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

S2M2_XL	0.46 1	0.41 12	1.09 24	0.65 23	0.34 9	0.29 1	0.23 2	0.67 1	0.50 1	0.53 8	0.92 53	0.65 57	0.53 23	0.54 1	0.50 29	0.28 149	0.24 257	0.25 81	0.21 99	0.23 42	0.22 60

FoundationStereo	0.50 2	0.39 4	1.11 35	0.79 80	0.42 59	0.70 4	0.36 20	0.76 2	0.80 20	0.62 26	0.38 5	0.73 81	0.77 93	0.69 2	0.36 2	0.26 97	0.17 39	0.23 28	0.16 12	0.18 1	0.20 19

LGtest1	0.55 3	0.41 12	1.14 45	0.70 39	0.40 46	0.99 9	0.26 4	1.32 9	0.93 34	0.53 8	0.60 15	0.44 26	0.49 19	1.02 37	0.45 15	0.27 112	0.19 97	0.23 28	0.16 12	0.21 26	0.23 71

MLG-Stereo_test3	0.60 4	0.37 2	1.12 38	0.59 3	0.57 159	2.19 100	0.31 8	1.68 38	0.56 2	0.49 3	0.51 10	0.56 41	0.33 1	0.96 29	0.54 40	0.21 27	0.17 39	0.23 28	0.16 12	0.20 16	0.21 46

LG-Stereo_L1	0.61 5	0.47 40	1.10 28	0.73 55	0.49 112	1.72 64	0.33 12	1.95 63	0.65 3	0.56 11	0.40 6	0.40 11	0.43 9	1.40 120	0.42 7	0.23 47	0.19 97	0.23 28	0.18 47	0.21 26	0.19 5

MonSter	0.62 6	0.43 17	1.07 10	0.66 31	0.82 269	1.13 14	0.39 24	2.57 142	0.92 33	0.58 18	0.64 16	0.36 3	0.35 3	0.95 25	0.43 11	0.15 1	0.15 21	0.20 1	0.17 27	0.21 26	0.19 5

LG-Stereo_L2	0.63 7	0.46 28	1.15 47	0.70 39	0.43 65	2.32 109	0.28 5	1.86 52	0.68 4	0.56 11	0.42 7	0.37 5	0.45 12	1.36 115	0.40 5	0.23 47	0.18 67	0.22 14	0.18 47	0.21 26	0.20 19

S2M2	0.64 8	0.55 100	1.07 10	0.89 146	0.54 136	1.08 11	0.20 1	1.16 7	1.37 81	0.59 19	0.81 38	0.86 111	0.47 14	0.70 3	0.65 65	0.31 230	0.33 365	0.27 138	0.27 230	0.36 257	0.31 203

SGD-Stereo	0.65 9	0.41 12	1.06 8	0.85 125	0.31 4	2.44 119	0.46 54	1.09 5	0.69 5	0.84 95	0.52 11	0.55 39	0.53 23	1.49 143	0.46 17	0.31 230	0.14 11	0.25 81	0.18 47	0.23 42	0.20 19

4.5_new	0.67 10	0.46 28	1.11 35	0.63 12	0.78 252	1.97 82	0.51 68	2.18 81	0.78 15	0.73 54	0.90 49	0.42 19	0.49 19	0.81 9	0.49 23	0.21 27	0.14 11	0.26 110	0.19 68	0.22 37	0.20 19

4.5w-stereo	0.67 10	0.46 28	1.11 35	0.63 12	0.78 252	1.97 82	0.51 68	2.18 81	0.77 12	0.73 54	0.90 49	0.42 19	0.49 19	0.81 9	0.49 23	0.21 27	0.14 11	0.26 110	0.19 68	0.22 37	0.20 19

4w-stereo	0.67 10	0.49 56	1.07 10	0.63 12	0.75 241	1.63 62	0.44 47	2.23 90	0.77 12	0.56 11	0.92 53	0.40 11	0.82 114	1.08 46	0.53 38	0.18 14	0.13 1	0.25 81	0.18 47	0.19 4	0.20 19

dual_stereo	0.68 13	0.40 7	1.05 5	0.64 16	0.37 28	0.84 7	0.34 16	3.40 247	1.03 44	0.50 4	0.46 9	0.58 42	0.40 5	1.85 211	0.49 23	0.23 47	0.17 39	0.21 9	0.16 12	0.20 16	0.19 5

3.25w_new	0.69 14	0.46 28	1.10 28	0.61 6	0.61 178	2.23 103	0.51 68	2.45 117	0.90 29	0.63 29	0.78 31	0.47 31	0.71 70	0.78 6	0.50 29	0.17 4	0.14 11	0.20 1	0.17 27	0.20 16	0.20 19

3.25w	0.69 14	0.46 28	1.10 28	0.61 6	0.61 178	2.23 103	0.51 68	2.45 117	0.90 29	0.63 29	0.78 31	0.47 31	0.71 70	0.79 7	0.50 29	0.17 4	0.14 11	0.20 1	0.17 27	0.20 16	0.20 19

asd	0.70 16	0.45 21	1.10 28	0.67 35	0.90 302	2.88 153	0.43 43	1.64 34	0.79 18	0.68 44	0.88 45	0.43 21	0.74 81	0.85 13	0.49 23	0.19 19	0.13 1	0.24 58	0.17 27	0.22 37	0.20 19

IGEV	0.70 16	0.36 1	1.07 10	0.71 44	1.31 413	2.82 146	0.41 34	1.76 44	0.98 41	0.73 54	0.71 19	0.35 2	0.42 8	0.90 19	0.42 7	0.18 14	0.18 67	0.22 14	0.18 47	0.18 1	0.20 19

LG-G_1	0.70 16	0.40 7	1.12 38	0.71 44	0.30 2	2.80 144	0.40 28	2.21 86	0.78 15	0.59 19	0.55 12	0.51 34	0.58 33	1.24 86	0.49 23	0.24 61	0.18 67	0.23 28	0.15 4	0.21 26	0.21 46

LG-G	0.70 16	0.40 7	1.12 38	0.71 44	0.30 2	2.80 144	0.40 28	2.21 86	0.78 15	0.59 19	0.55 12	0.51 34	0.58 33	1.24 86	0.49 23	0.24 61	0.18 67	0.23 28	0.15 4	0.21 26	0.21 46

DEFOM-Stereo	0.70 16	0.46 28	1.13 43	0.72 52	0.48 105	3.40 229	0.44 47	0.90 3	0.77 12	0.86 98	0.58 14	0.45 29	0.43 9	1.76 193	0.43 11	0.24 61	0.18 67	0.22 14	0.16 12	0.21 26	0.20 19

3w_stereo	0.71 21	0.47 40	1.14 45	0.65 23	0.39 42	1.73 66	0.68 150	2.79 178	0.79 18	0.67 42	0.84 40	0.37 5	1.02 167	1.03 38	0.56 42	0.18 14	0.14 11	0.23 28	0.18 47	0.20 16	0.22 60

4.25_new	0.73 22	0.46 28	1.08 17	0.71 44	0.97 320	2.52 127	0.58 101	2.28 97	0.93 34	0.57 14	0.94 58	0.40 11	0.65 54	0.87 14	0.50 29	0.17 4	0.13 1	0.25 81	0.17 27	0.19 4	0.20 19

4.5w_new	0.73 22	0.46 28	1.08 17	0.71 44	0.97 320	2.52 127	0.58 101	2.28 97	0.93 34	0.57 14	0.94 58	0.40 11	0.65 54	0.87 14	0.50 29	0.17 4	0.13 1	0.25 81	0.17 27	0.19 4	0.20 19

4.25w-stereo	0.73 22	0.46 28	1.08 17	0.71 44	0.97 320	2.52 127	0.58 101	2.28 97	0.93 34	0.57 14	0.94 58	0.40 11	0.65 54	0.87 14	0.50 29	0.17 4	0.13 1	0.25 81	0.17 27	0.19 4	0.20 19

GREAT-IGEV	0.74 25	0.54 94	1.86 123	1.10 281	0.44 71	2.44 119	0.34 16	1.37 10	1.51 140	0.48 2	0.86 43	0.51 34	0.60 41	1.07 45	0.45 15	0.22 35	0.17 39	0.21 9	0.17 27	0.23 42	0.25 96

FlowAnything_test	0.75 26	0.60 154	1.18 50	0.82 93	0.58 168	2.29 107	0.66 142	1.38 11	0.80 20	1.03 125	0.76 26	0.63 51	0.49 19	0.84 12	0.91 177	0.31 230	0.27 305	0.40 375	0.48 451	0.31 163	0.30 193

qwe	0.75 26	0.45 21	1.10 28	0.67 35	1.06 350	2.49 123	0.45 51	2.57 142	0.90 29	0.71 51	0.83 39	0.43 21	0.48 18	1.10 49	0.64 58	0.17 4	0.14 11	0.24 58	0.16 12	0.21 26	0.20 19

2.25w	0.75 26	0.47 40	1.09 24	0.69 38	0.65 197	2.28 106	0.40 28	2.42 111	0.80 20	0.73 54	1.03 69	0.40 11	0.81 113	1.24 86	0.80 128	0.16 2	0.15 21	0.21 9	0.17 27	0.19 4	0.21 46

2.5w	0.75 26	0.44 18	1.06 8	0.66 31	0.69 222	2.39 115	0.56 89	2.77 170	0.82 25	0.63 29	0.88 45	0.37 5	0.75 84	1.36 115	0.50 29	0.18 14	0.14 11	0.22 14	0.17 27	0.19 4	0.21 46

2.75w_new	0.75 26	0.45 21	1.10 28	0.65 23	0.62 184	2.45 121	0.56 89	2.75 167	0.74 10	0.78 79	0.73 22	0.38 9	0.92 142	1.04 42	0.66 70	0.17 4	0.14 11	0.22 14	0.17 27	0.18 1	0.19 5

3.75w	0.75 26	0.47 40	1.09 24	0.63 12	1.10 362	2.61 137	0.53 78	2.46 120	0.97 40	0.62 26	0.80 34	0.40 11	0.66 60	1.11 51	0.48 19	0.19 19	0.13 1	0.23 28	0.18 47	0.20 16	0.21 46

2w_stereo	0.75 26	0.46 28	1.08 17	0.68 37	0.56 147	2.00 84	0.61 112	2.87 186	0.83 26	0.93 108	0.93 56	0.36 3	1.13 201	0.90 19	0.61 50	0.17 4	0.13 1	0.23 28	0.17 27	0.20 16	0.21 46

RAStereo	0.75 26	0.52 71	2.86 220	0.58 2	0.62 184	1.19 18	0.32 11	1.81 50	0.99 42	0.75 61	1.05 79	0.64 53	0.47 14	0.80 8	0.94 191	0.22 35	0.20 135	0.27 138	0.21 99	0.34 226	0.22 60

AdaDepth	0.76 34	0.45 21	1.41 83	0.70 39	1.27 407	3.12 187	0.43 43	1.02 4	0.94 38	0.63 29	0.91 51	0.43 21	0.58 33	1.41 125	0.48 19	0.18 14	0.21 167	0.23 28	0.19 68	0.25 61	0.26 120

MLG-Stereo_test2	0.76 34	0.40 7	1.07 10	0.64 16	0.82 269	3.49 249	0.23 2	1.69 39	2.14 327	0.62 26	0.32 3	0.67 62	0.33 1	1.14 59	0.37 3	0.23 47	0.19 97	0.23 28	0.16 12	0.19 4	0.20 19

AIO_test	0.76 34	0.47 40	1.31 70	0.81 83	0.70 225	1.36 40	0.88 287	1.40 12	1.45 99	0.55 10	0.95 61	1.81 263	0.58 33	1.16 66	0.46 17	0.27 112	0.17 39	0.24 58	0.19 68	0.24 47	0.21 46

fffft	0.76 34	0.47 40	1.28 68	0.82 93	0.54 136	1.51 53	0.80 231	2.09 75	1.18 54	0.63 29	0.84 40	0.59 45	0.55 27	1.80 200	0.85 146	0.19 19	0.18 67	0.27 138	0.20 85	0.26 78	0.24 86
1: 1. 1
ours_stereo	0.76 34	0.64 202	1.40 82	0.86 130	0.61 178	1.12 13	0.57 92	1.63 32	1.20 56	0.72 53	1.43 166	0.70 68	0.62 46	1.56 153	0.58 45	0.25 82	0.18 67	0.26 110	0.21 99	0.29 121	0.31 203

AIO-Stereo	0.76 34	0.54 94	1.07 10	0.73 55	0.40 46	1.28 33	0.82 244	2.26 93	1.49 128	0.70 47	1.58 206	0.89 118	0.45 12	1.03 38	0.55 41	0.24 61	0.18 67	0.25 81	0.20 85	0.26 78	0.21 46

GLC_STEREO	0.76 34	0.52 71	1.12 38	0.83 104	0.33 8	1.86 73	0.82 244	1.46 15	1.38 82	0.95 113	1.04 74	0.68 64	0.72 73	0.97 30	0.80 128	0.23 47	0.25 281	0.32 250	0.25 184	0.32 190	0.30 193

asda	0.77 41	0.46 28	1.10 28	0.64 16	0.82 269	3.33 220	0.49 62	2.40 107	0.81 24	0.63 29	0.80 34	0.44 26	0.85 121	0.88 17	0.60 48	0.17 4	0.13 1	0.24 58	0.17 27	0.20 16	0.20 19

3.5w_stereo	0.77 41	0.53 83	1.09 24	0.65 23	0.72 229	2.52 127	0.51 68	2.43 114	0.80 20	0.76 71	1.20 103	0.43 21	0.66 60	1.23 85	0.73 104	0.17 4	0.13 1	0.23 28	0.17 27	0.20 16	0.21 46

MLG-Stereo	0.77 41	0.39 4	1.04 3	0.64 16	0.41 53	3.01 174	0.31 8	1.89 54	2.92 472	0.47 1	0.29 2	0.66 61	0.47 14	1.35 113	0.39 4	0.20 24	0.18 67	0.24 58	0.16 12	0.19 4	0.20 19

mms	0.77 41	0.68 241	1.17 49	0.83 104	0.71 227	1.41 44	0.67 144	1.61 26	1.12 50	0.77 76	1.37 152	0.63 51	0.54 26	1.75 192	0.63 55	0.24 61	0.19 97	0.26 110	0.21 99	0.31 163	0.34 242

RSM++	0.77 41	0.51 65	1.08 17	0.95 191	0.42 59	1.52 55	0.71 164	2.11 76	1.40 87	0.80 83	1.23 113	0.90 120	0.59 38	1.14 59	0.69 87	0.24 61	0.19 97	0.25 81	0.21 99	0.28 107	0.20 19

water-stereo	0.78 46	0.45 21	1.94 131	0.79 80	0.48 105	2.36 112	0.47 59	1.53 21	1.09 49	0.88 101	1.04 74	0.82 99	0.75 84	0.72 4	0.78 122	0.22 35	0.23 223	0.25 81	0.23 147	0.24 47	0.29 165

AIO_rvc	0.78 46	0.55 100	1.25 60	0.75 58	0.65 197	1.46 48	0.99 346	2.13 77	1.52 149	0.57 14	1.15 95	1.09 146	0.55 27	1.15 64	0.53 38	0.24 61	0.17 39	0.24 58	0.17 27	0.25 61	0.21 46

CASnet	0.78 46	0.51 65	1.29 69	0.81 83	0.29 1	1.28 33	0.74 184	1.51 18	1.89 275	1.64 189	1.09 85	0.65 57	0.64 51	0.91 21	0.76 116	0.29 171	0.17 39	0.41 387	0.31 321	0.32 190	0.19 5
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.79 49	0.54 94	1.35 77	0.97 204	0.63 187	1.13 14	0.92 318	2.02 68	0.91 32	0.76 71	0.79 33	0.80 95	1.61 323	1.28 97	0.61 50	0.22 35	0.18 67	0.26 110	0.23 147	0.27 90	0.23 71

MLG-Stereo_test1	0.80 50	0.39 4	1.02 2	0.65 23	1.20 390	3.14 189	0.29 7	1.59 25	3.05 486	0.50 4	0.24 1	0.67 62	0.43 9	1.33 109	0.40 5	0.21 27	0.18 67	0.23 28	0.15 4	0.19 4	0.20 19

SMoEStereo_RVC	0.80 50	0.53 83	1.12 38	0.92 169	0.44 71	2.41 117	0.79 221	1.49 17	1.16 51	0.70 47	1.12 91	0.64 53	0.64 51	1.69 184	0.87 159	0.22 35	0.16 26	0.31 230	0.22 132	0.26 78	0.25 96

fffy	0.80 50	0.59 142	1.56 101	1.00 224	0.47 97	1.27 28	0.76 197	1.90 57	1.02 43	0.75 61	1.35 147	0.83 101	0.72 73	1.70 186	0.62 52	0.23 47	0.19 97	0.27 138	0.21 99	0.28 107	0.32 214

rvit_stereo_0081	0.80 50	0.63 190	1.19 51	0.91 163	0.64 189	1.27 28	0.61 112	2.05 69	1.71 235	0.82 87	0.73 22	0.85 107	0.75 84	1.30 105	0.80 128	0.31 230	0.26 294	0.27 138	0.25 184	0.38 272	0.27 136

rvit_stereo_0082	0.80 50	0.63 190	1.19 51	0.91 163	0.64 189	1.27 28	0.61 112	2.05 69	1.71 235	0.82 87	0.73 22	0.85 107	0.75 84	1.30 105	0.80 128	0.31 230	0.26 294	0.27 138	0.25 184	0.38 272	0.27 136

RSM	0.80 50	0.50 59	1.08 17	0.83 104	0.51 118	1.31 36	0.77 210	2.28 97	1.43 96	0.82 87	1.44 168	1.22 171	0.62 46	1.17 73	0.63 55	0.22 35	0.18 67	0.24 58	0.19 68	0.27 90	0.20 19

MGS-Stereo	0.80 50	0.56 111	1.53 95	0.93 183	0.39 42	1.26 27	0.73 172	1.45 14	1.30 73	1.01 119	2.26 404	0.80 95	0.56 29	1.16 66	0.65 65	0.27 112	0.23 223	0.26 110	0.22 132	0.27 90	0.25 96

Selective-IGEV	0.80 50	0.52 71	1.05 5	0.75 58	0.61 178	1.31 36	0.82 244	2.60 148	1.41 90	0.82 87	1.64 225	0.71 75	0.62 46	1.22 83	0.64 58	0.22 35	0.19 97	0.24 58	0.18 47	0.25 61	0.20 19

DilatedVolume-Stereo	0.81 58	0.60 154	1.51 94	1.01 230	0.59 171	1.34 38	0.51 68	1.56 23	1.08 48	1.26 142	1.24 114	0.77 88	0.87 128	1.79 199	0.72 101	0.23 47	0.24 257	0.22 14	0.21 99	0.25 61	0.23 71

DEFOM-Stereo_RVC	0.81 58	1.13 414	1.23 57	0.97 204	0.57 159	0.81 6	0.43 43	3.49 254	0.84 27	0.73 54	0.95 61	0.44 26	1.17 217	1.45 134	0.60 48	0.26 97	0.18 67	0.24 58	0.17 27	0.30 144	0.19 5

rvit_stereo_0081_aga	0.81 58	0.75 301	1.84 122	0.72 52	0.73 234	1.21 19	0.63 127	1.92 60	1.39 83	0.87 100	0.80 34	0.79 93	0.69 66	1.27 96	0.69 87	0.35 299	0.29 327	0.26 110	0.25 184	0.40 287	0.27 136

monsterstereo	0.82 61	0.50 59	1.26 61	0.77 76	1.41 445	2.54 133	0.40 28	3.14 210	0.71 7	0.70 47	1.11 89	0.41 18	0.39 4	1.50 144	0.50 29	0.19 19	0.16 26	0.22 14	0.16 12	0.21 26	0.17 1

monsters	0.82 61	0.58 134	1.16 48	0.76 72	1.52 461	2.92 161	0.40 28	2.66 155	0.72 8	0.66 39	0.84 40	0.38 9	0.41 7	1.84 205	0.48 19	0.20 24	0.16 26	0.20 1	0.16 12	0.19 4	0.19 5

castereo	0.82 61	0.70 254	1.04 3	0.85 125	0.50 116	1.29 35	0.91 305	3.22 220	1.20 56	0.83 93	1.24 114	0.72 77	0.91 139	1.00 35	0.67 75	0.26 97	0.16 26	0.25 81	0.20 85	0.24 47	0.21 46

MaDis-Stereo	0.82 61	0.66 223	1.53 95	0.65 23	1.87 513	1.24 24	0.36 20	2.13 77	1.27 69	0.67 42	0.75 25	0.88 116	0.70 68	1.15 64	1.07 216	0.29 171	0.23 223	0.26 110	0.20 85	0.31 163	0.22 60

UniTT-Stereo	0.82 61	0.47 40	2.63 206	0.96 197	1.19 384	0.78 5	0.39 24	1.12 6	1.54 165	1.19 138	1.26 122	0.51 34	0.64 51	1.13 57	1.03 210	0.30 211	0.20 135	0.24 58	0.21 99	0.40 287	0.25 96

ProNet	0.82 61	0.71 266	1.50 92	0.86 130	0.45 78	1.78 67	0.83 249	1.75 43	1.28 70	0.66 39	1.13 93	0.78 89	0.76 91	1.66 178	0.71 96	0.24 61	0.20 135	0.25 81	0.23 147	0.29 121	0.25 96

LG-Stereo	0.85 67	0.60 154	2.71 211	0.59 3	0.45 78	2.85 150	0.55 85	2.41 108	1.34 77	0.59 19	1.19 101	0.43 21	0.40 5	0.76 5	0.75 112	0.20 24	0.17 39	0.31 230	0.24 172	0.29 121	0.19 5

1w_stereo	0.86 68	0.42 15	1.07 10	0.72 52	0.81 260	3.00 172	0.67 144	3.28 228	0.75 11	0.74 59	1.32 137	0.37 5	1.37 253	0.92 23	0.68 78	0.16 2	0.14 11	0.20 1	0.16 12	0.19 4	0.22 60

rvit_stereo_0083	0.86 68	0.67 233	1.42 84	0.87 136	0.65 197	1.23 20	0.64 130	1.67 36	2.28 356	0.79 81	0.93 56	0.93 128	1.07 186	1.46 138	0.75 112	0.32 251	0.36 388	0.30 208	0.26 204	0.33 208	0.28 155

Occ-G	0.86 68	0.52 71	1.39 80	0.82 93	0.66 204	1.37 41	0.79 221	1.58 24	1.31 74	1.56 175	0.87 44	2.18 314	0.89 134	0.97 30	0.88 163	0.26 97	0.19 97	0.26 110	0.19 68	0.25 61	0.24 86

IGEVStereo-DCA	0.86 68	0.65 212	2.05 144	0.90 155	0.46 87	1.57 57	0.86 264	1.62 27	1.24 60	0.65 37	0.77 29	0.74 85	0.72 73	2.59 276	0.86 153	0.28 149	0.21 167	0.28 167	0.21 99	0.29 121	0.27 136

111111	0.87 72	0.50 59	1.13 43	0.66 31	1.08 356	3.37 224	0.33 12	2.33 104	1.47 112	0.74 59	1.50 184	0.61 47	0.59 38	1.40 120	0.48 19	0.24 61	0.19 97	0.22 14	0.16 12	0.24 47	0.19 5

MoCha-V2	0.87 72	0.48 49	1.87 124	0.88 141	0.32 7	1.37 41	0.55 85	2.71 161	1.42 92	0.92 107	1.75 259	0.65 57	1.17 217	1.45 134	0.57 43	0.21 27	0.21 167	0.20 1	0.19 68	0.24 47	0.23 71

GIP-stereo	0.88 74	0.50 59	1.34 75	1.32 386	0.94 312	2.90 155	0.42 38	3.41 248	1.06 46	0.63 29	0.76 26	0.90 120	0.76 91	0.91 21	0.52 37	0.27 112	0.18 67	0.25 81	0.16 12	0.25 61	0.19 5

WCG-NET	0.88 74	0.49 56	1.26 61	0.90 155	0.37 28	1.48 50	1.07 365	1.73 41	2.30 360	1.63 186	1.49 183	0.92 127	0.97 153	0.95 25	0.76 116	0.22 35	0.16 26	0.23 28	0.20 85	0.25 61	0.21 46

Pointernet	0.88 74	0.44 18	2.26 172	0.84 113	0.37 28	2.29 107	0.38 22	3.06 204	1.46 107	0.66 39	1.39 157	0.91 122	0.73 77	1.01 36	0.72 101	0.23 47	0.19 97	0.20 1	0.18 47	0.19 4	0.20 19

LG-Stereo_Zeroshot	0.89 77	0.47 40	2.08 156	0.76 72	0.73 234	3.91 342	0.41 34	2.07 73	1.07 47	0.77 76	0.89 48	0.64 53	0.86 124	0.95 25	0.77 121	0.26 97	0.18 67	0.26 110	0.19 68	0.32 190	0.32 214

SCV_C0	0.89 77	0.59 142	1.96 136	0.83 104	0.44 71	1.24 24	0.64 130	3.33 241	1.66 221	0.82 87	1.20 103	0.73 81	0.66 60	1.62 169	0.66 70	0.32 251	0.21 167	0.24 58	0.20 85	0.28 107	0.23 71

CAS++	0.89 77	0.64 202	1.46 87	0.81 83	0.51 118	1.24 24	0.86 264	3.44 249	1.46 107	1.14 135	1.29 131	0.62 49	0.58 33	1.13 57	0.59 46	0.34 279	0.30 340	0.34 303	0.26 204	0.41 311	0.29 165
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV-RUCA	0.90 80	0.53 83	1.05 5	0.81 83	0.74 239	3.89 339	0.80 231	1.92 60	1.41 90	0.96 116	0.71 19	0.70 68	0.73 77	1.30 105	0.68 78	0.29 171	0.20 135	0.25 81	0.19 68	0.43 340	0.34 242

IGEV++	0.90 80	0.58 134	1.32 73	0.94 187	0.45 78	1.27 28	1.00 347	3.32 237	1.55 173	0.82 87	1.34 144	0.86 111	1.09 189	1.16 66	0.89 166	0.33 267	0.18 67	0.23 28	0.19 68	0.29 121	0.22 60

trnet	0.91 82	0.48 49	1.46 87	0.62 9	0.31 4	4.40 462	0.41 34	2.20 84	1.53 156	0.94 109	1.14 94	0.88 116	0.89 134	1.09 48	0.71 96	0.27 112	0.19 97	0.22 14	0.15 4	0.21 26	0.19 5

Former-RAFT_DAM_RVC	0.92 83	0.73 281	1.42 84	0.92 169	1.08 356	2.97 171	0.53 78	1.77 47	1.39 83	1.16 136	1.54 196	0.58 42	0.65 54	1.03 38	0.84 143	0.25 82	0.23 223	0.30 208	0.24 172	0.43 340	0.29 165

CREStereo	0.92 83	0.53 83	1.45 86	0.61 6	0.34 9	4.42 466	0.40 28	2.21 86	1.54 165	0.94 109	1.12 91	0.87 113	0.87 128	1.12 54	0.72 101	0.28 149	0.19 97	0.22 14	0.15 4	0.22 37	0.19 5
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
castereo++	0.93 85	0.56 111	1.26 61	0.92 169	0.73 234	2.48 122	1.00 347	2.99 193	1.03 44	0.68 44	1.41 162	1.92 278	0.59 38	1.26 92	0.44 13	0.25 82	0.19 97	0.28 167	0.19 68	0.23 42	0.23 71

IGEV-Stereo++	0.93 85	0.44 18	1.08 17	0.70 39	1.20 390	3.87 337	0.33 12	3.36 243	1.43 96	0.75 61	1.17 98	0.68 64	1.04 172	0.95 25	0.42 7	0.22 35	0.16 26	0.23 28	0.17 27	0.24 47	0.20 19

GCAP-Stereo	0.93 85	0.68 241	1.35 77	0.85 125	0.41 53	3.61 281	0.52 77	2.20 84	1.50 133	1.11 133	1.04 74	1.17 157	0.84 119	1.11 51	0.71 96	0.25 82	0.20 135	0.27 138	0.18 47	0.28 107	0.23 71

depthmonostereo	0.94 88	0.71 266	2.39 187	0.85 125	0.54 136	2.21 102	0.53 78	1.83 51	1.17 53	0.95 113	1.09 85	0.99 134	0.97 153	2.37 254	0.68 78	0.23 47	0.27 305	0.22 14	0.20 85	0.25 61	0.26 120

StereoAnything_RVC	0.94 88	2.66 516	2.20 163	0.76 72	0.34 9	1.18 17	0.39 24	2.31 101	0.69 5	0.51 7	0.34 4	0.32 1	0.89 134	1.57 155	0.35 1	0.32 251	0.16 26	0.23 28	0.15 4	3.31 539	0.18 3

rvit_stereo_0080	0.94 88	0.72 270	2.56 196	0.64 16	0.59 171	1.90 75	0.75 194	2.71 161	1.40 87	0.91 104	1.04 74	0.85 107	0.82 114	1.14 59	0.78 122	0.35 299	0.29 327	0.25 81	0.27 230	0.45 356	0.29 165

IGEV-Stereo+	0.94 88	0.47 40	1.19 51	0.86 130	2.02 523	1.40 43	0.39 24	1.17 8	0.88 28	0.61 24	0.44 8	0.47 31	0.79 105	2.14 236	0.42 7	0.27 112	0.19 97	0.22 14	0.17 27	2.26 534	2.41 539

whm_eth	0.94 88	0.72 270	2.56 196	0.64 16	0.59 171	1.90 75	0.75 194	2.71 161	1.40 87	0.91 104	1.04 74	0.85 107	0.82 114	1.14 59	0.78 122	0.35 299	0.29 327	0.25 81	0.27 230	0.45 356	0.29 165

LoS_RVC	0.94 88	1.30 447	1.31 70	0.84 113	1.63 482	2.02 85	0.59 105	1.51 18	1.36 80	0.81 85	1.33 139	0.84 103	0.88 130	1.36 115	0.73 104	0.21 27	0.17 39	0.20 1	0.14 2	0.20 16	1.45 518

LoS	0.94 88	0.52 71	1.88 125	0.86 130	0.36 14	4.15 407	0.51 68	2.18 81	1.45 99	0.97 117	0.88 45	0.62 49	0.79 105	1.59 161	0.86 153	0.26 97	0.19 97	0.24 58	0.16 12	0.21 26	0.20 19
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
zero-FE	0.95 95	0.52 71	2.63 206	0.86 130	1.27 407	1.41 44	0.86 264	2.27 94	0.73 9	0.50 4	0.64 16	0.54 38	0.78 101	2.70 284	1.02 208	0.35 299	0.17 39	0.24 58	0.18 47	1.03 496	0.29 165

SCV	0.95 95	0.63 190	1.38 79	1.70 483	0.41 53	1.23 20	0.89 292	3.53 265	1.57 185	0.61 24	1.54 196	0.93 128	0.77 93	1.66 178	0.66 70	0.36 311	0.20 135	0.25 81	0.19 68	0.29 121	0.25 96

WCG-NET（raft）	0.95 95	0.55 100	1.20 55	0.84 113	0.31 4	1.44 46	1.01 350	1.55 22	2.37 381	1.64 189	1.42 164	2.38 334	1.01 164	1.29 101	0.76 116	0.22 35	0.19 97	0.22 14	0.20 85	0.25 61	0.21 46

anonymousdsp	0.95 95	0.69 244	1.27 66	0.83 104	0.52 127	4.54 487	0.84 252	1.76 44	1.24 60	0.76 71	1.06 81	0.78 89	0.77 93	1.67 182	0.69 87	0.27 112	0.17 39	0.29 188	0.21 99	0.31 163	0.26 120

IGEV-Stereo	0.95 95	0.69 244	1.27 66	0.84 113	0.52 127	4.54 487	0.84 252	1.76 44	1.24 60	0.75 61	1.06 81	0.79 93	0.77 93	1.68 183	0.69 87	0.27 112	0.17 39	0.29 188	0.21 99	0.31 163	0.26 120
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
tt45	0.96 100	0.48 49	1.19 51	0.89 146	0.66 204	3.91 342	0.76 197	1.90 57	1.26 68	0.70 47	1.30 133	0.71 75	0.63 49	2.59 276	0.74 109	0.22 35	0.17 39	0.28 167	0.23 147	0.27 90	0.27 136

MSCF	0.97 101	0.82 334	1.26 61	0.88 141	0.40 46	3.17 191	0.88 287	2.79 178	1.39 83	1.32 145	1.19 101	0.58 42	1.33 245	1.28 97	0.64 58	0.25 82	0.19 97	0.25 81	0.25 184	0.28 107	0.32 214

999	0.97 101	0.48 49	1.24 59	1.03 247	0.64 189	3.25 206	0.92 318	1.40 12	1.39 83	0.71 51	1.68 237	0.70 68	0.66 60	3.03 296	0.89 166	0.23 47	0.19 97	0.25 81	0.21 99	0.25 61	0.29 165

ff7	0.98 103	0.69 244	2.05 144	0.84 113	0.52 127	4.55 490	0.86 264	1.62 27	1.24 60	0.75 61	1.03 69	0.70 68	0.77 93	1.84 205	0.68 78	0.27 112	0.17 39	0.29 188	0.21 99	0.31 163	0.27 136

ffff	0.98 103	0.69 244	2.05 144	0.84 113	0.52 127	4.55 490	0.86 264	1.62 27	1.24 60	0.75 61	1.03 69	0.70 68	0.77 93	1.84 205	0.68 78	0.27 112	0.17 39	0.29 188	0.21 99	0.31 163	0.27 136

11t	0.98 103	0.69 244	2.05 144	0.84 113	0.52 127	4.55 490	0.86 264	1.62 27	1.24 60	0.75 61	1.03 69	0.70 68	0.77 93	1.84 205	0.68 78	0.27 112	0.17 39	0.29 188	0.21 99	0.31 163	0.27 136

MIF-Stereo (partial)	0.98 103	0.55 100	2.83 217	0.71 44	1.03 342	1.08 11	0.49 62	2.55 138	1.66 221	0.79 81	1.20 103	0.80 95	0.90 137	1.61 168	1.56 324	0.36 311	0.24 257	0.33 285	0.25 184	0.40 287	0.28 155

ccc-4	0.98 103	0.69 244	2.05 144	0.84 113	0.52 127	4.55 490	0.86 264	1.62 27	1.24 60	0.75 61	1.03 69	0.70 68	0.77 93	1.84 205	0.68 78	0.27 112	0.17 39	0.29 188	0.21 99	0.31 163	0.27 136

CroCo-Stereo	0.98 103	0.87 352	3.44 243	0.87 136	0.53 135	0.49 2	0.50 64	3.99 371	1.49 128	0.81 85	1.25 121	1.00 137	0.75 84	1.10 49	1.09 221	0.24 61	0.21 167	0.24 58	0.19 68	0.35 244	0.27 136
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
CroCo-Stereo Lap2	0.99 109	0.89 355	2.55 195	0.99 216	1.80 510	0.54 3	0.46 54	3.10 206	1.24 60	1.07 127	1.21 107	1.05 145	0.78 101	1.26 92	1.08 218	0.27 112	0.23 223	0.27 138	0.21 99	0.43 340	0.34 242

PMTNet	0.99 109	0.48 49	1.73 111	0.62 9	0.56 147	4.20 434	0.43 43	1.88 53	1.58 188	1.00 118	1.05 79	0.78 89	0.98 159	1.50 144	0.85 146	1.21 520	0.20 135	0.23 28	0.15 4	0.22 37	0.19 5

GASTEREO	1.00 111	0.98 384	1.23 57	0.90 155	0.40 46	3.40 229	0.88 287	2.77 170	1.44 98	1.39 156	1.30 133	0.55 39	1.35 250	1.33 109	0.64 58	0.25 82	0.19 97	0.25 81	0.25 184	0.25 61	0.31 203

rvit_0105_6	1.00 111	0.93 368	2.21 165	0.92 169	0.55 143	1.52 55	0.79 221	2.41 108	2.96 476	0.76 71	0.72 21	1.02 139	0.75 84	1.42 127	0.81 134	0.40 355	0.43 438	0.34 303	0.31 321	0.43 340	0.34 242

rvit_stereo_ft	1.00 111	0.87 352	3.55 247	0.97 204	0.66 204	1.06 10	0.80 231	2.78 173	1.67 223	0.78 79	0.96 63	0.95 132	1.14 208	1.06 44	0.90 170	0.32 251	0.24 257	0.27 138	0.28 259	0.39 282	0.27 136

MyStereo07	1.01 114	0.80 323	1.26 61	1.00 224	1.04 345	3.95 359	0.95 330	2.07 73	1.42 92	0.75 61	1.22 109	0.68 64	0.91 139	1.63 173	0.67 75	0.24 61	0.24 257	0.34 303	0.26 204	0.41 311	0.37 276

CES	1.01 114	0.55 100	1.74 114	0.92 169	2.15 527	2.15 96	0.50 64	2.01 67	1.45 99	0.76 71	1.02 66	0.61 47	0.47 14	1.29 101	0.79 127	0.22 35	0.17 39	0.24 58	0.14 2	0.63 429	2.29 536

TANstereo	1.01 114	0.55 100	1.73 111	0.76 72	0.36 14	4.04 381	0.38 22	1.48 16	1.62 211	2.03 296	2.10 374	0.84 103	0.93 145	0.98 32	0.62 52	0.28 149	0.36 388	0.23 28	0.20 85	0.25 61	0.46 359

GMStereo	1.01 114	1.00 388	2.86 220	0.83 104	0.45 78	1.47 49	0.57 92	1.89 54	2.11 322	1.52 170	1.24 114	0.87 113	0.74 81	1.58 156	0.94 191	0.40 355	0.21 167	0.30 208	0.30 305	0.47 371	0.36 262
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CREStereo++_RVC	1.02 118	0.49 56	1.54 98	0.83 104	0.55 143	4.01 375	0.31 8	1.63 32	1.99 288	1.63 186	2.13 383	0.84 103	0.65 54	0.88 17	0.70 93	0.27 112	0.15 21	0.23 28	1.22 533	0.24 47	0.17 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
HART	1.03 119	0.85 346	3.13 230	0.84 113	0.38 39	1.17 16	0.42 38	3.54 266	1.47 112	1.08 128	2.17 389	1.48 205	0.57 30	1.37 119	0.74 109	0.23 47	0.18 67	0.28 167	0.21 99	0.32 190	0.24 86

XX-TBD	1.03 119	0.95 376	1.94 131	1.30 380	0.43 65	3.97 369	0.33 12	1.74 42	1.73 241	1.59 177	2.02 354	0.69 67	0.60 41	1.16 66	0.66 70	0.30 211	0.25 281	0.23 28	0.15 4	0.31 163	0.22 60

xyz-stereo-finetune	1.05 121	0.62 181	1.46 87	0.59 3	0.36 14	3.48 246	0.81 240	2.69 159	1.74 247	0.94 109	1.21 107	0.91 122	0.78 101	2.53 271	1.28 268	0.24 61	0.24 257	0.26 110	0.23 147	0.30 144	0.23 71

EGLCR-Stereo	1.06 122	0.51 65	1.56 101	1.02 240	0.39 42	4.27 445	0.42 38	4.08 399	1.48 120	0.90 103	0.68 18	1.09 146	0.66 60	1.81 201	0.62 52	0.27 112	0.19 97	0.29 188	0.23 147	0.37 267	0.25 96

MC-Stereo	1.06 122	0.48 49	1.55 99	1.15 313	0.41 53	4.56 495	0.61 112	2.06 71	1.46 107	1.90 244	1.61 218	0.89 118	1.12 199	1.35 113	0.73 104	0.25 82	0.18 67	0.26 110	0.22 132	0.25 61	0.24 86

sCroCo_RVC	1.06 122	0.82 334	5.05 273	1.02 240	1.05 347	0.98 8	0.61 112	2.06 71	1.29 71	0.69 46	1.26 122	0.82 99	1.10 195	1.20 80	0.90 170	0.42 381	0.40 421	0.33 285	0.30 305	0.46 367	0.38 291

rvit_0105_4	1.07 125	0.99 385	2.39 187	0.93 183	0.54 136	1.62 61	0.84 252	2.77 170	2.91 470	0.80 83	0.91 51	1.09 146	0.86 124	1.63 173	0.85 146	0.40 355	0.45 448	0.35 322	0.31 321	0.43 340	0.40 318

MM-Stereo_test3	1.09 126	0.59 142	1.55 99	1.73 487	1.18 377	1.91 77	0.86 264	3.52 261	1.76 251	1.25 140	1.86 316	1.10 149	0.69 66	1.32 108	0.86 153	0.27 112	0.23 223	0.27 138	0.22 132	0.34 226	0.30 193

IGEV-BASED-STEREO-	1.09 126	3.30 525	2.61 202	0.82 93	0.38 39	1.27 28	0.62 125	1.51 18	1.29 71	0.91 104	0.92 53	0.65 57	0.57 30	1.08 46	0.59 46	1.55 534	0.15 21	0.32 250	0.28 259	1.10 505	1.98 532

iRaftStereo_RVC	1.09 126	0.70 254	1.39 80	0.95 191	0.45 78	3.83 319	0.42 38	2.37 106	1.58 188	1.69 198	1.76 268	1.80 258	0.83 118	1.50 144	0.98 201	0.28 149	0.18 67	0.29 188	0.26 204	0.30 144	0.31 203

RAFT-Stereo-weight	1.11 129	0.48 49	1.22 56	0.99 216	0.42 59	4.17 422	0.80 231	3.60 274	1.50 133	1.97 266	1.50 184	1.30 181	0.65 54	1.24 86	0.85 146	0.25 82	0.19 97	0.26 110	0.22 132	0.27 90	0.23 71

11t1	1.11 129	0.53 83	1.80 119	1.55 462	0.65 197	2.20 101	0.60 108	3.66 285	1.49 128	1.60 178	1.26 122	1.03 141	1.35 250	1.72 188	0.97 198	0.28 149	0.31 350	0.29 188	0.23 147	0.30 144	0.34 242

rvit_0105_5	1.13 131	0.93 368	2.60 199	0.91 163	0.56 147	1.92 78	0.91 305	3.02 198	2.63 431	0.95 113	1.20 103	1.18 161	0.93 145	1.51 147	0.93 189	0.40 355	0.43 438	0.37 349	0.35 365	0.42 330	0.44 343

GMOStereo	1.13 131	0.70 254	2.26 172	0.75 58	0.44 71	3.05 177	0.91 305	2.78 173	1.45 99	2.37 408	1.52 187	1.53 209	1.05 177	1.17 73	0.92 181	0.25 82	0.19 97	0.35 322	0.28 259	0.34 226	0.26 120

error version	1.13 131	0.70 254	2.26 172	0.75 58	0.44 71	3.05 177	0.91 305	2.78 173	1.45 99	2.37 408	1.52 187	1.53 209	1.05 177	1.17 73	0.92 181	0.25 82	0.19 97	0.35 322	0.28 259	0.34 226	0.26 120

test-v	1.13 131	0.70 254	2.26 172	0.75 58	0.44 71	3.05 177	0.91 305	2.78 173	1.45 99	2.37 408	1.52 187	1.53 209	1.05 177	1.17 73	0.92 181	0.25 82	0.19 97	0.35 322	0.28 259	0.34 226	0.26 120

test-2	1.13 131	0.70 254	2.26 172	0.75 58	0.44 71	3.05 177	0.91 305	2.78 173	1.45 99	2.37 408	1.52 187	1.53 209	1.05 177	1.17 73	0.92 181	0.25 82	0.19 97	0.35 322	0.28 259	0.34 226	0.26 120

testlalala	1.14 136	0.62 181	1.34 75	1.00 224	0.78 252	4.38 455	0.93 320	2.46 120	2.20 338	2.44 420	1.52 187	1.31 182	0.61 44	1.04 42	0.65 65	0.35 299	0.19 97	0.24 58	0.19 68	0.24 47	0.23 71

HUF	1.15 137	0.64 202	8.62 312	0.90 155	0.35 12	1.35 39	0.78 214	1.97 64	1.50 133	0.63 29	1.52 187	0.83 101	0.66 60	1.28 97	0.63 55	0.29 171	0.23 223	0.26 110	0.17 27	0.23 42	0.25 96

tg	1.15 137	0.67 233	1.31 70	0.94 187	0.54 136	4.02 377	0.41 34	2.96 190	1.59 203	1.69 198	1.85 313	1.84 270	0.97 153	1.78 195	0.83 140	0.27 112	0.17 39	0.29 188	0.26 204	0.29 121	0.27 136

Selective-RAFT	1.15 137	0.46 28	1.64 107	0.99 216	0.45 78	4.17 422	0.51 68	3.21 218	1.69 231	1.12 134	1.34 144	1.45 202	1.40 261	2.08 228	0.94 191	0.41 370	0.20 135	0.24 58	0.23 147	0.27 90	0.25 96

x	1.15 137	0.57 121	1.53 95	1.44 434	0.67 211	1.94 79	0.97 339	3.87 330	1.57 185	1.61 183	1.28 129	1.58 217	1.22 226	1.93 216	1.04 211	0.28 149	0.30 340	0.34 303	0.29 287	0.32 190	0.31 203

xyz-stereo-finetune2	1.16 141	0.63 190	1.50 92	0.57 1	0.36 14	3.47 243	0.65 139	2.70 160	1.23 58	0.88 101	1.75 259	0.91 122	1.76 364	3.54 305	1.74 359	0.24 61	0.22 196	0.30 208	0.27 230	0.31 163	0.26 120

rvit_stereo_0075_2	1.18 142	0.74 289	2.66 209	0.90 155	1.27 407	2.51 125	0.69 156	2.25 92	2.06 306	1.40 158	1.86 316	1.46 204	0.84 119	1.42 127	0.94 191	0.46 410	0.40 421	0.48 427	0.38 400	0.46 367	0.51 391

AE-Stereo	1.18 142	0.60 154	2.05 144	1.10 281	0.60 174	4.39 458	0.72 167	3.74 302	1.62 211	1.10 130	1.90 331	1.01 138	0.92 142	1.45 134	0.82 137	0.28 149	0.22 196	0.28 167	0.28 259	0.26 78	0.22 60

test-3	1.19 144	0.52 71	2.00 138	1.01 230	0.42 59	1.95 80	0.91 305	4.35 488	1.47 112	2.24 371	1.16 96	2.06 304	0.79 105	2.68 282	0.76 116	0.27 112	0.18 67	0.28 167	0.26 204	0.26 78	0.25 96

test_1	1.19 144	0.52 71	2.00 138	1.01 230	0.42 59	1.95 80	0.90 297	4.36 493	1.47 112	2.17 344	1.16 96	2.06 304	0.78 101	2.68 282	0.76 116	0.27 112	0.18 67	0.28 167	0.26 204	0.26 78	0.25 96

test_3	1.19 144	0.51 65	2.08 156	0.99 216	0.41 53	2.05 91	0.87 283	4.40 501	1.42 92	1.99 273	1.18 99	2.03 298	0.79 105	2.70 284	0.75 112	0.27 112	0.17 39	0.29 188	0.29 287	0.30 144	0.27 136

raftrobust	1.19 144	0.72 270	2.30 178	1.26 359	1.31 413	3.55 267	0.68 150	2.75 167	1.47 112	2.21 362	1.38 155	1.17 157	1.22 226	1.20 80	1.11 225	0.28 149	0.24 257	0.21 9	0.19 68	0.25 61	0.28 155

RALCasStereoNet	1.19 144	1.02 390	2.06 153	1.12 292	1.14 368	3.08 183	0.70 162	2.99 193	1.73 241	1.34 147	1.68 237	1.18 161	0.91 139	2.16 238	1.00 206	0.30 211	0.26 294	0.24 58	0.21 99	0.29 121	0.30 193

MIM_Stereo	1.20 149	0.78 315	3.30 238	1.05 250	0.43 65	3.04 175	0.60 108	2.46 120	1.51 140	1.60 178	1.58 206	1.82 264	1.29 238	2.00 221	1.07 216	0.24 61	0.24 257	0.28 167	0.25 184	0.27 90	0.27 136

R-Stereo Train	1.20 149	0.58 134	1.81 120	0.99 216	0.67 211	3.78 309	0.90 297	4.09 401	1.51 140	2.16 340	1.71 248	1.13 152	0.94 147	1.40 120	0.91 177	0.30 211	0.24 257	0.26 110	0.21 99	0.26 78	0.25 96

RAFT-Stereo	1.20 149	0.58 134	1.81 120	0.99 216	0.67 211	3.78 309	0.90 297	4.09 401	1.51 140	2.16 340	1.71 248	1.13 152	0.94 147	1.40 120	0.91 177	0.30 211	0.24 257	0.26 110	0.21 99	0.26 78	0.25 96
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
model_zeroshot	1.21 152	0.60 154	3.55 247	1.05 250	0.57 159	3.46 240	0.63 127	2.73 164	1.55 173	2.05 301	1.38 155	1.50 208	0.82 114	1.69 184	0.87 159	0.29 171	0.23 223	0.30 208	0.23 147	0.27 90	0.32 214

GCAP-BAT	1.21 152	0.74 289	3.23 233	0.95 191	0.70 225	3.86 334	0.93 320	1.89 54	1.48 120	1.85 227	1.96 339	1.68 229	0.79 105	1.78 195	0.81 134	0.29 171	0.20 135	0.24 58	0.20 85	0.26 78	0.35 256

RCA-Stereo	1.21 152	0.52 71	1.58 103	0.90 155	0.46 87	4.68 511	0.79 221	4.13 412	1.74 247	1.92 251	1.80 282	0.94 131	1.48 288	1.14 59	0.70 93	0.27 112	0.18 67	0.25 81	0.19 68	0.25 61	0.23 71

raft+_RVC	1.21 152	0.83 338	2.61 202	1.35 403	0.97 320	3.60 277	0.76 197	3.23 222	1.51 140	1.33 146	1.67 234	1.03 141	1.10 195	1.87 212	0.92 181	0.24 61	0.22 196	0.25 81	0.24 172	0.26 78	0.25 96

AnonymousM	1.22 156	1.32 453	0.97 1	0.88 141	0.56 147	4.03 379	0.69 156	2.41 108	1.68 225	1.48 166	1.31 136	1.15 155	1.00 162	1.18 78	0.73 104	0.32 251	0.40 421	2.07 539	1.70 541	0.24 47	0.22 60

LL-Strereo2	1.23 157	0.85 346	2.38 186	0.93 183	0.68 216	3.72 298	1.37 424	2.54 137	1.99 288	1.75 213	1.40 160	1.82 264	0.73 77	1.40 120	0.99 204	0.31 230	0.23 223	0.55 466	0.35 365	0.29 121	0.24 86

ROB_FTStereo_v2	1.23 157	0.66 223	2.02 140	0.75 58	0.37 28	4.67 510	0.76 197	2.53 128	1.58 188	1.99 273	1.46 171	1.78 248	1.14 208	2.08 228	0.88 163	0.48 424	0.22 196	0.32 250	0.27 230	0.40 287	0.29 165

CRE-IMP	1.23 157	0.61 171	2.14 159	0.82 93	0.39 42	4.54 487	0.83 249	2.63 151	1.55 173	1.95 260	1.46 171	1.87 275	0.96 150	1.48 141	1.33 279	0.45 403	0.21 167	0.31 230	0.26 204	0.41 311	0.31 203

RAFT	1.23 157	0.84 342	2.05 144	0.96 197	0.47 97	1.80 69	0.94 326	3.18 217	1.46 107	1.60 178	1.71 248	3.04 408	1.59 316	1.64 175	1.32 275	0.38 336	0.24 257	0.40 375	0.32 332	0.40 287	0.35 256

test-1	1.23 157	0.65 212	1.88 125	0.96 197	0.52 127	3.84 324	0.62 125	4.01 375	1.47 112	1.93 255	1.78 276	1.83 267	0.92 142	1.19 79	1.28 268	0.26 97	0.29 327	0.31 230	0.24 172	0.29 121	0.36 262

rvit_0105_3	1.24 162	0.93 368	2.84 218	0.97 204	0.58 168	2.38 113	1.08 370	3.26 227	2.53 416	1.18 137	1.40 160	1.24 173	1.04 172	1.73 189	0.97 198	0.44 394	0.44 443	0.40 375	0.42 431	0.42 330	0.50 383

PSM-adaLoss	1.24 162	0.65 212	2.03 141	0.75 58	0.37 28	4.68 511	0.73 172	2.53 128	1.58 188	1.99 273	1.47 175	1.78 248	1.13 201	2.18 242	0.87 159	0.48 424	0.23 223	0.32 250	0.27 230	0.40 287	0.29 165

rafts_anoy	1.24 162	0.80 323	3.61 253	1.17 321	1.20 390	3.00 172	0.61 112	3.17 215	1.58 188	1.37 153	1.26 122	1.19 165	1.12 199	1.78 195	1.25 258	0.32 251	0.23 223	0.32 250	0.32 332	0.31 163	0.30 193

DIP-Stereo	1.24 162	0.69 244	1.77 116	0.65 23	0.61 178	4.29 447	0.58 101	4.44 507	2.53 416	1.98 268	1.33 139	0.91 122	0.86 124	1.25 91	1.25 258	0.36 311	0.23 223	0.32 250	0.23 147	0.32 190	0.29 165
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
riskmin	1.25 166	0.56 111	2.05 144	1.05 250	0.93 310	2.86 152	0.55 85	3.23 222	1.34 77	1.55 173	1.07 83	3.56 461	2.03 399	1.29 101	1.00 206	0.28 149	0.27 305	0.34 303	0.21 99	0.41 311	0.43 337

Patchmatch Stereo++	1.25 166	0.65 212	2.06 153	0.75 58	0.37 28	4.68 511	0.76 197	2.53 128	1.58 188	1.99 273	1.47 175	1.78 248	1.14 208	2.44 256	0.90 170	0.48 424	0.23 223	0.32 250	0.27 230	0.40 287	0.29 165
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
ROB_FTStereo	1.25 166	0.66 223	2.14 159	0.75 58	0.37 28	4.65 507	0.77 210	2.53 128	1.58 188	1.99 273	1.47 175	1.78 248	1.13 201	2.26 251	0.86 153	0.47 419	0.22 196	0.32 250	0.27 230	0.40 287	0.29 165

HUI-Stereo	1.25 166	0.66 223	2.33 181	0.75 58	0.37 28	4.68 511	0.78 214	2.53 128	1.58 188	1.99 273	1.46 171	1.79 255	1.13 201	2.17 240	0.85 146	0.48 424	0.23 223	0.32 250	0.27 230	0.40 287	0.29 165

iRAFT	1.25 166	0.65 212	2.06 153	0.75 58	0.37 28	4.68 511	0.76 197	2.53 128	1.58 188	1.99 273	1.47 175	1.78 248	1.14 208	2.44 256	0.90 170	0.48 424	0.23 223	0.32 250	0.27 230	0.40 287	0.29 165

RAFT-IKP	1.25 166	0.66 223	2.23 170	0.75 58	0.37 28	4.64 505	0.74 184	2.53 128	1.58 188	1.99 273	1.47 175	1.78 248	1.13 201	2.22 248	0.92 181	0.48 424	0.22 196	0.32 250	0.27 230	0.40 287	0.29 165

RAFT-Stereo + iAFF	1.25 166	0.72 270	1.74 114	1.05 250	0.36 14	4.13 403	0.42 38	2.95 189	2.84 466	2.02 292	2.40 434	1.61 222	1.11 198	1.26 92	0.97 198	0.21 27	0.15 21	0.26 110	0.23 147	0.29 121	0.23 71

FACV-RUCA	1.26 173	0.65 212	2.21 165	1.06 256	1.50 458	2.69 141	1.15 386	3.05 201	1.87 269	1.36 150	1.99 350	1.03 141	1.15 216	1.36 115	1.10 222	0.41 370	0.41 430	0.73 507	0.41 425	0.61 423	0.41 324

CAS	1.26 173	0.40 7	1.46 87	2.97 542	1.61 479	4.13 403	0.73 172	1.78 48	1.49 128	0.83 93	1.10 88	0.59 45	0.53 23	1.26 92	0.80 128	2.99 545	0.13 1	0.21 9	0.13 1	0.31 163	1.72 525

anonymousdsp2	1.26 173	0.60 154	3.74 257	1.02 240	0.41 53	3.60 277	0.72 167	3.68 288	1.47 112	1.37 153	1.56 203	1.83 267	1.01 164	2.00 221	0.66 70	0.29 171	0.20 135	0.28 167	0.20 85	0.32 190	0.29 165

dd	1.26 173	1.15 419	2.47 192	0.92 169	0.49 112	4.35 453	0.75 194	1.92 60	2.11 322	1.44 163	1.24 114	1.19 165	1.05 177	1.78 195	1.70 351	0.57 463	0.34 377	0.35 322	0.33 340	0.60 418	0.46 359

iGMRVC	1.26 173	0.66 223	2.14 159	0.75 58	0.37 28	4.66 508	0.74 184	2.53 128	1.58 188	1.99 273	1.46 171	1.78 248	1.14 208	2.46 258	0.92 181	0.48 424	0.23 223	0.32 250	0.27 230	0.40 287	0.29 165

HI	1.27 178	0.90 357	2.33 181	1.10 281	0.68 216	2.92 161	0.45 51	2.49 124	1.76 251	2.13 324	1.65 231	2.42 340	1.84 381	1.58 156	1.61 333	0.26 97	0.16 26	0.28 167	0.29 287	0.26 78	0.25 96

CoSv	1.27 178	0.90 357	2.33 181	1.10 281	0.68 216	2.92 161	0.45 51	2.49 124	1.76 251	2.13 324	1.65 231	2.42 340	1.84 381	1.58 156	1.61 333	0.26 97	0.16 26	0.28 167	0.29 287	0.26 78	0.25 96

mmm	1.27 178	0.58 134	2.20 163	1.41 427	0.68 216	2.39 115	0.85 261	3.90 340	1.63 214	2.20 353	1.84 306	1.28 177	1.50 295	1.91 215	0.89 166	0.31 230	0.27 305	0.45 410	0.37 387	0.38 272	0.34 242

NRIStereo	1.28 181	0.61 171	1.67 108	1.15 313	0.38 39	4.73 524	0.90 297	2.42 111	1.50 133	1.93 255	1.33 139	1.75 242	1.22 226	2.96 294	1.33 279	0.46 410	0.22 196	0.29 188	0.26 204	0.30 144	0.28 155

RALAANet	1.28 181	1.08 405	3.21 232	1.25 352	0.94 312	1.44 46	0.69 156	3.15 212	2.57 423	2.01 287	1.80 282	1.29 180	1.05 177	2.00 221	1.48 307	0.27 112	0.20 135	0.27 138	0.24 172	0.40 287	0.27 136

CASS	1.29 183	0.66 223	2.62 205	0.95 191	0.66 204	2.84 148	0.69 156	3.00 195	1.79 256	2.57 439	1.95 338	1.39 192	1.55 313	1.59 161	1.06 213	0.50 440	0.28 317	0.34 303	0.28 259	0.46 367	0.63 435
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
gcap-zeroshot	1.30 184	0.61 171	4.09 260	0.94 187	0.56 147	3.50 253	0.84 252	3.12 208	1.72 238	1.84 226	1.22 109	2.72 377	0.88 130	1.46 138	0.80 128	0.29 171	0.30 340	0.27 138	0.21 99	0.29 121	0.25 96

knoymous	1.30 184	0.60 154	5.57 282	0.88 141	0.75 241	3.04 175	0.90 297	2.68 157	1.33 76	1.48 166	1.07 83	2.78 388	0.88 130	1.29 101	0.85 146	0.31 230	0.22 196	0.35 322	0.20 85	0.45 356	0.37 276

qqq	1.30 184	0.57 121	1.67 108	1.15 313	0.51 118	2.18 98	0.91 305	3.98 367	1.53 156	1.50 169	1.24 114	1.79 255	1.34 247	4.66 330	0.98 201	0.28 149	0.31 350	0.33 285	0.33 340	0.33 208	0.32 214

test_4	1.30 184	0.50 59	6.16 285	0.84 113	0.45 78	1.61 59	1.12 380	2.14 79	1.42 92	1.52 170	2.31 424	1.84 270	0.79 105	2.52 269	1.19 240	0.27 112	0.17 39	0.29 188	0.29 287	0.29 121	0.25 96

s12784h	1.31 188	0.45 21	2.41 190	0.71 44	0.35 12	4.42 466	0.50 64	4.22 437	2.73 443	2.01 287	2.48 440	0.91 122	0.96 150	2.01 224	0.70 93	0.29 171	0.18 67	0.24 58	0.16 12	0.27 90	0.18 3

AFF-stereo	1.31 188	0.77 309	1.46 87	1.10 281	0.45 78	3.93 349	0.48 61	2.92 188	2.92 472	1.90 244	2.21 397	2.11 311	1.52 301	1.93 216	1.12 228	0.21 27	0.16 26	0.25 81	0.25 184	0.29 121	0.20 19

Pruner-Stereo	1.32 190	0.59 142	2.11 158	1.79 497	0.47 97	4.73 524	0.79 221	2.53 128	1.72 238	2.47 424	1.58 206	1.48 205	1.03 168	1.66 178	1.47 304	0.44 394	0.21 167	0.34 303	0.30 305	0.30 144	0.39 298

ToySt	1.35 191	0.72 270	3.65 255	1.01 230	0.50 116	3.31 219	1.01 350	3.46 250	1.73 241	1.30 143	1.55 200	2.07 307	1.47 286	1.88 213	1.40 286	0.27 112	0.27 305	0.30 208	0.32 332	0.42 330	0.39 298

DisPM	1.36 192	0.55 100	2.39 187	1.54 457	0.51 118	4.59 498	0.79 221	2.50 126	1.88 271	2.50 427	1.83 301	1.45 202	1.01 164	2.71 286	0.93 189	0.46 410	0.20 135	0.32 250	0.31 321	0.31 163	0.44 343

sAnonymous2	1.37 193	1.22 436	9.79 326	0.92 169	0.88 294	1.23 20	0.61 112	2.56 140	1.69 231	0.85 96	1.02 66	0.73 81	1.23 229	0.98 32	0.78 122	0.29 171	0.25 281	0.31 230	0.30 305	1.06 499	0.71 453

CroCo_RVC	1.37 193	1.22 436	9.79 326	0.92 169	0.88 294	1.23 20	0.61 112	2.56 140	1.69 231	0.85 96	1.02 66	0.73 81	1.23 229	0.98 32	0.78 122	0.29 171	0.25 281	0.31 230	0.30 305	1.06 499	0.71 453

GES	1.38 195	0.64 202	2.61 202	1.09 272	0.57 159	4.30 449	1.02 354	3.86 327	1.51 140	1.72 207	1.74 255	1.28 177	1.77 366	1.62 169	1.61 333	0.39 348	0.27 305	0.33 285	0.30 305	0.41 311	0.47 364

Any-RAFT	1.40 196	0.53 83	2.78 216	1.09 272	0.64 189	4.41 464	0.81 240	3.97 365	2.78 450	1.99 273	1.34 144	2.36 332	1.56 315	1.56 153	0.75 112	0.27 112	0.20 135	0.25 81	0.18 47	0.25 61	0.28 155

UDGNet	1.40 196	1.52 474	2.22 168	1.38 421	0.62 184	4.39 458	0.68 150	1.80 49	2.18 335	1.34 147	1.18 99	0.99 134	1.00 162	2.16 238	1.19 240	1.09 514	0.34 377	1.30 531	0.98 520	1.10 505	0.58 420

GMStereo_Zeroshot	1.41 198	1.21 430	3.33 240	1.29 373	0.72 229	3.35 222	0.53 78	2.58 146	1.68 225	2.35 403	1.56 203	2.42 340	0.96 150	2.50 261	1.16 234	0.45 403	0.23 223	0.40 375	0.24 172	0.79 476	0.33 230

rvit_105_1	1.43 199	0.90 357	3.27 236	1.08 266	0.68 216	2.79 143	1.27 408	3.52 261	2.35 372	1.38 155	1.54 196	1.28 177	1.14 208	2.91 290	1.40 286	0.54 457	0.47 461	0.45 410	0.59 483	0.44 348	0.58 420

RAFT-Test	1.44 200	0.59 142	6.10 284	1.01 230	0.69 222	2.90 155	0.80 231	3.68 288	1.70 234	1.85 227	1.68 237	3.15 418	1.03 168	1.20 80	0.99 204	0.27 112	0.22 196	0.25 81	0.23 147	0.27 90	0.25 96

DCRE	1.44 200	0.74 289	3.50 246	1.13 299	0.72 229	1.78 67	0.67 144	2.14 79	1.56 179	1.99 273	8.09 537	1.73 240	1.07 186	1.24 86	0.83 140	0.23 47	0.25 281	0.26 110	0.26 204	0.28 107	0.30 193

AdaStereo	1.45 202	0.83 338	2.34 184	1.28 369	0.81 260	3.21 195	1.14 385	4.20 428	2.46 405	2.05 301	1.77 273	2.48 352	1.18 219	1.71 187	1.44 295	0.43 387	0.25 281	0.43 398	0.28 259	0.44 348	0.34 242
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.
BSDual-CNN	1.46 203	0.59 142	1.94 131	0.87 136	0.85 281	4.16 417	1.16 388	4.48 513	1.88 271	2.93 479	1.83 301	2.60 363	1.31 242	1.60 163	1.21 247	0.34 279	0.25 281	0.31 230	0.28 259	0.35 244	0.33 230

PFNet+	1.46 203	0.57 121	2.84 218	0.92 169	0.47 97	4.64 505	0.84 252	2.46 120	1.99 288	2.14 327	1.64 225	1.34 185	1.03 168	4.68 332	1.23 253	0.45 403	0.33 365	0.37 349	0.39 407	0.32 190	0.49 376

ACVNet	1.46 203	0.64 202	3.56 249	0.93 183	0.85 281	4.22 435	0.80 231	2.85 181	2.08 309	1.78 217	1.88 320	3.10 413	1.46 284	1.33 109	1.89 377	0.29 171	0.26 294	0.30 208	0.26 204	0.39 282	0.27 136

psmg	1.47 206	0.59 142	1.94 131	0.92 169	0.85 281	4.30 449	1.42 435	4.10 409	1.88 271	2.64 455	2.09 373	2.60 363	1.31 242	1.60 163	1.21 247	0.34 279	0.27 305	0.33 285	0.34 349	0.36 257	0.34 242

BUS	1.49 207	0.59 142	1.94 131	0.87 136	0.85 281	4.50 481	0.76 197	4.48 513	1.88 271	2.93 479	1.83 301	3.63 463	0.97 153	1.60 163	1.17 237	0.34 279	0.25 281	0.31 230	0.28 259	0.35 244	0.33 230

plain	1.55 208	0.69 244	13.59 371	0.65 23	0.73 234	1.66 63	0.57 92	3.17 215	1.94 282	0.77 76	1.24 114	0.80 95	0.86 124	1.60 163	0.96 197	0.33 267	0.21 167	0.32 250	0.25 184	0.42 330	0.28 155

LCNet	1.55 208	0.54 94	1.88 125	0.99 216	0.55 143	3.60 277	1.21 402	2.86 184	1.53 156	2.18 346	1.74 255	1.43 201	4.17 503	3.62 308	0.87 159	0.29 171	0.20 135	0.28 167	0.77 505	0.47 371	1.85 528

DeepStereo_RVC	1.55 208	0.63 190	3.32 239	0.77 76	0.42 59	4.49 478	0.72 167	2.50 126	1.58 188	2.02 292	1.81 294	1.54 213	6.38 537	1.73 189	1.19 240	0.46 410	0.22 196	0.29 188	0.28 259	0.35 244	0.38 291

acv_ft	1.55 208	0.64 202	3.29 237	1.14 300	2.01 520	2.93 165	0.97 339	3.81 314	2.08 309	2.22 364	1.88 320	3.10 413	1.66 346	1.33 109	2.22 417	0.29 171	0.26 294	0.30 208	0.26 204	0.39 282	0.27 136

TestStereo1	1.56 212	0.81 327	2.32 179	1.61 472	0.64 189	4.13 403	1.36 419	3.79 311	3.20 502	1.60 178	2.57 452	1.39 192	2.15 412	2.51 264	1.30 272	0.29 171	0.20 135	0.34 303	0.25 184	0.40 287	0.36 262

SA-5K	1.56 212	0.81 327	2.32 179	1.61 472	0.64 189	4.13 403	1.36 419	3.79 311	3.20 502	1.60 178	2.57 452	1.39 192	2.15 412	2.51 264	1.30 272	0.29 171	0.20 135	0.34 303	0.25 184	0.40 287	0.36 262

UCFNet_RVC	1.57 214	0.84 342	3.25 234	1.36 409	1.40 438	4.07 389	1.01 350	2.68 157	1.50 133	2.11 317	1.88 320	2.37 333	1.50 295	3.41 302	1.42 292	0.36 311	0.28 317	0.52 453	0.40 418	0.53 394	0.43 337

NF-Stereo	1.58 215	0.61 171	2.66 209	2.26 524	0.47 97	4.68 511	0.67 144	3.31 232	1.48 120	2.11 317	1.59 210	1.36 188	1.09 189	6.08 362	1.20 243	0.40 355	0.20 135	0.36 337	0.34 349	0.31 163	0.36 262

OCTAStereo	1.58 215	0.61 171	2.72 212	2.27 527	0.46 87	4.68 511	0.67 144	3.30 231	1.48 120	2.11 317	1.59 210	1.36 188	1.09 189	6.02 359	1.21 247	0.41 370	0.20 135	0.36 337	0.34 349	0.31 163	0.37 276

RE-Stereo	1.58 215	0.61 171	2.72 212	2.26 524	0.46 87	4.68 511	0.68 150	3.31 232	1.48 120	2.11 317	1.59 210	1.36 188	1.09 189	6.01 357	1.22 250	0.41 370	0.20 135	0.36 337	0.34 349	0.31 163	0.37 276

TVStereo	1.58 215	0.61 171	2.72 212	2.26 524	0.46 87	4.68 511	0.68 150	3.31 232	1.48 120	2.11 317	1.59 210	1.36 188	1.09 189	6.01 357	1.22 250	0.41 370	0.20 135	0.36 337	0.34 349	0.31 163	0.37 276

Gwc-CoAtRS	1.58 215	0.57 121	11.69 352	1.01 230	0.60 174	2.53 131	0.64 130	2.36 105	1.56 179	1.80 221	1.47 175	2.74 378	1.18 219	1.12 54	0.90 170	0.27 112	0.21 167	0.25 81	0.22 132	0.27 90	0.23 71

KYRaft	1.59 220	0.52 71	1.73 111	0.95 191	0.49 112	4.38 455	1.79 471	2.43 114	1.51 140	2.49 426	2.98 480	2.00 294	3.41 484	2.14 236	0.82 137	0.30 211	0.21 167	0.33 285	0.46 443	0.35 244	2.45 542

Reg-Stereo(zero)	1.60 221	0.42 15	10.69 340	0.89 146	0.68 216	3.27 210	0.47 59	2.27 94	1.54 165	1.48 166	1.24 114	2.55 358	2.68 450	1.48 141	1.10 222	0.19 19	0.19 97	0.22 14	0.18 47	0.24 47	0.26 120

HCRNet	1.60 221	0.56 111	2.47 192	0.78 78	1.36 429	4.11 398	0.71 164	3.57 270	2.79 452	1.75 213	1.61 218	1.58 217	1.41 266	5.79 354	1.56 324	0.34 279	0.28 317	0.36 337	0.29 287	0.33 208	0.37 276

AIO-test2	1.61 223	1.30 447	3.40 242	1.16 319	1.31 413	3.18 193	0.74 184	4.06 392	1.52 149	1.72 207	2.21 397	0.78 89	0.74 81	3.64 310	0.95 196	3.64 553	0.26 294	0.35 322	0.42 431	0.37 267	0.33 230

Prome-Stereo	1.61 223	0.55 100	1.71 110	0.98 210	0.60 174	4.41 464	1.82 475	3.03 199	1.53 156	2.18 346	3.45 502	1.72 239	3.49 490	2.23 249	1.08 218	0.29 171	0.20 135	0.26 110	0.25 184	0.34 226	2.16 534

test_sample1	1.62 225	0.55 100	1.88 125	1.44 434	0.79 255	2.27 105	0.64 130	4.00 373	1.82 259	1.87 234	1.35 147	1.57 215	1.62 326	9.55 435	1.24 255	0.30 211	0.27 305	0.31 230	0.28 259	0.32 190	0.32 214

testlalala_base	1.62 225	0.74 289	1.63 105	1.19 330	1.40 438	2.63 139	0.84 252	4.09 401	1.31 74	1.22 139	1.42 164	1.21 170	0.85 121	1.16 66	0.73 104	3.92 559	2.10 546	0.27 138	0.18 47	4.49 556	1.11 502

RAFT+CT+SA	1.62 225	0.72 270	7.42 296	0.97 204	1.42 447	4.04 381	0.94 326	3.90 340	1.61 208	1.61 183	1.63 223	1.33 184	1.18 219	2.73 288	1.10 222	0.27 112	0.19 97	0.31 230	0.34 349	0.33 208	0.33 230

SA	1.62 225	0.75 301	3.78 259	1.07 258	0.43 65	4.26 440	1.36 419	4.45 510	3.12 491	1.63 186	1.97 345	1.68 229	2.26 423	2.55 272	1.27 264	0.27 112	0.22 196	0.37 349	0.37 387	0.35 244	0.30 193

Sa-1000	1.63 229	0.79 319	3.56 249	1.11 288	0.48 105	4.06 384	1.41 433	4.49 516	2.75 447	2.00 285	2.80 472	1.84 270	1.43 274	2.64 281	1.50 311	0.27 112	0.19 97	0.36 337	0.33 340	0.36 257	0.30 193

PSMNet-RUCA	1.64 230	1.50 473	2.57 198	1.50 450	1.38 434	3.05 177	1.36 419	3.31 232	2.24 344	1.36 150	2.07 370	1.40 197	1.09 189	1.83 204	1.55 322	1.15 518	0.69 510	1.26 530	0.96 518	1.64 527	0.94 490

test_sample7	1.65 231	0.70 254	2.60 199	1.48 446	0.76 245	2.38 113	1.07 365	4.35 488	2.11 322	2.14 327	1.75 259	1.75 242	1.67 348	6.26 366	1.26 261	0.44 394	0.48 467	0.43 398	0.40 418	0.46 367	0.43 337

StereoVision	1.65 231	0.75 301	7.47 298	1.01 230	1.80 510	2.61 137	0.61 112	3.06 204	1.96 283	1.25 140	3.46 503	1.85 273	0.88 130	2.07 226	1.93 382	0.43 387	0.36 388	0.37 349	0.36 375	0.48 374	0.33 230

dad	1.65 231	1.19 427	3.04 227	0.98 210	0.56 147	4.22 435	0.84 252	1.99 66	2.48 406	2.14 327	1.68 237	1.62 223	1.13 201	3.85 314	2.04 396	1.03 513	0.40 421	2.04 538	0.48 451	0.75 470	0.53 398

PSM-softLoss	1.66 234	0.59 142	5.15 275	2.25 522	0.48 105	4.68 511	0.69 156	2.57 142	1.52 149	2.14 327	1.45 169	1.42 199	0.99 160	6.04 360	1.20 243	0.41 370	0.23 223	0.37 349	0.39 407	0.32 190	0.31 203

KMStereo	1.66 234	0.59 142	5.15 275	2.25 522	0.48 105	4.68 511	0.69 156	2.57 142	1.52 149	2.14 327	1.45 169	1.42 199	0.99 160	6.04 360	1.20 243	0.41 370	0.23 223	0.37 349	0.39 407	0.32 190	0.31 203

DDVS	1.68 236	0.79 319	2.52 194	1.26 359	1.16 375	3.17 191	0.78 214	3.12 208	1.82 259	1.86 232	1.91 332	2.92 401	1.43 274	6.20 364	1.63 341	0.45 403	0.65 502	0.34 303	0.38 400	0.48 374	0.79 474

ISRNet	1.69 237	0.76 306	5.69 283	1.27 367	1.36 429	2.85 150	0.61 112	3.60 274	1.91 279	2.13 324	2.12 381	2.90 396	1.41 266	2.51 264	1.71 352	0.49 436	0.50 473	0.56 468	0.47 446	0.49 380	0.57 415

IER	1.69 237	0.65 212	7.19 294	0.94 187	1.15 370	3.28 214	0.89 292	3.48 251	1.97 285	2.10 313	1.98 347	2.28 319	2.12 408	2.25 250	1.75 362	0.29 171	0.23 223	0.36 337	0.30 305	0.32 190	0.34 242

RAFT_R40	1.70 239	0.59 142	2.99 224	1.46 440	0.46 87	4.74 527	0.98 345	2.23 90	1.56 179	2.02 292	2.35 432	2.71 375	2.56 444	6.71 379	0.90 170	0.40 355	0.19 97	0.30 208	0.27 230	0.33 208	0.26 120

ffm	1.72 240	0.60 154	5.21 277	1.14 300	0.99 330	3.62 282	0.86 264	4.22 437	3.37 515	2.20 353	2.30 417	3.48 446	1.62 326	2.21 246	0.65 65	0.29 171	0.16 26	0.48 427	0.37 387	0.30 144	0.29 165

Anonymous3	1.72 240	0.76 306	11.61 351	0.83 104	0.84 280	4.46 470	0.84 252	3.57 270	1.16 51	1.34 147	1.37 152	1.11 151	1.03 168	1.58 156	1.13 229	0.70 490	0.58 490	0.33 285	0.35 365	0.47 371	0.42 328

DMCA	1.72 240	0.74 289	6.63 287	1.14 300	0.96 316	3.98 371	0.90 297	3.75 303	2.76 448	2.83 474	1.58 206	2.35 330	1.18 219	1.58 156	1.98 391	0.40 355	0.27 305	0.42 394	0.26 204	0.36 257	0.38 291

fff	1.74 243	0.70 254	9.08 316	0.81 83	0.36 14	4.15 407	0.57 92	4.23 441	2.09 312	2.30 385	1.80 282	1.19 165	3.02 465	1.44 130	1.46 299	0.29 171	0.23 223	0.23 28	0.18 47	0.24 47	0.42 328

DCANet	1.74 243	0.73 281	9.08 316	0.82 93	0.40 46	4.18 425	0.59 105	4.25 451	2.97 477	2.35 403	1.84 306	1.18 161	1.63 339	1.51 147	1.55 322	0.29 171	0.24 257	0.23 28	0.18 47	0.30 144	0.53 398

csc	1.74 243	0.70 254	9.08 316	0.81 83	0.36 14	4.15 407	0.57 92	4.23 441	2.09 312	2.30 385	1.80 282	1.19 165	3.02 465	1.44 130	1.46 299	0.29 171	0.23 223	0.23 28	0.18 47	0.24 47	0.42 328

cscssc	1.74 243	0.70 254	9.08 316	0.81 83	0.36 14	4.15 407	0.57 92	4.23 441	2.09 312	2.30 385	1.80 282	1.19 165	3.02 465	1.44 130	1.46 299	0.29 171	0.23 223	0.23 28	0.18 47	0.24 47	0.42 328

test_sample2	1.75 247	0.56 111	2.25 171	1.41 427	0.80 257	2.91 158	0.86 264	4.05 388	2.04 301	1.91 249	1.39 157	1.57 215	1.55 313	10.65 473	1.06 213	0.32 251	0.28 317	0.32 250	0.30 305	0.36 257	0.33 230

anonymity	1.76 248	1.26 443	2.73 215	1.66 477	1.32 419	1.84 71	1.07 365	3.49 254	2.30 360	2.11 317	2.11 378	1.71 238	3.90 498	1.82 203	1.48 307	1.10 515	1.09 526	1.08 525	1.08 526	1.05 498	1.09 500

SST-Stereo	1.76 248	0.58 134	3.10 228	1.44 434	0.46 87	4.71 523	0.76 197	2.22 89	2.79 452	2.07 309	2.18 391	2.43 343	3.22 477	6.66 375	0.84 143	0.42 381	0.19 97	0.30 208	0.27 230	0.35 244	0.26 120

StereoDRNet-Refined	1.77 250	0.81 327	2.22 168	1.21 341	0.76 245	3.26 208	0.71 164	3.82 317	2.05 304	2.29 381	2.05 365	2.98 403	1.44 277	7.15 386	2.27 421	0.30 211	0.23 223	0.42 394	0.33 340	0.45 356	0.64 439
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
CSP-Net	1.78 251	1.32 453	1.92 130	1.16 319	1.03 342	3.38 225	1.31 412	3.52 261	1.75 249	1.96 264	1.93 337	2.40 335	1.48 288	8.58 411	1.58 326	0.46 410	0.34 377	0.27 138	0.26 204	0.41 311	0.50 383

MM-Stereo_test2	1.79 252	0.53 83	20.16 498	1.43 431	0.47 97	2.57 134	0.73 172	1.67 36	1.47 112	0.94 109	0.96 63	0.84 103	0.79 105	1.16 66	0.68 78	0.24 61	0.17 39	0.25 81	0.22 132	0.30 144	0.22 60

tt1	1.79 252	0.73 281	10.41 337	1.75 489	0.36 14	4.55 490	0.79 221	4.22 437	3.37 515	1.08 128	1.80 282	0.74 85	1.48 288	2.21 246	0.65 65	0.29 171	0.16 26	0.31 230	0.22 132	0.30 144	0.29 165

RAFT_CTSACE	1.80 254	1.06 402	10.00 329	1.71 484	1.39 436	3.49 249	1.06 363	3.05 201	1.62 211	1.70 202	2.04 359	2.51 355	1.80 374	1.98 220	0.94 191	0.25 82	0.22 196	0.28 167	0.30 305	0.30 144	0.26 120

UPFNet	1.81 255	0.63 190	6.71 288	1.25 352	1.44 448	3.50 253	1.35 417	4.02 379	1.85 267	2.40 415	1.52 187	2.41 337	1.40 261	3.62 308	1.88 376	0.34 279	0.33 365	0.37 349	0.31 321	0.41 311	0.39 298

AACVNet	1.83 256	1.02 390	2.41 190	1.45 438	0.87 291	3.21 195	0.73 172	3.16 213	1.61 208	2.01 287	1.82 300	2.28 319	1.33 245	10.98 487	1.49 310	0.39 348	0.32 358	0.38 365	0.32 332	0.43 340	0.44 343

111	1.83 256	0.92 364	9.08 316	0.81 83	0.36 14	4.25 439	0.91 305	4.44 507	2.70 440	2.39 413	1.96 339	2.30 325	1.64 342	1.28 97	1.82 369	0.28 149	0.22 196	0.24 58	0.20 85	0.31 163	0.54 404

ACVNet-DCA	1.85 258	0.74 289	13.77 374	1.78 492	0.36 14	4.48 472	0.74 184	3.98 367	1.53 156	1.01 119	1.81 294	0.72 77	1.62 326	2.13 233	0.64 58	0.29 171	0.17 39	0.32 250	0.21 99	0.33 208	0.32 214

ITSA-stereo	1.86 259	0.72 270	3.74 257	1.20 335	0.66 204	4.09 391	0.91 305	4.24 449	2.53 416	1.93 255	1.77 273	1.59 219	2.15 412	6.12 363	2.44 435	0.40 355	0.38 407	0.40 375	0.40 418	0.50 382	0.98 494

test_5	1.87 260	0.75 301	10.23 334	1.14 300	1.40 438	3.85 332	1.27 408	3.91 345	1.93 281	1.69 198	1.78 276	1.67 227	1.79 369	2.99 295	1.17 237	0.30 211	0.18 67	0.35 322	0.33 340	0.34 226	0.33 230

NINENet	1.87 260	0.74 289	2.60 199	1.12 292	1.06 350	4.50 481	0.76 197	4.41 502	2.24 344	2.16 340	1.86 316	3.63 463	0.97 153	8.00 402	1.17 237	0.41 370	0.30 340	0.41 387	0.30 305	0.41 311	0.36 262

IRAFT_RVC	1.87 260	0.60 154	4.33 263	2.40 531	0.66 204	4.59 498	1.59 455	2.96 190	1.51 140	2.23 368	1.75 259	2.09 308	2.63 447	6.70 376	1.50 311	0.33 267	0.21 167	0.33 285	0.29 287	0.32 190	0.32 214

MLCV	1.87 260	0.91 362	8.59 310	1.10 281	0.57 159	3.59 275	0.53 78	3.70 298	2.20 338	2.80 471	2.25 403	2.00 294	1.42 271	4.13 323	1.86 374	0.30 211	0.20 135	0.32 250	0.21 99	0.33 208	0.36 262

iRaft-Stereo_20w	1.88 264	0.62 181	10.58 339	0.90 155	0.83 273	2.96 170	0.78 214	4.90 537	1.58 188	2.29 381	1.60 214	1.25 174	4.51 511	2.28 252	0.90 170	0.29 171	0.21 167	0.26 110	0.24 172	0.41 311	0.31 203

DSFCA	1.89 265	0.69 244	3.14 231	1.10 281	1.18 377	3.99 372	1.79 471	3.50 257	2.16 331	3.10 492	1.64 225	2.91 399	2.50 440	5.38 342	2.26 419	0.43 387	0.38 407	0.37 349	0.36 375	0.50 382	0.42 328

iResNet_ROB	1.89 265	1.02 390	8.60 311	1.39 423	0.98 327	3.72 298	0.66 142	3.84 321	2.65 434	1.88 237	2.05 365	1.98 291	1.27 233	4.52 328	1.67 348	0.30 211	0.20 135	0.28 167	0.18 47	0.31 163	0.40 318

MM-Stereo_test1	1.90 267	0.53 83	19.85 484	1.39 423	0.48 105	1.81 70	0.79 221	3.00 195	1.82 259	1.69 198	1.09 85	0.87 113	0.97 153	1.45 134	0.74 109	0.24 61	0.21 167	0.27 138	0.24 172	0.35 244	0.24 86

H2IRNET	1.90 267	0.53 83	14.29 390	1.14 300	0.60 174	4.48 472	0.44 47	2.65 153	1.81 258	1.05 126	2.30 417	1.67 227	1.40 261	2.17 240	1.50 311	0.36 311	0.21 167	0.33 285	0.37 387	0.34 226	0.29 165

CFNet-ft	1.90 267	0.95 376	3.56 249	1.07 258	1.54 464	4.09 391	0.90 297	2.85 181	1.82 259	1.78 217	1.70 244	2.75 380	1.48 288	9.33 428	1.72 354	0.33 267	0.30 340	0.61 483	0.36 375	0.52 388	0.39 298

CFNet_RVC	1.90 267	0.95 376	3.56 249	1.07 258	1.54 464	4.09 391	0.90 297	2.85 181	1.82 259	1.78 217	1.70 244	2.75 380	1.48 288	9.33 428	1.72 354	0.33 267	0.30 340	0.61 483	0.36 375	0.52 388	0.39 298

PSMNet-ADL	1.91 271	0.72 270	1.78 118	1.09 272	0.86 286	4.18 425	0.78 214	3.77 307	2.10 320	1.72 207	1.85 313	2.91 399	1.82 379	10.38 466	1.91 380	0.48 424	0.46 457	0.28 167	0.29 287	0.38 272	0.51 391

GEStereo_RVC	1.91 271	0.80 323	6.57 286	1.20 335	1.06 350	4.02 377	1.43 437	4.13 412	1.89 275	2.03 296	1.80 282	2.34 328	1.86 386	4.94 334	1.77 363	0.48 424	0.38 407	0.32 250	0.28 259	0.42 330	0.50 383

DN-CSS_ROB	1.91 271	1.55 476	11.13 346	1.82 499	0.88 294	3.99 372	0.61 112	4.01 375	1.67 223	1.64 189	1.89 326	1.39 192	1.06 184	3.23 297	1.50 311	0.31 230	0.19 97	0.44 403	0.29 287	0.37 267	0.31 203

qqq1	1.92 274	0.57 121	4.46 264	1.36 409	0.57 159	2.03 86	0.73 172	4.25 451	2.80 456	2.32 395	2.31 424	1.95 282	1.52 301	10.99 488	0.71 96	0.34 279	0.32 358	0.30 208	0.23 147	0.29 121	0.29 165

fff1	1.92 274	0.57 121	4.46 264	1.36 409	0.57 159	2.03 86	0.73 172	4.25 451	2.80 456	2.32 395	2.31 424	1.95 282	1.52 301	10.99 488	0.71 96	0.34 279	0.32 358	0.30 208	0.23 147	0.29 121	0.29 165

raft_robust	1.92 274	1.15 419	3.34 241	1.02 240	0.43 65	3.84 324	0.46 54	4.42 503	2.52 415	1.67 196	1.36 151	2.17 313	6.37 535	6.78 381	1.04 211	0.28 149	0.24 257	0.30 208	0.35 365	0.31 163	0.32 214

delet	1.92 274	0.76 306	5.14 274	1.01 230	1.65 488	3.44 235	2.03 487	3.76 305	2.48 406	2.01 287	2.05 365	2.63 367	1.90 392	5.34 341	2.12 406	0.28 149	0.29 327	0.40 375	0.31 321	0.41 311	0.45 349

BEATNet_4x	1.92 274	1.36 458	8.75 314	1.20 335	0.56 147	3.46 240	1.03 356	4.00 373	2.43 397	2.25 374	1.70 244	2.10 309	1.59 316	2.57 275	3.05 463	0.37 319	0.22 196	0.47 419	0.29 287	0.60 418	0.40 318

IIG-Stereo	1.95 279	0.79 319	2.14 159	2.78 539	0.66 204	4.62 502	0.76 197	4.27 459	1.53 156	2.63 454	3.14 492	3.35 435	1.61 323	7.65 397	1.41 290	0.39 348	0.20 135	0.31 230	0.25 184	0.33 208	0.22 60

LALA_ROB	1.95 279	1.48 471	3.11 229	1.05 250	0.98 327	3.99 372	1.82 475	4.44 507	2.28 356	3.31 502	1.85 313	2.76 386	1.67 348	4.04 322	3.23 466	0.46 410	0.41 430	0.55 466	0.52 468	0.60 418	0.57 415

DCANet-4	1.96 281	0.51 65	14.31 391	0.82 93	0.40 46	4.16 417	0.57 92	4.29 467	2.98 480	2.30 385	1.80 282	1.03 141	1.54 311	1.44 130	1.44 295	0.29 171	0.23 223	0.23 28	0.18 47	0.24 47	0.42 328

PSMNet-RSSM	1.96 281	0.77 309	3.26 235	1.29 373	1.31 413	4.19 429	0.96 336	3.68 288	1.89 275	2.05 301	1.80 282	2.60 363	1.70 355	9.84 443	1.81 367	0.35 299	0.29 327	0.35 322	0.37 387	0.42 330	0.35 256

4D-IteraStereo	1.97 283	0.84 342	20.43 515	0.78 78	1.56 471	2.09 94	1.05 362	2.43 114	1.56 179	1.41 160	1.00 65	1.94 280	0.61 44	1.22 83	1.06 213	0.27 112	0.18 67	0.31 230	0.26 204	0.27 90	0.23 71

OMP-Stereo	1.97 283	0.93 368	1.88 125	2.76 538	0.67 211	4.58 497	1.48 440	4.31 478	1.54 165	3.15 497	2.76 468	3.25 426	1.38 254	7.66 398	1.35 283	0.40 355	0.20 135	0.33 285	0.26 204	0.33 208	0.24 86

cc1	1.98 285	0.74 289	13.77 374	1.78 492	0.36 14	4.48 472	0.74 184	4.23 441	3.95 531	1.01 119	1.81 294	0.72 77	1.62 326	2.13 233	0.64 58	0.29 171	0.17 39	0.32 250	0.21 99	0.31 163	0.29 165

hknet	1.98 285	0.64 202	8.70 313	0.87 136	1.07 354	4.16 417	1.16 388	4.48 513	1.73 241	2.93 479	1.83 301	3.48 446	1.30 241	3.91 318	1.51 317	0.31 230	0.25 281	0.31 230	0.28 259	0.35 244	0.33 230

GANet-RSSM	1.98 285	0.62 181	3.49 244	1.69 480	1.23 398	4.22 435	0.91 305	3.31 232	1.86 268	1.81 222	1.74 255	2.34 328	1.82 379	10.92 485	1.73 358	0.34 279	0.29 327	0.31 230	0.28 259	0.39 282	0.40 318

1test111	1.99 288	0.74 289	13.77 374	1.78 492	0.36 14	4.48 472	0.74 184	3.98 367	1.53 156	1.01 119	1.81 294	0.72 77	1.62 326	4.66 330	0.98 201	0.29 171	0.17 39	0.32 250	0.21 99	0.33 208	0.32 214

SMFormer	2.00 289	0.57 121	4.46 264	1.36 409	0.57 159	2.03 86	0.73 172	4.25 451	2.80 456	2.32 395	2.31 424	1.95 282	1.52 301	10.99 488	2.13 409	0.34 279	0.32 358	0.36 337	0.31 321	0.38 272	0.36 262

tta	2.00 289	0.57 121	4.46 264	1.36 409	0.57 159	2.03 86	0.73 172	4.25 451	2.80 456	2.32 395	2.31 424	1.95 282	1.52 301	10.99 488	2.13 409	0.34 279	0.32 358	0.36 337	0.31 321	0.29 121	0.29 165

TestStereo	2.00 289	1.02 390	12.25 355	0.70 39	0.61 178	1.88 74	0.55 85	2.31 101	1.52 149	1.41 160	1.33 139	1.27 176	0.90 137	11.62 516	0.81 134	0.34 279	0.19 97	0.33 285	0.24 172	0.44 348	0.24 86

cross-raft	2.01 292	0.57 121	19.01 462	1.03 247	0.56 147	2.11 95	0.72 167	3.63 279	1.57 185	1.77 215	1.51 186	3.17 420	1.13 201	1.16 66	0.85 146	0.23 47	0.21 167	0.26 110	0.23 147	0.28 107	0.25 96

MMNet	2.02 293	0.81 327	10.76 341	1.12 292	1.23 398	3.53 260	0.89 292	3.79 311	2.08 309	2.15 335	1.76 268	2.15 312	2.12 408	3.69 311	2.32 424	0.31 230	0.29 327	0.34 303	0.27 230	0.38 272	0.42 328

xx1	2.03 294	0.74 289	13.77 374	1.78 492	0.36 14	4.48 472	0.74 184	4.23 441	3.95 531	1.01 119	1.81 294	1.79 255	1.34 247	2.13 233	0.64 58	0.29 171	0.17 39	0.33 285	0.33 340	0.33 208	0.32 214

HGLStereo	2.03 294	0.74 289	7.50 299	1.23 348	1.56 471	3.62 282	0.95 330	3.78 310	1.89 275	2.03 296	2.20 395	3.12 416	2.14 411	5.68 351	2.04 396	0.37 319	0.31 350	0.32 250	0.29 287	0.40 287	0.45 349

ssnet_v2	2.04 296	0.88 354	7.87 300	1.20 335	0.87 291	3.86 334	1.64 461	4.01 375	2.60 428	2.61 449	1.96 339	3.79 468	1.71 357	2.20 244	2.96 459	0.41 370	0.35 383	0.42 394	0.37 387	0.55 399	0.52 396

ADStereo(finetuned)	2.04 296	0.73 281	13.28 365	0.82 93	0.40 46	4.16 417	0.59 105	4.25 451	2.97 477	2.35 403	1.84 306	1.18 161	3.40 483	1.52 149	1.54 321	0.29 171	0.24 257	0.23 28	0.18 47	0.30 144	0.51 391

CBFPSM	2.05 298	0.95 376	10.12 333	1.07 258	1.05 347	2.84 148	1.20 399	3.28 228	1.73 241	1.82 224	1.30 133	4.56 507	4.06 500	2.34 253	2.34 426	0.25 82	0.38 407	0.32 250	0.27 230	0.37 267	0.79 474

DeepPruner_ROB	2.05 298	1.09 408	10.50 338	1.01 230	1.20 390	4.39 458	0.91 305	3.14 210	1.72 238	2.60 447	1.54 196	2.78 388	1.27 233	4.52 328	1.72 354	0.51 446	0.40 421	0.37 349	0.34 349	0.48 374	0.52 396

DLCB_ROB	2.05 298	0.95 376	2.37 185	1.24 350	1.02 341	2.92 161	1.30 411	3.68 288	2.30 360	2.91 477	2.17 389	3.32 433	1.52 301	10.37 464	2.50 440	0.40 355	0.33 365	0.40 375	0.36 375	0.41 311	0.47 364

HITNet	2.07 301	0.82 334	14.77 394	1.34 398	0.56 147	3.47 243	0.80 231	4.07 395	2.35 372	2.16 340	1.61 218	1.64 224	1.44 277	2.09 231	2.56 447	0.26 97	0.18 67	0.41 387	0.26 204	0.45 356	0.25 96
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
ETE_ROB	2.07 301	1.40 463	3.01 226	1.09 272	0.92 305	3.94 354	1.53 447	4.25 451	2.23 342	3.31 502	2.06 369	2.35 330	1.52 301	8.74 413	2.07 402	0.44 394	0.36 388	0.51 447	0.48 451	0.54 397	0.62 431

CFNet-RSSM	2.08 303	0.52 71	20.06 492	1.01 230	0.56 147	3.39 226	0.64 130	3.67 286	1.55 173	1.72 207	1.37 152	2.57 360	1.19 223	1.11 51	0.86 153	0.27 112	0.20 135	0.25 81	0.23 147	0.27 90	0.23 71

coex_refinement	2.10 304	0.85 346	3.67 256	1.31 383	1.13 367	3.21 195	0.85 261	3.86 327	2.31 364	2.51 430	1.92 334	3.49 452	1.69 353	11.08 495	2.13 409	0.37 319	0.25 281	0.27 138	0.31 321	0.41 311	0.37 276

iRaft-Stereo_5w	2.10 304	0.83 338	8.57 309	0.81 83	0.76 245	3.21 195	0.84 252	3.71 299	1.65 219	1.56 175	2.50 442	2.20 315	2.23 421	9.13 423	2.01 394	0.38 336	0.19 97	0.35 322	0.27 230	0.45 356	0.39 298

DFGA-Net	2.11 306	3.00 520	7.43 297	1.11 288	0.76 245	3.72 298	0.60 108	2.63 151	1.91 279	2.01 287	2.07 370	1.22 171	1.04 172	10.26 462	2.26 419	0.27 112	0.22 196	0.34 303	0.34 349	0.61 423	0.48 369

G2L-Stereo_test	2.11 306	0.86 349	7.12 293	1.65 476	1.19 384	3.54 264	1.02 354	3.57 270	2.01 294	2.50 427	1.68 237	3.15 418	1.50 295	9.21 426	1.62 338	0.28 149	0.19 97	0.23 28	0.22 132	0.27 90	0.31 203

CFNet_pseudo	2.12 308	0.67 233	15.14 405	0.85 125	0.74 239	3.95 359	0.64 130	3.95 358	1.78 254	1.90 244	1.79 279	3.27 428	1.62 326	2.51 264	1.16 234	0.31 230	0.36 388	0.53 458	0.27 230	0.63 429	0.44 343

test_xeample3	2.12 308	0.63 190	21.55 550	0.91 163	0.47 97	1.85 72	0.94 326	7.96 556	1.23 58	0.75 61	0.76 26	0.64 53	0.70 68	1.77 194	0.83 140	0.30 211	0.21 167	0.27 138	0.21 99	0.27 90	0.24 86

G2L-ROB	2.13 310	0.78 315	10.06 330	1.19 330	1.06 350	3.84 324	0.93 320	3.32 237	2.27 352	2.20 353	1.47 175	2.65 370	1.20 225	8.38 407	1.81 367	0.28 149	0.19 97	0.23 28	0.22 132	0.28 107	0.32 214

ccs_rob	2.13 310	0.67 233	15.11 404	0.84 113	0.75 241	3.96 364	0.65 139	3.95 358	1.78 254	1.88 237	1.79 279	3.26 427	1.64 342	2.51 264	1.16 234	0.31 230	0.36 388	0.54 465	0.27 230	0.65 440	0.45 349

SepStereo	2.15 312	0.67 233	4.79 271	1.14 300	1.64 484	2.93 165	2.13 492	4.09 401	2.74 444	4.17 525	2.52 445	2.46 350	1.79 369	8.36 405	1.63 341	0.37 319	0.22 196	0.39 369	0.25 184	0.41 311	0.34 242

test_for_model	2.16 313	3.87 529	1.58 103	4.16 557	3.64 552	2.51 125	0.96 336	3.63 279	2.62 429	2.45 421	1.39 157	1.02 139	0.73 77	0.92 23	0.57 43	2.97 544	2.19 548	0.26 110	0.17 27	5.32 560	2.24 535

IGEV_Zeroshot_test	2.16 313	0.69 244	20.60 522	1.22 344	0.54 136	2.18 98	0.53 78	3.38 245	1.61 208	1.93 255	1.55 200	3.76 467	1.05 177	1.55 152	0.91 177	0.29 171	0.20 135	0.27 138	0.29 287	0.40 287	0.32 214

anonymousa	2.16 313	0.67 233	19.19 463	1.04 249	1.67 492	2.06 92	0.79 221	2.86 184	1.96 283	1.85 227	2.14 384	3.23 425	1.81 377	1.12 54	1.15 231	0.26 97	0.26 294	0.34 303	0.32 332	0.30 144	0.28 155

AIO-test1	2.18 316	0.66 223	18.95 460	0.89 146	1.48 455	3.40 229	0.97 339	4.19 427	1.68 225	0.86 98	1.35 147	0.99 134	0.75 84	4.47 327	1.27 264	0.23 47	0.23 223	0.28 167	0.33 340	0.31 163	0.35 256

SFCPSM	2.18 316	0.63 190	17.03 427	0.88 141	0.98 327	3.74 303	1.28 410	4.09 401	2.16 331	1.85 227	1.83 301	1.65 225	1.39 257	2.50 261	1.50 311	0.33 267	0.27 305	0.39 369	0.36 375	0.34 226	0.37 276

GANet-ADL	2.20 318	0.73 281	20.11 497	1.25 352	0.69 222	3.83 319	0.76 197	3.49 254	1.71 235	1.65 193	1.99 350	2.10 309	1.10 195	1.42 127	1.26 261	0.38 336	0.33 365	0.25 81	0.22 132	0.42 330	0.36 262

MSKI-zero shot	2.22 319	0.64 202	20.09 496	0.96 197	0.56 147	4.04 381	0.70 162	3.91 345	1.50 133	1.92 251	2.28 409	1.92 278	0.71 70	2.93 292	0.67 75	0.26 97	0.23 223	0.26 110	0.21 99	0.28 107	0.26 120

PS-NSSS	2.22 319	1.33 456	2.90 222	0.97 204	1.53 463	4.11 398	1.08 370	4.55 523	2.65 434	2.10 313	2.32 429	1.77 247	1.40 261	11.79 529	1.61 333	0.68 486	0.45 448	0.96 519	0.43 434	0.95 490	0.92 488

PCWNet_CMD	2.23 321	0.65 212	17.36 432	0.83 104	0.76 245	3.51 256	0.64 130	3.60 274	1.97 285	1.70 202	1.63 223	3.22 423	3.05 469	2.09 231	1.11 225	0.31 230	0.36 388	0.47 419	0.26 204	0.64 437	0.47 364

HH	2.23 321	0.86 349	21.59 551	0.98 210	0.51 118	1.49 51	0.82 244	2.74 165	1.54 165	1.10 130	1.69 242	4.62 509	1.86 386	2.55 272	0.69 87	0.26 97	0.22 196	0.29 188	0.23 147	0.34 226	0.27 136

HanStereo	2.23 321	0.86 349	21.59 551	0.98 210	0.51 118	1.49 51	0.82 244	2.74 165	1.54 165	1.10 130	1.69 242	4.62 509	1.86 386	2.55 272	0.69 87	0.26 97	0.22 196	0.29 188	0.23 147	0.34 226	0.27 136

MSMDNet	2.23 321	0.64 202	17.32 428	0.84 113	0.75 241	3.53 260	0.64 130	3.61 277	1.98 287	1.71 206	1.64 225	3.22 423	2.99 462	2.08 228	1.11 225	0.31 230	0.37 401	0.45 410	0.26 204	0.62 427	0.45 349

FENet	2.25 325	0.50 59	20.29 508	1.35 403	0.67 211	4.01 375	0.60 108	3.95 358	1.99 288	1.96 264	1.11 89	2.43 343	1.43 274	1.60 163	1.39 285	0.32 251	0.22 196	0.33 285	0.26 204	0.29 121	0.39 298

DISCO	2.25 325	0.73 281	10.06 330	1.76 490	1.12 365	3.47 243	1.25 407	3.24 224	2.26 350	2.65 459	1.96 339	4.53 505	1.92 394	4.17 325	3.61 470	0.32 251	0.25 281	0.31 230	0.29 287	0.66 445	0.41 324

iinet-f	2.26 327	1.18 425	13.71 372	1.14 300	1.11 364	3.77 307	1.10 376	4.14 418	2.17 333	2.06 306	1.76 268	2.99 404	2.99 462	2.50 261	2.49 439	0.35 299	0.39 416	0.27 138	0.28 259	0.45 356	0.39 298

ICVP	2.26 327	0.66 223	21.18 542	0.99 216	0.88 294	4.28 446	0.95 330	3.32 237	1.60 204	1.66 194	1.76 268	1.34 185	1.14 208	1.62 169	1.32 275	0.53 455	0.35 383	0.33 285	0.29 287	0.40 287	0.51 391
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rrr	2.27 329	0.65 212	23.82 569	0.90 155	0.46 87	1.57 57	0.96 336	7.98 557	1.19 55	0.65 37	0.77 29	0.74 85	0.72 73	2.59 276	0.86 153	0.28 149	0.21 167	0.28 167	0.21 99	0.29 121	0.25 96

CIPLG	2.27 329	1.18 425	19.24 464	0.92 169	1.34 425	3.95 359	0.89 292	4.23 441	1.82 259	2.31 391	2.67 461	1.17 157	1.06 184	1.53 151	1.32 275	0.37 319	0.23 223	0.27 138	0.22 132	0.31 163	0.45 349

ACRE	2.27 329	1.11 412	19.45 471	0.91 163	1.30 411	3.94 354	0.87 283	4.21 434	1.80 257	2.28 379	2.62 456	1.17 157	1.04 172	1.52 149	1.30 272	0.37 319	0.23 223	0.27 138	0.22 132	0.31 163	0.46 359

NOSS_ROB	2.27 329	0.73 281	3.00 225	1.71 484	1.00 338	3.90 341	0.97 339	4.29 467	2.81 462	2.94 483	2.19 393	3.88 472	1.19 223	11.77 528	1.62 338	0.59 466	0.54 478	0.56 468	0.52 468	0.56 405	0.54 404

XPNet_ROB	2.27 329	1.11 412	4.10 261	1.36 409	0.97 320	3.94 354	1.63 459	4.07 395	2.14 327	2.82 473	2.00 352	2.32 327	1.73 362	10.81 480	3.39 467	0.51 446	0.47 461	0.48 427	0.40 418	0.51 384	0.56 411

IPLGR_C	2.28 334	1.31 451	19.46 472	0.92 169	1.32 419	3.93 349	0.89 292	4.20 428	1.82 259	2.30 385	2.63 458	1.16 156	1.07 186	1.41 125	1.29 271	0.37 319	0.23 223	0.27 138	0.22 132	0.31 163	0.45 349

DRaft	2.28 334	0.56 111	2.64 208	0.74 57	0.46 87	3.94 354	1.23 404	2.32 103	1.55 173	2.64 455	2.80 472	1.60 220	5.34 522	6.96 385	10.99 528	0.34 279	0.22 196	0.27 138	0.27 230	0.29 121	0.37 276

psm_up	2.28 334	0.81 327	5.45 281	1.26 359	1.50 458	3.84 324	1.23 404	4.23 441	2.03 297	2.55 435	1.80 282	2.44 347	1.65 344	12.90 548	1.58 326	0.37 319	0.38 407	0.41 387	0.34 349	0.43 340	0.39 298

MyStereo04	2.29 337	0.80 323	18.77 456	1.00 224	1.04 345	3.95 359	0.95 330	3.91 345	2.54 420	1.99 273	1.27 128	2.31 326	1.65 344	2.02 225	1.77 363	0.24 61	0.24 257	0.34 303	0.26 204	0.41 311	0.37 276

ADLNet	2.29 337	0.83 338	3.62 254	1.35 403	1.60 477	3.67 290	1.24 406	3.95 358	2.98 480	2.58 443	2.29 412	4.01 479	1.79 369	11.23 501	2.09 404	0.37 319	0.38 407	0.36 337	0.34 349	0.45 356	0.71 453

TDLM	2.29 337	1.08 405	4.61 270	1.29 373	1.01 339	4.26 440	2.17 494	3.75 303	2.79 452	2.31 391	1.98 347	2.06 304	1.59 316	12.45 543	1.72 354	0.51 446	0.28 317	0.52 453	0.35 365	0.56 405	0.50 383

Wz-Net-LNSev	2.30 340	1.67 485	14.88 397	1.18 327	1.65 488	3.49 249	1.54 450	3.63 279	2.03 297	1.88 237	1.64 225	3.29 429	2.06 403	2.71 286	2.02 395	0.40 355	0.33 365	0.32 250	0.31 321	0.53 394	0.49 376

DCVSM-stereo	2.31 341	0.66 223	20.69 524	1.11 288	0.93 310	2.58 136	0.73 172	2.61 149	1.60 204	2.57 439	1.53 194	3.30 431	1.72 359	2.19 243	1.23 253	0.34 279	0.53 476	0.41 387	0.32 332	0.45 356	0.62 431

testlalala2	2.31 341	0.63 190	20.54 518	2.56 535	2.87 540	3.79 313	0.76 197	4.20 428	1.48 120	1.42 162	1.43 166	2.45 348	0.80 112	1.03 38	0.68 78	0.27 112	0.25 281	0.24 58	0.21 99	0.33 208	0.28 155

gwcnet-sp	2.31 341	1.21 430	17.34 429	1.08 266	0.92 305	3.56 269	1.04 359	3.69 293	2.09 312	2.55 435	1.60 214	1.80 258	1.62 326	3.87 315	1.95 386	0.29 171	0.29 327	0.30 208	0.28 259	0.38 272	0.39 298

scenet	2.31 341	1.21 430	17.34 429	1.08 266	0.92 305	3.56 269	1.04 359	3.69 293	2.09 312	2.55 435	1.60 214	1.80 258	1.62 326	3.87 315	1.95 386	0.29 171	0.29 327	0.30 208	0.28 259	0.38 272	0.39 298

ssnet	2.31 341	1.21 430	17.34 429	1.08 266	0.92 305	3.56 269	1.04 359	3.69 293	2.09 312	2.55 435	1.60 214	1.80 258	1.62 326	3.87 315	1.95 386	0.29 171	0.29 327	0.30 208	0.28 259	0.38 272	0.39 298

DAS	2.31 341	0.67 233	4.79 271	1.14 300	1.64 484	2.93 165	2.13 492	4.09 401	2.74 444	4.17 525	2.52 445	2.46 350	1.79 369	11.55 513	1.63 341	0.37 319	0.22 196	0.39 369	0.25 184	0.41 311	0.34 242

TRStereo	2.31 341	1.87 493	19.74 480	1.53 455	1.16 375	4.26 440	1.08 370	4.73 533	1.45 99	1.55 173	1.28 129	1.75 242	0.85 121	1.81 201	1.20 243	0.36 311	0.26 294	0.32 250	0.36 375	0.34 226	0.33 230

test_sample5	2.33 348	0.62 181	11.29 347	1.29 373	0.83 273	3.09 184	0.74 184	4.28 464	2.31 364	2.20 353	1.97 345	1.68 229	1.39 257	11.19 499	1.47 304	0.37 319	0.31 350	0.37 349	0.37 387	0.41 311	0.39 298

MyStereo8	2.33 348	1.13 414	19.26 467	1.22 344	1.62 480	4.16 417	0.57 92	3.50 257	2.36 375	2.15 335	1.75 259	2.28 319	1.14 208	1.46 138	2.20 415	0.24 61	0.21 167	0.32 250	0.27 230	0.36 257	0.43 337

DualNet	2.33 348	0.62 181	11.29 347	1.29 373	0.83 273	3.09 184	0.74 184	4.28 464	2.31 364	2.26 377	2.04 359	1.68 229	1.39 257	11.19 499	1.47 304	0.37 319	0.31 350	0.37 349	0.37 387	0.41 311	0.39 298

MIPNet	2.33 348	0.71 266	19.82 482	0.89 146	0.56 147	4.76 529	0.61 112	4.32 482	2.37 381	1.83 225	1.48 182	1.48 205	1.98 398	2.63 279	1.44 295	0.29 171	0.20 135	0.26 110	0.23 147	0.30 144	0.39 298

DualNet (step1)	2.34 352	1.05 397	7.87 300	1.07 258	0.86 286	3.93 349	1.19 395	4.35 488	2.11 322	2.14 327	1.75 259	1.75 242	1.67 348	6.26 366	1.26 261	1.23 522	0.48 467	4.27 566	2.09 552	0.70 453	0.69 448

test_sample4	2.34 352	0.63 190	11.59 350	1.30 380	0.83 273	3.07 182	0.72 167	4.27 459	2.30 360	2.30 385	1.88 320	1.73 240	1.42 271	11.14 498	1.46 299	0.35 299	0.29 327	0.35 322	0.36 375	0.40 287	0.38 291

test_sample3	2.34 352	0.61 171	11.94 353	1.33 391	0.85 281	3.10 186	0.73 172	4.24 449	2.19 336	2.21 362	1.75 259	1.80 258	1.41 266	11.11 497	1.46 299	0.35 299	0.29 327	0.34 303	0.35 365	0.39 282	0.37 276

STTStereo	2.34 352	0.95 376	14.93 400	1.43 431	1.54 464	3.86 334	0.86 264	3.65 282	2.44 401	2.15 335	1.55 200	2.49 354	1.59 316	5.14 338	1.44 295	0.38 336	0.39 416	0.47 419	0.51 465	0.52 388	0.51 391

CFNet	2.34 352	1.10 409	8.96 315	1.34 398	1.24 400	4.09 391	0.73 172	4.04 384	2.77 449	1.62 185	1.87 319	2.27 318	1.45 281	11.41 506	1.82 369	0.31 230	0.24 257	0.43 398	0.36 375	0.43 340	0.33 230

AIO-Stereo-zeroshot	2.35 357	0.99 385	19.62 476	1.09 272	0.96 316	1.51 53	0.44 47	4.05 388	1.64 215	1.31 144	1.67 234	4.93 516	2.45 437	2.52 269	1.40 286	0.30 211	0.20 135	0.31 230	0.50 461	0.57 410	0.60 425

test_sample6	2.35 357	0.62 181	10.78 342	1.33 391	0.83 273	3.15 190	0.79 221	4.36 493	2.43 397	2.26 377	2.04 359	1.69 234	1.39 257	11.48 511	1.61 333	0.38 336	0.32 358	0.37 349	0.39 407	0.41 311	0.42 328

EAI-Stereo	2.35 357	0.63 190	2.97 223	0.95 191	0.65 197	3.84 324	14.27 568	5.04 540	2.19 336	2.06 306	7.25 530	1.10 149	0.94 147	1.65 177	1.37 284	0.31 230	0.22 196	0.27 138	0.60 485	0.27 90	0.32 214

ac_64	2.35 357	0.62 181	9.77 325	1.32 386	1.71 498	3.27 210	0.93 320	3.48 251	2.50 411	1.74 211	1.73 253	3.91 473	1.77 366	10.21 459	1.86 374	0.40 355	0.31 350	0.33 285	0.30 305	0.34 226	0.39 298

HSM	2.35 357	0.81 327	2.21 165	1.14 300	1.55 468	3.44 235	1.03 356	3.99 371	2.25 347	2.29 381	2.11 378	8.04 544	3.05 469	11.60 514	1.71 352	0.33 267	0.22 196	0.28 167	0.23 147	0.32 190	0.35 256

CFNet_ucs	2.36 362	0.68 241	18.42 452	0.89 146	0.81 260	3.85 332	0.68 150	4.29 467	2.37 381	2.09 310	2.04 359	3.31 432	1.24 231	2.63 279	1.14 230	0.36 311	0.45 448	0.56 468	0.29 287	0.66 445	0.49 376

MyStereo05	2.37 363	0.72 270	19.94 487	1.02 240	0.99 330	4.26 440	0.86 264	4.01 375	2.62 429	2.14 327	1.26 122	2.28 319	1.63 339	2.07 226	1.68 349	0.24 61	0.23 223	0.34 303	0.26 204	0.42 330	0.36 262

hitnet-ft	2.37 363	0.73 281	8.34 306	0.96 197	0.89 299	3.77 307	0.80 231	3.55 268	2.58 424	2.24 371	2.04 359	3.65 465	1.49 294	11.71 526	1.89 377	0.44 394	0.53 476	0.44 403	0.35 365	0.52 388	0.48 369

YMNet	2.40 365	1.41 465	13.46 368	1.36 409	1.67 492	3.96 364	0.97 339	3.81 314	2.37 381	2.64 455	2.57 452	3.35 435	1.53 308	3.28 299	2.42 432	0.48 424	0.54 478	0.52 453	0.49 455	0.70 453	0.54 404

YMNet_1	2.40 365	1.41 465	13.46 368	1.36 409	1.67 492	3.96 364	0.97 339	3.81 314	2.37 381	2.64 455	2.57 452	3.35 435	1.53 308	3.28 299	2.42 432	0.48 424	0.54 478	0.52 453	0.49 455	0.70 453	0.54 404

CoDeX	2.40 365	0.78 315	13.21 364	1.00 224	1.18 377	3.24 203	1.32 413	4.14 418	2.41 393	1.74 211	1.84 306	2.05 302	1.47 286	10.03 453	1.60 330	0.34 279	0.28 317	0.32 250	0.27 230	0.32 190	0.39 298

LMCR-Stereo	2.40 365	1.31 451	18.61 455	1.59 467	0.86 286	3.87 337	1.15 386	4.32 482	1.60 204	2.25 374	2.27 405	1.13 152	2.43 435	2.48 260	1.60 330	0.88 506	0.24 257	0.29 188	0.24 172	0.56 405	0.30 193

Wz-Net-LNSev-Ref	2.42 369	1.47 470	14.14 385	1.30 380	1.35 426	3.51 256	1.64 461	4.04 384	2.10 320	2.46 422	1.88 320	2.28 319	2.51 441	4.73 333	3.17 465	0.38 336	0.19 97	0.35 322	0.20 85	0.40 287	0.36 262

PAM	2.43 370	0.61 171	20.86 528	1.07 258	0.73 234	2.93 165	0.53 78	3.24 224	1.53 156	1.89 243	2.43 435	5.29 529	2.76 452	1.84 205	1.02 208	0.27 112	0.24 257	0.26 110	0.25 184	0.40 287	0.50 383

PSM-AAD	2.43 370	0.54 94	1.32 73	0.92 169	0.54 136	4.48 472	7.47 555	2.96 190	1.55 173	2.31 391	2.56 450	1.26 175	16.23 565	2.46 258	0.89 166	0.28 149	0.21 167	0.58 472	0.41 425	0.34 226	1.32 512

AASNet	2.44 372	0.92 364	19.79 481	1.35 403	1.49 456	3.81 317	1.07 365	3.85 324	2.93 474	1.95 260	2.29 412	1.96 287	1.29 238	1.73 189	1.93 382	0.39 348	0.33 365	0.45 410	0.30 305	0.55 399	0.45 349

PAM_32	2.45 373	0.63 190	20.74 525	1.05 250	0.65 197	2.83 147	0.46 54	2.91 187	1.54 165	1.95 260	2.66 460	4.99 519	3.78 494	1.96 219	0.92 181	0.27 112	0.22 196	0.27 138	0.25 184	0.36 257	0.48 369

GMM-Stereo	2.45 373	0.52 71	20.38 511	0.89 146	0.82 269	4.18 425	1.91 480	2.45 117	1.48 120	2.48 425	2.30 417	1.69 234	1.86 386	2.93 292	1.08 218	0.28 149	0.18 67	0.33 285	0.48 451	0.35 244	2.41 539

DMCA-RVC	2.45 373	1.22 436	18.29 447	1.23 348	1.14 368	2.49 123	0.85 261	3.29 230	1.68 225	3.02 486	1.41 162	2.00 294	1.53 308	6.39 368	2.00 392	0.38 336	0.30 340	0.44 403	0.35 365	0.45 356	0.44 343

MyStereo06	2.46 376	0.72 270	19.97 489	1.02 240	0.99 330	4.26 440	0.86 264	3.51 260	1.68 225	1.92 251	1.73 253	4.01 479	4.22 504	1.62 169	0.88 163	0.24 61	0.23 223	0.34 303	0.26 204	0.42 330	0.36 262

SACVNet	2.46 376	1.14 418	9.47 323	1.44 434	1.18 377	4.06 384	1.49 444	3.84 321	2.24 344	2.62 451	1.89 326	2.57 360	1.28 235	11.35 504	1.64 344	0.50 440	0.39 416	0.48 427	0.41 425	0.55 399	0.75 465

RAFT-345	2.46 376	0.55 100	19.69 479	1.02 240	0.49 112	4.43 468	0.78 214	1.64 34	2.34 370	2.09 310	3.12 490	1.96 287	1.31 242	6.65 374	1.43 293	0.36 311	0.23 223	0.32 250	0.25 184	0.28 107	0.25 96

GwcNet-ADL	2.47 379	0.67 233	21.48 549	0.96 197	0.72 229	4.61 501	0.95 330	4.42 503	2.36 375	1.98 268	1.80 282	2.55 358	1.24 231	1.90 214	1.41 290	0.40 355	0.46 457	0.24 58	0.27 230	0.41 311	0.49 376

PFNet	2.47 379	0.60 154	16.95 426	2.15 521	0.81 260	4.63 504	0.91 305	2.55 138	1.52 149	2.40 415	2.79 470	1.83 267	1.42 271	7.54 393	1.34 282	0.33 267	0.21 167	0.36 337	0.27 230	0.32 190	0.39 298

IPLG	2.48 381	0.65 212	19.63 477	0.91 163	0.79 255	4.60 500	0.56 89	4.31 478	1.84 266	1.91 249	2.00 352	1.31 182	1.38 254	6.61 372	1.53 320	0.27 112	0.20 135	0.27 138	0.23 147	0.31 163	0.36 262

HHNet	2.48 381	0.71 266	20.52 517	0.64 16	0.64 189	4.07 389	0.93 320	3.76 305	1.56 179	2.15 335	4.92 521	0.98 133	3.37 482	1.66 178	1.79 366	0.32 251	0.20 135	0.31 230	0.27 230	0.36 257	0.42 328

G2L-Stereo	2.49 383	0.94 374	14.54 393	1.15 313	1.35 426	3.57 273	0.95 330	3.62 278	2.00 292	2.11 317	1.61 218	3.20 421	1.34 247	9.54 433	1.91 380	0.34 279	0.27 305	0.35 322	0.28 259	0.30 144	0.35 256

CRFU-Net	2.49 383	0.78 315	10.36 335	2.30 528	1.08 356	3.91 342	1.41 433	3.85 324	1.65 219	2.15 335	1.76 268	3.34 434	7.95 549	5.56 348	1.48 307	0.47 419	0.35 383	0.30 208	0.28 259	0.37 267	0.43 337

FADNet	2.49 383	1.76 489	13.17 363	1.17 321	0.95 315	3.27 210	0.88 287	3.94 356	2.27 352	1.40 158	1.29 131	2.51 355	2.06 403	9.93 448	1.94 384	0.43 387	0.45 448	0.40 375	0.43 434	1.06 499	0.53 398

RAFT + AFF	2.51 386	2.66 516	4.48 268	1.15 313	1.95 517	4.15 407	2.01 486	4.46 511	3.30 512	2.19 350	2.51 444	2.22 316	4.87 515	8.91 417	2.06 399	0.30 211	0.60 495	0.48 427	0.38 400	0.77 472	0.69 448

UNet	2.51 386	0.74 289	20.17 499	1.14 300	1.44 448	3.48 246	0.76 197	3.77 307	1.87 269	2.05 301	1.57 205	2.75 380	2.39 432	3.51 304	2.51 441	0.32 251	0.26 294	0.41 387	0.26 204	0.38 272	0.39 298

FADNet-RVC	2.51 386	2.27 506	14.03 383	1.09 272	0.81 260	3.54 264	1.10 376	4.13 412	2.48 406	1.39 156	1.22 109	1.85 273	1.77 366	9.78 441	2.06 399	0.38 336	0.37 401	0.40 375	0.40 418	0.67 447	0.48 369

iResNet	2.52 389	0.94 374	21.17 541	1.84 501	0.72 229	3.75 304	0.81 240	4.14 418	2.55 422	2.33 401	2.03 356	1.35 187	1.44 277	3.27 298	2.16 413	0.35 299	0.23 223	0.28 167	0.22 132	0.44 348	0.45 349

IPLGR	2.53 390	0.58 134	20.46 516	0.82 93	0.52 127	4.56 495	0.50 64	4.30 475	2.38 386	1.87 234	1.53 194	1.68 229	1.72 359	6.95 384	1.15 231	0.28 149	0.21 167	0.27 138	0.23 147	0.33 208	0.32 214

NCCL2	2.53 390	1.35 457	10.90 344	1.15 313	0.97 320	3.53 260	2.56 507	3.65 282	2.23 342	2.76 467	1.80 282	2.41 337	1.66 346	10.35 463	2.07 402	0.44 394	0.40 421	0.57 471	0.53 472	0.59 414	0.65 441

fast-acv-ft	2.54 392	1.19 427	20.08 495	1.41 427	1.40 438	3.18 193	1.17 391	3.37 244	2.28 356	1.90 244	2.15 386	2.69 372	2.17 417	2.91 290	2.31 423	0.37 319	0.39 416	0.45 410	0.39 407	0.57 410	0.45 349

XX-Stereo	2.54 392	0.61 171	20.21 500	1.78 492	1.19 384	4.30 449	0.46 54	4.39 499	1.58 188	2.32 395	1.89 326	4.64 511	0.60 41	4.16 324	0.82 137	0.31 230	0.21 167	0.28 167	0.27 230	0.51 384	0.26 120

NLCA_NET_v2_RVC	2.54 392	1.04 396	16.73 422	1.53 455	2.00 519	3.96 364	0.87 283	3.87 330	2.31 364	2.54 434	1.67 234	2.85 393	1.63 339	5.55 347	1.62 338	0.46 410	0.33 365	0.38 365	0.38 400	0.53 394	0.62 431
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NVstereo2D	2.54 392	0.90 357	11.10 345	1.32 386	1.47 453	3.58 274	1.38 426	4.13 412	2.45 402	1.90 244	1.71 248	2.86 394	1.76 364	10.86 481	1.66 347	0.60 467	0.43 438	0.53 458	0.41 425	0.78 474	0.94 490

CVANet_RVC	2.55 396	1.10 409	9.13 321	1.46 440	1.15 370	3.96 364	1.53 447	3.91 345	2.50 411	3.04 488	2.04 359	2.60 363	1.72 359	12.46 544	1.50 311	0.49 436	0.30 340	0.51 447	0.41 425	0.63 429	0.50 383

GCST	2.56 397	1.79 491	18.02 443	1.92 507	1.33 423	1.72 64	0.51 68	3.67 286	2.03 297	1.70 202	1.61 218	1.55 214	1.29 238	5.06 336	1.24 255	2.06 537	0.77 517	1.45 534	0.97 519	1.14 509	1.34 513

ARAFT	2.56 397	1.13 414	19.50 474	0.89 146	0.48 105	4.15 407	1.40 430	4.36 493	2.82 464	2.36 407	1.88 320	1.70 236	1.04 172	6.45 369	1.22 250	0.29 171	0.18 67	0.37 349	0.35 365	0.35 244	0.25 96

RASNet	2.56 397	0.70 254	10.06 330	1.60 469	2.25 531	3.67 290	1.00 347	3.38 245	3.14 494	1.81 222	2.11 378	4.60 508	2.30 425	10.25 461	2.61 448	0.37 319	0.24 257	0.25 81	0.24 172	0.28 107	0.26 120

cf-r	2.57 400	0.79 319	16.09 413	1.48 446	1.35 426	4.19 429	0.93 320	3.68 288	2.36 375	1.97 266	1.81 294	3.42 442	1.45 281	8.24 404	1.83 371	0.32 251	0.26 294	0.33 285	0.30 305	0.34 226	0.37 276

UGAM	2.58 401	0.56 111	18.55 454	0.89 146	0.71 227	3.23 199	1.03 356	2.75 167	1.75 249	1.36 150	2.77 469	2.69 372	1.28 235	10.75 476	1.40 286	0.28 149	0.24 257	0.40 375	0.31 321	0.35 244	0.30 193

GrayStereo	2.58 401	0.53 83	1.63 105	1.58 466	0.89 299	4.17 422	8.17 559	3.03 199	1.52 149	2.80 471	2.50 442	1.70 236	17.10 566	2.83 289	1.15 231	0.33 267	0.21 167	0.27 138	0.32 332	0.28 107	0.53 398

ASMatch	2.62 403	0.60 154	20.65 523	1.37 419	0.64 189	4.39 458	0.78 214	1.97 64	1.58 188	1.70 202	3.89 512	1.94 280	3.79 495	5.46 344	1.64 344	0.31 230	0.24 257	0.34 303	0.28 259	0.33 208	0.50 383

RAFT-RH_RVC	2.63 404	0.55 100	19.97 489	1.26 359	0.47 97	4.46 470	0.57 92	1.71 40	1.64 215	3.06 491	5.51 525	2.03 298	1.28 235	6.70 376	1.52 319	0.42 381	0.22 196	0.37 349	0.34 349	0.28 107	0.29 165

DANet	2.63 404	1.07 403	8.10 305	1.83 500	1.70 497	3.25 206	1.16 388	4.31 478	2.38 386	3.40 508	2.18 391	4.08 483	1.80 374	9.77 439	3.89 474	0.52 452	0.55 482	0.59 475	0.44 437	0.63 429	0.86 482
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FADNet_RVC	2.65 406	2.28 508	16.51 419	0.98 210	0.92 305	4.09 391	0.83 249	4.26 458	1.73 241	1.46 164	1.78 276	1.60 220	1.50 295	8.88 415	2.39 427	0.47 419	0.38 407	0.44 403	0.58 481	0.89 485	0.97 492

iResNetv2_ROB	2.65 406	5.00 534	19.28 469	2.06 517	1.09 360	3.83 319	1.13 383	4.14 418	2.09 312	1.85 227	2.03 356	2.01 297	1.51 299	3.58 306	1.58 326	0.34 279	0.21 167	0.32 250	0.21 99	0.44 348	0.29 165

ccnet	2.66 408	0.97 383	8.01 304	1.54 457	1.24 400	3.75 304	2.18 495	4.07 395	2.41 393	2.66 460	3.25 495	2.87 395	2.31 428	9.89 445	3.50 468	0.78 495	0.75 516	0.71 500	0.67 493	0.76 471	0.81 476

GwcNet-RSSM	2.66 408	1.05 397	15.91 411	1.22 344	1.19 384	4.12 400	1.12 380	3.84 321	2.02 295	1.93 255	1.79 279	3.12 416	1.46 284	10.37 464	2.05 398	0.33 267	0.27 305	0.35 322	0.30 305	0.40 287	0.36 262

z-ln-s-r	2.67 410	1.16 422	12.43 357	1.34 398	1.26 405	3.70 294	1.21 402	4.20 428	2.38 386	2.04 299	1.92 334	2.43 343	1.60 322	10.58 469	5.19 492	0.29 171	0.20 135	0.32 250	0.24 172	0.51 384	0.38 291

xxxx	2.67 410	0.54 94	2.03 141	1.22 344	0.81 260	3.49 249	0.63 127	4.49 516	2.49 410	2.22 364	2.23 400	2.05 302	1.38 254	10.05 454	17.91 557	0.32 251	0.32 358	0.30 208	0.27 230	0.33 208	0.34 242

test_xeample	2.67 410	0.56 111	2.05 144	1.09 272	0.81 260	3.24 203	0.80 231	4.55 523	2.70 440	2.42 417	2.27 405	1.39 192	1.40 261	10.75 476	17.51 556	0.30 211	0.30 340	0.32 250	0.28 259	0.34 226	0.33 230

PASM	2.67 410	2.05 502	9.71 324	1.73 487	1.37 431	2.53 131	1.52 445	3.10 206	2.17 333	2.79 470	1.84 306	2.90 396	1.85 385	11.89 533	2.19 414	0.81 500	0.85 520	0.87 516	1.01 522	1.14 509	1.05 497

AIO-Stereo-zeroshot1	2.68 414	1.26 443	22.01 558	1.08 266	0.99 330	1.61 59	0.86 264	3.69 293	1.64 215	1.52 170	5.62 527	3.35 435	3.44 488	2.20 244	1.33 279	0.26 97	0.21 167	0.30 208	0.62 489	0.93 489	0.67 443

222	2.68 414	0.57 121	2.03 141	1.11 288	0.81 260	3.23 199	0.65 139	4.52 521	2.45 402	2.34 402	2.29 412	1.41 198	1.44 277	10.50 467	18.47 561	0.32 251	0.30 340	0.32 250	0.27 230	0.32 190	0.34 242

PWC_ROB	2.69 416	2.01 499	8.36 307	1.33 391	1.90 515	3.23 199	1.18 392	4.33 484	3.25 506	3.11 493	3.41 501	2.71 375	2.18 419	9.15 424	4.48 478	0.56 461	0.31 350	0.61 483	0.36 375	0.69 452	0.74 462

pcwnet_v2	2.70 417	0.65 212	22.48 561	1.08 266	1.03 342	3.56 269	0.81 240	4.29 467	3.14 494	2.29 381	2.29 412	3.01 406	1.71 357	3.32 301	1.43 293	0.43 387	0.50 473	0.41 387	0.34 349	0.61 423	0.56 411

Wz-Net-MNSev	2.71 418	2.54 514	13.91 381	1.52 453	1.37 431	3.28 214	2.47 502	4.03 380	2.32 368	2.57 439	2.07 370	2.29 324	3.01 464	7.55 394	2.74 453	0.38 336	0.36 388	0.36 337	0.37 387	0.57 410	0.47 364

w-ln-seven-2	2.73 419	2.13 503	12.47 359	1.18 327	1.01 339	3.54 264	1.58 454	3.93 352	3.26 507	2.43 419	2.02 354	2.63 367	2.28 424	7.93 401	5.45 495	0.40 355	0.40 421	0.44 403	0.34 349	0.62 427	0.47 364

ttt	2.76 420	0.56 111	2.28 177	1.41 427	1.21 396	3.67 290	0.77 210	4.59 526	2.94 475	2.35 403	2.30 417	2.45 348	1.54 311	11.25 502	15.56 544	0.43 387	0.36 388	0.37 349	0.33 340	0.40 287	0.40 318

UGAM-zero	2.79 421	0.57 121	20.87 530	0.98 210	0.77 251	2.08 93	0.35 19	3.88 333	1.51 140	2.05 301	1.64 225	5.07 523	3.42 487	9.83 442	1.24 255	0.28 149	0.21 167	0.27 138	0.29 287	0.29 121	0.28 155

RP	2.79 421	1.20 429	10.36 335	1.54 457	1.93 516	3.44 235	1.97 483	4.05 388	2.34 370	2.66 460	2.79 470	3.98 477	2.58 445	10.21 459	2.61 448	0.95 509	0.47 461	0.71 500	0.57 480	0.71 462	0.68 446

SHD	2.82 423	2.04 501	13.80 378	1.69 480	1.79 507	2.73 142	1.07 365	3.85 324	3.18 498	4.63 533	2.74 465	3.38 440	2.77 453	5.48 346	3.66 471	0.62 471	0.47 461	0.51 447	0.55 475	0.65 440	0.74 462

FADNet-RVC-Resample	2.83 424	2.02 500	21.07 536	1.12 292	0.91 304	3.53 260	1.37 424	4.08 399	2.09 312	1.68 197	1.33 139	2.03 298	1.51 299	9.54 433	1.69 350	0.38 336	0.37 401	0.42 394	0.44 437	0.56 405	0.56 411

StereoDRNet	2.84 425	1.49 472	14.48 392	1.33 391	1.57 475	3.44 235	2.06 488	3.69 293	2.36 375	3.26 501	1.84 306	2.79 390	1.80 374	10.88 482	3.16 464	0.41 370	0.33 365	0.39 369	0.36 375	0.59 414	0.58 420

w-ln-seven	2.86 426	3.06 521	14.02 382	1.27 367	1.32 419	4.10 397	1.59 455	3.90 340	2.59 427	3.03 487	2.27 405	3.42 442	2.25 422	6.70 376	4.81 486	0.39 348	0.34 377	0.48 427	0.40 418	0.74 467	0.55 408

AAGNet	2.86 426	0.60 154	1.77 116	2.05 516	0.46 87	4.76 529	1.09 374	2.27 94	1.56 179	2.17 344	1.84 306	2.41 337	4.00 499	6.23 365	24.22 573	0.46 410	0.19 97	0.30 208	0.29 287	0.32 190	0.24 86

Consistency-Raft	2.86 426	1.66 483	19.61 475	1.40 426	1.75 502	3.84 324	1.32 413	4.07 395	2.25 347	1.78 217	2.67 461	1.82 264	4.41 508	1.94 218	2.06 399	0.83 503	0.94 523	1.03 521	1.12 527	1.70 529	1.09 500

PDISCO_ROB	2.86 426	1.53 475	14.27 389	1.98 513	2.19 528	4.52 486	1.35 417	4.65 529	3.19 499	2.09 310	2.16 387	3.53 457	2.45 437	5.32 340	2.12 406	1.30 530	0.78 518	0.72 504	0.59 483	1.24 518	1.28 508

AF-Net	2.87 430	1.30 447	16.24 414	1.33 391	1.75 502	3.26 208	1.59 455	4.09 401	2.43 397	2.69 462	2.94 478	4.51 503	3.20 476	5.84 355	2.75 454	0.76 494	0.36 388	0.72 504	0.49 455	0.70 453	0.56 411

HSM-Net_RVC	2.87 430	0.57 121	17.46 436	0.92 169	0.90 302	3.70 294	1.20 399	5.64 552	2.51 414	3.22 500	2.43 435	2.54 357	1.59 316	11.41 506	1.65 346	0.34 279	0.25 281	0.26 110	0.23 147	0.30 144	0.29 165
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
Nwc_Net	2.88 432	1.16 422	18.30 448	1.35 403	1.68 495	3.52 259	1.18 392	3.90 340	2.06 306	2.52 432	2.82 475	3.82 470	2.34 429	6.78 381	2.55 446	0.86 505	0.40 421	0.59 475	0.67 493	0.57 410	0.55 408

DDUNet	2.91 433	2.78 518	6.94 292	3.53 549	2.26 532	3.28 214	1.36 419	3.77 307	2.04 301	2.62 451	2.49 441	4.18 489	1.69 353	5.38 342	1.85 373	2.21 539	1.77 542	2.61 547	2.43 558	2.60 535	2.34 538

MFMNet_re	2.91 433	1.91 494	18.25 445	3.06 543	1.89 514	3.13 188	1.67 466	3.52 261	2.97 477	3.14 495	2.87 477	2.26 317	2.41 433	2.42 255	2.00 392	1.10 515	1.05 525	0.94 518	0.90 514	1.28 519	1.46 520

ACV-stereo	2.92 435	0.92 364	20.27 506	1.33 391	1.05 347	4.68 511	1.10 376	2.66 155	1.64 215	1.46 164	1.32 137	5.41 531	4.24 505	7.83 399	1.90 379	0.44 394	0.52 475	0.32 250	0.29 287	0.45 356	0.63 435

GANet	2.93 436	1.05 397	11.29 347	1.64 474	0.96 316	3.91 342	2.52 505	3.72 300	2.41 393	2.95 484	3.00 481	3.21 422	2.03 399	12.42 542	4.72 483	0.51 446	0.41 430	0.46 416	0.39 407	0.60 418	0.50 383

RTSC	2.95 437	2.51 510	15.49 409	1.54 457	1.30 411	3.51 256	0.86 264	3.89 335	2.48 406	3.64 511	3.12 490	3.04 408	2.30 425	5.70 352	6.67 499	0.55 459	0.35 383	0.37 349	0.39 407	0.70 453	0.60 425

PWCDC_ROB	2.95 437	3.26 523	14.06 384	1.59 467	1.56 471	4.19 429	0.86 264	4.30 475	4.08 533	2.06 306	7.37 531	2.75 380	2.42 434	3.59 307	2.67 451	1.34 532	0.36 388	0.39 369	0.34 349	1.13 508	0.62 431

PSMNet_ROB	2.95 437	1.38 460	18.46 453	1.19 330	1.20 390	3.80 315	1.65 464	3.54 266	2.35 372	1.98 268	1.71 248	2.75 380	1.79 369	11.43 508	2.78 455	0.42 381	0.36 388	0.50 444	0.60 485	0.59 414	0.49 376

ff1	2.96 440	0.60 154	5.21 277	1.14 300	0.99 330	3.62 282	0.86 264	4.22 437	3.37 515	2.20 353	2.30 417	3.48 446	1.62 326	11.62 516	16.09 546	0.29 171	0.16 26	0.48 427	0.37 387	0.30 144	0.29 165

FINET	2.96 440	1.07 403	23.18 567	1.29 373	1.86 512	2.03 86	1.52 445	4.30 475	4.71 539	2.23 368	2.34 431	1.65 225	1.48 288	5.89 356	2.81 457	0.51 446	0.47 461	0.49 441	0.40 418	0.59 414	0.49 376

XQC	2.96 440	2.42 509	14.85 395	1.36 409	1.32 419	3.29 218	1.53 447	4.28 464	2.78 450	3.21 499	2.46 437	3.53 457	2.92 460	6.58 371	4.67 480	0.70 490	0.41 430	0.59 475	0.56 477	0.96 494	0.83 481

SGM-Forest	2.96 440	0.62 181	3.49 244	1.09 272	0.80 257	4.06 384	3.30 529	4.37 496	3.09 490	4.18 528	3.27 497	4.67 513	3.86 497	11.69 525	7.91 514	0.51 446	0.46 457	0.49 441	0.39 407	0.48 374	0.49 376
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DEmStereo	2.97 444	0.58 134	13.42 367	0.79 80	0.51 118	3.84 324	1.84 478	2.42 111	1.60 204	2.25 374	2.74 465	2.03 298	6.04 529	6.79 383	12.80 537	0.35 299	0.26 294	0.26 110	0.27 230	0.27 90	0.37 276

RYNet	2.97 444	0.93 368	15.09 403	1.12 292	1.38 434	3.66 289	1.42 435	4.03 380	2.29 359	2.10 313	1.70 244	3.79 468	2.16 415	13.64 557	3.02 462	0.37 319	0.41 430	0.48 427	0.34 349	0.81 479	0.75 465

TCMNet	2.98 446	1.30 447	18.26 446	1.47 443	2.09 525	3.84 324	1.08 370	3.96 363	2.39 390	2.53 433	2.29 412	2.43 343	1.75 363	10.09 456	2.39 427	0.52 452	0.45 448	0.61 483	0.50 461	0.80 478	0.78 471

mmx	2.98 446	0.60 154	5.21 277	1.14 300	0.99 330	3.62 282	0.86 264	4.49 516	3.05 486	2.20 353	2.30 417	3.48 446	1.62 326	11.62 516	16.09 546	0.33 267	0.28 317	0.48 427	0.37 387	0.44 348	0.37 276

xxx	2.98 446	0.60 154	5.21 277	1.14 300	0.99 330	3.62 282	0.86 264	4.49 516	3.05 486	2.20 353	2.30 417	3.48 446	1.62 326	11.62 516	16.09 546	0.33 267	0.28 317	0.48 427	0.37 387	0.44 348	0.37 276

Wz-Net-SNSev	2.98 446	4.36 531	15.98 412	1.57 465	1.19 384	3.28 214	1.80 473	3.96 363	2.40 391	2.32 395	2.28 409	3.48 446	2.05 402	7.84 400	3.82 473	0.47 419	0.39 416	0.53 458	0.49 455	0.71 462	0.60 425

DispNO	3.00 450	0.75 301	18.92 459	1.17 321	1.10 362	3.72 298	0.94 326	4.29 467	2.54 420	2.24 371	2.28 409	4.51 503	2.12 408	11.40 505	2.09 404	0.31 230	0.28 317	0.31 230	0.28 259	0.36 257	0.39 298

GwcNet	3.00 450	1.63 479	19.83 483	1.32 386	2.04 524	3.27 210	1.55 451	3.65 282	2.33 369	2.00 285	2.12 381	3.56 461	1.68 352	9.47 431	2.45 436	0.44 394	0.45 448	0.46 416	0.38 400	0.60 418	0.76 467

LL-Strereo	3.01 452	1.81 492	17.59 439	1.12 292	2.10 526	2.90 155	1.09 374	4.33 484	2.00 292	3.12 494	2.24 401	3.29 429	3.15 472	11.31 503	1.84 372	0.30 211	0.28 317	0.46 416	0.34 349	0.49 380	0.45 349

Anonymous_2	3.01 452	0.89 355	4.53 269	1.06 256	1.18 377	2.93 165	0.87 283	3.24 224	1.46 107	1.86 232	1.35 147	4.11 485	2.35 430	1.64 175	1.28 268	0.82 501	0.90 522	8.71 577	15.84 580	4.44 555	0.74 462

STrans-v2	3.03 454	0.77 309	20.91 532	0.81 83	0.63 187	3.89 339	1.01 350	4.27 459	2.64 433	2.28 379	3.70 507	4.13 486	5.20 519	7.33 388	1.27 264	0.31 230	0.18 67	0.29 188	0.25 184	0.29 121	0.41 324

TransformOpticalFlow	3.03 454	0.77 309	20.99 535	1.00 224	0.55 143	4.18 425	0.64 130	4.33 484	3.02 484	2.18 346	3.09 488	4.35 497	5.07 517	7.36 391	1.27 264	0.32 251	0.18 67	0.32 250	0.26 204	0.28 107	0.46 359

AANet_RVC	3.03 454	1.72 486	12.78 361	1.17 321	1.12 365	3.79 313	1.10 376	3.86 327	3.13 492	2.62 451	4.26 515	3.96 476	1.41 266	11.43 508	5.23 493	0.94 508	0.47 461	0.34 303	0.23 147	0.40 287	0.55 408

DRN-Test	3.03 454	0.99 385	18.18 444	1.35 403	1.60 477	3.59 275	1.48 440	4.13 412	2.45 402	3.47 510	1.92 334	2.58 362	2.53 442	10.88 482	2.80 456	0.39 348	0.36 388	0.44 403	0.41 425	0.55 399	0.57 415

Syn2CoEx	3.08 458	2.55 515	19.88 485	1.34 398	1.18 377	2.43 118	1.65 464	3.91 345	2.40 391	2.39 413	2.27 405	2.90 396	3.17 475	9.57 436	2.54 445	0.50 440	0.45 448	0.53 458	0.39 407	0.74 467	0.72 460

stereogan	3.09 459	0.93 368	16.43 417	1.37 419	1.66 491	3.70 294	1.67 466	3.87 330	3.15 496	3.04 488	2.70 464	5.04 522	2.79 454	9.96 449	1.78 365	0.63 472	0.49 472	0.69 497	0.47 446	0.83 482	0.68 446

PA-Net	3.09 459	1.24 441	18.84 457	1.38 421	1.19 384	3.42 233	1.75 469	3.89 335	3.27 511	1.88 237	2.10 374	3.03 407	1.88 390	11.60 514	2.88 458	0.40 355	0.54 478	0.44 403	0.62 489	0.52 388	1.02 495
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RGC	3.10 461	1.45 469	14.90 398	1.46 440	1.79 507	3.33 220	1.39 428	4.04 384	2.26 350	2.77 468	3.26 496	4.00 478	2.71 451	11.63 521	2.62 450	0.82 501	0.46 457	0.79 510	0.79 509	0.71 462	0.78 471

PVD	3.12 462	1.97 498	12.80 362	1.79 497	1.63 482	3.83 319	1.34 416	3.48 251	3.88 528	5.77 541	3.56 505	3.45 445	3.29 479	5.58 350	5.30 494	0.71 492	0.69 510	0.74 508	0.77 505	0.79 476	1.13 503

1111x	3.13 463	0.57 121	8.38 308	1.20 335	0.76 245	3.80 315	0.88 287	4.61 528	2.63 431	2.31 391	2.16 387	1.95 282	1.81 377	11.54 512	18.13 559	0.32 251	0.31 350	0.32 250	0.30 305	0.35 244	0.34 242

APVNet	3.13 463	1.25 442	21.14 538	1.31 383	1.52 461	3.94 354	1.13 383	3.32 237	2.14 327	2.20 353	2.03 356	3.05 411	1.96 396	11.79 529	2.53 443	0.42 381	0.45 448	0.64 491	0.46 443	0.67 447	0.57 415

MaskLacGwcNet_RVC	3.13 463	1.43 467	9.93 328	2.50 533	1.62 480	4.29 447	1.68 468	3.95 358	2.43 397	1.66 194	1.91 332	3.04 408	1.41 266	13.26 550	1.58 326	3.82 557	1.59 538	1.12 527	0.46 443	2.21 533	2.74 548

zh-mn7	3.15 466	9.61 559	12.45 358	1.26 359	0.99 330	2.91 158	1.32 413	4.12 410	2.74 444	3.33 504	3.07 485	2.84 392	1.89 391	8.91 417	4.69 482	0.49 436	0.40 421	0.38 365	0.38 400	0.56 405	0.63 435

ADLNet2	3.15 466	0.92 364	20.06 492	1.20 335	1.79 507	3.83 319	1.48 440	3.94 356	3.59 521	2.19 350	2.47 439	4.65 512	1.93 395	10.69 475	1.96 389	0.39 348	0.37 401	0.28 167	0.30 305	0.48 374	0.43 337

NCC-stereo	3.16 468	1.28 445	18.31 449	1.25 352	1.75 502	4.06 384	1.40 430	3.89 335	2.22 340	2.72 464	2.55 448	3.49 452	2.65 448	9.91 446	2.99 460	1.29 528	0.65 502	0.64 491	0.86 512	0.65 440	0.71 453

Abc-Net	3.16 468	1.28 445	18.31 449	1.25 352	1.75 502	4.06 384	1.40 430	3.89 335	2.22 340	2.72 464	2.55 448	3.49 452	2.65 448	9.91 446	2.99 460	1.29 528	0.65 502	0.64 491	0.86 512	0.65 440	0.71 453
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
GANetREF_RVC	3.20 470	1.93 495	18.84 457	1.51 452	0.80 257	4.12 400	1.82 475	4.16 423	2.91 470	1.87 234	1.74 255	2.48 352	1.84 381	13.18 549	1.74 359	0.80 498	0.57 485	0.79 510	0.74 501	1.20 517	0.86 482
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
GASNet	3.24 471	5.55 538	20.58 521	1.56 464	1.25 403	2.32 109	1.12 380	4.04 384	2.67 437	1.88 237	2.10 374	3.00 405	2.16 415	10.59 470	2.43 434	0.65 478	0.37 401	0.61 483	0.45 441	0.87 484	0.58 420

FBW_ROB	3.24 471	1.02 390	9.21 322	1.49 449	1.07 354	3.78 309	1.48 440	4.31 478	3.08 489	2.46 422	2.32 429	4.20 492	2.08 406	15.19 563	7.16 509	0.84 504	0.62 498	1.33 532	0.92 515	0.99 495	1.31 510

HBP-ISP	3.25 473	1.10 409	20.86 528	1.54 457	1.15 370	4.50 481	2.89 518	4.43 506	2.38 386	4.14 524	1.96 339	1.90 276	2.04 401	11.08 495	1.32 275	0.66 480	0.57 485	0.66 494	0.61 488	0.64 437	0.61 428

aanetorigin	3.30 474	1.66 483	17.52 438	1.18 327	1.58 476	2.57 134	3.80 543	2.65 153	2.03 297	6.12 546	4.30 516	2.82 391	5.70 525	5.47 345	4.67 480	0.50 440	0.44 443	0.43 398	0.47 446	1.17 514	0.92 488

ADCRef	3.30 474	1.23 440	14.90 398	1.17 321	1.41 445	3.95 359	1.64 461	3.88 333	2.36 375	3.05 490	2.21 397	2.40 335	2.81 456	5.04 335	16.63 551	0.46 410	0.34 377	0.63 488	0.62 489	0.54 397	0.67 443

CBMV	3.32 476	0.96 382	21.16 540	1.32 386	0.83 273	3.81 317	3.91 546	4.47 512	2.53 416	3.34 505	2.24 401	4.45 500	2.58 445	10.07 455	1.96 389	0.45 403	0.43 438	0.48 427	0.38 400	0.52 388	0.53 398
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FAT-Stereo	3.34 477	0.81 327	20.05 491	1.25 352	1.20 390	3.44 235	1.99 485	4.23 441	2.67 437	3.14 495	3.82 510	3.51 455	3.32 481	11.68 524	1.94 384	0.64 475	0.67 506	0.48 427	0.52 468	0.61 423	0.81 476

CC-Net-ROB	3.35 478	1.76 489	13.89 380	2.33 530	1.65 488	4.49 478	1.62 458	4.73 533	2.90 469	1.92 251	2.05 365	1.99 293	1.61 323	12.57 547	1.60 330	2.46 540	2.18 547	2.68 549	1.04 525	2.11 532	1.38 516

z-mn7	3.36 479	9.42 557	14.16 386	1.28 369	1.22 397	3.78 309	1.43 437	3.92 350	3.35 514	2.85 475	3.36 499	3.06 412	1.97 397	9.66 437	5.16 490	0.42 381	0.35 383	0.43 398	0.33 340	0.63 429	0.48 369

edge stereo	3.37 480	1.01 389	21.99 557	1.28 369	1.37 431	2.67 140	1.39 428	3.98 367	2.87 467	2.93 479	3.27 497	4.35 497	2.43 435	11.62 516	2.39 427	0.60 467	0.63 500	0.79 510	0.55 475	0.68 450	0.67 443

DPSNet	3.43 481	1.37 459	12.19 354	1.39 423	1.24 400	4.15 407	2.06 488	4.51 520	3.34 513	2.69 462	1.96 339	3.52 456	5.56 524	10.68 474	9.68 522	0.93 507	0.73 514	0.40 375	0.37 387	1.06 499	0.86 482

S-Stereo	3.48 482	0.91 362	22.06 560	1.36 409	1.50 458	3.55 267	2.53 506	4.21 434	2.81 462	2.37 408	3.81 509	3.75 466	1.84 381	11.90 534	2.51 441	0.63 472	0.71 512	0.48 427	0.76 503	0.67 447	1.19 506

STTRV1_RVC	3.52 483	1.03 395	20.87 530	1.47 443	1.47 453	3.23 199	1.55 451	4.06 392	3.22 504	1.95 260	3.50 504	2.63 367	2.07 405	11.96 536	2.21 416	1.86 535	4.03 569	0.81 513	0.73 500	1.06 499	0.70 452

UDG	3.55 484	2.81 519	17.45 435	2.69 536	1.98 518	3.97 369	1.19 395	4.35 488	2.02 295	2.42 417	2.53 447	4.50 502	2.46 439	6.53 370	2.41 431	2.12 538	1.77 542	2.63 548	2.57 560	2.64 536	1.95 530

SAMSARA	3.55 484	2.16 505	14.18 387	1.86 504	1.49 456	4.62 502	2.65 511	3.58 273	2.80 456	7.05 551	3.05 484	5.16 528	4.07 501	9.18 425	4.80 485	0.64 475	0.67 506	0.59 475	0.68 496	0.89 485	0.91 487

WZ-Net	3.62 486	4.87 533	16.77 424	1.43 431	1.40 438	3.75 304	2.29 498	4.12 410	2.50 411	2.74 466	2.19 393	4.06 482	5.29 521	10.19 458	7.36 510	0.54 457	0.37 401	0.47 419	0.49 455	0.77 472	0.73 461

CBMV_ROB	3.62 486	0.70 254	21.42 548	1.21 341	0.89 299	4.43 468	1.76 470	4.39 499	2.79 452	5.88 543	3.38 500	4.18 489	5.12 518	10.75 476	2.32 424	0.56 461	0.55 482	0.53 458	0.51 465	0.55 399	0.46 359

Wz-Net-TNSev	3.67 488	8.83 548	13.47 370	1.48 446	1.18 377	3.60 277	2.49 504	4.27 459	3.13 492	2.18 346	1.89 326	4.21 493	2.80 455	12.10 537	7.58 513	0.57 463	0.55 482	0.47 419	0.54 474	0.91 488	1.05 497

SQANet	3.70 489	9.34 556	18.41 451	2.75 537	2.74 537	3.40 229	1.47 439	3.50 257	1.68 225	2.60 447	1.75 259	2.69 372	1.91 393	6.72 380	1.74 359	2.96 543	1.41 536	1.85 537	1.12 527	3.17 538	2.70 547

DeepPrunerF	3.70 489	1.72 486	14.87 396	1.33 391	1.74 501	3.70 294	1.55 451	4.20 428	14.00 566	2.02 292	1.77 273	2.74 378	2.30 425	10.88 482	6.88 505	0.68 486	0.60 495	0.78 509	0.78 508	0.81 479	0.71 453

FTStereo	3.71 491	0.53 83	20.37 510	0.96 197	0.65 197	4.34 452	11.29 563	2.62 150	1.50 133	2.58 443	5.04 522	1.90 276	13.84 561	3.71 312	1.25 258	0.38 336	0.24 257	0.31 230	0.32 332	0.30 144	2.10 533

ADCP+	3.74 492	1.96 497	16.90 425	1.09 272	1.55 468	4.35 453	3.65 541	3.93 352	2.98 480	2.22 364	1.66 233	3.95 474	4.83 514	3.41 302	18.87 564	0.38 336	0.41 430	0.63 488	0.53 472	0.64 437	0.81 476

test_sample9	3.79 493	1.05 397	7.87 300	1.07 258	0.86 286	3.93 349	1.19 395	4.35 488	2.11 322	2.14 327	1.75 259	1.75 242	1.67 348	11.06 492	11.61 532	1.23 522	14.45 581	4.27 566	2.09 552	0.70 453	0.69 448

zh-sn7	3.81 494	11.43 566	15.78 410	1.25 352	1.15 370	3.68 293	2.58 509	4.15 422	2.42 396	2.61 449	3.10 489	3.38 440	3.03 468	11.43 508	6.88 505	0.45 403	0.48 467	0.45 410	0.43 434	0.72 465	0.71 453

MFN_U_SF_RVC	3.81 494	10.78 563	15.01 401	1.84 501	1.39 436	3.73 302	1.63 459	4.05 388	3.26 507	2.91 477	2.38 433	4.36 499	3.65 492	8.43 408	4.91 488	1.11 517	1.04 524	0.99 520	1.31 534	1.58 525	1.75 527

ADCPNet	3.89 496	1.63 479	20.25 505	1.28 369	1.27 407	6.43 547	2.65 511	3.93 352	2.70 440	2.78 469	2.20 395	4.28 495	6.16 533	5.56 348	10.27 525	0.65 478	1.18 529	0.71 500	1.70 541	0.84 483	1.37 514

RTS	3.90 497	7.04 542	17.94 441	1.92 507	2.19 528	5.00 535	2.96 520	4.29 467	3.19 499	4.05 521	3.08 486	4.94 517	3.16 473	7.64 395	6.72 500	0.66 480	0.44 443	0.51 447	0.47 446	0.95 490	0.76 467

RTSA	3.90 497	7.04 542	17.94 441	1.92 507	2.19 528	5.00 535	2.96 520	4.29 467	3.19 499	4.05 521	3.08 486	4.94 517	3.16 473	7.64 395	6.72 500	0.66 480	0.44 443	0.51 447	0.47 446	0.95 490	0.76 467

MFN_U_SF_DS_RVC	3.94 499	10.88 564	12.30 356	1.26 359	1.55 468	5.19 538	3.33 531	4.42 503	2.82 464	2.58 443	2.62 456	5.00 520	2.11 407	14.03 561	2.73 452	1.28 527	2.34 554	0.67 496	1.83 546	0.81 479	1.03 496

ADCMid	3.96 500	3.27 524	15.48 408	1.26 359	1.40 438	4.66 508	2.28 497	4.06 392	3.54 520	3.94 518	3.02 482	3.85 471	3.67 493	4.03 321	18.65 562	0.68 486	0.61 497	1.09 526	1.18 531	1.38 522	1.08 499

SDNR	3.97 501	1.93 495	20.28 507	1.31 383	0.94 312	5.16 537	0.67 144	4.33 484	2.58 424	4.82 536	5.94 528	5.01 521	1.45 281	17.52 565	2.53 443	0.79 496	0.72 513	0.59 475	0.45 441	1.15 512	1.17 504

MADNet+	3.97 501	9.54 558	13.83 379	1.87 505	1.69 496	4.19 429	2.87 517	4.80 536	4.10 534	2.51 430	2.67 461	4.55 506	3.41 484	8.72 412	6.92 507	1.25 525	1.27 533	1.04 522	0.93 516	1.39 523	1.85 528

SPS-STEREO	3.97 501	1.44 468	20.85 527	1.72 486	1.71 498	3.24 203	2.30 499	3.55 268	2.68 439	4.79 535	3.66 506	5.44 532	2.97 461	9.11 422	9.35 521	1.15 518	1.10 527	1.06 524	1.02 524	1.16 513	1.18 505
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NaN_ROB	4.06 504	1.13 414	16.64 420	1.12 292	1.25 403	3.50 253	3.05 524	4.29 467	3.26 507	3.64 511	2.56 450	2.97 402	4.79 513	13.33 551	16.91 552	0.37 319	0.41 430	0.38 365	0.39 407	0.48 374	0.81 476

G-Net	4.11 505	1.21 430	19.47 473	2.31 529	2.94 541	4.74 527	2.95 519	3.33 241	2.14 327	4.44 531	9.43 547	6.93 540	3.84 496	9.01 421	4.92 489	0.79 496	0.80 519	0.70 499	0.50 461	0.95 490	0.87 485

THIR-Stereo	4.14 506	0.82 334	10.85 343	0.86 130	0.43 65	2.16 97	16.77 570	3.22 220	1.54 165	2.04 299	12.05 560	2.68 371	7.53 546	7.30 387	12.62 536	0.30 211	0.21 167	0.29 188	0.28 259	0.33 208	0.41 324

AnyNet_C32	4.17 507	5.75 539	12.62 360	1.60 469	1.54 464	5.51 541	4.09 547	3.90 340	3.23 505	4.22 529	3.03 483	3.10 413	3.41 484	8.01 403	18.85 563	0.53 455	0.58 490	0.53 458	0.74 501	1.19 516	0.97 492

Ntro	4.21 508	8.94 552	19.89 486	3.22 545	2.96 542	4.15 407	1.89 479	3.92 350	2.36 375	1.77 215	2.14 384	3.35 435	2.17 417	9.48 432	2.24 418	3.52 552	1.76 541	2.13 540	1.31 534	3.83 548	3.09 549

ADCS	4.22 509	5.33 535	16.32 415	1.64 474	1.31 413	3.91 342	3.64 540	4.21 434	2.89 468	5.11 537	2.81 474	4.46 501	3.06 471	5.21 339	19.50 565	0.63 472	0.64 501	0.69 497	0.69 498	1.12 507	1.26 507

ADCL	4.35 510	1.63 479	14.21 388	1.29 373	1.26 405	5.56 542	11.16 562	3.97 365	3.37 515	6.07 544	4.67 518	4.30 496	5.72 526	5.08 337	14.51 541	0.50 440	0.48 467	0.89 517	0.77 505	0.78 474	0.76 467

AnyNet_C01	4.37 511	7.80 544	16.40 416	1.98 513	1.40 438	6.37 546	6.47 554	4.09 401	5.03 544	4.06 523	3.78 508	4.16 488	3.31 480	6.62 373	10.00 523	0.61 469	0.67 506	0.63 488	0.67 493	2.01 530	1.31 510

MSC_U_SF_DS_RVC	4.48 512	10.62 562	15.18 406	1.55 462	1.45 452	6.16 544	3.54 538	5.41 550	3.68 525	2.59 446	2.74 465	4.81 514	2.20 420	13.79 558	4.40 477	2.04 536	3.36 567	1.05 523	1.20 532	2.09 531	1.72 525

RainbowNet	4.56 513	8.28 545	20.07 494	3.64 553	3.23 550	4.15 407	2.99 522	4.18 424	3.03 485	2.20 353	2.65 459	4.26 494	2.90 459	9.77 439	2.12 406	3.88 558	2.27 551	2.71 551	1.72 543	3.78 547	3.31 556

SGM_RVC	4.57 514	0.72 270	17.46 436	1.84 501	0.58 168	4.23 438	3.45 533	4.66 530	3.66 524	7.99 556	8.82 545	7.56 542	8.74 554	12.30 539	6.84 504	0.43 387	0.38 407	0.39 369	0.35 365	0.51 384	0.48 369
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
otaku	4.58 515	8.93 551	19.95 488	3.11 544	2.67 535	3.91 342	2.57 508	3.82 317	2.25 347	2.22 364	9.72 549	4.08 483	2.35 430	8.57 410	2.13 409	3.51 551	1.65 540	2.15 541	1.17 530	3.69 545	3.15 551

DispFullNet	4.64 516	3.48 526	23.95 570	3.99 555	3.03 543	3.35 222	1.06 363	4.18 424	2.80 456	6.33 548	2.94 478	4.04 481	7.81 548	3.92 319	5.16 490	2.75 541	1.61 539	3.10 556	2.68 563	3.32 540	3.31 556

CSAN	4.71 517	1.39 462	20.23 501	1.19 330	0.87 291	3.65 288	3.50 535	4.57 525	3.87 527	3.89 517	7.82 534	3.54 460	6.16 533	23.47 574	6.82 503	0.52 452	0.45 448	0.49 441	0.52 468	0.63 429	0.66 442

test_sample8	4.76 518	1.05 397	7.87 300	1.07 258	0.86 286	3.93 349	1.19 395	4.38 497	2.05 304	5.49 539	1.89 326	12.98 556	6.37 535	11.06 492	11.61 532	1.23 522	14.45 581	4.27 566	2.09 552	0.70 453	0.69 448

SuperB	4.79 519	4.41 532	21.08 537	1.45 438	1.08 356	3.91 342	3.08 526	4.18 424	3.01 483	2.50 427	2.10 374	2.75 380	3.49 490	8.80 414	19.60 566	0.44 394	0.33 365	0.53 458	0.39 407	12.01 577	0.64 439

IMH-64-1	4.84 520	2.53 512	6.83 289	4.30 561	3.74 554	4.81 531	6.05 551	5.30 545	3.92 529	3.95 519	8.33 538	5.08 524	6.06 530	8.96 419	6.30 497	4.57 567	2.96 561	3.04 553	2.12 555	4.28 552	3.62 559

IMH-64	4.84 520	2.53 512	6.83 289	4.30 561	3.74 554	4.81 531	6.05 551	5.30 545	3.92 529	3.95 519	8.33 538	5.08 524	6.06 530	8.96 419	6.30 497	4.57 567	2.96 561	3.04 553	2.12 555	4.28 552	3.62 559

NVStereoNet_ROB	4.91 522	1.40 463	16.46 418	1.47 443	1.72 500	3.46 240	1.96 482	3.89 335	3.61 522	2.90 476	24.61 575	4.81 514	4.49 510	13.57 555	4.87 487	1.33 531	1.29 534	1.70 536	1.68 539	1.41 524	1.66 522
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WCMA_ROB	5.12 523	0.90 357	21.33 544	1.50 450	1.33 423	4.09 391	3.49 534	4.03 380	4.59 538	6.57 549	10.95 554	12.92 555	8.41 553	9.86 444	8.78 519	0.75 493	0.58 490	0.51 447	0.50 461	0.68 450	0.57 415

WAO-7	5.16 524	3.21 522	18.98 461	1.88 506	1.44 448	5.34 539	3.09 527	4.91 538	5.81 551	4.35 530	8.92 546	6.55 537	6.06 530	13.40 553	10.81 527	1.34 532	1.20 532	1.48 535	1.35 537	1.60 526	1.45 518

CrosDoStereo	5.24 525	0.60 154	20.23 501	0.82 93	0.51 118	3.39 226	18.11 572	3.82 317	2.27 352	1.98 268	8.74 542	1.96 287	6.96 541	7.35 389	26.35 575	0.30 211	0.22 196	0.30 208	0.28 259	0.33 208	0.38 291

DeepStereo_LL	5.24 525	0.60 154	20.23 501	0.82 93	0.51 118	3.39 226	18.11 572	3.82 317	2.27 352	1.98 268	8.74 542	1.96 287	6.96 541	7.35 389	26.35 575	0.30 211	0.22 196	0.30 208	0.28 259	0.33 208	0.38 291

MeshStereo	5.35 527	1.32 453	21.34 545	1.34 398	1.15 370	4.40 462	3.90 545	5.18 542	4.55 536	10.14 566	11.82 559	11.47 550	5.84 527	13.84 559	7.03 508	0.61 469	0.58 490	0.60 480	0.58 481	0.72 465	0.59 424
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
ACVNet_2	5.41 528	12.60 567	20.42 514	3.27 546	3.15 548	4.50 481	3.02 523	4.66 530	3.73 526	3.35 507	5.36 524	7.86 543	2.88 457	12.33 541	4.76 484	3.12 547	2.22 549	2.70 550	1.69 540	3.49 541	3.10 550

pmcnn	5.45 529	1.22 436	17.40 433	1.60 469	2.41 534	3.48 246	2.12 491	4.52 521	3.26 507	3.67 513	13.15 563	22.10 569	3.46 489	11.92 535	17.16 554	0.34 279	0.21 167	0.23 28	0.19 68	0.36 257	0.28 155

MDST_ROB	5.53 530	0.59 142	23.11 565	2.55 534	2.69 536	21.20 573	1.98 484	4.77 535	2.65 434	9.36 561	4.25 514	4.14 487	4.45 509	22.57 569	3.68 472	0.48 424	0.33 365	0.47 419	0.44 437	0.44 348	0.44 343

EDNetEfficient	5.61 531	2.14 504	16.75 423	1.67 478	3.64 552	4.12 400	7.51 556	3.05 201	5.63 550	11.57 572	4.83 520	3.95 474	12.72 558	8.44 409	20.78 568	0.41 370	0.43 438	0.47 419	1.01 522	1.66 528	1.39 517

MSMD_ROB	5.61 531	1.08 405	16.68 421	1.21 341	0.83 273	10.14 559	2.07 490	3.93 352	6.22 552	10.37 567	8.03 536	22.22 570	9.45 555	11.66 522	4.52 479	0.66 480	0.58 490	0.66 494	0.68 496	0.65 440	0.63 435

SANet	5.65 533	1.72 486	20.94 533	1.26 359	0.88 294	7.20 551	3.81 544	4.60 527	11.23 560	4.56 532	8.78 544	7.49 541	6.95 540	11.85 532	18.11 558	0.49 436	0.44 443	0.50 444	0.42 431	0.90 487	0.82 480

ELAS_RVC	5.72 534	1.64 482	20.40 512	2.09 519	2.01 520	4.95 534	11.47 564	4.66 530	6.31 554	8.09 557	8.01 535	8.06 546	11.65 557	8.36 405	10.22 524	0.99 512	1.17 528	0.81 513	0.76 503	1.14 509	1.58 521
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCK	5.85 535	9.95 560	15.22 407	2.90 540	1.56 471	5.66 543	7.69 557	5.27 544	4.74 541	3.88 516	7.51 532	8.04 544	5.28 520	15.18 562	8.40 517	3.08 546	1.51 537	2.24 542	1.37 538	5.55 561	1.96 531

WAO-6	5.87 536	2.27 506	15.05 402	2.96 541	2.77 538	12.01 562	3.58 539	5.37 549	11.91 564	3.34 505	9.69 548	6.78 539	5.84 527	11.82 531	8.89 520	2.87 542	2.35 555	2.50 543	1.84 547	2.85 537	2.67 544

ELAS	5.99 537	1.62 477	20.29 508	1.96 512	2.01 520	15.09 568	8.38 560	5.23 543	5.54 548	9.02 560	8.61 541	6.74 538	9.75 556	7.48 392	11.40 531	0.96 510	1.18 529	0.72 504	0.93 516	1.30 520	1.67 523
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet_1	6.04 538	13.97 574	21.36 546	3.58 551	3.14 547	4.73 524	2.48 503	4.20 428	3.17 497	2.98 485	2.83 476	23.31 571	4.34 507	11.06 492	2.45 436	3.68 554	2.33 553	2.60 546	1.79 545	3.69 545	3.19 553

FCDSN-DC	6.04 538	0.84 342	19.25 465	1.24 350	1.09 360	4.38 455	2.62 510	4.38 497	4.71 539	9.59 564	11.22 555	19.19 565	17.40 567	12.30 539	8.55 518	0.69 489	0.57 485	0.60 480	0.60 485	0.70 453	0.78 471
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
JetBlue	6.27 540	9.15 554	13.76 373	1.94 511	4.60 565	11.91 561	12.00 565	5.12 541	3.45 519	3.79 515	4.52 517	9.54 548	6.56 539	9.40 430	13.48 539	1.26 526	1.37 535	1.17 529	1.34 536	7.06 570	3.95 563

psmorigin	6.59 541	1.15 419	88.11 592	1.52 453	0.97 320	2.88 153	1.20 399	3.21 218	2.04 301	3.73 514	2.46 437	5.15 527	2.55 443	10.60 471	2.47 438	0.55 459	0.68 509	0.48 427	0.51 465	0.70 453	0.88 486

FC-DCNN	6.64 542	0.77 309	19.26 467	1.68 479	1.64 484	8.27 556	2.35 500	6.35 553	9.23 558	10.85 569	11.27 556	19.89 566	13.33 559	12.51 545	11.79 534	0.66 480	0.57 485	0.58 472	0.56 477	0.63 429	0.61 428

ACVNet-4b	6.73 543	13.67 572	21.87 556	3.54 550	3.07 544	4.19 429	2.25 496	4.03 380	3.65 523	1.64 189	3.98 513	5.88 534	2.89 458	10.01 452	16.98 553	23.29 584	2.24 550	2.53 544	1.78 544	3.87 549	3.21 554

EKT-Stereo	6.79 544	0.64 202	4.24 262	1.77 491	106.39 591	4.51 485	0.61 112	3.16 213	1.53 156	1.88 237	1.22 109	1.98 291	1.36 252	3.81 313	0.84 143	0.35 299	0.24 257	0.29 188	0.26 204	0.34 226	0.48 369

IMH	6.81 545	13.66 571	20.41 513	4.33 563	3.74 554	5.50 540	3.06 525	5.49 551	6.22 552	4.64 534	10.35 551	9.30 547	8.03 551	13.61 556	6.81 502	4.80 570	2.99 564	3.09 555	2.12 555	4.36 554	3.61 558

LVE	6.88 546	9.31 555	21.14 538	3.61 552	3.18 549	4.49 478	2.79 513	10.21 561	11.69 562	3.16 498	11.53 557	18.33 562	4.31 506	11.66 522	3.52 469	4.45 565	2.93 559	2.56 545	1.91 549	3.62 542	3.16 552

FC-DCNN v2	6.91 547	0.77 309	19.25 465	1.69 480	1.64 484	9.13 558	2.40 501	7.20 555	9.47 559	11.07 571	11.62 558	20.05 568	15.79 564	12.55 546	11.99 535	0.66 480	0.57 485	0.58 472	0.56 477	0.63 429	0.61 428

tt	7.19 548	0.51 65	6.83 289	4.03 556	2.30 533	12.05 563	20.19 576	15.46 573	6.58 555	3.42 509	3.22 494	5.37 530	6.39 538	4.20 326	7.46 511	9.81 576	11.53 580	7.05 573	7.46 575	6.31 564	3.71 561

Dean	7.52 549	9.08 553	21.41 547	3.74 554	3.53 551	4.81 531	3.53 536	5.33 548	5.25 545	4.17 525	26.53 576	25.62 577	4.09 502	10.97 486	4.32 476	3.69 555	2.30 552	2.91 552	1.87 548	4.03 550	3.24 555

DGSMNet	7.55 550	1.62 477	17.42 434	1.92 507	12.73 569	7.45 554	42.99 586	4.13 412	2.07 308	2.10 313	3.16 493	3.42 442	1.70 355	9.24 427	2.30 422	3.70 556	10.89 579	11.80 581	5.54 571	4.24 551	2.66 543

MADNet++	7.57 551	5.80 540	13.28 365	6.38 571	5.26 567	7.18 550	7.77 558	5.32 547	5.62 549	6.11 545	7.78 533	6.02 536	8.01 550	11.74 527	16.36 550	9.36 575	4.95 572	8.57 576	5.66 572	4.83 558	5.34 569

SGM+DAISY	8.36 552	3.82 528	24.83 571	2.02 515	1.75 502	14.80 567	17.22 571	4.27 459	11.79 563	13.88 573	14.38 566	11.74 553	13.83 560	10.56 468	15.12 542	1.21 520	1.19 531	1.14 528	1.13 529	1.17 514	1.37 514

MultiAttention	8.74 553	0.56 111	7.25 295	2.07 518	22.74 577	35.86 583	8.44 561	4.97 539	2.58 424	2.57 439	5.11 523	5.55 533	1.59 316	52.70 591	7.50 512	0.47 419	0.24 257	0.52 453	1.00 521	6.84 568	6.30 574

UNDER WATER-64	9.33 554	5.37 536	22.60 563	5.22 570	4.86 566	10.75 560	4.61 550	11.45 562	17.30 570	7.59 552	9.80 550	15.99 561	17.90 569	10.63 472	15.72 545	4.36 562	2.87 558	4.39 569	2.86 566	7.01 569	5.36 570

TorneroNet-64	10.12 555	8.74 547	20.95 534	4.27 559	3.76 557	13.86 566	2.85 516	15.05 571	23.15 578	10.07 565	23.84 574	13.47 557	8.24 552	13.96 560	17.21 555	3.96 560	2.72 556	3.23 557	2.48 559	6.29 563	4.27 566

UNDER WATER	10.47 556	3.95 530	22.62 564	5.07 569	4.51 564	7.78 555	3.77 542	12.56 565	21.72 577	7.84 555	10.78 552	23.96 573	31.66 578	10.78 479	16.19 549	4.44 564	2.93 559	4.24 565	2.86 566	6.33 565	5.47 571

JetRed	10.48 557	27.10 581	35.70 577	4.27 559	4.09 561	15.55 571	12.83 567	12.16 563	5.50 547	5.83 542	5.56 526	10.14 549	7.43 545	8.88 415	26.39 577	3.32 548	3.81 568	3.51 560	2.96 568	7.85 572	6.69 575

notaker	10.50 558	8.60 546	20.23 501	4.54 566	3.95 558	6.27 545	3.44 532	8.07 558	4.75 542	8.73 558	46.45 583	13.86 560	27.86 577	13.49 554	13.61 540	4.56 566	3.18 565	3.52 561	2.68 563	8.13 574	4.05 564

xyz-stereo	10.85 559	0.45 21	79.01 591	0.62 9	0.45 78	83.70 593	0.77 210	2.59 147	1.34 77	2.19 350	32.02 581	2.76 386	1.62 326	5.75 353	2.39 427	0.25 82	0.17 39	0.33 285	0.21 99	0.25 61	0.19 5

MANE	11.39 560	1.38 460	23.16 566	4.82 568	2.79 539	22.02 574	14.51 569	25.81 577	26.28 579	10.93 570	13.17 564	19.90 567	18.03 570	15.69 564	20.41 567	0.96 510	0.74 515	1.42 533	3.24 569	0.74 467	1.71 524

SGM-ForestM	11.55 561	1.16 422	21.62 553	2.14 520	0.81 260	22.25 575	19.08 574	16.50 575	11.34 561	15.94 576	14.44 567	27.12 578	22.61 576	24.76 575	28.39 582	0.50 440	0.48 467	0.47 419	0.44 437	0.55 399	0.53 398

WAO-8	11.95 562	13.02 568	20.56 519	3.50 547	3.08 545	15.11 569	2.80 514	12.91 566	19.11 575	7.69 553	13.12 561	11.62 551	7.01 543	84.40 593	7.91 514	3.42 549	1.92 544	3.54 562	1.93 550	3.68 543	2.69 545

Venus	11.95 562	13.02 568	20.56 519	3.50 547	3.08 545	15.11 569	2.80 514	12.91 566	19.11 575	7.69 553	13.12 561	11.62 551	7.01 543	84.40 593	7.91 514	3.42 549	1.92 544	3.54 562	1.93 550	3.68 543	2.69 545

TCMNet-wrong-test	12.32 564	14.13 575	19.38 470	22.38 579	19.85 574	15.99 572	12.34 566	22.95 576	4.56 537	6.24 547	6.27 529	18.40 564	15.71 563	10.10 457	10.72 526	9.06 574	4.78 570	5.35 570	3.95 570	12.28 578	11.97 577

EDNetEfficientorigin	12.35 565	2.51 510	179.47 597	1.19 330	0.96 316	2.91 158	1.81 474	3.00 195	5.35 546	8.91 559	4.79 519	4.18 489	4.64 512	9.98 450	11.30 529	0.37 319	0.38 407	0.60 480	0.85 511	1.32 521	2.43 541

LSM	12.71 566	3.52 527	20.79 526	55.63 590	84.76 589	3.63 287	6.30 553	3.73 301	4.93 543	5.55 540	13.92 565	3.53 457	3.25 478	9.72 438	4.12 475	0.64 475	0.85 520	0.71 500	0.81 510	1.03 496	26.84 582

U	12.82 567	0.38 3	1.99 137	0.66 31	58.94 587	63.38 592	0.34 16	1.91 59	0.94 38	0.59 19	0.80 34	0.46 30	0.57 30	0.83 11	0.44 13	0.29 171	0.17 39	63.35 590	59.81 589	0.29 121	0.20 19

MSAF-DinoV2	13.69 568	13.09 570	22.03 559	2.41 532	1.44 448	4.03 379	1.38 426	9.07 559	9.20 557	2.23 368	1.98 347	5.08 524	5.06 516	177.66 597	5.46 496	0.45 403	0.34 377	0.40 375	0.62 489	6.09 562	5.80 572

DGTPSM_ROB	15.31 569	8.85 549	28.14 575	9.90 575	18.89 572	12.44 564	33.21 579	13.48 568	17.86 573	9.50 562	22.89 572	13.78 558	19.67 571	21.26 567	23.68 571	5.08 572	8.84 574	5.62 571	11.50 576	6.72 566	14.87 578

DPSMNet_ROB	15.52 570	8.89 550	31.44 576	10.07 576	18.91 573	12.44 564	33.22 580	13.51 569	17.94 574	9.58 563	22.91 573	13.79 559	19.67 571	21.43 568	23.73 572	5.17 573	8.84 574	5.63 572	11.52 579	6.79 567	14.90 579

USTest	15.98 571	15.58 576	22.56 562	18.49 578	16.99 571	26.43 576	36.08 582	27.68 580	12.77 565	10.69 568	10.80 553	18.35 563	15.09 562	18.62 566	23.37 570	4.85 571	5.34 573	7.38 574	7.43 574	9.90 576	11.23 576

KSHMR	16.96 572	5.37 536	21.64 555	4.46 564	4.50 563	8.30 557	3.32 530	15.58 574	76.24 590	6.62 550	61.47 588	56.53 588	5.43 523	35.17 581	11.37 530	4.39 563	2.97 563	3.63 564	2.74 565	5.10 559	4.34 567

LE_ROB	18.58 573	1.21 430	48.38 584	8.60 574	23.00 578	7.32 553	19.74 575	9.94 560	38.69 584	43.53 582	21.91 571	28.40 579	40.92 582	23.18 571	54.71 587	0.34 279	0.33 365	0.32 250	0.36 375	0.42 330	0.40 318

coex-ft	18.59 574	6.62 541	113.53 594	1.17 321	1.31 413	2.33 111	1.93 481	2.81 180	14.00 566	124.82 596	8.45 540	5.90 535	51.74 589	9.99 451	22.69 569	0.57 463	0.62 498	0.50 444	0.49 455	1.08 504	1.28 508

DPSM_ROB	20.78 575	20.03 579	26.57 573	23.62 581	22.46 575	31.10 578	39.97 584	33.52 583	17.41 571	15.25 574	15.80 569	24.06 574	20.71 574	23.30 572	27.62 579	10.78 577	9.41 577	11.69 579	11.50 576	14.49 579	16.36 580

DPSM	20.78 575	20.03 579	26.57 573	23.62 581	22.46 575	31.10 578	39.97 584	33.52 583	17.41 571	15.25 574	15.80 569	24.06 574	20.71 574	23.30 572	27.62 579	10.78 577	9.41 577	11.69 579	11.50 576	14.49 579	16.36 580

ktn	21.74 577	10.34 561	19.68 478	4.53 565	4.00 559	6.53 548	4.51 549	6.79 554	78.82 592	84.69 592	100.86 596	58.49 589	7.57 547	12.11 538	13.35 538	4.58 569	3.24 566	3.49 559	2.62 561	4.65 557	3.84 562

LRCNet_RVC	25.52 578	33.45 582	23.21 568	31.79 583	32.78 579	6.74 549	1.18 392	25.88 578	4.46 535	28.94 577	30.89 577	24.91 576	17.57 568	27.66 576	24.34 574	35.26 586	25.60 587	35.91 586	33.81 585	31.90 587	34.10 588

TorneroNet	25.88 579	11.28 565	21.62 553	4.20 558	4.07 560	55.25 587	3.15 528	15.16 572	76.94 591	58.09 587	82.72 593	86.88 593	41.15 583	13.35 552	18.13 559	4.32 561	2.85 557	3.45 558	2.62 561	8.33 575	4.14 565

DLNR_Zeroshot_test	28.62 580	55.50 591	49.94 586	183.62 594	115.05 592	3.43 234	0.28 5	29.49 582	1.49 128	1.01 119	1.26 122	0.93 128	0.63 49	3.92 319	1.51 317	29.81 585	0.41 430	0.26 110	0.23 147	93.28 591	0.32 214

HanzoNet	31.60 581	17.23 577	21.22 543	7.32 572	5.84 568	7.25 552	3.53 536	13.82 570	14.20 568	50.38 585	47.01 584	44.45 581	56.61 590	36.61 582	32.00 583	63.89 590	56.57 591	7.97 575	89.20 591	28.69 581	28.25 584

FlowAnything	41.75 582	39.90 583	53.36 588	47.83 589	45.06 584	62.45 588	80.51 592	67.34 591	34.89 581	30.56 579	31.52 578	48.18 585	42.05 586	46.66 589	55.24 589	21.71 583	18.88 584	23.49 584	23.13 581	29.12 583	33.04 585

Selective-RAFT-Error	41.77 583	40.16 585	53.34 587	47.73 587	45.25 586	62.51 589	80.64 593	67.22 589	34.93 582	30.64 580	31.81 579	48.11 584	42.11 587	46.57 586	54.95 588	21.61 581	18.87 583	23.48 582	23.15 583	29.16 584	33.08 587

CasAABBNet	41.80 584	40.20 586	53.41 589	47.73 587	45.18 585	62.51 589	80.71 594	67.26 590	34.80 580	30.49 578	31.88 580	48.24 586	41.81 585	46.63 588	55.64 591	21.60 580	18.88 584	23.48 582	23.22 584	29.19 585	33.05 586

HaxPig	43.25 585	43.65 587	45.00 582	33.85 584	35.61 581	32.69 580	30.52 577	45.09 586	42.97 585	48.77 583	48.17 585	43.00 580	40.26 581	44.58 584	43.61 584	47.18 587	49.30 588	51.54 588	50.25 587	43.73 588	45.29 589

AVERAGE_ROB	44.46 586	45.91 588	46.59 583	40.59 586	38.66 582	32.99 581	30.52 577	46.19 587	43.26 586	49.59 584	48.97 586	44.62 582	39.89 580	45.04 585	43.94 585	48.74 588	50.69 589	50.80 587	49.79 586	45.54 589	46.97 590

MEDIAN_ROB	47.37 587	49.08 589	49.92 585	40.32 585	39.97 583	34.95 582	33.43 581	49.17 588	46.39 588	53.06 586	52.65 587	47.65 583	42.23 588	48.35 590	47.29 586	52.10 589	54.04 590	54.28 589	53.48 588	48.76 590	50.33 591

LSM0	49.58 588	40.04 584	53.62 590	97.15 591	128.68 593	62.75 591	79.89 591	67.63 592	35.11 583	33.02 581	32.61 582	48.43 587	41.60 584	46.60 587	55.43 590	21.63 582	18.99 586	23.62 585	23.13 581	29.47 586	52.26 592

BEATNet-Init1	49.72 589	64.32 592	97.77 593	4.68 567	4.28 562	84.75 594	60.42 587	73.38 593	68.59 589	88.29 593	88.51 595	91.94 594	97.99 595	85.26 595	70.96 595	0.80 498	0.65 502	0.85 515	0.70 499	7.96 573	2.33 537

Anonymous_1	57.11 590	19.68 578	26.15 572	23.10 580	142.31 594	30.84 577	39.75 583	33.86 585	16.98 569	70.53 591	15.42 568	23.46 572	19.75 573	23.04 570	27.23 578	164.73 596	9.02 576	130.38 592	137.40 593	161.27 597	27.24 583

PML	64.32 591	53.22 590	17.88 440	8.10 573	32.94 580	148.46 597	247.79 598	12.18 564	45.42 587	111.41 594	288.92 598	101.47 596	101.31 596	31.67 577	15.55 543	14.03 579	4.83 571	10.98 578	6.18 573	28.82 582	5.17 568

FADE	78.44 592	13.79 573	36.09 578	10.71 577	13.34 570	4.15 407	4.14 548	28.60 581	8.36 556	5.15 538	3.88 511	11.85 554	36.55 579	44.37 583	28.26 581	474.90 598	161.58 597	347.36 598	322.13 598	7.29 571	6.23 573

DPSimNet_ROB	102.30 593	119.72 597	143.59 596	109.42 593	94.10 590	127.22 596	127.15 596	26.62 579	102.36 597	149.58 597	83.99 594	139.34 597	137.54 597	64.62 592	82.36 596	105.18 592	66.15 592	120.15 591	69.61 590	99.58 592	77.72 593

ASD4	103.30 594	113.98 596	120.24 595	106.67 592	79.75 588	115.36 595	120.35 595	119.13 597	79.65 596	120.04 595	74.64 589	101.45 595	65.48 591	109.11 596	84.31 597	104.31 591	90.04 593	133.15 593	103.58 592	130.15 593	94.66 594

xxxxx1	112.33 595	88.53 593	37.76 579	227.84 596	157.23 595	39.05 584	61.41 588	93.76 594	79.29 593	62.45 588	74.79 590	78.32 590	70.96 592	33.47 578	70.69 592	114.00 593	130.36 594	259.31 595	274.34 595	145.54 594	147.50 595

tt_ll	112.33 595	88.53 593	37.76 579	227.84 596	157.23 595	39.05 584	61.41 588	93.76 594	79.29 593	62.45 588	74.79 590	78.32 590	70.96 592	33.47 578	70.69 592	114.00 593	130.36 594	259.31 595	274.34 595	145.54 594	147.50 595

ff	112.33 595	88.53 593	37.76 579	227.84 596	157.23 595	39.05 584	61.41 588	93.76 594	79.29 593	62.45 588	74.79 590	78.32 590	70.96 592	33.47 578	70.69 592	114.00 593	130.36 594	259.31 595	274.34 595	145.54 594	147.50 595

test_example2	212.63 598	219.92 598	221.87 598	213.67 595	221.17 598	199.47 598	200.74 597	185.30 598	141.66 598	209.52 598	213.45 597	210.82 598	205.48 598	221.27 598	216.64 598	236.83 597	242.07 598	213.93 594	217.01 594	235.69 598	226.10 598

ccccc	590.94 599	629.75 599	645.59 599	567.84 599	570.84 599	582.44 599	641.68 599	613.82 599	494.59 599	614.58 599	651.20 599	555.57 599	637.59 599	666.94 599	652.42 599	781.57 599	507.24 599	391.36 599	342.44 599	689.82 599	581.48 599

Low-res two-view benchmark