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

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

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

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

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 38	0.02 12	0.02 13	1.01 285	0.03 40	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 57	0.09 87	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 39	0.02 12	0.04 32	0.90 265	0.06 88	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 108	0.36 227	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 71	0.02 12	0.02 13	1.62 369	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 70	0.04 61	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 43

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 40	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 44	0.03 33	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

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

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

BEATNet_4x	0.11 71	0.03 27	0.03 29	1.60 367	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 66	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

ADCL	0.11 71	0.03 27	0.03 29	1.60 367	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 66	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

ADCRef	0.12 79	0.03 27	0.04 32	1.71 370	0.04 65	0.03 36	0.03 40	0.04 62	0.04 67	0.04 60	0.03 44	0.04 62	0.03 44	0.06 70	0.04 61	0.04 32	0.04 33	0.04 59	0.04 63	0.03 39	0.04 64

ADCPNet	0.10 50	0.03 27	0.04 32	1.27 356	0.03 40	0.04 63	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.08 86	0.04 61	0.04 32	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

GASNet	0.05 29	0.04 31	0.12 87	0.04 26	0.04 65	0.04 63	0.05 75	0.04 62	0.04 67	0.12 103	0.04 74	0.06 80	0.04 70	0.04 57	0.04 61	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

FADNet-RVC-Resample	0.12 79	0.04 31	0.04 32	0.04 26	0.04 65	0.04 63	0.04 66	0.04 62	0.04 67	0.04 60	0.04 74	0.04 62	0.04 70	0.04 57	1.57 403	0.04 32	0.04 33	0.04 59	0.05 77	0.04 62	0.06 83

FADNet_RVC	0.12 79	0.04 31	0.04 32	0.05 32	0.04 65	0.04 63	0.04 66	0.04 62	0.04 67	0.04 60	0.04 74	0.04 62	0.05 76	0.04 57	1.65 407	0.05 39	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

FADNet-RVC	0.13 84	0.04 31	0.04 32	0.04 26	0.04 65	0.04 63	0.05 75	0.04 62	0.04 67	0.04 60	0.05 82	0.04 62	0.05 76	0.04 57	1.71 410	0.04 32	0.04 33	0.04 59	0.04 63	0.07 84	0.04 64

AnyNet_C32	0.14 93	0.04 31	0.03 29	2.22 383	0.04 65	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.04 62	0.02 21	0.07 83	0.04 61	0.02 14	0.02 14	0.03 34	0.03 46	0.02 19	0.03 43

ADCP+	0.15 103	0.04 31	0.04 32	2.20 382	0.04 65	0.04 63	0.04 66	0.04 62	0.04 67	0.04 60	0.05 82	0.04 62	0.04 70	0.08 86	0.04 61	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

NVStereoNet_ROB	0.04 26	0.04 31	0.04 32	0.04 26	0.04 65	0.04 63	0.04 66	0.04 62	0.04 67	0.04 60	0.04 74	0.04 62	0.04 70	0.04 57	0.04 61	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Wz-Net-TNSev	0.02 14	0.05 38	0.04 32	0.07 35	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 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

APVNet	0.09 39	0.05 38	0.04 32	0.05 32	0.04 65	0.05 73	0.90 317	0.06 77	0.04 67	0.05 75	0.04 74	0.05 74	0.04 70	0.05 66	0.04 61	0.05 39	0.04 33	0.05 69	0.04 63	0.05 74	0.05 78

EDNetEfficient	0.04 26	0.05 38	0.04 32	0.04 26	0.03 40	0.04 63	0.03 40	0.04 62	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.04 57	0.03 39	0.05 39	0.03 28	0.05 69	0.03 46	0.04 62	0.03 43

FADNet	0.12 79	0.05 38	0.04 32	0.04 26	0.04 65	0.04 63	0.04 66	0.04 62	0.04 67	0.04 60	0.04 74	0.04 62	0.05 76	0.04 57	1.66 408	0.06 43	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

EDNetEfficientorigin	0.04 26	0.06 42	0.04 32	0.05 32	0.04 65	0.05 73	0.04 66	0.05 72	0.04 67	0.05 75	0.04 74	0.05 74	0.04 70	0.05 66	0.04 61	0.05 39	0.03 28	0.06 75	0.03 46	0.04 62	0.03 43

FADE	0.07 36	0.06 42	0.02 13	0.09 41	0.10 98	0.03 36	0.03 40	0.05 72	0.03 47	0.04 60	0.03 44	0.05 74	0.03 44	0.04 57	0.03 39	0.15 109	0.10 60	0.17 125	0.13 132	0.11 100	0.11 105

GwcNet	0.12 79	0.07 44	0.05 45	0.08 37	0.05 80	0.08 85	1.20 343	0.07 85	0.05 80	0.05 75	0.05 82	0.08 86	0.05 76	0.08 86	0.03 39	0.07 45	0.05 43	0.06 75	0.05 77	0.07 84	0.05 78

AASNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 80	0.06 75	0.05 75	0.05 72	0.06 87	0.06 78	0.06 87	0.05 74	0.06 87	0.06 70	0.05 71	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

SACVNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 80	0.06 75	0.05 75	0.05 72	0.06 87	0.06 78	0.06 87	0.05 74	0.06 87	0.06 70	0.05 71	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

AACVNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 80	0.06 75	0.05 75	0.05 72	0.06 87	0.06 78	0.06 87	0.05 74	0.06 87	0.06 70	0.05 71	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

FINET	0.07 36	0.08 45	0.07 46	0.07 35	0.07 89	0.08 85	0.06 86	0.08 88	0.07 90	0.08 85	0.07 90	0.08 86	0.06 87	0.07 83	0.07 82	0.08 47	0.07 44	0.07 80	0.07 84	0.06 77	0.06 83

BEATNet-Init1	0.19 117	0.08 45	0.08 48	2.23 384	0.08 90	0.08 85	0.07 89	0.07 85	0.08 92	0.08 85	0.07 90	0.08 86	0.07 91	0.11 102	0.08 84	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

DeepPrunerF	0.19 117	0.08 45	0.08 48	2.23 384	0.08 90	0.08 85	0.07 89	0.07 85	0.08 92	0.08 85	0.07 90	0.08 86	0.07 91	0.11 102	0.08 84	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

Wz-Net-SNSev	0.03 25	0.09 51	0.07 46	0.09 41	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 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

SepStereo	0.09 39	0.09 51	0.10 57	0.09 41	0.09 92	0.09 89	0.09 91	0.10 90	0.08 92	0.10 89	0.09 93	0.09 90	0.09 94	0.09 89	0.08 84	0.09 53	0.08 46	0.09 87	0.08 88	0.09 89	0.08 86

AnonymousM	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SuperB	0.21 126	0.10 53	2.51 417	0.12 68	0.09 92	0.10 90	0.09 91	0.08 88	0.07 90	0.10 89	0.09 93	0.09 90	0.07 91	0.07 83	0.07 82	0.07 45	0.08 46	0.07 80	0.07 84	0.08 86	0.07 85

PVD	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SHD	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SAMSARA	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

XQC	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTSC	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTS	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTSA	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

MADNet+	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

MADNet++	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

JetBlue	0.11 71	0.11 64	0.12 87	0.13 81	0.14 133	0.11 101	0.11 108	0.11 102	0.11 110	0.11 101	0.11 110	0.11 102	0.11 109	0.12 106	0.12 117	0.11 73	0.11 81	0.11 98	0.11 108	0.11 100	0.11 105

aanetorigin	0.13 84	0.11 64	0.11 76	0.11 62	0.11 113	0.11 101	0.11 108	0.11 102	0.11 110	0.11 101	0.12 120	0.11 102	0.11 109	0.11 102	0.11 103	0.11 73	0.11 81	0.14 105	0.11 108	0.49 244	0.11 105

JetRed	0.11 71	0.12 66	0.11 76	0.11 62	0.11 113	0.11 101	0.14 128	0.11 102	0.11 110	0.12 103	0.11 110	0.11 102	0.11 109	0.11 102	0.11 103	0.11 73	0.16 127	0.11 98	0.11 108	0.11 100	0.11 105

LRCNet_RVC	0.13 84	0.13 67	0.09 53	0.13 81	0.10 98	0.14 105	0.10 96	0.14 106	0.10 96	0.23 145	0.10 97	0.20 132	0.10 98	0.24 154	0.11 103	0.11 73	0.09 55	0.12 101	0.14 136	0.12 105	0.09 89

GMStereo	0.14 93	0.13 67	0.14 111	0.14 85	0.14 133	0.14 105	0.14 128	0.14 106	0.14 133	0.14 105	0.14 137	0.14 106	0.14 132	0.14 108	0.14 127	0.14 100	0.14 122	0.14 105	0.14 136	0.14 108	0.14 130
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 128	0.13 67	0.19 139	0.23 126	0.10 98	0.26 162	1.02 330	0.14 106	0.10 96	0.28 163	0.14 137	0.17 123	0.19 155	0.28 172	0.09 87	0.22 141	0.16 127	0.23 152	0.17 154	0.11 100	0.12 121

DRN-Test	0.14 93	0.13 67	0.09 53	0.14 85	0.09 92	0.15 111	0.09 91	0.14 106	0.10 96	0.14 105	0.09 93	0.14 106	0.09 94	0.13 107	0.09 87	0.12 78	0.09 55	0.12 101	0.09 90	0.12 105	0.73 301

StereoDRNet	0.15 103	0.14 71	0.10 57	0.14 85	0.09 92	0.15 111	0.09 91	0.14 106	0.09 95	0.14 105	0.10 97	0.14 106	0.09 94	0.14 108	0.09 87	0.13 94	0.10 60	0.13 104	0.09 90	0.13 107	0.82 312

testlalala2	0.13 84	0.16 72	0.11 76	0.15 94	0.11 113	0.16 118	0.11 108	0.16 118	0.11 110	0.16 115	0.11 110	0.16 116	0.11 109	0.16 117	0.11 103	0.14 100	0.11 81	0.14 105	0.11 108	0.14 108	0.11 105

GMStereo_Zeroshot	0.16 111	0.16 72	0.16 127	0.16 102	0.16 148	0.16 118	0.16 135	0.16 118	0.16 144	0.16 115	0.16 145	0.16 116	0.16 142	0.16 117	0.16 141	0.16 117	0.16 127	0.16 120	0.16 140	0.16 121	0.16 131

testlalala_base	0.13 84	0.16 72	0.11 76	0.15 94	0.11 113	0.15 111	0.11 108	0.16 118	0.11 110	0.16 115	0.11 110	0.16 116	0.11 109	0.16 117	0.11 103	0.14 100	0.11 81	0.14 105	0.11 108	0.14 108	0.11 105

HSM	0.14 93	0.16 72	0.12 87	0.17 108	0.12 128	0.17 123	0.11 108	0.17 123	0.11 110	0.17 121	0.12 120	0.17 123	0.12 125	0.17 123	0.12 117	0.16 117	0.11 81	0.16 120	0.11 108	0.16 121	0.12 121

ELAS_RVC	0.14 93	0.16 72	0.10 57	0.15 94	0.10 98	0.18 125	0.11 108	0.19 127	0.11 110	0.19 125	0.12 120	0.18 126	0.11 109	0.19 128	0.12 117	0.14 100	0.08 46	0.14 105	0.09 90	0.15 118	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 84	0.16 72	0.11 76	0.15 94	0.09 92	0.18 125	0.11 108	0.18 125	0.11 110	0.17 121	0.11 110	0.18 126	0.11 109	0.18 125	0.11 103	0.14 100	0.08 46	0.14 105	0.08 88	0.14 108	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ITSA-stereo	0.15 103	0.17 78	0.13 106	0.20 114	0.13 131	0.19 128	0.13 126	0.18 125	0.13 131	0.19 125	0.13 132	0.18 126	0.14 132	0.18 125	0.14 127	0.16 117	0.11 81	0.15 118	0.14 136	0.18 128	0.11 105

SGM_RVC	0.15 103	0.17 78	0.11 76	0.18 109	0.11 113	0.19 128	0.11 108	0.19 127	0.12 128	0.19 125	0.12 120	0.20 132	0.12 125	0.19 128	0.12 117	0.16 117	0.11 81	0.17 125	0.10 96	0.17 124	0.10 93
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 111	0.18 80	0.13 106	0.19 112	0.13 131	0.19 128	0.13 126	0.19 127	0.13 131	0.19 125	0.13 132	0.19 130	0.13 129	0.19 128	0.13 123	0.18 130	0.13 119	0.18 134	0.13 132	0.18 128	0.13 127

IGEV_Zeroshot_test	0.20 119	0.19 81	0.40 217	0.30 146	0.17 149	0.22 142	0.17 136	0.21 137	0.17 146	0.20 130	0.17 147	0.21 140	0.18 150	0.21 142	0.17 142	0.20 133	0.16 127	0.20 138	0.16 140	0.20 133	0.17 138

ACVNet	0.20 119	0.19 81	0.14 111	0.20 114	0.14 133	0.20 132	0.96 324	0.21 137	0.14 133	0.20 130	0.13 132	0.21 140	0.14 132	0.20 132	0.14 127	0.17 122	0.12 95	0.17 125	0.12 124	0.17 124	0.12 121

acv_ft	0.20 119	0.19 81	0.14 111	0.20 114	0.14 133	0.20 132	0.96 324	0.21 137	0.14 133	0.20 130	0.13 132	0.21 140	0.14 132	0.20 132	0.14 127	0.17 122	0.12 95	0.17 125	0.12 124	0.17 124	0.12 121

LALA_ROB	0.15 103	0.19 81	0.12 87	0.18 109	0.11 113	0.20 132	0.12 123	0.21 137	0.12 128	0.20 130	0.12 120	0.20 132	0.12 125	0.21 142	0.13 123	0.17 122	0.10 60	0.18 134	0.11 108	0.18 128	0.11 105

model_zeroshot	0.27 144	0.20 85	0.27 167	0.33 156	0.21 167	0.37 196	0.22 158	0.37 186	0.24 167	0.26 160	0.27 192	0.33 179	0.21 164	0.25 158	0.27 181	0.32 179	0.20 148	0.34 192	0.23 168	0.25 149	0.26 169

ProNet	0.14 93	0.20 85	0.14 111	0.16 102	0.11 113	0.16 118	0.11 108	0.17 123	0.11 110	0.17 121	0.12 120	0.17 123	0.13 129	0.17 123	0.12 117	0.15 109	0.11 81	0.16 120	0.11 108	0.15 118	0.12 121

DAS	0.20 119	0.20 85	0.20 142	0.20 114	0.20 160	0.20 132	0.20 147	0.20 131	0.20 155	0.20 130	0.20 160	0.20 132	0.20 159	0.20 132	0.20 155	0.20 133	0.20 148	0.20 138	0.20 158	0.20 133	0.20 145

IPLG	0.13 84	0.20 85	0.14 111	0.15 94	0.11 113	0.14 105	0.11 108	0.14 106	0.11 110	0.14 105	0.11 110	0.14 106	0.11 109	0.14 108	0.11 103	0.15 109	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

IPLGR_C	0.14 93	0.20 85	0.12 87	0.15 94	0.11 113	0.14 105	0.15 132	0.14 106	0.11 110	0.15 111	0.12 120	0.14 106	0.11 109	0.16 117	0.11 103	0.15 109	0.12 95	0.14 105	0.12 124	0.15 118	0.12 121

ASD4	0.20 119	0.20 85	0.20 142	0.20 114	0.20 160	0.20 132	0.20 147	0.20 131	0.20 155	0.20 130	0.20 160	0.20 132	0.20 159	0.20 132	0.20 155	0.20 133	0.20 148	0.20 138	0.20 158	0.20 133	0.20 145

MSKI-zero shot	0.24 134	0.21 91	0.49 250	0.65 241	0.18 154	0.22 142	0.17 136	0.23 144	0.18 147	0.21 139	0.17 147	0.23 148	0.28 198	0.23 150	0.18 149	0.21 138	0.16 127	0.21 141	0.16 140	0.21 137	0.16 131

CIPLG	0.13 84	0.21 91	0.12 87	0.16 102	0.11 113	0.15 111	0.11 108	0.14 106	0.11 110	0.15 111	0.12 120	0.15 115	0.11 109	0.14 108	0.11 103	0.15 109	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

MIPNet	0.14 93	0.21 91	0.17 131	0.16 102	0.11 113	0.15 111	0.12 123	0.14 106	0.11 110	0.16 115	0.11 110	0.14 106	0.11 109	0.14 108	0.11 103	0.14 100	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

ACRE	0.13 84	0.21 91	0.14 111	0.15 94	0.11 113	0.14 105	0.11 108	0.14 106	0.11 110	0.14 105	0.12 120	0.14 106	0.11 109	0.14 108	0.11 103	0.15 109	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

Pointernet	0.21 126	0.22 95	0.19 139	0.24 131	0.19 158	0.24 149	0.19 144	0.24 147	0.19 153	0.24 150	0.19 157	0.24 152	0.19 155	0.24 154	0.19 152	0.22 141	0.17 140	0.22 146	0.17 154	0.22 139	0.17 138

test_for_model	0.15 103	0.23 96	0.18 136	0.21 123	0.11 113	0.16 118	0.11 108	0.16 118	0.11 110	0.16 115	0.11 110	0.16 116	0.11 109	0.16 117	0.11 103	0.21 138	0.18 145	0.14 105	0.11 108	0.14 108	0.11 105

WAO-6	0.22 128	0.23 96	0.22 147	0.23 126	0.22 169	0.22 142	0.22 158	0.22 141	0.22 160	0.22 141	0.22 166	0.22 145	0.22 165	0.22 146	0.22 160	0.22 141	0.22 155	0.22 146	0.22 163	0.22 139	0.22 151

IMH-64-1	0.22 128	0.23 96	0.23 150	0.22 124	0.22 169	0.22 142	0.22 158	0.22 141	0.22 160	0.22 141	0.22 166	0.22 145	0.22 165	0.22 146	0.22 160	0.22 141	0.22 155	0.23 152	0.22 163	0.22 139	0.23 152

IMH-64	0.22 128	0.23 96	0.23 150	0.22 124	0.22 169	0.22 142	0.22 158	0.22 141	0.22 160	0.22 141	0.22 166	0.22 145	0.22 165	0.22 146	0.22 160	0.22 141	0.22 155	0.23 152	0.22 163	0.22 139	0.23 152

MIM_Stereo	0.25 135	0.23 96	0.66 271	0.80 255	0.17 149	0.22 142	0.17 136	0.23 144	0.18 147	0.26 160	0.17 147	0.21 140	0.17 144	0.25 158	0.17 142	0.23 152	0.16 127	0.21 141	0.17 154	0.22 139	0.17 138

iResNetv2_ROB	0.20 119	0.23 96	0.18 136	0.24 131	0.20 160	0.24 149	0.18 141	0.24 147	0.18 147	0.24 150	0.18 156	0.23 148	0.19 155	0.24 154	0.18 149	0.21 138	0.16 127	0.21 141	0.16 140	0.22 139	0.16 131

iResNet	0.20 119	0.23 96	0.18 136	0.24 131	0.18 154	0.24 149	0.20 147	0.24 147	0.18 147	0.23 145	0.17 147	0.23 148	0.18 150	0.23 150	0.18 149	0.22 141	0.16 127	0.21 141	0.16 140	0.21 137	0.16 131

Wz-Net-LNSev	0.06 31	0.24 103	0.20 142	0.23 126	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	0.23 152	0.21 151	0.02 18	0.01 9	0.01 9	0.01 9

IPLGR	0.14 93	0.24 103	0.14 111	0.16 102	0.12 128	0.15 111	0.12 123	0.14 106	0.11 110	0.15 111	0.12 120	0.14 106	0.11 109	0.14 108	0.11 103	0.15 109	0.12 95	0.14 105	0.11 108	0.14 108	0.11 105

UNDER WATER-64	0.25 135	0.26 105	0.25 160	0.26 142	0.25 181	0.25 155	0.25 172	0.25 152	0.25 172	0.25 153	0.25 181	0.25 156	0.25 175	0.26 168	0.25 175	0.25 161	0.25 162	0.25 158	0.25 181	0.25 149	0.25 163

CAS++	0.17 114	0.27 106	0.21 146	0.10 45	0.21 167	0.15 111	0.22 158	0.10 90	0.21 158	0.22 141	0.10 97	0.19 130	0.18 150	0.10 91	0.19 152	0.20 133	0.19 146	0.18 134	0.10 96	0.19 132	0.18 142
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
TorneroNet-64	0.45 215	0.27 106	0.30 177	0.58 234	0.27 191	0.70 289	0.30 198	0.28 159	0.73 310	0.73 290	0.28 198	0.71 289	0.66 290	0.75 292	0.27 181	0.27 165	0.29 185	0.37 212	0.75 312	0.28 156	0.30 202

LoS	0.25 135	0.27 106	0.25 160	0.25 135	0.25 181	0.25 155	0.25 172	0.26 156	0.25 172	0.25 153	0.25 181	0.25 156	0.25 175	0.25 158	0.25 175	0.26 162	0.25 162	0.25 158	0.26 188	0.26 151	0.25 163
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
DLNR_Zeroshot_test	0.31 154	0.28 109	0.47 242	0.79 253	0.24 179	0.30 169	0.26 179	0.30 164	0.24 167	0.32 172	0.23 170	0.31 175	0.24 172	0.30 176	0.23 166	0.29 174	0.26 166	0.29 172	0.24 176	0.33 170	0.23 152

SQANet	0.28 145	0.28 109	0.28 171	0.28 144	0.28 194	0.28 166	0.28 188	0.28 159	0.28 193	0.28 163	0.28 198	0.28 167	0.28 198	0.28 172	0.28 187	0.28 167	0.28 176	0.28 167	0.28 198	0.28 156	0.28 189

HGLStereo	0.28 145	0.29 111	0.22 147	0.36 163	0.22 169	0.36 191	0.21 153	0.36 180	0.21 158	0.42 225	0.21 165	0.36 192	0.22 165	0.36 194	0.21 158	0.34 184	0.21 151	0.34 192	0.21 160	0.34 174	0.21 148

DANet	0.30 149	0.30 112	0.30 177	0.30 146	0.30 209	0.30 169	0.30 198	0.30 164	0.30 206	0.30 166	0.30 210	0.30 173	0.30 208	0.30 176	0.30 201	0.30 175	0.30 193	0.30 174	0.30 215	0.30 162	0.30 202
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 369	0.31 113	4.99 442	5.93 433	0.20 160	0.25 155	0.20 147	0.25 152	0.20 155	0.23 145	0.19 157	0.25 156	0.20 159	0.25 158	0.20 155	5.66 441	4.76 434	0.26 161	0.30 215	0.24 148	0.27 177

gcap-zeroshot	0.35 173	0.32 114	0.37 206	0.49 218	0.39 250	0.33 182	0.21 153	0.26 156	0.35 224	0.42 225	0.34 223	0.49 254	0.29 202	0.47 246	0.39 241	0.34 184	0.17 140	0.38 219	0.23 168	0.48 240	0.34 220

iResNet_ROB	0.28 145	0.32 114	0.24 156	0.32 152	0.25 181	0.32 179	0.24 169	0.32 166	0.24 167	0.33 176	0.24 176	0.35 185	0.24 172	0.33 183	0.24 169	0.31 178	0.24 161	0.32 177	0.24 176	0.32 165	0.24 162

H2IRNET	0.34 167	0.34 116	0.34 199	0.34 158	0.34 230	0.34 184	0.34 219	0.34 173	0.34 221	0.34 178	0.34 223	0.34 184	0.34 221	0.34 185	0.34 222	0.34 184	0.34 204	0.34 192	0.34 232	0.34 174	0.34 220

MLCV	0.31 154	0.35 117	0.27 167	0.35 159	0.28 194	0.35 188	0.27 182	0.35 176	0.28 193	0.36 186	0.27 192	0.35 185	0.27 192	0.35 187	0.27 181	0.34 184	0.27 171	0.34 192	0.27 194	0.34 174	0.27 177

ETE_ROB	0.35 173	0.35 117	0.35 204	0.35 159	0.35 233	0.35 188	0.35 222	0.35 176	0.35 224	0.35 182	0.35 230	0.35 185	0.35 225	0.35 187	0.35 224	0.35 193	0.35 205	0.35 205	0.35 236	0.35 186	0.35 224

DN-CSS_ROB	0.31 154	0.35 117	0.28 171	0.35 159	0.28 194	0.34 184	0.27 182	0.34 173	0.25 172	0.35 182	0.27 192	0.36 192	0.26 184	0.34 185	0.28 187	0.35 193	0.28 176	0.34 192	0.28 198	0.34 174	0.27 177

RSM	0.36 177	0.36 120	0.43 231	0.37 166	0.42 265	0.49 258	0.42 256	0.37 186	0.28 193	0.36 186	0.29 200	0.36 192	0.30 208	0.37 198	0.28 187	0.34 184	0.31 197	0.34 192	0.35 236	0.40 211	0.29 193

Any-RAFT	0.32 162	0.36 120	0.27 167	0.36 163	0.27 191	0.36 191	0.27 182	0.36 180	0.27 190	0.36 186	0.27 192	0.36 192	0.27 192	0.36 194	0.28 187	0.36 197	0.28 176	0.36 210	0.28 198	0.36 192	0.28 189

RAFT-Test	0.36 177	0.37 122	0.33 192	0.41 196	0.32 215	0.41 223	0.32 203	0.41 213	0.32 211	0.41 214	0.32 214	0.41 221	0.32 214	0.41 224	0.33 209	0.37 201	0.29 185	0.37 212	0.29 207	0.38 201	0.31 207

XPNet_ROB	0.37 181	0.37 122	0.37 206	0.37 166	0.37 240	0.37 196	0.37 233	0.37 186	0.37 234	0.37 191	0.37 238	0.37 198	0.37 232	0.37 198	0.37 235	0.37 201	0.37 209	0.37 212	0.37 244	0.37 194	0.37 228

WAO-8	0.38 187	0.38 124	0.38 209	0.38 168	0.38 245	0.38 200	0.38 238	0.38 191	0.38 236	0.38 192	0.38 243	0.38 200	0.38 234	0.38 200	0.38 236	0.38 208	0.38 215	0.38 219	0.37 244	0.38 201	0.38 232

WAO-7	0.38 187	0.38 124	0.38 209	0.38 168	0.38 245	0.38 200	0.38 238	0.38 191	0.38 236	0.38 192	0.38 243	0.38 200	0.38 234	0.38 200	0.38 236	0.38 208	0.38 215	0.38 219	0.38 250	0.38 201	0.38 232

HanzoNet	0.39 192	0.38 124	0.40 217	0.39 173	0.41 257	0.38 200	0.38 238	0.38 191	0.38 236	0.39 197	0.39 247	0.38 200	0.38 234	0.39 207	0.40 244	0.38 208	0.38 215	0.40 229	0.38 250	0.38 201	0.40 237

Venus	0.38 187	0.38 124	0.38 209	0.38 168	0.38 245	0.37 196	0.38 238	0.37 186	0.37 234	0.41 214	0.37 238	0.39 204	0.37 232	0.38 200	0.38 236	0.37 201	0.38 215	0.38 219	0.37 244	0.37 194	0.38 232

IMH	0.38 187	0.38 124	0.38 209	0.38 168	0.38 245	0.38 200	0.38 238	0.38 191	0.38 236	0.42 225	0.38 243	0.40 210	0.38 234	0.38 200	0.38 236	0.38 208	0.38 215	0.39 225	0.38 250	0.38 201	0.38 232

DMCA	0.36 177	0.38 124	0.37 206	0.35 159	0.35 233	0.36 191	0.36 228	0.36 180	0.35 224	0.35 182	0.37 238	0.36 192	0.36 228	0.35 187	0.36 227	0.36 197	0.36 207	0.35 205	0.36 242	0.36 192	0.36 225

StereoDRNet-Refined	0.33 165	0.39 130	0.26 166	0.39 173	0.26 189	0.40 207	0.26 179	0.40 199	0.26 185	0.39 197	0.26 187	0.39 204	0.26 184	0.39 207	0.26 180	0.37 201	0.25 162	0.37 212	0.25 181	0.37 194	0.37 228
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 318	0.39 130	5.28 444	0.39 173	0.20 160	0.39 206	0.27 182	0.39 195	0.22 160	0.38 192	0.20 160	0.38 200	0.20 159	6.95 454	0.22 160	0.30 175	0.21 151	0.27 165	0.21 160	5.25 435	0.21 148

EKT-Stereo	0.37 181	0.40 132	0.44 233	1.07 289	0.29 200	0.34 184	0.31 202	0.36 180	0.29 196	0.38 192	0.31 213	0.37 198	0.30 208	0.36 194	0.29 194	0.34 184	0.28 176	0.39 225	0.30 215	0.37 194	0.30 202

knoymous	0.40 195	0.40 132	0.40 217	0.40 186	0.40 251	0.40 207	0.40 244	0.40 199	0.40 243	0.40 201	0.40 248	0.40 210	0.40 239	0.40 210	0.40 244	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 237

anonymousa	0.40 195	0.40 132	0.40 217	0.40 186	0.40 251	0.40 207	0.40 244	0.40 199	0.40 243	0.40 201	0.40 248	0.40 210	0.40 239	0.40 210	0.40 244	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 237

riskmin	0.40 195	0.40 132	0.40 217	0.40 186	0.40 251	0.40 207	0.40 244	0.40 199	0.40 243	0.40 201	0.40 248	0.40 210	0.40 239	0.40 210	0.40 244	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 237

Anonymous_2	0.40 195	0.40 132	0.40 217	0.40 186	0.40 251	0.40 207	0.40 244	0.40 199	0.40 243	0.40 201	0.40 248	0.40 210	0.40 239	0.40 210	0.40 244	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 237

Anonymous_1	0.40 195	0.40 132	0.40 217	0.40 186	0.40 251	0.40 207	0.40 244	0.40 199	0.40 243	0.40 201	0.40 248	0.40 210	0.40 239	0.40 210	0.40 244	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 237

AdaStereo	0.40 195	0.40 132	0.40 217	0.40 186	0.40 251	0.40 207	0.40 244	0.40 199	0.40 243	0.40 201	0.40 248	0.40 210	0.40 239	0.40 210	0.40 244	0.40 218	0.40 223	0.40 229	0.40 254	0.40 211	0.40 237
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.
iRaft-Stereo_20w	0.34 167	0.41 139	0.31 183	0.39 173	0.29 200	0.40 207	0.32 203	0.41 213	0.32 211	0.38 192	0.30 210	0.39 204	0.30 208	0.38 200	0.32 206	0.35 193	0.27 171	0.34 192	0.27 194	0.34 174	0.29 193

GwcNet-ADL	0.41 202	0.41 139	0.41 225	0.41 196	0.41 257	0.41 223	0.41 251	0.41 213	0.41 252	0.41 214	0.41 254	0.41 221	0.41 249	0.41 224	0.41 251	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 244

PSMNet-ADL	0.41 202	0.41 139	0.41 225	0.41 196	0.41 257	0.41 223	0.41 251	0.41 213	0.41 252	0.41 214	0.41 254	0.41 221	0.41 249	0.41 224	0.41 251	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 244

GANet-ADL	0.41 202	0.41 139	0.41 225	0.41 196	0.41 257	0.41 223	0.41 251	0.41 213	0.41 252	0.41 214	0.41 254	0.41 221	0.41 249	0.41 224	0.41 251	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 244

ADLNet2	0.41 202	0.41 139	0.41 225	0.41 196	0.41 257	0.41 223	0.41 251	0.41 213	0.41 252	0.41 214	0.41 254	0.41 221	0.41 249	0.41 224	0.41 251	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 244

ADLNet	0.41 202	0.41 139	0.41 225	0.41 196	0.41 257	0.41 223	0.41 251	0.41 213	0.41 252	0.41 214	0.41 254	0.41 221	0.41 249	0.41 224	0.41 251	0.41 225	0.41 231	0.41 240	0.41 260	0.41 220	0.41 244

DGSMNet	0.34 167	0.41 139	0.27 167	0.41 196	0.28 194	0.41 223	0.28 188	0.41 213	0.27 190	0.41 214	0.27 192	0.42 237	0.27 192	0.41 224	0.28 187	0.40 218	0.29 185	0.40 229	0.28 198	0.40 211	0.27 177

iRaft-Stereo_5w	0.34 167	0.42 146	0.31 183	0.39 173	0.30 209	0.38 200	0.30 198	0.40 199	0.29 196	0.40 201	0.37 238	0.41 221	0.34 221	0.38 200	0.30 201	0.34 184	0.27 171	0.34 192	0.26 188	0.34 174	0.26 169

IGEV++	0.34 167	0.43 147	0.30 177	0.40 186	0.29 200	0.40 207	0.29 193	0.40 199	0.29 196	0.40 201	0.29 200	0.40 210	0.29 202	0.40 210	0.30 201	0.38 208	0.29 185	0.37 212	0.29 207	0.37 194	0.29 193

Wz-Net-LNSev-Ref	0.11 71	0.44 148	0.33 192	0.39 173	0.02 20	0.03 36	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	0.39 215	0.36 207	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-Stereo	0.35 173	0.44 148	0.45 235	0.49 218	0.30 209	0.37 196	0.30 198	0.36 180	0.30 206	0.36 186	0.29 200	0.36 192	0.29 202	0.36 194	0.30 201	0.46 240	0.39 220	0.32 177	0.24 176	0.32 165	0.25 163
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.37 181	0.45 150	0.23 150	0.30 146	0.37 240	0.41 223	0.36 228	0.41 213	0.35 224	0.43 231	0.36 233	0.41 221	0.40 239	0.41 224	0.36 227	0.34 184	0.22 155	0.47 260	0.37 244	0.39 208	0.33 214

RAFT + AFF	0.31 154	0.45 150	0.34 199	0.39 173	0.28 194	0.38 200	0.33 210	0.29 162	0.31 208	0.30 166	0.30 210	0.29 172	0.27 192	0.29 175	0.30 201	0.28 167	0.29 185	0.29 172	0.29 207	0.27 154	0.32 211

otaku	0.46 217	0.46 152	0.46 237	0.46 208	0.46 269	0.46 248	0.46 261	0.46 235	0.46 260	0.46 236	0.46 267	0.46 242	0.46 258	0.46 242	0.46 263	0.46 240	0.46 239	0.46 256	0.46 270	0.46 230	0.46 255

Dean	0.46 217	0.46 152	0.46 237	0.46 208	0.46 269	0.46 248	0.46 261	0.46 235	0.46 260	0.47 241	0.46 267	0.46 242	0.46 258	0.46 242	0.46 263	0.46 240	0.46 239	0.46 256	0.46 270	0.46 230	0.46 255

ACVNet-4b	0.46 217	0.46 152	0.46 237	0.46 208	0.46 269	0.46 248	0.46 261	0.46 235	0.46 260	0.46 236	0.46 267	0.46 242	0.46 258	0.47 246	0.46 263	0.46 240	0.46 239	0.46 256	0.46 270	0.46 230	0.46 255

psmorigin	0.41 202	0.46 152	0.33 192	0.49 218	0.33 224	0.49 258	0.33 210	0.49 246	0.33 214	0.49 250	0.33 217	0.49 254	0.33 218	0.51 266	0.33 209	0.41 225	0.30 193	0.41 240	0.30 215	0.79 273	0.29 193

Ntro	0.47 222	0.47 156	0.46 237	0.46 208	0.46 269	0.47 252	0.47 266	0.46 235	0.47 265	0.46 236	0.46 267	0.47 247	0.46 258	0.47 246	0.47 267	0.47 245	0.46 239	0.46 256	0.46 270	0.46 230	0.46 255

HaxPig	0.47 222	0.47 156	0.47 242	0.49 218	0.47 275	0.47 252	0.47 266	0.47 240	0.47 265	0.47 241	0.47 274	0.47 247	0.47 266	0.47 246	0.47 267	0.47 245	0.47 245	0.47 260	0.47 276	0.47 237	0.48 263

UNDER WATER	0.47 222	0.47 156	0.47 242	0.47 213	0.47 275	0.47 252	0.47 266	0.47 240	0.47 265	0.47 241	0.47 274	0.47 247	0.46 258	0.47 246	0.47 267	0.47 245	0.47 245	0.47 260	0.46 270	0.47 237	0.47 261

LVE	0.47 222	0.47 156	0.47 242	0.47 213	0.49 279	0.47 252	0.47 266	0.47 240	0.49 272	0.47 241	0.47 274	0.47 247	0.46 258	0.47 246	0.47 267	0.47 245	0.47 245	0.48 268	0.47 276	0.47 237	0.47 261

ACVNet_1	0.46 217	0.47 156	0.46 237	0.46 208	0.46 269	0.46 248	0.46 261	0.46 235	0.47 265	0.46 236	0.46 267	0.46 242	0.46 258	0.46 242	0.46 263	0.46 240	0.46 239	0.47 260	0.46 270	0.46 230	0.46 255

CES	0.39 192	0.47 156	0.36 205	0.36 163	0.37 240	0.45 246	0.35 222	0.35 176	0.40 243	0.36 186	0.44 265	0.47 247	0.36 228	0.44 239	0.36 227	0.37 201	0.39 220	0.44 251	0.35 236	0.37 194	0.36 225

RainbowNet	0.48 226	0.48 162	0.48 246	0.48 216	0.48 277	0.48 256	0.48 272	0.48 244	0.48 271	0.48 245	0.48 277	0.48 252	0.48 267	0.48 252	0.48 272	0.48 249	0.48 248	0.48 268	0.48 278	0.48 240	0.48 263

notaker	0.48 226	0.49 163	0.48 246	0.48 216	0.48 277	0.48 256	0.48 272	0.48 244	0.49 272	0.48 245	0.48 277	0.48 252	0.48 267	0.48 252	0.48 272	0.48 249	0.48 248	0.48 268	0.48 278	0.48 240	0.49 266

ACVNet_2	0.49 229	0.49 163	0.49 250	0.49 218	0.49 279	0.49 258	0.49 274	0.49 246	0.49 272	0.49 250	0.49 280	0.49 254	0.49 271	0.49 258	0.49 274	0.49 252	0.49 250	0.49 271	0.49 280	0.49 244	0.49 266

KSHMR	0.66 246	0.50 165	0.48 246	1.15 298	0.52 285	0.49 258	0.51 277	0.49 246	0.71 306	0.67 284	0.50 282	1.16 337	1.11 326	0.66 283	0.52 278	0.49 252	0.49 250	0.51 275	0.66 298	0.50 248	1.14 340

WZ-Net	0.05 29	0.50 165	0.10 57	0.12 68	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 78	0.10 60	0.01 9	0.01 9	0.01 9	0.01 9

SANet	0.50 231	0.50 165	0.50 252	0.50 225	0.50 282	0.50 266	0.50 276	0.50 254	0.50 275	0.50 262	0.50 282	0.50 268	0.50 274	0.50 263	0.50 275	0.50 258	0.50 255	0.50 274	0.50 282	0.50 248	0.50 269

CASnet	0.35 173	0.51 168	0.44 233	0.32 152	0.31 213	0.24 149	0.34 219	0.36 180	0.25 172	0.31 168	0.37 238	0.30 173	0.33 218	0.25 158	0.45 259	0.37 201	0.37 209	0.33 185	0.35 236	0.34 174	0.37 228
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Occ-G	1.12 319	0.52 169	3.72 437	3.50 405	0.50 282	0.56 275	0.47 266	0.54 262	0.46 260	0.54 268	0.41 254	0.54 271	0.42 254	0.52 269	0.42 256	3.42 414	4.02 430	0.52 277	0.45 269	0.51 250	0.44 253

AEACV	1.12 319	0.52 169	3.12 431	3.24 401	0.86 325	0.53 272	0.49 274	0.60 271	0.47 265	0.53 267	0.49 280	0.55 275	0.45 257	0.55 272	0.47 267	3.01 410	3.88 428	0.71 293	0.60 292	0.80 276	0.48 263

ktn	0.72 259	0.53 171	1.08 316	1.14 296	0.51 284	1.22 383	1.36 397	0.51 260	0.59 284	0.51 263	0.51 285	0.69 288	1.20 337	0.67 285	0.51 277	0.51 259	0.49 250	0.58 281	0.66 298	0.52 251	0.53 272

TorneroNet	0.66 246	0.53 171	0.50 252	0.50 225	0.64 301	1.06 323	0.70 298	0.50 254	0.51 279	0.49 250	0.69 307	0.49 254	0.50 274	0.48 252	1.15 338	0.71 279	0.49 250	1.14 334	1.08 333	0.49 244	0.49 266

ICVP	0.15 103	0.53 171	0.11 76	0.16 102	0.11 113	0.16 118	0.11 108	0.16 118	0.11 110	0.16 115	0.11 110	0.16 116	0.11 109	0.16 117	0.11 103	0.16 117	0.11 81	0.16 120	0.11 108	0.16 121	0.11 105
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 31	0.54 174	0.10 57	0.12 68	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 78	0.11 81	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet_ROB	0.54 237	0.54 174	0.54 256	0.54 230	0.53 288	0.54 273	0.54 279	0.53 261	0.54 281	0.54 268	0.54 288	0.54 271	0.53 277	0.54 270	0.54 280	0.54 262	0.53 258	0.54 279	0.54 283	0.54 254	0.54 273

Selective-IGEV	0.51 233	0.55 176	0.45 235	0.69 244	0.45 268	0.61 282	0.45 260	0.50 254	0.40 243	0.56 273	0.44 265	0.55 275	0.40 239	0.72 289	0.67 294	0.59 265	0.46 239	0.45 253	0.34 232	0.46 230	0.37 228

FCDSN-DC	0.41 202	0.59 177	0.64 267	0.54 230	0.33 224	0.50 266	0.37 233	0.42 229	0.40 243	0.61 278	0.43 263	0.50 268	0.49 271	0.38 200	0.32 206	0.28 167	0.23 159	0.26 161	0.22 163	0.35 186	0.28 189
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DispNO	1.00 308	0.63 178	0.43 231	3.45 404	0.44 267	0.65 286	0.43 258	0.64 274	0.43 257	0.64 281	0.43 263	0.64 283	3.03 417	0.64 281	0.43 258	4.55 422	0.43 236	0.63 284	0.43 267	0.63 257	0.43 250

LMCR-Stereo	0.65 244	0.63 178	0.65 270	0.65 241	0.65 303	0.66 287	0.63 286	0.58 268	0.65 293	0.63 280	0.64 298	0.65 286	0.65 287	0.66 283	0.66 293	0.66 272	0.64 271	0.65 287	0.67 301	0.68 260	0.73 301

AIO-Stereo	0.84 288	0.66 180	0.70 277	0.83 259	0.67 307	0.98 315	0.82 313	1.14 317	0.72 307	1.03 320	0.74 316	1.03 325	1.09 325	0.99 318	0.45 259	1.04 309	0.73 285	0.95 321	0.74 311	0.94 295	0.46 255

anonymity	0.63 243	0.69 181	0.56 257	0.71 248	0.56 289	0.71 291	0.56 280	0.71 280	0.56 282	0.72 288	0.56 290	0.71 289	0.56 279	0.71 288	0.58 284	0.68 274	0.55 259	0.68 289	0.55 284	0.68 260	0.54 273

CoDeX	0.15 103	0.70 182	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	0.67 294	0.02 14	0.69 278	0.75 296	0.01 9	0.02 19	0.02 19

RAFT-Stereo + iAFF	0.70 254	0.72 183	0.71 281	0.80 255	0.62 300	0.82 300	0.61 284	0.81 290	0.62 289	0.81 299	0.63 296	0.80 301	0.70 296	0.73 290	0.61 288	0.76 282	0.61 268	0.74 295	0.61 294	0.77 270	0.61 283

DSFCA	0.66 246	0.73 184	0.78 290	0.65 241	0.65 303	0.64 285	0.64 287	0.65 275	0.63 291	0.64 281	0.64 298	0.64 283	0.64 285	0.65 282	0.65 290	0.65 271	0.65 272	0.65 287	0.65 296	0.66 258	0.64 287

GCAP-BAT	0.33 165	0.78 185	0.32 187	0.38 168	0.25 181	0.34 184	0.25 172	0.34 173	0.26 185	0.34 178	0.25 181	0.35 185	0.26 184	0.35 187	0.27 181	0.36 197	0.30 193	0.32 177	0.24 176	0.32 165	0.26 169

SFCPSM	0.17 114	0.78 185	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	0.79 311	0.02 14	0.75 288	0.76 298	0.02 20	0.02 19	0.02 19

G-Net	0.79 271	0.79 187	0.79 293	0.79 253	0.79 321	0.79 297	0.79 308	0.79 285	0.79 316	0.79 296	0.79 320	0.79 300	0.79 306	0.79 294	0.79 311	0.79 284	0.79 291	0.79 301	0.79 316	0.79 273	0.79 308

DMCA-RVC	0.70 254	0.80 188	0.70 277	0.70 246	0.70 312	0.70 289	0.70 298	0.71 280	0.70 303	0.70 287	0.71 311	0.71 289	0.70 296	0.70 287	0.69 302	0.69 275	0.70 279	0.69 290	0.70 306	0.69 263	0.70 295

NaN_ROB	0.80 273	0.80 188	0.80 294	0.80 255	0.80 323	0.80 298	0.80 310	0.80 287	0.80 317	0.80 297	0.80 321	0.80 301	0.80 307	0.80 296	0.80 313	0.80 285	0.80 294	0.80 304	0.80 317	0.80 276	0.80 309

CSAN	0.80 273	0.80 188	0.80 294	0.80 255	0.80 323	0.80 298	0.80 310	0.80 287	0.80 317	0.80 297	0.80 321	0.80 301	0.80 307	0.80 296	0.80 313	0.80 285	0.80 294	0.80 304	0.80 317	0.80 276	0.80 309

testlalala	0.32 162	0.81 191	0.31 183	0.39 173	0.26 189	0.33 182	0.24 169	0.33 169	0.26 185	0.32 172	0.26 187	0.33 179	0.23 170	0.33 183	0.23 166	0.35 193	0.31 197	0.30 174	0.24 176	0.31 164	0.21 148

ARAFT	0.68 251	0.81 191	0.63 265	0.74 250	0.60 292	0.78 295	0.62 285	0.77 284	0.66 295	0.74 294	0.63 296	0.75 295	0.62 284	0.83 298	0.60 286	0.70 278	0.55 259	0.70 292	0.60 292	0.78 271	0.55 277

RSM++	0.76 266	0.82 193	0.66 271	0.85 262	0.64 301	0.85 301	0.71 301	0.94 304	0.64 292	0.87 301	0.67 303	0.87 306	0.65 287	0.84 299	0.65 290	0.81 288	0.70 279	0.79 301	0.71 309	0.83 281	0.70 295

Selective-RAFT-Error	0.88 292	0.84 194	0.98 309	0.86 263	0.97 336	0.88 304	0.95 323	0.84 291	0.99 333	0.92 307	0.82 323	0.84 305	0.98 316	0.87 303	0.97 325	0.81 288	0.83 297	0.79 301	0.82 320	0.79 273	0.85 314

AIO-Stereo-zeroshot	0.91 295	0.86 195	0.89 298	1.25 355	0.69 311	1.05 322	0.81 312	1.16 320	0.50 275	1.12 329	0.97 332	0.72 292	0.82 309	1.06 325	0.95 324	0.61 269	0.87 299	1.03 331	0.85 323	1.04 303	1.01 329

test_sample3	0.09 39	0.87 196	0.10 57	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

test_sample1	0.09 39	0.87 196	0.12 87	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

AFF-stereo	0.73 260	0.88 198	0.67 274	0.75 251	0.68 310	0.75 292	0.64 287	0.80 287	0.72 307	0.83 300	0.70 308	0.82 304	0.64 285	0.84 299	0.67 294	0.77 283	0.63 269	0.81 306	0.63 295	0.78 271	0.62 285

CASS	0.57 241	0.89 199	0.56 257	0.57 233	0.56 289	0.56 275	0.56 280	0.56 264	0.53 280	0.57 274	0.57 291	0.59 281	0.48 267	0.56 273	0.57 283	0.55 264	0.56 261	0.47 260	0.56 287	0.62 256	0.56 280
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 294	0.89 199	0.72 282	1.16 303	0.78 320	1.06 323	0.82 313	0.87 292	0.97 331	1.00 315	0.91 327	0.90 310	1.00 317	0.89 306	0.93 323	0.83 291	0.83 297	0.82 308	0.82 320	0.81 279	0.82 312

UNet	0.29 148	0.90 201	0.10 57	0.14 85	0.10 98	0.14 105	0.10 96	0.91 297	0.69 300	0.14 105	0.11 110	0.14 106	0.11 109	0.14 108	0.10 92	0.12 78	0.09 55	0.12 101	0.09 90	0.88 285	0.76 306

xxxxx1	0.31 154	0.91 202	0.23 150	0.31 149	0.23 174	0.31 172	0.23 164	0.33 169	0.25 172	0.31 168	0.24 176	0.33 179	0.25 175	0.32 178	0.24 169	0.28 167	0.28 176	0.28 167	0.28 198	0.29 159	0.27 177

tt_ll	0.31 154	0.91 202	0.23 150	0.31 149	0.23 174	0.31 172	0.23 164	0.33 169	0.25 172	0.31 168	0.24 176	0.33 179	0.25 175	0.32 178	0.24 169	0.28 167	0.28 176	0.28 167	0.28 198	0.29 159	0.27 177

ff	0.31 154	0.91 202	0.23 150	0.31 149	0.23 174	0.31 172	0.23 164	0.33 169	0.25 172	0.31 168	0.24 176	0.33 179	0.25 175	0.32 178	0.24 169	0.28 167	0.28 176	0.28 167	0.28 198	0.29 159	0.27 177

DPSM_ROB	0.92 297	0.91 202	0.91 302	0.91 267	0.92 332	0.92 309	0.92 319	0.92 300	0.91 323	0.93 309	0.91 327	0.92 313	0.90 311	0.91 308	0.92 319	0.92 299	0.91 300	0.91 315	0.92 324	0.93 293	0.93 320

DPSM	0.92 297	0.91 202	0.91 302	0.91 267	0.92 332	0.92 309	0.92 319	0.92 300	0.91 323	0.93 309	0.91 327	0.92 313	0.90 311	0.91 308	0.92 319	0.92 299	0.91 300	0.91 315	0.92 324	0.93 293	0.93 320

AIO-Stereo-zeroshot1	0.75 262	0.92 207	0.85 297	0.96 278	0.59 291	1.27 386	0.44 259	0.59 269	0.69 300	0.91 305	0.68 304	0.55 275	0.61 283	1.06 325	0.83 316	0.62 270	0.70 279	0.90 313	0.41 260	0.89 286	0.56 280

pmcnn	0.92 297	0.92 207	0.92 304	0.92 270	0.92 332	0.92 309	0.92 319	0.92 300	0.92 327	0.92 307	0.92 330	0.92 313	0.92 313	0.92 311	0.92 319	0.92 299	0.92 302	0.92 317	0.92 324	0.92 292	0.92 319

tt1	0.31 154	0.93 209	0.24 156	0.33 156	0.23 174	0.31 172	0.24 169	0.32 166	0.24 167	0.32 172	0.23 170	0.32 177	0.25 175	0.32 178	0.24 169	0.27 165	0.26 166	0.27 165	0.26 188	0.27 154	0.27 177

tta	0.09 39	0.95 210	0.09 53	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

R-Stereo Train	0.81 278	0.96 211	0.67 274	0.95 275	0.67 307	0.95 312	0.68 294	0.95 306	0.68 297	0.95 313	0.68 304	0.96 318	0.68 293	0.96 316	0.68 298	0.94 303	0.68 274	0.94 319	0.68 302	0.94 295	0.68 293

RAFT-Stereo	0.81 278	0.96 211	0.67 274	0.95 275	0.67 307	0.95 312	0.68 294	0.95 306	0.68 297	0.95 313	0.68 304	0.96 318	0.68 293	0.96 316	0.68 298	0.94 303	0.68 274	0.94 319	0.68 302	0.94 295	0.68 293
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
test_sample6	0.09 39	0.97 213	0.10 57	0.10 45	0.03 40	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.03 44	0.03 38	0.02 21	0.03 33	0.02 19	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

Former-RAFT_DAM_RVC	0.49 229	0.98 214	0.64 267	0.84 260	0.46 269	0.45 246	0.35 222	0.47 240	0.47 265	0.45 235	0.34 223	0.46 242	0.48 267	0.46 242	0.35 224	0.39 215	0.71 283	0.39 225	0.35 236	0.41 220	0.41 244

dd	0.23 132	0.98 214	0.16 127	0.23 126	0.15 143	0.23 148	0.15 132	0.23 144	0.15 142	0.23 145	0.15 144	0.24 152	0.17 144	0.23 150	0.15 136	0.22 141	0.15 125	0.21 141	0.15 139	0.22 139	0.16 131

222	0.10 50	0.99 216	0.12 87	0.13 81	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.02 20	0.04 62	0.03 43

test_sample7	0.09 39	1.00 217	0.11 76	0.11 62	0.02 20	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.03 46	0.03 39	0.03 43

ACVNet-DCA	0.37 181	1.00 217	0.30 177	0.40 186	0.29 200	0.40 207	0.29 193	0.40 199	0.29 196	0.40 201	0.29 200	0.40 210	0.29 202	0.39 207	0.28 187	0.33 181	0.32 199	0.33 185	0.32 224	0.33 170	0.32 211

GANet	1.00 308	1.00 217	1.00 311	1.00 282	1.00 337	1.00 317	1.00 326	1.00 308	1.00 334	1.00 315	1.00 333	1.00 320	1.00 317	1.00 319	1.00 328	1.00 305	1.00 305	1.00 326	1.00 328	1.00 299	1.00 326

TDLM	1.00 308	1.00 217	1.00 311	1.00 282	1.00 337	1.00 317	1.00 326	1.00 308	1.00 334	1.00 315	1.00 333	1.00 320	1.00 317	1.00 319	1.00 328	1.00 305	1.00 305	1.00 326	1.00 328	1.00 299	1.00 326

CVANet_RVC	1.00 308	1.00 217	1.00 311	1.00 282	1.00 337	1.00 317	1.00 326	1.00 308	1.00 334	1.00 315	1.00 333	1.00 320	1.00 317	1.00 319	1.00 328	1.00 305	1.00 305	1.00 326	1.00 328	1.00 299	1.00 326

DGTPSM_ROB	0.93 301	1.00 217	0.92 304	0.94 273	0.96 335	0.91 308	0.92 319	0.91 297	0.96 330	0.91 305	0.96 331	0.93 316	0.92 313	0.94 312	0.92 319	0.92 299	0.92 302	0.90 313	0.92 324	0.94 295	0.91 318

trnet	1.01 312	1.01 223	1.01 314	1.01 285	1.01 341	1.01 320	1.01 329	1.01 311	1.01 337	1.01 319	1.01 336	1.01 323	1.01 323	1.01 322	1.01 331	1.01 308	1.01 308	1.01 329	1.01 331	1.01 302	1.01 329

SMFormer	0.09 39	1.01 223	0.09 53	0.09 41	0.03 40	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 39	1.01 223	0.10 57	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.03 36	0.03 44	0.03 38	0.02 21	0.03 33	0.02 19	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.03 43

GLC_STEREO	1.07 314	1.01 223	1.06 315	1.07 289	1.05 342	1.06 323	1.08 332	1.08 314	1.05 339	1.07 322	1.06 337	1.08 327	1.05 324	1.06 325	1.10 333	1.07 311	1.09 316	1.05 332	1.05 332	1.06 304	1.12 336

1test111	0.37 181	1.02 227	0.30 177	0.39 173	0.29 200	0.40 207	0.28 188	0.39 195	0.29 196	0.39 197	0.29 200	0.39 204	0.28 198	0.40 210	0.29 194	0.33 181	0.32 199	0.33 185	0.31 220	0.32 165	0.31 207

cc1	0.37 181	1.02 227	0.30 177	0.39 173	0.29 200	0.40 207	0.28 188	0.39 195	0.29 196	0.39 197	0.29 200	0.39 204	0.28 198	0.40 210	0.29 194	0.33 181	0.32 199	0.33 185	0.31 220	0.32 165	0.31 207

test_sample4	0.10 50	1.03 229	0.12 87	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.13 119	0.03 34	0.03 46	0.03 39	0.03 43

test_sample2	0.09 39	1.03 229	0.11 76	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

xx1	0.38 187	1.03 229	0.31 183	0.40 186	0.31 213	0.41 223	0.28 188	0.40 199	0.29 196	0.40 201	0.29 200	0.40 210	0.29 202	0.40 210	0.29 194	0.34 184	0.33 203	0.34 192	0.32 224	0.34 174	0.32 211

dad	0.23 132	1.03 229	0.16 127	0.23 126	0.15 143	0.24 149	0.15 132	0.24 147	0.16 144	0.23 145	0.16 145	0.24 152	0.16 142	0.23 150	0.15 136	0.22 141	0.16 127	0.22 146	0.16 140	0.22 139	0.16 131

DualNet (step1)	0.10 50	1.05 233	0.12 87	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.03 46	0.03 39	0.03 43

test_sample9	0.10 50	1.05 233	0.12 87	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.03 46	0.03 39	0.03 43

test_sample8	0.10 50	1.05 233	0.12 87	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.03 46	0.03 39	0.03 43

test_sample5	0.10 50	1.07 236	0.11 76	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.03 46	0.04 62	0.03 43

DualNet	0.10 50	1.07 236	0.11 76	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.03 46	0.04 62	0.03 43

ttt	0.10 50	1.09 238	0.12 87	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 95	0.03 34	0.02 20	0.03 39	0.02 19

test_xeample	0.10 50	1.09 238	0.13 106	0.12 68	0.03 40	0.03 36	0.03 40	0.04 62	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.14 100	0.14 122	0.03 34	0.03 46	0.03 39	0.03 43

FC-DCNN	1.07 314	1.09 238	0.98 309	0.89 264	0.52 285	1.41 393	0.91 318	1.21 373	1.24 397	1.96 397	2.05 422	1.91 397	1.30 390	1.27 387	1.08 332	0.80 285	0.60 264	0.58 281	0.41 260	0.68 260	0.54 273

MSMD_ROB	1.19 321	1.10 241	0.70 277	1.10 291	0.60 292	1.10 329	0.70 298	1.10 316	0.70 303	1.10 324	0.70 308	1.10 331	0.70 296	7.00 455	0.70 305	1.10 314	0.70 279	1.10 333	0.70 306	1.10 306	0.70 295

1111x	0.10 50	1.14 242	0.13 106	0.14 85	0.03 40	0.04 63	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.11 81	0.03 34	0.02 20	0.03 39	0.02 19

LoS_RVC	0.30 149	1.14 242	0.25 160	0.25 135	0.25 181	0.26 162	0.25 172	0.25 152	0.25 172	0.25 153	0.25 181	0.26 165	0.26 184	0.26 168	0.25 175	0.26 162	0.26 166	0.25 158	0.25 181	0.26 151	0.26 169

x	0.11 71	1.15 244	0.15 126	0.14 85	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.14 100	0.15 125	0.03 34	0.03 46	0.03 39	0.03 43

xxxx	0.11 71	1.16 245	0.16 127	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.16 127	0.03 34	0.04 63	0.04 62	0.04 64

CAS	0.30 149	1.17 246	0.25 160	0.25 135	0.25 181	0.26 162	0.25 172	0.25 152	0.26 185	0.25 153	0.25 181	0.25 156	0.25 175	0.25 158	0.25 175	0.26 162	0.26 166	0.26 161	0.25 181	0.26 151	0.25 163

HSM-Net_RVC	0.95 304	1.17 246	0.78 290	1.18 305	0.71 313	1.16 336	0.75 305	1.09 315	0.80 317	1.10 324	0.75 317	1.17 338	0.74 301	1.17 337	0.80 313	1.13 320	0.73 285	1.17 340	0.77 313	1.16 311	0.72 299
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 305	1.18 248	0.81 296	1.10 291	0.91 331	1.02 321	0.82 313	1.04 313	0.91 323	1.03 320	0.86 324	1.28 388	0.82 309	1.03 323	0.89 318	1.17 322	0.81 296	1.02 330	0.82 320	1.08 305	0.81 311

psm_up	0.43 211	1.19 249	0.17 131	0.25 135	0.18 154	0.25 155	0.19 144	1.26 377	0.91 323	0.26 160	0.17 147	0.25 156	0.17 144	0.25 158	0.17 142	0.22 141	0.17 140	0.23 152	0.16 140	1.18 317	0.99 324

DisPM	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

CrosDoStereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

PFNet+	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

LCNet	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

HHNet	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

Patchmatch Stereo++	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345
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	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

STrans-v2	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

TransformOpticalFlow	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

OMP-Stereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

IIG-Stereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

NF-Stereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

OCTAStereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

PSM-softLoss	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

KMStereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

NRIStereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

PSM-adaLoss	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

PSM-AAD	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

FTStereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

ROB_FTStereo_v2	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

ROB_FTStereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

Consistency-Raft	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

KYRaft	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

HUI-Stereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

ASMatch	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

DeepStereo_LL	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

DEmStereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

SST-Stereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

THIR-Stereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

RAFT_R40	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

DRaft	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

PFNet	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

GrayStereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

RE-Stereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

Pruner-Stereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

TVStereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

DeepStereo_RVC	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

RAFT-RH_RVC	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

IRAFT_RVC	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

RAFT-345	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

iRAFT	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

CRE-IMP	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

GMM-Stereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

RAFT-IKP	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

Prome-Stereo	1.20 322	1.20 250	1.20 328	1.20 307	1.20 353	1.20 337	1.20 343	1.20 328	1.20 349	1.20 335	1.20 346	1.20 340	1.20 337	1.20 339	1.20 345	1.20 324	1.20 329	1.20 344	1.20 344	1.20 320	1.20 345

UPFNet	0.42 210	1.20 250	0.17 131	0.24 131	0.17 149	0.25 155	0.17 136	1.19 325	0.90 322	0.25 153	0.17 147	0.24 152	0.17 144	0.25 158	0.17 142	0.22 141	0.17 140	0.22 146	0.16 140	1.15 309	0.93 320

delet	0.43 211	1.21 296	0.17 131	0.25 135	0.17 149	0.25 155	0.18 141	1.26 377	0.95 329	0.25 153	0.17 147	0.25 156	0.17 144	0.25 158	0.17 142	0.23 152	0.16 127	0.22 146	0.16 140	1.18 317	0.98 323

CroCo-Stereo	0.73 260	1.22 297	0.25 160	1.22 352	0.25 181	1.22 383	0.25 172	1.22 374	0.25 172	1.22 381	0.25 181	1.22 386	0.25 175	1.22 385	0.25 175	1.22 370	0.26 166	1.21 389	0.25 181	1.22 367	0.25 163
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
WCG-NET（raft）	0.32 162	1.24 298	0.24 156	0.32 152	0.24 179	0.32 179	0.23 164	0.32 166	0.24 167	0.32 172	0.24 176	0.32 177	0.24 172	0.32 178	0.24 169	0.30 175	0.23 159	0.30 174	0.23 168	0.30 162	0.23 152

MMNet	0.44 214	1.24 298	0.17 131	0.25 135	0.17 149	0.25 155	0.18 141	1.26 377	0.93 328	0.25 153	0.17 147	0.25 156	0.18 150	0.25 158	0.17 142	0.23 152	0.16 127	0.23 152	0.16 140	1.20 320	0.99 324

WCG-NET	0.40 195	1.29 300	0.24 156	0.32 152	0.25 181	0.32 179	0.27 182	0.44 234	0.46 260	0.35 182	0.26 187	0.35 185	0.27 192	0.35 187	0.45 259	0.42 238	0.25 162	0.62 283	0.25 181	0.48 240	0.26 169

CroCo-Stereo Lap2	0.77 267	1.29 300	0.29 173	1.27 356	0.29 200	1.27 386	0.26 179	1.26 377	0.26 185	1.26 382	0.26 187	1.27 387	0.26 184	1.26 386	0.27 181	1.27 372	0.27 171	1.27 392	0.27 194	1.27 369	0.27 177

CSP-Net	0.34 167	1.29 300	1.19 325	1.36 361	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	1.26 371	1.21 375	0.03 34	0.09 90	0.02 19	0.09 89

Syn2CoEx	0.25 135	1.31 303	0.74 285	0.92 270	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 296	0.75 288	0.02 18	0.02 20	0.02 19	0.02 19

CC-Net-ROB	1.36 372	1.33 304	1.33 380	1.36 361	1.38 405	1.36 390	1.33 394	1.37 383	1.34 400	1.35 384	1.36 399	1.38 390	1.34 391	1.38 389	1.38 399	1.35 377	1.38 386	1.33 393	1.35 394	1.43 373	1.34 398

MaskLacGwcNet_RVC	1.35 371	1.35 305	1.35 383	1.35 360	1.35 402	1.35 389	1.35 396	1.36 382	1.35 402	1.36 385	1.35 398	1.36 389	1.36 392	1.36 388	1.35 397	1.35 377	1.35 383	1.35 394	1.35 394	1.35 371	1.35 399

PML	0.46 217	1.36 306	0.29 173	0.58 234	0.30 209	0.57 279	0.29 193	0.57 266	0.29 196	0.57 274	0.29 200	0.57 279	0.29 202	0.56 273	0.29 194	0.52 260	0.30 193	0.53 278	0.31 220	0.53 253	0.30 202

PS-NSSS	1.38 374	1.39 307	1.34 381	1.34 359	1.35 402	1.38 391	1.37 402	1.35 381	1.38 405	1.34 383	1.34 397	1.39 391	1.38 394	1.70 392	1.40 400	1.36 379	1.36 384	1.36 396	1.37 397	1.37 372	1.36 400

Gwc-CoAtRS	0.41 202	1.49 308	0.32 187	0.42 204	0.32 215	0.41 223	0.32 203	0.41 213	0.33 214	0.41 214	0.32 214	0.41 221	0.32 214	0.41 224	0.32 206	0.39 215	0.28 176	0.39 225	0.28 198	0.40 211	0.28 189

FENet	0.54 237	1.52 309	1.19 325	1.41 364	0.23 174	0.35 188	0.23 164	0.35 176	0.23 166	0.34 178	0.23 170	0.35 185	0.23 170	0.35 187	0.23 166	1.40 380	1.07 310	0.32 177	0.23 168	0.33 170	0.23 152

CFNet-ft	0.55 239	1.57 310	0.14 111	0.20 114	0.14 133	0.20 132	2.53 420	1.61 386	0.14 133	0.20 130	0.14 137	0.20 132	0.14 132	0.20 132	0.14 127	0.17 122	0.12 95	0.17 125	0.12 124	1.56 377	1.24 393

DPSMNet_ROB	1.60 378	1.59 311	1.70 398	1.59 366	1.59 409	1.61 395	1.61 406	1.60 385	1.60 408	1.62 393	1.59 407	1.60 394	1.60 398	1.60 391	1.59 404	1.59 385	1.60 392	1.59 401	1.59 406	1.59 378	1.59 406

STTRV1_RVC	0.82 282	1.60 312	0.70 277	1.01 285	0.60 292	1.07 326	0.69 297	1.01 311	0.60 285	0.72 288	0.55 289	1.02 324	0.68 293	1.03 323	0.67 294	0.89 297	0.63 269	0.92 317	0.57 288	0.90 288	0.65 288

RASNet	1.49 375	1.65 313	1.45 391	1.38 363	1.43 407	1.47 394	1.36 397	1.38 384	1.36 403	1.39 386	1.60 408	1.45 392	1.45 396	1.51 390	2.21 417	1.53 384	1.36 384	1.36 396	1.36 396	1.66 379	1.36 400

CRFU-Net	0.65 244	1.67 314	1.22 375	1.96 377	0.27 191	0.41 223	0.27 182	0.41 213	0.27 190	0.40 201	0.26 187	0.41 221	0.27 192	0.40 210	0.27 181	1.80 390	1.62 393	0.34 192	0.23 168	0.33 170	0.23 152

gwcnet-sp	0.82 282	1.72 315	1.48 392	0.39 173	0.15 143	0.31 172	0.21 153	0.20 131	0.25 172	1.61 390	0.23 170	0.28 167	0.26 184	0.20 132	0.15 136	0.24 157	1.33 380	0.32 177	0.16 140	6.75 442	0.23 152

scenet	0.82 282	1.72 315	1.48 392	0.39 173	0.15 143	0.31 172	0.21 153	0.20 131	0.25 172	1.61 390	0.23 170	0.28 167	0.26 184	0.20 132	0.15 136	0.24 157	1.33 380	0.32 177	0.16 140	6.75 442	0.23 152

ssnet	0.82 282	1.72 315	1.48 392	0.39 173	0.15 143	0.31 172	0.21 153	0.20 131	0.25 172	1.61 390	0.23 170	0.28 167	0.26 184	0.20 132	0.15 136	0.24 157	1.33 380	0.32 177	0.16 140	6.75 442	0.23 152

HBP-ISP	1.24 368	1.72 315	1.65 396	1.15 298	0.76 318	1.40 392	0.88 316	1.67 390	1.02 338	1.69 394	1.38 401	1.69 395	1.21 383	1.87 394	1.21 390	1.05 310	0.79 291	0.97 324	0.80 317	1.19 319	0.75 305

LL-Strereo2	0.48 226	1.73 319	0.51 254	0.59 236	0.34 230	0.42 239	0.33 210	0.40 199	0.31 208	0.42 225	0.33 217	0.42 237	0.31 213	0.44 239	0.39 241	0.60 266	0.51 256	0.44 251	0.33 230	0.44 227	0.33 214

test_xeample3	1.10 316	1.81 320	0.61 263	0.84 260	0.49 279	0.77 293	0.66 290	0.92 300	1.40 406	0.68 286	0.46 267	0.78 298	0.54 278	1.72 393	1.48 402	1.34 376	1.52 390	1.35 394	1.67 409	1.33 370	1.55 405

mmm	0.14 93	1.83 321	0.12 87	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.04 67	0.03 36	0.03 44	0.03 38	0.03 44	0.06 70	0.04 61	0.12 78	0.11 81	0.05 69	0.04 63	0.05 74	0.04 64

hknet	1.10 316	1.85 322	3.49 434	4.48 411	0.02 20	0.42 239	0.06 86	0.41 213	0.02 20	0.48 245	0.03 44	0.41 221	0.03 44	0.42 236	0.03 39	4.39 420	4.19 431	0.33 185	0.23 168	0.34 174	0.27 177

DCVSM-stereo	0.36 177	1.89 323	0.22 147	0.40 186	0.22 169	0.40 207	0.22 158	0.40 199	0.22 160	0.40 201	0.22 166	0.40 210	0.22 165	0.40 210	0.22 160	0.28 167	0.21 151	0.28 167	0.21 160	0.28 156	0.20 145

DCRE	0.84 288	1.89 323	0.77 289	0.94 273	0.72 315	0.88 304	0.73 303	0.87 292	0.78 313	0.90 303	0.71 311	0.88 307	0.67 292	0.88 304	0.73 307	0.81 288	0.68 274	0.81 306	0.70 306	0.82 280	0.70 295

RAFT-Stereo-weight	0.45 215	1.90 325	0.34 199	0.42 204	0.36 238	0.43 243	0.35 222	0.42 229	0.34 221	0.42 225	0.34 223	0.44 240	0.34 221	0.41 224	0.34 222	0.38 208	0.32 199	0.38 219	0.32 224	0.38 201	0.33 214

BUS	0.83 286	1.91 326	0.92 304	4.48 411	0.02 20	0.40 207	0.04 66	0.41 213	0.02 20	0.48 245	0.03 44	0.41 221	0.05 76	0.03 33	0.05 71	1.97 396	4.19 431	0.33 185	0.23 168	0.34 174	0.27 177

BSDual-CNN	0.81 278	1.91 326	0.92 304	4.48 411	0.02 20	0.42 239	0.06 86	0.41 213	0.02 20	0.48 245	0.03 44	0.02 19	0.02 21	0.03 33	0.02 19	1.97 396	4.19 431	0.33 185	0.23 168	0.34 174	0.27 177

psmg	0.43 211	1.91 326	0.92 304	1.91 374	0.02 20	0.02 18	0.03 40	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 396	1.44 388	0.04 59	0.03 46	0.02 19	0.03 43

GANet-RSSM	0.75 262	1.91 326	0.14 111	0.47 213	0.14 133	0.21 140	3.21 440	2.30 405	0.14 133	0.46 236	0.14 137	0.23 148	0.18 150	0.21 142	0.14 127	0.18 130	0.27 171	0.37 212	0.13 132	2.13 389	2.12 416

MFMNet_re	1.81 385	1.91 326	1.71 399	1.95 376	1.70 412	1.95 401	1.70 409	1.96 393	1.74 411	1.97 398	1.72 411	1.95 398	1.71 401	1.97 397	1.71 410	1.86 391	1.62 393	1.85 402	1.66 408	1.86 382	1.64 407

SPS-STEREO	1.59 377	1.91 326	1.21 374	1.94 375	1.20 353	2.00 402	1.23 390	1.99 394	1.24 397	2.00 399	1.25 395	2.03 400	1.26 386	2.00 398	1.29 395	1.90 395	1.18 328	1.89 404	1.21 389	1.89 384	1.20 345
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 376	1.94 332	1.22 375	1.88 372	1.21 399	1.88 400	1.22 389	1.88 391	1.22 395	1.88 395	1.22 392	1.88 396	1.22 384	1.89 395	1.22 391	1.87 392	1.22 376	1.88 403	1.22 390	1.88 383	1.22 391
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
ssnet_v2	0.68 251	1.96 333	1.25 379	0.29 145	0.20 160	0.30 169	0.20 147	0.29 162	0.22 160	1.50 388	0.20 160	0.31 175	0.20 159	0.27 170	0.22 160	0.24 157	1.49 389	0.26 161	0.18 157	3.90 407	0.19 144

qqq	0.16 111	2.01 334	0.12 87	0.15 94	0.04 65	0.06 75	0.05 75	0.06 77	0.04 67	0.06 78	0.03 44	0.06 80	0.03 44	0.06 70	0.03 39	0.12 78	0.14 122	0.04 59	0.04 63	0.03 39	0.03 43

ACV-stereo	0.30 149	2.08 335	0.25 160	0.25 135	0.18 154	0.24 149	0.17 136	0.24 147	0.18 147	0.24 150	0.17 147	0.25 156	0.17 144	0.24 154	0.17 142	0.22 141	0.16 127	0.22 146	0.16 140	0.22 139	0.16 131

GCST	0.50 231	2.08 335	0.38 209	0.53 228	0.35 233	0.49 258	0.35 222	0.50 254	0.35 224	0.49 250	0.35 230	0.49 254	0.35 225	0.49 258	0.35 224	0.48 249	0.37 209	0.45 253	0.33 230	0.44 227	0.33 214

ToySt	0.92 297	2.11 337	0.90 301	0.95 275	0.79 321	0.99 316	0.78 307	0.94 304	0.81 320	0.94 311	0.78 319	0.95 317	0.77 304	0.94 312	0.86 317	0.91 298	0.79 291	0.85 310	0.77 313	0.89 286	0.73 301

TRStereo	2.00 388	2.13 338	1.85 406	2.27 386	1.84 416	2.28 406	1.84 412	2.29 401	1.86 417	2.30 406	1.87 413	2.30 403	1.87 404	2.08 399	1.72 412	2.08 400	1.72 398	2.08 407	1.72 412	2.08 386	1.72 410

XX-Stereo	2.00 388	2.13 338	1.85 406	2.27 386	1.84 416	2.28 406	1.84 412	2.29 401	1.86 417	2.30 406	1.87 413	2.30 403	1.87 404	2.08 399	1.72 412	2.08 400	1.72 398	2.08 407	1.72 412	2.08 386	1.72 410

EAI-Stereo	2.00 388	2.13 338	1.85 406	2.27 386	1.84 416	2.28 406	1.84 412	2.29 401	1.86 417	2.30 406	1.87 413	2.30 403	1.87 404	2.08 399	1.72 412	2.08 400	1.72 398	2.08 407	1.72 412	2.08 386	1.72 410

11t1	0.17 114	2.16 341	0.13 106	0.13 81	0.04 65	0.06 75	0.04 66	0.06 77	0.04 67	0.06 78	0.03 44	0.06 80	0.03 44	0.06 70	0.05 71	0.18 130	0.12 95	0.06 75	0.03 46	0.05 74	0.03 43

UGAM-zero	0.51 233	2.17 342	0.39 215	0.53 228	0.36 238	0.50 266	0.36 228	0.50 254	0.36 233	0.49 250	0.36 233	0.50 268	0.35 225	0.50 263	0.36 227	0.49 252	0.37 209	0.47 260	0.35 236	0.46 230	0.34 220

cf-r	0.66 246	2.17 342	0.12 87	0.18 109	0.12 128	0.18 125	2.70 423	2.60 408	0.12 128	0.18 124	0.12 120	0.18 126	0.12 125	0.18 125	0.12 117	0.15 109	0.11 81	0.15 118	0.11 108	1.81 381	1.74 413

UDG	0.80 273	2.21 344	0.60 261	0.91 267	0.60 292	0.90 307	0.58 282	0.88 294	0.60 285	0.90 303	0.60 292	0.88 307	0.60 282	0.90 307	0.58 284	0.86 295	0.60 264	0.84 309	0.59 291	0.84 282	0.61 283

UGAM	0.51 233	2.23 345	0.39 215	0.54 230	0.35 233	0.50 266	0.35 222	0.49 246	0.35 224	0.49 250	0.35 230	0.49 254	0.36 228	0.50 263	0.36 227	0.49 252	0.37 209	0.45 253	0.34 232	0.45 229	0.34 220

NCCL2	2.28 397	2.27 346	2.28 412	2.28 389	2.28 423	2.27 405	2.29 418	2.28 400	2.28 421	2.27 405	2.28 423	2.28 402	2.27 411	2.27 406	2.28 422	2.28 403	2.28 408	2.27 410	2.29 421	2.27 390	2.29 417

ccnet	0.80 273	2.28 347	0.33 192	0.50 225	0.33 224	0.50 266	0.33 210	0.50 254	0.33 214	0.49 250	0.33 217	0.49 254	1.56 397	2.38 408	0.33 209	0.41 225	0.29 185	0.42 249	1.57 405	2.28 391	0.29 193

GES	0.66 246	2.34 348	0.29 173	0.41 196	0.29 200	0.41 223	0.29 193	0.42 229	0.29 196	0.40 201	0.41 254	0.41 221	0.30 208	0.51 266	0.29 194	0.32 179	0.29 185	0.32 177	2.46 423	2.49 395	0.30 202

DDUNet	0.81 278	2.45 349	0.57 259	0.90 265	0.60 292	0.88 304	0.59 283	0.90 295	0.60 285	0.88 302	0.60 292	0.90 310	0.58 280	0.88 304	0.60 286	0.84 293	0.60 264	0.86 311	0.57 288	0.86 283	0.60 282

FBW_ROB	2.12 394	2.46 350	1.77 402	2.49 393	1.79 415	2.38 410	1.83 411	2.46 406	1.78 413	2.48 410	1.97 418	2.40 410	1.78 402	2.42 409	1.83 416	2.31 404	1.85 404	2.38 412	1.82 417	2.35 393	1.84 414

HH	0.71 256	2.54 351	0.74 285	1.10 291	0.32 215	0.41 223	0.37 233	0.69 278	0.78 313	0.73 290	0.90 325	0.75 295	1.00 317	0.84 299	0.69 302	0.69 275	0.40 223	0.35 205	0.26 188	0.35 186	0.26 169

HanStereo	0.71 256	2.54 351	0.74 285	1.10 291	0.32 215	0.41 223	0.37 233	0.69 278	0.78 313	0.73 290	0.90 325	0.75 295	1.00 317	0.84 299	0.69 302	0.69 275	0.40 223	0.35 205	0.26 188	0.35 186	0.26 169

sAnonymous2	3.31 420	2.63 353	1.38 389	3.71 409	1.86 419	4.70 443	1.11 333	4.82 444	2.72 424	5.45 447	1.98 420	4.59 435	2.64 413	2.65 411	6.21 453	4.37 418	1.08 314	5.16 446	2.24 419	4.52 416	2.39 422

CroCo_RVC	3.31 420	2.63 353	1.38 389	3.71 409	1.86 419	4.70 443	1.11 333	4.82 444	2.72 424	5.45 447	1.98 420	4.59 435	2.64 413	2.65 411	6.21 453	4.37 418	1.08 314	5.16 446	2.24 419	4.52 416	2.39 422

ff7	1.68 379	2.68 355	1.35 383	0.97 279	0.89 327	1.84 397	2.15 415	2.12 395	1.80 414	2.05 401	1.56 404	2.33 406	2.12 408	2.23 403	2.25 418	1.31 373	1.07 310	1.48 398	1.41 399	0.90 288	1.04 331

ffff	1.68 379	2.68 355	1.35 383	0.97 279	0.89 327	1.84 397	2.15 415	2.12 395	1.80 414	2.05 401	1.56 404	2.33 406	2.12 408	2.23 403	2.25 418	1.31 373	1.07 310	1.48 398	1.41 399	0.90 288	1.04 331

ccc-4	1.68 379	2.68 355	1.35 383	0.97 279	0.89 327	1.84 397	2.15 415	2.12 395	1.80 414	2.05 401	1.56 404	2.33 406	2.12 408	2.23 403	2.25 418	1.31 373	1.07 310	1.48 398	1.41 399	0.90 288	1.04 331

11t	1.27 370	2.70 358	1.34 381	1.32 358	0.89 327	1.30 388	1.34 395	1.64 387	0.57 283	1.45 387	0.72 313	1.05 326	1.29 389	1.07 328	1.29 395	1.49 381	1.02 309	0.97 324	1.15 337	1.48 374	1.31 396

sCroCo_RVC	2.10 392	2.76 359	1.92 410	2.78 397	1.39 406	2.73 414	1.41 404	2.73 409	1.40 406	2.77 415	1.41 403	2.74 414	1.40 395	2.74 413	1.40 400	2.72 408	1.42 387	2.72 414	1.44 402	2.79 400	1.42 403

PSMNet-RSSM	0.77 267	2.76 359	0.14 111	0.20 114	0.14 133	0.20 132	2.66 421	2.79 411	0.14 133	0.21 139	0.14 137	0.21 140	0.14 132	0.20 132	0.14 127	0.17 122	0.12 95	0.17 125	0.12 124	2.52 396	2.31 418

GwcNet-RSSM	0.77 267	2.77 361	0.14 111	0.20 114	0.14 133	0.20 132	2.67 422	2.78 410	0.14 133	0.20 130	0.14 137	0.20 132	0.14 132	0.21 142	0.14 127	0.17 122	0.12 95	0.17 125	0.12 124	2.52 396	2.31 418

hitnet-ft	0.79 271	2.78 362	0.14 111	0.20 114	0.14 133	0.21 140	2.89 424	2.80 412	0.14 133	0.20 130	0.14 137	0.20 132	0.14 132	0.20 132	0.14 127	0.17 122	0.12 95	0.17 125	0.12 124	2.54 398	2.33 420

PDISCO_ROB	0.83 286	2.80 363	3.49 434	0.14 85	0.11 113	0.17 123	0.09 91	0.15 117	0.10 96	0.15 111	0.12 120	0.16 116	0.14 132	3.30 418	0.13 123	0.14 100	2.34 409	0.16 120	0.12 124	2.62 399	0.10 93

iGMRVC	0.84 288	2.85 364	0.72 282	0.72 249	0.73 316	0.77 293	0.79 308	0.73 282	0.74 312	0.73 290	0.72 313	0.73 293	0.76 303	0.73 290	0.73 307	0.72 280	0.73 285	0.73 294	0.72 310	0.73 268	0.72 299

MC-Stereo	1.76 382	2.96 365	1.37 388	2.14 381	1.37 404	2.14 404	1.36 397	2.14 398	1.37 404	2.14 404	1.37 400	2.14 401	1.37 393	2.14 402	1.37 398	1.97 396	1.32 377	1.97 405	1.32 393	1.98 385	1.33 397

PASM	0.39 192	3.06 366	1.36 387	1.58 365	0.09 92	0.11 101	0.11 108	0.11 102	0.11 110	0.09 88	0.09 93	0.11 102	0.09 94	0.09 89	0.09 87	0.11 73	0.11 81	0.11 98	0.09 90	0.11 100	0.11 105

DDVS	0.30 149	3.10 367	0.14 111	0.19 112	0.14 133	0.19 128	0.14 128	0.20 131	0.14 133	0.19 125	0.13 132	0.16 116	0.13 129	0.19 128	0.13 123	0.17 122	0.13 119	0.17 125	0.13 132	0.17 124	0.13 127

4D-IteraStereo	0.78 270	3.13 368	0.89 298	0.69 244	0.32 215	0.40 207	0.32 203	0.76 283	0.97 331	0.52 266	0.65 300	0.89 309	0.32 214	0.76 293	0.98 326	0.83 291	0.94 304	0.35 205	0.27 194	0.70 264	0.89 317

plain	1.88 386	3.16 369	0.64 267	3.10 399	0.65 303	3.10 417	0.64 287	3.12 415	0.65 293	3.10 416	0.65 300	3.11 416	0.65 287	3.12 415	0.65 290	3.12 411	0.65 272	3.13 416	0.65 296	3.13 402	0.65 288

iRaftStereo_RVC	0.97 305	3.17 370	2.30 413	2.42 391	0.38 245	0.54 273	0.38 238	0.54 262	0.38 236	0.54 268	0.38 243	0.54 271	0.38 234	0.54 270	0.38 236	2.38 406	2.34 409	0.49 271	0.36 242	0.49 244	0.36 225

RCA-Stereo	0.51 233	3.22 371	0.34 199	0.44 206	0.34 230	0.44 245	0.34 219	0.43 232	0.34 221	0.43 231	0.34 223	0.44 240	0.33 218	0.43 237	0.33 209	0.38 208	0.29 185	0.38 219	0.29 207	0.38 201	0.29 193

Anonymous3	2.55 409	3.26 372	1.65 396	3.28 402	1.63 410	3.24 419	1.68 407	3.27 417	1.66 409	3.28 418	1.67 409	3.25 418	1.66 399	3.27 417	1.64 406	3.26 412	1.65 395	3.30 417	1.65 407	4.95 431	1.65 409

MIF-Stereo (partial)	2.58 410	3.31 373	0.66 271	3.18 400	0.66 306	3.18 418	0.66 290	3.21 416	0.67 296	3.19 417	0.66 302	3.19 417	0.66 290	3.31 419	0.68 298	5.09 437	1.79 402	8.23 456	1.67 409	6.18 440	1.38 402

UniTT-Stereo	2.03 391	3.43 374	0.72 282	3.42 403	0.73 316	3.27 420	0.68 294	3.38 419	0.69 300	3.29 419	0.72 313	3.28 419	0.70 296	3.35 420	0.68 298	3.39 413	0.68 274	3.31 418	0.69 304	3.37 403	0.73 301

DPSNet	3.66 422	3.60 375	3.62 436	3.63 407	3.64 444	3.65 423	3.65 443	3.66 422	3.67 441	3.67 421	3.65 442	3.67 422	3.66 432	3.66 421	3.68 439	3.68 416	3.66 426	3.67 422	3.68 442	3.67 404	3.67 441

RAStereo	2.23 395	3.64 376	0.76 288	3.65 408	0.86 325	3.66 424	0.76 306	3.67 423	0.81 320	3.66 420	0.76 318	3.66 421	0.77 304	3.68 422	0.77 310	3.68 416	0.77 290	3.69 423	0.77 313	3.70 405	0.77 307

qqq1	0.25 135	3.70 377	0.14 111	0.14 85	0.04 65	0.06 75	0.05 75	0.06 77	0.05 80	0.06 78	0.05 82	0.04 62	0.05 76	0.06 70	0.05 71	0.13 94	0.12 95	0.06 75	0.05 77	0.03 39	0.04 64

fff1	0.25 135	3.70 377	0.14 111	0.14 85	0.04 65	0.06 75	0.05 75	0.06 77	0.05 80	0.06 78	0.05 82	0.04 62	0.05 76	0.06 70	0.05 71	0.13 94	0.12 95	0.06 75	0.05 77	0.03 39	0.04 64

RAFT_CTSACE	1.92 387	3.71 379	1.72 400	1.88 372	1.72 413	2.04 403	1.42 405	2.18 399	1.89 420	2.02 400	1.97 418	1.95 398	2.06 407	1.93 396	1.62 405	1.76 388	1.66 396	2.02 406	1.73 415	1.73 380	1.43 404

MyStereo07	0.60 242	3.72 380	0.48 246	0.49 218	0.41 257	0.36 191	0.32 203	0.49 246	0.43 257	0.51 263	0.42 261	0.49 254	0.43 255	0.51 266	0.64 289	0.49 252	0.45 237	0.34 192	0.32 224	0.35 186	0.43 250

MyStereo04	0.56 240	3.72 380	0.59 260	0.49 218	0.41 257	0.36 191	0.32 203	0.37 186	0.31 208	0.34 178	0.46 267	0.35 185	0.32 214	0.35 187	0.33 209	0.49 252	0.45 237	0.34 192	0.32 224	0.35 186	0.43 250

ffm	0.25 135	3.83 382	0.12 87	0.12 68	0.05 80	0.06 75	0.05 75	0.06 77	0.05 80	0.03 36	0.03 44	0.06 80	0.05 76	0.06 70	0.05 71	0.12 78	0.12 95	0.05 69	0.04 63	0.06 77	0.04 64

ff1	0.25 135	3.83 382	0.12 87	0.12 68	0.05 80	0.06 75	0.05 75	0.06 77	0.05 80	0.03 36	0.03 44	0.06 80	0.05 76	0.06 70	0.05 71	0.12 78	0.12 95	0.05 69	0.04 63	0.06 77	0.04 64

mmx	0.25 135	3.83 382	0.12 87	0.12 68	0.05 80	0.06 75	0.05 75	0.06 77	0.05 80	0.03 36	0.03 44	0.06 80	0.05 76	0.06 70	0.05 71	0.12 78	0.12 95	0.05 69	0.04 63	0.06 77	0.04 64

NINENet	0.69 253	3.87 385	1.20 328	1.98 378	0.05 80	0.40 207	0.04 66	0.40 199	0.05 80	0.41 214	0.04 74	0.41 221	0.05 76	0.40 210	0.05 71	1.79 389	1.56 391	0.34 192	0.22 163	0.34 174	0.23 152

MyStereo8	0.71 256	3.92 386	0.52 255	0.59 236	0.52 285	0.57 279	0.53 278	0.59 269	0.50 275	0.59 277	0.51 285	0.57 279	0.50 274	0.56 273	0.52 278	0.54 262	0.49 250	0.54 279	0.49 280	0.55 255	0.50 269

MyStereo06	0.75 262	4.12 387	0.60 261	0.63 239	0.61 297	0.62 283	0.66 290	0.56 264	0.45 259	0.55 271	0.48 277	0.54 271	0.46 258	0.57 276	0.45 259	0.60 266	0.57 262	0.64 285	0.55 284	0.72 265	0.55 277

MyStereo05	0.80 273	4.12 387	0.63 265	0.63 239	0.61 297	0.62 283	0.66 290	0.65 275	0.62 289	0.67 284	0.61 294	0.65 286	0.58 280	0.67 285	0.55 282	0.60 266	0.57 262	0.64 285	0.55 284	0.72 265	0.55 277

test-3	0.98 307	4.13 389	1.85 406	1.85 371	0.61 297	0.69 288	0.37 233	0.63 273	0.61 288	0.66 283	0.51 285	0.73 293	0.44 256	0.57 276	0.54 280	1.68 387	1.81 403	0.40 229	0.43 267	0.66 258	0.50 269

SPstereo	0.75 262	4.15 390	0.42 230	0.75 251	0.35 233	0.78 295	0.40 244	0.79 285	0.38 236	0.78 295	0.36 233	0.78 298	0.36 228	0.79 294	0.39 241	0.75 281	0.39 220	0.76 298	0.39 253	0.75 269	0.39 236

IGEVStereo-DCA	1.77 383	4.21 391	1.84 404	2.49 393	2.11 421	2.54 412	1.36 397	1.65 388	1.17 346	2.75 413	1.90 416	2.54 412	1.15 330	0.94 312	1.11 334	1.50 382	1.32 377	0.96 322	1.46 403	1.49 375	0.88 315

rrr	1.77 383	4.21 391	1.84 404	2.49 393	2.11 421	2.54 412	1.36 397	1.65 388	1.17 346	2.75 413	1.90 416	2.54 412	1.15 330	0.94 312	1.11 334	1.50 382	1.32 377	0.96 322	1.46 403	1.49 375	0.88 315

GEStereo_RVC	0.86 291	4.45 393	0.20 142	0.27 143	0.20 160	0.27 165	0.20 147	0.26 156	0.18 147	5.03 445	0.20 160	0.27 166	0.19 155	0.27 170	0.21 158	0.20 133	0.19 146	0.19 137	4.02 447	0.20 133	0.18 142

error version	0.93 301	4.47 394	2.35 414	1.99 379	0.37 240	0.41 223	0.36 228	0.41 213	0.35 224	0.43 231	0.36 233	0.41 221	0.40 239	0.41 224	0.36 227	1.87 392	2.16 405	0.47 260	0.37 244	0.39 208	0.33 214

test_1	0.93 301	4.47 394	2.35 414	1.99 379	0.37 240	0.41 223	0.36 228	0.41 213	0.35 224	0.43 231	0.36 233	0.41 221	0.40 239	0.41 224	0.36 227	1.87 392	2.16 405	0.47 260	0.37 244	0.39 208	0.33 214

TestStereo	4.88 445	4.75 396	4.79 440	4.87 427	4.92 452	4.81 447	4.90 452	4.78 443	4.77 451	4.87 443	4.89 451	4.90 446	4.91 444	4.99 445	4.79 449	4.98 434	4.87 435	4.87 444	4.92 452	5.00 432	5.00 451

DispFullNet	4.61 441	4.84 397	3.12 431	5.00 428	3.57 443	4.75 446	3.03 431	7.75 455	4.17 448	4.91 444	3.09 435	6.20 451	3.95 437	6.71 451	3.51 438	5.30 439	3.67 427	5.86 452	3.63 439	5.61 437	3.46 439

CFNet-RSSM	0.91 295	4.89 398	0.34 199	0.44 206	1.07 343	1.62 396	1.40 403	0.91 297	0.35 224	1.60 389	1.39 402	0.64 283	0.34 221	0.44 239	0.33 209	0.41 225	0.35 205	0.75 296	0.30 215	0.41 220	0.29 193

StereoVision	3.15 418	5.00 399	0.89 298	4.83 426	1.00 337	3.93 425	1.27 393	6.37 449	1.34 400	5.67 449	1.26 396	5.84 450	1.27 387	5.03 447	1.24 392	5.10 438	1.09 316	4.61 435	0.57 288	5.62 438	1.12 336

LL-Strereo	1.01 312	5.06 400	1.63 395	0.70 246	1.43 407	0.56 275	0.46 261	0.57 266	0.50 275	0.57 274	0.50 282	1.58 393	0.49 271	0.59 278	0.50 275	1.64 386	0.52 257	0.51 275	1.37 397	0.52 251	0.45 254

FC-DCNN v2	5.10 449	5.15 401	4.49 439	5.07 429	3.37 441	6.87 452	4.75 451	5.04 447	6.34 455	7.84 455	5.06 452	6.72 455	4.09 440	4.99 445	5.44 452	5.03 435	3.16 423	4.67 438	4.86 451	5.15 434	3.89 446

rvit_105_1	3.83 424	5.22 402	3.01 420	4.53 414	3.01 428	4.51 431	3.01 426	4.56 432	3.04 427	4.53 431	3.03 428	4.55 433	3.03 417	4.56 432	3.04 424	4.57 423	3.05 413	4.57 430	3.05 425	4.57 418	3.05 426

rvit_stereo_0081	3.83 424	5.23 403	3.01 420	4.53 414	3.03 430	4.55 437	3.02 427	4.56 432	3.04 427	4.52 429	3.02 426	4.54 431	3.03 417	4.56 432	3.04 424	4.57 423	3.05 413	4.57 430	3.05 425	4.58 419	3.05 426

CFNet	1.37 373	5.27 404	0.19 139	5.49 430	0.19 158	0.28 166	0.19 144	0.28 159	0.19 153	0.28 163	0.19 157	0.28 167	4.35 441	0.28 172	0.19 152	0.23 152	0.17 140	0.23 152	4.21 449	4.81 428	0.17 138

rvit_stereo_0083	3.92 433	5.30 405	3.06 428	4.61 423	3.09 437	4.67 442	3.08 436	4.66 440	3.09 436	4.62 439	3.10 436	4.66 443	3.11 426	4.67 440	3.16 435	4.72 433	3.16 423	4.77 441	3.11 432	4.66 425	3.11 433

rvit_0105_3	3.91 431	5.33 406	3.06 428	4.60 422	3.07 436	4.60 440	3.06 435	4.62 438	3.08 435	4.60 438	3.07 434	4.62 440	3.08 424	4.67 440	3.10 433	4.70 431	3.11 420	4.77 441	3.19 436	4.77 427	3.14 434

rvit_stereo_0081_aga	3.86 426	5.33 406	3.02 423	4.55 420	3.04 434	4.54 433	3.02 427	4.64 439	3.06 431	4.54 433	3.04 430	4.62 440	3.08 424	4.62 438	3.07 429	4.58 426	3.06 417	4.60 434	3.08 429	4.63 422	3.07 430

rvit_0105_5	4.10 435	5.40 408	3.13 433	4.71 425	3.15 439	4.72 445	3.10 438	4.90 446	3.27 439	4.69 441	3.16 438	4.84 445	3.25 429	4.96 444	3.34 437	5.05 436	3.39 425	5.10 445	3.40 437	5.11 433	3.42 438

UDGNet	2.23 395	5.40 408	1.72 400	2.48 392	1.69 411	2.51 411	1.69 408	2.51 407	1.72 410	2.50 411	1.69 410	2.52 411	1.69 400	2.50 410	1.68 409	2.41 407	1.70 397	2.42 413	1.69 411	2.42 394	1.64 407

rvit_stereo_ft	3.93 434	5.44 410	3.05 427	4.59 421	3.06 435	4.61 441	3.08 436	4.67 441	3.12 437	4.63 440	3.10 436	4.65 442	3.11 426	4.69 442	3.13 434	4.70 431	3.14 422	4.71 440	3.15 434	4.74 426	3.16 435

rvit_0105_4	3.91 431	5.47 411	3.02 423	4.54 417	3.02 429	4.54 433	3.03 431	4.75 442	3.17 438	4.57 435	3.06 431	4.61 439	3.16 428	4.65 439	3.09 432	4.66 430	3.11 420	4.68 439	3.18 435	4.81 428	3.16 435

rvit_stereo_0080	3.89 429	5.70 412	3.04 425	4.54 417	3.03 430	4.56 438	3.05 433	4.60 436	3.07 432	4.58 436	3.06 431	4.59 435	3.06 422	4.61 436	3.08 430	4.63 428	3.09 418	4.64 436	3.10 430	4.65 423	3.10 431

whm_eth	3.89 429	5.70 412	3.04 425	4.54 417	3.03 430	4.56 438	3.05 433	4.60 436	3.07 432	4.58 436	3.06 431	4.59 435	3.06 422	4.61 436	3.08 430	4.63 428	3.09 418	4.64 436	3.10 430	4.65 423	3.10 431

rvit_0105_6	3.87 428	5.73 414	3.10 430	4.69 424	3.12 438	4.54 433	3.02 427	4.56 432	3.04 427	4.54 433	3.03 428	4.54 431	3.04 420	4.56 432	3.05 426	4.58 426	3.05 413	4.58 432	3.05 425	4.58 419	3.05 426

rvit_stereo_0082	3.86 426	5.82 415	3.01 420	4.53 414	3.03 430	4.54 433	3.02 427	4.56 432	3.04 427	4.53 431	3.02 426	4.55 433	3.04 420	4.57 435	3.05 426	4.57 423	3.05 413	4.58 432	3.05 425	4.58 419	3.06 429

SGM-Forest	5.21 451	5.92 416	4.08 438	6.18 435	4.16 449	6.31 451	4.34 450	6.50 450	4.33 449	6.14 451	4.21 448	6.61 454	4.55 443	6.67 450	4.48 448	5.94 443	3.94 429	5.85 451	4.03 448	5.79 439	4.17 449
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MaDis-Stereo	3.19 419	6.02 417	1.12 317	5.61 432	1.16 349	5.43 449	1.02 330	5.15 448	0.70 303	5.43 446	1.21 391	5.03 448	0.97 315	4.85 443	0.99 327	4.53 421	1.16 325	5.53 448	1.25 391	5.37 436	1.30 395

IER	0.88 292	7.04 418	2.23 411	2.75 396	0.28 194	0.43 243	0.25 172	0.39 195	0.25 172	0.41 214	0.27 192	0.39 204	0.25 175	0.40 210	0.28 187	0.37 201	0.28 176	0.37 212	0.25 181	0.37 194	0.25 163

HCRNet	1.22 367	7.11 419	3.00 419	3.55 406	0.33 224	0.29 168	0.14 128	0.19 127	0.15 142	0.33 176	0.29 200	0.25 156	0.14 132	0.22 146	0.33 209	3.64 415	3.00 412	0.76 298	0.32 224	0.18 128	0.13 127

SA	4.33 437	7.35 420	6.85 452	5.96 434	4.09 448	3.59 422	3.15 439	3.82 424	2.64 423	3.91 422	3.85 443	3.57 420	2.72 415	3.13 416	4.03 444	7.09 451	6.86 446	3.57 420	3.12 433	3.85 406	3.51 440

cross-raft	4.83 444	7.52 421	6.43 448	6.63 437	3.96 447	4.51 431	3.99 447	4.49 430	3.96 446	4.52 429	3.96 445	4.50 430	3.97 438	4.50 431	3.97 443	6.65 446	6.44 443	4.33 427	3.92 446	4.35 414	3.91 447

test_5	4.62 442	7.55 422	6.23 447	6.32 436	3.40 442	5.29 448	3.50 441	3.53 421	4.11 447	4.28 426	4.47 450	4.26 429	4.38 442	3.68 422	3.24 436	5.89 442	5.60 438	4.84 443	3.50 438	4.33 413	3.93 448

RAFT+CT+SA	4.28 436	7.62 423	4.91 441	5.55 431	2.28 423	3.09 416	3.64 442	4.49 430	3.07 432	4.80 442	3.35 439	4.77 444	3.70 433	4.29 429	3.05 426	5.58 440	5.98 441	3.58 421	3.78 444	4.26 412	3.72 442

raft_robust	4.71 443	7.75 424	5.40 446	6.81 438	3.31 440	4.28 430	4.20 449	4.32 429	4.37 450	4.35 428	4.35 449	4.14 427	3.75 434	4.30 430	4.20 447	6.67 447	6.37 442	3.36 419	4.24 450	4.86 430	3.25 437

test_4	4.88 445	8.13 425	6.98 453	7.46 442	4.44 450	4.25 429	3.85 446	4.04 428	3.92 445	4.13 425	3.91 444	4.18 428	3.84 435	4.14 427	4.06 445	7.01 450	7.13 447	4.53 428	3.72 443	4.09 410	3.72 442

Sa-1000	4.34 438	8.37 426	6.84 451	6.98 441	4.45 451	3.58 421	3.00 425	3.42 420	3.39 440	2.61 412	4.00 446	3.83 424	4.01 439	3.90 424	3.90 442	5.98 444	5.62 439	3.76 424	2.34 422	4.35 414	2.47 424

TestStereo1	4.60 439	8.41 427	6.44 449	6.86 439	3.79 445	3.97 426	3.78 444	3.99 426	3.74 442	3.97 423	3.52 440	3.94 425	3.58 430	3.98 425	3.72 440	6.82 448	6.50 444	3.76 424	3.66 440	3.90 407	3.74 444

SA-5K	4.60 439	8.41 427	6.44 449	6.86 439	3.79 445	3.97 426	3.78 444	3.99 426	3.74 442	3.97 423	3.52 440	3.94 425	3.58 430	3.98 425	3.72 440	6.82 448	6.50 444	3.76 424	3.66 440	3.90 407	3.74 444

U	5.15 450	8.49 429	1.81 403	8.49 446	1.77 414	8.49 457	1.77 410	8.51 457	1.77 412	8.49 457	1.77 412	8.50 457	1.78 402	8.58 457	1.77 415	8.54 455	1.78 401	8.55 457	1.78 416	8.55 451	1.84 414

CFNet_RVC	2.38 405	8.71 430	0.38 209	9.33 449	0.42 265	0.56 275	0.42 256	0.60 271	0.38 236	0.62 279	0.42 261	0.56 278	7.29 453	0.62 279	0.42 256	0.53 261	0.37 209	0.49 271	0.34 232	8.30 449	6.87 456

rvit_stereo_0075_2	6.64 453	8.80 431	5.25 443	7.89 443	5.27 454	7.90 456	5.27 453	7.92 456	5.28 453	7.91 456	5.29 454	7.93 456	5.27 445	7.92 456	5.28 450	7.93 452	5.28 437	7.93 455	5.29 454	7.93 448	5.28 453

test_3	5.01 447	8.86 432	7.77 455	8.09 444	2.76 427	4.13 428	4.05 448	3.88 425	3.76 444	4.33 427	4.13 447	3.71 423	3.91 436	4.21 428	4.06 445	7.93 452	7.69 449	4.53 428	3.91 445	4.17 411	4.29 450

SGM+DAISY	7.06 455	9.15 433	5.38 445	8.84 448	5.18 453	8.80 458	5.31 454	8.79 458	5.28 453	8.89 458	5.20 453	8.93 458	5.33 446	8.95 458	5.36 451	8.70 456	5.21 436	8.74 458	5.20 453	8.89 452	5.15 452

test-1	6.46 452	9.16 434	8.03 458	8.09 444	5.62 455	6.11 450	6.35 455	6.85 452	4.94 452	6.08 450	6.29 457	4.98 447	6.43 449	6.22 448	6.36 455	6.16 445	7.47 448	5.82 450	5.44 455	7.11 445	5.68 454

RAFT	6.73 454	9.36 435	7.40 454	8.51 447	6.55 456	6.88 453	6.60 456	6.79 451	6.60 456	6.80 452	6.72 458	5.31 449	5.50 447	6.61 449	6.61 456	8.42 454	5.89 440	5.73 449	5.45 456	6.61 441	6.24 455

CFNet_pseudo	2.67 413	9.36 435	0.32 187	10.99 458	0.33 224	0.85 301	0.33 210	0.49 246	0.33 214	0.49 250	0.32 214	0.49 254	7.26 452	0.49 258	0.33 209	0.41 225	9.62 455	0.41 240	0.29 207	10.03 457	0.29 193

CFNet_ucs	2.73 414	9.64 437	0.33 192	9.92 454	0.32 215	0.49 258	0.33 210	0.49 246	0.33 214	0.49 250	0.33 217	0.49 254	8.98 456	0.48 252	0.33 209	0.41 225	9.96 458	0.40 229	0.29 207	10.12 458	0.54 273

PCWNet_CMD	2.80 417	9.82 438	0.32 187	10.09 456	0.32 215	0.49 258	0.33 210	3.34 418	0.33 214	0.49 250	0.33 217	0.49 254	8.73 454	0.48 252	0.33 209	0.41 225	9.22 452	0.42 249	0.29 207	9.55 455	0.31 207

pcwnet_v2	2.66 412	9.89 439	0.33 192	9.89 453	0.32 215	0.50 266	0.32 203	0.49 246	0.33 214	0.49 250	0.34 223	0.49 254	8.76 455	0.48 252	0.33 209	0.41 225	9.58 454	0.40 229	0.29 207	9.01 453	0.63 286

UCFNet_RVC	2.75 415	10.06 440	0.29 173	10.31 457	0.29 200	0.42 239	0.29 193	0.43 232	0.29 196	0.42 225	0.29 200	0.42 237	9.87 458	0.43 237	0.29 194	0.36 197	9.84 457	0.36 210	0.26 188	9.77 456	0.26 169

MSMDNet	2.65 411	10.14 441	0.33 192	9.74 452	0.32 215	0.87 303	0.33 210	2.95 414	0.68 297	0.49 250	0.34 223	0.49 254	5.70 448	0.49 258	0.33 209	0.42 238	9.57 453	0.41 240	0.31 220	8.36 450	0.65 288

ccs_rob	2.79 416	10.17 442	0.32 187	10.00 455	0.33 224	0.49 258	0.33 210	1.90 392	0.32 211	0.51 263	0.33 217	0.49 254	9.24 457	0.49 258	0.33 209	0.41 225	9.82 456	0.41 240	0.28 198	9.34 454	0.29 193

test-v	7.53 456	11.89 443	7.98 456	9.36 450	7.14 457	7.06 454	7.09 457	7.37 453	6.91 457	7.29 453	5.71 455	6.45 452	6.93 450	6.73 452	7.27 457	8.93 457	7.85 450	6.98 453	6.80 457	7.56 446	7.34 457

test-2	7.53 456	11.89 443	7.98 456	9.36 450	7.14 457	7.06 454	7.09 457	7.37 453	6.91 457	7.29 453	5.71 455	6.45 452	6.93 450	6.73 452	7.27 457	8.93 457	7.85 450	6.98 453	6.80 457	7.56 446	7.34 457

rafts_anoy	20.00 460	20.00 445	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460

raft+_RVC	20.00 460	20.00 445	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460

raftrobust	20.00 460	20.00 445	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460

CasAABBNet	20.00 460	20.00 445	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460

RALCasStereoNet	20.00 460	20.00 445	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460

RALAANet	20.00 460	20.00 445	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460	20.00 459	20.00 460

MANE	19.05 459	23.00 451	15.00 459	23.00 465	15.00 459	24.00 465	16.00 459	24.00 465	16.00 459	22.00 465	15.00 459	23.00 465	16.00 459	23.00 465	15.00 459	22.00 465	15.00 459	22.00 465	15.00 459	22.00 465	15.00 459

stereogan	2.33 399	24.38 452	1.18 324	1.18 305	1.18 352	1.14 334	1.18 341	1.19 325	1.19 348	1.14 332	1.18 345	1.14 336	1.18 335	1.14 335	1.18 343	1.14 321	1.14 323	1.19 343	1.19 341	1.15 309	1.19 344

Abc-Net	2.32 398	24.75 453	1.14 319	1.17 304	1.17 350	1.11 332	1.15 337	1.17 322	1.21 394	1.08 323	1.16 341	1.12 335	1.14 329	1.09 329	1.17 342	1.09 312	1.16 325	1.17 340	1.17 340	1.16 311	1.11 334
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 399	25.00 454	1.13 318	1.15 298	1.15 345	1.10 329	1.15 337	1.15 318	1.15 341	1.12 329	1.15 338	1.09 329	1.13 327	1.10 331	1.15 338	1.11 319	1.09 316	1.16 336	1.12 335	1.16 311	1.17 342

RGC	2.36 401	25.48 455	1.19 325	1.15 298	1.15 345	1.10 329	1.16 339	1.17 322	1.16 342	1.12 329	1.16 341	1.11 334	1.13 327	1.09 329	1.18 343	1.10 314	1.15 324	1.16 336	1.12 335	1.14 308	1.12 336

NCC-stereo	2.36 401	25.52 456	1.17 322	1.15 298	1.17 350	1.11 332	1.11 333	1.15 318	1.16 342	1.10 324	1.16 341	1.10 331	1.15 330	1.14 335	1.13 336	1.09 312	1.11 320	1.15 335	1.16 339	1.17 316	1.17 342

AF-Net	2.37 403	25.71 457	1.17 322	1.13 295	1.15 345	1.15 335	1.18 341	1.19 325	1.16 342	1.10 324	1.15 338	1.10 331	1.18 335	1.12 334	1.15 338	1.10 314	1.10 319	1.17 340	1.15 337	1.16 311	1.12 336

Nwc_Net	2.37 403	25.95 458	1.15 321	1.14 296	1.15 345	1.08 327	1.14 336	1.17 322	1.16 342	1.14 332	1.15 338	1.08 327	1.15 330	1.11 333	1.14 337	1.10 314	1.11 320	1.16 336	1.09 334	1.16 311	1.15 341

FAT-Stereo	2.46 407	26.05 459	1.23 377	1.23 354	1.22 400	1.20 337	1.24 391	1.23 376	1.23 396	1.19 334	1.22 392	1.21 385	1.24 385	1.20 339	1.24 392	1.21 369	1.17 327	1.22 390	1.25 391	1.20 320	1.24 393

S-Stereo	2.51 408	26.86 460	1.23 377	1.22 352	1.22 400	1.24 385	1.25 392	1.22 374	1.24 397	1.21 380	1.24 394	1.19 339	1.27 387	1.19 338	1.24 392	1.19 323	1.20 329	1.25 391	1.19 341	1.24 368	1.23 392

MoCha-V2	2.11 393	26.97 461	0.78 290	0.92 270	0.77 319	0.96 314	0.72 302	0.90 295	0.72 307	0.94 311	0.70 308	0.90 310	0.71 300	0.91 308	0.71 306	0.85 294	0.71 283	0.88 312	0.69 304	0.87 284	0.67 292

edge stereo	2.43 406	27.07 462	1.14 319	1.06 288	1.14 344	1.08 327	1.17 340	1.16 320	1.14 340	1.10 324	1.16 341	1.09 329	1.16 334	1.10 331	1.16 341	1.10 314	1.11 320	1.16 336	1.19 341	1.13 307	1.11 334

fff	1000028.16 483	29.62 463	29.72 467	32.61 466	30.02 467	35.13 468	31.83 468	32.07 467	10000000.00 483	35.27 469	29.82 468	32.45 467	30.15 467	32.35 467	30.09 467	31.04 467	29.55 468	30.64 467	30.14 467	10000000.00 483	30.77 468

csc	1000028.16 483	29.62 463	29.72 467	32.61 466	30.02 467	35.13 468	31.83 468	32.07 467	10000000.00 483	35.27 469	29.82 468	32.45 467	30.15 467	32.35 467	30.09 467	31.04 467	29.55 468	30.64 467	30.14 467	10000000.00 483	30.77 468

cscssc	1000028.16 483	29.62 463	29.72 467	32.61 466	30.02 467	35.13 468	31.83 468	32.07 467	10000000.00 483	35.27 469	29.82 468	32.45 467	30.15 467	32.35 467	30.09 467	31.04 467	29.55 468	30.64 467	30.14 467	10000000.00 483	30.77 468

STTStereo	3.73 423	30.40 466	2.37 416	2.39 390	2.31 425	2.35 409	2.33 419	2.29 401	2.42 422	2.32 409	2.34 424	2.33 406	2.36 412	2.30 407	2.27 421	2.35 405	2.22 407	2.31 411	2.22 418	2.29 392	2.34 421

111	30.40 466	30.94 467	29.72 467	32.61 466	30.02 467	33.57 466	30.47 467	31.50 466	29.39 467	30.98 466	29.11 467	29.78 466	30.39 470	29.45 466	30.76 470	30.08 466	29.02 467	29.92 466	30.32 470	29.86 466	30.17 467

DCANet-4	35.22 468	34.54 468	35.08 473	33.58 470	35.47 474	34.55 467	35.53 474	36.08 472	35.85 471	35.92 472	35.77 473	35.18 472	35.48 472	35.39 472	37.15 473	34.55 472	33.92 471	35.02 473	34.90 472	35.79 470	34.74 474

tt	500032.53 481	34.60 469	29.72 467	37.47 472	34.41 472	36.85 472	35.22 472	34.71 470	33.55 469	34.50 467	35.43 471	33.81 470	10000000.00 484	33.57 470	33.13 471	33.68 470	35.00 472	34.03 471	35.26 473	30.96 467	34.63 472

DCANet	500032.53 481	34.60 469	29.72 467	37.47 472	34.41 472	36.85 472	35.22 472	34.71 470	33.55 469	34.50 467	35.43 471	33.81 470	10000000.00 484	33.57 470	33.13 471	33.68 470	35.00 472	34.03 471	35.26 473	30.96 467	34.63 472

WCMA_ROB	31.10 467	35.43 471	27.12 466	39.51 474	23.10 466	38.78 474	25.30 466	37.49 474	25.39 466	37.29 473	27.02 466	38.52 474	26.48 466	37.80 473	26.44 466	36.28 473	22.65 466	33.90 470	22.30 466	37.10 471	24.18 466

ADStereo(finetuned)	36.13 469	36.63 472	38.07 474	36.97 471	33.25 471	35.91 471	34.45 471	36.36 473	32.99 468	38.14 474	36.71 474	36.69 473	34.13 471	38.57 474	40.79 474	37.60 474	36.58 474	35.90 474	33.36 471	35.42 469	34.04 471

NLCA_NET_v2_RVC	5.04 448	50.87 473	2.78 418	2.87 398	2.71 426	2.78 415	0.47 266	2.88 413	2.86 426	1.89 396	2.67 425	2.79 415	2.79 416	2.78 414	2.83 423	2.82 409	2.82 411	2.83 415	2.77 424	2.83 401	2.76 425
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MDST_ROB	69.83 470	87.70 474	41.95 475	113.75 477	65.62 477	75.05 475	55.25 476	75.64 476	45.04 472	71.61 475	41.75 475	72.81 475	44.06 473	68.38 475	44.63 475	101.89 477	59.57 477	107.10 477	61.05 477	104.38 474	59.38 477

MGS-Stereo	239.45 475	123.00 475	135.00 479	266.00 480	286.00 481	277.00 480	305.00 481	271.00 480	242.00 478	274.00 480	279.00 481	255.00 480	270.00 479	268.00 480	297.00 481	221.00 480	247.00 481	216.00 480	123.00 478	217.00 477	217.00 481

AE-Stereo	201.80 474	123.00 475	115.00 477	219.00 479	218.00 480	223.00 479	244.00 480	217.00 479	236.00 477	202.00 479	203.00 479	205.00 479	208.00 477	225.00 479	204.00 479	210.00 479	198.00 479	197.00 479	184.00 480	204.00 476	201.00 479

EGLCR-Stereo	246.90 476	129.00 477	139.00 480	266.00 480	286.00 481	277.00 480	305.00 481	271.00 480	242.00 478	274.00 480	279.00 481	255.00 480	270.00 479	268.00 480	297.00 481	230.00 481	247.00 481	216.00 480	223.00 482	237.00 478	227.00 482

NOSS_ROB	102.95 471	153.00 478	121.00 478	51.00 475	44.00 475	165.00 478	127.00 477	153.00 477	119.00 474	164.00 478	125.00 477	168.00 478	120.00 475	153.00 477	117.00 477	49.00 475	44.00 475	49.00 475	44.00 475	49.00 472	44.00 475

MeshStereo	159.24 473	171.00 479	160.68 481	162.58 478	160.59 478	164.01 477	160.35 478	158.51 478	158.56 475	158.34 477	160.12 478	158.56 477	159.92 476	157.26 478	158.94 478	154.38 478	158.36 478	155.75 478	159.13 479	153.67 475	154.07 478
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
PA-Net	11.80 458	223.51 480	0.62 264	0.59 236	0.71 313	0.59 281	0.73 303	0.67 277	0.73 310	0.55 271	0.61 294	0.60 282	0.74 301	0.63 280	0.73 307	0.66 272	0.60 264	0.69 290	0.66 298	0.72 265	0.65 288
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 477	354.61 481	207.27 482	363.24 482	206.46 479	364.72 482	210.41 479	364.72 482	210.41 476	364.81 482	208.64 480	364.81 482	208.64 478	364.72 482	210.41 480	354.70 482	205.53 480	354.70 482	205.53 481	354.70 479	205.53 480

LE_ROB	396.57 478	471.28 482	329.84 483	471.48 483	308.15 483	526.83 483	322.10 483	488.15 483	323.76 480	495.46 483	317.97 483	497.17 483	320.10 481	481.62 483	326.76 483	462.71 483	298.97 483	466.16 483	285.98 483	447.62 480	289.21 483

SGM-ForestM	596.69 479	677.77 483	444.52 484	699.85 484	517.25 484	732.94 484	488.29 484	770.79 484	460.11 481	750.81 484	487.98 484	792.79 484	499.41 482	730.90 484	475.81 484	720.03 484	491.16 484	663.96 484	418.60 484	674.76 481	436.05 484

CBMV_ROB	818.48 480	913.88 484	709.52 485	862.84 485	597.78 485	1073.99 485	700.52 485	1015.66 485	702.59 482	1115.65 485	760.02 485	1130.24 485	721.57 483	1037.41 485	692.65 485	814.05 485	564.29 485	843.28 485	595.31 485	915.51 482	602.92 485

CBMV	128.50 472	1422.70 485	53.10 476	79.50 476	51.30 476	77.30 476	49.70 475	74.00 475	48.20 473	77.20 476	48.80 476	73.90 476	48.00 474	73.80 476	48.80 476	70.40 476	45.10 476	68.90 476	46.10 476	68.20 473	45.00 476
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
IGEV-Stereo++	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 484	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486

IGEV-BASED-STEREO-	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 484	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486

IGEV-Stereo+	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 484	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486

SDNR	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 484	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486

anonymousdsp2	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 484	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486

anonymousdsp	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 484	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486

test_example2	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 484	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486

DIP-Stereo	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 484	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 486	10000000.00 483	10000000.00 486
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