Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-SNSev	0.03 28	0.09 54	0.07 49	0.09 44	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 56	0.07 47	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 34	0.24 106	0.20 145	0.23 129	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 155	0.21 155	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 34	0.54 184	0.10 60	0.12 71	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.11 84	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 32	0.50 173	0.10 60	0.12 71	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.10 63	0.01 9	0.01 9	0.01 9	0.01 9

SFCPSM	0.17 117	0.78 196	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 328	0.02 14	0.75 302	0.76 313	0.02 20	0.02 19	0.02 19

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

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

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

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

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

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

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

test_sample6	0.09 42	0.97 226	0.10 60	0.10 48	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

test_sample2	0.09 42	1.03 242	0.11 79	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

test_sample1	0.09 42	0.87 207	0.12 90	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

SMFormer	0.09 42	1.01 236	0.09 56	0.09 44	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

tta	0.09 42	0.95 223	0.09 56	0.10 48	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

CoDeX	0.15 106	0.70 192	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 310	0.02 14	0.69 292	0.75 311	0.01 9	0.02 19	0.02 19

xxx	0.09 42	1.01 236	0.10 60	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.03 46

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

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

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

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

Wz-Net-LNSev-Ref	0.11 74	0.44 153	0.33 196	0.39 178	0.02 20	0.03 39	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 221	0.36 213	0.02 18	0.02 20	0.02 19	0.02 19

BUS	0.83 300	1.91 342	0.92 320	4.48 429	0.02 20	0.40 213	0.04 69	0.41 221	0.02 20	0.48 256	0.03 47	0.41 229	0.05 79	0.03 36	0.05 74	1.97 414	4.19 449	0.33 190	0.23 172	0.34 180	0.27 183

BSDual-CNN	0.81 292	1.91 342	0.92 320	4.48 429	0.02 20	0.42 246	0.06 89	0.41 221	0.02 20	0.48 256	0.03 47	0.02 19	0.02 21	0.03 36	0.02 19	1.97 414	4.19 449	0.33 190	0.23 172	0.34 180	0.27 183

hknet	1.10 333	1.85 337	3.49 452	4.48 429	0.02 20	0.42 246	0.06 89	0.41 221	0.02 20	0.48 256	0.03 47	0.41 229	0.03 47	0.42 243	0.03 42	4.39 438	4.19 449	0.33 190	0.23 172	0.34 180	0.27 183

psmg	0.43 220	1.91 342	0.92 320	1.91 392	0.02 20	0.02 18	0.03 43	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 36	0.02 19	1.97 414	1.44 404	0.04 62	0.03 49	0.02 19	0.03 46

CSP-Net	0.34 171	1.29 315	1.19 341	1.36 377	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 387	1.21 391	0.03 37	0.09 93	0.02 19	0.09 92

Syn2CoEx	0.25 139	1.31 318	0.74 300	0.92 283	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 41	0.02 21	0.02 19	0.02 19	0.87 311	0.75 302	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

ADCMid	0.08 41	0.02 12	0.02 13	1.01 300	0.03 43	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 60	0.09 90	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 42	0.02 12	0.04 35	0.90 278	0.06 91	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 111	0.36 238	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 74	0.02 12	0.02 13	1.62 385	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.02 21	0.06 73	0.04 64	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 46

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

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

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

DualNet (step1)	0.10 53	1.05 246	0.12 90	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample9	0.10 53	1.05 246	0.12 90	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample8	0.10 53	1.05 246	0.12 90	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample7	0.09 42	1.00 230	0.11 79	0.11 65	0.02 20	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample5	0.10 53	1.07 249	0.11 79	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

test_sample4	0.10 53	1.03 242	0.12 90	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.13 122	0.03 37	0.03 49	0.03 42	0.03 46

test_sample3	0.09 42	0.87 207	0.10 60	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

DualNet	0.10 53	1.07 249	0.11 79	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

ttt	0.10 53	1.09 251	0.12 90	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.02 20	0.03 42	0.02 19

1111x	0.10 53	1.14 256	0.13 109	0.14 88	0.03 43	0.04 66	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.11 84	0.03 37	0.02 20	0.03 42	0.02 19

x	0.11 74	1.15 258	0.15 129	0.14 88	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.15 128	0.03 37	0.03 49	0.03 42	0.03 46

222	0.10 53	0.99 229	0.12 90	0.13 84	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.02 20	0.04 65	0.03 46

xxxx	0.11 74	1.16 259	0.16 130	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.16 130	0.03 37	0.04 66	0.04 65	0.04 67

test_xeample	0.10 53	1.09 251	0.13 109	0.12 71	0.03 43	0.03 39	0.03 43	0.04 65	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.14 125	0.03 37	0.03 49	0.03 42	0.03 46

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

BEATNet_4x	0.11 74	0.03 30	0.03 32	1.60 383	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 69	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

ADCL	0.11 74	0.03 30	0.03 32	1.60 383	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 69	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

AnyNet_C32	0.14 96	0.04 34	0.03 32	2.22 401	0.04 68	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.04 65	0.02 21	0.07 86	0.04 64	0.02 14	0.02 14	0.03 37	0.03 49	0.02 19	0.03 46

ADCPNet	0.10 53	0.03 30	0.04 35	1.27 372	0.03 43	0.04 66	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.08 89	0.04 64	0.04 35	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

FADE	0.07 39	0.06 45	0.02 13	0.09 44	0.10 101	0.03 39	0.03 43	0.05 75	0.03 50	0.04 63	0.03 47	0.05 77	0.03 47	0.04 60	0.03 42	0.15 112	0.10 63	0.17 128	0.13 135	0.11 103	0.11 108

mmm	0.14 96	1.83 336	0.12 90	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.04 70	0.03 39	0.03 47	0.03 41	0.03 47	0.06 73	0.04 64	0.12 81	0.11 84	0.05 72	0.04 66	0.05 77	0.04 67

11t1	0.17 117	2.16 357	0.13 109	0.13 84	0.04 68	0.06 78	0.04 69	0.06 80	0.04 70	0.06 81	0.03 47	0.06 83	0.03 47	0.06 73	0.05 74	0.18 133	0.12 98	0.06 78	0.03 49	0.05 77	0.03 46

GASNet	0.05 32	0.04 34	0.12 90	0.04 29	0.04 68	0.04 66	0.05 78	0.04 65	0.04 70	0.12 106	0.04 77	0.06 83	0.04 73	0.04 60	0.04 64	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

qqq	0.16 114	2.01 350	0.12 90	0.15 97	0.04 68	0.06 78	0.05 78	0.06 80	0.04 70	0.06 81	0.03 47	0.06 83	0.03 47	0.06 73	0.03 42	0.12 81	0.14 125	0.04 62	0.04 66	0.03 42	0.03 46

APVNet	0.09 42	0.05 41	0.04 35	0.05 35	0.04 68	0.05 76	0.90 336	0.06 80	0.04 70	0.05 78	0.04 77	0.05 77	0.04 73	0.05 69	0.04 64	0.05 42	0.04 36	0.05 72	0.04 66	0.05 77	0.05 81

EDNetEfficientorigin	0.04 29	0.06 45	0.04 35	0.05 35	0.04 68	0.05 76	0.04 69	0.05 75	0.04 70	0.05 78	0.04 77	0.05 77	0.04 73	0.05 69	0.04 64	0.05 42	0.03 31	0.06 78	0.03 49	0.04 65	0.03 46

FADNet-RVC-Resample	0.12 82	0.04 34	0.04 35	0.04 29	0.04 68	0.04 66	0.04 69	0.04 65	0.04 70	0.04 63	0.04 77	0.04 65	0.04 73	0.04 60	1.57 422	0.04 35	0.04 36	0.04 62	0.05 80	0.04 65	0.06 86

FADNet_RVC	0.12 82	0.04 34	0.04 35	0.05 35	0.04 68	0.04 66	0.04 69	0.04 65	0.04 70	0.04 63	0.04 77	0.04 65	0.05 79	0.04 60	1.65 426	0.05 42	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

FADNet-RVC	0.13 87	0.04 34	0.04 35	0.04 29	0.04 68	0.04 66	0.05 78	0.04 65	0.04 70	0.04 63	0.05 85	0.04 65	0.05 79	0.04 60	1.71 429	0.04 35	0.04 36	0.04 62	0.04 66	0.07 87	0.04 67

FADNet	0.12 82	0.05 41	0.04 35	0.04 29	0.04 68	0.04 66	0.04 69	0.04 65	0.04 70	0.04 63	0.04 77	0.04 65	0.05 79	0.04 60	1.66 427	0.06 46	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

ADCRef	0.12 82	0.03 30	0.04 35	1.71 388	0.04 68	0.03 39	0.03 43	0.04 65	0.04 70	0.04 63	0.03 47	0.04 65	0.03 47	0.06 73	0.04 64	0.04 35	0.04 36	0.04 62	0.04 66	0.03 42	0.04 67

ADCP+	0.15 106	0.04 34	0.04 35	2.20 400	0.04 68	0.04 66	0.04 69	0.04 65	0.04 70	0.04 63	0.05 85	0.04 65	0.04 73	0.08 89	0.04 64	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

NVStereoNet_ROB	0.04 29	0.04 34	0.04 35	0.04 29	0.04 68	0.04 66	0.04 69	0.04 65	0.04 70	0.04 63	0.04 77	0.04 65	0.04 73	0.04 60	0.04 64	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
qqq1	0.25 139	3.70 395	0.14 114	0.14 88	0.04 68	0.06 78	0.05 78	0.06 80	0.05 83	0.06 81	0.05 85	0.04 65	0.05 79	0.06 73	0.05 74	0.13 97	0.12 98	0.06 78	0.05 80	0.03 42	0.04 67

fff1	0.25 139	3.70 395	0.14 114	0.14 88	0.04 68	0.06 78	0.05 78	0.06 80	0.05 83	0.06 81	0.05 85	0.04 65	0.05 79	0.06 73	0.05 74	0.13 97	0.12 98	0.06 78	0.05 80	0.03 42	0.04 67

ffm	0.25 139	3.83 400	0.12 90	0.12 71	0.05 83	0.06 78	0.05 78	0.06 80	0.05 83	0.03 39	0.03 47	0.06 83	0.05 79	0.06 73	0.05 74	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

ff1	0.25 139	3.83 400	0.12 90	0.12 71	0.05 83	0.06 78	0.05 78	0.06 80	0.05 83	0.03 39	0.03 47	0.06 83	0.05 79	0.06 73	0.05 74	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

mmx	0.25 139	3.83 400	0.12 90	0.12 71	0.05 83	0.06 78	0.05 78	0.06 80	0.05 83	0.03 39	0.03 47	0.06 83	0.05 79	0.06 73	0.05 74	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

NINENet	0.69 267	3.87 403	1.20 344	1.98 396	0.05 83	0.40 213	0.04 69	0.40 206	0.05 83	0.41 221	0.04 77	0.41 229	0.05 79	0.40 217	0.05 74	1.79 407	1.56 409	0.34 197	0.22 167	0.34 180	0.23 157

GwcNet	0.12 82	0.07 47	0.05 48	0.08 40	0.05 83	0.08 88	1.20 362	0.07 88	0.05 83	0.05 78	0.05 85	0.08 89	0.05 79	0.08 89	0.03 42	0.07 48	0.05 46	0.06 78	0.05 80	0.07 87	0.05 81

AASNet	0.06 34	0.08 48	0.08 51	0.08 40	0.05 83	0.06 78	0.05 78	0.05 75	0.06 90	0.06 81	0.06 90	0.05 77	0.06 90	0.06 73	0.05 74	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

SACVNet	0.06 34	0.08 48	0.08 51	0.08 40	0.05 83	0.06 78	0.05 78	0.05 75	0.06 90	0.06 81	0.06 90	0.05 77	0.06 90	0.06 73	0.05 74	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

AACVNet	0.06 34	0.08 48	0.08 51	0.08 40	0.05 83	0.06 78	0.05 78	0.05 75	0.06 90	0.06 81	0.06 90	0.05 77	0.06 90	0.06 73	0.05 74	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

FINET	0.07 39	0.08 48	0.07 49	0.07 38	0.07 92	0.08 88	0.06 89	0.08 91	0.07 93	0.08 88	0.07 93	0.08 89	0.06 90	0.07 86	0.07 85	0.08 50	0.07 47	0.07 83	0.07 87	0.06 80	0.06 86

SuperB	0.21 129	0.10 56	2.51 435	0.12 71	0.09 95	0.10 93	0.09 94	0.08 91	0.07 93	0.10 92	0.09 96	0.09 93	0.07 94	0.07 86	0.07 85	0.07 48	0.08 49	0.07 83	0.07 87	0.08 89	0.07 88

SepStereo	0.09 42	0.09 54	0.10 60	0.09 44	0.09 95	0.09 92	0.09 94	0.10 93	0.08 95	0.10 92	0.09 96	0.09 93	0.09 97	0.09 92	0.08 87	0.09 56	0.08 49	0.09 90	0.08 91	0.09 92	0.08 89

BEATNet-Init1	0.19 120	0.08 48	0.08 51	2.23 402	0.08 93	0.08 88	0.07 92	0.07 88	0.08 95	0.08 88	0.07 93	0.08 89	0.07 94	0.11 105	0.08 87	0.08 50	0.08 49	0.08 85	0.07 87	0.08 89	0.08 89

DeepPrunerF	0.19 120	0.08 48	0.08 51	2.23 402	0.08 93	0.08 88	0.07 92	0.07 88	0.08 95	0.08 88	0.07 93	0.08 89	0.07 94	0.11 105	0.08 87	0.08 50	0.08 49	0.08 85	0.07 87	0.08 89	0.08 89

StereoDRNet	0.15 106	0.14 74	0.10 60	0.14 88	0.09 95	0.15 114	0.09 94	0.14 109	0.09 98	0.14 108	0.10 100	0.14 109	0.09 97	0.14 111	0.09 90	0.13 97	0.10 63	0.13 107	0.09 93	0.13 110	0.82 329

AnonymousM	0.10 53	0.10 56	0.10 60	0.10 48	0.10 101	0.10 93	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

LRCNet_RVC	0.13 87	0.13 70	0.09 56	0.13 84	0.10 101	0.14 108	0.10 99	0.14 109	0.10 99	0.23 148	0.10 100	0.20 135	0.10 101	0.24 157	0.11 106	0.11 76	0.09 58	0.12 104	0.14 139	0.12 108	0.09 92

ac_64	0.22 132	0.13 70	0.19 142	0.23 129	0.10 101	0.26 166	1.02 349	0.14 109	0.10 99	0.28 167	0.14 140	0.17 126	0.19 159	0.28 176	0.09 90	0.22 144	0.16 130	0.23 155	0.17 158	0.11 103	0.12 124

PVD	0.10 53	0.10 56	0.10 60	0.10 48	0.10 101	0.10 93	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

SHD	0.10 53	0.10 56	0.10 60	0.10 48	0.10 101	0.10 93	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

SAMSARA	0.10 53	0.10 56	0.10 60	0.10 48	0.10 101	0.10 93	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

XQC	0.10 53	0.10 56	0.10 60	0.10 48	0.10 101	0.10 93	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

RTSC	0.10 53	0.10 56	0.10 60	0.10 48	0.10 101	0.10 93	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

RTS	0.10 53	0.10 56	0.10 60	0.10 48	0.10 101	0.10 93	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

RTSA	0.10 53	0.10 56	0.10 60	0.10 48	0.10 101	0.10 93	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

MADNet+	0.10 53	0.10 56	0.10 60	0.10 48	0.10 101	0.10 93	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

MADNet++	0.10 53	0.10 56	0.10 60	0.10 48	0.10 101	0.10 93	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

DRN-Test	0.14 96	0.13 70	0.09 56	0.14 88	0.09 95	0.15 114	0.09 94	0.14 109	0.10 99	0.14 108	0.09 96	0.14 109	0.09 97	0.13 110	0.09 90	0.12 81	0.09 58	0.12 104	0.09 93	0.12 108	0.73 318

PDISCO_ROB	0.83 300	2.80 380	3.49 452	0.14 88	0.11 116	0.17 126	0.09 94	0.15 120	0.10 99	0.15 114	0.12 123	0.16 119	0.14 135	3.30 437	0.13 126	0.14 103	2.34 427	0.16 123	0.12 127	2.62 418	0.10 96

test_for_model	0.15 106	0.23 99	0.18 139	0.21 126	0.11 116	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 119	0.11 112	0.16 120	0.11 106	0.21 141	0.18 149	0.14 108	0.11 111	0.14 111	0.11 108

testlalala2	0.13 87	0.16 75	0.11 79	0.15 97	0.11 116	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 119	0.11 112	0.16 120	0.11 106	0.14 103	0.11 84	0.14 108	0.11 111	0.14 111	0.11 108

JetRed	0.11 74	0.12 69	0.11 79	0.11 65	0.11 116	0.11 104	0.14 131	0.11 105	0.11 113	0.12 106	0.11 113	0.11 105	0.11 112	0.11 105	0.11 106	0.11 76	0.16 130	0.11 101	0.11 111	0.11 103	0.11 108

JetBlue	0.11 74	0.11 67	0.12 90	0.13 84	0.14 136	0.11 104	0.11 111	0.11 105	0.11 113	0.11 104	0.11 113	0.11 105	0.11 112	0.12 109	0.12 120	0.11 76	0.11 84	0.11 101	0.11 111	0.11 103	0.11 108

testlalala_base	0.13 87	0.16 75	0.11 79	0.15 97	0.11 116	0.15 114	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 119	0.11 112	0.16 120	0.11 106	0.14 103	0.11 84	0.14 108	0.11 111	0.14 111	0.11 108

ProNet	0.14 96	0.20 88	0.14 114	0.16 105	0.11 116	0.16 121	0.11 111	0.17 126	0.11 113	0.17 124	0.12 123	0.17 126	0.13 132	0.17 126	0.12 120	0.15 112	0.11 84	0.16 123	0.11 111	0.15 121	0.12 124

CIPLG	0.13 87	0.21 94	0.12 90	0.16 105	0.11 116	0.15 114	0.11 111	0.14 109	0.11 113	0.15 114	0.12 123	0.15 118	0.11 112	0.14 111	0.11 106	0.15 112	0.12 98	0.14 108	0.11 111	0.14 111	0.11 108

IPLG	0.13 87	0.20 88	0.14 114	0.15 97	0.11 116	0.14 108	0.11 111	0.14 109	0.11 113	0.14 108	0.11 113	0.14 109	0.11 112	0.14 111	0.11 106	0.15 112	0.12 98	0.14 108	0.11 111	0.14 111	0.11 108

IPLGR_C	0.14 96	0.20 88	0.12 90	0.15 97	0.11 116	0.14 108	0.15 135	0.14 109	0.11 113	0.15 114	0.12 123	0.14 109	0.11 112	0.16 120	0.11 106	0.15 112	0.12 98	0.14 108	0.12 127	0.15 121	0.12 124

MIPNet	0.14 96	0.21 94	0.17 134	0.16 105	0.11 116	0.15 114	0.12 126	0.14 109	0.11 113	0.16 118	0.11 113	0.14 109	0.11 112	0.14 111	0.11 106	0.14 103	0.12 98	0.14 108	0.11 111	0.14 111	0.11 108

IPLGR	0.14 96	0.24 106	0.14 114	0.16 105	0.12 131	0.15 114	0.12 126	0.14 109	0.11 113	0.15 114	0.12 123	0.14 109	0.11 112	0.14 111	0.11 106	0.15 112	0.12 98	0.14 108	0.11 111	0.14 111	0.11 108

ACRE	0.13 87	0.21 94	0.14 114	0.15 97	0.11 116	0.14 108	0.11 111	0.14 109	0.11 113	0.14 108	0.12 123	0.14 109	0.11 112	0.14 111	0.11 106	0.15 112	0.12 98	0.14 108	0.11 111	0.14 111	0.11 108

ICVP	0.15 106	0.53 181	0.11 79	0.16 105	0.11 116	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 119	0.11 112	0.16 120	0.11 106	0.16 120	0.11 84	0.16 123	0.11 111	0.16 124	0.11 108
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 87	0.11 67	0.11 79	0.11 65	0.11 116	0.11 104	0.11 111	0.11 105	0.11 113	0.11 104	0.12 123	0.11 105	0.11 112	0.11 105	0.11 106	0.11 76	0.11 84	0.14 108	0.11 111	0.49 255	0.11 108

PASM	0.39 198	3.06 383	1.36 403	1.58 381	0.09 95	0.11 104	0.11 111	0.11 105	0.11 113	0.09 91	0.09 96	0.11 105	0.09 97	0.09 92	0.09 90	0.11 76	0.11 84	0.11 101	0.09 93	0.11 103	0.11 108

HSM	0.14 96	0.16 75	0.12 90	0.17 111	0.12 131	0.17 126	0.11 111	0.17 126	0.11 113	0.17 124	0.12 123	0.17 126	0.12 128	0.17 126	0.12 120	0.16 120	0.11 84	0.16 123	0.11 111	0.16 124	0.12 124

ELAS_RVC	0.14 96	0.16 75	0.10 60	0.15 97	0.10 101	0.18 128	0.11 111	0.19 130	0.11 113	0.19 128	0.12 123	0.18 129	0.11 112	0.19 131	0.12 120	0.14 103	0.08 49	0.14 108	0.09 93	0.15 121	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 87	0.16 75	0.11 79	0.15 97	0.09 95	0.18 128	0.11 111	0.18 128	0.11 113	0.17 124	0.11 113	0.18 129	0.11 112	0.18 128	0.11 106	0.14 103	0.08 49	0.14 108	0.08 91	0.14 111	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
cf-r	0.66 259	2.17 358	0.12 90	0.18 112	0.12 131	0.18 128	2.70 442	2.60 427	0.12 131	0.18 127	0.12 123	0.18 129	0.12 128	0.18 128	0.12 120	0.15 112	0.11 84	0.15 121	0.11 111	1.81 400	1.74 432

LALA_ROB	0.15 106	0.19 84	0.12 90	0.18 112	0.11 116	0.20 135	0.12 126	0.21 140	0.12 131	0.20 133	0.12 123	0.20 135	0.12 128	0.21 145	0.13 126	0.17 125	0.10 63	0.18 137	0.11 111	0.18 131	0.11 108

SGM_RVC	0.15 106	0.17 81	0.11 79	0.18 112	0.11 116	0.19 131	0.11 111	0.19 130	0.12 131	0.19 128	0.12 123	0.20 135	0.12 128	0.19 131	0.12 120	0.16 120	0.11 84	0.17 128	0.10 99	0.17 127	0.10 96
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ITSA-stereo	0.15 106	0.17 81	0.13 109	0.20 117	0.13 134	0.19 131	0.13 129	0.18 128	0.13 134	0.19 128	0.13 135	0.18 129	0.14 135	0.18 128	0.14 130	0.16 120	0.11 84	0.15 121	0.14 139	0.18 131	0.11 108

DeepPruner_ROB	0.16 114	0.18 83	0.13 109	0.19 115	0.13 134	0.19 131	0.13 129	0.19 130	0.13 134	0.19 128	0.13 135	0.19 133	0.13 132	0.19 131	0.13 126	0.18 133	0.13 122	0.18 137	0.13 135	0.18 131	0.13 130

DDVS	0.30 153	3.10 384	0.14 114	0.19 115	0.14 136	0.19 131	0.14 131	0.20 134	0.14 136	0.19 128	0.13 135	0.16 119	0.13 132	0.19 131	0.13 126	0.17 125	0.13 122	0.17 128	0.13 135	0.17 127	0.13 130

GMStereo	0.14 96	0.13 70	0.14 114	0.14 88	0.14 136	0.14 108	0.14 131	0.14 109	0.14 136	0.14 108	0.14 140	0.14 109	0.14 135	0.14 111	0.14 130	0.14 103	0.14 125	0.14 108	0.14 139	0.14 111	0.14 133
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 122	0.19 84	0.14 114	0.20 117	0.14 136	0.20 135	0.96 343	0.21 140	0.14 136	0.20 133	0.13 135	0.21 143	0.14 135	0.20 135	0.14 130	0.17 125	0.12 98	0.17 128	0.12 127	0.17 127	0.12 124

acv_ft	0.20 122	0.19 84	0.14 114	0.20 117	0.14 136	0.20 135	0.96 343	0.21 140	0.14 136	0.20 133	0.13 135	0.21 143	0.14 135	0.20 135	0.14 130	0.17 125	0.12 98	0.17 128	0.12 127	0.17 127	0.12 124

hitnet-ft	0.79 285	2.78 379	0.14 114	0.20 117	0.14 136	0.21 143	2.89 443	2.80 431	0.14 136	0.20 133	0.14 140	0.20 135	0.14 135	0.20 135	0.14 130	0.17 125	0.12 98	0.17 128	0.12 127	2.54 417	2.33 439

GANet-RSSM	0.75 276	1.91 342	0.14 114	0.47 219	0.14 136	0.21 143	3.21 459	2.30 424	0.14 136	0.46 245	0.14 140	0.23 151	0.18 154	0.21 145	0.14 130	0.18 133	0.27 175	0.37 218	0.13 135	2.13 408	2.12 435

PSMNet-RSSM	0.77 281	2.76 376	0.14 114	0.20 117	0.14 136	0.20 135	2.66 440	2.79 430	0.14 136	0.21 142	0.14 140	0.21 143	0.14 135	0.20 135	0.14 130	0.17 125	0.12 98	0.17 128	0.12 127	2.52 415	2.31 437

GwcNet-RSSM	0.77 281	2.77 378	0.14 114	0.20 117	0.14 136	0.20 135	2.67 441	2.78 429	0.14 136	0.20 133	0.14 140	0.20 135	0.14 135	0.21 145	0.14 130	0.17 125	0.12 98	0.17 128	0.12 127	2.52 415	2.31 437

CFNet-ft	0.55 250	1.57 325	0.14 114	0.20 117	0.14 136	0.20 135	2.53 439	1.61 404	0.14 136	0.20 133	0.14 140	0.20 135	0.14 135	0.20 135	0.14 130	0.17 125	0.12 98	0.17 128	0.12 127	1.56 395	1.24 410

dd	0.23 136	0.98 227	0.16 130	0.23 129	0.15 146	0.23 151	0.15 135	0.23 147	0.15 145	0.23 148	0.15 147	0.24 155	0.17 147	0.23 153	0.15 139	0.22 144	0.15 128	0.21 144	0.15 142	0.22 142	0.16 134

HCRNet	1.22 385	7.11 438	3.00 437	3.55 424	0.33 231	0.29 172	0.14 131	0.19 130	0.15 145	0.33 182	0.29 207	0.25 160	0.14 135	0.22 149	0.33 219	3.64 433	3.00 430	0.76 313	0.32 231	0.18 131	0.13 130

GMStereo_Zeroshot	0.16 114	0.16 75	0.16 130	0.16 105	0.16 151	0.16 121	0.16 138	0.16 121	0.16 147	0.16 118	0.16 148	0.16 119	0.16 145	0.16 120	0.16 144	0.16 120	0.16 130	0.16 123	0.16 143	0.16 124	0.16 134

dad	0.23 136	1.03 242	0.16 130	0.23 129	0.15 146	0.24 152	0.15 135	0.24 150	0.16 147	0.23 148	0.16 148	0.24 155	0.16 145	0.23 153	0.15 139	0.22 144	0.16 130	0.22 149	0.16 143	0.22 142	0.16 134

tg	0.21 129	0.25 108	0.21 149	0.26 145	0.17 152	0.24 152	0.17 139	0.24 150	0.17 149	0.24 153	0.17 150	0.24 155	0.17 147	0.24 157	0.17 145	0.24 160	0.17 143	0.23 155	0.16 143	0.23 151	0.16 134

IGEV_Zeroshot_test	0.20 122	0.19 84	0.40 226	0.30 150	0.17 152	0.22 145	0.17 139	0.21 140	0.17 149	0.20 133	0.17 150	0.21 143	0.18 154	0.21 145	0.17 145	0.20 136	0.16 130	0.20 141	0.16 143	0.20 136	0.17 142

ACV-stereo	0.30 153	2.08 351	0.25 164	0.25 138	0.18 158	0.24 152	0.17 139	0.24 150	0.18 151	0.24 153	0.17 150	0.25 160	0.17 147	0.24 157	0.17 145	0.22 144	0.16 130	0.22 149	0.16 143	0.22 142	0.16 134

MSKI-zero shot	0.24 138	0.21 94	0.49 260	0.65 252	0.18 158	0.22 145	0.17 139	0.23 147	0.18 151	0.21 142	0.17 150	0.23 151	0.28 204	0.23 153	0.18 153	0.21 141	0.16 130	0.21 144	0.16 143	0.21 140	0.16 134

MIM_Stereo	0.25 139	0.23 99	0.66 285	0.80 267	0.17 152	0.22 145	0.17 139	0.23 147	0.18 151	0.26 164	0.17 150	0.21 143	0.17 147	0.25 162	0.17 145	0.23 155	0.16 130	0.21 144	0.17 158	0.22 142	0.17 142

GEStereo_RVC	0.86 306	4.45 411	0.20 145	0.27 147	0.20 164	0.27 169	0.20 151	0.26 160	0.18 151	5.03 464	0.20 164	0.27 170	0.19 159	0.27 174	0.21 162	0.20 136	0.19 150	0.19 140	4.02 466	0.20 136	0.18 146

iResNetv2_ROB	0.20 122	0.23 99	0.18 139	0.24 134	0.20 164	0.24 152	0.18 145	0.24 150	0.18 151	0.24 153	0.18 160	0.23 151	0.19 159	0.24 157	0.18 153	0.21 141	0.16 130	0.21 144	0.16 143	0.22 142	0.16 134

iResNet	0.20 122	0.23 99	0.18 139	0.24 134	0.18 158	0.24 152	0.20 151	0.24 150	0.18 151	0.23 148	0.17 150	0.23 151	0.18 154	0.23 153	0.18 153	0.22 144	0.16 130	0.21 144	0.16 143	0.21 140	0.16 134

Pointernet	0.21 129	0.22 98	0.19 142	0.24 134	0.19 162	0.24 152	0.19 148	0.24 150	0.19 157	0.24 153	0.19 161	0.24 155	0.19 159	0.24 157	0.19 156	0.22 144	0.17 143	0.22 149	0.17 158	0.22 142	0.17 142

CFNet	1.37 391	5.27 422	0.19 142	5.49 449	0.19 162	0.28 170	0.19 148	0.28 163	0.19 157	0.28 167	0.19 161	0.28 171	4.35 460	0.28 176	0.19 156	0.23 155	0.17 143	0.23 155	4.21 468	4.81 447	0.17 142

DAS	0.20 122	0.20 88	0.20 145	0.20 117	0.20 164	0.20 135	0.20 151	0.20 134	0.20 159	0.20 133	0.20 164	0.20 135	0.20 163	0.20 135	0.20 159	0.20 136	0.20 152	0.20 141	0.20 162	0.20 136	0.20 149

ASD4	0.20 122	0.20 88	0.20 145	0.20 117	0.20 164	0.20 135	0.20 151	0.20 134	0.20 159	0.20 133	0.20 164	0.20 135	0.20 163	0.20 135	0.20 159	0.20 136	0.20 152	0.20 141	0.20 162	0.20 136	0.20 149

AANet_RVC	1.26 387	0.31 117	4.99 460	5.93 452	0.20 164	0.25 159	0.20 151	0.25 156	0.20 159	0.23 148	0.19 161	0.25 160	0.20 163	0.25 162	0.20 159	5.66 460	4.76 452	0.26 165	0.30 221	0.24 152	0.27 183

CAS++	0.17 117	0.27 110	0.21 149	0.10 48	0.21 171	0.15 114	0.22 162	0.10 93	0.21 162	0.22 144	0.10 100	0.19 133	0.18 154	0.10 94	0.19 156	0.20 136	0.19 150	0.18 137	0.10 99	0.19 135	0.18 146
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
HGLStereo	0.28 149	0.29 115	0.22 151	0.36 167	0.22 173	0.36 196	0.21 157	0.36 186	0.21 162	0.42 233	0.21 169	0.36 198	0.22 169	0.36 200	0.21 162	0.34 188	0.21 155	0.34 197	0.21 164	0.34 180	0.21 152

DCVSM-stereo	0.36 181	1.89 339	0.22 151	0.40 191	0.22 173	0.40 213	0.22 162	0.40 206	0.22 164	0.40 208	0.22 170	0.40 217	0.22 169	0.40 217	0.22 164	0.28 171	0.21 155	0.28 171	0.21 164	0.28 160	0.20 149

WAO-6	0.22 132	0.23 99	0.22 151	0.23 129	0.22 173	0.22 145	0.22 162	0.22 144	0.22 164	0.22 144	0.22 170	0.22 148	0.22 169	0.22 149	0.22 164	0.22 144	0.22 159	0.22 149	0.22 167	0.22 142	0.22 155

IMH-64-1	0.22 132	0.23 99	0.23 154	0.22 127	0.22 173	0.22 145	0.22 162	0.22 144	0.22 164	0.22 144	0.22 170	0.22 148	0.22 169	0.22 149	0.22 164	0.22 144	0.22 159	0.23 155	0.22 167	0.22 142	0.23 157

IMH-64	0.22 132	0.23 99	0.23 154	0.22 127	0.22 173	0.22 145	0.22 162	0.22 144	0.22 164	0.22 144	0.22 170	0.22 148	0.22 169	0.22 149	0.22 164	0.22 144	0.22 159	0.23 155	0.22 167	0.22 142	0.23 157

ssnet_v2	0.68 264	1.96 349	1.25 395	0.29 149	0.20 164	0.30 173	0.20 151	0.29 167	0.22 164	1.50 406	0.20 164	0.31 181	0.20 163	0.27 174	0.22 164	0.24 160	1.49 407	0.26 165	0.18 161	3.90 426	0.19 148

DISCO	1.11 335	0.39 134	5.28 463	0.39 178	0.20 164	0.39 212	0.27 188	0.39 201	0.22 164	0.38 198	0.20 164	0.38 206	0.20 163	6.95 473	0.22 164	0.30 179	0.21 155	0.27 169	0.21 164	5.25 454	0.21 152

PAM	0.39 198	1.88 338	0.34 204	0.37 170	0.41 267	0.45 253	0.22 162	0.28 163	0.23 170	0.28 167	0.24 180	0.29 176	0.23 174	0.29 179	0.23 170	0.38 212	0.32 203	0.38 225	0.37 251	0.32 170	0.22 155

FENet	0.54 248	1.52 324	1.19 341	1.41 380	0.23 178	0.35 193	0.23 169	0.35 182	0.23 170	0.34 184	0.23 174	0.35 191	0.23 174	0.35 193	0.23 170	1.40 396	1.07 326	0.32 182	0.23 172	0.33 176	0.23 157

model_zeroshot	0.27 148	0.20 88	0.27 171	0.33 160	0.21 171	0.37 201	0.22 162	0.37 192	0.24 172	0.26 164	0.27 197	0.33 185	0.21 168	0.25 162	0.27 186	0.32 183	0.20 152	0.34 197	0.23 172	0.25 153	0.26 174

WCG-NET（raft）	0.32 166	1.24 313	0.24 160	0.32 156	0.24 183	0.32 184	0.23 169	0.32 172	0.24 172	0.32 178	0.24 180	0.32 183	0.24 177	0.32 184	0.24 174	0.30 179	0.23 163	0.30 178	0.23 172	0.30 166	0.23 157

tt1	0.31 158	0.93 222	0.24 160	0.33 160	0.23 178	0.31 176	0.24 174	0.32 172	0.24 172	0.32 178	0.23 174	0.32 183	0.25 180	0.32 184	0.24 174	0.27 169	0.26 170	0.27 169	0.26 192	0.27 158	0.27 183

DLNR_Zeroshot_test	0.31 158	0.28 113	0.47 252	0.79 265	0.24 183	0.30 173	0.26 185	0.30 169	0.24 172	0.32 178	0.23 174	0.31 181	0.24 177	0.30 181	0.23 170	0.29 178	0.26 170	0.29 176	0.24 180	0.33 176	0.23 157

iResNet_ROB	0.28 149	0.32 118	0.24 160	0.32 156	0.25 185	0.32 184	0.24 174	0.32 172	0.24 172	0.33 182	0.24 180	0.35 191	0.24 177	0.33 189	0.24 174	0.31 182	0.24 165	0.32 182	0.24 180	0.32 170	0.24 167

UNDER WATER-64	0.25 139	0.26 109	0.25 164	0.26 145	0.25 185	0.25 159	0.25 177	0.25 156	0.25 177	0.25 157	0.25 186	0.25 160	0.25 180	0.26 172	0.25 180	0.25 165	0.25 166	0.25 162	0.25 185	0.25 153	0.25 168

xxxxx1	0.31 158	0.91 215	0.23 154	0.31 153	0.23 178	0.31 176	0.23 169	0.33 175	0.25 177	0.31 173	0.24 180	0.33 185	0.25 180	0.32 184	0.24 174	0.28 171	0.28 180	0.28 171	0.28 203	0.29 163	0.27 183

CASnet	0.35 177	0.51 177	0.44 242	0.32 156	0.31 219	0.24 152	0.34 228	0.36 186	0.25 177	0.31 173	0.37 249	0.30 179	0.33 227	0.25 162	0.45 270	0.37 205	0.37 215	0.33 190	0.35 243	0.34 180	0.37 237
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.30 153	1.14 256	0.25 164	0.25 138	0.25 185	0.26 166	0.25 177	0.25 156	0.25 177	0.25 157	0.25 186	0.26 169	0.26 189	0.26 172	0.25 180	0.26 166	0.26 170	0.25 162	0.25 185	0.26 155	0.26 174

tt_ll	0.31 158	0.91 215	0.23 154	0.31 153	0.23 178	0.31 176	0.23 169	0.33 175	0.25 177	0.31 173	0.24 180	0.33 185	0.25 180	0.32 184	0.24 174	0.28 171	0.28 180	0.28 171	0.28 203	0.29 163	0.27 183

LoS	0.25 139	0.27 110	0.25 164	0.25 138	0.25 185	0.25 159	0.25 177	0.26 160	0.25 177	0.25 157	0.25 186	0.25 160	0.25 180	0.25 162	0.25 180	0.26 166	0.25 166	0.25 162	0.26 192	0.26 155	0.25 168
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
gwcnet-sp	0.82 296	1.72 330	1.48 410	0.39 178	0.15 146	0.31 176	0.21 157	0.20 134	0.25 177	1.61 408	0.23 174	0.28 171	0.26 189	0.20 135	0.15 139	0.24 160	1.33 396	0.32 182	0.16 143	6.75 461	0.23 157

scenet	0.82 296	1.72 330	1.48 410	0.39 178	0.15 146	0.31 176	0.21 157	0.20 134	0.25 177	1.61 408	0.23 174	0.28 171	0.26 189	0.20 135	0.15 139	0.24 160	1.33 396	0.32 182	0.16 143	6.75 461	0.23 157

ssnet	0.82 296	1.72 330	1.48 410	0.39 178	0.15 146	0.31 176	0.21 157	0.20 134	0.25 177	1.61 408	0.23 174	0.28 171	0.26 189	0.20 135	0.15 139	0.24 160	1.33 396	0.32 182	0.16 143	6.75 461	0.23 157

ff	0.31 158	0.91 215	0.23 154	0.31 153	0.23 178	0.31 176	0.23 169	0.33 175	0.25 177	0.31 173	0.24 180	0.33 185	0.25 180	0.32 184	0.24 174	0.28 171	0.28 180	0.28 171	0.28 203	0.29 163	0.27 183

IER	0.88 307	7.04 437	2.23 429	2.75 414	0.28 200	0.43 250	0.25 177	0.39 201	0.25 177	0.41 221	0.27 197	0.39 211	0.25 180	0.40 217	0.28 193	0.37 205	0.28 180	0.37 218	0.25 185	0.37 201	0.25 168

CroCo-Stereo	0.73 274	1.22 312	0.25 164	1.22 368	0.25 185	1.22 399	0.25 177	1.22 392	0.25 177	1.22 399	0.25 186	1.22 403	0.25 180	1.22 402	0.25 180	1.22 386	0.26 170	1.21 406	0.25 185	1.22 385	0.25 168
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
DN-CSS_ROB	0.31 158	0.35 121	0.28 175	0.35 163	0.28 200	0.34 189	0.27 188	0.34 179	0.25 177	0.35 188	0.27 197	0.36 198	0.26 189	0.34 191	0.28 193	0.35 197	0.28 180	0.34 197	0.28 203	0.34 180	0.27 183

GCAP-BAT	0.33 169	0.78 196	0.32 191	0.38 173	0.25 185	0.34 189	0.25 177	0.34 179	0.26 190	0.34 184	0.25 186	0.35 191	0.26 189	0.35 193	0.27 186	0.36 201	0.30 197	0.32 182	0.24 180	0.32 170	0.26 174

testlalala	0.32 166	0.81 202	0.31 187	0.39 178	0.26 194	0.33 187	0.24 174	0.33 175	0.26 190	0.32 178	0.26 192	0.33 185	0.23 174	0.33 189	0.23 170	0.35 197	0.31 201	0.30 178	0.24 180	0.31 169	0.21 152

CAS	0.30 153	1.17 260	0.25 164	0.25 138	0.25 185	0.26 166	0.25 177	0.25 156	0.26 190	0.25 157	0.25 186	0.25 160	0.25 180	0.25 162	0.25 180	0.26 166	0.26 170	0.26 165	0.25 185	0.26 155	0.25 168

CroCo-Stereo Lap2	0.77 281	1.29 315	0.29 177	1.27 372	0.29 206	1.27 402	0.26 185	1.26 395	0.26 190	1.26 400	0.26 192	1.27 404	0.26 189	1.26 403	0.27 186	1.27 388	0.27 175	1.27 409	0.27 199	1.27 387	0.27 183

StereoDRNet-Refined	0.33 169	0.39 134	0.26 170	0.39 178	0.26 194	0.40 213	0.26 185	0.40 206	0.26 190	0.39 204	0.26 192	0.39 211	0.26 189	0.39 214	0.26 185	0.37 205	0.25 166	0.37 218	0.25 185	0.37 201	0.37 237
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
castereo	1.59 395	5.89 434	5.27 462	5.38 448	0.27 196	0.38 205	0.27 188	0.39 201	0.27 195	0.38 198	0.27 197	0.38 206	0.28 204	0.38 206	0.27 186	5.34 458	5.09 454	0.36 215	0.26 192	0.36 198	0.26 174

Any-RAFT	0.32 166	0.36 124	0.27 171	0.36 167	0.27 196	0.36 196	0.27 188	0.36 186	0.27 195	0.36 192	0.27 197	0.36 198	0.27 197	0.36 200	0.28 193	0.36 201	0.28 180	0.36 215	0.28 203	0.36 198	0.28 196

CRFU-Net	0.65 257	1.67 329	1.22 391	1.96 395	0.27 196	0.41 229	0.27 188	0.41 221	0.27 195	0.40 208	0.26 192	0.41 229	0.27 197	0.40 217	0.27 186	1.80 408	1.62 411	0.34 197	0.23 172	0.33 176	0.23 157

DGSMNet	0.34 171	0.41 143	0.27 171	0.41 201	0.28 200	0.41 229	0.28 195	0.41 221	0.27 195	0.41 221	0.27 197	0.42 245	0.27 197	0.41 231	0.28 193	0.40 225	0.29 189	0.40 239	0.28 203	0.40 221	0.27 183

DEFOM-Stereo	0.68 264	3.11 385	1.40 408	1.63 386	0.25 185	0.31 176	0.25 177	0.31 171	0.28 199	0.31 173	0.29 207	0.29 176	0.27 197	0.31 183	0.28 193	1.59 401	1.47 406	0.30 178	0.29 212	0.30 166	0.28 196

RSM	0.36 181	0.36 124	0.43 240	0.37 170	0.42 276	0.49 269	0.42 267	0.37 192	0.28 199	0.36 192	0.29 207	0.36 198	0.30 216	0.37 204	0.28 193	0.34 188	0.31 201	0.34 197	0.35 243	0.40 221	0.29 201

SQANet	0.28 149	0.28 113	0.28 175	0.28 148	0.28 200	0.28 170	0.28 195	0.28 163	0.28 199	0.28 167	0.28 204	0.28 171	0.28 204	0.28 176	0.28 193	0.28 171	0.28 180	0.28 171	0.28 203	0.28 160	0.28 196

MLCV	0.31 158	0.35 121	0.27 171	0.35 163	0.28 200	0.35 193	0.27 188	0.35 182	0.28 199	0.36 192	0.27 197	0.35 191	0.27 197	0.35 193	0.27 186	0.34 188	0.27 175	0.34 197	0.27 199	0.34 180	0.27 183

IGEV++	0.34 171	0.43 151	0.30 181	0.40 191	0.29 206	0.40 213	0.29 201	0.40 206	0.29 203	0.40 208	0.29 207	0.40 217	0.29 210	0.40 217	0.30 209	0.38 212	0.29 189	0.37 218	0.29 212	0.37 201	0.29 201

ACVNet-DCA	0.37 186	1.00 230	0.30 181	0.40 191	0.29 206	0.40 213	0.29 201	0.40 206	0.29 203	0.40 208	0.29 207	0.40 217	0.29 210	0.39 214	0.28 193	0.33 185	0.32 203	0.33 190	0.32 231	0.33 176	0.32 219

xx1	0.38 192	1.03 242	0.31 187	0.40 191	0.31 219	0.41 229	0.28 195	0.40 206	0.29 203	0.40 208	0.29 207	0.40 217	0.29 210	0.40 217	0.29 202	0.34 188	0.33 209	0.34 197	0.32 231	0.34 180	0.32 219

1test111	0.37 186	1.02 240	0.30 181	0.39 178	0.29 206	0.40 213	0.28 195	0.39 201	0.29 203	0.39 204	0.29 207	0.39 211	0.28 204	0.40 217	0.29 202	0.33 185	0.32 203	0.33 190	0.31 227	0.32 170	0.31 215

cc1	0.37 186	1.02 240	0.30 181	0.39 178	0.29 206	0.40 213	0.28 195	0.39 201	0.29 203	0.39 204	0.29 207	0.39 211	0.28 204	0.40 217	0.29 202	0.33 185	0.32 203	0.33 190	0.31 227	0.32 170	0.31 215

EKT-Stereo	0.37 186	0.40 136	0.44 242	1.07 304	0.29 206	0.34 189	0.31 210	0.36 186	0.29 203	0.38 198	0.31 221	0.37 204	0.30 216	0.36 200	0.29 202	0.34 188	0.28 180	0.39 235	0.30 221	0.37 201	0.30 210

iRaft-Stereo_5w	0.34 171	0.42 150	0.31 187	0.39 178	0.30 215	0.38 205	0.30 206	0.40 206	0.29 203	0.40 208	0.37 249	0.41 229	0.34 231	0.38 206	0.30 209	0.34 188	0.27 175	0.34 197	0.26 192	0.34 180	0.26 174

PML	0.46 226	1.36 321	0.29 177	0.58 245	0.30 215	0.57 293	0.29 201	0.57 279	0.29 203	0.57 288	0.29 207	0.57 293	0.29 210	0.56 287	0.29 202	0.52 271	0.30 197	0.53 292	0.31 227	0.53 266	0.30 210

GES	0.66 259	2.34 364	0.29 177	0.41 201	0.29 206	0.41 229	0.29 201	0.42 237	0.29 203	0.40 208	0.41 265	0.41 229	0.30 216	0.51 278	0.29 202	0.32 183	0.29 189	0.32 182	2.46 442	2.49 414	0.30 210

UCFNet_RVC	2.75 434	10.06 459	0.29 177	10.31 476	0.29 206	0.42 246	0.29 201	0.43 240	0.29 203	0.42 233	0.29 207	0.42 245	9.87 477	0.43 245	0.29 202	0.36 201	9.84 476	0.36 215	0.26 192	9.77 475	0.26 174

xy-stereo	0.36 181	0.49 170	0.39 223	0.48 222	0.32 221	0.41 229	0.28 195	0.40 206	0.30 213	0.41 221	0.28 204	0.40 217	0.28 204	0.42 243	0.28 193	0.45 248	0.32 203	0.38 225	0.30 221	0.37 201	0.27 183

IGEV-Stereo	0.35 177	0.44 153	0.45 244	0.49 227	0.30 215	0.37 201	0.30 206	0.36 186	0.30 213	0.36 192	0.29 207	0.36 198	0.29 210	0.36 200	0.30 209	0.46 249	0.39 228	0.32 182	0.24 180	0.32 170	0.25 168
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
DANet	0.30 153	0.30 116	0.30 181	0.30 150	0.30 215	0.30 173	0.30 206	0.30 169	0.30 213	0.30 171	0.30 218	0.30 179	0.30 216	0.30 181	0.30 209	0.30 179	0.30 197	0.30 178	0.30 221	0.30 166	0.30 210
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MyStereo04	0.56 251	3.72 398	0.59 273	0.49 227	0.41 267	0.36 196	0.32 211	0.37 192	0.31 216	0.34 184	0.46 280	0.35 191	0.32 222	0.35 193	0.33 219	0.49 261	0.45 247	0.34 197	0.32 231	0.35 192	0.43 262

LL-Strereo2	0.48 235	1.73 334	0.51 265	0.59 247	0.34 238	0.42 246	0.33 219	0.40 206	0.31 216	0.42 233	0.33 226	0.42 245	0.31 221	0.44 247	0.39 252	0.60 277	0.51 267	0.44 262	0.33 237	0.44 238	0.33 222

RAFT + AFF	0.31 158	0.45 156	0.34 204	0.39 178	0.28 200	0.38 205	0.33 219	0.29 167	0.31 216	0.30 171	0.30 218	0.29 176	0.27 197	0.29 179	0.30 209	0.28 171	0.29 189	0.29 176	0.29 212	0.27 158	0.32 219

fffy	0.38 192	0.43 151	0.33 196	0.46 213	0.33 231	0.45 253	0.32 211	0.45 243	0.32 219	0.45 243	0.32 222	0.45 250	0.33 227	0.45 250	0.32 214	0.38 212	0.38 221	0.38 225	0.37 251	0.37 201	0.36 233

RAFT-Test	0.36 181	0.37 126	0.33 196	0.41 201	0.32 221	0.41 229	0.32 211	0.41 221	0.32 219	0.41 221	0.32 222	0.41 229	0.32 222	0.41 231	0.33 219	0.37 205	0.29 189	0.37 218	0.29 212	0.38 210	0.31 215

iRaft-Stereo_20w	0.34 171	0.41 143	0.31 187	0.39 178	0.29 206	0.40 213	0.32 211	0.41 221	0.32 219	0.38 198	0.30 218	0.39 211	0.30 216	0.38 206	0.32 214	0.35 197	0.27 175	0.34 197	0.27 199	0.34 180	0.29 201

ccs_rob	2.79 435	10.17 461	0.32 191	10.00 474	0.33 231	0.49 269	0.33 219	1.90 411	0.32 219	0.51 275	0.33 226	0.49 265	9.24 476	0.49 269	0.33 219	0.41 232	9.82 475	0.41 251	0.28 203	9.34 473	0.29 201

PCWNet_CMD	2.80 436	9.82 457	0.32 191	10.09 475	0.32 221	0.49 269	0.33 219	3.34 437	0.33 223	0.49 261	0.33 226	0.49 265	8.73 473	0.48 263	0.33 219	0.41 232	9.22 471	0.42 260	0.29 212	9.55 474	0.31 215

CFNet_ucs	2.73 433	9.64 456	0.33 196	9.92 473	0.32 221	0.49 269	0.33 219	0.49 256	0.33 223	0.49 261	0.33 226	0.49 265	8.98 475	0.48 263	0.33 219	0.41 232	9.96 477	0.40 239	0.29 212	10.12 477	0.54 287

CFNet_pseudo	2.67 432	9.36 454	0.32 191	10.99 477	0.33 231	0.85 316	0.33 219	0.49 256	0.33 223	0.49 261	0.32 222	0.49 265	7.26 471	0.49 269	0.33 219	0.41 232	9.62 474	0.41 251	0.29 212	10.03 476	0.29 201

pcwnet_v2	2.66 431	9.89 458	0.33 196	9.89 472	0.32 221	0.50 277	0.32 211	0.49 256	0.33 223	0.49 261	0.34 233	0.49 265	8.76 474	0.48 263	0.33 219	0.41 232	9.58 473	0.40 239	0.29 212	9.01 472	0.63 302

ccnet	0.80 287	2.28 363	0.33 196	0.50 234	0.33 231	0.50 277	0.33 219	0.50 264	0.33 223	0.49 261	0.33 226	0.49 265	1.56 416	2.38 427	0.33 219	0.41 232	0.29 189	0.42 260	1.57 424	2.28 410	0.29 201

psmorigin	0.41 210	0.46 159	0.33 196	0.49 227	0.33 231	0.49 269	0.33 219	0.49 256	0.33 223	0.49 261	0.33 226	0.49 265	0.33 227	0.51 278	0.33 219	0.41 232	0.30 197	0.41 251	0.30 221	0.79 289	0.29 201

Gwc-CoAtRS	0.41 210	1.49 323	0.32 191	0.42 209	0.32 221	0.41 229	0.32 211	0.41 221	0.33 223	0.41 221	0.32 222	0.41 229	0.32 222	0.41 231	0.32 214	0.39 221	0.28 180	0.39 235	0.28 203	0.40 221	0.28 196

RAFT-Stereo-weight	0.45 224	1.90 341	0.34 204	0.42 209	0.36 247	0.43 250	0.35 232	0.42 237	0.34 230	0.42 233	0.34 233	0.44 248	0.34 231	0.41 231	0.34 232	0.38 212	0.32 203	0.38 225	0.32 231	0.38 210	0.33 222

H2IRNET	0.34 171	0.34 120	0.34 204	0.34 162	0.34 238	0.34 189	0.34 228	0.34 179	0.34 230	0.34 184	0.34 233	0.34 190	0.34 231	0.34 191	0.34 232	0.34 188	0.34 210	0.34 197	0.34 239	0.34 180	0.34 228

RCA-Stereo	0.51 244	3.22 389	0.34 204	0.44 211	0.34 238	0.44 252	0.34 228	0.43 240	0.34 230	0.43 239	0.34 233	0.44 248	0.33 227	0.43 245	0.33 219	0.38 212	0.29 189	0.38 225	0.29 212	0.38 210	0.29 201

ccccc	0.41 210	0.44 153	0.34 204	0.48 222	0.35 241	0.48 266	0.35 232	0.51 271	0.35 233	0.47 250	0.35 240	0.47 257	0.34 231	0.47 256	0.35 234	0.41 232	0.40 231	0.40 239	0.40 264	0.41 230	0.39 245

UGAM	0.51 244	2.23 361	0.39 223	0.54 241	0.35 241	0.50 277	0.35 232	0.49 256	0.35 233	0.49 261	0.35 240	0.49 265	0.36 239	0.50 274	0.36 238	0.49 261	0.37 215	0.45 264	0.34 239	0.45 240	0.34 228

GCST	0.50 241	2.08 351	0.38 217	0.53 239	0.35 241	0.49 269	0.35 232	0.50 264	0.35 233	0.49 261	0.35 240	0.49 265	0.35 236	0.49 269	0.35 234	0.48 258	0.37 215	0.45 264	0.33 237	0.44 238	0.33 222

gcap-zeroshot	0.35 177	0.32 118	0.37 214	0.49 227	0.39 260	0.33 187	0.21 157	0.26 160	0.35 233	0.42 233	0.34 233	0.49 265	0.29 210	0.47 256	0.39 252	0.34 188	0.17 143	0.38 225	0.23 172	0.48 251	0.34 228

GMOStereo	0.37 186	0.45 156	0.23 154	0.30 150	0.37 250	0.41 229	0.36 239	0.41 221	0.35 233	0.43 239	0.36 244	0.41 229	0.40 250	0.41 231	0.36 238	0.34 188	0.22 159	0.47 271	0.37 251	0.39 217	0.33 222

error version	0.93 316	4.47 412	2.35 432	1.99 397	0.37 250	0.41 229	0.36 239	0.41 221	0.35 233	0.43 239	0.36 244	0.41 229	0.40 250	0.41 231	0.36 238	1.87 410	2.16 423	0.47 271	0.37 251	0.39 217	0.33 222

test_1	0.93 316	4.47 412	2.35 432	1.99 397	0.37 250	0.41 229	0.36 239	0.41 221	0.35 233	0.43 239	0.36 244	0.41 229	0.40 250	0.41 231	0.36 238	1.87 410	2.16 423	0.47 271	0.37 251	0.39 217	0.33 222

CFNet-RSSM	0.91 310	4.89 416	0.34 204	0.44 211	1.07 360	1.62 414	1.40 422	0.91 314	0.35 233	1.60 407	1.39 421	0.64 297	0.34 231	0.44 247	0.33 219	0.41 232	0.35 211	0.75 311	0.30 221	0.41 230	0.29 201

DMCA	0.36 181	0.38 128	0.37 214	0.35 163	0.35 241	0.36 196	0.36 239	0.36 186	0.35 233	0.35 188	0.37 249	0.36 198	0.36 239	0.35 193	0.36 238	0.36 201	0.36 213	0.35 210	0.36 249	0.36 198	0.36 233

ETE_ROB	0.35 177	0.35 121	0.35 211	0.35 163	0.35 241	0.35 193	0.35 232	0.35 182	0.35 233	0.35 188	0.35 240	0.35 191	0.35 236	0.35 193	0.35 234	0.35 197	0.35 211	0.35 210	0.35 243	0.35 192	0.35 232

UGAM-zero	0.51 244	2.17 358	0.39 223	0.53 239	0.36 247	0.50 277	0.36 239	0.50 264	0.36 243	0.49 261	0.36 244	0.50 279	0.35 236	0.50 274	0.36 238	0.49 261	0.37 215	0.47 271	0.35 243	0.46 241	0.34 228

Venus	0.38 192	0.38 128	0.38 217	0.38 173	0.38 255	0.37 201	0.38 249	0.37 192	0.37 244	0.41 221	0.37 249	0.39 211	0.37 243	0.38 206	0.38 247	0.37 205	0.38 221	0.38 225	0.37 251	0.37 201	0.38 241

XPNet_ROB	0.37 186	0.37 126	0.37 214	0.37 170	0.37 250	0.37 201	0.37 244	0.37 192	0.37 244	0.37 197	0.37 249	0.37 204	0.37 243	0.37 204	0.37 246	0.37 205	0.37 215	0.37 218	0.37 251	0.37 201	0.37 237

mms	0.40 202	0.45 156	0.35 211	0.48 222	0.36 247	0.47 261	0.34 228	0.45 243	0.38 246	0.47 250	0.33 226	0.45 250	0.32 222	0.45 250	0.32 214	0.39 221	0.38 221	0.38 225	0.37 251	0.39 217	0.39 245

WAO-8	0.38 192	0.38 128	0.38 217	0.38 173	0.38 255	0.38 205	0.38 249	0.38 197	0.38 246	0.38 198	0.38 254	0.38 206	0.38 245	0.38 206	0.38 247	0.38 212	0.38 221	0.38 225	0.37 251	0.38 210	0.38 241

WAO-7	0.38 192	0.38 128	0.38 217	0.38 173	0.38 255	0.38 205	0.38 249	0.38 197	0.38 246	0.38 198	0.38 254	0.38 206	0.38 245	0.38 206	0.38 247	0.38 212	0.38 221	0.38 225	0.38 260	0.38 210	0.38 241

HanzoNet	0.39 198	0.38 128	0.40 226	0.39 178	0.41 267	0.38 205	0.38 249	0.38 197	0.38 246	0.39 204	0.39 258	0.38 206	0.38 245	0.39 214	0.40 255	0.38 212	0.38 221	0.40 239	0.38 260	0.38 210	0.40 248

IMH	0.38 192	0.38 128	0.38 217	0.38 173	0.38 255	0.38 205	0.38 249	0.38 197	0.38 246	0.42 233	0.38 254	0.40 217	0.38 245	0.38 206	0.38 247	0.38 212	0.38 221	0.39 235	0.38 260	0.38 210	0.38 241

GCAP-Stereo	0.75 276	4.15 408	0.42 239	0.75 263	0.35 241	0.78 310	0.40 255	0.79 300	0.38 246	0.78 311	0.36 244	0.78 313	0.36 239	0.79 309	0.39 252	0.75 295	0.39 228	0.76 313	0.39 263	0.75 284	0.39 245

iRaftStereo_RVC	0.97 320	3.17 388	2.30 431	2.42 409	0.38 255	0.54 287	0.38 249	0.54 275	0.38 246	0.54 282	0.38 254	0.54 285	0.38 245	0.54 283	0.38 247	2.38 424	2.34 427	0.49 283	0.36 249	0.49 255	0.36 233

CFNet_RVC	2.38 424	8.71 449	0.38 217	9.33 468	0.42 276	0.56 289	0.42 267	0.60 284	0.38 246	0.62 293	0.42 272	0.56 292	7.29 472	0.62 293	0.42 267	0.53 272	0.37 215	0.49 283	0.34 239	8.30 468	6.87 475

CES	0.39 198	0.47 163	0.36 213	0.36 167	0.37 250	0.45 253	0.35 232	0.35 182	0.40 254	0.36 192	0.44 276	0.47 257	0.36 239	0.44 247	0.36 238	0.37 205	0.39 228	0.44 262	0.35 243	0.37 201	0.36 233

Selective-IGEV	0.51 244	0.55 186	0.45 244	0.69 255	0.45 280	0.61 296	0.45 272	0.50 264	0.40 254	0.56 287	0.44 276	0.55 289	0.40 250	0.72 303	0.67 310	0.59 276	0.46 249	0.45 264	0.34 239	0.46 241	0.37 237

knoymous	0.40 202	0.40 136	0.40 226	0.40 191	0.40 261	0.40 213	0.40 255	0.40 206	0.40 254	0.40 208	0.40 259	0.40 217	0.40 250	0.40 217	0.40 255	0.40 225	0.40 231	0.40 239	0.40 264	0.40 221	0.40 248

anonymousa	0.40 202	0.40 136	0.40 226	0.40 191	0.40 261	0.40 213	0.40 255	0.40 206	0.40 254	0.40 208	0.40 259	0.40 217	0.40 250	0.40 217	0.40 255	0.40 225	0.40 231	0.40 239	0.40 264	0.40 221	0.40 248

riskmin	0.40 202	0.40 136	0.40 226	0.40 191	0.40 261	0.40 213	0.40 255	0.40 206	0.40 254	0.40 208	0.40 259	0.40 217	0.40 250	0.40 217	0.40 255	0.40 225	0.40 231	0.40 239	0.40 264	0.40 221	0.40 248

Anonymous_2	0.40 202	0.40 136	0.40 226	0.40 191	0.40 261	0.40 213	0.40 255	0.40 206	0.40 254	0.40 208	0.40 259	0.40 217	0.40 250	0.40 217	0.40 255	0.40 225	0.40 231	0.40 239	0.40 264	0.40 221	0.40 248

Anonymous_1	0.40 202	0.40 136	0.40 226	0.40 191	0.40 261	0.40 213	0.40 255	0.40 206	0.40 254	0.40 208	0.40 259	0.40 217	0.40 250	0.40 217	0.40 255	0.40 225	0.40 231	0.40 239	0.40 264	0.40 221	0.40 248

FCDSN-DC	0.41 210	0.59 187	0.64 281	0.54 241	0.33 231	0.50 277	0.37 244	0.42 237	0.40 254	0.61 292	0.43 274	0.50 279	0.49 284	0.38 206	0.32 214	0.28 171	0.23 163	0.26 165	0.22 167	0.35 192	0.28 196
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AdaStereo	0.40 202	0.40 136	0.40 226	0.40 191	0.40 261	0.40 213	0.40 255	0.40 206	0.40 254	0.40 208	0.40 259	0.40 217	0.40 250	0.40 217	0.40 255	0.40 225	0.40 231	0.40 239	0.40 264	0.40 221	0.40 248
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.
GwcNet-ADL	0.41 210	0.41 143	0.41 234	0.41 201	0.41 267	0.41 229	0.41 262	0.41 221	0.41 263	0.41 221	0.41 265	0.41 229	0.41 261	0.41 231	0.41 262	0.41 232	0.41 240	0.41 251	0.41 271	0.41 230	0.41 255

PSMNet-ADL	0.41 210	0.41 143	0.41 234	0.41 201	0.41 267	0.41 229	0.41 262	0.41 221	0.41 263	0.41 221	0.41 265	0.41 229	0.41 261	0.41 231	0.41 262	0.41 232	0.41 240	0.41 251	0.41 271	0.41 230	0.41 255

GANet-ADL	0.41 210	0.41 143	0.41 234	0.41 201	0.41 267	0.41 229	0.41 262	0.41 221	0.41 263	0.41 221	0.41 265	0.41 229	0.41 261	0.41 231	0.41 262	0.41 232	0.41 240	0.41 251	0.41 271	0.41 230	0.41 255

ADLNet2	0.41 210	0.41 143	0.41 234	0.41 201	0.41 267	0.41 229	0.41 262	0.41 221	0.41 263	0.41 221	0.41 265	0.41 229	0.41 261	0.41 231	0.41 262	0.41 232	0.41 240	0.41 251	0.41 271	0.41 230	0.41 255

ADLNet	0.41 210	0.41 143	0.41 234	0.41 201	0.41 267	0.41 229	0.41 262	0.41 221	0.41 263	0.41 221	0.41 265	0.41 229	0.41 261	0.41 231	0.41 262	0.41 232	0.41 240	0.41 251	0.41 271	0.41 230	0.41 255

PAM_32	0.64 256	2.38 365	0.51 265	0.92 283	0.43 278	0.53 285	0.44 270	0.87 307	0.43 268	0.52 278	0.45 278	0.53 284	0.40 250	0.54 283	0.46 274	0.62 282	0.56 272	0.48 279	0.45 281	0.76 285	0.44 265

DispNO	1.00 323	0.63 188	0.43 240	3.45 422	0.44 279	0.65 300	0.43 269	0.64 287	0.43 268	0.64 295	0.43 274	0.64 297	3.03 436	0.64 295	0.43 269	4.55 440	0.43 246	0.63 299	0.43 279	0.63 270	0.43 262

MyStereo07	0.60 253	3.72 398	0.48 256	0.49 227	0.41 267	0.36 196	0.32 211	0.49 256	0.43 268	0.51 275	0.42 272	0.49 265	0.43 267	0.51 278	0.64 304	0.49 261	0.45 247	0.34 197	0.32 231	0.35 192	0.43 262

MyStereo06	0.75 276	4.12 405	0.60 275	0.63 250	0.61 312	0.62 297	0.66 307	0.56 277	0.45 271	0.55 285	0.48 290	0.54 285	0.46 271	0.57 290	0.45 270	0.60 277	0.57 274	0.64 300	0.55 298	0.72 280	0.55 291

WCG-NET	0.40 202	1.29 315	0.24 160	0.32 156	0.25 185	0.32 184	0.27 188	0.44 242	0.46 272	0.35 188	0.26 192	0.35 191	0.27 197	0.35 193	0.45 270	0.42 246	0.25 166	0.62 297	0.25 185	0.48 251	0.26 174

Occ-G	1.12 336	0.52 179	3.72 455	3.50 423	0.50 295	0.56 289	0.47 279	0.54 275	0.46 272	0.54 282	0.41 265	0.54 285	0.42 266	0.52 281	0.42 267	3.42 432	4.02 448	0.52 291	0.45 281	0.51 263	0.44 265

otaku	0.46 226	0.46 159	0.46 247	0.46 213	0.46 282	0.46 257	0.46 274	0.46 245	0.46 272	0.46 245	0.46 280	0.46 252	0.46 271	0.46 252	0.46 274	0.46 249	0.46 249	0.46 267	0.46 283	0.46 241	0.46 268

Dean	0.46 226	0.46 159	0.46 247	0.46 213	0.46 282	0.46 257	0.46 274	0.46 245	0.46 272	0.47 250	0.46 280	0.46 252	0.46 271	0.46 252	0.46 274	0.46 249	0.46 249	0.46 267	0.46 283	0.46 241	0.46 268

ACVNet-4b	0.46 226	0.46 159	0.46 247	0.46 213	0.46 282	0.46 257	0.46 274	0.46 245	0.46 272	0.46 245	0.46 280	0.46 252	0.46 271	0.47 256	0.46 274	0.46 249	0.46 249	0.46 267	0.46 283	0.46 241	0.46 268

Former-RAFT_DAM_RVC	0.49 239	0.98 227	0.64 281	0.84 272	0.46 282	0.45 253	0.35 232	0.47 250	0.47 277	0.45 243	0.34 233	0.46 252	0.48 280	0.46 252	0.35 234	0.39 221	0.71 297	0.39 235	0.35 243	0.41 230	0.41 255

Ntro	0.47 231	0.47 163	0.46 247	0.46 213	0.46 282	0.47 261	0.47 279	0.46 245	0.47 277	0.46 245	0.46 280	0.47 257	0.46 271	0.47 256	0.47 280	0.47 254	0.46 249	0.46 267	0.46 283	0.46 241	0.46 268

HaxPig	0.47 231	0.47 163	0.47 252	0.49 227	0.47 288	0.47 261	0.47 279	0.47 250	0.47 277	0.47 250	0.47 287	0.47 257	0.47 279	0.47 256	0.47 280	0.47 254	0.47 255	0.47 271	0.47 289	0.47 248	0.48 276

UNDER WATER	0.47 231	0.47 163	0.47 252	0.47 219	0.47 288	0.47 261	0.47 279	0.47 250	0.47 277	0.47 250	0.47 287	0.47 257	0.46 271	0.47 256	0.47 280	0.47 254	0.47 255	0.47 271	0.46 283	0.47 248	0.47 274

ACVNet_1	0.46 226	0.47 163	0.46 247	0.46 213	0.46 282	0.46 257	0.46 274	0.46 245	0.47 277	0.46 245	0.46 280	0.46 252	0.46 271	0.46 252	0.46 274	0.46 249	0.46 249	0.47 271	0.46 283	0.46 241	0.46 268

AEACV	1.12 336	0.52 179	3.12 449	3.24 419	0.86 341	0.53 285	0.49 288	0.60 284	0.47 277	0.53 280	0.49 293	0.55 289	0.45 269	0.55 286	0.47 280	3.01 428	3.88 446	0.71 308	0.60 306	0.80 292	0.48 276

fffft	0.48 235	0.51 177	0.45 244	0.52 238	0.45 280	0.52 284	0.45 272	0.52 273	0.48 283	0.53 280	0.45 278	0.52 283	0.45 269	0.52 281	0.46 274	0.51 269	0.41 240	0.50 286	0.41 271	0.50 259	0.41 255
1: 1. 1
RainbowNet	0.48 235	0.48 169	0.48 256	0.48 222	0.48 290	0.48 266	0.48 286	0.48 254	0.48 283	0.48 256	0.48 290	0.48 263	0.48 280	0.48 263	0.48 285	0.48 258	0.48 258	0.48 279	0.48 291	0.48 251	0.48 276

notaker	0.48 235	0.49 170	0.48 256	0.48 222	0.48 290	0.48 266	0.48 286	0.48 254	0.49 285	0.48 256	0.48 290	0.48 263	0.48 280	0.48 263	0.48 285	0.48 258	0.48 258	0.48 279	0.48 291	0.48 251	0.49 279

LVE	0.47 231	0.47 163	0.47 252	0.47 219	0.49 292	0.47 261	0.47 279	0.47 250	0.49 285	0.47 250	0.47 287	0.47 257	0.46 271	0.47 256	0.47 280	0.47 254	0.47 255	0.48 279	0.47 289	0.47 248	0.47 274

ACVNet_2	0.49 239	0.49 170	0.49 260	0.49 227	0.49 292	0.49 269	0.49 288	0.49 256	0.49 285	0.49 261	0.49 293	0.49 265	0.49 284	0.49 269	0.49 287	0.49 261	0.49 260	0.49 283	0.49 293	0.49 255	0.49 279

dual_stereo	0.50 241	0.50 173	0.50 262	0.50 234	0.50 295	0.50 277	0.50 290	0.50 264	0.50 288	0.50 273	0.50 295	0.50 279	0.50 287	0.50 274	0.50 288	0.50 267	0.50 265	0.50 286	0.50 295	0.50 259	0.50 282

AIO-Stereo-zeroshot	0.91 310	0.86 206	0.89 313	1.25 371	0.69 327	1.05 337	0.81 331	1.16 338	0.50 288	1.12 346	0.97 349	0.72 306	0.82 328	1.06 342	0.95 343	0.61 280	0.87 314	1.03 348	0.85 340	1.04 320	1.01 346

MyStereo8	0.71 270	3.92 404	0.52 268	0.59 247	0.52 299	0.57 293	0.53 294	0.59 282	0.50 288	0.59 291	0.51 299	0.57 293	0.50 287	0.56 287	0.52 293	0.54 273	0.49 260	0.54 293	0.49 293	0.55 268	0.50 282

LL-Strereo	1.01 328	5.06 418	1.63 413	0.70 257	1.43 426	0.56 289	0.46 274	0.57 279	0.50 288	0.57 288	0.50 295	1.58 411	0.49 284	0.59 292	0.50 288	1.64 404	0.52 268	0.51 289	1.37 416	0.52 264	0.45 267

SANet	0.50 241	0.50 173	0.50 262	0.50 234	0.50 295	0.50 277	0.50 290	0.50 264	0.50 288	0.50 273	0.50 295	0.50 279	0.50 287	0.50 274	0.50 288	0.50 267	0.50 265	0.50 286	0.50 295	0.50 259	0.50 282

TorneroNet	0.66 259	0.53 181	0.50 262	0.50 234	0.64 316	1.06 338	0.70 316	0.50 264	0.51 293	0.49 261	0.69 323	0.49 265	0.50 287	0.48 263	1.15 357	0.71 292	0.49 260	1.14 351	1.08 352	0.49 255	0.49 279

CASS	0.57 252	0.89 211	0.56 270	0.57 244	0.56 304	0.56 289	0.56 296	0.56 277	0.53 294	0.57 288	0.57 305	0.59 295	0.48 280	0.56 287	0.57 298	0.55 275	0.56 272	0.47 271	0.56 301	0.62 269	0.56 294
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PSMNet_ROB	0.54 248	0.54 184	0.54 269	0.54 241	0.53 302	0.54 287	0.54 295	0.53 274	0.54 295	0.54 282	0.54 302	0.54 285	0.53 292	0.54 283	0.54 295	0.54 273	0.53 269	0.54 293	0.54 297	0.54 267	0.54 287

anonymity	0.63 254	0.69 191	0.56 270	0.71 259	0.56 304	0.71 305	0.56 296	0.71 295	0.56 296	0.72 302	0.56 304	0.71 303	0.56 295	0.71 302	0.58 299	0.68 287	0.55 270	0.68 304	0.55 298	0.68 274	0.54 287

11t	1.27 388	2.70 375	1.34 397	1.32 374	0.89 343	1.30 404	1.34 414	1.64 405	0.57 297	1.45 405	0.72 329	1.05 343	1.29 408	1.07 345	1.29 414	1.49 397	1.02 324	0.97 341	1.15 356	1.48 392	1.31 413

SMoEStereo_RVC	0.63 254	0.75 195	0.51 265	0.73 261	0.53 302	0.71 305	0.47 279	0.67 290	0.58 298	0.74 308	0.60 306	0.72 306	0.53 292	0.74 306	0.51 291	0.61 280	0.62 282	0.62 297	0.61 308	0.63 270	0.61 297

ktn	0.72 273	0.53 181	1.08 332	1.14 312	0.51 298	1.22 399	1.36 416	0.51 271	0.59 299	0.51 275	0.51 299	0.69 302	1.20 356	0.67 299	0.51 291	0.51 269	0.49 260	0.58 295	0.66 314	0.52 264	0.53 286

DDUNet	0.81 292	2.45 366	0.57 272	0.90 278	0.60 307	0.88 319	0.59 299	0.90 312	0.60 300	0.88 318	0.60 306	0.90 326	0.58 296	0.88 319	0.60 301	0.84 308	0.60 276	0.86 327	0.57 302	0.86 300	0.60 296

UDG	0.80 287	2.21 360	0.60 275	0.91 280	0.60 307	0.90 322	0.58 298	0.88 310	0.60 300	0.90 320	0.60 306	0.88 322	0.60 298	0.90 323	0.58 299	0.86 310	0.60 276	0.84 325	0.59 305	0.84 299	0.61 297

STTRV1_RVC	0.82 296	1.60 327	0.70 291	1.01 300	0.60 307	1.07 341	0.69 315	1.01 328	0.60 300	0.72 302	0.55 303	1.02 341	0.68 310	1.03 340	0.67 310	0.89 312	0.63 283	0.92 334	0.57 302	0.90 305	0.65 304

test-3	0.98 322	4.13 407	1.85 424	1.85 389	0.61 312	0.69 302	0.37 244	0.63 286	0.61 303	0.66 297	0.51 299	0.73 308	0.44 268	0.57 290	0.54 295	1.68 405	1.81 421	0.40 239	0.43 279	0.66 272	0.50 282

MyStereo05	0.80 287	4.12 405	0.63 279	0.63 250	0.61 312	0.62 297	0.66 307	0.65 288	0.62 304	0.67 298	0.61 309	0.65 300	0.58 296	0.67 299	0.55 297	0.60 277	0.57 274	0.64 300	0.55 298	0.72 280	0.55 291

RAFT-Stereo + iAFF	0.70 268	0.72 193	0.71 295	0.80 267	0.62 315	0.82 315	0.61 300	0.81 305	0.62 304	0.81 315	0.63 311	0.80 316	0.70 313	0.73 304	0.61 303	0.76 296	0.61 280	0.74 310	0.61 308	0.77 286	0.61 297

DSFCA	0.66 259	0.73 194	0.78 305	0.65 252	0.65 319	0.64 299	0.64 303	0.65 288	0.63 306	0.64 295	0.64 313	0.64 297	0.64 301	0.65 296	0.65 306	0.65 284	0.65 286	0.65 302	0.65 311	0.66 272	0.64 303

MonoStereo	0.83 300	0.89 211	0.72 296	0.88 276	0.64 316	2.26 423	0.64 303	0.88 310	0.64 307	0.89 319	0.64 313	0.88 322	0.64 301	0.88 319	0.64 304	0.83 305	0.61 280	0.86 327	0.65 311	0.83 297	0.61 297

RSM++	0.76 280	0.82 204	0.66 285	0.85 274	0.64 316	0.85 316	0.71 319	0.94 321	0.64 307	0.87 317	0.67 319	0.87 321	0.65 304	0.84 314	0.65 306	0.81 302	0.70 293	0.79 316	0.71 325	0.83 297	0.70 311

plain	1.88 405	3.16 387	0.64 281	3.10 417	0.65 319	3.10 436	0.64 303	3.12 434	0.65 309	3.10 435	0.65 316	3.11 435	0.65 304	3.12 434	0.65 306	3.12 429	0.65 286	3.13 435	0.65 311	3.13 421	0.65 304

LMCR-Stereo	0.65 257	0.63 188	0.65 284	0.65 252	0.65 319	0.66 301	0.63 302	0.58 281	0.65 309	0.63 294	0.64 313	0.65 300	0.65 304	0.66 297	0.66 309	0.66 285	0.64 285	0.65 302	0.67 317	0.68 274	0.73 318

ARAFT	0.68 264	0.81 202	0.63 279	0.74 262	0.60 307	0.78 310	0.62 301	0.77 299	0.66 311	0.74 308	0.63 311	0.75 310	0.62 300	0.83 313	0.60 301	0.70 291	0.55 270	0.70 307	0.60 306	0.78 287	0.55 291

MIF-Stereo (partial)	2.58 429	3.31 391	0.66 285	3.18 418	0.66 322	3.18 437	0.66 307	3.21 435	0.67 312	3.19 436	0.66 318	3.19 436	0.66 307	3.31 438	0.68 314	5.09 455	1.79 420	8.23 475	1.67 428	6.18 459	1.38 420

R-Stereo Train	0.81 292	0.96 224	0.67 288	0.95 290	0.67 323	0.95 327	0.68 312	0.95 323	0.68 313	0.95 330	0.68 320	0.96 334	0.68 310	0.96 333	0.68 314	0.94 319	0.68 288	0.94 336	0.68 318	0.94 312	0.68 309

RAFT-Stereo	0.81 292	0.96 224	0.67 288	0.95 290	0.67 323	0.95 327	0.68 312	0.95 323	0.68 313	0.95 330	0.68 320	0.96 334	0.68 310	0.96 333	0.68 314	0.94 319	0.68 288	0.94 336	0.68 318	0.94 312	0.68 309
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	2.65 430	10.14 460	0.33 196	9.74 471	0.32 221	0.87 318	0.33 219	2.95 433	0.68 313	0.49 261	0.34 233	0.49 265	5.70 467	0.49 269	0.33 219	0.42 246	9.57 472	0.41 251	0.31 227	8.36 469	0.65 304

AIO-Stereo-zeroshot1	0.75 276	0.92 220	0.85 312	0.96 293	0.59 306	1.27 402	0.44 270	0.59 282	0.69 316	0.91 322	0.68 320	0.55 289	0.61 299	1.06 342	0.83 334	0.62 282	0.70 293	0.90 330	0.41 271	0.89 303	0.56 294

UniTT-Stereo	2.03 410	3.43 392	0.72 296	3.42 421	0.73 332	3.27 439	0.68 312	3.38 438	0.69 316	3.29 438	0.72 329	3.28 438	0.70 313	3.35 439	0.68 314	3.39 431	0.68 288	3.31 437	0.69 320	3.37 422	0.73 318

UNet	0.29 152	0.90 214	0.10 60	0.14 88	0.10 101	0.14 108	0.10 99	0.91 314	0.69 316	0.14 108	0.11 113	0.14 109	0.11 112	0.14 111	0.10 95	0.12 81	0.09 58	0.12 104	0.09 93	0.88 302	0.76 323

MaDis-Stereo	3.19 438	6.02 436	1.12 333	5.61 451	1.16 367	5.43 468	1.02 349	5.15 467	0.70 319	5.43 465	1.21 409	5.03 467	0.97 334	4.85 462	0.99 346	4.53 439	1.16 341	5.53 467	1.25 410	5.37 455	1.30 412

DMCA-RVC	0.70 268	0.80 199	0.70 291	0.70 257	0.70 328	0.70 303	0.70 316	0.71 295	0.70 319	0.70 301	0.71 327	0.71 303	0.70 313	0.70 301	0.69 318	0.69 288	0.70 293	0.69 305	0.70 322	0.69 278	0.70 311

MSMD_ROB	1.19 338	1.10 254	0.70 291	1.10 306	0.60 307	1.10 345	0.70 316	1.10 334	0.70 319	1.10 341	0.70 324	1.10 348	0.70 313	7.00 474	0.70 321	1.10 330	0.70 293	1.10 350	0.70 322	1.10 323	0.70 311

KSHMR	0.66 259	0.50 173	0.48 256	1.15 314	0.52 299	0.49 269	0.51 292	0.49 256	0.71 322	0.67 298	0.50 295	1.16 354	1.11 345	0.66 297	0.52 293	0.49 261	0.49 260	0.51 289	0.66 314	0.50 259	1.14 357

AIO-Stereo	0.84 303	0.66 190	0.70 291	0.83 271	0.67 323	0.98 330	0.82 332	1.14 335	0.72 323	1.03 337	0.74 332	1.03 342	1.09 344	0.99 335	0.45 270	1.04 325	0.73 299	0.95 338	0.74 327	0.94 312	0.46 268

MoCha-V2	2.11 412	26.97 480	0.78 305	0.92 283	0.77 335	0.96 329	0.72 320	0.90 312	0.72 323	0.94 328	0.70 324	0.90 326	0.71 317	0.91 324	0.71 322	0.85 309	0.71 297	0.88 329	0.69 320	0.87 301	0.67 308

AFF-stereo	0.73 274	0.88 209	0.67 288	0.75 263	0.68 326	0.75 307	0.64 303	0.80 302	0.72 323	0.83 316	0.70 324	0.82 319	0.64 301	0.84 314	0.67 310	0.77 297	0.63 283	0.81 321	0.63 310	0.78 287	0.62 301

TorneroNet-64	0.45 224	0.27 110	0.30 181	0.58 245	0.27 196	0.70 303	0.30 206	0.28 163	0.73 326	0.73 304	0.28 204	0.71 303	0.66 307	0.75 307	0.27 186	0.27 169	0.29 189	0.37 218	0.75 328	0.28 160	0.30 210

PA-Net	11.80 477	223.51 499	0.62 278	0.59 247	0.71 329	0.59 295	0.73 321	0.67 290	0.73 326	0.55 285	0.61 309	0.60 296	0.74 319	0.63 294	0.73 323	0.66 285	0.60 276	0.69 305	0.66 314	0.72 280	0.65 304
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 303	2.85 381	0.72 296	0.72 260	0.73 332	0.77 308	0.79 326	0.73 297	0.74 328	0.73 304	0.72 329	0.73 308	0.76 322	0.73 304	0.73 323	0.72 293	0.73 299	0.73 309	0.72 326	0.73 283	0.72 315

HH	0.71 270	2.54 368	0.74 300	1.10 306	0.32 221	0.41 229	0.37 244	0.69 292	0.78 329	0.73 304	0.90 341	0.75 310	1.00 336	0.84 314	0.69 318	0.69 288	0.40 231	0.35 210	0.26 192	0.35 192	0.26 174

HanStereo	0.71 270	2.54 368	0.74 300	1.10 306	0.32 221	0.41 229	0.37 244	0.69 292	0.78 329	0.73 304	0.90 341	0.75 310	1.00 336	0.84 314	0.69 318	0.69 288	0.40 231	0.35 210	0.26 192	0.35 192	0.26 174

DCRE	0.84 303	1.89 339	0.77 304	0.94 288	0.72 331	0.88 319	0.73 321	0.87 307	0.78 329	0.90 320	0.71 327	0.88 322	0.67 309	0.88 319	0.73 323	0.81 302	0.68 288	0.81 321	0.70 322	0.82 296	0.70 311

G-Net	0.79 285	0.79 198	0.79 308	0.79 265	0.79 337	0.79 312	0.79 326	0.79 300	0.79 332	0.79 312	0.79 336	0.79 315	0.79 325	0.79 309	0.79 328	0.79 298	0.79 306	0.79 316	0.79 332	0.79 289	0.79 325

HSM-Net_RVC	0.95 319	1.17 260	0.78 305	1.18 321	0.71 329	1.16 352	0.75 323	1.09 333	0.80 333	1.10 341	0.75 333	1.17 355	0.74 319	1.17 354	0.80 330	1.13 336	0.73 299	1.17 357	0.77 329	1.16 329	0.72 315
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	0.80 287	0.80 199	0.80 309	0.80 267	0.80 339	0.80 313	0.80 329	0.80 302	0.80 333	0.80 313	0.80 337	0.80 316	0.80 326	0.80 311	0.80 330	0.80 299	0.80 309	0.80 319	0.80 334	0.80 292	0.80 326

CSAN	0.80 287	0.80 199	0.80 309	0.80 267	0.80 339	0.80 313	0.80 329	0.80 302	0.80 333	0.80 313	0.80 337	0.80 316	0.80 326	0.80 311	0.80 330	0.80 299	0.80 309	0.80 319	0.80 334	0.80 292	0.80 326

RAStereo	2.23 414	3.64 394	0.76 303	3.65 426	0.86 341	3.66 443	0.76 324	3.67 442	0.81 336	3.66 439	0.76 334	3.66 440	0.77 323	3.68 441	0.77 327	3.68 434	0.77 304	3.69 442	0.77 329	3.70 424	0.77 324

ToySt	0.92 312	2.11 353	0.90 316	0.95 290	0.79 337	0.99 331	0.78 325	0.94 321	0.81 336	0.94 328	0.78 335	0.95 333	0.77 323	0.94 329	0.86 336	0.91 313	0.79 306	0.85 326	0.77 329	0.89 303	0.73 318

tt45	1.04 330	0.88 209	1.36 403	0.92 283	1.03 358	1.51 412	0.79 326	0.70 294	0.88 338	0.74 308	0.90 341	1.60 412	0.72 318	1.60 409	0.75 326	0.91 313	0.78 305	1.52 419	0.79 332	1.14 325	1.32 414

UPFNet	0.42 219	1.20 264	0.17 134	0.24 134	0.17 152	0.25 159	0.17 139	1.19 343	0.90 339	0.25 157	0.17 150	0.24 155	0.17 147	0.25 162	0.17 145	0.22 144	0.17 143	0.22 149	0.16 143	1.15 327	0.93 337

psm_up	0.43 220	1.19 263	0.17 134	0.25 138	0.18 158	0.25 159	0.19 148	1.26 395	0.91 340	0.26 164	0.17 150	0.25 160	0.17 147	0.25 162	0.17 145	0.22 144	0.17 143	0.23 155	0.16 143	1.18 335	0.99 341

DPSimNet_ROB	0.97 320	1.18 262	0.81 311	1.10 306	0.91 347	1.02 336	0.82 332	1.04 330	0.91 340	1.03 337	0.86 340	1.28 405	0.82 328	1.03 340	0.89 337	1.17 338	0.81 311	1.02 347	0.82 337	1.08 322	0.81 328

DPSM_ROB	0.92 312	0.91 215	0.91 318	0.91 280	0.92 348	0.92 324	0.92 338	0.92 317	0.91 340	0.93 326	0.91 344	0.92 329	0.90 330	0.91 324	0.92 338	0.92 315	0.91 315	0.91 332	0.92 341	0.93 310	0.93 337

DPSM	0.92 312	0.91 215	0.91 318	0.91 280	0.92 348	0.92 324	0.92 338	0.92 317	0.91 340	0.93 326	0.91 344	0.92 329	0.90 330	0.91 324	0.92 338	0.92 315	0.91 315	0.91 332	0.92 341	0.93 310	0.93 337

pmcnn	0.92 312	0.92 220	0.92 320	0.92 283	0.92 348	0.92 324	0.92 338	0.92 317	0.92 344	0.92 324	0.92 347	0.92 329	0.92 332	0.92 328	0.92 338	0.92 315	0.92 317	0.92 334	0.92 341	0.92 309	0.92 336

ours_stereo	1.20 339	1.21 310	0.90 316	1.64 387	1.11 361	1.35 405	0.67 311	1.76 409	0.93 345	1.70 413	1.10 355	1.39 408	0.75 321	1.41 407	0.81 333	1.60 403	1.03 325	1.33 410	1.00 346	1.61 397	0.72 315

MMNet	0.44 223	1.24 313	0.17 134	0.25 138	0.17 152	0.25 159	0.18 145	1.26 395	0.93 345	0.25 157	0.17 150	0.25 160	0.18 154	0.25 162	0.17 145	0.23 155	0.16 130	0.23 155	0.16 143	1.20 338	0.99 341

delet	0.43 220	1.21 310	0.17 134	0.25 138	0.17 152	0.25 159	0.18 145	1.26 395	0.95 347	0.25 157	0.17 150	0.25 160	0.17 147	0.25 162	0.17 145	0.23 155	0.16 130	0.22 149	0.16 143	1.18 335	0.98 340

DGTPSM_ROB	0.93 316	1.00 230	0.92 320	0.94 288	0.96 351	0.91 323	0.92 338	0.91 314	0.96 348	0.91 322	0.96 348	0.93 332	0.92 332	0.94 329	0.92 338	0.92 315	0.92 317	0.90 330	0.92 341	0.94 312	0.91 335

4D-IteraStereo	0.78 284	3.13 386	0.89 313	0.69 255	0.32 221	0.40 213	0.32 211	0.76 298	0.97 349	0.52 278	0.65 316	0.89 325	0.32 222	0.76 308	0.98 345	0.83 305	0.94 319	0.35 210	0.27 199	0.70 279	0.89 334

Selective-RAFT	0.89 309	0.89 211	0.72 296	1.16 319	0.78 336	1.06 338	0.82 332	0.87 307	0.97 349	1.00 332	0.91 344	0.90 326	1.00 336	0.89 322	0.93 342	0.83 305	0.83 312	0.82 323	0.82 337	0.81 295	0.82 329

Selective-RAFT-Error	0.88 307	0.84 205	0.98 325	0.86 275	0.97 352	0.88 319	0.95 342	0.84 306	0.99 351	0.92 324	0.82 339	0.84 320	0.98 335	0.87 318	0.97 344	0.81 302	0.83 312	0.79 316	0.82 337	0.79 289	0.85 331

GANet	1.00 323	1.00 230	1.00 327	1.00 297	1.00 353	1.00 332	1.00 345	1.00 325	1.00 352	1.00 332	1.00 350	1.00 337	1.00 336	1.00 336	1.00 347	1.00 321	1.00 320	1.00 343	1.00 346	1.00 316	1.00 343

TDLM	1.00 323	1.00 230	1.00 327	1.00 297	1.00 353	1.00 332	1.00 345	1.00 325	1.00 352	1.00 332	1.00 350	1.00 337	1.00 336	1.00 336	1.00 347	1.00 321	1.00 320	1.00 343	1.00 346	1.00 316	1.00 343

CVANet_RVC	1.00 323	1.00 230	1.00 327	1.00 297	1.00 353	1.00 332	1.00 345	1.00 325	1.00 352	1.00 332	1.00 350	1.00 337	1.00 336	1.00 336	1.00 347	1.00 321	1.00 320	1.00 343	1.00 346	1.00 316	1.00 343

trnet	1.01 328	1.01 236	1.01 330	1.01 300	1.01 357	1.01 335	1.01 348	1.01 328	1.01 355	1.01 336	1.01 353	1.01 340	1.01 342	1.01 339	1.01 350	1.01 324	1.01 323	1.01 346	1.01 350	1.01 319	1.01 346

HBP-ISP	1.24 386	1.72 330	1.65 414	1.15 314	0.76 334	1.40 409	0.88 335	1.67 408	1.02 356	1.69 412	1.38 420	1.69 414	1.21 402	1.87 413	1.21 409	1.05 326	0.79 306	0.97 341	0.80 334	1.19 337	0.75 322

GLC_STEREO	1.07 331	1.01 236	1.06 331	1.07 304	1.05 359	1.06 338	1.08 351	1.08 331	1.05 357	1.07 339	1.06 354	1.08 344	1.05 343	1.06 342	1.10 352	1.07 327	1.09 332	1.05 349	1.05 351	1.06 321	1.12 353

edge stereo	2.43 425	27.07 481	1.14 335	1.06 303	1.14 362	1.08 342	1.17 359	1.16 338	1.14 358	1.10 341	1.16 359	1.09 346	1.16 353	1.10 348	1.16 360	1.10 330	1.11 336	1.16 353	1.19 360	1.13 324	1.11 351

RP	2.33 418	25.00 473	1.13 334	1.15 314	1.15 363	1.10 345	1.15 356	1.15 336	1.15 359	1.12 346	1.15 356	1.09 346	1.13 346	1.10 348	1.15 357	1.11 335	1.09 332	1.16 353	1.12 354	1.16 329	1.17 359

AF-Net	2.37 422	25.71 476	1.17 338	1.13 311	1.15 363	1.15 351	1.18 360	1.19 343	1.16 360	1.10 341	1.15 356	1.10 348	1.18 354	1.12 351	1.15 357	1.10 330	1.10 335	1.17 357	1.15 356	1.16 329	1.12 353

RGC	2.36 420	25.48 474	1.19 341	1.15 314	1.15 363	1.10 345	1.16 358	1.17 340	1.16 360	1.12 346	1.16 359	1.11 351	1.13 346	1.09 346	1.18 362	1.10 330	1.15 340	1.16 353	1.12 354	1.14 325	1.12 353

NCC-stereo	2.36 420	25.52 475	1.17 338	1.15 314	1.17 368	1.11 348	1.11 352	1.15 336	1.16 360	1.10 341	1.16 359	1.10 348	1.15 349	1.14 352	1.13 355	1.09 328	1.11 336	1.15 352	1.16 358	1.17 334	1.17 359

Nwc_Net	2.37 422	25.95 477	1.15 337	1.14 312	1.15 363	1.08 342	1.14 355	1.17 340	1.16 360	1.14 349	1.15 356	1.08 344	1.15 349	1.11 350	1.14 356	1.10 330	1.11 336	1.16 353	1.09 353	1.16 329	1.15 358

IGEVStereo-DCA	1.77 402	4.21 409	1.84 422	2.49 411	2.11 440	2.54 431	1.36 416	1.65 406	1.17 364	2.75 432	1.90 435	2.54 431	1.15 349	0.94 329	1.11 353	1.50 398	1.32 393	0.96 339	1.46 422	1.49 393	0.88 332

rrr	1.77 402	4.21 409	1.84 422	2.49 411	2.11 440	2.54 431	1.36 416	1.65 406	1.17 364	2.75 432	1.90 435	2.54 431	1.15 349	0.94 329	1.11 353	1.50 398	1.32 393	0.96 339	1.46 422	1.49 393	0.88 332

stereogan	2.33 418	24.38 471	1.18 340	1.18 321	1.18 370	1.14 350	1.18 360	1.19 343	1.19 366	1.14 349	1.18 363	1.14 353	1.18 354	1.14 352	1.18 362	1.14 337	1.14 339	1.19 360	1.19 360	1.15 327	1.19 361

DisPM	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

CrosDoStereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

PFNet+	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

LCNet	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

HHNet	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

Patchmatch Stereo++	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

STrans-v2	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

TransformOpticalFlow	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

OMP-Stereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

IIG-Stereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

NF-Stereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

OCTAStereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

PSM-softLoss	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

KMStereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

NRIStereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

PSM-adaLoss	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

PSM-AAD	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

FTStereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

ROB_FTStereo_v2	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

ROB_FTStereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

Consistency-Raft	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

KYRaft	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

HUI-Stereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

ASMatch	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

DeepStereo_LL	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

DEmStereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

SST-Stereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

THIR-Stereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

RAFT_R40	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

DRaft	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

PFNet	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

GrayStereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

RE-Stereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

Pruner-Stereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

TVStereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

DeepStereo_RVC	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

RAFT-RH_RVC	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

IRAFT_RVC	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

RAFT-345	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

iRAFT	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

CRE-IMP	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

GMM-Stereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

RAFT-IKP	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

Prome-Stereo	1.20 339	1.20 264	1.20 344	1.20 323	1.20 371	1.20 353	1.20 362	1.20 346	1.20 367	1.20 353	1.20 364	1.20 357	1.20 356	1.20 356	1.20 364	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 362

Abc-Net	2.32 417	24.75 472	1.14 335	1.17 320	1.17 368	1.11 348	1.15 356	1.17 340	1.21 412	1.08 340	1.16 359	1.12 352	1.14 348	1.09 346	1.17 361	1.09 328	1.16 341	1.17 357	1.17 359	1.16 329	1.11 351
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
GANetREF_RVC	1.55 394	1.94 348	1.22 391	1.88 390	1.21 417	1.88 418	1.22 408	1.88 410	1.22 413	1.88 414	1.22 410	1.88 415	1.22 403	1.89 414	1.22 410	1.87 410	1.22 392	1.88 422	1.22 409	1.88 402	1.22 408
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
FAT-Stereo	2.46 426	26.05 478	1.23 393	1.23 370	1.22 419	1.20 353	1.24 410	1.23 394	1.23 414	1.19 352	1.22 410	1.21 402	1.24 404	1.20 356	1.24 411	1.21 385	1.17 343	1.22 407	1.25 410	1.20 338	1.24 410

S-Stereo	2.51 427	26.86 479	1.23 393	1.22 368	1.22 419	1.24 401	1.25 411	1.22 392	1.24 415	1.21 398	1.24 412	1.19 356	1.27 406	1.19 355	1.24 411	1.19 339	1.20 345	1.25 408	1.19 360	1.24 386	1.23 409

FC-DCNN	1.07 331	1.09 251	0.98 325	0.89 277	0.52 299	1.41 410	0.91 337	1.21 391	1.24 415	1.96 416	2.05 441	1.91 416	1.30 409	1.27 404	1.08 351	0.80 299	0.60 276	0.58 295	0.41 271	0.68 274	0.54 287

SPS-STEREO	1.59 395	1.91 342	1.21 390	1.94 393	1.20 371	2.00 420	1.23 409	1.99 413	1.24 415	2.00 418	1.25 413	2.03 419	1.26 405	2.00 417	1.29 414	1.90 413	1.18 344	1.89 423	1.21 408	1.89 403	1.20 362
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
StereoVision	3.15 437	5.00 417	0.89 313	4.83 444	1.00 353	3.93 444	1.27 412	6.37 468	1.34 418	5.67 468	1.26 414	5.84 469	1.27 406	5.03 466	1.24 411	5.10 456	1.09 332	4.61 454	0.57 302	5.62 457	1.12 353

CC-Net-ROB	1.36 390	1.33 319	1.33 396	1.36 377	1.38 424	1.36 407	1.33 413	1.37 401	1.34 418	1.35 402	1.36 418	1.38 407	1.34 410	1.38 406	1.38 418	1.35 393	1.38 402	1.33 410	1.35 413	1.43 391	1.34 416

MaskLacGwcNet_RVC	1.35 389	1.35 320	1.35 399	1.35 376	1.35 421	1.35 405	1.35 415	1.36 400	1.35 420	1.36 403	1.35 416	1.36 406	1.36 411	1.36 405	1.35 416	1.35 393	1.35 399	1.35 412	1.35 413	1.35 389	1.35 417

RASNet	1.49 393	1.65 328	1.45 409	1.38 379	1.43 426	1.47 411	1.36 416	1.38 402	1.36 421	1.39 404	1.60 427	1.45 410	1.45 415	1.51 408	2.21 436	1.53 400	1.36 400	1.36 414	1.36 415	1.66 398	1.36 418

MC-Stereo	1.76 401	2.96 382	1.37 405	2.14 399	1.37 423	2.14 422	1.36 416	2.14 417	1.37 422	2.14 423	1.37 419	2.14 420	1.37 412	2.14 421	1.37 417	1.97 414	1.32 393	1.97 424	1.32 412	1.98 404	1.33 415

PS-NSSS	1.38 392	1.39 322	1.34 397	1.34 375	1.35 421	1.38 408	1.37 421	1.35 399	1.38 423	1.34 401	1.34 415	1.39 408	1.38 413	1.70 411	1.40 419	1.36 395	1.36 400	1.36 414	1.37 416	1.37 390	1.36 418

sCroCo_RVC	2.10 411	2.76 376	1.92 428	2.78 415	1.39 425	2.73 433	1.41 423	2.73 428	1.40 424	2.77 434	1.41 422	2.74 433	1.40 414	2.74 432	1.40 419	2.72 426	1.42 403	2.72 433	1.44 421	2.79 419	1.42 422

test_xeample3	1.10 333	1.81 335	0.61 277	0.84 272	0.49 292	0.77 308	0.66 307	0.92 317	1.40 424	0.68 300	0.46 280	0.78 313	0.54 294	1.72 412	1.48 421	1.34 392	1.52 408	1.35 412	1.67 428	1.33 388	1.55 424

999	1.00 323	1.12 255	0.59 273	1.10 306	1.21 417	1.09 344	0.52 293	1.08 331	1.43 426	1.18 351	1.35 416	0.98 336	0.52 291	0.91 324	0.85 335	0.72 293	1.46 405	0.83 324	0.98 345	0.68 274	1.41 421

DPSMNet_ROB	1.60 397	1.59 326	1.70 416	1.59 382	1.59 428	1.61 413	1.61 425	1.60 403	1.60 427	1.62 411	1.59 426	1.60 412	1.60 417	1.60 409	1.59 423	1.59 401	1.60 410	1.59 420	1.59 425	1.59 396	1.59 425

Anonymous3	2.55 428	3.26 390	1.65 414	3.28 420	1.63 429	3.24 438	1.68 426	3.27 436	1.66 428	3.28 437	1.67 428	3.25 437	1.66 418	3.27 436	1.64 425	3.26 430	1.65 413	3.30 436	1.65 426	4.95 450	1.65 428

UDGNet	2.23 414	5.40 426	1.72 418	2.48 410	1.69 430	2.51 430	1.69 427	2.51 426	1.72 429	2.50 430	1.69 429	2.52 430	1.69 419	2.50 429	1.68 428	2.41 425	1.70 415	2.42 432	1.69 430	2.42 413	1.64 426

MFMNet_re	1.81 404	1.91 342	1.71 417	1.95 394	1.70 431	1.95 419	1.70 428	1.96 412	1.74 430	1.97 417	1.72 430	1.95 417	1.71 420	1.97 416	1.71 429	1.86 409	1.62 411	1.85 421	1.66 427	1.86 401	1.64 426

U	5.15 469	8.49 448	1.81 421	8.49 465	1.77 433	8.49 476	1.77 429	8.51 476	1.77 431	8.49 476	1.77 431	8.50 476	1.78 421	8.58 476	1.77 434	8.54 474	1.78 419	8.55 476	1.78 435	8.55 470	1.84 433

FBW_ROB	2.12 413	2.46 367	1.77 420	2.49 411	1.79 434	2.38 429	1.83 430	2.46 425	1.78 432	2.48 429	1.97 437	2.40 429	1.78 421	2.42 428	1.83 435	2.31 422	1.85 422	2.38 431	1.82 436	2.35 412	1.84 433

ff7	1.68 398	2.68 372	1.35 399	0.97 294	0.89 343	1.84 415	2.15 434	2.12 414	1.80 433	2.05 420	1.56 423	2.33 425	2.12 427	2.23 422	2.25 437	1.31 389	1.07 326	1.48 416	1.41 418	0.90 305	1.04 348

ffff	1.68 398	2.68 372	1.35 399	0.97 294	0.89 343	1.84 415	2.15 434	2.12 414	1.80 433	2.05 420	1.56 423	2.33 425	2.12 427	2.23 422	2.25 437	1.31 389	1.07 326	1.48 416	1.41 418	0.90 305	1.04 348

ccc-4	1.68 398	2.68 372	1.35 399	0.97 294	0.89 343	1.84 415	2.15 434	2.12 414	1.80 433	2.05 420	1.56 423	2.33 425	2.12 427	2.23 422	2.25 437	1.31 389	1.07 326	1.48 416	1.41 418	0.90 305	1.04 348

TRStereo	2.00 407	2.13 354	1.85 424	2.27 404	1.84 435	2.28 425	1.84 431	2.29 420	1.86 436	2.30 425	1.87 432	2.30 422	1.87 423	2.08 418	1.72 431	2.08 418	1.72 416	2.08 426	1.72 431	2.08 405	1.72 429

XX-Stereo	2.00 407	2.13 354	1.85 424	2.27 404	1.84 435	2.28 425	1.84 431	2.29 420	1.86 436	2.30 425	1.87 432	2.30 422	1.87 423	2.08 418	1.72 431	2.08 418	1.72 416	2.08 426	1.72 431	2.08 405	1.72 429

EAI-Stereo	2.00 407	2.13 354	1.85 424	2.27 404	1.84 435	2.28 425	1.84 431	2.29 420	1.86 436	2.30 425	1.87 432	2.30 422	1.87 423	2.08 418	1.72 431	2.08 418	1.72 416	2.08 426	1.72 431	2.08 405	1.72 429

RAFT_CTSACE	1.92 406	3.71 397	1.72 418	1.88 390	1.72 432	2.04 421	1.42 424	2.18 418	1.89 439	2.02 419	1.97 437	1.95 417	2.06 426	1.93 415	1.62 424	1.76 406	1.66 414	2.02 425	1.73 434	1.73 399	1.43 423

NCCL2	2.28 416	2.27 362	2.28 430	2.28 407	2.28 442	2.27 424	2.29 437	2.28 419	2.28 440	2.27 424	2.28 442	2.28 421	2.27 430	2.27 425	2.28 441	2.28 421	2.28 426	2.27 429	2.29 440	2.27 409	2.29 436

STTStereo	3.73 442	30.40 485	2.37 434	2.39 408	2.31 444	2.35 428	2.33 438	2.29 420	2.42 441	2.32 428	2.34 443	2.33 425	2.36 431	2.30 426	2.27 440	2.35 423	2.22 425	2.31 430	2.22 437	2.29 411	2.34 440

SA	4.33 456	7.35 439	6.85 471	5.96 453	4.09 467	3.59 441	3.15 458	3.82 443	2.64 442	3.91 441	3.85 462	3.57 439	2.72 434	3.13 435	4.03 463	7.09 470	6.86 465	3.57 439	3.12 452	3.85 425	3.51 459

sAnonymous2	3.31 439	2.63 370	1.38 406	3.71 427	1.86 438	4.70 462	1.11 352	4.82 463	2.72 443	5.45 466	1.98 439	4.59 454	2.64 432	2.65 430	6.21 472	4.37 436	1.08 330	5.16 465	2.24 438	4.52 435	2.39 441

CroCo_RVC	3.31 439	2.63 370	1.38 406	3.71 427	1.86 438	4.70 462	1.11 352	4.82 463	2.72 443	5.45 466	1.98 439	4.59 454	2.64 432	2.65 430	6.21 472	4.37 436	1.08 330	5.16 465	2.24 438	4.52 435	2.39 441

NLCA_NET_v2_RVC	5.04 467	50.87 492	2.78 436	2.87 416	2.71 445	2.78 434	0.47 279	2.88 432	2.86 445	1.89 415	2.67 444	2.79 434	2.79 435	2.78 433	2.83 442	2.82 427	2.82 429	2.83 434	2.77 443	2.83 420	2.76 444
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
rvit_0105_6	3.87 447	5.73 432	3.10 448	4.69 442	3.12 457	4.54 452	3.02 446	4.56 451	3.04 446	4.54 452	3.03 447	4.54 450	3.04 439	4.56 451	3.05 445	4.58 444	3.05 431	4.58 451	3.05 444	4.58 438	3.05 445

rvit_105_1	3.83 443	5.22 420	3.01 438	4.53 432	3.01 447	4.51 450	3.01 445	4.56 451	3.04 446	4.53 450	3.03 447	4.55 452	3.03 436	4.56 451	3.04 443	4.57 441	3.05 431	4.57 449	3.05 444	4.57 437	3.05 445

rvit_stereo_0081	3.83 443	5.23 421	3.01 438	4.53 432	3.03 449	4.55 456	3.02 446	4.56 451	3.04 446	4.52 448	3.02 445	4.54 450	3.03 436	4.56 451	3.04 443	4.57 441	3.05 431	4.57 449	3.05 444	4.58 438	3.05 445

rvit_stereo_0082	3.86 445	5.82 433	3.01 438	4.53 432	3.03 449	4.54 452	3.02 446	4.56 451	3.04 446	4.53 450	3.02 445	4.55 452	3.04 439	4.57 454	3.05 445	4.57 441	3.05 431	4.58 451	3.05 444	4.58 438	3.06 448

rvit_stereo_0081_aga	3.86 445	5.33 424	3.02 441	4.55 438	3.04 453	4.54 452	3.02 446	4.64 458	3.06 450	4.54 452	3.04 449	4.62 459	3.08 443	4.62 457	3.07 448	4.58 444	3.06 435	4.60 453	3.08 448	4.63 441	3.07 449

rvit_stereo_0080	3.89 448	5.70 430	3.04 443	4.54 435	3.03 449	4.56 457	3.05 452	4.60 455	3.07 451	4.58 455	3.06 450	4.59 454	3.06 441	4.61 455	3.08 449	4.63 446	3.09 436	4.64 455	3.10 449	4.65 442	3.10 450

whm_eth	3.89 448	5.70 430	3.04 443	4.54 435	3.03 449	4.56 457	3.05 452	4.60 455	3.07 451	4.58 455	3.06 450	4.59 454	3.06 441	4.61 455	3.08 449	4.63 446	3.09 436	4.64 455	3.10 449	4.65 442	3.10 450

RAFT+CT+SA	4.28 455	7.62 442	4.91 459	5.55 450	2.28 442	3.09 435	3.64 461	4.49 449	3.07 451	4.80 461	3.35 458	4.77 463	3.70 452	4.29 448	3.05 445	5.58 459	5.98 460	3.58 440	3.78 463	4.26 431	3.72 461

rvit_0105_3	3.91 450	5.33 424	3.06 446	4.60 440	3.07 455	4.60 459	3.06 454	4.62 457	3.08 454	4.60 457	3.07 453	4.62 459	3.08 443	4.67 459	3.10 452	4.70 449	3.11 438	4.77 460	3.19 455	4.77 446	3.14 453

rvit_stereo_0083	3.92 452	5.30 423	3.06 446	4.61 441	3.09 456	4.67 461	3.08 455	4.66 459	3.09 455	4.62 458	3.10 455	4.66 462	3.11 445	4.67 459	3.16 454	4.72 451	3.16 441	4.77 460	3.11 451	4.66 444	3.11 452

rvit_stereo_ft	3.93 453	5.44 428	3.05 445	4.59 439	3.06 454	4.61 460	3.08 455	4.67 460	3.12 456	4.63 459	3.10 455	4.65 461	3.11 445	4.69 461	3.13 453	4.70 449	3.14 440	4.71 459	3.15 453	4.74 445	3.16 454

rvit_0105_4	3.91 450	5.47 429	3.02 441	4.54 435	3.02 448	4.54 452	3.03 450	4.75 461	3.17 457	4.57 454	3.06 450	4.61 458	3.16 447	4.65 458	3.09 451	4.66 448	3.11 438	4.68 458	3.18 454	4.81 447	3.16 454

rvit_0105_5	4.10 454	5.40 426	3.13 451	4.71 443	3.15 458	4.72 464	3.10 457	4.90 465	3.27 458	4.69 460	3.16 457	4.84 464	3.25 448	4.96 463	3.34 456	5.05 454	3.39 443	5.10 464	3.40 456	5.11 452	3.42 457

Sa-1000	4.34 457	8.37 445	6.84 470	6.98 460	4.45 470	3.58 440	3.00 444	3.42 439	3.39 459	2.61 431	4.00 465	3.83 443	4.01 458	3.90 443	3.90 461	5.98 463	5.62 458	3.76 443	2.34 441	4.35 433	2.47 443

DPSNet	3.66 441	3.60 393	3.62 454	3.63 425	3.64 463	3.65 442	3.65 462	3.66 441	3.67 460	3.67 440	3.65 461	3.67 441	3.66 451	3.66 440	3.68 458	3.68 434	3.66 444	3.67 441	3.68 461	3.67 423	3.67 460

TestStereo1	4.60 458	8.41 446	6.44 468	6.86 458	3.79 464	3.97 445	3.78 463	3.99 445	3.74 461	3.97 442	3.52 459	3.94 444	3.58 449	3.98 444	3.72 459	6.82 467	6.50 463	3.76 443	3.66 459	3.90 426	3.74 463

SA-5K	4.60 458	8.41 446	6.44 468	6.86 458	3.79 464	3.97 445	3.78 463	3.99 445	3.74 461	3.97 442	3.52 459	3.94 444	3.58 449	3.98 444	3.72 459	6.82 467	6.50 463	3.76 443	3.66 459	3.90 426	3.74 463

test_3	5.01 466	8.86 451	7.77 474	8.09 463	2.76 446	4.13 447	4.05 467	3.88 444	3.76 463	4.33 446	4.13 466	3.71 442	3.91 455	4.21 447	4.06 464	7.93 471	7.69 468	4.53 447	3.91 464	4.17 430	4.29 469

test_4	4.88 464	8.13 444	6.98 472	7.46 461	4.44 469	4.25 448	3.85 465	4.04 447	3.92 464	4.13 444	3.91 463	4.18 447	3.84 454	4.14 446	4.06 464	7.01 469	7.13 466	4.53 447	3.72 462	4.09 429	3.72 461

cross-raft	4.83 463	7.52 440	6.43 467	6.63 456	3.96 466	4.51 450	3.99 466	4.49 449	3.96 465	4.52 448	3.96 464	4.50 449	3.97 457	4.50 450	3.97 462	6.65 465	6.44 462	4.33 446	3.92 465	4.35 433	3.91 466

test_5	4.62 461	7.55 441	6.23 466	6.32 455	3.40 461	5.29 467	3.50 460	3.53 440	4.11 466	4.28 445	4.47 469	4.26 448	4.38 461	3.68 441	3.24 455	5.89 461	5.60 457	4.84 462	3.50 457	4.33 432	3.93 467

DispFullNet	4.61 460	4.84 415	3.12 449	5.00 446	3.57 462	4.75 465	3.03 450	7.75 474	4.17 467	4.91 463	3.09 454	6.20 470	3.95 456	6.71 470	3.51 457	5.30 457	3.67 445	5.86 471	3.63 458	5.61 456	3.46 458

SGM-Forest	5.21 470	5.92 435	4.08 456	6.18 454	4.16 468	6.31 470	4.34 469	6.50 469	4.33 468	6.14 470	4.21 467	6.61 473	4.55 462	6.67 469	4.48 467	5.94 462	3.94 447	5.85 470	4.03 467	5.79 458	4.17 468
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
raft_robust	4.71 462	7.75 443	5.40 465	6.81 457	3.31 459	4.28 449	4.20 468	4.32 448	4.37 469	4.35 447	4.35 468	4.14 446	3.75 453	4.30 449	4.20 466	6.67 466	6.37 461	3.36 438	4.24 469	4.86 449	3.25 456

TestStereo	4.88 464	4.75 414	4.79 458	4.87 445	4.92 471	4.81 466	4.90 471	4.78 462	4.77 470	4.87 462	4.89 470	4.90 465	4.91 463	4.99 464	4.79 468	4.98 452	4.87 453	4.87 463	4.92 471	5.00 451	5.00 470

test-1	6.46 471	9.16 453	8.03 477	8.09 463	5.62 474	6.11 469	6.35 474	6.85 471	4.94 471	6.08 469	6.29 476	4.98 466	6.43 468	6.22 467	6.36 474	6.16 464	7.47 467	5.82 469	5.44 474	7.11 464	5.68 473

rvit_stereo_0075_2	6.64 472	8.80 450	5.25 461	7.89 462	5.27 473	7.90 475	5.27 472	7.92 475	5.28 472	7.91 475	5.29 473	7.93 475	5.27 464	7.92 475	5.28 469	7.93 471	5.28 456	7.93 474	5.29 473	7.93 467	5.28 472

SGM+DAISY	7.06 474	9.15 452	5.38 464	8.84 467	5.18 472	8.80 477	5.31 473	8.79 477	5.28 472	8.89 477	5.20 472	8.93 477	5.33 465	8.95 477	5.36 470	8.70 475	5.21 455	8.74 477	5.20 472	8.89 471	5.15 471

FC-DCNN v2	5.10 468	5.15 419	4.49 457	5.07 447	3.37 460	6.87 471	4.75 470	5.04 466	6.34 474	7.84 474	5.06 471	6.72 474	4.09 459	4.99 464	5.44 471	5.03 453	3.16 441	4.67 457	4.86 470	5.15 453	3.89 465

RAFT	6.73 473	9.36 454	7.40 473	8.51 466	6.55 475	6.88 472	6.60 475	6.79 470	6.60 475	6.80 471	6.72 477	5.31 468	5.50 466	6.61 468	6.61 475	8.42 473	5.89 459	5.73 468	5.45 475	6.61 460	6.24 474

test-v	7.53 475	11.89 462	7.98 475	9.36 469	7.14 476	7.06 473	7.09 476	7.37 472	6.91 476	7.29 472	5.71 474	6.45 471	6.93 469	6.73 471	7.27 476	8.93 476	7.85 469	6.98 472	6.80 476	7.56 465	7.34 476

test-2	7.53 475	11.89 462	7.98 475	9.36 469	7.14 476	7.06 473	7.09 476	7.37 472	6.91 476	7.29 472	5.71 474	6.45 471	6.93 469	6.73 471	7.27 476	8.93 476	7.85 469	6.98 472	6.80 476	7.56 465	7.34 476

MANE	19.05 478	23.00 470	15.00 478	23.00 484	15.00 478	24.00 484	16.00 478	24.00 484	16.00 478	22.00 484	15.00 478	23.00 484	16.00 478	23.00 484	15.00 478	22.00 484	15.00 478	22.00 484	15.00 478	22.00 484	15.00 478

rafts_anoy	20.00 479	20.00 464	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479

raft+_RVC	20.00 479	20.00 464	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479

raftrobust	20.00 479	20.00 464	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479

CasAABBNet	20.00 479	20.00 464	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479

RALCasStereoNet	20.00 479	20.00 464	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479

RALAANet	20.00 479	20.00 464	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 479

WCMA_ROB	31.10 486	35.43 490	27.12 485	39.51 493	23.10 485	38.78 493	25.30 485	37.49 493	25.39 485	37.29 492	27.02 485	38.52 493	26.48 485	37.80 492	26.44 485	36.28 492	22.65 485	33.90 489	22.30 485	37.10 490	24.18 485

111	30.40 485	30.94 486	29.72 486	32.61 485	30.02 486	33.57 485	30.47 486	31.50 485	29.39 486	30.98 485	29.11 486	29.78 485	30.39 489	29.45 485	30.76 489	30.08 485	29.02 486	29.92 485	30.32 489	29.86 485	30.17 486

ADStereo(finetuned)	36.13 488	36.63 491	38.07 493	36.97 490	33.25 490	35.91 490	34.45 490	36.36 492	32.99 487	38.14 493	36.71 493	36.69 492	34.13 490	38.57 493	40.79 493	37.60 493	36.58 493	35.90 493	33.36 490	35.42 488	34.04 490

tt	500032.53 500	34.60 488	29.72 486	37.47 491	34.41 491	36.85 491	35.22 491	34.71 489	33.55 488	34.50 486	35.43 490	33.81 489	10000000.00 503	33.57 489	33.13 490	33.68 489	35.00 491	34.03 490	35.26 492	30.96 486	34.63 491

DCANet	500032.53 500	34.60 488	29.72 486	37.47 491	34.41 491	36.85 491	35.22 491	34.71 489	33.55 488	34.50 486	35.43 490	33.81 489	10000000.00 503	33.57 489	33.13 490	33.68 489	35.00 491	34.03 490	35.26 492	30.96 486	34.63 491

DCANet-4	35.22 487	34.54 487	35.08 492	33.58 489	35.47 493	34.55 486	35.53 493	36.08 491	35.85 490	35.92 491	35.77 492	35.18 491	35.48 491	35.39 491	37.15 492	34.55 491	33.92 490	35.02 492	34.90 491	35.79 489	34.74 493

MDST_ROB	69.83 489	87.70 493	41.95 494	113.75 496	65.62 496	75.05 494	55.25 495	75.64 495	45.04 491	71.61 494	41.75 494	72.81 494	44.06 492	68.38 494	44.63 494	101.89 496	59.57 496	107.10 496	61.05 496	104.38 493	59.38 496

CBMV	128.50 491	1422.70 504	53.10 495	79.50 495	51.30 495	77.30 495	49.70 494	74.00 494	48.20 492	77.20 495	48.80 495	73.90 495	48.00 493	73.80 495	48.80 495	70.40 495	45.10 495	68.90 495	46.10 495	68.20 492	45.00 495
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 490	153.00 497	121.00 497	51.00 494	44.00 494	165.00 497	127.00 496	153.00 496	119.00 493	164.00 497	125.00 496	168.00 497	120.00 494	153.00 496	117.00 496	49.00 494	44.00 494	49.00 494	44.00 494	49.00 491	44.00 494

MeshStereo	159.24 492	171.00 498	160.68 500	162.58 497	160.59 497	164.01 496	160.35 497	158.51 497	158.56 494	158.34 496	160.12 497	158.56 496	159.92 495	157.26 497	158.94 497	154.38 497	158.36 497	155.75 497	159.13 498	153.67 494	154.07 497
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
DLCB_ROB	284.23 496	354.61 500	207.27 501	363.24 501	206.46 498	364.72 501	210.41 498	364.72 501	210.41 495	364.81 501	208.64 499	364.81 501	208.64 497	364.72 501	210.41 499	354.70 501	205.53 499	354.70 501	205.53 500	354.70 498	205.53 499

AE-Stereo	201.80 493	123.00 494	115.00 496	219.00 498	218.00 499	223.00 498	244.00 499	217.00 498	236.00 496	202.00 498	203.00 498	205.00 498	208.00 496	225.00 498	204.00 498	210.00 498	198.00 498	197.00 498	184.00 499	204.00 495	201.00 498

MGS-Stereo	239.45 494	123.00 494	135.00 498	266.00 499	286.00 500	277.00 499	305.00 500	271.00 499	242.00 497	274.00 499	279.00 500	255.00 499	270.00 498	268.00 499	297.00 500	221.00 499	247.00 500	216.00 499	123.00 497	217.00 496	217.00 500

EGLCR-Stereo	246.90 495	129.00 496	139.00 499	266.00 499	286.00 500	277.00 499	305.00 500	271.00 499	242.00 497	274.00 499	279.00 500	255.00 499	270.00 498	268.00 499	297.00 500	230.00 500	247.00 500	216.00 499	223.00 501	237.00 497	227.00 501

LE_ROB	396.57 497	471.28 501	329.84 502	471.48 502	308.15 502	526.83 502	322.10 502	488.15 502	323.76 499	495.46 502	317.97 502	497.17 502	320.10 500	481.62 502	326.76 502	462.71 502	298.97 502	466.16 502	285.98 502	447.62 499	289.21 502

SGM-ForestM	596.69 498	677.77 502	444.52 503	699.85 503	517.25 503	732.94 503	488.29 503	770.79 503	460.11 500	750.81 503	487.98 503	792.79 503	499.41 501	730.90 503	475.81 503	720.03 503	491.16 503	663.96 503	418.60 503	674.76 500	436.05 503

CBMV_ROB	818.48 499	913.88 503	709.52 504	862.84 504	597.78 504	1073.99 504	700.52 504	1015.66 504	702.59 501	1115.65 504	760.02 504	1130.24 504	721.57 502	1037.41 504	692.65 504	814.05 504	564.29 504	843.28 504	595.31 504	915.51 501	602.92 504

IGEV-Stereo++	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 503	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505

IGEV-BASED-STEREO-	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 503	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505

IGEV-Stereo+	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 503	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505

SDNR	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 503	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505

anonymousdsp2	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 503	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505

anonymousdsp	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 503	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505

fff	1000028.16 502	29.62 482	29.72 486	32.61 485	30.02 486	35.13 487	31.83 487	32.07 486	10000000.00 502	35.27 488	29.82 487	32.45 486	30.15 486	32.35 486	30.09 486	31.04 486	29.55 487	30.64 486	30.14 486	10000000.00 502	30.77 487

csc	1000028.16 502	29.62 482	29.72 486	32.61 485	30.02 486	35.13 487	31.83 487	32.07 486	10000000.00 502	35.27 488	29.82 487	32.45 486	30.15 486	32.35 486	30.09 486	31.04 486	29.55 487	30.64 486	30.14 486	10000000.00 502	30.77 487

cscssc	1000028.16 502	29.62 482	29.72 486	32.61 485	30.02 486	35.13 487	31.83 487	32.07 486	10000000.00 502	35.27 488	29.82 487	32.45 486	30.15 486	32.35 486	30.09 486	31.04 486	29.55 487	30.64 486	30.14 486	10000000.00 502	30.77 487

test_example2	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 503	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505

DIP-Stereo	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 503	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 505
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark