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

IGEV-Stereo++	0.11 1	0.08 3	0.15 1	0.19 36	0.11 53	0.14 4	0.10 1	0.22 8	0.18 11	0.10 1	0.13 10	0.10 2	0.11 18	0.14 2	0.11 1	0.06 1	0.05 7	0.06 1	0.05 11	0.06 8	0.05 1

AIO-Stereo	0.13 6	0.10 36	0.22 13	0.20 79	0.09 10	0.16 14	0.15 37	0.27 40	0.16 4	0.13 7	0.15 22	0.13 17	0.08 1	0.18 30	0.11 1	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

WCG-NET（raft）	0.14 17	0.09 15	0.23 16	0.17 6	0.08 3	0.19 53	0.16 59	0.23 16	0.26 95	0.18 61	0.19 42	0.20 84	0.12 30	0.21 64	0.12 11	0.06 1	0.06 83	0.06 1	0.05 11	0.06 8	0.05 1

RSM++	0.12 2	0.09 15	0.19 3	0.20 79	0.09 10	0.17 22	0.15 37	0.21 6	0.19 16	0.12 4	0.12 4	0.14 33	0.09 4	0.20 48	0.12 11	0.06 1	0.05 7	0.07 21	0.07 67	0.07 51	0.05 1

RSM	0.12 2	0.09 15	0.20 6	0.20 79	0.09 10	0.16 14	0.15 37	0.23 16	0.18 11	0.13 7	0.13 10	0.15 41	0.09 4	0.21 64	0.12 11	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

MoCha-V2	0.13 6	0.08 3	0.26 32	0.23 215	0.09 10	0.16 14	0.15 37	0.26 30	0.16 4	0.15 22	0.15 22	0.13 17	0.14 69	0.20 48	0.11 1	0.06 1	0.07 183	0.06 1	0.06 33	0.06 8	0.05 1

MIM_Stereo	0.18 82	0.12 106	0.38 164	0.20 79	0.11 53	0.17 22	0.14 21	0.35 140	0.25 86	0.27 128	0.35 199	0.23 124	0.13 54	0.27 145	0.16 96	0.06 1	0.07 183	0.08 88	0.08 136	0.08 101	0.06 28

LL-Strereo2	0.18 82	0.18 286	0.39 177	0.22 172	0.12 96	0.24 162	0.13 9	0.31 89	0.23 63	0.24 100	0.20 58	0.24 136	0.12 30	0.26 129	0.15 75	0.06 1	0.06 83	0.12 308	0.09 219	0.08 101	0.07 85

4D-IteraStereo	0.17 61	0.16 256	0.50 282	0.21 118	0.14 204	0.19 53	0.17 86	0.28 54	0.28 119	0.23 86	0.20 58	0.20 84	0.11 18	0.19 41	0.14 59	0.06 1	0.04 1	0.10 220	0.08 136	0.08 101	0.06 28

LoS_RVC	0.13 6	0.10 36	0.19 3	0.18 12	0.16 275	0.20 77	0.18 121	0.20 4	0.17 8	0.13 7	0.19 42	0.12 8	0.15 81	0.17 17	0.13 35	0.06 1	0.05 7	0.06 1	0.04 1	0.05 1	0.12 300

Selective-IGEV	0.12 2	0.09 15	0.22 13	0.19 36	0.10 28	0.15 6	0.14 21	0.27 40	0.15 2	0.13 7	0.14 20	0.13 17	0.08 1	0.21 64	0.12 11	0.06 1	0.05 7	0.07 21	0.06 33	0.06 8	0.05 1

ProNet	0.14 17	0.12 106	0.25 27	0.19 36	0.11 53	0.19 53	0.19 159	0.27 40	0.20 28	0.14 18	0.13 10	0.13 17	0.12 30	0.24 89	0.12 11	0.06 1	0.05 7	0.07 21	0.06 33	0.07 51	0.07 85

RAFT_CTSACE	0.21 151	0.16 256	0.41 207	0.25 296	0.15 250	0.22 124	0.24 298	0.32 98	0.28 119	0.33 244	0.51 341	0.29 197	0.17 120	0.32 196	0.13 35	0.06 1	0.07 183	0.09 151	0.08 136	0.08 101	0.06 28

test_4	0.18 82	0.12 106	0.34 107	0.23 215	0.12 96	0.18 30	0.22 253	0.26 30	0.24 75	0.24 100	0.47 326	0.22 104	0.13 54	0.24 89	0.16 96	0.06 1	0.05 7	0.09 151	0.09 219	0.07 51	0.05 1

iRaft-Stereo_5w	0.23 196	0.18 286	0.44 234	0.22 172	0.13 163	0.19 53	0.19 159	0.37 167	0.32 168	0.28 138	0.37 218	0.34 247	0.23 197	0.65 342	0.27 276	0.06 1	0.06 83	0.08 88	0.07 67	0.09 163	0.08 142

test-3	0.16 47	0.09 15	0.31 80	0.21 118	0.11 53	0.18 30	0.16 59	0.30 81	0.27 105	0.26 119	0.16 27	0.22 104	0.12 30	0.26 129	0.18 143	0.06 1	0.04 1	0.08 88	0.08 136	0.06 8	0.06 28

test_1	0.16 47	0.09 15	0.31 80	0.21 118	0.11 53	0.18 30	0.16 59	0.30 81	0.27 105	0.25 108	0.16 27	0.22 104	0.12 30	0.26 129	0.18 143	0.06 1	0.04 1	0.08 88	0.08 136	0.06 8	0.06 28

test_3	0.18 82	0.11 82	0.32 86	0.24 259	0.11 53	0.22 124	0.25 313	0.31 89	0.31 160	0.25 108	0.18 37	0.23 124	0.13 54	0.25 114	0.19 168	0.06 1	0.05 7	0.09 151	0.10 255	0.07 51	0.06 28

cross-raft	0.17 61	0.12 106	0.41 207	0.23 215	0.10 28	0.20 77	0.24 298	0.33 112	0.23 63	0.23 86	0.28 115	0.29 197	0.15 81	0.17 17	0.15 75	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

RAFT-Stereo + iAFF	0.17 61	0.14 203	0.32 86	0.20 79	0.09 10	0.19 53	0.17 86	0.32 98	0.30 148	0.25 108	0.33 179	0.20 84	0.17 120	0.19 41	0.15 75	0.06 1	0.05 7	0.07 21	0.07 67	0.07 51	0.05 1

AFF-stereo	0.18 82	0.15 233	0.32 86	0.21 118	0.10 28	0.18 30	0.18 121	0.33 112	0.27 105	0.25 108	0.37 218	0.25 143	0.17 120	0.24 89	0.15 75	0.06 1	0.05 7	0.08 88	0.08 136	0.07 51	0.05 1

UGAM-zero	0.23 196	0.10 36	0.54 304	0.19 36	0.13 163	0.21 100	0.14 21	0.44 233	0.22 48	0.28 138	0.28 115	0.51 361	0.33 321	0.65 342	0.14 59	0.07 22	0.06 83	0.07 21	0.08 136	0.06 8	0.07 85

GCAP-BAT	0.16 47	0.11 82	0.36 137	0.18 12	0.13 163	0.21 100	0.16 59	0.23 16	0.18 11	0.26 119	0.28 115	0.20 84	0.11 18	0.24 89	0.17 124	0.07 22	0.06 83	0.07 21	0.06 33	0.05 1	0.06 28

Occ-G	0.13 6	0.08 3	0.21 8	0.17 6	0.10 28	0.15 6	0.19 159	0.22 8	0.19 16	0.13 7	0.19 42	0.21 95	0.11 18	0.17 17	0.14 59	0.07 22	0.06 83	0.07 21	0.06 33	0.07 51	0.06 28

AIO-Stereo-zeroshot1	0.25 249	0.14 203	0.95 413	0.21 118	0.27 402	0.20 77	0.19 159	0.48 271	0.25 86	0.26 119	0.55 361	0.34 247	0.18 143	0.25 114	0.17 124	0.07 22	0.06 83	0.08 88	0.12 327	0.12 299	0.12 300

U	1.00 444	0.09 15	0.21 8	0.21 118	3.68 471	6.12 474	0.14 21	0.21 6	0.21 39	0.11 3	0.11 3	0.10 2	0.09 4	0.12 1	0.11 1	0.07 22	0.05 7	5.42 476	2.90 474	0.07 51	0.06 28

IGEV-Stereo+	0.12 2	0.08 3	0.17 2	0.18 12	0.13 163	0.09 1	0.11 3	0.16 1	0.15 2	0.10 1	0.08 1	0.10 2	0.10 10	0.21 64	0.11 1	0.07 22	0.05 7	0.06 1	0.05 11	0.16 348	0.24 415

RAFT-Stereo-weight	0.15 36	0.09 15	0.26 32	0.20 79	0.10 28	0.19 53	0.17 86	0.36 158	0.29 137	0.24 100	0.20 58	0.19 77	0.10 10	0.18 30	0.15 75	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.05 1

gcap-zeroshot	0.17 61	0.11 82	0.36 137	0.20 79	0.12 96	0.26 193	0.16 59	0.30 81	0.22 48	0.26 119	0.20 58	0.30 213	0.14 69	0.20 48	0.13 35	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

testlalala2	0.18 82	0.10 36	0.50 282	0.36 410	0.25 395	0.23 143	0.14 21	0.34 119	0.24 75	0.25 108	0.25 97	0.21 95	0.12 30	0.16 10	0.16 96	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

H2IRNET	0.18 82	0.13 164	0.35 117	0.21 118	0.12 96	0.20 77	0.15 37	0.27 40	0.30 148	0.17 48	0.31 152	0.25 143	0.20 166	0.24 89	0.18 143	0.07 22	0.06 83	0.09 151	0.10 255	0.09 163	0.06 28

MGS-Stereo	0.14 17	0.11 82	0.32 86	0.19 36	0.11 53	0.18 30	0.17 86	0.20 4	0.22 48	0.14 18	0.24 90	0.15 41	0.10 10	0.18 30	0.12 11	0.07 22	0.06 83	0.07 21	0.06 33	0.10 218	0.06 28

IGEV++	0.13 6	0.10 36	0.23 16	0.21 118	0.10 28	0.15 6	0.15 37	0.29 65	0.16 4	0.12 4	0.15 22	0.12 8	0.12 30	0.17 17	0.14 59	0.07 22	0.06 83	0.07 21	0.05 11	0.07 51	0.07 85

MyStereo07	0.16 47	0.12 106	0.26 32	0.22 172	0.14 204	0.25 175	0.23 276	0.29 65	0.21 39	0.15 22	0.13 10	0.12 8	0.13 54	0.25 114	0.13 35	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

MyStereo06	0.20 134	0.12 106	0.57 317	0.21 118	0.14 204	0.25 175	0.23 276	0.40 191	0.21 39	0.30 194	0.24 90	0.31 224	0.18 143	0.22 74	0.18 143	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

MyStereo05	0.23 196	0.12 106	0.57 317	0.21 118	0.14 204	0.25 175	0.23 276	0.48 271	0.52 364	0.31 211	0.23 79	0.25 143	0.22 186	0.30 184	0.21 203	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

MyStereo04	0.23 196	0.12 106	0.55 310	0.22 172	0.14 204	0.25 175	0.23 276	0.49 279	0.52 364	0.28 138	0.23 79	0.27 173	0.23 197	0.30 184	0.22 221	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

AE-Stereo	0.17 61	0.11 82	0.31 80	0.24 259	0.14 204	0.23 143	0.18 121	0.34 119	0.29 137	0.15 22	0.25 97	0.21 95	0.13 54	0.20 48	0.14 59	0.07 22	0.08 260	0.09 151	0.10 255	0.07 51	0.06 28

ff7	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

IGEVStereo-DCA	0.14 17	0.11 82	0.27 40	0.19 36	0.12 96	0.20 77	0.18 121	0.27 40	0.20 28	0.15 22	0.12 4	0.14 33	0.12 30	0.28 157	0.14 59	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.07 85

ffff	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

rrr	0.17 61	0.11 82	0.57 317	0.19 36	0.12 96	0.20 77	0.18 121	0.35 140	0.22 48	0.15 22	0.12 4	0.14 33	0.12 30	0.28 157	0.14 59	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.07 85

11t	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

IGEV_Zeroshot_test	0.18 82	0.10 36	0.65 348	0.20 79	0.12 96	0.19 53	0.15 37	0.34 119	0.19 16	0.28 138	0.22 76	0.27 173	0.13 54	0.23 83	0.18 143	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.06 28

MSKI-zero shot	0.17 61	0.09 15	0.43 226	0.20 79	0.11 53	0.21 100	0.15 37	0.32 98	0.21 39	0.23 86	0.24 90	0.23 124	0.10 10	0.31 190	0.13 35	0.07 22	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28

CASnet	0.14 17	0.12 106	0.22 13	0.22 172	0.08 3	0.16 14	0.15 37	0.27 40	0.25 86	0.22 83	0.20 58	0.15 41	0.11 18	0.17 17	0.13 35	0.07 22	0.05 7	0.11 272	0.09 219	0.08 101	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala	0.15 36	0.10 36	0.36 137	0.19 36	0.12 96	0.23 143	0.16 59	0.26 30	0.19 16	0.24 100	0.19 42	0.14 33	0.11 18	0.16 10	0.13 35	0.07 22	0.05 7	0.07 21	0.06 33	0.05 1	0.05 1

AEACV	0.13 6	0.09 15	0.23 16	0.18 12	0.19 334	0.19 53	0.16 59	0.23 16	0.14 1	0.13 7	0.17 30	0.13 17	0.16 95	0.16 10	0.12 11	0.07 22	0.05 7	0.07 21	0.08 136	0.07 51	0.06 28

SPstereo	0.14 17	0.14 203	0.33 100	0.20 79	0.09 10	0.21 100	0.10 1	0.26 30	0.20 28	0.18 61	0.19 42	0.15 41	0.13 54	0.17 17	0.13 35	0.07 22	0.06 83	0.07 21	0.05 11	0.06 8	0.06 28

RAFT-Test	0.17 61	0.10 36	0.38 164	0.19 36	0.12 96	0.25 175	0.17 86	0.33 112	0.23 63	0.23 86	0.29 126	0.27 173	0.14 69	0.20 48	0.14 59	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

HH	0.18 82	0.12 106	0.55 310	0.22 172	0.12 96	0.18 30	0.18 121	0.34 119	0.19 16	0.20 69	0.24 90	0.34 247	0.18 143	0.29 172	0.12 11	0.07 22	0.05 7	0.07 21	0.07 67	0.07 51	0.06 28

HanStereo	0.18 82	0.12 106	0.55 310	0.22 172	0.12 96	0.18 30	0.18 121	0.34 119	0.19 16	0.20 69	0.24 90	0.34 247	0.18 143	0.29 172	0.12 11	0.07 22	0.05 7	0.07 21	0.07 67	0.07 51	0.06 28

anonymousdsp2	0.17 61	0.10 36	0.28 51	0.20 79	0.11 53	0.25 175	0.17 86	0.41 203	0.31 160	0.23 86	0.23 79	0.22 104	0.15 81	0.25 114	0.15 75	0.07 22	0.05 7	0.07 21	0.05 11	0.08 101	0.07 85

anonymousdsp	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.28 54	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.07 85

CES	0.14 17	0.08 3	0.19 3	0.17 6	0.22 371	0.18 30	0.16 59	0.23 16	0.19 16	0.14 18	0.17 30	0.14 33	0.10 10	0.18 30	0.12 11	0.07 22	0.05 7	0.06 1	0.04 1	0.08 101	0.18 374

EGLCR-Stereo	0.13 6	0.08 3	0.20 6	0.18 12	0.09 10	0.21 100	0.13 9	0.27 40	0.21 39	0.13 7	0.10 2	0.15 41	0.09 4	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

DCRE	0.20 134	0.13 164	0.40 184	0.21 118	0.15 250	0.20 77	0.19 159	0.30 81	0.27 105	0.22 83	0.80 415	0.23 124	0.16 95	0.23 83	0.15 75	0.07 22	0.07 183	0.07 21	0.08 136	0.07 51	0.06 28

Selective-RAFT	0.17 61	0.12 106	0.30 67	0.24 259	0.10 28	0.29 237	0.15 37	0.32 98	0.31 160	0.17 48	0.17 30	0.21 95	0.18 143	0.28 157	0.17 124	0.07 22	0.06 83	0.07 21	0.07 67	0.08 101	0.06 28

MC-Stereo	0.14 17	0.09 15	0.25 27	0.21 118	0.09 10	0.18 30	0.16 59	0.23 16	0.19 16	0.18 61	0.23 79	0.16 50	0.13 54	0.22 74	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

RCA-Stereo	0.16 47	0.09 15	0.25 27	0.20 79	0.10 28	0.19 53	0.17 86	0.36 158	0.35 203	0.20 69	0.25 97	0.17 55	0.17 120	0.18 30	0.14 59	0.07 22	0.05 7	0.07 21	0.06 33	0.06 8	0.05 1

CroCo-Stereo Lap2	0.15 36	0.15 233	0.28 51	0.25 296	0.18 316	0.11 2	0.19 159	0.28 54	0.21 39	0.13 7	0.16 27	0.15 41	0.12 30	0.17 17	0.14 59	0.07 22	0.07 183	0.08 88	0.06 33	0.08 101	0.07 85

TestStereo1	0.21 151	0.16 256	0.32 86	0.26 328	0.13 163	0.26 193	0.27 329	0.40 191	0.36 215	0.29 165	0.39 243	0.22 104	0.21 173	0.33 202	0.17 124	0.07 22	0.06 83	0.09 151	0.08 136	0.08 101	0.07 85

DCANet-4	0.19 120	0.10 36	0.52 297	0.19 36	0.09 10	0.19 53	0.18 121	0.36 158	0.39 247	0.29 165	0.30 138	0.17 55	0.22 186	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

ccc-4	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

fff	0.19 120	0.13 164	0.40 184	0.18 12	0.09 10	0.19 53	0.18 121	0.35 140	0.43 284	0.29 165	0.30 138	0.18 63	0.28 273	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

ADStereo(finetuned)	0.19 120	0.13 164	0.49 272	0.19 36	0.09 10	0.19 53	0.18 121	0.34 119	0.39 247	0.29 165	0.31 152	0.18 63	0.31 311	0.21 64	0.19 168	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.07 85

raft_robust	0.22 179	0.17 272	0.30 67	0.22 172	0.12 96	0.23 143	0.22 253	0.49 279	0.48 337	0.32 233	0.32 159	0.26 164	0.23 197	0.53 282	0.15 75	0.07 22	0.06 83	0.08 88	0.10 255	0.08 101	0.06 28

RAFT+CT+SA	0.21 151	0.18 286	0.33 100	0.25 296	0.18 316	0.23 143	0.29 347	0.40 191	0.36 215	0.24 100	0.38 230	0.18 63	0.16 95	0.32 196	0.16 96	0.07 22	0.05 7	0.09 151	0.12 327	0.09 163	0.09 196

test_5	0.23 196	0.19 302	0.38 164	0.26 328	0.18 316	0.25 175	0.29 347	0.40 191	0.37 224	0.29 165	0.40 251	0.25 143	0.22 186	0.34 208	0.18 143	0.07 22	0.05 7	0.09 151	0.09 219	0.10 218	0.10 246

SA-5K	0.21 151	0.16 256	0.32 86	0.26 328	0.13 163	0.26 193	0.27 329	0.40 191	0.36 215	0.29 165	0.39 243	0.22 104	0.21 173	0.33 202	0.17 124	0.07 22	0.06 83	0.09 151	0.08 136	0.08 101	0.07 85

Sa-1000	0.22 179	0.15 233	0.35 117	0.23 215	0.13 163	0.28 217	0.23 276	0.47 260	0.39 247	0.30 194	0.50 335	0.26 164	0.19 157	0.33 202	0.16 96	0.07 22	0.06 83	0.10 220	0.11 292	0.08 101	0.06 28

SA	0.22 179	0.16 256	0.36 137	0.23 215	0.13 163	0.24 162	0.23 276	0.45 243	0.40 262	0.27 128	0.44 298	0.23 124	0.23 197	0.33 202	0.17 124	0.07 22	0.06 83	0.10 220	0.11 292	0.08 101	0.06 28

IGEV-Stereo	0.14 17	0.12 106	0.27 40	0.19 36	0.12 96	0.21 100	0.18 121	0.28 54	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.07 85
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.19 120	0.10 36	0.46 251	0.19 36	0.13 163	0.25 175	0.19 159	0.52 317	0.19 16	0.29 165	0.21 69	0.22 104	0.20 166	0.28 157	0.18 143	0.07 22	0.06 83	0.07 21	0.08 136	0.08 101	0.08 142

GLC_STEREO	0.15 36	0.10 36	0.24 21	0.21 118	0.09 10	0.17 22	0.15 37	0.23 16	0.27 105	0.17 48	0.20 58	0.17 55	0.11 18	0.23 83	0.16 96	0.07 22	0.09 293	0.09 151	0.08 136	0.07 51	0.06 28

IPLG	0.21 151	0.15 233	0.53 301	0.21 118	0.12 96	0.28 217	0.17 86	0.42 217	0.30 148	0.33 244	0.32 159	0.15 41	0.17 120	0.50 265	0.21 203	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.06 28

MIPNet	0.21 151	0.15 233	0.52 297	0.21 118	0.12 96	0.27 202	0.20 201	0.45 243	0.37 224	0.30 194	0.23 79	0.19 77	0.24 215	0.27 145	0.19 168	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.06 28

IPLGR	0.21 151	0.13 164	0.61 331	0.21 118	0.11 53	0.25 175	0.18 121	0.41 203	0.37 224	0.28 138	0.27 111	0.21 95	0.19 157	0.37 224	0.18 143	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.06 28

GMOStereo	0.18 82	0.14 203	0.30 67	0.22 172	0.12 96	0.20 77	0.27 329	0.26 30	0.28 119	0.31 211	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 220	0.08 136	0.08 101	0.05 1

error version	0.18 82	0.14 203	0.30 67	0.22 172	0.12 96	0.20 77	0.27 329	0.26 30	0.28 119	0.31 211	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 220	0.08 136	0.08 101	0.05 1

test-v	0.18 82	0.14 203	0.30 67	0.22 172	0.12 96	0.20 77	0.27 329	0.26 30	0.28 119	0.31 211	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 220	0.08 136	0.08 101	0.05 1

CrosDoStereo	0.31 317	0.10 36	0.49 272	0.18 12	0.12 96	0.22 124	1.11 466	0.34 119	0.37 224	0.38 310	0.61 384	0.28 188	0.46 384	0.61 321	0.57 386	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.07 85

LCNet	0.21 151	0.11 82	0.29 61	0.25 296	0.12 96	0.23 143	0.19 159	0.34 119	0.26 95	0.28 138	0.35 199	0.26 164	0.30 297	0.35 217	0.17 124	0.07 22	0.05 7	0.09 151	0.10 255	0.13 314	0.22 404

STrans-v2	0.24 222	0.13 164	0.54 304	0.21 118	0.12 96	0.23 143	0.21 230	0.47 260	0.28 119	0.31 211	0.42 275	0.36 266	0.35 333	0.62 329	0.23 239	0.07 22	0.05 7	0.08 88	0.07 67	0.06 8	0.06 28

TransformOpticalFlow	0.24 222	0.13 164	0.56 314	0.23 215	0.11 53	0.21 100	0.19 159	0.40 191	0.32 168	0.30 194	0.43 287	0.36 266	0.31 311	0.61 321	0.20 181	0.07 22	0.05 7	0.08 88	0.07 67	0.06 8	0.07 85

OMP-Stereo	0.23 196	0.14 203	0.35 117	0.29 372	0.13 163	0.21 100	0.16 59	0.37 167	0.33 180	0.34 263	0.30 138	0.34 247	0.19 157	0.70 357	0.24 250	0.07 22	0.06 83	0.09 151	0.07 67	0.07 51	0.06 28

NRIStereo	0.18 82	0.11 82	0.35 117	0.23 215	0.11 53	0.24 162	0.20 201	0.29 65	0.26 95	0.26 119	0.25 97	0.25 143	0.18 143	0.34 208	0.18 143	0.07 22	0.06 83	0.09 151	0.07 67	0.09 163	0.08 142

PSM-AAD	0.25 249	0.10 36	0.30 67	0.24 259	0.12 96	0.26 193	0.38 395	0.34 119	0.28 119	0.35 279	0.39 243	0.28 188	0.79 429	0.30 184	0.16 96	0.07 22	0.06 83	0.12 308	0.11 292	0.08 101	0.21 399

KYRaft	0.22 179	0.10 36	0.30 67	0.23 215	0.12 96	0.23 143	0.23 276	0.35 140	0.24 75	0.35 279	0.54 357	0.34 247	0.26 241	0.29 172	0.15 75	0.07 22	0.05 7	0.09 151	0.10 255	0.08 101	0.31 426

ASMatch	0.23 196	0.11 82	0.51 293	0.24 259	0.14 204	0.19 53	0.17 86	0.31 89	0.28 119	0.28 138	0.68 398	0.27 173	0.26 241	0.50 265	0.22 221	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.11 278

DeepStereo_LL	0.31 317	0.10 36	0.49 272	0.18 12	0.12 96	0.22 124	1.11 466	0.34 119	0.37 224	0.38 310	0.61 384	0.28 188	0.46 384	0.61 321	0.57 386	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.07 85

DEmStereo	0.26 264	0.09 15	0.47 259	0.19 36	0.12 96	0.30 254	0.25 313	0.28 54	0.36 215	0.36 294	0.58 371	0.25 143	0.48 393	0.53 282	0.44 360	0.07 22	0.06 83	0.08 88	0.08 136	0.06 8	0.07 85

THIR-Stereo	0.29 301	0.12 106	0.41 207	0.19 36	0.11 53	0.28 217	0.72 444	0.32 98	0.35 203	0.37 299	0.65 391	0.34 247	0.50 395	0.57 303	0.45 363	0.07 22	0.06 83	0.08 88	0.09 219	0.07 51	0.07 85

DRaft	0.24 222	0.10 36	0.34 107	0.18 12	0.12 96	0.28 217	0.23 276	0.33 112	0.39 247	0.38 310	0.61 384	0.21 95	0.41 361	0.48 257	0.42 355	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.08 142

GrayStereo	0.25 249	0.09 15	0.32 86	0.26 328	0.13 163	0.23 143	0.47 420	0.34 119	0.30 148	0.39 325	0.47 326	0.30 213	0.79 429	0.29 172	0.16 96	0.07 22	0.06 83	0.08 88	0.09 219	0.07 51	0.13 314

RAFT-RH_RVC	0.25 249	0.11 82	0.45 244	0.21 118	0.12 96	0.25 175	0.14 21	0.27 40	0.27 105	0.38 310	1.15 436	0.23 124	0.17 120	0.57 303	0.24 250	0.07 22	0.05 7	0.10 220	0.07 67	0.06 8	0.07 85

RAFT-345	0.21 151	0.10 36	0.46 251	0.22 172	0.11 53	0.20 77	0.16 59	0.26 30	0.25 86	0.27 128	0.66 393	0.21 95	0.16 95	0.55 290	0.21 203	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.06 28

test-2	0.18 82	0.14 203	0.30 67	0.22 172	0.12 96	0.20 77	0.27 329	0.26 30	0.28 119	0.31 211	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 220	0.08 136	0.08 101	0.05 1

test-1	0.17 61	0.11 82	0.40 184	0.23 215	0.13 163	0.22 124	0.23 276	0.34 119	0.26 95	0.20 69	0.24 90	0.22 104	0.14 69	0.16 10	0.20 181	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.08 142

GMM-Stereo	0.21 151	0.10 36	0.43 226	0.23 215	0.13 163	0.24 162	0.25 313	0.37 167	0.27 105	0.30 194	0.45 310	0.27 173	0.21 173	0.31 190	0.17 124	0.07 22	0.05 7	0.10 220	0.09 219	0.08 101	0.19 382

Prome-Stereo	0.21 151	0.10 36	0.30 67	0.24 259	0.12 96	0.23 143	0.23 276	0.36 158	0.25 86	0.33 244	0.59 373	0.24 136	0.28 273	0.29 172	0.16 96	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.20 392

iRaftStereo_RVC	0.16 47	0.12 106	0.26 32	0.21 118	0.11 53	0.20 77	0.17 86	0.32 98	0.23 63	0.20 69	0.25 97	0.18 63	0.12 30	0.20 48	0.15 75	0.07 22	0.05 7	0.09 151	0.09 219	0.08 101	0.07 85

CREStereo++_RVC	0.15 36	0.08 3	0.26 32	0.17 6	0.11 53	0.18 30	0.13 9	0.22 8	0.30 148	0.21 78	0.30 138	0.13 17	0.11 18	0.16 10	0.15 75	0.07 22	0.04 1	0.06 1	0.15 369	0.06 8	0.05 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.17 61	0.09 15	0.26 32	0.18 12	0.07 1	0.32 277	0.19 159	0.37 167	0.32 168	0.23 86	0.25 97	0.18 63	0.17 120	0.25 114	0.16 96	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.05 1

DCANet	0.18 82	0.13 164	0.40 184	0.19 36	0.09 10	0.19 53	0.18 121	0.34 119	0.39 247	0.29 165	0.31 152	0.18 63	0.23 197	0.20 48	0.19 168	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.07 85

csc	0.19 120	0.13 164	0.40 184	0.18 12	0.09 10	0.19 53	0.18 121	0.35 140	0.43 284	0.29 165	0.30 138	0.18 63	0.28 273	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

cscssc	0.19 120	0.13 164	0.40 184	0.18 12	0.09 10	0.19 53	0.18 121	0.35 140	0.43 284	0.29 165	0.30 138	0.18 63	0.28 273	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

111	0.20 134	0.17 272	0.40 184	0.18 12	0.09 10	0.24 162	0.17 86	0.41 203	0.45 309	0.23 86	0.29 126	0.29 197	0.21 173	0.24 89	0.18 143	0.07 22	0.05 7	0.07 21	0.06 33	0.07 51	0.08 142

test_xeample3	0.16 47	0.11 82	0.56 314	0.19 36	0.12 96	0.20 77	0.18 121	0.35 140	0.20 28	0.16 39	0.12 4	0.13 17	0.12 30	0.24 89	0.15 75	0.07 22	0.06 83	0.07 21	0.08 136	0.07 51	0.07 85

ARAFT	0.24 222	0.21 327	0.78 374	0.22 172	0.12 96	0.29 237	0.24 298	0.43 228	0.32 168	0.33 244	0.28 115	0.28 188	0.19 157	0.49 262	0.18 143	0.07 22	0.06 83	0.12 308	0.11 292	0.09 163	0.06 28

EAI-Stereo	0.21 151	0.10 36	0.33 100	0.21 118	0.12 96	0.30 254	0.46 416	0.46 253	0.20 28	0.25 108	0.50 335	0.17 55	0.16 95	0.24 89	0.23 239	0.07 22	0.06 83	0.07 21	0.10 255	0.06 8	0.07 85

CFNet-RSSM	0.17 61	0.10 36	0.40 184	0.20 79	0.11 53	0.20 77	0.15 37	0.36 158	0.30 148	0.23 86	0.21 69	0.26 164	0.15 81	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

Gwc-CoAtRS	0.17 61	0.10 36	0.37 145	0.20 79	0.12 96	0.19 53	0.15 37	0.32 98	0.28 119	0.23 86	0.23 79	0.27 173	0.15 81	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

DIP-Stereo	0.18 82	0.12 106	0.33 100	0.20 79	0.13 163	0.28 217	0.12 5	0.42 217	0.25 86	0.27 128	0.32 159	0.21 95	0.17 120	0.25 114	0.20 181	0.07 22	0.06 83	0.08 88	0.06 33	0.07 51	0.08 142
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.20 134	0.17 272	0.43 226	0.19 36	0.08 3	0.27 202	0.14 21	0.42 217	0.30 148	0.29 165	0.32 159	0.27 173	0.21 173	0.28 157	0.25 259	0.07 22	0.05 7	0.07 21	0.06 33	0.09 163	0.06 28
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
MLCV	0.22 179	0.16 256	0.44 234	0.21 118	0.08 3	0.29 237	0.19 159	0.38 172	0.37 224	0.38 310	0.44 298	0.31 224	0.21 173	0.41 237	0.24 250	0.07 22	0.05 7	0.06 1	0.05 11	0.07 51	0.06 28

iResNet	0.24 222	0.18 286	0.61 331	0.25 296	0.11 53	0.29 237	0.21 230	0.42 217	0.43 284	0.33 244	0.43 287	0.27 173	0.22 186	0.34 208	0.26 272	0.07 22	0.05 7	0.07 21	0.06 33	0.08 101	0.07 85

DN-CSS_ROB	0.22 179	0.25 353	0.47 259	0.24 259	0.14 204	0.25 175	0.12 5	0.40 191	0.33 180	0.29 165	0.42 275	0.22 104	0.20 166	0.33 202	0.19 168	0.07 22	0.06 83	0.11 272	0.11 292	0.11 263	0.07 85

UGAM	0.26 264	0.14 203	0.45 244	0.25 296	0.12 96	0.23 143	0.25 313	0.32 98	0.41 272	0.31 211	0.42 275	0.41 306	0.22 186	0.92 415	0.22 221	0.08 119	0.06 83	0.14 350	0.12 327	0.10 218	0.07 85

WCG-NET	0.14 17	0.09 15	0.23 16	0.19 36	0.11 53	0.21 100	0.13 9	0.28 54	0.21 39	0.18 61	0.19 42	0.18 63	0.12 30	0.22 74	0.12 11	0.08 119	0.05 7	0.07 21	0.06 33	0.08 101	0.06 28

model_zeroshot	0.17 61	0.11 82	0.39 177	0.20 79	0.12 96	0.24 162	0.15 37	0.34 119	0.22 48	0.30 194	0.20 58	0.22 104	0.12 30	0.24 89	0.14 59	0.08 119	0.07 183	0.07 21	0.07 67	0.07 51	0.07 85

RAStereo	0.13 6	0.12 106	0.27 40	0.22 172	0.11 53	0.15 6	0.18 121	0.23 16	0.23 63	0.13 7	0.17 30	0.11 6	0.09 4	0.15 5	0.13 35	0.08 119	0.06 83	0.08 88	0.06 33	0.07 51	0.05 1

Pointernet	0.13 6	0.07 1	0.27 40	0.19 36	0.11 53	0.20 77	0.12 5	0.31 89	0.24 75	0.15 22	0.15 22	0.13 17	0.11 18	0.17 17	0.13 35	0.08 119	0.05 7	0.06 1	0.05 11	0.06 8	0.05 1

AIO-Stereo-zeroshot	0.23 196	0.13 164	0.83 389	0.20 79	0.21 355	0.23 143	0.17 86	0.48 271	0.27 105	0.23 86	0.29 126	0.39 290	0.23 197	0.25 114	0.15 75	0.08 119	0.06 83	0.08 88	0.11 292	0.11 263	0.10 246

trnet	0.13 6	0.08 3	0.21 8	0.15 2	0.07 1	0.21 100	0.12 5	0.24 26	0.24 75	0.16 39	0.21 69	0.15 41	0.13 54	0.18 30	0.13 35	0.08 119	0.05 7	0.06 1	0.04 1	0.06 8	0.05 1

Former-RAFT_DAM_RVC	0.17 61	0.13 164	0.24 21	0.19 36	0.13 163	0.24 162	0.17 86	0.30 81	0.37 224	0.43 357	0.17 30	0.13 17	0.12 30	0.19 41	0.15 75	0.08 119	0.07 183	0.09 151	0.07 67	0.09 163	0.08 142

MyStereo8	0.22 179	0.15 233	0.63 342	0.21 118	0.17 295	0.31 269	0.16 59	0.36 158	0.32 168	0.28 138	0.36 209	0.25 143	0.18 143	0.25 114	0.28 280	0.08 119	0.07 183	0.08 88	0.07 67	0.10 218	0.12 300

ACVNet-DCA	0.18 82	0.14 203	0.38 164	0.23 215	0.11 53	0.31 269	0.19 159	0.41 203	0.27 105	0.17 48	0.19 42	0.13 17	0.18 143	0.28 157	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.09 163	0.09 196

xx1	0.20 134	0.14 203	0.38 164	0.23 215	0.11 53	0.31 269	0.19 159	0.35 140	0.47 328	0.17 48	0.19 42	0.28 188	0.24 215	0.28 157	0.11 1	0.08 119	0.05 7	0.10 220	0.09 219	0.09 163	0.09 196

1test111	0.19 120	0.14 203	0.38 164	0.23 215	0.11 53	0.31 269	0.19 159	0.41 203	0.27 105	0.17 48	0.19 42	0.13 17	0.18 143	0.34 208	0.22 221	0.08 119	0.05 7	0.08 88	0.06 33	0.09 163	0.09 196

cc1	0.18 82	0.14 203	0.38 164	0.23 215	0.11 53	0.31 269	0.19 159	0.35 140	0.47 328	0.17 48	0.19 42	0.13 17	0.18 143	0.28 157	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.08 101	0.08 142

ffm	0.22 179	0.12 106	0.42 215	0.20 79	0.13 163	0.28 217	0.20 201	0.35 140	0.44 298	0.30 194	0.42 275	0.34 247	0.23 197	0.27 145	0.11 1	0.08 119	0.05 7	0.11 272	0.10 255	0.08 101	0.08 142

ff1	0.29 301	0.12 106	0.42 215	0.20 79	0.13 163	0.28 217	0.20 201	0.35 140	0.44 298	0.30 194	0.42 275	0.34 247	0.23 197	0.81 397	1.08 430	0.08 119	0.05 7	0.11 272	0.10 255	0.08 101	0.08 142

tt1	0.18 82	0.14 203	0.35 117	0.23 215	0.11 53	0.30 254	0.19 159	0.35 140	0.44 298	0.17 48	0.19 42	0.13 17	0.16 95	0.27 145	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.08 101	0.08 142

plain	0.17 61	0.13 164	0.43 226	0.21 118	0.13 163	0.16 14	0.17 86	0.27 40	0.22 48	0.16 39	0.26 105	0.13 17	0.16 95	0.27 145	0.16 96	0.08 119	0.06 83	0.10 220	0.07 67	0.10 218	0.07 85

MaDis-Stereo	0.14 17	0.13 164	0.26 32	0.19 36	0.14 204	0.16 14	0.13 9	0.25 27	0.21 39	0.13 7	0.14 20	0.14 33	0.11 18	0.17 17	0.17 124	0.08 119	0.07 183	0.08 88	0.06 33	0.07 51	0.06 28

UniTT-Stereo	0.14 17	0.10 36	0.30 67	0.21 118	0.13 163	0.17 22	0.13 9	0.19 3	0.18 11	0.15 22	0.20 58	0.10 2	0.11 18	0.18 30	0.16 96	0.08 119	0.06 83	0.07 21	0.06 33	0.08 101	0.06 28

Any-RAFT	0.17 61	0.08 3	0.31 80	0.19 36	0.10 28	0.29 237	0.16 59	0.42 217	0.30 148	0.24 100	0.27 111	0.27 173	0.16 95	0.21 64	0.12 11	0.08 119	0.05 7	0.06 1	0.05 11	0.07 51	0.06 28

LL-Strereo	0.29 301	0.25 353	0.58 322	0.25 296	0.21 355	0.23 143	0.24 298	0.55 345	0.42 279	0.34 263	0.32 159	0.41 306	0.40 357	0.94 419	0.23 239	0.08 119	0.07 183	0.11 272	0.09 219	0.09 163	0.09 196

CBFPSM	0.27 271	0.16 256	0.67 352	0.20 79	0.14 204	0.38 330	0.25 313	0.40 191	0.36 215	0.33 244	0.36 209	0.56 375	0.38 349	0.32 196	0.38 331	0.08 119	0.08 260	0.07 21	0.08 136	0.09 163	0.11 278

LoS	0.14 17	0.08 3	0.27 40	0.16 4	0.09 10	0.22 124	0.14 21	0.26 30	0.26 95	0.15 22	0.18 37	0.18 63	0.13 54	0.22 74	0.14 59	0.08 119	0.06 83	0.06 1	0.04 1	0.06 8	0.06 28
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ToySt	0.24 222	0.16 256	0.48 267	0.21 118	0.13 163	0.29 237	0.29 347	0.39 184	0.39 247	0.27 128	0.35 199	0.39 290	0.31 311	0.31 190	0.29 290	0.08 119	0.09 293	0.10 220	0.11 292	0.11 263	0.10 246

anonymousa	0.23 196	0.11 82	0.50 282	0.21 118	0.16 275	0.31 269	0.20 201	0.36 158	0.35 203	0.32 233	0.50 335	0.39 290	0.26 241	0.22 74	0.20 181	0.08 119	0.06 83	0.09 151	0.11 292	0.07 51	0.08 142

qqq	0.20 134	0.12 106	0.31 80	0.20 79	0.11 53	0.23 143	0.19 159	0.41 203	0.27 105	0.24 100	0.28 115	0.28 188	0.24 215	0.34 208	0.22 221	0.08 119	0.07 183	0.10 220	0.09 219	0.09 163	0.09 196

CIPLG	0.21 151	0.21 327	0.55 310	0.23 215	0.15 250	0.25 175	0.20 201	0.35 140	0.29 137	0.31 211	0.33 179	0.22 104	0.15 81	0.26 129	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

IPLGR_C	0.21 151	0.22 339	0.60 328	0.23 215	0.15 250	0.24 162	0.20 201	0.35 140	0.29 137	0.31 211	0.32 159	0.22 104	0.15 81	0.25 114	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

ACRE	0.21 151	0.20 314	0.62 339	0.23 215	0.15 250	0.24 162	0.20 201	0.35 140	0.28 119	0.31 211	0.32 159	0.22 104	0.15 81	0.25 114	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

HHNet	0.22 179	0.12 106	0.52 297	0.18 12	0.18 316	0.20 77	0.20 201	0.34 119	0.31 160	0.32 233	0.59 373	0.20 84	0.21 173	0.24 89	0.31 302	0.08 119	0.05 7	0.09 151	0.07 67	0.08 101	0.11 278

Patchmatch Stereo++	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.14 21	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.26 129	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.33 332	0.11 82	0.37 145	0.25 296	0.16 275	0.20 77	0.19 159	0.30 81	0.27 105	0.35 279	0.35 199	0.27 173	0.30 297	0.44 245	2.66 467	0.08 119	0.05 7	0.10 220	0.07 67	0.08 101	0.06 28

IIG-Stereo	0.23 196	0.13 164	0.35 117	0.29 372	0.12 96	0.23 143	0.14 21	0.38 172	0.31 160	0.34 263	0.37 218	0.33 240	0.21 173	0.70 357	0.26 272	0.08 119	0.06 83	0.09 151	0.07 67	0.07 51	0.06 28

NF-Stereo	0.20 134	0.10 36	0.35 117	0.24 259	0.12 96	0.21 100	0.18 121	0.38 172	0.32 168	0.28 138	0.30 138	0.22 104	0.16 95	0.51 270	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 314

OCTAStereo	0.20 134	0.10 36	0.35 117	0.24 259	0.12 96	0.21 100	0.18 121	0.38 172	0.32 168	0.28 138	0.30 138	0.22 104	0.16 95	0.51 270	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 314

PSM-adaLoss	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.16 59	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.18 143	0.24 89	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

FTStereo	0.28 290	0.10 36	0.43 226	0.23 215	0.13 163	0.21 100	0.53 431	0.34 119	0.26 95	0.38 310	0.95 427	0.30 213	0.56 405	0.32 196	0.18 143	0.08 119	0.06 83	0.09 151	0.08 136	0.07 51	0.19 382

ROB_FTStereo_v2	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.16 59	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.24 89	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

ROB_FTStereo	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.14 21	0.29 65	0.22 48	0.28 138	0.28 115	0.25 143	0.17 120	0.24 89	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

HUI-Stereo	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.14 21	0.29 65	0.22 48	0.28 138	0.28 115	0.25 143	0.17 120	0.22 74	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

SST-Stereo	0.21 151	0.10 36	0.37 145	0.24 259	0.13 163	0.19 53	0.17 86	0.31 89	0.24 75	0.34 263	0.33 179	0.29 197	0.25 232	0.56 300	0.17 124	0.08 119	0.05 7	0.10 220	0.08 136	0.09 163	0.07 85

RAFT_R40	0.21 151	0.10 36	0.37 145	0.24 259	0.13 163	0.18 30	0.18 121	0.31 89	0.29 137	0.33 244	0.33 179	0.30 213	0.24 215	0.55 290	0.18 143	0.08 119	0.05 7	0.10 220	0.08 136	0.08 101	0.07 85

RE-Stereo	0.20 134	0.10 36	0.35 117	0.24 259	0.12 96	0.21 100	0.18 121	0.38 172	0.32 168	0.28 138	0.30 138	0.22 104	0.16 95	0.51 270	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 314

TVStereo	0.20 134	0.10 36	0.35 117	0.24 259	0.12 96	0.21 100	0.18 121	0.38 172	0.32 168	0.28 138	0.30 138	0.22 104	0.16 95	0.51 270	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 314

DeepStereo_RVC	0.18 82	0.11 82	0.40 184	0.21 118	0.11 53	0.19 53	0.16 59	0.28 54	0.22 48	0.27 128	0.27 111	0.23 124	0.28 273	0.24 89	0.18 143	0.08 119	0.06 83	0.09 151	0.07 67	0.09 163	0.10 246

iGMRVC	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.15 37	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.27 145	0.17 124	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

IRAFT_RVC	0.22 179	0.12 106	0.39 177	0.26 328	0.11 53	0.18 30	0.24 298	0.40 191	0.37 224	0.31 211	0.30 138	0.29 197	0.24 215	0.55 290	0.22 221	0.08 119	0.06 83	0.10 220	0.08 136	0.08 101	0.07 85

iRAFT	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.14 21	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.26 129	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

CRE-IMP	0.18 82	0.12 106	0.37 145	0.22 172	0.11 53	0.24 162	0.17 86	0.29 65	0.21 39	0.27 128	0.26 105	0.24 136	0.17 120	0.23 83	0.18 143	0.08 119	0.05 7	0.10 220	0.07 67	0.10 218	0.10 246

CroCo-Stereo	0.14 17	0.13 164	0.24 21	0.25 296	0.11 53	0.11 2	0.18 121	0.32 98	0.23 63	0.12 4	0.12 4	0.18 63	0.12 30	0.14 2	0.13 35	0.08 119	0.06 83	0.07 21	0.05 11	0.07 51	0.06 28
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
RAFT	0.21 151	0.17 272	0.32 86	0.24 259	0.12 96	0.25 175	0.27 329	0.35 140	0.28 119	0.33 244	0.33 179	0.38 278	0.22 186	0.29 172	0.17 124	0.08 119	0.08 260	0.11 272	0.10 255	0.10 218	0.06 28

RAFT-IKP	0.18 82	0.12 106	0.37 145	0.22 172	0.10 28	0.18 30	0.15 37	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.18 143	0.25 114	0.16 96	0.08 119	0.06 83	0.10 220	0.08 136	0.10 218	0.08 142

rafts_anoy	0.18 82	0.15 233	0.35 117	0.22 172	0.14 204	0.19 53	0.17 86	0.32 98	0.30 148	0.23 86	0.25 97	0.20 84	0.16 95	0.22 74	0.19 168	0.08 119	0.07 183	0.10 220	0.12 327	0.09 163	0.08 142

TestStereo	0.21 151	0.19 302	0.40 184	0.25 296	0.10 28	0.22 124	0.21 230	0.31 89	0.31 160	0.23 86	0.34 188	0.22 104	0.18 143	0.62 329	0.18 143	0.08 119	0.06 83	0.10 220	0.07 67	0.11 263	0.06 28

raft+_RVC	0.18 82	0.14 203	0.32 86	0.21 118	0.15 250	0.21 100	0.16 59	0.38 172	0.34 189	0.21 78	0.28 115	0.20 84	0.15 81	0.24 89	0.19 168	0.08 119	0.06 83	0.08 88	0.07 67	0.07 51	0.08 142

TANstereo	0.15 36	0.09 15	0.28 51	0.16 4	0.08 3	0.25 175	0.14 21	0.23 16	0.28 119	0.24 100	0.30 138	0.16 50	0.12 30	0.17 17	0.13 35	0.08 119	0.07 183	0.06 1	0.05 11	0.06 8	0.07 85

XX-TBD	0.15 36	0.18 286	0.28 51	0.22 172	0.10 28	0.22 124	0.15 37	0.22 8	0.27 105	0.22 83	0.26 105	0.14 33	0.12 30	0.16 10	0.13 35	0.08 119	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28

raftrobust	0.16 47	0.13 164	0.29 61	0.22 172	0.15 250	0.19 53	0.13 9	0.32 98	0.26 95	0.26 119	0.20 58	0.19 77	0.17 120	0.21 64	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.07 85

RALCasStereoNet	0.18 82	0.15 233	0.33 100	0.21 118	0.14 204	0.21 100	0.18 121	0.31 89	0.25 86	0.21 78	0.29 126	0.22 104	0.15 81	0.27 145	0.17 124	0.08 119	0.10 315	0.07 21	0.06 33	0.09 163	0.09 196

RALAANet	0.19 120	0.18 286	0.37 145	0.23 215	0.14 204	0.23 143	0.13 9	0.37 167	0.29 137	0.28 138	0.26 105	0.25 143	0.15 81	0.26 129	0.18 143	0.08 119	0.06 83	0.09 151	0.08 136	0.09 163	0.06 28

XX-Stereo	0.21 151	0.10 36	0.83 389	0.26 328	0.17 295	0.23 143	0.13 9	0.40 191	0.18 11	0.20 69	0.41 259	0.31 224	0.10 10	0.32 196	0.12 11	0.08 119	0.06 83	0.08 88	0.08 136	0.07 51	0.05 1

MMNet	0.27 271	0.14 203	0.49 272	0.24 259	0.17 295	0.47 376	0.22 253	0.45 243	0.51 357	0.39 325	0.41 259	0.36 266	0.33 321	0.39 230	0.34 318	0.08 119	0.07 183	0.09 151	0.09 219	0.10 218	0.08 142

ACVNet	0.23 196	0.13 164	0.35 117	0.18 12	0.15 250	0.27 202	0.23 276	0.39 184	0.44 298	0.28 138	0.41 259	0.38 278	0.26 241	0.27 145	0.32 307	0.08 119	0.07 183	0.08 88	0.07 67	0.10 218	0.07 85

acv_ft	0.25 249	0.13 164	0.40 184	0.23 215	0.19 334	0.34 300	0.21 230	0.45 243	0.44 298	0.38 310	0.41 259	0.38 278	0.27 259	0.27 145	0.35 322	0.08 119	0.07 183	0.08 88	0.07 67	0.11 263	0.07 85

BEATNet_4x	0.22 179	0.18 286	0.47 259	0.22 172	0.10 28	0.28 217	0.14 21	0.46 253	0.32 168	0.31 211	0.34 188	0.31 224	0.25 232	0.31 190	0.29 290	0.08 119	0.06 83	0.08 88	0.06 33	0.10 218	0.08 142

R-Stereo Train	0.18 82	0.09 15	0.32 86	0.22 172	0.12 96	0.22 124	0.19 159	0.42 217	0.19 16	0.31 211	0.45 310	0.20 84	0.14 69	0.18 30	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28

RAFT-Stereo	0.18 82	0.09 15	0.32 86	0.22 172	0.12 96	0.22 124	0.19 159	0.42 217	0.19 16	0.31 211	0.45 310	0.20 84	0.14 69	0.18 30	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HSM-Net_RVC	0.27 271	0.11 82	0.42 215	0.19 36	0.11 53	0.34 300	0.20 201	0.62 401	0.43 284	0.40 333	0.43 287	0.50 357	0.26 241	0.76 380	0.22 221	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iResNetv2_ROB	0.27 271	0.26 364	0.72 368	0.23 215	0.13 163	0.29 237	0.18 121	0.52 317	0.49 346	0.37 299	0.45 310	0.39 290	0.25 232	0.34 208	0.20 181	0.08 119	0.06 83	0.07 21	0.05 11	0.12 299	0.09 196

HSM	0.28 290	0.16 256	0.35 117	0.20 79	0.15 250	0.33 288	0.19 159	0.53 328	0.37 224	0.36 294	0.38 230	0.67 409	0.31 311	0.89 410	0.23 239	0.08 119	0.06 83	0.08 88	0.07 67	0.08 101	0.08 142

iResNet_ROB	0.25 249	0.19 302	0.40 184	0.20 79	0.12 96	0.30 254	0.16 59	0.55 345	0.53 368	0.38 310	0.43 287	0.37 270	0.26 241	0.38 228	0.22 221	0.08 119	0.06 83	0.06 1	0.04 1	0.09 163	0.09 196

pmcnn	0.50 402	0.20 314	0.78 374	0.24 259	0.26 400	0.39 338	0.30 357	0.51 302	0.50 354	0.54 400	1.23 439	2.52 463	0.37 345	0.77 386	0.95 424	0.08 119	0.06 83	0.06 1	0.05 11	0.10 218	0.08 142

test_sample2	0.21 151	0.10 36	0.28 51	0.19 36	0.11 53	0.27 202	0.21 230	0.43 228	0.29 137	0.26 119	0.31 152	0.30 213	0.24 215	0.45 248	0.18 143	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.09 196

test_sample1	0.20 134	0.10 36	0.28 51	0.19 36	0.12 96	0.28 217	0.19 159	0.41 203	0.25 86	0.26 119	0.31 152	0.29 197	0.26 241	0.44 245	0.21 203	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.09 196

DispNO	0.27 271	0.18 286	0.62 339	0.23 215	0.17 295	0.25 175	0.22 253	0.45 243	0.41 272	0.32 233	0.39 243	0.38 278	0.27 259	0.77 386	0.27 276	0.09 191	0.07 183	0.10 220	0.10 255	0.08 101	0.08 142

CoDeX	0.23 196	0.12 106	0.46 251	0.21 118	0.14 204	0.29 237	0.21 230	0.53 328	0.41 272	0.29 165	0.35 199	0.29 197	0.22 186	0.48 257	0.19 168	0.09 191	0.06 83	0.08 88	0.07 67	0.08 101	0.07 85

mmm	0.21 151	0.12 106	0.31 80	0.22 172	0.12 96	0.28 217	0.21 230	0.41 203	0.27 105	0.29 165	0.38 230	0.29 197	0.24 215	0.29 172	0.22 221	0.09 191	0.07 183	0.11 272	0.09 219	0.10 218	0.09 196

11t1	0.18 82	0.10 36	0.30 67	0.20 79	0.11 53	0.27 202	0.17 86	0.35 140	0.23 63	0.25 108	0.23 79	0.23 124	0.23 197	0.25 114	0.18 143	0.09 191	0.07 183	0.07 21	0.06 33	0.09 163	0.09 196

1111x	0.32 326	0.11 82	0.40 184	0.22 172	0.11 53	0.32 277	0.26 324	0.59 380	0.43 284	0.31 211	0.41 259	0.39 290	0.28 273	0.76 380	1.37 446	0.09 191	0.08 260	0.09 151	0.10 255	0.09 163	0.08 142

MIF-Stereo (partial)	0.16 47	0.10 36	0.34 107	0.21 118	0.15 250	0.15 6	0.13 9	0.28 54	0.25 86	0.17 48	0.26 105	0.15 41	0.16 95	0.25 114	0.17 124	0.09 191	0.06 83	0.10 220	0.08 136	0.09 163	0.08 142

EKT-Stereo	0.38 363	0.12 106	0.38 164	0.42 424	3.88 473	0.21 100	0.17 86	0.35 140	0.28 119	0.20 69	0.20 58	0.23 124	0.15 81	0.28 157	0.16 96	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

PCWNet_CMD	0.23 196	0.13 164	0.48 267	0.20 79	0.13 163	0.28 217	0.16 59	0.46 253	0.46 323	0.29 165	0.36 209	0.37 270	0.24 215	0.28 157	0.20 181	0.09 191	0.06 83	0.10 220	0.08 136	0.11 263	0.09 196

gwcnet-sp	0.24 222	0.13 164	0.63 342	0.22 172	0.14 204	0.34 300	0.22 253	0.44 233	0.39 247	0.35 279	0.34 188	0.27 173	0.27 259	0.35 217	0.25 259	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

scenet	0.24 222	0.13 164	0.63 342	0.22 172	0.14 204	0.34 300	0.22 253	0.44 233	0.39 247	0.35 279	0.34 188	0.27 173	0.27 259	0.35 217	0.25 259	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

knoymous	0.17 61	0.09 15	0.32 86	0.17 6	0.11 53	0.21 100	0.17 86	0.32 98	0.23 63	0.23 86	0.28 115	0.27 173	0.16 95	0.23 83	0.16 96	0.09 191	0.06 83	0.09 151	0.06 33	0.09 163	0.09 196

riskmin	0.18 82	0.09 15	0.34 107	0.18 12	0.12 96	0.24 162	0.16 59	0.34 119	0.28 119	0.21 78	0.23 79	0.33 240	0.24 215	0.23 83	0.17 124	0.09 191	0.06 83	0.09 151	0.06 33	0.10 218	0.10 246

ssnet	0.24 222	0.13 164	0.63 342	0.22 172	0.14 204	0.34 300	0.22 253	0.44 233	0.39 247	0.35 279	0.34 188	0.27 173	0.27 259	0.35 217	0.25 259	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

x	0.19 120	0.11 82	0.29 61	0.20 79	0.11 53	0.26 193	0.18 121	0.41 203	0.29 137	0.25 108	0.29 126	0.28 188	0.24 215	0.26 129	0.23 239	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.08 142

DisPM	0.19 120	0.10 36	0.35 117	0.23 215	0.13 163	0.18 30	0.20 201	0.29 65	0.29 137	0.33 244	0.34 188	0.23 124	0.16 95	0.33 202	0.16 96	0.09 191	0.06 83	0.09 151	0.08 136	0.07 51	0.11 278

Wz-Net-LNSev-Ref	0.30 310	0.20 314	0.70 364	0.21 118	0.17 295	0.46 370	0.27 329	0.50 287	0.49 346	0.42 351	0.55 361	0.43 317	0.30 297	0.46 251	0.38 331	0.09 191	0.06 83	0.07 21	0.06 33	0.11 263	0.10 246

IER	0.23 196	0.12 106	0.39 177	0.20 79	0.14 204	0.31 269	0.19 159	0.42 217	0.36 215	0.33 244	0.40 251	0.32 233	0.33 321	0.29 172	0.22 221	0.09 191	0.07 183	0.08 88	0.08 136	0.09 163	0.08 142

hknet	0.25 249	0.14 203	0.40 184	0.25 296	0.15 250	0.35 313	0.21 230	0.56 360	0.37 224	0.34 263	0.35 199	0.43 317	0.27 259	0.37 224	0.21 203	0.09 191	0.07 183	0.11 272	0.10 255	0.09 163	0.09 196

DAS	0.27 271	0.12 106	0.42 215	0.24 259	0.18 316	0.29 237	0.24 298	0.45 243	0.45 309	0.41 342	0.44 298	0.34 247	0.29 287	0.75 375	0.21 203	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

SepStereo	0.26 264	0.12 106	0.42 215	0.24 259	0.18 316	0.29 237	0.24 298	0.45 243	0.45 309	0.41 342	0.44 298	0.34 247	0.29 287	0.64 336	0.21 203	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

GwcNet-ADL	0.22 179	0.14 203	0.58 322	0.24 259	0.13 163	0.22 124	0.23 276	0.49 279	0.40 262	0.27 128	0.29 126	0.30 213	0.20 166	0.26 129	0.23 239	0.09 191	0.07 183	0.07 21	0.07 67	0.09 163	0.09 196

TRStereo	0.19 120	0.17 272	0.47 259	0.23 215	0.19 334	0.19 53	0.16 59	0.52 317	0.28 119	0.20 69	0.19 42	0.21 95	0.13 54	0.24 89	0.13 35	0.09 191	0.06 83	0.09 151	0.11 292	0.06 8	0.06 28

PSM-softLoss	0.21 151	0.10 36	0.39 177	0.24 259	0.12 96	0.20 77	0.18 121	0.38 172	0.26 95	0.29 165	0.32 159	0.24 136	0.16 95	0.52 276	0.20 181	0.09 191	0.06 83	0.10 220	0.09 219	0.08 101	0.12 300

KMStereo	0.21 151	0.10 36	0.39 177	0.24 259	0.12 96	0.20 77	0.18 121	0.38 172	0.26 95	0.29 165	0.32 159	0.24 136	0.16 95	0.52 276	0.20 181	0.09 191	0.06 83	0.10 220	0.09 219	0.08 101	0.12 300

PFNet	0.23 196	0.10 36	0.57 317	0.24 259	0.14 204	0.22 124	0.19 159	0.39 184	0.33 180	0.35 279	0.32 159	0.27 173	0.19 157	0.64 336	0.22 221	0.09 191	0.05 7	0.09 151	0.07 67	0.08 101	0.07 85

Pruner-Stereo	0.19 120	0.11 82	0.34 107	0.29 372	0.12 96	0.19 53	0.17 86	0.31 89	0.29 137	0.33 244	0.32 159	0.25 143	0.15 81	0.24 89	0.21 203	0.09 191	0.06 83	0.09 151	0.08 136	0.08 101	0.09 196

AnonymousM	0.17 61	0.19 302	0.24 21	0.18 12	0.10 28	0.18 30	0.17 86	0.30 81	0.23 63	0.26 119	0.20 58	0.18 63	0.14 69	0.19 41	0.14 59	0.09 191	0.06 83	0.38 430	0.15 369	0.06 8	0.05 1

CFNet_pseudo	0.23 196	0.13 164	0.47 259	0.19 36	0.13 163	0.26 193	0.16 59	0.44 233	0.44 298	0.29 165	0.37 218	0.38 278	0.23 197	0.29 172	0.21 203	0.09 191	0.06 83	0.11 272	0.08 136	0.11 263	0.09 196

RAFT + AFF	0.27 271	0.23 346	0.50 282	0.25 296	0.17 295	0.30 254	0.33 376	0.52 317	0.40 262	0.28 138	0.30 138	0.30 213	0.31 311	0.62 329	0.24 250	0.09 191	0.10 315	0.11 272	0.10 255	0.11 263	0.11 278

GMStereo	0.19 120	0.25 353	0.40 184	0.21 118	0.12 96	0.22 124	0.19 159	0.29 65	0.40 262	0.25 108	0.23 79	0.16 50	0.15 81	0.25 114	0.19 168	0.09 191	0.06 83	0.08 88	0.08 136	0.10 218	0.08 142
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.22 179	0.10 36	0.51 293	0.21 118	0.14 204	0.34 300	0.22 253	0.55 345	0.39 247	0.29 165	0.32 159	0.23 124	0.21 173	0.27 145	0.19 168	0.09 191	0.07 183	0.09 151	0.09 219	0.09 163	0.08 142

delet	0.27 271	0.14 203	0.40 184	0.23 215	0.19 334	0.41 346	0.29 347	0.49 279	0.48 337	0.33 244	0.41 259	0.37 270	0.30 297	0.48 257	0.34 318	0.09 191	0.09 293	0.11 272	0.12 327	0.08 101	0.08 142

UNet	0.28 290	0.14 203	0.69 358	0.23 215	0.20 348	0.44 363	0.22 253	0.50 287	0.40 262	0.34 263	0.39 243	0.43 317	0.33 321	0.40 235	0.31 302	0.09 191	0.07 183	0.10 220	0.08 136	0.10 218	0.08 142

CREStereo	0.13 6	0.08 3	0.21 8	0.14 1	0.08 3	0.22 124	0.15 37	0.25 27	0.24 75	0.16 39	0.21 69	0.14 33	0.13 54	0.18 30	0.13 35	0.09 191	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28
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
FENet	0.21 151	0.11 82	0.45 244	0.21 118	0.12 96	0.26 193	0.17 86	0.41 203	0.35 203	0.30 194	0.31 152	0.29 197	0.23 197	0.26 129	0.23 239	0.09 191	0.06 83	0.09 151	0.09 219	0.09 163	0.09 196

ADCRef	0.38 363	0.24 349	0.88 401	0.26 328	0.21 355	0.49 384	0.27 329	0.52 317	0.48 337	0.50 382	0.58 371	0.35 261	0.47 387	0.48 257	1.29 445	0.09 191	0.08 260	0.12 308	0.12 327	0.11 263	0.11 278

RASNet	0.28 290	0.14 203	0.44 234	0.22 172	0.18 316	0.32 277	0.19 159	0.48 271	0.38 238	0.29 165	0.43 287	0.47 339	0.37 345	0.79 390	0.36 328	0.09 191	0.07 183	0.07 21	0.09 219	0.07 51	0.07 85

MSMDNet	0.23 196	0.13 164	0.48 267	0.20 79	0.13 163	0.28 217	0.16 59	0.46 253	0.46 323	0.29 165	0.36 209	0.37 270	0.24 215	0.28 157	0.20 181	0.09 191	0.06 83	0.09 151	0.08 136	0.11 263	0.09 196

CFNet	0.27 271	0.20 314	0.44 234	0.22 172	0.14 204	0.33 288	0.14 21	0.51 302	0.45 309	0.30 194	0.40 251	0.38 278	0.27 259	0.76 380	0.25 259	0.09 191	0.07 183	0.11 272	0.11 292	0.11 263	0.08 142

ccs_rob	0.23 196	0.13 164	0.47 259	0.20 79	0.13 163	0.26 193	0.17 86	0.44 233	0.44 298	0.29 165	0.37 218	0.38 278	0.23 197	0.29 172	0.21 203	0.09 191	0.06 83	0.11 272	0.08 136	0.11 263	0.09 196

StereoDRNet-Refined	0.27 271	0.17 272	0.35 117	0.25 296	0.14 204	0.37 323	0.21 230	0.47 260	0.41 272	0.44 363	0.51 341	0.41 306	0.28 273	0.45 248	0.37 329	0.09 191	0.06 83	0.11 272	0.11 292	0.10 218	0.10 246
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	0.32 326	0.13 164	0.51 293	0.25 296	0.16 275	0.48 381	0.25 313	0.50 287	0.57 383	0.37 299	0.45 310	0.62 393	0.36 337	0.64 336	0.49 374	0.09 191	0.07 183	0.09 151	0.08 136	0.12 299	0.11 278

DCVSM-stereo	0.24 222	0.13 164	0.52 297	0.20 79	0.14 204	0.26 193	0.13 9	0.34 119	0.34 189	0.41 342	0.33 179	0.47 339	0.29 287	0.30 184	0.22 221	0.10 235	0.10 315	0.11 272	0.10 255	0.12 299	0.15 342

ACV-stereo	0.29 301	0.18 286	0.79 380	0.23 215	0.16 275	0.47 376	0.19 159	0.36 158	0.34 189	0.29 165	0.33 179	0.67 409	0.42 369	0.54 288	0.30 296	0.10 235	0.09 293	0.09 151	0.09 219	0.10 218	0.11 278

test_sample6	0.25 249	0.13 164	0.41 207	0.21 118	0.11 53	0.30 254	0.22 253	0.51 302	0.35 203	0.33 244	0.43 287	0.30 213	0.24 215	0.57 303	0.22 221	0.10 235	0.07 183	0.10 220	0.10 255	0.11 263	0.10 246

test_sample5	0.24 222	0.13 164	0.42 215	0.21 118	0.12 96	0.30 254	0.21 230	0.50 287	0.34 189	0.32 233	0.41 259	0.29 197	0.23 197	0.55 290	0.21 203	0.10 235	0.07 183	0.10 220	0.09 219	0.11 263	0.10 246

test_sample4	0.24 222	0.13 164	0.43 226	0.20 79	0.12 96	0.32 277	0.21 230	0.51 302	0.34 189	0.31 211	0.37 218	0.28 188	0.23 197	0.53 282	0.21 203	0.10 235	0.07 183	0.10 220	0.09 219	0.11 263	0.10 246

test_sample3	0.23 196	0.12 106	0.43 226	0.19 36	0.12 96	0.32 277	0.20 201	0.50 287	0.34 189	0.31 211	0.33 179	0.29 197	0.22 186	0.53 282	0.22 221	0.10 235	0.07 183	0.09 151	0.08 136	0.10 218	0.10 246

SMFormer	0.25 249	0.12 106	0.40 184	0.19 36	0.10 28	0.27 202	0.19 159	0.51 302	0.45 309	0.34 263	0.41 259	0.31 224	0.26 241	0.58 309	0.28 280	0.10 235	0.07 183	0.08 88	0.08 136	0.09 163	0.09 196

tta	0.24 222	0.12 106	0.40 184	0.19 36	0.10 28	0.27 202	0.19 159	0.51 302	0.45 309	0.34 263	0.41 259	0.31 224	0.26 241	0.58 309	0.28 280	0.10 235	0.07 183	0.08 88	0.08 136	0.08 101	0.07 85

qqq1	0.24 222	0.12 106	0.40 184	0.19 36	0.10 28	0.27 202	0.19 159	0.51 302	0.45 309	0.34 263	0.41 259	0.31 224	0.26 241	0.58 309	0.16 96	0.10 235	0.07 183	0.07 21	0.06 33	0.08 101	0.07 85

fff1	0.24 222	0.12 106	0.40 184	0.19 36	0.10 28	0.27 202	0.19 159	0.51 302	0.45 309	0.34 263	0.41 259	0.31 224	0.26 241	0.58 309	0.16 96	0.10 235	0.07 183	0.07 21	0.06 33	0.08 101	0.07 85

DualNet	0.24 222	0.13 164	0.42 215	0.21 118	0.12 96	0.30 254	0.21 230	0.50 287	0.34 189	0.33 244	0.43 287	0.29 197	0.23 197	0.55 290	0.21 203	0.10 235	0.07 183	0.10 220	0.09 219	0.11 263	0.10 246

mmx	0.31 317	0.12 106	0.42 215	0.20 79	0.13 163	0.28 217	0.20 201	0.55 345	0.45 309	0.30 194	0.42 275	0.34 247	0.23 197	0.81 397	1.08 430	0.10 235	0.07 183	0.11 272	0.10 255	0.11 263	0.10 246

xxx	0.31 317	0.12 106	0.42 215	0.20 79	0.13 163	0.28 217	0.20 201	0.55 345	0.45 309	0.30 194	0.42 275	0.34 247	0.23 197	0.81 397	1.08 430	0.10 235	0.07 183	0.11 272	0.10 255	0.11 263	0.10 246

iinet-f	0.30 310	0.18 286	1.03 424	0.20 79	0.15 250	0.44 363	0.22 253	0.45 243	0.37 224	0.35 279	0.44 298	0.41 306	0.34 329	0.34 208	0.40 346	0.10 235	0.09 293	0.08 88	0.08 136	0.13 314	0.11 278

BUS	0.23 196	0.12 106	0.28 51	0.25 296	0.14 204	0.43 361	0.17 86	0.56 360	0.34 189	0.34 263	0.35 199	0.32 233	0.20 166	0.26 129	0.21 203	0.10 235	0.07 183	0.11 272	0.10 255	0.09 163	0.09 196

NINENet	0.25 249	0.15 233	0.37 145	0.23 215	0.16 275	0.43 361	0.17 86	0.60 388	0.46 323	0.32 233	0.37 218	0.32 233	0.20 166	0.42 239	0.21 203	0.10 235	0.10 315	0.12 308	0.08 136	0.11 263	0.10 246

BSDual-CNN	0.23 196	0.12 106	0.28 51	0.25 296	0.14 204	0.35 313	0.21 230	0.56 360	0.34 189	0.34 263	0.35 199	0.38 278	0.24 215	0.26 129	0.21 203	0.10 235	0.07 183	0.11 272	0.10 255	0.09 163	0.09 196

psmg	0.23 196	0.12 106	0.28 51	0.21 118	0.14 204	0.35 313	0.23 276	0.51 302	0.34 189	0.35 279	0.38 230	0.38 278	0.24 215	0.26 129	0.21 203	0.10 235	0.08 260	0.10 220	0.10 255	0.09 163	0.08 142

GANet-ADL	0.21 151	0.12 106	0.45 244	0.23 215	0.14 204	0.29 237	0.19 159	0.46 253	0.35 203	0.25 108	0.32 159	0.32 233	0.19 157	0.24 89	0.20 181	0.10 235	0.07 183	0.07 21	0.06 33	0.09 163	0.10 246

ADLNet2	0.30 310	0.17 272	0.72 368	0.23 215	0.17 295	0.36 318	0.24 298	0.52 317	0.51 357	0.32 233	0.38 230	0.45 331	0.30 297	0.69 354	0.35 322	0.10 235	0.08 260	0.09 151	0.09 219	0.12 299	0.10 246

PFNet+	0.20 134	0.10 36	0.37 145	0.21 118	0.12 96	0.17 22	0.19 159	0.29 65	0.34 189	0.33 244	0.32 159	0.24 136	0.16 95	0.32 196	0.17 124	0.10 235	0.07 183	0.11 272	0.10 255	0.08 101	0.12 300

sAnonymous2	0.20 134	0.21 327	0.58 322	0.24 259	0.17 295	0.22 124	0.19 159	0.34 119	0.28 119	0.17 48	0.19 42	0.17 55	0.16 95	0.17 17	0.14 59	0.10 235	0.07 183	0.09 151	0.08 136	0.23 401	0.17 361

CroCo_RVC	0.20 134	0.21 327	0.58 322	0.24 259	0.17 295	0.22 124	0.19 159	0.34 119	0.28 119	0.17 48	0.19 42	0.17 55	0.16 95	0.17 17	0.14 59	0.10 235	0.07 183	0.09 151	0.08 136	0.23 401	0.17 361

sCroCo_RVC	0.18 82	0.14 203	0.49 272	0.27 352	0.18 316	0.22 124	0.17 86	0.27 40	0.23 63	0.14 18	0.22 76	0.17 55	0.14 69	0.21 64	0.15 75	0.10 235	0.11 336	0.09 151	0.09 219	0.09 163	0.09 196

GES	0.22 179	0.12 106	0.42 215	0.20 79	0.14 204	0.27 202	0.19 159	0.49 279	0.33 180	0.30 194	0.36 209	0.25 143	0.23 197	0.29 172	0.22 221	0.10 235	0.08 260	0.08 88	0.07 67	0.10 218	0.11 278

test_xeample	0.34 339	0.10 36	0.29 61	0.19 36	0.11 53	0.33 288	0.23 276	0.55 345	0.38 238	0.32 233	0.45 310	0.29 197	0.26 241	0.57 303	2.24 465	0.10 235	0.07 183	0.09 151	0.08 136	0.09 163	0.09 196

UPFNet	0.25 249	0.12 106	0.38 164	0.24 259	0.19 334	0.37 323	0.28 342	0.48 271	0.38 238	0.34 263	0.37 218	0.37 270	0.28 273	0.39 230	0.33 314	0.10 235	0.09 293	0.10 220	0.10 255	0.10 218	0.08 142

EDNetEfficientorigin	7.51 475	0.52 431	140.47 493	0.25 296	0.17 295	0.42 353	0.29 347	0.47 260	1.03 440	1.28 449	1.02 430	0.83 424	0.84 435	0.75 375	0.99 426	0.10 235	0.09 293	0.12 308	0.10 255	0.21 392	0.22 404

FADNet-RVC-Resample	0.29 301	0.25 353	0.93 410	0.26 328	0.16 275	0.32 277	0.21 230	0.47 260	0.39 247	0.35 279	0.38 230	0.33 240	0.27 259	0.53 282	0.24 250	0.10 235	0.10 315	0.14 350	0.13 350	0.13 314	0.16 350

SuperB	0.49 399	0.28 374	2.23 455	0.23 215	0.15 250	0.41 346	0.32 366	0.47 260	0.82 425	0.43 357	0.50 335	0.33 240	0.45 378	0.68 352	1.08 430	0.10 235	0.07 183	0.09 151	0.08 136	0.98 462	0.14 332

ADCP+	0.45 391	0.24 349	1.15 432	0.25 296	0.22 371	0.56 401	0.39 400	0.54 335	0.51 357	0.44 363	0.51 341	0.46 337	0.52 400	0.56 300	1.89 458	0.10 235	0.08 260	0.11 272	0.10 255	0.14 329	0.13 314

DLCB_ROB	0.28 290	0.16 256	0.34 107	0.27 352	0.16 275	0.38 330	0.25 313	0.48 271	0.43 284	0.46 370	0.46 319	0.51 361	0.33 321	0.53 282	0.33 314	0.10 235	0.10 315	0.11 272	0.11 292	0.10 218	0.09 196

LE_ROB	1.76 462	0.20 314	2.68 463	0.48 431	0.52 438	0.78 429	0.96 459	0.84 441	6.61 475	7.40 477	2.08 463	2.08 455	4.83 471	1.27 445	3.79 471	0.10 235	0.08 260	0.12 308	0.11 292	0.11 263	0.10 246

DDVS	0.25 249	0.15 233	0.39 177	0.24 259	0.17 295	0.34 300	0.21 230	0.41 203	0.30 148	0.33 244	0.41 259	0.48 346	0.21 173	0.52 276	0.27 276	0.11 268	0.09 293	0.11 272	0.09 219	0.13 314	0.14 332

rvit_stereo_0083	0.16 47	0.12 106	0.26 32	0.21 118	0.13 163	0.17 22	0.17 86	0.22 8	0.34 189	0.16 39	0.21 69	0.19 77	0.16 95	0.21 64	0.16 96	0.11 268	0.10 315	0.10 220	0.08 136	0.09 163	0.07 85

rvit_stereo_0081_aga	0.16 47	0.14 203	0.28 51	0.21 118	0.13 163	0.19 53	0.17 86	0.23 16	0.24 75	0.17 48	0.21 69	0.19 77	0.13 54	0.19 41	0.14 59	0.11 268	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

rvit_stereo_0081	0.16 47	0.11 82	0.24 21	0.21 118	0.12 96	0.16 14	0.17 86	0.22 8	0.33 180	0.16 39	0.18 37	0.18 63	0.14 69	0.20 48	0.16 96	0.11 268	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

ITSA-stereo	0.25 249	0.15 233	0.33 100	0.23 215	0.11 53	0.27 202	0.18 121	0.56 360	0.59 386	0.31 211	0.32 159	0.33 240	0.28 273	0.49 262	0.30 296	0.11 268	0.08 260	0.11 272	0.10 255	0.11 263	0.13 314

rvit_stereo_0082	0.16 47	0.11 82	0.24 21	0.21 118	0.12 96	0.16 14	0.17 86	0.22 8	0.33 180	0.16 39	0.18 37	0.18 63	0.14 69	0.20 48	0.16 96	0.11 268	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

rvit_stereo_0080	0.15 36	0.13 164	0.25 27	0.19 36	0.13 163	0.15 6	0.20 201	0.28 54	0.24 75	0.15 22	0.17 30	0.19 77	0.13 54	0.19 41	0.15 75	0.11 268	0.08 260	0.08 88	0.08 136	0.10 218	0.07 85

rvit_stereo_ft	0.17 61	0.14 203	0.30 67	0.25 296	0.14 204	0.17 22	0.21 230	0.28 54	0.26 95	0.16 39	0.19 42	0.20 84	0.16 95	0.22 74	0.17 124	0.11 268	0.07 183	0.09 151	0.09 219	0.09 163	0.07 85

whm_eth	0.15 36	0.13 164	0.25 27	0.19 36	0.13 163	0.15 6	0.20 201	0.28 54	0.24 75	0.15 22	0.17 30	0.19 77	0.13 54	0.19 41	0.15 75	0.11 268	0.08 260	0.08 88	0.08 136	0.10 218	0.07 85

StereoVision	0.22 179	0.18 286	0.37 145	0.27 352	0.17 295	0.23 143	0.22 253	0.38 172	0.31 160	0.20 69	0.51 341	0.22 104	0.16 95	0.28 157	0.18 143	0.11 268	0.12 353	0.13 328	0.13 350	0.10 218	0.07 85

CFNet_ucs	0.24 222	0.13 164	0.50 282	0.20 79	0.15 250	0.28 217	0.17 86	0.49 279	0.45 309	0.32 233	0.42 275	0.39 290	0.22 186	0.31 190	0.21 203	0.11 268	0.08 260	0.12 308	0.09 219	0.12 299	0.11 278

fast-acv-ft	0.31 317	0.20 314	0.81 385	0.24 259	0.18 316	0.46 370	0.27 329	0.41 203	0.49 346	0.39 325	0.55 361	0.49 351	0.35 333	0.37 224	0.38 331	0.11 268	0.11 336	0.11 272	0.12 327	0.12 299	0.09 196

Wz-Net-LNSev	0.34 339	0.29 381	0.91 406	0.26 328	0.21 355	0.47 376	0.31 361	0.54 335	0.54 372	0.44 363	0.52 349	0.50 357	0.35 333	0.39 230	0.39 339	0.11 268	0.11 336	0.10 220	0.09 219	0.14 329	0.13 314

Wz-Net-MNSev	0.36 348	0.26 364	0.79 380	0.26 328	0.21 355	0.59 406	0.38 395	0.55 345	0.56 380	0.48 381	0.54 357	0.53 369	0.36 337	0.60 316	0.44 360	0.11 268	0.09 293	0.11 272	0.11 292	0.15 341	0.13 314

CRFU-Net	0.28 290	0.14 203	0.45 244	0.25 296	0.15 250	0.45 368	0.23 276	0.50 287	0.30 148	0.43 357	0.41 259	0.48 346	0.46 384	0.43 241	0.29 290	0.11 268	0.10 315	0.09 151	0.08 136	0.10 218	0.10 246

AASNet	0.27 271	0.19 302	0.49 272	0.26 328	0.17 295	0.34 300	0.20 201	0.62 401	0.48 337	0.35 279	0.40 251	0.32 233	0.25 232	0.28 157	0.34 318	0.11 268	0.09 293	0.10 220	0.08 136	0.13 314	0.11 278

AACVNet	0.26 264	0.16 256	0.37 145	0.22 172	0.14 204	0.29 237	0.19 159	0.41 203	0.31 160	0.38 310	0.42 275	0.43 317	0.28 273	0.73 367	0.25 259	0.11 268	0.08 260	0.11 272	0.09 219	0.13 314	0.11 278

PSMNet-ADL	0.25 249	0.15 233	0.32 86	0.26 328	0.14 204	0.31 269	0.22 253	0.44 233	0.36 215	0.27 128	0.33 179	0.41 306	0.28 273	0.61 321	0.29 290	0.11 268	0.09 293	0.09 151	0.11 292	0.10 218	0.10 246

LMCR-Stereo	0.26 264	0.18 286	0.49 272	0.28 369	0.14 204	0.36 318	0.23 276	0.54 335	0.34 189	0.39 325	0.40 251	0.29 197	0.29 287	0.37 224	0.27 276	0.11 268	0.07 183	0.09 151	0.07 67	0.13 314	0.09 196

ADLNet	0.28 290	0.15 233	0.42 215	0.23 215	0.19 334	0.34 300	0.23 276	0.53 328	0.43 284	0.42 351	0.41 259	0.44 327	0.27 259	0.55 290	0.35 322	0.11 268	0.08 260	0.11 272	0.11 292	0.11 263	0.12 300

222	0.41 376	0.10 36	0.29 61	0.19 36	0.11 53	0.36 318	0.20 201	0.57 368	0.39 247	0.35 279	0.44 298	0.30 213	0.27 259	0.55 290	3.56 470	0.11 268	0.07 183	0.08 88	0.08 136	0.09 163	0.09 196

xxxx	0.34 339	0.10 36	0.29 61	0.19 36	0.11 53	0.37 323	0.20 201	0.58 375	0.38 238	0.29 165	0.42 275	0.38 278	0.24 215	0.46 251	2.20 463	0.11 268	0.07 183	0.09 151	0.08 136	0.09 163	0.09 196

psm_up	0.29 301	0.16 256	0.41 207	0.26 328	0.17 295	0.32 277	0.26 324	0.55 345	0.43 284	0.36 294	0.40 251	0.45 331	0.37 345	0.58 309	0.30 296	0.11 268	0.12 353	0.13 328	0.12 327	0.10 218	0.10 246

aanetorigin	0.39 368	0.29 381	1.09 427	0.24 259	0.19 334	0.28 217	0.37 389	0.33 112	0.47 328	0.94 434	0.82 417	0.52 365	0.54 401	0.49 262	0.50 379	0.11 268	0.09 293	0.10 220	0.10 255	0.16 348	0.15 342

EDNetEfficient	0.63 423	0.37 411	2.40 459	0.26 328	0.25 395	0.38 330	0.49 426	0.41 203	1.06 443	1.38 452	0.87 424	0.62 393	0.95 440	0.65 342	1.65 451	0.11 268	0.09 293	0.10 220	0.11 292	0.19 381	0.17 361

ac_64	0.27 271	0.13 164	0.41 207	0.24 259	0.17 295	0.36 318	0.22 253	0.46 253	0.33 180	0.35 279	0.36 209	0.52 365	0.30 297	0.62 329	0.32 307	0.11 268	0.09 293	0.10 220	0.10 255	0.09 163	0.08 142

HGLStereo	0.27 271	0.14 203	0.46 251	0.24 259	0.21 355	0.33 288	0.23 276	0.50 287	0.42 279	0.35 279	0.48 332	0.41 306	0.33 321	0.45 248	0.33 314	0.11 268	0.10 315	0.09 151	0.09 219	0.10 218	0.12 300

cf-r	0.24 222	0.15 233	0.44 234	0.21 118	0.14 204	0.27 202	0.22 253	0.42 217	0.40 262	0.30 194	0.42 275	0.42 314	0.26 241	0.43 241	0.25 259	0.11 268	0.06 83	0.08 88	0.10 255	0.08 101	0.08 142

GANet-RSSM	0.24 222	0.14 203	0.36 137	0.21 118	0.14 204	0.27 202	0.21 230	0.45 243	0.33 180	0.29 165	0.39 243	0.39 290	0.28 273	0.58 309	0.23 239	0.11 268	0.07 183	0.09 151	0.09 219	0.10 218	0.09 196

GwcNet-RSSM	0.26 264	0.17 272	0.46 251	0.21 118	0.13 163	0.28 217	0.23 276	0.44 233	0.42 279	0.31 211	0.45 310	0.40 303	0.26 241	0.55 290	0.28 280	0.11 268	0.07 183	0.09 151	0.10 255	0.09 163	0.08 142

DMCA	0.22 179	0.14 203	0.36 137	0.22 172	0.14 204	0.27 202	0.20 201	0.43 228	0.38 238	0.31 211	0.32 159	0.33 240	0.24 215	0.24 89	0.28 280	0.11 268	0.08 260	0.10 220	0.08 136	0.10 218	0.11 278

ADCL	0.47 394	0.22 339	1.00 419	0.27 352	0.19 334	0.74 423	0.64 439	0.54 335	0.69 409	0.56 402	0.71 403	0.55 373	0.60 410	0.60 316	1.43 447	0.11 268	0.09 293	0.13 328	0.13 350	0.14 329	0.14 332

RYNet	0.37 357	0.18 286	0.59 326	0.25 296	0.28 407	0.61 410	0.32 366	0.59 380	0.59 386	0.41 342	0.38 230	0.57 379	0.39 354	0.87 406	0.53 384	0.11 268	0.08 260	0.12 308	0.11 292	0.18 374	0.18 374

NLCA_NET_v2_RVC	0.27 271	0.21 327	0.59 326	0.25 296	0.18 316	0.29 237	0.22 253	0.50 287	0.40 262	0.38 310	0.41 259	0.43 317	0.27 259	0.43 241	0.29 290	0.11 268	0.08 260	0.10 220	0.10 255	0.10 218	0.11 278
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	0.31 317	0.22 339	0.50 282	0.23 215	0.14 204	0.30 254	0.24 298	0.47 260	0.54 372	0.38 310	0.60 378	0.43 317	0.29 287	0.87 406	0.40 346	0.11 268	0.07 183	0.07 21	0.07 67	0.09 163	0.09 196

StereoDRNet	0.32 326	0.22 339	0.61 331	0.27 352	0.21 355	0.42 353	0.30 357	0.61 392	0.48 337	0.46 370	0.39 243	0.48 346	0.30 297	0.57 303	0.40 346	0.11 268	0.09 293	0.12 308	0.11 292	0.12 299	0.10 246

CAS++	0.16 47	0.12 106	0.27 40	0.18 12	0.12 96	0.17 22	0.15 37	0.42 217	0.24 75	0.19 66	0.18 37	0.13 17	0.10 10	0.21 64	0.12 11	0.12 304	0.10 315	0.11 272	0.08 136	0.10 218	0.09 196
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
GMStereo_Zeroshot	0.24 222	0.21 327	0.45 244	0.26 328	0.13 163	0.28 217	0.15 37	0.39 184	0.35 203	0.37 299	0.43 287	0.40 303	0.17 120	0.34 208	0.20 181	0.12 304	0.07 183	0.13 328	0.07 67	0.16 348	0.09 196

coex-ft	3.44 469	0.73 442	48.55 491	0.24 259	0.19 334	0.50 388	0.43 410	0.47 260	2.40 462	7.03 476	1.20 437	0.97 432	2.23 465	0.73 367	1.92 459	0.12 304	0.15 386	0.14 350	0.12 327	0.21 392	0.43 437

Wz-Net-SNSev	0.43 384	0.41 418	1.27 439	0.30 380	0.21 355	0.44 363	0.41 405	0.61 392	0.65 400	0.46 370	0.65 391	0.62 393	0.39 354	0.74 374	0.59 392	0.12 304	0.11 336	0.12 308	0.13 350	0.16 348	0.14 332

CSP-Net	0.27 271	0.15 233	0.30 67	0.21 118	0.14 204	0.44 363	0.24 298	0.50 287	0.40 262	0.41 342	0.43 287	0.42 314	0.26 241	0.66 347	0.28 280	0.12 304	0.08 260	0.08 88	0.08 136	0.10 218	0.09 196

dd	0.22 179	0.26 364	0.40 184	0.22 172	0.12 96	0.25 175	0.21 230	0.32 98	0.44 298	0.29 165	0.28 115	0.25 143	0.16 95	0.30 184	0.25 259	0.12 304	0.07 183	0.10 220	0.08 136	0.11 263	0.09 196

ICVP	0.23 196	0.13 164	0.44 234	0.26 328	0.14 204	0.29 237	0.25 313	0.45 243	0.33 180	0.29 165	0.43 287	0.35 261	0.25 232	0.26 129	0.23 239	0.12 304	0.09 293	0.09 151	0.08 136	0.09 163	0.10 246
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.27 271	0.20 314	0.44 234	0.27 352	0.16 275	0.33 288	0.25 313	0.56 360	0.54 372	0.34 263	0.38 230	0.34 247	0.25 232	0.51 270	0.28 280	0.12 304	0.08 260	0.09 151	0.08 136	0.11 263	0.11 278

Anonymous3	0.23 196	0.18 286	0.63 342	0.27 352	0.18 316	0.41 346	0.23 276	0.43 228	0.35 203	0.23 86	0.27 111	0.20 84	0.18 143	0.27 145	0.18 143	0.12 304	0.11 336	0.10 220	0.10 255	0.11 263	0.12 300

PSMNet-RSSM	0.24 222	0.15 233	0.36 137	0.21 118	0.14 204	0.25 175	0.20 201	0.48 271	0.37 224	0.30 194	0.44 298	0.38 278	0.26 241	0.52 276	0.22 221	0.12 304	0.07 183	0.11 272	0.13 350	0.10 218	0.09 196

CFNet-ft	0.24 222	0.15 233	0.35 117	0.18 12	0.15 250	0.30 254	0.21 230	0.39 184	0.36 215	0.28 138	0.40 251	0.43 317	0.25 232	0.47 255	0.24 250	0.12 304	0.07 183	0.12 308	0.11 292	0.12 299	0.09 196

DSFCA	0.27 271	0.13 164	0.36 137	0.20 79	0.17 295	0.38 330	0.31 361	0.47 260	0.43 284	0.43 357	0.37 218	0.39 290	0.29 287	0.52 276	0.32 307	0.12 304	0.10 315	0.10 220	0.11 292	0.11 263	0.10 246

S-Stereo	0.38 363	0.20 314	1.05 425	0.27 352	0.22 371	0.38 330	0.32 366	0.55 345	0.66 401	0.39 325	0.59 373	0.49 351	0.41 361	0.75 375	0.40 346	0.12 304	0.15 386	0.13 328	0.13 350	0.16 348	0.21 399

PA-Net	0.37 357	0.28 374	0.83 389	0.31 386	0.28 407	0.39 338	0.42 408	0.51 302	0.55 377	0.34 263	0.42 275	0.41 306	0.36 337	0.79 390	0.49 374	0.12 304	0.23 423	0.16 373	0.23 413	0.12 299	0.18 374
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CFNet_RVC	0.24 222	0.15 233	0.35 117	0.18 12	0.15 250	0.30 254	0.21 230	0.39 184	0.36 215	0.28 138	0.40 251	0.43 317	0.25 232	0.47 255	0.24 250	0.12 304	0.07 183	0.12 308	0.11 292	0.12 299	0.09 196

DRN-Test	0.33 332	0.17 272	0.61 331	0.27 352	0.19 334	0.46 370	0.29 347	0.65 409	0.51 357	0.47 378	0.46 319	0.44 327	0.34 329	0.62 329	0.41 352	0.12 304	0.08 260	0.13 328	0.12 327	0.12 299	0.10 246

NaN_ROB	0.41 376	0.28 374	0.62 339	0.30 380	0.19 334	0.51 389	0.47 420	0.58 375	0.59 386	0.56 402	0.47 326	0.49 351	0.41 361	1.21 441	0.64 401	0.12 304	0.18 404	0.12 308	0.13 350	0.11 263	0.14 332

ttt	0.29 301	0.12 106	0.34 107	0.21 118	0.13 163	0.29 237	0.20 201	0.56 360	0.47 328	0.31 211	0.44 298	0.30 213	0.22 186	0.65 342	0.85 418	0.13 321	0.10 315	0.10 220	0.10 255	0.11 263	0.11 278

CASS	0.21 151	0.15 233	0.32 86	0.26 328	0.11 53	0.28 217	0.19 159	0.39 184	0.30 148	0.32 233	0.34 188	0.25 143	0.24 215	0.25 114	0.20 181	0.13 321	0.08 260	0.11 272	0.09 219	0.11 263	0.11 278
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet_v2	0.28 290	0.16 256	0.44 234	0.22 172	0.15 250	0.40 343	0.30 357	0.57 368	0.46 323	0.38 310	0.36 209	0.47 339	0.29 287	0.38 228	0.39 339	0.13 321	0.11 336	0.11 272	0.11 292	0.11 263	0.11 278

WZ-Net	0.52 410	0.38 413	1.90 453	0.30 380	0.24 388	0.57 404	0.48 424	0.62 401	0.78 422	0.50 382	0.71 403	0.68 413	0.54 401	0.98 425	0.84 415	0.13 321	0.10 315	0.11 272	0.12 327	0.19 381	0.20 392

SACVNet	0.30 310	0.20 314	0.41 207	0.25 296	0.18 316	0.34 300	0.25 313	0.52 317	0.40 262	0.41 342	0.44 298	0.46 337	0.32 318	0.71 360	0.25 259	0.13 321	0.10 315	0.12 308	0.12 327	0.16 348	0.17 361

HCRNet	0.24 222	0.25 353	0.33 100	0.34 400	0.16 275	0.27 202	0.18 121	0.43 228	0.35 203	0.30 194	0.35 199	0.32 233	0.22 186	0.44 245	0.20 181	0.13 321	0.08 260	0.13 328	0.11 292	0.10 218	0.09 196

APVNet	0.36 348	0.20 314	0.70 364	0.26 328	0.22 371	0.52 398	0.35 381	0.61 392	0.44 298	0.38 310	0.52 349	0.48 346	0.38 349	0.84 402	0.46 369	0.13 321	0.14 372	0.15 364	0.16 381	0.16 348	0.15 342

GwcNet	0.35 344	0.23 346	0.88 401	0.25 296	0.24 388	0.48 381	0.27 329	0.55 345	0.57 383	0.38 310	0.52 349	0.51 361	0.32 318	0.60 316	0.41 352	0.13 321	0.11 336	0.12 308	0.11 292	0.13 314	0.14 332

FAT-Stereo	0.36 348	0.18 286	0.73 371	0.26 328	0.18 316	0.33 288	0.29 347	0.60 388	0.59 386	0.46 370	0.60 378	0.60 387	0.50 395	0.61 321	0.34 318	0.13 321	0.14 372	0.13 328	0.12 327	0.14 329	0.18 374

DMCA-RVC	0.27 271	0.21 327	0.61 331	0.28 369	0.17 295	0.29 237	0.21 230	0.42 217	0.35 203	0.40 333	0.37 218	0.39 290	0.36 337	0.43 241	0.30 296	0.13 321	0.10 315	0.15 364	0.11 292	0.13 314	0.10 246

FADNet-RVC	0.31 317	0.35 403	0.78 374	0.25 296	0.20 348	0.33 288	0.20 201	0.49 279	0.40 262	0.34 263	0.39 243	0.41 306	0.29 287	0.63 334	0.31 302	0.13 321	0.14 372	0.14 350	0.15 369	0.19 381	0.19 382

STTStereo	0.28 290	0.20 314	0.61 331	0.25 296	0.17 295	0.29 237	0.24 298	0.47 260	0.39 247	0.39 325	0.41 259	0.44 327	0.28 273	0.40 235	0.28 280	0.13 321	0.12 353	0.13 328	0.16 381	0.12 299	0.11 278

stereogan	0.37 357	0.17 272	0.65 348	0.27 352	0.22 371	0.62 411	0.26 324	0.59 380	0.63 398	0.43 357	0.60 378	0.67 409	0.42 369	0.68 352	0.35 322	0.13 321	0.14 372	0.14 350	0.12 327	0.19 381	0.17 361

RTSC	0.39 368	0.28 374	0.78 374	0.27 352	0.18 316	0.49 384	0.22 253	0.59 380	0.84 430	0.55 401	0.53 354	0.49 351	0.36 337	0.67 351	0.82 414	0.13 321	0.10 315	0.11 272	0.12 327	0.17 363	0.17 361

ADCMid	0.49 399	0.34 401	1.13 431	0.26 328	0.21 355	0.51 389	0.37 389	0.57 368	0.54 372	0.75 424	0.66 393	0.62 393	0.64 420	0.64 336	1.68 452	0.13 321	0.12 353	0.17 379	0.17 389	0.20 389	0.17 361

DANet	0.35 344	0.23 346	0.60 328	0.36 410	0.22 371	0.39 338	0.25 313	0.48 271	0.43 284	0.52 393	0.50 335	0.59 384	0.41 361	0.76 380	0.49 374	0.13 321	0.11 336	0.14 350	0.12 327	0.17 363	0.15 342
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.36 348	0.22 339	0.49 272	0.29 372	0.17 295	0.41 346	0.38 395	0.57 368	0.45 309	0.46 370	0.75 409	0.55 373	0.40 357	0.94 419	0.41 352	0.13 321	0.13 364	0.13 328	0.11 292	0.14 329	0.11 278

UCFNet_RVC	0.24 222	0.16 256	0.34 107	0.18 12	0.15 250	0.33 288	0.16 59	0.46 253	0.35 203	0.29 165	0.35 199	0.39 290	0.25 232	0.34 208	0.22 221	0.13 321	0.08 260	0.13 328	0.14 361	0.13 314	0.12 300

NVstereo2D	0.31 317	0.16 256	0.54 304	0.24 259	0.22 371	0.42 353	0.28 342	0.58 375	0.56 380	0.28 138	0.38 230	0.40 303	0.30 297	0.71 360	0.28 280	0.13 321	0.08 260	0.13 328	0.10 255	0.19 381	0.16 350

MDST_ROB	0.48 397	0.14 203	0.95 413	0.30 380	0.21 355	1.33 456	0.32 366	0.77 432	0.56 380	1.06 442	0.71 403	0.49 351	0.35 333	1.26 444	0.38 331	0.13 321	0.11 336	0.16 373	0.13 350	0.12 299	0.12 300

FBW_ROB	0.43 384	0.26 364	0.54 304	0.31 386	0.20 348	0.51 389	0.32 366	0.70 425	0.60 390	0.59 405	0.55 361	0.65 404	0.41 361	1.40 449	0.51 381	0.13 321	0.17 398	0.21 400	0.16 381	0.17 363	0.18 374

ETE_ROB	0.34 339	0.26 364	0.45 244	0.29 372	0.18 316	0.40 343	0.37 389	0.57 368	0.47 328	0.50 382	0.50 335	0.62 393	0.36 337	0.55 290	0.38 331	0.13 321	0.10 315	0.14 350	0.12 327	0.16 348	0.16 350

PWC_ROB	0.38 363	0.29 381	0.69 358	0.25 296	0.20 348	0.38 330	0.19 159	0.58 375	0.67 404	0.57 404	0.85 420	0.51 361	0.40 357	0.71 360	0.52 382	0.13 321	0.09 293	0.14 350	0.10 255	0.17 363	0.14 332

test_sample7	0.25 249	0.15 233	0.35 117	0.20 79	0.14 204	0.28 217	0.21 230	0.51 302	0.38 238	0.37 299	0.34 188	0.37 270	0.30 297	0.39 230	0.23 239	0.14 344	0.09 293	0.13 328	0.12 327	0.13 314	0.12 300

pcwnet_v2	0.32 326	0.15 233	1.26 438	0.23 215	0.18 316	0.32 277	0.18 121	0.59 380	0.60 390	0.36 294	0.45 310	0.35 261	0.29 287	0.36 222	0.25 259	0.14 344	0.11 336	0.12 308	0.11 292	0.14 329	0.15 342

psmorigin	0.50 402	0.25 353	3.03 464	0.24 259	0.19 334	0.38 330	0.22 253	0.50 287	0.44 298	0.64 412	0.68 398	0.71 418	0.51 398	0.85 403	0.45 363	0.14 344	0.17 398	0.13 328	0.14 361	0.16 348	0.21 399

hitnet-ft	0.29 301	0.17 272	0.40 184	0.19 36	0.14 204	0.39 338	0.23 276	0.44 233	0.41 272	0.36 294	0.46 319	0.53 369	0.34 329	0.76 380	0.32 307	0.14 344	0.10 315	0.13 328	0.10 255	0.15 341	0.13 314

FADNet_RVC	0.30 310	0.28 374	0.83 389	0.23 215	0.15 250	0.30 254	0.17 86	0.49 279	0.37 224	0.30 194	0.38 230	0.30 213	0.27 259	0.52 276	0.31 302	0.14 344	0.14 372	0.14 350	0.16 381	0.21 392	0.23 410

RTS	0.78 438	0.48 423	4.68 467	0.34 400	0.28 407	1.12 446	0.46 416	0.62 401	1.03 440	0.73 420	0.89 425	0.60 387	0.59 408	1.61 452	1.16 438	0.14 344	0.11 336	0.15 364	0.15 369	0.21 392	0.19 382

RTSA	0.78 438	0.48 423	4.68 467	0.34 400	0.28 407	1.12 446	0.46 416	0.62 401	1.03 440	0.73 420	0.89 425	0.60 387	0.59 408	1.61 452	1.16 438	0.14 344	0.11 336	0.15 364	0.15 369	0.21 392	0.19 382

TDLM	0.30 310	0.21 327	0.38 164	0.28 369	0.15 250	0.33 288	0.32 366	0.52 317	0.47 328	0.38 310	0.43 287	0.39 290	0.29 287	0.91 414	0.28 280	0.14 344	0.08 260	0.13 328	0.11 292	0.12 299	0.10 246

CVANet_RVC	0.30 310	0.19 302	0.41 207	0.26 328	0.16 275	0.33 288	0.26 324	0.52 317	0.47 328	0.40 333	0.46 319	0.43 317	0.31 311	0.89 410	0.26 272	0.14 344	0.09 293	0.14 350	0.13 350	0.14 329	0.10 246

AdaStereo	0.24 222	0.16 256	0.37 145	0.24 259	0.12 96	0.32 277	0.17 86	0.54 335	0.42 279	0.33 244	0.38 230	0.35 261	0.21 173	0.30 184	0.22 221	0.14 344	0.06 83	0.13 328	0.08 136	0.11 263	0.08 142
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.
SANet	0.53 411	0.28 374	0.96 415	0.26 328	0.15 250	0.69 417	0.44 413	0.67 420	1.34 450	0.67 415	0.98 429	0.94 429	0.71 425	0.89 410	0.76 407	0.14 344	0.12 353	0.12 308	0.11 292	0.17 363	0.16 350

PSMNet_ROB	0.33 332	0.24 349	0.54 304	0.31 386	0.21 355	0.42 353	0.43 410	0.59 380	0.47 328	0.37 299	0.44 298	0.49 351	0.31 311	0.64 336	0.43 356	0.14 344	0.10 315	0.15 364	0.14 361	0.13 314	0.11 278

rvit_0105_6	0.19 120	0.14 203	0.34 107	0.23 215	0.14 204	0.18 30	0.20 201	0.29 65	0.37 224	0.18 61	0.22 76	0.23 124	0.17 120	0.26 129	0.17 124	0.15 356	0.13 364	0.13 328	0.11 292	0.11 263	0.08 142

rvit_0105_5	0.21 151	0.15 233	0.38 164	0.23 215	0.13 163	0.22 124	0.24 298	0.36 158	0.39 247	0.21 78	0.23 79	0.26 164	0.19 157	0.26 129	0.19 168	0.15 356	0.13 364	0.12 308	0.12 327	0.10 218	0.09 196

rvit_0105_3	0.23 196	0.17 272	0.40 184	0.25 296	0.15 250	0.24 162	0.28 342	0.38 172	0.41 272	0.25 108	0.25 97	0.28 188	0.21 173	0.28 157	0.20 181	0.15 356	0.13 364	0.14 350	0.15 369	0.10 218	0.09 196

rvit_105_1	0.27 271	0.19 302	0.46 251	0.27 352	0.19 334	0.30 254	0.35 381	0.44 233	0.51 357	0.31 211	0.31 152	0.31 224	0.26 241	0.35 217	0.25 259	0.15 356	0.14 372	0.15 364	0.17 389	0.11 263	0.10 246

GASNet	0.36 348	0.46 419	0.88 401	0.34 400	0.23 383	0.35 313	0.22 253	0.60 388	0.53 368	0.40 333	0.37 218	0.45 331	0.30 297	0.79 390	0.35 322	0.15 356	0.10 315	0.14 350	0.14 361	0.22 398	0.12 300

Wz-Net-TNSev	0.51 406	0.58 433	1.61 451	0.25 296	0.21 355	0.65 413	0.45 414	0.63 407	0.69 409	0.51 387	0.54 357	0.71 418	0.60 410	1.00 426	0.77 410	0.15 356	0.15 386	0.13 328	0.15 369	0.21 392	0.20 392

UDGNet	0.23 196	0.31 393	0.38 164	0.24 259	0.14 204	0.24 162	0.18 121	0.32 98	0.43 284	0.29 165	0.28 115	0.24 136	0.19 157	0.29 172	0.20 181	0.15 356	0.07 183	0.21 400	0.11 292	0.14 329	0.10 246

AF-Net	0.37 357	0.26 364	0.56 314	0.32 392	0.23 383	0.41 346	0.29 347	0.61 392	0.64 399	0.42 351	0.68 398	0.65 404	0.49 394	0.57 303	0.44 360	0.15 356	0.11 336	0.19 393	0.14 361	0.15 341	0.13 314

RGC	0.39 368	0.32 398	0.64 347	0.34 400	0.27 402	0.40 343	0.29 347	0.57 368	0.53 368	0.45 367	0.64 390	0.62 393	0.45 378	0.72 365	0.39 339	0.15 356	0.15 386	0.21 400	0.20 401	0.18 374	0.19 382

Nwc_Net	0.37 357	0.25 353	0.68 357	0.31 386	0.24 388	0.44 363	0.30 357	0.65 409	0.50 354	0.37 299	0.69 402	0.58 382	0.45 378	0.60 316	0.40 346	0.15 356	0.12 353	0.19 393	0.21 404	0.14 329	0.13 314

SHD	0.42 379	0.27 371	0.81 385	0.31 386	0.25 395	0.42 353	0.22 253	0.66 415	0.94 439	0.63 410	0.60 378	0.59 384	0.47 387	0.59 315	0.58 391	0.15 356	0.13 364	0.16 373	0.16 381	0.20 389	0.22 404

AnyNet_C32	0.51 406	0.40 415	1.10 430	0.29 372	0.28 407	0.59 406	0.58 434	0.54 335	0.60 390	0.62 408	0.66 393	0.54 371	0.54 401	0.78 388	1.74 455	0.15 356	0.14 372	0.15 364	0.17 389	0.20 389	0.20 392

ADCPNet	0.48 397	0.29 381	1.60 449	0.27 352	0.23 383	0.70 420	0.38 395	0.53 328	0.51 357	0.51 387	0.59 373	0.67 409	0.56 405	0.60 316	1.14 435	0.15 356	0.18 404	0.14 350	0.23 413	0.19 381	0.19 382

DeepPruner_ROB	0.26 264	0.19 302	0.44 234	0.21 118	0.16 275	0.30 254	0.21 230	0.52 317	0.32 168	0.35 279	0.38 230	0.39 290	0.26 241	0.42 239	0.24 250	0.15 356	0.11 336	0.11 272	0.11 292	0.14 329	0.13 314

CBMV	0.33 332	0.21 327	0.54 304	0.23 215	0.13 163	0.42 353	0.33 376	0.53 328	0.48 337	0.52 393	0.49 333	0.50 357	0.41 361	0.56 300	0.31 302	0.15 356	0.16 393	0.18 386	0.16 381	0.13 314	0.13 314
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
rvit_0105_4	0.20 134	0.15 233	0.38 164	0.23 215	0.14 204	0.20 77	0.22 253	0.33 112	0.39 247	0.19 66	0.24 90	0.25 143	0.19 157	0.27 145	0.17 124	0.16 371	0.13 364	0.13 328	0.11 292	0.11 263	0.08 142

FADNet	0.32 326	0.36 406	0.74 372	0.23 215	0.22 371	0.37 323	0.19 159	0.53 328	0.48 337	0.32 233	0.36 209	0.43 317	0.32 318	0.64 336	0.25 259	0.16 371	0.16 393	0.14 350	0.16 381	0.24 404	0.19 382

RP	0.35 344	0.22 339	0.51 293	0.31 386	0.24 388	0.37 323	0.28 342	0.50 287	0.58 385	0.40 333	0.63 389	0.61 391	0.47 387	0.61 321	0.39 339	0.16 371	0.15 386	0.17 379	0.15 369	0.17 363	0.17 361

G-Net	0.46 393	0.25 353	0.86 398	0.34 400	0.28 407	0.90 438	0.35 381	0.47 260	0.45 309	0.68 416	1.22 438	0.64 403	0.60 410	0.61 321	0.57 386	0.16 371	0.14 372	0.17 379	0.13 350	0.22 398	0.19 382

edge stereo	0.39 368	0.22 339	0.81 385	0.27 352	0.22 371	0.37 323	0.24 298	0.56 360	0.54 372	0.53 398	0.60 378	0.71 418	0.50 395	0.78 388	0.40 346	0.16 371	0.14 372	0.19 393	0.14 361	0.16 348	0.17 361

ADCS	0.58 417	0.40 415	1.35 444	0.29 372	0.24 388	0.55 400	0.45 414	0.67 420	0.83 428	0.76 426	0.71 403	0.68 413	0.60 410	0.76 380	2.23 464	0.16 371	0.16 393	0.16 373	0.17 389	0.22 398	0.22 404

AnyNet_C01	0.65 425	0.58 433	2.60 462	0.32 392	0.26 400	0.88 436	0.61 437	0.63 407	0.62 395	0.68 416	0.96 428	0.76 421	0.60 410	0.96 422	1.43 447	0.16 371	0.16 393	0.17 379	0.17 389	0.23 401	0.23 410

LSM	1.64 461	0.40 415	2.56 461	2.02 471	17.61 483	0.51 389	0.52 429	0.61 392	0.76 419	0.82 428	1.11 434	0.63 401	0.54 401	0.75 375	0.49 374	0.16 371	0.24 425	0.18 386	0.21 404	0.25 405	2.42 474

DPSNet	0.47 394	0.24 349	0.93 410	0.27 352	0.20 348	0.75 425	0.57 433	0.84 441	0.79 423	0.47 378	0.51 341	0.60 387	0.69 423	0.87 406	0.71 405	0.16 371	0.13 364	0.12 308	0.10 255	0.25 405	0.21 399

NCCL2	0.35 344	0.26 364	0.49 272	0.36 410	0.22 371	0.41 346	0.41 405	0.53 328	0.42 279	0.47 378	0.46 319	0.61 391	0.39 354	0.55 290	0.37 329	0.16 371	0.13 364	0.21 400	0.21 404	0.16 348	0.16 350

SGM_RVC	0.50 402	0.19 302	0.50 282	0.25 296	0.15 250	0.69 417	0.39 400	0.68 423	0.82 425	0.95 436	0.84 419	1.13 434	0.76 427	1.16 437	0.60 394	0.16 371	0.16 393	0.16 373	0.16 381	0.16 348	0.17 361
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
rvit_stereo_0075_2	0.24 222	0.17 272	0.50 282	0.26 328	0.22 371	0.22 124	0.15 37	0.40 191	0.35 203	0.27 128	0.37 218	0.29 197	0.20 166	0.28 157	0.19 168	0.17 382	0.12 353	0.19 393	0.12 327	0.13 314	0.13 314

Syn2CoEx	0.36 348	0.31 393	0.78 374	0.34 400	0.21 355	0.41 346	0.28 342	0.61 392	0.49 346	0.42 351	0.56 367	0.45 331	0.44 375	0.69 354	0.38 331	0.17 382	0.14 372	0.15 364	0.12 327	0.13 314	0.12 300

NCC-stereo	0.39 368	0.25 353	0.69 358	0.32 392	0.28 407	0.46 370	0.36 385	0.65 409	0.52 364	0.40 333	0.57 369	0.56 375	0.47 387	0.73 367	0.45 363	0.17 382	0.14 372	0.18 386	0.25 418	0.16 348	0.16 350

Abc-Net	0.39 368	0.25 353	0.69 358	0.32 392	0.28 407	0.46 370	0.36 385	0.65 409	0.52 364	0.40 333	0.57 369	0.56 375	0.47 387	0.73 367	0.45 363	0.17 382	0.14 372	0.18 386	0.25 418	0.16 348	0.16 350
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XQC	0.43 384	0.37 411	0.96 415	0.34 400	0.25 395	0.53 399	0.34 378	0.60 388	0.73 417	0.51 387	0.46 319	0.57 379	0.47 387	0.70 357	0.72 406	0.17 382	0.12 353	0.18 386	0.15 369	0.25 405	0.23 410

SGM-ForestM	1.36 453	0.28 374	0.79 380	0.26 328	0.16 275	2.26 467	1.00 461	1.42 455	1.46 454	2.38 467	2.05 462	5.95 476	2.66 468	2.95 468	2.46 466	0.17 382	0.18 404	0.18 386	0.18 395	0.15 341	0.18 374

PS-NSSS	0.32 326	0.30 387	0.46 251	0.23 215	0.17 295	0.33 288	0.24 298	0.57 368	0.41 272	0.37 299	0.52 349	0.35 261	0.30 297	0.80 394	0.30 296	0.17 382	0.14 372	0.21 400	0.15 369	0.15 341	0.13 314

XPNet_ROB	0.33 332	0.20 314	0.43 226	0.27 352	0.18 316	0.37 323	0.31 361	0.55 345	0.50 354	0.51 387	0.53 354	0.58 382	0.37 345	0.63 334	0.45 363	0.17 382	0.12 353	0.13 328	0.12 327	0.15 341	0.14 332

LALA_ROB	0.36 348	0.25 353	0.46 251	0.30 380	0.21 355	0.47 376	0.39 400	0.61 392	0.51 357	0.52 393	0.51 341	0.69 415	0.36 337	0.50 265	0.43 356	0.17 382	0.11 336	0.16 373	0.14 361	0.17 363	0.15 342

SGM-Forest	0.36 348	0.17 272	0.47 259	0.23 215	0.16 275	0.45 368	0.41 405	0.55 345	0.48 337	0.52 393	0.60 378	0.52 365	0.41 361	0.85 403	0.50 379	0.17 382	0.17 398	0.17 379	0.15 369	0.15 341	0.15 342
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MeshStereo	0.58 417	0.27 371	0.67 352	0.22 172	0.17 295	0.66 415	0.37 389	0.78 433	0.61 393	1.47 463	1.30 441	1.65 449	0.79 429	1.12 435	0.59 392	0.17 382	0.17 398	0.17 379	0.14 361	0.17 363	0.14 332
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
HBP-ISP	0.33 332	0.30 387	0.72 368	0.22 172	0.16 275	0.32 277	0.22 253	0.54 335	0.44 298	0.41 342	0.49 333	0.33 240	0.38 349	0.73 367	0.25 259	0.18 393	0.19 408	0.24 409	0.20 401	0.16 348	0.13 314

DeepPrunerF	0.44 390	0.29 381	1.29 441	0.33 398	0.30 415	0.35 313	0.36 385	0.62 401	1.15 448	0.40 333	0.44 298	0.39 290	0.41 361	0.80 394	0.52 382	0.18 393	0.14 372	0.23 407	0.21 404	0.17 363	0.17 361

CBMV_ROB	0.33 332	0.18 286	0.53 301	0.21 118	0.14 204	0.33 288	0.20 201	0.51 302	0.45 309	0.51 387	0.55 361	0.45 331	0.42 369	0.71 360	0.32 307	0.18 393	0.19 408	0.23 407	0.21 404	0.14 329	0.15 342

PWCDC_ROB	0.38 363	0.30 387	0.60 328	0.33 398	0.20 348	0.42 353	0.19 159	0.58 375	0.89 432	0.42 351	1.26 440	0.36 266	0.34 329	0.50 265	0.38 331	0.18 393	0.11 336	0.11 272	0.09 219	0.19 381	0.13 314

WCMA_ROB	0.51 406	0.21 327	0.65 348	0.25 296	0.21 355	0.58 405	0.32 366	0.54 335	0.55 377	0.95 436	1.40 444	1.28 442	0.81 432	0.73 367	0.62 397	0.18 393	0.15 386	0.15 364	0.15 369	0.19 381	0.19 382

FINET	0.34 339	0.27 371	0.80 383	0.24 259	0.24 388	0.36 318	0.34 378	0.54 335	0.72 414	0.39 325	0.47 326	0.32 233	0.30 297	0.51 270	0.32 307	0.19 398	0.17 398	0.13 328	0.12 327	0.18 374	0.16 350

SAMSARA	0.56 413	0.39 414	0.80 383	0.60 439	0.46 431	1.00 442	1.23 469	0.67 420	0.68 407	0.71 419	0.54 357	0.89 428	0.57 407	0.81 397	0.62 397	0.19 398	0.22 419	0.18 386	0.18 395	0.27 416	0.25 417

NOSS_ROB	0.31 317	0.20 314	0.35 117	0.24 259	0.16 275	0.32 277	0.19 159	0.52 317	0.48 337	0.33 244	0.36 209	0.42 314	0.28 273	0.93 417	0.24 250	0.19 398	0.20 413	0.24 409	0.22 411	0.17 363	0.17 361

dad	0.28 290	0.31 393	0.44 234	0.21 118	0.14 204	0.30 254	0.20 201	0.33 112	0.49 346	0.44 363	0.44 298	0.45 331	0.21 173	0.41 237	0.26 272	0.20 401	0.11 336	0.20 397	0.11 292	0.14 329	0.10 246

PVD	0.58 417	0.34 401	0.84 394	0.39 420	0.31 417	0.59 406	0.47 420	0.80 437	1.25 449	0.92 433	1.09 432	0.79 422	0.82 433	0.85 403	0.76 407	0.21 402	0.18 404	0.22 406	0.18 395	0.27 416	0.35 431

CSAN	0.50 402	0.35 403	0.78 374	0.36 410	0.23 383	0.56 401	0.59 436	0.61 392	0.70 411	0.64 412	0.78 413	0.65 404	0.60 410	1.38 448	0.62 397	0.21 402	0.17 398	0.20 397	0.20 401	0.18 374	0.18 374

PDISCO_ROB	0.43 384	0.30 387	0.67 352	0.43 425	0.36 423	0.67 416	0.32 366	0.72 428	0.76 419	0.43 357	0.53 354	0.63 401	0.40 357	0.66 347	0.47 371	0.21 402	0.12 353	0.21 400	0.19 400	0.25 405	0.20 392

DualNet (step1)	0.28 290	0.19 302	0.50 282	0.18 12	0.16 275	0.34 300	0.20 201	0.51 302	0.38 238	0.37 299	0.34 188	0.37 270	0.30 297	0.39 230	0.23 239	0.23 405	0.09 293	0.28 418	0.24 415	0.18 374	0.16 350

test_sample9	0.42 379	0.19 302	0.50 282	0.18 12	0.16 275	0.34 300	0.20 201	0.51 302	0.38 238	0.37 299	0.34 188	0.37 270	0.30 297	0.66 347	0.91 421	0.23 405	1.82 469	0.28 418	0.24 415	0.18 374	0.16 350

test_sample8	0.49 399	0.19 302	0.50 282	0.18 12	0.16 275	0.34 300	0.20 201	0.55 345	0.34 189	0.62 408	0.38 230	1.15 437	0.67 421	0.66 347	0.91 421	0.23 405	1.82 469	0.28 418	0.24 415	0.18 374	0.16 350

SDNR	0.42 379	0.21 327	0.82 388	0.21 118	0.18 316	1.27 453	0.17 86	0.50 287	0.49 346	0.42 351	0.81 416	0.38 278	0.27 259	1.19 438	0.38 331	0.23 405	0.24 425	0.17 379	0.13 350	0.17 363	0.20 392

MFN_U_SF_DS_RVC	0.51 406	0.50 428	0.86 398	0.39 420	0.24 388	0.84 433	0.55 432	0.56 360	0.62 395	0.60 406	0.68 398	0.62 393	0.42 369	1.13 436	0.43 356	0.23 405	0.27 429	0.27 412	0.35 432	0.25 405	0.29 423

MSMD_ROB	0.60 421	0.33 400	0.61 331	0.30 380	0.25 395	0.86 435	0.35 381	0.55 345	0.67 404	1.10 444	1.49 449	1.76 452	0.97 443	0.88 409	0.49 374	0.23 405	0.21 414	0.27 412	0.27 425	0.25 405	0.24 415

FC-DCNN v2	0.71 431	0.30 387	0.67 352	0.32 392	0.27 402	0.84 433	0.39 400	0.84 441	0.85 431	1.44 459	1.64 455	2.09 456	1.28 454	1.06 431	0.80 413	0.24 411	0.22 419	0.27 412	0.26 422	0.26 412	0.25 417

FCDSN-DC	0.63 423	0.31 393	0.61 331	0.36 410	0.30 415	0.65 413	0.37 389	0.66 415	0.68 407	1.14 446	1.54 452	1.71 451	1.26 452	0.92 415	0.64 401	0.24 411	0.22 419	0.27 412	0.26 422	0.27 416	0.27 422
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.70 430	0.30 387	0.69 358	0.32 392	0.27 402	0.81 432	0.39 400	0.79 436	0.82 425	1.41 455	1.58 454	1.98 454	1.26 452	1.02 429	0.77 410	0.24 411	0.22 419	0.27 412	0.26 422	0.26 412	0.26 419

Anonymous_2	0.37 357	0.21 327	0.47 259	0.20 79	0.21 355	0.42 353	0.26 324	0.38 172	0.29 137	0.33 244	0.30 138	0.44 327	0.38 349	0.36 222	0.29 290	0.26 414	0.29 433	0.44 434	1.41 469	0.34 426	0.21 399

UDG	0.40 374	0.46 419	0.49 272	0.40 422	0.35 422	0.47 376	0.27 329	0.54 335	0.47 328	0.39 325	0.45 310	0.59 384	0.44 375	0.46 251	0.39 339	0.26 414	0.19 408	0.48 436	0.22 411	0.34 426	0.26 419

ccnet	0.42 379	0.31 393	0.48 267	0.27 352	0.32 418	0.60 409	0.32 366	0.65 409	0.46 323	0.53 398	0.66 393	0.56 375	0.45 378	0.72 365	0.61 395	0.26 414	0.19 408	0.24 409	0.21 404	0.26 412	0.22 404

PASM	0.45 391	0.35 403	0.90 405	0.35 409	0.33 419	0.39 338	0.38 395	0.50 287	0.61 393	0.52 393	0.51 341	0.62 393	0.45 378	0.93 417	0.48 372	0.26 414	0.29 433	0.29 422	0.33 430	0.29 421	0.26 419

ELAS	0.74 436	0.36 406	0.85 397	0.36 410	0.33 419	1.36 457	0.77 449	0.93 445	0.92 436	1.41 455	1.53 451	1.16 438	1.17 448	0.95 421	1.03 428	0.26 414	0.25 427	0.28 418	0.28 428	0.31 423	0.30 424
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
STTRV1_RVC	0.42 379	0.32 398	0.89 404	0.29 372	0.36 423	0.49 384	0.31 361	0.61 392	0.53 368	0.46 370	0.56 367	0.47 339	0.43 373	1.00 426	0.39 339	0.27 419	0.21 414	0.20 397	0.18 395	0.25 405	0.17 361

GANetREF_RVC	0.43 384	0.47 421	0.69 358	0.38 418	0.20 348	0.51 389	0.48 424	0.66 415	0.66 401	0.46 370	0.46 319	0.50 357	0.44 375	0.90 413	0.39 339	0.27 419	0.21 414	0.32 426	0.18 395	0.27 416	0.22 404
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
DispFullNet	0.66 426	0.89 450	1.59 448	0.77 448	1.21 465	0.51 389	0.23 276	0.59 380	0.72 414	0.69 418	0.61 384	0.69 415	0.91 439	0.79 390	0.48 372	0.27 419	0.12 353	0.73 448	0.30 429	0.65 446	0.40 435

ELAS_RVC	0.74 436	0.36 406	1.00 419	0.37 416	0.33 419	0.88 436	0.93 458	0.83 440	1.08 444	1.35 451	1.33 443	1.24 440	1.33 456	1.06 431	0.95 424	0.27 419	0.25 427	0.29 422	0.27 425	0.30 422	0.30 424
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
BEATNet-Init1	4.73 473	2.61 472	13.29 483	0.58 437	0.53 439	10.12 478	3.33 474	4.83 474	5.01 473	8.75 478	8.51 476	14.08 485	7.60 477	7.70 478	5.34 474	0.28 423	0.28 432	0.34 428	0.37 436	0.57 439	0.45 439

MANE	1.41 454	0.36 406	0.74 372	0.43 425	0.41 428	2.16 466	0.80 451	2.39 471	3.38 465	2.22 466	3.06 468	3.54 469	2.73 470	2.15 464	1.94 460	0.28 423	0.27 429	0.30 424	0.46 440	0.28 420	0.34 430

test_for_model	0.29 301	0.89 450	0.34 107	0.69 443	0.49 434	0.20 77	0.16 59	0.30 81	0.23 63	0.28 138	0.15 22	0.13 17	0.11 18	0.17 17	0.13 35	0.29 425	0.10 315	0.06 1	0.04 1	0.86 455	0.18 374

CAS	0.15 36	0.07 1	0.21 8	0.41 423	0.16 275	0.20 77	0.18 121	0.22 8	0.19 16	0.15 22	0.19 42	0.11 6	0.09 4	0.14 2	0.13 35	0.29 425	0.04 1	0.06 1	0.04 1	0.06 8	0.14 332

MFN_U_SF_RVC	0.56 413	0.51 430	1.19 433	0.38 418	0.22 371	0.69 417	0.27 329	0.80 437	0.67 404	0.73 420	0.74 408	0.87 425	0.61 419	0.81 397	0.76 407	0.29 425	0.27 429	0.32 426	0.37 436	0.32 425	0.31 426

PMTNet	0.15 36	0.08 3	0.23 16	0.15 2	0.09 10	0.23 143	0.16 59	0.25 27	0.23 63	0.17 48	0.21 69	0.16 50	0.14 69	0.22 74	0.13 35	0.29 425	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28

NVStereoNet_ROB	0.67 427	0.49 427	0.83 389	0.48 431	0.40 427	0.51 389	0.46 416	0.70 425	0.77 421	0.84 429	1.72 456	1.02 433	0.83 434	1.23 442	0.79 412	0.32 429	0.38 440	0.40 432	0.46 440	0.36 428	0.41 436
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DDUNet	0.41 376	0.50 428	0.48 267	0.44 427	0.39 425	0.46 370	0.32 366	0.50 287	0.43 284	0.45 367	0.52 349	0.57 379	0.36 337	0.48 257	0.33 314	0.33 430	0.21 414	0.55 440	0.25 418	0.37 429	0.32 429

CC-Net-ROB	0.43 384	0.47 421	0.65 348	0.37 416	0.23 383	0.51 389	0.29 347	0.66 415	0.49 346	0.46 370	0.51 341	0.48 346	0.38 349	0.96 422	0.35 322	0.34 431	0.23 423	0.55 440	0.25 418	0.31 423	0.20 392

IGEV-BASED-STEREO-	0.20 134	0.72 441	0.70 364	0.17 6	0.08 3	0.15 6	0.15 37	0.18 2	0.16 4	0.13 7	0.12 4	0.09 1	0.08 1	0.16 10	0.13 35	0.35 432	0.04 1	0.08 88	0.07 67	0.11 263	0.23 410

SQANet	0.40 374	0.48 423	0.67 352	0.48 431	0.39 425	0.48 381	0.22 253	0.51 302	0.43 284	0.40 333	0.47 326	0.47 339	0.33 321	0.54 288	0.32 307	0.36 433	0.15 386	0.40 432	0.21 404	0.45 432	0.31 426

MaskLacGwcNet_RVC	0.36 348	0.36 406	0.53 301	0.34 400	0.19 334	0.51 389	0.24 298	0.55 345	0.38 238	0.41 342	0.47 326	0.47 339	0.27 259	0.73 367	0.30 296	0.36 433	0.19 408	0.27 412	0.17 389	0.26 412	0.23 410

MSC_U_SF_DS_RVC	0.68 428	0.64 438	1.06 426	0.45 428	0.27 402	1.40 459	0.58 434	0.78 433	0.92 436	0.84 429	0.86 421	0.88 427	0.68 422	1.33 447	0.68 404	0.37 435	0.29 433	0.34 428	0.36 435	0.43 430	0.37 432

MADNet+	1.01 446	1.16 463	4.72 469	0.70 444	0.47 432	1.24 452	0.96 459	0.97 446	0.89 432	0.65 414	0.77 412	0.87 425	0.85 437	2.09 462	1.68 452	0.38 436	0.39 441	0.31 425	0.27 425	0.43 430	0.39 434

testlalala_base	0.20 134	0.13 164	0.35 117	0.25 296	0.15 250	0.25 175	0.16 59	0.34 119	0.17 8	0.19 66	0.26 105	0.17 55	0.14 69	0.18 30	0.16 96	0.39 437	0.09 293	0.07 21	0.05 11	0.45 432	0.08 142

Consistency-Raft	0.55 412	0.48 423	1.02 422	0.45 428	0.49 434	0.49 384	0.47 420	0.72 428	0.72 414	0.45 367	0.82 417	0.47 339	0.60 410	0.50 265	0.63 400	0.39 437	0.39 441	0.44 434	0.51 445	0.52 436	0.37 432

JetBlue	1.14 451	0.76 443	2.36 457	0.59 438	0.75 449	3.04 470	1.78 471	1.11 448	0.90 434	0.94 434	1.10 433	1.66 450	1.28 454	2.09 462	1.72 454	0.43 439	0.36 439	0.38 430	0.38 438	0.58 440	0.56 447

otaku	0.57 416	0.62 437	0.87 400	0.63 441	0.44 430	0.73 421	0.37 389	0.65 409	0.66 401	0.51 387	0.75 409	0.66 408	0.45 378	0.69 354	0.46 369	0.53 440	0.34 438	0.55 440	0.35 432	0.60 441	0.45 439

DGSMNet	0.61 422	0.29 381	0.91 406	0.51 434	0.70 447	0.62 411	1.38 470	0.59 380	0.55 377	0.37 299	0.61 384	0.52 365	0.33 321	0.65 342	0.43 356	0.53 440	0.60 457	0.67 445	0.61 453	0.63 443	0.61 454

ACVNet_1	0.72 432	0.81 445	1.37 445	0.72 446	0.53 439	0.77 426	0.42 408	0.85 444	0.90 434	0.74 423	0.75 409	1.32 444	0.72 426	1.02 429	0.55 385	0.54 442	0.31 436	0.71 447	0.35 432	0.64 445	0.45 439

anonymity	0.56 413	0.54 432	0.70 364	0.47 430	0.61 443	0.56 401	0.43 410	0.69 424	0.49 346	0.63 410	0.55 361	0.54 371	0.60 410	0.61 321	0.57 386	0.55 443	0.53 450	0.50 437	0.54 448	0.51 435	0.56 447

Ntro	0.58 417	0.64 438	0.92 408	0.66 442	0.50 436	0.77 426	0.36 385	0.66 415	0.70 411	0.50 382	0.59 373	0.65 404	0.51 398	0.75 375	0.45 363	0.56 444	0.32 437	0.56 443	0.34 431	0.63 443	0.46 442

SGM+DAISY	0.87 440	0.66 440	1.30 442	0.51 434	0.60 442	1.03 443	0.84 455	0.76 431	0.73 417	1.39 453	1.51 450	1.31 443	1.22 450	1.11 433	1.08 430	0.57 445	0.53 450	0.51 439	0.51 445	0.54 437	0.61 454

SPS-STEREO	0.69 429	0.61 436	0.98 417	0.52 436	0.57 441	0.74 423	0.50 427	0.78 433	0.62 395	0.95 436	0.86 421	0.94 429	0.70 424	1.01 428	0.87 419	0.58 446	0.51 447	0.50 437	0.50 444	0.55 438	0.58 449
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-7	1.01 446	0.89 450	0.93 410	0.83 451	0.66 446	1.18 448	0.81 453	1.40 454	1.57 456	1.11 445	1.76 458	1.45 446	1.19 449	1.50 451	1.14 435	0.61 447	0.62 460	0.70 446	0.68 456	0.66 448	0.60 451

ACVNet_2	0.89 441	0.87 449	1.25 437	0.82 449	0.62 444	0.97 441	0.62 438	1.14 449	1.42 452	1.00 439	1.40 444	1.47 447	0.84 435	1.11 433	0.66 403	0.61 447	0.43 444	0.78 450	0.49 442	0.75 450	0.52 445

MFMNet_re	0.72 432	0.76 443	0.99 418	0.62 440	0.70 447	0.77 426	0.67 440	0.75 430	0.83 428	0.78 427	0.86 421	0.69 415	0.78 428	0.71 360	0.61 395	0.66 449	0.59 456	0.61 444	0.58 452	0.68 449	0.71 458

GCST	0.47 394	0.60 435	0.57 317	1.04 459	0.48 433	0.38 330	0.11 3	0.40 191	0.32 168	0.41 342	0.34 188	0.29 197	0.17 120	0.46 251	0.19 168	0.69 450	0.42 443	0.79 452	0.62 454	0.62 442	0.46 442

IMH-64-1	0.91 442	0.86 447	0.84 394	0.97 454	0.75 449	0.92 439	0.71 442	1.27 450	1.10 445	0.89 431	1.45 446	1.14 435	0.96 441	1.19 438	0.84 415	0.74 451	0.51 447	0.97 455	0.55 449	0.84 453	0.60 451

IMH-64	0.91 442	0.86 447	0.84 394	0.97 454	0.75 449	0.92 439	0.71 442	1.27 450	1.10 445	0.89 431	1.45 446	1.14 435	0.96 441	1.19 438	0.84 415	0.74 451	0.51 447	0.97 455	0.55 449	0.84 453	0.60 451

TorneroNet-64	1.43 455	1.03 457	1.20 434	1.10 460	0.86 459	2.26 467	0.73 445	1.84 463	3.84 470	1.25 448	2.25 466	2.69 465	1.42 457	1.76 459	1.43 447	0.76 453	0.50 445	1.09 460	0.66 455	1.23 465	0.76 463

WAO-6	1.07 449	0.93 454	0.92 408	0.96 453	0.78 453	1.28 454	0.75 446	1.34 452	2.00 460	1.02 441	1.54 452	1.59 448	1.22 450	1.31 446	1.14 435	0.78 454	0.55 453	1.02 459	0.75 460	0.83 452	0.69 457

RainbowNet	0.72 432	0.89 450	1.02 422	0.82 449	0.63 445	0.78 429	0.52 429	0.81 439	0.93 438	0.60 406	0.79 414	0.80 423	0.60 410	0.80 394	0.57 386	0.78 454	0.55 453	0.78 450	0.49 442	0.76 451	0.58 449

Dean	1.17 452	1.04 458	1.49 447	1.03 458	0.78 453	1.20 451	0.77 449	1.48 458	1.96 458	1.28 449	1.99 461	2.15 457	1.14 445	1.25 443	1.00 427	0.81 456	0.60 457	1.01 458	0.69 457	0.92 460	0.74 461

TorneroNet	2.22 465	1.08 460	1.24 436	1.14 464	0.90 460	5.58 472	0.80 451	2.12 469	8.69 477	2.58 468	5.42 473	3.88 470	1.97 463	1.78 461	1.87 457	0.86 457	0.54 452	1.15 464	0.74 459	1.23 465	0.85 464

PWCK	1.00 444	1.17 464	1.70 452	0.91 452	0.41 428	1.19 450	0.92 457	1.10 447	1.14 447	1.16 447	1.14 435	1.25 441	0.88 438	1.75 458	1.04 429	0.87 458	0.50 445	0.87 453	0.53 447	0.96 461	0.52 445

WAO-8	1.46 457	1.10 461	1.09 427	1.10 460	0.84 457	2.06 463	0.75 446	1.84 463	3.83 468	1.44 459	2.21 464	2.15 457	1.43 458	3.17 469	1.19 440	0.91 459	0.65 462	1.09 460	0.79 461	0.90 458	0.71 458

Venus	1.46 457	1.10 461	1.09 427	1.10 460	0.84 457	2.06 463	0.75 446	1.84 463	3.83 468	1.44 459	2.21 464	2.15 457	1.43 458	3.17 469	1.19 440	0.91 459	0.65 462	1.09 460	0.79 461	0.90 458	0.71 458

LVE	1.13 450	1.02 456	1.28 440	1.01 456	0.80 456	1.29 455	0.81 453	1.47 457	1.96 458	1.07 443	1.90 459	1.90 453	1.01 444	1.48 450	0.91 421	0.93 461	0.61 459	0.94 454	0.69 457	0.87 456	0.75 462

JetRed	2.30 467	2.64 473	6.12 470	1.12 463	1.38 468	5.85 473	3.29 473	1.99 467	1.67 457	1.98 465	1.95 460	2.16 460	1.60 461	2.48 466	4.10 472	1.05 462	1.60 468	1.09 460	1.01 467	1.67 470	1.28 470

UNDER WATER	1.59 460	1.22 466	2.36 457	1.38 466	1.03 462	1.67 462	1.10 465	1.54 461	3.63 466	1.44 459	1.47 448	2.85 466	2.25 466	1.67 455	1.94 460	1.06 463	0.62 460	1.31 466	0.93 465	1.21 464	1.02 467

IMH	1.05 448	0.95 455	1.00 419	1.01 456	0.78 453	1.11 445	0.68 441	1.38 453	1.43 453	1.00 439	1.72 456	1.43 445	1.14 445	1.73 457	0.89 420	1.09 464	0.55 453	0.99 457	0.57 451	0.87 456	0.62 456

UNDER WATER-64	1.55 459	1.19 465	2.52 460	1.31 465	0.95 461	2.12 465	1.21 468	1.45 456	3.19 464	1.43 458	1.32 442	2.64 464	2.04 464	1.63 454	1.83 456	1.11 465	0.67 464	1.28 465	0.92 464	1.19 463	1.02 467

notaker	1.45 456	1.34 467	1.48 446	1.40 467	1.07 463	1.18 448	0.85 456	1.48 458	1.40 451	1.51 464	3.46 469	2.40 462	1.81 462	1.76 459	1.45 450	1.11 465	0.69 465	1.38 467	0.87 463	1.31 467	0.97 466

ACVNet-4b	0.72 432	0.81 445	1.33 443	0.72 446	0.50 436	0.80 431	0.31 361	0.71 427	0.80 424	0.50 382	0.72 407	0.95 431	0.43 373	0.96 422	1.20 442	1.13 467	0.21 414	0.76 449	0.45 439	0.65 446	0.46 442

KSHMR	1.89 464	1.36 468	1.60 449	1.47 469	1.22 466	1.38 458	1.06 463	1.79 462	5.97 474	1.42 457	5.65 475	2.98 467	1.14 445	2.23 465	1.20 442	1.27 468	1.12 467	1.46 469	1.10 468	1.32 468	1.15 469

ktn	1.77 463	1.36 468	1.22 435	1.43 468	1.14 464	1.52 460	1.08 464	1.51 460	3.96 471	2.77 470	4.69 471	3.35 468	1.46 460	1.69 456	1.25 444	1.43 469	0.77 466	1.45 468	0.99 466	1.32 468	0.96 465

MADNet++	2.26 466	1.80 471	2.06 454	2.13 473	1.97 470	2.61 469	1.79 472	2.38 470	2.16 461	2.75 469	2.65 467	2.38 461	2.43 467	3.17 469	3.21 468	2.17 470	1.95 471	1.94 471	1.63 470	2.06 471	2.01 473

DLNR_Zeroshot_test	10.44 478	12.10 484	19.93 485	106.08 493	23.66 490	0.14 4	0.13 9	3.22 473	0.17 8	0.16 39	0.23 79	0.16 50	0.10 10	0.31 190	0.15 75	2.36 471	0.06 83	0.07 21	0.07 67	39.70 491	0.06 28

HanzoNet	2.97 468	1.69 470	2.29 456	1.74 470	1.33 467	1.53 461	1.03 462	1.99 467	2.64 463	5.51 473	5.16 472	5.90 475	6.82 476	4.32 474	3.29 469	3.16 472	2.02 473	1.92 470	2.87 473	2.24 472	1.89 472

DGTPSM_ROB	8.34 476	5.10 475	10.37 481	5.31 477	10.18 477	8.33 475	23.60 484	6.06 476	13.41 483	4.90 471	10.87 481	5.65 473	10.44 478	6.17 475	12.59 479	3.74 473	7.55 478	3.69 473	7.26 479	4.14 475	7.46 478

DPSMNet_ROB	8.40 477	5.11 476	10.49 482	5.58 478	10.25 478	8.34 476	23.62 485	6.07 477	13.45 484	4.93 472	10.88 482	5.66 474	10.44 478	6.24 476	12.64 480	3.98 474	7.61 479	3.76 474	7.30 480	4.20 476	7.51 479

DPSimNet_ROB	4.34 471	4.23 474	6.89 472	3.67 474	3.68 471	4.75 471	5.21 475	2.67 472	3.68 467	5.82 474	3.95 470	5.57 472	6.72 475	3.46 473	4.48 473	4.05 475	2.88 474	4.68 475	3.12 475	3.69 474	3.62 476

ASD4	7.23 474	6.65 477	7.69 473	5.24 476	5.62 474	11.85 480	20.36 480	7.57 478	7.14 476	6.55 475	5.47 474	5.99 477	5.78 473	7.22 477	9.24 478	4.85 476	4.44 475	6.40 480	5.19 476	6.53 477	4.89 477

tt	4.71 472	0.10 36	3.94 465	2.06 472	1.53 469	10.14 479	16.88 479	9.27 480	4.98 472	1.39 453	1.02 430	4.68 471	4.90 472	3.35 472	5.86 475	5.76 477	9.15 483	2.24 472	2.53 472	3.10 473	1.32 471

PML	16.10 485	12.82 485	6.78 471	5.23 475	7.76 475	33.92 489	66.56 492	5.30 475	10.28 478	26.12 491	68.59 492	20.51 487	13.49 486	10.06 480	6.78 477	5.96 478	2.00 472	6.04 479	2.18 471	8.96 480	2.60 475

DPSM_ROB	11.49 480	9.87 482	10.35 479	11.13 480	11.31 479	19.11 487	27.51 487	13.37 485	14.21 486	10.31 482	11.06 483	10.96 483	11.27 484	11.96 485	13.59 482	6.78 479	8.19 481	6.03 477	7.09 477	7.93 478	7.73 481

DPSM	11.49 480	9.87 482	10.35 479	11.13 480	11.31 479	19.11 487	27.51 487	13.37 485	14.21 486	10.31 482	11.06 483	10.96 483	11.27 484	11.96 485	13.59 482	6.78 479	8.19 481	6.03 477	7.09 477	7.93 478	7.73 481

xxxxx1	15.27 482	9.54 479	10.31 476	20.13 485	18.88 484	17.08 482	23.03 481	10.36 481	10.99 479	9.21 479	9.62 477	10.74 480	10.61 481	10.72 481	13.89 484	7.97 481	9.20 484	31.85 490	44.72 490	12.84 481	13.69 483

tt_ll	15.27 482	9.54 479	10.31 476	20.13 485	18.88 484	17.08 482	23.03 481	10.36 481	10.99 479	9.21 479	9.62 477	10.74 480	10.61 481	10.72 481	13.89 484	7.97 481	9.20 484	31.85 490	44.72 490	12.84 481	13.69 483

ff	15.27 482	9.54 479	10.31 476	20.13 485	18.88 484	17.08 482	23.03 481	10.36 481	10.99 479	9.21 479	9.62 477	10.74 480	10.61 481	10.72 481	13.89 484	7.97 481	9.20 484	31.85 490	44.72 490	12.84 481	13.69 483

CasAABBNet	23.10 489	19.86 487	20.64 486	22.47 488	22.73 488	38.41 490	55.50 491	26.89 490	28.70 491	20.61 488	22.15 489	22.08 489	22.75 489	23.99 489	27.36 491	13.59 484	16.48 488	12.14 481	14.27 482	15.95 485	15.53 487

Selective-RAFT-Error	23.16 490	19.93 488	20.87 487	22.54 489	22.81 489	38.52 492	55.47 490	27.01 492	28.83 492	20.66 489	22.25 490	22.09 490	22.80 491	24.09 490	27.36 491	13.61 485	16.48 488	12.15 482	14.28 483	15.99 486	15.57 488

LSM0	24.24 491	19.98 489	22.32 488	24.22 490	40.14 492	38.48 491	55.20 489	26.95 491	28.57 490	20.49 487	21.83 487	22.26 491	22.75 489	24.22 491	27.30 490	13.66 486	16.32 487	12.19 483	14.15 481	16.10 487	17.66 489

Anonymous_1	16.62 486	9.35 478	9.84 475	10.66 479	14.64 481	18.66 486	27.12 486	12.64 484	13.51 485	10.76 484	10.30 480	10.13 479	10.60 480	11.06 484	12.74 481	15.87 487	7.74 480	16.92 484	43.48 489	58.66 492	7.68 480

LRCNet_RVC	10.90 479	14.34 486	9.35 474	15.35 482	8.04 476	1.08 444	0.34 378	8.78 479	0.70 411	12.63 485	16.05 485	9.85 478	6.54 474	8.57 479	6.34 476	20.27 488	5.40 477	23.70 487	21.88 486	14.87 484	13.83 486

HaxPig	17.72 487	20.22 490	19.73 484	16.53 483	16.51 482	9.27 477	9.33 476	14.34 487	13.27 482	18.65 486	18.70 486	17.35 486	16.77 487	17.04 487	16.45 487	22.05 489	20.89 490	22.27 486	21.53 485	21.29 488	22.13 490

FADE	4.32 470	1.06 459	4.35 466	0.71 445	0.76 452	0.73 421	0.50 427	1.85 466	1.52 455	0.75 424	0.66 393	1.17 439	2.69 469	2.83 467	1.96 462	24.23 490	4.70 476	17.35 485	17.61 484	0.49 434	0.44 438

MEDIAN_ROB	21.21 488	24.62 491	23.47 489	19.58 484	19.65 487	13.22 481	10.96 477	17.88 488	17.00 488	22.14 490	22.02 488	20.86 488	20.36 488	21.06 488	19.71 488	25.63 491	24.13 491	26.21 488	25.20 487	25.17 489	25.38 491

AVERAGE_ROB	25.43 492	29.06 492	27.24 490	24.63 491	24.20 491	17.73 485	12.61 478	22.29 489	21.39 489	26.79 492	26.16 491	25.20 492	24.64 492	25.07 492	23.53 489	29.96 492	28.40 492	30.60 489	29.58 488	29.72 490	29.84 492

test_example2	101.33 493	108.28 493	68.15 492	98.43 492	106.93 493	89.75 493	102.43 493	36.80 493	97.65 493	129.04 493	130.15 493	65.26 493	66.62 493	92.11 493	80.24 493	144.10 493	199.48 493	81.81 493	103.01 493	125.01 493	101.27 493

Low-res two-view benchmark