Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

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

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

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

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

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

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

Wz-Net-TNSev	0.02 14	0.05 41	0.04 35	0.07 38	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 46	0.04 36	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 28	0.09 55	0.07 49	0.09 44	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 56	0.07 47	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 34	0.24 107	0.20 145	0.23 129	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 155	0.21 156	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 34	0.54 189	0.10 60	0.12 71	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.11 84	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 32	0.50 176	0.10 60	0.12 71	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.10 63	0.01 9	0.01 9	0.01 9	0.01 9

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

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

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

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

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

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

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

CoDeX	0.15 107	0.70 200	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 321	0.02 14	0.69 301	0.75 323	0.01 9	0.02 19	0.02 19

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

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

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

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

Wz-Net-LNSev-Ref	0.11 74	0.44 155	0.33 195	0.39 178	0.02 20	0.03 39	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 222	0.36 215	0.02 18	0.02 20	0.02 19	0.02 19

psmg	0.43 222	1.91 352	0.92 329	1.91 405	0.02 20	0.02 18	0.03 43	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 36	0.02 19	1.97 427	1.44 417	0.04 62	0.03 49	0.02 19	0.03 46

CSP-Net	0.34 172	1.29 325	1.19 353	1.36 387	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 396	1.21 403	0.03 37	0.09 94	0.02 19	0.09 92

SFCPSM	0.17 118	0.78 204	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 339	0.02 14	0.75 311	0.76 325	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 140	1.31 327	0.74 309	0.92 292	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 41	0.02 21	0.02 19	0.02 19	0.87 320	0.75 311	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

ADCMid	0.08 41	0.02 12	0.02 13	1.01 309	0.03 43	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 60	0.09 90	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 42	0.02 12	0.04 35	0.90 287	0.06 91	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 112	0.36 242	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 74	0.02 12	0.02 13	1.62 398	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.02 21	0.06 74	0.04 64	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 46

AnyNet_C32	0.14 97	0.04 34	0.03 32	2.22 416	0.04 68	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.04 65	0.02 21	0.07 87	0.04 64	0.02 14	0.02 14	0.03 37	0.03 49	0.02 19	0.03 46

RYNet	0.02 14	0.02 12	0.02 13	0.03 28	0.03 43	0.03 39	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.03 47	0.03 36	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

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

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

DualNet (step1)	0.10 53	1.05 255	0.12 90	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample9	0.10 53	1.05 255	0.12 90	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample8	0.10 53	1.05 255	0.12 90	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample7	0.09 42	1.00 239	0.11 79	0.11 65	0.02 20	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample6	0.09 42	0.97 235	0.10 60	0.10 48	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

test_sample4	0.10 53	1.03 251	0.12 90	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.13 122	0.03 37	0.03 49	0.03 42	0.03 46

test_sample3	0.09 42	0.87 215	0.10 60	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

test_sample2	0.09 42	1.03 251	0.11 79	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

test_sample1	0.09 42	0.87 215	0.12 90	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

SMFormer	0.09 42	1.01 245	0.09 56	0.09 44	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

tta	0.09 42	0.95 232	0.09 56	0.10 48	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

qqq1	0.25 140	3.70 411	0.14 114	0.14 88	0.04 68	0.06 78	0.05 78	0.06 80	0.05 83	0.06 82	0.05 85	0.04 65	0.05 79	0.06 74	0.05 74	0.13 97	0.12 98	0.06 78	0.05 80	0.03 42	0.04 67

fff1	0.25 140	3.70 411	0.14 114	0.14 88	0.04 68	0.06 78	0.05 78	0.06 80	0.05 83	0.06 82	0.05 85	0.04 65	0.05 79	0.06 74	0.05 74	0.13 97	0.12 98	0.06 78	0.05 80	0.03 42	0.04 67

ttt	0.10 53	1.09 260	0.12 90	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.02 20	0.03 42	0.02 19

1111x	0.10 53	1.14 265	0.13 109	0.14 88	0.03 43	0.04 66	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.11 84	0.03 37	0.02 20	0.03 42	0.02 19

xxx	0.09 42	1.01 245	0.10 60	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.03 46

qqq	0.16 115	2.01 360	0.12 90	0.15 97	0.04 68	0.06 78	0.05 78	0.06 80	0.04 70	0.06 82	0.03 47	0.06 83	0.03 47	0.06 74	0.03 42	0.12 81	0.14 125	0.04 62	0.04 66	0.03 42	0.03 46

x	0.11 74	1.15 267	0.15 129	0.14 88	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.15 128	0.03 37	0.03 49	0.03 42	0.03 46

test_xeample	0.10 53	1.09 260	0.13 109	0.12 71	0.03 43	0.03 39	0.03 43	0.04 65	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.14 125	0.03 37	0.03 49	0.03 42	0.03 46

BEATNet_4x	0.11 74	0.03 30	0.03 32	1.60 395	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 69	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

ADCL	0.11 74	0.03 30	0.03 32	1.60 395	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 69	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

ADCRef	0.12 83	0.03 30	0.04 35	1.71 401	0.04 68	0.03 39	0.03 43	0.04 65	0.04 70	0.04 63	0.03 47	0.04 65	0.03 47	0.06 74	0.04 64	0.04 35	0.04 36	0.04 62	0.04 66	0.03 42	0.04 67

ADCPNet	0.10 53	0.03 30	0.04 35	1.27 381	0.03 43	0.04 66	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.08 90	0.04 64	0.04 35	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

test_sample5	0.10 53	1.07 258	0.11 79	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

DualNet	0.10 53	1.07 258	0.11 79	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

GASNet	0.05 32	0.04 34	0.12 90	0.04 29	0.04 68	0.04 66	0.05 78	0.04 65	0.04 70	0.12 107	0.04 77	0.06 83	0.04 73	0.04 60	0.04 64	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

222	0.10 53	0.99 238	0.12 90	0.13 84	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.02 20	0.04 65	0.03 46

xxxx	0.11 74	1.16 268	0.16 130	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.16 130	0.03 37	0.04 66	0.04 65	0.04 67

EDNetEfficientorigin	0.04 29	0.06 46	0.04 35	0.05 35	0.04 68	0.05 76	0.04 69	0.05 75	0.04 70	0.05 78	0.04 77	0.05 77	0.04 73	0.05 69	0.04 64	0.05 42	0.03 31	0.06 78	0.03 49	0.04 65	0.03 46

EDNetEfficient	0.04 29	0.05 41	0.04 35	0.04 29	0.03 43	0.04 66	0.03 43	0.04 65	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.04 60	0.03 42	0.05 42	0.03 31	0.05 72	0.03 49	0.04 65	0.03 46

FADNet-RVC-Resample	0.12 83	0.04 34	0.04 35	0.04 29	0.04 68	0.04 66	0.04 69	0.04 65	0.04 70	0.04 63	0.04 77	0.04 65	0.04 73	0.04 60	1.57 436	0.04 35	0.04 36	0.04 62	0.05 80	0.04 65	0.06 86

FADNet_RVC	0.12 83	0.04 34	0.04 35	0.05 35	0.04 68	0.04 66	0.04 69	0.04 65	0.04 70	0.04 63	0.04 77	0.04 65	0.05 79	0.04 60	1.65 440	0.05 42	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

FADNet	0.12 83	0.05 41	0.04 35	0.04 29	0.04 68	0.04 66	0.04 69	0.04 65	0.04 70	0.04 63	0.04 77	0.04 65	0.05 79	0.04 60	1.66 441	0.06 46	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

ADCP+	0.15 107	0.04 34	0.04 35	2.20 415	0.04 68	0.04 66	0.04 69	0.04 65	0.04 70	0.04 63	0.05 85	0.04 65	0.04 73	0.08 90	0.04 64	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

NVStereoNet_ROB	0.04 29	0.04 34	0.04 35	0.04 29	0.04 68	0.04 66	0.04 69	0.04 65	0.04 70	0.04 63	0.04 77	0.04 65	0.04 73	0.04 60	0.04 64	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
mmm	0.14 97	1.83 345	0.12 90	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.04 70	0.03 39	0.03 47	0.03 41	0.03 47	0.06 74	0.04 64	0.12 81	0.11 84	0.05 72	0.04 66	0.05 77	0.04 67

11t1	0.17 118	2.16 369	0.13 109	0.13 84	0.04 68	0.06 78	0.04 69	0.06 80	0.04 70	0.06 82	0.03 47	0.06 83	0.03 47	0.06 74	0.05 74	0.18 133	0.12 98	0.06 78	0.03 49	0.05 77	0.03 46

APVNet	0.09 42	0.05 41	0.04 35	0.05 35	0.04 68	0.05 76	0.90 347	0.06 80	0.04 70	0.05 78	0.04 77	0.05 77	0.04 73	0.05 69	0.04 64	0.05 42	0.04 36	0.05 72	0.04 66	0.05 77	0.05 81

ISRNet	0.11 74	0.05 41	0.36 213	0.24 134	0.07 92	0.13 108	0.05 78	0.06 80	0.05 83	0.05 78	0.05 85	0.13 109	0.05 79	0.05 69	0.09 90	0.24 160	0.20 152	0.10 91	0.05 80	0.06 80	0.13 130

ffm	0.25 140	3.83 417	0.12 90	0.12 71	0.05 83	0.06 78	0.05 78	0.06 80	0.05 83	0.03 39	0.03 47	0.06 83	0.05 79	0.06 74	0.05 74	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

ff1	0.25 140	3.83 417	0.12 90	0.12 71	0.05 83	0.06 78	0.05 78	0.06 80	0.05 83	0.03 39	0.03 47	0.06 83	0.05 79	0.06 74	0.05 74	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

mmx	0.25 140	3.83 417	0.12 90	0.12 71	0.05 83	0.06 78	0.05 78	0.06 80	0.05 83	0.03 39	0.03 47	0.06 83	0.05 79	0.06 74	0.05 74	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

AASNet	0.06 34	0.08 49	0.08 51	0.08 40	0.05 83	0.06 78	0.05 78	0.05 75	0.06 91	0.06 82	0.06 91	0.05 77	0.06 91	0.06 74	0.05 74	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

SACVNet	0.06 34	0.08 49	0.08 51	0.08 40	0.05 83	0.06 78	0.05 78	0.05 75	0.06 91	0.06 82	0.06 91	0.05 77	0.06 91	0.06 74	0.05 74	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

AACVNet	0.06 34	0.08 49	0.08 51	0.08 40	0.05 83	0.06 78	0.05 78	0.05 75	0.06 91	0.06 82	0.06 91	0.05 77	0.06 91	0.06 74	0.05 74	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

FINET	0.07 39	0.08 49	0.07 49	0.07 38	0.07 92	0.08 88	0.06 90	0.08 92	0.07 94	0.08 89	0.07 94	0.08 89	0.06 91	0.07 87	0.07 85	0.08 50	0.07 47	0.07 83	0.07 88	0.06 80	0.06 86

GwcNet	0.12 83	0.07 48	0.05 48	0.08 40	0.05 83	0.08 88	1.20 375	0.07 89	0.05 83	0.05 78	0.05 85	0.08 89	0.05 79	0.08 90	0.03 42	0.07 48	0.05 46	0.06 78	0.05 80	0.07 88	0.05 81

FADNet-RVC	0.13 88	0.04 34	0.04 35	0.04 29	0.04 68	0.04 66	0.05 78	0.04 65	0.04 70	0.04 63	0.05 85	0.04 65	0.05 79	0.04 60	1.71 443	0.04 35	0.04 36	0.04 62	0.04 66	0.07 88	0.04 67

BEATNet-Init1	0.19 121	0.08 49	0.08 51	2.23 417	0.08 94	0.08 88	0.07 93	0.07 89	0.08 96	0.08 89	0.07 94	0.08 89	0.07 95	0.11 106	0.08 87	0.08 50	0.08 49	0.08 85	0.07 88	0.08 90	0.08 89

SuperB	0.21 130	0.10 57	2.51 453	0.12 71	0.09 96	0.10 93	0.09 95	0.08 92	0.07 94	0.10 93	0.09 97	0.09 93	0.07 95	0.07 87	0.07 85	0.07 48	0.08 49	0.07 83	0.07 88	0.08 90	0.07 88

DeepPrunerF	0.19 121	0.08 49	0.08 51	2.23 417	0.08 94	0.08 88	0.07 93	0.07 89	0.08 96	0.08 89	0.07 94	0.08 89	0.07 95	0.11 106	0.08 87	0.08 50	0.08 49	0.08 85	0.07 88	0.08 90	0.08 89

SepStereo	0.09 42	0.09 55	0.10 60	0.09 44	0.09 96	0.09 92	0.09 95	0.10 94	0.08 96	0.10 93	0.09 97	0.09 93	0.09 98	0.09 93	0.08 87	0.09 56	0.08 49	0.09 90	0.08 92	0.09 93	0.08 89

AnonymousM	0.10 53	0.10 57	0.10 60	0.10 48	0.10 102	0.10 93	0.10 100	0.10 94	0.10 100	0.10 93	0.10 101	0.10 95	0.10 102	0.10 95	0.10 96	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

PVD	0.10 53	0.10 57	0.10 60	0.10 48	0.10 102	0.10 93	0.10 100	0.10 94	0.10 100	0.10 93	0.10 101	0.10 95	0.10 102	0.10 95	0.10 96	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

SHD	0.10 53	0.10 57	0.10 60	0.10 48	0.10 102	0.10 93	0.10 100	0.10 94	0.10 100	0.10 93	0.10 101	0.10 95	0.10 102	0.10 95	0.10 96	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

SAMSARA	0.10 53	0.10 57	0.10 60	0.10 48	0.10 102	0.10 93	0.10 100	0.10 94	0.10 100	0.10 93	0.10 101	0.10 95	0.10 102	0.10 95	0.10 96	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

XQC	0.10 53	0.10 57	0.10 60	0.10 48	0.10 102	0.10 93	0.10 100	0.10 94	0.10 100	0.10 93	0.10 101	0.10 95	0.10 102	0.10 95	0.10 96	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTSC	0.10 53	0.10 57	0.10 60	0.10 48	0.10 102	0.10 93	0.10 100	0.10 94	0.10 100	0.10 93	0.10 101	0.10 95	0.10 102	0.10 95	0.10 96	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTS	0.10 53	0.10 57	0.10 60	0.10 48	0.10 102	0.10 93	0.10 100	0.10 94	0.10 100	0.10 93	0.10 101	0.10 95	0.10 102	0.10 95	0.10 96	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTSA	0.10 53	0.10 57	0.10 60	0.10 48	0.10 102	0.10 93	0.10 100	0.10 94	0.10 100	0.10 93	0.10 101	0.10 95	0.10 102	0.10 95	0.10 96	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

MADNet+	0.10 53	0.10 57	0.10 60	0.10 48	0.10 102	0.10 93	0.10 100	0.10 94	0.10 100	0.10 93	0.10 101	0.10 95	0.10 102	0.10 95	0.10 96	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

MADNet++	0.10 53	0.10 57	0.10 60	0.10 48	0.10 102	0.10 93	0.10 100	0.10 94	0.10 100	0.10 93	0.10 101	0.10 95	0.10 102	0.10 95	0.10 96	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

JetRed	0.11 74	0.12 70	0.11 79	0.11 65	0.11 117	0.11 104	0.14 132	0.11 106	0.11 114	0.12 107	0.11 114	0.11 105	0.11 113	0.11 106	0.11 107	0.11 76	0.16 130	0.11 102	0.11 112	0.11 104	0.11 108

JetBlue	0.11 74	0.11 68	0.12 90	0.13 84	0.14 137	0.11 104	0.11 112	0.11 106	0.11 114	0.11 105	0.11 114	0.11 105	0.11 113	0.12 110	0.12 121	0.11 76	0.11 84	0.11 102	0.11 112	0.11 104	0.11 108

ac_64	0.22 133	0.13 71	0.19 142	0.23 129	0.10 102	0.26 170	1.02 362	0.14 110	0.10 100	0.28 171	0.14 141	0.17 128	0.19 162	0.28 180	0.09 90	0.22 144	0.16 130	0.23 158	0.17 161	0.11 104	0.12 124

PASM	0.39 201	3.06 397	1.36 416	1.58 393	0.09 96	0.11 104	0.11 112	0.11 106	0.11 114	0.09 92	0.09 97	0.11 105	0.09 98	0.09 93	0.09 90	0.11 76	0.11 84	0.11 102	0.09 94	0.11 104	0.11 108

FADE	0.07 39	0.06 46	0.02 13	0.09 44	0.10 102	0.03 39	0.03 43	0.05 75	0.03 50	0.04 63	0.03 47	0.05 77	0.03 47	0.04 60	0.03 42	0.15 112	0.10 63	0.17 130	0.13 136	0.11 104	0.11 108

LRCNet_RVC	0.13 88	0.13 71	0.09 56	0.13 84	0.10 102	0.14 109	0.10 100	0.14 110	0.10 100	0.23 152	0.10 101	0.20 137	0.10 102	0.24 160	0.11 107	0.11 76	0.09 58	0.12 105	0.14 140	0.12 109	0.09 92

DRN-Test	0.14 97	0.13 71	0.09 56	0.14 88	0.09 96	0.15 115	0.09 95	0.14 110	0.10 100	0.14 109	0.09 97	0.14 110	0.09 98	0.13 111	0.09 90	0.12 81	0.09 58	0.12 105	0.09 94	0.12 109	0.73 329

StereoDRNet	0.15 107	0.14 75	0.10 60	0.14 88	0.09 96	0.15 115	0.09 95	0.14 110	0.09 99	0.14 109	0.10 101	0.14 110	0.09 98	0.14 112	0.09 90	0.13 97	0.10 63	0.13 108	0.09 94	0.13 111	0.82 340

test_for_model	0.15 107	0.23 100	0.18 139	0.21 126	0.11 117	0.16 122	0.11 112	0.16 122	0.11 114	0.16 119	0.11 114	0.16 120	0.11 113	0.16 121	0.11 107	0.21 141	0.18 149	0.14 109	0.11 112	0.14 112	0.11 108

testlalala2	0.13 88	0.16 76	0.11 79	0.15 97	0.11 117	0.16 122	0.11 112	0.16 122	0.11 114	0.16 119	0.11 114	0.16 120	0.11 113	0.16 121	0.11 107	0.14 103	0.11 84	0.14 109	0.11 112	0.14 112	0.11 108

testlalala_base	0.13 88	0.16 76	0.11 79	0.15 97	0.11 117	0.15 115	0.11 112	0.16 122	0.11 114	0.16 119	0.11 114	0.16 120	0.11 113	0.16 121	0.11 107	0.14 103	0.11 84	0.14 109	0.11 112	0.14 112	0.11 108

CIPLG	0.13 88	0.21 95	0.12 90	0.16 105	0.11 117	0.15 115	0.11 112	0.14 110	0.11 114	0.15 115	0.12 124	0.15 119	0.11 113	0.14 112	0.11 107	0.15 112	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

IPLG	0.13 88	0.20 89	0.14 114	0.15 97	0.11 117	0.14 109	0.11 112	0.14 110	0.11 114	0.14 109	0.11 114	0.14 110	0.11 113	0.14 112	0.11 107	0.15 112	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

MIPNet	0.14 97	0.21 95	0.17 134	0.16 105	0.11 117	0.15 115	0.12 127	0.14 110	0.11 114	0.16 119	0.11 114	0.14 110	0.11 113	0.14 112	0.11 107	0.14 103	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

IPLGR	0.14 97	0.24 107	0.14 114	0.16 105	0.12 132	0.15 115	0.12 127	0.14 110	0.11 114	0.15 115	0.12 124	0.14 110	0.11 113	0.14 112	0.11 107	0.15 112	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

ACRE	0.13 88	0.21 95	0.14 114	0.15 97	0.11 117	0.14 109	0.11 112	0.14 110	0.11 114	0.14 109	0.12 124	0.14 110	0.11 113	0.14 112	0.11 107	0.15 112	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

GMStereo	0.14 97	0.13 71	0.14 114	0.14 88	0.14 137	0.14 109	0.14 132	0.14 110	0.14 137	0.14 109	0.14 141	0.14 110	0.14 138	0.14 112	0.14 131	0.14 103	0.14 125	0.14 109	0.14 140	0.14 112	0.14 135
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 88	0.16 76	0.11 79	0.15 97	0.09 96	0.18 131	0.11 112	0.18 130	0.11 114	0.17 126	0.11 114	0.18 131	0.11 113	0.18 130	0.11 107	0.14 103	0.08 49	0.14 109	0.08 92	0.14 112	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo++	0.54 254	3.59 408	1.15 347	1.31 383	0.14 137	0.16 122	0.14 132	0.16 122	0.14 137	0.16 119	0.14 141	0.16 120	0.13 134	0.16 121	0.14 131	1.45 408	1.16 352	0.15 122	0.14 140	0.15 122	0.13 130

ProNet	0.14 97	0.20 89	0.14 114	0.16 105	0.11 117	0.16 122	0.11 112	0.17 128	0.11 114	0.17 126	0.12 124	0.17 128	0.13 134	0.17 128	0.12 121	0.15 112	0.11 84	0.16 125	0.11 112	0.15 122	0.12 124

IPLGR_C	0.14 97	0.20 89	0.12 90	0.15 97	0.11 117	0.14 109	0.15 137	0.14 110	0.11 114	0.15 115	0.12 124	0.14 110	0.11 113	0.16 121	0.11 107	0.15 112	0.12 98	0.14 109	0.12 128	0.15 122	0.12 124

ELAS_RVC	0.14 97	0.16 76	0.10 60	0.15 97	0.10 102	0.18 131	0.11 112	0.19 132	0.11 114	0.19 131	0.12 124	0.18 131	0.11 113	0.19 133	0.12 121	0.14 103	0.08 49	0.14 109	0.09 94	0.15 122	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
GMStereo_Zeroshot	0.16 115	0.16 76	0.16 130	0.16 105	0.16 154	0.16 122	0.16 140	0.16 122	0.16 149	0.16 119	0.16 150	0.16 120	0.16 148	0.16 121	0.16 147	0.16 120	0.16 130	0.16 125	0.16 145	0.16 126	0.16 136

ICVP	0.15 107	0.53 186	0.11 79	0.16 105	0.11 117	0.16 122	0.11 112	0.16 122	0.11 114	0.16 119	0.11 114	0.16 120	0.11 113	0.16 121	0.11 107	0.16 120	0.11 84	0.16 125	0.11 112	0.16 126	0.11 108
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 97	0.16 76	0.12 90	0.17 111	0.12 132	0.17 128	0.11 112	0.17 128	0.11 114	0.17 126	0.12 124	0.17 128	0.12 129	0.17 128	0.12 121	0.16 120	0.11 84	0.16 125	0.11 112	0.16 126	0.12 124

DDVS	0.30 154	3.10 398	0.14 114	0.19 115	0.14 137	0.19 134	0.14 132	0.20 137	0.14 137	0.19 131	0.13 136	0.16 120	0.13 134	0.19 133	0.13 127	0.17 125	0.13 122	0.17 130	0.13 136	0.17 129	0.13 130

ACVNet	0.20 123	0.19 85	0.14 114	0.20 117	0.14 137	0.20 139	0.96 354	0.21 144	0.14 137	0.20 136	0.13 136	0.21 145	0.14 138	0.20 137	0.14 131	0.17 125	0.12 98	0.17 130	0.12 128	0.17 129	0.12 124

acv_ft	0.20 123	0.19 85	0.14 114	0.20 117	0.14 137	0.20 139	0.96 354	0.21 144	0.14 137	0.20 136	0.13 136	0.21 145	0.14 138	0.20 137	0.14 131	0.17 125	0.12 98	0.17 130	0.12 128	0.17 129	0.12 124

SGM_RVC	0.15 107	0.17 82	0.11 79	0.18 112	0.11 117	0.19 134	0.11 112	0.19 132	0.12 132	0.19 131	0.12 124	0.20 137	0.12 129	0.19 133	0.12 121	0.16 120	0.11 84	0.17 130	0.10 100	0.17 129	0.10 96
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DEFOM-Stereo_RVC	0.83 312	5.18 437	1.98 444	2.19 414	0.17 155	0.19 134	0.18 148	0.19 132	0.16 149	0.20 136	0.19 164	0.22 151	0.22 172	0.20 137	0.15 141	2.28 435	2.13 440	0.24 165	0.17 161	0.18 133	0.16 136

castereo	0.61 264	3.79 416	1.35 411	1.52 392	0.15 148	0.17 128	0.16 140	0.20 137	0.21 165	0.18 129	0.16 150	0.21 145	0.12 129	0.26 175	0.17 148	1.43 407	1.38 414	0.17 130	0.16 145	0.18 133	0.16 136

ITSA-stereo	0.15 107	0.17 82	0.13 109	0.20 117	0.13 135	0.19 134	0.13 130	0.18 130	0.13 135	0.19 131	0.13 136	0.18 131	0.14 138	0.18 130	0.14 131	0.16 120	0.11 84	0.15 122	0.14 140	0.18 133	0.11 108

HCRNet	1.22 398	7.11 455	3.00 455	3.55 442	0.33 234	0.29 176	0.14 132	0.19 132	0.15 147	0.33 186	0.29 209	0.25 164	0.14 138	0.22 152	0.33 223	3.64 451	3.00 448	0.76 325	0.32 234	0.18 133	0.13 130

DeepPruner_ROB	0.16 115	0.18 84	0.13 109	0.19 115	0.13 135	0.19 134	0.13 130	0.19 132	0.13 135	0.19 131	0.13 136	0.19 135	0.13 134	0.19 133	0.13 127	0.18 133	0.13 122	0.18 140	0.13 136	0.18 133	0.13 130

LALA_ROB	0.15 107	0.19 85	0.12 90	0.18 112	0.11 117	0.20 139	0.12 127	0.21 144	0.12 132	0.20 136	0.12 124	0.20 137	0.12 129	0.21 148	0.13 127	0.17 125	0.10 63	0.18 140	0.11 112	0.18 133	0.11 108

CAS++	0.17 118	0.27 111	0.21 149	0.10 48	0.21 175	0.15 115	0.22 166	0.10 94	0.21 165	0.22 148	0.10 101	0.19 135	0.18 157	0.10 95	0.19 160	0.20 136	0.19 150	0.18 140	0.10 100	0.19 139	0.18 150
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV_Zeroshot_test	0.20 123	0.19 85	0.40 228	0.30 151	0.17 155	0.22 149	0.17 142	0.21 144	0.17 152	0.20 136	0.17 153	0.21 145	0.18 157	0.21 148	0.17 148	0.20 136	0.16 130	0.20 144	0.16 145	0.20 140	0.17 146

DAS	0.20 123	0.20 89	0.20 145	0.20 117	0.20 168	0.20 139	0.20 155	0.20 137	0.20 162	0.20 136	0.20 168	0.20 137	0.20 166	0.20 137	0.20 163	0.20 136	0.20 152	0.20 144	0.20 166	0.20 140	0.20 153

GEStereo_RVC	0.86 318	4.45 428	0.20 145	0.27 148	0.20 168	0.27 173	0.20 155	0.26 164	0.18 154	5.03 481	0.20 168	0.27 174	0.19 162	0.27 178	0.21 166	0.20 136	0.19 150	0.19 143	4.02 483	0.20 140	0.18 150

ASD4	0.20 123	0.20 89	0.20 145	0.20 117	0.20 168	0.20 139	0.20 155	0.20 137	0.20 162	0.20 136	0.20 168	0.20 137	0.20 166	0.20 137	0.20 163	0.20 136	0.20 152	0.20 144	0.20 166	0.20 140	0.20 153

MSKI-zero shot	0.24 139	0.21 95	0.49 263	0.65 260	0.18 162	0.22 149	0.17 142	0.23 151	0.18 154	0.21 146	0.17 153	0.23 155	0.28 207	0.23 156	0.18 157	0.21 141	0.16 130	0.21 147	0.16 145	0.21 144	0.16 136

iResNet	0.20 123	0.23 100	0.18 139	0.24 134	0.18 162	0.24 156	0.20 155	0.24 154	0.18 154	0.23 152	0.17 153	0.23 155	0.18 157	0.23 156	0.18 157	0.22 144	0.16 130	0.21 147	0.16 145	0.21 144	0.16 136

ACV-stereo	0.30 154	2.08 362	0.25 163	0.25 139	0.18 162	0.24 156	0.17 142	0.24 154	0.18 154	0.24 157	0.17 153	0.25 164	0.17 150	0.24 160	0.17 148	0.22 144	0.16 130	0.22 152	0.16 145	0.22 146	0.16 136

Pointernet	0.21 130	0.22 99	0.19 142	0.24 134	0.19 166	0.24 156	0.19 152	0.24 154	0.19 160	0.24 157	0.19 164	0.24 159	0.19 162	0.24 160	0.19 160	0.22 144	0.17 143	0.22 152	0.17 161	0.22 146	0.17 146

WAO-6	0.22 133	0.23 100	0.22 151	0.23 129	0.22 177	0.22 149	0.22 166	0.22 148	0.22 168	0.22 148	0.22 174	0.22 151	0.22 172	0.22 152	0.22 168	0.22 144	0.22 160	0.22 152	0.22 171	0.22 146	0.22 159

IMH-64-1	0.22 133	0.23 100	0.23 154	0.22 127	0.22 177	0.22 149	0.22 166	0.22 148	0.22 168	0.22 148	0.22 174	0.22 151	0.22 172	0.22 152	0.22 168	0.22 144	0.22 160	0.23 158	0.22 171	0.22 146	0.23 161

IMH-64	0.22 133	0.23 100	0.23 154	0.22 127	0.22 177	0.22 149	0.22 166	0.22 148	0.22 168	0.22 148	0.22 174	0.22 151	0.22 172	0.22 152	0.22 168	0.22 144	0.22 160	0.23 158	0.22 171	0.22 146	0.23 161

MIM_Stereo	0.25 140	0.23 100	0.66 295	0.80 277	0.17 155	0.22 149	0.17 142	0.23 151	0.18 154	0.26 168	0.17 153	0.21 145	0.17 150	0.25 165	0.17 148	0.23 155	0.16 130	0.21 147	0.17 161	0.22 146	0.17 146

dd	0.23 137	0.98 236	0.16 130	0.23 129	0.15 148	0.23 155	0.15 137	0.23 151	0.15 147	0.23 152	0.15 149	0.24 159	0.17 150	0.23 156	0.15 141	0.22 144	0.15 128	0.21 147	0.15 144	0.22 146	0.16 136

dad	0.23 137	1.03 251	0.16 130	0.23 129	0.15 148	0.24 156	0.15 137	0.24 154	0.16 149	0.23 152	0.16 150	0.24 159	0.16 148	0.23 156	0.15 141	0.22 144	0.16 130	0.22 152	0.16 145	0.22 146	0.16 136

iResNetv2_ROB	0.20 123	0.23 100	0.18 139	0.24 134	0.20 168	0.24 156	0.18 148	0.24 154	0.18 154	0.24 157	0.18 163	0.23 155	0.19 162	0.24 160	0.18 157	0.21 141	0.16 130	0.21 147	0.16 145	0.22 146	0.16 136

tg	0.21 130	0.25 109	0.21 149	0.26 146	0.17 155	0.24 156	0.17 142	0.24 154	0.17 152	0.24 157	0.17 153	0.24 159	0.17 150	0.24 160	0.17 148	0.24 160	0.17 143	0.23 158	0.16 145	0.23 155	0.16 136

AANet_RVC	1.26 400	0.31 118	4.99 478	5.93 469	0.20 168	0.25 163	0.20 155	0.25 160	0.20 162	0.23 152	0.19 164	0.25 164	0.20 166	0.25 165	0.20 163	5.66 477	4.76 470	0.26 169	0.30 224	0.24 156	0.27 185

model_zeroshot	0.27 149	0.20 89	0.27 170	0.33 160	0.21 175	0.37 204	0.22 166	0.37 196	0.24 176	0.26 168	0.27 200	0.33 189	0.21 171	0.25 165	0.27 190	0.32 184	0.20 152	0.34 201	0.23 176	0.25 157	0.26 178

UNDER WATER-64	0.25 140	0.26 110	0.25 163	0.26 146	0.25 189	0.25 163	0.25 181	0.25 160	0.25 181	0.25 161	0.25 190	0.25 164	0.25 184	0.26 175	0.25 184	0.25 166	0.25 167	0.25 166	0.25 189	0.25 157	0.25 172

LoS_RVC	0.30 154	1.14 265	0.25 163	0.25 139	0.25 189	0.26 170	0.25 181	0.25 160	0.25 181	0.25 161	0.25 190	0.26 173	0.26 193	0.26 175	0.25 184	0.26 167	0.26 170	0.25 166	0.25 189	0.26 159	0.26 178

CAS	0.30 154	1.17 269	0.25 163	0.25 139	0.25 189	0.26 170	0.25 181	0.25 160	0.26 194	0.25 161	0.25 190	0.25 164	0.25 184	0.25 165	0.25 184	0.26 167	0.26 170	0.26 169	0.25 189	0.26 159	0.25 172

LoS	0.25 140	0.27 111	0.25 163	0.25 139	0.25 189	0.25 163	0.25 181	0.26 164	0.25 181	0.25 161	0.25 190	0.25 164	0.25 184	0.25 165	0.25 184	0.26 167	0.25 167	0.25 166	0.26 195	0.26 159	0.25 172
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
tt1	0.31 159	0.93 230	0.24 160	0.33 160	0.23 182	0.31 180	0.24 178	0.32 176	0.24 176	0.32 182	0.23 178	0.32 187	0.25 184	0.32 188	0.24 178	0.27 170	0.26 170	0.27 173	0.26 195	0.27 162	0.27 185

RAFT + AFF	0.31 159	0.45 158	0.34 203	0.39 178	0.28 202	0.38 208	0.33 222	0.29 171	0.31 219	0.30 175	0.30 220	0.29 180	0.27 201	0.29 183	0.30 212	0.28 172	0.29 189	0.29 180	0.29 214	0.27 162	0.32 222

DCVSM-stereo	0.36 182	1.89 349	0.22 151	0.40 191	0.22 177	0.40 215	0.22 166	0.40 209	0.22 168	0.40 210	0.22 174	0.40 219	0.22 172	0.40 219	0.22 168	0.28 172	0.21 156	0.28 175	0.21 168	0.28 164	0.20 153

TorneroNet-64	0.45 226	0.27 111	0.30 180	0.58 251	0.27 199	0.70 314	0.30 208	0.28 167	0.73 337	0.73 316	0.28 206	0.71 315	0.66 318	0.75 319	0.27 190	0.27 170	0.29 189	0.37 221	0.75 339	0.28 164	0.30 213

SQANet	0.28 150	0.28 114	0.28 174	0.28 149	0.28 202	0.28 174	0.28 197	0.28 167	0.28 202	0.28 171	0.28 206	0.28 175	0.28 207	0.28 180	0.28 196	0.28 172	0.28 180	0.28 175	0.28 205	0.28 164	0.28 198

xxxxx1	0.31 159	0.91 223	0.23 154	0.31 154	0.23 182	0.31 180	0.23 173	0.33 179	0.25 181	0.31 177	0.24 184	0.33 189	0.25 184	0.32 188	0.24 178	0.28 172	0.28 180	0.28 175	0.28 205	0.29 167	0.27 185

tt_ll	0.31 159	0.91 223	0.23 154	0.31 154	0.23 182	0.31 180	0.23 173	0.33 179	0.25 181	0.31 177	0.24 184	0.33 189	0.25 184	0.32 188	0.24 178	0.28 172	0.28 180	0.28 175	0.28 205	0.29 167	0.27 185

ff	0.31 159	0.91 223	0.23 154	0.31 154	0.23 182	0.31 180	0.23 173	0.33 179	0.25 181	0.31 177	0.24 184	0.33 189	0.25 184	0.32 188	0.24 178	0.28 172	0.28 180	0.28 175	0.28 205	0.29 167	0.27 185

DEFOM-Stereo	0.68 276	3.11 399	1.40 421	1.63 399	0.25 189	0.31 180	0.25 181	0.31 175	0.28 202	0.31 177	0.29 209	0.29 180	0.27 201	0.31 187	0.28 196	1.59 414	1.47 419	0.30 182	0.29 214	0.30 170	0.28 198

WCG-NET（raft）	0.32 167	1.24 323	0.24 160	0.32 157	0.24 187	0.32 188	0.23 173	0.32 176	0.24 176	0.32 182	0.24 184	0.32 187	0.24 181	0.32 188	0.24 178	0.30 180	0.23 164	0.30 182	0.23 176	0.30 170	0.23 161

DANet	0.30 154	0.30 117	0.30 180	0.30 151	0.30 217	0.30 177	0.30 208	0.30 173	0.30 216	0.30 175	0.30 220	0.30 183	0.30 218	0.30 185	0.30 212	0.30 180	0.30 197	0.30 182	0.30 224	0.30 170	0.30 213
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
testlalala	0.32 167	0.81 210	0.31 186	0.39 178	0.26 197	0.33 190	0.24 178	0.33 179	0.26 194	0.32 182	0.26 196	0.33 189	0.23 178	0.33 193	0.23 174	0.35 198	0.31 201	0.30 182	0.24 184	0.31 173	0.21 156

PAM	0.39 201	1.88 348	0.34 203	0.37 170	0.41 273	0.45 256	0.22 166	0.28 167	0.23 174	0.28 171	0.24 184	0.29 180	0.23 178	0.29 183	0.23 174	0.38 213	0.32 203	0.38 228	0.37 257	0.32 174	0.22 159

GCAP-BAT	0.33 170	0.78 204	0.32 190	0.38 173	0.25 189	0.34 192	0.25 181	0.34 183	0.26 194	0.34 188	0.25 190	0.35 195	0.26 193	0.35 197	0.27 190	0.36 202	0.30 197	0.32 186	0.24 184	0.32 174	0.26 178

1test111	0.37 187	1.02 249	0.30 180	0.39 178	0.29 208	0.40 215	0.28 197	0.39 205	0.29 206	0.39 206	0.29 209	0.39 213	0.28 207	0.40 219	0.29 205	0.33 186	0.32 203	0.33 194	0.31 230	0.32 174	0.31 218

cc1	0.37 187	1.02 249	0.30 180	0.39 178	0.29 208	0.40 215	0.28 197	0.39 205	0.29 206	0.39 206	0.29 209	0.39 213	0.28 207	0.40 219	0.29 205	0.33 186	0.32 203	0.33 194	0.31 230	0.32 174	0.31 218

IGEV-Stereo	0.35 178	0.44 155	0.45 246	0.49 229	0.30 217	0.37 204	0.30 208	0.36 190	0.30 216	0.36 195	0.29 209	0.36 201	0.29 212	0.36 203	0.30 212	0.46 251	0.39 230	0.32 186	0.24 184	0.32 174	0.25 172
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 150	0.32 119	0.24 160	0.32 157	0.25 189	0.32 188	0.24 178	0.32 176	0.24 176	0.33 186	0.24 184	0.35 195	0.24 181	0.33 193	0.24 178	0.31 183	0.24 166	0.32 186	0.24 184	0.32 174	0.24 171

ACVNet-DCA	0.37 187	1.00 239	0.30 180	0.40 191	0.29 208	0.40 215	0.29 203	0.40 209	0.29 206	0.40 210	0.29 209	0.40 219	0.29 212	0.39 216	0.28 196	0.33 186	0.32 203	0.33 194	0.32 234	0.33 180	0.32 222

DLNR_Zeroshot_test	0.31 159	0.28 114	0.47 255	0.79 275	0.24 187	0.30 177	0.26 189	0.30 173	0.24 176	0.32 182	0.23 178	0.31 185	0.24 181	0.30 185	0.23 174	0.29 179	0.26 170	0.29 180	0.24 184	0.33 180	0.23 161

CRFU-Net	0.65 269	1.67 338	1.22 403	1.96 408	0.27 199	0.41 231	0.27 192	0.41 224	0.27 199	0.40 210	0.26 196	0.41 231	0.27 201	0.40 219	0.27 190	1.80 421	1.62 425	0.34 201	0.23 176	0.33 180	0.23 161

FENet	0.54 254	1.52 333	1.19 353	1.41 390	0.23 182	0.35 196	0.23 173	0.35 186	0.23 174	0.34 188	0.23 178	0.35 195	0.23 178	0.35 197	0.23 174	1.40 406	1.07 336	0.32 186	0.23 176	0.33 180	0.23 161

H2IRNET	0.34 172	0.34 121	0.34 203	0.34 162	0.34 242	0.34 192	0.34 231	0.34 183	0.34 235	0.34 188	0.34 236	0.34 194	0.34 234	0.34 195	0.34 236	0.34 189	0.34 212	0.34 201	0.34 243	0.34 184	0.34 232

xx1	0.38 193	1.03 251	0.31 186	0.40 191	0.31 221	0.41 231	0.28 197	0.40 209	0.29 206	0.40 210	0.29 209	0.40 219	0.29 212	0.40 219	0.29 205	0.34 189	0.33 210	0.34 201	0.32 234	0.34 184	0.32 222

CASnet	0.35 178	0.51 182	0.44 244	0.32 157	0.31 221	0.24 156	0.34 231	0.36 190	0.25 181	0.31 177	0.37 254	0.30 183	0.33 230	0.25 165	0.45 278	0.37 206	0.37 217	0.33 194	0.35 249	0.34 184	0.37 243
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 312	1.91 352	0.92 329	4.48 447	0.02 20	0.40 215	0.04 69	0.41 224	0.02 20	0.48 260	0.03 47	0.41 231	0.05 79	0.03 36	0.05 74	1.97 427	4.19 467	0.33 194	0.23 176	0.34 184	0.27 185

NINENet	0.69 279	3.87 420	1.20 356	1.98 409	0.05 83	0.40 215	0.04 69	0.40 209	0.05 83	0.41 223	0.04 77	0.41 231	0.05 79	0.40 219	0.05 74	1.79 420	1.56 423	0.34 201	0.22 171	0.34 184	0.23 161

BSDual-CNN	0.81 304	1.91 352	0.92 329	4.48 447	0.02 20	0.42 249	0.06 90	0.41 224	0.02 20	0.48 260	0.03 47	0.02 19	0.02 21	0.03 36	0.02 19	1.97 427	4.19 467	0.33 194	0.23 176	0.34 184	0.27 185

hknet	1.10 345	1.85 346	3.49 470	4.48 447	0.02 20	0.42 249	0.06 90	0.41 224	0.02 20	0.48 260	0.03 47	0.41 231	0.03 47	0.42 246	0.03 42	4.39 456	4.19 467	0.33 194	0.23 176	0.34 184	0.27 185

iRaft-Stereo_5w	0.34 172	0.42 151	0.31 186	0.39 178	0.30 217	0.38 208	0.30 208	0.40 209	0.29 206	0.40 210	0.37 254	0.41 231	0.34 234	0.38 209	0.30 212	0.34 189	0.27 175	0.34 201	0.26 195	0.34 184	0.26 178

iRaft-Stereo_20w	0.34 172	0.41 144	0.31 186	0.39 178	0.29 208	0.40 215	0.32 213	0.41 224	0.32 222	0.38 201	0.30 220	0.39 213	0.30 218	0.38 209	0.32 217	0.35 198	0.27 175	0.34 201	0.27 201	0.34 184	0.29 203

HGLStereo	0.28 150	0.29 116	0.22 151	0.36 167	0.22 177	0.36 199	0.21 161	0.36 190	0.21 165	0.42 235	0.21 173	0.36 201	0.22 172	0.36 203	0.21 166	0.34 189	0.21 156	0.34 201	0.21 168	0.34 184	0.21 156

MLCV	0.31 159	0.35 122	0.27 170	0.35 163	0.28 202	0.35 196	0.27 192	0.35 186	0.28 202	0.36 195	0.27 200	0.35 195	0.27 201	0.35 197	0.27 190	0.34 189	0.27 175	0.34 201	0.27 201	0.34 184	0.27 185

DN-CSS_ROB	0.31 159	0.35 122	0.28 174	0.35 163	0.28 202	0.34 192	0.27 192	0.34 183	0.25 181	0.35 192	0.27 200	0.36 201	0.26 193	0.34 195	0.28 196	0.35 198	0.28 180	0.34 201	0.28 205	0.34 184	0.27 185

MyStereo07	0.60 262	3.72 414	0.48 259	0.49 229	0.41 273	0.36 199	0.32 213	0.49 262	0.43 275	0.51 283	0.42 278	0.49 271	0.43 273	0.51 286	0.64 316	0.49 263	0.45 251	0.34 201	0.32 234	0.35 196	0.43 269

MyStereo04	0.56 260	3.72 414	0.59 283	0.49 229	0.41 273	0.36 199	0.32 213	0.37 196	0.31 219	0.34 188	0.46 287	0.35 195	0.32 224	0.35 197	0.33 223	0.49 263	0.45 251	0.34 201	0.32 234	0.35 196	0.43 269

HH	0.71 282	2.54 382	0.74 309	1.10 315	0.32 223	0.41 231	0.37 248	0.69 304	0.78 340	0.73 316	0.90 352	0.75 322	1.00 348	0.84 326	0.69 329	0.69 298	0.40 233	0.35 214	0.26 195	0.35 196	0.26 178

HanStereo	0.71 282	2.54 382	0.74 309	1.10 315	0.32 223	0.41 231	0.37 248	0.69 304	0.78 340	0.73 316	0.90 352	0.75 322	1.00 348	0.84 326	0.69 329	0.69 298	0.40 233	0.35 214	0.26 195	0.35 196	0.26 178

FCDSN-DC	0.41 212	0.59 192	0.64 291	0.54 245	0.33 234	0.50 283	0.37 248	0.42 240	0.40 261	0.61 300	0.43 280	0.50 285	0.49 293	0.38 209	0.32 217	0.28 172	0.23 164	0.26 169	0.22 171	0.35 196	0.28 198
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ETE_ROB	0.35 178	0.35 122	0.35 211	0.35 163	0.35 245	0.35 196	0.35 236	0.35 186	0.35 238	0.35 192	0.35 244	0.35 195	0.35 240	0.35 197	0.35 238	0.35 198	0.35 213	0.35 214	0.35 249	0.35 196	0.35 238

Any-RAFT	0.32 167	0.36 125	0.27 170	0.36 167	0.27 199	0.36 199	0.27 192	0.36 190	0.27 199	0.36 195	0.27 200	0.36 201	0.27 201	0.36 203	0.28 196	0.36 202	0.28 180	0.36 219	0.28 205	0.36 202	0.28 198

DMCA	0.36 182	0.38 129	0.37 216	0.35 163	0.35 245	0.36 199	0.36 243	0.36 190	0.35 238	0.35 192	0.37 254	0.36 201	0.36 243	0.35 197	0.36 242	0.36 202	0.36 215	0.35 214	0.36 255	0.36 202	0.36 239

GIP-stereo	0.36 182	0.49 173	0.39 225	0.48 223	0.32 223	0.41 231	0.28 197	0.40 209	0.30 216	0.41 223	0.28 206	0.40 219	0.28 207	0.42 246	0.28 196	0.45 250	0.32 203	0.38 228	0.30 224	0.37 204	0.27 185

fffy	0.38 193	0.43 152	0.33 195	0.46 214	0.33 234	0.45 256	0.32 213	0.45 246	0.32 222	0.45 246	0.32 224	0.45 253	0.33 230	0.45 253	0.32 217	0.38 213	0.38 223	0.38 228	0.37 257	0.37 204	0.36 239

IGEV++	0.34 172	0.43 152	0.30 180	0.40 191	0.29 208	0.40 215	0.29 203	0.40 209	0.29 206	0.40 210	0.29 209	0.40 219	0.29 212	0.40 219	0.30 212	0.38 213	0.29 189	0.37 221	0.29 214	0.37 204	0.29 203

Venus	0.38 193	0.38 129	0.38 219	0.38 173	0.38 261	0.37 204	0.38 254	0.37 196	0.37 249	0.41 223	0.37 254	0.39 213	0.37 247	0.38 209	0.38 253	0.37 206	0.38 223	0.38 228	0.37 257	0.37 204	0.38 247

EKT-Stereo	0.37 187	0.40 137	0.44 244	1.07 313	0.29 208	0.34 192	0.31 212	0.36 190	0.29 206	0.38 201	0.31 223	0.37 207	0.30 218	0.36 203	0.29 205	0.34 189	0.28 180	0.39 238	0.30 224	0.37 204	0.30 213

CES	0.39 201	0.47 166	0.36 213	0.36 167	0.37 254	0.45 256	0.35 236	0.35 186	0.40 261	0.36 195	0.44 282	0.47 261	0.36 243	0.44 250	0.36 242	0.37 206	0.39 230	0.44 267	0.35 249	0.37 204	0.36 239

IER	0.88 319	7.04 454	2.23 447	2.75 432	0.28 202	0.43 253	0.25 181	0.39 205	0.25 181	0.41 223	0.27 200	0.39 213	0.25 184	0.40 219	0.28 196	0.37 206	0.28 180	0.37 221	0.25 189	0.37 204	0.25 172

StereoDRNet-Refined	0.33 170	0.39 135	0.26 169	0.39 178	0.26 197	0.40 215	0.26 189	0.40 209	0.26 194	0.39 206	0.26 196	0.39 213	0.26 193	0.39 216	0.26 189	0.37 206	0.25 167	0.37 221	0.25 189	0.37 204	0.37 243
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 187	0.37 127	0.37 216	0.37 170	0.37 254	0.37 204	0.37 248	0.37 196	0.37 249	0.37 200	0.37 254	0.37 207	0.37 247	0.37 207	0.37 250	0.37 206	0.37 217	0.37 221	0.37 257	0.37 204	0.37 243

RAFT-Stereo-weight	0.45 226	1.90 351	0.34 203	0.42 209	0.36 251	0.43 253	0.35 236	0.42 240	0.34 235	0.42 235	0.34 236	0.44 251	0.34 234	0.41 233	0.34 236	0.38 213	0.32 203	0.38 228	0.32 234	0.38 213	0.33 226

WAO-8	0.38 193	0.38 129	0.38 219	0.38 173	0.38 261	0.38 208	0.38 254	0.38 201	0.38 253	0.38 201	0.38 259	0.38 209	0.38 251	0.38 209	0.38 253	0.38 213	0.38 223	0.38 228	0.37 257	0.38 213	0.38 247

WAO-7	0.38 193	0.38 129	0.38 219	0.38 173	0.38 261	0.38 208	0.38 254	0.38 201	0.38 253	0.38 201	0.38 259	0.38 209	0.38 251	0.38 209	0.38 253	0.38 213	0.38 223	0.38 228	0.38 266	0.38 213	0.38 247

HanzoNet	0.39 201	0.38 129	0.40 228	0.39 178	0.41 273	0.38 208	0.38 254	0.38 201	0.38 253	0.39 206	0.39 263	0.38 209	0.38 251	0.39 216	0.40 262	0.38 213	0.38 223	0.40 242	0.38 266	0.38 213	0.40 254

IMH	0.38 193	0.38 129	0.38 219	0.38 173	0.38 261	0.38 208	0.38 254	0.38 201	0.38 253	0.42 235	0.38 259	0.40 219	0.38 251	0.38 209	0.38 253	0.38 213	0.38 223	0.39 238	0.38 266	0.38 213	0.38 247

RAFT-Test	0.36 182	0.37 127	0.33 195	0.41 201	0.32 223	0.41 231	0.32 213	0.41 224	0.32 222	0.41 223	0.32 224	0.41 231	0.32 224	0.41 233	0.33 223	0.37 206	0.29 189	0.37 221	0.29 214	0.38 213	0.31 218

RCA-Stereo	0.51 250	3.22 403	0.34 203	0.44 212	0.34 242	0.44 255	0.34 231	0.43 244	0.34 235	0.43 241	0.34 236	0.44 251	0.33 230	0.43 248	0.33 223	0.38 213	0.29 189	0.38 228	0.29 214	0.38 213	0.29 203

mms	0.40 205	0.45 158	0.35 211	0.48 223	0.36 251	0.47 265	0.34 231	0.45 246	0.38 253	0.47 254	0.33 229	0.45 253	0.32 224	0.45 253	0.32 217	0.39 222	0.38 223	0.38 228	0.37 257	0.39 220	0.39 251

GMOStereo	0.37 187	0.45 158	0.23 154	0.30 151	0.37 254	0.41 231	0.36 243	0.41 224	0.35 238	0.43 241	0.36 248	0.41 231	0.40 256	0.41 233	0.36 242	0.34 189	0.22 160	0.47 278	0.37 257	0.39 220	0.33 226

error version	0.93 328	4.47 429	2.35 450	1.99 410	0.37 254	0.41 231	0.36 243	0.41 224	0.35 238	0.43 241	0.36 248	0.41 231	0.40 256	0.41 233	0.36 242	1.87 423	2.16 441	0.47 278	0.37 257	0.39 220	0.33 226

test_1	0.93 328	4.47 429	2.35 450	1.99 410	0.37 254	0.41 231	0.36 243	0.41 224	0.35 238	0.43 241	0.36 248	0.41 231	0.40 256	0.41 233	0.36 242	1.87 423	2.16 441	0.47 278	0.37 257	0.39 220	0.33 226

HART	0.38 193	0.45 158	0.34 203	0.42 209	0.33 234	0.41 231	0.34 231	0.42 240	0.33 227	0.43 241	0.34 236	0.42 247	0.34 234	0.41 233	0.38 253	0.40 226	0.32 203	0.42 264	0.32 234	0.40 224	0.32 222

RSM	0.36 182	0.36 125	0.43 242	0.37 170	0.42 282	0.49 275	0.42 273	0.37 196	0.28 202	0.36 195	0.29 209	0.36 201	0.30 218	0.37 207	0.28 196	0.34 189	0.31 201	0.34 201	0.35 249	0.40 224	0.29 203

knoymous	0.40 205	0.40 137	0.40 228	0.40 191	0.40 267	0.40 215	0.40 261	0.40 209	0.40 261	0.40 210	0.40 265	0.40 219	0.40 256	0.40 219	0.40 262	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 254

anonymousa	0.40 205	0.40 137	0.40 228	0.40 191	0.40 267	0.40 215	0.40 261	0.40 209	0.40 261	0.40 210	0.40 265	0.40 219	0.40 256	0.40 219	0.40 262	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 254

riskmin	0.40 205	0.40 137	0.40 228	0.40 191	0.40 267	0.40 215	0.40 261	0.40 209	0.40 261	0.40 210	0.40 265	0.40 219	0.40 256	0.40 219	0.40 262	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 254

Anonymous_2	0.40 205	0.40 137	0.40 228	0.40 191	0.40 267	0.40 215	0.40 261	0.40 209	0.40 261	0.40 210	0.40 265	0.40 219	0.40 256	0.40 219	0.40 262	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 254

Anonymous_1	0.40 205	0.40 137	0.40 228	0.40 191	0.40 267	0.40 215	0.40 261	0.40 209	0.40 261	0.40 210	0.40 265	0.40 219	0.40 256	0.40 219	0.40 262	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 254

DGSMNet	0.34 172	0.41 144	0.27 170	0.41 201	0.28 202	0.41 231	0.28 197	0.41 224	0.27 199	0.41 223	0.27 200	0.42 247	0.27 201	0.41 233	0.28 196	0.40 226	0.29 189	0.40 242	0.28 205	0.40 224	0.27 185

Gwc-CoAtRS	0.41 212	1.49 332	0.32 190	0.42 209	0.32 223	0.41 231	0.32 213	0.41 224	0.33 227	0.41 223	0.32 224	0.41 231	0.32 224	0.41 233	0.32 217	0.39 222	0.28 180	0.39 238	0.28 205	0.40 224	0.28 198

AdaStereo	0.40 205	0.40 137	0.40 228	0.40 191	0.40 267	0.40 215	0.40 261	0.40 209	0.40 261	0.40 210	0.40 265	0.40 219	0.40 256	0.40 219	0.40 262	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 254
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.
GREAT-IGEV	0.38 193	0.43 152	0.36 213	0.48 223	0.32 223	0.45 256	0.32 213	0.45 246	0.32 222	0.45 246	0.32 224	0.45 253	0.32 224	0.45 253	0.32 217	0.44 249	0.33 210	0.41 254	0.29 214	0.41 234	0.29 203

ccccc	0.41 212	0.44 155	0.34 203	0.48 223	0.35 245	0.48 270	0.35 236	0.51 279	0.35 238	0.47 254	0.35 244	0.47 261	0.34 234	0.47 260	0.35 238	0.41 234	0.40 233	0.40 242	0.40 270	0.41 234	0.39 251

Former-RAFT_DAM_RVC	0.49 243	0.98 236	0.64 291	0.84 282	0.46 289	0.45 256	0.35 236	0.47 254	0.47 285	0.45 246	0.34 236	0.46 256	0.48 288	0.46 256	0.35 238	0.39 222	0.71 306	0.39 238	0.35 249	0.41 234	0.41 261

GwcNet-ADL	0.41 212	0.41 144	0.41 236	0.41 201	0.41 273	0.41 231	0.41 268	0.41 224	0.41 270	0.41 223	0.41 271	0.41 231	0.41 267	0.41 233	0.41 269	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 261

PSMNet-ADL	0.41 212	0.41 144	0.41 236	0.41 201	0.41 273	0.41 231	0.41 268	0.41 224	0.41 270	0.41 223	0.41 271	0.41 231	0.41 267	0.41 233	0.41 269	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 261

GANet-ADL	0.41 212	0.41 144	0.41 236	0.41 201	0.41 273	0.41 231	0.41 268	0.41 224	0.41 270	0.41 223	0.41 271	0.41 231	0.41 267	0.41 233	0.41 269	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 261

ADLNet2	0.41 212	0.41 144	0.41 236	0.41 201	0.41 273	0.41 231	0.41 268	0.41 224	0.41 270	0.41 223	0.41 271	0.41 231	0.41 267	0.41 233	0.41 269	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 261

ADLNet	0.41 212	0.41 144	0.41 236	0.41 201	0.41 273	0.41 231	0.41 268	0.41 224	0.41 270	0.41 223	0.41 271	0.41 231	0.41 267	0.41 233	0.41 269	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 261

CFNet-RSSM	0.91 322	4.89 433	0.34 203	0.44 212	1.07 373	1.62 427	1.40 435	0.91 325	0.35 238	1.60 420	1.39 434	0.64 308	0.34 234	0.44 250	0.33 223	0.41 234	0.35 213	0.75 323	0.30 224	0.41 234	0.29 203

SCV_C0	0.45 226	0.88 217	0.49 263	0.54 245	0.37 254	0.48 270	0.37 248	0.48 258	0.37 249	0.48 260	0.36 248	0.48 267	0.37 247	0.49 273	0.37 250	0.50 269	0.41 242	0.44 267	0.34 243	0.44 243	0.34 232

SCV	0.46 229	0.94 231	0.45 246	0.54 245	0.37 254	0.48 270	0.38 254	0.48 258	0.37 249	0.48 260	0.39 263	0.48 267	0.37 247	0.49 273	0.37 250	0.50 269	0.46 253	0.44 267	0.34 243	0.44 243	0.34 232

GCST	0.50 245	2.08 362	0.38 219	0.53 243	0.35 245	0.49 275	0.35 236	0.50 270	0.35 238	0.49 267	0.35 244	0.49 271	0.35 240	0.49 273	0.35 238	0.48 260	0.37 217	0.45 271	0.33 241	0.44 243	0.33 226

LL-Strereo2	0.48 239	1.73 343	0.51 271	0.59 253	0.34 242	0.42 249	0.33 222	0.40 209	0.31 219	0.42 235	0.33 229	0.42 247	0.31 223	0.44 250	0.39 259	0.60 284	0.51 275	0.44 267	0.33 241	0.44 243	0.33 226

UGAM	0.51 250	2.23 373	0.39 225	0.54 245	0.35 245	0.50 283	0.35 236	0.49 262	0.35 238	0.49 267	0.35 244	0.49 271	0.36 243	0.50 280	0.36 242	0.49 263	0.37 217	0.45 271	0.34 243	0.45 247	0.34 232

UGAM-zero	0.51 250	2.17 370	0.39 225	0.53 243	0.36 251	0.50 283	0.36 243	0.50 270	0.36 248	0.49 267	0.36 248	0.50 285	0.35 240	0.50 280	0.36 242	0.49 263	0.37 217	0.47 278	0.35 249	0.46 248	0.34 232

otaku	0.46 229	0.46 162	0.46 250	0.46 214	0.46 289	0.46 261	0.46 281	0.46 249	0.46 280	0.46 249	0.46 287	0.46 256	0.46 279	0.46 256	0.46 282	0.46 251	0.46 253	0.46 274	0.46 289	0.46 248	0.46 275

Ntro	0.47 235	0.47 166	0.46 250	0.46 214	0.46 289	0.47 265	0.47 286	0.46 249	0.47 285	0.46 249	0.46 287	0.47 261	0.46 279	0.47 260	0.47 288	0.47 256	0.46 253	0.46 274	0.46 289	0.46 248	0.46 275

Dean	0.46 229	0.46 162	0.46 250	0.46 214	0.46 289	0.46 261	0.46 281	0.46 249	0.46 280	0.47 254	0.46 287	0.46 256	0.46 279	0.46 256	0.46 282	0.46 251	0.46 253	0.46 274	0.46 289	0.46 248	0.46 275

ACVNet_1	0.46 229	0.47 166	0.46 250	0.46 214	0.46 289	0.46 261	0.46 281	0.46 249	0.47 285	0.46 249	0.46 287	0.46 256	0.46 279	0.46 256	0.46 282	0.46 251	0.46 253	0.47 278	0.46 289	0.46 248	0.46 275

ACVNet-4b	0.46 229	0.46 162	0.46 250	0.46 214	0.46 289	0.46 261	0.46 281	0.46 249	0.46 280	0.46 249	0.46 287	0.46 256	0.46 279	0.47 260	0.46 282	0.46 251	0.46 253	0.46 274	0.46 289	0.46 248	0.46 275

Selective-IGEV	0.51 250	0.55 191	0.45 246	0.69 265	0.45 287	0.61 304	0.45 279	0.50 270	0.40 261	0.56 295	0.44 282	0.55 297	0.40 256	0.72 315	0.67 321	0.59 283	0.46 253	0.45 271	0.34 243	0.46 248	0.37 243

HaxPig	0.47 235	0.47 166	0.47 255	0.49 229	0.47 295	0.47 265	0.47 286	0.47 254	0.47 285	0.47 254	0.47 295	0.47 261	0.47 287	0.47 260	0.47 288	0.47 256	0.47 260	0.47 278	0.47 296	0.47 255	0.48 283

UNDER WATER	0.47 235	0.47 166	0.47 255	0.47 220	0.47 295	0.47 265	0.47 286	0.47 254	0.47 285	0.47 254	0.47 295	0.47 261	0.46 279	0.47 260	0.47 288	0.47 256	0.47 260	0.47 278	0.46 289	0.47 255	0.47 281

LVE	0.47 235	0.47 166	0.47 255	0.47 220	0.49 301	0.47 265	0.47 286	0.47 254	0.49 294	0.47 254	0.47 295	0.47 261	0.46 279	0.47 260	0.47 288	0.47 256	0.47 260	0.48 286	0.47 296	0.47 255	0.47 281

gcap-zeroshot	0.35 178	0.32 119	0.37 216	0.49 229	0.39 266	0.33 190	0.21 161	0.26 164	0.35 238	0.42 235	0.34 236	0.49 271	0.29 212	0.47 260	0.39 259	0.34 189	0.17 143	0.38 228	0.23 176	0.48 258	0.34 232

RainbowNet	0.48 239	0.48 172	0.48 259	0.48 223	0.48 299	0.48 270	0.48 295	0.48 258	0.48 292	0.48 260	0.48 299	0.48 267	0.48 288	0.48 267	0.48 294	0.48 260	0.48 263	0.48 286	0.48 299	0.48 258	0.48 283

notaker	0.48 239	0.49 173	0.48 259	0.48 223	0.48 299	0.48 270	0.48 295	0.48 258	0.49 294	0.48 260	0.48 299	0.48 267	0.48 288	0.48 267	0.48 294	0.48 260	0.48 263	0.48 286	0.48 299	0.48 258	0.49 288

TorneroNet	0.66 271	0.53 186	0.50 266	0.50 236	0.64 328	1.06 349	0.70 327	0.50 270	0.51 304	0.49 267	0.69 334	0.49 271	0.50 296	0.48 267	1.15 370	0.71 302	0.49 266	1.14 362	1.08 365	0.49 261	0.49 288

ACVNet_2	0.49 243	0.49 173	0.49 263	0.49 229	0.49 301	0.49 275	0.49 297	0.49 262	0.49 294	0.49 267	0.49 302	0.49 271	0.49 293	0.49 273	0.49 296	0.49 263	0.49 266	0.49 290	0.49 302	0.49 261	0.49 288

iRaftStereo_RVC	0.97 332	3.17 402	2.30 449	2.42 426	0.38 261	0.54 295	0.38 254	0.54 283	0.38 253	0.54 290	0.38 259	0.54 293	0.38 251	0.54 291	0.38 253	2.38 441	2.34 445	0.49 290	0.36 255	0.49 261	0.36 239

aanetorigin	0.13 88	0.11 68	0.11 79	0.11 65	0.11 117	0.11 104	0.11 112	0.11 106	0.11 114	0.11 105	0.12 124	0.11 105	0.11 113	0.11 106	0.11 107	0.11 76	0.11 84	0.14 109	0.11 112	0.49 261	0.11 108

FoundationStereo	0.50 245	0.50 176	0.50 266	0.50 236	0.50 304	0.50 283	0.50 299	0.50 270	0.50 297	0.50 279	0.50 304	0.50 285	0.50 296	0.50 280	0.50 297	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 291

StereoAnything_RVC	0.50 245	0.50 176	0.50 266	0.50 236	0.50 304	0.50 283	0.50 299	0.50 270	0.50 297	0.50 279	0.50 304	0.50 285	0.50 296	0.50 280	0.50 297	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 291

fffft	0.48 239	0.51 182	0.45 246	0.52 242	0.45 287	0.52 292	0.45 279	0.52 281	0.48 292	0.53 288	0.45 285	0.52 291	0.45 276	0.52 289	0.46 282	0.51 275	0.41 242	0.50 293	0.41 277	0.50 265	0.41 261
1: 1. 1
dual_stereo	0.50 245	0.50 176	0.50 266	0.50 236	0.50 304	0.50 283	0.50 299	0.50 270	0.50 297	0.50 279	0.50 304	0.50 285	0.50 296	0.50 280	0.50 297	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 291

KSHMR	0.66 271	0.50 176	0.48 259	1.15 323	0.52 310	0.49 275	0.51 303	0.49 262	0.71 333	0.67 310	0.50 304	1.16 365	1.11 358	0.66 309	0.52 304	0.49 263	0.49 266	0.51 298	0.66 325	0.50 265	1.14 370

SANet	0.50 245	0.50 176	0.50 266	0.50 236	0.50 304	0.50 283	0.50 299	0.50 270	0.50 297	0.50 279	0.50 304	0.50 285	0.50 296	0.50 280	0.50 297	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 291

Occ-G	1.12 348	0.52 184	3.72 473	3.50 441	0.50 304	0.56 297	0.47 286	0.54 283	0.46 280	0.54 290	0.41 271	0.54 293	0.42 272	0.52 289	0.42 274	3.42 450	4.02 466	0.52 300	0.45 287	0.51 271	0.44 272

ktn	0.72 285	0.53 186	1.08 342	1.14 321	0.51 309	1.22 410	1.36 429	0.51 279	0.59 311	0.51 283	0.51 310	0.69 314	1.20 369	0.67 311	0.51 302	0.51 275	0.49 266	0.58 305	0.66 325	0.52 272	0.53 298

LL-Strereo	1.01 340	5.06 435	1.63 427	0.70 267	1.43 440	0.56 297	0.46 281	0.57 287	0.50 297	0.57 296	0.50 304	1.58 424	0.49 293	0.59 300	0.50 297	1.64 417	0.52 276	0.51 298	1.37 429	0.52 272	0.45 274

PML	0.46 229	1.36 330	0.29 176	0.58 251	0.30 217	0.57 301	0.29 203	0.57 287	0.29 206	0.57 296	0.29 209	0.57 301	0.29 212	0.56 295	0.29 205	0.52 277	0.30 197	0.53 301	0.31 230	0.53 274	0.30 213

PSMNet_ROB	0.54 254	0.54 189	0.54 278	0.54 245	0.53 313	0.54 295	0.54 307	0.53 282	0.54 307	0.54 290	0.54 314	0.54 293	0.53 303	0.54 291	0.54 307	0.54 279	0.53 278	0.54 302	0.54 309	0.54 275	0.54 299

MyStereo8	0.71 282	3.92 421	0.52 274	0.59 253	0.52 310	0.57 301	0.53 305	0.59 291	0.50 297	0.59 299	0.51 310	0.57 301	0.50 296	0.56 295	0.52 304	0.54 279	0.49 266	0.54 302	0.49 302	0.55 276	0.50 291

AIO-test1	0.54 254	0.60 194	0.52 274	0.66 263	0.47 295	0.61 304	0.47 286	0.58 289	0.46 280	0.61 300	0.46 287	0.61 305	0.45 276	0.62 302	0.45 278	0.61 287	0.52 276	0.57 304	0.48 299	0.57 277	0.48 283

AIO-test2	0.55 258	0.59 192	0.52 274	0.67 264	0.47 295	0.61 304	0.47 286	0.61 295	0.47 285	0.61 300	0.47 295	0.61 305	0.48 288	0.62 302	0.47 288	0.64 292	0.53 278	0.58 305	0.47 296	0.58 278	0.48 283

MonSter	0.60 262	0.64 197	0.52 274	0.62 257	0.44 285	2.07 436	0.44 276	0.62 296	0.44 278	0.62 303	0.44 282	0.62 307	0.44 274	0.62 302	0.44 277	0.58 282	0.42 249	0.62 308	0.46 289	0.58 278	0.42 268

WCG-NET	0.61 264	1.21 319	0.54 278	0.61 256	0.53 313	0.67 312	0.53 305	0.66 301	0.53 305	0.64 306	0.53 313	0.65 311	0.53 303	0.59 300	0.52 304	0.65 293	0.48 263	0.64 311	0.52 308	0.58 278	0.50 291

CASS	0.57 261	0.89 220	0.56 280	0.57 250	0.56 316	0.56 297	0.56 308	0.56 285	0.53 305	0.57 296	0.57 317	0.59 303	0.48 288	0.56 295	0.57 310	0.55 281	0.56 282	0.47 278	0.56 313	0.62 281	0.56 306
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SMoEStereo_RVC	0.63 266	0.75 203	0.51 271	0.73 271	0.53 313	0.71 316	0.47 286	0.67 302	0.58 310	0.74 320	0.60 318	0.72 318	0.53 303	0.74 318	0.51 302	0.61 287	0.62 291	0.62 308	0.61 320	0.63 282	0.61 309

DispNO	1.00 335	0.63 195	0.43 242	3.45 440	0.44 285	0.65 310	0.43 275	0.64 298	0.43 275	0.64 306	0.43 280	0.64 308	3.03 453	0.64 307	0.43 276	4.55 458	0.43 250	0.63 310	0.43 285	0.63 282	0.43 269

test-3	0.98 334	4.13 424	1.85 438	1.85 402	0.61 324	0.69 313	0.37 248	0.63 297	0.61 315	0.66 309	0.51 310	0.73 320	0.44 274	0.57 298	0.54 307	1.68 418	1.81 435	0.40 242	0.43 285	0.66 284	0.50 291

DSFCA	0.66 271	0.73 202	0.78 314	0.65 260	0.65 330	0.64 309	0.64 315	0.65 299	0.63 318	0.64 306	0.64 325	0.64 308	0.64 313	0.65 308	0.65 317	0.65 293	0.65 295	0.65 314	0.65 323	0.66 284	0.64 314

999	1.00 335	1.12 264	0.59 283	1.10 315	1.21 430	1.09 355	0.52 304	1.08 342	1.43 439	1.18 362	1.35 429	0.98 347	0.52 302	0.91 335	0.85 346	0.72 303	1.46 418	0.83 336	0.98 357	0.68 286	1.41 435

anonymity	0.63 266	0.69 199	0.56 280	0.71 269	0.56 316	0.71 316	0.56 308	0.71 307	0.56 308	0.72 314	0.56 316	0.71 315	0.56 307	0.71 314	0.58 311	0.68 297	0.55 280	0.68 316	0.55 310	0.68 286	0.54 299

LMCR-Stereo	0.65 269	0.63 195	0.65 294	0.65 260	0.65 330	0.66 311	0.63 314	0.58 289	0.65 320	0.63 305	0.64 325	0.65 311	0.65 315	0.66 309	0.66 320	0.66 295	0.64 294	0.65 314	0.67 328	0.68 286	0.73 329

FC-DCNN	1.07 343	1.09 260	0.98 334	0.89 286	0.52 310	1.41 422	0.91 348	1.21 402	1.24 428	1.96 429	2.05 458	1.91 429	1.30 422	1.27 415	1.08 364	0.80 309	0.60 286	0.58 305	0.41 277	0.68 286	0.54 299

DMCA-RVC	0.70 280	0.80 207	0.70 301	0.70 267	0.70 339	0.70 314	0.70 327	0.71 307	0.70 330	0.70 313	0.71 338	0.71 315	0.70 324	0.70 313	0.69 329	0.69 298	0.70 302	0.69 317	0.70 333	0.69 290	0.70 322

4D-IteraStereo	0.78 296	3.13 400	0.89 322	0.69 265	0.32 223	0.40 215	0.32 213	0.76 310	0.97 361	0.52 286	0.65 327	0.89 336	0.32 224	0.76 320	0.98 357	0.83 315	0.94 328	0.35 214	0.27 201	0.70 291	0.89 345

MyStereo06	0.75 288	4.12 422	0.60 285	0.63 258	0.61 324	0.62 307	0.66 318	0.56 285	0.45 279	0.55 293	0.48 299	0.54 293	0.46 279	0.57 298	0.45 278	0.60 284	0.57 284	0.64 311	0.55 310	0.72 292	0.55 303

MyStereo05	0.80 299	4.12 422	0.63 289	0.63 258	0.61 324	0.62 307	0.66 318	0.65 299	0.62 316	0.67 310	0.61 321	0.65 311	0.58 308	0.67 311	0.55 309	0.60 284	0.57 284	0.64 311	0.55 310	0.72 292	0.55 303

PA-Net	11.80 494	223.51 519	0.62 288	0.59 253	0.71 340	0.59 303	0.73 332	0.67 302	0.73 337	0.55 293	0.61 321	0.60 304	0.74 330	0.63 306	0.73 334	0.66 295	0.60 286	0.69 317	0.66 325	0.72 292	0.65 315
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 315	2.85 395	0.72 306	0.72 270	0.73 343	0.77 319	0.79 337	0.73 309	0.74 339	0.73 316	0.72 340	0.73 320	0.76 333	0.73 316	0.73 334	0.72 303	0.73 308	0.73 321	0.72 337	0.73 295	0.72 326

GCAP-Stereo	0.75 288	4.15 425	0.42 241	0.75 273	0.35 245	0.78 321	0.40 261	0.79 312	0.38 253	0.78 323	0.36 248	0.78 325	0.36 243	0.79 321	0.39 259	0.75 305	0.39 230	0.76 325	0.39 269	0.75 296	0.39 251

PAM_32	0.64 268	2.38 379	0.51 271	0.92 292	0.43 284	0.53 293	0.44 276	0.87 319	0.43 275	0.52 286	0.45 285	0.53 292	0.40 256	0.54 291	0.46 282	0.62 290	0.56 282	0.48 286	0.45 287	0.76 297	0.44 272

RAFT-Stereo + iAFF	0.70 280	0.72 201	0.71 305	0.80 277	0.62 327	0.82 326	0.61 312	0.81 317	0.62 316	0.81 327	0.63 323	0.80 328	0.70 324	0.73 316	0.61 315	0.76 306	0.61 290	0.74 322	0.61 320	0.77 298	0.61 309

ARAFT	0.68 276	0.81 210	0.63 289	0.74 272	0.60 319	0.78 321	0.62 313	0.77 311	0.66 322	0.74 320	0.63 323	0.75 322	0.62 312	0.83 325	0.60 313	0.70 301	0.55 280	0.70 319	0.60 318	0.78 299	0.55 303

AFF-stereo	0.73 286	0.88 217	0.67 298	0.75 273	0.68 337	0.75 318	0.64 315	0.80 314	0.72 334	0.83 328	0.70 335	0.82 331	0.64 313	0.84 326	0.67 321	0.77 307	0.63 292	0.81 333	0.63 322	0.78 299	0.62 312

Selective-RAFT-Error	0.88 319	0.84 213	0.98 334	0.86 285	0.97 364	0.88 330	0.95 353	0.84 318	0.99 363	0.92 335	0.82 350	0.84 332	0.98 347	0.87 330	0.97 356	0.81 312	0.83 321	0.79 328	0.82 348	0.79 301	0.85 342

psmorigin	0.41 212	0.46 162	0.33 195	0.49 229	0.33 234	0.49 275	0.33 222	0.49 262	0.33 227	0.49 267	0.33 229	0.49 271	0.33 230	0.51 286	0.33 223	0.41 234	0.30 197	0.41 254	0.30 224	0.79 301	0.29 203

G-Net	0.79 297	0.79 206	0.79 317	0.79 275	0.79 348	0.79 323	0.79 337	0.79 312	0.79 343	0.79 324	0.79 347	0.79 327	0.79 336	0.79 321	0.79 339	0.79 308	0.79 315	0.79 328	0.79 343	0.79 301	0.79 336

AEACV	1.12 348	0.52 184	3.12 467	3.24 437	0.86 352	0.53 293	0.49 297	0.60 293	0.47 285	0.53 288	0.49 302	0.55 297	0.45 276	0.55 294	0.47 288	3.01 446	3.88 464	0.71 320	0.60 318	0.80 304	0.48 283

NaN_ROB	0.80 299	0.80 207	0.80 318	0.80 277	0.80 350	0.80 324	0.80 340	0.80 314	0.80 344	0.80 325	0.80 348	0.80 328	0.80 337	0.80 323	0.80 341	0.80 309	0.80 318	0.80 331	0.80 345	0.80 304	0.80 337

CSAN	0.80 299	0.80 207	0.80 318	0.80 277	0.80 350	0.80 324	0.80 340	0.80 314	0.80 344	0.80 325	0.80 348	0.80 328	0.80 337	0.80 323	0.80 341	0.80 309	0.80 318	0.80 331	0.80 345	0.80 304	0.80 337

Selective-RAFT	0.89 321	0.89 220	0.72 306	1.16 328	0.78 347	1.06 349	0.82 343	0.87 319	0.97 361	1.00 343	0.91 355	0.90 337	1.00 348	0.89 333	0.93 353	0.83 315	0.83 321	0.82 335	0.82 348	0.81 307	0.82 340

DCRE	0.84 315	1.89 349	0.77 313	0.94 297	0.72 342	0.88 330	0.73 332	0.87 319	0.78 340	0.90 331	0.71 338	0.88 334	0.67 320	0.88 331	0.73 334	0.81 312	0.68 297	0.81 333	0.70 333	0.82 308	0.70 322

RSM++	0.76 292	0.82 212	0.66 295	0.85 284	0.64 328	0.85 327	0.71 330	0.94 332	0.64 319	0.87 329	0.67 330	0.87 333	0.65 315	0.84 326	0.65 317	0.81 312	0.70 302	0.79 328	0.71 336	0.83 309	0.70 322

UDG	0.80 299	2.21 372	0.60 285	0.91 289	0.60 319	0.90 333	0.58 310	0.88 322	0.60 312	0.90 331	0.60 318	0.88 334	0.60 310	0.90 334	0.58 311	0.86 319	0.60 286	0.84 337	0.59 317	0.84 310	0.61 309

DDUNet	0.81 304	2.45 380	0.57 282	0.90 287	0.60 319	0.88 330	0.59 311	0.90 323	0.60 312	0.88 330	0.60 318	0.90 337	0.58 308	0.88 331	0.60 313	0.84 317	0.60 286	0.86 339	0.57 314	0.86 311	0.60 308

MoCha-V2	2.11 426	26.97 497	0.78 314	0.92 292	0.77 346	0.96 340	0.72 331	0.90 323	0.72 334	0.94 339	0.70 335	0.90 337	0.71 328	0.91 335	0.71 333	0.85 318	0.71 306	0.88 340	0.69 331	0.87 312	0.67 319

UNet	0.29 153	0.90 222	0.10 60	0.14 88	0.10 102	0.14 109	0.10 100	0.91 325	0.69 327	0.14 109	0.11 114	0.14 110	0.11 113	0.14 112	0.10 96	0.12 81	0.09 58	0.12 105	0.09 94	0.88 313	0.76 334

AIO-Stereo-zeroshot1	0.75 288	0.92 228	0.85 321	0.96 302	0.59 318	1.27 413	0.44 276	0.59 291	0.69 327	0.91 333	0.68 331	0.55 297	0.61 311	1.06 353	0.83 345	0.62 290	0.70 302	0.90 341	0.41 277	0.89 314	0.56 306

ToySt	0.92 324	2.11 365	0.90 325	0.95 299	0.79 348	0.99 342	0.78 336	0.94 332	0.81 347	0.94 339	0.78 346	0.95 344	0.77 334	0.94 340	0.86 347	0.91 322	0.79 315	0.85 338	0.77 340	0.89 314	0.73 329

ff7	1.68 411	2.68 386	1.35 411	0.97 303	0.89 354	1.84 428	2.15 451	2.12 428	1.80 447	2.05 434	1.56 437	2.33 439	2.12 444	2.23 436	2.25 454	1.31 398	1.07 336	1.48 429	1.41 432	0.90 316	1.04 361

ffff	1.68 411	2.68 386	1.35 411	0.97 303	0.89 354	1.84 428	2.15 451	2.12 428	1.80 447	2.05 434	1.56 437	2.33 439	2.12 444	2.23 436	2.25 454	1.31 398	1.07 336	1.48 429	1.41 432	0.90 316	1.04 361

ccc-4	1.68 411	2.68 386	1.35 411	0.97 303	0.89 354	1.84 428	2.15 451	2.12 428	1.80 447	2.05 434	1.56 437	2.33 439	2.12 444	2.23 436	2.25 454	1.31 398	1.07 336	1.48 429	1.41 432	0.90 316	1.04 361

STTRV1_RVC	0.82 308	1.60 336	0.70 301	1.01 309	0.60 319	1.07 352	0.69 326	1.01 339	0.60 312	0.72 314	0.55 315	1.02 352	0.68 321	1.03 351	0.67 321	0.89 321	0.63 292	0.92 345	0.57 314	0.90 316	0.65 315

pmcnn	0.92 324	0.92 228	0.92 329	0.92 292	0.92 359	0.92 335	0.92 349	0.92 328	0.92 355	0.92 335	0.92 358	0.92 340	0.92 343	0.92 339	0.92 349	0.92 324	0.92 326	0.92 345	0.92 352	0.92 320	0.92 348

DPSM_ROB	0.92 324	0.91 223	0.91 327	0.91 289	0.92 359	0.92 335	0.92 349	0.92 328	0.91 351	0.93 337	0.91 355	0.92 340	0.90 341	0.91 335	0.92 349	0.92 324	0.91 324	0.91 343	0.92 352	0.93 321	0.93 349

DPSM	0.92 324	0.91 223	0.91 327	0.91 289	0.92 359	0.92 335	0.92 349	0.92 328	0.91 351	0.93 337	0.91 355	0.92 340	0.90 341	0.91 335	0.92 349	0.92 324	0.91 324	0.91 343	0.92 352	0.93 321	0.93 349

AIO-Stereo	0.84 315	0.66 198	0.70 301	0.83 281	0.67 334	0.98 341	0.82 343	1.14 346	0.72 334	1.03 348	0.74 343	1.03 353	1.09 357	0.99 346	0.45 278	1.04 334	0.73 308	0.95 349	0.74 338	0.94 323	0.46 275

R-Stereo Train	0.81 304	0.96 233	0.67 298	0.95 299	0.67 334	0.95 338	0.68 323	0.95 334	0.68 324	0.95 341	0.68 331	0.96 345	0.68 321	0.96 344	0.68 325	0.94 328	0.68 297	0.94 347	0.68 329	0.94 323	0.68 320

RAFT-Stereo	0.81 304	0.96 233	0.67 298	0.95 299	0.67 334	0.95 338	0.68 323	0.95 334	0.68 324	0.95 341	0.68 331	0.96 345	0.68 321	0.96 344	0.68 325	0.94 328	0.68 297	0.94 347	0.68 329	0.94 323	0.68 320
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DGTPSM_ROB	0.93 328	1.00 239	0.92 329	0.94 297	0.96 363	0.91 334	0.92 349	0.91 325	0.96 360	0.91 333	0.96 359	0.93 343	0.92 343	0.94 340	0.92 349	0.92 324	0.92 326	0.90 341	0.92 352	0.94 323	0.91 347

GANet	1.00 335	1.00 239	1.00 336	1.00 306	1.00 365	1.00 343	1.00 357	1.00 336	1.00 364	1.00 343	1.00 362	1.00 348	1.00 348	1.00 347	1.00 359	1.00 330	1.00 329	1.00 354	1.00 359	1.00 327	1.00 356

TDLM	1.00 335	1.00 239	1.00 336	1.00 306	1.00 365	1.00 343	1.00 357	1.00 336	1.00 364	1.00 343	1.00 362	1.00 348	1.00 348	1.00 347	1.00 359	1.00 330	1.00 329	1.00 354	1.00 359	1.00 327	1.00 356

CVANet_RVC	1.00 335	1.00 239	1.00 336	1.00 306	1.00 365	1.00 343	1.00 357	1.00 336	1.00 364	1.00 343	1.00 362	1.00 348	1.00 348	1.00 347	1.00 359	1.00 330	1.00 329	1.00 354	1.00 359	1.00 327	1.00 356

trnet	1.01 340	1.01 245	1.01 339	1.01 309	1.01 369	1.01 346	1.01 360	1.01 339	1.01 367	1.01 347	1.01 365	1.01 351	1.01 354	1.01 350	1.01 362	1.01 333	1.01 332	1.01 357	1.01 363	1.01 330	1.01 359

AIO-Stereo-zeroshot	0.91 322	0.86 214	0.89 322	1.25 380	0.69 338	1.05 348	0.81 342	1.16 349	0.50 297	1.12 357	0.97 360	0.72 318	0.82 339	1.06 353	0.95 354	0.61 287	0.87 323	1.03 359	0.85 351	1.04 331	1.01 359

GLC_STEREO	1.07 343	1.01 245	1.06 341	1.07 313	1.05 372	1.06 349	1.08 364	1.08 342	1.05 370	1.07 350	1.06 367	1.08 355	1.05 356	1.06 353	1.10 365	1.07 336	1.09 342	1.05 360	1.05 364	1.06 332	1.12 366

DPSimNet_ROB	0.97 332	1.18 271	0.81 320	1.10 315	0.91 358	1.02 347	0.82 343	1.04 341	0.91 351	1.03 348	0.86 351	1.28 416	0.82 339	1.03 351	0.89 348	1.17 347	0.81 320	1.02 358	0.82 348	1.08 333	0.81 339

MSMD_ROB	1.19 350	1.10 263	0.70 301	1.10 315	0.60 319	1.10 356	0.70 327	1.10 345	0.70 330	1.10 352	0.70 335	1.10 359	0.70 324	7.00 491	0.70 332	1.10 339	0.70 302	1.10 361	0.70 333	1.10 334	0.70 322

edge stereo	2.43 442	27.07 498	1.14 345	1.06 312	1.14 375	1.08 353	1.17 372	1.16 349	1.14 371	1.10 352	1.16 372	1.09 357	1.16 366	1.10 359	1.16 373	1.10 339	1.11 346	1.16 364	1.19 373	1.13 335	1.11 364

tt45	1.04 342	0.88 217	1.36 416	0.92 292	1.03 371	1.51 425	0.79 337	0.70 306	0.88 349	0.74 320	0.90 352	1.60 425	0.72 329	1.60 422	0.75 337	0.91 322	0.78 314	1.52 432	0.79 343	1.14 336	1.32 427

RGC	2.36 437	25.48 491	1.19 353	1.15 323	1.15 376	1.10 356	1.16 371	1.17 351	1.16 373	1.12 357	1.16 372	1.11 362	1.13 359	1.09 357	1.18 375	1.10 339	1.15 351	1.16 364	1.12 367	1.14 336	1.12 366

UPFNet	0.42 221	1.20 273	0.17 134	0.24 134	0.17 155	0.25 163	0.17 142	1.19 354	0.90 350	0.25 161	0.17 153	0.24 159	0.17 150	0.25 165	0.17 148	0.22 144	0.17 143	0.22 152	0.16 145	1.15 338	0.93 349

stereogan	2.33 435	24.38 488	1.18 351	1.18 330	1.18 383	1.14 361	1.18 373	1.19 354	1.19 379	1.14 360	1.18 376	1.14 364	1.18 367	1.14 363	1.18 375	1.14 346	1.14 350	1.19 371	1.19 373	1.15 338	1.19 374

AF-Net	2.37 439	25.71 493	1.17 349	1.13 320	1.15 376	1.15 362	1.18 373	1.19 354	1.16 373	1.10 352	1.15 369	1.10 359	1.18 367	1.12 362	1.15 370	1.10 339	1.10 345	1.17 368	1.15 369	1.16 340	1.12 366

RP	2.33 435	25.00 490	1.13 344	1.15 323	1.15 376	1.10 356	1.15 369	1.15 347	1.15 372	1.12 357	1.15 369	1.09 357	1.13 359	1.10 359	1.15 370	1.11 344	1.09 342	1.16 364	1.12 367	1.16 340	1.17 372

Nwc_Net	2.37 439	25.95 494	1.15 347	1.14 321	1.15 376	1.08 353	1.14 368	1.17 351	1.16 373	1.14 360	1.15 369	1.08 355	1.15 362	1.11 361	1.14 369	1.10 339	1.11 346	1.16 364	1.09 366	1.16 340	1.15 371

Abc-Net	2.32 434	24.75 489	1.14 345	1.17 329	1.17 381	1.11 359	1.15 369	1.17 351	1.21 425	1.08 351	1.16 372	1.12 363	1.14 361	1.09 357	1.17 374	1.09 337	1.16 352	1.17 368	1.17 372	1.16 340	1.11 364
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	0.95 331	1.17 269	0.78 314	1.18 330	0.71 340	1.16 363	0.75 334	1.09 344	0.80 344	1.10 352	0.75 344	1.17 366	0.74 330	1.17 365	0.80 341	1.13 345	0.73 308	1.17 368	0.77 340	1.16 340	0.72 326
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NCC-stereo	2.36 437	25.52 492	1.17 349	1.15 323	1.17 381	1.11 359	1.11 365	1.15 347	1.16 373	1.10 352	1.16 372	1.10 359	1.15 362	1.14 363	1.13 368	1.09 337	1.11 346	1.15 363	1.16 371	1.17 345	1.17 372

delet	0.43 222	1.21 319	0.17 134	0.25 139	0.17 155	0.25 163	0.18 148	1.26 406	0.95 358	0.25 161	0.17 153	0.25 164	0.17 150	0.25 165	0.17 148	0.23 155	0.16 130	0.22 152	0.16 145	1.18 346	0.98 353

psm_up	0.43 222	1.19 272	0.17 134	0.25 139	0.18 162	0.25 163	0.19 152	1.26 406	0.91 351	0.26 168	0.17 153	0.25 164	0.17 150	0.25 165	0.17 148	0.22 144	0.17 143	0.23 158	0.16 145	1.18 346	0.99 354

HBP-ISP	1.24 399	1.72 339	1.65 428	1.15 323	0.76 345	1.40 421	0.88 346	1.67 421	1.02 368	1.69 425	1.38 433	1.69 427	1.21 415	1.87 426	1.21 422	1.05 335	0.79 315	0.97 352	0.80 345	1.19 348	0.75 333

DisPM	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

CrosDoStereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

PFNet+	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

LCNet	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

HHNet	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

Patchmatch Stereo++	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375
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	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

STrans-v2	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

TransformOpticalFlow	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

OMP-Stereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

IIG-Stereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

NF-Stereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

OCTAStereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

PSM-softLoss	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

KMStereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

NRIStereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

PSM-adaLoss	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

PSM-AAD	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

FTStereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

ROB_FTStereo_v2	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

ROB_FTStereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

Consistency-Raft	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

KYRaft	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

HUI-Stereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

ASMatch	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

DeepStereo_LL	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

DEmStereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

SST-Stereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

THIR-Stereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

RAFT_R40	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

DRaft	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

PFNet	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

GrayStereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

RE-Stereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

Pruner-Stereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

TVStereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

DeepStereo_RVC	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

RAFT-RH_RVC	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

IRAFT_RVC	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

RAFT-345	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

iRAFT	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

CRE-IMP	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

GMM-Stereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

RAFT-IKP	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

Prome-Stereo	1.20 351	1.20 273	1.20 356	1.20 332	1.20 384	1.20 364	1.20 375	1.20 357	1.20 380	1.20 364	1.20 377	1.20 368	1.20 369	1.20 367	1.20 377	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 375

MMNet	0.44 225	1.24 323	0.17 134	0.25 139	0.17 155	0.25 163	0.18 148	1.26 406	0.93 356	0.25 161	0.17 153	0.25 164	0.18 157	0.25 165	0.17 148	0.23 155	0.16 130	0.23 158	0.16 145	1.20 349	0.99 354

FAT-Stereo	2.46 443	26.05 495	1.23 405	1.23 379	1.22 432	1.20 364	1.24 423	1.23 405	1.23 427	1.19 363	1.22 423	1.21 413	1.24 417	1.20 367	1.24 424	1.21 394	1.17 355	1.22 418	1.25 423	1.20 349	1.24 423

CroCo-Stereo	0.73 286	1.22 322	0.25 163	1.22 377	0.25 189	1.22 410	0.25 181	1.22 403	0.25 181	1.22 410	0.25 190	1.22 414	0.25 184	1.22 413	0.25 184	1.22 395	0.26 170	1.21 417	0.25 189	1.22 396	0.25 172
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	2.51 444	26.86 496	1.23 405	1.22 377	1.22 432	1.24 412	1.25 424	1.22 403	1.24 428	1.21 409	1.24 425	1.19 367	1.27 419	1.19 366	1.24 424	1.19 348	1.20 357	1.25 419	1.19 373	1.24 397	1.23 422

CroCo-Stereo Lap2	0.77 293	1.29 325	0.29 176	1.27 381	0.29 208	1.27 413	0.26 189	1.26 406	0.26 194	1.26 411	0.26 196	1.27 415	0.26 193	1.26 414	0.27 190	1.27 397	0.27 175	1.27 420	0.27 201	1.27 398	0.27 185

MM-Stereo_test2	1.20 351	1.85 346	1.05 340	1.46 391	0.94 362	1.36 418	0.99 356	1.36 411	0.95 358	1.41 416	0.98 361	1.40 421	0.96 345	1.37 417	0.95 354	1.37 405	1.06 335	1.33 422	0.93 356	1.29 399	0.89 345

test_xeample3	1.10 345	1.81 344	0.61 287	0.84 282	0.49 301	0.77 319	0.66 318	0.92 328	1.40 437	0.68 312	0.46 287	0.78 325	0.54 306	1.72 425	1.48 435	1.34 401	1.52 421	1.35 425	1.67 442	1.33 400	1.55 438

MaskLacGwcNet_RVC	1.35 403	1.35 329	1.35 411	1.35 386	1.35 434	1.35 416	1.35 428	1.36 411	1.35 433	1.36 414	1.35 429	1.36 417	1.36 424	1.36 416	1.35 429	1.35 402	1.35 411	1.35 425	1.35 426	1.35 401	1.35 431

PS-NSSS	1.38 406	1.39 331	1.34 409	1.34 385	1.35 434	1.38 420	1.37 434	1.35 410	1.38 436	1.34 412	1.34 428	1.39 419	1.38 426	1.70 424	1.40 432	1.36 404	1.36 412	1.36 427	1.37 429	1.37 402	1.36 432

MM-Stereo_test3	1.27 401	2.07 361	1.18 351	1.60 395	1.02 370	1.45 423	1.01 360	1.40 415	1.04 369	1.44 417	1.03 366	1.46 423	1.02 355	1.44 420	1.02 363	1.51 412	1.12 349	1.32 421	0.98 357	1.38 403	0.97 352

CC-Net-ROB	1.36 404	1.33 328	1.33 408	1.36 387	1.38 437	1.36 418	1.33 426	1.37 413	1.34 431	1.35 413	1.36 431	1.38 418	1.34 423	1.38 418	1.38 431	1.35 402	1.38 414	1.33 422	1.35 426	1.43 404	1.34 430

11t	1.27 401	2.70 389	1.34 409	1.32 384	0.89 354	1.30 415	1.34 427	1.64 418	0.57 309	1.45 418	0.72 340	1.05 354	1.29 421	1.07 356	1.29 427	1.49 409	1.02 333	0.97 352	1.15 369	1.48 405	1.31 426

IGEVStereo-DCA	1.77 415	4.21 426	1.84 436	2.49 429	2.11 457	2.54 448	1.36 429	1.65 419	1.17 377	2.75 449	1.90 450	2.54 447	1.15 362	0.94 340	1.11 366	1.50 410	1.32 405	0.96 350	1.46 436	1.49 406	0.88 343

rrr	1.77 415	4.21 426	1.84 436	2.49 429	2.11 457	2.54 448	1.36 429	1.65 419	1.17 377	2.75 449	1.90 450	2.54 447	1.15 362	0.94 340	1.11 366	1.50 410	1.32 405	0.96 350	1.46 436	1.49 406	0.88 343

CFNet-ft	0.55 258	1.57 334	0.14 114	0.20 117	0.14 137	0.20 139	2.53 456	1.61 417	0.14 137	0.20 136	0.14 141	0.20 137	0.14 138	0.20 137	0.14 131	0.17 125	0.12 98	0.17 130	0.12 128	1.56 408	1.24 423

DPSMNet_ROB	1.60 410	1.59 335	1.70 430	1.59 394	1.59 442	1.61 426	1.61 439	1.60 416	1.60 441	1.62 424	1.59 440	1.60 425	1.60 431	1.60 422	1.59 437	1.59 414	1.60 424	1.59 433	1.59 439	1.59 409	1.59 439

ours_stereo	1.20 351	1.21 319	0.90 325	1.64 400	1.11 374	1.35 416	0.67 322	1.76 422	0.93 356	1.70 426	1.10 368	1.39 419	0.75 332	1.41 419	0.81 344	1.60 416	1.03 334	1.33 422	1.00 359	1.61 410	0.72 326

RASNet	1.49 407	1.65 337	1.45 422	1.38 389	1.43 440	1.47 424	1.36 429	1.38 414	1.36 434	1.39 415	1.60 441	1.45 422	1.45 429	1.51 421	2.21 453	1.53 413	1.36 412	1.36 427	1.36 428	1.66 411	1.36 432

RAFT_CTSACE	1.92 420	3.71 413	1.72 432	1.88 403	1.72 446	2.04 434	1.42 438	2.18 432	1.89 453	2.02 432	1.97 454	1.95 430	2.06 443	1.93 428	1.62 438	1.76 419	1.66 428	2.02 439	1.73 448	1.73 412	1.43 437

cf-r	0.66 271	2.17 370	0.12 90	0.18 112	0.12 132	0.18 131	2.70 459	2.60 444	0.12 132	0.18 129	0.12 124	0.18 131	0.12 129	0.18 130	0.12 121	0.15 112	0.11 84	0.15 122	0.11 112	1.81 413	1.74 446

MFMNet_re	1.81 418	1.91 352	1.71 431	1.95 407	1.70 445	1.95 432	1.70 442	1.96 425	1.74 444	1.97 430	1.72 444	1.95 430	1.71 434	1.97 429	1.71 443	1.86 422	1.62 425	1.85 434	1.66 441	1.86 414	1.64 440

GANetREF_RVC	1.55 408	1.94 358	1.22 403	1.88 403	1.21 430	1.88 431	1.22 421	1.88 423	1.22 426	1.88 427	1.22 423	1.88 428	1.22 416	1.89 427	1.22 423	1.87 423	1.22 404	1.88 435	1.22 422	1.88 415	1.22 421
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	1.59 409	1.91 352	1.21 402	1.94 406	1.20 384	2.00 433	1.23 422	1.99 426	1.24 428	2.00 431	1.25 426	2.03 432	1.26 418	2.00 430	1.29 427	1.90 426	1.18 356	1.89 436	1.21 421	1.89 416	1.20 375
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 414	2.96 396	1.37 418	2.14 413	1.37 436	2.14 437	1.36 429	2.14 431	1.37 435	2.14 437	1.37 432	2.14 434	1.37 425	2.14 435	1.37 430	1.97 427	1.32 405	1.97 438	1.32 425	1.98 417	1.33 428

MM-Stereo_test1	1.80 417	3.41 406	1.52 426	2.12 412	1.41 439	2.04 434	1.41 436	2.05 427	1.46 440	2.04 433	1.41 435	2.05 433	1.42 428	2.05 431	1.43 434	2.04 431	1.54 422	1.94 437	1.38 431	1.99 418	1.33 428

TRStereo	2.00 421	2.13 366	1.85 438	2.27 419	1.84 449	2.28 439	1.84 445	2.29 434	1.86 450	2.30 439	1.87 447	2.30 436	1.87 437	2.08 432	1.72 445	2.08 432	1.72 430	2.08 440	1.72 445	2.08 419	1.72 443

XX-Stereo	2.00 421	2.13 366	1.85 438	2.27 419	1.84 449	2.28 439	1.84 445	2.29 434	1.86 450	2.30 439	1.87 447	2.30 436	1.87 437	2.08 432	1.72 445	2.08 432	1.72 430	2.08 440	1.72 445	2.08 419	1.72 443

EAI-Stereo	2.00 421	2.13 366	1.85 438	2.27 419	1.84 449	2.28 439	1.84 445	2.29 434	1.86 450	2.30 439	1.87 447	2.30 436	1.87 437	2.08 432	1.72 445	2.08 432	1.72 430	2.08 440	1.72 445	2.08 419	1.72 443

GANet-RSSM	0.75 288	1.91 352	0.14 114	0.47 220	0.14 137	0.21 147	3.21 476	2.30 438	0.14 137	0.46 249	0.14 141	0.23 155	0.18 157	0.21 148	0.14 131	0.18 133	0.27 175	0.37 221	0.13 136	2.13 422	2.12 449

AIO_rvc	2.18 428	2.34 377	1.87 442	2.32 423	1.94 454	2.40 444	1.89 448	2.37 440	2.07 456	2.52 446	1.95 453	2.44 445	1.99 442	2.41 443	1.89 451	2.32 439	2.09 438	2.24 443	2.18 453	2.21 423	2.23 452

HUF	2.18 428	2.30 376	1.99 445	2.34 424	2.02 456	2.41 445	2.06 450	2.38 441	1.89 453	2.36 443	1.85 446	2.56 449	1.98 441	2.31 441	1.97 452	2.30 437	2.03 437	2.30 445	2.11 452	2.23 424	2.16 450

AIO_test	2.18 428	2.09 364	2.04 446	2.42 426	2.01 455	2.47 446	1.94 449	2.34 439	2.03 455	2.56 447	1.94 452	2.43 444	1.94 440	2.41 443	1.87 450	2.39 442	2.10 439	2.35 447	1.91 451	2.25 425	2.19 451

NCCL2	2.28 433	2.27 374	2.28 448	2.28 422	2.28 459	2.27 438	2.29 454	2.28 433	2.28 457	2.27 438	2.28 459	2.28 435	2.27 447	2.27 439	2.28 458	2.28 435	2.28 444	2.27 444	2.29 457	2.27 426	2.29 453

ccnet	0.80 299	2.28 375	0.33 195	0.50 236	0.33 234	0.50 283	0.33 222	0.50 270	0.33 227	0.49 267	0.33 229	0.49 271	1.56 430	2.38 442	0.33 223	0.41 234	0.29 189	0.42 264	1.57 438	2.28 427	0.29 203

STTStereo	3.73 459	30.40 502	2.37 452	2.39 425	2.31 461	2.35 442	2.33 455	2.29 434	2.42 458	2.32 442	2.34 460	2.33 439	2.36 448	2.30 440	2.27 457	2.35 440	2.22 443	2.31 446	2.22 454	2.29 428	2.34 457

FBW_ROB	2.12 427	2.46 381	1.77 434	2.49 429	1.79 448	2.38 443	1.83 444	2.46 442	1.78 446	2.48 444	1.97 454	2.40 443	1.78 435	2.42 445	1.83 449	2.31 438	1.85 436	2.38 448	1.82 450	2.35 429	1.84 447

UDGNet	2.23 431	5.40 444	1.72 432	2.48 428	1.69 444	2.51 447	1.69 441	2.51 443	1.72 443	2.50 445	1.69 443	2.52 446	1.69 433	2.50 446	1.68 442	2.41 443	1.70 429	2.42 449	1.69 444	2.42 430	1.64 440

GES	0.66 271	2.34 377	0.29 176	0.41 201	0.29 208	0.41 231	0.29 203	0.42 240	0.29 206	0.40 210	0.41 271	0.41 231	0.30 218	0.51 286	0.29 205	0.32 184	0.29 189	0.32 186	2.46 459	2.49 431	0.30 213

PSMNet-RSSM	0.77 293	2.76 390	0.14 114	0.20 117	0.14 137	0.20 139	2.66 457	2.79 447	0.14 137	0.21 146	0.14 141	0.21 145	0.14 138	0.20 137	0.14 131	0.17 125	0.12 98	0.17 130	0.12 128	2.52 432	2.31 454

GwcNet-RSSM	0.77 293	2.77 392	0.14 114	0.20 117	0.14 137	0.20 139	2.67 458	2.78 446	0.14 137	0.20 136	0.14 141	0.20 137	0.14 138	0.21 148	0.14 131	0.17 125	0.12 98	0.17 130	0.12 128	2.52 432	2.31 454

hitnet-ft	0.79 297	2.78 393	0.14 114	0.20 117	0.14 137	0.21 147	2.89 460	2.80 448	0.14 137	0.20 136	0.14 141	0.20 137	0.14 138	0.20 137	0.14 131	0.17 125	0.12 98	0.17 130	0.12 128	2.54 434	2.33 456

PDISCO_ROB	0.83 312	2.80 394	3.49 470	0.14 88	0.11 117	0.17 128	0.09 95	0.15 121	0.10 100	0.15 115	0.12 124	0.16 120	0.14 138	3.30 454	0.13 127	0.14 103	2.34 445	0.16 125	0.12 128	2.62 435	0.10 96

sCroCo_RVC	2.10 425	2.76 390	1.92 443	2.78 433	1.39 438	2.73 450	1.41 436	2.73 445	1.40 437	2.77 451	1.41 435	2.74 450	1.40 427	2.74 449	1.40 432	2.72 444	1.42 416	2.72 450	1.44 435	2.79 436	1.42 436

NLCA_NET_v2_RVC	5.04 484	50.87 512	2.78 454	2.87 434	2.71 462	2.78 451	0.47 286	2.88 449	2.86 462	1.89 428	2.67 461	2.79 451	2.79 452	2.78 450	2.83 459	2.82 445	2.82 447	2.83 451	2.77 460	2.83 437	2.76 461
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	1.88 419	3.16 401	0.64 291	3.10 435	0.65 330	3.10 453	0.64 315	3.12 451	0.65 320	3.10 452	0.65 327	3.11 452	0.65 315	3.12 451	0.65 317	3.12 447	0.65 295	3.13 452	0.65 323	3.13 438	0.65 315

UniTT-Stereo	2.03 424	3.43 407	0.72 306	3.42 439	0.73 343	3.27 456	0.68 323	3.38 455	0.69 327	3.29 455	0.72 340	3.28 455	0.70 324	3.35 456	0.68 325	3.39 449	0.68 297	3.31 454	0.69 331	3.37 439	0.73 329

DPSNet	3.66 458	3.60 409	3.62 472	3.63 443	3.64 480	3.65 459	3.65 479	3.66 458	3.67 477	3.67 457	3.65 478	3.67 458	3.66 468	3.66 457	3.68 475	3.68 452	3.66 462	3.67 458	3.68 478	3.67 440	3.67 477

RAStereo	2.23 431	3.64 410	0.76 312	3.65 444	0.86 352	3.66 460	0.76 335	3.67 459	0.81 347	3.66 456	0.76 345	3.66 457	0.77 334	3.68 458	0.77 338	3.68 452	0.77 313	3.69 459	0.77 340	3.70 441	0.77 335

SA	4.33 473	7.35 456	6.85 488	5.96 470	4.09 484	3.59 458	3.15 475	3.82 460	2.64 459	3.91 458	3.85 479	3.57 456	2.72 451	3.13 452	4.03 480	7.09 487	6.86 482	3.57 456	3.12 469	3.85 442	3.51 476

ssnet_v2	0.68 276	1.96 359	1.25 407	0.29 150	0.20 168	0.30 177	0.20 155	0.29 171	0.22 168	1.50 419	0.20 168	0.31 185	0.20 166	0.27 178	0.22 168	0.24 160	1.49 420	0.26 169	0.18 165	3.90 443	0.19 152

TestStereo1	4.60 475	8.41 463	6.44 485	6.86 475	3.79 481	3.97 462	3.78 480	3.99 462	3.74 478	3.97 459	3.52 476	3.94 461	3.58 466	3.98 461	3.72 476	6.82 484	6.50 480	3.76 460	3.66 476	3.90 443	3.74 480

SA-5K	4.60 475	8.41 463	6.44 485	6.86 475	3.79 481	3.97 462	3.78 480	3.99 462	3.74 478	3.97 459	3.52 476	3.94 461	3.58 466	3.98 461	3.72 476	6.82 484	6.50 480	3.76 460	3.66 476	3.90 443	3.74 480

test_4	4.88 481	8.13 461	6.98 489	7.46 478	4.44 486	4.25 465	3.85 482	4.04 464	3.92 481	4.13 461	3.91 480	4.18 464	3.84 471	4.14 463	4.06 481	7.01 486	7.13 483	4.53 464	3.72 479	4.09 446	3.72 478

test_3	5.01 483	8.86 468	7.77 491	8.09 480	2.76 463	4.13 464	4.05 484	3.88 461	3.76 480	4.33 463	4.13 483	3.71 459	3.91 472	4.21 464	4.06 481	7.93 488	7.69 485	4.53 464	3.91 481	4.17 447	4.29 486

RAFT+CT+SA	4.28 472	7.62 459	4.91 477	5.55 467	2.28 459	3.09 452	3.64 478	4.49 466	3.07 468	4.80 478	3.35 475	4.77 480	3.70 469	4.29 465	3.05 462	5.58 476	5.98 477	3.58 457	3.78 480	4.26 448	3.72 478

test_5	4.62 478	7.55 458	6.23 483	6.32 472	3.40 478	5.29 484	3.50 477	3.53 457	4.11 483	4.28 462	4.47 486	4.26 465	4.38 478	3.68 458	3.24 472	5.89 478	5.60 474	4.84 479	3.50 474	4.33 449	3.93 484

Sa-1000	4.34 474	8.37 462	6.84 487	6.98 477	4.45 487	3.58 457	3.00 461	3.42 456	3.39 476	2.61 448	4.00 482	3.83 460	4.01 475	3.90 460	3.90 478	5.98 480	5.62 475	3.76 460	2.34 458	4.35 450	2.47 460

cross-raft	4.83 480	7.52 457	6.43 484	6.63 473	3.96 483	4.51 467	3.99 483	4.49 466	3.96 482	4.52 465	3.96 481	4.50 466	3.97 474	4.50 467	3.97 479	6.65 482	6.44 479	4.33 463	3.92 482	4.35 450	3.91 483

sAnonymous2	3.31 456	2.63 384	1.38 419	3.71 445	1.86 452	4.70 479	1.11 365	4.82 480	2.72 460	5.45 483	1.98 456	4.59 471	2.64 449	2.65 447	6.21 489	4.37 454	1.08 340	5.16 482	2.24 455	4.52 452	2.39 458

CroCo_RVC	3.31 456	2.63 384	1.38 419	3.71 445	1.86 452	4.70 479	1.11 365	4.82 480	2.72 460	5.45 483	1.98 456	4.59 471	2.64 449	2.65 447	6.21 489	4.37 454	1.08 340	5.16 482	2.24 455	4.52 452	2.39 458

rvit_105_1	3.83 460	5.22 438	3.01 456	4.53 450	3.01 464	4.51 467	3.01 462	4.56 468	3.04 463	4.53 467	3.03 464	4.55 469	3.03 453	4.56 468	3.04 460	4.57 459	3.05 449	4.57 466	3.05 461	4.57 454	3.05 462

rvit_0105_6	3.87 464	5.73 450	3.10 466	4.69 460	3.12 474	4.54 469	3.02 463	4.56 468	3.04 463	4.54 469	3.03 464	4.54 467	3.04 456	4.56 468	3.05 462	4.58 462	3.05 449	4.58 468	3.05 461	4.58 455	3.05 462

rvit_stereo_0081	3.83 460	5.23 439	3.01 456	4.53 450	3.03 466	4.55 473	3.02 463	4.56 468	3.04 463	4.52 465	3.02 462	4.54 467	3.03 453	4.56 468	3.04 460	4.57 459	3.05 449	4.57 466	3.05 461	4.58 455	3.05 462

rvit_stereo_0082	3.86 462	5.82 451	3.01 456	4.53 450	3.03 466	4.54 469	3.02 463	4.56 468	3.04 463	4.53 467	3.02 462	4.55 469	3.04 456	4.57 471	3.05 462	4.57 459	3.05 449	4.58 468	3.05 461	4.58 455	3.06 465

rvit_stereo_0081_aga	3.86 462	5.33 442	3.02 459	4.55 456	3.04 470	4.54 469	3.02 463	4.64 475	3.06 467	4.54 469	3.04 466	4.62 476	3.08 460	4.62 474	3.07 465	4.58 462	3.06 453	4.60 470	3.08 465	4.63 458	3.07 466

rvit_stereo_0080	3.89 465	5.70 448	3.04 461	4.54 453	3.03 466	4.56 474	3.05 469	4.60 472	3.07 468	4.58 472	3.06 467	4.59 471	3.06 458	4.61 472	3.08 466	4.63 464	3.09 454	4.64 472	3.10 466	4.65 459	3.10 467

whm_eth	3.89 465	5.70 448	3.04 461	4.54 453	3.03 466	4.56 474	3.05 469	4.60 472	3.07 468	4.58 472	3.06 467	4.59 471	3.06 458	4.61 472	3.08 466	4.63 464	3.09 454	4.64 472	3.10 466	4.65 459	3.10 467

rvit_stereo_0083	3.92 469	5.30 441	3.06 464	4.61 459	3.09 473	4.67 478	3.08 472	4.66 476	3.09 472	4.62 475	3.10 472	4.66 479	3.11 462	4.67 476	3.16 471	4.72 469	3.16 459	4.77 477	3.11 468	4.66 461	3.11 469

rvit_stereo_ft	3.93 470	5.44 446	3.05 463	4.59 457	3.06 471	4.61 477	3.08 472	4.67 477	3.12 473	4.63 476	3.10 472	4.65 478	3.11 462	4.69 478	3.13 470	4.70 467	3.14 458	4.71 476	3.15 470	4.74 462	3.16 471

rvit_0105_3	3.91 467	5.33 442	3.06 464	4.60 458	3.07 472	4.60 476	3.06 471	4.62 474	3.08 471	4.60 474	3.07 470	4.62 476	3.08 460	4.67 476	3.10 469	4.70 467	3.11 456	4.77 477	3.19 472	4.77 463	3.14 470

rvit_0105_4	3.91 467	5.47 447	3.02 459	4.54 453	3.02 465	4.54 469	3.03 467	4.75 478	3.17 474	4.57 471	3.06 467	4.61 475	3.16 464	4.65 475	3.09 468	4.66 466	3.11 456	4.68 475	3.18 471	4.81 464	3.16 471

CFNet	1.37 405	5.27 440	0.19 142	5.49 466	0.19 166	0.28 174	0.19 152	0.28 167	0.19 160	0.28 171	0.19 164	0.28 175	4.35 477	0.28 180	0.19 160	0.23 155	0.17 143	0.23 158	4.21 485	4.81 464	0.17 146

raft_robust	4.71 479	7.75 460	5.40 482	6.81 474	3.31 476	4.28 466	4.20 485	4.32 465	4.37 486	4.35 464	4.35 485	4.14 463	3.75 470	4.30 466	4.20 483	6.67 483	6.37 478	3.36 455	4.24 486	4.86 466	3.25 473

Anonymous3	2.55 445	3.26 404	1.65 428	3.28 438	1.63 443	3.24 455	1.68 440	3.27 453	1.66 442	3.28 454	1.67 442	3.25 454	1.66 432	3.27 453	1.64 439	3.26 448	1.65 427	3.30 453	1.65 440	4.95 467	1.65 442

TestStereo	4.88 481	4.75 431	4.79 476	4.87 463	4.92 488	4.81 483	4.90 488	4.78 479	4.77 487	4.87 479	4.89 487	4.90 482	4.91 480	4.99 481	4.79 485	4.98 470	4.87 471	4.87 480	4.92 488	5.00 468	5.00 487

rvit_0105_5	4.10 471	5.40 444	3.13 469	4.71 461	3.15 475	4.72 481	3.10 474	4.90 482	3.27 475	4.69 477	3.16 474	4.84 481	3.25 465	4.96 480	3.34 473	5.05 472	3.39 461	5.10 481	3.40 473	5.11 469	3.42 474

FC-DCNN v2	5.10 485	5.15 436	4.49 475	5.07 465	3.37 477	6.87 488	4.75 487	5.04 483	6.34 491	7.84 491	5.06 488	6.72 491	4.09 476	4.99 481	5.44 488	5.03 471	3.16 459	4.67 474	4.86 487	5.15 470	3.89 482

DISCO	1.11 347	0.39 135	5.28 480	0.39 178	0.20 168	0.39 214	0.27 192	0.39 205	0.22 168	0.38 201	0.20 168	0.38 209	0.20 166	6.95 490	0.22 168	0.30 180	0.21 156	0.27 173	0.21 168	5.25 471	0.21 156

MaDis-Stereo	3.19 455	6.02 453	1.12 343	5.61 468	1.16 380	5.43 485	1.02 362	5.15 484	0.70 330	5.43 482	1.21 422	5.03 484	0.97 346	4.85 479	0.99 358	4.53 457	1.16 352	5.53 484	1.25 423	5.37 472	1.30 425

DispFullNet	4.61 477	4.84 432	3.12 467	5.00 464	3.57 479	4.75 482	3.03 467	7.75 491	4.17 484	4.91 480	3.09 471	6.20 487	3.95 473	6.71 487	3.51 474	5.30 475	3.67 463	5.86 488	3.63 475	5.61 473	3.46 475

StereoVision	3.15 454	5.00 434	0.89 322	4.83 462	1.00 365	3.93 461	1.27 425	6.37 485	1.34 431	5.67 485	1.26 427	5.84 486	1.27 419	5.03 483	1.24 424	5.10 474	1.09 342	4.61 471	0.57 314	5.62 474	1.12 366

SGM-Forest	5.21 487	5.92 452	4.08 474	6.18 471	4.16 485	6.31 487	4.34 486	6.50 486	4.33 485	6.14 487	4.21 484	6.61 490	4.55 479	6.67 486	4.48 484	5.94 479	3.94 465	5.85 487	4.03 484	5.79 475	4.17 485
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)	2.58 446	3.31 405	0.66 295	3.18 436	0.66 333	3.18 454	0.66 318	3.21 452	0.67 323	3.19 453	0.66 329	3.19 453	0.66 318	3.31 455	0.68 325	5.09 473	1.79 434	8.23 492	1.67 442	6.18 476	1.38 434

RAFT	6.73 490	9.36 471	7.40 490	8.51 483	6.55 492	6.88 489	6.60 492	6.79 487	6.60 492	6.80 488	6.72 494	5.31 485	5.50 483	6.61 485	6.61 492	8.42 490	5.89 476	5.73 485	5.45 492	6.61 477	6.24 491

gwcnet-sp	0.82 308	1.72 339	1.48 423	0.39 178	0.15 148	0.31 180	0.21 161	0.20 137	0.25 181	1.61 421	0.23 178	0.28 175	0.26 193	0.20 137	0.15 141	0.24 160	1.33 408	0.32 186	0.16 145	6.75 478	0.23 161

scenet	0.82 308	1.72 339	1.48 423	0.39 178	0.15 148	0.31 180	0.21 161	0.20 137	0.25 181	1.61 421	0.23 178	0.28 175	0.26 193	0.20 137	0.15 141	0.24 160	1.33 408	0.32 186	0.16 145	6.75 478	0.23 161

ssnet	0.82 308	1.72 339	1.48 423	0.39 178	0.15 148	0.31 180	0.21 161	0.20 137	0.25 181	1.61 421	0.23 178	0.28 175	0.26 193	0.20 137	0.15 141	0.24 160	1.33 408	0.32 186	0.16 145	6.75 478	0.23 161

test-1	6.46 488	9.16 470	8.03 494	8.09 480	5.62 491	6.11 486	6.35 491	6.85 488	4.94 488	6.08 486	6.29 493	4.98 483	6.43 485	6.22 484	6.36 491	6.16 481	7.47 484	5.82 486	5.44 491	7.11 481	5.68 490

test-v	7.53 492	11.89 479	7.98 492	9.36 486	7.14 493	7.06 490	7.09 493	7.37 489	6.91 493	7.29 489	5.71 491	6.45 488	6.93 486	6.73 488	7.27 493	8.93 493	7.85 486	6.98 489	6.80 493	7.56 482	7.34 493

test-2	7.53 492	11.89 479	7.98 492	9.36 486	7.14 493	7.06 490	7.09 493	7.37 489	6.91 493	7.29 489	5.71 491	6.45 488	6.93 486	6.73 488	7.27 493	8.93 493	7.85 486	6.98 489	6.80 493	7.56 482	7.34 493

rvit_stereo_0075_2	6.64 489	8.80 467	5.25 479	7.89 479	5.27 490	7.90 492	5.27 489	7.92 492	5.28 489	7.91 492	5.29 490	7.93 492	5.27 481	7.92 492	5.28 486	7.93 488	5.28 473	7.93 491	5.29 490	7.93 484	5.28 489

CFNet_RVC	2.38 441	8.71 466	0.38 219	9.33 485	0.42 282	0.56 297	0.42 273	0.60 293	0.38 253	0.62 303	0.42 278	0.56 300	7.29 489	0.62 302	0.42 274	0.53 278	0.37 217	0.49 290	0.34 243	8.30 485	6.87 492

MSMDNet	2.65 447	10.14 477	0.33 195	9.74 488	0.32 223	0.87 329	0.33 222	2.95 450	0.68 324	0.49 267	0.34 236	0.49 271	5.70 484	0.49 273	0.33 223	0.42 248	9.57 489	0.41 254	0.31 230	8.36 486	0.65 315

U	5.15 486	8.49 465	1.81 435	8.49 482	1.77 447	8.49 493	1.77 443	8.51 493	1.77 445	8.49 493	1.77 445	8.50 493	1.78 435	8.58 493	1.77 448	8.54 491	1.78 433	8.55 493	1.78 449	8.55 487	1.84 447

SGM+DAISY	7.06 491	9.15 469	5.38 481	8.84 484	5.18 489	8.80 494	5.31 490	8.79 494	5.28 489	8.89 494	5.20 489	8.93 494	5.33 482	8.95 494	5.36 487	8.70 492	5.21 472	8.74 494	5.20 489	8.89 488	5.15 488

pcwnet_v2	2.66 448	9.89 475	0.33 195	9.89 489	0.32 223	0.50 283	0.32 213	0.49 262	0.33 227	0.49 267	0.34 236	0.49 271	8.76 491	0.48 267	0.33 223	0.41 234	9.58 490	0.40 242	0.29 214	9.01 489	0.63 313

ccs_rob	2.79 452	10.17 478	0.32 190	10.00 491	0.33 234	0.49 275	0.33 222	1.90 424	0.32 222	0.51 283	0.33 229	0.49 271	9.24 493	0.49 273	0.33 223	0.41 234	9.82 492	0.41 254	0.28 205	9.34 490	0.29 203

PCWNet_CMD	2.80 453	9.82 474	0.32 190	10.09 492	0.32 223	0.49 275	0.33 222	3.34 454	0.33 227	0.49 267	0.33 229	0.49 271	8.73 490	0.48 267	0.33 223	0.41 234	9.22 488	0.42 264	0.29 214	9.55 491	0.31 218

UCFNet_RVC	2.75 451	10.06 476	0.29 176	10.31 493	0.29 208	0.42 249	0.29 203	0.43 244	0.29 206	0.42 235	0.29 209	0.42 247	9.87 494	0.43 248	0.29 205	0.36 202	9.84 493	0.36 219	0.26 195	9.77 492	0.26 178

CFNet_pseudo	2.67 449	9.36 471	0.32 190	10.99 494	0.33 234	0.85 327	0.33 222	0.49 262	0.33 227	0.49 267	0.32 224	0.49 271	7.26 488	0.49 273	0.33 223	0.41 234	9.62 491	0.41 254	0.29 214	10.03 493	0.29 203

CFNet_ucs	2.73 450	9.64 473	0.33 195	9.92 490	0.32 223	0.49 275	0.33 222	0.49 262	0.33 227	0.49 267	0.33 229	0.49 271	8.98 492	0.48 267	0.33 223	0.41 234	9.96 494	0.40 242	0.29 214	10.12 494	0.54 299

rafts_anoy	20.00 496	20.00 481	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496

raft+_RVC	20.00 496	20.00 481	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496

raftrobust	20.00 496	20.00 481	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496

CasAABBNet	20.00 496	20.00 481	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496

RALCasStereoNet	20.00 496	20.00 481	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496

RALAANet	20.00 496	20.00 481	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 496

MANE	19.05 495	23.00 487	15.00 495	23.00 501	15.00 495	24.00 501	16.00 495	24.00 501	16.00 495	22.00 501	15.00 495	23.00 501	16.00 495	23.00 501	15.00 495	22.00 501	15.00 495	22.00 501	15.00 495	22.00 501	15.00 495

111	30.40 502	30.94 503	29.72 503	32.61 502	30.02 503	33.57 502	30.47 503	31.50 502	29.39 503	30.98 502	29.11 503	29.78 502	30.39 506	29.45 502	30.76 506	30.08 502	29.02 503	29.92 502	30.32 506	29.86 502	30.17 503

tt	500032.53 520	34.60 505	29.72 503	37.47 511	34.41 508	36.85 508	35.22 508	34.71 506	33.55 505	34.50 503	35.43 507	33.81 506	10000000.00 523	33.57 506	33.13 507	33.68 506	35.00 508	34.03 507	35.26 509	30.96 503	34.63 508

DCANet	500032.53 520	34.60 505	29.72 503	37.47 511	34.41 508	36.85 508	35.22 508	34.71 506	33.55 505	34.50 503	35.43 507	33.81 506	10000000.00 523	33.57 506	33.13 507	33.68 506	35.00 508	34.03 507	35.26 509	30.96 503	34.63 508

ADStereo(finetuned)	36.13 505	36.63 508	38.07 513	36.97 507	33.25 507	35.91 507	34.45 507	36.36 509	32.99 504	38.14 513	36.71 510	36.69 509	34.13 507	38.57 513	40.79 513	37.60 513	36.58 510	35.90 510	33.36 507	35.42 505	34.04 507

DCANet-4	35.22 504	34.54 504	35.08 509	33.58 506	35.47 510	34.55 503	35.53 510	36.08 508	35.85 507	35.92 508	35.77 509	35.18 508	35.48 508	35.39 508	37.15 512	34.55 508	33.92 507	35.02 509	34.90 508	35.79 506	34.74 510

Reg-Stereo(zero)	37.00 506	37.00 509	37.00 510	37.00 508	37.00 511	37.00 510	37.00 511	37.00 510	37.00 508	37.00 509	37.00 511	37.00 510	37.00 509	37.00 509	37.00 509	37.00 510	37.00 511	37.00 511	37.00 511	37.00 507	37.00 511

HI	37.00 506	37.00 509	37.00 510	37.00 508	37.00 511	37.00 510	37.00 511	37.00 510	37.00 508	37.00 509	37.00 511	37.00 510	37.00 509	37.00 509	37.00 509	37.00 510	37.00 511	37.00 511	37.00 511	37.00 507	37.00 511

CoSv	37.00 506	37.00 509	37.00 510	37.00 508	37.00 511	37.00 510	37.00 511	37.00 510	37.00 508	37.00 509	37.00 511	37.00 510	37.00 509	37.00 509	37.00 509	37.00 510	37.00 511	37.00 511	37.00 511	37.00 507	37.00 511

WCMA_ROB	31.10 503	35.43 507	27.12 502	39.51 513	23.10 502	38.78 513	25.30 502	37.49 513	25.39 502	37.29 512	27.02 502	38.52 513	26.48 502	37.80 512	26.44 502	36.28 509	22.65 502	33.90 506	22.30 502	37.10 510	24.18 502

NOSS_ROB	102.95 510	153.00 517	121.00 517	51.00 514	44.00 514	165.00 517	127.00 516	153.00 516	119.00 513	164.00 517	125.00 516	168.00 517	120.00 514	153.00 516	117.00 516	49.00 514	44.00 514	49.00 514	44.00 514	49.00 511	44.00 514

CBMV	128.50 511	1422.70 524	53.10 515	79.50 515	51.30 515	77.30 515	49.70 514	74.00 514	48.20 512	77.20 515	48.80 515	73.90 515	48.00 513	73.80 515	48.80 515	70.40 515	45.10 515	68.90 515	46.10 515	68.20 512	45.00 515
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 509	87.70 513	41.95 514	113.75 516	65.62 516	75.05 514	55.25 515	75.64 515	45.04 511	71.61 514	41.75 514	72.81 514	44.06 512	68.38 514	44.63 514	101.89 516	59.57 516	107.10 516	61.05 516	104.38 513	59.38 516

MeshStereo	159.24 512	171.00 518	160.68 520	162.58 517	160.59 517	164.01 516	160.35 517	158.51 517	158.56 514	158.34 516	160.12 517	158.56 516	159.92 515	157.26 517	158.94 517	154.38 517	158.36 517	155.75 517	159.13 518	153.67 514	154.07 517
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	201.80 513	123.00 514	115.00 516	219.00 518	218.00 519	223.00 518	244.00 519	217.00 518	236.00 516	202.00 518	203.00 518	205.00 518	208.00 516	225.00 518	204.00 518	210.00 518	198.00 518	197.00 518	184.00 519	204.00 515	201.00 518

MGS-Stereo	239.45 514	123.00 514	135.00 518	266.00 519	286.00 520	277.00 519	305.00 520	271.00 519	242.00 517	274.00 519	279.00 520	255.00 519	270.00 518	268.00 519	297.00 520	221.00 519	247.00 520	216.00 519	123.00 517	217.00 516	217.00 520

EGLCR-Stereo	246.90 515	129.00 516	139.00 519	266.00 519	286.00 520	277.00 519	305.00 520	271.00 519	242.00 517	274.00 519	279.00 520	255.00 519	270.00 518	268.00 519	297.00 520	230.00 520	247.00 520	216.00 519	223.00 521	237.00 517	227.00 521

DLCB_ROB	284.23 516	354.61 520	207.27 521	363.24 521	206.46 518	364.72 521	210.41 518	364.72 521	210.41 515	364.81 521	208.64 519	364.81 521	208.64 517	364.72 521	210.41 519	354.70 521	205.53 519	354.70 521	205.53 520	354.70 518	205.53 519

LE_ROB	396.57 517	471.28 521	329.84 522	471.48 522	308.15 522	526.83 522	322.10 522	488.15 522	323.76 519	495.46 522	317.97 522	497.17 522	320.10 520	481.62 522	326.76 522	462.71 522	298.97 522	466.16 522	285.98 522	447.62 519	289.21 522

SGM-ForestM	596.69 518	677.77 522	444.52 523	699.85 523	517.25 523	732.94 523	488.29 523	770.79 523	460.11 520	750.81 523	487.98 523	792.79 523	499.41 521	730.90 523	475.81 523	720.03 523	491.16 523	663.96 523	418.60 523	674.76 520	436.05 523

CBMV_ROB	818.48 519	913.88 523	709.52 524	862.84 524	597.78 524	1073.99 524	700.52 524	1015.66 524	702.59 521	1115.65 524	760.02 524	1130.24 524	721.57 522	1037.41 524	692.65 524	814.05 524	564.29 524	843.28 524	595.31 524	915.51 521	602.92 524

IGEV-Stereo++	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 523	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

IGEV-BASED-STEREO-	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 523	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

IGEV-Stereo+	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 523	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

SDNR	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 523	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

anonymousdsp2	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 523	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

anonymousdsp	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 523	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

fff	1000028.16 522	29.62 499	29.72 503	32.61 502	30.02 503	35.13 504	31.83 504	32.07 503	10000000.00 522	35.27 505	29.82 504	32.45 503	30.15 503	32.35 503	30.09 503	31.04 503	29.55 504	30.64 503	30.14 503	10000000.00 522	30.77 504

csc	1000028.16 522	29.62 499	29.72 503	32.61 502	30.02 503	35.13 504	31.83 504	32.07 503	10000000.00 522	35.27 505	29.82 504	32.45 503	30.15 503	32.35 503	30.09 503	31.04 503	29.55 504	30.64 503	30.14 503	10000000.00 522	30.77 504

cscssc	1000028.16 522	29.62 499	29.72 503	32.61 502	30.02 503	35.13 504	31.83 504	32.07 503	10000000.00 522	35.27 505	29.82 504	32.45 503	30.15 503	32.35 503	30.09 503	31.04 503	29.55 504	30.64 503	30.14 503	10000000.00 522	30.77 504

test_example2	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 523	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525

DIP-Stereo	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 523	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 525
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