71 26	2.93 211	0.67 24	0.26 37	0.23 148	0.26 52	0.21 44	0.28 48	0.26 59

EKT-Stereo	6.79 445	0.64 133	4.24 184	1.77 391	106.39 486	4.51 385	0.61 57	3.16 140	1.53 88	1.88 157	1.22 52	1.98 211	1.36 172	3.81 227	0.84 76	0.35 214	0.24 178	0.29 109	0.26 126	0.34 149	0.48 281

hknet	1.98 203	0.64 133	8.70 230	0.87 78	1.07 278	4.16 317	1.16 295	4.48 413	1.73 166	2.93 379	1.83 222	3.48 349	1.30 164	3.91 232	1.51 237	0.31 151	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

GES	1.38 119	0.64 133	2.61 129	1.09 197	0.57 123	4.30 349	1.02 265	3.86 237	1.51 75	1.72 128	1.74 177	1.28 101	1.77 275	1.62 107	1.61 252	0.39 260	0.27 219	0.33 201	0.30 221	0.41 228	0.47 277

ACVNet	1.46 127	0.64 133	3.56 172	0.93 115	0.85 214	4.22 335	0.80 161	2.85 115	2.08 224	1.78 137	1.88 239	3.10 322	1.46 202	1.33 66	1.89 290	0.29 95	0.26 209	0.30 128	0.26 126	0.39 200	0.27 71

acv_ft	1.55 132	0.64 133	3.29 161	1.14 221	2.01 420	2.93 101	0.97 255	3.81 226	2.08 224	2.22 274	1.88 239	3.10 322	1.66 258	1.33 66	2.22 328	0.29 95	0.26 209	0.30 128	0.26 126	0.39 200	0.27 71

MSMDNet	2.23 234	0.64 133	17.32 334	0.84 61	0.75 181	3.53 177	0.64 73	3.61 190	1.98 204	1.71 127	1.64 151	3.22 330	2.99 363	2.08 152	1.11 147	0.31 151	0.37 308	0.45 317	0.26 126	0.62 337	0.45 262

IGEVStereo-DCA	0.86 16	0.65 141	2.05 78	0.90 92	0.46 63	1.57 35	0.86 190	1.62 11	1.24 8	0.65 3	0.77 8	0.74 28	0.72 27	2.59 197	0.86 85	0.28 76	0.21 98	0.28 94	0.21 44	0.29 58	0.27 71

rrr	2.27 242	0.65 141	23.82 466	0.90 92	0.46 63	1.57 35	0.96 252	7.98 456	1.19 6	0.65 3	0.77 8	0.74 28	0.72 27	2.59 197	0.86 85	0.28 76	0.21 98	0.28 94	0.21 44	0.29 58	0.25 41

PCWNet_CMD	2.23 234	0.65 141	17.36 338	0.83 54	0.76 184	3.51 173	0.64 73	3.60 188	1.97 202	1.70 123	1.63 149	3.22 330	3.05 369	2.09 155	1.11 147	0.31 151	0.36 295	0.47 325	0.26 126	0.64 345	0.47 277

IER	1.69 158	0.65 141	7.19 214	0.94 120	1.15 291	3.28 139	0.89 213	3.48 170	1.97 202	2.10 229	1.98 264	2.28 239	2.12 313	2.25 174	1.75 276	0.29 95	0.23 148	0.36 249	0.30 221	0.32 115	0.34 162

IPLG	2.48 290	0.65 141	19.63 380	0.91 97	0.79 191	4.60 400	0.56 41	4.31 378	1.84 186	1.91 168	2.00 267	1.31 106	1.38 173	6.61 284	1.53 240	0.27 47	0.20 69	0.27 72	0.23 79	0.31 92	0.36 178

Patchmatch Stereo++	1.25 93	0.65 141	2.06 87	0.75 19	0.37 20	4.68 411	0.76 133	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.14 134	2.44 179	0.90 99	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98
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	1.24 89	0.65 141	2.03 75	0.75 19	0.37 20	4.68 411	0.73 110	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.13 128	2.18 166	0.87 90	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

iRAFT	1.25 93	0.65 141	2.06 87	0.75 19	0.37 20	4.68 411	0.76 133	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.14 134	2.44 179	0.90 99	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

test-1	1.23 84	0.65 141	1.88 61	0.96 129	0.52 96	3.84 234	0.62 68	4.01 280	1.47 51	1.93 174	1.78 197	1.83 189	0.92 76	1.19 44	1.28 189	0.26 37	0.29 238	0.31 149	0.24 101	0.29 58	0.36 178

pcwnet_v2	2.70 324	0.65 141	22.48 459	1.08 191	1.03 268	3.56 184	0.81 168	4.29 367	3.14 395	2.29 290	2.29 320	3.01 316	1.71 268	3.32 217	1.43 213	0.43 295	0.50 375	0.41 296	0.34 262	0.61 335	0.56 316

DCVSM-stereo	2.31 254	0.66 151	20.69 425	1.11 210	0.93 242	2.58 86	0.73 110	2.61 92	1.60 131	2.57 344	1.53 122	3.30 338	1.72 270	2.19 167	1.23 175	0.34 195	0.53 377	0.41 296	0.32 247	0.45 271	0.62 335

MaDis-Stereo	0.82 13	0.66 151	1.53 34	0.65 8	1.87 413	1.24 13	0.36 8	2.13 44	1.27 16	0.67 7	0.75 6	0.88 51	0.70 24	1.15 32	1.07 140	0.29 95	0.23 148	0.26 52	0.20 34	0.31 92	0.22 17

CASS	1.29 107	0.66 151	2.62 132	0.95 123	0.66 156	2.84 92	0.69 94	3.00 125	1.79 177	2.57 344	1.95 255	1.39 117	1.55 228	1.59 99	1.06 137	0.50 341	0.28 228	0.34 218	0.28 178	0.46 282	0.63 339
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ROB_FTStereo_v2	1.23 84	0.66 151	2.02 74	0.75 19	0.37 20	4.67 410	0.76 133	2.53 73	1.58 116	1.99 191	1.46 103	1.78 171	1.14 134	2.08 152	0.88 93	0.48 329	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

ROB_FTStereo	1.25 93	0.66 151	2.14 92	0.75 19	0.37 20	4.65 407	0.77 144	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.13 128	2.26 175	0.86 85	0.47 325	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

HUI-Stereo	1.25 93	0.66 151	2.33 112	0.75 19	0.37 20	4.68 411	0.78 147	2.53 73	1.58 116	1.99 191	1.46 103	1.79 178	1.13 128	2.17 164	0.85 79	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

iGMRVC	1.26 100	0.66 151	2.14 92	0.75 19	0.37 20	4.66 408	0.74 121	2.53 73	1.58 116	1.99 191	1.46 103	1.78 171	1.14 134	2.46 181	0.92 109	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

RAFT-IKP	1.25 93	0.66 151	2.23 101	0.75 19	0.37 20	4.64 405	0.74 121	2.53 73	1.58 116	1.99 191	1.47 107	1.78 171	1.13 128	2.22 172	0.92 109	0.48 329	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

ICVP	2.26 240	0.66 151	21.18 441	0.99 147	0.88 227	4.28 346	0.95 247	3.32 160	1.60 131	1.66 117	1.76 189	1.34 110	1.14 134	1.62 107	1.32 195	0.53 355	0.35 291	0.33 201	0.29 205	0.40 205	0.51 299
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rvit_stereo_0083	0.86 16	0.67 160	1.42 26	0.87 78	0.65 152	1.23 10	0.64 73	1.67 18	2.28 269	0.79 25	0.93 17	0.93 59	1.07 114	1.46 83	0.75 51	0.32 169	0.36 295	0.30 128	0.26 126	0.33 131	0.28 88

anonymousa	2.16 227	0.67 160	19.19 367	1.04 177	1.67 394	2.06 63	0.79 153	2.86 118	1.96 200	1.85 147	2.14 295	3.23 332	1.81 286	1.12 23	1.15 153	0.26 37	0.26 209	0.34 218	0.32 247	0.30 77	0.28 88

DAS	2.31 254	0.67 160	4.79 193	1.14 221	1.64 386	2.93 101	2.13 392	4.09 305	2.74 348	4.17 423	2.52 351	2.46 266	1.79 278	11.55 412	1.63 257	0.37 232	0.22 124	0.39 280	0.25 110	0.41 228	0.34 162

SepStereo	2.15 226	0.67 160	4.79 193	1.14 221	1.64 386	2.93 101	2.13 392	4.09 305	2.74 348	4.17 423	2.52 351	2.46 266	1.79 278	8.36 315	1.63 257	0.37 232	0.22 124	0.39 280	0.25 110	0.41 228	0.34 162

GwcNet-ADL	2.47 288	0.67 160	21.48 448	0.96 129	0.72 174	4.61 401	0.95 247	4.42 403	2.36 286	1.98 186	1.80 203	2.55 274	1.24 154	1.90 139	1.41 210	0.40 266	0.46 360	0.24 24	0.27 151	0.41 228	0.49 285

CFNet_pseudo	2.12 223	0.67 160	15.14 312	0.85 72	0.74 180	3.95 264	0.64 73	3.95 264	1.78 175	1.90 163	1.79 200	3.27 335	1.62 239	2.51 187	1.16 156	0.31 151	0.36 295	0.53 360	0.27 151	0.63 338	0.44 256

ccs_rob	2.13 225	0.67 160	15.11 311	0.84 61	0.75 181	3.96 269	0.65 82	3.95 264	1.78 175	1.88 157	1.79 200	3.26 334	1.64 254	2.51 187	1.16 156	0.31 151	0.36 295	0.54 367	0.27 151	0.65 348	0.45 262

CFNet_ucs	2.36 275	0.68 167	18.42 357	0.89 87	0.81 196	3.85 240	0.68 89	4.29 367	2.37 292	2.09 226	2.04 273	3.31 339	1.24 154	2.63 199	1.14 152	0.36 225	0.45 352	0.56 370	0.29 205	0.66 353	0.49 285

SPstereo	0.93 26	0.68 167	1.35 22	0.85 72	0.41 38	3.61 195	0.52 33	2.20 48	1.50 69	1.11 63	1.04 28	1.17 82	0.84 58	1.11 21	0.71 40	0.25 27	0.20 69	0.27 72	0.18 13	0.28 48	0.23 24

ff7	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 390	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

ffff	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 390	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

11t	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 390	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

plain	1.55 132	0.69 169	13.59 281	0.65 8	0.73 178	1.66 40	0.57 42	3.17 142	1.94 199	0.77 23	1.24 57	0.80 36	0.86 62	1.60 101	0.96 123	0.33 183	0.21 98	0.32 167	0.25 110	0.42 246	0.28 88

IGEV_Zeroshot_test	2.16 227	0.69 169	20.60 423	1.22 261	0.54 105	2.18 69	0.53 34	3.38 166	1.61 135	1.93 174	1.55 127	3.76 369	1.05 104	1.55 94	0.91 106	0.29 95	0.20 69	0.27 72	0.29 205	0.40 205	0.32 139

anonymousdsp	0.95 33	0.69 169	1.27 15	0.83 54	0.52 96	4.54 387	0.84 179	1.76 22	1.24 8	0.76 19	1.06 34	0.78 31	0.77 39	1.67 118	0.69 31	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.26 59

ccc-4	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 390	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

IGEV-Stereo	0.95 33	0.69 169	1.27 15	0.84 61	0.52 96	4.54 387	0.84 179	1.76 22	1.24 8	0.75 10	1.06 34	0.79 34	0.77 39	1.68 119	0.69 31	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.26 59
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
DSFCA	1.89 184	0.69 169	3.14 155	1.10 206	1.18 297	3.99 275	1.79 371	3.50 175	2.16 245	3.10 391	1.64 151	2.91 309	2.50 343	5.38 255	2.26 330	0.43 295	0.38 314	0.37 261	0.36 286	0.50 296	0.42 241

DIP-Stereo	1.24 89	0.69 169	1.77 53	0.65 8	0.61 138	4.29 347	0.58 50	4.44 407	2.53 322	1.98 186	1.33 76	0.91 56	0.86 62	1.25 53	1.25 180	0.36 225	0.23 148	0.32 167	0.23 79	0.32 115	0.29 98
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
test_sample7	1.65 152	0.70 179	2.60 126	1.48 350	0.76 184	2.38 76	1.07 275	4.35 388	2.11 237	2.14 239	1.75 181	1.75 165	1.67 260	6.26 278	1.26 183	0.44 302	0.48 370	0.43 307	0.40 328	0.46 282	0.43 250

fff	1.74 163	0.70 179	9.08 233	0.81 37	0.36 8	4.15 307	0.57 42	4.23 341	2.09 227	2.30 294	1.80 203	1.19 90	3.02 366	1.44 77	1.46 219	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

GMOStereo	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 317	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

error version	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 317	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

test-v	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 317	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

test-2	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 317	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

iRaftStereo_RVC	1.09 57	0.70 179	1.39 24	0.95 123	0.45 56	3.83 229	0.42 15	2.37 60	1.58 116	1.69 121	1.76 189	1.80 181	0.83 57	1.50 87	0.98 127	0.28 76	0.18 27	0.29 109	0.26 126	0.30 77	0.31 132

csc	1.74 163	0.70 179	9.08 233	0.81 37	0.36 8	4.15 307	0.57 42	4.23 341	2.09 227	2.30 294	1.80 203	1.19 90	3.02 366	1.44 77	1.46 219	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

cscssc	1.74 163	0.70 179	9.08 233	0.81 37	0.36 8	4.15 307	0.57 42	4.23 341	2.09 227	2.30 294	1.80 203	1.19 90	3.02 366	1.44 77	1.46 219	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

RASNet	2.56 305	0.70 179	10.06 247	1.60 372	2.25 430	3.67 204	1.00 259	3.38 166	3.14 395	1.81 142	2.11 290	4.60 410	2.30 328	10.25 364	2.61 354	0.37 232	0.24 178	0.25 38	0.24 101	0.28 48	0.26 59

CBMV_ROB	3.62 388	0.70 179	21.42 447	1.21 258	0.89 232	4.43 368	1.76 370	4.39 399	2.79 355	5.88 441	3.38 400	4.18 391	5.12 416	10.75 377	2.32 334	0.56 361	0.55 381	0.53 360	0.51 366	0.55 312	0.46 272

ProNet	0.82 13	0.71 190	1.50 33	0.86 74	0.45 56	1.78 42	0.83 176	1.75 21	1.28 17	0.66 5	1.13 42	0.78 31	0.76 38	1.66 115	0.71 40	0.24 16	0.20 69	0.25 38	0.23 79	0.29 58	0.25 41

MIPNet	2.33 261	0.71 190	19.82 385	0.89 87	0.56 112	4.76 429	0.61 57	4.32 382	2.37 292	1.83 145	1.48 113	1.48 129	1.98 303	2.63 199	1.44 215	0.29 95	0.20 69	0.26 52	0.23 79	0.30 77	0.39 212

HHNet	2.48 290	0.71 190	20.52 418	0.64 5	0.64 145	4.07 290	0.93 238	3.76 217	1.56 108	2.15 247	4.92 421	0.98 63	3.37 382	1.66 115	1.79 280	0.32 169	0.20 69	0.31 149	0.27 151	0.36 178	0.42 241

ITSA-stereo	1.86 178	0.72 193	3.74 179	1.20 252	0.66 156	4.09 292	0.91 225	4.24 349	2.53 322	1.93 174	1.77 194	1.59 142	2.15 317	6.12 275	2.44 341	0.40 266	0.38 314	0.40 286	0.40 328	0.50 296	0.98 394

rvit_stereo_0080	0.94 28	0.72 193	2.56 124	0.64 5	0.59 132	1.90 49	0.75 130	2.71 100	1.40 29	0.91 41	1.04 28	0.85 44	0.82 54	1.14 28	0.78 58	0.35 214	0.29 238	0.25 38	0.27 151	0.45 271	0.29 98

MyStereo06	2.46 285	0.72 193	19.97 391	1.02 169	0.99 258	4.26 340	0.86 190	3.51 178	1.68 151	1.92 170	1.73 175	4.01 381	4.22 403	1.62 107	0.88 93	0.24 16	0.23 148	0.34 218	0.26 126	0.42 246	0.36 178

MyStereo05	2.37 276	0.72 193	19.94 389	1.02 169	0.99 258	4.26 340	0.86 190	4.01 280	2.62 333	2.14 239	1.26 62	2.28 239	1.63 251	2.07 150	1.68 265	0.24 16	0.23 148	0.34 218	0.26 126	0.42 246	0.36 178

whm_eth	0.94 28	0.72 193	2.56 124	0.64 5	0.59 132	1.90 49	0.75 130	2.71 100	1.40 29	0.91 41	1.04 28	0.85 44	0.82 54	1.14 28	0.78 58	0.35 214	0.29 238	0.25 38	0.27 151	0.45 271	0.29 98

ToySt	1.35 115	0.72 193	3.65 178	1.01 160	0.50 86	3.31 144	1.01 261	3.46 169	1.73 166	1.30 71	1.55 127	2.07 227	1.47 204	1.88 138	1.40 206	0.27 47	0.27 219	0.30 128	0.32 247	0.42 246	0.39 212

RAFT+CT+SA	1.62 147	0.72 193	7.42 215	0.97 136	1.42 353	4.04 282	0.94 243	3.90 249	1.61 135	1.61 106	1.63 149	1.33 109	1.18 143	2.73 207	1.10 146	0.27 47	0.19 44	0.31 149	0.34 262	0.33 131	0.33 151

PSMNet-ADL	1.91 189	0.72 193	1.78 55	1.09 197	0.86 219	4.18 325	0.78 147	3.77 219	2.10 235	1.72 128	1.85 234	2.91 309	1.82 288	10.38 368	1.91 293	0.48 329	0.46 360	0.28 94	0.29 205	0.38 190	0.51 299

raftrobust	1.19 71	0.72 193	2.30 109	1.26 275	1.31 326	3.55 182	0.68 89	2.75 106	1.47 51	2.21 272	1.38 89	1.17 82	1.22 149	1.20 45	1.11 147	0.28 76	0.24 178	0.21 4	0.19 25	0.25 16	0.28 88

RAFT-Stereo + iAFF	1.25 93	0.72 193	1.74 51	1.05 178	0.36 8	4.13 303	0.42 15	2.95 121	2.84 369	2.02 209	2.40 341	1.61 145	1.11 125	1.26 54	0.97 124	0.21 1	0.15 2	0.26 52	0.23 79	0.29 58	0.23 24

SGM_RVC	4.57 415	0.72 193	17.46 342	1.84 401	0.58 130	4.23 338	3.45 432	4.66 430	3.66 423	7.99 453	8.82 443	7.56 440	8.74 452	12.30 438	6.84 404	0.43 295	0.38 314	0.39 280	0.35 276	0.51 298	0.48 281
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
Former-RAFT_DAM_RVC	0.92 24	0.73 204	1.42 26	0.92 103	1.08 280	2.97 106	0.53 34	1.77 24	1.39 27	1.16 66	1.54 124	0.58 4	0.65 19	1.03 13	0.84 76	0.25 27	0.23 148	0.30 128	0.24 101	0.43 256	0.29 98

tt1	1.79 172	0.73 204	10.41 253	1.75 389	0.36 8	4.55 390	0.79 153	4.22 337	3.37 414	1.08 59	1.80 203	0.74 28	1.48 206	2.21 170	0.65 18	0.29 95	0.16 5	0.31 149	0.22 69	0.30 77	0.29 98

ADStereo(finetuned)	2.04 214	0.73 204	13.28 277	0.82 45	0.40 34	4.16 317	0.59 51	4.25 351	2.97 379	2.35 312	1.84 227	1.18 86	3.40 383	1.52 91	1.54 241	0.29 95	0.24 178	0.23 11	0.18 13	0.30 77	0.51 299

GANet-ADL	2.20 231	0.73 204	20.11 399	1.25 269	0.69 170	3.83 229	0.76 133	3.49 173	1.71 160	1.65 116	1.99 266	2.10 229	1.10 122	1.42 74	1.26 183	0.38 248	0.33 276	0.25 38	0.22 69	0.42 246	0.36 178

DCANet	1.74 163	0.73 204	9.08 233	0.82 45	0.40 34	4.18 325	0.59 51	4.25 351	2.97 379	2.35 312	1.84 227	1.18 86	1.63 251	1.51 89	1.55 242	0.29 95	0.24 178	0.23 11	0.18 13	0.30 77	0.53 306

hitnet-ft	2.37 276	0.73 204	8.34 224	0.96 129	0.89 232	3.77 218	0.80 161	3.55 183	2.58 330	2.24 280	2.04 273	3.65 367	1.49 212	11.71 425	1.89 290	0.44 302	0.53 377	0.44 311	0.35 276	0.52 301	0.48 281

DISCO	2.25 238	0.73 204	10.06 247	1.76 390	1.12 287	3.47 163	1.25 313	3.24 150	2.26 264	2.65 360	1.96 256	4.53 407	1.92 300	4.17 239	3.61 376	0.32 169	0.25 197	0.31 149	0.29 205	0.66 353	0.41 238

NOSS_ROB	2.27 242	0.73 204	3.00 150	1.71 385	1.00 265	3.90 248	0.97 255	4.29 367	2.81 365	2.94 383	2.19 303	3.88 374	1.19 147	11.77 427	1.62 255	0.59 366	0.54 379	0.56 370	0.52 369	0.56 318	0.54 312

GCAP-BAT	1.21 79	0.74 212	3.23 157	0.95 123	0.70 172	3.86 242	0.93 238	1.89 29	1.48 56	1.85 147	1.96 256	1.68 152	0.79 47	1.78 127	0.81 68	0.29 95	0.20 69	0.24 24	0.20 34	0.26 24	0.35 174

rvit_stereo_0075_2	1.18 69	0.74 212	2.66 135	0.90 92	1.27 322	2.51 81	0.69 94	2.25 53	2.06 221	1.40 82	1.86 236	1.46 128	0.84 58	1.42 74	0.94 118	0.46 316	0.40 328	0.48 333	0.38 311	0.46 282	0.51 299

ACVNet-DCA	1.85 177	0.74 212	13.77 284	1.78 392	0.36 8	4.48 372	0.74 121	3.98 272	1.53 88	1.01 51	1.81 215	0.72 23	1.62 239	2.13 157	0.64 14	0.29 95	0.17 10	0.32 167	0.21 44	0.33 131	0.32 139

xx1	2.03 212	0.74 212	13.77 284	1.78 392	0.36 8	4.48 372	0.74 121	4.23 341	3.95 430	1.01 51	1.81 215	1.79 178	1.34 169	2.13 157	0.64 14	0.29 95	0.17 10	0.33 201	0.33 255	0.33 131	0.32 139

1test111	1.99 206	0.74 212	13.77 284	1.78 392	0.36 8	4.48 372	0.74 121	3.98 272	1.53 88	1.01 51	1.81 215	0.72 23	1.62 239	4.66 243	0.98 127	0.29 95	0.17 10	0.32 167	0.21 44	0.33 131	0.32 139

cc1	1.98 203	0.74 212	13.77 284	1.78 392	0.36 8	4.48 372	0.74 121	4.23 341	3.95 430	1.01 51	1.81 215	0.72 23	1.62 239	2.13 157	0.64 14	0.29 95	0.17 10	0.32 167	0.21 44	0.31 92	0.29 98

testlalala_base	1.62 147	0.74 212	1.63 42	1.19 248	1.40 345	2.63 88	0.84 179	4.09 305	1.31 21	1.22 69	1.42 97	1.21 95	0.85 60	1.16 33	0.73 47	3.92 457	2.10 444	0.27 72	0.18 13	4.49 456	1.11 402

DCRE	1.44 124	0.74 212	3.50 169	1.13 220	0.72 174	1.78 42	0.67 85	2.14 45	1.56 108	1.99 191	8.09 435	1.73 163	1.07 114	1.24 51	0.83 74	0.23 12	0.25 197	0.26 52	0.26 126	0.28 48	0.30 124

NINENet	1.87 179	0.74 212	2.60 126	1.12 213	1.06 276	4.50 381	0.76 133	4.41 402	2.24 259	2.16 252	1.86 236	3.63 365	0.97 86	8.00 312	1.17 159	0.41 280	0.30 251	0.41 296	0.30 221	0.41 228	0.36 178

UNet	2.51 294	0.74 212	20.17 400	1.14 221	1.44 354	3.48 165	0.76 133	3.77 219	1.87 189	2.05 217	1.57 132	2.75 293	2.39 335	3.51 220	2.51 347	0.32 169	0.26 209	0.41 296	0.26 126	0.38 190	0.39 212

HGLStereo	2.03 212	0.74 212	7.50 217	1.23 265	1.56 373	3.62 196	0.95 247	3.78 222	1.89 194	2.03 213	2.20 305	3.12 325	2.14 316	5.68 264	2.04 308	0.37 232	0.31 261	0.32 167	0.29 205	0.40 205	0.45 262

DMCA	1.72 160	0.74 212	6.63 208	1.14 221	0.96 247	3.98 274	0.90 217	3.75 215	2.76 351	2.83 375	1.58 133	2.35 250	1.18 143	1.58 96	1.98 303	0.40 266	0.27 219	0.42 303	0.26 126	0.36 178	0.38 206

rvit_stereo_0081_aga	0.81 12	0.75 224	1.84 59	0.72 16	0.73 178	1.21 9	0.63 70	1.92 32	1.39 27	0.87 39	0.80 11	0.79 34	0.69 23	1.27 57	0.69 31	0.35 214	0.29 238	0.26 52	0.25 110	0.40 205	0.27 71

DispNO	3.00 354	0.75 224	18.92 364	1.17 240	1.10 285	3.72 210	0.94 243	4.29 367	2.54 326	2.24 280	2.28 317	4.51 405	2.12 313	11.40 405	2.09 316	0.31 151	0.28 228	0.31 149	0.28 178	0.36 178	0.39 212

StereoVision	1.65 152	0.75 224	7.47 216	1.01 160	1.80 410	2.61 87	0.61 57	3.06 132	1.96 200	1.25 70	3.46 403	1.85 194	0.88 66	2.07 150	1.93 294	0.43 295	0.36 295	0.37 261	0.36 286	0.48 289	0.33 151

test_5	1.87 179	0.75 224	10.23 250	1.14 221	1.40 345	3.85 240	1.27 314	3.91 253	1.93 198	1.69 121	1.78 197	1.67 150	1.79 278	2.99 214	1.17 159	0.30 132	0.18 27	0.35 236	0.33 255	0.34 149	0.33 151

SA	1.62 147	0.75 224	3.78 181	1.07 184	0.43 47	4.26 340	1.36 324	4.45 410	3.12 392	1.63 110	1.97 262	1.68 152	2.26 327	2.55 193	1.27 186	0.27 47	0.22 124	0.37 261	0.37 298	0.35 166	0.30 124

Anonymous3	1.72 160	0.76 229	11.61 266	0.83 54	0.84 212	4.46 370	0.84 179	3.57 185	1.16 5	1.34 74	1.37 87	1.11 76	1.03 96	1.58 96	1.13 151	0.70 390	0.58 389	0.33 201	0.35 276	0.47 286	0.42 241

delet	1.92 192	0.76 229	5.14 196	1.01 160	1.65 390	3.44 155	2.03 387	3.76 217	2.48 312	2.01 205	2.05 279	2.63 282	1.90 298	5.34 254	2.12 318	0.28 76	0.29 238	0.40 286	0.31 237	0.41 228	0.45 262

FC-DCNN v2	6.91 448	0.77 231	19.25 369	1.69 382	1.64 386	9.13 458	2.40 401	7.20 454	9.47 456	11.07 467	11.62 455	20.05 464	15.79 460	12.55 445	11.99 432	0.66 380	0.57 384	0.58 373	0.56 378	0.63 338	0.61 332

STrans-v2	3.03 358	0.77 231	20.91 431	0.81 37	0.63 143	3.89 247	1.01 261	4.27 359	2.64 337	2.28 288	3.70 407	4.13 388	5.20 417	7.33 299	1.27 186	0.31 151	0.18 27	0.29 109	0.25 110	0.29 58	0.41 238

TransformOpticalFlow	3.03 358	0.77 231	20.99 434	1.00 155	0.55 108	4.18 325	0.64 73	4.33 384	3.02 386	2.18 258	3.09 390	4.35 399	5.07 415	7.36 302	1.27 186	0.32 169	0.18 27	0.32 167	0.26 126	0.28 48	0.46 272

AFF-stereo	1.31 112	0.77 231	1.46 29	1.10 206	0.45 56	3.93 254	0.48 24	2.92 120	2.92 375	1.90 163	2.21 307	2.11 231	1.52 218	1.93 141	1.12 150	0.21 1	0.16 5	0.25 38	0.25 110	0.29 58	0.20 7

PSMNet-RSSM	1.96 199	0.77 231	3.26 159	1.29 285	1.31 326	4.19 329	0.96 252	3.68 200	1.89 194	2.05 217	1.80 203	2.60 278	1.70 266	9.84 348	1.81 281	0.35 214	0.29 238	0.35 236	0.37 298	0.42 246	0.35 174

FC-DCNN	6.64 443	0.77 231	19.26 371	1.68 381	1.64 386	8.27 456	2.35 400	6.35 452	9.23 455	10.85 465	11.27 453	19.89 462	13.33 457	12.51 444	11.79 431	0.66 380	0.57 384	0.58 373	0.56 378	0.63 338	0.61 332

CoDeX	2.40 278	0.78 237	13.21 276	1.00 155	1.18 297	3.24 130	1.32 319	4.14 321	2.41 300	1.74 131	1.84 227	2.05 222	1.47 204	10.03 358	1.60 249	0.34 195	0.28 228	0.32 167	0.27 151	0.32 115	0.39 212

MIM_Stereo	1.20 76	0.78 237	3.30 162	1.05 178	0.43 47	3.04 108	0.60 54	2.46 68	1.51 75	1.60 101	1.58 133	1.82 186	1.29 161	2.00 145	1.07 140	0.24 16	0.24 178	0.28 94	0.25 110	0.27 33	0.27 71

CRFU-Net	2.49 292	0.78 237	10.36 251	2.30 427	1.08 280	3.91 249	1.41 336	3.85 234	1.65 146	2.15 247	1.76 189	3.34 341	7.95 447	5.56 261	1.48 227	0.47 325	0.35 291	0.30 128	0.28 178	0.37 186	0.43 250

DDVS	1.68 157	0.79 240	2.52 122	1.26 275	1.16 295	3.17 121	0.78 147	3.12 136	1.82 180	1.86 152	1.91 251	2.92 311	1.43 192	6.20 276	1.63 257	0.45 311	0.65 401	0.34 218	0.38 311	0.48 289	0.79 375

Sa-1000	1.63 151	0.79 240	3.56 172	1.11 210	0.48 79	4.06 285	1.41 336	4.49 416	2.75 350	2.00 203	2.80 375	1.84 192	1.43 192	2.64 201	1.50 231	0.27 47	0.19 44	0.36 249	0.33 255	0.36 178	0.30 124

IIG-Stereo	1.95 197	0.79 240	2.14 92	2.78 437	0.66 156	4.62 402	0.76 133	4.27 359	1.53 88	2.63 357	3.14 393	3.35 342	1.61 236	7.65 308	1.41 210	0.39 260	0.20 69	0.31 149	0.25 110	0.33 131	0.22 17

cf-r	2.57 308	0.79 240	16.09 319	1.48 350	1.35 336	4.19 329	0.93 238	3.68 200	2.36 286	1.97 184	1.81 215	3.42 346	1.45 199	8.24 314	1.83 284	0.32 169	0.26 209	0.33 201	0.30 221	0.34 149	0.37 192

MyStereo07	1.01 47	0.80 244	1.26 14	1.00 155	1.04 271	3.95 264	0.95 247	2.07 42	1.42 33	0.75 10	1.22 52	0.68 14	0.91 74	1.63 110	0.67 24	0.24 16	0.24 178	0.34 218	0.26 126	0.41 228	0.37 192

MyStereo04	2.29 250	0.80 244	18.77 361	1.00 155	1.04 271	3.95 264	0.95 247	3.91 253	2.54 326	1.99 191	1.27 68	2.31 246	1.65 256	2.02 149	1.77 277	0.24 16	0.24 178	0.34 218	0.26 126	0.41 228	0.37 192

rafts_anoy	1.24 89	0.80 244	3.61 176	1.17 240	1.20 308	3.00 107	0.61 57	3.17 142	1.58 116	1.37 78	1.26 62	1.19 90	1.12 126	1.78 127	1.25 180	0.32 169	0.23 148	0.32 167	0.32 247	0.31 92	0.30 124

GEStereo_RVC	1.91 189	0.80 244	6.57 207	1.20 252	1.06 276	4.02 280	1.43 340	4.13 315	1.89 194	2.03 213	1.80 203	2.34 248	1.86 293	4.94 247	1.77 277	0.48 329	0.38 314	0.32 167	0.28 178	0.42 246	0.50 292

TestStereo1	1.56 136	0.81 248	2.32 110	1.61 375	0.64 145	4.13 303	1.36 324	3.79 223	3.20 403	1.60 101	2.57 358	1.39 117	2.15 317	2.51 187	1.30 192	0.29 95	0.20 69	0.34 218	0.25 110	0.40 205	0.36 178

SA-5K	1.56 136	0.81 248	2.32 110	1.61 375	0.64 145	4.13 303	1.36 324	3.79 223	3.20 403	1.60 101	2.57 358	1.39 117	2.15 317	2.51 187	1.30 192	0.29 95	0.20 69	0.34 218	0.25 110	0.40 205	0.36 178

MMNet	2.02 211	0.81 248	10.76 256	1.12 213	1.23 314	3.53 177	0.89 213	3.79 223	2.08 224	2.15 247	1.76 189	2.15 232	2.12 313	3.69 225	2.32 334	0.31 151	0.29 238	0.34 218	0.27 151	0.38 190	0.42 241

psm_up	2.28 247	0.81 248	5.45 203	1.26 275	1.50 362	3.84 234	1.23 310	4.23 341	2.03 212	2.55 340	1.80 203	2.44 263	1.65 256	12.90 447	1.58 245	0.37 232	0.38 314	0.41 296	0.34 262	0.43 256	0.39 212

FAT-Stereo	3.34 380	0.81 248	20.05 393	1.25 269	1.20 308	3.44 155	1.99 385	4.23 341	2.67 341	3.14 394	3.82 410	3.51 357	3.32 381	11.68 423	1.94 296	0.64 375	0.67 405	0.48 333	0.52 369	0.61 335	0.81 377

HSM	2.35 270	0.81 248	2.21 97	1.14 221	1.55 370	3.44 155	1.03 266	3.99 276	2.25 261	2.29 290	2.11 290	8.04 442	3.05 369	11.60 413	1.71 268	0.33 183	0.22 124	0.28 94	0.23 79	0.32 115	0.35 174

StereoDRNet-Refined	1.77 170	0.81 248	2.22 99	1.21 258	0.76 184	3.26 134	0.71 102	3.82 227	2.05 219	2.29 290	2.05 279	2.98 313	1.44 195	7.15 297	2.27 331	0.30 132	0.23 148	0.42 303	0.33 255	0.45 271	0.64 342
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
THIR-Stereo	4.14 407	0.82 255	10.85 258	0.86 74	0.43 47	2.16 68	16.77 467	3.22 147	1.54 96	2.04 216	12.05 457	2.68 284	7.53 444	7.30 298	12.62 433	0.30 132	0.21 98	0.29 109	0.28 178	0.33 131	0.41 238

sCroCo_RVC	1.06 53	0.82 255	5.05 195	1.02 169	1.05 273	0.98 4	0.61 57	2.06 40	1.29 18	0.69 8	1.26 62	0.82 40	1.10 122	1.20 45	0.90 99	0.42 290	0.40 328	0.33 201	0.30 221	0.46 282	0.38 206

HITNet	2.07 219	0.82 255	14.77 301	1.34 308	0.56 112	3.47 163	0.80 161	4.07 299	2.35 283	2.16 252	1.61 145	1.64 147	1.44 195	2.09 155	2.56 353	0.26 37	0.18 27	0.41 296	0.26 126	0.45 271	0.25 41
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
iRaft-Stereo_5w	2.10 222	0.83 258	8.57 227	0.81 37	0.76 184	3.21 123	0.84 179	3.71 211	1.65 146	1.56 98	2.50 348	2.20 235	2.23 326	9.13 331	2.01 306	0.38 248	0.19 44	0.35 236	0.27 151	0.45 271	0.39 212

raft+_RVC	1.21 79	0.83 258	2.61 129	1.35 312	0.97 251	3.60 191	0.76 133	3.23 148	1.51 75	1.33 73	1.67 158	1.03 69	1.10 122	1.87 137	0.92 109	0.24 16	0.22 124	0.25 38	0.24 101	0.26 24	0.25 41

ADLNet	2.29 250	0.83 258	3.62 177	1.35 312	1.60 379	3.67 204	1.24 312	3.95 264	2.98 382	2.58 347	2.29 320	4.01 381	1.79 278	11.23 401	2.09 316	0.37 232	0.38 314	0.36 249	0.34 262	0.45 271	0.71 356

AdaStereo	1.45 126	0.83 258	2.34 113	1.28 282	0.81 196	3.21 123	1.14 293	4.20 329	2.46 311	2.05 217	1.77 194	2.48 268	1.18 143	1.71 121	1.44 215	0.43 295	0.25 197	0.43 307	0.28 178	0.44 263	0.34 162
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.
4D-IteraStereo	1.97 201	0.84 262	20.43 416	0.78 34	1.56 373	2.09 65	1.05 272	2.43 65	1.56 108	1.41 84	1.00 20	1.94 200	0.61 12	1.22 49	1.06 137	0.27 47	0.18 27	0.31 149	0.26 126	0.27 33	0.23 24

RAFT	1.23 84	0.84 262	2.05 78	0.96 129	0.47 73	1.80 44	0.94 243	3.18 144	1.46 46	1.60 101	1.71 170	3.04 318	1.59 231	1.64 112	1.32 195	0.38 248	0.24 178	0.40 286	0.32 247	0.40 205	0.35 174

FCDSN-DC	6.04 439	0.84 262	19.25 369	1.24 267	1.09 283	4.38 355	2.62 409	4.38 397	4.71 437	9.59 461	11.22 452	19.19 461	17.40 463	12.30 438	8.55 416	0.69 389	0.57 384	0.60 381	0.60 386	0.70 361	0.78 373
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
UCFNet_RVC	1.57 138	0.84 262	3.25 158	1.36 318	1.40 345	4.07 290	1.01 261	2.68 98	1.50 69	2.11 233	1.88 239	2.37 253	1.50 213	3.41 218	1.42 212	0.36 225	0.28 228	0.52 358	0.40 328	0.53 307	0.43 250

LL-Strereo2	1.23 84	0.85 266	2.38 115	0.93 115	0.68 167	3.72 210	1.37 328	2.54 82	1.99 205	1.75 133	1.40 94	1.82 186	0.73 30	1.40 70	0.99 130	0.31 151	0.23 148	0.55 368	0.35 276	0.29 58	0.24 34

HH	2.23 234	0.86 267	21.59 450	0.98 141	0.51 87	1.49 30	0.82 171	2.74 104	1.54 96	1.10 60	1.69 164	4.62 411	1.86 293	2.55 193	0.69 31	0.26 37	0.22 124	0.29 109	0.23 79	0.34 149	0.27 71

HanStereo	2.23 234	0.86 267	21.59 450	0.98 141	0.51 87	1.49 30	0.82 171	2.74 104	1.54 96	1.10 60	1.69 164	4.62 411	1.86 293	2.55 193	0.69 31	0.26 37	0.22 124	0.29 109	0.23 79	0.34 149	0.27 71

rvit_stereo_ft	1.00 45	0.87 269	3.55 170	0.97 136	0.66 156	1.06 5	0.80 161	2.78 109	1.67 149	0.78 24	0.96 18	0.95 62	1.14 134	1.06 17	0.90 99	0.32 169	0.24 178	0.27 72	0.28 178	0.39 200	0.27 71

CroCo-Stereo	0.98 37	0.87 269	3.44 166	0.87 78	0.53 104	0.49 1	0.50 26	3.99 276	1.49 64	0.81 29	1.25 61	1.00 65	0.75 34	1.10 20	1.09 145	0.24 16	0.21 98	0.24 24	0.19 25	0.35 166	0.27 71
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
ssnet_v2	2.04 214	0.88 271	7.87 218	1.20 252	0.87 224	3.86 242	1.64 361	4.01 280	2.60 332	2.61 353	1.96 256	3.79 370	1.71 268	2.20 168	2.96 365	0.41 280	0.35 291	0.42 303	0.37 298	0.55 312	0.52 304

Anonymous_2	3.01 356	0.89 272	4.53 191	1.06 183	1.18 297	2.93 101	0.87 207	3.24 150	1.46 46	1.86 152	1.35 84	4.11 387	2.35 333	1.64 112	1.28 189	0.82 401	0.90 420	8.71 473	15.84 476	4.44 455	0.74 364

CroCo-Stereo Lap2	0.99 43	0.89 272	2.55 123	0.99 147	1.80 410	0.54 2	0.46 21	3.10 134	1.24 8	1.07 58	1.21 51	1.05 72	0.78 45	1.26 54	1.08 142	0.27 47	0.23 148	0.27 72	0.21 44	0.43 256	0.34 162

rvit_105_1	1.43 123	0.90 274	3.27 160	1.08 191	0.68 167	2.79 91	1.27 314	3.52 179	2.35 283	1.38 80	1.54 124	1.28 101	1.14 134	2.91 209	1.40 206	0.54 357	0.47 364	0.45 317	0.59 384	0.44 263	0.58 324

NVstereo2D	2.54 300	0.90 274	11.10 260	1.32 297	1.47 358	3.58 188	1.38 330	4.13 315	2.45 308	1.90 163	1.71 170	2.86 305	1.76 274	10.86 382	1.66 263	0.60 367	0.43 342	0.53 360	0.41 334	0.78 378	0.94 391

WCMA_ROB	5.12 424	0.90 274	21.33 443	1.50 354	1.33 333	4.09 292	3.49 433	4.03 285	4.59 436	6.57 446	10.95 451	12.92 453	8.41 451	9.86 349	8.78 417	0.75 393	0.58 389	0.51 352	0.50 363	0.68 358	0.57 320

S-Stereo	3.48 384	0.91 277	22.06 458	1.36 318	1.50 362	3.55 182	2.53 406	4.21 334	2.81 365	2.37 317	3.81 409	3.75 368	1.84 290	11.90 433	2.51 347	0.63 372	0.71 410	0.48 333	0.76 403	0.67 355	1.19 406

MLCV	1.87 179	0.91 277	8.59 228	1.10 206	0.57 123	3.59 189	0.53 34	3.70 210	2.20 252	2.80 372	2.25 312	2.00 214	1.42 189	4.13 237	1.86 287	0.30 132	0.20 69	0.32 167	0.21 44	0.33 131	0.36 178

ACV-stereo	2.92 340	0.92 279	20.27 407	1.33 301	1.05 273	4.68 411	1.10 284	2.66 97	1.64 142	1.46 88	1.32 75	5.41 430	4.24 404	7.83 310	1.90 292	0.44 302	0.52 376	0.32 167	0.29 205	0.45 271	0.63 339

AASNet	2.44 282	0.92 279	19.79 384	1.35 312	1.49 360	3.81 227	1.07 275	3.85 234	2.93 376	1.95 179	2.29 320	1.96 207	1.29 161	1.73 123	1.93 294	0.39 260	0.33 276	0.45 317	0.30 221	0.55 312	0.45 262

ADLNet2	3.15 370	0.92 279	20.06 394	1.20 252	1.79 407	3.83 229	1.48 342	3.94 262	3.59 420	2.19 262	2.47 345	4.65 414	1.93 301	10.69 376	1.96 301	0.39 260	0.37 308	0.28 94	0.30 221	0.48 289	0.43 250

111	1.83 175	0.92 279	9.08 233	0.81 37	0.36 8	4.25 339	0.91 225	4.44 407	2.70 344	2.39 322	1.96 256	2.30 245	1.64 254	1.28 58	1.82 282	0.28 76	0.22 124	0.24 24	0.20 34	0.31 92	0.54 312

rvit_0105_6	1.00 45	0.93 283	2.21 97	0.92 103	0.55 108	1.52 33	0.79 153	2.41 61	2.96 378	0.76 19	0.72 3	1.02 67	0.75 34	1.42 74	0.81 68	0.40 266	0.43 342	0.34 218	0.31 237	0.43 256	0.34 162

rvit_0105_5	1.13 61	0.93 283	2.60 126	0.91 97	0.56 112	1.92 52	0.91 225	3.02 127	2.63 335	0.95 47	1.20 49	1.18 86	0.93 78	1.51 89	0.93 116	0.40 266	0.43 342	0.37 261	0.35 276	0.42 246	0.44 256

rvit_0105_3	1.24 89	0.93 283	2.84 143	0.97 136	0.58 130	2.38 76	1.08 279	3.26 152	2.53 322	1.18 67	1.40 94	1.24 97	1.04 100	1.73 123	0.97 124	0.44 302	0.44 347	0.40 286	0.42 339	0.42 246	0.50 292

OMP-Stereo	1.97 201	0.93 283	1.88 61	2.76 436	0.67 162	4.58 397	1.48 342	4.31 378	1.54 96	3.15 396	2.76 371	3.25 333	1.38 173	7.66 309	1.35 203	0.40 266	0.20 69	0.33 201	0.26 126	0.33 131	0.24 34

stereogan	3.09 363	0.93 283	16.43 323	1.37 326	1.66 393	3.70 207	1.67 366	3.87 239	3.15 397	3.04 387	2.70 367	5.04 423	2.79 355	9.96 354	1.78 279	0.63 372	0.49 374	0.69 397	0.47 352	0.83 385	0.68 349

RYNet	2.97 349	0.93 283	15.09 310	1.12 213	1.38 342	3.66 203	1.42 338	4.03 285	2.29 272	2.10 229	1.70 166	3.79 370	2.16 320	13.64 456	3.02 368	0.37 232	0.41 335	0.48 333	0.34 262	0.81 382	0.75 367

iResNet	2.52 297	0.94 289	21.17 440	1.84 401	0.72 174	3.75 215	0.81 168	4.14 321	2.55 328	2.33 310	2.03 270	1.35 112	1.44 195	3.27 216	2.16 324	0.35 214	0.23 148	0.28 94	0.22 69	0.44 263	0.45 262

CBFPSM	2.05 216	0.95 290	10.12 249	1.07 184	1.05 273	2.84 92	1.20 306	3.28 153	1.73 166	1.82 144	1.30 73	4.56 409	4.06 399	2.34 177	2.34 336	0.25 27	0.38 314	0.32 167	0.27 151	0.37 186	0.79 375

XX-TBD	1.03 52	0.95 290	1.94 67	1.30 292	0.43 47	3.97 272	0.33 4	1.74 20	1.73 166	1.59 100	2.02 269	0.69 17	0.60 10	1.16 33	0.66 22	0.30 132	0.25 197	0.23 11	0.15 4	0.31 92	0.22 17

CFNet-ft	1.90 186	0.95 290	3.56 172	1.07 184	1.54 366	4.09 292	0.90 217	2.85 115	1.82 180	1.78 137	1.70 166	2.75 293	1.48 206	9.33 335	1.72 269	0.33 183	0.30 251	0.61 384	0.36 286	0.52 301	0.39 212

STTStereo	2.34 265	0.95 290	14.93 307	1.43 337	1.54 366	3.86 242	0.86 190	3.65 194	2.44 307	2.15 247	1.55 127	2.49 270	1.59 231	5.14 251	1.44 215	0.38 248	0.39 323	0.47 325	0.51 366	0.52 301	0.51 299

CFNet_RVC	1.90 186	0.95 290	3.56 172	1.07 184	1.54 366	4.09 292	0.90 217	2.85 115	1.82 180	1.78 137	1.70 166	2.75 293	1.48 206	9.33 335	1.72 269	0.33 183	0.30 251	0.61 384	0.36 286	0.52 301	0.39 212

DLCB_ROB	2.05 216	0.95 290	2.37 114	1.24 267	1.02 267	2.92 100	1.30 317	3.68 200	2.30 273	2.91 377	2.17 300	3.32 340	1.52 218	10.37 366	2.50 346	0.40 266	0.33 276	0.40 286	0.36 286	0.41 228	0.47 277

CBMV	3.32 379	0.96 296	21.16 439	1.32 297	0.83 205	3.81 227	3.91 445	4.47 412	2.53 322	3.34 403	2.24 310	4.45 402	2.58 348	10.07 360	1.96 301	0.45 311	0.43 342	0.48 333	0.38 311	0.52 301	0.53 306
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ccnet	2.66 316	0.97 297	8.01 222	1.54 360	1.24 316	3.75 215	2.18 395	4.07 299	2.41 300	2.66 361	3.25 396	2.87 306	2.31 331	9.89 350	3.50 374	0.78 395	0.75 414	0.71 400	0.67 393	0.76 375	0.81 377

rvit_0105_4	1.07 56	0.99 298	2.39 116	0.93 115	0.54 105	1.62 39	0.84 179	2.77 108	2.91 373	0.80 27	0.91 15	1.09 73	0.86 62	1.63 110	0.85 79	0.40 266	0.45 352	0.35 236	0.31 237	0.43 256	0.40 232

AIO-Stereo-zeroshot	2.35 270	0.99 298	19.62 379	1.09 197	0.96 247	1.51 32	0.44 19	4.05 293	1.64 142	1.31 72	1.67 158	4.93 418	2.45 340	2.52 191	1.40 206	0.30 132	0.20 69	0.31 149	0.50 363	0.57 322	0.60 329

DRN-Test	3.03 358	0.99 298	18.18 350	1.35 312	1.60 379	3.59 189	1.48 342	4.13 315	2.45 308	3.47 408	1.92 253	2.58 277	2.53 345	10.88 383	2.80 362	0.39 260	0.36 295	0.44 311	0.41 334	0.55 312	0.57 320

GMStereo	1.01 47	1.00 301	2.86 145	0.83 54	0.45 56	1.47 29	0.57 42	1.89 29	2.11 237	1.52 93	1.24 57	0.87 49	0.74 33	1.58 96	0.94 118	0.40 266	0.21 98	0.30 128	0.30 221	0.47 286	0.36 178
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
edge stereo	3.37 382	1.01 302	21.99 456	1.28 282	1.37 339	2.67 89	1.39 331	3.98 272	2.87 370	2.93 379	3.27 398	4.35 399	2.43 338	11.62 415	2.39 337	0.60 367	0.63 399	0.79 409	0.55 376	0.68 358	0.67 346

AACVNet	1.83 175	1.02 303	2.41 118	1.45 343	0.87 224	3.21 123	0.73 110	3.16 140	1.61 135	2.01 205	1.82 221	2.28 239	1.33 168	10.98 388	1.49 230	0.39 260	0.32 269	0.38 277	0.32 247	0.43 256	0.44 256

TestStereo	2.00 207	1.02 303	12.25 270	0.70 12	0.61 138	1.88 48	0.55 38	2.31 57	1.52 83	1.41 84	1.33 76	1.27 100	0.90 72	11.62 415	0.81 68	0.34 195	0.19 44	0.33 201	0.24 101	0.44 263	0.24 34

RALCasStereoNet	1.19 71	1.02 303	2.06 87	1.12 213	1.14 289	3.08 115	0.70 100	2.99 124	1.73 166	1.34 74	1.68 161	1.18 86	0.91 74	2.16 162	1.00 132	0.30 132	0.26 209	0.24 24	0.21 44	0.29 58	0.30 124

FBW_ROB	3.24 374	1.02 303	9.21 239	1.49 353	1.07 278	3.78 220	1.48 342	4.31 378	3.08 390	2.46 330	2.32 336	4.20 394	2.08 311	15.19 462	7.16 408	0.84 404	0.62 397	1.33 430	0.92 415	0.99 398	1.31 410

iResNet_ROB	1.89 184	1.02 303	8.60 229	1.39 330	0.98 255	3.72 210	0.66 84	3.84 231	2.65 338	1.88 157	2.05 279	1.98 211	1.27 156	4.52 241	1.67 264	0.30 132	0.20 69	0.28 94	0.18 13	0.31 92	0.40 232

STTRV1_RVC	3.52 385	1.03 308	20.87 429	1.47 348	1.47 358	3.23 126	1.55 353	4.06 297	3.22 405	1.95 179	3.50 404	2.63 282	2.07 310	11.96 435	2.21 327	1.86 434	4.03 467	0.81 412	0.73 400	1.06 401	0.70 355

NLCA_NET_v2_RVC	2.54 300	1.04 309	16.73 328	1.53 358	2.00 419	3.96 269	0.87 207	3.87 239	2.31 276	2.54 339	1.67 158	2.85 304	1.63 251	5.55 260	1.62 255	0.46 316	0.33 276	0.38 277	0.38 311	0.53 307	0.62 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DualNet (step1)	2.34 265	1.05 310	7.87 218	1.07 184	0.86 219	3.93 254	1.19 302	4.35 388	2.11 237	2.14 239	1.75 181	1.75 165	1.67 260	6.26 278	1.26 183	1.23 421	0.48 370	4.27 464	2.09 450	0.70 361	0.69 351

test_sample9	3.79 395	1.05 310	7.87 218	1.07 184	0.86 219	3.93 254	1.19 302	4.35 388	2.11 237	2.14 239	1.75 181	1.75 165	1.67 260	11.06 393	11.61 429	1.23 421	14.45 477	4.27 464	2.09 450	0.70 361	0.69 351

test_sample8	4.76 419	1.05 310	7.87 218	1.07 184	0.86 219	3.93 254	1.19 302	4.38 397	2.05 219	5.49 437	1.89 245	12.98 454	6.37 433	11.06 393	11.61 429	1.23 421	14.45 477	4.27 464	2.09 450	0.70 361	0.69 351

GwcNet-RSSM	2.66 316	1.05 310	15.91 317	1.22 261	1.19 303	4.12 300	1.12 288	3.84 231	2.02 210	1.93 174	1.79 200	3.12 325	1.46 202	10.37 366	2.05 310	0.33 183	0.27 219	0.35 236	0.30 221	0.40 205	0.36 178

GANet	2.93 341	1.05 310	11.29 262	1.64 377	0.96 247	3.91 249	2.52 405	3.72 212	2.41 300	2.95 384	3.00 384	3.21 329	2.03 304	12.42 441	4.72 388	0.51 347	0.41 335	0.46 322	0.39 317	0.60 330	0.50 292

RAFT_CTSACE	1.80 173	1.06 315	10.00 246	1.71 385	1.39 343	3.49 167	1.06 273	3.05 130	1.62 138	1.70 123	2.04 273	2.51 271	1.80 283	1.98 144	0.94 118	0.25 27	0.22 124	0.28 94	0.30 221	0.30 77	0.26 59

FINET	2.96 345	1.07 316	23.18 464	1.29 285	1.86 412	2.03 57	1.52 347	4.30 375	4.71 437	2.23 278	2.34 338	1.65 148	1.48 206	5.89 268	2.81 363	0.51 347	0.47 364	0.49 346	0.40 328	0.59 326	0.49 285

DANet	2.63 312	1.07 316	8.10 223	1.83 400	1.70 397	3.25 133	1.16 295	4.31 378	2.38 295	3.40 406	2.18 301	4.08 385	1.80 283	9.77 344	3.89 380	0.52 353	0.55 381	0.59 376	0.44 343	0.63 338	0.86 383
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
RALAANet	1.28 105	1.08 318	3.21 156	1.25 269	0.94 244	1.44 27	0.69 94	3.15 139	2.57 329	2.01 205	1.80 203	1.29 104	1.05 104	2.00 145	1.48 227	0.27 47	0.20 69	0.27 72	0.24 101	0.40 205	0.27 71

TDLM	2.29 250	1.08 318	4.61 192	1.29 285	1.01 266	4.26 340	2.17 394	3.75 215	2.79 355	2.31 300	1.98 264	2.06 224	1.59 231	12.45 442	1.72 269	0.51 347	0.28 228	0.52 358	0.35 276	0.56 318	0.50 292

MSMD_ROB	5.61 432	1.08 318	16.68 327	1.21 258	0.83 205	10.14 459	2.07 390	3.93 259	6.22 450	10.37 464	8.03 434	22.22 466	9.45 453	11.66 421	4.52 385	0.66 380	0.58 389	0.66 394	0.68 396	0.65 348	0.63 339

DeepPruner_ROB	2.05 216	1.09 321	10.50 254	1.01 160	1.20 308	4.39 358	0.91 225	3.14 138	1.72 163	2.60 351	1.54 124	2.78 300	1.27 156	4.52 241	1.72 269	0.51 347	0.40 328	0.37 261	0.34 262	0.48 289	0.52 304

HBP-ISP	3.25 376	1.10 322	20.86 428	1.54 360	1.15 291	4.50 381	2.89 417	4.43 406	2.38 295	4.14 422	1.96 256	1.90 197	2.04 306	11.08 396	1.32 195	0.66 380	0.57 384	0.66 394	0.61 389	0.64 345	0.61 332

CFNet	2.34 265	1.10 322	8.96 232	1.34 308	1.24 316	4.09 292	0.73 110	4.04 289	2.77 352	1.62 108	1.87 238	2.27 238	1.45 199	11.41 406	1.82 282	0.31 151	0.24 178	0.43 307	0.36 286	0.43 256	0.33 151

CVANet_RVC	2.55 304	1.10 322	9.13 238	1.46 345	1.15 291	3.96 269	1.53 349	3.91 253	2.50 317	3.04 387	2.04 273	2.60 278	1.72 270	12.46 443	1.50 231	0.49 339	0.30 251	0.51 352	0.41 334	0.63 338	0.50 292

ACRE	2.27 242	1.11 325	19.45 374	0.91 97	1.30 324	3.94 259	0.87 207	4.21 334	1.80 178	2.28 288	2.62 360	1.17 82	1.04 100	1.52 91	1.30 192	0.37 232	0.23 148	0.27 72	0.22 69	0.31 92	0.46 272

XPNet_ROB	2.27 242	1.11 325	4.10 183	1.36 318	0.97 251	3.94 259	1.63 359	4.07 299	2.14 242	2.82 374	2.00 267	2.32 247	1.73 273	10.81 381	3.39 373	0.51 347	0.47 364	0.48 333	0.40 328	0.51 298	0.56 316

MyStereo8	2.33 261	1.13 327	19.26 371	1.22 261	1.62 382	4.16 317	0.57 42	3.50 175	2.36 286	2.15 247	1.75 181	2.28 239	1.14 134	1.46 83	2.20 326	0.24 16	0.21 98	0.32 167	0.27 151	0.36 178	0.43 250

ARAFT	2.56 305	1.13 327	19.50 377	0.89 87	0.48 79	4.15 307	1.40 333	4.36 393	2.82 367	2.36 316	1.88 239	1.70 159	1.04 100	6.45 281	1.22 172	0.29 95	0.18 27	0.37 261	0.35 276	0.35 166	0.25 41

NaN_ROB	4.06 405	1.13 327	16.64 326	1.12 213	1.25 319	3.50 170	3.05 423	4.29 367	3.26 408	3.64 409	2.56 356	2.97 312	4.79 412	13.33 450	16.91 449	0.37 232	0.41 335	0.38 277	0.39 317	0.48 289	0.81 377

SACVNet	2.46 285	1.14 330	9.47 240	1.44 339	1.18 297	4.06 285	1.49 346	3.84 231	2.24 259	2.62 354	1.89 245	2.57 275	1.28 158	11.35 404	1.64 260	0.50 341	0.39 323	0.48 333	0.41 334	0.55 312	0.75 367

raft_robust	1.92 192	1.15 331	3.34 165	1.02 169	0.43 47	3.84 234	0.46 21	4.42 403	2.52 321	1.67 119	1.36 86	2.17 233	6.37 433	6.78 292	1.04 135	0.28 76	0.24 178	0.30 128	0.35 276	0.31 92	0.32 139

dd	1.26 100	1.15 331	2.47 120	0.92 103	0.49 83	4.35 353	0.75 130	1.92 32	2.11 237	1.44 87	1.24 57	1.19 90	1.05 104	1.78 127	1.70 267	0.57 363	0.34 287	0.35 236	0.33 255	0.60 330	0.46 272

psmorigin	6.59 442	1.15 331	88.11 487	1.52 356	0.97 251	2.88 95	1.20 306	3.21 145	2.04 216	3.73 412	2.46 343	5.15 427	2.55 346	10.60 372	2.47 344	0.55 359	0.68 408	0.48 333	0.51 366	0.70 361	0.88 387

Nwc_Net	2.88 337	1.16 334	18.30 353	1.35 312	1.68 395	3.52 176	1.18 299	3.90 249	2.06 221	2.52 338	2.82 378	3.82 372	2.34 332	6.78 292	2.55 352	0.86 405	0.40 328	0.59 376	0.67 393	0.57 322	0.55 314

SGM-ForestM	11.55 460	1.16 334	21.62 452	2.14 419	0.81 196	22.25 474	19.08 471	16.50 473	11.34 458	15.94 472	14.44 464	27.12 474	22.61 472	24.76 473	28.39 478	0.50 341	0.48 370	0.47 325	0.44 343	0.55 312	0.53 306

iinet-f	2.26 240	1.18 336	13.71 282	1.14 221	1.11 286	3.77 218	1.10 284	4.14 321	2.17 247	2.06 222	1.76 189	2.99 314	2.99 363	2.50 184	2.49 345	0.35 214	0.39 323	0.27 72	0.28 178	0.45 271	0.39 212

CIPLG	2.27 242	1.18 336	19.24 368	0.92 103	1.34 335	3.95 264	0.89 213	4.23 341	1.82 180	2.31 300	2.67 364	1.17 82	1.06 112	1.53 93	1.32 195	0.37 232	0.23 148	0.27 72	0.22 69	0.31 92	0.45 262

fast-acv-ft	2.54 300	1.19 338	20.08 397	1.41 333	1.40 345	3.18 122	1.17 298	3.37 165	2.28 269	1.90 163	2.15 297	2.69 285	2.17 322	2.91 209	2.31 333	0.37 232	0.39 323	0.45 317	0.39 317	0.57 322	0.45 262

dad	1.65 152	1.19 338	3.04 152	0.98 141	0.56 112	4.22 335	0.84 179	1.99 35	2.48 312	2.14 239	1.68 161	1.62 146	1.13 128	3.85 228	2.04 308	1.03 413	0.40 328	2.04 436	0.48 356	0.75 374	0.53 306

RP	2.79 327	1.20 340	10.36 251	1.54 360	1.93 416	3.44 155	1.97 383	4.05 293	2.34 281	2.66 361	2.79 373	3.98 379	2.58 348	10.21 362	2.61 354	0.95 409	0.47 364	0.71 400	0.57 381	0.71 368	0.68 349

GMStereo_Zeroshot	1.41 122	1.21 341	3.33 164	1.29 285	0.72 174	3.35 146	0.53 34	2.58 90	1.68 151	2.35 312	1.56 130	2.42 260	0.96 83	2.50 184	1.16 156	0.45 311	0.23 148	0.40 286	0.24 101	0.79 380	0.33 151

gwcnet-sp	2.31 254	1.21 341	17.34 335	1.08 191	0.92 237	3.56 184	1.04 269	3.69 205	2.09 227	2.55 340	1.60 141	1.80 181	1.62 239	3.87 229	1.95 298	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

scenet	2.31 254	1.21 341	17.34 335	1.08 191	0.92 237	3.56 184	1.04 269	3.69 205	2.09 227	2.55 340	1.60 141	1.80 181	1.62 239	3.87 229	1.95 298	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

ssnet	2.31 254	1.21 341	17.34 335	1.08 191	0.92 237	3.56 184	1.04 269	3.69 205	2.09 227	2.55 340	1.60 141	1.80 181	1.62 239	3.87 229	1.95 298	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

G-Net	4.11 406	1.21 341	19.47 376	2.31 428	2.94 440	4.74 427	2.95 418	3.33 163	2.14 242	4.44 429	9.43 445	6.93 438	3.84 395	9.01 329	4.92 393	0.79 396	0.80 417	0.70 399	0.50 363	0.95 393	0.87 386

LE_ROB	18.58 469	1.21 341	48.38 481	8.60 472	23.00 474	7.32 453	19.74 472	9.94 458	38.69 479	43.53 477	21.91 468	28.40 475	40.92 478	23.18 469	54.71 483	0.34 195	0.33 276	0.32 167	0.36 286	0.42 246	0.40 232

sAnonymous2	1.37 117	1.22 347	9.79 243	0.92 103	0.88 227	1.23 10	0.61 57	2.56 85	1.69 156	0.85 37	1.02 21	0.73 26	1.23 152	0.98 9	0.78 58	0.29 95	0.25 197	0.31 149	0.30 221	1.06 401	0.71 356

CroCo_RVC	1.37 117	1.22 347	9.79 243	0.92 103	0.88 227	1.23 10	0.61 57	2.56 85	1.69 156	0.85 37	1.02 21	0.73 26	1.23 152	0.98 9	0.78 58	0.29 95	0.25 197	0.31 149	0.30 221	1.06 401	0.71 356

DMCA-RVC	2.45 283	1.22 347	18.29 352	1.23 265	1.14 289	2.49 80	0.85 188	3.29 154	1.68 151	3.02 386	1.41 96	2.00 214	1.53 225	6.39 280	2.00 304	0.38 248	0.30 251	0.44 311	0.35 276	0.45 271	0.44 256

pmcnn	5.45 430	1.22 347	17.40 339	1.60 372	2.41 433	3.48 165	2.12 391	4.52 421	3.26 408	3.67 411	13.15 460	22.10 465	3.46 389	11.92 434	17.16 451	0.34 195	0.21 98	0.23 11	0.19 25	0.36 178	0.28 88

ADCRef	3.30 377	1.23 351	14.90 305	1.17 240	1.41 352	3.95 264	1.64 361	3.88 242	2.36 286	3.05 389	2.21 307	2.40 255	2.81 357	5.04 248	16.63 448	0.46 316	0.34 287	0.63 388	0.62 390	0.54 310	0.67 346

PA-Net	3.09 363	1.24 352	18.84 362	1.38 328	1.19 303	3.42 153	1.75 369	3.89 244	3.27 411	1.88 157	2.10 286	3.03 317	1.88 297	11.60 413	2.88 364	0.40 266	0.54 379	0.44 311	0.62 390	0.52 301	1.02 395
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
APVNet	3.13 367	1.25 353	21.14 437	1.31 295	1.52 364	3.94 259	1.13 291	3.32 160	2.14 242	2.20 264	2.03 270	3.05 321	1.96 302	11.79 428	2.53 349	0.42 290	0.45 352	0.64 391	0.46 349	0.67 355	0.57 320

AIO-Stereo-zeroshot1	2.68 321	1.26 354	22.01 457	1.08 191	0.99 258	1.61 37	0.86 190	3.69 205	1.64 142	1.52 93	5.62 426	3.35 342	3.44 388	2.20 168	1.33 199	0.26 37	0.21 98	0.30 128	0.62 390	0.93 392	0.67 346

anonymity	1.76 168	1.26 354	2.73 140	1.66 379	1.32 330	1.84 45	1.07 275	3.49 173	2.30 273	2.11 233	2.11 290	1.71 161	3.90 397	1.82 132	1.48 227	1.10 415	1.09 424	1.08 424	1.08 424	1.05 400	1.09 400

NCC-stereo	3.16 371	1.28 356	18.31 354	1.25 269	1.75 402	4.06 285	1.40 333	3.89 244	2.22 254	2.72 365	2.55 354	3.49 355	2.65 351	9.91 351	2.99 366	1.29 427	0.65 401	0.64 391	0.86 412	0.65 348	0.71 356

Abc-Net	3.16 371	1.28 356	18.31 354	1.25 269	1.75 402	4.06 285	1.40 333	3.89 244	2.22 254	2.72 365	2.55 354	3.49 355	2.65 351	9.91 351	2.99 366	1.29 427	0.65 401	0.64 391	0.86 412	0.65 348	0.71 356
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
LoS_RVC	0.94 28	1.30 358	1.31 18	0.84 61	1.63 384	2.02 56	0.59 51	1.51 6	1.36 25	0.81 29	1.33 76	0.84 41	0.88 66	1.36 69	0.73 47	0.21 1	0.17 10	0.20 1	0.14 2	0.20 2	1.45 418

AF-Net	2.87 335	1.30 358	16.24 320	1.33 301	1.75 402	3.26 134	1.59 356	4.09 305	2.43 303	2.69 363	2.94 381	4.51 405	3.20 376	5.84 267	2.75 360	0.76 394	0.36 295	0.72 404	0.49 359	0.70 361	0.56 316

IPLGR_C	2.28 247	1.31 360	19.46 375	0.92 103	1.32 330	3.93 254	0.89 213	4.20 329	1.82 180	2.30 294	2.63 362	1.16 81	1.07 114	1.41 73	1.29 191	0.37 232	0.23 148	0.27 72	0.22 69	0.31 92	0.45 262

LMCR-Stereo	2.40 278	1.31 360	18.61 360	1.59 370	0.86 219	3.87 245	1.15 294	4.32 382	1.60 131	2.25 283	2.27 314	1.13 77	2.43 338	2.48 183	1.60 249	0.88 406	0.24 178	0.29 109	0.24 101	0.56 318	0.30 124

CSP-Net	1.78 171	1.32 362	1.92 66	1.16 239	1.03 268	3.38 148	1.31 318	3.52 179	1.75 173	1.96 182	1.93 254	2.40 255	1.48 206	8.58 320	1.58 245	0.46 316	0.34 287	0.27 72	0.26 126	0.41 228	0.50 292

AnonymousM	1.22 83	1.32 362	0.97 1	0.88 83	0.56 112	4.03 281	0.69 94	2.41 61	1.68 151	1.48 90	1.31 74	1.15 80	1.00 91	1.18 43	0.73 47	0.32 169	0.40 328	2.07 437	1.70 439	0.24 7	0.22 17

MeshStereo	5.35 428	1.32 362	21.34 444	1.34 308	1.15 291	4.40 362	3.90 444	5.18 441	4.55 435	10.14 463	11.82 456	11.47 448	5.84 425	13.84 458	7.03 407	0.61 369	0.58 389	0.60 381	0.58 382	0.72 371	0.59 328
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
PS-NSSS	2.22 232	1.33 365	2.90 147	0.97 136	1.53 365	4.11 298	1.08 279	4.55 423	2.65 338	2.10 229	2.32 336	1.77 170	1.40 180	11.79 428	1.61 252	0.68 386	0.45 352	0.96 418	0.43 341	0.95 393	0.92 389

NCCL2	2.53 298	1.35 366	10.90 259	1.15 234	0.97 251	3.53 177	2.56 407	3.65 194	2.23 256	2.76 368	1.80 203	2.41 257	1.66 258	10.35 365	2.07 314	0.44 302	0.40 328	0.57 372	0.53 373	0.59 326	0.65 344

BEATNet_4x	1.92 192	1.36 367	8.75 231	1.20 252	0.56 112	3.46 160	1.03 266	4.00 278	2.43 303	2.25 283	1.70 166	2.10 229	1.59 231	2.57 196	3.05 369	0.37 232	0.22 124	0.47 325	0.29 205	0.60 330	0.40 232

DPSNet	3.43 383	1.37 368	12.19 269	1.39 330	1.24 316	4.15 307	2.06 388	4.51 420	3.34 413	2.69 363	1.96 256	3.52 358	5.56 422	10.68 375	9.68 420	0.93 407	0.73 412	0.40 286	0.37 298	1.06 401	0.86 383

MANE	11.39 459	1.38 369	23.16 463	4.82 466	2.79 438	22.02 473	14.51 466	25.81 474	26.28 475	10.93 466	13.17 461	19.90 463	18.03 466	15.69 463	20.41 464	0.96 410	0.74 413	1.42 431	3.24 467	0.74 372	1.71 424

PSMNet_ROB	2.95 342	1.38 369	18.46 358	1.19 248	1.20 308	3.80 225	1.65 364	3.54 182	2.35 283	1.98 186	1.71 170	2.75 293	1.79 278	11.43 408	2.78 361	0.42 290	0.36 295	0.50 349	0.60 386	0.59 326	0.49 285

CSAN	4.71 418	1.39 371	20.23 402	1.19 248	0.87 224	3.65 202	3.50 434	4.57 425	3.87 426	3.89 415	7.82 432	3.54 362	6.16 431	23.47 472	6.82 403	0.52 353	0.45 352	0.49 346	0.52 369	0.63 338	0.66 345

NVStereoNet_ROB	4.91 423	1.40 372	16.46 324	1.47 348	1.72 400	3.46 160	1.96 382	3.89 244	3.61 421	2.90 376	24.61 472	4.81 416	4.49 409	13.57 454	4.87 391	1.33 430	1.29 432	1.70 434	1.68 437	1.41 426	1.66 422
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ETE_ROB	2.07 219	1.40 372	3.01 151	1.09 197	0.92 237	3.94 259	1.53 349	4.25 351	2.23 256	3.31 401	2.06 283	2.35 250	1.52 218	8.74 322	2.07 314	0.44 302	0.36 295	0.51 352	0.48 356	0.54 310	0.62 335

MaskLacGwcNet_RVC	3.13 367	1.43 374	9.93 245	2.50 431	1.62 382	4.29 347	1.68 368	3.95 264	2.43 303	1.66 117	1.91 251	3.04 318	1.41 185	13.26 449	1.58 245	3.82 455	1.59 436	1.12 426	0.46 349	2.21 434	2.74 448

SPS-STEREO	3.97 402	1.44 375	20.85 427	1.72 387	1.71 398	3.24 130	2.30 399	3.55 183	2.68 343	4.79 433	3.66 406	5.44 431	2.97 362	9.11 330	9.35 419	1.15 418	1.10 425	1.06 423	1.02 422	1.16 415	1.18 405
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RGC	3.10 365	1.45 376	14.90 305	1.46 345	1.79 407	3.33 145	1.39 331	4.04 289	2.26 264	2.77 369	3.26 397	4.00 380	2.71 353	11.63 420	2.62 356	0.82 401	0.46 360	0.79 409	0.79 409	0.71 368	0.78 373

Wz-Net-LNSev-Ref	2.42 280	1.47 377	14.14 294	1.30 292	1.35 336	3.51 173	1.64 361	4.04 289	2.10 235	2.46 330	1.88 239	2.28 239	2.51 344	4.73 246	3.17 371	0.38 248	0.19 44	0.35 236	0.20 34	0.40 205	0.36 178

LALA_ROB	1.95 197	1.48 378	3.11 154	1.05 178	0.98 255	3.99 275	1.82 375	4.44 407	2.28 269	3.31 401	1.85 234	2.76 299	1.67 260	4.04 236	3.23 372	0.46 316	0.41 335	0.55 368	0.52 369	0.60 330	0.57 320

StereoDRNet	2.84 331	1.49 379	14.48 300	1.33 301	1.57 377	3.44 155	2.06 388	3.69 205	2.36 286	3.26 400	1.84 227	2.79 302	1.80 283	10.88 383	3.16 370	0.41 280	0.33 276	0.39 280	0.36 286	0.59 326	0.58 324

UDGNet	1.40 120	1.52 380	2.22 99	1.38 328	0.62 141	4.39 358	0.68 89	1.80 26	2.18 249	1.34 74	1.18 47	0.99 64	1.00 91	2.16 162	1.19 162	1.09 414	0.34 287	1.30 429	0.98 419	1.10 407	0.58 324

PDISCO_ROB	2.86 332	1.53 381	14.27 297	1.98 413	2.19 427	4.52 386	1.35 322	4.65 429	3.19 400	2.09 226	2.16 298	3.53 359	2.45 340	5.32 253	2.12 318	1.30 429	0.78 416	0.72 404	0.59 384	1.24 420	1.28 408

DN-CSS_ROB	1.91 189	1.55 382	11.13 261	1.82 399	0.88 227	3.99 275	0.61 57	4.01 280	1.67 149	1.64 112	1.89 245	1.39 117	1.06 112	3.23 215	1.50 231	0.31 151	0.19 44	0.44 311	0.29 205	0.37 186	0.31 132

DGSMNet	7.55 451	1.62 383	17.42 340	1.92 407	12.73 468	7.45 454	42.99 482	4.13 315	2.07 223	2.10 229	3.16 394	3.42 346	1.70 266	9.24 334	2.30 332	3.70 454	10.89 475	11.80 477	5.54 468	4.24 451	2.66 443

ELAS	5.99 438	1.62 383	20.29 409	1.96 412	2.01 420	15.09 468	8.38 459	5.23 442	5.54 446	9.02 457	8.61 439	6.74 436	9.75 454	7.48 303	11.40 428	0.96 410	1.18 427	0.72 404	0.93 416	1.30 422	1.67 423
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
GwcNet	3.00 354	1.63 385	19.83 386	1.32 297	2.04 424	3.27 136	1.55 353	3.65 194	2.33 280	2.00 203	2.12 293	3.56 363	1.68 264	9.47 338	2.45 342	0.44 302	0.45 352	0.46 322	0.38 311	0.60 330	0.76 369

ADCL	4.35 411	1.63 385	14.21 296	1.29 285	1.26 321	5.56 442	11.16 460	3.97 270	3.37 414	6.07 442	4.67 418	4.30 398	5.72 424	5.08 250	14.51 438	0.50 341	0.48 370	0.89 416	0.77 405	0.78 378	0.76 369

ADCPNet	3.89 397	1.63 385	20.25 406	1.28 282	1.27 322	6.43 447	2.65 410	3.93 259	2.70 344	2.78 370	2.20 305	4.28 397	6.16 431	5.56 261	10.27 423	0.65 378	1.18 427	0.71 400	1.70 439	0.84 386	1.37 414

ELAS_RVC	5.72 435	1.64 388	20.40 413	2.09 418	2.01 420	4.95 434	11.47 462	4.66 430	6.31 452	8.09 454	8.01 433	8.06 444	11.65 455	8.36 315	10.22 422	0.99 412	1.17 426	0.81 412	0.76 403	1.14 411	1.58 421
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Consistency-Raft	2.86 332	1.66 389	19.61 378	1.40 332	1.75 402	3.84 234	1.32 319	4.07 299	2.25 261	1.78 137	2.67 364	1.82 186	4.41 407	1.94 143	2.06 311	0.83 403	0.94 421	1.03 420	1.12 425	1.70 430	1.09 400

aanetorigin	3.30 377	1.66 389	17.52 344	1.18 246	1.58 378	2.57 85	3.80 442	2.65 95	2.03 212	6.12 444	4.30 416	2.82 303	5.70 423	5.47 258	4.67 386	0.50 341	0.44 347	0.43 307	0.47 352	1.17 416	0.92 389

Wz-Net-LNSev	2.30 253	1.67 391	14.88 304	1.18 246	1.65 390	3.49 167	1.54 352	3.63 191	2.03 212	1.88 157	1.64 151	3.29 336	2.06 308	2.71 205	2.02 307	0.40 266	0.33 276	0.32 167	0.31 237	0.53 307	0.49 285

DeepPrunerF	3.70 391	1.72 392	14.87 303	1.33 301	1.74 401	3.70 207	1.55 353	4.20 329	14.00 462	2.02 209	1.77 194	2.74 291	2.30 328	10.88 383	6.88 405	0.68 386	0.60 394	0.78 408	0.78 408	0.81 382	0.71 356

AANet_RVC	3.03 358	1.72 392	12.78 273	1.17 240	1.12 287	3.79 223	1.10 284	3.86 237	3.13 393	2.62 354	4.26 415	3.96 378	1.41 185	11.43 408	5.23 395	0.94 408	0.47 364	0.34 218	0.23 79	0.40 205	0.55 314

SANet	5.65 434	1.72 392	20.94 432	1.26 275	0.88 227	7.20 451	3.81 443	4.60 427	11.23 457	4.56 430	8.78 442	7.49 439	6.95 438	11.85 431	18.11 455	0.49 339	0.44 347	0.50 349	0.42 339	0.90 390	0.82 381

FADNet	2.49 292	1.76 395	13.17 275	1.17 240	0.95 246	3.27 136	0.88 211	3.94 262	2.27 266	1.40 82	1.29 71	2.51 271	2.06 308	9.93 353	1.94 296	0.43 295	0.45 352	0.40 286	0.43 341	1.06 401	0.53 306

CC-Net-ROB	3.35 381	1.76 395	13.89 290	2.33 429	1.65 390	4.49 378	1.62 358	4.73 433	2.90 372	1.92 170	2.05 279	1.99 213	1.61 236	12.57 446	1.60 249	2.46 439	2.18 445	2.68 447	1.04 423	2.11 433	1.38 416

GCST	2.56 305	1.79 397	18.02 349	1.92 407	1.33 333	1.72 41	0.51 30	3.67 198	2.03 212	1.70 123	1.61 145	1.55 137	1.29 161	5.06 249	1.24 177	2.06 436	0.77 415	1.45 432	0.97 418	1.14 411	1.34 413

LL-Strereo	3.01 356	1.81 398	17.59 345	1.12 213	2.10 425	2.90 96	1.09 282	4.33 384	2.00 209	3.12 393	2.24 310	3.29 336	3.15 372	11.31 403	1.84 285	0.30 132	0.28 228	0.46 322	0.34 262	0.49 295	0.45 262

TRStereo	2.31 254	1.87 399	19.74 383	1.53 358	1.16 295	4.26 340	1.08 279	4.73 433	1.45 39	1.55 96	1.28 69	1.75 165	0.85 60	1.81 130	1.20 165	0.36 225	0.26 209	0.32 167	0.36 286	0.34 149	0.33 151

MFMNet_re	2.91 338	1.91 400	18.25 351	3.06 441	1.89 414	3.13 119	1.67 366	3.52 179	2.97 379	3.14 394	2.87 380	2.26 237	2.41 336	2.42 178	2.00 304	1.10 415	1.05 423	0.94 417	0.90 414	1.28 421	1.46 420

SDNR	3.97 402	1.93 401	20.28 408	1.31 295	0.94 244	5.16 437	0.67 85	4.33 384	2.58 330	4.82 434	5.94 427	5.01 422	1.45 199	17.52 464	2.53 349	0.79 396	0.72 411	0.59 376	0.45 347	1.15 414	1.17 404

GANetREF_RVC	3.20 373	1.93 401	18.84 362	1.51 355	0.80 193	4.12 300	1.82 375	4.16 325	2.91 373	1.87 154	1.74 177	2.48 268	1.84 290	13.18 448	1.74 274	0.80 398	0.57 384	0.79 409	0.74 401	1.20 419	0.86 383
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
ADCP+	3.74 394	1.96 403	16.90 331	1.09 197	1.55 370	4.35 353	3.65 440	3.93 259	2.98 382	2.22 274	1.66 157	3.95 376	4.83 413	3.41 218	18.87 461	0.38 248	0.41 335	0.63 388	0.53 373	0.64 345	0.81 377

PVD	3.12 366	1.97 404	12.80 274	1.79 397	1.63 384	3.83 229	1.34 321	3.48 170	3.88 427	5.77 439	3.56 405	3.45 348	3.29 379	5.58 263	5.30 396	0.71 392	0.69 409	0.74 407	0.77 405	0.79 380	1.13 403

PWC_ROB	2.69 323	2.01 405	8.36 225	1.33 301	1.90 415	3.23 126	1.18 299	4.33 384	3.25 407	3.11 392	3.41 401	2.71 288	2.18 324	9.15 332	4.48 384	0.56 361	0.31 261	0.61 384	0.36 286	0.69 360	0.74 364

FADNet-RVC-Resample	2.83 330	2.02 406	21.07 435	1.12 213	0.91 236	3.53 177	1.37 328	4.08 303	2.09 227	1.68 120	1.33 76	2.03 218	1.51 216	9.54 340	1.69 266	0.38 248	0.37 308	0.42 303	0.44 343	0.56 318	0.56 316

SHD	2.82 329	2.04 407	13.80 288	1.69 382	1.79 407	2.73 90	1.07 275	3.85 234	3.18 399	4.63 431	2.74 368	3.38 345	2.77 354	5.48 259	3.66 377	0.62 371	0.47 364	0.51 352	0.55 376	0.65 348	0.74 364

PASM	2.67 318	2.05 408	9.71 241	1.73 388	1.37 339	2.53 83	1.52 347	3.10 134	2.17 247	2.79 371	1.84 227	2.90 307	1.85 292	11.89 432	2.19 325	0.81 400	0.85 418	0.87 415	1.01 420	1.14 411	1.05 397

EDNetEfficient	5.61 432	2.14 409	16.75 329	1.67 380	3.64 451	4.12 300	7.51 455	3.05 130	5.63 448	11.57 468	4.83 420	3.95 376	12.72 456	8.44 318	20.78 465	0.41 280	0.43 342	0.47 325	1.01 420	1.66 429	1.39 417

SAMSARA	3.55 386	2.16 410	14.18 295	1.86 404	1.49 360	4.62 402	2.65 410	3.58 187	2.80 359	7.05 448	3.05 387	5.16 428	4.07 400	9.18 333	4.80 390	0.64 375	0.67 405	0.59 376	0.68 396	0.89 388	0.91 388

WAO-6	5.87 437	2.27 411	15.05 309	2.96 439	2.77 437	12.01 462	3.58 438	5.37 448	11.91 461	3.34 403	9.69 446	6.78 437	5.84 425	11.82 430	8.89 418	2.87 441	2.35 453	2.50 441	1.84 445	2.85 438	2.67 444

FADNet-RVC	2.51 294	2.27 411	14.03 292	1.09 197	0.81 196	3.54 181	1.10 284	4.13 315	2.48 312	1.39 81	1.22 52	1.85 194	1.77 275	9.78 346	2.06 311	0.38 248	0.37 308	0.40 286	0.40 328	0.67 355	0.48 281

FADNet_RVC	2.65 314	2.28 413	16.51 325	0.98 141	0.92 237	4.09 292	0.83 176	4.26 358	1.73 166	1.46 88	1.78 197	1.60 143	1.50 213	8.88 324	2.39 337	0.47 325	0.38 314	0.44 311	0.58 382	0.89 388	0.97 392

XQC	2.96 345	2.42 414	14.85 302	1.36 318	1.32 330	3.29 143	1.53 349	4.28 364	2.78 353	3.21 398	2.46 343	3.53 359	2.92 361	6.58 283	4.67 386	0.70 390	0.41 335	0.59 376	0.56 378	0.96 397	0.83 382

EDNetEfficientorigin	12.35 463	2.51 415	179.47 492	1.19 248	0.96 247	2.91 98	1.81 374	3.00 125	5.35 444	8.91 456	4.79 419	4.18 391	4.64 411	9.98 355	11.30 426	0.37 232	0.38 314	0.60 381	0.85 411	1.32 423	2.43 441

RTSC	2.95 342	2.51 415	15.49 316	1.54 360	1.30 324	3.51 173	0.86 190	3.89 244	2.48 312	3.64 409	3.12 391	3.04 318	2.30 328	5.70 265	6.67 399	0.55 359	0.35 291	0.37 261	0.39 317	0.70 361	0.60 329

IMH-64-1	4.84 421	2.53 417	6.83 210	4.30 459	3.74 453	4.81 431	6.05 450	5.30 444	3.92 428	3.95 417	8.33 436	5.08 425	6.06 428	8.96 327	6.30 397	4.57 465	2.96 459	3.04 451	2.12 453	4.28 452	3.62 459

IMH-64	4.84 421	2.53 417	6.83 210	4.30 459	3.74 453	4.81 431	6.05 450	5.30 444	3.92 428	3.95 417	8.33 436	5.08 425	6.06 428	8.96 327	6.30 397	4.57 465	2.96 459	3.04 451	2.12 453	4.28 452	3.62 459

Wz-Net-MNSev	2.71 325	2.54 419	13.91 291	1.52 356	1.37 339	3.28 139	2.47 402	4.03 285	2.32 279	2.57 344	2.07 284	2.29 244	3.01 365	7.55 305	2.74 359	0.38 248	0.36 295	0.36 249	0.37 298	0.57 322	0.47 277

Syn2CoEx	3.08 362	2.55 420	19.88 387	1.34 308	1.18 297	2.43 79	1.65 364	3.91 253	2.40 298	2.39 322	2.27 314	2.90 307	3.17 375	9.57 342	2.54 351	0.50 341	0.45 352	0.53 360	0.39 317	0.74 372	0.72 362

RAFT + AFF	2.51 294	2.66 421	4.48 190	1.15 234	1.95 417	4.15 307	2.01 386	4.46 411	3.30 412	2.19 262	2.51 350	2.22 236	4.87 414	8.91 326	2.06 311	0.30 132	0.60 394	0.48 333	0.38 311	0.77 376	0.69 351

DDUNet	2.91 338	2.78 422	6.94 213	3.53 447	2.26 431	3.28 139	1.36 324	3.77 219	2.04 216	2.62 354	2.49 347	4.18 391	1.69 265	5.38 255	1.85 286	2.21 438	1.77 440	2.61 445	2.43 456	2.60 436	2.34 438

UDG	3.55 386	2.81 423	17.45 341	2.69 434	1.98 418	3.97 272	1.19 302	4.35 388	2.02 210	2.42 326	2.53 353	4.50 404	2.46 342	6.53 282	2.41 339	2.12 437	1.77 440	2.63 446	2.57 458	2.64 437	1.95 430

WAO-7	5.16 425	3.21 424	18.98 365	1.88 406	1.44 354	5.34 439	3.09 426	4.91 438	5.81 449	4.35 428	8.92 444	6.55 435	6.06 428	13.40 452	10.81 424	1.34 431	1.20 430	1.48 433	1.35 435	1.60 428	1.45 418

PWCDC_ROB	2.95 342	3.26 425	14.06 293	1.59 370	1.56 373	4.19 329	0.86 190	4.30 375	4.08 432	2.06 222	7.37 429	2.75 293	2.42 337	3.59 222	2.67 357	1.34 431	0.36 295	0.39 280	0.34 262	1.13 410	0.62 335

ADCMid	3.96 401	3.27 426	15.48 315	1.26 275	1.40 345	4.66 408	2.28 397	4.06 297	3.54 419	3.94 416	3.02 385	3.85 373	3.67 393	4.03 235	18.65 459	0.68 386	0.61 396	1.09 425	1.18 429	1.38 424	1.08 399

IGEV-BASED-STEREO-	1.09 57	3.30 427	2.61 129	0.82 45	0.38 29	1.27 16	0.62 68	1.51 6	1.29 18	0.91 41	0.92 16	0.65 11	0.57 6	1.08 18	0.59 7	1.55 433	0.15 2	0.32 167	0.28 178	1.10 407	1.98 432

DispFullNet	4.64 417	3.48 428	23.95 467	3.99 453	3.03 442	3.35 146	1.06 273	4.18 326	2.80 359	6.33 445	2.94 381	4.04 383	7.81 446	3.92 233	5.16 394	2.75 440	1.61 437	3.10 454	2.68 461	3.32 440	3.31 456

LSM	12.71 464	3.52 429	20.79 426	55.63 485	84.76 484	3.63 201	6.30 452	3.73 213	4.93 441	5.55 438	13.92 462	3.53 359	3.25 378	9.72 343	4.12 381	0.64 375	0.85 418	0.71 400	0.81 410	1.03 399	26.84 478

SGM+DAISY	8.36 453	3.82 430	24.83 468	2.02 415	1.75 402	14.80 467	17.22 468	4.27 359	11.79 460	13.88 469	14.38 463	11.74 451	13.83 458	10.56 370	15.12 439	1.21 419	1.19 429	1.14 427	1.13 427	1.17 416	1.37 414

test_for_model	2.16 227	3.87 431	1.58 40	4.16 455	3.64 451	2.51 81	0.96 252	3.63 191	2.62 333	2.45 329	1.39 91	1.02 67	0.73 30	0.92 5	0.57 5	2.97 443	2.19 446	0.26 52	0.17 10	5.32 460	2.24 435

UNDER WATER	10.47 456	3.95 432	22.62 461	5.07 467	4.51 463	7.78 455	3.77 441	12.56 463	21.72 473	7.84 452	10.78 450	23.96 469	31.66 474	10.78 380	16.19 446	4.44 462	2.93 457	4.24 463	2.86 464	6.33 464	5.47 471

Wz-Net-SNSev	2.98 351	4.36 433	15.98 318	1.57 368	1.19 303	3.28 139	1.80 373	3.96 269	2.40 298	2.32 304	2.28 317	3.48 349	2.05 307	7.84 311	3.82 379	0.47 325	0.39 323	0.53 360	0.49 359	0.71 368	0.60 329

SuperB	4.79 420	4.41 434	21.08 436	1.45 343	1.08 280	3.91 249	3.08 425	4.18 326	3.01 385	2.50 335	2.10 286	2.75 293	3.49 390	8.80 323	19.60 463	0.44 302	0.33 276	0.53 360	0.39 317	12.01 474	0.64 342

WZ-Net	3.62 388	4.87 435	16.77 330	1.43 337	1.40 345	3.75 215	2.29 398	4.12 314	2.50 317	2.74 367	2.19 303	4.06 384	5.29 419	10.19 361	7.36 409	0.54 357	0.37 308	0.47 325	0.49 359	0.77 376	0.73 363

iResNetv2_ROB	2.65 314	5.00 436	19.28 373	2.06 417	1.09 283	3.83 229	1.13 291	4.14 321	2.09 227	1.85 147	2.03 270	2.01 217	1.51 216	3.58 221	1.58 245	0.34 195	0.21 98	0.32 167	0.21 44	0.44 263	0.29 98

ADCS	4.22 410	5.33 437	16.32 321	1.64 377	1.31 326	3.91 249	3.64 439	4.21 334	2.89 371	5.11 435	2.81 377	4.46 403	3.06 371	5.21 252	19.50 462	0.63 372	0.64 400	0.69 397	0.69 398	1.12 409	1.26 407

UNDER WATER-64	9.33 454	5.37 438	22.60 460	5.22 468	4.86 465	10.75 460	4.61 449	11.45 460	17.30 466	7.59 449	9.80 448	15.99 459	17.90 465	10.63 373	15.72 442	4.36 460	2.87 456	4.39 467	2.86 464	7.01 467	5.36 470

KSHMR	16.96 468	5.37 438	21.64 454	4.46 462	4.50 462	8.30 457	3.32 429	15.58 472	76.24 485	6.62 447	61.47 483	56.53 483	5.43 421	35.17 479	11.37 427	4.39 461	2.97 461	3.63 462	2.74 463	5.10 459	4.34 467

GASNet	3.24 374	5.55 440	20.58 422	1.56 367	1.25 319	2.32 74	1.12 288	4.04 289	2.67 341	1.88 157	2.10 286	3.00 315	2.16 320	10.59 371	2.43 340	0.65 378	0.37 308	0.61 384	0.45 347	0.87 387	0.58 324

AnyNet_C32	4.17 408	5.75 441	12.62 272	1.60 372	1.54 366	5.51 441	4.09 446	3.90 249	3.23 406	4.22 427	3.03 386	3.10 322	3.41 384	8.01 313	18.85 460	0.53 355	0.58 389	0.53 360	0.74 401	1.19 418	0.97 392

MADNet++	7.57 452	5.80 442	13.28 277	6.38 469	5.26 466	7.18 450	7.77 457	5.32 446	5.62 447	6.11 443	7.78 431	6.02 434	8.01 448	11.74 426	16.36 447	9.36 471	4.95 469	8.57 472	5.66 469	4.83 458	5.34 469

coex-ft	18.59 470	6.62 443	113.53 489	1.17 240	1.31 326	2.33 75	1.93 381	2.81 114	14.00 462	124.82 491	8.45 438	5.90 433	51.74 484	9.99 356	22.69 466	0.57 363	0.62 397	0.50 349	0.49 359	1.08 406	1.28 408

RTS	3.90 398	7.04 444	17.94 347	1.92 407	2.19 427	5.00 435	2.96 419	4.29 367	3.19 400	4.05 419	3.08 388	4.94 419	3.16 373	7.64 306	6.72 400	0.66 380	0.44 347	0.51 352	0.47 352	0.95 393	0.76 369

RTSA	3.90 398	7.04 444	17.94 347	1.92 407	2.19 427	5.00 435	2.96 419	4.29 367	3.19 400	4.05 419	3.08 388	4.94 419	3.16 373	7.64 306	6.72 400	0.66 380	0.44 347	0.51 352	0.47 352	0.95 393	0.76 369

AnyNet_C01	4.37 412	7.80 446	16.40 322	1.98 413	1.40 345	6.37 446	6.47 453	4.09 305	5.03 442	4.06 421	3.78 408	4.16 390	3.31 380	6.62 285	10.00 421	0.61 369	0.67 405	0.63 388	0.67 393	2.01 431	1.31 410

RainbowNet	4.56 414	8.28 447	20.07 396	3.64 451	3.23 449	4.15 307	2.99 421	4.18 326	3.03 387	2.20 264	2.65 363	4.26 396	2.90 360	9.77 344	2.12 318	3.88 456	2.27 449	2.71 449	1.72 441	3.78 447	3.31 456

notaker	10.50 458	8.60 448	20.23 402	4.54 464	3.95 457	6.27 445	3.44 431	8.07 457	4.75 440	8.73 455	46.45 478	13.86 458	27.86 473	13.49 453	13.61 437	4.56 464	3.18 463	3.52 459	2.68 461	8.13 472	4.05 464

TorneroNet-64	10.12 455	8.74 449	20.95 433	4.27 457	3.76 456	13.86 466	2.85 415	15.05 469	23.15 474	10.07 462	23.84 471	13.47 455	8.24 450	13.96 459	17.21 452	3.96 458	2.72 454	3.23 455	2.48 457	6.29 462	4.27 466

Wz-Net-TNSev	3.67 390	8.83 450	13.47 280	1.48 350	1.18 297	3.60 191	2.49 404	4.27 359	3.13 393	2.18 258	1.89 245	4.21 395	2.80 356	12.10 436	7.58 411	0.57 363	0.55 381	0.47 325	0.54 375	0.91 391	1.05 397

DGTPSM_ROB	15.31 466	8.85 451	28.14 472	9.90 473	18.89 470	12.44 464	33.21 476	13.48 466	17.86 469	9.50 459	22.89 469	13.78 456	19.67 467	21.26 465	23.68 467	5.08 469	8.84 470	5.62 468	11.50 472	6.72 465	14.87 474

DPSMNet_ROB	15.52 467	8.89 452	31.44 473	10.07 474	18.91 471	12.44 464	33.22 477	13.51 467	17.94 470	9.58 460	22.91 470	13.79 457	19.67 467	21.43 466	23.73 468	5.17 470	8.84 470	5.63 469	11.52 475	6.79 466	14.90 475

otaku	4.58 416	8.93 453	19.95 390	3.11 442	2.67 434	3.91 249	2.57 408	3.82 227	2.25 261	2.22 274	9.72 447	4.08 385	2.35 333	8.57 319	2.13 321	3.51 450	1.65 438	2.15 439	1.17 428	3.69 445	3.15 451

Ntro	4.21 409	8.94 454	19.89 388	3.22 443	2.96 441	4.15 307	1.89 379	3.92 258	2.36 286	1.77 135	2.14 295	3.35 342	2.17 322	9.48 339	2.24 329	3.52 451	1.76 439	2.13 438	1.31 432	3.83 448	3.09 449

Dean	7.52 450	9.08 455	21.41 446	3.74 452	3.53 450	4.81 431	3.53 435	5.33 447	5.25 443	4.17 423	26.53 473	25.62 473	4.09 401	10.97 387	4.32 382	3.69 453	2.30 450	2.91 450	1.87 446	4.03 450	3.24 455

JetBlue	6.27 441	9.15 456	13.76 283	1.94 411	4.60 464	11.91 461	12.00 463	5.12 440	3.45 418	3.79 413	4.52 417	9.54 446	6.56 437	9.40 337	13.48 436	1.26 425	1.37 433	1.17 428	1.34 434	7.06 468	3.95 463

LVE	6.88 447	9.31 457	21.14 437	3.61 450	3.18 448	4.49 378	2.79 412	10.21 459	11.69 459	3.16 397	11.53 454	18.33 460	4.31 405	11.66 421	3.52 375	4.45 463	2.93 457	2.56 443	1.91 447	3.62 442	3.16 452

SQANet	3.70 391	9.34 458	18.41 356	2.75 435	2.74 436	3.40 152	1.47 341	3.50 175	1.68 151	2.60 351	1.75 181	2.69 285	1.91 299	6.72 291	1.74 274	2.96 442	1.41 434	1.85 435	1.12 425	3.17 439	2.70 447

MADNet+	3.97 402	9.54 459	13.83 289	1.87 405	1.69 396	4.19 329	2.87 416	4.80 436	4.10 433	2.51 337	2.67 364	4.55 408	3.41 384	8.72 321	6.92 406	1.25 424	1.27 431	1.04 421	0.93 416	1.39 425	1.85 428

PWCK	5.85 436	9.95 460	15.22 314	2.90 438	1.56 373	5.66 443	7.69 456	5.27 443	4.74 439	3.88 414	7.51 430	8.04 442	5.28 418	15.18 461	8.40 415	3.08 445	1.51 435	2.24 440	1.37 436	5.55 461	1.96 431

ktn	21.74 473	10.34 461	19.68 381	4.53 463	4.00 458	6.53 448	4.51 448	6.79 453	78.82 487	84.69 487	100.86 491	58.49 484	7.57 445	12.11 437	13.35 435	4.58 467	3.24 464	3.49 457	2.62 459	4.65 457	3.84 462

MSC_U_SF_DS_RVC	4.48 413	10.62 462	15.18 313	1.55 365	1.45 357	6.16 444	3.54 437	5.41 449	3.68 424	2.59 350	2.74 368	4.81 416	2.20 325	13.79 457	4.40 383	2.04 435	3.36 465	1.05 422	1.20 430	2.09 432	1.72 425

MFN_U_SF_RVC	3.81 396	10.78 463	15.01 308	1.84 401	1.39 343	3.73 213	1.63 359	4.05 293	3.26 408	2.91 377	2.38 340	4.36 401	3.65 392	8.43 317	4.91 392	1.11 417	1.04 422	0.99 419	1.31 432	1.58 427	1.75 427

MFN_U_SF_DS_RVC	3.94 400	10.88 464	12.30 271	1.26 275	1.55 370	5.19 438	3.33 430	4.42 403	2.82 367	2.58 347	2.62 360	5.00 421	2.11 312	14.03 460	2.73 358	1.28 426	2.34 452	0.67 396	1.83 444	0.81 382	1.03 396

TorneroNet	25.88 475	11.28 465	21.62 452	4.20 456	4.07 459	55.25 484	3.15 427	15.16 470	76.94 486	58.09 482	82.72 488	86.88 488	41.15 479	13.35 451	18.13 456	4.32 459	2.85 455	3.45 456	2.62 459	8.33 473	4.14 465

ACVNet_2	5.41 429	12.60 466	20.42 415	3.27 444	3.15 447	4.50 381	3.02 422	4.66 430	3.73 425	3.35 405	5.36 423	7.86 441	2.88 358	12.33 440	4.76 389	3.12 446	2.22 447	2.70 448	1.69 438	3.49 441	3.10 450

WAO-8	11.95 461	13.02 467	20.56 420	3.50 445	3.08 444	15.11 469	2.80 413	12.91 464	19.11 471	7.69 450	13.12 458	11.62 449	7.01 441	84.40 489	7.91 412	3.42 448	1.92 442	3.54 460	1.93 448	3.68 443	2.69 445

Venus	11.95 461	13.02 467	20.56 420	3.50 445	3.08 444	15.11 469	2.80 413	12.91 464	19.11 471	7.69 450	13.12 458	11.62 449	7.01 441	84.40 489	7.91 412	3.42 448	1.92 442	3.54 460	1.93 448	3.68 443	2.69 445

IMH	6.81 446	13.66 469	20.41 414	4.33 461	3.74 453	5.50 440	3.06 424	5.49 450	6.22 450	4.64 432	10.35 449	9.30 445	8.03 449	13.61 455	6.81 402	4.80 468	2.99 462	3.09 453	2.12 453	4.36 454	3.61 458

ACVNet-4b	6.73 444	13.67 470	21.87 455	3.54 448	3.07 443	4.19 329	2.25 396	4.03 285	3.65 422	1.64 112	3.98 413	5.88 432	2.89 359	10.01 357	16.98 450	23.29 479	2.24 448	2.53 442	1.78 442	3.87 449	3.21 454

FADE	78.44 487	13.79 471	36.09 475	10.71 475	13.34 469	4.15 307	4.14 447	28.60 477	8.36 454	5.15 436	3.88 411	11.85 452	36.55 475	44.37 481	28.26 477	474.90 493	161.58 492	347.36 493	322.13 493	7.29 469	6.23 472

ACVNet_1	6.04 439	13.97 472	21.36 445	3.58 449	3.14 446	4.73 424	2.48 403	4.20 329	3.17 398	2.98 385	2.83 379	23.31 467	4.34 406	11.06 393	2.45 342	3.68 452	2.33 451	2.60 444	1.79 443	3.69 445	3.19 453

HanzoNet	31.60 477	17.23 473	21.22 442	7.32 470	5.84 467	7.25 452	3.53 435	13.82 468	14.20 464	50.38 480	47.01 479	44.45 477	56.61 485	36.61 480	32.00 479	63.89 485	56.57 486	7.97 471	89.20 486	28.69 477	28.25 480

Anonymous_1	57.11 485	19.68 474	26.15 469	23.10 476	142.31 489	30.84 475	39.75 479	33.86 481	16.98 465	70.53 486	15.42 465	23.46 468	19.75 469	23.04 468	27.23 474	164.73 491	9.02 472	130.38 487	137.40 488	161.27 492	27.24 479

DPSM_ROB	20.78 471	20.03 475	26.57 470	23.62 477	22.46 472	31.10 476	39.97 480	33.52 479	17.41 467	15.25 470	15.80 466	24.06 470	20.71 470	23.30 470	27.62 475	10.78 473	9.41 473	11.69 475	11.50 472	14.49 475	16.36 476

DPSM	20.78 471	20.03 475	26.57 470	23.62 477	22.46 472	31.10 476	39.97 480	33.52 479	17.41 467	15.25 470	15.80 466	24.06 470	20.71 470	23.30 470	27.62 475	10.78 473	9.41 473	11.69 475	11.50 472	14.49 475	16.36 476

JetRed	10.48 457	27.10 477	35.70 474	4.27 457	4.09 460	15.55 471	12.83 464	12.16 461	5.50 445	5.83 440	5.56 425	10.14 447	7.43 443	8.88 324	26.39 473	3.32 447	3.81 466	3.51 458	2.96 466	7.85 470	6.69 473

LRCNet_RVC	25.52 474	33.45 478	23.21 465	31.79 479	32.78 475	6.74 449	1.18 299	25.88 475	4.46 434	28.94 473	30.89 474	24.91 472	17.57 464	27.66 474	24.34 470	35.26 481	25.60 482	35.91 481	33.81 480	31.90 482	34.10 483

LSM0	49.58 483	40.04 479	53.62 486	97.15 486	128.68 488	62.75 487	79.89 487	67.63 487	35.11 478	33.02 476	32.61 477	48.43 482	41.60 480	46.60 485	55.43 485	21.63 478	18.99 481	23.62 480	23.13 477	29.47 481	52.26 487

Selective-RAFT-Error	41.77 478	40.16 480	53.34 484	47.73 483	45.25 481	62.51 485	80.64 488	67.22 485	34.93 477	30.64 475	31.81 475	48.11 480	42.11 482	46.57 484	54.95 484	21.61 477	18.87 479	23.48 478	23.15 478	29.16 479	33.08 482

CasAABBNet	41.80 479	40.20 481	53.41 485	47.73 483	45.18 480	62.51 485	80.71 489	67.26 486	34.80 476	30.49 474	31.88 476	48.24 481	41.81 481	46.63 486	55.64 486	21.60 476	18.88 480	23.48 478	23.22 479	29.19 480	33.05 481

HaxPig	43.25 480	43.65 482	45.00 479	33.85 480	35.61 477	32.69 478	30.52 474	45.09 482	42.97 480	48.77 478	48.17 480	43.00 476	40.26 477	44.58 482	43.61 480	47.18 482	49.30 483	51.54 483	50.25 482	43.73 483	45.29 484

AVERAGE_ROB	44.46 481	45.91 483	46.59 480	40.59 482	38.66 478	32.99 479	30.52 474	46.19 483	43.26 481	49.59 479	48.97 481	44.62 478	39.89 476	45.04 483	43.94 481	48.74 483	50.69 484	50.80 482	49.79 481	45.54 484	46.97 485

MEDIAN_ROB	47.37 482	49.08 484	49.92 482	40.32 481	39.97 479	34.95 480	33.43 478	49.17 484	46.39 483	53.06 481	52.65 482	47.65 479	42.23 483	48.35 487	47.29 482	52.10 484	54.04 485	54.28 484	53.48 483	48.76 485	50.33 486

PML	64.32 486	53.22 485	17.88 346	8.10 471	32.94 476	148.46 492	247.79 493	12.18 462	45.42 482	111.41 489	288.92 493	101.47 491	101.31 491	31.67 475	15.55 440	14.03 475	4.83 468	10.98 474	6.18 470	28.82 478	5.17 468

DLNR_Zeroshot_test	28.62 476	55.50 486	49.94 483	183.62 489	115.05 487	3.43 154	0.28 1	29.49 478	1.49 64	1.01 51	1.26 62	0.93 59	0.63 16	3.92 233	1.51 237	29.81 480	0.41 335	0.26 52	0.23 79	93.28 486	0.32 139

BEATNet-Init1	49.72 484	64.32 487	97.77 488	4.68 465	4.28 461	84.75 489	60.42 483	73.38 488	68.59 484	88.29 488	88.51 490	91.94 489	97.99 490	85.26 491	70.96 490	0.80 398	0.65 401	0.85 414	0.70 399	7.96 471	2.33 437

xxxxx1	112.33 490	88.53 488	37.76 476	227.84 491	157.23 490	39.05 481	61.41 484	93.76 489	79.29 488	62.45 483	74.79 485	78.32 485	70.96 487	33.47 476	70.69 487	114.00 488	130.36 489	259.31 490	274.34 490	145.54 489	147.50 490

tt_ll	112.33 490	88.53 488	37.76 476	227.84 491	157.23 490	39.05 481	61.41 484	93.76 489	79.29 488	62.45 483	74.79 485	78.32 485	70.96 487	33.47 476	70.69 487	114.00 488	130.36 489	259.31 490	274.34 490	145.54 489	147.50 490

ff	112.33 490	88.53 488	37.76 476	227.84 491	157.23 490	39.05 481	61.41 484	93.76 489	79.29 488	62.45 483	74.79 485	78.32 485	70.96 487	33.47 476	70.69 487	114.00 488	130.36 489	259.31 490	274.34 490	145.54 489	147.50 490

ASD4	103.30 489	113.98 491	120.24 490	106.67 487	79.75 483	115.36 490	120.35 490	119.13 492	79.65 491	120.04 490	74.64 484	101.45 490	65.48 486	109.11 492	84.31 492	104.31 486	90.04 488	133.15 488	103.58 487	130.15 488	94.66 489

DPSimNet_ROB	102.30 488	119.72 492	143.59 491	109.42 488	94.10 485	127.22 491	127.15 491	26.62 476	102.36 492	149.58 492	83.99 489	139.34 492	137.54 492	64.62 488	82.36 491	105.18 487	66.15 487	120.15 486	69.61 485	99.58 487	77.72 488

test_example2	212.63 493	219.92 493	221.87 493	213.67 490	221.17 493	199.47 493	200.74 492	185.30 493	141.66 493	209.52 493	213.45 492	210.82 493	205.48 493	221.27 493	216.64 493	236.83 492	242.07 493	213.93 489	217.01 489	235.69 493	226.10 493

Low-res two-view benchmark