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

CAS	1.26 131	0.40 3	1.46 51	2.97 490	1.61 428	4.13 353	0.73 134	1.78 38	1.49 89	0.83 60	1.10 55	0.59 14	0.53 10	1.26 66	0.80 91	2.99 493	0.13 1	0.21 5	0.13 1	0.31 122	1.72 475

LoS_RVC	0.94 52	1.30 401	1.31 35	0.84 75	1.63 431	2.02 76	0.59 72	1.51 15	1.36 44	0.81 52	1.33 99	0.84 64	0.88 96	1.36 85	0.73 69	0.21 5	0.17 18	0.20 1	0.14 2	0.20 3	1.45 468

CES	1.01 74	0.55 65	1.74 75	0.92 127	2.15 476	2.15 87	0.50 44	2.01 53	1.45 61	0.76 40	1.02 36	0.61 16	0.47 6	1.29 74	0.79 90	0.22 9	0.17 18	0.24 32	0.14 2	0.63 383	2.29 486

StereoAnything_RVC	0.94 52	2.66 469	2.20 123	0.76 38	0.34 7	1.18 16	0.39 16	2.31 78	0.69 1	0.51 3	0.34 1	0.32 1	0.89 100	1.57 119	0.35 1	0.32 207	0.16 7	0.23 15	0.15 4	3.31 489	0.18 2

trnet	0.91 46	0.48 19	1.46 51	0.62 4	0.31 2	4.40 412	0.41 21	2.20 68	1.53 117	0.94 73	1.14 60	0.88 77	0.89 100	1.09 29	0.71 62	0.27 72	0.19 67	0.22 9	0.15 4	0.21 5	0.19 4

XX-TBD	1.03 79	0.95 332	1.94 92	1.30 332	0.43 56	3.97 321	0.33 6	1.74 33	1.73 202	1.59 135	2.02 308	0.69 30	0.60 23	1.16 44	0.66 39	0.30 168	0.25 237	0.23 15	0.15 4	0.31 122	0.22 30

CREStereo	0.92 47	0.53 49	1.45 50	0.61 3	0.34 7	4.42 416	0.40 20	2.21 70	1.54 126	0.94 73	1.12 57	0.87 74	0.87 95	1.12 33	0.72 67	0.28 109	0.19 67	0.22 9	0.15 4	0.22 10	0.19 4
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.99 70	0.48 19	1.73 72	0.62 4	0.56 133	4.20 384	0.43 29	1.88 41	1.58 149	1.00 80	1.05 47	0.78 51	0.98 123	1.50 109	0.85 108	1.21 468	0.20 98	0.23 15	0.15 4	0.22 10	0.19 4

LGtest1	0.55 2	0.41 5	1.14 17	0.70 15	0.40 40	0.99 8	0.26 2	1.32 7	0.93 9	0.53 4	0.60 7	0.44 4	0.49 9	1.02 21	0.45 9	0.27 72	0.19 67	0.23 15	0.16 9	0.21 5	0.23 38

FoundationStereo	0.50 1	0.39 2	1.11 13	0.79 44	0.42 50	0.70 3	0.36 12	0.76 1	0.80 4	0.62 13	0.38 2	0.73 44	0.77 65	0.69 1	0.36 2	0.26 57	0.17 18	0.23 15	0.16 9	0.18 1	0.20 13

GIP-stereo	0.88 38	0.50 28	1.34 40	1.32 338	0.94 281	2.90 125	0.42 24	3.41 204	1.06 15	0.63 14	0.76 15	0.90 81	0.76 63	0.91 7	0.52 14	0.27 72	0.18 43	0.25 50	0.16 9	0.25 28	0.19 4

DEFOM-Stereo	0.70 7	0.46 12	1.13 16	0.72 20	0.48 94	3.40 191	0.44 31	0.90 2	0.77 3	0.86 65	0.58 6	0.45 6	0.43 4	1.76 157	0.43 5	0.24 29	0.18 43	0.22 9	0.16 9	0.21 5	0.20 13

dual_stereo	0.68 6	0.40 3	1.05 3	0.64 6	0.37 23	0.84 6	0.34 8	3.40 203	1.03 13	0.50 2	0.46 4	0.58 12	0.40 2	1.85 173	0.49 13	0.23 20	0.17 18	0.21 5	0.16 9	0.20 3	0.19 4

LoS	0.94 52	0.52 38	1.88 86	0.86 91	0.36 11	4.15 357	0.51 48	2.18 67	1.45 61	0.97 79	0.88 26	0.62 17	0.79 75	1.59 125	0.86 115	0.26 57	0.19 67	0.24 32	0.16 9	0.21 5	0.20 13
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
s12784h	1.31 146	0.45 11	2.41 149	0.71 18	0.35 9	4.42 416	0.50 44	4.22 387	2.73 397	2.01 245	2.48 393	0.91 83	0.96 115	2.01 186	0.70 59	0.29 129	0.18 43	0.24 32	0.16 9	0.27 52	0.18 2

GREAT-IGEV	0.74 8	0.54 59	1.86 84	1.10 238	0.44 61	2.44 101	0.34 8	1.37 8	1.51 101	0.48 1	0.86 24	0.51 9	0.60 23	1.07 27	0.45 9	0.22 9	0.17 18	0.21 5	0.17 16	0.23 12	0.25 61

DEFOM-Stereo_RVC	0.81 27	1.13 369	1.23 25	0.97 162	0.57 144	0.81 5	0.43 29	3.49 210	0.84 5	0.73 29	0.95 31	0.44 4	1.17 179	1.45 99	0.60 22	0.26 57	0.18 43	0.24 32	0.17 16	0.30 103	0.19 4

AIO_rvc	0.78 17	0.55 65	1.25 27	0.75 24	0.65 176	1.46 45	0.99 303	2.13 63	1.52 110	0.57 6	1.15 61	1.09 104	0.55 13	1.15 42	0.53 15	0.24 29	0.17 18	0.24 32	0.17 16	0.25 28	0.21 24

HUF	1.15 96	0.64 162	8.62 268	0.90 114	0.35 9	1.35 37	0.78 175	1.97 50	1.50 94	0.63 14	1.52 145	0.83 62	0.66 39	1.28 71	0.63 27	0.29 129	0.23 184	0.26 71	0.17 16	0.23 12	0.25 61

MonSter	0.62 3	0.43 8	1.07 7	0.66 13	0.82 241	1.13 13	0.39 16	2.57 112	0.92 8	0.58 7	0.64 8	0.36 2	0.35 1	0.95 10	0.43 5	0.15 1	0.15 3	0.20 1	0.17 16	0.21 5	0.19 4

IGEV-Stereo++	0.93 49	0.44 9	1.08 10	0.70 15	1.20 349	3.87 289	0.33 6	3.36 199	1.43 59	0.75 30	1.17 64	0.68 27	1.04 135	0.95 10	0.42 3	0.22 9	0.16 7	0.23 15	0.17 16	0.24 16	0.20 13

IGEV-Stereo+	0.94 52	0.47 14	1.19 19	0.86 91	2.02 472	1.40 41	0.39 16	1.17 6	0.88 6	0.61 11	0.44 3	0.47 8	0.79 75	2.14 198	0.42 3	0.27 72	0.19 67	0.22 9	0.17 16	2.26 484	2.41 489

test_for_model	2.16 269	3.87 481	1.58 64	4.16 505	3.64 501	2.51 105	0.96 293	3.63 234	2.62 383	2.45 375	1.39 117	1.02 97	0.73 52	0.92 9	0.57 17	2.97 492	2.19 496	0.26 71	0.17 16	5.32 510	2.24 485

SGD-Stereo	0.65 5	0.41 5	1.06 6	0.85 87	0.31 2	2.44 101	0.46 36	1.09 3	0.69 1	0.84 62	0.52 5	0.55 11	0.53 10	1.49 108	0.46 11	0.31 187	0.14 2	0.25 50	0.18 24	0.23 12	0.20 13

Reg-Stereo(zero)	1.60 179	0.42 7	10.69 295	0.89 105	0.68 194	3.27 174	0.47 41	2.27 75	1.54 126	1.48 124	1.24 77	2.55 315	2.68 400	1.48 106	1.10 182	0.19 2	0.19 67	0.22 9	0.18 24	0.24 16	0.26 85

Pointernet	0.88 38	0.44 9	2.26 132	0.84 75	0.37 23	2.29 93	0.38 14	3.06 163	1.46 69	0.66 19	1.39 117	0.91 83	0.73 52	1.01 20	0.72 67	0.23 20	0.19 67	0.20 1	0.18 24	0.19 2	0.20 13

testlalala_base	1.62 183	0.74 248	1.63 66	1.19 286	1.40 390	2.63 113	0.84 212	4.09 354	1.31 39	1.22 100	1.42 124	1.21 128	0.85 89	1.16 44	0.73 69	3.92 507	2.10 494	0.27 96	0.18 24	4.49 506	1.11 452

GCAP-Stereo	0.93 49	0.68 201	1.35 42	0.85 87	0.41 45	3.61 237	0.52 51	2.20 68	1.50 94	1.11 94	1.04 43	1.17 115	0.84 87	1.11 31	0.71 62	0.25 45	0.20 98	0.27 96	0.18 24	0.28 68	0.23 38

Any-RAFT	1.40 154	0.53 49	2.78 174	1.09 229	0.64 168	4.41 414	0.81 201	3.97 318	2.78 403	1.99 231	1.34 104	2.36 290	1.56 272	1.56 117	0.75 76	0.27 72	0.20 98	0.25 50	0.18 24	0.25 28	0.28 117

Selective-IGEV	0.80 20	0.52 38	1.05 3	0.75 24	0.61 160	1.31 35	0.82 204	2.60 116	1.41 53	0.82 54	1.64 183	0.71 38	0.62 28	1.22 61	0.64 30	0.22 9	0.19 67	0.24 32	0.18 24	0.25 28	0.20 13

DCANet-4	1.96 239	0.51 32	14.31 341	0.82 56	0.40 40	4.16 367	0.57 62	4.29 417	2.98 432	2.30 340	1.80 238	1.03 99	1.54 268	1.44 95	1.44 254	0.29 129	0.23 184	0.23 15	0.18 24	0.24 16	0.42 283

fff	1.74 201	0.70 214	9.08 272	0.81 46	0.36 11	4.15 357	0.57 62	4.23 391	2.09 272	2.30 340	1.80 238	1.19 123	3.02 415	1.44 95	1.46 258	0.29 129	0.23 184	0.23 15	0.18 24	0.24 16	0.42 283

ADStereo(finetuned)	2.04 254	0.73 240	13.28 317	0.82 56	0.40 40	4.16 367	0.59 72	4.25 401	2.97 429	2.35 358	1.84 262	1.18 119	3.40 432	1.52 113	1.54 280	0.29 129	0.24 217	0.23 15	0.18 24	0.30 103	0.51 344

DCANet	1.74 201	0.73 240	9.08 272	0.82 56	0.40 40	4.18 375	0.59 72	4.25 401	2.97 429	2.35 358	1.84 262	1.18 119	1.63 293	1.51 111	1.55 281	0.29 129	0.24 217	0.23 15	0.18 24	0.30 103	0.53 351

csc	1.74 201	0.70 214	9.08 272	0.81 46	0.36 11	4.15 357	0.57 62	4.23 391	2.09 272	2.30 340	1.80 238	1.19 123	3.02 415	1.44 95	1.46 258	0.29 129	0.23 184	0.23 15	0.18 24	0.24 16	0.42 283

cscssc	1.74 201	0.70 214	9.08 272	0.81 46	0.36 11	4.15 357	0.57 62	4.23 391	2.09 272	2.30 340	1.80 238	1.19 123	3.02 415	1.44 95	1.46 258	0.29 129	0.23 184	0.23 15	0.18 24	0.24 16	0.42 283

iResNet_ROB	1.89 223	1.02 345	8.60 267	1.39 374	0.98 293	3.72 252	0.66 107	3.84 277	2.65 388	1.88 195	2.05 318	1.98 249	1.27 194	4.52 286	1.67 306	0.30 168	0.20 98	0.28 125	0.18 24	0.31 122	0.40 273

LG-Stereo_Zeroshot	0.89 41	0.47 14	2.08 116	0.76 38	0.73 210	3.91 294	0.41 21	2.07 59	1.07 16	0.77 44	0.89 27	0.64 20	0.86 91	0.95 10	0.77 85	0.26 57	0.18 43	0.26 71	0.19 38	0.32 147	0.32 171

SCV	0.95 58	0.63 150	1.38 44	1.70 433	0.41 45	1.23 19	0.89 249	3.53 221	1.57 146	0.61 11	1.54 154	0.93 87	0.77 65	1.66 142	0.66 39	0.36 266	0.20 98	0.25 50	0.19 38	0.29 80	0.25 61

AIO_test	0.76 10	0.47 14	1.31 35	0.81 46	0.70 202	1.36 38	0.88 246	1.40 9	1.45 61	0.55 5	0.95 31	1.81 221	0.58 19	1.16 44	0.46 11	0.27 72	0.17 18	0.24 32	0.19 38	0.24 16	0.21 24

castereo++	0.93 49	0.56 76	1.26 28	0.92 127	0.73 210	2.48 103	1.00 304	2.99 152	1.03 13	0.68 22	1.41 122	1.92 236	0.59 21	1.26 66	0.44 7	0.25 45	0.19 67	0.28 125	0.19 38	0.23 12	0.23 38

IGEV-RUCA	0.90 44	0.53 49	1.05 3	0.81 46	0.74 215	3.89 291	0.80 192	1.92 47	1.41 53	0.96 78	0.71 10	0.70 31	0.73 52	1.30 78	0.68 46	0.29 129	0.20 98	0.25 50	0.19 38	0.43 297	0.34 198

Occ-G	0.86 34	0.52 38	1.39 45	0.82 56	0.66 182	1.37 39	0.79 182	1.58 19	1.31 39	1.56 133	0.87 25	2.18 272	0.89 100	0.97 14	0.88 125	0.26 57	0.19 67	0.26 71	0.19 38	0.25 28	0.24 51

RSM	0.80 20	0.50 28	1.08 10	0.83 66	0.51 105	1.31 35	0.77 172	2.28 77	1.43 59	0.82 54	1.44 128	1.22 129	0.62 28	1.17 51	0.63 27	0.22 9	0.18 43	0.24 32	0.19 38	0.27 52	0.20 13

MoCha-V2	0.87 37	0.48 19	1.87 85	0.88 101	0.32 5	1.37 39	0.55 57	2.71 126	1.42 55	0.92 72	1.75 216	0.65 24	1.17 179	1.45 99	0.57 17	0.21 5	0.21 129	0.20 1	0.19 38	0.24 16	0.23 38

IGEV++	0.90 44	0.58 98	1.32 38	0.94 145	0.45 68	1.27 27	1.00 304	3.32 194	1.55 134	0.82 54	1.34 104	0.86 72	1.09 152	1.16 44	0.89 128	0.33 223	0.18 43	0.23 15	0.19 38	0.29 80	0.22 30

testlalala	1.14 95	0.62 142	1.34 40	1.00 182	0.78 227	4.38 405	0.93 278	2.46 91	2.20 297	2.44 374	1.52 145	1.31 140	0.61 26	1.04 25	0.65 34	0.35 255	0.19 67	0.24 32	0.19 38	0.24 16	0.23 38

RCA-Stereo	1.21 110	0.52 38	1.58 64	0.90 114	0.46 76	4.68 461	0.79 182	4.13 364	1.74 208	1.92 209	1.80 238	0.94 90	1.48 246	1.14 38	0.70 59	0.27 72	0.18 43	0.25 50	0.19 38	0.25 28	0.23 38

CroCo-Stereo	0.98 64	0.87 308	3.44 201	0.87 96	0.53 122	0.49 1	0.50 44	3.99 324	1.49 89	0.81 52	1.25 83	1.00 95	0.75 58	1.10 30	1.09 181	0.24 29	0.21 129	0.24 32	0.19 38	0.35 201	0.27 98
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
raftrobust	1.19 102	0.72 229	2.30 138	1.26 313	1.31 367	3.55 223	0.68 113	2.75 132	1.47 74	2.21 317	1.38 115	1.17 115	1.22 187	1.20 58	1.11 185	0.28 109	0.24 217	0.21 5	0.19 38	0.25 28	0.28 117

pmcnn	5.45 480	1.22 390	17.40 382	1.60 420	2.41 483	3.48 206	2.12 441	4.52 471	3.26 458	3.67 461	13.15 511	22.10 516	3.46 438	11.92 485	17.16 502	0.34 235	0.21 129	0.23 15	0.19 38	0.36 214	0.28 117

G2L-Stereo_aug	2.62 359	0.63 150	18.80 406	1.29 324	1.11 324	3.13 153	0.89 249	3.65 237	1.84 226	2.21 317	2.16 340	3.04 361	2.10 358	7.62 351	2.39 383	0.28 109	0.21 129	0.32 207	0.20 52	0.30 103	0.33 185

SCV_C0	0.89 41	0.59 105	1.96 96	0.83 66	0.44 61	1.24 23	0.64 96	3.33 197	1.66 182	0.82 54	1.20 68	0.73 44	0.66 39	1.62 133	0.66 39	0.32 207	0.21 129	0.24 32	0.20 52	0.28 68	0.23 38

castereo	0.82 29	0.70 214	1.04 2	0.85 87	0.50 103	1.29 34	0.91 263	3.22 178	1.20 22	0.83 60	1.24 77	0.72 40	0.91 105	1.00 19	0.67 43	0.26 57	0.16 7	0.25 50	0.20 52	0.24 16	0.21 24

fffft	0.76 10	0.47 14	1.28 33	0.82 56	0.54 123	1.51 50	0.80 192	2.09 61	1.18 20	0.63 14	0.84 23	0.59 14	0.55 13	1.80 163	0.85 108	0.19 2	0.18 43	0.27 96	0.20 52	0.26 40	0.24 51
1: 1. 1
WCG-NET	0.88 38	0.49 26	1.26 28	0.90 114	0.37 23	1.48 47	1.07 321	1.73 32	2.30 318	1.63 144	1.49 142	0.92 86	0.97 118	0.95 10	0.76 80	0.22 9	0.16 7	0.23 15	0.20 52	0.25 28	0.21 24

GCAP-BAT	1.21 110	0.74 248	3.23 191	0.95 149	0.70 202	3.86 286	0.93 278	1.89 42	1.48 81	1.85 185	1.96 294	1.68 187	0.79 75	1.78 159	0.81 96	0.29 129	0.20 98	0.24 32	0.20 52	0.26 40	0.35 212

AIO-Stereo	0.76 10	0.54 59	1.07 7	0.73 22	0.40 40	1.28 32	0.82 204	2.26 74	1.49 89	0.70 24	1.58 164	0.89 79	0.45 5	1.03 22	0.55 16	0.24 29	0.18 43	0.25 50	0.20 52	0.26 40	0.21 24

WCG-NET（raft）	0.95 58	0.55 65	1.20 23	0.84 75	0.31 2	1.44 43	1.01 307	1.55 18	2.37 339	1.64 147	1.42 124	2.38 292	1.01 128	1.29 74	0.76 80	0.22 9	0.19 67	0.22 9	0.20 52	0.25 28	0.21 24

MaDis-Stereo	0.82 29	0.66 183	1.53 56	0.65 10	1.87 462	1.24 23	0.36 12	2.13 63	1.27 34	0.67 21	0.75 14	0.88 77	0.70 45	1.15 42	1.07 176	0.29 129	0.23 184	0.26 71	0.20 52	0.31 122	0.22 30

anonymousdsp2	1.26 131	0.60 117	3.74 215	1.02 197	0.41 45	3.60 233	0.72 129	3.68 244	1.47 74	1.37 112	1.56 161	1.83 225	1.01 128	2.00 183	0.66 39	0.29 129	0.20 98	0.28 125	0.20 52	0.32 147	0.29 127

knoymous	1.30 142	0.60 117	5.57 240	0.88 101	0.75 217	3.04 141	0.90 255	2.68 124	1.33 41	1.48 124	1.07 51	2.78 342	0.88 96	1.29 74	0.85 108	0.31 187	0.22 158	0.35 278	0.20 52	0.45 313	0.37 232

Wz-Net-LNSev-Ref	2.42 325	1.47 424	14.14 336	1.30 332	1.35 378	3.51 214	1.64 411	4.04 337	2.10 280	2.46 376	1.88 276	2.28 277	2.51 391	4.73 291	3.17 421	0.38 291	0.19 67	0.35 278	0.20 52	0.40 244	0.36 218

TANstereo	1.01 74	0.55 65	1.73 72	0.76 38	0.36 11	4.04 332	0.38 14	1.48 13	1.62 172	2.03 254	2.10 327	0.84 64	0.93 110	0.98 16	0.62 24	0.28 109	0.36 339	0.23 15	0.20 52	0.25 28	0.46 314

111	1.83 214	0.92 320	9.08 272	0.81 46	0.36 11	4.25 389	0.91 263	4.44 457	2.70 394	2.39 368	1.96 294	2.30 283	1.64 296	1.28 71	1.82 325	0.28 109	0.22 158	0.24 32	0.20 52	0.31 122	0.54 357

HART	1.03 79	0.85 303	3.13 188	0.84 75	0.38 34	1.17 15	0.42 24	3.54 222	1.47 74	1.08 89	2.17 343	1.48 163	0.57 16	1.37 87	0.74 73	0.23 20	0.18 43	0.28 125	0.21 66	0.32 147	0.24 51

999	0.97 63	0.48 19	1.24 26	1.03 204	0.64 168	3.25 170	0.92 276	1.40 9	1.39 47	0.71 27	1.68 195	0.70 31	0.66 39	3.03 255	0.89 128	0.23 20	0.19 67	0.25 50	0.21 66	0.25 28	0.29 127

mms	0.77 15	0.68 201	1.17 18	0.83 66	0.71 204	1.41 42	0.67 108	1.61 20	1.12 17	0.77 44	1.37 112	0.63 19	0.54 12	1.75 156	0.63 27	0.24 29	0.19 67	0.26 71	0.21 66	0.31 122	0.34 198

ours_stereo	0.76 10	0.64 162	1.40 47	0.86 91	0.61 160	1.12 12	0.57 62	1.63 26	1.20 22	0.72 28	1.43 126	0.70 31	0.62 28	1.56 117	0.58 19	0.25 45	0.18 43	0.26 71	0.21 66	0.29 80	0.31 162

fffy	0.80 20	0.59 105	1.56 62	1.00 182	0.47 86	1.27 27	0.76 159	1.90 44	1.02 12	0.75 30	1.35 107	0.83 62	0.72 48	1.70 150	0.62 24	0.23 20	0.19 67	0.27 96	0.21 66	0.28 68	0.32 171

RAStereo	0.75 9	0.52 38	2.86 178	0.58 1	0.62 164	1.19 17	0.32 5	1.81 40	0.99 11	0.75 30	1.05 47	0.64 20	0.47 6	0.80 4	0.94 152	0.22 9	0.20 98	0.27 96	0.21 66	0.34 183	0.22 30

RSM++	0.77 15	0.51 32	1.08 10	0.95 149	0.42 50	1.52 52	0.71 126	2.11 62	1.40 50	0.80 50	1.23 76	0.90 81	0.59 21	1.14 38	0.69 53	0.24 29	0.19 67	0.25 50	0.21 66	0.28 68	0.20 13

gcap-zeroshot	1.30 142	0.61 132	4.09 218	0.94 145	0.56 133	3.50 211	0.84 212	3.12 167	1.72 199	1.84 184	1.22 72	2.72 332	0.88 96	1.46 103	0.80 91	0.29 129	0.30 294	0.27 96	0.21 66	0.29 80	0.25 61

testlalala2	2.31 297	0.63 150	20.54 468	2.56 483	2.87 489	3.79 266	0.76 159	4.20 379	1.48 81	1.42 120	1.43 126	2.45 305	0.80 82	1.03 22	0.68 46	0.27 72	0.25 237	0.24 32	0.21 66	0.33 165	0.28 117

ACVNet-DCA	1.85 216	0.74 248	13.77 326	1.78 442	0.36 11	4.48 422	0.74 146	3.98 320	1.53 117	1.01 81	1.81 250	0.72 40	1.62 281	2.13 195	0.64 30	0.29 129	0.17 18	0.32 207	0.21 66	0.33 165	0.32 171

1test111	1.99 246	0.74 248	13.77 326	1.78 442	0.36 11	4.48 422	0.74 146	3.98 320	1.53 117	1.01 81	1.81 250	0.72 40	1.62 281	4.66 288	0.98 162	0.29 129	0.17 18	0.32 207	0.21 66	0.33 165	0.32 171

cc1	1.98 243	0.74 248	13.77 326	1.78 442	0.36 11	4.48 422	0.74 146	4.23 391	3.95 480	1.01 81	1.81 250	0.72 40	1.62 281	2.13 195	0.64 30	0.29 129	0.17 18	0.32 207	0.21 66	0.31 122	0.29 127

ff7	0.98 64	0.69 204	2.05 104	0.84 75	0.52 114	4.55 440	0.86 224	1.62 21	1.24 25	0.75 30	1.03 39	0.70 31	0.77 65	1.84 168	0.68 46	0.27 72	0.17 18	0.29 146	0.21 66	0.31 122	0.27 98

IGEVStereo-DCA	0.86 34	0.65 172	2.05 104	0.90 114	0.46 76	1.57 54	0.86 224	1.62 21	1.24 25	0.65 17	0.77 17	0.74 48	0.72 48	2.59 236	0.86 115	0.28 109	0.21 129	0.28 125	0.21 66	0.29 80	0.27 98

ffff	0.98 64	0.69 204	2.05 104	0.84 75	0.52 114	4.55 440	0.86 224	1.62 21	1.24 25	0.75 30	1.03 39	0.70 31	0.77 65	1.84 168	0.68 46	0.27 72	0.17 18	0.29 146	0.21 66	0.31 122	0.27 98

rrr	2.27 285	0.65 172	23.82 517	0.90 114	0.46 76	1.57 54	0.96 293	7.98 506	1.19 21	0.65 17	0.77 17	0.74 48	0.72 48	2.59 236	0.86 115	0.28 109	0.21 129	0.28 125	0.21 66	0.29 80	0.25 61

11t	0.98 64	0.69 204	2.05 104	0.84 75	0.52 114	4.55 440	0.86 224	1.62 21	1.24 25	0.75 30	1.03 39	0.70 31	0.77 65	1.84 168	0.68 46	0.27 72	0.17 18	0.29 146	0.21 66	0.31 122	0.27 98

MSKI-zero shot	2.22 275	0.64 162	20.09 446	0.96 155	0.56 133	4.04 332	0.70 124	3.91 300	1.50 94	1.92 209	2.28 362	1.92 236	0.71 47	2.93 251	0.67 43	0.26 57	0.23 184	0.26 71	0.21 66	0.28 68	0.26 85

UniTT-Stereo	0.82 29	0.47 14	2.63 165	0.96 155	1.19 344	0.78 4	0.39 16	1.12 4	1.54 126	1.19 99	1.26 84	0.51 9	0.64 33	1.13 36	1.03 170	0.30 168	0.20 98	0.24 32	0.21 66	0.40 244	0.25 61

anonymousdsp	0.95 58	0.69 204	1.27 31	0.83 66	0.52 114	4.54 437	0.84 212	1.76 35	1.24 25	0.76 40	1.06 49	0.78 51	0.77 65	1.67 146	0.69 53	0.27 72	0.17 18	0.29 146	0.21 66	0.31 122	0.26 85

riskmin	1.25 124	0.56 76	2.05 104	1.05 207	0.93 279	2.86 123	0.55 57	3.23 180	1.34 42	1.55 131	1.07 51	3.56 411	2.03 350	1.29 74	1.00 167	0.28 109	0.27 261	0.34 259	0.21 66	0.41 268	0.43 292

CroCo-Stereo Lap2	0.99 70	0.89 311	2.55 154	0.99 174	1.80 459	0.54 2	0.46 36	3.10 165	1.24 25	1.07 88	1.21 71	1.05 103	0.78 73	1.26 66	1.08 178	0.27 72	0.23 184	0.27 96	0.21 66	0.43 297	0.34 198

ccc-4	0.98 64	0.69 204	2.05 104	0.84 75	0.52 114	4.55 440	0.86 224	1.62 21	1.24 25	0.75 30	1.03 39	0.70 31	0.77 65	1.84 168	0.68 46	0.27 72	0.17 18	0.29 146	0.21 66	0.31 122	0.27 98

IGEV-Stereo	0.95 58	0.69 204	1.27 31	0.84 75	0.52 114	4.54 437	0.84 212	1.76 35	1.24 25	0.75 30	1.06 49	0.79 55	0.77 65	1.68 147	0.69 53	0.27 72	0.17 18	0.29 146	0.21 66	0.31 122	0.26 85
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
RALCasStereoNet	1.19 102	1.02 345	2.06 113	1.12 249	1.14 329	3.08 149	0.70 124	2.99 152	1.73 202	1.34 106	1.68 195	1.18 119	0.91 105	2.16 200	1.00 167	0.30 168	0.26 250	0.24 32	0.21 66	0.29 80	0.30 153

test_xeample3	2.12 265	0.63 150	21.55 500	0.91 121	0.47 86	1.85 66	0.94 283	7.96 505	1.23 24	0.75 30	0.76 15	0.64 20	0.70 45	1.77 158	0.83 102	0.30 168	0.21 129	0.27 96	0.21 66	0.27 52	0.24 51

R-Stereo Train	1.20 107	0.58 98	1.81 81	0.99 174	0.67 189	3.78 263	0.90 255	4.09 354	1.51 101	2.16 297	1.71 205	1.13 110	0.94 112	1.40 88	0.91 139	0.30 168	0.24 217	0.26 71	0.21 66	0.26 40	0.25 61

RAFT-Stereo	1.20 107	0.58 98	1.81 81	0.99 174	0.67 189	3.78 263	0.90 255	4.09 354	1.51 101	2.16 297	1.71 205	1.13 110	0.94 112	1.40 88	0.91 139	0.30 168	0.24 217	0.26 71	0.21 66	0.26 40	0.25 61
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
iResNetv2_ROB	2.65 363	5.00 486	19.28 419	2.06 467	1.09 321	3.83 272	1.13 339	4.14 370	2.09 272	1.85 185	2.03 309	2.01 255	1.51 256	3.58 264	1.58 285	0.34 235	0.21 129	0.32 207	0.21 66	0.44 305	0.29 127

MLCV	1.87 218	0.91 318	8.59 266	1.10 238	0.57 144	3.59 231	0.53 52	3.70 254	2.20 297	2.80 422	2.25 357	2.00 252	1.42 229	4.13 281	1.86 330	0.30 168	0.20 98	0.32 207	0.21 66	0.33 165	0.36 218

MM-Stereo_test3	1.09 85	0.59 105	1.55 60	1.73 437	1.18 337	1.91 71	0.86 224	3.52 217	1.76 211	1.25 101	1.86 272	1.10 107	0.69 43	1.32 81	0.86 115	0.27 72	0.23 184	0.27 96	0.22 96	0.34 183	0.30 153

MM-Stereo_test2	1.79 210	0.53 49	20.16 448	1.43 382	0.47 86	2.57 109	0.73 134	1.67 29	1.47 74	0.94 73	0.96 33	0.84 64	0.79 75	1.16 44	0.68 46	0.24 29	0.17 18	0.25 50	0.22 96	0.30 103	0.22 30

SMoEStereo_RVC	0.80 20	0.53 49	1.12 14	0.92 127	0.44 61	2.41 99	0.79 182	1.49 14	1.16 18	0.70 24	1.12 57	0.64 20	0.64 33	1.69 148	0.87 121	0.22 9	0.16 7	0.31 187	0.22 96	0.26 40	0.25 61

RAFT-Stereo-weight	1.11 88	0.48 19	1.22 24	0.99 174	0.42 50	4.17 372	0.80 192	3.60 229	1.50 94	1.97 224	1.50 143	1.30 139	0.65 36	1.24 63	0.85 108	0.25 45	0.19 67	0.26 71	0.22 96	0.27 52	0.23 38

MGS-Stereo	0.80 20	0.56 76	1.53 56	0.93 141	0.39 37	1.26 26	0.73 134	1.45 11	1.30 38	1.01 81	2.26 358	0.80 57	0.56 15	1.16 44	0.65 34	0.27 72	0.23 184	0.26 71	0.22 96	0.27 52	0.25 61

tt1	1.79 210	0.73 240	10.41 292	1.75 439	0.36 11	4.55 440	0.79 182	4.22 387	3.37 464	1.08 89	1.80 238	0.74 48	1.48 246	2.21 208	0.65 34	0.29 129	0.16 7	0.31 187	0.22 96	0.30 103	0.29 127

MC-Stereo	1.06 81	0.48 19	1.55 60	1.15 270	0.41 45	4.56 445	0.61 79	2.06 57	1.46 69	1.90 202	1.61 176	0.89 79	1.12 162	1.35 84	0.73 69	0.25 45	0.18 43	0.26 71	0.22 96	0.25 28	0.24 51

CIPLG	2.27 285	1.18 379	19.24 414	0.92 127	1.34 377	3.95 311	0.89 249	4.23 391	1.82 219	2.31 346	2.67 414	1.17 115	1.06 147	1.53 115	1.32 234	0.37 274	0.23 184	0.27 96	0.22 96	0.31 122	0.45 304

IPLGR_C	2.28 290	1.31 405	19.46 422	0.92 127	1.32 372	3.93 301	0.89 249	4.20 379	1.82 219	2.30 340	2.63 411	1.16 114	1.07 149	1.41 91	1.29 230	0.37 274	0.23 184	0.27 96	0.22 96	0.31 122	0.45 304

ACRE	2.27 285	1.11 367	19.45 421	0.91 121	1.30 365	3.94 306	0.87 242	4.21 384	1.80 217	2.28 334	2.62 409	1.17 115	1.04 135	1.52 113	1.30 231	0.37 274	0.23 184	0.27 96	0.22 96	0.31 122	0.46 314

GANet-ADL	2.20 274	0.73 240	20.11 447	1.25 307	0.69 200	3.83 272	0.76 159	3.49 210	1.71 196	1.65 151	1.99 304	2.10 267	1.10 158	1.42 92	1.26 221	0.38 291	0.33 319	0.25 50	0.22 96	0.42 287	0.36 218

Gwc-CoAtRS	1.58 173	0.57 85	11.69 307	1.01 188	0.60 156	2.53 107	0.64 96	2.36 81	1.56 140	1.80 179	1.47 135	2.74 333	1.18 181	1.12 33	0.90 132	0.27 72	0.21 129	0.25 50	0.22 96	0.27 52	0.23 38

iResNet	2.52 345	0.94 330	21.17 491	1.84 451	0.72 206	3.75 258	0.81 201	4.14 370	2.55 378	2.33 356	2.03 309	1.35 145	1.44 235	3.27 257	2.16 369	0.35 255	0.23 184	0.28 125	0.22 96	0.44 305	0.45 304

tt45	0.96 62	0.48 19	1.19 19	0.89 105	0.66 182	3.91 294	0.76 159	1.90 44	1.26 33	0.70 24	1.30 95	0.71 38	0.63 31	2.59 236	0.74 73	0.22 9	0.17 18	0.28 125	0.23 109	0.27 52	0.27 98

model_zeroshot	1.21 110	0.60 117	3.55 205	1.05 207	0.57 144	3.46 201	0.63 93	2.73 129	1.55 134	2.05 258	1.38 115	1.50 166	0.82 83	1.69 148	0.87 121	0.29 129	0.23 184	0.30 166	0.23 109	0.27 52	0.32 171

qqq1	1.92 232	0.57 85	4.46 222	1.36 360	0.57 144	2.03 77	0.73 134	4.25 401	2.80 409	2.32 350	2.31 377	1.95 240	1.52 258	10.99 439	0.71 62	0.34 235	0.32 312	0.30 166	0.23 109	0.29 80	0.29 127

fff1	1.92 232	0.57 85	4.46 222	1.36 360	0.57 144	2.03 77	0.73 134	4.25 401	2.80 409	2.32 350	2.31 377	1.95 240	1.52 258	10.99 439	0.71 62	0.34 235	0.32 312	0.30 166	0.23 109	0.29 80	0.29 127

11t1	1.11 88	0.53 49	1.80 80	1.55 413	0.65 176	2.20 91	0.60 75	3.66 241	1.49 89	1.60 136	1.26 84	1.03 99	1.35 210	1.72 152	0.97 159	0.28 109	0.31 304	0.29 146	0.23 109	0.30 103	0.34 198

DLNR_Zeroshot_test	28.62 527	55.50 537	49.94 534	183.62 540	115.05 538	3.43 195	0.28 3	29.49 529	1.49 89	1.01 81	1.26 84	0.93 87	0.63 31	3.92 277	1.51 276	29.81 531	0.41 379	0.26 71	0.23 109	93.28 537	0.32 171

AEACV	0.79 19	0.54 59	1.35 42	0.97 162	0.63 166	1.13 13	0.92 276	2.02 54	0.91 7	0.76 40	0.79 19	0.80 57	1.61 278	1.28 71	0.61 23	0.22 9	0.18 43	0.26 71	0.23 109	0.27 52	0.23 38

RAFT-Test	1.44 158	0.59 105	6.10 242	1.01 188	0.69 200	2.90 125	0.80 192	3.68 244	1.70 195	1.85 185	1.68 195	3.15 371	1.03 131	1.20 58	0.99 165	0.27 72	0.22 158	0.25 50	0.23 109	0.27 52	0.25 61

HH	2.23 277	0.86 306	21.59 501	0.98 168	0.51 105	1.49 48	0.82 204	2.74 130	1.54 126	1.10 91	1.69 199	4.62 459	1.86 339	2.55 232	0.69 53	0.26 57	0.22 158	0.29 146	0.23 109	0.34 183	0.27 98

HanStereo	2.23 277	0.86 306	21.59 501	0.98 168	0.51 105	1.49 48	0.82 204	2.74 130	1.54 126	1.10 91	1.69 199	4.62 459	1.86 339	2.55 232	0.69 53	0.26 57	0.22 158	0.29 146	0.23 109	0.34 183	0.27 98

EGLCR-Stereo	1.06 81	0.51 32	1.56 62	1.02 197	0.39 37	4.27 395	0.42 24	4.08 352	1.48 81	0.90 68	0.68 9	1.09 104	0.66 39	1.81 164	0.62 24	0.27 72	0.19 67	0.29 146	0.23 109	0.37 224	0.25 61

Selective-RAFT	1.15 96	0.46 12	1.64 68	0.99 174	0.45 68	4.17 372	0.51 48	3.21 176	1.69 192	1.12 95	1.34 104	1.45 160	1.40 219	2.08 190	0.94 152	0.41 323	0.20 98	0.24 32	0.23 109	0.27 52	0.25 61

ProNet	0.82 29	0.71 226	1.50 55	0.86 91	0.45 68	1.78 61	0.83 209	1.75 34	1.28 35	0.66 19	1.13 59	0.78 51	0.76 63	1.66 142	0.71 62	0.24 29	0.20 98	0.25 50	0.23 109	0.29 80	0.25 61

IPLG	2.48 337	0.65 172	19.63 427	0.91 121	0.79 228	4.60 450	0.56 61	4.31 428	1.84 226	1.91 207	2.00 306	1.31 140	1.38 212	6.61 329	1.53 279	0.27 72	0.20 98	0.27 96	0.23 109	0.31 122	0.36 218

MIPNet	2.33 304	0.71 226	19.82 432	0.89 105	0.56 133	4.76 479	0.61 79	4.32 432	2.37 339	1.83 183	1.48 141	1.48 163	1.98 349	2.63 239	1.44 254	0.29 129	0.20 98	0.26 71	0.23 109	0.30 103	0.39 253

IPLGR	2.53 346	0.58 98	20.46 466	0.82 56	0.52 114	4.56 445	0.50 44	4.30 425	2.38 344	1.87 192	1.53 152	1.68 187	1.72 313	6.95 340	1.15 191	0.28 109	0.21 129	0.27 96	0.23 109	0.33 165	0.32 171

cross-raft	2.01 250	0.57 85	19.01 412	1.03 204	0.56 133	2.11 86	0.72 129	3.63 234	1.57 146	1.77 173	1.51 144	3.17 372	1.13 164	1.16 44	0.85 108	0.23 20	0.21 129	0.26 71	0.23 109	0.28 68	0.25 61

RAFT-Stereo + iAFF	1.25 124	0.72 229	1.74 75	1.05 207	0.36 11	4.13 353	0.42 24	2.95 148	2.84 419	2.02 250	2.40 387	1.61 180	1.11 161	1.26 66	0.97 159	0.21 5	0.15 3	0.26 71	0.23 109	0.29 80	0.23 38

CFNet-RSSM	2.08 261	0.52 38	20.06 442	1.01 188	0.56 133	3.39 188	0.64 96	3.67 242	1.55 134	1.72 165	1.37 112	2.57 317	1.19 185	1.11 31	0.86 115	0.27 72	0.20 98	0.25 50	0.23 109	0.27 52	0.23 38

DIP-Stereo	1.24 120	0.69 204	1.77 77	0.65 10	0.61 160	4.29 397	0.58 71	4.44 457	2.53 372	1.98 226	1.33 99	0.91 83	0.86 91	1.25 65	1.25 218	0.36 266	0.23 184	0.32 207	0.23 109	0.32 147	0.29 127
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	2.87 384	0.57 85	17.46 385	0.92 127	0.90 272	3.70 249	1.20 355	5.64 501	2.51 370	3.22 449	2.43 388	2.54 314	1.59 273	11.41 457	1.65 304	0.34 235	0.25 237	0.26 71	0.23 109	0.30 103	0.29 127
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	3.03 408	1.72 440	12.78 313	1.17 278	1.12 326	3.79 266	1.10 332	3.86 283	3.13 443	2.62 402	4.26 465	3.96 426	1.41 224	11.43 459	5.23 445	0.94 456	0.47 410	0.34 259	0.23 109	0.40 244	0.55 361

HSM	2.35 313	0.81 285	2.21 125	1.14 257	1.55 417	3.44 196	1.03 312	3.99 324	2.25 306	2.29 336	2.11 331	8.04 492	3.05 418	11.60 464	1.71 310	0.33 223	0.22 158	0.28 125	0.23 109	0.32 147	0.35 212

LG-Stereo	0.85 33	0.60 117	2.71 169	0.59 2	0.45 68	2.85 121	0.55 57	2.41 83	1.34 42	0.59 8	1.19 67	0.43 3	0.40 2	0.76 3	0.75 76	0.20 4	0.17 18	0.31 187	0.24 132	0.29 80	0.19 4

MM-Stereo_test1	1.90 225	0.53 49	19.85 434	1.39 374	0.48 94	1.81 64	0.79 182	3.00 154	1.82 219	1.69 156	1.09 53	0.87 74	0.97 118	1.45 99	0.74 73	0.24 29	0.21 129	0.27 96	0.24 132	0.35 201	0.24 51

Former-RAFT_DAM_RVC	0.92 47	0.73 240	1.42 48	0.92 127	1.08 318	2.97 139	0.53 52	1.77 37	1.39 47	1.16 97	1.54 154	0.58 12	0.65 36	1.03 22	0.84 105	0.25 45	0.23 184	0.30 166	0.24 132	0.43 297	0.29 127

GMStereo_Zeroshot	1.41 156	1.21 384	3.33 198	1.29 324	0.72 206	3.35 185	0.53 52	2.58 115	1.68 186	2.35 358	1.56 161	2.42 298	0.96 115	2.50 222	1.16 194	0.45 355	0.23 184	0.40 330	0.24 132	0.79 427	0.33 185

iRaft-Stereo_20w	1.88 222	0.62 142	10.58 294	0.90 114	0.83 243	2.96 138	0.78 175	4.90 487	1.58 149	2.29 336	1.60 172	1.25 132	4.51 460	2.28 214	0.90 132	0.29 129	0.21 129	0.26 71	0.24 132	0.41 268	0.31 162

test-1	1.23 115	0.65 172	1.88 86	0.96 155	0.52 114	3.84 277	0.62 91	4.01 328	1.47 74	1.93 213	1.78 232	1.83 225	0.92 108	1.19 57	1.28 228	0.26 57	0.29 281	0.31 187	0.24 132	0.29 80	0.36 218

LMCR-Stereo	2.40 321	1.31 405	18.61 404	1.59 418	0.86 256	3.87 289	1.15 342	4.32 432	1.60 165	2.25 329	2.27 359	1.13 110	2.43 385	2.48 221	1.60 289	0.88 454	0.24 217	0.29 146	0.24 132	0.56 361	0.30 153

TestStereo	2.00 247	1.02 345	12.25 310	0.70 15	0.61 160	1.88 68	0.55 57	2.31 78	1.52 110	1.41 118	1.33 99	1.27 134	0.90 103	11.62 466	0.81 96	0.34 235	0.19 67	0.33 242	0.24 132	0.44 305	0.24 51

raft+_RVC	1.21 110	0.83 295	2.61 161	1.35 354	0.97 289	3.60 233	0.76 159	3.23 180	1.51 101	1.33 105	1.67 192	1.03 99	1.10 158	1.87 174	0.92 142	0.24 29	0.22 158	0.25 50	0.24 132	0.26 40	0.25 61

RALAANet	1.28 139	1.08 360	3.21 190	1.25 307	0.94 281	1.44 43	0.69 118	3.15 170	2.57 379	2.01 245	1.80 238	1.29 138	1.05 140	2.00 183	1.48 266	0.27 72	0.20 98	0.27 96	0.24 132	0.40 244	0.27 98

RASNet	2.56 353	0.70 214	10.06 286	1.60 420	2.25 480	3.67 246	1.00 304	3.38 201	3.14 445	1.81 180	2.11 331	4.60 458	2.30 375	10.25 413	2.61 404	0.37 274	0.24 217	0.25 50	0.24 132	0.28 68	0.26 85

PAM_32	2.45 329	0.63 150	20.74 475	1.05 207	0.65 176	2.83 118	0.46 36	2.91 146	1.54 126	1.95 218	2.66 413	4.99 469	3.78 443	1.96 181	0.92 142	0.27 72	0.22 158	0.27 96	0.25 143	0.36 214	0.48 323

PAM	2.43 326	0.61 132	20.86 478	1.07 215	0.73 210	2.93 133	0.53 52	3.24 182	1.53 117	1.89 201	2.43 388	5.29 478	2.76 402	1.84 168	1.02 169	0.27 72	0.24 217	0.26 71	0.25 143	0.40 244	0.50 336

rvit_stereo_0081_aga	0.81 27	0.75 260	1.84 83	0.72 20	0.73 210	1.21 18	0.63 93	1.92 47	1.39 47	0.87 67	0.80 20	0.79 55	0.69 43	1.27 70	0.69 53	0.35 255	0.29 281	0.26 71	0.25 143	0.40 244	0.27 98

rvit_stereo_0081	0.80 20	0.63 150	1.19 19	0.91 121	0.64 168	1.27 27	0.61 79	2.05 55	1.71 196	0.82 54	0.73 12	0.85 68	0.75 58	1.30 78	0.80 91	0.31 187	0.26 250	0.27 96	0.25 143	0.38 229	0.27 98

rvit_stereo_0082	0.80 20	0.63 150	1.19 19	0.91 121	0.64 168	1.27 27	0.61 79	2.05 55	1.71 196	0.82 54	0.73 12	0.85 68	0.75 58	1.30 78	0.80 91	0.31 187	0.26 250	0.27 96	0.25 143	0.38 229	0.27 98

plain	1.55 166	0.69 204	13.59 323	0.65 10	0.73 210	1.66 59	0.57 62	3.17 173	1.94 243	0.77 44	1.24 77	0.80 57	0.86 91	1.60 127	0.96 158	0.33 223	0.21 129	0.32 207	0.25 143	0.42 287	0.28 117

MIF-Stereo (partial)	0.98 64	0.55 65	2.83 175	0.71 18	1.03 306	1.08 10	0.49 43	2.55 108	1.66 182	0.79 48	1.20 68	0.80 57	0.90 103	1.61 132	1.56 283	0.36 266	0.24 217	0.33 242	0.25 143	0.40 244	0.28 117

MIM_Stereo	1.20 107	0.78 274	3.30 196	1.05 207	0.43 56	3.04 141	0.60 75	2.46 91	1.51 101	1.60 136	1.58 164	1.82 222	1.29 199	2.00 183	1.07 176	0.24 29	0.24 217	0.28 125	0.25 143	0.27 52	0.27 98

TestStereo1	1.56 170	0.81 285	2.32 139	1.61 423	0.64 168	4.13 353	1.36 373	3.79 267	3.20 453	1.60 136	2.57 405	1.39 150	2.15 364	2.51 225	1.30 231	0.29 129	0.20 98	0.34 259	0.25 143	0.40 244	0.36 218

SA-5K	1.56 170	0.81 285	2.32 139	1.61 423	0.64 168	4.13 353	1.36 373	3.79 267	3.20 453	1.60 136	2.57 405	1.39 150	2.15 364	2.51 225	1.30 231	0.29 129	0.20 98	0.34 259	0.25 143	0.40 244	0.36 218

GLC_STEREO	0.76 10	0.52 38	1.12 14	0.83 66	0.33 6	1.86 67	0.82 204	1.46 12	1.38 46	0.95 76	1.04 43	0.68 27	0.72 48	0.97 14	0.80 91	0.23 20	0.25 237	0.32 207	0.25 143	0.32 147	0.30 153

DAS	2.31 297	0.67 193	4.79 229	1.14 257	1.64 433	2.93 133	2.13 442	4.09 354	2.74 398	4.17 473	2.52 398	2.46 307	1.79 322	11.55 463	1.63 299	0.37 274	0.22 158	0.39 324	0.25 143	0.41 268	0.34 198

SepStereo	2.15 268	0.67 193	4.79 229	1.14 257	1.64 433	2.93 133	2.13 442	4.09 354	2.74 398	4.17 473	2.52 398	2.46 307	1.79 322	8.36 361	1.63 299	0.37 274	0.22 158	0.39 324	0.25 143	0.41 268	0.34 198

STrans-v2	3.03 408	0.77 268	20.91 482	0.81 46	0.63 166	3.89 291	1.01 307	4.27 409	2.64 387	2.28 334	3.70 457	4.13 436	5.20 467	7.33 344	1.27 224	0.31 187	0.18 43	0.29 146	0.25 143	0.29 80	0.41 279

IIG-Stereo	1.95 237	0.79 277	2.14 119	2.78 487	0.66 182	4.62 452	0.76 159	4.27 409	1.53 117	2.63 405	3.14 443	3.35 387	1.61 278	7.65 354	1.41 249	0.39 303	0.20 98	0.31 187	0.25 143	0.33 165	0.22 30

RAFT-345	2.46 332	0.55 65	19.69 429	1.02 197	0.49 100	4.43 418	0.78 175	1.64 28	2.34 328	2.09 267	3.12 441	1.96 245	1.31 203	6.65 331	1.43 252	0.36 266	0.23 184	0.32 207	0.25 143	0.28 68	0.25 61

Prome-Stereo	1.61 181	0.55 65	1.71 71	0.98 168	0.60 156	4.41 414	1.82 425	3.03 158	1.53 117	2.18 303	3.45 452	1.72 197	3.49 439	2.23 211	1.08 178	0.29 129	0.20 98	0.26 71	0.25 143	0.34 183	2.16 484

AFF-stereo	1.31 146	0.77 268	1.46 51	1.10 238	0.45 68	3.93 301	0.48 42	2.92 147	2.92 425	1.90 202	2.21 351	2.11 269	1.52 258	1.93 178	1.12 188	0.21 5	0.16 7	0.25 50	0.25 143	0.29 80	0.20 13

tg	1.15 96	0.67 193	1.31 35	0.94 145	0.54 123	4.02 329	0.41 21	2.96 149	1.59 164	1.69 156	1.85 269	1.84 228	0.97 118	1.78 159	0.83 102	0.27 72	0.17 18	0.29 146	0.26 161	0.29 80	0.27 98

rvit_stereo_0083	0.86 34	0.67 193	1.42 48	0.87 96	0.65 176	1.23 19	0.64 96	1.67 29	2.28 314	0.79 48	0.93 30	0.93 87	1.07 149	1.46 103	0.75 76	0.32 207	0.36 339	0.30 166	0.26 161	0.33 165	0.28 117

CAS++	0.89 41	0.64 162	1.46 51	0.81 46	0.51 105	1.24 23	0.86 224	3.44 205	1.46 69	1.14 96	1.29 93	0.62 17	0.58 19	1.13 36	0.59 20	0.34 235	0.30 294	0.34 259	0.26 161	0.41 268	0.29 127
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MyStereo07	1.01 74	0.80 281	1.26 28	1.00 182	1.04 309	3.95 311	0.95 287	2.07 59	1.42 55	0.75 30	1.22 72	0.68 27	0.91 105	1.63 137	0.67 43	0.24 29	0.24 217	0.34 259	0.26 161	0.41 268	0.37 232

MyStereo06	2.46 332	0.72 229	19.97 439	1.02 197	0.99 296	4.26 390	0.86 224	3.51 216	1.68 186	1.92 209	1.73 210	4.01 429	4.22 453	1.62 133	0.88 125	0.24 29	0.23 184	0.34 259	0.26 161	0.42 287	0.36 218

MyStereo05	2.37 319	0.72 229	19.94 437	1.02 197	0.99 296	4.26 390	0.86 224	4.01 328	2.62 383	2.14 284	1.26 84	2.28 277	1.63 293	2.07 188	1.68 307	0.24 29	0.23 184	0.34 259	0.26 161	0.42 287	0.36 218

MyStereo04	2.29 293	0.80 281	18.77 405	1.00 182	1.04 309	3.95 311	0.95 287	3.91 300	2.54 376	1.99 231	1.27 90	2.31 284	1.65 298	2.02 187	1.77 320	0.24 29	0.24 217	0.34 259	0.26 161	0.41 268	0.37 232

EKT-Stereo	6.79 495	0.64 162	4.24 220	1.77 441	106.39 537	4.51 435	0.61 79	3.16 171	1.53 117	1.88 195	1.22 72	1.98 249	1.36 211	3.81 271	0.84 105	0.35 255	0.24 217	0.29 146	0.26 161	0.34 183	0.48 323

PCWNet_CMD	2.23 277	0.65 172	17.36 381	0.83 66	0.76 220	3.51 214	0.64 96	3.60 229	1.97 246	1.70 160	1.63 181	3.22 375	3.05 418	2.09 193	1.11 185	0.31 187	0.36 339	0.47 369	0.26 161	0.64 390	0.47 319

4D-IteraStereo	1.97 241	0.84 299	20.43 465	0.78 42	1.56 420	2.09 85	1.05 318	2.43 88	1.56 140	1.41 118	1.00 35	1.94 238	0.61 26	1.22 61	1.06 173	0.27 72	0.18 43	0.31 187	0.26 161	0.27 52	0.23 38

DCRE	1.44 158	0.74 248	3.50 204	1.13 256	0.72 206	1.78 61	0.67 108	2.14 65	1.56 140	1.99 231	8.09 486	1.73 198	1.07 149	1.24 63	0.83 102	0.23 20	0.25 237	0.26 71	0.26 161	0.28 68	0.30 153

CSP-Net	1.78 209	1.32 407	1.92 91	1.16 276	1.03 306	3.38 187	1.31 367	3.52 217	1.75 209	1.96 222	1.93 292	2.40 293	1.48 246	8.58 366	1.58 285	0.46 360	0.34 331	0.27 96	0.26 161	0.41 268	0.50 336

test-3	1.19 102	0.52 38	2.00 98	1.01 188	0.42 50	1.95 74	0.91 263	4.35 438	1.47 74	2.24 326	1.16 62	2.06 262	0.79 75	2.68 242	0.76 80	0.27 72	0.18 43	0.28 125	0.26 161	0.26 40	0.25 61

test_1	1.19 102	0.52 38	2.00 98	1.01 188	0.42 50	1.95 74	0.90 255	4.36 443	1.47 74	2.17 301	1.16 62	2.06 262	0.78 73	2.68 242	0.76 80	0.27 72	0.18 43	0.28 125	0.26 161	0.26 40	0.25 61

TransformOpticalFlow	3.03 408	0.77 268	20.99 485	1.00 182	0.55 129	4.18 375	0.64 96	4.33 434	3.02 436	2.18 303	3.09 440	4.35 447	5.07 465	7.36 347	1.27 224	0.32 207	0.18 43	0.32 207	0.26 161	0.28 68	0.46 314

OMP-Stereo	1.97 241	0.93 324	1.88 86	2.76 486	0.67 189	4.58 447	1.48 392	4.31 428	1.54 126	3.15 446	2.76 421	3.25 378	1.38 212	7.66 355	1.35 242	0.40 309	0.20 98	0.33 242	0.26 161	0.33 165	0.24 51

NRIStereo	1.28 139	0.61 132	1.67 69	1.15 270	0.38 34	4.73 474	0.90 255	2.42 86	1.50 94	1.93 213	1.33 99	1.75 200	1.22 187	2.96 253	1.33 238	0.46 360	0.22 158	0.29 146	0.26 161	0.30 103	0.28 117

CRE-IMP	1.23 115	0.61 132	2.14 119	0.82 56	0.39 37	4.54 437	0.83 209	2.63 119	1.55 134	1.95 218	1.46 131	1.87 233	0.96 115	1.48 106	1.33 238	0.45 355	0.21 129	0.31 187	0.26 161	0.41 268	0.31 162

iRaftStereo_RVC	1.09 85	0.70 214	1.39 45	0.95 149	0.45 68	3.83 272	0.42 24	2.37 82	1.58 149	1.69 156	1.76 224	1.80 216	0.83 86	1.50 109	0.98 162	0.28 109	0.18 43	0.29 146	0.26 161	0.30 103	0.31 162

UNet	2.51 342	0.74 248	20.17 449	1.14 257	1.44 399	3.48 206	0.76 159	3.77 263	1.87 230	2.05 258	1.57 163	2.75 335	2.39 382	3.51 263	2.51 397	0.32 207	0.26 250	0.41 340	0.26 161	0.38 229	0.39 253

FENet	2.25 281	0.50 28	20.29 458	1.35 354	0.67 189	4.01 327	0.60 75	3.95 311	1.99 249	1.96 222	1.11 56	2.43 301	1.43 232	1.60 127	1.39 244	0.32 207	0.22 158	0.33 242	0.26 161	0.29 80	0.39 253

ACVNet	1.46 161	0.64 162	3.56 207	0.93 141	0.85 251	4.22 385	0.80 192	2.85 141	2.08 269	1.78 175	1.88 276	3.10 366	1.46 242	1.33 82	1.89 333	0.29 129	0.26 250	0.30 166	0.26 161	0.39 239	0.27 98

acv_ft	1.55 166	0.64 162	3.29 195	1.14 257	2.01 469	2.93 133	0.97 296	3.81 270	2.08 269	2.22 320	1.88 276	3.10 366	1.66 300	1.33 82	2.22 373	0.29 129	0.26 250	0.30 166	0.26 161	0.39 239	0.27 98

DMCA	1.72 198	0.74 248	6.63 245	1.14 257	0.96 285	3.98 323	0.90 255	3.75 259	2.76 401	2.83 425	1.58 164	2.35 288	1.18 181	1.58 120	1.98 347	0.40 309	0.27 261	0.42 347	0.26 161	0.36 214	0.38 247

MSMDNet	2.23 277	0.64 162	17.32 377	0.84 75	0.75 217	3.53 218	0.64 96	3.61 232	1.98 248	1.71 164	1.64 183	3.22 375	2.99 412	2.08 190	1.11 185	0.31 187	0.37 352	0.45 361	0.26 161	0.62 382	0.45 304

HITNet	2.07 259	0.82 292	14.77 344	1.34 350	0.56 133	3.47 204	0.80 192	4.07 348	2.35 330	2.16 297	1.61 176	1.64 182	1.44 235	2.09 193	2.56 403	0.26 57	0.18 43	0.41 340	0.26 161	0.45 313	0.25 61
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
S2M2	0.64 4	0.55 65	1.07 7	0.89 105	0.54 123	1.08 10	0.20 1	1.16 5	1.37 45	0.59 8	0.81 22	0.86 72	0.47 6	0.70 2	0.65 34	0.31 187	0.33 319	0.27 96	0.27 187	0.36 214	0.31 162

rvit_stereo_0080	0.94 52	0.72 229	2.56 155	0.64 6	0.59 154	1.90 69	0.75 156	2.71 126	1.40 50	0.91 69	1.04 43	0.85 68	0.82 83	1.14 38	0.78 86	0.35 255	0.29 281	0.25 50	0.27 187	0.45 313	0.29 127

MyStereo8	2.33 304	1.13 369	19.26 417	1.22 299	1.62 429	4.16 367	0.57 62	3.50 213	2.36 333	2.15 292	1.75 216	2.28 277	1.14 170	1.46 103	2.20 371	0.24 29	0.21 129	0.32 207	0.27 187	0.36 214	0.43 292

CoDeX	2.40 321	0.78 274	13.21 316	1.00 182	1.18 337	3.24 167	1.32 368	4.14 370	2.41 350	1.74 169	1.84 262	2.05 260	1.47 244	10.03 405	1.60 289	0.34 235	0.28 271	0.32 207	0.27 187	0.32 147	0.39 253

whm_eth	0.94 52	0.72 229	2.56 155	0.64 6	0.59 154	1.90 69	0.75 156	2.71 126	1.40 50	0.91 69	1.04 43	0.85 68	0.82 83	1.14 38	0.78 86	0.35 255	0.29 281	0.25 50	0.27 187	0.45 313	0.29 127

CBFPSM	2.05 256	0.95 332	10.12 288	1.07 215	1.05 311	2.84 119	1.20 355	3.28 186	1.73 202	1.82 182	1.30 95	4.56 457	4.06 449	2.34 215	2.34 382	0.25 45	0.38 358	0.32 207	0.27 187	0.37 224	0.79 424

iRaft-Stereo_5w	2.10 262	0.83 295	8.57 265	0.81 46	0.76 220	3.21 159	0.84 212	3.71 255	1.65 180	1.56 133	2.50 395	2.20 273	2.23 373	9.13 377	2.01 350	0.38 291	0.19 67	0.35 278	0.27 187	0.45 313	0.39 253

GwcNet-ADL	2.47 335	0.67 193	21.48 499	0.96 155	0.72 206	4.61 451	0.95 287	4.42 453	2.36 333	1.98 226	1.80 238	2.55 315	1.24 192	1.90 176	1.41 249	0.40 309	0.46 406	0.24 32	0.27 187	0.41 268	0.49 329

HHNet	2.48 337	0.71 226	20.52 467	0.64 6	0.64 168	4.07 340	0.93 278	3.76 261	1.56 140	2.15 292	4.92 471	0.98 92	3.37 431	1.66 142	1.79 323	0.32 207	0.20 98	0.31 187	0.27 187	0.36 214	0.42 283

Patchmatch Stereo++	1.25 124	0.65 172	2.06 113	0.75 24	0.37 23	4.68 461	0.76 159	2.53 98	1.58 149	1.99 231	1.47 135	1.78 206	1.14 170	2.44 217	0.90 132	0.48 373	0.23 184	0.32 207	0.27 187	0.40 244	0.29 127
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	1.24 120	0.65 172	2.03 101	0.75 24	0.37 23	4.68 461	0.73 134	2.53 98	1.58 149	1.99 231	1.47 135	1.78 206	1.13 164	2.18 204	0.87 121	0.48 373	0.23 184	0.32 207	0.27 187	0.40 244	0.29 127

ROB_FTStereo_v2	1.23 115	0.66 183	2.02 100	0.75 24	0.37 23	4.67 460	0.76 159	2.53 98	1.58 149	1.99 231	1.46 131	1.78 206	1.14 170	2.08 190	0.88 125	0.48 373	0.22 158	0.32 207	0.27 187	0.40 244	0.29 127

ROB_FTStereo	1.25 124	0.66 183	2.14 119	0.75 24	0.37 23	4.65 457	0.77 172	2.53 98	1.58 149	1.99 231	1.47 135	1.78 206	1.13 164	2.26 213	0.86 115	0.47 369	0.22 158	0.32 207	0.27 187	0.40 244	0.29 127

HUI-Stereo	1.25 124	0.66 183	2.33 141	0.75 24	0.37 23	4.68 461	0.78 175	2.53 98	1.58 149	1.99 231	1.46 131	1.79 213	1.13 164	2.17 202	0.85 108	0.48 373	0.23 184	0.32 207	0.27 187	0.40 244	0.29 127

DEmStereo	2.97 398	0.58 98	13.42 319	0.79 44	0.51 105	3.84 277	1.84 428	2.42 86	1.60 165	2.25 329	2.74 418	2.03 256	6.04 477	6.79 339	12.80 485	0.35 255	0.26 250	0.26 71	0.27 187	0.27 52	0.37 232

SST-Stereo	1.76 206	0.58 98	3.10 186	1.44 385	0.46 76	4.71 473	0.76 159	2.22 71	2.79 405	2.07 266	2.18 345	2.43 301	3.22 426	6.66 332	0.84 105	0.42 334	0.19 67	0.30 166	0.27 187	0.35 201	0.26 85

RAFT_R40	1.70 197	0.59 105	2.99 182	1.46 391	0.46 76	4.74 477	0.98 302	2.23 72	1.56 140	2.02 250	2.35 385	2.71 330	2.56 394	6.71 335	0.90 132	0.40 309	0.19 67	0.30 166	0.27 187	0.33 165	0.26 85

DRaft	2.28 290	0.56 76	2.64 166	0.74 23	0.46 76	3.94 306	1.23 359	2.32 80	1.55 134	2.64 406	2.80 425	1.60 178	5.34 470	6.96 341	10.99 476	0.34 235	0.22 158	0.27 96	0.27 187	0.29 80	0.37 232

PFNet	2.47 335	0.60 117	16.95 375	2.15 470	0.81 233	4.63 454	0.91 263	2.55 108	1.52 110	2.40 370	2.79 423	1.83 225	1.42 229	7.54 349	1.34 241	0.33 223	0.21 129	0.36 293	0.27 187	0.32 147	0.39 253

iGMRVC	1.26 131	0.66 183	2.14 119	0.75 24	0.37 23	4.66 458	0.74 146	2.53 98	1.58 149	1.99 231	1.46 131	1.78 206	1.14 170	2.46 219	0.92 142	0.48 373	0.23 184	0.32 207	0.27 187	0.40 244	0.29 127

iRAFT	1.25 124	0.65 172	2.06 113	0.75 24	0.37 23	4.68 461	0.76 159	2.53 98	1.58 149	1.99 231	1.47 135	1.78 206	1.14 170	2.44 217	0.90 132	0.48 373	0.23 184	0.32 207	0.27 187	0.40 244	0.29 127

RAFT-IKP	1.25 124	0.66 183	2.23 130	0.75 24	0.37 23	4.64 455	0.74 146	2.53 98	1.58 149	1.99 231	1.47 135	1.78 206	1.13 164	2.22 210	0.92 142	0.48 373	0.22 158	0.32 207	0.27 187	0.40 244	0.29 127

CFNet_pseudo	2.12 265	0.67 193	15.14 355	0.85 87	0.74 215	3.95 311	0.64 96	3.95 311	1.78 214	1.90 202	1.79 235	3.27 380	1.62 281	2.51 225	1.16 194	0.31 187	0.36 339	0.53 406	0.27 187	0.63 383	0.44 298

XX-Stereo	2.54 348	0.61 132	20.21 450	1.78 442	1.19 344	4.30 399	0.46 36	4.39 449	1.58 149	2.32 350	1.89 282	4.64 461	0.60 23	4.16 282	0.82 99	0.31 187	0.21 129	0.28 125	0.27 187	0.51 341	0.26 85

222	2.68 370	0.57 85	2.03 101	1.11 245	0.81 233	3.23 163	0.65 105	4.52 471	2.45 358	2.34 357	2.29 365	1.41 156	1.44 235	10.50 419	18.47 509	0.32 207	0.30 294	0.32 207	0.27 187	0.32 147	0.34 198

xxxx	2.67 367	0.54 59	2.03 101	1.22 299	0.81 233	3.49 208	0.63 93	4.49 466	2.49 366	2.22 320	2.23 354	2.05 260	1.38 212	10.05 406	17.91 505	0.32 207	0.32 312	0.30 166	0.27 187	0.33 165	0.34 198

MMNet	2.02 251	0.81 285	10.76 296	1.12 249	1.23 355	3.53 218	0.89 249	3.79 267	2.08 269	2.15 292	1.76 224	2.15 270	2.12 360	3.69 269	2.32 380	0.31 187	0.29 281	0.34 259	0.27 187	0.38 229	0.42 283

ccs_rob	2.13 267	0.67 193	15.11 354	0.84 75	0.75 217	3.96 316	0.65 105	3.95 311	1.78 214	1.88 195	1.79 235	3.26 379	1.64 296	2.51 225	1.16 194	0.31 187	0.36 339	0.54 413	0.27 187	0.65 393	0.45 304

G2L-Stereo	2.49 339	0.94 330	14.54 343	1.15 270	1.35 378	3.57 229	0.95 287	3.62 233	2.00 253	2.11 274	1.61 176	3.20 373	1.34 207	9.54 386	1.91 336	0.34 235	0.27 261	0.35 278	0.28 215	0.30 103	0.35 212

IGEV-BASED-STEREO-	1.09 85	3.30 477	2.61 161	0.82 56	0.38 34	1.27 27	0.62 91	1.51 15	1.29 36	0.91 69	0.92 29	0.65 24	0.57 16	1.08 28	0.59 20	1.55 482	0.15 3	0.32 207	0.28 215	1.10 455	1.98 482

rvit_stereo_ft	1.00 72	0.87 308	3.55 205	0.97 162	0.66 182	1.06 9	0.80 192	2.78 135	1.67 184	0.78 47	0.96 33	0.95 91	1.14 170	1.06 26	0.90 132	0.32 207	0.24 217	0.27 96	0.28 215	0.39 239	0.27 98

test_sample1	1.62 183	0.55 65	1.88 86	1.44 385	0.79 228	2.27 92	0.64 96	4.00 326	1.82 219	1.87 192	1.35 107	1.57 173	1.62 281	9.55 388	1.24 215	0.30 168	0.27 261	0.31 187	0.28 215	0.32 147	0.32 171

DispNO	3.00 404	0.75 260	18.92 409	1.17 278	1.10 323	3.72 252	0.94 283	4.29 417	2.54 376	2.24 326	2.28 362	4.51 453	2.12 360	11.40 456	2.09 360	0.31 187	0.28 271	0.31 187	0.28 215	0.36 214	0.39 253

AE-Stereo	1.18 100	0.60 117	2.05 104	1.10 238	0.60 156	4.39 408	0.72 129	3.74 258	1.62 172	1.10 91	1.90 287	1.01 96	0.92 108	1.45 99	0.82 99	0.28 109	0.22 158	0.28 125	0.28 215	0.26 40	0.22 30

iinet-f	2.26 283	1.18 379	13.71 324	1.14 257	1.11 324	3.77 261	1.10 332	4.14 370	2.17 292	2.06 263	1.76 224	2.99 357	2.99 412	2.50 222	2.49 395	0.35 255	0.39 367	0.27 96	0.28 215	0.45 313	0.39 253

gwcnet-sp	2.31 297	1.21 384	17.34 378	1.08 223	0.92 274	3.56 225	1.04 315	3.69 249	2.09 272	2.55 388	1.60 172	1.80 216	1.62 281	3.87 273	1.95 342	0.29 129	0.29 281	0.30 166	0.28 215	0.38 229	0.39 253

scenet	2.31 297	1.21 384	17.34 378	1.08 223	0.92 274	3.56 225	1.04 315	3.69 249	2.09 272	2.55 388	1.60 172	1.80 216	1.62 281	3.87 273	1.95 342	0.29 129	0.29 281	0.30 166	0.28 215	0.38 229	0.39 253

CASS	1.29 141	0.66 183	2.62 164	0.95 149	0.66 182	2.84 119	0.69 118	3.00 154	1.79 216	2.57 392	1.95 293	1.39 150	1.55 270	1.59 125	1.06 173	0.50 388	0.28 271	0.34 259	0.28 215	0.46 324	0.63 387
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	2.31 297	1.21 384	17.34 378	1.08 223	0.92 274	3.56 225	1.04 315	3.69 249	2.09 272	2.55 388	1.60 172	1.80 216	1.62 281	3.87 273	1.95 342	0.29 129	0.29 281	0.30 166	0.28 215	0.38 229	0.39 253

BUS	1.49 165	0.59 105	1.94 92	0.87 96	0.85 251	4.50 431	0.76 159	4.48 463	1.88 232	2.93 429	1.83 257	3.63 413	0.97 118	1.60 127	1.17 197	0.34 235	0.25 237	0.31 187	0.28 215	0.35 201	0.33 185

CRFU-Net	2.49 339	0.78 274	10.36 290	2.30 477	1.08 318	3.91 294	1.41 386	3.85 280	1.65 180	2.15 292	1.76 224	3.34 386	7.95 497	5.56 306	1.48 266	0.47 369	0.35 335	0.30 166	0.28 215	0.37 224	0.43 292

BSDual-CNN	1.46 161	0.59 105	1.94 92	0.87 96	0.85 251	4.16 367	1.16 344	4.48 463	1.88 232	2.93 429	1.83 257	2.60 320	1.31 203	1.60 127	1.21 207	0.34 235	0.25 237	0.31 187	0.28 215	0.35 201	0.33 185

hknet	1.98 243	0.64 162	8.70 269	0.87 96	1.07 316	4.16 367	1.16 344	4.48 463	1.73 202	2.93 429	1.83 257	3.48 396	1.30 202	3.91 276	1.51 276	0.31 187	0.25 237	0.31 187	0.28 215	0.35 201	0.33 185

GMOStereo	1.13 90	0.70 214	2.26 132	0.75 24	0.44 61	3.05 143	0.91 263	2.78 135	1.45 61	2.37 363	1.52 145	1.53 167	1.05 140	1.17 51	0.92 142	0.25 45	0.19 67	0.35 278	0.28 215	0.34 183	0.26 85

error version	1.13 90	0.70 214	2.26 132	0.75 24	0.44 61	3.05 143	0.91 263	2.78 135	1.45 61	2.37 363	1.52 145	1.53 167	1.05 140	1.17 51	0.92 142	0.25 45	0.19 67	0.35 278	0.28 215	0.34 183	0.26 85

test-v	1.13 90	0.70 214	2.26 132	0.75 24	0.44 61	3.05 143	0.91 263	2.78 135	1.45 61	2.37 363	1.52 145	1.53 167	1.05 140	1.17 51	0.92 142	0.25 45	0.19 67	0.35 278	0.28 215	0.34 183	0.26 85

CrosDoStereo	5.24 476	0.60 117	20.23 451	0.82 56	0.51 105	3.39 188	18.11 520	3.82 273	2.27 311	1.98 226	8.74 491	1.96 245	6.96 489	7.35 345	26.35 522	0.30 168	0.22 158	0.30 166	0.28 215	0.33 165	0.38 247

ASMatch	2.62 359	0.60 117	20.65 473	1.37 370	0.64 168	4.39 408	0.78 175	1.97 50	1.58 149	1.70 160	3.89 462	1.94 238	3.79 444	5.46 302	1.64 302	0.31 187	0.24 217	0.34 259	0.28 215	0.33 165	0.50 336

DeepStereo_LL	5.24 476	0.60 117	20.23 451	0.82 56	0.51 105	3.39 188	18.11 520	3.82 273	2.27 311	1.98 226	8.74 491	1.96 245	6.96 489	7.35 345	26.35 522	0.30 168	0.22 158	0.30 166	0.28 215	0.33 165	0.38 247

THIR-Stereo	4.14 457	0.82 292	10.85 298	0.86 91	0.43 56	2.16 88	16.77 518	3.22 178	1.54 126	2.04 257	12.05 508	2.68 326	7.53 494	7.30 343	12.62 484	0.30 168	0.21 129	0.29 146	0.28 215	0.33 165	0.41 279

DeepStereo_RVC	1.55 166	0.63 150	3.32 197	0.77 41	0.42 50	4.49 428	0.72 129	2.50 96	1.58 149	2.02 250	1.81 250	1.54 171	6.38 485	1.73 153	1.19 200	0.46 360	0.22 158	0.29 146	0.28 215	0.35 201	0.38 247

test-2	1.13 90	0.70 214	2.26 132	0.75 24	0.44 61	3.05 143	0.91 263	2.78 135	1.45 61	2.37 363	1.52 145	1.53 167	1.05 140	1.17 51	0.92 142	0.25 45	0.19 67	0.35 278	0.28 215	0.34 183	0.26 85

GEStereo_RVC	1.91 229	0.80 281	6.57 244	1.20 290	1.06 314	4.02 329	1.43 390	4.13 364	1.89 236	2.03 254	1.80 238	2.34 286	1.86 339	4.94 292	1.77 320	0.48 373	0.38 358	0.32 207	0.28 215	0.42 287	0.50 336

test_xeample	2.67 367	0.56 76	2.05 104	1.09 229	0.81 233	3.24 167	0.80 192	4.55 473	2.70 394	2.42 372	2.27 359	1.39 150	1.40 219	10.75 427	17.51 504	0.30 168	0.30 294	0.32 207	0.28 215	0.34 183	0.33 185

GANet-RSSM	1.98 243	0.62 142	3.49 202	1.69 430	1.23 355	4.22 385	0.91 263	3.31 189	1.86 229	1.81 180	1.74 212	2.34 286	1.82 332	10.92 436	1.73 316	0.34 235	0.29 281	0.31 187	0.28 215	0.39 239	0.40 273

AdaStereo	1.45 160	0.83 295	2.34 144	1.28 321	0.81 233	3.21 159	1.14 341	4.20 379	2.46 361	2.05 258	1.77 229	2.48 309	1.18 181	1.71 151	1.44 254	0.43 339	0.25 237	0.43 351	0.28 215	0.44 305	0.34 198
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.
HI	1.27 136	0.90 313	2.33 141	1.10 238	0.68 194	2.92 130	0.45 34	2.49 94	1.76 211	2.13 281	1.65 189	2.42 298	1.84 334	1.58 120	1.61 292	0.26 57	0.16 7	0.28 125	0.29 243	0.26 40	0.25 61

CoSv	1.27 136	0.90 313	2.33 141	1.10 238	0.68 194	2.92 130	0.45 34	2.49 94	1.76 211	2.13 281	1.65 189	2.42 298	1.84 334	1.58 120	1.61 292	0.26 57	0.16 7	0.28 125	0.29 243	0.26 40	0.25 61

UGAM-zero	2.79 376	0.57 85	20.87 480	0.98 168	0.77 226	2.08 84	0.35 11	3.88 289	1.51 101	2.05 258	1.64 183	5.07 473	3.42 436	9.83 394	1.24 215	0.28 109	0.21 129	0.27 96	0.29 243	0.29 80	0.28 117

ACV-stereo	2.92 389	0.92 320	20.27 456	1.33 343	1.05 311	4.68 461	1.10 332	2.66 123	1.64 176	1.46 122	1.32 98	5.41 480	4.24 454	7.83 356	1.90 335	0.44 346	0.52 423	0.32 207	0.29 243	0.45 313	0.63 387

IGEV_Zeroshot_test	2.16 269	0.69 204	20.60 472	1.22 299	0.54 123	2.18 89	0.53 52	3.38 201	1.61 169	1.93 213	1.55 158	3.76 417	1.05 140	1.55 116	0.91 139	0.29 129	0.20 98	0.27 96	0.29 243	0.40 244	0.32 171

CFNet_ucs	2.36 318	0.68 201	18.42 401	0.89 105	0.81 233	3.85 284	0.68 113	4.29 417	2.37 339	2.09 267	2.04 312	3.31 384	1.24 192	2.63 239	1.14 190	0.36 266	0.45 397	0.56 416	0.29 243	0.66 398	0.49 329

x	1.15 96	0.57 85	1.53 56	1.44 385	0.67 189	1.94 73	0.97 296	3.87 286	1.57 146	1.61 141	1.28 91	1.58 175	1.22 187	1.93 178	1.04 171	0.28 109	0.30 294	0.34 259	0.29 243	0.32 147	0.31 162

test_4	1.30 142	0.50 28	6.16 243	0.84 75	0.45 68	1.61 56	1.12 336	2.14 65	1.42 55	1.52 128	2.31 377	1.84 228	0.79 75	2.52 230	1.19 200	0.27 72	0.17 18	0.29 146	0.29 243	0.29 80	0.25 61

test_3	1.19 102	0.51 32	2.08 116	0.99 174	0.41 45	2.05 82	0.87 242	4.40 451	1.42 55	1.99 231	1.18 65	2.03 256	0.79 75	2.70 244	0.75 76	0.27 72	0.17 18	0.29 146	0.29 243	0.30 103	0.27 98

PSMNet-ADL	1.91 229	0.72 229	1.78 79	1.09 229	0.86 256	4.18 375	0.78 175	3.77 263	2.10 280	1.72 165	1.85 269	2.91 352	1.82 332	10.38 418	1.91 336	0.48 373	0.46 406	0.28 125	0.29 243	0.38 229	0.51 344

AAGNet	2.86 381	0.60 117	1.77 77	2.05 466	0.46 76	4.76 479	1.09 330	2.27 75	1.56 140	2.17 301	1.84 262	2.41 295	4.00 448	6.23 322	24.22 520	0.46 360	0.19 67	0.30 166	0.29 243	0.32 147	0.24 51

IRAFT_RVC	1.87 218	0.60 117	4.33 221	2.40 480	0.66 182	4.59 448	1.59 406	2.96 149	1.51 101	2.23 324	1.75 216	2.09 266	2.63 397	6.70 333	1.50 270	0.33 223	0.21 129	0.33 242	0.29 243	0.32 147	0.32 171

ICVP	2.26 283	0.66 183	21.18 492	0.99 174	0.88 264	4.28 396	0.95 287	3.32 194	1.60 165	1.66 152	1.76 224	1.34 143	1.14 170	1.62 133	1.32 234	0.53 403	0.35 335	0.33 242	0.29 243	0.40 244	0.51 344
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HCRNet	1.60 179	0.56 76	2.47 151	0.78 42	1.36 381	4.11 348	0.71 126	3.57 226	2.79 405	1.75 171	1.61 176	1.58 175	1.41 224	5.79 311	1.56 283	0.34 235	0.28 271	0.36 293	0.29 243	0.33 165	0.37 232

HGLStereo	2.03 252	0.74 248	7.50 255	1.23 303	1.56 420	3.62 238	0.95 287	3.78 266	1.89 236	2.03 254	2.20 349	3.12 369	2.14 363	5.68 309	2.04 352	0.37 274	0.31 304	0.32 207	0.29 243	0.40 244	0.45 304

BEATNet_4x	1.92 232	1.36 412	8.75 270	1.20 290	0.56 133	3.46 201	1.03 312	4.00 326	2.43 353	2.25 329	1.70 201	2.10 267	1.59 273	2.57 235	3.05 419	0.37 274	0.22 158	0.47 369	0.29 243	0.60 373	0.40 273

DISCO	2.25 281	0.73 240	10.06 286	1.76 440	1.12 326	3.47 204	1.25 362	3.24 182	2.26 309	2.65 410	1.96 294	4.53 455	1.92 346	4.17 283	3.61 426	0.32 207	0.25 237	0.31 187	0.29 243	0.66 398	0.41 279

DN-CSS_ROB	1.91 229	1.55 430	11.13 301	1.82 449	0.88 264	3.99 324	0.61 79	4.01 328	1.67 184	1.64 147	1.89 282	1.39 150	1.06 147	3.23 256	1.50 270	0.31 187	0.19 67	0.44 355	0.29 243	0.37 224	0.31 162

test_sample2	1.75 205	0.56 76	2.25 131	1.41 378	0.80 230	2.91 128	0.86 224	4.05 341	2.04 261	1.91 207	1.39 117	1.57 173	1.55 270	10.65 424	1.06 173	0.32 207	0.28 271	0.32 207	0.30 261	0.36 214	0.33 185

1111x	3.13 417	0.57 85	8.38 264	1.20 290	0.76 220	3.80 268	0.88 246	4.61 478	2.63 385	2.31 346	2.16 340	1.95 240	1.81 330	11.54 462	18.13 507	0.32 207	0.31 304	0.32 207	0.30 261	0.35 201	0.34 198

IER	1.69 195	0.65 172	7.19 251	0.94 145	1.15 331	3.28 178	0.89 249	3.48 207	1.97 246	2.10 270	1.98 302	2.28 277	2.12 360	2.25 212	1.75 319	0.29 129	0.23 184	0.36 293	0.30 261	0.32 147	0.34 198

RAFT_CTSACE	1.80 212	1.06 357	10.00 285	1.71 434	1.39 388	3.49 208	1.06 319	3.05 160	1.62 172	1.70 160	2.04 312	2.51 312	1.80 327	1.98 182	0.94 152	0.25 45	0.22 158	0.28 125	0.30 261	0.30 103	0.26 85

NINENet	1.87 218	0.74 248	2.60 158	1.12 249	1.06 314	4.50 431	0.76 159	4.41 452	2.24 303	2.16 297	1.86 272	3.63 413	0.97 118	8.00 358	1.17 197	0.41 323	0.30 294	0.41 340	0.30 261	0.41 268	0.36 218

AASNet	2.44 328	0.92 320	19.79 431	1.35 354	1.49 406	3.81 270	1.07 321	3.85 280	2.93 426	1.95 218	2.29 365	1.96 245	1.29 199	1.73 153	1.93 338	0.39 303	0.33 319	0.45 361	0.30 261	0.55 355	0.45 304

ADLNet2	3.15 420	0.92 320	20.06 442	1.20 290	1.79 456	3.83 272	1.48 392	3.94 309	3.59 470	2.19 307	2.47 392	4.65 462	1.93 347	10.69 426	1.96 345	0.39 303	0.37 352	0.28 125	0.30 261	0.48 331	0.43 292

Pruner-Stereo	1.32 148	0.59 105	2.11 118	1.79 447	0.47 86	4.73 474	0.79 182	2.53 98	1.72 199	2.47 378	1.58 164	1.48 163	1.03 131	1.66 142	1.47 263	0.44 346	0.21 129	0.34 259	0.30 261	0.30 103	0.39 253

sAnonymous2	1.37 151	1.22 390	9.79 282	0.92 127	0.88 264	1.23 19	0.61 79	2.56 110	1.69 192	0.85 63	1.02 36	0.73 44	1.23 190	0.98 16	0.78 86	0.29 129	0.25 237	0.31 187	0.30 261	1.06 449	0.71 404

CroCo_RVC	1.37 151	1.22 390	9.79 282	0.92 127	0.88 264	1.23 19	0.61 79	2.56 110	1.69 192	0.85 63	1.02 36	0.73 44	1.23 190	0.98 16	0.78 86	0.29 129	0.25 237	0.31 187	0.30 261	1.06 449	0.71 404

sCroCo_RVC	1.06 81	0.82 292	5.05 231	1.02 197	1.05 311	0.98 7	0.61 79	2.06 57	1.29 36	0.69 23	1.26 84	0.82 61	1.10 158	1.20 58	0.90 132	0.42 334	0.40 372	0.33 242	0.30 261	0.46 324	0.38 247

GES	1.38 153	0.64 162	2.61 161	1.09 229	0.57 144	4.30 399	1.02 311	3.86 283	1.51 101	1.72 165	1.74 212	1.28 135	1.77 319	1.62 133	1.61 292	0.39 303	0.27 261	0.33 242	0.30 261	0.41 268	0.47 319

GMStereo	1.01 74	1.00 343	2.86 178	0.83 66	0.45 68	1.47 46	0.57 62	1.89 42	2.11 282	1.52 128	1.24 77	0.87 74	0.74 56	1.58 120	0.94 152	0.40 309	0.21 129	0.30 166	0.30 261	0.47 328	0.36 218
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	2.35 313	0.62 142	9.77 281	1.32 338	1.71 447	3.27 174	0.93 278	3.48 207	2.50 367	1.74 169	1.73 210	3.91 423	1.77 319	10.21 411	1.86 330	0.40 309	0.31 304	0.33 242	0.30 261	0.34 183	0.39 253

cf-r	2.57 356	0.79 277	16.09 362	1.48 397	1.35 378	4.19 379	0.93 278	3.68 244	2.36 333	1.97 224	1.81 250	3.42 393	1.45 239	8.24 360	1.83 327	0.32 207	0.26 250	0.33 242	0.30 261	0.34 183	0.37 232

GwcNet-RSSM	2.66 365	1.05 352	15.91 360	1.22 299	1.19 344	4.12 350	1.12 336	3.84 277	2.02 255	1.93 213	1.79 235	3.12 369	1.46 242	10.37 416	2.05 354	0.33 223	0.27 261	0.35 278	0.30 261	0.40 244	0.36 218

coex_refinement	2.10 262	0.85 303	3.67 214	1.31 335	1.13 328	3.21 159	0.85 221	3.86 283	2.31 322	2.51 383	1.92 290	3.49 402	1.69 307	11.08 446	2.13 365	0.37 274	0.25 237	0.27 96	0.31 277	0.41 268	0.37 232

rvit_0105_6	1.00 72	0.93 324	2.21 125	0.92 127	0.55 129	1.52 52	0.79 182	2.41 83	2.96 428	0.76 40	0.72 11	1.02 97	0.75 58	1.42 92	0.81 96	0.40 309	0.43 387	0.34 259	0.31 277	0.43 297	0.34 198

rvit_0105_4	1.07 84	0.99 340	2.39 147	0.93 141	0.54 123	1.62 58	0.84 212	2.77 134	2.91 423	0.80 50	0.91 28	1.09 104	0.86 91	1.63 137	0.85 108	0.40 309	0.45 397	0.35 278	0.31 277	0.43 297	0.40 273

UGAM	2.58 357	0.56 76	18.55 403	0.89 105	0.71 204	3.23 163	1.03 312	2.75 132	1.75 209	1.36 109	2.77 422	2.69 327	1.28 196	10.75 427	1.40 245	0.28 109	0.24 217	0.40 330	0.31 277	0.35 201	0.30 153

SMFormer	2.00 247	0.57 85	4.46 222	1.36 360	0.57 144	2.03 77	0.73 134	4.25 401	2.80 409	2.32 350	2.31 377	1.95 240	1.52 258	10.99 439	2.13 365	0.34 235	0.32 312	0.36 293	0.31 277	0.38 229	0.36 218

tta	2.00 247	0.57 85	4.46 222	1.36 360	0.57 144	2.03 77	0.73 134	4.25 401	2.80 409	2.32 350	2.31 377	1.95 240	1.52 258	10.99 439	2.13 365	0.34 235	0.32 312	0.36 293	0.31 277	0.29 80	0.29 127

CASnet	0.78 17	0.51 32	1.29 34	0.81 46	0.29 1	1.28 32	0.74 146	1.51 15	1.89 236	1.64 147	1.09 53	0.65 24	0.64 33	0.91 7	0.76 80	0.29 129	0.17 18	0.41 340	0.31 277	0.32 147	0.19 4
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
DisPM	1.36 150	0.55 65	2.39 147	1.54 408	0.51 105	4.59 448	0.79 182	2.50 96	1.88 232	2.50 381	1.83 257	1.45 160	1.01 128	2.71 245	0.93 150	0.46 360	0.20 98	0.32 207	0.31 277	0.31 122	0.44 298

Wz-Net-LNSev	2.30 296	1.67 439	14.88 347	1.18 284	1.65 437	3.49 208	1.54 402	3.63 234	2.03 257	1.88 195	1.64 183	3.29 381	2.06 354	2.71 245	2.02 351	0.40 309	0.33 319	0.32 207	0.31 277	0.53 350	0.49 329

delet	1.92 232	0.76 265	5.14 232	1.01 188	1.65 437	3.44 196	2.03 437	3.76 261	2.48 362	2.01 245	2.05 318	2.63 324	1.90 344	5.34 299	2.12 362	0.28 109	0.29 281	0.40 330	0.31 277	0.41 268	0.45 304

UPFNet	1.81 213	0.63 150	6.71 246	1.25 307	1.44 399	3.50 211	1.35 371	4.02 332	1.85 228	2.40 370	1.52 145	2.41 295	1.40 219	3.62 266	1.88 332	0.34 235	0.33 319	0.37 305	0.31 277	0.41 268	0.39 253

DCVSM-stereo	2.31 297	0.66 183	20.69 474	1.11 245	0.93 279	2.58 111	0.73 134	2.61 117	1.60 165	2.57 392	1.53 152	3.30 383	1.72 313	2.19 205	1.23 213	0.34 235	0.53 424	0.41 340	0.32 288	0.45 313	0.62 383

ToySt	1.35 149	0.72 229	3.65 213	1.01 188	0.50 103	3.31 183	1.01 307	3.46 206	1.73 202	1.30 103	1.55 158	2.07 265	1.47 244	1.88 175	1.40 245	0.27 72	0.27 261	0.30 166	0.32 288	0.42 287	0.39 253

anonymousa	2.16 269	0.67 193	19.19 413	1.04 206	1.67 441	2.06 83	0.79 182	2.86 144	1.96 244	1.85 185	2.14 337	3.23 377	1.81 330	1.12 33	1.15 191	0.26 57	0.26 250	0.34 259	0.32 288	0.30 103	0.28 117

AACVNet	1.83 214	1.02 345	2.41 149	1.45 389	0.87 261	3.21 159	0.73 134	3.16 171	1.61 169	2.01 245	1.82 256	2.28 277	1.33 206	10.98 438	1.49 269	0.39 303	0.32 312	0.38 321	0.32 288	0.43 297	0.44 298

FTStereo	3.71 443	0.53 49	20.37 460	0.96 155	0.65 176	4.34 402	11.29 511	2.62 118	1.50 94	2.58 395	5.04 472	1.90 234	13.84 509	3.71 270	1.25 218	0.38 291	0.24 217	0.31 187	0.32 288	0.30 103	2.10 483

GrayStereo	2.58 357	0.53 49	1.63 66	1.58 417	0.89 269	4.17 372	8.17 508	3.03 158	1.52 110	2.80 422	2.50 395	1.70 194	17.10 513	2.83 248	1.15 191	0.33 223	0.21 129	0.27 96	0.32 288	0.28 68	0.53 351

RAFT	1.23 115	0.84 299	2.05 104	0.96 155	0.47 86	1.80 63	0.94 283	3.18 175	1.46 69	1.60 136	1.71 205	3.04 361	1.59 273	1.64 139	1.32 234	0.38 291	0.24 217	0.40 330	0.32 288	0.40 244	0.35 212

rafts_anoy	1.24 120	0.80 281	3.61 211	1.17 278	1.20 349	3.00 140	0.61 79	3.17 173	1.58 149	1.37 112	1.26 84	1.19 123	1.12 162	1.78 159	1.25 218	0.32 207	0.23 184	0.32 207	0.32 288	0.31 122	0.30 153

AIO-test1	2.18 272	0.66 183	18.95 410	0.89 105	1.48 405	3.40 191	0.97 296	4.19 378	1.68 186	0.86 65	1.35 107	0.99 93	0.75 58	4.47 285	1.27 224	0.23 20	0.23 184	0.28 125	0.33 296	0.31 122	0.35 212

xx1	2.03 252	0.74 248	13.77 326	1.78 442	0.36 11	4.48 422	0.74 146	4.23 391	3.95 480	1.01 81	1.81 250	1.79 213	1.34 207	2.13 195	0.64 30	0.29 129	0.17 18	0.33 242	0.33 296	0.33 165	0.32 171

ttt	2.76 375	0.56 76	2.28 137	1.41 378	1.21 354	3.67 246	0.77 172	4.59 476	2.94 427	2.35 358	2.30 370	2.45 305	1.54 268	11.25 453	15.56 492	0.43 339	0.36 339	0.37 305	0.33 296	0.40 244	0.40 273

qqq	1.30 142	0.57 85	1.67 69	1.15 270	0.51 105	2.18 89	0.91 263	3.98 320	1.53 117	1.50 127	1.24 77	1.79 213	1.34 207	4.66 288	0.98 162	0.28 109	0.31 304	0.33 242	0.33 296	0.33 165	0.32 171

test_5	1.87 218	0.75 260	10.23 289	1.14 257	1.40 390	3.85 284	1.27 363	3.91 300	1.93 242	1.69 156	1.78 232	1.67 185	1.79 322	2.99 254	1.17 197	0.30 168	0.18 43	0.35 278	0.33 296	0.34 183	0.33 185

Sa-1000	1.63 187	0.79 277	3.56 207	1.11 245	0.48 94	4.06 335	1.41 386	4.49 466	2.75 400	2.00 243	2.80 425	1.84 228	1.43 232	2.64 241	1.50 270	0.27 72	0.19 67	0.36 293	0.33 296	0.36 214	0.30 153

dd	1.26 131	1.15 374	2.47 151	0.92 127	0.49 100	4.35 403	0.75 156	1.92 47	2.11 282	1.44 121	1.24 77	1.19 123	1.05 140	1.78 159	1.70 309	0.57 411	0.34 331	0.35 278	0.33 296	0.60 373	0.46 314

StereoDRNet-Refined	1.77 208	0.81 285	2.22 128	1.21 296	0.76 220	3.26 172	0.71 126	3.82 273	2.05 264	2.29 336	2.05 318	2.98 356	1.44 235	7.15 342	2.27 377	0.30 168	0.23 184	0.42 347	0.33 296	0.45 313	0.64 390
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DFGA-Net	2.11 264	3.00 473	7.43 253	1.11 245	0.76 220	3.72 252	0.60 75	2.63 119	1.91 240	2.01 245	2.07 323	1.22 129	1.04 135	10.26 414	2.26 375	0.27 72	0.22 158	0.34 259	0.34 304	0.61 378	0.48 323

LL-Strereo	3.01 406	1.81 446	17.59 388	1.12 249	2.10 475	2.90 125	1.09 330	4.33 434	2.00 253	3.12 443	2.24 355	3.29 381	3.15 421	11.31 454	1.84 328	0.30 168	0.28 271	0.46 366	0.34 304	0.49 337	0.45 304

RAFT+CT+SA	1.62 183	0.72 229	7.42 252	0.97 162	1.42 398	4.04 332	0.94 283	3.90 296	1.61 169	1.61 141	1.63 181	1.33 142	1.18 181	2.73 247	1.10 182	0.27 72	0.19 67	0.31 187	0.34 304	0.33 165	0.33 185

psmg	1.47 164	0.59 105	1.94 92	0.92 127	0.85 251	4.30 399	1.42 388	4.10 362	1.88 232	2.64 406	2.09 326	2.60 320	1.31 203	1.60 127	1.21 207	0.34 235	0.27 261	0.33 242	0.34 304	0.36 214	0.34 198

NF-Stereo	1.58 173	0.61 132	2.66 167	2.26 473	0.47 86	4.68 461	0.67 108	3.31 189	1.48 81	2.11 274	1.59 168	1.36 146	1.09 152	6.08 319	1.20 203	0.40 309	0.20 98	0.36 293	0.34 304	0.31 122	0.36 218

OCTAStereo	1.58 173	0.61 132	2.72 170	2.27 476	0.46 76	4.68 461	0.67 108	3.30 188	1.48 81	2.11 274	1.59 168	1.36 146	1.09 152	6.02 316	1.21 207	0.41 323	0.20 98	0.36 293	0.34 304	0.31 122	0.37 232

RE-Stereo	1.58 173	0.61 132	2.72 170	2.26 473	0.46 76	4.68 461	0.68 113	3.31 189	1.48 81	2.11 274	1.59 168	1.36 146	1.09 152	6.01 314	1.22 210	0.41 323	0.20 98	0.36 293	0.34 304	0.31 122	0.37 232

TVStereo	1.58 173	0.61 132	2.72 170	2.26 473	0.46 76	4.68 461	0.68 113	3.31 189	1.48 81	2.11 274	1.59 168	1.36 146	1.09 152	6.01 314	1.22 210	0.41 323	0.20 98	0.36 293	0.34 304	0.31 122	0.37 232

RAFT-RH_RVC	2.63 361	0.55 65	19.97 439	1.26 313	0.47 86	4.46 420	0.57 62	1.71 31	1.64 176	3.06 440	5.51 474	2.03 256	1.28 196	6.70 333	1.52 278	0.42 334	0.22 158	0.37 305	0.34 304	0.28 68	0.29 127

pcwnet_v2	2.70 373	0.65 172	22.48 510	1.08 223	1.03 306	3.56 225	0.81 201	4.29 417	3.14 445	2.29 336	2.29 365	3.01 359	1.71 311	3.32 260	1.43 252	0.43 339	0.50 421	0.41 340	0.34 304	0.61 378	0.56 363

ADLNet	2.29 293	0.83 295	3.62 212	1.35 354	1.60 426	3.67 246	1.24 361	3.95 311	2.98 432	2.58 395	2.29 365	4.01 429	1.79 322	11.23 452	2.09 360	0.37 274	0.38 358	0.36 293	0.34 304	0.45 313	0.71 404

psm_up	2.28 290	0.81 285	5.45 239	1.26 313	1.50 408	3.84 277	1.23 359	4.23 391	2.03 257	2.55 388	1.80 238	2.44 304	1.65 298	12.90 498	1.58 285	0.37 274	0.38 358	0.41 340	0.34 304	0.43 297	0.39 253

RYNet	2.97 398	0.93 324	15.09 353	1.12 249	1.38 386	3.66 245	1.42 388	4.03 333	2.29 317	2.10 270	1.70 201	3.79 418	2.16 367	13.64 507	3.02 418	0.37 274	0.41 379	0.48 377	0.34 304	0.81 430	0.75 415

DeepPruner_ROB	2.05 256	1.09 363	10.50 293	1.01 188	1.20 349	4.39 408	0.91 263	3.14 169	1.72 199	2.60 399	1.54 154	2.78 342	1.27 194	4.52 286	1.72 312	0.51 394	0.40 372	0.37 305	0.34 304	0.48 331	0.52 349

PWCDC_ROB	2.95 391	3.26 475	14.06 335	1.59 418	1.56 420	4.19 379	0.86 224	4.30 425	4.08 482	2.06 263	7.37 480	2.75 335	2.42 384	3.59 265	2.67 407	1.34 480	0.36 339	0.39 324	0.34 304	1.13 458	0.62 383

rvit_0105_5	1.13 90	0.93 324	2.60 158	0.91 121	0.56 133	1.92 72	0.91 263	3.02 157	2.63 385	0.95 76	1.20 68	1.18 119	0.93 110	1.51 111	0.93 150	0.40 309	0.43 387	0.37 305	0.35 319	0.42 287	0.44 298

test_sample3	2.34 308	0.61 132	11.94 308	1.33 343	0.85 251	3.10 152	0.73 134	4.24 399	2.19 295	2.21 317	1.75 216	1.80 216	1.41 224	11.11 448	1.46 258	0.35 255	0.29 281	0.34 259	0.35 319	0.39 239	0.37 232

LL-Strereo2	1.23 115	0.85 303	2.38 146	0.93 141	0.68 194	3.72 252	1.37 378	2.54 107	1.99 249	1.75 171	1.40 120	1.82 222	0.73 52	1.40 88	0.99 165	0.31 187	0.23 184	0.55 414	0.35 319	0.29 80	0.24 51

raft_robust	1.92 232	1.15 374	3.34 199	1.02 197	0.43 56	3.84 277	0.46 36	4.42 453	2.52 371	1.67 154	1.36 111	2.17 271	6.37 483	6.78 337	1.04 171	0.28 109	0.24 217	0.30 166	0.35 319	0.31 122	0.32 171

Anonymous3	1.72 198	0.76 265	11.61 306	0.83 66	0.84 250	4.46 420	0.84 212	3.57 226	1.16 18	1.34 106	1.37 112	1.11 109	1.03 131	1.58 120	1.13 189	0.70 438	0.58 438	0.33 242	0.35 319	0.47 328	0.42 283

ARAFT	2.56 353	1.13 369	19.50 424	0.89 105	0.48 94	4.15 357	1.40 383	4.36 443	2.82 417	2.36 362	1.88 276	1.70 194	1.04 135	6.45 326	1.22 210	0.29 129	0.18 43	0.37 305	0.35 319	0.35 201	0.25 61

hitnet-ft	2.37 319	0.73 240	8.34 262	0.96 155	0.89 269	3.77 261	0.80 192	3.55 224	2.58 380	2.24 326	2.04 312	3.65 415	1.49 252	11.71 476	1.89 333	0.44 346	0.53 424	0.44 355	0.35 319	0.52 344	0.48 323

DMCA-RVC	2.45 329	1.22 390	18.29 396	1.23 303	1.14 329	2.49 104	0.85 221	3.29 187	1.68 186	3.02 436	1.41 122	2.00 252	1.53 265	6.39 325	2.00 348	0.38 291	0.30 294	0.44 355	0.35 319	0.45 313	0.44 298

TDLM	2.29 293	1.08 360	4.61 228	1.29 324	1.01 304	4.26 390	2.17 444	3.75 259	2.79 405	2.31 346	1.98 302	2.06 262	1.59 273	12.45 493	1.72 312	0.51 394	0.28 271	0.52 402	0.35 319	0.56 361	0.50 336

SGM_RVC	4.57 465	0.72 229	17.46 385	1.84 451	0.58 152	4.23 388	3.45 482	4.66 480	3.66 473	7.99 504	8.82 494	7.56 490	8.74 502	12.30 489	6.84 454	0.43 339	0.38 358	0.39 324	0.35 319	0.51 341	0.48 323
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
test_sample4	2.34 308	0.63 150	11.59 305	1.30 332	0.83 243	3.07 148	0.72 129	4.27 409	2.30 318	2.30 340	1.88 276	1.73 198	1.42 229	11.14 449	1.46 258	0.35 255	0.29 281	0.35 278	0.36 329	0.40 244	0.38 247

StereoVision	1.65 189	0.75 260	7.47 254	1.01 188	1.80 459	2.61 112	0.61 79	3.06 163	1.96 244	1.25 101	3.46 453	1.85 231	0.88 96	2.07 188	1.93 338	0.43 339	0.36 339	0.37 305	0.36 329	0.48 331	0.33 185

TRStereo	2.31 297	1.87 447	19.74 430	1.53 406	1.16 335	4.26 390	1.08 326	4.73 483	1.45 61	1.55 131	1.28 91	1.75 200	0.85 89	1.81 164	1.20 203	0.36 266	0.26 250	0.32 207	0.36 329	0.34 183	0.33 185

SFCPSM	2.18 272	0.63 150	17.03 376	0.88 101	0.98 293	3.74 257	1.28 365	4.09 354	2.16 290	1.85 185	1.83 257	1.65 183	1.39 215	2.50 222	1.50 270	0.33 223	0.27 261	0.39 324	0.36 329	0.34 183	0.37 232

CFNet-ft	1.90 225	0.95 332	3.56 207	1.07 215	1.54 413	4.09 342	0.90 255	2.85 141	1.82 219	1.78 175	1.70 201	2.75 335	1.48 246	9.33 381	1.72 312	0.33 223	0.30 294	0.61 431	0.36 329	0.52 344	0.39 253

DSFCA	1.89 223	0.69 204	3.14 189	1.10 238	1.18 337	3.99 324	1.79 421	3.50 213	2.16 290	3.10 441	1.64 183	2.91 352	2.50 390	5.38 300	2.26 375	0.43 339	0.38 358	0.37 305	0.36 329	0.50 339	0.42 283

CFNet	2.34 308	1.10 364	8.96 271	1.34 350	1.24 357	4.09 342	0.73 134	4.04 337	2.77 402	1.62 143	1.87 275	2.27 276	1.45 239	11.41 457	1.82 325	0.31 187	0.24 217	0.43 351	0.36 329	0.43 297	0.33 185

CFNet_RVC	1.90 225	0.95 332	3.56 207	1.07 215	1.54 413	4.09 342	0.90 255	2.85 141	1.82 219	1.78 175	1.70 201	2.75 335	1.48 246	9.33 381	1.72 312	0.33 223	0.30 294	0.61 431	0.36 329	0.52 344	0.39 253

StereoDRNet	2.84 380	1.49 426	14.48 342	1.33 343	1.57 424	3.44 196	2.06 438	3.69 249	2.36 333	3.26 450	1.84 262	2.79 344	1.80 327	10.88 433	3.16 420	0.41 323	0.33 319	0.39 324	0.36 329	0.59 369	0.58 372

DLCB_ROB	2.05 256	0.95 332	2.37 145	1.24 305	1.02 305	2.92 130	1.30 366	3.68 244	2.30 318	2.91 427	2.17 343	3.32 385	1.52 258	10.37 416	2.50 396	0.40 309	0.33 319	0.40 330	0.36 329	0.41 268	0.47 319

LE_ROB	18.58 520	1.21 384	48.38 532	8.60 522	23.00 525	7.32 503	19.74 523	9.94 508	38.69 530	43.53 528	21.91 519	28.40 526	40.92 529	23.18 520	54.71 534	0.34 235	0.33 319	0.32 207	0.36 329	0.42 287	0.40 273

PWC_ROB	2.69 372	2.01 453	8.36 263	1.33 343	1.90 464	3.23 163	1.18 348	4.33 434	3.25 457	3.11 442	3.41 451	2.71 330	2.18 371	9.15 378	4.48 434	0.56 409	0.31 304	0.61 431	0.36 329	0.69 405	0.74 412

test_sample5	2.33 304	0.62 142	11.29 302	1.29 324	0.83 243	3.09 150	0.74 146	4.28 414	2.31 322	2.20 309	1.97 300	1.68 187	1.39 215	11.19 450	1.47 263	0.37 274	0.31 304	0.37 305	0.37 341	0.41 268	0.39 253

H2IRNET	1.90 225	0.53 49	14.29 340	1.14 257	0.60 156	4.48 422	0.44 31	2.65 121	1.81 218	1.05 87	2.30 370	1.67 185	1.40 219	2.17 202	1.50 270	0.36 266	0.21 129	0.33 242	0.37 341	0.34 183	0.29 127

mmm	1.27 136	0.58 98	2.20 123	1.41 378	0.68 194	2.39 98	0.85 221	3.90 296	1.63 175	2.20 309	1.84 262	1.28 135	1.50 253	1.91 177	0.89 128	0.31 187	0.27 261	0.45 361	0.37 341	0.38 229	0.34 198

DualNet	2.33 304	0.62 142	11.29 302	1.29 324	0.83 243	3.09 150	0.74 146	4.28 414	2.31 322	2.26 332	2.04 312	1.68 187	1.39 215	11.19 450	1.47 263	0.37 274	0.31 304	0.37 305	0.37 341	0.41 268	0.39 253

ffm	1.72 198	0.60 117	5.21 235	1.14 257	0.99 296	3.62 238	0.86 224	4.22 387	3.37 464	2.20 309	2.30 370	3.48 396	1.62 281	2.21 208	0.65 34	0.29 129	0.16 7	0.48 377	0.37 341	0.30 103	0.29 127

ff1	2.96 394	0.60 117	5.21 235	1.14 257	0.99 296	3.62 238	0.86 224	4.22 387	3.37 464	2.20 309	2.30 370	3.48 396	1.62 281	11.62 466	16.09 494	0.29 129	0.16 7	0.48 377	0.37 341	0.30 103	0.29 127

mmx	2.98 400	0.60 117	5.21 235	1.14 257	0.99 296	3.62 238	0.86 224	4.49 466	3.05 438	2.20 309	2.30 370	3.48 396	1.62 281	11.62 466	16.09 494	0.33 223	0.28 271	0.48 377	0.37 341	0.44 305	0.37 232

xxx	2.98 400	0.60 117	5.21 235	1.14 257	0.99 296	3.62 238	0.86 224	4.49 466	3.05 438	2.20 309	2.30 370	3.48 396	1.62 281	11.62 466	16.09 494	0.33 223	0.28 271	0.48 377	0.37 341	0.44 305	0.37 232

ssnet_v2	2.04 254	0.88 310	7.87 256	1.20 290	0.87 261	3.86 286	1.64 411	4.01 328	2.60 382	2.61 401	1.96 294	3.79 418	1.71 311	2.20 206	2.96 415	0.41 323	0.35 335	0.42 347	0.37 341	0.55 355	0.52 349

Wz-Net-MNSev	2.71 374	2.54 467	13.91 333	1.52 404	1.37 383	3.28 178	2.47 452	4.03 333	2.32 326	2.57 392	2.07 323	2.29 282	3.01 414	7.55 350	2.74 409	0.38 291	0.36 339	0.36 293	0.37 341	0.57 365	0.47 319

SA	1.62 183	0.75 260	3.78 217	1.07 215	0.43 56	4.26 390	1.36 373	4.45 460	3.12 442	1.63 144	1.97 300	1.68 187	2.26 374	2.55 232	1.27 224	0.27 72	0.22 158	0.37 305	0.37 341	0.35 201	0.30 153

PSMNet-RSSM	1.96 239	0.77 268	3.26 193	1.29 324	1.31 367	4.19 379	0.96 293	3.68 244	1.89 236	2.05 258	1.80 238	2.60 320	1.70 309	9.84 395	1.81 324	0.35 255	0.29 281	0.35 278	0.37 341	0.42 287	0.35 212

DPSNet	3.43 433	1.37 413	12.19 309	1.39 374	1.24 357	4.15 357	2.06 438	4.51 470	3.34 463	2.69 413	1.96 294	3.52 406	5.56 472	10.68 425	9.68 470	0.93 455	0.73 462	0.40 330	0.37 341	1.06 449	0.86 432

DDVS	1.68 194	0.79 277	2.52 153	1.26 313	1.16 335	3.17 156	0.78 175	3.12 167	1.82 219	1.86 190	1.91 288	2.92 354	1.43 232	6.20 321	1.63 299	0.45 355	0.65 450	0.34 259	0.38 354	0.48 331	0.79 424

rvit_stereo_0075_2	1.18 100	0.74 248	2.66 167	0.90 114	1.27 363	2.51 105	0.69 118	2.25 73	2.06 266	1.40 116	1.86 272	1.46 162	0.84 87	1.42 92	0.94 152	0.46 360	0.40 372	0.48 377	0.38 354	0.46 324	0.51 344

RAFT + AFF	2.51 342	2.66 469	4.48 226	1.15 270	1.95 466	4.15 357	2.01 436	4.46 461	3.30 462	2.19 307	2.51 397	2.22 274	4.87 464	8.91 372	2.06 355	0.30 168	0.60 443	0.48 377	0.38 354	0.77 423	0.69 399

GwcNet	3.00 404	1.63 433	19.83 433	1.32 338	2.04 473	3.27 174	1.55 403	3.65 237	2.33 327	2.00 243	2.12 334	3.56 411	1.68 306	9.47 384	2.45 392	0.44 346	0.45 397	0.46 366	0.38 354	0.60 373	0.76 417

NLCA_NET_v2_RVC	2.54 348	1.04 351	16.73 371	1.53 406	2.00 468	3.96 316	0.87 242	3.87 286	2.31 322	2.54 387	1.67 192	2.85 346	1.63 293	5.55 305	1.62 297	0.46 360	0.33 319	0.38 321	0.38 354	0.53 350	0.62 383
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CBMV	3.32 429	0.96 338	21.16 490	1.32 338	0.83 243	3.81 270	3.91 495	4.47 462	2.53 372	3.34 453	2.24 355	4.45 450	2.58 395	10.07 407	1.96 345	0.45 355	0.43 387	0.48 377	0.38 354	0.52 344	0.53 351
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
test_sample6	2.35 313	0.62 142	10.78 297	1.33 343	0.83 243	3.15 155	0.79 182	4.36 443	2.43 353	2.26 332	2.04 312	1.69 192	1.39 215	11.48 461	1.61 292	0.38 291	0.32 312	0.37 305	0.39 360	0.41 268	0.42 283

fast-acv-ft	2.54 348	1.19 381	20.08 445	1.41 378	1.40 390	3.18 157	1.17 347	3.37 200	2.28 314	1.90 202	2.15 339	2.69 327	2.17 369	2.91 249	2.31 379	0.37 274	0.39 367	0.45 361	0.39 360	0.57 365	0.45 304

PFNet+	1.46 161	0.57 85	2.84 176	0.92 127	0.47 86	4.64 455	0.84 212	2.46 91	1.99 249	2.14 284	1.64 183	1.34 143	1.03 131	4.68 290	1.23 213	0.45 355	0.33 319	0.37 305	0.39 360	0.32 147	0.49 329

PSM-softLoss	1.66 192	0.59 105	5.15 233	2.25 471	0.48 94	4.68 461	0.69 118	2.57 112	1.52 110	2.14 284	1.45 129	1.42 157	0.99 124	6.04 317	1.20 203	0.41 323	0.23 184	0.37 305	0.39 360	0.32 147	0.31 162

KMStereo	1.66 192	0.59 105	5.15 233	2.25 471	0.48 94	4.68 461	0.69 118	2.57 112	1.52 110	2.14 284	1.45 129	1.42 157	0.99 124	6.04 317	1.20 203	0.41 323	0.23 184	0.37 305	0.39 360	0.32 147	0.31 162

Syn2CoEx	3.08 412	2.55 468	19.88 435	1.34 350	1.18 337	2.43 100	1.65 414	3.91 300	2.40 348	2.39 368	2.27 359	2.90 349	3.17 424	9.57 389	2.54 401	0.50 388	0.45 397	0.53 406	0.39 360	0.74 419	0.72 410

SuperB	4.79 470	4.41 484	21.08 487	1.45 389	1.08 318	3.91 294	3.08 475	4.18 375	3.01 435	2.50 381	2.10 327	2.75 335	3.49 439	8.80 369	19.60 514	0.44 346	0.33 319	0.53 406	0.39 360	12.01 524	0.64 390

RTSC	2.95 391	2.51 463	15.49 359	1.54 408	1.30 365	3.51 214	0.86 224	3.89 291	2.48 362	3.64 459	3.12 441	3.04 361	2.30 375	5.70 310	6.67 449	0.55 407	0.35 335	0.37 305	0.39 360	0.70 406	0.60 377

GANet	2.93 390	1.05 352	11.29 302	1.64 425	0.96 285	3.91 294	2.52 455	3.72 256	2.41 350	2.95 434	3.00 434	3.21 374	2.03 350	12.42 492	4.72 438	0.51 394	0.41 379	0.46 366	0.39 360	0.60 373	0.50 336

NaN_ROB	4.06 455	1.13 369	16.64 369	1.12 249	1.25 360	3.50 211	3.05 473	4.29 417	3.26 458	3.64 459	2.56 403	2.97 355	4.79 462	13.33 501	16.91 500	0.37 274	0.41 379	0.38 321	0.39 360	0.48 331	0.81 426

SGM-Forest	2.96 394	0.62 142	3.49 202	1.09 229	0.80 230	4.06 335	3.30 478	4.37 446	3.09 441	4.18 476	3.27 448	4.67 463	3.86 446	11.69 475	7.91 462	0.51 394	0.46 406	0.49 390	0.39 360	0.48 331	0.49 329
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ITSA-stereo	1.86 217	0.72 229	3.74 215	1.20 290	0.66 182	4.09 342	0.91 263	4.24 399	2.53 372	1.93 213	1.77 229	1.59 177	2.15 364	6.12 320	2.44 391	0.40 309	0.38 358	0.40 330	0.40 371	0.50 339	0.98 444

test_sample7	1.65 189	0.70 214	2.60 158	1.48 397	0.76 220	2.38 96	1.07 321	4.35 438	2.11 282	2.14 284	1.75 216	1.75 200	1.67 302	6.26 323	1.26 221	0.44 346	0.48 416	0.43 351	0.40 371	0.46 324	0.43 292

FINET	2.96 394	1.07 358	23.18 515	1.29 324	1.86 461	2.03 77	1.52 397	4.30 425	4.71 488	2.23 324	2.34 384	1.65 183	1.48 246	5.89 313	2.81 413	0.51 394	0.47 410	0.49 390	0.40 371	0.59 369	0.49 329

FADNet-RVC	2.51 342	2.27 459	14.03 334	1.09 229	0.81 233	3.54 222	1.10 332	4.13 364	2.48 362	1.39 115	1.22 72	1.85 231	1.77 319	9.78 393	2.06 355	0.38 291	0.37 352	0.40 330	0.40 371	0.67 400	0.48 323

UCFNet_RVC	1.57 172	0.84 299	3.25 192	1.36 360	1.40 390	4.07 340	1.01 307	2.68 124	1.50 94	2.11 274	1.88 276	2.37 291	1.50 253	3.41 261	1.42 251	0.36 266	0.28 271	0.52 402	0.40 371	0.53 350	0.43 292

XPNet_ROB	2.27 285	1.11 367	4.10 219	1.36 360	0.97 289	3.94 306	1.63 409	4.07 348	2.14 287	2.82 424	2.00 306	2.32 285	1.73 316	10.81 431	3.39 423	0.51 394	0.47 410	0.48 377	0.40 371	0.51 341	0.56 363

FACV-RUCA	1.26 131	0.65 172	2.21 125	1.06 213	1.50 408	2.69 115	1.15 342	3.05 160	1.87 230	1.36 109	1.99 304	1.03 99	1.15 178	1.36 85	1.10 182	0.41 323	0.41 379	0.73 455	0.41 377	0.61 378	0.41 279

SACVNet	2.46 332	1.14 373	9.47 279	1.44 385	1.18 337	4.06 335	1.49 396	3.84 277	2.24 303	2.62 402	1.89 282	2.57 317	1.28 196	11.35 455	1.64 302	0.50 388	0.39 367	0.48 377	0.41 377	0.55 355	0.75 415

PSM-AAD	2.43 326	0.54 59	1.32 38	0.92 127	0.54 123	4.48 422	7.47 504	2.96 149	1.55 134	2.31 346	2.56 403	1.26 133	16.23 512	2.46 219	0.89 128	0.28 109	0.21 129	0.58 420	0.41 377	0.34 183	1.32 462

CVANet_RVC	2.55 352	1.10 364	9.13 277	1.46 391	1.15 331	3.96 316	1.53 399	3.91 300	2.50 367	3.04 437	2.04 312	2.60 320	1.72 313	12.46 494	1.50 270	0.49 385	0.30 294	0.51 396	0.41 377	0.63 383	0.50 336

NVstereo2D	2.54 348	0.90 313	11.10 300	1.32 338	1.47 403	3.58 230	1.38 380	4.13 364	2.45 358	1.90 202	1.71 205	2.86 347	1.76 318	10.86 432	1.66 305	0.60 415	0.43 387	0.53 406	0.41 377	0.78 425	0.94 440

DRN-Test	3.03 408	0.99 340	18.18 393	1.35 354	1.60 426	3.59 231	1.48 392	4.13 364	2.45 358	3.47 458	1.92 290	2.58 319	2.53 392	10.88 433	2.80 412	0.39 303	0.36 339	0.44 355	0.41 377	0.55 355	0.57 367

AIO-test2	1.61 181	1.30 401	3.40 200	1.16 276	1.31 367	3.18 157	0.74 146	4.06 345	1.52 110	1.72 165	2.21 351	0.78 51	0.74 56	3.64 268	0.95 157	3.64 501	0.26 250	0.35 278	0.42 383	0.37 224	0.33 185

rvit_0105_3	1.24 120	0.93 324	2.84 176	0.97 162	0.58 152	2.38 96	1.08 326	3.26 185	2.53 372	1.18 98	1.40 120	1.24 131	1.04 135	1.73 153	0.97 159	0.44 346	0.44 392	0.40 330	0.42 383	0.42 287	0.50 336

SANet	5.65 484	1.72 440	20.94 483	1.26 313	0.88 264	7.20 501	3.81 493	4.60 477	11.23 508	4.56 480	8.78 493	7.49 489	6.95 488	11.85 482	18.11 506	0.49 385	0.44 392	0.50 393	0.42 383	0.90 438	0.82 430

FADNet	2.49 339	1.76 443	13.17 315	1.17 278	0.95 284	3.27 174	0.88 246	3.94 309	2.27 311	1.40 116	1.29 93	2.51 312	2.06 354	9.93 400	1.94 340	0.43 339	0.45 397	0.40 330	0.43 386	1.06 449	0.53 351

PS-NSSS	2.22 275	1.33 410	2.90 180	0.97 162	1.53 412	4.11 348	1.08 326	4.55 473	2.65 388	2.10 270	2.32 382	1.77 205	1.40 219	11.79 479	1.61 292	0.68 434	0.45 397	0.96 467	0.43 386	0.95 441	0.92 438

FADNet-RVC-Resample	2.83 379	2.02 454	21.07 486	1.12 249	0.91 273	3.53 218	1.37 378	4.08 352	2.09 272	1.68 155	1.33 99	2.03 256	1.51 256	9.54 386	1.69 308	0.38 291	0.37 352	0.42 347	0.44 388	0.56 361	0.56 363

DANet	2.63 361	1.07 358	8.10 261	1.83 450	1.70 446	3.25 170	1.16 344	4.31 428	2.38 344	3.40 456	2.18 345	4.08 433	1.80 327	9.77 391	3.89 430	0.52 400	0.55 430	0.59 423	0.44 388	0.63 383	0.86 432
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
SGM-ForestM	11.55 510	1.16 377	21.62 503	2.14 469	0.81 233	22.25 525	19.08 522	16.50 523	11.34 509	15.94 523	14.44 515	27.12 525	22.61 523	24.76 524	28.39 529	0.50 388	0.48 416	0.47 369	0.44 388	0.55 355	0.53 351

MDST_ROB	5.53 481	0.59 105	23.11 513	2.55 482	2.69 485	21.20 523	1.98 434	4.77 485	2.65 388	9.36 509	4.25 464	4.14 437	4.45 458	22.57 518	3.68 428	0.48 373	0.33 319	0.47 369	0.44 388	0.44 305	0.44 298

SDNR	3.97 452	1.93 449	20.28 457	1.31 335	0.94 281	5.16 487	0.67 108	4.33 434	2.58 380	4.82 484	5.94 477	5.01 471	1.45 239	17.52 515	2.53 399	0.79 444	0.72 461	0.59 423	0.45 392	1.15 462	1.17 454

GASNet	3.24 424	5.55 490	20.58 471	1.56 415	1.25 360	2.32 94	1.12 336	4.04 337	2.67 391	1.88 195	2.10 327	3.00 358	2.16 367	10.59 421	2.43 390	0.65 426	0.37 352	0.61 431	0.45 392	0.87 435	0.58 372

KYRaft	1.59 178	0.52 38	1.73 72	0.95 149	0.49 100	4.38 405	1.79 421	2.43 88	1.51 101	2.49 380	2.98 433	2.00 252	3.41 433	2.14 198	0.82 99	0.30 168	0.21 129	0.33 242	0.46 394	0.35 201	2.45 492

APVNet	3.13 417	1.25 396	21.14 488	1.31 335	1.52 411	3.94 306	1.13 339	3.32 194	2.14 287	2.20 309	2.03 309	3.05 365	1.96 348	11.79 479	2.53 399	0.42 334	0.45 397	0.64 439	0.46 394	0.67 400	0.57 367

MaskLacGwcNet_RVC	3.13 417	1.43 421	9.93 284	2.50 481	1.62 429	4.29 397	1.68 418	3.95 311	2.43 353	1.66 152	1.91 288	3.04 361	1.41 224	13.26 500	1.58 285	3.82 505	1.59 486	1.12 475	0.46 394	2.21 483	2.74 498

ISRNet	1.69 195	0.76 265	5.69 241	1.27 320	1.36 381	2.85 121	0.61 79	3.60 229	1.91 240	2.13 281	2.12 334	2.90 349	1.41 224	2.51 225	1.71 310	0.49 385	0.50 421	0.56 416	0.47 397	0.49 337	0.57 367

aanetorigin	3.30 427	1.66 437	17.52 387	1.18 284	1.58 425	2.57 109	3.80 492	2.65 121	2.03 257	6.12 494	4.30 466	2.82 345	5.70 473	5.47 303	4.67 436	0.50 388	0.44 392	0.43 351	0.47 397	1.17 464	0.92 438

stereogan	3.09 413	0.93 324	16.43 366	1.37 370	1.66 440	3.70 249	1.67 416	3.87 286	3.15 447	3.04 437	2.70 417	5.04 472	2.79 404	9.96 401	1.78 322	0.63 420	0.49 420	0.69 445	0.47 397	0.83 433	0.68 397

RTS	3.90 448	7.04 494	17.94 390	1.92 457	2.19 477	5.00 485	2.96 469	4.29 417	3.19 450	4.05 469	3.08 438	4.94 467	3.16 422	7.64 352	6.72 450	0.66 428	0.44 392	0.51 396	0.47 397	0.95 441	0.76 417

RTSA	3.90 448	7.04 494	17.94 390	1.92 457	2.19 477	5.00 485	2.96 469	4.29 417	3.19 450	4.05 469	3.08 438	4.94 467	3.16 422	7.64 352	6.72 450	0.66 428	0.44 392	0.51 396	0.47 397	0.95 441	0.76 417

dad	1.65 189	1.19 381	3.04 185	0.98 168	0.56 133	4.22 385	0.84 212	1.99 52	2.48 362	2.14 284	1.68 195	1.62 181	1.13 164	3.85 272	2.04 352	1.03 461	0.40 372	2.04 486	0.48 402	0.75 421	0.53 351

GMM-Stereo	2.45 329	0.52 38	20.38 461	0.89 105	0.82 241	4.18 375	1.91 430	2.45 90	1.48 81	2.48 379	2.30 370	1.69 192	1.86 339	2.93 251	1.08 178	0.28 109	0.18 43	0.33 242	0.48 402	0.35 201	2.41 489

ETE_ROB	2.07 259	1.40 417	3.01 184	1.09 229	0.92 274	3.94 306	1.53 399	4.25 401	2.23 301	3.31 451	2.06 322	2.35 288	1.52 258	8.74 368	2.07 358	0.44 346	0.36 339	0.51 396	0.48 402	0.54 353	0.62 383

YMNet	2.40 321	1.41 419	13.46 320	1.36 360	1.67 441	3.96 316	0.97 296	3.81 270	2.37 339	2.64 406	2.57 405	3.35 387	1.53 265	3.28 258	2.42 388	0.48 373	0.54 426	0.52 402	0.49 405	0.70 406	0.54 357

YMNet_1	2.40 321	1.41 419	13.46 320	1.36 360	1.67 441	3.96 316	0.97 296	3.81 270	2.37 339	2.64 406	2.57 405	3.35 387	1.53 265	3.28 258	2.42 388	0.48 373	0.54 426	0.52 402	0.49 405	0.70 406	0.54 357

coex-ft	18.59 521	6.62 493	113.53 540	1.17 278	1.31 367	2.33 95	1.93 431	2.81 140	14.00 513	124.82 542	8.45 489	5.90 483	51.74 535	9.99 403	22.69 517	0.57 411	0.62 446	0.50 393	0.49 405	1.08 454	1.28 458

Wz-Net-SNSev	2.98 400	4.36 483	15.98 361	1.57 416	1.19 344	3.28 178	1.80 423	3.96 316	2.40 348	2.32 350	2.28 362	3.48 396	2.05 353	7.84 357	3.82 429	0.47 369	0.39 367	0.53 406	0.49 405	0.71 415	0.60 377

WZ-Net	3.62 438	4.87 485	16.77 373	1.43 382	1.40 390	3.75 258	2.29 448	4.12 363	2.50 367	2.74 417	2.19 347	4.06 432	5.29 469	10.19 410	7.36 459	0.54 405	0.37 352	0.47 369	0.49 405	0.77 423	0.73 411

AF-Net	2.87 384	1.30 401	16.24 363	1.33 343	1.75 451	3.26 172	1.59 406	4.09 354	2.43 353	2.69 413	2.94 431	4.51 453	3.20 425	5.84 312	2.75 410	0.76 442	0.36 339	0.72 452	0.49 405	0.70 406	0.56 363

TCMNet	2.98 400	1.30 401	18.26 395	1.47 394	2.09 474	3.84 277	1.08 326	3.96 316	2.39 347	2.53 386	2.29 365	2.43 301	1.75 317	10.09 408	2.39 383	0.52 400	0.45 397	0.61 431	0.50 411	0.80 429	0.78 421

AIO-Stereo-zeroshot	2.35 313	0.99 340	19.62 426	1.09 229	0.96 285	1.51 50	0.44 31	4.05 341	1.64 176	1.31 104	1.67 192	4.93 466	2.45 387	2.52 230	1.40 245	0.30 168	0.20 98	0.31 187	0.50 411	0.57 365	0.60 377

G-Net	4.11 456	1.21 384	19.47 423	2.31 478	2.94 490	4.74 477	2.95 468	3.33 197	2.14 287	4.44 479	9.43 496	6.93 488	3.84 445	9.01 375	4.92 443	0.79 444	0.80 467	0.70 447	0.50 411	0.95 441	0.87 435

WCMA_ROB	5.12 474	0.90 313	21.33 494	1.50 401	1.33 375	4.09 342	3.49 483	4.03 333	4.59 487	6.57 497	10.95 502	12.92 503	8.41 501	9.86 396	8.78 467	0.75 441	0.58 438	0.51 396	0.50 411	0.68 403	0.57 367

psmorigin	6.59 492	1.15 374	88.11 538	1.52 404	0.97 289	2.88 124	1.20 355	3.21 176	2.04 261	3.73 462	2.46 390	5.15 476	2.55 393	10.60 422	2.47 394	0.55 407	0.68 457	0.48 377	0.51 415	0.70 406	0.88 436

STTStereo	2.34 308	0.95 332	14.93 350	1.43 382	1.54 413	3.86 286	0.86 224	3.65 237	2.44 357	2.15 292	1.55 158	2.49 311	1.59 273	5.14 296	1.44 254	0.38 291	0.39 367	0.47 369	0.51 415	0.52 344	0.51 344

CBMV_ROB	3.62 438	0.70 214	21.42 498	1.21 296	0.89 269	4.43 418	1.76 420	4.39 449	2.79 405	5.88 491	3.38 450	4.18 439	5.12 466	10.75 427	2.32 380	0.56 409	0.55 430	0.53 406	0.51 415	0.55 355	0.46 314

FAT-Stereo	3.34 430	0.81 285	20.05 441	1.25 307	1.20 349	3.44 196	1.99 435	4.23 391	2.67 391	3.14 444	3.82 460	3.51 405	3.32 430	11.68 474	1.94 340	0.64 423	0.67 454	0.48 377	0.52 418	0.61 378	0.81 426

CSAN	4.71 468	1.39 416	20.23 451	1.19 286	0.87 261	3.65 244	3.50 484	4.57 475	3.87 476	3.89 465	7.82 483	3.54 410	6.16 481	23.47 523	6.82 453	0.52 400	0.45 397	0.49 390	0.52 418	0.63 383	0.66 393

NOSS_ROB	2.27 285	0.73 240	3.00 183	1.71 434	1.00 303	3.90 293	0.97 296	4.29 417	2.81 415	2.94 433	2.19 347	3.88 422	1.19 185	11.77 478	1.62 297	0.59 414	0.54 426	0.56 416	0.52 418	0.56 361	0.54 357

LALA_ROB	1.95 237	1.48 425	3.11 187	1.05 207	0.98 293	3.99 324	1.82 425	4.44 457	2.28 314	3.31 451	1.85 269	2.76 341	1.67 302	4.04 280	3.23 422	0.46 360	0.41 379	0.55 414	0.52 418	0.60 373	0.57 367

ADCP+	3.74 444	1.96 451	16.90 374	1.09 229	1.55 417	4.35 403	3.65 490	3.93 306	2.98 432	2.22 320	1.66 191	3.95 424	4.83 463	3.41 261	18.87 512	0.38 291	0.41 379	0.63 436	0.53 422	0.64 390	0.81 426

NCCL2	2.53 346	1.35 411	10.90 299	1.15 270	0.97 289	3.53 218	2.56 457	3.65 237	2.23 301	2.76 418	1.80 238	2.41 295	1.66 300	10.35 415	2.07 358	0.44 346	0.40 372	0.57 419	0.53 422	0.59 369	0.65 392

Wz-Net-TNSev	3.67 440	8.83 500	13.47 322	1.48 397	1.18 337	3.60 233	2.49 454	4.27 409	3.13 443	2.18 303	1.89 282	4.21 443	2.80 405	12.10 487	7.58 461	0.57 411	0.55 430	0.47 369	0.54 424	0.91 439	1.05 447

edge stereo	3.37 432	1.01 344	21.99 507	1.28 321	1.37 383	2.67 114	1.39 381	3.98 320	2.87 420	2.93 429	3.27 448	4.35 447	2.43 385	11.62 466	2.39 383	0.60 415	0.63 448	0.79 458	0.55 425	0.68 403	0.67 394

SHD	2.82 378	2.04 455	13.80 330	1.69 430	1.79 456	2.73 116	1.07 321	3.85 280	3.18 449	4.63 481	2.74 418	3.38 392	2.77 403	5.48 304	3.66 427	0.62 419	0.47 410	0.51 396	0.55 425	0.65 393	0.74 412

FC-DCNN v2	6.91 498	0.77 268	19.25 415	1.69 430	1.64 433	9.13 508	2.40 451	7.20 504	9.47 507	11.07 518	11.62 506	20.05 515	15.79 511	12.55 496	11.99 483	0.66 428	0.57 433	0.58 420	0.56 427	0.63 383	0.61 380

XQC	2.96 394	2.42 462	14.85 345	1.36 360	1.32 372	3.29 182	1.53 399	4.28 414	2.78 403	3.21 448	2.46 390	3.53 407	2.92 410	6.58 328	4.67 436	0.70 438	0.41 379	0.59 423	0.56 427	0.96 445	0.83 431

FC-DCNN	6.64 493	0.77 268	19.26 417	1.68 429	1.64 433	8.27 506	2.35 450	6.35 502	9.23 506	10.85 516	11.27 504	19.89 513	13.33 507	12.51 495	11.79 482	0.66 428	0.57 433	0.58 420	0.56 427	0.63 383	0.61 380

RP	2.79 376	1.20 383	10.36 290	1.54 408	1.93 465	3.44 196	1.97 433	4.05 341	2.34 328	2.66 411	2.79 423	3.98 427	2.58 395	10.21 411	2.61 404	0.95 457	0.47 410	0.71 448	0.57 430	0.71 415	0.68 397

FADNet_RVC	2.65 363	2.28 461	16.51 368	0.98 168	0.92 274	4.09 342	0.83 209	4.26 408	1.73 202	1.46 122	1.78 232	1.60 178	1.50 253	8.88 370	2.39 383	0.47 369	0.38 358	0.44 355	0.58 431	0.89 436	0.97 442

MeshStereo	5.35 478	1.32 407	21.34 495	1.34 350	1.15 331	4.40 412	3.90 494	5.18 491	4.55 485	10.14 514	11.82 507	11.47 498	5.84 475	13.84 509	7.03 457	0.61 417	0.58 438	0.60 428	0.58 431	0.72 418	0.59 376
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
rvit_105_1	1.43 157	0.90 313	3.27 194	1.08 223	0.68 194	2.79 117	1.27 363	3.52 217	2.35 330	1.38 114	1.54 154	1.28 135	1.14 170	2.91 249	1.40 245	0.54 405	0.47 410	0.45 361	0.59 433	0.44 305	0.58 372

PDISCO_ROB	2.86 381	1.53 429	14.27 339	1.98 463	2.19 477	4.52 436	1.35 371	4.65 479	3.19 450	2.09 267	2.16 340	3.53 407	2.45 387	5.32 298	2.12 362	1.30 478	0.78 466	0.72 452	0.59 433	1.24 468	1.28 458

EAI-Stereo	2.35 313	0.63 150	2.97 181	0.95 149	0.65 176	3.84 277	14.27 516	5.04 489	2.19 295	2.06 263	7.25 479	1.10 107	0.94 112	1.65 141	1.37 243	0.31 187	0.22 158	0.27 96	0.60 435	0.27 52	0.32 171

FCDSN-DC	6.04 489	0.84 299	19.25 415	1.24 305	1.09 321	4.38 405	2.62 459	4.38 447	4.71 488	9.59 512	11.22 503	19.19 512	17.40 514	12.30 489	8.55 466	0.69 437	0.57 433	0.60 428	0.60 435	0.70 406	0.78 421
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PSMNet_ROB	2.95 391	1.38 414	18.46 402	1.19 286	1.20 349	3.80 268	1.65 414	3.54 222	2.35 330	1.98 226	1.71 205	2.75 335	1.79 322	11.43 459	2.78 411	0.42 334	0.36 339	0.50 393	0.60 435	0.59 369	0.49 329

HBP-ISP	3.25 426	1.10 364	20.86 478	1.54 408	1.15 331	4.50 431	2.89 467	4.43 456	2.38 344	4.14 472	1.96 294	1.90 234	2.04 352	11.08 446	1.32 234	0.66 428	0.57 433	0.66 442	0.61 438	0.64 390	0.61 380

AIO-Stereo-zeroshot1	2.68 370	1.26 397	22.01 508	1.08 223	0.99 296	1.61 56	0.86 224	3.69 249	1.64 176	1.52 128	5.62 476	3.35 387	3.44 437	2.20 206	1.33 238	0.26 57	0.21 129	0.30 166	0.62 439	0.93 440	0.67 394

ADCRef	3.30 427	1.23 394	14.90 348	1.17 278	1.41 397	3.95 311	1.64 411	3.88 289	2.36 333	3.05 439	2.21 351	2.40 293	2.81 406	5.04 293	16.63 499	0.46 360	0.34 331	0.63 436	0.62 439	0.54 353	0.67 394

PA-Net	3.09 413	1.24 395	18.84 407	1.38 372	1.19 344	3.42 194	1.75 419	3.89 291	3.27 461	1.88 195	2.10 327	3.03 360	1.88 343	11.60 464	2.88 414	0.40 309	0.54 426	0.44 355	0.62 439	0.52 344	1.02 445
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ccnet	2.66 365	0.97 339	8.01 260	1.54 408	1.24 357	3.75 258	2.18 445	4.07 348	2.41 350	2.66 411	3.25 446	2.87 348	2.31 378	9.89 397	3.50 424	0.78 443	0.75 464	0.71 448	0.67 442	0.76 422	0.81 426

Nwc_Net	2.88 386	1.16 377	18.30 397	1.35 354	1.68 444	3.52 217	1.18 348	3.90 296	2.06 266	2.52 385	2.82 428	3.82 420	2.34 379	6.78 337	2.55 402	0.86 453	0.40 372	0.59 423	0.67 442	0.57 365	0.55 361

AnyNet_C01	4.37 462	7.80 496	16.40 365	1.98 463	1.40 390	6.37 496	6.47 503	4.09 354	5.03 493	4.06 471	3.78 458	4.16 438	3.31 429	6.62 330	10.00 471	0.61 417	0.67 454	0.63 436	0.67 442	2.01 480	1.31 460

SAMSARA	3.55 436	2.16 458	14.18 337	1.86 454	1.49 406	4.62 452	2.65 460	3.58 228	2.80 409	7.05 499	3.05 437	5.16 477	4.07 450	9.18 379	4.80 440	0.64 423	0.67 454	0.59 423	0.68 445	0.89 436	0.91 437

MSMD_ROB	5.61 482	1.08 360	16.68 370	1.21 296	0.83 243	10.14 509	2.07 440	3.93 306	6.22 501	10.37 515	8.03 485	22.22 517	9.45 503	11.66 472	4.52 435	0.66 428	0.58 438	0.66 442	0.68 445	0.65 393	0.63 387

ADCS	4.22 460	5.33 487	16.32 364	1.64 425	1.31 367	3.91 294	3.64 489	4.21 384	2.89 421	5.11 485	2.81 427	4.46 451	3.06 420	5.21 297	19.50 513	0.63 420	0.64 449	0.69 445	0.69 447	1.12 457	1.26 457

BEATNet-Init1	49.72 535	64.32 538	97.77 539	4.68 515	4.28 511	84.75 540	60.42 534	73.38 539	68.59 535	88.29 539	88.51 541	91.94 540	97.99 541	85.26 542	70.96 541	0.80 446	0.65 450	0.85 463	0.70 448	7.96 521	2.33 487

STTRV1_RVC	3.52 435	1.03 350	20.87 480	1.47 394	1.47 403	3.23 163	1.55 403	4.06 345	3.22 455	1.95 218	3.50 454	2.63 324	2.07 356	11.96 486	2.21 372	1.86 483	4.03 517	0.81 461	0.73 449	1.06 449	0.70 403

AnyNet_C32	4.17 458	5.75 491	12.62 312	1.60 420	1.54 413	5.51 491	4.09 496	3.90 296	3.23 456	4.22 477	3.03 436	3.10 366	3.41 433	8.01 359	18.85 511	0.53 403	0.58 438	0.53 406	0.74 450	1.19 466	0.97 442

GANetREF_RVC	3.20 423	1.93 449	18.84 407	1.51 403	0.80 230	4.12 350	1.82 425	4.16 374	2.91 423	1.87 192	1.74 212	2.48 309	1.84 334	13.18 499	1.74 317	0.80 446	0.57 433	0.79 458	0.74 450	1.20 467	0.86 432
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
S-Stereo	3.48 434	0.91 318	22.06 509	1.36 360	1.50 408	3.55 223	2.53 456	4.21 384	2.81 415	2.37 363	3.81 459	3.75 416	1.84 334	11.90 484	2.51 397	0.63 420	0.71 460	0.48 377	0.76 452	0.67 400	1.19 456

ELAS_RVC	5.72 485	1.64 436	20.40 462	2.09 468	2.01 469	4.95 484	11.47 512	4.66 480	6.31 503	8.09 505	8.01 484	8.06 494	11.65 505	8.36 361	10.22 472	0.99 460	1.17 476	0.81 461	0.76 452	1.14 459	1.58 471
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
LCNet	1.55 166	0.54 59	1.88 86	0.99 174	0.55 129	3.60 233	1.21 358	2.86 144	1.53 117	2.18 303	1.74 212	1.43 159	4.17 452	3.62 266	0.87 121	0.29 129	0.20 98	0.28 125	0.77 454	0.47 328	1.85 478

PVD	3.12 416	1.97 452	12.80 314	1.79 447	1.63 431	3.83 272	1.34 370	3.48 207	3.88 477	5.77 489	3.56 455	3.45 395	3.29 428	5.58 308	5.30 446	0.71 440	0.69 458	0.74 456	0.77 454	0.79 427	1.13 453

ADCL	4.35 461	1.63 433	14.21 338	1.29 324	1.26 362	5.56 492	11.16 510	3.97 318	3.37 464	6.07 492	4.67 468	4.30 446	5.72 474	5.08 295	14.51 489	0.50 388	0.48 416	0.89 465	0.77 454	0.78 425	0.76 417

DeepPrunerF	3.70 441	1.72 440	14.87 346	1.33 343	1.74 450	3.70 249	1.55 403	4.20 379	14.00 513	2.02 250	1.77 229	2.74 333	2.30 375	10.88 433	6.88 455	0.68 434	0.60 443	0.78 457	0.78 457	0.81 430	0.71 404

RGC	3.10 415	1.45 423	14.90 348	1.46 391	1.79 456	3.33 184	1.39 381	4.04 337	2.26 309	2.77 419	3.26 447	4.00 428	2.71 401	11.63 471	2.62 406	0.82 449	0.46 406	0.79 458	0.79 458	0.71 415	0.78 421

LSM	12.71 515	3.52 479	20.79 476	55.63 536	84.76 535	3.63 243	6.30 502	3.73 257	4.93 492	5.55 488	13.92 513	3.53 407	3.25 427	9.72 390	4.12 431	0.64 423	0.85 468	0.71 448	0.81 459	1.03 447	26.84 529

EDNetEfficientorigin	12.35 514	2.51 463	179.47 543	1.19 286	0.96 285	2.91 128	1.81 424	3.00 154	5.35 495	8.91 507	4.79 469	4.18 439	4.64 461	9.98 402	11.30 477	0.37 274	0.38 358	0.60 428	0.85 460	1.32 471	2.43 491

NCC-stereo	3.16 421	1.28 399	18.31 398	1.25 307	1.75 451	4.06 335	1.40 383	3.89 291	2.22 299	2.72 415	2.55 401	3.49 402	2.65 398	9.91 398	2.99 416	1.29 476	0.65 450	0.64 439	0.86 461	0.65 393	0.71 404

Abc-Net	3.16 421	1.28 399	18.31 398	1.25 307	1.75 451	4.06 335	1.40 383	3.89 291	2.22 299	2.72 415	2.55 401	3.49 402	2.65 398	9.91 398	2.99 416	1.29 476	0.65 450	0.64 439	0.86 461	0.65 393	0.71 404
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MFMNet_re	2.91 387	1.91 448	18.25 394	3.06 491	1.89 463	3.13 153	1.67 416	3.52 217	2.97 429	3.14 444	2.87 430	2.26 275	2.41 383	2.42 216	2.00 348	1.10 463	1.05 473	0.94 466	0.90 463	1.28 469	1.46 470

FBW_ROB	3.24 424	1.02 345	9.21 278	1.49 400	1.07 316	3.78 263	1.48 392	4.31 428	3.08 440	2.46 376	2.32 382	4.20 442	2.08 357	15.19 513	7.16 458	0.84 452	0.62 446	1.33 480	0.92 464	0.99 446	1.31 460

MADNet+	3.97 452	9.54 509	13.83 331	1.87 455	1.69 445	4.19 379	2.87 466	4.80 486	4.10 483	2.51 383	2.67 414	4.55 456	3.41 433	8.72 367	6.92 456	1.25 473	1.27 481	1.04 470	0.93 465	1.39 473	1.85 478

ELAS	5.99 488	1.62 431	20.29 458	1.96 462	2.01 469	15.09 518	8.38 509	5.23 492	5.54 497	9.02 508	8.61 490	6.74 486	9.75 504	7.48 348	11.40 479	0.96 458	1.18 477	0.72 452	0.93 465	1.30 470	1.67 473
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PSMNet-RUCA	1.64 188	1.50 427	2.57 157	1.50 401	1.38 386	3.05 143	1.36 373	3.31 189	2.24 303	1.36 109	2.07 323	1.40 155	1.09 152	1.83 167	1.55 281	1.15 466	0.69 458	1.26 478	0.96 467	1.64 477	0.94 440

GCST	2.56 353	1.79 445	18.02 392	1.92 457	1.33 375	1.72 60	0.51 48	3.67 242	2.03 257	1.70 160	1.61 176	1.55 172	1.29 199	5.06 294	1.24 215	2.06 485	0.77 465	1.45 482	0.97 468	1.14 459	1.34 463

UDGNet	1.40 154	1.52 428	2.22 128	1.38 372	0.62 164	4.39 408	0.68 113	1.80 39	2.18 294	1.34 106	1.18 65	0.99 93	1.00 126	2.16 200	1.19 200	1.09 462	0.34 331	1.30 479	0.98 469	1.10 455	0.58 372

EDNetEfficient	5.61 482	2.14 457	16.75 372	1.67 428	3.64 501	4.12 350	7.51 505	3.05 160	5.63 499	11.57 519	4.83 470	3.95 424	12.72 506	8.44 364	20.78 516	0.41 323	0.43 387	0.47 369	1.01 470	1.66 478	1.39 467

PASM	2.67 367	2.05 456	9.71 280	1.73 437	1.37 383	2.53 107	1.52 397	3.10 165	2.17 292	2.79 421	1.84 262	2.90 349	1.85 338	11.89 483	2.19 370	0.81 448	0.85 468	0.87 464	1.01 470	1.14 459	1.05 447

SPS-STEREO	3.97 452	1.44 422	20.85 477	1.72 436	1.71 447	3.24 167	2.30 449	3.55 224	2.68 393	4.79 483	3.66 456	5.44 481	2.97 411	9.11 376	9.35 469	1.15 466	1.10 475	1.06 472	1.02 472	1.16 463	1.18 455
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
CC-Net-ROB	3.35 431	1.76 443	13.89 332	2.33 479	1.65 437	4.49 428	1.62 408	4.73 483	2.90 422	1.92 209	2.05 318	1.99 251	1.61 278	12.57 497	1.60 289	2.46 488	2.18 495	2.68 497	1.04 473	2.11 482	1.38 466

anonymity	1.76 206	1.26 397	2.73 173	1.66 427	1.32 372	1.84 65	1.07 321	3.49 210	2.30 318	2.11 274	2.11 331	1.71 196	3.90 447	1.82 166	1.48 266	1.10 463	1.09 474	1.08 473	1.08 474	1.05 448	1.09 450

SQANet	3.70 441	9.34 508	18.41 400	2.75 485	2.74 486	3.40 191	1.47 391	3.50 213	1.68 186	2.60 399	1.75 216	2.69 327	1.91 345	6.72 336	1.74 317	2.96 491	1.41 484	1.85 485	1.12 475	3.17 488	2.70 497

Consistency-Raft	2.86 381	1.66 437	19.61 425	1.40 377	1.75 451	3.84 277	1.32 368	4.07 348	2.25 306	1.78 175	2.67 414	1.82 222	4.41 457	1.94 180	2.06 355	0.83 451	0.94 471	1.03 469	1.12 475	1.70 479	1.09 450

SGM+DAISY	8.36 503	3.82 480	24.83 519	2.02 465	1.75 451	14.80 517	17.22 519	4.27 409	11.79 511	13.88 520	14.38 514	11.74 501	13.83 508	10.56 420	15.12 490	1.21 468	1.19 479	1.14 476	1.13 477	1.17 464	1.37 464

otaku	4.58 466	8.93 503	19.95 438	3.11 492	2.67 484	3.91 294	2.57 458	3.82 273	2.25 306	2.22 320	9.72 498	4.08 433	2.35 380	8.57 365	2.13 365	3.51 499	1.65 488	2.15 489	1.17 478	3.69 495	3.15 501

ADCMid	3.96 451	3.27 476	15.48 358	1.26 313	1.40 390	4.66 458	2.28 447	4.06 345	3.54 469	3.94 466	3.02 435	3.85 421	3.67 442	4.03 279	18.65 510	0.68 434	0.61 445	1.09 474	1.18 479	1.38 472	1.08 449

MSC_U_SF_DS_RVC	4.48 463	10.62 512	15.18 356	1.55 413	1.45 402	6.16 494	3.54 487	5.41 499	3.68 474	2.59 398	2.74 418	4.81 464	2.20 372	13.79 508	4.40 433	2.04 484	3.36 515	1.05 471	1.20 480	2.09 481	1.72 475

CREStereo++_RVC	1.02 78	0.49 26	1.54 59	0.83 66	0.55 129	4.01 327	0.31 4	1.63 26	1.99 249	1.63 144	2.13 336	0.84 64	0.65 36	0.88 6	0.70 59	0.27 72	0.15 3	0.23 15	1.22 481	0.24 16	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
Ntro	4.21 459	8.94 504	19.89 436	3.22 493	2.96 491	4.15 357	1.89 429	3.92 305	2.36 333	1.77 173	2.14 337	3.35 387	2.17 369	9.48 385	2.24 374	3.52 500	1.76 489	2.13 488	1.31 482	3.83 498	3.09 499

MFN_U_SF_RVC	3.81 446	10.78 513	15.01 351	1.84 451	1.39 388	3.73 256	1.63 409	4.05 341	3.26 458	2.91 427	2.38 386	4.36 449	3.65 441	8.43 363	4.91 442	1.11 465	1.04 472	0.99 468	1.31 482	1.58 475	1.75 477

JetBlue	6.27 491	9.15 506	13.76 325	1.94 461	4.60 514	11.91 511	12.00 513	5.12 490	3.45 468	3.79 463	4.52 467	9.54 496	6.56 487	9.40 383	13.48 487	1.26 474	1.37 483	1.17 477	1.34 484	7.06 518	3.95 513

WAO-7	5.16 475	3.21 474	18.98 411	1.88 456	1.44 399	5.34 489	3.09 476	4.91 488	5.81 500	4.35 478	8.92 495	6.55 485	6.06 478	13.40 503	10.81 475	1.34 480	1.20 480	1.48 483	1.35 485	1.60 476	1.45 468

PWCK	5.85 486	9.95 510	15.22 357	2.90 488	1.56 420	5.66 493	7.69 506	5.27 493	4.74 490	3.88 464	7.51 481	8.04 492	5.28 468	15.18 512	8.40 465	3.08 494	1.51 485	2.24 490	1.37 486	5.55 511	1.96 481

NVStereoNet_ROB	4.91 473	1.40 417	16.46 367	1.47 394	1.72 449	3.46 201	1.96 432	3.89 291	3.61 471	2.90 426	24.61 523	4.81 464	4.49 459	13.57 505	4.87 441	1.33 479	1.29 482	1.70 484	1.68 487	1.41 474	1.66 472
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ACVNet_2	5.41 479	12.60 516	20.42 464	3.27 494	3.15 497	4.50 431	3.02 472	4.66 480	3.73 475	3.35 455	5.36 473	7.86 491	2.88 407	12.33 491	4.76 439	3.12 495	2.22 497	2.70 498	1.69 488	3.49 491	3.10 500

AnonymousM	1.22 114	1.32 407	0.97 1	0.88 101	0.56 133	4.03 331	0.69 118	2.41 83	1.68 186	1.48 124	1.31 97	1.15 113	1.00 126	1.18 56	0.73 69	0.32 207	0.40 372	2.07 487	1.70 489	0.24 16	0.22 30

ADCPNet	3.89 447	1.63 433	20.25 455	1.28 321	1.27 363	6.43 497	2.65 460	3.93 306	2.70 394	2.78 420	2.20 349	4.28 445	6.16 481	5.56 306	10.27 473	0.65 426	1.18 477	0.71 448	1.70 489	0.84 434	1.37 464

RainbowNet	4.56 464	8.28 497	20.07 444	3.64 501	3.23 499	4.15 357	2.99 471	4.18 375	3.03 437	2.20 309	2.65 412	4.26 444	2.90 409	9.77 391	2.12 362	3.88 506	2.27 499	2.71 499	1.72 491	3.78 497	3.31 506

ACVNet-4b	6.73 494	13.67 520	21.87 506	3.54 498	3.07 493	4.19 379	2.25 446	4.03 333	3.65 472	1.64 147	3.98 463	5.88 482	2.89 408	10.01 404	16.98 501	23.29 530	2.24 498	2.53 492	1.78 492	3.87 499	3.21 504

ACVNet_1	6.04 489	13.97 522	21.36 496	3.58 499	3.14 496	4.73 474	2.48 453	4.20 379	3.17 448	2.98 435	2.83 429	23.31 518	4.34 456	11.06 443	2.45 392	3.68 502	2.33 501	2.60 494	1.79 493	3.69 495	3.19 503

MFN_U_SF_DS_RVC	3.94 450	10.88 514	12.30 311	1.26 313	1.55 417	5.19 488	3.33 480	4.42 453	2.82 417	2.58 395	2.62 409	5.00 470	2.11 359	14.03 511	2.73 408	1.28 475	2.34 502	0.67 444	1.83 494	0.81 430	1.03 446

WAO-6	5.87 487	2.27 459	15.05 352	2.96 489	2.77 487	12.01 512	3.58 488	5.37 498	11.91 512	3.34 453	9.69 497	6.78 487	5.84 475	11.82 481	8.89 468	2.87 490	2.35 503	2.50 491	1.84 495	2.85 487	2.67 494

Dean	7.52 500	9.08 505	21.41 497	3.74 502	3.53 500	4.81 481	3.53 485	5.33 497	5.25 494	4.17 473	26.53 524	25.62 524	4.09 451	10.97 437	4.32 432	3.69 503	2.30 500	2.91 500	1.87 496	4.03 500	3.24 505

LVE	6.88 497	9.31 507	21.14 488	3.61 500	3.18 498	4.49 428	2.79 462	10.21 509	11.69 510	3.16 447	11.53 505	18.33 510	4.31 455	11.66 472	3.52 425	4.45 513	2.93 507	2.56 493	1.91 497	3.62 492	3.16 502

WAO-8	11.95 511	13.02 517	20.56 469	3.50 495	3.08 494	15.11 519	2.80 463	12.91 514	19.11 522	7.69 501	13.12 509	11.62 499	7.01 491	84.40 540	7.91 462	3.42 497	1.92 492	3.54 510	1.93 498	3.68 493	2.69 495

Venus	11.95 511	13.02 517	20.56 469	3.50 495	3.08 494	15.11 519	2.80 463	12.91 514	19.11 522	7.69 501	13.12 509	11.62 499	7.01 491	84.40 540	7.91 462	3.42 497	1.92 492	3.54 510	1.93 498	3.68 493	2.69 495

DualNet (step1)	2.34 308	1.05 352	7.87 256	1.07 215	0.86 256	3.93 301	1.19 351	4.35 438	2.11 282	2.14 284	1.75 216	1.75 200	1.67 302	6.26 323	1.26 221	1.23 470	0.48 416	4.27 514	2.09 500	0.70 406	0.69 399

test_sample9	3.79 445	1.05 352	7.87 256	1.07 215	0.86 256	3.93 301	1.19 351	4.35 438	2.11 282	2.14 284	1.75 216	1.75 200	1.67 302	11.06 443	11.61 480	1.23 470	14.45 528	4.27 514	2.09 500	0.70 406	0.69 399

test_sample8	4.76 469	1.05 352	7.87 256	1.07 215	0.86 256	3.93 301	1.19 351	4.38 447	2.05 264	5.49 487	1.89 282	12.98 504	6.37 483	11.06 443	11.61 480	1.23 470	14.45 528	4.27 514	2.09 500	0.70 406	0.69 399

IMH-64-1	4.84 471	2.53 465	6.83 247	4.30 509	3.74 503	4.81 481	6.05 500	5.30 494	3.92 478	3.95 467	8.33 487	5.08 474	6.06 478	8.96 373	6.30 447	4.57 515	2.96 509	3.04 501	2.12 503	4.28 502	3.62 509

IMH-64	4.84 471	2.53 465	6.83 247	4.30 509	3.74 503	4.81 481	6.05 500	5.30 494	3.92 478	3.95 467	8.33 487	5.08 474	6.06 478	8.96 373	6.30 447	4.57 515	2.96 509	3.04 501	2.12 503	4.28 502	3.62 509

IMH	6.81 496	13.66 519	20.41 463	4.33 511	3.74 503	5.50 490	3.06 474	5.49 500	6.22 501	4.64 482	10.35 500	9.30 495	8.03 499	13.61 506	6.81 452	4.80 518	2.99 512	3.09 503	2.12 503	4.36 504	3.61 508

DDUNet	2.91 387	2.78 471	6.94 250	3.53 497	2.26 481	3.28 178	1.36 373	3.77 263	2.04 261	2.62 402	2.49 394	4.18 439	1.69 307	5.38 300	1.85 329	2.21 487	1.77 490	2.61 495	2.43 506	2.60 485	2.34 488

TorneroNet-64	10.12 505	8.74 499	20.95 484	4.27 507	3.76 506	13.86 516	2.85 465	15.05 519	23.15 525	10.07 513	23.84 522	13.47 505	8.24 500	13.96 510	17.21 503	3.96 508	2.72 504	3.23 505	2.48 507	6.29 512	4.27 516

UDG	3.55 436	2.81 472	17.45 384	2.69 484	1.98 467	3.97 321	1.19 351	4.35 438	2.02 255	2.42 372	2.53 400	4.50 452	2.46 389	6.53 327	2.41 387	2.12 486	1.77 490	2.63 496	2.57 508	2.64 486	1.95 480

ktn	21.74 524	10.34 511	19.68 428	4.53 513	4.00 508	6.53 498	4.51 498	6.79 503	78.82 538	84.69 538	100.86 542	58.49 535	7.57 495	12.11 488	13.35 486	4.58 517	3.24 514	3.49 507	2.62 509	4.65 507	3.84 512

TorneroNet	25.88 526	11.28 515	21.62 503	4.20 506	4.07 509	55.25 535	3.15 477	15.16 520	76.94 537	58.09 533	82.72 539	86.88 539	41.15 530	13.35 502	18.13 507	4.32 509	2.85 505	3.45 506	2.62 509	8.33 523	4.14 515

notaker	10.50 508	8.60 498	20.23 451	4.54 514	3.95 507	6.27 495	3.44 481	8.07 507	4.75 491	8.73 506	46.45 529	13.86 508	27.86 524	13.49 504	13.61 488	4.56 514	3.18 513	3.52 509	2.68 511	8.13 522	4.05 514

DispFullNet	4.64 467	3.48 478	23.95 518	3.99 503	3.03 492	3.35 185	1.06 319	4.18 375	2.80 409	6.33 496	2.94 431	4.04 431	7.81 496	3.92 277	5.16 444	2.75 489	1.61 487	3.10 504	2.68 511	3.32 490	3.31 506

KSHMR	16.96 519	5.37 488	21.64 505	4.46 512	4.50 512	8.30 507	3.32 479	15.58 522	76.24 536	6.62 498	61.47 534	56.53 534	5.43 471	35.17 530	11.37 478	4.39 511	2.97 511	3.63 512	2.74 513	5.10 509	4.34 517

UNDER WATER-64	9.33 504	5.37 488	22.60 511	5.22 518	4.86 515	10.75 510	4.61 499	11.45 510	17.30 517	7.59 500	9.80 499	15.99 509	17.90 516	10.63 423	15.72 493	4.36 510	2.87 506	4.39 517	2.86 514	7.01 517	5.36 520

UNDER WATER	10.47 506	3.95 482	22.62 512	5.07 517	4.51 513	7.78 505	3.77 491	12.56 513	21.72 524	7.84 503	10.78 501	23.96 520	31.66 525	10.78 430	16.19 497	4.44 512	2.93 507	4.24 513	2.86 514	6.33 514	5.47 521

JetRed	10.48 507	27.10 528	35.70 525	4.27 507	4.09 510	15.55 521	12.83 515	12.16 511	5.50 496	5.83 490	5.56 475	10.14 497	7.43 493	8.88 370	26.39 524	3.32 496	3.81 516	3.51 508	2.96 516	7.85 520	6.69 523

MANE	11.39 509	1.38 414	23.16 514	4.82 516	2.79 488	22.02 524	14.51 517	25.81 525	26.28 526	10.93 517	13.17 512	19.90 514	18.03 517	15.69 514	20.41 515	0.96 458	0.74 463	1.42 481	3.24 517	0.74 419	1.71 474

TCMNet-wrong-test	12.32 513	14.13 523	19.38 420	22.38 526	19.85 522	15.99 522	12.34 514	22.95 524	4.56 486	6.24 495	6.27 478	18.40 511	15.71 510	10.10 409	10.72 474	9.06 521	4.78 518	5.35 518	3.95 518	12.28 525	11.97 524

DGSMNet	7.55 501	1.62 431	17.42 383	1.92 457	12.73 518	7.45 504	42.99 533	4.13 364	2.07 268	2.10 270	3.16 444	3.42 393	1.70 309	9.24 380	2.30 378	3.70 504	10.89 526	11.80 528	5.54 519	4.24 501	2.66 493

MADNet++	7.57 502	5.80 492	13.28 317	6.38 519	5.26 516	7.18 500	7.77 507	5.32 496	5.62 498	6.11 493	7.78 482	6.02 484	8.01 498	11.74 477	16.36 498	9.36 522	4.95 520	8.57 523	5.66 520	4.83 508	5.34 519

PML	64.32 537	53.22 536	17.88 389	8.10 521	32.94 527	148.46 543	247.79 544	12.18 512	45.42 533	111.41 540	288.92 544	101.47 542	101.31 542	31.67 526	15.55 491	14.03 526	4.83 519	10.98 525	6.18 521	28.82 529	5.17 518

tt	7.19 499	0.51 32	6.83 247	4.03 504	2.30 482	12.05 513	20.19 524	15.46 521	6.58 504	3.42 457	3.22 445	5.37 479	6.39 486	4.20 284	7.46 460	9.81 523	11.53 527	7.05 521	7.46 522	6.31 513	3.71 511

DGTPSM_ROB	15.31 517	8.85 501	28.14 523	9.90 523	18.89 520	12.44 514	33.21 527	13.48 516	17.86 520	9.50 510	22.89 520	13.78 506	19.67 518	21.26 516	23.68 518	5.08 519	8.84 521	5.62 519	11.50 523	6.72 515	14.87 525

DPSM_ROB	20.78 522	20.03 526	26.57 521	23.62 528	22.46 523	31.10 527	39.97 531	33.52 530	17.41 518	15.25 521	15.80 517	24.06 521	20.71 521	23.30 521	27.62 526	10.78 524	9.41 524	11.69 526	11.50 523	14.49 526	16.36 527

DPSM	20.78 522	20.03 526	26.57 521	23.62 528	22.46 523	31.10 527	39.97 531	33.52 530	17.41 518	15.25 521	15.80 517	24.06 521	20.71 521	23.30 521	27.62 526	10.78 524	9.41 524	11.69 526	11.50 523	14.49 526	16.36 527

DPSMNet_ROB	15.52 518	8.89 502	31.44 524	10.07 524	18.91 521	12.44 514	33.22 528	13.51 517	17.94 521	9.58 511	22.91 521	13.79 507	19.67 518	21.43 517	23.73 519	5.17 520	8.84 521	5.63 520	11.52 526	6.79 516	14.90 526

Anonymous_2	3.01 406	0.89 311	4.53 227	1.06 213	1.18 337	2.93 133	0.87 242	3.24 182	1.46 69	1.86 190	1.35 107	4.11 435	2.35 380	1.64 139	1.28 228	0.82 449	0.90 470	8.71 524	15.84 527	4.44 505	0.74 412

LSM0	49.58 534	40.04 530	53.62 537	97.15 537	128.68 539	62.75 538	79.89 538	67.63 538	35.11 529	33.02 527	32.61 528	48.43 533	41.60 531	46.60 536	55.43 536	21.63 529	18.99 532	23.62 531	23.13 528	29.47 532	52.26 538

Selective-RAFT-Error	41.77 529	40.16 531	53.34 535	47.73 534	45.25 532	62.51 536	80.64 539	67.22 536	34.93 528	30.64 526	31.81 526	48.11 531	42.11 533	46.57 535	54.95 535	21.61 528	18.87 530	23.48 529	23.15 529	29.16 530	33.08 533

CasAABBNet	41.80 530	40.20 532	53.41 536	47.73 534	45.18 531	62.51 536	80.71 540	67.26 537	34.80 527	30.49 525	31.88 527	48.24 532	41.81 532	46.63 537	55.64 537	21.60 527	18.88 531	23.48 529	23.22 530	29.19 531	33.05 532

LRCNet_RVC	25.52 525	33.45 529	23.21 516	31.79 530	32.78 526	6.74 499	1.18 348	25.88 526	4.46 484	28.94 524	30.89 525	24.91 523	17.57 515	27.66 525	24.34 521	35.26 532	25.60 533	35.91 532	33.81 531	31.90 533	34.10 534

AVERAGE_ROB	44.46 532	45.91 534	46.59 531	40.59 533	38.66 529	32.99 530	30.52 525	46.19 534	43.26 532	49.59 530	48.97 532	44.62 529	39.89 527	45.04 534	43.94 532	48.74 534	50.69 535	50.80 533	49.79 532	45.54 535	46.97 536

HaxPig	43.25 531	43.65 533	45.00 530	33.85 531	35.61 528	32.69 529	30.52 525	45.09 533	42.97 531	48.77 529	48.17 531	43.00 527	40.26 528	44.58 533	43.61 531	47.18 533	49.30 534	51.54 534	50.25 533	43.73 534	45.29 535

MEDIAN_ROB	47.37 533	49.08 535	49.92 533	40.32 532	39.97 530	34.95 531	33.43 529	49.17 535	46.39 534	53.06 532	52.65 533	47.65 530	42.23 534	48.35 538	47.29 533	52.10 535	54.04 536	54.28 535	53.48 534	48.76 536	50.33 537

U	12.82 516	0.38 1	1.99 97	0.66 13	58.94 533	63.38 539	0.34 8	1.91 46	0.94 10	0.59 8	0.80 20	0.46 7	0.57 16	0.83 5	0.44 7	0.29 129	0.17 18	63.35 536	59.81 535	0.29 80	0.20 13

DPSimNet_ROB	102.30 539	119.72 543	143.59 542	109.42 539	94.10 536	127.22 542	127.15 542	26.62 527	102.36 543	149.58 543	83.99 540	139.34 543	137.54 543	64.62 539	82.36 542	105.18 538	66.15 538	120.15 537	69.61 536	99.58 538	77.72 539

HanzoNet	31.60 528	17.23 524	21.22 493	7.32 520	5.84 517	7.25 502	3.53 485	13.82 518	14.20 515	50.38 531	47.01 530	44.45 528	56.61 536	36.61 531	32.00 530	63.89 536	56.57 537	7.97 522	89.20 537	28.69 528	28.25 531

ASD4	103.30 540	113.98 542	120.24 541	106.67 538	79.75 534	115.36 541	120.35 541	119.13 543	79.65 542	120.04 541	74.64 535	101.45 541	65.48 537	109.11 543	84.31 543	104.31 537	90.04 539	133.15 539	103.58 538	130.15 539	94.66 540

Anonymous_1	57.11 536	19.68 525	26.15 520	23.10 527	142.31 540	30.84 526	39.75 530	33.86 532	16.98 516	70.53 537	15.42 516	23.46 519	19.75 520	23.04 519	27.23 525	164.73 542	9.02 523	130.38 538	137.40 539	161.27 543	27.24 530

test_example2	212.63 544	219.92 544	221.87 544	213.67 541	221.17 544	199.47 544	200.74 543	185.30 544	141.66 544	209.52 544	213.45 543	210.82 544	205.48 544	221.27 544	216.64 544	236.83 543	242.07 544	213.93 540	217.01 540	235.69 544	226.10 544

xxxxx1	112.33 541	88.53 539	37.76 527	227.84 542	157.23 541	39.05 532	61.41 535	93.76 540	79.29 539	62.45 534	74.79 536	78.32 536	70.96 538	33.47 527	70.69 538	114.00 539	130.36 540	259.31 541	274.34 541	145.54 540	147.50 541

tt_ll	112.33 541	88.53 539	37.76 527	227.84 542	157.23 541	39.05 532	61.41 535	93.76 540	79.29 539	62.45 534	74.79 536	78.32 536	70.96 538	33.47 527	70.69 538	114.00 539	130.36 540	259.31 541	274.34 541	145.54 540	147.50 541

ff	112.33 541	88.53 539	37.76 527	227.84 542	157.23 541	39.05 532	61.41 535	93.76 540	79.29 539	62.45 534	74.79 536	78.32 536	70.96 538	33.47 527	70.69 538	114.00 539	130.36 540	259.31 541	274.34 541	145.54 540	147.50 541

FADE	78.44 538	13.79 521	36.09 526	10.71 525	13.34 519	4.15 357	4.14 497	28.60 528	8.36 505	5.15 486	3.88 461	11.85 502	36.55 526	44.37 532	28.26 528	474.90 544	161.58 543	347.36 544	322.13 544	7.29 519	6.23 522

ccccc	590.94 545	629.75 545	645.59 545	567.84 545	570.84 545	582.44 545	641.68 545	613.82 545	494.59 545	614.58 545	651.20 545	555.57 545	637.59 545	666.94 545	652.42 545	781.57 545	507.24 545	391.36 545	342.44 545	689.82 545	581.48 545

Low-res two-view benchmark