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

USTest	0.01 9	0.02 12	0.00 1	0.14 97	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 44	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 65	0.07 59	0.09 53	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 119	0.20 162	0.23 146	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 171	0.21 172	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 208	0.10 70	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 95	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 193	0.10 70	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
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 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWC_ROB	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCDC_ROB	0.01 9	0.01 9	0.02 14	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCK	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PSMNet-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CoDeX	0.15 122	0.70 221	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 352	0.02 15	0.69 337	0.75 355	0.01 9	0.02 20	0.02 20

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CBFPSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

Wz-Net-LNSev-Ref	0.11 85	0.44 170	0.33 215	0.39 198	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 244	0.36 238	0.02 18	0.02 20	0.02 20	0.02 20

psmg	0.43 247	1.91 390	0.92 365	1.91 441	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 466	1.44 459	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 195	1.29 356	1.19 389	1.36 421	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 432	1.21 439	0.03 38	0.09 110	0.02 20	0.09 108

SFCPSM	0.17 134	0.78 225	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 374	0.02 15	0.75 347	0.76 357	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 160	1.31 358	0.74 344	0.92 324	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 353	0.75 347	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MSC_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCMid	0.08 51	0.02 12	0.02 14	1.01 341	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 106	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 52	0.02 12	0.04 44	0.90 319	0.06 107	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 128	0.36 269	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 85	0.02 12	0.02 14	1.62 434	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 89	0.04 76	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 110	0.04 37	0.03 37	2.22 452	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 103	0.04 76	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 48	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 52	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM0	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

zh-sn7	0.10 63	0.98 262	0.14 126	0.15 107	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 94	1.14 292	0.17 150	0.20 133	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 148	0.16 143	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 110	1.22 352	0.28 191	0.32 176	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 202	0.27 191	0.04 73	0.03 54	0.03 43	0.03 51

G2L-ROB	0.03 29	0.06 54	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo_test	0.03 29	0.04 37	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

TCMNet	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.02 20	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet_1	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

DualNet (step1)	0.10 63	1.05 282	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 63	1.05 282	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 63	1.05 282	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 52	1.00 266	0.11 90	0.11 74	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 52	0.97 261	0.10 70	0.10 57	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample4	0.10 63	1.03 278	0.12 101	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 52	0.87 239	0.10 70	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 52	1.03 278	0.11 90	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 52	0.87 239	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 52	1.01 272	0.09 66	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 52	0.95 258	0.09 66	0.10 57	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

qqq1	0.25 160	3.70 472	0.14 126	0.14 97	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 107	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 160	3.70 472	0.14 126	0.14 97	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 107	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

ttt	0.10 63	1.09 287	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 63	1.14 292	0.13 121	0.14 97	0.03 48	0.04 78	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 95	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 52	1.01 272	0.10 70	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

qqq	0.16 130	2.01 398	0.12 101	0.15 107	0.04 79	0.06 93	0.05 94	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.03 48	0.12 91	0.14 138	0.04 73	0.04 78	0.03 43	0.03 51

x	0.11 85	1.15 295	0.15 142	0.14 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 141	0.03 38	0.03 54	0.03 43	0.03 51

test_xeample	0.10 63	1.09 287	0.13 121	0.12 80	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 138	0.03 38	0.03 54	0.03 43	0.03 51

BEATNet_4x	0.11 85	0.03 31	0.03 37	1.60 431	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 85	0.03 31	0.03 37	1.60 431	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCRef	0.12 94	0.03 31	0.04 44	1.71 437	0.04 79	0.03 40	0.03 50	0.04 77	0.04 82	0.04 74	0.03 52	0.04 77	0.03 52	0.06 89	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

ADCPNet	0.10 63	0.03 31	0.04 44	1.27 414	0.03 48	0.04 78	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 106	0.04 76	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

z-mn7	0.16 130	1.21 347	0.33 215	0.41 222	0.04 79	0.04 78	0.03 50	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.35 218	0.31 220	0.04 73	0.04 78	0.04 77	0.04 79

z-ln-s-r	0.21 149	1.40 363	0.53 309	0.56 276	0.04 79	0.05 90	0.04 82	0.05 89	0.05 98	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.05 89	0.57 311	0.44 279	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 137	1.47 365	0.33 215	0.40 211	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.38 234	0.32 223	0.05 86	0.04 78	0.04 77	0.04 79

test_sample5	0.10 63	1.07 285	0.11 90	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

DualNet	0.10 63	1.07 285	0.11 90	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

GASNet	0.05 41	0.04 37	0.12 101	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.12 123	0.04 89	0.06 98	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

222	0.10 63	0.99 265	0.12 101	0.13 93	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 85	1.16 296	0.16 143	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 143	0.03 38	0.04 78	0.04 77	0.04 79

EDNetEfficientorigin	0.04 38	0.06 54	0.04 44	0.05 43	0.04 79	0.05 90	0.04 82	0.05 89	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

EDNetEfficient	0.04 38	0.05 49	0.04 44	0.04 37	0.03 48	0.04 78	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

FADNet-RVC-Resample	0.12 94	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	1.57 480	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FADNet_RVC	0.12 94	0.04 37	0.04 44	0.05 43	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.65 484	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet	0.12 94	0.05 49	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.66 486	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCP+	0.15 122	0.04 37	0.04 44	2.20 451	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.04 85	0.08 106	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 41	0.06 54	0.04 44	0.06 46	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.04 89	0.06 98	0.04 85	0.06 89	0.04 76	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

mmm	0.14 110	1.83 381	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.04 82	0.03 40	0.03 52	0.03 42	0.03 52	0.06 89	0.04 76	0.12 91	0.11 95	0.05 86	0.04 78	0.05 92	0.04 79

11t1	0.17 134	2.16 407	0.13 121	0.13 93	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.05 89	0.18 148	0.12 110	0.06 94	0.03 54	0.05 92	0.03 51

APVNet	0.09 52	0.05 49	0.04 44	0.05 43	0.04 79	0.05 90	0.90 383	0.06 95	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

ISRNet	0.11 85	0.05 49	0.36 235	0.24 151	0.07 108	0.13 124	0.05 94	0.06 95	0.05 98	0.05 92	0.05 101	0.13 125	0.05 95	0.05 83	0.09 106	0.24 176	0.20 168	0.10 107	0.05 96	0.06 96	0.13 148

ffm	0.25 160	3.83 478	0.12 101	0.12 80	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 160	3.83 478	0.12 101	0.12 80	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 160	3.83 478	0.12 101	0.12 80	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

AASNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 107	0.06 97	0.06 107	0.05 91	0.06 107	0.06 89	0.05 89	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 107	0.06 97	0.06 107	0.05 91	0.06 107	0.06 89	0.05 89	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 107	0.06 97	0.06 107	0.05 91	0.06 107	0.06 89	0.05 89	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

FINET	0.07 49	0.08 59	0.07 59	0.07 47	0.07 108	0.08 104	0.06 106	0.08 108	0.07 110	0.08 105	0.07 110	0.08 105	0.06 107	0.07 103	0.07 101	0.08 60	0.07 57	0.07 99	0.07 104	0.06 96	0.06 102

GwcNet	0.12 94	0.07 58	0.05 58	0.08 49	0.05 99	0.08 104	1.20 411	0.07 105	0.05 98	0.05 92	0.05 101	0.08 105	0.05 95	0.08 106	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

FADNet-RVC	0.13 101	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.05 95	0.04 72	1.71 489	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

BEATNet-Init1	0.19 140	0.08 59	0.08 61	2.23 453	0.08 110	0.08 104	0.07 109	0.07 105	0.08 112	0.08 105	0.07 110	0.08 105	0.07 111	0.11 122	0.08 103	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

SuperB	0.21 149	0.10 67	2.51 514	0.12 80	0.09 112	0.10 109	0.09 111	0.08 108	0.07 110	0.10 109	0.09 113	0.09 109	0.07 111	0.07 103	0.07 101	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

DeepPrunerF	0.19 140	0.08 59	0.08 61	2.23 453	0.08 110	0.08 104	0.07 109	0.07 105	0.08 112	0.08 105	0.07 110	0.08 105	0.07 111	0.11 122	0.08 103	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

SepStereo	0.09 52	0.09 65	0.10 70	0.09 53	0.09 112	0.09 108	0.09 111	0.10 110	0.08 112	0.10 109	0.09 113	0.09 109	0.09 114	0.09 109	0.08 103	0.09 66	0.08 59	0.09 106	0.08 108	0.09 109	0.08 105

AnonymousM	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

PVD	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SHD	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SAMSARA	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

XQC	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSC	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTS	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSA	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet+	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet++	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

JetRed	0.11 85	0.12 80	0.11 90	0.11 74	0.11 134	0.11 120	0.14 150	0.11 122	0.11 131	0.12 123	0.11 131	0.11 121	0.11 130	0.11 122	0.11 124	0.11 86	0.16 143	0.11 118	0.11 129	0.11 120	0.11 125

JetBlue	0.11 85	0.11 78	0.12 101	0.13 93	0.14 155	0.11 120	0.11 129	0.11 122	0.11 131	0.11 121	0.11 131	0.11 121	0.11 130	0.12 126	0.12 139	0.11 86	0.11 95	0.11 118	0.11 129	0.11 120	0.11 125

ac_64	0.22 153	0.13 81	0.19 159	0.23 146	0.10 118	0.26 191	1.02 398	0.14 126	0.10 116	0.28 191	0.14 159	0.17 147	0.19 182	0.28 200	0.09 106	0.22 160	0.16 143	0.23 178	0.17 181	0.11 120	0.12 142

PASM	0.39 225	3.06 458	1.36 455	1.58 427	0.09 112	0.11 120	0.11 129	0.11 122	0.11 131	0.09 108	0.09 113	0.11 121	0.09 114	0.09 109	0.09 106	0.11 86	0.11 95	0.11 118	0.09 110	0.11 120	0.11 125

FADE	0.07 49	0.06 54	0.02 14	0.09 53	0.10 118	0.03 40	0.03 50	0.05 89	0.03 55	0.04 74	0.03 52	0.05 91	0.03 52	0.04 72	0.03 48	0.15 123	0.10 73	0.17 150	0.13 154	0.11 120	0.11 125

LRCNet_RVC	0.13 101	0.13 81	0.09 66	0.13 93	0.10 118	0.14 125	0.10 116	0.14 126	0.10 116	0.23 172	0.10 117	0.20 157	0.10 118	0.24 180	0.11 124	0.11 86	0.09 68	0.12 121	0.14 158	0.12 125	0.09 108

DRN-Test	0.14 110	0.13 81	0.09 66	0.14 97	0.09 112	0.15 132	0.09 111	0.14 126	0.10 116	0.14 125	0.09 113	0.14 126	0.09 114	0.13 127	0.09 106	0.12 91	0.09 68	0.12 121	0.09 110	0.12 125	0.73 365

S2M2	0.12 94	0.14 85	0.10 70	0.15 107	0.10 118	0.14 125	0.10 116	0.14 126	0.10 116	0.15 131	0.10 117	0.14 126	0.10 118	0.14 128	0.10 112	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.09 108

StereoDRNet	0.15 122	0.14 85	0.10 70	0.14 97	0.09 112	0.15 132	0.09 111	0.14 126	0.09 115	0.14 125	0.10 117	0.14 126	0.09 114	0.14 128	0.09 106	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.82 376

test_for_model	0.15 122	0.23 112	0.18 156	0.21 143	0.11 134	0.16 140	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.21 157	0.18 165	0.14 126	0.11 129	0.14 129	0.11 125

testlalala2	0.13 101	0.16 87	0.11 90	0.15 107	0.11 134	0.16 140	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.14 114	0.11 95	0.14 126	0.11 129	0.14 129	0.11 125

testlalala_base	0.13 101	0.16 87	0.11 90	0.15 107	0.11 134	0.15 132	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.14 114	0.11 95	0.14 126	0.11 129	0.14 129	0.11 125

CIPLG	0.13 101	0.21 107	0.12 101	0.16 118	0.11 134	0.15 132	0.11 129	0.14 126	0.11 131	0.15 131	0.12 142	0.15 136	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

IPLG	0.13 101	0.20 101	0.14 126	0.15 107	0.11 134	0.14 125	0.11 129	0.14 126	0.11 131	0.14 125	0.11 131	0.14 126	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

MIPNet	0.14 110	0.21 107	0.17 150	0.16 118	0.11 134	0.15 132	0.12 145	0.14 126	0.11 131	0.16 136	0.11 131	0.14 126	0.11 130	0.14 128	0.11 124	0.14 114	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

IPLGR	0.14 110	0.24 119	0.14 126	0.16 118	0.12 150	0.15 132	0.12 145	0.14 126	0.11 131	0.15 131	0.12 142	0.14 126	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

ACRE	0.13 101	0.21 107	0.14 126	0.15 107	0.11 134	0.14 125	0.11 129	0.14 126	0.11 131	0.14 125	0.12 142	0.14 126	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

GMStereo	0.14 110	0.13 81	0.14 126	0.14 97	0.14 155	0.14 125	0.14 150	0.14 126	0.14 155	0.14 125	0.14 159	0.14 126	0.14 156	0.14 128	0.14 149	0.14 114	0.14 138	0.14 126	0.14 158	0.14 129	0.14 153
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ELAS	0.13 101	0.16 87	0.11 90	0.15 107	0.09 112	0.18 152	0.11 129	0.18 150	0.11 131	0.17 145	0.11 131	0.18 151	0.11 130	0.18 150	0.11 124	0.14 114	0.08 59	0.14 126	0.08 108	0.14 129	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo++	0.54 285	3.59 469	1.15 383	1.31 417	0.14 155	0.16 140	0.14 150	0.16 139	0.14 155	0.16 136	0.14 159	0.16 137	0.13 152	0.16 138	0.14 149	1.45 444	1.16 388	0.15 139	0.14 158	0.15 139	0.13 148

ProNet	0.14 110	0.20 101	0.14 126	0.16 118	0.11 134	0.16 140	0.11 129	0.17 147	0.11 131	0.17 145	0.12 142	0.17 147	0.13 152	0.17 147	0.12 139	0.15 123	0.11 95	0.16 142	0.11 129	0.15 139	0.12 142

IPLGR_C	0.14 110	0.20 101	0.12 101	0.15 107	0.11 134	0.14 125	0.15 155	0.14 126	0.11 131	0.15 131	0.12 142	0.14 126	0.11 130	0.16 138	0.11 124	0.15 123	0.12 110	0.14 126	0.12 146	0.15 139	0.12 142

ELAS_RVC	0.14 110	0.16 87	0.10 70	0.15 107	0.10 118	0.18 152	0.11 129	0.19 152	0.11 131	0.19 151	0.12 142	0.18 151	0.11 130	0.19 153	0.12 139	0.14 114	0.08 59	0.14 126	0.09 110	0.15 139	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2_XL	0.14 110	0.17 93	0.12 101	0.17 126	0.11 134	0.17 148	0.11 129	0.17 147	0.11 131	0.17 145	0.11 131	0.17 147	0.11 130	0.17 147	0.11 124	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125

xyz-stereo-finetune2	0.18 137	0.48 187	0.16 143	0.16 118	0.15 166	0.15 132	0.16 158	0.16 139	0.16 167	0.16 136	0.16 168	0.16 137	0.16 166	0.16 138	0.16 165	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

xyz-stereo	0.18 137	0.50 193	0.16 143	0.15 107	0.16 173	0.16 140	0.16 158	0.16 139	0.16 167	0.16 136	0.16 168	0.16 137	0.16 166	0.16 138	0.16 165	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

GMStereo_Zeroshot	0.16 130	0.16 87	0.16 143	0.16 118	0.16 173	0.16 140	0.16 158	0.16 139	0.16 167	0.16 136	0.16 168	0.16 137	0.16 166	0.16 138	0.16 165	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

ICVP	0.15 122	0.53 205	0.11 90	0.16 118	0.11 134	0.16 140	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 110	0.16 87	0.12 101	0.17 126	0.12 150	0.17 148	0.11 129	0.17 147	0.11 131	0.17 145	0.12 142	0.17 147	0.12 147	0.17 147	0.12 139	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.12 142

DDVS	0.30 175	3.10 459	0.14 126	0.19 131	0.14 155	0.19 155	0.14 150	0.20 157	0.14 155	0.19 151	0.13 154	0.16 137	0.13 152	0.19 153	0.13 145	0.17 140	0.13 134	0.17 150	0.13 154	0.17 149	0.13 148

ACVNet	0.20 142	0.19 97	0.14 126	0.20 133	0.14 155	0.20 160	0.96 390	0.21 164	0.14 155	0.20 156	0.13 154	0.21 165	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 142

acv_ft	0.20 142	0.19 97	0.14 126	0.20 133	0.14 155	0.20 160	0.96 390	0.21 164	0.14 155	0.20 156	0.13 154	0.21 165	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 142

SGM_RVC	0.15 122	0.17 93	0.11 90	0.18 128	0.11 134	0.19 155	0.11 129	0.19 152	0.12 150	0.19 151	0.12 142	0.20 157	0.12 147	0.19 153	0.12 139	0.16 132	0.11 95	0.17 150	0.10 117	0.17 149	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DEFOM-Stereo_RVC	0.83 344	5.18 499	1.98 503	2.19 450	0.17 176	0.19 155	0.18 169	0.19 152	0.16 167	0.20 156	0.19 184	0.22 171	0.22 192	0.20 157	0.15 159	2.28 483	2.13 501	0.24 185	0.17 181	0.18 153	0.16 154

castereo	0.61 296	3.79 477	1.35 447	1.52 426	0.15 166	0.17 148	0.16 158	0.20 157	0.21 185	0.18 149	0.16 168	0.21 165	0.12 147	0.26 195	0.17 168	1.43 443	1.38 456	0.17 150	0.16 163	0.18 153	0.16 154

ITSA-stereo	0.15 122	0.17 93	0.13 121	0.20 133	0.13 153	0.19 155	0.13 148	0.18 150	0.13 153	0.19 151	0.13 154	0.18 151	0.14 156	0.18 150	0.14 149	0.16 132	0.11 95	0.15 139	0.14 158	0.18 153	0.11 125

HCRNet	1.22 434	7.11 519	3.00 516	3.55 499	0.33 258	0.29 197	0.14 150	0.19 152	0.15 165	0.33 209	0.29 230	0.25 184	0.14 156	0.22 172	0.33 248	3.64 512	3.00 509	0.76 357	0.32 258	0.18 153	0.13 148

DeepPruner_ROB	0.16 130	0.18 96	0.13 121	0.19 131	0.13 153	0.19 155	0.13 148	0.19 152	0.13 153	0.19 151	0.13 154	0.19 155	0.13 152	0.19 153	0.13 145	0.18 148	0.13 134	0.18 160	0.13 154	0.18 153	0.13 148

LALA_ROB	0.15 122	0.19 97	0.12 101	0.18 128	0.11 134	0.20 160	0.12 145	0.21 164	0.12 150	0.20 156	0.12 142	0.20 157	0.12 147	0.21 168	0.13 145	0.17 140	0.10 73	0.18 160	0.11 129	0.18 153	0.11 125

CAS++	0.17 134	0.27 123	0.21 166	0.10 57	0.21 196	0.15 132	0.22 187	0.10 110	0.21 185	0.22 168	0.10 117	0.19 155	0.18 177	0.10 111	0.19 180	0.20 152	0.19 166	0.18 160	0.10 117	0.19 159	0.18 170
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV_Zeroshot_test	0.20 142	0.19 97	0.40 251	0.30 168	0.17 176	0.22 170	0.17 163	0.21 164	0.17 172	0.20 156	0.17 173	0.21 165	0.18 177	0.21 168	0.17 168	0.20 152	0.16 143	0.20 164	0.16 163	0.20 160	0.17 166

DAS	0.20 142	0.20 101	0.20 162	0.20 133	0.20 189	0.20 160	0.20 176	0.20 157	0.20 182	0.20 156	0.20 188	0.20 157	0.20 186	0.20 157	0.20 183	0.20 152	0.20 168	0.20 164	0.20 186	0.20 160	0.20 173

GEStereo_RVC	0.86 350	4.45 489	0.20 162	0.27 165	0.20 189	0.27 194	0.20 176	0.26 185	0.18 174	5.03 543	0.20 188	0.27 194	0.19 182	0.27 198	0.21 186	0.20 152	0.19 166	0.19 163	4.02 547	0.20 160	0.18 170

ASD4	0.20 142	0.20 101	0.20 162	0.20 133	0.20 189	0.20 160	0.20 176	0.20 157	0.20 182	0.20 156	0.20 188	0.20 157	0.20 186	0.20 157	0.20 183	0.20 152	0.20 168	0.20 164	0.20 186	0.20 160	0.20 173

MSKI-zero shot	0.24 159	0.21 107	0.49 293	0.65 292	0.18 183	0.22 170	0.17 163	0.23 172	0.18 174	0.21 166	0.17 173	0.23 175	0.28 227	0.23 176	0.18 177	0.21 157	0.16 143	0.21 167	0.16 163	0.21 164	0.16 154

iResNet	0.20 142	0.23 112	0.18 156	0.24 151	0.18 183	0.24 177	0.20 176	0.24 175	0.18 174	0.23 172	0.17 173	0.23 175	0.18 177	0.23 176	0.18 177	0.22 160	0.16 143	0.21 167	0.16 163	0.21 164	0.16 154

ACV-stereo	0.30 175	2.08 400	0.25 180	0.25 156	0.18 183	0.24 177	0.17 163	0.24 175	0.18 174	0.24 177	0.17 173	0.25 184	0.17 170	0.24 180	0.17 168	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 154

Pointernet	0.21 149	0.22 111	0.19 159	0.24 151	0.19 187	0.24 177	0.19 173	0.24 175	0.19 180	0.24 177	0.19 184	0.24 179	0.19 182	0.24 180	0.19 180	0.22 160	0.17 159	0.22 172	0.17 181	0.22 166	0.17 166

WAO-6	0.22 153	0.23 112	0.22 168	0.23 146	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.22 172	0.22 191	0.22 166	0.22 179

IMH-64-1	0.22 153	0.23 112	0.23 171	0.22 144	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 181

IMH-64	0.22 153	0.23 112	0.23 171	0.22 144	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 181

MIM_Stereo	0.25 160	0.23 112	0.66 327	0.80 309	0.17 176	0.22 170	0.17 163	0.23 172	0.18 174	0.26 188	0.17 173	0.21 165	0.17 170	0.25 185	0.17 168	0.23 171	0.16 143	0.21 167	0.17 181	0.22 166	0.17 166

dd	0.23 157	0.98 262	0.16 143	0.23 146	0.15 166	0.23 176	0.15 155	0.23 172	0.15 165	0.23 172	0.15 167	0.24 179	0.17 170	0.23 176	0.15 159	0.22 160	0.15 141	0.21 167	0.15 162	0.22 166	0.16 154

dad	0.23 157	1.03 278	0.16 143	0.23 146	0.15 166	0.24 177	0.15 155	0.24 175	0.16 167	0.23 172	0.16 168	0.24 179	0.16 166	0.23 176	0.15 159	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 154

iResNetv2_ROB	0.20 142	0.23 112	0.18 156	0.24 151	0.20 189	0.24 177	0.18 169	0.24 175	0.18 174	0.24 177	0.18 183	0.23 175	0.19 182	0.24 180	0.18 177	0.21 157	0.16 143	0.21 167	0.16 163	0.22 166	0.16 154

tg	0.21 149	0.25 121	0.21 166	0.26 163	0.17 176	0.24 177	0.17 163	0.24 175	0.17 172	0.24 177	0.17 173	0.24 179	0.17 170	0.24 180	0.17 168	0.24 176	0.17 159	0.23 178	0.16 163	0.23 175	0.16 154

AANet_RVC	1.26 436	0.31 132	4.99 542	5.93 533	0.20 189	0.25 184	0.20 176	0.25 181	0.20 182	0.23 172	0.19 184	0.25 184	0.20 186	0.25 185	0.20 183	5.66 541	4.76 534	0.26 189	0.30 245	0.24 176	0.27 206

model_zeroshot	0.27 169	0.20 101	0.27 187	0.33 180	0.21 196	0.37 227	0.22 187	0.37 219	0.24 196	0.26 188	0.27 220	0.33 212	0.21 191	0.25 185	0.27 210	0.32 202	0.20 168	0.34 224	0.23 196	0.25 177	0.26 198

UNDER WATER-64	0.25 160	0.26 122	0.25 180	0.26 163	0.25 210	0.25 184	0.25 202	0.25 181	0.25 201	0.25 181	0.25 210	0.25 184	0.25 204	0.26 195	0.25 204	0.25 182	0.25 183	0.25 186	0.25 209	0.25 177	0.25 192

LoS_RVC	0.30 175	1.14 292	0.25 180	0.25 156	0.25 210	0.26 191	0.25 202	0.25 181	0.25 201	0.25 181	0.25 210	0.26 193	0.26 213	0.26 195	0.25 204	0.26 183	0.26 186	0.25 186	0.25 209	0.26 179	0.26 198

CAS	0.30 175	1.17 297	0.25 180	0.25 156	0.25 210	0.26 191	0.25 202	0.25 181	0.26 214	0.25 181	0.25 210	0.25 184	0.25 204	0.25 185	0.25 204	0.26 183	0.26 186	0.26 189	0.25 209	0.26 179	0.25 192

LoS	0.25 160	0.27 123	0.25 180	0.25 156	0.25 210	0.25 184	0.25 202	0.26 185	0.25 201	0.25 181	0.25 210	0.25 184	0.25 204	0.25 185	0.25 204	0.26 183	0.25 183	0.25 186	0.26 215	0.26 179	0.25 192
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
tt1	0.31 182	0.93 255	0.24 177	0.33 180	0.23 203	0.31 203	0.24 199	0.32 199	0.24 196	0.32 204	0.23 198	0.32 209	0.25 204	0.32 210	0.24 198	0.27 186	0.26 186	0.27 193	0.26 215	0.27 182	0.27 206

RAFT + AFF	0.31 182	0.45 173	0.34 225	0.39 198	0.28 223	0.38 231	0.33 246	0.29 192	0.31 243	0.30 195	0.30 241	0.29 200	0.27 221	0.29 203	0.30 233	0.28 188	0.29 206	0.29 200	0.29 235	0.27 182	0.32 245

DCVSM-stereo	0.36 206	1.89 387	0.22 168	0.40 211	0.22 198	0.40 239	0.22 187	0.40 233	0.22 188	0.40 234	0.22 194	0.40 243	0.22 192	0.40 243	0.22 188	0.28 188	0.21 172	0.28 195	0.21 188	0.28 184	0.20 173

TorneroNet-64	0.45 253	0.27 123	0.30 198	0.58 279	0.27 220	0.70 345	0.30 230	0.28 188	0.73 372	0.73 348	0.28 226	0.71 347	0.66 351	0.75 351	0.27 210	0.27 186	0.29 206	0.37 245	0.75 375	0.28 184	0.30 234

SQANet	0.28 170	0.28 126	0.28 191	0.28 166	0.28 223	0.28 195	0.28 218	0.28 188	0.28 222	0.28 191	0.28 226	0.28 195	0.28 227	0.28 200	0.28 216	0.28 188	0.28 197	0.28 195	0.28 226	0.28 184	0.28 219

xxxxx1	0.31 182	0.91 248	0.23 171	0.31 173	0.23 203	0.31 203	0.23 194	0.33 202	0.25 201	0.31 199	0.24 204	0.33 212	0.25 204	0.32 210	0.24 198	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

tt_ll	0.31 182	0.91 248	0.23 171	0.31 173	0.23 203	0.31 203	0.23 194	0.33 202	0.25 201	0.31 199	0.24 204	0.33 212	0.25 204	0.32 210	0.24 198	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

ff	0.31 182	0.91 248	0.23 171	0.31 173	0.23 203	0.31 203	0.23 194	0.33 202	0.25 201	0.31 199	0.24 204	0.33 212	0.25 204	0.32 210	0.24 198	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

MultiAttention	0.30 175	0.30 129	0.30 198	0.30 168	0.30 239	0.30 198	0.30 230	0.30 194	0.30 237	0.30 195	0.30 241	0.30 203	0.30 239	0.30 205	0.30 233	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 234

MSAF-DinoV2	0.30 175	0.30 129	0.30 198	0.30 168	0.30 239	0.30 198	0.30 230	0.30 194	0.30 237	0.30 195	0.30 241	0.30 203	0.30 239	0.30 205	0.30 233	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 234

DEFOM-Stereo	0.68 308	3.11 460	1.40 461	1.63 435	0.25 210	0.31 203	0.25 202	0.31 198	0.28 222	0.31 199	0.29 230	0.29 200	0.27 221	0.31 209	0.28 216	1.59 450	1.47 461	0.30 202	0.29 235	0.30 190	0.28 219

WCG-NET（raft）	0.32 190	1.24 354	0.24 177	0.32 176	0.24 208	0.32 211	0.23 194	0.32 199	0.24 196	0.32 204	0.24 204	0.32 209	0.24 201	0.32 210	0.24 198	0.30 196	0.23 180	0.30 202	0.23 196	0.30 190	0.23 181

DANet	0.30 175	0.30 129	0.30 198	0.30 168	0.30 239	0.30 198	0.30 230	0.30 194	0.30 237	0.30 195	0.30 241	0.30 203	0.30 239	0.30 205	0.30 233	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 234
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xyz-stereo-finetune	0.28 170	0.49 189	0.16 143	0.16 118	0.16 173	0.16 140	0.16 158	0.22 168	0.30 237	0.32 204	0.31 246	0.32 209	0.31 246	0.32 210	0.32 240	0.32 202	0.33 231	0.31 208	0.32 258	0.31 195	0.32 245

testlalala	0.32 190	0.81 231	0.31 206	0.39 198	0.26 218	0.33 213	0.24 199	0.33 202	0.26 214	0.32 204	0.26 216	0.33 212	0.23 198	0.33 216	0.23 194	0.35 218	0.31 220	0.30 202	0.24 204	0.31 195	0.21 176

PAM	0.39 225	1.88 386	0.34 225	0.37 190	0.41 303	0.45 280	0.22 187	0.28 188	0.23 194	0.28 191	0.24 204	0.29 200	0.23 198	0.29 203	0.23 194	0.38 234	0.32 223	0.38 252	0.37 285	0.32 197	0.22 179

GCAP-BAT	0.33 193	0.78 225	0.32 210	0.38 193	0.25 210	0.34 215	0.25 202	0.34 206	0.26 214	0.34 211	0.25 210	0.35 218	0.26 213	0.35 220	0.27 210	0.36 223	0.30 214	0.32 209	0.24 204	0.32 197	0.26 198

1test111	0.37 211	1.02 276	0.30 198	0.39 198	0.29 230	0.40 239	0.28 218	0.39 228	0.29 227	0.39 229	0.29 230	0.39 236	0.28 227	0.40 243	0.29 226	0.33 206	0.32 223	0.33 217	0.31 253	0.32 197	0.31 241

cc1	0.37 211	1.02 276	0.30 198	0.39 198	0.29 230	0.40 239	0.28 218	0.39 228	0.29 227	0.39 229	0.29 230	0.39 236	0.28 227	0.40 243	0.29 226	0.33 206	0.32 223	0.33 217	0.31 253	0.32 197	0.31 241

IGEV-Stereo	0.35 202	0.44 170	0.45 269	0.49 252	0.30 239	0.37 227	0.30 230	0.36 213	0.30 237	0.36 218	0.29 230	0.36 224	0.29 233	0.36 226	0.30 233	0.46 277	0.39 253	0.32 209	0.24 204	0.32 197	0.25 192
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 170	0.32 133	0.24 177	0.32 176	0.25 210	0.32 211	0.24 199	0.32 199	0.24 196	0.33 209	0.24 204	0.35 218	0.24 201	0.33 216	0.24 198	0.31 201	0.24 182	0.32 209	0.24 204	0.32 197	0.24 191

ACVNet-DCA	0.37 211	1.00 266	0.30 198	0.40 211	0.29 230	0.40 239	0.29 225	0.40 233	0.29 227	0.40 234	0.29 230	0.40 243	0.29 233	0.39 240	0.28 216	0.33 206	0.32 223	0.33 217	0.32 258	0.33 203	0.32 245

DLNR_Zeroshot_test	0.31 182	0.28 126	0.47 280	0.79 307	0.24 208	0.30 198	0.26 210	0.30 194	0.24 196	0.32 204	0.23 198	0.31 207	0.24 201	0.30 205	0.23 194	0.29 195	0.26 186	0.29 200	0.24 204	0.33 203	0.23 181

CRFU-Net	0.65 301	1.67 372	1.22 439	1.96 444	0.27 220	0.41 255	0.27 213	0.41 248	0.27 219	0.40 234	0.26 216	0.41 255	0.27 221	0.40 243	0.27 210	1.80 457	1.62 475	0.34 224	0.23 196	0.33 203	0.23 181

FENet	0.54 285	1.52 367	1.19 389	1.41 424	0.23 203	0.35 219	0.23 194	0.35 209	0.23 194	0.34 211	0.23 198	0.35 218	0.23 198	0.35 220	0.23 194	1.40 442	1.07 372	0.32 209	0.23 196	0.33 203	0.23 181

H2IRNET	0.34 195	0.34 135	0.34 225	0.34 182	0.34 268	0.34 215	0.34 257	0.34 206	0.34 261	0.34 211	0.34 262	0.34 217	0.34 260	0.34 218	0.34 261	0.34 209	0.34 234	0.34 224	0.34 270	0.34 207	0.34 258

xx1	0.38 217	1.03 278	0.31 206	0.40 211	0.31 245	0.41 255	0.28 218	0.40 233	0.29 227	0.40 234	0.29 230	0.40 243	0.29 233	0.40 243	0.29 226	0.34 209	0.33 231	0.34 224	0.32 258	0.34 207	0.32 245

CASnet	0.35 202	0.51 200	0.44 267	0.32 176	0.31 245	0.24 177	0.34 257	0.36 213	0.25 201	0.31 199	0.37 281	0.30 203	0.33 255	0.25 185	0.45 309	0.37 227	0.37 240	0.33 217	0.35 277	0.34 207	0.37 270
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 344	1.91 390	0.92 365	4.48 508	0.02 21	0.40 239	0.04 82	0.41 248	0.02 21	0.48 287	0.03 52	0.41 255	0.05 95	0.03 39	0.05 89	1.97 466	4.19 531	0.33 217	0.23 196	0.34 207	0.27 206

NINENet	0.69 311	3.87 481	1.20 392	1.98 445	0.05 99	0.40 239	0.04 82	0.40 233	0.05 98	0.41 247	0.04 89	0.41 255	0.05 95	0.40 243	0.05 89	1.79 456	1.56 468	0.34 224	0.22 191	0.34 207	0.23 181

BSDual-CNN	0.81 336	1.91 390	0.92 365	4.48 508	0.02 21	0.42 273	0.06 106	0.41 248	0.02 21	0.48 287	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 466	4.19 531	0.33 217	0.23 196	0.34 207	0.27 206

hknet	1.10 381	1.85 383	3.49 531	4.48 508	0.02 21	0.42 273	0.06 106	0.41 248	0.02 21	0.48 287	0.03 52	0.41 255	0.03 52	0.42 270	0.03 48	4.39 517	4.19 531	0.33 217	0.23 196	0.34 207	0.27 206

iRaft-Stereo_5w	0.34 195	0.42 166	0.31 206	0.39 198	0.30 239	0.38 231	0.30 230	0.40 233	0.29 227	0.40 234	0.37 281	0.41 255	0.34 260	0.38 232	0.30 233	0.34 209	0.27 191	0.34 224	0.26 215	0.34 207	0.26 198

iRaft-Stereo_20w	0.34 195	0.41 159	0.31 206	0.39 198	0.29 230	0.40 239	0.32 237	0.41 248	0.32 246	0.38 224	0.30 241	0.39 236	0.30 239	0.38 232	0.32 240	0.35 218	0.27 191	0.34 224	0.27 222	0.34 207	0.29 224

HGLStereo	0.28 170	0.29 128	0.22 168	0.36 187	0.22 198	0.36 222	0.21 182	0.36 213	0.21 185	0.42 259	0.21 193	0.36 224	0.22 192	0.36 226	0.21 186	0.34 209	0.21 172	0.34 224	0.21 188	0.34 207	0.21 176

MLCV	0.31 182	0.35 136	0.27 187	0.35 183	0.28 223	0.35 219	0.27 213	0.35 209	0.28 222	0.36 218	0.27 220	0.35 218	0.27 221	0.35 220	0.27 210	0.34 209	0.27 191	0.34 224	0.27 222	0.34 207	0.27 206

DN-CSS_ROB	0.31 182	0.35 136	0.28 191	0.35 183	0.28 223	0.34 215	0.27 213	0.34 206	0.25 201	0.35 215	0.27 220	0.36 224	0.26 213	0.34 218	0.28 216	0.35 218	0.28 197	0.34 224	0.28 226	0.34 207	0.27 206

LG-Stereo_L2	0.34 195	0.37 141	0.38 241	0.47 242	0.28 223	0.39 237	0.28 218	0.39 228	0.28 222	0.39 229	0.28 226	0.39 236	0.28 227	0.38 232	0.28 216	0.42 270	0.35 235	0.36 242	0.26 215	0.35 219	0.26 198

MyStereo07	0.60 293	3.72 475	0.48 288	0.49 252	0.41 303	0.36 222	0.32 237	0.49 288	0.43 307	0.51 311	0.42 310	0.49 298	0.43 305	0.51 314	0.64 347	0.49 289	0.45 280	0.34 224	0.32 258	0.35 219	0.43 301

MyStereo04	0.56 291	3.72 475	0.59 315	0.49 252	0.41 303	0.36 222	0.32 237	0.37 219	0.31 243	0.34 211	0.46 319	0.35 218	0.32 248	0.35 220	0.33 248	0.49 289	0.45 280	0.34 224	0.32 258	0.35 219	0.43 301

HH	0.71 314	2.54 433	0.74 344	1.10 348	0.32 247	0.41 255	0.37 274	0.69 336	0.78 375	0.73 348	0.90 387	0.75 354	1.00 384	0.84 358	0.69 360	0.69 329	0.40 256	0.35 237	0.26 215	0.35 219	0.26 198

HanStereo	0.71 314	2.54 433	0.74 344	1.10 348	0.32 247	0.41 255	0.37 274	0.69 336	0.78 375	0.73 348	0.90 387	0.75 354	1.00 384	0.84 358	0.69 360	0.69 329	0.40 256	0.35 237	0.26 215	0.35 219	0.26 198

FCDSN-DC	0.41 236	0.59 213	0.64 323	0.54 270	0.33 258	0.50 309	0.37 274	0.42 264	0.40 290	0.61 332	0.43 312	0.50 312	0.49 326	0.38 232	0.32 240	0.28 188	0.23 180	0.26 189	0.22 191	0.35 219	0.28 219
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ETE_ROB	0.35 202	0.35 136	0.35 233	0.35 183	0.35 271	0.35 219	0.35 262	0.35 209	0.35 264	0.35 215	0.35 271	0.35 218	0.35 267	0.35 220	0.35 265	0.35 218	0.35 235	0.35 237	0.35 277	0.35 219	0.35 265

Any-RAFT	0.32 190	0.36 139	0.27 187	0.36 187	0.27 220	0.36 222	0.27 213	0.36 213	0.27 219	0.36 218	0.27 220	0.36 224	0.27 221	0.36 226	0.28 216	0.36 223	0.28 197	0.36 242	0.28 226	0.36 226	0.28 219

DMCA	0.36 206	0.38 144	0.37 238	0.35 183	0.35 271	0.36 222	0.36 269	0.36 213	0.35 264	0.35 215	0.37 281	0.36 224	0.36 270	0.35 220	0.36 269	0.36 223	0.36 238	0.35 237	0.36 283	0.36 226	0.36 266

GIP-stereo	0.36 206	0.49 189	0.39 248	0.48 246	0.32 247	0.41 255	0.28 218	0.40 233	0.30 237	0.41 247	0.28 226	0.40 243	0.28 227	0.42 270	0.28 216	0.45 274	0.32 223	0.38 252	0.30 245	0.37 228	0.27 206

fffy	0.38 217	0.43 167	0.33 215	0.46 236	0.33 258	0.45 280	0.32 237	0.45 270	0.32 246	0.45 270	0.32 248	0.45 277	0.33 255	0.45 277	0.32 240	0.38 234	0.38 246	0.38 252	0.37 285	0.37 228	0.36 266

IGEV++	0.34 195	0.43 167	0.30 198	0.40 211	0.29 230	0.40 239	0.29 225	0.40 233	0.29 227	0.40 234	0.29 230	0.40 243	0.29 233	0.40 243	0.30 233	0.38 234	0.29 206	0.37 245	0.29 235	0.37 228	0.29 224

Venus	0.38 217	0.38 144	0.38 241	0.38 193	0.38 287	0.37 227	0.38 280	0.37 219	0.37 276	0.41 247	0.37 281	0.39 236	0.37 274	0.38 232	0.38 280	0.37 227	0.38 246	0.38 252	0.37 285	0.37 228	0.38 277

EKT-Stereo	0.37 211	0.40 152	0.44 267	1.07 346	0.29 230	0.34 215	0.31 236	0.36 213	0.29 227	0.38 224	0.31 246	0.37 230	0.30 239	0.36 226	0.29 226	0.34 209	0.28 197	0.39 262	0.30 245	0.37 228	0.30 234

CES	0.39 225	0.47 181	0.36 235	0.36 187	0.37 280	0.45 280	0.35 262	0.35 209	0.40 290	0.36 218	0.44 314	0.47 287	0.36 270	0.44 274	0.36 269	0.37 227	0.39 253	0.44 294	0.35 277	0.37 228	0.36 266

IER	0.88 352	7.04 518	2.23 508	2.75 468	0.28 223	0.43 277	0.25 202	0.39 228	0.25 201	0.41 247	0.27 220	0.39 236	0.25 204	0.40 243	0.28 216	0.37 227	0.28 197	0.37 245	0.25 209	0.37 228	0.25 192

StereoDRNet-Refined	0.33 193	0.39 150	0.26 186	0.39 198	0.26 218	0.40 239	0.26 210	0.40 233	0.26 214	0.39 229	0.26 216	0.39 236	0.26 213	0.39 240	0.26 209	0.37 227	0.25 183	0.37 245	0.25 209	0.37 228	0.37 270
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 211	0.37 141	0.37 238	0.37 190	0.37 280	0.37 227	0.37 274	0.37 219	0.37 276	0.37 223	0.37 281	0.37 230	0.37 274	0.37 230	0.37 277	0.37 227	0.37 240	0.37 245	0.37 285	0.37 228	0.37 270

RAFT-Stereo-weight	0.45 253	1.90 389	0.34 225	0.42 231	0.36 277	0.43 277	0.35 262	0.42 264	0.34 261	0.42 259	0.34 262	0.44 275	0.34 260	0.41 257	0.34 261	0.38 234	0.32 223	0.38 252	0.32 258	0.38 237	0.33 252

WAO-8	0.38 217	0.38 144	0.38 241	0.38 193	0.38 287	0.38 231	0.38 280	0.38 224	0.38 280	0.38 224	0.38 286	0.38 232	0.38 278	0.38 232	0.38 280	0.38 234	0.38 246	0.38 252	0.37 285	0.38 237	0.38 277

WAO-7	0.38 217	0.38 144	0.38 241	0.38 193	0.38 287	0.38 231	0.38 280	0.38 224	0.38 280	0.38 224	0.38 286	0.38 232	0.38 278	0.38 232	0.38 280	0.38 234	0.38 246	0.38 252	0.38 298	0.38 237	0.38 277

HanzoNet	0.39 225	0.38 144	0.40 251	0.39 198	0.41 303	0.38 231	0.38 280	0.38 224	0.38 280	0.39 229	0.39 291	0.38 232	0.38 278	0.39 240	0.40 291	0.38 234	0.38 246	0.40 267	0.38 298	0.38 237	0.40 286

IMH	0.38 217	0.38 144	0.38 241	0.38 193	0.38 287	0.38 231	0.38 280	0.38 224	0.38 280	0.42 259	0.38 286	0.40 243	0.38 278	0.38 232	0.38 280	0.38 234	0.38 246	0.39 262	0.38 298	0.38 237	0.38 277

RAFT-Test	0.36 206	0.37 141	0.33 215	0.41 222	0.32 247	0.41 255	0.32 237	0.41 248	0.32 246	0.41 247	0.32 248	0.41 255	0.32 248	0.41 257	0.33 248	0.37 227	0.29 206	0.37 245	0.29 235	0.38 237	0.31 241

RCA-Stereo	0.51 280	3.22 464	0.34 225	0.44 234	0.34 268	0.44 279	0.34 257	0.43 268	0.34 261	0.43 265	0.34 262	0.44 275	0.33 255	0.43 272	0.33 248	0.38 234	0.29 206	0.38 252	0.29 235	0.38 237	0.29 224

water-stereo	0.41 236	0.84 234	0.46 273	0.50 259	0.33 258	0.45 280	0.33 246	0.45 270	0.32 246	0.45 270	0.32 248	0.45 277	0.32 248	0.45 277	0.32 240	0.44 272	0.41 265	0.39 262	0.31 253	0.39 244	0.32 245

mms	0.40 229	0.45 173	0.35 233	0.48 246	0.36 277	0.47 291	0.34 257	0.45 270	0.38 280	0.47 280	0.33 254	0.45 277	0.32 248	0.45 277	0.32 240	0.39 244	0.38 246	0.38 252	0.37 285	0.39 244	0.39 283

GMOStereo	0.37 211	0.45 173	0.23 171	0.30 168	0.37 280	0.41 255	0.36 269	0.41 248	0.35 264	0.43 265	0.36 275	0.41 255	0.40 285	0.41 257	0.36 269	0.34 209	0.22 176	0.47 306	0.37 285	0.39 244	0.33 252

error version	0.93 362	4.47 490	2.35 511	1.99 446	0.37 280	0.41 255	0.36 269	0.41 248	0.35 264	0.43 265	0.36 275	0.41 255	0.40 285	0.41 257	0.36 269	1.87 459	2.16 502	0.47 306	0.37 285	0.39 244	0.33 252

test_1	0.93 362	4.47 490	2.35 511	1.99 446	0.37 280	0.41 255	0.36 269	0.41 248	0.35 264	0.43 265	0.36 275	0.41 255	0.40 285	0.41 257	0.36 269	1.87 459	2.16 502	0.47 306	0.37 285	0.39 244	0.33 252

HART	0.38 217	0.45 173	0.34 225	0.42 231	0.33 258	0.41 255	0.34 257	0.42 264	0.33 252	0.43 265	0.34 262	0.42 271	0.34 260	0.41 257	0.38 280	0.40 248	0.32 223	0.42 291	0.32 258	0.40 249	0.32 245

RSM	0.36 206	0.36 139	0.43 265	0.37 190	0.42 313	0.49 301	0.42 303	0.37 219	0.28 222	0.36 218	0.29 230	0.36 224	0.30 239	0.37 230	0.28 216	0.34 209	0.31 220	0.34 224	0.35 277	0.40 249	0.29 224

knoymous	0.40 229	0.40 152	0.40 251	0.40 211	0.40 296	0.40 239	0.40 290	0.40 233	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 243	0.40 291	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

anonymousa	0.40 229	0.40 152	0.40 251	0.40 211	0.40 296	0.40 239	0.40 290	0.40 233	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 243	0.40 291	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

riskmin	0.40 229	0.40 152	0.40 251	0.40 211	0.40 296	0.40 239	0.40 290	0.40 233	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 243	0.40 291	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

Anonymous_2	0.40 229	0.40 152	0.40 251	0.40 211	0.40 296	0.40 239	0.40 290	0.40 233	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 243	0.40 291	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

Anonymous_1	0.40 229	0.40 152	0.40 251	0.40 211	0.40 296	0.40 239	0.40 290	0.40 233	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 243	0.40 291	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

DGSMNet	0.34 195	0.41 159	0.27 187	0.41 222	0.28 223	0.41 255	0.28 218	0.41 248	0.27 219	0.41 247	0.27 220	0.42 271	0.27 221	0.41 257	0.28 216	0.40 248	0.29 206	0.40 267	0.28 226	0.40 249	0.27 206

Gwc-CoAtRS	0.41 236	1.49 366	0.32 210	0.42 231	0.32 247	0.41 255	0.32 237	0.41 248	0.33 252	0.41 247	0.32 248	0.41 255	0.32 248	0.41 257	0.32 240	0.39 244	0.28 197	0.39 262	0.28 226	0.40 249	0.28 219

AdaStereo	0.40 229	0.40 152	0.40 251	0.40 211	0.40 296	0.40 239	0.40 290	0.40 233	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 243	0.40 291	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286
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.
depthmonostereo	0.44 251	0.85 236	0.46 273	0.54 270	0.40 296	0.52 320	0.38 280	0.52 308	0.35 264	0.47 280	0.34 262	0.46 281	0.34 260	0.47 285	0.34 261	0.45 274	0.43 276	0.41 280	0.33 266	0.41 259	0.32 245

GREAT-IGEV	0.38 217	0.43 167	0.36 235	0.48 246	0.32 247	0.45 280	0.32 237	0.45 270	0.32 246	0.45 270	0.32 248	0.45 277	0.32 248	0.45 277	0.32 240	0.44 272	0.33 231	0.41 280	0.29 235	0.41 259	0.29 224

ccccc	0.41 236	0.44 170	0.34 225	0.48 246	0.35 271	0.48 296	0.35 262	0.51 306	0.35 264	0.47 280	0.35 271	0.47 287	0.34 260	0.47 285	0.35 265	0.41 256	0.40 256	0.40 267	0.40 302	0.41 259	0.39 283

Former-RAFT_DAM_RVC	0.49 273	0.98 262	0.64 323	0.84 314	0.46 320	0.45 280	0.35 262	0.47 280	0.47 317	0.45 270	0.34 262	0.46 281	0.48 321	0.46 281	0.35 265	0.39 244	0.71 342	0.39 262	0.35 277	0.41 259	0.41 293

GwcNet-ADL	0.41 236	0.41 159	0.41 259	0.41 222	0.41 303	0.41 255	0.41 298	0.41 248	0.41 299	0.41 247	0.41 300	0.41 255	0.41 296	0.41 257	0.41 298	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

PSMNet-ADL	0.41 236	0.41 159	0.41 259	0.41 222	0.41 303	0.41 255	0.41 298	0.41 248	0.41 299	0.41 247	0.41 300	0.41 255	0.41 296	0.41 257	0.41 298	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

GANet-ADL	0.41 236	0.41 159	0.41 259	0.41 222	0.41 303	0.41 255	0.41 298	0.41 248	0.41 299	0.41 247	0.41 300	0.41 255	0.41 296	0.41 257	0.41 298	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

ADLNet2	0.41 236	0.41 159	0.41 259	0.41 222	0.41 303	0.41 255	0.41 298	0.41 248	0.41 299	0.41 247	0.41 300	0.41 255	0.41 296	0.41 257	0.41 298	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

ADLNet	0.41 236	0.41 159	0.41 259	0.41 222	0.41 303	0.41 255	0.41 298	0.41 248	0.41 299	0.41 247	0.41 300	0.41 255	0.41 296	0.41 257	0.41 298	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

CFNet-RSSM	0.91 355	4.89 495	0.34 225	0.44 234	1.07 408	1.62 463	1.40 476	0.91 357	0.35 264	1.60 454	1.39 476	0.64 340	0.34 260	0.44 274	0.33 248	0.41 256	0.35 235	0.75 355	0.30 245	0.41 259	0.29 224

SCV_C0	0.45 253	0.88 241	0.49 293	0.54 270	0.37 280	0.48 296	0.37 274	0.48 284	0.37 276	0.48 287	0.36 275	0.48 294	0.37 274	0.49 300	0.37 277	0.50 295	0.41 265	0.44 294	0.34 270	0.44 269	0.34 258

SCV	0.46 256	0.94 257	0.45 269	0.54 270	0.37 280	0.48 296	0.38 280	0.48 284	0.37 276	0.48 287	0.39 291	0.48 294	0.37 274	0.49 300	0.37 277	0.50 295	0.46 282	0.44 294	0.34 270	0.44 269	0.34 258

GCST	0.50 275	2.08 400	0.38 241	0.53 268	0.35 271	0.49 301	0.35 262	0.50 296	0.35 264	0.49 294	0.35 271	0.49 298	0.35 267	0.49 300	0.35 265	0.48 286	0.37 240	0.45 298	0.33 266	0.44 269	0.33 252

LL-Strereo2	0.48 267	1.73 379	0.51 302	0.59 282	0.34 268	0.42 273	0.33 246	0.40 233	0.31 243	0.42 259	0.33 254	0.42 271	0.31 246	0.44 274	0.39 287	0.60 314	0.51 307	0.44 294	0.33 266	0.44 269	0.33 252

UGAM	0.51 280	2.23 413	0.39 248	0.54 270	0.35 271	0.50 309	0.35 262	0.49 288	0.35 264	0.49 294	0.35 271	0.49 298	0.36 270	0.50 307	0.36 269	0.49 289	0.37 240	0.45 298	0.34 270	0.45 273	0.34 258

GASTEREO	0.48 267	1.21 347	0.47 280	0.57 277	0.38 287	0.50 309	0.38 280	0.50 296	0.38 280	0.50 306	0.38 286	0.50 312	0.38 278	0.50 307	0.38 280	0.52 303	0.42 273	0.46 301	0.34 270	0.46 274	0.34 258

UGAM-zero	0.51 280	2.17 408	0.39 248	0.53 268	0.36 277	0.50 309	0.36 269	0.50 296	0.36 275	0.49 294	0.36 275	0.50 312	0.35 267	0.50 307	0.36 269	0.49 289	0.37 240	0.47 306	0.35 277	0.46 274	0.34 258

otaku	0.46 256	0.46 177	0.46 273	0.46 236	0.46 320	0.46 286	0.46 312	0.46 274	0.46 312	0.46 274	0.46 319	0.46 281	0.46 312	0.46 281	0.46 313	0.46 277	0.46 282	0.46 301	0.46 321	0.46 274	0.46 307

Ntro	0.47 262	0.47 181	0.46 273	0.46 236	0.46 320	0.47 291	0.47 317	0.46 274	0.47 317	0.46 274	0.46 319	0.47 287	0.46 312	0.47 285	0.47 319	0.47 282	0.46 282	0.46 301	0.46 321	0.46 274	0.46 307

Dean	0.46 256	0.46 177	0.46 273	0.46 236	0.46 320	0.46 286	0.46 312	0.46 274	0.46 312	0.47 280	0.46 319	0.46 281	0.46 312	0.46 281	0.46 313	0.46 277	0.46 282	0.46 301	0.46 321	0.46 274	0.46 307

ACVNet_1	0.46 256	0.47 181	0.46 273	0.46 236	0.46 320	0.46 286	0.46 312	0.46 274	0.47 317	0.46 274	0.46 319	0.46 281	0.46 312	0.46 281	0.46 313	0.46 277	0.46 282	0.47 306	0.46 321	0.46 274	0.46 307

ACVNet-4b	0.46 256	0.46 177	0.46 273	0.46 236	0.46 320	0.46 286	0.46 312	0.46 274	0.46 312	0.46 274	0.46 319	0.46 281	0.46 312	0.47 285	0.46 313	0.46 277	0.46 282	0.46 301	0.46 321	0.46 274	0.46 307

Selective-IGEV	0.51 280	0.55 210	0.45 269	0.69 297	0.45 318	0.61 335	0.45 310	0.50 296	0.40 290	0.56 325	0.44 314	0.55 327	0.40 285	0.72 346	0.67 352	0.59 313	0.46 282	0.45 298	0.34 270	0.46 274	0.37 270

DilatedVolume-Stereo	0.43 247	0.86 237	0.48 288	0.50 259	0.33 258	0.46 286	0.33 246	0.46 274	0.33 252	0.46 274	0.33 254	0.47 287	0.33 255	0.47 285	0.34 261	0.45 274	0.42 273	0.40 267	0.33 266	0.47 282	0.38 277

HaxPig	0.47 262	0.47 181	0.47 280	0.49 252	0.47 326	0.47 291	0.47 317	0.47 280	0.47 317	0.47 280	0.47 327	0.47 287	0.47 320	0.47 285	0.47 319	0.47 282	0.47 290	0.47 306	0.47 328	0.47 282	0.48 316

UNDER WATER	0.47 262	0.47 181	0.47 280	0.47 242	0.47 326	0.47 291	0.47 317	0.47 280	0.47 317	0.47 280	0.47 327	0.47 287	0.46 312	0.47 285	0.47 319	0.47 282	0.47 290	0.47 306	0.46 321	0.47 282	0.47 314

LVE	0.47 262	0.47 181	0.47 280	0.47 242	0.49 332	0.47 291	0.47 317	0.47 280	0.49 326	0.47 280	0.47 327	0.47 287	0.46 312	0.47 285	0.47 319	0.47 282	0.47 290	0.48 314	0.47 328	0.47 282	0.47 314

MSCF	0.51 280	1.40 363	0.49 293	0.58 279	0.38 287	0.50 309	0.38 280	0.54 312	0.41 299	0.52 314	0.41 300	0.53 320	0.42 302	0.53 319	0.41 298	0.60 314	0.47 290	0.48 314	0.37 285	0.48 286	0.38 277

gcap-zeroshot	0.35 202	0.32 133	0.37 238	0.49 252	0.39 294	0.33 213	0.21 182	0.26 185	0.35 264	0.42 259	0.34 262	0.49 298	0.29 233	0.47 285	0.39 287	0.34 209	0.17 159	0.38 252	0.23 196	0.48 286	0.34 258

RainbowNet	0.48 267	0.48 187	0.48 288	0.48 246	0.48 330	0.48 296	0.48 326	0.48 284	0.48 324	0.48 287	0.48 331	0.48 294	0.48 321	0.48 294	0.48 325	0.48 286	0.48 294	0.48 314	0.48 331	0.48 286	0.48 316

notaker	0.48 267	0.49 189	0.48 288	0.48 246	0.48 330	0.48 296	0.48 326	0.48 284	0.49 326	0.48 287	0.48 331	0.48 294	0.48 321	0.48 294	0.48 325	0.48 286	0.48 294	0.48 314	0.48 331	0.48 286	0.49 321

LG-Stereo_L1	0.47 262	0.52 202	0.47 280	0.62 286	0.39 294	0.53 322	0.40 290	0.53 310	0.39 289	0.53 317	0.39 291	0.53 320	0.39 284	0.53 319	0.39 287	0.55 308	0.46 282	0.49 319	0.37 285	0.49 290	0.37 270

TorneroNet	0.66 303	0.53 205	0.50 297	0.50 259	0.64 360	1.06 382	0.70 361	0.50 296	0.51 336	0.49 294	0.69 366	0.49 298	0.50 329	0.48 294	1.15 406	0.71 333	0.49 297	1.14 397	1.08 401	0.49 290	0.49 321

ACVNet_2	0.49 273	0.49 189	0.49 293	0.49 252	0.49 332	0.49 301	0.49 328	0.49 288	0.49 326	0.49 294	0.49 334	0.49 298	0.49 326	0.49 300	0.49 327	0.49 289	0.49 297	0.49 319	0.49 334	0.49 290	0.49 321

iRaftStereo_RVC	0.97 366	3.17 463	2.30 510	2.42 462	0.38 287	0.54 325	0.38 280	0.54 312	0.38 280	0.54 320	0.38 286	0.54 323	0.38 278	0.54 321	0.38 280	2.38 490	2.34 506	0.49 319	0.36 283	0.49 290	0.36 266

aanetorigin	0.13 101	0.11 78	0.11 90	0.11 74	0.11 134	0.11 120	0.11 129	0.11 122	0.11 131	0.11 121	0.12 142	0.11 121	0.11 130	0.11 122	0.11 124	0.11 86	0.11 95	0.14 126	0.11 129	0.49 290	0.11 125

FoundationStereo	0.50 275	0.50 193	0.50 297	0.50 259	0.50 336	0.50 309	0.50 330	0.50 296	0.50 329	0.50 306	0.50 336	0.50 312	0.50 329	0.50 307	0.50 328	0.50 295	0.50 303	0.50 323	0.50 336	0.50 295	0.50 324

StereoAnything_RVC	0.50 275	0.50 193	0.50 297	0.50 259	0.50 336	0.50 309	0.50 330	0.50 296	0.50 329	0.50 306	0.50 336	0.50 312	0.50 329	0.50 307	0.50 328	0.50 295	0.50 303	0.50 323	0.50 336	0.50 295	0.50 324

fffft	0.48 267	0.51 200	0.45 269	0.52 267	0.45 318	0.52 320	0.45 310	0.52 308	0.48 324	0.53 317	0.45 317	0.52 319	0.45 309	0.52 317	0.46 313	0.51 301	0.41 265	0.50 323	0.41 309	0.50 295	0.41 293
1: 1. 1
dual_stereo	0.50 275	0.50 193	0.50 297	0.50 259	0.50 336	0.50 309	0.50 330	0.50 296	0.50 329	0.50 306	0.50 336	0.50 312	0.50 329	0.50 307	0.50 328	0.50 295	0.50 303	0.50 323	0.50 336	0.50 295	0.50 324

KSHMR	0.66 303	0.50 193	0.48 288	1.15 356	0.52 342	0.49 301	0.51 334	0.49 288	0.71 367	0.67 342	0.50 336	1.16 398	1.11 394	0.66 340	0.52 335	0.49 289	0.49 297	0.51 328	0.66 360	0.50 295	1.14 406

SANet	0.50 275	0.50 193	0.50 297	0.50 259	0.50 336	0.50 309	0.50 330	0.50 296	0.50 329	0.50 306	0.50 336	0.50 312	0.50 329	0.50 307	0.50 328	0.50 295	0.50 303	0.50 323	0.50 336	0.50 295	0.50 324

LG-Stereo_Zeroshot	0.48 267	0.55 210	0.47 280	0.63 288	0.41 303	0.56 327	0.44 306	0.56 315	0.41 299	0.56 325	0.41 300	0.57 331	0.42 302	0.56 325	0.41 298	0.55 308	0.43 276	0.51 328	0.37 285	0.51 301	0.37 270

Occ-G	1.12 384	0.52 202	3.72 536	3.50 498	0.50 336	0.56 327	0.47 317	0.54 312	0.46 312	0.54 320	0.41 300	0.54 323	0.42 302	0.52 317	0.42 305	3.42 511	4.02 530	0.52 331	0.45 319	0.51 301	0.44 304

LG-Stereo	0.60 293	0.58 212	0.47 280	0.64 291	0.74 379	1.00 374	0.69 357	0.57 318	0.41 299	0.57 327	0.41 300	0.57 331	0.41 296	1.00 379	0.75 371	0.91 355	0.51 307	0.52 331	0.37 285	0.52 303	0.37 270

ktn	0.72 317	0.53 205	1.08 378	1.14 354	0.51 341	1.22 443	1.36 469	0.51 306	0.59 343	0.51 311	0.51 342	0.69 346	1.20 405	0.67 342	0.51 333	0.51 301	0.49 297	0.58 337	0.66 360	0.52 303	0.53 331

LL-Strereo	1.01 374	5.06 497	1.63 472	0.70 299	1.43 476	0.56 327	0.46 312	0.57 318	0.50 329	0.57 327	0.50 336	1.58 458	0.49 326	0.59 331	0.50 328	1.64 453	0.52 309	0.51 328	1.37 469	0.52 303	0.45 306

PML	0.46 256	1.36 361	0.29 194	0.58 279	0.30 239	0.57 332	0.29 225	0.57 318	0.29 227	0.57 327	0.29 230	0.57 331	0.29 233	0.56 325	0.29 226	0.52 303	0.30 214	0.53 333	0.31 253	0.53 306	0.30 234

PSMNet_ROB	0.54 285	0.54 208	0.54 310	0.54 270	0.53 345	0.54 325	0.54 338	0.53 310	0.54 339	0.54 320	0.54 346	0.54 323	0.53 336	0.54 321	0.54 338	0.54 306	0.53 311	0.54 334	0.54 341	0.54 307	0.54 332

MyStereo8	0.71 314	3.92 482	0.52 305	0.59 282	0.52 342	0.57 332	0.53 336	0.59 323	0.50 329	0.59 331	0.51 342	0.57 331	0.50 329	0.56 325	0.52 335	0.54 306	0.49 297	0.54 334	0.49 334	0.55 308	0.50 324

AIO-test1	0.54 285	0.60 215	0.52 305	0.66 295	0.47 326	0.61 335	0.47 317	0.58 321	0.46 312	0.61 332	0.46 319	0.61 337	0.45 309	0.62 333	0.45 309	0.61 318	0.52 309	0.57 336	0.48 331	0.57 309	0.48 316

AIO-test2	0.55 289	0.59 213	0.52 305	0.67 296	0.47 326	0.61 335	0.47 317	0.61 327	0.47 317	0.61 332	0.47 327	0.61 337	0.48 321	0.62 333	0.47 319	0.64 323	0.53 311	0.58 337	0.47 328	0.58 310	0.48 316

MonSter	0.60 293	0.64 218	0.52 305	0.62 286	0.44 316	2.07 478	0.44 306	0.62 328	0.44 310	0.62 335	0.44 314	0.62 339	0.44 307	0.62 333	0.44 308	0.58 312	0.42 273	0.62 340	0.46 321	0.58 310	0.42 300

WCG-NET	0.61 296	1.21 347	0.54 310	0.61 285	0.53 345	0.67 343	0.53 336	0.66 333	0.53 337	0.64 338	0.53 345	0.65 343	0.53 336	0.59 331	0.52 335	0.65 324	0.48 294	0.64 343	0.52 340	0.58 310	0.50 324

CASS	0.57 292	0.89 244	0.56 312	0.57 277	0.56 348	0.56 327	0.56 339	0.56 315	0.53 337	0.57 327	0.57 349	0.59 335	0.48 321	0.56 325	0.57 341	0.55 308	0.56 315	0.47 306	0.56 346	0.62 313	0.56 339
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SMoEStereo_RVC	0.63 298	0.75 224	0.51 302	0.73 303	0.53 345	0.71 347	0.47 317	0.67 334	0.58 342	0.74 353	0.60 350	0.72 350	0.53 336	0.74 350	0.51 333	0.61 318	0.62 326	0.62 340	0.61 354	0.63 314	0.61 344

DispNO	1.00 369	0.63 216	0.43 265	3.45 494	0.44 316	0.65 341	0.43 305	0.64 330	0.43 307	0.64 338	0.43 312	0.64 340	3.03 514	0.64 338	0.43 307	4.55 520	0.43 276	0.63 342	0.43 317	0.63 314	0.43 301

test-3	0.98 368	4.13 485	1.85 492	1.85 438	0.61 356	0.69 344	0.37 274	0.63 329	0.61 347	0.66 341	0.51 342	0.73 352	0.44 307	0.57 329	0.54 338	1.68 454	1.81 486	0.40 267	0.43 317	0.66 316	0.50 324

DSFCA	0.66 303	0.73 223	0.78 349	0.65 292	0.65 362	0.64 340	0.64 346	0.65 331	0.63 350	0.64 338	0.64 357	0.64 340	0.64 346	0.65 339	0.65 348	0.65 324	0.65 331	0.65 346	0.65 358	0.66 316	0.64 349

999	1.00 369	1.12 291	0.59 315	1.10 348	1.21 466	1.09 388	0.52 335	1.08 375	1.43 478	1.18 396	1.35 470	0.98 379	0.52 335	0.91 367	0.85 381	0.72 334	1.46 460	0.83 370	0.98 393	0.68 318	1.41 478

anonymity	0.63 298	0.69 220	0.56 312	0.71 301	0.56 348	0.71 347	0.56 339	0.71 339	0.56 340	0.72 346	0.56 348	0.71 347	0.56 340	0.71 345	0.58 342	0.68 328	0.55 313	0.68 348	0.55 342	0.68 318	0.54 332

LMCR-Stereo	0.65 301	0.63 216	0.65 326	0.65 292	0.65 362	0.66 342	0.63 345	0.58 321	0.65 352	0.63 337	0.64 357	0.65 343	0.65 348	0.66 340	0.66 351	0.66 326	0.64 329	0.65 346	0.67 364	0.68 318	0.73 365

FC-DCNN	1.07 379	1.09 287	0.98 370	0.89 318	0.52 342	1.41 456	0.91 384	1.21 435	1.24 464	1.96 466	2.05 519	1.91 467	1.30 458	1.27 449	1.08 400	0.80 340	0.60 321	0.58 337	0.41 309	0.68 318	0.54 332

DMCA-RVC	0.70 312	0.80 228	0.70 333	0.70 299	0.70 372	0.70 345	0.70 361	0.71 339	0.70 362	0.70 345	0.71 372	0.71 347	0.70 359	0.70 344	0.69 360	0.69 329	0.70 338	0.69 349	0.70 369	0.69 322	0.70 358

4D-IteraStereo	0.78 328	3.13 461	0.89 358	0.69 297	0.32 247	0.40 239	0.32 237	0.76 342	0.97 396	0.52 314	0.65 359	0.89 368	0.32 248	0.76 352	0.98 392	0.83 348	0.94 364	0.35 237	0.27 222	0.70 323	0.89 381

MyStereo06	0.75 320	4.12 483	0.60 317	0.63 288	0.61 356	0.62 338	0.66 349	0.56 315	0.45 311	0.55 323	0.48 331	0.54 323	0.46 312	0.57 329	0.45 309	0.60 314	0.57 317	0.64 343	0.55 342	0.72 324	0.55 336

MyStereo05	0.80 331	4.12 483	0.63 321	0.63 288	0.61 356	0.62 338	0.66 349	0.65 331	0.62 348	0.67 342	0.61 353	0.65 343	0.58 341	0.67 342	0.55 340	0.60 314	0.57 317	0.64 343	0.55 342	0.72 324	0.55 336

PA-Net	11.80 558	223.51 583	0.62 320	0.59 282	0.71 374	0.59 334	0.73 367	0.67 334	0.73 372	0.55 323	0.61 353	0.60 336	0.74 366	0.63 337	0.73 368	0.66 326	0.60 321	0.69 349	0.66 360	0.72 324	0.65 350
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 347	2.85 456	0.72 340	0.72 302	0.73 377	0.77 350	0.79 372	0.73 341	0.74 374	0.73 348	0.72 375	0.73 352	0.76 369	0.73 348	0.73 368	0.72 334	0.73 344	0.73 353	0.72 373	0.73 327	0.72 362

GCAP-Stereo	0.75 320	4.15 486	0.42 264	0.75 305	0.35 271	0.78 352	0.40 290	0.79 344	0.38 280	0.78 356	0.36 275	0.78 357	0.36 270	0.79 353	0.39 287	0.75 336	0.39 253	0.76 357	0.39 301	0.75 328	0.39 283

PAM_32	0.64 300	2.38 428	0.51 302	0.92 324	0.43 315	0.53 322	0.44 306	0.87 351	0.43 307	0.52 314	0.45 317	0.53 320	0.40 285	0.54 321	0.46 313	0.62 321	0.56 315	0.48 314	0.45 319	0.76 329	0.44 304

RAFT-Stereo + iAFF	0.70 312	0.72 222	0.71 337	0.80 309	0.62 359	0.82 357	0.61 343	0.81 349	0.62 348	0.81 360	0.63 355	0.80 360	0.70 359	0.73 348	0.61 346	0.76 337	0.61 325	0.74 354	0.61 354	0.77 330	0.61 344

ARAFT	0.68 308	0.81 231	0.63 321	0.74 304	0.60 351	0.78 352	0.62 344	0.77 343	0.66 354	0.74 353	0.63 355	0.75 354	0.62 345	0.83 357	0.60 344	0.70 332	0.55 313	0.70 351	0.60 352	0.78 331	0.55 336

AFF-stereo	0.73 318	0.88 241	0.67 330	0.75 305	0.68 369	0.75 349	0.64 346	0.80 346	0.72 369	0.83 361	0.70 368	0.82 363	0.64 346	0.84 358	0.67 352	0.77 338	0.63 327	0.81 365	0.63 356	0.78 331	0.62 347

Selective-RAFT-Error	0.88 352	0.84 234	0.98 370	0.86 317	0.97 399	0.88 361	0.95 389	0.84 350	0.99 399	0.92 368	0.82 385	0.84 364	0.98 383	0.87 362	0.97 391	0.81 343	0.83 357	0.79 360	0.82 384	0.79 333	0.85 378

psmorigin	0.41 236	0.46 177	0.33 215	0.49 252	0.33 258	0.49 301	0.33 246	0.49 288	0.33 252	0.49 294	0.33 254	0.49 298	0.33 255	0.51 314	0.33 248	0.41 256	0.30 214	0.41 280	0.30 245	0.79 333	0.29 224

G-Net	0.79 329	0.79 227	0.79 352	0.79 307	0.79 383	0.79 354	0.79 372	0.79 344	0.79 378	0.79 357	0.79 382	0.79 359	0.79 372	0.79 353	0.79 374	0.79 339	0.79 351	0.79 360	0.79 379	0.79 333	0.79 372

AEACV	1.12 384	0.52 202	3.12 528	3.24 483	0.86 387	0.53 322	0.49 328	0.60 325	0.47 317	0.53 317	0.49 334	0.55 327	0.45 309	0.55 324	0.47 319	3.01 507	3.88 528	0.71 352	0.60 352	0.80 336	0.48 316

NaN_ROB	0.80 331	0.80 228	0.80 353	0.80 309	0.80 385	0.80 355	0.80 375	0.80 346	0.80 379	0.80 358	0.80 383	0.80 360	0.80 373	0.80 355	0.80 376	0.80 340	0.80 354	0.80 363	0.80 381	0.80 336	0.80 373

CSAN	0.80 331	0.80 228	0.80 353	0.80 309	0.80 385	0.80 355	0.80 375	0.80 346	0.80 379	0.80 358	0.80 383	0.80 360	0.80 373	0.80 355	0.80 376	0.80 340	0.80 354	0.80 363	0.80 381	0.80 336	0.80 373

FlowAnything_test	1.02 376	1.72 374	0.71 337	1.59 428	0.70 372	1.61 461	0.69 357	1.61 451	0.70 362	1.60 454	0.70 368	1.61 462	0.69 357	1.61 458	0.70 364	0.81 343	0.58 319	0.81 365	0.55 342	0.81 339	0.56 339

Selective-RAFT	0.89 354	0.89 244	0.72 340	1.16 361	0.78 382	1.06 382	0.82 378	0.87 351	0.97 396	1.00 376	0.91 390	0.90 369	1.00 384	0.89 365	0.93 388	0.83 348	0.83 357	0.82 369	0.82 384	0.81 339	0.82 376

FlowAnything	1.02 376	1.71 373	0.72 340	1.59 428	0.69 370	1.60 460	0.69 357	1.61 451	0.70 362	1.60 454	0.69 366	1.60 459	0.69 357	1.61 458	0.69 360	0.81 343	0.58 319	0.81 365	0.56 346	0.82 341	0.56 339

DCRE	0.84 347	1.89 387	0.77 348	0.94 329	0.72 376	0.88 361	0.73 367	0.87 351	0.78 375	0.90 364	0.71 372	0.88 366	0.67 353	0.88 363	0.73 368	0.81 343	0.68 333	0.81 365	0.70 369	0.82 341	0.70 358

RSM++	0.76 324	0.82 233	0.66 327	0.85 316	0.64 360	0.85 358	0.71 364	0.94 364	0.64 351	0.87 362	0.67 362	0.87 365	0.65 348	0.84 358	0.65 348	0.81 343	0.70 338	0.79 360	0.71 372	0.83 343	0.70 358

UDG	0.80 331	2.21 412	0.60 317	0.91 321	0.60 351	0.90 364	0.58 341	0.88 354	0.60 344	0.90 364	0.60 350	0.88 366	0.60 343	0.90 366	0.58 342	0.86 352	0.60 321	0.84 371	0.59 351	0.84 344	0.61 344

DDUNet	0.81 336	2.45 431	0.57 314	0.90 319	0.60 351	0.88 361	0.59 342	0.90 355	0.60 344	0.88 363	0.60 350	0.90 369	0.58 341	0.88 363	0.60 344	0.84 350	0.60 321	0.86 373	0.57 348	0.86 345	0.60 343

MoCha-V2	2.11 479	26.97 561	0.78 349	0.92 324	0.77 381	0.96 371	0.72 366	0.90 355	0.72 369	0.94 372	0.70 368	0.90 369	0.71 363	0.91 367	0.71 366	0.85 351	0.71 342	0.88 374	0.69 367	0.87 346	0.67 354

UNet	0.29 174	0.90 246	0.10 70	0.14 97	0.10 118	0.14 125	0.10 116	0.91 357	0.69 359	0.14 125	0.11 131	0.14 126	0.11 130	0.14 128	0.10 112	0.12 91	0.09 68	0.12 121	0.09 110	0.88 347	0.76 370

AdaDepth	0.86 350	0.93 255	0.71 337	1.01 341	1.07 408	1.02 379	0.71 364	1.00 368	0.71 367	1.01 380	0.71 372	1.00 380	0.72 364	1.14 396	0.71 366	0.92 358	0.64 329	0.90 375	0.64 357	0.89 348	0.69 357

AIO-Stereo-zeroshot1	0.75 320	0.92 253	0.85 357	0.96 334	0.59 350	1.27 446	0.44 306	0.59 323	0.69 359	0.91 366	0.68 363	0.55 327	0.61 344	1.06 386	0.83 380	0.62 321	0.70 338	0.90 375	0.41 309	0.89 348	0.56 339

ToySt	0.92 357	2.11 403	0.90 361	0.95 331	0.79 383	0.99 373	0.78 371	0.94 364	0.81 382	0.94 372	0.78 381	0.95 376	0.77 370	0.94 372	0.86 382	0.91 355	0.79 351	0.85 372	0.77 376	0.89 348	0.73 365

ff7	1.68 447	2.68 439	1.35 447	0.97 335	0.89 389	1.84 464	2.15 512	2.12 471	1.80 497	2.05 476	1.56 481	2.33 482	2.12 505	2.23 479	2.25 515	1.31 434	1.07 372	1.48 465	1.41 472	0.90 351	1.04 397

ffff	1.68 447	2.68 439	1.35 447	0.97 335	0.89 389	1.84 464	2.15 512	2.12 471	1.80 497	2.05 476	1.56 481	2.33 482	2.12 505	2.23 479	2.25 515	1.31 434	1.07 372	1.48 465	1.41 472	0.90 351	1.04 397

ccc-4	1.68 447	2.68 439	1.35 447	0.97 335	0.89 389	1.84 464	2.15 512	2.12 471	1.80 497	2.05 476	1.56 481	2.33 482	2.12 505	2.23 479	2.25 515	1.31 434	1.07 372	1.48 465	1.41 472	0.90 351	1.04 397

STTRV1_RVC	0.82 340	1.60 370	0.70 333	1.01 341	0.60 351	1.07 385	0.69 357	1.01 372	0.60 344	0.72 346	0.55 347	1.02 385	0.68 354	1.03 384	0.67 352	0.89 354	0.63 327	0.92 380	0.57 348	0.90 351	0.65 350

pmcnn	0.92 357	0.92 253	0.92 365	0.92 324	0.92 394	0.92 366	0.92 385	0.92 360	0.92 390	0.92 368	0.92 393	0.92 372	0.92 379	0.92 371	0.92 384	0.92 358	0.92 362	0.92 380	0.92 388	0.92 355	0.92 384

DPSM_ROB	0.92 357	0.91 248	0.91 363	0.91 321	0.92 394	0.92 366	0.92 385	0.92 360	0.91 386	0.93 370	0.91 390	0.92 372	0.90 377	0.91 367	0.92 384	0.92 358	0.91 360	0.91 378	0.92 388	0.93 356	0.93 385

DPSM	0.92 357	0.91 248	0.91 363	0.91 321	0.92 394	0.92 366	0.92 385	0.92 360	0.91 386	0.93 370	0.91 390	0.92 372	0.90 377	0.91 367	0.92 384	0.92 358	0.91 360	0.91 378	0.92 388	0.93 356	0.93 385

AIO-Stereo	0.84 347	0.66 219	0.70 333	0.83 313	0.67 366	0.98 372	0.82 378	1.14 379	0.72 369	1.03 382	0.74 378	1.03 386	1.09 393	0.99 378	0.45 309	1.04 369	0.73 344	0.95 384	0.74 374	0.94 358	0.46 307

R-Stereo Train	0.81 336	0.96 259	0.67 330	0.95 331	0.67 366	0.95 369	0.68 354	0.95 366	0.68 356	0.95 374	0.68 363	0.96 377	0.68 354	0.96 376	0.68 356	0.94 363	0.68 333	0.94 382	0.68 365	0.94 358	0.68 355

RAFT-Stereo	0.81 336	0.96 259	0.67 330	0.95 331	0.67 366	0.95 369	0.68 354	0.95 366	0.68 356	0.95 374	0.68 363	0.96 377	0.68 354	0.96 376	0.68 356	0.94 363	0.68 333	0.94 382	0.68 365	0.94 358	0.68 355
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DGTPSM_ROB	0.93 362	1.00 266	0.92 365	0.94 329	0.96 398	0.91 365	0.92 385	0.91 357	0.96 395	0.91 366	0.96 394	0.93 375	0.92 379	0.94 372	0.92 384	0.92 358	0.92 362	0.90 375	0.92 388	0.94 358	0.91 383

GANet	1.00 369	1.00 266	1.00 372	1.00 338	1.00 400	1.00 374	1.00 393	1.00 368	1.00 400	1.00 376	1.00 397	1.00 380	1.00 384	1.00 379	1.00 394	1.00 365	1.00 365	1.00 389	1.00 395	1.00 362	1.00 392

TDLM	1.00 369	1.00 266	1.00 372	1.00 338	1.00 400	1.00 374	1.00 393	1.00 368	1.00 400	1.00 376	1.00 397	1.00 380	1.00 384	1.00 379	1.00 394	1.00 365	1.00 365	1.00 389	1.00 395	1.00 362	1.00 392

CVANet_RVC	1.00 369	1.00 266	1.00 372	1.00 338	1.00 400	1.00 374	1.00 393	1.00 368	1.00 400	1.00 376	1.00 397	1.00 380	1.00 384	1.00 379	1.00 394	1.00 365	1.00 365	1.00 389	1.00 395	1.00 362	1.00 392

MLG-Stereo	0.92 357	0.90 246	0.84 356	1.27 414	0.49 332	1.38 453	0.88 381	1.41 449	0.97 396	0.73 348	1.09 403	1.26 448	0.43 305	0.72 346	1.05 399	1.13 380	0.49 297	1.18 406	0.66 360	1.01 365	0.46 307

trnet	1.01 374	1.01 272	1.01 375	1.01 341	1.01 404	1.01 378	1.01 396	1.01 372	1.01 403	1.01 380	1.01 400	1.01 384	1.01 390	1.01 383	1.01 397	1.01 368	1.01 368	1.01 392	1.01 399	1.01 365	1.01 395

AIO-Stereo-zeroshot	0.91 355	0.86 237	0.89 358	1.25 413	0.69 370	1.05 381	0.81 377	1.16 382	0.50 329	1.12 391	0.97 395	0.72 350	0.82 375	1.06 386	0.95 389	0.61 318	0.87 359	1.03 394	0.85 387	1.04 367	1.01 395

GLC_STEREO	1.07 379	1.01 272	1.06 377	1.07 346	1.05 407	1.06 382	1.08 400	1.08 375	1.05 406	1.07 384	1.06 402	1.08 388	1.05 392	1.06 386	1.10 401	1.07 371	1.09 378	1.05 395	1.05 400	1.06 368	1.12 402

DPSimNet_ROB	0.97 366	1.18 299	0.81 355	1.10 348	0.91 393	1.02 379	0.82 378	1.04 374	0.91 386	1.03 382	0.86 386	1.28 450	0.82 375	1.03 384	0.89 383	1.17 383	0.81 356	1.02 393	0.82 384	1.08 369	0.81 375

MSMD_ROB	1.19 386	1.10 290	0.70 333	1.10 348	0.60 351	1.10 389	0.70 361	1.10 378	0.70 362	1.10 386	0.70 368	1.10 392	0.70 359	7.00 555	0.70 364	1.10 374	0.70 338	1.10 396	0.70 369	1.10 370	0.70 358

edge stereo	2.43 503	27.07 562	1.14 381	1.06 345	1.14 411	1.08 386	1.17 408	1.16 382	1.14 407	1.10 386	1.16 408	1.09 390	1.16 402	1.10 392	1.16 409	1.10 374	1.11 382	1.16 399	1.19 409	1.13 371	1.11 400

tt45	1.04 378	0.88 241	1.36 455	0.92 324	1.03 406	1.51 459	0.79 372	0.70 338	0.88 384	0.74 353	0.90 387	1.60 459	0.72 364	1.60 456	0.75 371	0.91 355	0.78 350	1.52 468	0.79 379	1.14 372	1.32 470

RGC	2.36 498	25.48 555	1.19 389	1.15 356	1.15 412	1.10 389	1.16 407	1.17 384	1.16 409	1.12 391	1.16 408	1.11 395	1.13 395	1.09 390	1.18 411	1.10 374	1.15 387	1.16 399	1.12 403	1.14 372	1.12 402

UPFNet	0.42 246	1.20 301	0.17 150	0.24 151	0.17 176	0.25 184	0.17 163	1.19 387	0.90 385	0.25 181	0.17 173	0.24 179	0.17 170	0.25 185	0.17 168	0.22 160	0.17 159	0.22 172	0.16 163	1.15 374	0.93 385

stereogan	2.33 496	24.38 552	1.18 387	1.18 363	1.18 419	1.14 394	1.18 409	1.19 387	1.19 415	1.14 394	1.18 412	1.14 397	1.18 403	1.14 396	1.18 411	1.14 382	1.14 386	1.19 407	1.19 409	1.15 374	1.19 415

AF-Net	2.37 500	25.71 557	1.17 385	1.13 353	1.15 412	1.15 395	1.18 409	1.19 387	1.16 409	1.10 386	1.15 405	1.10 392	1.18 403	1.12 395	1.15 406	1.10 374	1.10 381	1.17 403	1.15 405	1.16 376	1.12 402

RP	2.33 496	25.00 554	1.13 380	1.15 356	1.15 412	1.10 389	1.15 405	1.15 380	1.15 408	1.12 391	1.15 405	1.09 390	1.13 395	1.10 392	1.15 406	1.11 379	1.09 378	1.16 399	1.12 403	1.16 376	1.17 411

Nwc_Net	2.37 500	25.95 558	1.15 383	1.14 354	1.15 412	1.08 386	1.14 404	1.17 384	1.16 409	1.14 394	1.15 405	1.08 388	1.15 398	1.11 394	1.14 405	1.10 374	1.11 382	1.16 399	1.09 402	1.16 376	1.15 407

Abc-Net	2.32 495	24.75 553	1.14 381	1.17 362	1.17 417	1.11 392	1.15 405	1.17 384	1.21 461	1.08 385	1.16 408	1.12 396	1.14 397	1.09 390	1.17 410	1.09 372	1.16 388	1.17 403	1.17 408	1.16 376	1.11 400
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.95 365	1.17 297	0.78 349	1.18 363	0.71 374	1.16 396	0.75 369	1.09 377	0.80 379	1.10 386	0.75 379	1.17 399	0.74 366	1.17 399	0.80 376	1.13 380	0.73 344	1.17 403	0.77 376	1.16 376	0.72 362
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NCC-stereo	2.36 498	25.52 556	1.17 385	1.15 356	1.17 417	1.11 392	1.11 401	1.15 380	1.16 409	1.10 386	1.16 408	1.10 392	1.15 398	1.14 396	1.13 404	1.09 372	1.11 382	1.15 398	1.16 407	1.17 381	1.17 411

delet	0.43 247	1.21 347	0.17 150	0.25 156	0.17 176	0.25 184	0.18 169	1.26 439	0.95 393	0.25 181	0.17 173	0.25 184	0.17 170	0.25 185	0.17 168	0.23 171	0.16 143	0.22 172	0.16 163	1.18 382	0.98 389

psm_up	0.43 247	1.19 300	0.17 150	0.25 156	0.18 183	0.25 184	0.19 173	1.26 439	0.91 386	0.26 188	0.17 173	0.25 184	0.17 170	0.25 185	0.17 168	0.22 160	0.17 159	0.23 178	0.16 163	1.18 382	0.99 390

HBP-ISP	1.24 435	1.72 374	1.65 473	1.15 356	0.76 380	1.40 455	0.88 381	1.67 457	1.02 404	1.69 461	1.38 475	1.69 463	1.21 451	1.87 468	1.21 458	1.05 370	0.79 351	0.97 387	0.80 381	1.19 384	0.75 369

DisPM	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

CrosDoStereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

PFNet+	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

LCNet	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

HHNet	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

Patchmatch Stereo++	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416
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	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

STrans-v2	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

TransformOpticalFlow	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

OMP-Stereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

IIG-Stereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

NF-Stereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

OCTAStereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

PSM-softLoss	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

KMStereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

NRIStereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

PSM-adaLoss	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

PSM-AAD	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

FTStereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

ROB_FTStereo_v2	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

ROB_FTStereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

Consistency-Raft	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

KYRaft	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

HUI-Stereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

ASMatch	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

DeepStereo_LL	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

DEmStereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

SST-Stereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

THIR-Stereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

RAFT_R40	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

DRaft	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

PFNet	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

GrayStereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

RE-Stereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

Pruner-Stereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

TVStereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

DeepStereo_RVC	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

RAFT-RH_RVC	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

IRAFT_RVC	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

RAFT-345	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

iRAFT	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

CRE-IMP	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

GMM-Stereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

RAFT-IKP	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

Prome-Stereo	1.20 387	1.20 301	1.20 392	1.20 365	1.20 420	1.20 397	1.20 411	1.20 390	1.20 416	1.20 398	1.20 413	1.20 401	1.20 405	1.20 401	1.20 413	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

MMNet	0.44 251	1.24 354	0.17 150	0.25 156	0.17 176	0.25 184	0.18 169	1.26 439	0.93 391	0.25 181	0.17 173	0.25 184	0.18 177	0.25 185	0.17 168	0.23 171	0.16 143	0.23 178	0.16 163	1.20 385	0.99 390

FAT-Stereo	2.46 504	26.05 559	1.23 441	1.23 412	1.22 468	1.20 397	1.24 459	1.23 438	1.23 463	1.19 397	1.22 459	1.21 446	1.24 453	1.20 401	1.24 460	1.21 430	1.17 391	1.22 454	1.25 462	1.20 385	1.24 465

CroCo-Stereo	0.73 318	1.22 352	0.25 180	1.22 410	0.25 210	1.22 443	0.25 202	1.22 436	0.25 201	1.22 444	0.25 210	1.22 447	0.25 204	1.22 447	0.25 204	1.22 431	0.26 186	1.21 453	0.25 209	1.22 432	0.25 192
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
S-Stereo	2.51 505	26.86 560	1.23 441	1.22 410	1.22 468	1.24 445	1.25 460	1.22 436	1.24 464	1.21 443	1.24 461	1.19 400	1.27 455	1.19 400	1.24 460	1.19 384	1.20 393	1.25 455	1.19 409	1.24 433	1.23 464

CroCo-Stereo Lap2	0.77 325	1.29 356	0.29 194	1.27 414	0.29 230	1.27 446	0.26 210	1.26 439	0.26 214	1.26 445	0.26 216	1.27 449	0.26 213	1.26 448	0.27 210	1.27 433	0.27 191	1.27 456	0.27 222	1.27 434	0.27 206

MM-Stereo_test2	1.20 387	1.85 383	1.05 376	1.46 425	0.94 397	1.36 451	0.99 392	1.36 444	0.95 393	1.41 450	0.98 396	1.40 455	0.96 381	1.37 451	0.95 389	1.37 441	1.06 371	1.33 458	0.93 392	1.29 435	0.89 381

test_xeample3	1.10 381	1.81 380	0.61 319	0.84 314	0.49 332	0.77 350	0.66 349	0.92 360	1.40 476	0.68 344	0.46 319	0.78 357	0.54 339	1.72 461	1.48 478	1.34 437	1.52 464	1.35 461	1.67 494	1.33 436	1.55 482

MaskLacGwcNet_RVC	1.35 439	1.35 360	1.35 447	1.35 420	1.35 470	1.35 449	1.35 467	1.36 444	1.35 472	1.36 448	1.35 470	1.36 451	1.36 463	1.36 450	1.35 471	1.35 438	1.35 453	1.35 461	1.35 466	1.35 437	1.35 474

PS-NSSS	1.38 442	1.39 362	1.34 445	1.34 419	1.35 470	1.38 453	1.37 474	1.35 443	1.38 475	1.34 446	1.34 469	1.39 453	1.38 466	1.70 460	1.40 475	1.36 440	1.36 454	1.36 463	1.37 469	1.37 438	1.36 475

MM-Stereo_test3	1.27 437	2.07 399	1.18 387	1.60 431	1.02 405	1.45 457	1.01 396	1.40 448	1.04 405	1.44 451	1.03 401	1.46 457	1.02 391	1.44 454	1.02 398	1.51 448	1.12 385	1.32 457	0.98 393	1.38 439	0.97 388

CC-Net-ROB	1.36 440	1.33 359	1.33 444	1.36 421	1.38 473	1.36 451	1.33 465	1.37 446	1.34 469	1.35 447	1.36 472	1.38 452	1.34 461	1.38 452	1.38 474	1.35 438	1.38 456	1.33 458	1.35 466	1.43 440	1.34 473

11t	1.27 437	2.70 442	1.34 445	1.32 418	0.89 389	1.30 448	1.34 466	1.64 454	0.57 341	1.45 452	0.72 375	1.05 387	1.29 457	1.07 389	1.29 467	1.49 445	1.02 369	0.97 387	1.15 405	1.48 441	1.31 469

IGEVStereo-DCA	1.77 451	4.21 487	1.84 490	2.49 465	2.11 513	2.54 500	1.36 469	1.65 455	1.17 413	2.75 507	1.90 502	2.54 493	1.15 398	0.94 372	1.11 402	1.50 446	1.32 441	0.96 385	1.46 478	1.49 442	0.88 379

rrr	1.77 451	4.21 487	1.84 490	2.49 465	2.11 513	2.54 500	1.36 469	1.65 455	1.17 413	2.75 507	1.90 502	2.54 493	1.15 398	0.94 372	1.11 402	1.50 446	1.32 441	0.96 385	1.46 478	1.49 442	0.88 379

CFNet-ft	0.55 289	1.57 368	0.14 126	0.20 133	0.14 155	0.20 160	2.53 517	1.61 451	0.14 155	0.20 156	0.14 159	0.20 157	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	1.56 444	1.24 465

DPSMNet_ROB	1.60 446	1.59 369	1.70 475	1.59 428	1.59 481	1.61 461	1.61 484	1.60 450	1.60 481	1.62 460	1.59 484	1.60 459	1.60 471	1.60 456	1.59 481	1.59 450	1.60 474	1.59 469	1.59 486	1.59 445	1.59 487

ours_stereo	1.20 387	1.21 347	0.90 361	1.64 436	1.11 410	1.35 449	0.67 353	1.76 458	0.93 391	1.70 462	1.10 404	1.39 453	0.75 368	1.41 453	0.81 379	1.60 452	1.03 370	1.33 458	1.00 395	1.61 446	0.72 362

4.25_new	2.00 462	2.33 420	1.82 486	3.32 488	1.69 488	1.95 472	1.99 507	2.72 497	1.71 487	2.72 501	1.97 508	2.01 473	1.74 482	1.77 463	1.28 465	2.18 474	2.01 493	2.48 506	1.58 484	1.65 447	1.17 411

4.5w_new	2.00 462	2.33 420	1.82 486	3.32 488	1.69 488	1.95 472	1.99 507	2.72 497	1.71 487	2.72 501	1.97 508	2.01 473	1.74 482	1.77 463	1.28 465	2.18 474	2.01 493	2.48 506	1.58 484	1.65 447	1.17 411

RASNet	1.49 443	1.65 371	1.45 463	1.38 423	1.43 476	1.47 458	1.36 469	1.38 447	1.36 473	1.39 449	1.60 485	1.45 456	1.45 469	1.51 455	2.21 514	1.53 449	1.36 454	1.36 463	1.36 468	1.66 449	1.36 475

2w_stereo	1.99 458	2.36 427	1.81 481	3.24 483	1.67 486	1.94 469	1.98 504	2.72 497	1.68 483	2.72 501	1.94 505	1.98 471	1.74 482	1.79 465	1.27 464	1.95 465	2.00 491	2.53 508	1.60 487	1.68 450	1.15 407

3.75w	1.99 458	2.31 418	1.83 489	3.16 481	1.65 485	1.93 468	1.98 504	2.72 497	1.68 483	2.73 506	1.97 508	2.00 472	1.72 479	1.81 466	1.25 463	2.27 482	2.01 493	2.38 500	1.42 475	1.71 451	1.24 465

RAFT_CTSACE	1.92 456	3.71 474	1.72 478	1.88 439	1.72 492	2.04 476	1.42 479	2.18 476	1.89 508	2.02 473	1.97 508	1.95 468	2.06 504	1.93 470	1.62 482	1.76 455	1.66 478	2.02 485	1.73 502	1.73 452	1.43 480

4.25w-stereo	1.98 457	2.72 446	1.46 464	3.47 495	1.43 476	2.07 478	1.98 504	2.53 494	1.52 480	2.71 500	1.98 514	1.81 464	1.62 473	1.96 471	1.36 472	1.88 462	2.00 491	2.53 508	1.61 488	1.74 453	1.15 407

4.5w-stereo	1.99 458	2.33 420	1.81 481	3.28 485	1.68 487	1.94 469	1.99 507	2.72 497	1.70 486	2.72 501	1.99 517	1.97 470	1.68 475	1.76 462	1.29 467	1.91 464	2.02 497	2.53 508	1.61 488	1.75 454	1.16 410

2.75w_new	1.99 458	2.34 424	1.81 481	3.14 479	1.62 483	1.94 469	1.99 507	2.72 497	1.71 487	2.72 501	1.99 517	1.90 466	1.73 480	1.82 467	1.29 467	2.37 489	2.01 493	2.31 495	1.42 475	1.77 455	1.22 462

cf-r	0.66 303	2.17 408	0.12 101	0.18 128	0.12 150	0.18 152	2.70 520	2.60 495	0.12 150	0.18 149	0.12 142	0.18 151	0.12 147	0.18 150	0.12 139	0.15 123	0.11 95	0.15 139	0.11 129	1.81 456	1.74 500

MFMNet_re	1.81 454	1.91 390	1.71 477	1.95 443	1.70 491	1.95 472	1.70 489	1.96 463	1.74 494	1.97 468	1.72 492	1.95 468	1.71 478	1.97 472	1.71 489	1.86 458	1.62 475	1.85 475	1.66 493	1.86 457	1.64 493

GANetREF_RVC	1.55 444	1.94 396	1.22 439	1.88 439	1.21 466	1.88 467	1.22 457	1.88 460	1.22 462	1.88 463	1.22 459	1.88 465	1.22 452	1.89 469	1.22 459	1.87 459	1.22 440	1.88 481	1.22 458	1.88 458	1.22 462
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
SPS-STEREO	1.59 445	1.91 390	1.21 438	1.94 442	1.20 420	2.00 475	1.23 458	1.99 465	1.24 464	2.00 471	1.25 462	2.03 475	1.26 454	2.00 473	1.29 467	1.90 463	1.18 392	1.89 482	1.21 457	1.89 459	1.20 416
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 450	2.96 457	1.37 457	2.14 449	1.37 472	2.14 480	1.36 469	2.14 474	1.37 474	2.14 480	1.37 473	2.14 477	1.37 465	2.14 478	1.37 473	1.97 466	1.32 441	1.97 484	1.32 465	1.98 460	1.33 471

MM-Stereo_test1	1.80 453	3.41 467	1.52 469	2.12 448	1.41 475	2.04 476	1.41 477	2.05 469	1.46 479	2.04 475	1.41 477	2.05 476	1.42 468	2.05 474	1.43 477	2.04 470	1.54 467	1.94 483	1.38 471	1.99 461	1.33 471

TRStereo	2.00 462	2.13 404	1.85 492	2.27 455	1.84 496	2.28 484	1.84 493	2.29 479	1.86 502	2.30 485	1.87 497	2.30 479	1.87 488	2.08 475	1.72 491	2.08 471	1.72 481	2.08 487	1.72 499	2.08 462	1.72 497

XX-Stereo	2.00 462	2.13 404	1.85 492	2.27 455	1.84 496	2.28 484	1.84 493	2.29 479	1.86 502	2.30 485	1.87 497	2.30 479	1.87 488	2.08 475	1.72 491	2.08 471	1.72 481	2.08 487	1.72 499	2.08 462	1.72 497

EAI-Stereo	2.00 462	2.13 404	1.85 492	2.27 455	1.84 496	2.28 484	1.84 493	2.29 479	1.86 502	2.30 485	1.87 497	2.30 479	1.87 488	2.08 475	1.72 491	2.08 471	1.72 481	2.08 487	1.72 499	2.08 462	1.72 497

GANet-RSSM	0.75 320	1.91 390	0.14 126	0.47 242	0.14 155	0.21 168	3.21 537	2.30 483	0.14 155	0.46 274	0.14 159	0.23 175	0.18 177	0.21 168	0.14 149	0.18 148	0.27 191	0.37 245	0.13 154	2.13 465	2.12 510

AIO_rvc	2.18 482	2.34 424	1.87 496	2.32 459	1.94 505	2.40 489	1.89 501	2.37 485	2.07 517	2.52 496	1.95 507	2.44 489	1.99 500	2.41 488	1.89 507	2.32 487	2.09 499	2.24 491	2.18 514	2.21 466	2.23 513

asda	2.17 481	2.54 433	1.81 481	3.47 495	1.78 494	2.50 496	1.86 497	2.61 496	1.68 483	2.61 498	1.83 494	2.37 486	1.73 480	2.44 491	1.88 506	2.51 498	1.84 487	2.34 497	1.62 490	2.23 467	1.77 501

HUF	2.18 482	2.30 417	1.99 506	2.34 460	2.02 510	2.41 490	2.06 511	2.38 486	1.89 508	2.36 489	1.85 495	2.56 495	1.98 498	2.31 485	1.97 510	2.30 485	2.03 498	2.30 494	2.11 513	2.23 467	2.16 511

AIO_test	2.18 482	2.09 402	2.04 507	2.42 462	2.01 507	2.47 492	1.94 503	2.34 484	2.03 516	2.56 497	1.94 505	2.43 488	1.94 495	2.41 488	1.87 505	2.39 491	2.10 500	2.35 499	1.91 512	2.25 469	2.19 512

NCCL2	2.28 494	2.27 415	2.28 509	2.28 458	2.28 520	2.27 482	2.29 515	2.28 477	2.28 518	2.27 484	2.28 520	2.28 478	2.27 508	2.27 482	2.28 519	2.28 483	2.28 505	2.27 492	2.29 518	2.27 470	2.29 514

ccnet	0.80 331	2.28 416	0.33 215	0.50 259	0.33 258	0.50 309	0.33 246	0.50 296	0.33 252	0.49 294	0.33 254	0.49 298	1.56 470	2.38 486	0.33 248	0.41 256	0.29 206	0.42 291	1.57 481	2.28 471	0.29 224

STTStereo	3.73 520	30.40 566	2.37 513	2.39 461	2.31 522	2.35 487	2.33 516	2.29 479	2.42 519	2.32 488	2.34 521	2.33 482	2.36 509	2.30 484	2.27 518	2.35 488	2.22 504	2.31 495	2.22 515	2.29 472	2.34 518

qwe	2.18 482	2.60 436	1.58 470	3.83 507	1.90 504	2.53 498	1.90 502	2.48 490	1.73 492	2.37 490	1.92 504	2.53 491	1.68 475	2.56 494	1.83 499	2.52 500	1.87 489	2.07 486	1.68 496	2.32 473	1.71 496

FBW_ROB	2.12 480	2.46 432	1.77 480	2.49 465	1.79 495	2.38 488	1.83 492	2.46 489	1.78 496	2.48 494	1.97 508	2.40 487	1.78 485	2.42 490	1.83 499	2.31 486	1.85 488	2.38 500	1.82 504	2.35 474	1.84 502

asd	2.18 482	2.77 452	1.58 470	3.59 500	2.00 506	2.58 502	1.85 496	2.39 487	1.71 487	2.47 493	1.97 508	2.59 497	1.61 472	2.56 494	1.79 498	2.51 498	1.99 490	2.11 490	1.62 490	2.36 475	1.60 488

monsterstereo	2.20 488	2.33 420	1.95 501	3.65 502	2.07 512	2.49 494	1.61 484	2.48 490	1.83 500	2.45 492	1.61 487	2.67 501	1.86 487	2.64 498	1.94 508	2.48 497	1.66 478	2.34 497	1.68 496	2.40 476	1.86 504

monsters	2.18 482	2.41 430	1.96 502	3.47 495	2.03 511	2.53 498	1.64 486	2.48 490	1.73 492	2.40 491	1.50 480	2.62 498	1.94 495	2.59 496	1.94 508	2.44 493	1.57 469	2.28 493	1.87 506	2.42 477	1.86 504

UDGNet	2.23 492	5.40 507	1.72 478	2.48 464	1.69 488	2.51 497	1.69 488	2.51 493	1.72 491	2.50 495	1.69 491	2.52 490	1.69 477	2.50 492	1.68 487	2.41 492	1.70 480	2.42 502	1.69 498	2.42 477	1.64 493

1w_stereo	2.05 477	2.32 419	1.35 447	3.74 506	2.01 507	2.73 507	1.42 479	1.88 460	1.93 510	2.03 474	1.28 465	2.71 502	1.99 500	2.72 504	1.72 491	2.20 476	1.32 441	1.87 478	1.86 505	2.45 479	1.54 481

LG-G_1	2.22 489	2.71 444	1.89 497	2.77 470	1.87 502	2.75 509	1.87 499	2.76 505	1.87 506	2.75 507	1.87 497	2.76 509	1.87 488	2.75 508	1.86 502	2.47 495	1.58 470	2.45 503	1.57 481	2.45 479	1.57 484

LG-G	2.22 489	2.71 444	1.89 497	2.77 470	1.87 502	2.75 509	1.87 499	2.76 505	1.87 506	2.75 507	1.87 497	2.76 509	1.87 488	2.75 508	1.86 502	2.47 495	1.58 470	2.45 503	1.57 481	2.45 479	1.57 484

LGtest1	2.22 489	2.70 442	1.89 497	2.76 469	1.86 499	2.75 509	1.86 497	2.75 504	1.86 502	2.75 507	1.86 496	2.77 511	1.87 488	2.75 508	1.86 502	2.46 494	1.58 470	2.45 503	1.56 480	2.45 479	1.56 483

4.5_new	2.00 462	1.84 382	1.98 503	2.77 470	2.16 515	2.27 482	1.28 464	2.09 470	1.98 512	2.01 472	1.28 465	2.71 502	1.98 498	2.51 493	1.65 484	2.26 479	1.33 448	1.87 478	1.87 506	2.49 483	1.60 488

GES	0.66 303	2.34 424	0.29 194	0.41 222	0.29 230	0.41 255	0.29 225	0.42 264	0.29 227	0.40 234	0.41 300	0.41 255	0.30 239	0.51 314	0.29 226	0.32 202	0.29 206	0.32 209	2.46 520	2.49 483	0.30 234

3w_stereo	2.04 475	2.24 414	1.70 475	3.15 480	2.18 519	2.49 494	1.26 462	2.03 468	1.98 512	1.98 469	1.33 468	2.72 506	1.99 500	2.59 496	1.72 491	2.22 478	1.33 448	1.85 475	1.88 511	2.50 485	1.58 486

3.25w	2.04 475	2.20 410	1.48 465	3.03 477	2.17 517	2.63 503	1.39 475	1.96 463	1.95 511	1.96 466	1.37 473	2.71 502	1.96 497	2.71 502	1.73 496	2.26 479	1.32 441	1.87 478	1.87 506	2.51 486	1.63 492

2.25w	2.00 462	1.86 385	1.98 503	2.95 476	2.17 517	2.26 481	1.35 467	2.42 488	2.00 515	2.07 479	1.27 464	2.53 491	1.99 500	2.29 483	1.49 479	2.21 477	1.32 441	1.85 475	1.87 506	2.52 487	1.62 491

PSMNet-RSSM	0.77 325	2.76 450	0.14 126	0.20 133	0.14 155	0.20 160	2.66 518	2.79 508	0.14 155	0.21 166	0.14 159	0.21 165	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	2.52 487	2.31 515

GwcNet-RSSM	0.77 325	2.77 452	0.14 126	0.20 133	0.14 155	0.20 160	2.67 519	2.78 507	0.14 155	0.20 156	0.14 159	0.20 157	0.14 156	0.21 168	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	2.52 487	2.31 515

4w-stereo	2.02 470	2.72 446	1.44 462	3.36 491	1.59 481	2.48 493	1.72 490	2.28 477	1.24 464	2.24 483	1.65 489	2.56 495	1.32 460	2.39 487	1.98 511	2.67 503	1.51 463	1.66 471	1.24 460	2.53 490	1.88 509

2.5w	2.01 469	2.40 429	1.37 457	3.28 485	2.01 507	2.71 504	1.43 481	1.82 459	1.83 500	1.90 465	1.41 477	2.71 502	1.35 462	2.71 502	1.85 501	2.66 501	1.53 465	1.64 470	1.23 459	2.53 490	1.87 506

3.25w_new	2.03 472	2.72 446	1.35 447	3.33 490	1.57 479	2.72 505	1.53 483	2.15 475	1.33 468	2.15 481	1.60 485	2.63 499	1.30 458	2.72 504	1.99 512	2.67 503	1.53 465	1.75 473	1.25 462	2.53 490	1.87 506

3.5w_stereo	2.03 472	2.72 446	1.35 447	3.41 492	1.57 479	2.72 505	1.49 482	2.01 467	1.34 469	2.15 481	1.61 487	2.63 499	1.36 463	2.72 504	1.99 512	2.66 501	1.58 470	1.68 472	1.24 460	2.53 490	1.87 506

IGEV	2.02 470	2.20 410	1.82 486	2.90 475	2.16 515	2.41 490	1.25 460	2.00 466	1.98 512	1.99 470	1.31 467	2.72 506	1.93 494	2.67 501	1.69 488	2.26 479	1.32 441	1.83 474	1.87 506	2.53 490	1.61 490

hitnet-ft	0.79 329	2.78 454	0.14 126	0.20 133	0.14 155	0.21 168	2.89 521	2.80 509	0.14 155	0.20 156	0.14 159	0.20 157	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	2.54 495	2.33 517

PDISCO_ROB	0.83 344	2.80 455	3.49 531	0.14 97	0.11 134	0.17 148	0.09 111	0.15 138	0.10 116	0.15 131	0.12 142	0.16 137	0.14 156	3.30 515	0.13 145	0.14 114	2.34 506	0.16 142	0.12 146	2.62 496	0.10 113

sCroCo_RVC	2.10 478	2.76 450	1.92 500	2.78 473	1.39 474	2.73 507	1.41 477	2.73 503	1.40 476	2.77 512	1.41 477	2.74 508	1.40 467	2.74 507	1.40 475	2.72 505	1.42 458	2.72 511	1.44 477	2.79 497	1.42 479

NLCA_NET_v2_RVC	5.04 548	50.87 576	2.78 515	2.87 474	2.71 523	2.78 512	0.47 317	2.88 510	2.86 523	1.89 464	2.67 522	2.79 512	2.79 513	2.78 511	2.83 520	2.82 506	2.82 508	2.83 512	2.77 521	2.83 498	2.76 522
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
plain	1.88 455	3.16 462	0.64 323	3.10 478	0.65 362	3.10 514	0.64 346	3.12 512	0.65 352	3.10 513	0.65 359	3.11 513	0.65 348	3.12 512	0.65 348	3.12 508	0.65 331	3.13 513	0.65 358	3.13 499	0.65 350

UniTT-Stereo	2.03 472	3.43 468	0.72 340	3.42 493	0.73 377	3.27 517	0.68 354	3.38 516	0.69 359	3.29 516	0.72 375	3.28 516	0.70 359	3.35 517	0.68 356	3.39 510	0.68 333	3.31 515	0.69 367	3.37 500	0.73 365

DPSNet	3.66 519	3.60 470	3.62 534	3.63 501	3.64 543	3.65 520	3.65 542	3.66 519	3.67 539	3.67 518	3.65 540	3.67 519	3.66 530	3.66 518	3.68 537	3.68 513	3.66 526	3.67 519	3.68 542	3.67 501	3.67 541

RAStereo	2.23 492	3.64 471	0.76 347	3.65 502	0.86 387	3.66 521	0.76 370	3.67 520	0.81 382	3.66 517	0.76 380	3.66 518	0.77 370	3.68 519	0.77 373	3.68 513	0.77 349	3.69 520	0.77 376	3.70 502	0.77 371

SA	4.33 537	7.35 520	6.85 552	5.96 534	4.09 548	3.59 519	3.15 536	3.82 521	2.64 520	3.91 519	3.85 543	3.57 517	2.72 512	3.13 513	4.03 544	7.09 551	6.86 546	3.57 517	3.12 533	3.85 503	3.51 540

ssnet_v2	0.68 308	1.96 397	1.25 443	0.29 167	0.20 189	0.30 198	0.20 176	0.29 192	0.22 188	1.50 453	0.20 188	0.31 207	0.20 186	0.27 198	0.22 188	0.24 176	1.49 462	0.26 189	0.18 185	3.90 504	0.19 172

TestStereo1	4.60 539	8.41 527	6.44 549	6.86 539	3.79 545	3.97 523	3.78 544	3.99 523	3.74 541	3.97 520	3.52 538	3.94 522	3.58 527	3.98 522	3.72 539	6.82 548	6.50 544	3.76 521	3.66 540	3.90 504	3.74 544

SA-5K	4.60 539	8.41 527	6.44 549	6.86 539	3.79 545	3.97 523	3.78 544	3.99 523	3.74 541	3.97 520	3.52 538	3.94 522	3.58 527	3.98 522	3.72 539	6.82 548	6.50 544	3.76 521	3.66 540	3.90 504	3.74 544

test_4	4.88 545	8.13 525	6.98 553	7.46 542	4.44 550	4.25 526	3.85 546	4.04 525	3.92 545	4.13 522	3.91 544	4.18 525	3.84 535	4.14 524	4.06 545	7.01 550	7.13 547	4.53 525	3.72 543	4.09 507	3.72 542

test_3	5.01 547	8.86 532	7.77 555	8.09 544	2.76 524	4.13 525	4.05 548	3.88 522	3.76 543	4.33 524	4.13 547	3.71 520	3.91 536	4.21 525	4.06 545	7.93 552	7.69 549	4.53 525	3.91 545	4.17 508	4.29 550

RAFT+CT+SA	4.28 535	7.62 523	4.91 541	5.55 531	2.28 520	3.09 513	3.64 541	4.49 527	3.07 529	4.80 539	3.35 536	4.77 542	3.70 532	4.29 526	3.05 523	5.58 540	5.98 541	3.58 518	3.78 544	4.26 509	3.72 542

test_5	4.62 542	7.55 522	6.23 547	6.32 536	3.40 539	5.29 547	3.50 539	3.53 518	4.11 547	4.28 523	4.47 550	4.26 526	4.38 542	3.68 519	3.24 533	5.89 542	5.60 538	4.84 542	3.50 538	4.33 510	3.93 548

Sa-1000	4.34 538	8.37 526	6.84 551	6.98 541	4.45 551	3.58 518	3.00 522	3.42 517	3.39 537	2.61 498	4.00 546	3.83 521	4.01 539	3.90 521	3.90 542	5.98 544	5.62 539	3.76 521	2.34 519	4.35 511	2.47 521

cross-raft	4.83 544	7.52 521	6.43 548	6.63 537	3.96 547	4.51 528	3.99 547	4.49 527	3.96 546	4.52 526	3.96 545	4.50 527	3.97 538	4.50 528	3.97 543	6.65 546	6.44 543	4.33 524	3.92 546	4.35 511	3.91 547

sAnonymous2	3.31 517	2.63 437	1.38 459	3.71 504	1.86 499	4.70 540	1.11 401	4.82 542	2.72 521	5.45 547	1.98 514	4.59 532	2.64 510	2.65 499	6.21 553	4.37 515	1.08 376	5.16 546	2.24 516	4.52 513	2.39 519

CroCo_RVC	3.31 517	2.63 437	1.38 459	3.71 504	1.86 499	4.70 540	1.11 401	4.82 542	2.72 521	5.45 547	1.98 514	4.59 532	2.64 510	2.65 499	6.21 553	4.37 515	1.08 376	5.16 546	2.24 516	4.52 513	2.39 519

rvit_105_1	3.83 521	5.22 500	3.01 517	4.53 511	3.01 525	4.51 528	3.01 523	4.56 529	3.04 524	4.53 528	3.03 525	4.55 530	3.03 514	4.56 529	3.04 521	4.57 521	3.05 510	4.57 527	3.05 525	4.57 515	3.05 525

rvit_0105_6	3.87 525	5.73 514	3.10 527	4.69 521	3.12 535	4.54 530	3.02 524	4.56 529	3.04 524	4.54 530	3.03 525	4.54 528	3.04 517	4.56 529	3.05 523	4.58 524	3.05 510	4.58 529	3.05 525	4.58 516	3.05 525

rvit_stereo_0081	3.83 521	5.23 501	3.01 517	4.53 511	3.03 527	4.55 534	3.02 524	4.56 529	3.04 524	4.52 526	3.02 523	4.54 528	3.03 514	4.56 529	3.04 521	4.57 521	3.05 510	4.57 527	3.05 525	4.58 516	3.05 525

rvit_stereo_0082	3.86 523	5.82 515	3.01 517	4.53 511	3.03 527	4.54 530	3.02 524	4.56 529	3.04 524	4.53 528	3.02 523	4.55 530	3.04 517	4.57 532	3.05 523	4.57 521	3.05 510	4.58 529	3.05 525	4.58 516	3.06 528

rvit_stereo_0081_aga	3.86 523	5.33 504	3.02 520	4.55 517	3.04 531	4.54 530	3.02 524	4.64 536	3.06 528	4.54 530	3.04 527	4.62 537	3.08 521	4.62 535	3.07 526	4.58 524	3.06 514	4.60 531	3.08 529	4.63 519	3.07 529

rvit_stereo_0080	3.89 526	5.70 512	3.04 522	4.54 514	3.03 527	4.56 535	3.05 530	4.60 533	3.07 529	4.58 533	3.06 528	4.59 532	3.06 519	4.61 533	3.08 527	4.63 526	3.09 515	4.64 533	3.10 530	4.65 520	3.10 530

whm_eth	3.89 526	5.70 512	3.04 522	4.54 514	3.03 527	4.56 535	3.05 530	4.60 533	3.07 529	4.58 533	3.06 528	4.59 532	3.06 519	4.61 533	3.08 527	4.63 526	3.09 515	4.64 533	3.10 530	4.65 520	3.10 530

rvit_stereo_0083	3.92 530	5.30 503	3.06 525	4.61 520	3.09 534	4.67 539	3.08 533	4.66 537	3.09 533	4.62 536	3.10 533	4.66 540	3.11 523	4.67 537	3.16 532	4.72 531	3.16 520	4.77 540	3.11 532	4.66 522	3.11 532

rvit_stereo_ft	3.93 531	5.44 509	3.05 524	4.59 518	3.06 532	4.61 538	3.08 533	4.67 538	3.12 534	4.63 537	3.10 533	4.65 539	3.11 523	4.69 539	3.13 531	4.70 529	3.14 519	4.71 538	3.15 534	4.74 523	3.16 535

MLG-Stereo_test2	4.28 535	5.46 510	3.69 535	4.86 524	3.72 544	5.58 549	3.42 538	4.81 541	3.77 544	4.85 540	3.72 542	5.55 549	3.63 529	5.58 547	3.53 536	4.41 518	3.28 524	4.99 544	2.95 523	4.75 524	3.13 533

rvit_0105_3	3.91 528	5.33 504	3.06 525	4.60 519	3.07 533	4.60 537	3.06 532	4.62 535	3.08 532	4.60 535	3.07 531	4.62 537	3.08 521	4.67 537	3.10 530	4.70 529	3.11 517	4.77 540	3.19 536	4.77 525	3.14 534

rvit_0105_4	3.91 528	5.47 511	3.02 520	4.54 514	3.02 526	4.54 530	3.03 528	4.75 539	3.17 535	4.57 532	3.06 528	4.61 536	3.16 525	4.65 536	3.09 529	4.66 528	3.11 517	4.68 536	3.18 535	4.81 526	3.16 535

CFNet	1.37 441	5.27 502	0.19 159	5.49 530	0.19 187	0.28 195	0.19 173	0.28 188	0.19 180	0.28 191	0.19 184	0.28 195	4.35 541	0.28 200	0.19 180	0.23 171	0.17 159	0.23 178	4.21 549	4.81 526	0.17 166

MLG-Stereo_test3	4.26 534	4.85 494	3.95 537	5.35 529	3.60 541	4.75 543	3.76 543	5.49 548	3.71 540	5.39 545	3.69 541	4.82 543	3.66 530	4.85 540	3.73 541	4.93 532	3.19 523	4.69 537	2.99 524	4.84 528	2.98 524

MLG-Stereo_test1	4.25 533	5.34 506	3.61 533	5.31 528	3.63 542	5.23 546	3.57 540	5.38 547	3.65 538	5.23 544	3.47 537	4.76 541	3.74 533	4.85 540	3.71 538	4.96 533	3.18 522	4.71 538	2.92 522	4.86 529	2.90 523

raft_robust	4.71 543	7.75 524	5.40 546	6.81 538	3.31 537	4.28 527	4.20 549	4.32 526	4.37 550	4.35 525	4.35 549	4.14 524	3.75 534	4.30 527	4.20 547	6.67 547	6.37 542	3.36 516	4.24 550	4.86 529	3.25 537

Anonymous3	2.55 506	3.26 465	1.65 473	3.28 485	1.63 484	3.24 516	1.68 487	3.27 514	1.66 482	3.28 515	1.67 490	3.25 515	1.66 474	3.27 514	1.64 483	3.26 509	1.65 477	3.30 514	1.65 492	4.95 531	1.65 495

TestStereo	4.88 545	4.75 492	4.79 540	4.87 525	4.92 552	4.81 545	4.90 552	4.78 540	4.77 551	4.87 541	4.89 551	4.90 545	4.91 544	4.99 544	4.79 549	4.98 534	4.87 535	4.87 543	4.92 552	5.00 532	5.00 551

rvit_0105_5	4.10 532	5.40 507	3.13 530	4.71 522	3.15 536	4.72 542	3.10 535	4.90 544	3.27 536	4.69 538	3.16 535	4.84 544	3.25 526	4.96 543	3.34 534	5.05 536	3.39 525	5.10 545	3.40 537	5.11 533	3.42 538

FC-DCNN v2	5.10 549	5.15 498	4.49 539	5.07 527	3.37 538	6.87 552	4.75 551	5.04 545	6.34 555	7.84 555	5.06 552	6.72 555	4.09 540	4.99 544	5.44 552	5.03 535	3.16 520	4.67 535	4.86 551	5.15 534	3.89 546

DISCO	1.11 383	0.39 150	5.28 544	0.39 198	0.20 189	0.39 237	0.27 213	0.39 228	0.22 188	0.38 224	0.20 188	0.38 232	0.20 186	6.95 554	0.22 188	0.30 196	0.21 172	0.27 193	0.21 188	5.25 535	0.21 176

MaDis-Stereo	3.19 516	6.02 517	1.12 379	5.61 532	1.16 416	5.43 548	1.02 398	5.15 546	0.70 362	5.43 546	1.21 458	5.03 547	0.97 382	4.85 540	0.99 393	4.53 519	1.16 388	5.53 548	1.25 462	5.37 536	1.30 468

DispFullNet	4.61 541	4.84 493	3.12 528	5.00 526	3.57 540	4.75 543	3.03 528	7.75 555	4.17 548	4.91 542	3.09 532	6.20 551	3.95 537	6.71 551	3.51 535	5.30 539	3.67 527	5.86 552	3.63 539	5.61 537	3.46 539

StereoVision	3.15 515	5.00 496	0.89 358	4.83 523	1.00 400	3.93 522	1.27 463	6.37 549	1.34 469	5.67 549	1.26 463	5.84 550	1.27 455	5.03 546	1.24 460	5.10 538	1.09 378	4.61 532	0.57 348	5.62 538	1.12 402

SGM-Forest	5.21 551	5.92 516	4.08 538	6.18 535	4.16 549	6.31 551	4.34 550	6.50 550	4.33 549	6.14 551	4.21 548	6.61 554	4.55 543	6.67 550	4.48 548	5.94 543	3.94 529	5.85 551	4.03 548	5.79 539	4.17 549
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MIF-Stereo (partial)	2.58 507	3.31 466	0.66 327	3.18 482	0.66 365	3.18 515	0.66 349	3.21 513	0.67 355	3.19 514	0.66 361	3.19 514	0.66 351	3.31 516	0.68 356	5.09 537	1.79 485	8.23 556	1.67 494	6.18 540	1.38 477

RAFT	6.73 554	9.36 535	7.40 554	8.51 547	6.55 556	6.88 553	6.60 556	6.79 551	6.60 556	6.80 552	6.72 558	5.31 548	5.50 547	6.61 549	6.61 556	8.42 554	5.89 540	5.73 549	5.45 556	6.61 541	6.24 555

gwcnet-sp	0.82 340	1.72 374	1.48 465	0.39 198	0.15 166	0.31 203	0.21 182	0.20 157	0.25 201	1.61 457	0.23 198	0.28 195	0.26 213	0.20 157	0.15 159	0.24 176	1.33 448	0.32 209	0.16 163	6.75 542	0.23 181

scenet	0.82 340	1.72 374	1.48 465	0.39 198	0.15 166	0.31 203	0.21 182	0.20 157	0.25 201	1.61 457	0.23 198	0.28 195	0.26 213	0.20 157	0.15 159	0.24 176	1.33 448	0.32 209	0.16 163	6.75 542	0.23 181

ssnet	0.82 340	1.72 374	1.48 465	0.39 198	0.15 166	0.31 203	0.21 182	0.20 157	0.25 201	1.61 457	0.23 198	0.28 195	0.26 213	0.20 157	0.15 159	0.24 176	1.33 448	0.32 209	0.16 163	6.75 542	0.23 181

test-1	6.46 552	9.16 534	8.03 558	8.09 544	5.62 555	6.11 550	6.35 555	6.85 552	4.94 552	6.08 550	6.29 557	4.98 546	6.43 549	6.22 548	6.36 555	6.16 545	7.47 548	5.82 550	5.44 555	7.11 545	5.68 554

test-v	7.53 556	11.89 543	7.98 556	9.36 550	7.14 557	7.06 554	7.09 557	7.37 553	6.91 557	7.29 553	5.71 555	6.45 552	6.93 550	6.73 552	7.27 557	8.93 557	7.85 550	6.98 553	6.80 557	7.56 546	7.34 557

test-2	7.53 556	11.89 543	7.98 556	9.36 550	7.14 557	7.06 554	7.09 557	7.37 553	6.91 557	7.29 553	5.71 555	6.45 552	6.93 550	6.73 552	7.27 557	8.93 557	7.85 550	6.98 553	6.80 557	7.56 546	7.34 557

rvit_stereo_0075_2	6.64 553	8.80 531	5.25 543	7.89 543	5.27 554	7.90 556	5.27 553	7.92 556	5.28 553	7.91 556	5.29 554	7.93 556	5.27 545	7.92 556	5.28 550	7.93 552	5.28 537	7.93 555	5.29 554	7.93 548	5.28 553

CFNet_RVC	2.38 502	8.71 530	0.38 241	9.33 549	0.42 313	0.56 327	0.42 303	0.60 325	0.38 280	0.62 335	0.42 310	0.56 330	7.29 553	0.62 333	0.42 305	0.53 305	0.37 240	0.49 319	0.34 270	8.30 549	6.87 556

MSMDNet	2.65 508	10.14 541	0.33 215	9.74 552	0.32 247	0.87 360	0.33 246	2.95 511	0.68 356	0.49 294	0.34 262	0.49 298	5.70 548	0.49 300	0.33 248	0.42 270	9.57 553	0.41 280	0.31 253	8.36 550	0.65 350

U	5.15 550	8.49 529	1.81 481	8.49 546	1.77 493	8.49 557	1.77 491	8.51 557	1.77 495	8.49 557	1.77 493	8.50 557	1.78 485	8.58 557	1.77 497	8.54 555	1.78 484	8.55 557	1.78 503	8.55 551	1.84 502

SGM+DAISY	7.06 555	9.15 533	5.38 545	8.84 548	5.18 553	8.80 558	5.31 554	8.79 558	5.28 553	8.89 558	5.20 553	8.93 558	5.33 546	8.95 558	5.36 551	8.70 556	5.21 536	8.74 558	5.20 553	8.89 552	5.15 552

pcwnet_v2	2.66 509	9.89 539	0.33 215	9.89 553	0.32 247	0.50 309	0.32 237	0.49 288	0.33 252	0.49 294	0.34 262	0.49 298	8.76 555	0.48 294	0.33 248	0.41 256	9.58 554	0.40 267	0.29 235	9.01 553	0.63 348

ccs_rob	2.79 513	10.17 542	0.32 210	10.00 555	0.33 258	0.49 301	0.33 246	1.90 462	0.32 246	0.51 311	0.33 254	0.49 298	9.24 557	0.49 300	0.33 248	0.41 256	9.82 556	0.41 280	0.28 226	9.34 554	0.29 224

PCWNet_CMD	2.80 514	9.82 538	0.32 210	10.09 556	0.32 247	0.49 301	0.33 246	3.34 515	0.33 252	0.49 294	0.33 254	0.49 298	8.73 554	0.48 294	0.33 248	0.41 256	9.22 552	0.42 291	0.29 235	9.55 555	0.31 241

UCFNet_RVC	2.75 512	10.06 540	0.29 194	10.31 557	0.29 230	0.42 273	0.29 225	0.43 268	0.29 227	0.42 259	0.29 230	0.42 271	9.87 558	0.43 272	0.29 226	0.36 223	9.84 557	0.36 242	0.26 215	9.77 556	0.26 198

CFNet_pseudo	2.67 510	9.36 535	0.32 210	10.99 558	0.33 258	0.85 358	0.33 246	0.49 288	0.33 252	0.49 294	0.32 248	0.49 298	7.26 552	0.49 300	0.33 248	0.41 256	9.62 555	0.41 280	0.29 235	10.03 557	0.29 224

CFNet_ucs	2.73 511	9.64 537	0.33 215	9.92 554	0.32 247	0.49 301	0.33 246	0.49 288	0.33 252	0.49 294	0.33 254	0.49 298	8.98 556	0.48 294	0.33 248	0.41 256	9.96 558	0.40 267	0.29 235	10.12 558	0.54 332

rafts_anoy	20.00 560	20.00 545	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560

raft+_RVC	20.00 560	20.00 545	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560

raftrobust	20.00 560	20.00 545	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560

CasAABBNet	20.00 560	20.00 545	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560

RALCasStereoNet	20.00 560	20.00 545	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560

RALAANet	20.00 560	20.00 545	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560

MANE	19.05 559	23.00 551	15.00 559	23.00 565	15.00 559	24.00 565	16.00 559	24.00 565	16.00 559	22.00 565	15.00 559	23.00 565	16.00 559	23.00 565	15.00 559	22.00 565	15.00 559	22.00 565	15.00 559	22.00 565	15.00 559

111	30.40 566	30.94 567	29.72 567	32.61 566	30.02 567	33.57 566	30.47 567	31.50 566	29.39 567	30.98 566	29.11 567	29.78 566	30.39 570	29.45 566	30.76 570	30.08 566	29.02 567	29.92 566	30.32 570	29.86 566	30.17 567

tt	500032.53 584	34.60 569	29.72 567	37.47 575	34.41 572	36.85 572	35.22 572	34.71 570	33.55 569	34.50 567	35.43 571	33.81 570	10000000.00 587	33.57 570	33.13 571	33.68 570	35.00 572	34.03 571	35.26 573	30.96 567	34.63 572

DCANet	500032.53 584	34.60 569	29.72 567	37.47 575	34.41 572	36.85 572	35.22 572	34.71 570	33.55 569	34.50 567	35.43 571	33.81 570	10000000.00 587	33.57 570	33.13 571	33.68 570	35.00 572	34.03 571	35.26 573	30.96 567	34.63 572

ADStereo(finetuned)	36.13 569	36.63 572	38.07 577	36.97 571	33.25 571	35.91 571	34.45 571	36.36 573	32.99 568	38.14 577	36.71 574	36.69 573	34.13 571	38.57 577	40.79 577	37.60 577	36.58 574	35.90 574	33.36 571	35.42 569	34.04 571

DCANet-4	35.22 568	34.54 568	35.08 573	33.58 570	35.47 574	34.55 567	35.53 574	36.08 572	35.85 571	35.92 572	35.77 573	35.18 572	35.48 572	35.39 572	37.15 576	34.55 572	33.92 571	35.02 573	34.90 572	35.79 570	34.74 574

Reg-Stereo(zero)	37.00 570	37.00 573	37.00 574	37.00 572	37.00 575	37.00 574	37.00 575	37.00 574	37.00 572	37.00 573	37.00 575	37.00 574	37.00 573	37.00 573	37.00 573	37.00 574	37.00 575	37.00 575	37.00 575	37.00 571	37.00 575

HI	37.00 570	37.00 573	37.00 574	37.00 572	37.00 575	37.00 574	37.00 575	37.00 574	37.00 572	37.00 573	37.00 575	37.00 574	37.00 573	37.00 573	37.00 573	37.00 574	37.00 575	37.00 575	37.00 575	37.00 571	37.00 575

CoSv	37.00 570	37.00 573	37.00 574	37.00 572	37.00 575	37.00 574	37.00 575	37.00 574	37.00 572	37.00 573	37.00 575	37.00 574	37.00 573	37.00 573	37.00 573	37.00 574	37.00 575	37.00 575	37.00 575	37.00 571	37.00 575

WCMA_ROB	31.10 567	35.43 571	27.12 566	39.51 577	23.10 566	38.78 577	25.30 566	37.49 577	25.39 566	37.29 576	27.02 566	38.52 577	26.48 566	37.80 576	26.44 566	36.28 573	22.65 566	33.90 570	22.30 566	37.10 574	24.18 566

NOSS_ROB	102.95 574	153.00 581	121.00 581	51.00 578	44.00 578	165.00 581	127.00 580	153.00 580	119.00 577	164.00 581	125.00 580	168.00 581	120.00 578	153.00 580	117.00 580	49.00 578	44.00 578	49.00 578	44.00 578	49.00 575	44.00 578

CBMV	128.50 575	1422.70 588	53.10 579	79.50 579	51.30 579	77.30 579	49.70 578	74.00 578	48.20 576	77.20 579	48.80 579	73.90 579	48.00 577	73.80 579	48.80 579	70.40 579	45.10 579	68.90 579	46.10 579	68.20 576	45.00 579
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 573	87.70 577	41.95 578	113.75 580	65.62 580	75.05 578	55.25 579	75.64 579	45.04 575	71.61 578	41.75 578	72.81 578	44.06 576	68.38 578	44.63 578	101.89 580	59.57 580	107.10 580	61.05 580	104.38 577	59.38 580

MeshStereo	159.24 576	171.00 582	160.68 584	162.58 581	160.59 581	164.01 580	160.35 581	158.51 581	158.56 578	158.34 580	160.12 581	158.56 580	159.92 579	157.26 581	158.94 581	154.38 581	158.36 581	155.75 581	159.13 582	153.67 578	154.07 581
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	201.80 577	123.00 578	115.00 580	219.00 582	218.00 583	223.00 582	244.00 583	217.00 582	236.00 580	202.00 582	203.00 582	205.00 582	208.00 580	225.00 582	204.00 582	210.00 582	198.00 582	197.00 582	184.00 583	204.00 579	201.00 582

MGS-Stereo	239.45 578	123.00 578	135.00 582	266.00 583	286.00 584	277.00 583	305.00 584	271.00 583	242.00 581	274.00 583	279.00 584	255.00 583	270.00 582	268.00 583	297.00 584	221.00 583	247.00 584	216.00 583	123.00 581	217.00 580	217.00 584

EGLCR-Stereo	246.90 579	129.00 580	139.00 583	266.00 583	286.00 584	277.00 583	305.00 584	271.00 583	242.00 581	274.00 583	279.00 584	255.00 583	270.00 582	268.00 583	297.00 584	230.00 584	247.00 584	216.00 583	223.00 585	237.00 581	227.00 585

DLCB_ROB	284.23 580	354.61 584	207.27 585	363.24 585	206.46 582	364.72 585	210.41 582	364.72 585	210.41 579	364.81 585	208.64 583	364.81 585	208.64 581	364.72 585	210.41 583	354.70 585	205.53 583	354.70 585	205.53 584	354.70 582	205.53 583

LE_ROB	396.57 581	471.28 585	329.84 586	471.48 586	308.15 586	526.83 586	322.10 586	488.15 586	323.76 583	495.46 586	317.97 586	497.17 586	320.10 584	481.62 586	326.76 586	462.71 586	298.97 586	466.16 586	285.98 586	447.62 583	289.21 586

SGM-ForestM	596.69 582	677.77 586	444.52 587	699.85 587	517.25 587	732.94 587	488.29 587	770.79 587	460.11 584	750.81 587	487.98 587	792.79 587	499.41 585	730.90 587	475.81 587	720.03 587	491.16 587	663.96 587	418.60 587	674.76 584	436.05 587

CBMV_ROB	818.48 583	913.88 587	709.52 588	862.84 588	597.78 588	1073.99 588	700.52 588	1015.66 588	702.59 585	1115.65 588	760.02 588	1130.24 588	721.57 586	1037.41 588	692.65 588	814.05 588	564.29 588	843.28 588	595.31 588	915.51 585	602.92 588

111111	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 587	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

SGD-Stereo	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 587	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

IGEV-Stereo++	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 587	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

IGEV-BASED-STEREO-	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 587	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

IGEV-Stereo+	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 587	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

SDNR	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 587	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

anonymousdsp2	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 587	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

anonymousdsp	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 587	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

fff	1000028.16 586	29.62 563	29.72 567	32.61 566	30.02 567	35.13 568	31.83 568	32.07 567	10000000.00 586	35.27 569	29.82 568	32.45 567	30.15 567	32.35 567	30.09 567	31.04 567	29.55 568	30.64 567	30.14 567	10000000.00 586	30.77 568

csc	1000028.16 586	29.62 563	29.72 567	32.61 566	30.02 567	35.13 568	31.83 568	32.07 567	10000000.00 586	35.27 569	29.82 568	32.45 567	30.15 567	32.35 567	30.09 567	31.04 567	29.55 568	30.64 567	30.14 567	10000000.00 586	30.77 568

cscssc	1000028.16 586	29.62 563	29.72 567	32.61 566	30.02 567	35.13 568	31.83 568	32.07 567	10000000.00 586	35.27 569	29.82 568	32.45 567	30.15 567	32.35 567	30.09 567	31.04 567	29.55 568	30.64 567	30.14 567	10000000.00 586	30.77 568

test_example2	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 587	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

DIP-Stereo	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 587	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589
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