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

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CoDeX	0.15 116	0.70 211	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 331	0.02 14	0.69 312	0.75 334	0.01 9	0.02 19	0.02 19

Wz-Net-TNSev	0.02 14	0.05 48	0.04 42	0.07 46	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 53	0.04 43	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 28	0.09 63	0.07 57	0.09 52	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 64	0.07 55	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 42	0.24 116	0.20 154	0.23 138	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 164	0.21 165	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 42	0.54 198	0.10 68	0.12 79	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 89	0.11 93	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 39	0.50 185	0.10 68	0.12 79	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 89	0.10 71	0.01 9	0.01 9	0.01 9	0.01 9

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWC_ROB	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCK	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

G2L-Stereo_aug	0.03 28	0.04 36	0.03 34	0.03 28	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.03 33	0.02 14	0.03 37	0.02 20	0.03 42	0.02 19

coex_refinement	0.03 28	0.03 30	0.02 13	0.03 28	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.03 33	0.02 14	0.03 37	0.02 20	0.03 42	0.02 19

G2L-Stereo	0.03 28	0.03 30	0.02 13	0.03 28	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.03 33	0.02 14	0.03 37	0.02 20	0.03 42	0.02 19

PSMNet-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

FACV-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

test_sample6	0.09 50	0.97 246	0.10 68	0.10 56	0.03 46	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.03 50	0.03 41	0.02 21	0.03 38	0.02 19	0.10 69	0.10 71	0.03 37	0.02 20	0.03 42	0.02 19

test_sample3	0.09 50	0.87 226	0.10 68	0.12 79	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.10 71	0.03 37	0.02 20	0.03 42	0.02 19

test_sample2	0.09 50	1.03 262	0.11 88	0.11 73	0.03 46	0.03 39	0.03 48	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.09 64	0.09 66	0.03 37	0.02 20	0.03 42	0.02 19

test_sample1	0.09 50	0.87 226	0.12 99	0.11 73	0.03 46	0.03 39	0.03 48	0.03 41	0.02 20	0.04 69	0.02 19	0.03 41	0.03 50	0.03 38	0.03 46	0.10 69	0.10 71	0.03 37	0.02 20	0.03 42	0.02 19

SMFormer	0.09 50	1.01 256	0.09 64	0.09 52	0.03 46	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.09 64	0.09 66	0.03 37	0.02 20	0.03 42	0.02 19

tta	0.09 50	0.95 243	0.09 64	0.10 56	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.09 64	0.10 71	0.03 37	0.02 20	0.03 42	0.02 19

ttt	0.10 61	1.09 271	0.12 99	0.12 79	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 107	0.03 37	0.02 20	0.03 42	0.02 19

1111x	0.10 61	1.14 276	0.13 118	0.14 96	0.03 46	0.04 73	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.13 105	0.11 93	0.03 37	0.02 20	0.03 42	0.02 19

xxx	0.09 50	1.01 256	0.10 68	0.10 56	0.03 46	0.03 39	0.03 48	0.03 41	0.02 20	0.03 39	0.03 50	0.03 41	0.02 21	0.03 38	0.02 19	0.10 69	0.10 71	0.03 37	0.02 20	0.03 42	0.03 49

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-LNSev-Ref	0.11 82	0.44 164	0.33 204	0.39 187	0.02 20	0.03 39	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 231	0.36 224	0.02 18	0.02 20	0.02 19	0.02 19

222	0.10 61	0.99 249	0.12 99	0.13 92	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 107	0.03 37	0.02 20	0.04 72	0.03 49

SFCPSM	0.17 127	0.78 215	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 350	0.02 14	0.75 322	0.76 336	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 149	1.31 338	0.74 320	0.92 303	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 41	0.02 21	0.02 19	0.02 19	0.87 330	0.75 322	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCMid	0.08 49	0.02 12	0.02 13	1.01 320	0.03 46	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 67	0.09 98	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 50	0.02 12	0.04 42	0.90 298	0.06 99	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 120	0.36 251	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 82	0.02 12	0.02 13	1.62 409	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.02 21	0.06 81	0.04 71	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 49

RYNet	0.02 14	0.02 12	0.02 13	0.03 28	0.03 46	0.03 39	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.03 50	0.03 38	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

TCMNet	0.03 28	0.04 36	0.03 34	0.03 28	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

TCMNet-wrong-test	0.03 28	0.04 36	0.03 34	0.03 28	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.02 19	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

YMNet	0.03 28	0.04 36	0.03 34	0.03 28	0.03 46	0.03 39	0.02 19	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.02 19	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

YMNet_1	0.03 28	0.04 36	0.03 34	0.03 28	0.03 46	0.03 39	0.02 19	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.02 19	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

DualNet (step1)	0.10 61	1.05 266	0.12 99	0.12 79	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.02 19	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 107	0.03 37	0.03 52	0.03 42	0.03 49

test_sample9	0.10 61	1.05 266	0.12 99	0.12 79	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.02 19	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 107	0.03 37	0.03 52	0.03 42	0.03 49

test_sample8	0.10 61	1.05 266	0.12 99	0.12 79	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 107	0.03 37	0.03 52	0.03 42	0.03 49

test_sample7	0.09 50	1.00 250	0.11 88	0.11 73	0.02 20	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 107	0.03 37	0.03 52	0.03 42	0.03 49

test_sample5	0.10 61	1.07 269	0.11 88	0.10 56	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.10 69	0.10 71	0.03 37	0.03 52	0.04 72	0.03 49

test_sample4	0.10 61	1.03 262	0.12 99	0.10 56	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.13 105	0.13 131	0.03 37	0.03 52	0.03 42	0.03 49

11t1	0.17 127	2.16 380	0.13 118	0.13 92	0.04 75	0.06 85	0.04 76	0.06 87	0.04 77	0.06 89	0.03 50	0.06 90	0.03 50	0.06 81	0.05 82	0.18 142	0.12 107	0.06 86	0.03 52	0.05 84	0.03 49

DualNet	0.10 61	1.07 269	0.11 88	0.10 56	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.10 69	0.10 71	0.03 37	0.03 52	0.04 72	0.03 49

x	0.11 82	1.15 278	0.15 138	0.14 96	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.14 112	0.15 137	0.03 37	0.03 52	0.03 42	0.03 49

psmg	0.43 231	1.91 363	0.92 340	1.91 416	0.02 20	0.02 18	0.03 48	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 38	0.02 19	1.97 438	1.44 428	0.04 69	0.03 52	0.02 19	0.03 49

test_xeample	0.10 61	1.09 271	0.13 118	0.12 79	0.03 46	0.03 39	0.03 48	0.04 72	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.14 112	0.14 134	0.03 37	0.03 52	0.03 42	0.03 49

EDNetEfficientorigin	0.04 36	0.06 53	0.04 42	0.05 42	0.04 75	0.05 83	0.04 76	0.05 82	0.04 77	0.05 85	0.04 84	0.05 84	0.04 80	0.05 76	0.04 71	0.05 49	0.03 34	0.06 86	0.03 52	0.04 72	0.03 49

EDNetEfficient	0.04 36	0.05 48	0.04 42	0.04 36	0.03 46	0.04 73	0.03 48	0.04 72	0.03 53	0.04 69	0.03 50	0.04 72	0.03 50	0.04 67	0.03 46	0.05 49	0.03 34	0.05 79	0.03 52	0.04 72	0.03 49

BEATNet_4x	0.11 82	0.03 30	0.03 34	1.60 406	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.05 76	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

ADCL	0.11 82	0.03 30	0.03 34	1.60 406	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.05 76	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

AnyNet_C32	0.14 106	0.04 36	0.03 34	2.22 427	0.04 75	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.04 72	0.02 21	0.07 95	0.04 71	0.02 14	0.02 14	0.03 37	0.03 52	0.02 19	0.03 49

ADCPNet	0.10 61	0.03 30	0.04 42	1.27 392	0.03 46	0.04 73	0.03 48	0.03 41	0.03 53	0.04 69	0.03 50	0.04 72	0.03 50	0.08 98	0.04 71	0.04 42	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

DFGA-Net	0.05 39	0.06 53	0.04 42	0.06 45	0.04 75	0.06 85	0.04 76	0.06 87	0.04 77	0.06 89	0.04 84	0.06 90	0.04 80	0.06 81	0.04 71	0.06 53	0.04 43	0.05 79	0.04 73	0.05 84	0.04 74

mmm	0.14 106	1.83 356	0.12 99	0.11 73	0.03 46	0.03 39	0.03 48	0.03 41	0.04 77	0.03 39	0.03 50	0.03 41	0.03 50	0.06 81	0.04 71	0.12 89	0.11 93	0.05 79	0.04 73	0.05 84	0.04 74

ffm	0.25 149	3.83 429	0.12 99	0.12 79	0.05 91	0.06 85	0.05 86	0.06 87	0.05 91	0.03 39	0.03 50	0.06 90	0.05 87	0.06 81	0.05 82	0.12 89	0.12 107	0.05 79	0.04 73	0.06 88	0.04 74

ff1	0.25 149	3.83 429	0.12 99	0.12 79	0.05 91	0.06 85	0.05 86	0.06 87	0.05 91	0.03 39	0.03 50	0.06 90	0.05 87	0.06 81	0.05 82	0.12 89	0.12 107	0.05 79	0.04 73	0.06 88	0.04 74

mmx	0.25 149	3.83 429	0.12 99	0.12 79	0.05 91	0.06 85	0.05 86	0.06 87	0.05 91	0.03 39	0.03 50	0.06 90	0.05 87	0.06 81	0.05 82	0.12 89	0.12 107	0.05 79	0.04 73	0.06 88	0.04 74

GASNet	0.05 39	0.04 36	0.12 99	0.04 36	0.04 75	0.04 73	0.05 86	0.04 72	0.04 77	0.12 115	0.04 84	0.06 90	0.04 80	0.04 67	0.04 71	0.04 42	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74

qqq	0.16 124	2.01 371	0.12 99	0.15 105	0.04 75	0.06 85	0.05 86	0.06 87	0.04 77	0.06 89	0.03 50	0.06 90	0.03 50	0.06 81	0.03 46	0.12 89	0.14 134	0.04 69	0.04 73	0.03 42	0.03 49

xxxx	0.11 82	1.16 279	0.16 139	0.12 79	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.13 105	0.16 139	0.03 37	0.04 73	0.04 72	0.04 74

APVNet	0.09 50	0.05 48	0.04 42	0.05 42	0.04 75	0.05 83	0.90 358	0.06 87	0.04 77	0.05 85	0.04 84	0.05 84	0.04 80	0.05 76	0.04 71	0.05 49	0.04 43	0.05 79	0.04 73	0.05 84	0.05 89

FADNet_RVC	0.12 91	0.04 36	0.04 42	0.05 42	0.04 75	0.04 73	0.04 76	0.04 72	0.04 77	0.04 69	0.04 84	0.04 72	0.05 87	0.04 67	1.65 451	0.05 49	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74

FADNet-RVC	0.13 97	0.04 36	0.04 42	0.04 36	0.04 75	0.04 73	0.05 86	0.04 72	0.04 77	0.04 69	0.05 93	0.04 72	0.05 87	0.04 67	1.71 454	0.04 42	0.04 43	0.04 69	0.04 73	0.07 96	0.04 74

FADNet	0.12 91	0.05 48	0.04 42	0.04 36	0.04 75	0.04 73	0.04 76	0.04 72	0.04 77	0.04 69	0.04 84	0.04 72	0.05 87	0.04 67	1.66 452	0.06 53	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74

ADCRef	0.12 91	0.03 30	0.04 42	1.71 412	0.04 75	0.03 39	0.03 48	0.04 72	0.04 77	0.04 69	0.03 50	0.04 72	0.03 50	0.06 81	0.04 71	0.04 42	0.04 43	0.04 69	0.04 73	0.03 42	0.04 74

ADCP+	0.15 116	0.04 36	0.04 42	2.20 426	0.04 75	0.04 73	0.04 76	0.04 72	0.04 77	0.04 69	0.05 93	0.04 72	0.04 80	0.08 98	0.04 71	0.04 42	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74

NVStereoNet_ROB	0.04 36	0.04 36	0.04 42	0.04 36	0.04 75	0.04 73	0.04 76	0.04 72	0.04 77	0.04 69	0.04 84	0.04 72	0.04 80	0.04 67	0.04 71	0.04 42	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ISRNet	0.11 82	0.05 48	0.36 222	0.24 143	0.07 100	0.13 116	0.05 86	0.06 87	0.05 91	0.05 85	0.05 93	0.13 117	0.05 87	0.05 76	0.09 98	0.24 169	0.20 161	0.10 99	0.05 88	0.06 88	0.13 139

qqq1	0.25 149	3.70 423	0.14 123	0.14 96	0.04 75	0.06 85	0.05 86	0.06 87	0.05 91	0.06 89	0.05 93	0.04 72	0.05 87	0.06 81	0.05 82	0.13 105	0.12 107	0.06 86	0.05 88	0.03 42	0.04 74

fff1	0.25 149	3.70 423	0.14 123	0.14 96	0.04 75	0.06 85	0.05 86	0.06 87	0.05 91	0.06 89	0.05 93	0.04 72	0.05 87	0.06 81	0.05 82	0.13 105	0.12 107	0.06 86	0.05 88	0.03 42	0.04 74

AASNet	0.06 42	0.08 57	0.08 59	0.08 48	0.05 91	0.06 85	0.05 86	0.05 82	0.06 99	0.06 89	0.06 99	0.05 84	0.06 99	0.06 81	0.05 82	0.08 58	0.08 57	0.08 93	0.05 88	0.06 88	0.05 89

SACVNet	0.06 42	0.08 57	0.08 59	0.08 48	0.05 91	0.06 85	0.05 86	0.05 82	0.06 99	0.06 89	0.06 99	0.05 84	0.06 99	0.06 81	0.05 82	0.08 58	0.08 57	0.08 93	0.05 88	0.06 88	0.05 89

AACVNet	0.06 42	0.08 57	0.08 59	0.08 48	0.05 91	0.06 85	0.05 86	0.05 82	0.06 99	0.06 89	0.06 99	0.05 84	0.06 99	0.06 81	0.05 82	0.08 58	0.08 57	0.08 93	0.05 88	0.06 88	0.05 89

GwcNet	0.12 91	0.07 56	0.05 56	0.08 48	0.05 91	0.08 96	1.20 386	0.07 97	0.05 91	0.05 85	0.05 93	0.08 97	0.05 87	0.08 98	0.03 46	0.07 56	0.05 54	0.06 86	0.05 88	0.07 96	0.05 89

FADNet-RVC-Resample	0.12 91	0.04 36	0.04 42	0.04 36	0.04 75	0.04 73	0.04 76	0.04 72	0.04 77	0.04 69	0.04 84	0.04 72	0.04 80	0.04 67	1.57 447	0.04 42	0.04 43	0.04 69	0.05 88	0.04 72	0.06 94

FINET	0.07 47	0.08 57	0.07 57	0.07 46	0.07 100	0.08 96	0.06 98	0.08 100	0.07 102	0.08 97	0.07 102	0.08 97	0.06 99	0.07 95	0.07 93	0.08 58	0.07 55	0.07 91	0.07 96	0.06 88	0.06 94

BEATNet-Init1	0.19 130	0.08 57	0.08 59	2.23 428	0.08 102	0.08 96	0.07 101	0.07 97	0.08 104	0.08 97	0.07 102	0.08 97	0.07 103	0.11 114	0.08 95	0.08 58	0.08 57	0.08 93	0.07 96	0.08 98	0.08 97

SuperB	0.21 139	0.10 65	2.51 465	0.12 79	0.09 104	0.10 101	0.09 103	0.08 100	0.07 102	0.10 101	0.09 105	0.09 101	0.07 103	0.07 95	0.07 93	0.07 56	0.08 57	0.07 91	0.07 96	0.08 98	0.07 96

DeepPrunerF	0.19 130	0.08 57	0.08 59	2.23 428	0.08 102	0.08 96	0.07 101	0.07 97	0.08 104	0.08 97	0.07 102	0.08 97	0.07 103	0.11 114	0.08 95	0.08 58	0.08 57	0.08 93	0.07 96	0.08 98	0.08 97

SepStereo	0.09 50	0.09 63	0.10 68	0.09 52	0.09 104	0.09 100	0.09 103	0.10 102	0.08 104	0.10 101	0.09 105	0.09 101	0.09 106	0.09 101	0.08 95	0.09 64	0.08 57	0.09 98	0.08 100	0.09 101	0.08 97

ELAS	0.13 97	0.16 85	0.11 88	0.15 105	0.09 104	0.18 140	0.11 121	0.18 139	0.11 123	0.17 135	0.11 123	0.18 140	0.11 122	0.18 139	0.11 116	0.14 112	0.08 57	0.14 118	0.08 100	0.14 121	0.09 100
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2	0.12 91	0.14 83	0.10 68	0.15 105	0.10 110	0.14 117	0.10 108	0.14 118	0.10 108	0.15 123	0.10 109	0.14 118	0.10 110	0.14 120	0.10 104	0.13 105	0.10 71	0.13 116	0.09 102	0.13 119	0.09 100

CSP-Net	0.34 181	1.29 336	1.19 364	1.36 398	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 407	1.21 414	0.03 37	0.09 102	0.02 19	0.09 100

UNet	0.29 162	0.90 233	0.10 68	0.14 96	0.10 110	0.14 117	0.10 108	0.91 336	0.69 338	0.14 117	0.11 123	0.14 118	0.11 122	0.14 120	0.10 104	0.12 89	0.09 66	0.12 113	0.09 102	0.88 324	0.76 345

PASM	0.39 210	3.06 409	1.36 427	1.58 404	0.09 104	0.11 112	0.11 121	0.11 114	0.11 123	0.09 100	0.09 105	0.11 113	0.09 106	0.09 101	0.09 98	0.11 84	0.11 93	0.11 110	0.09 102	0.11 112	0.11 117

DRN-Test	0.14 106	0.13 79	0.09 64	0.14 96	0.09 104	0.15 124	0.09 103	0.14 118	0.10 108	0.14 117	0.09 105	0.14 118	0.09 106	0.13 119	0.09 98	0.12 89	0.09 66	0.12 113	0.09 102	0.12 117	0.73 340

StereoDRNet	0.15 116	0.14 83	0.10 68	0.14 96	0.09 104	0.15 124	0.09 103	0.14 118	0.09 107	0.14 117	0.10 109	0.14 118	0.09 106	0.14 120	0.09 98	0.13 105	0.10 71	0.13 116	0.09 102	0.13 119	0.82 351

ELAS_RVC	0.14 106	0.16 85	0.10 68	0.15 105	0.10 110	0.18 140	0.11 121	0.19 141	0.11 123	0.19 140	0.12 133	0.18 140	0.11 122	0.19 142	0.12 130	0.14 112	0.08 57	0.14 118	0.09 102	0.15 131	0.09 100
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CAS++	0.17 127	0.27 120	0.21 158	0.10 56	0.21 184	0.15 124	0.22 175	0.10 102	0.21 174	0.22 157	0.10 109	0.19 144	0.18 166	0.10 103	0.19 169	0.20 145	0.19 159	0.18 149	0.10 109	0.19 148	0.18 159
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AnonymousM	0.10 61	0.10 65	0.10 68	0.10 56	0.10 110	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

PVD	0.10 61	0.10 65	0.10 68	0.10 56	0.10 110	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

SHD	0.10 61	0.10 65	0.10 68	0.10 56	0.10 110	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

SAMSARA	0.10 61	0.10 65	0.10 68	0.10 56	0.10 110	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

XQC	0.10 61	0.10 65	0.10 68	0.10 56	0.10 110	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

RTSC	0.10 61	0.10 65	0.10 68	0.10 56	0.10 110	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

RTS	0.10 61	0.10 65	0.10 68	0.10 56	0.10 110	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

RTSA	0.10 61	0.10 65	0.10 68	0.10 56	0.10 110	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

MADNet+	0.10 61	0.10 65	0.10 68	0.10 56	0.10 110	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

MADNet++	0.10 61	0.10 65	0.10 68	0.10 56	0.10 110	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

SGM_RVC	0.15 116	0.17 91	0.11 88	0.18 121	0.11 126	0.19 143	0.11 121	0.19 141	0.12 141	0.19 140	0.12 133	0.20 146	0.12 138	0.19 142	0.12 130	0.16 129	0.11 93	0.17 139	0.10 109	0.17 138	0.10 105
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
test_for_model	0.15 116	0.23 109	0.18 148	0.21 135	0.11 126	0.16 131	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.21 150	0.18 158	0.14 118	0.11 121	0.14 121	0.11 117

testlalala2	0.13 97	0.16 85	0.11 88	0.15 105	0.11 126	0.16 131	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.14 112	0.11 93	0.14 118	0.11 121	0.14 121	0.11 117

JetRed	0.11 82	0.12 78	0.11 88	0.11 73	0.11 126	0.11 112	0.14 141	0.11 114	0.11 123	0.12 115	0.11 123	0.11 113	0.11 122	0.11 114	0.11 116	0.11 84	0.16 139	0.11 110	0.11 121	0.11 112	0.11 117

JetBlue	0.11 82	0.11 76	0.12 99	0.13 92	0.14 146	0.11 112	0.11 121	0.11 114	0.11 123	0.11 113	0.11 123	0.11 113	0.11 122	0.12 118	0.12 130	0.11 84	0.11 93	0.11 110	0.11 121	0.11 112	0.11 117

testlalala_base	0.13 97	0.16 85	0.11 88	0.15 105	0.11 126	0.15 124	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.14 112	0.11 93	0.14 118	0.11 121	0.14 121	0.11 117

ProNet	0.14 106	0.20 98	0.14 123	0.16 114	0.11 126	0.16 131	0.11 121	0.17 137	0.11 123	0.17 135	0.12 133	0.17 137	0.13 143	0.17 137	0.12 130	0.15 121	0.11 93	0.16 134	0.11 121	0.15 131	0.12 133

CIPLG	0.13 97	0.21 104	0.12 99	0.16 114	0.11 126	0.15 124	0.11 121	0.14 118	0.11 123	0.15 123	0.12 133	0.15 128	0.11 122	0.14 120	0.11 116	0.15 121	0.12 107	0.14 118	0.11 121	0.14 121	0.11 117

IPLG	0.13 97	0.20 98	0.14 123	0.15 105	0.11 126	0.14 117	0.11 121	0.14 118	0.11 123	0.14 117	0.11 123	0.14 118	0.11 122	0.14 120	0.11 116	0.15 121	0.12 107	0.14 118	0.11 121	0.14 121	0.11 117

MIPNet	0.14 106	0.21 104	0.17 143	0.16 114	0.11 126	0.15 124	0.12 136	0.14 118	0.11 123	0.16 128	0.11 123	0.14 118	0.11 122	0.14 120	0.11 116	0.14 112	0.12 107	0.14 118	0.11 121	0.14 121	0.11 117

IPLGR	0.14 106	0.24 116	0.14 123	0.16 114	0.12 141	0.15 124	0.12 136	0.14 118	0.11 123	0.15 123	0.12 133	0.14 118	0.11 122	0.14 120	0.11 116	0.15 121	0.12 107	0.14 118	0.11 121	0.14 121	0.11 117

ACRE	0.13 97	0.21 104	0.14 123	0.15 105	0.11 126	0.14 117	0.11 121	0.14 118	0.11 123	0.14 117	0.12 133	0.14 118	0.11 122	0.14 120	0.11 116	0.15 121	0.12 107	0.14 118	0.11 121	0.14 121	0.11 117

ICVP	0.15 116	0.53 195	0.11 88	0.16 114	0.11 126	0.16 131	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.16 129	0.11 93	0.16 134	0.11 121	0.16 135	0.11 117
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 97	0.11 76	0.11 88	0.11 73	0.11 126	0.11 112	0.11 121	0.11 114	0.11 123	0.11 113	0.12 133	0.11 113	0.11 122	0.11 114	0.11 116	0.11 84	0.11 93	0.14 118	0.11 121	0.49 270	0.11 117

cf-r	0.66 282	2.17 381	0.12 99	0.18 121	0.12 141	0.18 140	2.70 471	2.60 455	0.12 141	0.18 138	0.12 133	0.18 140	0.12 138	0.18 139	0.12 130	0.15 121	0.11 93	0.15 131	0.11 121	1.81 424	1.74 458

HSM	0.14 106	0.16 85	0.12 99	0.17 120	0.12 141	0.17 137	0.11 121	0.17 137	0.11 123	0.17 135	0.12 133	0.17 137	0.12 138	0.17 137	0.12 130	0.16 129	0.11 93	0.16 134	0.11 121	0.16 135	0.12 133

LALA_ROB	0.15 116	0.19 94	0.12 99	0.18 121	0.11 126	0.20 148	0.12 136	0.21 153	0.12 141	0.20 145	0.12 133	0.20 146	0.12 138	0.21 157	0.13 136	0.17 134	0.10 71	0.18 149	0.11 121	0.18 142	0.11 117

IPLGR_C	0.14 106	0.20 98	0.12 99	0.15 105	0.11 126	0.14 117	0.15 146	0.14 118	0.11 123	0.15 123	0.12 133	0.14 118	0.11 122	0.16 130	0.11 116	0.15 121	0.12 107	0.14 118	0.12 137	0.15 131	0.12 133

ACVNet	0.20 132	0.19 94	0.14 123	0.20 126	0.14 146	0.20 148	0.96 365	0.21 153	0.14 146	0.20 145	0.13 145	0.21 154	0.14 147	0.20 146	0.14 140	0.17 134	0.12 107	0.17 139	0.12 137	0.17 138	0.12 133

acv_ft	0.20 132	0.19 94	0.14 123	0.20 126	0.14 146	0.20 148	0.96 365	0.21 153	0.14 146	0.20 145	0.13 145	0.21 154	0.14 147	0.20 146	0.14 140	0.17 134	0.12 107	0.17 139	0.12 137	0.17 138	0.12 133

hitnet-ft	0.79 308	2.78 405	0.14 123	0.20 126	0.14 146	0.21 156	2.89 472	2.80 460	0.14 146	0.20 145	0.14 150	0.20 146	0.14 147	0.20 146	0.14 140	0.17 134	0.12 107	0.17 139	0.12 137	2.54 446	2.33 468

PSMNet-RSSM	0.77 304	2.76 402	0.14 123	0.20 126	0.14 146	0.20 148	2.66 469	2.79 459	0.14 146	0.21 155	0.14 150	0.21 154	0.14 147	0.20 146	0.14 140	0.17 134	0.12 107	0.17 139	0.12 137	2.52 444	2.31 466

GwcNet-RSSM	0.77 304	2.77 404	0.14 123	0.20 126	0.14 146	0.20 148	2.67 470	2.78 458	0.14 146	0.20 145	0.14 150	0.20 146	0.14 147	0.21 157	0.14 140	0.17 134	0.12 107	0.17 139	0.12 137	2.52 444	2.31 466

CFNet-ft	0.55 268	1.57 345	0.14 123	0.20 126	0.14 146	0.20 148	2.53 468	1.61 428	0.14 146	0.20 145	0.14 150	0.20 146	0.14 147	0.20 146	0.14 140	0.17 134	0.12 107	0.17 139	0.12 137	1.56 419	1.24 434

PDISCO_ROB	0.83 323	2.80 406	3.49 482	0.14 96	0.11 126	0.17 137	0.09 103	0.15 130	0.10 108	0.15 123	0.12 133	0.16 129	0.14 147	3.30 466	0.13 136	0.14 112	2.34 457	0.16 134	0.12 137	2.62 447	0.10 105

DDVS	0.30 163	3.10 410	0.14 123	0.19 124	0.14 146	0.19 143	0.14 141	0.20 146	0.14 146	0.19 140	0.13 145	0.16 129	0.13 143	0.19 142	0.13 136	0.17 134	0.13 131	0.17 139	0.13 145	0.17 138	0.13 139

GANet-RSSM	0.75 299	1.91 363	0.14 123	0.47 229	0.14 146	0.21 156	3.21 488	2.30 449	0.14 146	0.46 258	0.14 150	0.23 164	0.18 166	0.21 157	0.14 140	0.18 142	0.27 184	0.37 230	0.13 145	2.13 433	2.12 461

DeepPruner_ROB	0.16 124	0.18 93	0.13 118	0.19 124	0.13 144	0.19 143	0.13 139	0.19 141	0.13 144	0.19 140	0.13 145	0.19 144	0.13 143	0.19 142	0.13 136	0.18 142	0.13 131	0.18 149	0.13 145	0.18 142	0.13 139

FADE	0.07 47	0.06 53	0.02 13	0.09 52	0.10 110	0.03 39	0.03 48	0.05 82	0.03 53	0.04 69	0.03 50	0.05 84	0.03 50	0.04 67	0.03 46	0.15 121	0.10 71	0.17 139	0.13 145	0.11 112	0.11 117

castereo++	0.54 264	3.59 420	1.15 358	1.31 394	0.14 146	0.16 131	0.14 141	0.16 131	0.14 146	0.16 128	0.14 150	0.16 129	0.13 143	0.16 130	0.14 140	1.45 419	1.16 363	0.15 131	0.14 149	0.15 131	0.13 139

ITSA-stereo	0.15 116	0.17 91	0.13 118	0.20 126	0.13 144	0.19 143	0.13 139	0.18 139	0.13 144	0.19 140	0.13 145	0.18 140	0.14 147	0.18 139	0.14 140	0.16 129	0.11 93	0.15 131	0.14 149	0.18 142	0.11 117

LRCNet_RVC	0.13 97	0.13 79	0.09 64	0.13 92	0.10 110	0.14 117	0.10 108	0.14 118	0.10 108	0.23 161	0.10 109	0.20 146	0.10 110	0.24 169	0.11 116	0.11 84	0.09 66	0.12 113	0.14 149	0.12 117	0.09 100

GMStereo	0.14 106	0.13 79	0.14 123	0.14 96	0.14 146	0.14 117	0.14 141	0.14 118	0.14 146	0.14 117	0.14 150	0.14 118	0.14 147	0.14 120	0.14 140	0.14 112	0.14 134	0.14 118	0.14 149	0.14 121	0.14 144
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
dd	0.23 146	0.98 247	0.16 139	0.23 138	0.15 157	0.23 164	0.15 146	0.23 160	0.15 156	0.23 161	0.15 158	0.24 168	0.17 159	0.23 165	0.15 150	0.22 153	0.15 137	0.21 156	0.15 153	0.22 155	0.16 145

castereo	0.61 275	3.79 428	1.35 422	1.52 403	0.15 157	0.17 137	0.16 149	0.20 146	0.21 174	0.18 138	0.16 159	0.21 154	0.12 138	0.26 184	0.17 157	1.43 418	1.38 425	0.17 139	0.16 154	0.18 142	0.16 145

tg	0.21 139	0.25 118	0.21 158	0.26 155	0.17 164	0.24 165	0.17 151	0.24 163	0.17 161	0.24 166	0.17 162	0.24 168	0.17 159	0.24 169	0.17 157	0.24 169	0.17 152	0.23 167	0.16 154	0.23 164	0.16 145

ACV-stereo	0.30 163	2.08 373	0.25 172	0.25 148	0.18 171	0.24 165	0.17 151	0.24 163	0.18 163	0.24 166	0.17 162	0.25 173	0.17 159	0.24 169	0.17 157	0.22 153	0.16 139	0.22 161	0.16 154	0.22 155	0.16 145

GMStereo_Zeroshot	0.16 124	0.16 85	0.16 139	0.16 114	0.16 163	0.16 131	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 129	0.16 157	0.16 130	0.16 156	0.16 129	0.16 139	0.16 134	0.16 154	0.16 135	0.16 145

IGEV_Zeroshot_test	0.20 132	0.19 94	0.40 237	0.30 160	0.17 164	0.22 158	0.17 151	0.21 153	0.17 161	0.20 145	0.17 162	0.21 154	0.18 166	0.21 157	0.17 157	0.20 145	0.16 139	0.20 153	0.16 154	0.20 149	0.17 155

MSKI-zero shot	0.24 148	0.21 104	0.49 274	0.65 271	0.18 171	0.22 158	0.17 151	0.23 160	0.18 163	0.21 155	0.17 162	0.23 164	0.28 216	0.23 165	0.18 166	0.21 150	0.16 139	0.21 156	0.16 154	0.21 153	0.16 145

gwcnet-sp	0.82 319	1.72 350	1.48 434	0.39 187	0.15 157	0.31 189	0.21 170	0.20 146	0.25 190	1.61 432	0.23 187	0.28 184	0.26 202	0.20 146	0.15 150	0.24 169	1.33 419	0.32 195	0.16 154	6.75 490	0.23 170

scenet	0.82 319	1.72 350	1.48 434	0.39 187	0.15 157	0.31 189	0.21 170	0.20 146	0.25 190	1.61 432	0.23 187	0.28 184	0.26 202	0.20 146	0.15 150	0.24 169	1.33 419	0.32 195	0.16 154	6.75 490	0.23 170

ssnet	0.82 319	1.72 350	1.48 434	0.39 187	0.15 157	0.31 189	0.21 170	0.20 146	0.25 190	1.61 432	0.23 187	0.28 184	0.26 202	0.20 146	0.15 150	0.24 169	1.33 419	0.32 195	0.16 154	6.75 490	0.23 170

dad	0.23 146	1.03 262	0.16 139	0.23 138	0.15 157	0.24 165	0.15 146	0.24 163	0.16 158	0.23 161	0.16 159	0.24 168	0.16 157	0.23 165	0.15 150	0.22 153	0.16 139	0.22 161	0.16 154	0.22 155	0.16 145

MMNet	0.44 234	1.24 334	0.17 143	0.25 148	0.17 164	0.25 172	0.18 157	1.26 417	0.93 367	0.25 170	0.17 162	0.25 173	0.18 166	0.25 174	0.17 157	0.23 164	0.16 139	0.23 167	0.16 154	1.20 360	0.99 365

delet	0.43 231	1.21 330	0.17 143	0.25 148	0.17 164	0.25 172	0.18 157	1.26 417	0.95 369	0.25 170	0.17 162	0.25 173	0.17 159	0.25 174	0.17 157	0.23 164	0.16 139	0.22 161	0.16 154	1.18 357	0.98 364

psm_up	0.43 231	1.19 283	0.17 143	0.25 148	0.18 171	0.25 172	0.19 161	1.26 417	0.91 362	0.26 177	0.17 162	0.25 173	0.17 159	0.25 174	0.17 157	0.22 153	0.17 152	0.23 167	0.16 154	1.18 357	0.99 365

UPFNet	0.42 230	1.20 284	0.17 143	0.24 143	0.17 164	0.25 172	0.17 151	1.19 365	0.90 361	0.25 170	0.17 162	0.24 168	0.17 159	0.25 174	0.17 157	0.22 153	0.17 152	0.22 161	0.16 154	1.15 349	0.93 360

iResNetv2_ROB	0.20 132	0.23 109	0.18 148	0.24 143	0.20 177	0.24 165	0.18 157	0.24 163	0.18 163	0.24 166	0.18 172	0.23 164	0.19 171	0.24 169	0.18 166	0.21 150	0.16 139	0.21 156	0.16 154	0.22 155	0.16 145

iResNet	0.20 132	0.23 109	0.18 148	0.24 143	0.18 171	0.24 165	0.20 164	0.24 163	0.18 163	0.23 161	0.17 162	0.23 164	0.18 166	0.23 165	0.18 166	0.22 153	0.16 139	0.21 156	0.16 154	0.21 153	0.16 145

DEFOM-Stereo_RVC	0.83 323	5.18 449	1.98 456	2.19 425	0.17 164	0.19 143	0.18 157	0.19 141	0.16 158	0.20 145	0.19 173	0.22 160	0.22 181	0.20 146	0.15 150	2.28 446	2.13 452	0.24 174	0.17 170	0.18 142	0.16 145

Pointernet	0.21 139	0.22 108	0.19 151	0.24 143	0.19 175	0.24 165	0.19 161	0.24 163	0.19 169	0.24 166	0.19 173	0.24 168	0.19 171	0.24 169	0.19 169	0.22 153	0.17 152	0.22 161	0.17 170	0.22 155	0.17 155

MIM_Stereo	0.25 149	0.23 109	0.66 306	0.80 288	0.17 164	0.22 158	0.17 151	0.23 160	0.18 163	0.26 177	0.17 162	0.21 154	0.17 159	0.25 174	0.17 157	0.23 164	0.16 139	0.21 156	0.17 170	0.22 155	0.17 155

ac_64	0.22 142	0.13 79	0.19 151	0.23 138	0.10 110	0.26 179	1.02 373	0.14 118	0.10 108	0.28 180	0.14 150	0.17 137	0.19 171	0.28 189	0.09 98	0.22 153	0.16 139	0.23 167	0.17 170	0.11 112	0.12 133

ssnet_v2	0.68 287	1.96 370	1.25 418	0.29 159	0.20 177	0.30 186	0.20 164	0.29 180	0.22 177	1.50 430	0.20 177	0.31 194	0.20 175	0.27 187	0.22 177	0.24 169	1.49 431	0.26 178	0.18 174	3.90 455	0.19 161

DAS	0.20 132	0.20 98	0.20 154	0.20 126	0.20 177	0.20 148	0.20 164	0.20 146	0.20 171	0.20 145	0.20 177	0.20 146	0.20 175	0.20 146	0.20 172	0.20 145	0.20 161	0.20 153	0.20 175	0.20 149	0.20 162

ASD4	0.20 132	0.20 98	0.20 154	0.20 126	0.20 177	0.20 148	0.20 164	0.20 146	0.20 171	0.20 145	0.20 177	0.20 146	0.20 175	0.20 146	0.20 172	0.20 145	0.20 161	0.20 153	0.20 175	0.20 149	0.20 162

DCVSM-stereo	0.36 191	1.89 360	0.22 160	0.40 200	0.22 186	0.40 224	0.22 175	0.40 218	0.22 177	0.40 219	0.22 183	0.40 228	0.22 181	0.40 228	0.22 177	0.28 181	0.21 165	0.28 184	0.21 177	0.28 173	0.20 162

HGLStereo	0.28 159	0.29 125	0.22 160	0.36 176	0.22 186	0.36 208	0.21 170	0.36 199	0.21 174	0.42 244	0.21 182	0.36 210	0.22 181	0.36 212	0.21 175	0.34 198	0.21 165	0.34 210	0.21 177	0.34 193	0.21 165

DISCO	1.11 358	0.39 144	5.28 492	0.39 187	0.20 177	0.39 223	0.27 201	0.39 214	0.22 177	0.38 210	0.20 177	0.38 218	0.20 175	6.95 502	0.22 177	0.30 189	0.21 165	0.27 182	0.21 177	5.25 483	0.21 165

WAO-6	0.22 142	0.23 109	0.22 160	0.23 138	0.22 186	0.22 158	0.22 175	0.22 157	0.22 177	0.22 157	0.22 183	0.22 160	0.22 181	0.22 161	0.22 177	0.22 153	0.22 169	0.22 161	0.22 180	0.22 155	0.22 168

IMH-64-1	0.22 142	0.23 109	0.23 163	0.22 136	0.22 186	0.22 158	0.22 175	0.22 157	0.22 177	0.22 157	0.22 183	0.22 160	0.22 181	0.22 161	0.22 177	0.22 153	0.22 169	0.23 167	0.22 180	0.22 155	0.23 170

IMH-64	0.22 142	0.23 109	0.23 163	0.22 136	0.22 186	0.22 158	0.22 175	0.22 157	0.22 177	0.22 157	0.22 183	0.22 160	0.22 181	0.22 161	0.22 177	0.22 153	0.22 169	0.23 167	0.22 180	0.22 155	0.23 170

NINENet	0.69 290	3.87 432	1.20 367	1.98 420	0.05 91	0.40 224	0.04 76	0.40 218	0.05 91	0.41 232	0.04 84	0.41 240	0.05 87	0.40 228	0.05 82	1.79 431	1.56 434	0.34 210	0.22 180	0.34 193	0.23 170

FCDSN-DC	0.41 221	0.59 203	0.64 302	0.54 254	0.33 243	0.50 292	0.37 257	0.42 249	0.40 270	0.61 311	0.43 291	0.50 294	0.49 304	0.38 218	0.32 226	0.28 181	0.23 173	0.26 178	0.22 180	0.35 205	0.28 207
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
model_zeroshot	0.27 158	0.20 98	0.27 179	0.33 169	0.21 184	0.37 213	0.22 175	0.37 205	0.24 185	0.26 177	0.27 209	0.33 198	0.21 180	0.25 174	0.27 199	0.32 193	0.20 161	0.34 210	0.23 185	0.25 166	0.26 187

WCG-NET（raft）	0.32 176	1.24 334	0.24 169	0.32 166	0.24 196	0.32 197	0.23 182	0.32 185	0.24 185	0.32 191	0.24 193	0.32 196	0.24 190	0.32 197	0.24 187	0.30 189	0.23 173	0.30 191	0.23 185	0.30 179	0.23 170

gcap-zeroshot	0.35 187	0.32 128	0.37 225	0.49 238	0.39 275	0.33 199	0.21 170	0.26 173	0.35 247	0.42 244	0.34 245	0.49 280	0.29 221	0.47 269	0.39 268	0.34 198	0.17 152	0.38 237	0.23 185	0.48 267	0.34 241

BUS	0.83 323	1.91 363	0.92 340	4.48 459	0.02 20	0.40 224	0.04 76	0.41 233	0.02 20	0.48 269	0.03 50	0.41 240	0.05 87	0.03 38	0.05 82	1.97 438	4.19 479	0.33 203	0.23 185	0.34 193	0.27 194

CRFU-Net	0.65 280	1.67 349	1.22 414	1.96 419	0.27 208	0.41 240	0.27 201	0.41 233	0.27 208	0.40 219	0.26 205	0.41 240	0.27 210	0.40 228	0.27 199	1.80 432	1.62 437	0.34 210	0.23 185	0.33 189	0.23 170

BSDual-CNN	0.81 315	1.91 363	0.92 340	4.48 459	0.02 20	0.42 258	0.06 98	0.41 233	0.02 20	0.48 269	0.03 50	0.02 19	0.02 21	0.03 38	0.02 19	1.97 438	4.19 479	0.33 203	0.23 185	0.34 193	0.27 194

hknet	1.10 356	1.85 357	3.49 482	4.48 459	0.02 20	0.42 258	0.06 98	0.41 233	0.02 20	0.48 269	0.03 50	0.41 240	0.03 50	0.42 255	0.03 46	4.39 468	4.19 479	0.33 203	0.23 185	0.34 193	0.27 194

FENet	0.54 264	1.52 344	1.19 364	1.41 401	0.23 191	0.35 205	0.23 182	0.35 195	0.23 183	0.34 197	0.23 187	0.35 204	0.23 187	0.35 206	0.23 183	1.40 417	1.07 347	0.32 195	0.23 185	0.33 189	0.23 170

GCAP-BAT	0.33 179	0.78 215	0.32 199	0.38 182	0.25 198	0.34 201	0.25 190	0.34 192	0.26 203	0.34 197	0.25 199	0.35 204	0.26 202	0.35 206	0.27 199	0.36 211	0.30 206	0.32 195	0.24 193	0.32 183	0.26 187

DLNR_Zeroshot_test	0.31 168	0.28 123	0.47 264	0.79 286	0.24 196	0.30 186	0.26 198	0.30 182	0.24 185	0.32 191	0.23 187	0.31 194	0.24 190	0.30 194	0.23 183	0.29 188	0.26 179	0.29 189	0.24 193	0.33 189	0.23 170

testlalala	0.32 176	0.81 221	0.31 195	0.39 187	0.26 206	0.33 199	0.24 187	0.33 188	0.26 203	0.32 191	0.26 205	0.33 198	0.23 187	0.33 202	0.23 183	0.35 207	0.31 210	0.30 191	0.24 193	0.31 182	0.21 165

IGEV-Stereo	0.35 187	0.44 164	0.45 255	0.49 238	0.30 226	0.37 213	0.30 217	0.36 199	0.30 225	0.36 204	0.29 218	0.36 210	0.29 221	0.36 212	0.30 221	0.46 260	0.39 239	0.32 195	0.24 193	0.32 183	0.25 181
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 159	0.32 128	0.24 169	0.32 166	0.25 198	0.32 197	0.24 187	0.32 185	0.24 185	0.33 195	0.24 193	0.35 204	0.24 190	0.33 202	0.24 187	0.31 192	0.24 175	0.32 195	0.24 193	0.32 183	0.24 180

UNDER WATER-64	0.25 149	0.26 119	0.25 172	0.26 155	0.25 198	0.25 172	0.25 190	0.25 169	0.25 190	0.25 170	0.25 199	0.25 173	0.25 193	0.26 184	0.25 193	0.25 175	0.25 176	0.25 175	0.25 198	0.25 166	0.25 181

LoS_RVC	0.30 163	1.14 276	0.25 172	0.25 148	0.25 198	0.26 179	0.25 190	0.25 169	0.25 190	0.25 170	0.25 199	0.26 182	0.26 202	0.26 184	0.25 193	0.26 176	0.26 179	0.25 175	0.25 198	0.26 168	0.26 187

CAS	0.30 163	1.17 280	0.25 172	0.25 148	0.25 198	0.26 179	0.25 190	0.25 169	0.26 203	0.25 170	0.25 199	0.25 173	0.25 193	0.25 174	0.25 193	0.26 176	0.26 179	0.26 178	0.25 198	0.26 168	0.25 181

IER	0.88 330	7.04 466	2.23 459	2.75 443	0.28 211	0.43 262	0.25 190	0.39 214	0.25 190	0.41 232	0.27 209	0.39 222	0.25 193	0.40 228	0.28 205	0.37 215	0.28 189	0.37 230	0.25 198	0.37 213	0.25 181

CroCo-Stereo	0.73 297	1.22 333	0.25 172	1.22 388	0.25 198	1.22 421	0.25 190	1.22 414	0.25 190	1.22 421	0.25 199	1.22 425	0.25 193	1.22 424	0.25 193	1.22 406	0.26 179	1.21 428	0.25 198	1.22 407	0.25 181
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
StereoDRNet-Refined	0.33 179	0.39 144	0.26 178	0.39 187	0.26 206	0.40 224	0.26 198	0.40 218	0.26 203	0.39 215	0.26 205	0.39 222	0.26 202	0.39 225	0.26 198	0.37 215	0.25 176	0.37 230	0.25 198	0.37 213	0.37 252
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
tt1	0.31 168	0.93 241	0.24 169	0.33 169	0.23 191	0.31 189	0.24 187	0.32 185	0.24 185	0.32 191	0.23 187	0.32 196	0.25 193	0.32 197	0.24 187	0.27 179	0.26 179	0.27 182	0.26 204	0.27 171	0.27 194

HH	0.71 293	2.54 393	0.74 320	1.10 326	0.32 232	0.41 240	0.37 257	0.69 315	0.78 351	0.73 327	0.90 363	0.75 333	1.00 359	0.84 336	0.69 339	0.69 308	0.40 242	0.35 223	0.26 204	0.35 205	0.26 187

HanStereo	0.71 293	2.54 393	0.74 320	1.10 326	0.32 232	0.41 240	0.37 257	0.69 315	0.78 351	0.73 327	0.90 363	0.75 333	1.00 359	0.84 336	0.69 339	0.69 308	0.40 242	0.35 223	0.26 204	0.35 205	0.26 187

LoS	0.25 149	0.27 120	0.25 172	0.25 148	0.25 198	0.25 172	0.25 190	0.26 173	0.25 190	0.25 170	0.25 199	0.25 173	0.25 193	0.25 174	0.25 193	0.26 176	0.25 176	0.25 175	0.26 204	0.26 168	0.25 181
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
iRaft-Stereo_5w	0.34 181	0.42 160	0.31 195	0.39 187	0.30 226	0.38 217	0.30 217	0.40 218	0.29 215	0.40 219	0.37 263	0.41 240	0.34 243	0.38 218	0.30 221	0.34 198	0.27 184	0.34 210	0.26 204	0.34 193	0.26 187

UCFNet_RVC	2.75 463	10.06 488	0.29 185	10.31 505	0.29 217	0.42 258	0.29 212	0.43 253	0.29 215	0.42 244	0.29 218	0.42 256	9.87 506	0.43 257	0.29 214	0.36 211	9.84 505	0.36 228	0.26 204	9.77 504	0.26 187

4D-IteraStereo	0.78 307	3.13 412	0.89 333	0.69 276	0.32 232	0.40 224	0.32 222	0.76 321	0.97 372	0.52 295	0.65 338	0.89 347	0.32 233	0.76 330	0.98 368	0.83 325	0.94 339	0.35 223	0.27 210	0.70 302	0.89 356

CroCo-Stereo Lap2	0.77 304	1.29 336	0.29 185	1.27 392	0.29 217	1.27 424	0.26 198	1.26 417	0.26 203	1.26 422	0.26 205	1.27 426	0.26 202	1.26 425	0.27 199	1.27 408	0.27 184	1.27 431	0.27 210	1.27 409	0.27 194

iRaft-Stereo_20w	0.34 181	0.41 153	0.31 195	0.39 187	0.29 217	0.40 224	0.32 222	0.41 233	0.32 231	0.38 210	0.30 229	0.39 222	0.30 227	0.38 218	0.32 226	0.35 207	0.27 184	0.34 210	0.27 210	0.34 193	0.29 212

MLCV	0.31 168	0.35 131	0.27 179	0.35 172	0.28 211	0.35 205	0.27 201	0.35 195	0.28 211	0.36 204	0.27 209	0.35 204	0.27 210	0.35 206	0.27 199	0.34 198	0.27 184	0.34 210	0.27 210	0.34 193	0.27 194

xxxxx1	0.31 168	0.91 234	0.23 163	0.31 163	0.23 191	0.31 189	0.23 182	0.33 188	0.25 190	0.31 186	0.24 193	0.33 198	0.25 193	0.32 197	0.24 187	0.28 181	0.28 189	0.28 184	0.28 214	0.29 176	0.27 194

SQANet	0.28 159	0.28 123	0.28 183	0.28 158	0.28 211	0.28 183	0.28 206	0.28 176	0.28 211	0.28 180	0.28 215	0.28 184	0.28 216	0.28 189	0.28 205	0.28 181	0.28 189	0.28 184	0.28 214	0.28 173	0.28 207

Any-RAFT	0.32 176	0.36 134	0.27 179	0.36 176	0.27 208	0.36 208	0.27 201	0.36 199	0.27 208	0.36 204	0.27 209	0.36 210	0.27 210	0.36 212	0.28 205	0.36 211	0.28 189	0.36 228	0.28 214	0.36 211	0.28 207

tt_ll	0.31 168	0.91 234	0.23 163	0.31 163	0.23 191	0.31 189	0.23 182	0.33 188	0.25 190	0.31 186	0.24 193	0.33 198	0.25 193	0.32 197	0.24 187	0.28 181	0.28 189	0.28 184	0.28 214	0.29 176	0.27 194

ff	0.31 168	0.91 234	0.23 163	0.31 163	0.23 191	0.31 189	0.23 182	0.33 188	0.25 190	0.31 186	0.24 193	0.33 198	0.25 193	0.32 197	0.24 187	0.28 181	0.28 189	0.28 184	0.28 214	0.29 176	0.27 194

DGSMNet	0.34 181	0.41 153	0.27 179	0.41 210	0.28 211	0.41 240	0.28 206	0.41 233	0.27 208	0.41 232	0.27 209	0.42 256	0.27 210	0.41 242	0.28 205	0.40 235	0.29 198	0.40 251	0.28 214	0.40 233	0.27 194

Gwc-CoAtRS	0.41 221	1.49 343	0.32 199	0.42 218	0.32 232	0.41 240	0.32 222	0.41 233	0.33 236	0.41 232	0.32 233	0.41 240	0.32 233	0.41 242	0.32 226	0.39 231	0.28 189	0.39 247	0.28 214	0.40 233	0.28 207

ccs_rob	2.79 464	10.17 490	0.32 199	10.00 503	0.33 243	0.49 284	0.33 231	1.90 435	0.32 231	0.51 292	0.33 238	0.49 280	9.24 505	0.49 282	0.33 232	0.41 243	9.82 504	0.41 263	0.28 214	9.34 502	0.29 212

DN-CSS_ROB	0.31 168	0.35 131	0.28 183	0.35 172	0.28 211	0.34 201	0.27 201	0.34 192	0.25 190	0.35 201	0.27 209	0.36 210	0.26 202	0.34 204	0.28 205	0.35 207	0.28 189	0.34 210	0.28 214	0.34 193	0.27 194

GREAT-IGEV	0.38 202	0.43 161	0.36 222	0.48 232	0.32 232	0.45 265	0.32 222	0.45 255	0.32 231	0.45 255	0.32 233	0.45 262	0.32 233	0.45 262	0.32 226	0.44 258	0.33 219	0.41 263	0.29 223	0.41 243	0.29 212

DEFOM-Stereo	0.68 287	3.11 411	1.40 432	1.63 410	0.25 198	0.31 189	0.25 190	0.31 184	0.28 211	0.31 186	0.29 218	0.29 189	0.27 210	0.31 196	0.28 205	1.59 425	1.47 430	0.30 191	0.29 223	0.30 179	0.28 207

IGEV++	0.34 181	0.43 161	0.30 189	0.40 200	0.29 217	0.40 224	0.29 212	0.40 218	0.29 215	0.40 219	0.29 218	0.40 228	0.29 221	0.40 228	0.30 221	0.38 222	0.29 198	0.37 230	0.29 223	0.37 213	0.29 212

PCWNet_CMD	2.80 465	9.82 486	0.32 199	10.09 504	0.32 232	0.49 284	0.33 231	3.34 466	0.33 236	0.49 276	0.33 238	0.49 280	8.73 502	0.48 276	0.33 232	0.41 243	9.22 500	0.42 273	0.29 223	9.55 503	0.31 227

CFNet_ucs	2.73 462	9.64 485	0.33 204	9.92 502	0.32 232	0.49 284	0.33 231	0.49 271	0.33 236	0.49 276	0.33 238	0.49 280	8.98 504	0.48 276	0.33 232	0.41 243	9.96 506	0.40 251	0.29 223	10.12 506	0.54 310

RAFT-Test	0.36 191	0.37 136	0.33 204	0.41 210	0.32 232	0.41 240	0.32 222	0.41 233	0.32 231	0.41 232	0.32 233	0.41 240	0.32 233	0.41 242	0.33 232	0.37 215	0.29 198	0.37 230	0.29 223	0.38 222	0.31 227

RCA-Stereo	0.51 260	3.22 415	0.34 212	0.44 221	0.34 251	0.44 264	0.34 240	0.43 253	0.34 244	0.43 250	0.34 245	0.44 260	0.33 239	0.43 257	0.33 232	0.38 222	0.29 198	0.38 237	0.29 223	0.38 222	0.29 212

CFNet_pseudo	2.67 461	9.36 483	0.32 199	10.99 506	0.33 243	0.85 337	0.33 231	0.49 271	0.33 236	0.49 276	0.32 233	0.49 280	7.26 500	0.49 282	0.33 232	0.41 243	9.62 503	0.41 263	0.29 223	10.03 505	0.29 212

pcwnet_v2	2.66 460	9.89 487	0.33 204	9.89 501	0.32 232	0.50 292	0.32 222	0.49 271	0.33 236	0.49 276	0.34 245	0.49 280	8.76 503	0.48 276	0.33 232	0.41 243	9.58 502	0.40 251	0.29 223	9.01 501	0.63 324

RAFT + AFF	0.31 168	0.45 167	0.34 212	0.39 187	0.28 211	0.38 217	0.33 231	0.29 180	0.31 228	0.30 184	0.30 229	0.29 189	0.27 210	0.29 192	0.30 221	0.28 181	0.29 198	0.29 189	0.29 223	0.27 171	0.32 231

GIP-stereo	0.36 191	0.49 182	0.39 234	0.48 232	0.32 232	0.41 240	0.28 206	0.40 218	0.30 225	0.41 232	0.28 215	0.40 228	0.28 216	0.42 255	0.28 205	0.45 259	0.32 212	0.38 237	0.30 233	0.37 213	0.27 194

EKT-Stereo	0.37 196	0.40 146	0.44 253	1.07 324	0.29 217	0.34 201	0.31 221	0.36 199	0.29 215	0.38 210	0.31 232	0.37 216	0.30 227	0.36 212	0.29 214	0.34 198	0.28 189	0.39 247	0.30 233	0.37 213	0.30 222

CFNet-RSSM	0.91 333	4.89 445	0.34 212	0.44 221	1.07 384	1.62 438	1.40 446	0.91 336	0.35 247	1.60 431	1.39 445	0.64 319	0.34 243	0.44 259	0.33 232	0.41 243	0.35 222	0.75 334	0.30 233	0.41 243	0.29 212

psmorigin	0.41 221	0.46 171	0.33 204	0.49 238	0.33 243	0.49 284	0.33 231	0.49 271	0.33 236	0.49 276	0.33 238	0.49 280	0.33 239	0.51 295	0.33 232	0.41 243	0.30 206	0.41 263	0.30 233	0.79 312	0.29 212

DANet	0.30 163	0.30 126	0.30 189	0.30 160	0.30 226	0.30 186	0.30 217	0.30 182	0.30 225	0.30 184	0.30 229	0.30 192	0.30 227	0.30 194	0.30 221	0.30 189	0.30 206	0.30 191	0.30 233	0.30 179	0.30 222
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 411	0.31 127	4.99 490	5.93 481	0.20 177	0.25 172	0.20 164	0.25 169	0.20 171	0.23 161	0.19 173	0.25 173	0.20 175	0.25 174	0.20 172	5.66 489	4.76 482	0.26 178	0.30 233	0.24 165	0.27 194

1test111	0.37 196	1.02 260	0.30 189	0.39 187	0.29 217	0.40 224	0.28 206	0.39 214	0.29 215	0.39 215	0.29 218	0.39 222	0.28 216	0.40 228	0.29 214	0.33 195	0.32 212	0.33 203	0.31 239	0.32 183	0.31 227

cc1	0.37 196	1.02 260	0.30 189	0.39 187	0.29 217	0.40 224	0.28 206	0.39 214	0.29 215	0.39 215	0.29 218	0.39 222	0.28 216	0.40 228	0.29 214	0.33 195	0.32 212	0.33 203	0.31 239	0.32 183	0.31 227

PML	0.46 238	1.36 341	0.29 185	0.58 260	0.30 226	0.57 311	0.29 212	0.57 297	0.29 215	0.57 306	0.29 218	0.57 310	0.29 221	0.56 304	0.29 214	0.52 286	0.30 206	0.53 312	0.31 239	0.53 285	0.30 222

MSMDNet	2.65 459	10.14 489	0.33 204	9.74 500	0.32 232	0.87 339	0.33 231	2.95 462	0.68 335	0.49 276	0.34 245	0.49 280	5.70 496	0.49 282	0.33 232	0.42 257	9.57 501	0.41 263	0.31 239	8.36 498	0.65 326

HART	0.38 202	0.45 167	0.34 212	0.42 218	0.33 243	0.41 240	0.34 240	0.42 249	0.33 236	0.43 250	0.34 245	0.42 256	0.34 243	0.41 242	0.38 262	0.40 235	0.32 212	0.42 273	0.32 243	0.40 233	0.32 231

RAFT-Stereo-weight	0.45 235	1.90 362	0.34 212	0.42 218	0.36 260	0.43 262	0.35 245	0.42 249	0.34 244	0.42 244	0.34 245	0.44 260	0.34 243	0.41 242	0.34 245	0.38 222	0.32 212	0.38 237	0.32 243	0.38 222	0.33 235

MyStereo07	0.60 272	3.72 426	0.48 270	0.49 238	0.41 282	0.36 208	0.32 222	0.49 271	0.43 286	0.51 292	0.42 289	0.49 280	0.43 284	0.51 295	0.64 326	0.49 272	0.45 261	0.34 210	0.32 243	0.35 205	0.43 280

MyStereo04	0.56 270	3.72 426	0.59 294	0.49 238	0.41 282	0.36 208	0.32 222	0.37 205	0.31 228	0.34 197	0.46 298	0.35 204	0.32 233	0.35 206	0.33 232	0.49 272	0.45 261	0.34 210	0.32 243	0.35 205	0.43 280

ACVNet-DCA	0.37 196	1.00 250	0.30 189	0.40 200	0.29 217	0.40 224	0.29 212	0.40 218	0.29 215	0.40 219	0.29 218	0.40 228	0.29 221	0.39 225	0.28 205	0.33 195	0.32 212	0.33 203	0.32 243	0.33 189	0.32 231

xx1	0.38 202	1.03 262	0.31 195	0.40 200	0.31 230	0.41 240	0.28 206	0.40 218	0.29 215	0.40 219	0.29 218	0.40 228	0.29 221	0.40 228	0.29 214	0.34 198	0.33 219	0.34 210	0.32 243	0.34 193	0.32 231

HCRNet	1.22 409	7.11 467	3.00 467	3.55 454	0.33 243	0.29 185	0.14 141	0.19 141	0.15 156	0.33 195	0.29 218	0.25 173	0.14 147	0.22 161	0.33 232	3.64 463	3.00 460	0.76 336	0.32 243	0.18 142	0.13 139

GCST	0.50 255	2.08 373	0.38 228	0.53 252	0.35 254	0.49 284	0.35 245	0.50 279	0.35 247	0.49 276	0.35 253	0.49 280	0.35 249	0.49 282	0.35 247	0.48 269	0.37 226	0.45 280	0.33 250	0.44 252	0.33 235

LL-Strereo2	0.48 248	1.73 354	0.51 282	0.59 262	0.34 251	0.42 258	0.33 231	0.40 218	0.31 228	0.42 244	0.33 238	0.42 256	0.31 232	0.44 259	0.39 268	0.60 294	0.51 285	0.44 276	0.33 250	0.44 252	0.33 235

SCV_C0	0.45 235	0.88 228	0.49 274	0.54 254	0.37 263	0.48 279	0.37 257	0.48 267	0.37 258	0.48 269	0.36 257	0.48 276	0.37 256	0.49 282	0.37 259	0.50 278	0.41 251	0.44 276	0.34 252	0.44 252	0.34 241

SCV	0.46 238	0.94 242	0.45 255	0.54 254	0.37 263	0.48 279	0.38 263	0.48 267	0.37 258	0.48 269	0.39 272	0.48 276	0.37 256	0.49 282	0.37 259	0.50 278	0.46 263	0.44 276	0.34 252	0.44 252	0.34 241

UGAM	0.51 260	2.23 384	0.39 234	0.54 254	0.35 254	0.50 292	0.35 245	0.49 271	0.35 247	0.49 276	0.35 253	0.49 280	0.36 252	0.50 289	0.36 251	0.49 272	0.37 226	0.45 280	0.34 252	0.45 256	0.34 241

H2IRNET	0.34 181	0.34 130	0.34 212	0.34 171	0.34 251	0.34 201	0.34 240	0.34 192	0.34 244	0.34 197	0.34 245	0.34 203	0.34 243	0.34 204	0.34 245	0.34 198	0.34 221	0.34 210	0.34 252	0.34 193	0.34 241

Selective-IGEV	0.51 260	0.55 200	0.45 255	0.69 276	0.45 297	0.61 314	0.45 289	0.50 279	0.40 270	0.56 304	0.44 293	0.55 306	0.40 265	0.72 325	0.67 331	0.59 293	0.46 263	0.45 280	0.34 252	0.46 257	0.37 252

CFNet_RVC	2.38 453	8.71 478	0.38 228	9.33 497	0.42 292	0.56 306	0.42 282	0.60 304	0.38 262	0.62 314	0.42 289	0.56 309	7.29 501	0.62 312	0.42 284	0.53 287	0.37 226	0.49 299	0.34 252	8.30 497	6.87 504

UGAM-zero	0.51 260	2.17 381	0.39 234	0.53 252	0.36 260	0.50 292	0.36 252	0.50 279	0.36 257	0.49 276	0.36 257	0.50 294	0.35 249	0.50 289	0.36 251	0.49 272	0.37 226	0.47 287	0.35 258	0.46 257	0.34 241

RSM	0.36 191	0.36 134	0.43 251	0.37 179	0.42 292	0.49 284	0.42 282	0.37 205	0.28 211	0.36 204	0.29 218	0.36 210	0.30 227	0.37 216	0.28 205	0.34 198	0.31 210	0.34 210	0.35 258	0.40 233	0.29 212

Former-RAFT_DAM_RVC	0.49 253	0.98 247	0.64 302	0.84 293	0.46 299	0.45 265	0.35 245	0.47 263	0.47 296	0.45 255	0.34 245	0.46 265	0.48 299	0.46 265	0.35 247	0.39 231	0.71 317	0.39 247	0.35 258	0.41 243	0.41 272

CASnet	0.35 187	0.51 191	0.44 253	0.32 166	0.31 230	0.24 165	0.34 240	0.36 199	0.25 190	0.31 186	0.37 263	0.30 192	0.33 239	0.25 174	0.45 288	0.37 215	0.37 226	0.33 203	0.35 258	0.34 193	0.37 252
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CES	0.39 210	0.47 175	0.36 222	0.36 176	0.37 263	0.45 265	0.35 245	0.35 195	0.40 270	0.36 204	0.44 293	0.47 270	0.36 252	0.44 259	0.36 251	0.37 215	0.39 239	0.44 276	0.35 258	0.37 213	0.36 248

ETE_ROB	0.35 187	0.35 131	0.35 220	0.35 172	0.35 254	0.35 205	0.35 245	0.35 195	0.35 247	0.35 201	0.35 253	0.35 204	0.35 249	0.35 206	0.35 247	0.35 207	0.35 222	0.35 223	0.35 258	0.35 205	0.35 247

iRaftStereo_RVC	0.97 343	3.17 414	2.30 461	2.42 437	0.38 270	0.54 304	0.38 263	0.54 292	0.38 262	0.54 299	0.38 268	0.54 302	0.38 260	0.54 300	0.38 262	2.38 452	2.34 457	0.49 299	0.36 264	0.49 270	0.36 248

DMCA	0.36 191	0.38 138	0.37 225	0.35 172	0.35 254	0.36 208	0.36 252	0.36 199	0.35 247	0.35 201	0.37 263	0.36 210	0.36 252	0.35 206	0.36 251	0.36 211	0.36 224	0.35 223	0.36 264	0.36 211	0.36 248

LG-Stereo_Zeroshot	0.48 248	0.55 200	0.47 264	0.63 267	0.41 282	0.56 306	0.44 285	0.56 294	0.41 279	0.56 304	0.41 280	0.57 310	0.42 282	0.56 304	0.41 278	0.55 290	0.43 259	0.51 307	0.37 266	0.51 280	0.37 252

LG-Stereo	0.60 272	0.58 202	0.47 264	0.64 270	0.74 355	1.00 353	0.69 336	0.57 297	0.41 279	0.57 306	0.41 280	0.57 310	0.41 276	1.00 357	0.75 347	0.91 332	0.51 285	0.52 310	0.37 266	0.52 282	0.37 252

mms	0.40 214	0.45 167	0.35 220	0.48 232	0.36 260	0.47 274	0.34 240	0.45 255	0.38 262	0.47 263	0.33 238	0.45 262	0.32 233	0.45 262	0.32 226	0.39 231	0.38 232	0.38 237	0.37 266	0.39 229	0.39 262

fffy	0.38 202	0.43 161	0.33 204	0.46 223	0.33 243	0.45 265	0.32 222	0.45 255	0.32 231	0.45 255	0.32 233	0.45 262	0.33 239	0.45 262	0.32 226	0.38 222	0.38 232	0.38 237	0.37 266	0.37 213	0.36 248

PAM	0.39 210	1.88 359	0.34 212	0.37 179	0.41 282	0.45 265	0.22 175	0.28 176	0.23 183	0.28 180	0.24 193	0.29 189	0.23 187	0.29 192	0.23 183	0.38 222	0.32 212	0.38 237	0.37 266	0.32 183	0.22 168

WAO-8	0.38 202	0.38 138	0.38 228	0.38 182	0.38 270	0.38 217	0.38 263	0.38 210	0.38 262	0.38 210	0.38 268	0.38 218	0.38 260	0.38 218	0.38 262	0.38 222	0.38 232	0.38 237	0.37 266	0.38 222	0.38 258

Venus	0.38 202	0.38 138	0.38 228	0.38 182	0.38 270	0.37 213	0.38 263	0.37 205	0.37 258	0.41 232	0.37 263	0.39 222	0.37 256	0.38 218	0.38 262	0.37 215	0.38 232	0.38 237	0.37 266	0.37 213	0.38 258

GMOStereo	0.37 196	0.45 167	0.23 163	0.30 160	0.37 263	0.41 240	0.36 252	0.41 233	0.35 247	0.43 250	0.36 257	0.41 240	0.40 265	0.41 242	0.36 251	0.34 198	0.22 169	0.47 287	0.37 266	0.39 229	0.33 235

error version	0.93 339	4.47 441	2.35 462	1.99 421	0.37 263	0.41 240	0.36 252	0.41 233	0.35 247	0.43 250	0.36 257	0.41 240	0.40 265	0.41 242	0.36 251	1.87 434	2.16 453	0.47 287	0.37 266	0.39 229	0.33 235

test_1	0.93 339	4.47 441	2.35 462	1.99 421	0.37 263	0.41 240	0.36 252	0.41 233	0.35 247	0.43 250	0.36 257	0.41 240	0.40 265	0.41 242	0.36 251	1.87 434	2.16 453	0.47 287	0.37 266	0.39 229	0.33 235

XPNet_ROB	0.37 196	0.37 136	0.37 225	0.37 179	0.37 263	0.37 213	0.37 257	0.37 205	0.37 258	0.37 209	0.37 263	0.37 216	0.37 256	0.37 216	0.37 259	0.37 215	0.37 226	0.37 230	0.37 266	0.37 213	0.37 252

WAO-7	0.38 202	0.38 138	0.38 228	0.38 182	0.38 270	0.38 217	0.38 263	0.38 210	0.38 262	0.38 210	0.38 268	0.38 218	0.38 260	0.38 218	0.38 262	0.38 222	0.38 232	0.38 237	0.38 277	0.38 222	0.38 258

HanzoNet	0.39 210	0.38 138	0.40 237	0.39 187	0.41 282	0.38 217	0.38 263	0.38 210	0.38 262	0.39 215	0.39 272	0.38 218	0.38 260	0.39 225	0.40 271	0.38 222	0.38 232	0.40 251	0.38 277	0.38 222	0.40 265

IMH	0.38 202	0.38 138	0.38 228	0.38 182	0.38 270	0.38 217	0.38 263	0.38 210	0.38 262	0.42 244	0.38 268	0.40 228	0.38 260	0.38 218	0.38 262	0.38 222	0.38 232	0.39 247	0.38 277	0.38 222	0.38 258

GCAP-Stereo	0.75 299	4.15 437	0.42 250	0.75 284	0.35 254	0.78 331	0.40 270	0.79 323	0.38 262	0.78 334	0.36 257	0.78 336	0.36 252	0.79 331	0.39 268	0.75 315	0.39 239	0.76 336	0.39 280	0.75 307	0.39 262

ccccc	0.41 221	0.44 164	0.34 212	0.48 232	0.35 254	0.48 279	0.35 245	0.51 288	0.35 247	0.47 263	0.35 253	0.47 270	0.34 243	0.47 269	0.35 247	0.41 243	0.40 242	0.40 251	0.40 281	0.41 243	0.39 262

knoymous	0.40 214	0.40 146	0.40 237	0.40 200	0.40 276	0.40 224	0.40 270	0.40 218	0.40 270	0.40 219	0.40 274	0.40 228	0.40 265	0.40 228	0.40 271	0.40 235	0.40 242	0.40 251	0.40 281	0.40 233	0.40 265

anonymousa	0.40 214	0.40 146	0.40 237	0.40 200	0.40 276	0.40 224	0.40 270	0.40 218	0.40 270	0.40 219	0.40 274	0.40 228	0.40 265	0.40 228	0.40 271	0.40 235	0.40 242	0.40 251	0.40 281	0.40 233	0.40 265

riskmin	0.40 214	0.40 146	0.40 237	0.40 200	0.40 276	0.40 224	0.40 270	0.40 218	0.40 270	0.40 219	0.40 274	0.40 228	0.40 265	0.40 228	0.40 271	0.40 235	0.40 242	0.40 251	0.40 281	0.40 233	0.40 265

Anonymous_2	0.40 214	0.40 146	0.40 237	0.40 200	0.40 276	0.40 224	0.40 270	0.40 218	0.40 270	0.40 219	0.40 274	0.40 228	0.40 265	0.40 228	0.40 271	0.40 235	0.40 242	0.40 251	0.40 281	0.40 233	0.40 265

Anonymous_1	0.40 214	0.40 146	0.40 237	0.40 200	0.40 276	0.40 224	0.40 270	0.40 218	0.40 270	0.40 219	0.40 274	0.40 228	0.40 265	0.40 228	0.40 271	0.40 235	0.40 242	0.40 251	0.40 281	0.40 233	0.40 265

AdaStereo	0.40 214	0.40 146	0.40 237	0.40 200	0.40 276	0.40 224	0.40 270	0.40 218	0.40 270	0.40 219	0.40 274	0.40 228	0.40 265	0.40 228	0.40 271	0.40 235	0.40 242	0.40 251	0.40 281	0.40 233	0.40 265
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.
fffft	0.48 248	0.51 191	0.45 255	0.52 251	0.45 297	0.52 301	0.45 289	0.52 290	0.48 303	0.53 297	0.45 296	0.52 300	0.45 287	0.52 298	0.46 292	0.51 284	0.41 251	0.50 302	0.41 288	0.50 274	0.41 272
1: 1. 1
AIO-Stereo-zeroshot1	0.75 299	0.92 239	0.85 332	0.96 313	0.59 328	1.27 424	0.44 285	0.59 302	0.69 338	0.91 344	0.68 342	0.55 306	0.61 322	1.06 364	0.83 356	0.62 300	0.70 313	0.90 352	0.41 288	0.89 325	0.56 317

GwcNet-ADL	0.41 221	0.41 153	0.41 245	0.41 210	0.41 282	0.41 240	0.41 277	0.41 233	0.41 279	0.41 232	0.41 280	0.41 240	0.41 276	0.41 242	0.41 278	0.41 243	0.41 251	0.41 263	0.41 288	0.41 243	0.41 272

PSMNet-ADL	0.41 221	0.41 153	0.41 245	0.41 210	0.41 282	0.41 240	0.41 277	0.41 233	0.41 279	0.41 232	0.41 280	0.41 240	0.41 276	0.41 242	0.41 278	0.41 243	0.41 251	0.41 263	0.41 288	0.41 243	0.41 272

GANet-ADL	0.41 221	0.41 153	0.41 245	0.41 210	0.41 282	0.41 240	0.41 277	0.41 233	0.41 279	0.41 232	0.41 280	0.41 240	0.41 276	0.41 242	0.41 278	0.41 243	0.41 251	0.41 263	0.41 288	0.41 243	0.41 272

ADLNet2	0.41 221	0.41 153	0.41 245	0.41 210	0.41 282	0.41 240	0.41 277	0.41 233	0.41 279	0.41 232	0.41 280	0.41 240	0.41 276	0.41 242	0.41 278	0.41 243	0.41 251	0.41 263	0.41 288	0.41 243	0.41 272

ADLNet	0.41 221	0.41 153	0.41 245	0.41 210	0.41 282	0.41 240	0.41 277	0.41 233	0.41 279	0.41 232	0.41 280	0.41 240	0.41 276	0.41 242	0.41 278	0.41 243	0.41 251	0.41 263	0.41 288	0.41 243	0.41 272

FC-DCNN	1.07 354	1.09 271	0.98 345	0.89 297	0.52 320	1.41 433	0.91 359	1.21 413	1.24 439	1.96 440	2.05 470	1.91 440	1.30 433	1.27 426	1.08 375	0.80 319	0.60 297	0.58 316	0.41 288	0.68 297	0.54 310

DispNO	1.00 346	0.63 206	0.43 251	3.45 452	0.44 295	0.65 320	0.43 284	0.64 309	0.43 286	0.64 317	0.43 291	0.64 319	3.03 465	0.64 317	0.43 286	4.55 470	0.43 259	0.63 321	0.43 296	0.63 293	0.43 280

test-3	0.98 345	4.13 436	1.85 449	1.85 413	0.61 334	0.69 323	0.37 257	0.63 308	0.61 326	0.66 320	0.51 321	0.73 331	0.44 285	0.57 308	0.54 317	1.68 429	1.81 447	0.40 251	0.43 296	0.66 295	0.50 302

PAM_32	0.64 279	2.38 390	0.51 282	0.92 303	0.43 294	0.53 302	0.44 285	0.87 330	0.43 286	0.52 295	0.45 296	0.53 301	0.40 265	0.54 300	0.46 292	0.62 300	0.56 293	0.48 295	0.45 298	0.76 308	0.44 283

Occ-G	1.12 359	0.52 193	3.72 485	3.50 453	0.50 314	0.56 306	0.47 296	0.54 292	0.46 291	0.54 299	0.41 280	0.54 302	0.42 282	0.52 298	0.42 284	3.42 462	4.02 478	0.52 310	0.45 298	0.51 280	0.44 283

MonSter	0.60 272	0.64 208	0.52 285	0.62 266	0.44 295	2.07 447	0.44 285	0.62 307	0.44 289	0.62 314	0.44 293	0.62 318	0.44 285	0.62 312	0.44 287	0.58 292	0.42 258	0.62 319	0.46 300	0.58 289	0.42 279

otaku	0.46 238	0.46 171	0.46 259	0.46 223	0.46 299	0.46 270	0.46 291	0.46 258	0.46 291	0.46 258	0.46 298	0.46 265	0.46 290	0.46 265	0.46 292	0.46 260	0.46 263	0.46 283	0.46 300	0.46 257	0.46 286

Ntro	0.47 244	0.47 175	0.46 259	0.46 223	0.46 299	0.47 274	0.47 296	0.46 258	0.47 296	0.46 258	0.46 298	0.47 270	0.46 290	0.47 269	0.47 298	0.47 265	0.46 263	0.46 283	0.46 300	0.46 257	0.46 286

UNDER WATER	0.47 244	0.47 175	0.47 264	0.47 229	0.47 305	0.47 274	0.47 296	0.47 263	0.47 296	0.47 263	0.47 306	0.47 270	0.46 290	0.47 269	0.47 298	0.47 265	0.47 270	0.47 287	0.46 300	0.47 264	0.47 292

Dean	0.46 238	0.46 171	0.46 259	0.46 223	0.46 299	0.46 270	0.46 291	0.46 258	0.46 291	0.47 263	0.46 298	0.46 265	0.46 290	0.46 265	0.46 292	0.46 260	0.46 263	0.46 283	0.46 300	0.46 257	0.46 286

ACVNet_1	0.46 238	0.47 175	0.46 259	0.46 223	0.46 299	0.46 270	0.46 291	0.46 258	0.47 296	0.46 258	0.46 298	0.46 265	0.46 290	0.46 265	0.46 292	0.46 260	0.46 263	0.47 287	0.46 300	0.46 257	0.46 286

ACVNet-4b	0.46 238	0.46 171	0.46 259	0.46 223	0.46 299	0.46 270	0.46 291	0.46 258	0.46 291	0.46 258	0.46 298	0.46 265	0.46 290	0.47 269	0.46 292	0.46 260	0.46 263	0.46 283	0.46 300	0.46 257	0.46 286

AIO-test2	0.55 268	0.59 203	0.52 285	0.67 275	0.47 305	0.61 314	0.47 296	0.61 306	0.47 296	0.61 311	0.47 306	0.61 316	0.48 299	0.62 312	0.47 298	0.64 302	0.53 289	0.58 316	0.47 307	0.58 289	0.48 294

HaxPig	0.47 244	0.47 175	0.47 264	0.49 238	0.47 305	0.47 274	0.47 296	0.47 263	0.47 296	0.47 263	0.47 306	0.47 270	0.47 298	0.47 269	0.47 298	0.47 265	0.47 270	0.47 287	0.47 307	0.47 264	0.48 294

LVE	0.47 244	0.47 175	0.47 264	0.47 229	0.49 311	0.47 274	0.47 296	0.47 263	0.49 305	0.47 263	0.47 306	0.47 270	0.46 290	0.47 269	0.47 298	0.47 265	0.47 270	0.48 295	0.47 307	0.47 264	0.47 292

AIO-test1	0.54 264	0.60 205	0.52 285	0.66 274	0.47 305	0.61 314	0.47 296	0.58 300	0.46 291	0.61 311	0.46 298	0.61 316	0.45 287	0.62 312	0.45 288	0.61 297	0.52 287	0.57 315	0.48 310	0.57 288	0.48 294

RainbowNet	0.48 248	0.48 181	0.48 270	0.48 232	0.48 309	0.48 279	0.48 305	0.48 267	0.48 303	0.48 269	0.48 310	0.48 276	0.48 299	0.48 276	0.48 304	0.48 269	0.48 273	0.48 295	0.48 310	0.48 267	0.48 294

notaker	0.48 248	0.49 182	0.48 270	0.48 232	0.48 309	0.48 279	0.48 305	0.48 267	0.49 305	0.48 269	0.48 310	0.48 276	0.48 299	0.48 276	0.48 304	0.48 269	0.48 273	0.48 295	0.48 310	0.48 267	0.49 299

MyStereo8	0.71 293	3.92 433	0.52 285	0.59 262	0.52 320	0.57 311	0.53 315	0.59 302	0.50 308	0.59 310	0.51 321	0.57 310	0.50 307	0.56 304	0.52 314	0.54 288	0.49 276	0.54 313	0.49 313	0.55 287	0.50 302

ACVNet_2	0.49 253	0.49 182	0.49 274	0.49 238	0.49 311	0.49 284	0.49 307	0.49 271	0.49 305	0.49 276	0.49 313	0.49 280	0.49 304	0.49 282	0.49 306	0.49 272	0.49 276	0.49 299	0.49 313	0.49 270	0.49 299

FoundationStereo	0.50 255	0.50 185	0.50 277	0.50 245	0.50 314	0.50 292	0.50 309	0.50 279	0.50 308	0.50 288	0.50 315	0.50 294	0.50 307	0.50 289	0.50 307	0.50 278	0.50 281	0.50 302	0.50 315	0.50 274	0.50 302

StereoAnything_RVC	0.50 255	0.50 185	0.50 277	0.50 245	0.50 314	0.50 292	0.50 309	0.50 279	0.50 308	0.50 288	0.50 315	0.50 294	0.50 307	0.50 289	0.50 307	0.50 278	0.50 281	0.50 302	0.50 315	0.50 274	0.50 302

dual_stereo	0.50 255	0.50 185	0.50 277	0.50 245	0.50 314	0.50 292	0.50 309	0.50 279	0.50 308	0.50 288	0.50 315	0.50 294	0.50 307	0.50 289	0.50 307	0.50 278	0.50 281	0.50 302	0.50 315	0.50 274	0.50 302

SANet	0.50 255	0.50 185	0.50 277	0.50 245	0.50 314	0.50 292	0.50 309	0.50 279	0.50 308	0.50 288	0.50 315	0.50 294	0.50 307	0.50 289	0.50 307	0.50 278	0.50 281	0.50 302	0.50 315	0.50 274	0.50 302

WCG-NET	0.61 275	1.21 330	0.54 289	0.61 265	0.53 323	0.67 322	0.53 315	0.66 312	0.53 316	0.64 317	0.53 324	0.65 322	0.53 314	0.59 310	0.52 314	0.65 303	0.48 273	0.64 322	0.52 319	0.58 289	0.50 302

PSMNet_ROB	0.54 264	0.54 198	0.54 289	0.54 254	0.53 323	0.54 304	0.54 317	0.53 291	0.54 318	0.54 299	0.54 325	0.54 302	0.53 314	0.54 300	0.54 317	0.54 288	0.53 289	0.54 313	0.54 320	0.54 286	0.54 310

MyStereo06	0.75 299	4.12 434	0.60 296	0.63 267	0.61 334	0.62 317	0.66 328	0.56 294	0.45 290	0.55 302	0.48 310	0.54 302	0.46 290	0.57 308	0.45 288	0.60 294	0.57 295	0.64 322	0.55 321	0.72 303	0.55 314

MyStereo05	0.80 310	4.12 434	0.63 300	0.63 267	0.61 334	0.62 317	0.66 328	0.65 310	0.62 327	0.67 321	0.61 332	0.65 322	0.58 319	0.67 321	0.55 319	0.60 294	0.57 295	0.64 322	0.55 321	0.72 303	0.55 314

anonymity	0.63 277	0.69 210	0.56 291	0.71 280	0.56 326	0.71 326	0.56 318	0.71 318	0.56 319	0.72 325	0.56 327	0.71 326	0.56 318	0.71 324	0.58 321	0.68 307	0.55 291	0.68 327	0.55 321	0.68 297	0.54 310

CASS	0.57 271	0.89 231	0.56 291	0.57 259	0.56 326	0.56 306	0.56 318	0.56 294	0.53 316	0.57 306	0.57 328	0.59 314	0.48 299	0.56 304	0.57 320	0.55 290	0.56 293	0.47 287	0.56 324	0.62 292	0.56 317
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
StereoVision	3.15 466	5.00 446	0.89 333	4.83 474	1.00 376	3.93 473	1.27 436	6.37 497	1.34 442	5.67 497	1.26 438	5.84 498	1.27 430	5.03 495	1.24 435	5.10 486	1.09 353	4.61 483	0.57 325	5.62 486	1.12 377

DDUNet	0.81 315	2.45 391	0.57 293	0.90 298	0.60 329	0.88 340	0.59 321	0.90 334	0.60 323	0.88 341	0.60 329	0.90 348	0.58 319	0.88 341	0.60 323	0.84 327	0.60 297	0.86 350	0.57 325	0.86 322	0.60 319

STTRV1_RVC	0.82 319	1.60 347	0.70 312	1.01 320	0.60 329	1.07 363	0.69 336	1.01 350	0.60 323	0.72 325	0.55 326	1.02 363	0.68 332	1.03 362	0.67 331	0.89 331	0.63 303	0.92 356	0.57 325	0.90 327	0.65 326

UDG	0.80 310	2.21 383	0.60 296	0.91 300	0.60 329	0.90 343	0.58 320	0.88 333	0.60 323	0.90 342	0.60 329	0.88 345	0.60 321	0.90 344	0.58 321	0.86 329	0.60 297	0.84 348	0.59 328	0.84 321	0.61 320

AEACV	1.12 359	0.52 193	3.12 479	3.24 449	0.86 363	0.53 302	0.49 307	0.60 304	0.47 296	0.53 297	0.49 313	0.55 306	0.45 287	0.55 303	0.47 298	3.01 458	3.88 476	0.71 331	0.60 329	0.80 315	0.48 294

ARAFT	0.68 287	0.81 221	0.63 300	0.74 283	0.60 329	0.78 331	0.62 323	0.77 322	0.66 333	0.74 331	0.63 334	0.75 333	0.62 323	0.83 335	0.60 323	0.70 311	0.55 291	0.70 330	0.60 329	0.78 310	0.55 314

SMoEStereo_RVC	0.63 277	0.75 214	0.51 282	0.73 282	0.53 323	0.71 326	0.47 296	0.67 313	0.58 321	0.74 331	0.60 329	0.72 329	0.53 314	0.74 328	0.51 312	0.61 297	0.62 302	0.62 319	0.61 331	0.63 293	0.61 320

RAFT-Stereo + iAFF	0.70 291	0.72 212	0.71 316	0.80 288	0.62 337	0.82 336	0.61 322	0.81 328	0.62 327	0.81 338	0.63 334	0.80 339	0.70 335	0.73 326	0.61 325	0.76 316	0.61 301	0.74 333	0.61 331	0.77 309	0.61 320

AFF-stereo	0.73 297	0.88 228	0.67 309	0.75 284	0.68 347	0.75 328	0.64 325	0.80 325	0.72 345	0.83 339	0.70 346	0.82 342	0.64 324	0.84 336	0.67 331	0.77 317	0.63 303	0.81 344	0.63 333	0.78 310	0.62 323

plain	1.88 430	3.16 413	0.64 302	3.10 447	0.65 340	3.10 465	0.64 325	3.12 463	0.65 331	3.10 464	0.65 338	3.11 464	0.65 326	3.12 463	0.65 327	3.12 459	0.65 306	3.13 464	0.65 334	3.13 450	0.65 326

DSFCA	0.66 282	0.73 213	0.78 325	0.65 271	0.65 340	0.64 319	0.64 325	0.65 310	0.63 329	0.64 317	0.64 336	0.64 319	0.64 324	0.65 318	0.65 327	0.65 303	0.65 306	0.65 325	0.65 334	0.66 295	0.64 325

ktn	0.72 296	0.53 195	1.08 353	1.14 332	0.51 319	1.22 421	1.36 440	0.51 288	0.59 322	0.51 292	0.51 321	0.69 325	1.20 380	0.67 321	0.51 312	0.51 284	0.49 276	0.58 316	0.66 336	0.52 282	0.53 309

KSHMR	0.66 282	0.50 185	0.48 270	1.15 334	0.52 320	0.49 284	0.51 313	0.49 271	0.71 344	0.67 321	0.50 315	1.16 376	1.11 369	0.66 319	0.52 314	0.49 272	0.49 276	0.51 307	0.66 336	0.50 274	1.14 381

PA-Net	11.80 506	223.51 531	0.62 299	0.59 262	0.71 350	0.59 313	0.73 343	0.67 313	0.73 348	0.55 302	0.61 332	0.60 315	0.74 341	0.63 316	0.73 344	0.66 305	0.60 297	0.69 328	0.66 336	0.72 303	0.65 326
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LMCR-Stereo	0.65 280	0.63 206	0.65 305	0.65 271	0.65 340	0.66 321	0.63 324	0.58 300	0.65 331	0.63 316	0.64 336	0.65 322	0.65 326	0.66 319	0.66 330	0.66 305	0.64 305	0.65 325	0.67 339	0.68 297	0.73 340

R-Stereo Train	0.81 315	0.96 244	0.67 309	0.95 310	0.67 344	0.95 348	0.68 333	0.95 345	0.68 335	0.95 352	0.68 342	0.96 356	0.68 332	0.96 354	0.68 335	0.94 339	0.68 308	0.94 358	0.68 340	0.94 334	0.68 331

RAFT-Stereo	0.81 315	0.96 244	0.67 309	0.95 310	0.67 344	0.95 348	0.68 333	0.95 345	0.68 335	0.95 352	0.68 342	0.96 356	0.68 332	0.96 354	0.68 335	0.94 339	0.68 308	0.94 358	0.68 340	0.94 334	0.68 331
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MoCha-V2	2.11 437	26.97 509	0.78 325	0.92 303	0.77 357	0.96 350	0.72 342	0.90 334	0.72 345	0.94 350	0.70 346	0.90 348	0.71 339	0.91 345	0.71 343	0.85 328	0.71 317	0.88 351	0.69 342	0.87 323	0.67 330

UniTT-Stereo	2.03 435	3.43 419	0.72 317	3.42 451	0.73 353	3.27 468	0.68 333	3.38 467	0.69 338	3.29 467	0.72 351	3.28 467	0.70 335	3.35 468	0.68 335	3.39 461	0.68 308	3.31 466	0.69 342	3.37 451	0.73 340

DCRE	0.84 326	1.89 360	0.77 324	0.94 308	0.72 352	0.88 340	0.73 343	0.87 330	0.78 351	0.90 342	0.71 349	0.88 345	0.67 331	0.88 341	0.73 344	0.81 322	0.68 308	0.81 344	0.70 344	0.82 319	0.70 333

DMCA-RVC	0.70 291	0.80 218	0.70 312	0.70 278	0.70 349	0.70 324	0.70 338	0.71 318	0.70 341	0.70 324	0.71 349	0.71 326	0.70 335	0.70 323	0.69 339	0.69 308	0.70 313	0.69 328	0.70 344	0.69 301	0.70 333

MSMD_ROB	1.19 361	1.10 274	0.70 312	1.10 326	0.60 329	1.10 367	0.70 338	1.10 356	0.70 341	1.10 363	0.70 346	1.10 370	0.70 335	7.00 503	0.70 342	1.10 350	0.70 313	1.10 372	0.70 344	1.10 345	0.70 333

RSM++	0.76 303	0.82 223	0.66 306	0.85 295	0.64 338	0.85 337	0.71 341	0.94 343	0.64 330	0.87 340	0.67 341	0.87 344	0.65 326	0.84 336	0.65 327	0.81 322	0.70 313	0.79 339	0.71 347	0.83 320	0.70 333

iGMRVC	0.84 326	2.85 407	0.72 317	0.72 281	0.73 353	0.77 329	0.79 348	0.73 320	0.74 350	0.73 327	0.72 351	0.73 331	0.76 344	0.73 326	0.73 344	0.72 313	0.73 319	0.73 332	0.72 348	0.73 306	0.72 337

AIO-Stereo	0.84 326	0.66 209	0.70 312	0.83 292	0.67 344	0.98 351	0.82 354	1.14 357	0.72 345	1.03 359	0.74 354	1.03 364	1.09 368	0.99 356	0.45 288	1.04 345	0.73 319	0.95 360	0.74 349	0.94 334	0.46 286

TorneroNet-64	0.45 235	0.27 120	0.30 189	0.58 260	0.27 208	0.70 324	0.30 217	0.28 176	0.73 348	0.73 327	0.28 215	0.71 326	0.66 329	0.75 329	0.27 199	0.27 179	0.29 198	0.37 230	0.75 350	0.28 173	0.30 222

RAStereo	2.23 443	3.64 422	0.76 323	3.65 456	0.86 363	3.66 472	0.76 346	3.67 471	0.81 358	3.66 468	0.76 356	3.66 469	0.77 345	3.68 470	0.77 349	3.68 464	0.77 324	3.69 471	0.77 351	3.70 453	0.77 346

ToySt	0.92 335	2.11 376	0.90 336	0.95 310	0.79 359	0.99 352	0.78 347	0.94 343	0.81 358	0.94 350	0.78 357	0.95 355	0.77 345	0.94 350	0.86 358	0.91 332	0.79 326	0.85 349	0.77 351	0.89 325	0.73 340

HSM-Net_RVC	0.95 342	1.17 280	0.78 325	1.18 341	0.71 350	1.16 374	0.75 345	1.09 355	0.80 355	1.10 363	0.75 355	1.17 377	0.74 341	1.17 376	0.80 352	1.13 356	0.73 319	1.17 379	0.77 351	1.16 351	0.72 337
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
tt45	1.04 353	0.88 228	1.36 427	0.92 303	1.03 382	1.51 436	0.79 348	0.70 317	0.88 360	0.74 331	0.90 363	1.60 436	0.72 340	1.60 433	0.75 347	0.91 332	0.78 325	1.52 443	0.79 354	1.14 347	1.32 438

G-Net	0.79 308	0.79 217	0.79 328	0.79 286	0.79 359	0.79 333	0.79 348	0.79 323	0.79 354	0.79 335	0.79 358	0.79 338	0.79 347	0.79 331	0.79 350	0.79 318	0.79 326	0.79 339	0.79 354	0.79 312	0.79 347

HBP-ISP	1.24 410	1.72 350	1.65 439	1.15 334	0.76 356	1.40 432	0.88 357	1.67 432	1.02 379	1.69 436	1.38 444	1.69 438	1.21 426	1.87 437	1.21 433	1.05 346	0.79 326	0.97 363	0.80 356	1.19 359	0.75 344

NaN_ROB	0.80 310	0.80 218	0.80 329	0.80 288	0.80 361	0.80 334	0.80 351	0.80 325	0.80 355	0.80 336	0.80 359	0.80 339	0.80 348	0.80 333	0.80 352	0.80 319	0.80 329	0.80 342	0.80 356	0.80 315	0.80 348

CSAN	0.80 310	0.80 218	0.80 329	0.80 288	0.80 361	0.80 334	0.80 351	0.80 325	0.80 355	0.80 336	0.80 359	0.80 339	0.80 348	0.80 333	0.80 352	0.80 319	0.80 329	0.80 342	0.80 356	0.80 315	0.80 348

Selective-RAFT-Error	0.88 330	0.84 224	0.98 345	0.86 296	0.97 375	0.88 340	0.95 364	0.84 329	0.99 374	0.92 346	0.82 361	0.84 343	0.98 358	0.87 340	0.97 367	0.81 322	0.83 332	0.79 339	0.82 359	0.79 312	0.85 353

Selective-RAFT	0.89 332	0.89 231	0.72 317	1.16 339	0.78 358	1.06 360	0.82 354	0.87 330	0.97 372	1.00 354	0.91 366	0.90 348	1.00 359	0.89 343	0.93 364	0.83 325	0.83 332	0.82 346	0.82 359	0.81 318	0.82 351

DPSimNet_ROB	0.97 343	1.18 282	0.81 331	1.10 326	0.91 369	1.02 358	0.82 354	1.04 352	0.91 362	1.03 359	0.86 362	1.28 427	0.82 350	1.03 362	0.89 359	1.17 358	0.81 331	1.02 369	0.82 359	1.08 344	0.81 350

AIO-Stereo-zeroshot	0.91 333	0.86 225	0.89 333	1.25 391	0.69 348	1.05 359	0.81 353	1.16 360	0.50 308	1.12 368	0.97 371	0.72 329	0.82 350	1.06 364	0.95 365	0.61 297	0.87 334	1.03 370	0.85 362	1.04 342	1.01 370

DGTPSM_ROB	0.93 339	1.00 250	0.92 340	0.94 308	0.96 374	0.91 344	0.92 360	0.91 336	0.96 371	0.91 344	0.96 370	0.93 354	0.92 354	0.94 350	0.92 360	0.92 335	0.92 337	0.90 352	0.92 363	0.94 334	0.91 358

DPSM_ROB	0.92 335	0.91 234	0.91 338	0.91 300	0.92 370	0.92 345	0.92 360	0.92 339	0.91 362	0.93 348	0.91 366	0.92 351	0.90 352	0.91 345	0.92 360	0.92 335	0.91 335	0.91 354	0.92 363	0.93 332	0.93 360

DPSM	0.92 335	0.91 234	0.91 338	0.91 300	0.92 370	0.92 345	0.92 360	0.92 339	0.91 362	0.93 348	0.91 366	0.92 351	0.90 352	0.91 345	0.92 360	0.92 335	0.91 335	0.91 354	0.92 363	0.93 332	0.93 360

pmcnn	0.92 335	0.92 239	0.92 340	0.92 303	0.92 370	0.92 345	0.92 360	0.92 339	0.92 366	0.92 346	0.92 369	0.92 351	0.92 354	0.92 349	0.92 360	0.92 335	0.92 337	0.92 356	0.92 363	0.92 331	0.92 359

MM-Stereo_test2	1.20 362	1.85 357	1.05 351	1.46 402	0.94 373	1.36 429	0.99 367	1.36 422	0.95 369	1.41 427	0.98 372	1.40 432	0.96 356	1.37 428	0.95 365	1.37 416	1.06 346	1.33 433	0.93 367	1.29 410	0.89 356

MM-Stereo_test3	1.27 412	2.07 372	1.18 362	1.60 406	1.02 381	1.45 434	1.01 371	1.40 426	1.04 380	1.44 428	1.03 377	1.46 434	1.02 366	1.44 431	1.02 374	1.51 423	1.12 360	1.32 432	0.98 368	1.38 414	0.97 363

999	1.00 346	1.12 275	0.59 294	1.10 326	1.21 441	1.09 366	0.52 314	1.08 353	1.43 450	1.18 373	1.35 440	0.98 358	0.52 313	0.91 345	0.85 357	0.72 313	1.46 429	0.83 347	0.98 368	0.68 297	1.41 446

ours_stereo	1.20 362	1.21 330	0.90 336	1.64 411	1.11 385	1.35 427	0.67 332	1.76 433	0.93 367	1.70 437	1.10 379	1.39 430	0.75 343	1.41 430	0.81 355	1.60 427	1.03 345	1.33 433	1.00 370	1.61 421	0.72 337

GANet	1.00 346	1.00 250	1.00 347	1.00 317	1.00 376	1.00 353	1.00 368	1.00 347	1.00 375	1.00 354	1.00 373	1.00 359	1.00 359	1.00 357	1.00 370	1.00 341	1.00 340	1.00 365	1.00 370	1.00 338	1.00 367

TDLM	1.00 346	1.00 250	1.00 347	1.00 317	1.00 376	1.00 353	1.00 368	1.00 347	1.00 375	1.00 354	1.00 373	1.00 359	1.00 359	1.00 357	1.00 370	1.00 341	1.00 340	1.00 365	1.00 370	1.00 338	1.00 367

CVANet_RVC	1.00 346	1.00 250	1.00 347	1.00 317	1.00 376	1.00 353	1.00 368	1.00 347	1.00 375	1.00 354	1.00 373	1.00 359	1.00 359	1.00 357	1.00 370	1.00 341	1.00 340	1.00 365	1.00 370	1.00 338	1.00 367

trnet	1.01 351	1.01 256	1.01 350	1.01 320	1.01 380	1.01 357	1.01 371	1.01 350	1.01 378	1.01 358	1.01 376	1.01 362	1.01 365	1.01 361	1.01 373	1.01 344	1.01 343	1.01 368	1.01 374	1.01 341	1.01 370

GLC_STEREO	1.07 354	1.01 256	1.06 352	1.07 324	1.05 383	1.06 360	1.08 375	1.08 353	1.05 381	1.07 361	1.06 378	1.08 366	1.05 367	1.06 364	1.10 376	1.07 347	1.09 353	1.05 371	1.05 375	1.06 343	1.12 377

TorneroNet	0.66 282	0.53 195	0.50 277	0.50 245	0.64 338	1.06 360	0.70 338	0.50 279	0.51 315	0.49 276	0.69 345	0.49 280	0.50 307	0.48 276	1.15 381	0.71 312	0.49 276	1.14 373	1.08 376	0.49 270	0.49 299

Nwc_Net	2.37 451	25.95 506	1.15 358	1.14 332	1.15 387	1.08 364	1.14 379	1.17 362	1.16 384	1.14 371	1.15 380	1.08 366	1.15 373	1.11 372	1.14 380	1.10 350	1.11 357	1.16 375	1.09 377	1.16 351	1.15 382

RP	2.33 447	25.00 502	1.13 355	1.15 334	1.15 387	1.10 367	1.15 380	1.15 358	1.15 383	1.12 368	1.15 380	1.09 368	1.13 370	1.10 370	1.15 381	1.11 355	1.09 353	1.16 375	1.12 378	1.16 351	1.17 383

RGC	2.36 449	25.48 503	1.19 364	1.15 334	1.15 387	1.10 367	1.16 382	1.17 362	1.16 384	1.12 368	1.16 383	1.11 373	1.13 370	1.09 368	1.18 386	1.10 350	1.15 362	1.16 375	1.12 378	1.14 347	1.12 377

11t	1.27 412	2.70 400	1.34 420	1.32 395	0.89 365	1.30 426	1.34 438	1.64 429	0.57 320	1.45 429	0.72 351	1.05 365	1.29 432	1.07 367	1.29 438	1.49 420	1.02 344	0.97 363	1.15 380	1.48 416	1.31 437

AF-Net	2.37 451	25.71 505	1.17 360	1.13 331	1.15 387	1.15 373	1.18 384	1.19 365	1.16 384	1.10 363	1.15 380	1.10 370	1.18 378	1.12 373	1.15 381	1.10 350	1.10 356	1.17 379	1.15 380	1.16 351	1.12 377

NCC-stereo	2.36 449	25.52 504	1.17 360	1.15 334	1.17 392	1.11 370	1.11 376	1.15 358	1.16 384	1.10 363	1.16 383	1.10 370	1.15 373	1.14 374	1.13 379	1.09 348	1.11 357	1.15 374	1.16 382	1.17 356	1.17 383

Abc-Net	2.32 446	24.75 501	1.14 356	1.17 340	1.17 392	1.11 370	1.15 380	1.17 362	1.21 436	1.08 362	1.16 383	1.12 374	1.14 372	1.09 368	1.17 385	1.09 348	1.16 363	1.17 379	1.17 383	1.16 351	1.11 375
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
S-Stereo	2.51 456	26.86 508	1.23 416	1.22 388	1.22 443	1.24 423	1.25 435	1.22 414	1.24 439	1.21 420	1.24 436	1.19 378	1.27 430	1.19 377	1.24 435	1.19 359	1.20 368	1.25 430	1.19 384	1.24 408	1.23 433

stereogan	2.33 447	24.38 500	1.18 362	1.18 341	1.18 394	1.14 372	1.18 384	1.19 365	1.19 390	1.14 371	1.18 387	1.14 375	1.18 378	1.14 374	1.18 386	1.14 357	1.14 361	1.19 382	1.19 384	1.15 349	1.19 385

edge stereo	2.43 454	27.07 510	1.14 356	1.06 323	1.14 386	1.08 364	1.17 383	1.16 360	1.14 382	1.10 363	1.16 383	1.09 368	1.16 377	1.10 370	1.16 384	1.10 350	1.11 357	1.16 375	1.19 384	1.13 346	1.11 375

DisPM	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

CrosDoStereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

PFNet+	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

LCNet	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

HHNet	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

Patchmatch Stereo++	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

STrans-v2	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

TransformOpticalFlow	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

OMP-Stereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

IIG-Stereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

NF-Stereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

OCTAStereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

PSM-softLoss	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

KMStereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

NRIStereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

PSM-adaLoss	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

PSM-AAD	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

FTStereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

ROB_FTStereo_v2	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

ROB_FTStereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

Consistency-Raft	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

KYRaft	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

HUI-Stereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

ASMatch	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

DeepStereo_LL	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

DEmStereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

SST-Stereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

THIR-Stereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

RAFT_R40	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

DRaft	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

PFNet	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

GrayStereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

RE-Stereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

Pruner-Stereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

TVStereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

DeepStereo_RVC	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

RAFT-RH_RVC	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

IRAFT_RVC	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

RAFT-345	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

iRAFT	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

CRE-IMP	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

GMM-Stereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

RAFT-IKP	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

Prome-Stereo	1.20 362	1.20 284	1.20 367	1.20 343	1.20 395	1.20 375	1.20 386	1.20 368	1.20 391	1.20 375	1.20 388	1.20 379	1.20 380	1.20 378	1.20 388	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 386

SPS-STEREO	1.59 420	1.91 363	1.21 413	1.94 417	1.20 395	2.00 444	1.23 433	1.99 437	1.24 439	2.00 442	1.25 437	2.03 443	1.26 429	2.00 441	1.29 438	1.90 437	1.18 367	1.89 447	1.21 432	1.89 427	1.20 386
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 419	1.94 369	1.22 414	1.88 414	1.21 441	1.88 442	1.22 432	1.88 434	1.22 437	1.88 438	1.22 434	1.88 439	1.22 427	1.89 438	1.22 434	1.87 434	1.22 415	1.88 446	1.22 433	1.88 426	1.22 432
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
MaDis-Stereo	3.19 467	6.02 465	1.12 354	5.61 480	1.16 391	5.43 497	1.02 373	5.15 496	0.70 341	5.43 494	1.21 433	5.03 496	0.97 357	4.85 491	0.99 369	4.53 469	1.16 363	5.53 496	1.25 434	5.37 484	1.30 436

FAT-Stereo	2.46 455	26.05 507	1.23 416	1.23 390	1.22 443	1.20 375	1.24 434	1.23 416	1.23 438	1.19 374	1.22 434	1.21 424	1.24 428	1.20 378	1.24 435	1.21 405	1.17 366	1.22 429	1.25 434	1.20 360	1.24 434

MC-Stereo	1.76 425	2.96 408	1.37 429	2.14 424	1.37 447	2.14 448	1.36 440	2.14 442	1.37 446	2.14 448	1.37 443	2.14 445	1.37 436	2.14 446	1.37 441	1.97 438	1.32 416	1.97 449	1.32 436	1.98 428	1.33 439

MaskLacGwcNet_RVC	1.35 414	1.35 340	1.35 422	1.35 397	1.35 445	1.35 427	1.35 439	1.36 422	1.35 444	1.36 425	1.35 440	1.36 428	1.36 435	1.36 427	1.35 440	1.35 413	1.35 422	1.35 436	1.35 437	1.35 412	1.35 442

CC-Net-ROB	1.36 415	1.33 339	1.33 419	1.36 398	1.38 448	1.36 429	1.33 437	1.37 424	1.34 442	1.35 424	1.36 442	1.38 429	1.34 434	1.38 429	1.38 442	1.35 413	1.38 425	1.33 433	1.35 437	1.43 415	1.34 441

RASNet	1.49 418	1.65 348	1.45 433	1.38 400	1.43 451	1.47 435	1.36 440	1.38 425	1.36 445	1.39 426	1.60 452	1.45 433	1.45 440	1.51 432	2.21 465	1.53 424	1.36 423	1.36 438	1.36 439	1.66 422	1.36 443

LL-Strereo	1.01 351	5.06 447	1.63 438	0.70 278	1.43 451	0.56 306	0.46 291	0.57 297	0.50 308	0.57 306	0.50 315	1.58 435	0.49 304	0.59 310	0.50 307	1.64 428	0.52 287	0.51 307	1.37 440	0.52 282	0.45 285

PS-NSSS	1.38 417	1.39 342	1.34 420	1.34 396	1.35 445	1.38 431	1.37 445	1.35 421	1.38 447	1.34 423	1.34 439	1.39 430	1.38 437	1.70 435	1.40 443	1.36 415	1.36 423	1.36 438	1.37 440	1.37 413	1.36 443

MM-Stereo_test1	1.80 428	3.41 418	1.52 437	2.12 423	1.41 450	2.04 445	1.41 447	2.05 438	1.46 451	2.04 444	1.41 446	2.05 444	1.42 439	2.05 442	1.43 445	2.04 442	1.54 433	1.94 448	1.38 442	1.99 429	1.33 439

ff7	1.68 422	2.68 397	1.35 422	0.97 314	0.89 365	1.84 439	2.15 463	2.12 439	1.80 458	2.05 445	1.56 448	2.33 450	2.12 456	2.23 447	2.25 466	1.31 409	1.07 347	1.48 440	1.41 443	0.90 327	1.04 372

ffff	1.68 422	2.68 397	1.35 422	0.97 314	0.89 365	1.84 439	2.15 463	2.12 439	1.80 458	2.05 445	1.56 448	2.33 450	2.12 456	2.23 447	2.25 466	1.31 409	1.07 347	1.48 440	1.41 443	0.90 327	1.04 372

ccc-4	1.68 422	2.68 397	1.35 422	0.97 314	0.89 365	1.84 439	2.15 463	2.12 439	1.80 458	2.05 445	1.56 448	2.33 450	2.12 456	2.23 447	2.25 466	1.31 409	1.07 347	1.48 440	1.41 443	0.90 327	1.04 372

sCroCo_RVC	2.10 436	2.76 402	1.92 455	2.78 445	1.39 449	2.73 461	1.41 447	2.73 456	1.40 448	2.77 463	1.41 446	2.74 461	1.40 438	2.74 460	1.40 443	2.72 456	1.42 427	2.72 462	1.44 446	2.79 448	1.42 447

IGEVStereo-DCA	1.77 426	4.21 438	1.84 447	2.49 440	2.11 469	2.54 459	1.36 440	1.65 430	1.17 388	2.75 460	1.90 462	2.54 458	1.15 373	0.94 350	1.11 377	1.50 421	1.32 416	0.96 361	1.46 447	1.49 417	0.88 354

rrr	1.77 426	4.21 438	1.84 447	2.49 440	2.11 469	2.54 459	1.36 440	1.65 430	1.17 388	2.75 460	1.90 462	2.54 458	1.15 373	0.94 350	1.11 377	1.50 421	1.32 416	0.96 361	1.46 447	1.49 417	0.88 354

LGtest1	2.22 442	2.70 400	1.89 454	2.76 444	1.86 463	2.75 462	1.86 459	2.75 457	1.86 461	2.75 460	1.86 458	2.77 462	1.87 448	2.75 461	1.86 461	2.46 455	1.58 435	2.45 461	1.56 449	2.45 442	1.56 450

ccnet	0.80 310	2.28 386	0.33 204	0.50 245	0.33 243	0.50 292	0.33 231	0.50 279	0.33 236	0.49 276	0.33 238	0.49 280	1.56 441	2.38 453	0.33 232	0.41 243	0.29 198	0.42 273	1.57 450	2.28 438	0.29 212

DPSMNet_ROB	1.60 421	1.59 346	1.70 441	1.59 405	1.59 453	1.61 437	1.61 450	1.60 427	1.60 452	1.62 435	1.59 451	1.60 436	1.60 442	1.60 433	1.59 448	1.59 425	1.60 436	1.59 444	1.59 451	1.59 420	1.59 451

Anonymous3	2.55 457	3.26 416	1.65 439	3.28 450	1.63 454	3.24 467	1.68 451	3.27 465	1.66 453	3.28 466	1.67 453	3.25 466	1.66 443	3.27 465	1.64 450	3.26 460	1.65 439	3.30 465	1.65 452	4.95 479	1.65 454

MFMNet_re	1.81 429	1.91 363	1.71 442	1.95 418	1.70 456	1.95 443	1.70 453	1.96 436	1.74 455	1.97 441	1.72 455	1.95 441	1.71 445	1.97 440	1.71 454	1.86 433	1.62 437	1.85 445	1.66 453	1.86 425	1.64 452

MIF-Stereo (partial)	2.58 458	3.31 417	0.66 306	3.18 448	0.66 343	3.18 466	0.66 328	3.21 464	0.67 334	3.19 465	0.66 340	3.19 465	0.66 329	3.31 467	0.68 335	5.09 485	1.79 446	8.23 504	1.67 454	6.18 488	1.38 445

test_xeample3	1.10 356	1.81 355	0.61 298	0.84 293	0.49 311	0.77 329	0.66 328	0.92 339	1.40 448	0.68 323	0.46 298	0.78 336	0.54 317	1.72 436	1.48 446	1.34 412	1.52 432	1.35 436	1.67 454	1.33 411	1.55 449

UDGNet	2.23 443	5.40 456	1.72 443	2.48 439	1.69 455	2.51 458	1.69 452	2.51 454	1.72 454	2.50 456	1.69 454	2.52 457	1.69 444	2.50 457	1.68 453	2.41 454	1.70 441	2.42 460	1.69 456	2.42 441	1.64 452

TRStereo	2.00 432	2.13 377	1.85 449	2.27 430	1.84 460	2.28 450	1.84 456	2.29 445	1.86 461	2.30 450	1.87 459	2.30 447	1.87 448	2.08 443	1.72 456	2.08 443	1.72 442	2.08 451	1.72 457	2.08 430	1.72 455

XX-Stereo	2.00 432	2.13 377	1.85 449	2.27 430	1.84 460	2.28 450	1.84 456	2.29 445	1.86 461	2.30 450	1.87 459	2.30 447	1.87 448	2.08 443	1.72 456	2.08 443	1.72 442	2.08 451	1.72 457	2.08 430	1.72 455

EAI-Stereo	2.00 432	2.13 377	1.85 449	2.27 430	1.84 460	2.28 450	1.84 456	2.29 445	1.86 461	2.30 450	1.87 459	2.30 447	1.87 448	2.08 443	1.72 456	2.08 443	1.72 442	2.08 451	1.72 457	2.08 430	1.72 455

RAFT_CTSACE	1.92 431	3.71 425	1.72 443	1.88 414	1.72 457	2.04 445	1.42 449	2.18 443	1.89 465	2.02 443	1.97 466	1.95 441	2.06 455	1.93 439	1.62 449	1.76 430	1.66 440	2.02 450	1.73 460	1.73 423	1.43 448

U	5.15 498	8.49 477	1.81 446	8.49 494	1.77 458	8.49 505	1.77 454	8.51 505	1.77 456	8.49 505	1.77 456	8.50 505	1.78 446	8.58 505	1.77 459	8.54 503	1.78 445	8.55 505	1.78 461	8.55 499	1.84 459

FBW_ROB	2.12 438	2.46 392	1.77 445	2.49 440	1.79 459	2.38 454	1.83 455	2.46 453	1.78 457	2.48 455	1.97 466	2.40 454	1.78 446	2.42 456	1.83 460	2.31 449	1.85 448	2.38 459	1.82 462	2.35 440	1.84 459

AIO_test	2.18 439	2.09 375	2.04 458	2.42 437	2.01 467	2.47 457	1.94 461	2.34 450	2.03 467	2.56 458	1.94 464	2.43 455	1.94 452	2.41 454	1.87 462	2.39 453	2.10 451	2.35 458	1.91 463	2.25 436	2.19 463

HUF	2.18 439	2.30 387	1.99 457	2.34 435	2.02 468	2.41 456	2.06 462	2.38 452	1.89 465	2.36 454	1.85 457	2.56 460	1.98 453	2.31 452	1.97 464	2.30 448	2.03 449	2.30 456	2.11 464	2.23 435	2.16 462

AIO_rvc	2.18 439	2.34 388	1.87 453	2.32 434	1.94 466	2.40 455	1.89 460	2.37 451	2.07 468	2.52 457	1.95 465	2.44 456	1.99 454	2.41 454	1.89 463	2.32 450	2.09 450	2.24 454	2.18 465	2.21 434	2.23 464

STTStereo	3.73 471	30.40 514	2.37 464	2.39 436	2.31 473	2.35 453	2.33 467	2.29 445	2.42 470	2.32 453	2.34 472	2.33 450	2.36 460	2.30 451	2.27 469	2.35 451	2.22 455	2.31 457	2.22 466	2.29 439	2.34 469

sAnonymous2	3.31 468	2.63 395	1.38 430	3.71 457	1.86 463	4.70 491	1.11 376	4.82 492	2.72 472	5.45 495	1.98 468	4.59 483	2.64 461	2.65 458	6.21 501	4.37 466	1.08 351	5.16 494	2.24 467	4.52 464	2.39 470

CroCo_RVC	3.31 468	2.63 395	1.38 430	3.71 457	1.86 463	4.70 491	1.11 376	4.82 492	2.72 472	5.45 495	1.98 468	4.59 483	2.64 461	2.65 458	6.21 501	4.37 466	1.08 351	5.16 494	2.24 467	4.52 464	2.39 470

NCCL2	2.28 445	2.27 385	2.28 460	2.28 433	2.28 471	2.27 449	2.29 466	2.28 444	2.28 469	2.27 449	2.28 471	2.28 446	2.27 459	2.27 450	2.28 470	2.28 446	2.28 456	2.27 455	2.29 469	2.27 437	2.29 465

Sa-1000	4.34 486	8.37 474	6.84 499	6.98 489	4.45 499	3.58 469	3.00 473	3.42 468	3.39 488	2.61 459	4.00 494	3.83 472	4.01 487	3.90 472	3.90 490	5.98 492	5.62 487	3.76 472	2.34 470	4.35 462	2.47 472

GES	0.66 282	2.34 388	0.29 185	0.41 210	0.29 217	0.41 240	0.29 212	0.42 249	0.29 215	0.40 219	0.41 280	0.41 240	0.30 227	0.51 295	0.29 214	0.32 193	0.29 198	0.32 195	2.46 471	2.49 443	0.30 222

NLCA_NET_v2_RVC	5.04 496	50.87 524	2.78 466	2.87 446	2.71 474	2.78 463	0.47 296	2.88 461	2.86 474	1.89 439	2.67 473	2.79 463	2.79 464	2.78 462	2.83 471	2.82 457	2.82 459	2.83 463	2.77 472	2.83 449	2.76 473
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
rvit_0105_6	3.87 476	5.73 462	3.10 478	4.69 472	3.12 486	4.54 481	3.02 475	4.56 480	3.04 475	4.54 481	3.03 476	4.54 479	3.04 468	4.56 480	3.05 474	4.58 474	3.05 461	4.58 480	3.05 473	4.58 467	3.05 474

rvit_105_1	3.83 472	5.22 450	3.01 468	4.53 462	3.01 476	4.51 479	3.01 474	4.56 480	3.04 475	4.53 479	3.03 476	4.55 481	3.03 465	4.56 480	3.04 472	4.57 471	3.05 461	4.57 478	3.05 473	4.57 466	3.05 474

rvit_stereo_0081	3.83 472	5.23 451	3.01 468	4.53 462	3.03 478	4.55 485	3.02 475	4.56 480	3.04 475	4.52 477	3.02 474	4.54 479	3.03 465	4.56 480	3.04 472	4.57 471	3.05 461	4.57 478	3.05 473	4.58 467	3.05 474

rvit_stereo_0082	3.86 474	5.82 463	3.01 468	4.53 462	3.03 478	4.54 481	3.02 475	4.56 480	3.04 475	4.53 479	3.02 474	4.55 481	3.04 468	4.57 483	3.05 474	4.57 471	3.05 461	4.58 480	3.05 473	4.58 467	3.06 477

rvit_stereo_0081_aga	3.86 474	5.33 454	3.02 471	4.55 468	3.04 482	4.54 481	3.02 475	4.64 487	3.06 479	4.54 481	3.04 478	4.62 488	3.08 472	4.62 486	3.07 477	4.58 474	3.06 465	4.60 482	3.08 477	4.63 470	3.07 478

rvit_stereo_0080	3.89 477	5.70 460	3.04 473	4.54 465	3.03 478	4.56 486	3.05 481	4.60 484	3.07 480	4.58 484	3.06 479	4.59 483	3.06 470	4.61 484	3.08 478	4.63 476	3.09 466	4.64 484	3.10 478	4.65 471	3.10 479

whm_eth	3.89 477	5.70 460	3.04 473	4.54 465	3.03 478	4.56 486	3.05 481	4.60 484	3.07 480	4.58 484	3.06 479	4.59 483	3.06 470	4.61 484	3.08 478	4.63 476	3.09 466	4.64 484	3.10 478	4.65 471	3.10 479

rvit_stereo_0083	3.92 481	5.30 453	3.06 476	4.61 471	3.09 485	4.67 490	3.08 484	4.66 488	3.09 484	4.62 487	3.10 484	4.66 491	3.11 474	4.67 488	3.16 483	4.72 481	3.16 471	4.77 489	3.11 480	4.66 473	3.11 481

SA	4.33 485	7.35 468	6.85 500	5.96 482	4.09 496	3.59 470	3.15 487	3.82 472	2.64 471	3.91 470	3.85 491	3.57 468	2.72 463	3.13 464	4.03 492	7.09 499	6.86 494	3.57 468	3.12 481	3.85 454	3.51 488

rvit_stereo_ft	3.93 482	5.44 458	3.05 475	4.59 469	3.06 483	4.61 489	3.08 484	4.67 489	3.12 485	4.63 488	3.10 484	4.65 490	3.11 474	4.69 490	3.13 482	4.70 479	3.14 470	4.71 488	3.15 482	4.74 474	3.16 483

rvit_0105_4	3.91 479	5.47 459	3.02 471	4.54 465	3.02 477	4.54 481	3.03 479	4.75 490	3.17 486	4.57 483	3.06 479	4.61 487	3.16 476	4.65 487	3.09 480	4.66 478	3.11 468	4.68 487	3.18 483	4.81 476	3.16 483

rvit_0105_3	3.91 479	5.33 454	3.06 476	4.60 470	3.07 484	4.60 488	3.06 483	4.62 486	3.08 483	4.60 486	3.07 482	4.62 488	3.08 472	4.67 488	3.10 481	4.70 479	3.11 468	4.77 489	3.19 484	4.77 475	3.14 482

rvit_0105_5	4.10 483	5.40 456	3.13 481	4.71 473	3.15 487	4.72 493	3.10 486	4.90 494	3.27 487	4.69 489	3.16 486	4.84 493	3.25 477	4.96 492	3.34 485	5.05 484	3.39 473	5.10 493	3.40 485	5.11 481	3.42 486

test_5	4.62 490	7.55 470	6.23 495	6.32 484	3.40 490	5.29 496	3.50 489	3.53 469	4.11 495	4.28 474	4.47 498	4.26 477	4.38 490	3.68 470	3.24 484	5.89 490	5.60 486	4.84 491	3.50 486	4.33 461	3.93 496

DispFullNet	4.61 489	4.84 444	3.12 479	5.00 476	3.57 491	4.75 494	3.03 479	7.75 503	4.17 496	4.91 492	3.09 483	6.20 499	3.95 485	6.71 499	3.51 486	5.30 487	3.67 475	5.86 500	3.63 487	5.61 485	3.46 487

TestStereo1	4.60 487	8.41 475	6.44 497	6.86 487	3.79 493	3.97 474	3.78 492	3.99 474	3.74 490	3.97 471	3.52 488	3.94 473	3.58 478	3.98 473	3.72 488	6.82 496	6.50 492	3.76 472	3.66 488	3.90 455	3.74 492

SA-5K	4.60 487	8.41 475	6.44 497	6.86 487	3.79 493	3.97 474	3.78 492	3.99 474	3.74 490	3.97 471	3.52 488	3.94 473	3.58 478	3.98 473	3.72 488	6.82 496	6.50 492	3.76 472	3.66 488	3.90 455	3.74 492

DPSNet	3.66 470	3.60 421	3.62 484	3.63 455	3.64 492	3.65 471	3.65 491	3.66 470	3.67 489	3.67 469	3.65 490	3.67 470	3.66 480	3.66 469	3.68 487	3.68 464	3.66 474	3.67 470	3.68 490	3.67 452	3.67 489

test_4	4.88 493	8.13 473	6.98 501	7.46 490	4.44 498	4.25 477	3.85 494	4.04 476	3.92 493	4.13 473	3.91 492	4.18 476	3.84 483	4.14 475	4.06 493	7.01 498	7.13 495	4.53 476	3.72 491	4.09 458	3.72 490

RAFT+CT+SA	4.28 484	7.62 471	4.91 489	5.55 479	2.28 471	3.09 464	3.64 490	4.49 478	3.07 480	4.80 490	3.35 487	4.77 492	3.70 481	4.29 477	3.05 474	5.58 488	5.98 489	3.58 469	3.78 492	4.26 460	3.72 490

test_3	5.01 495	8.86 480	7.77 503	8.09 492	2.76 475	4.13 476	4.05 496	3.88 473	3.76 492	4.33 475	4.13 495	3.71 471	3.91 484	4.21 476	4.06 493	7.93 500	7.69 497	4.53 476	3.91 493	4.17 459	4.29 498

cross-raft	4.83 492	7.52 469	6.43 496	6.63 485	3.96 495	4.51 479	3.99 495	4.49 478	3.96 494	4.52 477	3.96 493	4.50 478	3.97 486	4.50 479	3.97 491	6.65 494	6.44 491	4.33 475	3.92 494	4.35 462	3.91 495

GEStereo_RVC	0.86 329	4.45 440	0.20 154	0.27 157	0.20 177	0.27 182	0.20 164	0.26 173	0.18 163	5.03 493	0.20 177	0.27 183	0.19 171	0.27 187	0.21 175	0.20 145	0.19 159	0.19 152	4.02 495	0.20 149	0.18 159

SGM-Forest	5.21 499	5.92 464	4.08 486	6.18 483	4.16 497	6.31 499	4.34 498	6.50 498	4.33 497	6.14 499	4.21 496	6.61 502	4.55 491	6.67 498	4.48 496	5.94 491	3.94 477	5.85 499	4.03 496	5.79 487	4.17 497
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CFNet	1.37 416	5.27 452	0.19 151	5.49 478	0.19 175	0.28 183	0.19 161	0.28 176	0.19 169	0.28 180	0.19 173	0.28 184	4.35 489	0.28 189	0.19 169	0.23 164	0.17 152	0.23 167	4.21 497	4.81 476	0.17 155

raft_robust	4.71 491	7.75 472	5.40 494	6.81 486	3.31 488	4.28 478	4.20 497	4.32 477	4.37 498	4.35 476	4.35 497	4.14 475	3.75 482	4.30 478	4.20 495	6.67 495	6.37 490	3.36 467	4.24 498	4.86 478	3.25 485

FC-DCNN v2	5.10 497	5.15 448	4.49 487	5.07 477	3.37 489	6.87 500	4.75 499	5.04 495	6.34 503	7.84 503	5.06 500	6.72 503	4.09 488	4.99 493	5.44 500	5.03 483	3.16 471	4.67 486	4.86 499	5.15 482	3.89 494

TestStereo	4.88 493	4.75 443	4.79 488	4.87 475	4.92 500	4.81 495	4.90 500	4.78 491	4.77 499	4.87 491	4.89 499	4.90 494	4.91 492	4.99 493	4.79 497	4.98 482	4.87 483	4.87 492	4.92 500	5.00 480	5.00 499

SGM+DAISY	7.06 503	9.15 481	5.38 493	8.84 496	5.18 501	8.80 506	5.31 502	8.79 506	5.28 501	8.89 506	5.20 501	8.93 506	5.33 494	8.95 506	5.36 499	8.70 504	5.21 484	8.74 506	5.20 501	8.89 500	5.15 500

rvit_stereo_0075_2	6.64 501	8.80 479	5.25 491	7.89 491	5.27 502	7.90 504	5.27 501	7.92 504	5.28 501	7.91 504	5.29 502	7.93 504	5.27 493	7.92 504	5.28 498	7.93 500	5.28 485	7.93 503	5.29 502	7.93 496	5.28 501

test-1	6.46 500	9.16 482	8.03 506	8.09 492	5.62 503	6.11 498	6.35 503	6.85 500	4.94 500	6.08 498	6.29 505	4.98 495	6.43 497	6.22 496	6.36 503	6.16 493	7.47 496	5.82 498	5.44 503	7.11 493	5.68 502

RAFT	6.73 502	9.36 483	7.40 502	8.51 495	6.55 504	6.88 501	6.60 504	6.79 499	6.60 504	6.80 500	6.72 506	5.31 497	5.50 495	6.61 497	6.61 504	8.42 502	5.89 488	5.73 497	5.45 504	6.61 489	6.24 503

test-v	7.53 504	11.89 491	7.98 504	9.36 498	7.14 505	7.06 502	7.09 505	7.37 501	6.91 505	7.29 501	5.71 503	6.45 500	6.93 498	6.73 500	7.27 505	8.93 505	7.85 498	6.98 501	6.80 505	7.56 494	7.34 505

test-2	7.53 504	11.89 491	7.98 504	9.36 498	7.14 505	7.06 502	7.09 505	7.37 501	6.91 505	7.29 501	5.71 503	6.45 500	6.93 498	6.73 500	7.27 505	8.93 505	7.85 498	6.98 501	6.80 505	7.56 494	7.34 505

MANE	19.05 507	23.00 499	15.00 507	23.00 513	15.00 507	24.00 513	16.00 507	24.00 513	16.00 507	22.00 513	15.00 507	23.00 513	16.00 507	23.00 513	15.00 507	22.00 513	15.00 507	22.00 513	15.00 507	22.00 513	15.00 507

rafts_anoy	20.00 508	20.00 493	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508

raft+_RVC	20.00 508	20.00 493	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508

raftrobust	20.00 508	20.00 493	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508

CasAABBNet	20.00 508	20.00 493	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508

RALCasStereoNet	20.00 508	20.00 493	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508

RALAANet	20.00 508	20.00 493	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 508

WCMA_ROB	31.10 515	35.43 519	27.12 514	39.51 525	23.10 514	38.78 525	25.30 514	37.49 525	25.39 514	37.29 524	27.02 514	38.52 525	26.48 514	37.80 524	26.44 514	36.28 521	22.65 514	33.90 518	22.30 514	37.10 522	24.18 514

fff	1000028.16 534	29.62 511	29.72 515	32.61 514	30.02 515	35.13 516	31.83 516	32.07 515	10000000.00 534	35.27 517	29.82 516	32.45 515	30.15 515	32.35 515	30.09 515	31.04 515	29.55 516	30.64 515	30.14 515	10000000.00 534	30.77 516

csc	1000028.16 534	29.62 511	29.72 515	32.61 514	30.02 515	35.13 516	31.83 516	32.07 515	10000000.00 534	35.27 517	29.82 516	32.45 515	30.15 515	32.35 515	30.09 515	31.04 515	29.55 516	30.64 515	30.14 515	10000000.00 534	30.77 516

cscssc	1000028.16 534	29.62 511	29.72 515	32.61 514	30.02 515	35.13 516	31.83 516	32.07 515	10000000.00 534	35.27 517	29.82 516	32.45 515	30.15 515	32.35 515	30.09 515	31.04 515	29.55 516	30.64 515	30.14 515	10000000.00 534	30.77 516

111	30.40 514	30.94 515	29.72 515	32.61 514	30.02 515	33.57 514	30.47 515	31.50 514	29.39 515	30.98 514	29.11 515	29.78 514	30.39 518	29.45 514	30.76 518	30.08 514	29.02 515	29.92 514	30.32 518	29.86 514	30.17 515

ADStereo(finetuned)	36.13 517	36.63 520	38.07 525	36.97 519	33.25 519	35.91 519	34.45 519	36.36 521	32.99 516	38.14 525	36.71 522	36.69 521	34.13 519	38.57 525	40.79 525	37.60 525	36.58 522	35.90 522	33.36 519	35.42 517	34.04 519

DCANet-4	35.22 516	34.54 516	35.08 521	33.58 518	35.47 522	34.55 515	35.53 522	36.08 520	35.85 519	35.92 520	35.77 521	35.18 520	35.48 520	35.39 520	37.15 524	34.55 520	33.92 519	35.02 521	34.90 520	35.79 518	34.74 522

tt	500032.53 532	34.60 517	29.72 515	37.47 523	34.41 520	36.85 520	35.22 520	34.71 518	33.55 517	34.50 515	35.43 519	33.81 518	10000000.00 535	33.57 518	33.13 519	33.68 518	35.00 520	34.03 519	35.26 521	30.96 515	34.63 520

DCANet	500032.53 532	34.60 517	29.72 515	37.47 523	34.41 520	36.85 520	35.22 520	34.71 518	33.55 517	34.50 515	35.43 519	33.81 518	10000000.00 535	33.57 518	33.13 519	33.68 518	35.00 520	34.03 519	35.26 521	30.96 515	34.63 520

Reg-Stereo(zero)	37.00 518	37.00 521	37.00 522	37.00 520	37.00 523	37.00 522	37.00 523	37.00 522	37.00 520	37.00 521	37.00 523	37.00 522	37.00 521	37.00 521	37.00 521	37.00 522	37.00 523	37.00 523	37.00 523	37.00 519	37.00 523

HI	37.00 518	37.00 521	37.00 522	37.00 520	37.00 523	37.00 522	37.00 523	37.00 522	37.00 520	37.00 521	37.00 523	37.00 522	37.00 521	37.00 521	37.00 521	37.00 522	37.00 523	37.00 523	37.00 523	37.00 519	37.00 523

CoSv	37.00 518	37.00 521	37.00 522	37.00 520	37.00 523	37.00 522	37.00 523	37.00 522	37.00 520	37.00 521	37.00 523	37.00 522	37.00 521	37.00 521	37.00 521	37.00 522	37.00 523	37.00 523	37.00 523	37.00 519	37.00 523

NOSS_ROB	102.95 522	153.00 529	121.00 529	51.00 526	44.00 526	165.00 529	127.00 528	153.00 528	119.00 525	164.00 529	125.00 528	168.00 529	120.00 526	153.00 528	117.00 528	49.00 526	44.00 526	49.00 526	44.00 526	49.00 523	44.00 526

CBMV	128.50 523	1422.70 536	53.10 527	79.50 527	51.30 527	77.30 527	49.70 526	74.00 526	48.20 524	77.20 527	48.80 527	73.90 527	48.00 525	73.80 527	48.80 527	70.40 527	45.10 527	68.90 527	46.10 527	68.20 524	45.00 527
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 521	87.70 525	41.95 526	113.75 528	65.62 528	75.05 526	55.25 527	75.64 527	45.04 523	71.61 526	41.75 526	72.81 526	44.06 524	68.38 526	44.63 526	101.89 528	59.57 528	107.10 528	61.05 528	104.38 525	59.38 528

MGS-Stereo	239.45 526	123.00 526	135.00 530	266.00 531	286.00 532	277.00 531	305.00 532	271.00 531	242.00 529	274.00 531	279.00 532	255.00 531	270.00 530	268.00 531	297.00 532	221.00 531	247.00 532	216.00 531	123.00 529	217.00 528	217.00 532

MeshStereo	159.24 524	171.00 530	160.68 532	162.58 529	160.59 529	164.01 528	160.35 529	158.51 529	158.56 526	158.34 528	160.12 529	158.56 528	159.92 527	157.26 529	158.94 529	154.38 529	158.36 529	155.75 529	159.13 530	153.67 526	154.07 529
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
AE-Stereo	201.80 525	123.00 526	115.00 528	219.00 530	218.00 531	223.00 530	244.00 531	217.00 530	236.00 528	202.00 530	203.00 530	205.00 530	208.00 528	225.00 530	204.00 530	210.00 530	198.00 530	197.00 530	184.00 531	204.00 527	201.00 530

DLCB_ROB	284.23 528	354.61 532	207.27 533	363.24 533	206.46 530	364.72 533	210.41 530	364.72 533	210.41 527	364.81 533	208.64 531	364.81 533	208.64 529	364.72 533	210.41 531	354.70 533	205.53 531	354.70 533	205.53 532	354.70 530	205.53 531

EGLCR-Stereo	246.90 527	129.00 528	139.00 531	266.00 531	286.00 532	277.00 531	305.00 532	271.00 531	242.00 529	274.00 531	279.00 532	255.00 531	270.00 530	268.00 531	297.00 532	230.00 532	247.00 532	216.00 531	223.00 533	237.00 529	227.00 533

LE_ROB	396.57 529	471.28 533	329.84 534	471.48 534	308.15 534	526.83 534	322.10 534	488.15 534	323.76 531	495.46 534	317.97 534	497.17 534	320.10 532	481.62 534	326.76 534	462.71 534	298.97 534	466.16 534	285.98 534	447.62 531	289.21 534

SGM-ForestM	596.69 530	677.77 534	444.52 535	699.85 535	517.25 535	732.94 535	488.29 535	770.79 535	460.11 532	750.81 535	487.98 535	792.79 535	499.41 533	730.90 535	475.81 535	720.03 535	491.16 535	663.96 535	418.60 535	674.76 532	436.05 535

CBMV_ROB	818.48 531	913.88 535	709.52 536	862.84 536	597.78 536	1073.99 536	700.52 536	1015.66 536	702.59 533	1115.65 536	760.02 536	1130.24 536	721.57 534	1037.41 536	692.65 536	814.05 536	564.29 536	843.28 536	595.31 536	915.51 533	602.92 536

SGD-Stereo	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 535	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537

IGEV-Stereo++	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 535	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537

IGEV-BASED-STEREO-	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 535	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537

IGEV-Stereo+	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 535	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537

SDNR	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 535	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537

anonymousdsp2	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 535	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537

anonymousdsp	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 535	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537

test_example2	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 535	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537

DIP-Stereo	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 535	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 537
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark