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

USTest	0.01 9	0.02 12	0.00 1	0.14 96	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

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

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

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

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

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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 46	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 54	0.04 44	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 64	0.07 58	0.09 52	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 65	0.07 56	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 43	0.24 117	0.20 158	0.23 142	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 167	0.21 168	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 43	0.54 204	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 90	0.11 94	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 40	0.50 189	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 90	0.10 72	0.01 9	0.01 9	0.01 10	0.01 10

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
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 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWC_ROB	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCDC_ROB	0.01 9	0.01 9	0.02 14	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCK	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

G2L-Stereo_aug	0.03 29	0.04 37	0.03 35	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

YMNet	0.03 29	0.04 37	0.03 35	0.03 28	0.03 47	0.03 40	0.02 20	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.02 20	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

YMNet_1	0.03 29	0.04 37	0.03 35	0.03 28	0.03 47	0.03 40	0.02 20	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.02 20	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

PSMNet-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

test_sample6	0.09 51	0.97 253	0.10 69	0.10 56	0.03 47	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 51	0.03 42	0.02 21	0.03 39	0.02 20	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 263	0.09 65	0.09 52	0.03 47	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.09 67	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 250	0.09 65	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

CoDeX	0.15 117	0.70 217	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 337	0.02 15	0.69 319	0.75 340	0.01 9	0.02 20	0.02 20

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CBFPSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

Wz-Net-LNSev-Ref	0.11 83	0.44 166	0.33 208	0.39 191	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 235	0.36 229	0.02 18	0.02 20	0.02 20	0.02 20

CSP-Net	0.34 185	1.29 343	1.19 371	1.36 405	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 414	1.21 421	0.03 38	0.09 103	0.02 20	0.09 101

SFCPSM	0.17 128	0.78 221	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 356	0.02 15	0.75 329	0.76 342	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 152	1.31 345	0.74 326	0.92 309	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 336	0.75 329	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MSC_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCMid	0.08 50	0.02 12	0.02 14	1.01 326	0.03 47	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 68	0.09 99	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 51	0.02 12	0.04 43	0.90 304	0.06 100	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 121	0.36 256	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 83	0.02 12	0.02 14	1.62 416	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 82	0.04 72	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 50

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 47	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 51	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM0	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

TCMNet	0.03 29	0.04 37	0.03 35	0.03 28	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

TCMNet-wrong-test	0.03 29	0.04 37	0.03 35	0.03 28	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.02 20	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

DualNet (step1)	0.10 62	1.05 273	0.12 100	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.03 53	0.03 43	0.03 50

test_sample9	0.10 62	1.05 273	0.12 100	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.03 53	0.03 43	0.03 50

test_sample8	0.10 62	1.05 273	0.12 100	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.03 53	0.03 43	0.03 50

test_sample7	0.09 51	1.00 257	0.11 89	0.11 73	0.02 21	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.03 53	0.03 43	0.03 50

test_sample5	0.10 62	1.07 276	0.11 89	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.03 53	0.04 73	0.03 50

test_sample4	0.10 62	1.03 269	0.12 100	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.13 132	0.03 38	0.03 53	0.03 43	0.03 50

test_sample3	0.09 51	0.87 232	0.10 69	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 51	1.03 269	0.11 89	0.11 73	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.09 67	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 232	0.12 100	0.11 73	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 107	1.83 363	0.12 100	0.11 73	0.03 47	0.03 40	0.03 49	0.03 42	0.04 78	0.03 40	0.03 51	0.03 42	0.03 51	0.06 82	0.04 72	0.12 90	0.11 94	0.05 80	0.04 74	0.05 85	0.04 75

DualNet	0.10 62	1.07 276	0.11 89	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.03 53	0.04 73	0.03 50

ttt	0.10 62	1.09 278	0.12 100	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 62	1.14 283	0.13 119	0.14 96	0.03 47	0.04 74	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 263	0.10 69	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.03 40	0.03 51	0.03 42	0.02 21	0.03 39	0.02 20	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.03 50

x	0.11 83	1.15 285	0.15 139	0.14 96	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.14 113	0.15 138	0.03 38	0.03 53	0.03 43	0.03 50

psmg	0.43 236	1.91 370	0.92 347	1.91 423	0.02 21	0.02 19	0.03 49	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 445	1.44 435	0.04 70	0.03 53	0.02 20	0.03 50

222	0.10 62	0.99 256	0.12 100	0.13 92	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.02 20	0.04 73	0.03 50

xxxx	0.11 83	1.16 286	0.16 140	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.16 140	0.03 38	0.04 74	0.04 73	0.04 75

test_xeample	0.10 62	1.09 278	0.13 119	0.12 79	0.03 47	0.03 40	0.03 49	0.04 73	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.14 113	0.14 135	0.03 38	0.03 53	0.03 43	0.03 50

EDNetEfficient	0.04 37	0.05 49	0.04 43	0.04 36	0.03 47	0.04 74	0.03 49	0.04 73	0.03 54	0.04 70	0.03 51	0.04 73	0.03 51	0.04 68	0.03 47	0.05 50	0.03 35	0.05 80	0.03 53	0.04 73	0.03 50

BEATNet_4x	0.11 83	0.03 31	0.03 35	1.60 413	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.05 77	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

ADCL	0.11 83	0.03 31	0.03 35	1.60 413	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.05 77	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

ADCRef	0.12 92	0.03 31	0.04 43	1.71 419	0.04 76	0.03 40	0.03 49	0.04 73	0.04 78	0.04 70	0.03 51	0.04 73	0.03 51	0.06 82	0.04 72	0.04 43	0.04 44	0.04 70	0.04 74	0.03 43	0.04 75

AnyNet_C32	0.14 107	0.04 37	0.03 35	2.22 434	0.04 76	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.04 73	0.02 21	0.07 96	0.04 72	0.02 15	0.02 15	0.03 38	0.03 53	0.02 20	0.03 50

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 398	0.03 47	0.04 74	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.04 73	0.03 51	0.08 99	0.04 72	0.04 43	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

FADE	0.07 48	0.06 54	0.02 14	0.09 52	0.10 111	0.03 40	0.03 49	0.05 83	0.03 54	0.04 70	0.03 51	0.05 85	0.03 51	0.04 68	0.03 47	0.15 122	0.10 72	0.17 142	0.13 146	0.11 113	0.11 118

DFGA-Net	0.05 40	0.06 54	0.04 43	0.06 45	0.04 76	0.06 86	0.04 77	0.06 88	0.04 78	0.06 90	0.04 85	0.06 91	0.04 81	0.06 82	0.04 72	0.06 54	0.04 44	0.05 80	0.04 74	0.05 85	0.04 75

11t1	0.17 128	2.16 387	0.13 119	0.13 92	0.04 76	0.06 86	0.04 77	0.06 88	0.04 78	0.06 90	0.03 51	0.06 91	0.03 51	0.06 82	0.05 83	0.18 145	0.12 108	0.06 87	0.03 53	0.05 85	0.03 50

BUS	0.83 329	1.91 370	0.92 347	4.48 468	0.02 21	0.40 229	0.04 77	0.41 238	0.02 21	0.48 274	0.03 51	0.41 245	0.05 88	0.03 39	0.05 83	1.97 445	4.19 491	0.33 207	0.23 188	0.34 197	0.27 198

NINENet	0.69 296	3.87 441	1.20 374	1.98 427	0.05 92	0.40 229	0.04 77	0.40 223	0.05 92	0.41 237	0.04 85	0.41 245	0.05 88	0.40 233	0.05 83	1.79 438	1.56 441	0.34 214	0.22 183	0.34 197	0.23 173

EDNetEfficientorigin	0.04 37	0.06 54	0.04 43	0.05 42	0.04 76	0.05 84	0.04 77	0.05 83	0.04 78	0.05 86	0.04 85	0.05 85	0.04 81	0.05 77	0.04 72	0.05 50	0.03 35	0.06 87	0.03 53	0.04 73	0.03 50

FADNet-RVC-Resample	0.12 92	0.04 37	0.04 43	0.04 36	0.04 76	0.04 74	0.04 77	0.04 73	0.04 78	0.04 70	0.04 85	0.04 73	0.04 81	0.04 68	1.57 454	0.04 43	0.04 44	0.04 70	0.05 89	0.04 73	0.06 95

FADNet_RVC	0.12 92	0.04 37	0.04 43	0.05 42	0.04 76	0.04 74	0.04 77	0.04 73	0.04 78	0.04 70	0.04 85	0.04 73	0.05 88	0.04 68	1.65 458	0.05 50	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

FADNet	0.12 92	0.05 49	0.04 43	0.04 36	0.04 76	0.04 74	0.04 77	0.04 73	0.04 78	0.04 70	0.04 85	0.04 73	0.05 88	0.04 68	1.66 459	0.06 54	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

ADCP+	0.15 117	0.04 37	0.04 43	2.20 433	0.04 76	0.04 74	0.04 77	0.04 73	0.04 78	0.04 70	0.05 94	0.04 73	0.04 81	0.08 99	0.04 72	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

NVStereoNet_ROB	0.04 37	0.04 37	0.04 43	0.04 36	0.04 76	0.04 74	0.04 77	0.04 73	0.04 78	0.04 70	0.04 85	0.04 73	0.04 81	0.04 68	0.04 72	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ISRNet	0.11 83	0.05 49	0.36 226	0.24 147	0.07 101	0.13 117	0.05 87	0.06 88	0.05 92	0.05 86	0.05 94	0.13 118	0.05 88	0.05 77	0.09 99	0.24 172	0.20 164	0.10 100	0.05 89	0.06 89	0.13 140

qqq1	0.25 152	3.70 432	0.14 124	0.14 96	0.04 76	0.06 86	0.05 87	0.06 88	0.05 92	0.06 90	0.05 94	0.04 73	0.05 88	0.06 82	0.05 83	0.13 106	0.12 108	0.06 87	0.05 89	0.03 43	0.04 75

fff1	0.25 152	3.70 432	0.14 124	0.14 96	0.04 76	0.06 86	0.05 87	0.06 88	0.05 92	0.06 90	0.05 94	0.04 73	0.05 88	0.06 82	0.05 83	0.13 106	0.12 108	0.06 87	0.05 89	0.03 43	0.04 75

ffm	0.25 152	3.83 438	0.12 100	0.12 79	0.05 92	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 51	0.06 91	0.05 88	0.06 82	0.05 83	0.12 90	0.12 108	0.05 80	0.04 74	0.06 89	0.04 75

ff1	0.25 152	3.83 438	0.12 100	0.12 79	0.05 92	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 51	0.06 91	0.05 88	0.06 82	0.05 83	0.12 90	0.12 108	0.05 80	0.04 74	0.06 89	0.04 75

mmx	0.25 152	3.83 438	0.12 100	0.12 79	0.05 92	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 51	0.06 91	0.05 88	0.06 82	0.05 83	0.12 90	0.12 108	0.05 80	0.04 74	0.06 89	0.04 75

GASNet	0.05 40	0.04 37	0.12 100	0.04 36	0.04 76	0.04 74	0.05 87	0.04 73	0.04 78	0.12 116	0.04 85	0.06 91	0.04 81	0.04 68	0.04 72	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

qqq	0.16 125	2.01 378	0.12 100	0.15 106	0.04 76	0.06 86	0.05 87	0.06 88	0.04 78	0.06 90	0.03 51	0.06 91	0.03 51	0.06 82	0.03 47	0.12 90	0.14 135	0.04 70	0.04 74	0.03 43	0.03 50

AASNet	0.06 43	0.08 58	0.08 60	0.08 48	0.05 92	0.06 86	0.05 87	0.05 83	0.06 100	0.06 90	0.06 100	0.05 85	0.06 100	0.06 82	0.05 83	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

SACVNet	0.06 43	0.08 58	0.08 60	0.08 48	0.05 92	0.06 86	0.05 87	0.05 83	0.06 100	0.06 90	0.06 100	0.05 85	0.06 100	0.06 82	0.05 83	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

AACVNet	0.06 43	0.08 58	0.08 60	0.08 48	0.05 92	0.06 86	0.05 87	0.05 83	0.06 100	0.06 90	0.06 100	0.05 85	0.06 100	0.06 82	0.05 83	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

FADNet-RVC	0.13 98	0.04 37	0.04 43	0.04 36	0.04 76	0.04 74	0.05 87	0.04 73	0.04 78	0.04 70	0.05 94	0.04 73	0.05 88	0.04 68	1.71 461	0.04 43	0.04 44	0.04 70	0.04 74	0.07 97	0.04 75

BSDual-CNN	0.81 321	1.91 370	0.92 347	4.48 468	0.02 21	0.42 263	0.06 99	0.41 238	0.02 21	0.48 274	0.03 51	0.02 20	0.02 21	0.03 39	0.02 20	1.97 445	4.19 491	0.33 207	0.23 188	0.34 197	0.27 198

hknet	1.10 363	1.85 364	3.49 491	4.48 468	0.02 21	0.42 263	0.06 99	0.41 238	0.02 21	0.48 274	0.03 51	0.41 245	0.03 51	0.42 260	0.03 47	4.39 477	4.19 491	0.33 207	0.23 188	0.34 197	0.27 198

FINET	0.07 48	0.08 58	0.07 58	0.07 46	0.07 101	0.08 97	0.06 99	0.08 101	0.07 103	0.08 98	0.07 103	0.08 98	0.06 100	0.07 96	0.07 94	0.08 59	0.07 56	0.07 92	0.07 97	0.06 89	0.06 95

BEATNet-Init1	0.19 133	0.08 58	0.08 60	2.23 435	0.08 103	0.08 97	0.07 102	0.07 98	0.08 105	0.08 98	0.07 103	0.08 98	0.07 104	0.11 115	0.08 96	0.08 59	0.08 58	0.08 94	0.07 97	0.08 99	0.08 98

DeepPrunerF	0.19 133	0.08 58	0.08 60	2.23 435	0.08 103	0.08 97	0.07 102	0.07 98	0.08 105	0.08 98	0.07 103	0.08 98	0.07 104	0.11 115	0.08 96	0.08 59	0.08 58	0.08 94	0.07 97	0.08 99	0.08 98

SepStereo	0.09 51	0.09 64	0.10 69	0.09 52	0.09 105	0.09 101	0.09 104	0.10 103	0.08 105	0.10 102	0.09 106	0.09 102	0.09 107	0.09 102	0.08 96	0.09 65	0.08 58	0.09 99	0.08 101	0.09 102	0.08 98

SuperB	0.21 142	0.10 66	2.51 474	0.12 79	0.09 105	0.10 102	0.09 104	0.08 101	0.07 103	0.10 102	0.09 106	0.09 102	0.07 104	0.07 96	0.07 94	0.07 57	0.08 58	0.07 92	0.07 97	0.08 99	0.07 97

DRN-Test	0.14 107	0.13 80	0.09 65	0.14 96	0.09 105	0.15 125	0.09 104	0.14 119	0.10 109	0.14 118	0.09 106	0.14 119	0.09 107	0.13 120	0.09 99	0.12 90	0.09 67	0.12 114	0.09 103	0.12 118	0.73 347

StereoDRNet	0.15 117	0.14 84	0.10 69	0.14 96	0.09 105	0.15 125	0.09 104	0.14 119	0.09 108	0.14 118	0.10 110	0.14 119	0.09 107	0.14 121	0.09 99	0.13 106	0.10 72	0.13 117	0.09 103	0.13 120	0.82 358

PDISCO_ROB	0.83 329	2.80 415	3.49 491	0.14 96	0.11 127	0.17 141	0.09 104	0.15 131	0.10 109	0.15 124	0.12 134	0.16 130	0.14 148	3.30 475	0.13 137	0.14 113	2.34 466	0.16 135	0.12 138	2.62 456	0.10 106

S2M2	0.12 92	0.14 84	0.10 69	0.15 106	0.10 111	0.14 118	0.10 109	0.14 119	0.10 109	0.15 124	0.10 110	0.14 119	0.10 111	0.14 121	0.10 105	0.13 106	0.10 72	0.13 117	0.09 103	0.13 120	0.09 101

AnonymousM	0.10 62	0.10 66	0.10 69	0.10 56	0.10 111	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

LRCNet_RVC	0.13 98	0.13 80	0.09 65	0.13 92	0.10 111	0.14 118	0.10 109	0.14 119	0.10 109	0.23 164	0.10 110	0.20 149	0.10 111	0.24 172	0.11 117	0.11 85	0.09 67	0.12 114	0.14 150	0.12 118	0.09 101

UNet	0.29 166	0.90 239	0.10 69	0.14 96	0.10 111	0.14 118	0.10 109	0.91 342	0.69 344	0.14 118	0.11 124	0.14 119	0.11 123	0.14 121	0.10 105	0.12 90	0.09 67	0.12 114	0.09 103	0.88 330	0.76 352

PVD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 111	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

SHD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 111	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

SAMSARA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 111	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

XQC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 111	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTSC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 111	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTS	0.10 62	0.10 66	0.10 69	0.10 56	0.10 111	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTSA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 111	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

MADNet+	0.10 62	0.10 66	0.10 69	0.10 56	0.10 111	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

MADNet++	0.10 62	0.10 66	0.10 69	0.10 56	0.10 111	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

test_for_model	0.15 117	0.23 110	0.18 152	0.21 139	0.11 127	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.21 153	0.18 161	0.14 119	0.11 122	0.14 122	0.11 118

testlalala2	0.13 98	0.16 86	0.11 89	0.15 106	0.11 127	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.14 113	0.11 94	0.14 119	0.11 122	0.14 122	0.11 118

JetBlue	0.11 83	0.11 77	0.12 100	0.13 92	0.14 147	0.11 113	0.11 122	0.11 115	0.11 124	0.11 114	0.11 124	0.11 114	0.11 123	0.12 119	0.12 131	0.11 85	0.11 94	0.11 111	0.11 122	0.11 113	0.11 118

testlalala_base	0.13 98	0.16 86	0.11 89	0.15 106	0.11 127	0.15 125	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.14 113	0.11 94	0.14 119	0.11 122	0.14 122	0.11 118

ProNet	0.14 107	0.20 99	0.14 124	0.16 116	0.11 127	0.16 133	0.11 122	0.17 140	0.11 124	0.17 138	0.12 134	0.17 140	0.13 144	0.17 140	0.12 131	0.15 122	0.11 94	0.16 135	0.11 122	0.15 132	0.12 134

CIPLG	0.13 98	0.21 105	0.12 100	0.16 116	0.11 127	0.15 125	0.11 122	0.14 119	0.11 124	0.15 124	0.12 134	0.15 129	0.11 123	0.14 121	0.11 117	0.15 122	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

IPLG	0.13 98	0.20 99	0.14 124	0.15 106	0.11 127	0.14 118	0.11 122	0.14 119	0.11 124	0.14 118	0.11 124	0.14 119	0.11 123	0.14 121	0.11 117	0.15 122	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

ACRE	0.13 98	0.21 105	0.14 124	0.15 106	0.11 127	0.14 118	0.11 122	0.14 119	0.11 124	0.14 118	0.12 134	0.14 119	0.11 123	0.14 121	0.11 117	0.15 122	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

ICVP	0.15 117	0.53 201	0.11 89	0.16 116	0.11 127	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.16 130	0.11 94	0.16 135	0.11 122	0.16 136	0.11 118
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 98	0.11 77	0.11 89	0.11 73	0.11 127	0.11 113	0.11 122	0.11 115	0.11 124	0.11 114	0.12 134	0.11 114	0.11 123	0.11 115	0.11 117	0.11 85	0.11 94	0.14 119	0.11 122	0.49 275	0.11 118

PASM	0.39 215	3.06 418	1.36 434	1.58 411	0.09 105	0.11 113	0.11 122	0.11 115	0.11 124	0.09 101	0.09 106	0.11 114	0.09 107	0.09 102	0.09 99	0.11 85	0.11 94	0.11 111	0.09 103	0.11 113	0.11 118

HSM	0.14 107	0.16 86	0.12 100	0.17 124	0.12 142	0.17 141	0.11 122	0.17 140	0.11 124	0.17 138	0.12 134	0.17 140	0.12 139	0.17 140	0.12 131	0.16 130	0.11 94	0.16 135	0.11 122	0.16 136	0.12 134

ELAS_RVC	0.14 107	0.16 86	0.10 69	0.15 106	0.10 111	0.18 144	0.11 122	0.19 144	0.11 124	0.19 143	0.12 134	0.18 143	0.11 123	0.19 145	0.12 131	0.14 113	0.08 58	0.14 119	0.09 103	0.15 132	0.09 101
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 117	0.17 92	0.11 89	0.18 125	0.11 127	0.19 147	0.11 122	0.19 144	0.12 142	0.19 143	0.12 134	0.20 149	0.12 139	0.19 145	0.12 131	0.16 130	0.11 94	0.17 142	0.10 110	0.17 141	0.10 106
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	0.13 98	0.16 86	0.11 89	0.15 106	0.09 105	0.18 144	0.11 122	0.18 142	0.11 124	0.17 138	0.11 124	0.18 143	0.11 123	0.18 142	0.11 117	0.14 113	0.08 58	0.14 119	0.08 101	0.14 122	0.09 101
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MIPNet	0.14 107	0.21 105	0.17 147	0.16 116	0.11 127	0.15 125	0.12 137	0.14 119	0.11 124	0.16 129	0.11 124	0.14 119	0.11 123	0.14 121	0.11 117	0.14 113	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

IPLGR	0.14 107	0.24 117	0.14 124	0.16 116	0.12 142	0.15 125	0.12 137	0.14 119	0.11 124	0.15 124	0.12 134	0.14 119	0.11 123	0.14 121	0.11 117	0.15 122	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

LALA_ROB	0.15 117	0.19 95	0.12 100	0.18 125	0.11 127	0.20 152	0.12 137	0.21 156	0.12 142	0.20 148	0.12 134	0.20 149	0.12 139	0.21 160	0.13 137	0.17 137	0.10 72	0.18 152	0.11 122	0.18 145	0.11 118

ITSA-stereo	0.15 117	0.17 92	0.13 119	0.20 130	0.13 145	0.19 147	0.13 140	0.18 142	0.13 145	0.19 143	0.13 146	0.18 143	0.14 148	0.18 142	0.14 141	0.16 130	0.11 94	0.15 132	0.14 150	0.18 145	0.11 118

DeepPruner_ROB	0.16 125	0.18 94	0.13 119	0.19 128	0.13 145	0.19 147	0.13 140	0.19 144	0.13 145	0.19 143	0.13 146	0.19 147	0.13 144	0.19 145	0.13 137	0.18 145	0.13 132	0.18 152	0.13 146	0.18 145	0.13 140

castereo++	0.54 270	3.59 429	1.15 365	1.31 401	0.14 147	0.16 133	0.14 142	0.16 132	0.14 147	0.16 129	0.14 151	0.16 130	0.13 144	0.16 131	0.14 141	1.45 426	1.16 370	0.15 132	0.14 150	0.15 132	0.13 140

DDVS	0.30 167	3.10 419	0.14 124	0.19 128	0.14 147	0.19 147	0.14 142	0.20 149	0.14 147	0.19 143	0.13 146	0.16 130	0.13 144	0.19 145	0.13 137	0.17 137	0.13 132	0.17 142	0.13 146	0.17 141	0.13 140

JetRed	0.11 83	0.12 79	0.11 89	0.11 73	0.11 127	0.11 113	0.14 142	0.11 115	0.11 124	0.12 116	0.11 124	0.11 114	0.11 123	0.11 115	0.11 117	0.11 85	0.16 140	0.11 111	0.11 122	0.11 113	0.11 118

HCRNet	1.22 416	7.11 479	3.00 476	3.55 463	0.33 248	0.29 189	0.14 142	0.19 144	0.15 157	0.33 199	0.29 222	0.25 176	0.14 148	0.22 164	0.33 237	3.64 472	3.00 469	0.76 342	0.32 247	0.18 145	0.13 140

GMStereo	0.14 107	0.13 80	0.14 124	0.14 96	0.14 147	0.14 118	0.14 142	0.14 119	0.14 147	0.14 118	0.14 151	0.14 119	0.14 148	0.14 121	0.14 141	0.14 113	0.14 135	0.14 119	0.14 150	0.14 122	0.14 145
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
dd	0.23 149	0.98 254	0.16 140	0.23 142	0.15 158	0.23 168	0.15 147	0.23 164	0.15 157	0.23 164	0.15 159	0.24 171	0.17 162	0.23 168	0.15 151	0.22 156	0.15 138	0.21 159	0.15 154	0.22 158	0.16 146

dad	0.23 149	1.03 269	0.16 140	0.23 142	0.15 158	0.24 169	0.15 147	0.24 167	0.16 159	0.23 164	0.16 160	0.24 171	0.16 158	0.23 168	0.15 151	0.22 156	0.16 140	0.22 164	0.16 155	0.22 158	0.16 146

IPLGR_C	0.14 107	0.20 99	0.12 100	0.15 106	0.11 127	0.14 118	0.15 147	0.14 119	0.11 124	0.15 124	0.12 134	0.14 119	0.11 123	0.16 131	0.11 117	0.15 122	0.12 108	0.14 119	0.12 138	0.15 132	0.12 134

xyz-stereo-finetune2	0.18 131	0.48 183	0.16 140	0.16 116	0.15 158	0.15 125	0.16 150	0.16 132	0.16 159	0.16 129	0.16 160	0.16 130	0.16 158	0.16 131	0.16 157	0.16 130	0.16 140	0.16 135	0.16 155	0.16 136	0.16 146

xyz-stereo-finetune	0.28 162	0.49 185	0.16 140	0.16 116	0.16 165	0.16 133	0.16 150	0.22 160	0.30 229	0.32 194	0.31 236	0.32 199	0.31 236	0.32 200	0.32 230	0.32 196	0.33 222	0.31 198	0.32 247	0.31 185	0.32 235

xyz-stereo	0.18 131	0.50 189	0.16 140	0.15 106	0.16 165	0.16 133	0.16 150	0.16 132	0.16 159	0.16 129	0.16 160	0.16 130	0.16 158	0.16 131	0.16 157	0.16 130	0.16 140	0.16 135	0.16 155	0.16 136	0.16 146

castereo	0.61 281	3.79 437	1.35 429	1.52 410	0.15 158	0.17 141	0.16 150	0.20 149	0.21 177	0.18 141	0.16 160	0.21 157	0.12 139	0.26 187	0.17 160	1.43 425	1.38 432	0.17 142	0.16 155	0.18 145	0.16 146

GMStereo_Zeroshot	0.16 125	0.16 86	0.16 140	0.16 116	0.16 165	0.16 133	0.16 150	0.16 132	0.16 159	0.16 129	0.16 160	0.16 130	0.16 158	0.16 131	0.16 157	0.16 130	0.16 140	0.16 135	0.16 155	0.16 136	0.16 146

tg	0.21 142	0.25 119	0.21 162	0.26 159	0.17 168	0.24 169	0.17 155	0.24 167	0.17 164	0.24 169	0.17 165	0.24 171	0.17 162	0.24 172	0.17 160	0.24 172	0.17 155	0.23 170	0.16 155	0.23 167	0.16 146

ACV-stereo	0.30 167	2.08 380	0.25 176	0.25 152	0.18 175	0.24 169	0.17 155	0.24 167	0.18 166	0.24 169	0.17 165	0.25 176	0.17 162	0.24 172	0.17 160	0.22 156	0.16 140	0.22 164	0.16 155	0.22 158	0.16 146

IGEV_Zeroshot_test	0.20 135	0.19 95	0.40 242	0.30 164	0.17 168	0.22 162	0.17 155	0.21 156	0.17 164	0.20 148	0.17 165	0.21 157	0.18 169	0.21 160	0.17 160	0.20 148	0.16 140	0.20 156	0.16 155	0.20 152	0.17 158

MSKI-zero shot	0.24 151	0.21 105	0.49 280	0.65 277	0.18 175	0.22 162	0.17 155	0.23 164	0.18 166	0.21 158	0.17 165	0.23 167	0.28 219	0.23 168	0.18 169	0.21 153	0.16 140	0.21 159	0.16 155	0.21 156	0.16 146

MIM_Stereo	0.25 152	0.23 110	0.66 312	0.80 294	0.17 168	0.22 162	0.17 155	0.23 164	0.18 166	0.26 180	0.17 165	0.21 157	0.17 162	0.25 177	0.17 160	0.23 167	0.16 140	0.21 159	0.17 173	0.22 158	0.17 158

UPFNet	0.42 235	1.20 291	0.17 147	0.24 147	0.17 168	0.25 176	0.17 155	1.19 371	0.90 367	0.25 173	0.17 165	0.24 171	0.17 162	0.25 177	0.17 160	0.22 156	0.17 155	0.22 164	0.16 155	1.15 356	0.93 367

DEFOM-Stereo_RVC	0.83 329	5.18 459	1.98 465	2.19 432	0.17 168	0.19 147	0.18 161	0.19 144	0.16 159	0.20 148	0.19 176	0.22 163	0.22 184	0.20 149	0.15 151	2.28 453	2.13 461	0.24 177	0.17 173	0.18 145	0.16 146

MMNet	0.44 239	1.24 341	0.17 147	0.25 152	0.17 168	0.25 176	0.18 161	1.26 423	0.93 373	0.25 173	0.17 165	0.25 176	0.18 169	0.25 177	0.17 160	0.23 167	0.16 140	0.23 170	0.16 155	1.20 367	0.99 372

delet	0.43 236	1.21 337	0.17 147	0.25 152	0.17 168	0.25 176	0.18 161	1.26 423	0.95 375	0.25 173	0.17 165	0.25 176	0.17 162	0.25 177	0.17 160	0.23 167	0.16 140	0.22 164	0.16 155	1.18 364	0.98 371

iResNetv2_ROB	0.20 135	0.23 110	0.18 152	0.24 147	0.20 181	0.24 169	0.18 161	0.24 167	0.18 166	0.24 169	0.18 175	0.23 167	0.19 174	0.24 172	0.18 169	0.21 153	0.16 140	0.21 159	0.16 155	0.22 158	0.16 146

Pointernet	0.21 142	0.22 109	0.19 155	0.24 147	0.19 179	0.24 169	0.19 165	0.24 167	0.19 172	0.24 169	0.19 176	0.24 171	0.19 174	0.24 172	0.19 172	0.22 156	0.17 155	0.22 164	0.17 173	0.22 158	0.17 158

psm_up	0.43 236	1.19 290	0.17 147	0.25 152	0.18 175	0.25 176	0.19 165	1.26 423	0.91 368	0.26 180	0.17 165	0.25 176	0.17 162	0.25 177	0.17 160	0.22 156	0.17 155	0.23 170	0.16 155	1.18 364	0.99 372

CFNet	1.37 423	5.27 462	0.19 155	5.49 490	0.19 179	0.28 187	0.19 165	0.28 180	0.19 172	0.28 183	0.19 176	0.28 187	4.35 501	0.28 192	0.19 172	0.23 167	0.17 155	0.23 170	4.21 509	4.81 486	0.17 158

ssnet_v2	0.68 293	1.96 377	1.25 425	0.29 163	0.20 181	0.30 190	0.20 168	0.29 184	0.22 180	1.50 437	0.20 180	0.31 197	0.20 178	0.27 190	0.22 180	0.24 172	1.49 438	0.26 181	0.18 177	3.90 464	0.19 164

DAS	0.20 135	0.20 99	0.20 158	0.20 130	0.20 181	0.20 152	0.20 168	0.20 149	0.20 174	0.20 148	0.20 180	0.20 149	0.20 178	0.20 149	0.20 175	0.20 148	0.20 164	0.20 156	0.20 178	0.20 152	0.20 165

GEStereo_RVC	0.86 335	4.45 449	0.20 158	0.27 161	0.20 181	0.27 186	0.20 168	0.26 177	0.18 166	5.03 503	0.20 180	0.27 186	0.19 174	0.27 190	0.21 178	0.20 148	0.19 162	0.19 155	4.02 507	0.20 152	0.18 162

ASD4	0.20 135	0.20 99	0.20 158	0.20 130	0.20 181	0.20 152	0.20 168	0.20 149	0.20 174	0.20 148	0.20 180	0.20 149	0.20 178	0.20 149	0.20 175	0.20 148	0.20 164	0.20 156	0.20 178	0.20 152	0.20 165

AANet_RVC	1.26 418	0.31 128	4.99 502	5.93 493	0.20 181	0.25 176	0.20 168	0.25 173	0.20 174	0.23 164	0.19 176	0.25 176	0.20 178	0.25 177	0.20 175	5.66 501	4.76 494	0.26 181	0.30 237	0.24 168	0.27 198

iResNet	0.20 135	0.23 110	0.18 152	0.24 147	0.18 175	0.24 169	0.20 168	0.24 167	0.18 166	0.23 164	0.17 165	0.23 167	0.18 169	0.23 168	0.18 169	0.22 156	0.16 140	0.21 159	0.16 155	0.21 156	0.16 146

gcap-zeroshot	0.35 192	0.32 129	0.37 229	0.49 243	0.39 280	0.33 203	0.21 174	0.26 177	0.35 252	0.42 249	0.34 250	0.49 285	0.29 225	0.47 274	0.39 273	0.34 202	0.17 155	0.38 242	0.23 188	0.48 272	0.34 246

gwcnet-sp	0.82 325	1.72 357	1.48 441	0.39 191	0.15 158	0.31 193	0.21 174	0.20 149	0.25 193	1.61 439	0.23 190	0.28 187	0.26 205	0.20 149	0.15 151	0.24 172	1.33 426	0.32 199	0.16 155	6.75 502	0.23 173

scenet	0.82 325	1.72 357	1.48 441	0.39 191	0.15 158	0.31 193	0.21 174	0.20 149	0.25 193	1.61 439	0.23 190	0.28 187	0.26 205	0.20 149	0.15 151	0.24 172	1.33 426	0.32 199	0.16 155	6.75 502	0.23 173

ssnet	0.82 325	1.72 357	1.48 441	0.39 191	0.15 158	0.31 193	0.21 174	0.20 149	0.25 193	1.61 439	0.23 190	0.28 187	0.26 205	0.20 149	0.15 151	0.24 172	1.33 426	0.32 199	0.16 155	6.75 502	0.23 173

HGLStereo	0.28 162	0.29 126	0.22 164	0.36 180	0.22 190	0.36 212	0.21 174	0.36 203	0.21 177	0.42 249	0.21 185	0.36 214	0.22 184	0.36 216	0.21 178	0.34 202	0.21 168	0.34 214	0.21 180	0.34 197	0.21 168

PAM	0.39 215	1.88 366	0.34 216	0.37 183	0.41 288	0.45 270	0.22 179	0.28 180	0.23 186	0.28 183	0.24 196	0.29 192	0.23 190	0.29 195	0.23 186	0.38 226	0.32 215	0.38 242	0.37 271	0.32 187	0.22 171

model_zeroshot	0.27 161	0.20 99	0.27 183	0.33 173	0.21 188	0.37 217	0.22 179	0.37 209	0.24 188	0.26 180	0.27 212	0.33 202	0.21 183	0.25 177	0.27 202	0.32 196	0.20 164	0.34 214	0.23 188	0.25 169	0.26 190

DCVSM-stereo	0.36 196	1.89 367	0.22 164	0.40 204	0.22 190	0.40 229	0.22 179	0.40 223	0.22 180	0.40 224	0.22 186	0.40 233	0.22 184	0.40 233	0.22 180	0.28 184	0.21 168	0.28 187	0.21 180	0.28 176	0.20 165

CAS++	0.17 128	0.27 121	0.21 162	0.10 56	0.21 188	0.15 125	0.22 179	0.10 103	0.21 177	0.22 160	0.10 110	0.19 147	0.18 169	0.10 104	0.19 172	0.20 148	0.19 162	0.18 152	0.10 110	0.19 151	0.18 162
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
WAO-6	0.22 145	0.23 110	0.22 164	0.23 142	0.22 190	0.22 162	0.22 179	0.22 160	0.22 180	0.22 160	0.22 186	0.22 163	0.22 184	0.22 164	0.22 180	0.22 156	0.22 172	0.22 164	0.22 183	0.22 158	0.22 171

IMH-64-1	0.22 145	0.23 110	0.23 167	0.22 140	0.22 190	0.22 162	0.22 179	0.22 160	0.22 180	0.22 160	0.22 186	0.22 163	0.22 184	0.22 164	0.22 180	0.22 156	0.22 172	0.23 170	0.22 183	0.22 158	0.23 173

IMH-64	0.22 145	0.23 110	0.23 167	0.22 140	0.22 190	0.22 162	0.22 179	0.22 160	0.22 180	0.22 160	0.22 186	0.22 163	0.22 184	0.22 164	0.22 180	0.22 156	0.22 172	0.23 170	0.22 183	0.22 158	0.23 173

WCG-NET（raft）	0.32 180	1.24 341	0.24 173	0.32 170	0.24 200	0.32 201	0.23 186	0.32 189	0.24 188	0.32 194	0.24 196	0.32 199	0.24 193	0.32 200	0.24 190	0.30 192	0.23 176	0.30 194	0.23 188	0.30 182	0.23 173

xxxxx1	0.31 172	0.91 241	0.23 167	0.31 167	0.23 195	0.31 193	0.23 186	0.33 192	0.25 193	0.31 189	0.24 196	0.33 202	0.25 196	0.32 200	0.24 190	0.28 184	0.28 192	0.28 187	0.28 218	0.29 179	0.27 198

tt_ll	0.31 172	0.91 241	0.23 167	0.31 167	0.23 195	0.31 193	0.23 186	0.33 192	0.25 193	0.31 189	0.24 196	0.33 202	0.25 196	0.32 200	0.24 190	0.28 184	0.28 192	0.28 187	0.28 218	0.29 179	0.27 198

ff	0.31 172	0.91 241	0.23 167	0.31 167	0.23 195	0.31 193	0.23 186	0.33 192	0.25 193	0.31 189	0.24 196	0.33 202	0.25 196	0.32 200	0.24 190	0.28 184	0.28 192	0.28 187	0.28 218	0.29 179	0.27 198

FENet	0.54 270	1.52 351	1.19 371	1.41 408	0.23 195	0.35 209	0.23 186	0.35 199	0.23 186	0.34 201	0.23 190	0.35 208	0.23 190	0.35 210	0.23 186	1.40 424	1.07 354	0.32 199	0.23 188	0.33 193	0.23 173

tt1	0.31 172	0.93 248	0.24 173	0.33 173	0.23 195	0.31 193	0.24 191	0.32 189	0.24 188	0.32 194	0.23 190	0.32 199	0.25 196	0.32 200	0.24 190	0.27 182	0.26 182	0.27 185	0.26 207	0.27 174	0.27 198

testlalala	0.32 180	0.81 227	0.31 199	0.39 191	0.26 210	0.33 203	0.24 191	0.33 192	0.26 206	0.32 194	0.26 208	0.33 202	0.23 190	0.33 206	0.23 186	0.35 211	0.31 213	0.30 194	0.24 196	0.31 185	0.21 168

iResNet_ROB	0.28 162	0.32 129	0.24 173	0.32 170	0.25 202	0.32 201	0.24 191	0.32 189	0.24 188	0.33 199	0.24 196	0.35 208	0.24 193	0.33 206	0.24 190	0.31 195	0.24 178	0.32 199	0.24 196	0.32 187	0.24 183

DEFOM-Stereo	0.68 293	3.11 420	1.40 439	1.63 417	0.25 202	0.31 193	0.25 194	0.31 188	0.28 214	0.31 189	0.29 222	0.29 192	0.27 213	0.31 199	0.28 208	1.59 432	1.47 437	0.30 194	0.29 227	0.30 182	0.28 211

GCAP-BAT	0.33 183	0.78 221	0.32 203	0.38 186	0.25 202	0.34 205	0.25 194	0.34 196	0.26 206	0.34 201	0.25 202	0.35 208	0.26 205	0.35 210	0.27 202	0.36 215	0.30 209	0.32 199	0.24 196	0.32 187	0.26 190

UNDER WATER-64	0.25 152	0.26 120	0.25 176	0.26 159	0.25 202	0.25 176	0.25 194	0.25 173	0.25 193	0.25 173	0.25 202	0.25 176	0.25 196	0.26 187	0.25 196	0.25 178	0.25 179	0.25 178	0.25 201	0.25 169	0.25 184

LoS_RVC	0.30 167	1.14 283	0.25 176	0.25 152	0.25 202	0.26 183	0.25 194	0.25 173	0.25 193	0.25 173	0.25 202	0.26 185	0.26 205	0.26 187	0.25 196	0.26 179	0.26 182	0.25 178	0.25 201	0.26 171	0.26 190

CAS	0.30 167	1.17 287	0.25 176	0.25 152	0.25 202	0.26 183	0.25 194	0.25 173	0.26 206	0.25 173	0.25 202	0.25 176	0.25 196	0.25 177	0.25 196	0.26 179	0.26 182	0.26 181	0.25 201	0.26 171	0.25 184

LoS	0.25 152	0.27 121	0.25 176	0.25 152	0.25 202	0.25 176	0.25 194	0.26 177	0.25 193	0.25 173	0.25 202	0.25 176	0.25 196	0.25 177	0.25 196	0.26 179	0.25 179	0.25 178	0.26 207	0.26 171	0.25 184
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
IER	0.88 336	7.04 478	2.23 468	2.75 450	0.28 215	0.43 267	0.25 194	0.39 218	0.25 193	0.41 237	0.27 212	0.39 226	0.25 196	0.40 233	0.28 208	0.37 219	0.28 192	0.37 235	0.25 201	0.37 218	0.25 184

CroCo-Stereo	0.73 303	1.22 340	0.25 176	1.22 394	0.25 202	1.22 427	0.25 194	1.22 420	0.25 193	1.22 428	0.25 202	1.22 431	0.25 196	1.22 431	0.25 196	1.22 413	0.26 182	1.21 435	0.25 201	1.22 414	0.25 184
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
DLNR_Zeroshot_test	0.31 172	0.28 124	0.47 269	0.79 292	0.24 200	0.30 190	0.26 202	0.30 186	0.24 188	0.32 194	0.23 190	0.31 197	0.24 193	0.30 197	0.23 186	0.29 191	0.26 182	0.29 192	0.24 196	0.33 193	0.23 173

CroCo-Stereo Lap2	0.77 310	1.29 343	0.29 189	1.27 398	0.29 222	1.27 430	0.26 202	1.26 423	0.26 206	1.26 429	0.26 208	1.27 433	0.26 205	1.26 432	0.27 202	1.27 415	0.27 187	1.27 438	0.27 214	1.27 416	0.27 198

StereoDRNet-Refined	0.33 183	0.39 146	0.26 182	0.39 191	0.26 210	0.40 229	0.26 202	0.40 223	0.26 206	0.39 219	0.26 208	0.39 226	0.26 205	0.39 230	0.26 201	0.37 219	0.25 179	0.37 235	0.25 201	0.37 218	0.37 257
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Any-RAFT	0.32 180	0.36 135	0.27 183	0.36 180	0.27 212	0.36 212	0.27 205	0.36 203	0.27 211	0.36 208	0.27 212	0.36 214	0.27 213	0.36 216	0.28 208	0.36 215	0.28 192	0.36 232	0.28 218	0.36 216	0.28 211

CRFU-Net	0.65 286	1.67 356	1.22 421	1.96 426	0.27 212	0.41 245	0.27 205	0.41 238	0.27 211	0.40 224	0.26 208	0.41 245	0.27 213	0.40 233	0.27 202	1.80 439	1.62 446	0.34 214	0.23 188	0.33 193	0.23 173

MLCV	0.31 172	0.35 132	0.27 183	0.35 176	0.28 215	0.35 209	0.27 205	0.35 199	0.28 214	0.36 208	0.27 212	0.35 208	0.27 213	0.35 210	0.27 202	0.34 202	0.27 187	0.34 214	0.27 214	0.34 197	0.27 198

DISCO	1.11 365	0.39 146	5.28 504	0.39 191	0.20 181	0.39 227	0.27 205	0.39 218	0.22 180	0.38 214	0.20 180	0.38 222	0.20 178	6.95 514	0.22 180	0.30 192	0.21 168	0.27 185	0.21 180	5.25 495	0.21 168

DN-CSS_ROB	0.31 172	0.35 132	0.28 187	0.35 176	0.28 215	0.34 205	0.27 205	0.34 196	0.25 193	0.35 205	0.27 212	0.36 214	0.26 205	0.34 208	0.28 208	0.35 211	0.28 192	0.34 214	0.28 218	0.34 197	0.27 198

LG-Stereo_L2	0.34 185	0.37 137	0.38 232	0.47 233	0.28 215	0.39 227	0.28 210	0.39 218	0.28 214	0.39 219	0.28 218	0.39 226	0.28 219	0.38 222	0.28 208	0.42 261	0.35 226	0.36 232	0.26 207	0.35 209	0.26 190

GIP-stereo	0.36 196	0.49 185	0.39 239	0.48 237	0.32 237	0.41 245	0.28 210	0.40 223	0.30 229	0.41 237	0.28 218	0.40 233	0.28 219	0.42 260	0.28 208	0.45 264	0.32 215	0.38 242	0.30 237	0.37 218	0.27 198

xx1	0.38 207	1.03 269	0.31 199	0.40 204	0.31 235	0.41 245	0.28 210	0.40 223	0.29 219	0.40 224	0.29 222	0.40 233	0.29 225	0.40 233	0.29 218	0.34 202	0.33 222	0.34 214	0.32 247	0.34 197	0.32 235

1test111	0.37 201	1.02 267	0.30 193	0.39 191	0.29 222	0.40 229	0.28 210	0.39 218	0.29 219	0.39 219	0.29 222	0.39 226	0.28 219	0.40 233	0.29 218	0.33 199	0.32 215	0.33 207	0.31 243	0.32 187	0.31 231

cc1	0.37 201	1.02 267	0.30 193	0.39 191	0.29 222	0.40 229	0.28 210	0.39 218	0.29 219	0.39 219	0.29 222	0.39 226	0.28 219	0.40 233	0.29 218	0.33 199	0.32 215	0.33 207	0.31 243	0.32 187	0.31 231

SQANet	0.28 162	0.28 124	0.28 187	0.28 162	0.28 215	0.28 187	0.28 210	0.28 180	0.28 214	0.28 183	0.28 218	0.28 187	0.28 219	0.28 192	0.28 208	0.28 184	0.28 192	0.28 187	0.28 218	0.28 176	0.28 211

DGSMNet	0.34 185	0.41 155	0.27 183	0.41 214	0.28 215	0.41 245	0.28 210	0.41 238	0.27 211	0.41 237	0.27 212	0.42 261	0.27 213	0.41 247	0.28 208	0.40 239	0.29 201	0.40 256	0.28 218	0.40 238	0.27 198

IGEV++	0.34 185	0.43 163	0.30 193	0.40 204	0.29 222	0.40 229	0.29 217	0.40 223	0.29 219	0.40 224	0.29 222	0.40 233	0.29 225	0.40 233	0.30 225	0.38 226	0.29 201	0.37 235	0.29 227	0.37 218	0.29 216

ACVNet-DCA	0.37 201	1.00 257	0.30 193	0.40 204	0.29 222	0.40 229	0.29 217	0.40 223	0.29 219	0.40 224	0.29 222	0.40 233	0.29 225	0.39 230	0.28 208	0.33 199	0.32 215	0.33 207	0.32 247	0.33 193	0.32 235

PML	0.46 243	1.36 348	0.29 189	0.58 265	0.30 231	0.57 317	0.29 217	0.57 303	0.29 219	0.57 312	0.29 222	0.57 316	0.29 225	0.56 310	0.29 218	0.52 291	0.30 209	0.53 318	0.31 243	0.53 291	0.30 226

GES	0.66 288	2.34 395	0.29 189	0.41 214	0.29 222	0.41 245	0.29 217	0.42 254	0.29 219	0.40 224	0.41 286	0.41 245	0.30 231	0.51 300	0.29 218	0.32 196	0.29 201	0.32 199	2.46 480	2.49 452	0.30 226

UCFNet_RVC	2.75 472	10.06 500	0.29 189	10.31 517	0.29 222	0.42 263	0.29 217	0.43 258	0.29 219	0.42 249	0.29 222	0.42 261	9.87 518	0.43 262	0.29 218	0.36 215	9.84 517	0.36 232	0.26 207	9.77 516	0.26 190

TorneroNet-64	0.45 240	0.27 121	0.30 193	0.58 265	0.27 212	0.70 330	0.30 222	0.28 180	0.73 354	0.73 333	0.28 218	0.71 332	0.66 336	0.75 336	0.27 202	0.27 182	0.29 201	0.37 235	0.75 357	0.28 176	0.30 226

IGEV-Stereo	0.35 192	0.44 166	0.45 260	0.49 243	0.30 231	0.37 217	0.30 222	0.36 203	0.30 229	0.36 208	0.29 222	0.36 214	0.29 225	0.36 216	0.30 225	0.46 265	0.39 244	0.32 199	0.24 196	0.32 187	0.25 184
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.34 185	0.42 162	0.31 199	0.39 191	0.30 231	0.38 221	0.30 222	0.40 223	0.29 219	0.40 224	0.37 268	0.41 245	0.34 248	0.38 222	0.30 225	0.34 202	0.27 187	0.34 214	0.26 207	0.34 197	0.26 190

DANet	0.30 167	0.30 127	0.30 193	0.30 164	0.30 231	0.30 190	0.30 222	0.30 186	0.30 229	0.30 187	0.30 233	0.30 195	0.30 231	0.30 197	0.30 225	0.30 192	0.30 209	0.30 194	0.30 237	0.30 182	0.30 226
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
EKT-Stereo	0.37 201	0.40 148	0.44 258	1.07 330	0.29 222	0.34 205	0.31 226	0.36 203	0.29 219	0.38 214	0.31 236	0.37 220	0.30 231	0.36 216	0.29 218	0.34 202	0.28 192	0.39 252	0.30 237	0.37 218	0.30 226

GREAT-IGEV	0.38 207	0.43 163	0.36 226	0.48 237	0.32 237	0.45 270	0.32 227	0.45 260	0.32 236	0.45 260	0.32 238	0.45 267	0.32 238	0.45 267	0.32 230	0.44 263	0.33 222	0.41 268	0.29 227	0.41 248	0.29 216

fffy	0.38 207	0.43 163	0.33 208	0.46 227	0.33 248	0.45 270	0.32 227	0.45 260	0.32 236	0.45 260	0.32 238	0.45 267	0.33 244	0.45 267	0.32 230	0.38 226	0.38 237	0.38 242	0.37 271	0.37 218	0.36 253

MyStereo07	0.60 278	3.72 435	0.48 276	0.49 243	0.41 288	0.36 212	0.32 227	0.49 276	0.43 292	0.51 297	0.42 295	0.49 285	0.43 290	0.51 300	0.64 332	0.49 277	0.45 266	0.34 214	0.32 247	0.35 209	0.43 286

MyStereo04	0.56 276	3.72 435	0.59 300	0.49 243	0.41 288	0.36 212	0.32 227	0.37 209	0.31 233	0.34 201	0.46 304	0.35 208	0.32 238	0.35 210	0.33 237	0.49 277	0.45 266	0.34 214	0.32 247	0.35 209	0.43 286

RAFT-Test	0.36 196	0.37 137	0.33 208	0.41 214	0.32 237	0.41 245	0.32 227	0.41 238	0.32 236	0.41 237	0.32 238	0.41 245	0.32 238	0.41 247	0.33 237	0.37 219	0.29 201	0.37 235	0.29 227	0.38 227	0.31 231

4D-IteraStereo	0.78 313	3.13 421	0.89 340	0.69 282	0.32 237	0.40 229	0.32 227	0.76 327	0.97 378	0.52 300	0.65 344	0.89 353	0.32 238	0.76 337	0.98 374	0.83 331	0.94 346	0.35 227	0.27 214	0.70 308	0.89 363

iRaft-Stereo_20w	0.34 185	0.41 155	0.31 199	0.39 191	0.29 222	0.40 229	0.32 227	0.41 238	0.32 236	0.38 214	0.30 233	0.39 226	0.30 231	0.38 222	0.32 230	0.35 211	0.27 187	0.34 214	0.27 214	0.34 197	0.29 216

pcwnet_v2	2.66 469	9.89 499	0.33 208	9.89 513	0.32 237	0.50 297	0.32 227	0.49 276	0.33 241	0.49 281	0.34 250	0.49 285	8.76 515	0.48 281	0.33 237	0.41 247	9.58 514	0.40 256	0.29 227	9.01 513	0.63 331

Gwc-CoAtRS	0.41 226	1.49 350	0.32 203	0.42 222	0.32 237	0.41 245	0.32 227	0.41 238	0.33 241	0.41 237	0.32 238	0.41 245	0.32 238	0.41 247	0.32 230	0.39 235	0.28 192	0.39 252	0.28 218	0.40 238	0.28 211

PCWNet_CMD	2.80 474	9.82 498	0.32 203	10.09 516	0.32 237	0.49 289	0.33 236	3.34 475	0.33 241	0.49 281	0.33 243	0.49 285	8.73 514	0.48 281	0.33 237	0.41 247	9.22 512	0.42 278	0.29 227	9.55 515	0.31 231

CFNet_ucs	2.73 471	9.64 497	0.33 208	9.92 514	0.32 237	0.49 289	0.33 236	0.49 276	0.33 241	0.49 281	0.33 243	0.49 285	8.98 516	0.48 281	0.33 237	0.41 247	9.96 518	0.40 256	0.29 227	10.12 518	0.54 317

LL-Strereo2	0.48 254	1.73 361	0.51 288	0.59 267	0.34 256	0.42 263	0.33 236	0.40 223	0.31 233	0.42 249	0.33 243	0.42 261	0.31 236	0.44 264	0.39 273	0.60 300	0.51 292	0.44 281	0.33 255	0.44 257	0.33 240

CFNet_pseudo	2.67 470	9.36 495	0.32 203	10.99 518	0.33 248	0.85 343	0.33 236	0.49 276	0.33 241	0.49 281	0.32 238	0.49 285	7.26 512	0.49 287	0.33 237	0.41 247	9.62 515	0.41 268	0.29 227	10.03 517	0.29 216

RAFT + AFF	0.31 172	0.45 169	0.34 216	0.39 191	0.28 215	0.38 221	0.33 236	0.29 184	0.31 233	0.30 187	0.30 233	0.29 192	0.27 213	0.29 195	0.30 225	0.28 184	0.29 201	0.29 192	0.29 227	0.27 174	0.32 235

ccnet	0.80 316	2.28 393	0.33 208	0.50 250	0.33 248	0.50 297	0.33 236	0.50 284	0.33 241	0.49 281	0.33 243	0.49 285	1.56 448	2.38 460	0.33 237	0.41 247	0.29 201	0.42 278	1.57 457	2.28 445	0.29 216

psmorigin	0.41 226	0.46 173	0.33 208	0.49 243	0.33 248	0.49 289	0.33 236	0.49 276	0.33 241	0.49 281	0.33 243	0.49 285	0.33 244	0.51 300	0.33 237	0.41 247	0.30 209	0.41 268	0.30 237	0.79 318	0.29 216

MSMDNet	2.65 468	10.14 501	0.33 208	9.74 512	0.32 237	0.87 345	0.33 236	2.95 471	0.68 341	0.49 281	0.34 250	0.49 285	5.70 508	0.49 287	0.33 237	0.42 261	9.57 513	0.41 268	0.31 243	8.36 510	0.65 333

ccs_rob	2.79 473	10.17 502	0.32 203	10.00 515	0.33 248	0.49 289	0.33 236	1.90 442	0.32 236	0.51 297	0.33 243	0.49 285	9.24 517	0.49 287	0.33 237	0.41 247	9.82 516	0.41 268	0.28 218	9.34 514	0.29 216

HART	0.38 207	0.45 169	0.34 216	0.42 222	0.33 248	0.41 245	0.34 245	0.42 254	0.33 241	0.43 255	0.34 250	0.42 261	0.34 248	0.41 247	0.38 267	0.40 239	0.32 215	0.42 278	0.32 247	0.40 238	0.32 235

mms	0.40 219	0.45 169	0.35 224	0.48 237	0.36 265	0.47 279	0.34 245	0.45 260	0.38 267	0.47 268	0.33 243	0.45 267	0.32 238	0.45 267	0.32 230	0.39 235	0.38 237	0.38 242	0.37 271	0.39 234	0.39 268

H2IRNET	0.34 185	0.34 131	0.34 216	0.34 175	0.34 256	0.34 205	0.34 245	0.34 196	0.34 249	0.34 201	0.34 250	0.34 207	0.34 248	0.34 208	0.34 250	0.34 202	0.34 225	0.34 214	0.34 257	0.34 197	0.34 246

CASnet	0.35 192	0.51 196	0.44 258	0.32 170	0.31 235	0.24 169	0.34 245	0.36 203	0.25 193	0.31 189	0.37 268	0.30 195	0.33 244	0.25 177	0.45 294	0.37 219	0.37 231	0.33 207	0.35 263	0.34 197	0.37 257
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RCA-Stereo	0.51 266	3.22 424	0.34 216	0.44 225	0.34 256	0.44 269	0.34 245	0.43 258	0.34 249	0.43 255	0.34 250	0.44 265	0.33 244	0.43 262	0.33 237	0.38 226	0.29 201	0.38 242	0.29 227	0.38 227	0.29 216

ccccc	0.41 226	0.44 166	0.34 216	0.48 237	0.35 259	0.48 284	0.35 250	0.51 293	0.35 252	0.47 268	0.35 258	0.47 275	0.34 248	0.47 274	0.35 252	0.41 247	0.40 247	0.40 256	0.40 287	0.41 248	0.39 268

UGAM	0.51 266	2.23 391	0.39 239	0.54 259	0.35 259	0.50 297	0.35 250	0.49 276	0.35 252	0.49 281	0.35 258	0.49 285	0.36 257	0.50 294	0.36 256	0.49 277	0.37 231	0.45 285	0.34 257	0.45 261	0.34 246

GCST	0.50 261	2.08 380	0.38 232	0.53 257	0.35 259	0.49 289	0.35 250	0.50 284	0.35 252	0.49 281	0.35 258	0.49 285	0.35 254	0.49 287	0.35 252	0.48 274	0.37 231	0.45 285	0.33 255	0.44 257	0.33 240

RAFT-Stereo-weight	0.45 240	1.90 369	0.34 216	0.42 222	0.36 265	0.43 267	0.35 250	0.42 254	0.34 249	0.42 249	0.34 250	0.44 265	0.34 248	0.41 247	0.34 250	0.38 226	0.32 215	0.38 242	0.32 247	0.38 227	0.33 240

Former-RAFT_DAM_RVC	0.49 259	0.98 254	0.64 308	0.84 299	0.46 305	0.45 270	0.35 250	0.47 268	0.47 302	0.45 260	0.34 250	0.46 270	0.48 306	0.46 270	0.35 252	0.39 235	0.71 324	0.39 252	0.35 263	0.41 248	0.41 278

CES	0.39 215	0.47 177	0.36 226	0.36 180	0.37 268	0.45 270	0.35 250	0.35 199	0.40 276	0.36 208	0.44 299	0.47 275	0.36 257	0.44 264	0.36 256	0.37 219	0.39 244	0.44 281	0.35 263	0.37 218	0.36 253

ETE_ROB	0.35 192	0.35 132	0.35 224	0.35 176	0.35 259	0.35 209	0.35 250	0.35 199	0.35 252	0.35 205	0.35 258	0.35 208	0.35 254	0.35 210	0.35 252	0.35 211	0.35 226	0.35 227	0.35 263	0.35 209	0.35 252

UGAM-zero	0.51 266	2.17 388	0.39 239	0.53 257	0.36 265	0.50 297	0.36 257	0.50 284	0.36 262	0.49 281	0.36 262	0.50 299	0.35 254	0.50 294	0.36 256	0.49 277	0.37 231	0.47 292	0.35 263	0.46 262	0.34 246

GMOStereo	0.37 201	0.45 169	0.23 167	0.30 164	0.37 268	0.41 245	0.36 257	0.41 238	0.35 252	0.43 255	0.36 262	0.41 245	0.40 271	0.41 247	0.36 256	0.34 202	0.22 172	0.47 292	0.37 271	0.39 234	0.33 240

error version	0.93 346	4.47 450	2.35 471	1.99 428	0.37 268	0.41 245	0.36 257	0.41 238	0.35 252	0.43 255	0.36 262	0.41 245	0.40 271	0.41 247	0.36 256	1.87 441	2.16 462	0.47 292	0.37 271	0.39 234	0.33 240

test_1	0.93 346	4.47 450	2.35 471	1.99 428	0.37 268	0.41 245	0.36 257	0.41 238	0.35 252	0.43 255	0.36 262	0.41 245	0.40 271	0.41 247	0.36 256	1.87 441	2.16 462	0.47 292	0.37 271	0.39 234	0.33 240

DMCA	0.36 196	0.38 140	0.37 229	0.35 176	0.35 259	0.36 212	0.36 257	0.36 203	0.35 252	0.35 205	0.37 268	0.36 214	0.36 257	0.35 210	0.36 256	0.36 215	0.36 229	0.35 227	0.36 269	0.36 216	0.36 253

SCV_C0	0.45 240	0.88 234	0.49 280	0.54 259	0.37 268	0.48 284	0.37 262	0.48 272	0.37 263	0.48 274	0.36 262	0.48 281	0.37 261	0.49 287	0.37 264	0.50 283	0.41 256	0.44 281	0.34 257	0.44 257	0.34 246

HH	0.71 299	2.54 400	0.74 326	1.10 332	0.32 237	0.41 245	0.37 262	0.69 321	0.78 357	0.73 333	0.90 369	0.75 339	1.00 366	0.84 343	0.69 345	0.69 314	0.40 247	0.35 227	0.26 207	0.35 209	0.26 190

HanStereo	0.71 299	2.54 400	0.74 326	1.10 332	0.32 237	0.41 245	0.37 262	0.69 321	0.78 357	0.73 333	0.90 369	0.75 339	1.00 366	0.84 343	0.69 345	0.69 314	0.40 247	0.35 227	0.26 207	0.35 209	0.26 190

test-3	0.98 352	4.13 445	1.85 456	1.85 420	0.61 341	0.69 329	0.37 262	0.63 314	0.61 332	0.66 326	0.51 327	0.73 337	0.44 292	0.57 314	0.54 323	1.68 436	1.81 456	0.40 256	0.43 302	0.66 301	0.50 309

FCDSN-DC	0.41 226	0.59 209	0.64 308	0.54 259	0.33 248	0.50 297	0.37 262	0.42 254	0.40 276	0.61 317	0.43 297	0.50 299	0.49 311	0.38 222	0.32 230	0.28 184	0.23 176	0.26 181	0.22 183	0.35 209	0.28 211
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
XPNet_ROB	0.37 201	0.37 137	0.37 229	0.37 183	0.37 268	0.37 217	0.37 262	0.37 209	0.37 263	0.37 213	0.37 268	0.37 220	0.37 261	0.37 220	0.37 264	0.37 219	0.37 231	0.37 235	0.37 271	0.37 218	0.37 257

SCV	0.46 243	0.94 249	0.45 260	0.54 259	0.37 268	0.48 284	0.38 268	0.48 272	0.37 263	0.48 274	0.39 277	0.48 281	0.37 261	0.49 287	0.37 264	0.50 283	0.46 268	0.44 281	0.34 257	0.44 257	0.34 246

WAO-8	0.38 207	0.38 140	0.38 232	0.38 186	0.38 275	0.38 221	0.38 268	0.38 214	0.38 267	0.38 214	0.38 273	0.38 222	0.38 265	0.38 222	0.38 267	0.38 226	0.38 237	0.38 242	0.37 271	0.38 227	0.38 264

WAO-7	0.38 207	0.38 140	0.38 232	0.38 186	0.38 275	0.38 221	0.38 268	0.38 214	0.38 267	0.38 214	0.38 273	0.38 222	0.38 265	0.38 222	0.38 267	0.38 226	0.38 237	0.38 242	0.38 283	0.38 227	0.38 264

HanzoNet	0.39 215	0.38 140	0.40 242	0.39 191	0.41 288	0.38 221	0.38 268	0.38 214	0.38 267	0.39 219	0.39 277	0.38 222	0.38 265	0.39 230	0.40 277	0.38 226	0.38 237	0.40 256	0.38 283	0.38 227	0.40 271

Venus	0.38 207	0.38 140	0.38 232	0.38 186	0.38 275	0.37 217	0.38 268	0.37 209	0.37 263	0.41 237	0.37 268	0.39 226	0.37 261	0.38 222	0.38 267	0.37 219	0.38 237	0.38 242	0.37 271	0.37 218	0.38 264

IMH	0.38 207	0.38 140	0.38 232	0.38 186	0.38 275	0.38 221	0.38 268	0.38 214	0.38 267	0.42 249	0.38 273	0.40 233	0.38 265	0.38 222	0.38 267	0.38 226	0.38 237	0.39 252	0.38 283	0.38 227	0.38 264

iRaftStereo_RVC	0.97 350	3.17 423	2.30 470	2.42 444	0.38 275	0.54 310	0.38 268	0.54 298	0.38 267	0.54 305	0.38 273	0.54 308	0.38 265	0.54 306	0.38 267	2.38 459	2.34 466	0.49 304	0.36 269	0.49 275	0.36 253

LG-Stereo_L1	0.47 249	0.52 198	0.47 269	0.62 271	0.39 280	0.53 307	0.40 275	0.53 296	0.39 275	0.53 302	0.39 277	0.53 306	0.39 270	0.53 305	0.39 273	0.55 295	0.46 268	0.49 304	0.37 271	0.49 275	0.37 257

GCAP-Stereo	0.75 305	4.15 446	0.42 255	0.75 290	0.35 259	0.78 337	0.40 275	0.79 329	0.38 267	0.78 341	0.36 262	0.78 342	0.36 257	0.79 338	0.39 273	0.75 321	0.39 244	0.76 342	0.39 286	0.75 313	0.39 268

knoymous	0.40 219	0.40 148	0.40 242	0.40 204	0.40 282	0.40 229	0.40 275	0.40 223	0.40 276	0.40 224	0.40 280	0.40 233	0.40 271	0.40 233	0.40 277	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 271

anonymousa	0.40 219	0.40 148	0.40 242	0.40 204	0.40 282	0.40 229	0.40 275	0.40 223	0.40 276	0.40 224	0.40 280	0.40 233	0.40 271	0.40 233	0.40 277	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 271

riskmin	0.40 219	0.40 148	0.40 242	0.40 204	0.40 282	0.40 229	0.40 275	0.40 223	0.40 276	0.40 224	0.40 280	0.40 233	0.40 271	0.40 233	0.40 277	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 271

Anonymous_2	0.40 219	0.40 148	0.40 242	0.40 204	0.40 282	0.40 229	0.40 275	0.40 223	0.40 276	0.40 224	0.40 280	0.40 233	0.40 271	0.40 233	0.40 277	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 271

Anonymous_1	0.40 219	0.40 148	0.40 242	0.40 204	0.40 282	0.40 229	0.40 275	0.40 223	0.40 276	0.40 224	0.40 280	0.40 233	0.40 271	0.40 233	0.40 277	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 271

AdaStereo	0.40 219	0.40 148	0.40 242	0.40 204	0.40 282	0.40 229	0.40 275	0.40 223	0.40 276	0.40 224	0.40 280	0.40 233	0.40 271	0.40 233	0.40 277	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 271
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
GwcNet-ADL	0.41 226	0.41 155	0.41 250	0.41 214	0.41 288	0.41 245	0.41 283	0.41 238	0.41 285	0.41 237	0.41 286	0.41 245	0.41 282	0.41 247	0.41 284	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 278

PSMNet-ADL	0.41 226	0.41 155	0.41 250	0.41 214	0.41 288	0.41 245	0.41 283	0.41 238	0.41 285	0.41 237	0.41 286	0.41 245	0.41 282	0.41 247	0.41 284	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 278

GANet-ADL	0.41 226	0.41 155	0.41 250	0.41 214	0.41 288	0.41 245	0.41 283	0.41 238	0.41 285	0.41 237	0.41 286	0.41 245	0.41 282	0.41 247	0.41 284	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 278

ADLNet2	0.41 226	0.41 155	0.41 250	0.41 214	0.41 288	0.41 245	0.41 283	0.41 238	0.41 285	0.41 237	0.41 286	0.41 245	0.41 282	0.41 247	0.41 284	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 278

ADLNet	0.41 226	0.41 155	0.41 250	0.41 214	0.41 288	0.41 245	0.41 283	0.41 238	0.41 285	0.41 237	0.41 286	0.41 245	0.41 282	0.41 247	0.41 284	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 278

RSM	0.36 196	0.36 135	0.43 256	0.37 183	0.42 298	0.49 289	0.42 288	0.37 209	0.28 214	0.36 208	0.29 222	0.36 214	0.30 231	0.37 220	0.28 208	0.34 202	0.31 213	0.34 214	0.35 263	0.40 238	0.29 216

CFNet_RVC	2.38 462	8.71 490	0.38 232	9.33 509	0.42 298	0.56 312	0.42 288	0.60 310	0.38 267	0.62 320	0.42 295	0.56 315	7.29 513	0.62 318	0.42 290	0.53 292	0.37 231	0.49 304	0.34 257	8.30 509	6.87 516

DispNO	1.00 353	0.63 212	0.43 256	3.45 461	0.44 301	0.65 326	0.43 290	0.64 315	0.43 292	0.64 323	0.43 297	0.64 325	3.03 474	0.64 323	0.43 292	4.55 480	0.43 264	0.63 327	0.43 302	0.63 299	0.43 286

LG-Stereo_Zeroshot	0.48 254	0.55 206	0.47 269	0.63 273	0.41 288	0.56 312	0.44 291	0.56 300	0.41 285	0.56 310	0.41 286	0.57 316	0.42 288	0.56 310	0.41 284	0.55 295	0.43 264	0.51 313	0.37 271	0.51 286	0.37 257

MonSter	0.60 278	0.64 214	0.52 291	0.62 271	0.44 301	2.07 454	0.44 291	0.62 313	0.44 295	0.62 320	0.44 299	0.62 324	0.44 292	0.62 318	0.44 293	0.58 298	0.42 263	0.62 325	0.46 306	0.58 295	0.42 285

PAM_32	0.64 285	2.38 397	0.51 288	0.92 309	0.43 300	0.53 307	0.44 291	0.87 336	0.43 292	0.52 300	0.45 302	0.53 306	0.40 271	0.54 306	0.46 298	0.62 306	0.56 300	0.48 300	0.45 304	0.76 314	0.44 289

AIO-Stereo-zeroshot1	0.75 305	0.92 246	0.85 339	0.96 319	0.59 335	1.27 430	0.44 291	0.59 308	0.69 344	0.91 351	0.68 348	0.55 312	0.61 329	1.06 371	0.83 362	0.62 306	0.70 320	0.90 358	0.41 294	0.89 331	0.56 324

fffft	0.48 254	0.51 196	0.45 260	0.52 256	0.45 303	0.52 306	0.45 295	0.52 295	0.48 309	0.53 302	0.45 302	0.52 305	0.45 294	0.52 303	0.46 298	0.51 289	0.41 256	0.50 308	0.41 294	0.50 280	0.41 278
1: 1. 1
Selective-IGEV	0.51 266	0.55 206	0.45 260	0.69 282	0.45 303	0.61 320	0.45 295	0.50 284	0.40 276	0.56 310	0.44 299	0.55 312	0.40 271	0.72 331	0.67 337	0.59 299	0.46 268	0.45 285	0.34 257	0.46 262	0.37 257

otaku	0.46 243	0.46 173	0.46 264	0.46 227	0.46 305	0.46 275	0.46 297	0.46 263	0.46 297	0.46 263	0.46 304	0.46 270	0.46 297	0.46 270	0.46 298	0.46 265	0.46 268	0.46 288	0.46 306	0.46 262	0.46 292

Dean	0.46 243	0.46 173	0.46 264	0.46 227	0.46 305	0.46 275	0.46 297	0.46 263	0.46 297	0.47 268	0.46 304	0.46 270	0.46 297	0.46 270	0.46 298	0.46 265	0.46 268	0.46 288	0.46 306	0.46 262	0.46 292

ACVNet_1	0.46 243	0.47 177	0.46 264	0.46 227	0.46 305	0.46 275	0.46 297	0.46 263	0.47 302	0.46 263	0.46 304	0.46 270	0.46 297	0.46 270	0.46 298	0.46 265	0.46 268	0.47 292	0.46 306	0.46 262	0.46 292

ACVNet-4b	0.46 243	0.46 173	0.46 264	0.46 227	0.46 305	0.46 275	0.46 297	0.46 263	0.46 297	0.46 263	0.46 304	0.46 270	0.46 297	0.47 274	0.46 298	0.46 265	0.46 268	0.46 288	0.46 306	0.46 262	0.46 292

LL-Strereo	1.01 358	5.06 457	1.63 445	0.70 284	1.43 458	0.56 312	0.46 297	0.57 303	0.50 314	0.57 312	0.50 321	1.58 442	0.49 311	0.59 316	0.50 313	1.64 435	0.52 294	0.51 313	1.37 447	0.52 288	0.45 291

AIO-test2	0.55 274	0.59 209	0.52 291	0.67 281	0.47 311	0.61 320	0.47 302	0.61 312	0.47 302	0.61 317	0.47 312	0.61 322	0.48 306	0.62 318	0.47 304	0.64 308	0.53 296	0.58 322	0.47 313	0.58 295	0.48 301

AIO-test1	0.54 270	0.60 211	0.52 291	0.66 280	0.47 311	0.61 320	0.47 302	0.58 306	0.46 297	0.61 317	0.46 304	0.61 322	0.45 294	0.62 318	0.45 294	0.61 303	0.52 294	0.57 321	0.48 316	0.57 294	0.48 301

SMoEStereo_RVC	0.63 283	0.75 220	0.51 288	0.73 288	0.53 330	0.71 332	0.47 302	0.67 319	0.58 327	0.74 338	0.60 335	0.72 335	0.53 321	0.74 335	0.51 318	0.61 303	0.62 309	0.62 325	0.61 337	0.63 299	0.61 327

Occ-G	1.12 366	0.52 198	3.72 496	3.50 462	0.50 321	0.56 312	0.47 302	0.54 298	0.46 297	0.54 305	0.41 286	0.54 308	0.42 288	0.52 303	0.42 290	3.42 471	4.02 490	0.52 316	0.45 304	0.51 286	0.44 289

Ntro	0.47 249	0.47 177	0.46 264	0.46 227	0.46 305	0.47 279	0.47 302	0.46 263	0.47 302	0.46 263	0.46 304	0.47 275	0.46 297	0.47 274	0.47 304	0.47 270	0.46 268	0.46 288	0.46 306	0.46 262	0.46 292

HaxPig	0.47 249	0.47 177	0.47 269	0.49 243	0.47 311	0.47 279	0.47 302	0.47 268	0.47 302	0.47 268	0.47 312	0.47 275	0.47 305	0.47 274	0.47 304	0.47 270	0.47 276	0.47 292	0.47 313	0.47 269	0.48 301

UNDER WATER	0.47 249	0.47 177	0.47 269	0.47 233	0.47 311	0.47 279	0.47 302	0.47 268	0.47 302	0.47 268	0.47 312	0.47 275	0.46 297	0.47 274	0.47 304	0.47 270	0.47 276	0.47 292	0.46 306	0.47 269	0.47 299

LVE	0.47 249	0.47 177	0.47 269	0.47 233	0.49 317	0.47 279	0.47 302	0.47 268	0.49 311	0.47 268	0.47 312	0.47 275	0.46 297	0.47 274	0.47 304	0.47 270	0.47 276	0.48 300	0.47 313	0.47 269	0.47 299

NLCA_NET_v2_RVC	5.04 508	50.87 536	2.78 475	2.87 455	2.71 483	2.78 472	0.47 302	2.88 470	2.86 483	1.89 446	2.67 482	2.79 472	2.79 473	2.78 471	2.83 480	2.82 466	2.82 468	2.83 472	2.77 481	2.83 458	2.76 482
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RainbowNet	0.48 254	0.48 183	0.48 276	0.48 237	0.48 315	0.48 284	0.48 311	0.48 272	0.48 309	0.48 274	0.48 316	0.48 281	0.48 306	0.48 281	0.48 310	0.48 274	0.48 279	0.48 300	0.48 316	0.48 272	0.48 301

notaker	0.48 254	0.49 185	0.48 276	0.48 237	0.48 315	0.48 284	0.48 311	0.48 272	0.49 311	0.48 274	0.48 316	0.48 281	0.48 306	0.48 281	0.48 310	0.48 274	0.48 279	0.48 300	0.48 316	0.48 272	0.49 306

ACVNet_2	0.49 259	0.49 185	0.49 280	0.49 243	0.49 317	0.49 289	0.49 313	0.49 276	0.49 311	0.49 281	0.49 319	0.49 285	0.49 311	0.49 287	0.49 312	0.49 277	0.49 282	0.49 304	0.49 319	0.49 275	0.49 306

AEACV	1.12 366	0.52 198	3.12 488	3.24 458	0.86 370	0.53 307	0.49 313	0.60 310	0.47 302	0.53 302	0.49 319	0.55 312	0.45 294	0.55 309	0.47 304	3.01 467	3.88 488	0.71 337	0.60 335	0.80 321	0.48 301

FoundationStereo	0.50 261	0.50 189	0.50 283	0.50 250	0.50 321	0.50 297	0.50 315	0.50 284	0.50 314	0.50 293	0.50 321	0.50 299	0.50 314	0.50 294	0.50 313	0.50 283	0.50 288	0.50 308	0.50 321	0.50 280	0.50 309

StereoAnything_RVC	0.50 261	0.50 189	0.50 283	0.50 250	0.50 321	0.50 297	0.50 315	0.50 284	0.50 314	0.50 293	0.50 321	0.50 299	0.50 314	0.50 294	0.50 313	0.50 283	0.50 288	0.50 308	0.50 321	0.50 280	0.50 309

dual_stereo	0.50 261	0.50 189	0.50 283	0.50 250	0.50 321	0.50 297	0.50 315	0.50 284	0.50 314	0.50 293	0.50 321	0.50 299	0.50 314	0.50 294	0.50 313	0.50 283	0.50 288	0.50 308	0.50 321	0.50 280	0.50 309

SANet	0.50 261	0.50 189	0.50 283	0.50 250	0.50 321	0.50 297	0.50 315	0.50 284	0.50 314	0.50 293	0.50 321	0.50 299	0.50 314	0.50 294	0.50 313	0.50 283	0.50 288	0.50 308	0.50 321	0.50 280	0.50 309

KSHMR	0.66 288	0.50 189	0.48 276	1.15 340	0.52 327	0.49 289	0.51 319	0.49 276	0.71 350	0.67 327	0.50 321	1.16 382	1.11 376	0.66 325	0.52 320	0.49 277	0.49 282	0.51 313	0.66 342	0.50 280	1.14 388

999	1.00 353	1.12 282	0.59 300	1.10 332	1.21 448	1.09 372	0.52 320	1.08 359	1.43 457	1.18 380	1.35 447	0.98 364	0.52 320	0.91 352	0.85 363	0.72 319	1.46 436	0.83 353	0.98 375	0.68 303	1.41 453

WCG-NET	0.61 281	1.21 337	0.54 295	0.61 270	0.53 330	0.67 328	0.53 321	0.66 318	0.53 322	0.64 323	0.53 330	0.65 328	0.53 321	0.59 316	0.52 320	0.65 309	0.48 279	0.64 328	0.52 325	0.58 295	0.50 309

MyStereo8	0.71 299	3.92 442	0.52 291	0.59 267	0.52 327	0.57 317	0.53 321	0.59 308	0.50 314	0.59 316	0.51 327	0.57 316	0.50 314	0.56 310	0.52 320	0.54 293	0.49 282	0.54 319	0.49 319	0.55 293	0.50 309

PSMNet_ROB	0.54 270	0.54 204	0.54 295	0.54 259	0.53 330	0.54 310	0.54 323	0.53 296	0.54 324	0.54 305	0.54 331	0.54 308	0.53 321	0.54 306	0.54 323	0.54 293	0.53 296	0.54 319	0.54 326	0.54 292	0.54 317

CASS	0.57 277	0.89 237	0.56 297	0.57 264	0.56 333	0.56 312	0.56 324	0.56 300	0.53 322	0.57 312	0.57 334	0.59 320	0.48 306	0.56 310	0.57 326	0.55 295	0.56 300	0.47 292	0.56 330	0.62 298	0.56 324
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 283	0.69 216	0.56 297	0.71 286	0.56 333	0.71 332	0.56 324	0.71 324	0.56 325	0.72 331	0.56 333	0.71 332	0.56 325	0.71 330	0.58 327	0.68 313	0.55 298	0.68 333	0.55 327	0.68 303	0.54 317

UDG	0.80 316	2.21 390	0.60 302	0.91 306	0.60 336	0.90 349	0.58 326	0.88 339	0.60 329	0.90 349	0.60 335	0.88 351	0.60 328	0.90 351	0.58 327	0.86 335	0.60 304	0.84 354	0.59 334	0.84 327	0.61 327

DDUNet	0.81 321	2.45 398	0.57 299	0.90 304	0.60 336	0.88 346	0.59 327	0.90 340	0.60 329	0.88 348	0.60 335	0.90 354	0.58 326	0.88 348	0.60 329	0.84 333	0.60 304	0.86 356	0.57 331	0.86 328	0.60 326

RAFT-Stereo + iAFF	0.70 297	0.72 218	0.71 322	0.80 294	0.62 344	0.82 342	0.61 328	0.81 334	0.62 333	0.81 345	0.63 340	0.80 345	0.70 342	0.73 333	0.61 331	0.76 322	0.61 308	0.74 339	0.61 337	0.77 315	0.61 327

ARAFT	0.68 293	0.81 227	0.63 306	0.74 289	0.60 336	0.78 337	0.62 329	0.77 328	0.66 339	0.74 338	0.63 340	0.75 339	0.62 330	0.83 342	0.60 329	0.70 317	0.55 298	0.70 336	0.60 335	0.78 316	0.55 321

LMCR-Stereo	0.65 286	0.63 212	0.65 311	0.65 277	0.65 347	0.66 327	0.63 330	0.58 306	0.65 337	0.63 322	0.64 342	0.65 328	0.65 333	0.66 325	0.66 336	0.66 311	0.64 312	0.65 331	0.67 346	0.68 303	0.73 347

plain	1.88 437	3.16 422	0.64 308	3.10 456	0.65 347	3.10 474	0.64 331	3.12 472	0.65 337	3.10 473	0.65 344	3.11 473	0.65 333	3.12 472	0.65 333	3.12 468	0.65 313	3.13 473	0.65 340	3.13 459	0.65 333

AFF-stereo	0.73 303	0.88 234	0.67 315	0.75 290	0.68 354	0.75 334	0.64 331	0.80 331	0.72 351	0.83 346	0.70 352	0.82 348	0.64 331	0.84 343	0.67 337	0.77 323	0.63 310	0.81 350	0.63 339	0.78 316	0.62 330

DSFCA	0.66 288	0.73 219	0.78 331	0.65 277	0.65 347	0.64 325	0.64 331	0.65 316	0.63 335	0.64 323	0.64 342	0.64 325	0.64 331	0.65 324	0.65 333	0.65 309	0.65 313	0.65 331	0.65 340	0.66 301	0.64 332

MyStereo06	0.75 305	4.12 443	0.60 302	0.63 273	0.61 341	0.62 323	0.66 334	0.56 300	0.45 296	0.55 308	0.48 316	0.54 308	0.46 297	0.57 314	0.45 294	0.60 300	0.57 302	0.64 328	0.55 327	0.72 309	0.55 321

MyStereo05	0.80 316	4.12 443	0.63 306	0.63 273	0.61 341	0.62 323	0.66 334	0.65 316	0.62 333	0.67 327	0.61 338	0.65 328	0.58 326	0.67 327	0.55 325	0.60 300	0.57 302	0.64 328	0.55 327	0.72 309	0.55 321

MIF-Stereo (partial)	2.58 467	3.31 426	0.66 312	3.18 457	0.66 350	3.18 475	0.66 334	3.21 473	0.67 340	3.19 474	0.66 346	3.19 474	0.66 336	3.31 476	0.68 341	5.09 497	1.79 455	8.23 516	1.67 463	6.18 500	1.38 452

test_xeample3	1.10 363	1.81 362	0.61 304	0.84 299	0.49 317	0.77 335	0.66 334	0.92 345	1.40 455	0.68 329	0.46 304	0.78 342	0.54 324	1.72 443	1.48 453	1.34 419	1.52 439	1.35 443	1.67 463	1.33 418	1.55 456

ours_stereo	1.20 369	1.21 337	0.90 343	1.64 418	1.11 392	1.35 433	0.67 338	1.76 440	0.93 373	1.70 444	1.10 386	1.39 437	0.75 350	1.41 437	0.81 361	1.60 434	1.03 352	1.33 440	1.00 377	1.61 428	0.72 344

UniTT-Stereo	2.03 442	3.43 428	0.72 323	3.42 460	0.73 360	3.27 477	0.68 339	3.38 476	0.69 344	3.29 476	0.72 357	3.28 476	0.70 342	3.35 477	0.68 341	3.39 470	0.68 315	3.31 475	0.69 349	3.37 460	0.73 347

R-Stereo Train	0.81 321	0.96 251	0.67 315	0.95 316	0.67 351	0.95 354	0.68 339	0.95 351	0.68 341	0.95 359	0.68 348	0.96 362	0.68 339	0.96 361	0.68 341	0.94 345	0.68 315	0.94 364	0.68 347	0.94 340	0.68 338

RAFT-Stereo	0.81 321	0.96 251	0.67 315	0.95 316	0.67 351	0.95 354	0.68 339	0.95 351	0.68 341	0.95 359	0.68 348	0.96 362	0.68 339	0.96 361	0.68 341	0.94 345	0.68 315	0.94 364	0.68 347	0.94 340	0.68 338
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
LG-Stereo	0.60 278	0.58 208	0.47 269	0.64 276	0.74 362	1.00 359	0.69 342	0.57 303	0.41 285	0.57 312	0.41 286	0.57 316	0.41 282	1.00 364	0.75 353	0.91 338	0.51 292	0.52 316	0.37 271	0.52 288	0.37 257

STTRV1_RVC	0.82 325	1.60 354	0.70 318	1.01 326	0.60 336	1.07 369	0.69 342	1.01 356	0.60 329	0.72 331	0.55 332	1.02 369	0.68 339	1.03 369	0.67 337	0.89 337	0.63 310	0.92 362	0.57 331	0.90 333	0.65 333

TorneroNet	0.66 288	0.53 201	0.50 283	0.50 250	0.64 345	1.06 366	0.70 344	0.50 284	0.51 321	0.49 281	0.69 351	0.49 285	0.50 314	0.48 281	1.15 388	0.71 318	0.49 282	1.14 379	1.08 383	0.49 275	0.49 306

DMCA-RVC	0.70 297	0.80 224	0.70 318	0.70 284	0.70 356	0.70 330	0.70 344	0.71 324	0.70 347	0.70 330	0.71 355	0.71 332	0.70 342	0.70 329	0.69 345	0.69 314	0.70 320	0.69 334	0.70 351	0.69 307	0.70 340

MSMD_ROB	1.19 368	1.10 281	0.70 318	1.10 332	0.60 336	1.10 373	0.70 344	1.10 362	0.70 347	1.10 370	0.70 352	1.10 376	0.70 342	7.00 515	0.70 348	1.10 356	0.70 320	1.10 378	0.70 351	1.10 352	0.70 340

RSM++	0.76 309	0.82 229	0.66 312	0.85 301	0.64 345	0.85 343	0.71 347	0.94 349	0.64 336	0.87 347	0.67 347	0.87 350	0.65 333	0.84 343	0.65 333	0.81 328	0.70 320	0.79 345	0.71 354	0.83 326	0.70 340

MoCha-V2	2.11 444	26.97 521	0.78 331	0.92 309	0.77 364	0.96 356	0.72 348	0.90 340	0.72 351	0.94 357	0.70 352	0.90 354	0.71 346	0.91 352	0.71 349	0.85 334	0.71 324	0.88 357	0.69 349	0.87 329	0.67 337

DCRE	0.84 332	1.89 367	0.77 330	0.94 314	0.72 359	0.88 346	0.73 349	0.87 336	0.78 357	0.90 349	0.71 355	0.88 351	0.67 338	0.88 348	0.73 350	0.81 328	0.68 315	0.81 350	0.70 351	0.82 325	0.70 340

PA-Net	11.80 518	223.51 543	0.62 305	0.59 267	0.71 357	0.59 319	0.73 349	0.67 319	0.73 354	0.55 308	0.61 338	0.60 321	0.74 348	0.63 322	0.73 350	0.66 311	0.60 304	0.69 334	0.66 342	0.72 309	0.65 333
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
HSM-Net_RVC	0.95 349	1.17 287	0.78 331	1.18 347	0.71 357	1.16 380	0.75 351	1.09 361	0.80 361	1.10 370	0.75 361	1.17 383	0.74 348	1.17 383	0.80 358	1.13 362	0.73 326	1.17 385	0.77 358	1.16 358	0.72 344
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RAStereo	2.23 452	3.64 431	0.76 329	3.65 465	0.86 370	3.66 481	0.76 352	3.67 480	0.81 364	3.66 477	0.76 362	3.66 478	0.77 352	3.68 479	0.77 355	3.68 473	0.77 331	3.69 480	0.77 358	3.70 462	0.77 353

ToySt	0.92 341	2.11 383	0.90 343	0.95 316	0.79 366	0.99 358	0.78 353	0.94 349	0.81 364	0.94 357	0.78 363	0.95 361	0.77 352	0.94 357	0.86 364	0.91 338	0.79 333	0.85 355	0.77 358	0.89 331	0.73 347

tt45	1.04 360	0.88 234	1.36 434	0.92 309	1.03 389	1.51 443	0.79 354	0.70 323	0.88 366	0.74 338	0.90 369	1.60 443	0.72 347	1.60 440	0.75 353	0.91 338	0.78 332	1.52 450	0.79 361	1.14 354	1.32 445

iGMRVC	0.84 332	2.85 416	0.72 323	0.72 287	0.73 360	0.77 335	0.79 354	0.73 326	0.74 356	0.73 333	0.72 357	0.73 337	0.76 351	0.73 333	0.73 350	0.72 319	0.73 326	0.73 338	0.72 355	0.73 312	0.72 344

G-Net	0.79 314	0.79 223	0.79 334	0.79 292	0.79 366	0.79 339	0.79 354	0.79 329	0.79 360	0.79 342	0.79 364	0.79 344	0.79 354	0.79 338	0.79 356	0.79 324	0.79 333	0.79 345	0.79 361	0.79 318	0.79 354

NaN_ROB	0.80 316	0.80 224	0.80 335	0.80 294	0.80 368	0.80 340	0.80 357	0.80 331	0.80 361	0.80 343	0.80 365	0.80 345	0.80 355	0.80 340	0.80 358	0.80 325	0.80 336	0.80 348	0.80 363	0.80 321	0.80 355

CSAN	0.80 316	0.80 224	0.80 335	0.80 294	0.80 368	0.80 340	0.80 357	0.80 331	0.80 361	0.80 343	0.80 365	0.80 345	0.80 355	0.80 340	0.80 358	0.80 325	0.80 336	0.80 348	0.80 363	0.80 321	0.80 355

AIO-Stereo-zeroshot	0.91 339	0.86 231	0.89 340	1.25 397	0.69 355	1.05 365	0.81 359	1.16 366	0.50 314	1.12 375	0.97 377	0.72 335	0.82 357	1.06 371	0.95 371	0.61 303	0.87 341	1.03 376	0.85 369	1.04 349	1.01 377

AIO-Stereo	0.84 332	0.66 215	0.70 318	0.83 298	0.67 351	0.98 357	0.82 360	1.14 363	0.72 351	1.03 366	0.74 360	1.03 370	1.09 375	0.99 363	0.45 294	1.04 351	0.73 326	0.95 366	0.74 356	0.94 340	0.46 292

Selective-RAFT	0.89 338	0.89 237	0.72 323	1.16 345	0.78 365	1.06 366	0.82 360	0.87 336	0.97 378	1.00 361	0.91 372	0.90 354	1.00 366	0.89 350	0.93 370	0.83 331	0.83 339	0.82 352	0.82 366	0.81 324	0.82 358

DPSimNet_ROB	0.97 350	1.18 289	0.81 337	1.10 332	0.91 376	1.02 364	0.82 360	1.04 358	0.91 368	1.03 366	0.86 368	1.28 434	0.82 357	1.03 369	0.89 365	1.17 365	0.81 338	1.02 375	0.82 366	1.08 351	0.81 357

MLG-Stereo	0.92 341	0.90 239	0.84 338	1.27 398	0.49 317	1.38 437	0.88 363	1.41 433	0.97 378	0.73 333	1.09 385	1.26 432	0.43 290	0.72 331	1.05 381	1.13 362	0.49 282	1.18 388	0.66 342	1.01 347	0.46 292

HBP-ISP	1.24 417	1.72 357	1.65 446	1.15 340	0.76 363	1.40 439	0.88 363	1.67 439	1.02 386	1.69 443	1.38 451	1.69 445	1.21 433	1.87 444	1.21 440	1.05 352	0.79 333	0.97 369	0.80 363	1.19 366	0.75 351

APVNet	0.09 51	0.05 49	0.04 43	0.05 42	0.04 76	0.05 84	0.90 365	0.06 88	0.04 78	0.05 86	0.04 85	0.05 85	0.04 81	0.05 77	0.04 72	0.05 50	0.04 44	0.05 80	0.04 74	0.05 85	0.05 90

FC-DCNN	1.07 361	1.09 278	0.98 352	0.89 303	0.52 327	1.41 440	0.91 366	1.21 419	1.24 446	1.96 447	2.05 479	1.91 447	1.30 440	1.27 433	1.08 382	0.80 325	0.60 304	0.58 322	0.41 294	0.68 303	0.54 317

DGTPSM_ROB	0.93 346	1.00 257	0.92 347	0.94 314	0.96 381	0.91 350	0.92 367	0.91 342	0.96 377	0.91 351	0.96 376	0.93 360	0.92 361	0.94 357	0.92 366	0.92 341	0.92 344	0.90 358	0.92 370	0.94 340	0.91 365

DPSM_ROB	0.92 341	0.91 241	0.91 345	0.91 306	0.92 377	0.92 351	0.92 367	0.92 345	0.91 368	0.93 355	0.91 372	0.92 357	0.90 359	0.91 352	0.92 366	0.92 341	0.91 342	0.91 360	0.92 370	0.93 338	0.93 367

DPSM	0.92 341	0.91 241	0.91 345	0.91 306	0.92 377	0.92 351	0.92 367	0.92 345	0.91 368	0.93 355	0.91 372	0.92 357	0.90 359	0.91 352	0.92 366	0.92 341	0.91 342	0.91 360	0.92 370	0.93 338	0.93 367

pmcnn	0.92 341	0.92 246	0.92 347	0.92 309	0.92 377	0.92 351	0.92 367	0.92 345	0.92 372	0.92 353	0.92 375	0.92 357	0.92 361	0.92 356	0.92 366	0.92 341	0.92 344	0.92 362	0.92 370	0.92 337	0.92 366

Selective-RAFT-Error	0.88 336	0.84 230	0.98 352	0.86 302	0.97 382	0.88 346	0.95 371	0.84 335	0.99 381	0.92 353	0.82 367	0.84 349	0.98 365	0.87 347	0.97 373	0.81 328	0.83 339	0.79 345	0.82 366	0.79 318	0.85 360

ACVNet	0.20 135	0.19 95	0.14 124	0.20 130	0.14 147	0.20 152	0.96 372	0.21 156	0.14 147	0.20 148	0.13 146	0.21 157	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 142	0.12 138	0.17 141	0.12 134

acv_ft	0.20 135	0.19 95	0.14 124	0.20 130	0.14 147	0.20 152	0.96 372	0.21 156	0.14 147	0.20 148	0.13 146	0.21 157	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 142	0.12 138	0.17 141	0.12 134

MM-Stereo_test2	1.20 369	1.85 364	1.05 358	1.46 409	0.94 380	1.36 435	0.99 374	1.36 428	0.95 375	1.41 434	0.98 378	1.40 439	0.96 363	1.37 435	0.95 371	1.37 423	1.06 353	1.33 440	0.93 374	1.29 417	0.89 363

GANet	1.00 353	1.00 257	1.00 354	1.00 323	1.00 383	1.00 359	1.00 375	1.00 353	1.00 382	1.00 361	1.00 379	1.00 365	1.00 366	1.00 364	1.00 376	1.00 347	1.00 347	1.00 371	1.00 377	1.00 344	1.00 374

TDLM	1.00 353	1.00 257	1.00 354	1.00 323	1.00 383	1.00 359	1.00 375	1.00 353	1.00 382	1.00 361	1.00 379	1.00 365	1.00 366	1.00 364	1.00 376	1.00 347	1.00 347	1.00 371	1.00 377	1.00 344	1.00 374

CVANet_RVC	1.00 353	1.00 257	1.00 354	1.00 323	1.00 383	1.00 359	1.00 375	1.00 353	1.00 382	1.00 361	1.00 379	1.00 365	1.00 366	1.00 364	1.00 376	1.00 347	1.00 347	1.00 371	1.00 377	1.00 344	1.00 374

MM-Stereo_test3	1.27 419	2.07 379	1.18 369	1.60 413	1.02 388	1.45 441	1.01 378	1.40 432	1.04 387	1.44 435	1.03 383	1.46 441	1.02 373	1.44 438	1.02 380	1.51 430	1.12 367	1.32 439	0.98 375	1.38 421	0.97 370

trnet	1.01 358	1.01 263	1.01 357	1.01 326	1.01 387	1.01 363	1.01 378	1.01 356	1.01 385	1.01 365	1.01 382	1.01 368	1.01 372	1.01 368	1.01 379	1.01 350	1.01 350	1.01 374	1.01 381	1.01 347	1.01 377

MaDis-Stereo	3.19 476	6.02 477	1.12 361	5.61 492	1.16 398	5.43 508	1.02 380	5.15 506	0.70 347	5.43 506	1.21 440	5.03 507	0.97 364	4.85 500	0.99 375	4.53 479	1.16 370	5.53 508	1.25 441	5.37 496	1.30 443

ac_64	0.22 145	0.13 80	0.19 155	0.23 142	0.10 111	0.26 183	1.02 380	0.14 119	0.10 109	0.28 183	0.14 151	0.17 140	0.19 174	0.28 192	0.09 99	0.22 156	0.16 140	0.23 170	0.17 173	0.11 113	0.12 134

GLC_STEREO	1.07 361	1.01 263	1.06 359	1.07 330	1.05 390	1.06 366	1.08 382	1.08 359	1.05 388	1.07 368	1.06 384	1.08 372	1.05 374	1.06 371	1.10 383	1.07 353	1.09 360	1.05 377	1.05 382	1.06 350	1.12 384

sAnonymous2	3.31 477	2.63 402	1.38 437	3.71 466	1.86 470	4.70 500	1.11 383	4.82 502	2.72 481	5.45 507	1.98 477	4.59 492	2.64 470	2.65 465	6.21 513	4.37 475	1.08 358	5.16 506	2.24 476	4.52 473	2.39 479

CroCo_RVC	3.31 477	2.63 402	1.38 437	3.71 466	1.86 470	4.70 500	1.11 383	4.82 502	2.72 481	5.45 507	1.98 477	4.59 492	2.64 470	2.65 465	6.21 513	4.37 475	1.08 358	5.16 506	2.24 476	4.52 473	2.39 479

NCC-stereo	2.36 458	25.52 516	1.17 367	1.15 340	1.17 399	1.11 376	1.11 383	1.15 364	1.16 391	1.10 370	1.16 390	1.10 376	1.15 380	1.14 381	1.13 386	1.09 354	1.11 364	1.15 380	1.16 389	1.17 363	1.17 390

Nwc_Net	2.37 460	25.95 518	1.15 365	1.14 338	1.15 394	1.08 370	1.14 386	1.17 368	1.16 391	1.14 378	1.15 387	1.08 372	1.15 380	1.11 379	1.14 387	1.10 356	1.11 364	1.16 381	1.09 384	1.16 358	1.15 389

RP	2.33 456	25.00 514	1.13 362	1.15 340	1.15 394	1.10 373	1.15 387	1.15 364	1.15 390	1.12 375	1.15 387	1.09 374	1.13 377	1.10 377	1.15 388	1.11 361	1.09 360	1.16 381	1.12 385	1.16 358	1.17 390

Abc-Net	2.32 455	24.75 513	1.14 363	1.17 346	1.17 399	1.11 376	1.15 387	1.17 368	1.21 443	1.08 369	1.16 390	1.12 380	1.14 379	1.09 375	1.17 392	1.09 354	1.16 370	1.17 385	1.17 390	1.16 358	1.11 382
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	2.36 458	25.48 515	1.19 371	1.15 340	1.15 394	1.10 373	1.16 389	1.17 368	1.16 391	1.12 375	1.16 390	1.11 379	1.13 377	1.09 375	1.18 393	1.10 356	1.15 369	1.16 381	1.12 385	1.14 354	1.12 384

edge stereo	2.43 463	27.07 522	1.14 363	1.06 329	1.14 393	1.08 370	1.17 390	1.16 366	1.14 389	1.10 370	1.16 390	1.09 374	1.16 384	1.10 377	1.16 391	1.10 356	1.11 364	1.16 381	1.19 391	1.13 353	1.11 382

AF-Net	2.37 460	25.71 517	1.17 367	1.13 337	1.15 394	1.15 379	1.18 391	1.19 371	1.16 391	1.10 370	1.15 387	1.10 376	1.18 385	1.12 380	1.15 388	1.10 356	1.10 363	1.17 385	1.15 387	1.16 358	1.12 384

stereogan	2.33 456	24.38 512	1.18 369	1.18 347	1.18 401	1.14 378	1.18 391	1.19 371	1.19 397	1.14 378	1.18 394	1.14 381	1.18 385	1.14 381	1.18 393	1.14 364	1.14 368	1.19 389	1.19 391	1.15 356	1.19 392

DisPM	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

CrosDoStereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

PFNet+	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

LCNet	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

HHNet	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

Patchmatch Stereo++	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393
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	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

STrans-v2	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

TransformOpticalFlow	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

OMP-Stereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

IIG-Stereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

NF-Stereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

OCTAStereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

PSM-softLoss	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

KMStereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

NRIStereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

PSM-adaLoss	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

PSM-AAD	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

FTStereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

ROB_FTStereo_v2	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

ROB_FTStereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

Consistency-Raft	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

KYRaft	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

HUI-Stereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

ASMatch	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

DeepStereo_LL	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

DEmStereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

SST-Stereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

THIR-Stereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

RAFT_R40	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

DRaft	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

PFNet	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

GrayStereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

RE-Stereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

Pruner-Stereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

TVStereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

DeepStereo_RVC	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

RAFT-RH_RVC	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

IRAFT_RVC	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

RAFT-345	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

iRAFT	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

CRE-IMP	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

GMM-Stereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

RAFT-IKP	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

Prome-Stereo	1.20 369	1.20 291	1.20 374	1.20 349	1.20 402	1.20 381	1.20 393	1.20 374	1.20 398	1.20 382	1.20 395	1.20 385	1.20 387	1.20 385	1.20 395	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 393

GwcNet	0.12 92	0.07 57	0.05 57	0.08 48	0.05 92	0.08 97	1.20 393	0.07 98	0.05 92	0.05 86	0.05 94	0.08 98	0.05 88	0.08 99	0.03 47	0.07 57	0.05 55	0.06 87	0.05 89	0.07 97	0.05 90

GANetREF_RVC	1.55 426	1.94 376	1.22 421	1.88 421	1.21 448	1.88 449	1.22 439	1.88 441	1.22 444	1.88 445	1.22 441	1.88 446	1.22 434	1.89 445	1.22 441	1.87 441	1.22 422	1.88 453	1.22 440	1.88 433	1.22 439
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SPS-STEREO	1.59 427	1.91 370	1.21 420	1.94 424	1.20 402	2.00 451	1.23 440	1.99 444	1.24 446	2.00 449	1.25 444	2.03 450	1.26 436	2.00 448	1.29 445	1.90 444	1.18 374	1.89 454	1.21 439	1.89 434	1.20 393
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
FAT-Stereo	2.46 464	26.05 519	1.23 423	1.23 396	1.22 450	1.20 381	1.24 441	1.23 422	1.23 445	1.19 381	1.22 441	1.21 430	1.24 435	1.20 385	1.24 442	1.21 412	1.17 373	1.22 436	1.25 441	1.20 367	1.24 441

S-Stereo	2.51 465	26.86 520	1.23 423	1.22 394	1.22 450	1.24 429	1.25 442	1.22 420	1.24 446	1.21 427	1.24 443	1.19 384	1.27 437	1.19 384	1.24 442	1.19 366	1.20 375	1.25 437	1.19 391	1.24 415	1.23 440

StereoVision	3.15 475	5.00 456	0.89 340	4.83 483	1.00 383	3.93 482	1.27 443	6.37 509	1.34 449	5.67 509	1.26 445	5.84 510	1.27 437	5.03 506	1.24 442	5.10 498	1.09 360	4.61 492	0.57 331	5.62 498	1.12 384

CC-Net-ROB	1.36 422	1.33 346	1.33 426	1.36 405	1.38 455	1.36 435	1.33 444	1.37 430	1.34 449	1.35 431	1.36 449	1.38 436	1.34 441	1.38 436	1.38 449	1.35 420	1.38 432	1.33 440	1.35 444	1.43 422	1.34 448

11t	1.27 419	2.70 407	1.34 427	1.32 402	0.89 372	1.30 432	1.34 445	1.64 436	0.57 326	1.45 436	0.72 357	1.05 371	1.29 439	1.07 374	1.29 445	1.49 427	1.02 351	0.97 369	1.15 387	1.48 423	1.31 444

MaskLacGwcNet_RVC	1.35 421	1.35 347	1.35 429	1.35 404	1.35 452	1.35 433	1.35 446	1.36 428	1.35 451	1.36 432	1.35 447	1.36 435	1.36 442	1.36 434	1.35 447	1.35 420	1.35 429	1.35 443	1.35 444	1.35 419	1.35 449

ktn	0.72 302	0.53 201	1.08 360	1.14 338	0.51 326	1.22 427	1.36 447	0.51 293	0.59 328	0.51 297	0.51 327	0.69 331	1.20 387	0.67 327	0.51 318	0.51 289	0.49 282	0.58 322	0.66 342	0.52 288	0.53 316

IGEVStereo-DCA	1.77 433	4.21 447	1.84 454	2.49 447	2.11 478	2.54 466	1.36 447	1.65 437	1.17 395	2.75 467	1.90 471	2.54 465	1.15 380	0.94 357	1.11 384	1.50 428	1.32 423	0.96 367	1.46 454	1.49 424	0.88 361

rrr	1.77 433	4.21 447	1.84 454	2.49 447	2.11 478	2.54 466	1.36 447	1.65 437	1.17 395	2.75 467	1.90 471	2.54 465	1.15 380	0.94 357	1.11 384	1.50 428	1.32 423	0.96 367	1.46 454	1.49 424	0.88 361

MC-Stereo	1.76 432	2.96 417	1.37 436	2.14 431	1.37 454	2.14 455	1.36 447	2.14 449	1.37 453	2.14 455	1.37 450	2.14 452	1.37 443	2.14 453	1.37 448	1.97 445	1.32 423	1.97 456	1.32 443	1.98 435	1.33 446

RASNet	1.49 425	1.65 355	1.45 440	1.38 407	1.43 458	1.47 442	1.36 447	1.38 431	1.36 452	1.39 433	1.60 459	1.45 440	1.45 447	1.51 439	2.21 474	1.53 431	1.36 430	1.36 445	1.36 446	1.66 429	1.36 450

PS-NSSS	1.38 424	1.39 349	1.34 427	1.34 403	1.35 452	1.38 437	1.37 452	1.35 427	1.38 454	1.34 430	1.34 446	1.39 437	1.38 444	1.70 442	1.40 450	1.36 422	1.36 430	1.36 445	1.37 447	1.37 420	1.36 450

CFNet-RSSM	0.91 339	4.89 455	0.34 216	0.44 225	1.07 391	1.62 445	1.40 453	0.91 342	0.35 252	1.60 438	1.39 452	0.64 325	0.34 248	0.44 264	0.33 237	0.41 247	0.35 226	0.75 340	0.30 237	0.41 248	0.29 216

MM-Stereo_test1	1.80 435	3.41 427	1.52 444	2.12 430	1.41 457	2.04 452	1.41 454	2.05 445	1.46 458	2.04 451	1.41 453	2.05 451	1.42 446	2.05 449	1.43 452	2.04 449	1.54 440	1.94 455	1.38 449	1.99 436	1.33 446

sCroCo_RVC	2.10 443	2.76 411	1.92 464	2.78 454	1.39 456	2.73 468	1.41 454	2.73 463	1.40 455	2.77 472	1.41 453	2.74 468	1.40 445	2.74 467	1.40 450	2.72 465	1.42 434	2.72 471	1.44 453	2.79 457	1.42 454

RAFT_CTSACE	1.92 438	3.71 434	1.72 450	1.88 421	1.72 464	2.04 452	1.42 456	2.18 450	1.89 474	2.02 450	1.97 475	1.95 448	2.06 464	1.93 446	1.62 456	1.76 437	1.66 449	2.02 457	1.73 469	1.73 430	1.43 455

DPSMNet_ROB	1.60 428	1.59 353	1.70 448	1.59 412	1.59 460	1.61 444	1.61 457	1.60 434	1.60 459	1.62 442	1.59 458	1.60 443	1.60 449	1.60 440	1.59 455	1.59 432	1.60 445	1.59 451	1.59 460	1.59 427	1.59 460

Anonymous3	2.55 466	3.26 425	1.65 446	3.28 459	1.63 461	3.24 476	1.68 458	3.27 474	1.66 460	3.28 475	1.67 460	3.25 475	1.66 450	3.27 474	1.64 457	3.26 469	1.65 448	3.30 474	1.65 461	4.95 491	1.65 463

UDGNet	2.23 452	5.40 467	1.72 450	2.48 446	1.69 462	2.51 465	1.69 459	2.51 461	1.72 461	2.50 463	1.69 461	2.52 464	1.69 451	2.50 464	1.68 460	2.41 461	1.70 450	2.42 467	1.69 465	2.42 448	1.64 461

MFMNet_re	1.81 436	1.91 370	1.71 449	1.95 425	1.70 463	1.95 450	1.70 460	1.96 443	1.74 462	1.97 448	1.72 462	1.95 448	1.71 452	1.97 447	1.71 461	1.86 440	1.62 446	1.85 452	1.66 462	1.86 432	1.64 461

U	5.15 510	8.49 489	1.81 453	8.49 506	1.77 465	8.49 517	1.77 461	8.51 517	1.77 463	8.49 517	1.77 463	8.50 517	1.78 453	8.58 517	1.77 466	8.54 515	1.78 454	8.55 517	1.78 470	8.55 511	1.84 468

FBW_ROB	2.12 445	2.46 399	1.77 452	2.49 447	1.79 466	2.38 461	1.83 462	2.46 460	1.78 464	2.48 462	1.97 475	2.40 461	1.78 453	2.42 463	1.83 467	2.31 456	1.85 457	2.38 466	1.82 471	2.35 447	1.84 468

TRStereo	2.00 439	2.13 384	1.85 456	2.27 437	1.84 467	2.28 457	1.84 463	2.29 452	1.86 468	2.30 457	1.87 466	2.30 454	1.87 455	2.08 450	1.72 463	2.08 450	1.72 451	2.08 458	1.72 466	2.08 437	1.72 464

XX-Stereo	2.00 439	2.13 384	1.85 456	2.27 437	1.84 467	2.28 457	1.84 463	2.29 452	1.86 468	2.30 457	1.87 466	2.30 454	1.87 455	2.08 450	1.72 463	2.08 450	1.72 451	2.08 458	1.72 466	2.08 437	1.72 464

EAI-Stereo	2.00 439	2.13 384	1.85 456	2.27 437	1.84 467	2.28 457	1.84 463	2.29 452	1.86 468	2.30 457	1.87 466	2.30 454	1.87 455	2.08 450	1.72 463	2.08 450	1.72 451	2.08 458	1.72 466	2.08 437	1.72 464

LGtest1	2.22 449	2.70 407	1.89 461	2.76 451	1.86 470	2.75 469	1.86 466	2.75 464	1.86 468	2.75 467	1.86 465	2.77 471	1.87 455	2.75 468	1.86 468	2.46 462	1.58 442	2.45 468	1.56 456	2.45 449	1.56 457

LG-G_1	2.22 449	2.71 409	1.89 461	2.77 452	1.87 473	2.75 469	1.87 467	2.76 465	1.87 472	2.75 467	1.87 466	2.76 469	1.87 455	2.75 468	1.86 468	2.47 463	1.58 442	2.45 468	1.57 457	2.45 449	1.57 458

LG-G	2.22 449	2.71 409	1.89 461	2.77 452	1.87 473	2.75 469	1.87 467	2.76 465	1.87 472	2.75 467	1.87 466	2.76 469	1.87 455	2.75 468	1.86 468	2.47 463	1.58 442	2.45 468	1.57 457	2.45 449	1.57 458

AIO_rvc	2.18 446	2.34 395	1.87 460	2.32 441	1.94 475	2.40 462	1.89 469	2.37 458	2.07 477	2.52 464	1.95 474	2.44 463	1.99 463	2.41 461	1.89 472	2.32 457	2.09 459	2.24 461	2.18 474	2.21 441	2.23 473

AIO_test	2.18 446	2.09 382	2.04 467	2.42 444	2.01 476	2.47 464	1.94 470	2.34 457	2.03 476	2.56 465	1.94 473	2.43 462	1.94 461	2.41 461	1.87 471	2.39 460	2.10 460	2.35 465	1.91 472	2.25 443	2.19 472

HUF	2.18 446	2.30 394	1.99 466	2.34 442	2.02 477	2.41 463	2.06 471	2.38 459	1.89 474	2.36 461	1.85 464	2.56 467	1.98 462	2.31 459	1.97 473	2.30 455	2.03 458	2.30 463	2.11 473	2.23 442	2.16 471

ff7	1.68 429	2.68 404	1.35 429	0.97 320	0.89 372	1.84 446	2.15 472	2.12 446	1.80 465	2.05 452	1.56 455	2.33 457	2.12 465	2.23 454	2.25 475	1.31 416	1.07 354	1.48 447	1.41 450	0.90 333	1.04 379

ffff	1.68 429	2.68 404	1.35 429	0.97 320	0.89 372	1.84 446	2.15 472	2.12 446	1.80 465	2.05 452	1.56 455	2.33 457	2.12 465	2.23 454	2.25 475	1.31 416	1.07 354	1.48 447	1.41 450	0.90 333	1.04 379

ccc-4	1.68 429	2.68 404	1.35 429	0.97 320	0.89 372	1.84 446	2.15 472	2.12 446	1.80 465	2.05 452	1.56 455	2.33 457	2.12 465	2.23 454	2.25 475	1.31 416	1.07 354	1.48 447	1.41 450	0.90 333	1.04 379

NCCL2	2.28 454	2.27 392	2.28 469	2.28 440	2.28 480	2.27 456	2.29 475	2.28 451	2.28 478	2.27 456	2.28 480	2.28 453	2.27 468	2.27 457	2.28 479	2.28 453	2.28 465	2.27 462	2.29 478	2.27 444	2.29 474

STTStereo	3.73 480	30.40 526	2.37 473	2.39 443	2.31 482	2.35 460	2.33 476	2.29 452	2.42 479	2.32 460	2.34 481	2.33 457	2.36 469	2.30 458	2.27 478	2.35 458	2.22 464	2.31 464	2.22 475	2.29 446	2.34 478

CFNet-ft	0.55 274	1.57 352	0.14 124	0.20 130	0.14 147	0.20 152	2.53 477	1.61 435	0.14 147	0.20 148	0.14 151	0.20 149	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 142	0.12 138	1.56 426	1.24 441

PSMNet-RSSM	0.77 310	2.76 411	0.14 124	0.20 130	0.14 147	0.20 152	2.66 478	2.79 468	0.14 147	0.21 158	0.14 151	0.21 157	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 142	0.12 138	2.52 453	2.31 475

GwcNet-RSSM	0.77 310	2.77 413	0.14 124	0.20 130	0.14 147	0.20 152	2.67 479	2.78 467	0.14 147	0.20 148	0.14 151	0.20 149	0.14 148	0.21 160	0.14 141	0.17 137	0.12 108	0.17 142	0.12 138	2.52 453	2.31 475

cf-r	0.66 288	2.17 388	0.12 100	0.18 125	0.12 142	0.18 144	2.70 480	2.60 462	0.12 142	0.18 141	0.12 134	0.18 143	0.12 139	0.18 142	0.12 131	0.15 122	0.11 94	0.15 132	0.11 122	1.81 431	1.74 467

hitnet-ft	0.79 314	2.78 414	0.14 124	0.20 130	0.14 147	0.21 160	2.89 481	2.80 469	0.14 147	0.20 148	0.14 151	0.20 149	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 142	0.12 138	2.54 455	2.33 477

Sa-1000	4.34 498	8.37 486	6.84 511	6.98 501	4.45 511	3.58 478	3.00 482	3.42 477	3.39 497	2.61 466	4.00 506	3.83 481	4.01 499	3.90 481	3.90 502	5.98 504	5.62 499	3.76 481	2.34 479	4.35 471	2.47 481

rvit_105_1	3.83 481	5.22 460	3.01 477	4.53 471	3.01 485	4.51 488	3.01 483	4.56 489	3.04 484	4.53 488	3.03 485	4.55 490	3.03 474	4.56 489	3.04 481	4.57 481	3.05 470	4.57 487	3.05 485	4.57 475	3.05 485

rvit_0105_6	3.87 485	5.73 474	3.10 487	4.69 481	3.12 495	4.54 490	3.02 484	4.56 489	3.04 484	4.54 490	3.03 485	4.54 488	3.04 477	4.56 489	3.05 483	4.58 484	3.05 470	4.58 489	3.05 485	4.58 476	3.05 485

rvit_stereo_0081_aga	3.86 483	5.33 464	3.02 480	4.55 477	3.04 491	4.54 490	3.02 484	4.64 496	3.06 488	4.54 490	3.04 487	4.62 497	3.08 481	4.62 495	3.07 486	4.58 484	3.06 474	4.60 491	3.08 489	4.63 479	3.07 489

rvit_stereo_0081	3.83 481	5.23 461	3.01 477	4.53 471	3.03 487	4.55 494	3.02 484	4.56 489	3.04 484	4.52 486	3.02 483	4.54 488	3.03 474	4.56 489	3.04 481	4.57 481	3.05 470	4.57 487	3.05 485	4.58 476	3.05 485

rvit_stereo_0082	3.86 483	5.82 475	3.01 477	4.53 471	3.03 487	4.54 490	3.02 484	4.56 489	3.04 484	4.53 488	3.02 483	4.55 490	3.04 477	4.57 492	3.05 483	4.57 481	3.05 470	4.58 489	3.05 485	4.58 476	3.06 488

rvit_0105_4	3.91 488	5.47 471	3.02 480	4.54 474	3.02 486	4.54 490	3.03 488	4.75 499	3.17 495	4.57 492	3.06 488	4.61 496	3.16 485	4.65 496	3.09 489	4.66 488	3.11 477	4.68 496	3.18 495	4.81 486	3.16 495

DispFullNet	4.61 501	4.84 453	3.12 488	5.00 486	3.57 500	4.75 503	3.03 488	7.75 515	4.17 508	4.91 502	3.09 492	6.20 511	3.95 497	6.71 511	3.51 495	5.30 499	3.67 487	5.86 512	3.63 499	5.61 497	3.46 499

rvit_stereo_0080	3.89 486	5.70 472	3.04 482	4.54 474	3.03 487	4.56 495	3.05 490	4.60 493	3.07 489	4.58 493	3.06 488	4.59 492	3.06 479	4.61 493	3.08 487	4.63 486	3.09 475	4.64 493	3.10 490	4.65 480	3.10 490

whm_eth	3.89 486	5.70 472	3.04 482	4.54 474	3.03 487	4.56 495	3.05 490	4.60 493	3.07 489	4.58 493	3.06 488	4.59 492	3.06 479	4.61 493	3.08 487	4.63 486	3.09 475	4.64 493	3.10 490	4.65 480	3.10 490

rvit_0105_3	3.91 488	5.33 464	3.06 485	4.60 479	3.07 493	4.60 497	3.06 492	4.62 495	3.08 492	4.60 495	3.07 491	4.62 497	3.08 481	4.67 497	3.10 490	4.70 489	3.11 477	4.77 500	3.19 496	4.77 485	3.14 494

rvit_stereo_0083	3.92 490	5.30 463	3.06 485	4.61 480	3.09 494	4.67 499	3.08 493	4.66 497	3.09 493	4.62 496	3.10 493	4.66 500	3.11 483	4.67 497	3.16 492	4.72 491	3.16 480	4.77 500	3.11 492	4.66 482	3.11 492

rvit_stereo_ft	3.93 491	5.44 469	3.05 484	4.59 478	3.06 492	4.61 498	3.08 493	4.67 498	3.12 494	4.63 497	3.10 493	4.65 499	3.11 483	4.69 499	3.13 491	4.70 489	3.14 479	4.71 498	3.15 494	4.74 483	3.16 495

rvit_0105_5	4.10 492	5.40 467	3.13 490	4.71 482	3.15 496	4.72 502	3.10 495	4.90 504	3.27 496	4.69 498	3.16 495	4.84 504	3.25 486	4.96 503	3.34 494	5.05 496	3.39 485	5.10 505	3.40 497	5.11 493	3.42 498

SA	4.33 497	7.35 480	6.85 512	5.96 494	4.09 508	3.59 479	3.15 496	3.82 481	2.64 480	3.91 479	3.85 503	3.57 477	2.72 472	3.13 473	4.03 504	7.09 511	6.86 506	3.57 477	3.12 493	3.85 463	3.51 500

GANet-RSSM	0.75 305	1.91 370	0.14 124	0.47 233	0.14 147	0.21 160	3.21 497	2.30 456	0.14 147	0.46 263	0.14 151	0.23 167	0.18 169	0.21 160	0.14 141	0.18 145	0.27 187	0.37 235	0.13 146	2.13 440	2.12 470

MLG-Stereo_test2	4.28 495	5.46 470	3.69 495	4.86 484	3.72 504	5.58 509	3.42 498	4.81 501	3.77 504	4.85 500	3.72 502	5.55 509	3.63 489	5.58 507	3.53 496	4.41 478	3.28 484	4.99 504	2.95 483	4.75 484	3.13 493

test_5	4.62 502	7.55 482	6.23 507	6.32 496	3.40 499	5.29 507	3.50 499	3.53 478	4.11 507	4.28 483	4.47 510	4.26 486	4.38 502	3.68 479	3.24 493	5.89 502	5.60 498	4.84 502	3.50 498	4.33 470	3.93 508

MLG-Stereo_test1	4.25 493	5.34 466	3.61 493	5.31 488	3.63 502	5.23 506	3.57 500	5.38 507	3.65 498	5.23 504	3.47 497	4.76 501	3.74 493	4.85 500	3.71 498	4.96 493	3.18 482	4.71 498	2.92 482	4.86 489	2.90 483

RAFT+CT+SA	4.28 495	7.62 483	4.91 501	5.55 491	2.28 480	3.09 473	3.64 501	4.49 487	3.07 489	4.80 499	3.35 496	4.77 502	3.70 492	4.29 486	3.05 483	5.58 500	5.98 501	3.58 478	3.78 504	4.26 469	3.72 502

DPSNet	3.66 479	3.60 430	3.62 494	3.63 464	3.64 503	3.65 480	3.65 502	3.66 479	3.67 499	3.67 478	3.65 500	3.67 479	3.66 490	3.66 478	3.68 497	3.68 473	3.66 486	3.67 479	3.68 502	3.67 461	3.67 501

MLG-Stereo_test3	4.26 494	4.85 454	3.95 497	5.35 489	3.60 501	4.75 503	3.76 503	5.49 508	3.71 500	5.39 505	3.69 501	4.82 503	3.66 490	4.85 500	3.73 501	4.93 492	3.19 483	4.69 497	2.99 484	4.84 488	2.98 484

TestStereo1	4.60 499	8.41 487	6.44 509	6.86 499	3.79 505	3.97 483	3.78 504	3.99 483	3.74 501	3.97 480	3.52 498	3.94 482	3.58 487	3.98 482	3.72 499	6.82 508	6.50 504	3.76 481	3.66 500	3.90 464	3.74 504

SA-5K	4.60 499	8.41 487	6.44 509	6.86 499	3.79 505	3.97 483	3.78 504	3.99 483	3.74 501	3.97 480	3.52 498	3.94 482	3.58 487	3.98 482	3.72 499	6.82 508	6.50 504	3.76 481	3.66 500	3.90 464	3.74 504

test_4	4.88 505	8.13 485	6.98 513	7.46 502	4.44 510	4.25 486	3.85 506	4.04 485	3.92 505	4.13 482	3.91 504	4.18 485	3.84 495	4.14 484	4.06 505	7.01 510	7.13 507	4.53 485	3.72 503	4.09 467	3.72 502

cross-raft	4.83 504	7.52 481	6.43 508	6.63 497	3.96 507	4.51 488	3.99 507	4.49 487	3.96 506	4.52 486	3.96 505	4.50 487	3.97 498	4.50 488	3.97 503	6.65 506	6.44 503	4.33 484	3.92 506	4.35 471	3.91 507

test_3	5.01 507	8.86 492	7.77 515	8.09 504	2.76 484	4.13 485	4.05 508	3.88 482	3.76 503	4.33 484	4.13 507	3.71 480	3.91 496	4.21 485	4.06 505	7.93 512	7.69 509	4.53 485	3.91 505	4.17 468	4.29 510

raft_robust	4.71 503	7.75 484	5.40 506	6.81 498	3.31 497	4.28 487	4.20 509	4.32 486	4.37 510	4.35 485	4.35 509	4.14 484	3.75 494	4.30 487	4.20 507	6.67 507	6.37 502	3.36 476	4.24 510	4.86 489	3.25 497

SGM-Forest	5.21 511	5.92 476	4.08 498	6.18 495	4.16 509	6.31 511	4.34 510	6.50 510	4.33 509	6.14 511	4.21 508	6.61 514	4.55 503	6.67 510	4.48 508	5.94 503	3.94 489	5.85 511	4.03 508	5.79 499	4.17 509
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FC-DCNN v2	5.10 509	5.15 458	4.49 499	5.07 487	3.37 498	6.87 512	4.75 511	5.04 505	6.34 515	7.84 515	5.06 512	6.72 515	4.09 500	4.99 504	5.44 512	5.03 495	3.16 480	4.67 495	4.86 511	5.15 494	3.89 506

TestStereo	4.88 505	4.75 452	4.79 500	4.87 485	4.92 512	4.81 505	4.90 512	4.78 500	4.77 511	4.87 501	4.89 511	4.90 505	4.91 504	4.99 504	4.79 509	4.98 494	4.87 495	4.87 503	4.92 512	5.00 492	5.00 511

rvit_stereo_0075_2	6.64 513	8.80 491	5.25 503	7.89 503	5.27 514	7.90 516	5.27 513	7.92 516	5.28 513	7.91 516	5.29 514	7.93 516	5.27 505	7.92 516	5.28 510	7.93 512	5.28 497	7.93 515	5.29 514	7.93 508	5.28 513

SGM+DAISY	7.06 515	9.15 493	5.38 505	8.84 508	5.18 513	8.80 518	5.31 514	8.79 518	5.28 513	8.89 518	5.20 513	8.93 518	5.33 506	8.95 518	5.36 511	8.70 516	5.21 496	8.74 518	5.20 513	8.89 512	5.15 512

test-1	6.46 512	9.16 494	8.03 518	8.09 504	5.62 515	6.11 510	6.35 515	6.85 512	4.94 512	6.08 510	6.29 517	4.98 506	6.43 509	6.22 508	6.36 515	6.16 505	7.47 508	5.82 510	5.44 515	7.11 505	5.68 514

RAFT	6.73 514	9.36 495	7.40 514	8.51 507	6.55 516	6.88 513	6.60 516	6.79 511	6.60 516	6.80 512	6.72 518	5.31 508	5.50 507	6.61 509	6.61 516	8.42 514	5.89 500	5.73 509	5.45 516	6.61 501	6.24 515

test-v	7.53 516	11.89 503	7.98 516	9.36 510	7.14 517	7.06 514	7.09 517	7.37 513	6.91 517	7.29 513	5.71 515	6.45 512	6.93 510	6.73 512	7.27 517	8.93 517	7.85 510	6.98 513	6.80 517	7.56 506	7.34 517

test-2	7.53 516	11.89 503	7.98 516	9.36 510	7.14 517	7.06 514	7.09 517	7.37 513	6.91 517	7.29 513	5.71 515	6.45 512	6.93 510	6.73 512	7.27 517	8.93 517	7.85 510	6.98 513	6.80 517	7.56 506	7.34 517

MANE	19.05 519	23.00 511	15.00 519	23.00 525	15.00 519	24.00 525	16.00 519	24.00 525	16.00 519	22.00 525	15.00 519	23.00 525	16.00 519	23.00 525	15.00 519	22.00 525	15.00 519	22.00 525	15.00 519	22.00 525	15.00 519

rafts_anoy	20.00 520	20.00 505	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520

raft+_RVC	20.00 520	20.00 505	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520

raftrobust	20.00 520	20.00 505	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520

CasAABBNet	20.00 520	20.00 505	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520

RALCasStereoNet	20.00 520	20.00 505	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520

RALAANet	20.00 520	20.00 505	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 520

WCMA_ROB	31.10 527	35.43 531	27.12 526	39.51 537	23.10 526	38.78 537	25.30 526	37.49 537	25.39 526	37.29 536	27.02 526	38.52 537	26.48 526	37.80 536	26.44 526	36.28 533	22.65 526	33.90 530	22.30 526	37.10 534	24.18 526

111	30.40 526	30.94 527	29.72 527	32.61 526	30.02 527	33.57 526	30.47 527	31.50 526	29.39 527	30.98 526	29.11 527	29.78 526	30.39 530	29.45 526	30.76 530	30.08 526	29.02 527	29.92 526	30.32 530	29.86 526	30.17 527

fff	1000028.16 546	29.62 523	29.72 527	32.61 526	30.02 527	35.13 528	31.83 528	32.07 527	10000000.00 546	35.27 529	29.82 528	32.45 527	30.15 527	32.35 527	30.09 527	31.04 527	29.55 528	30.64 527	30.14 527	10000000.00 546	30.77 528

csc	1000028.16 546	29.62 523	29.72 527	32.61 526	30.02 527	35.13 528	31.83 528	32.07 527	10000000.00 546	35.27 529	29.82 528	32.45 527	30.15 527	32.35 527	30.09 527	31.04 527	29.55 528	30.64 527	30.14 527	10000000.00 546	30.77 528

cscssc	1000028.16 546	29.62 523	29.72 527	32.61 526	30.02 527	35.13 528	31.83 528	32.07 527	10000000.00 546	35.27 529	29.82 528	32.45 527	30.15 527	32.35 527	30.09 527	31.04 527	29.55 528	30.64 527	30.14 527	10000000.00 546	30.77 528

ADStereo(finetuned)	36.13 529	36.63 532	38.07 537	36.97 531	33.25 531	35.91 531	34.45 531	36.36 533	32.99 528	38.14 537	36.71 534	36.69 533	34.13 531	38.57 537	40.79 537	37.60 537	36.58 534	35.90 534	33.36 531	35.42 529	34.04 531

tt	500032.53 544	34.60 529	29.72 527	37.47 535	34.41 532	36.85 532	35.22 532	34.71 530	33.55 529	34.50 527	35.43 531	33.81 530	10000000.00 547	33.57 530	33.13 531	33.68 530	35.00 532	34.03 531	35.26 533	30.96 527	34.63 532

DCANet	500032.53 544	34.60 529	29.72 527	37.47 535	34.41 532	36.85 532	35.22 532	34.71 530	33.55 529	34.50 527	35.43 531	33.81 530	10000000.00 547	33.57 530	33.13 531	33.68 530	35.00 532	34.03 531	35.26 533	30.96 527	34.63 532

DCANet-4	35.22 528	34.54 528	35.08 533	33.58 530	35.47 534	34.55 527	35.53 534	36.08 532	35.85 531	35.92 532	35.77 533	35.18 532	35.48 532	35.39 532	37.15 536	34.55 532	33.92 531	35.02 533	34.90 532	35.79 530	34.74 534

Reg-Stereo(zero)	37.00 530	37.00 533	37.00 534	37.00 532	37.00 535	37.00 534	37.00 535	37.00 534	37.00 532	37.00 533	37.00 535	37.00 534	37.00 533	37.00 533	37.00 533	37.00 534	37.00 535	37.00 535	37.00 535	37.00 531	37.00 535

HI	37.00 530	37.00 533	37.00 534	37.00 532	37.00 535	37.00 534	37.00 535	37.00 534	37.00 532	37.00 533	37.00 535	37.00 534	37.00 533	37.00 533	37.00 533	37.00 534	37.00 535	37.00 535	37.00 535	37.00 531	37.00 535

CoSv	37.00 530	37.00 533	37.00 534	37.00 532	37.00 535	37.00 534	37.00 535	37.00 534	37.00 532	37.00 533	37.00 535	37.00 534	37.00 533	37.00 533	37.00 533	37.00 534	37.00 535	37.00 535	37.00 535	37.00 531	37.00 535

CBMV	128.50 535	1422.70 548	53.10 539	79.50 539	51.30 539	77.30 539	49.70 538	74.00 538	48.20 536	77.20 539	48.80 539	73.90 539	48.00 537	73.80 539	48.80 539	70.40 539	45.10 539	68.90 539	46.10 539	68.20 536	45.00 539
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 533	87.70 537	41.95 538	113.75 540	65.62 540	75.05 538	55.25 539	75.64 539	45.04 535	71.61 538	41.75 538	72.81 538	44.06 536	68.38 538	44.63 538	101.89 540	59.57 540	107.10 540	61.05 540	104.38 537	59.38 540

NOSS_ROB	102.95 534	153.00 541	121.00 541	51.00 538	44.00 538	165.00 541	127.00 540	153.00 540	119.00 537	164.00 541	125.00 540	168.00 541	120.00 538	153.00 540	117.00 540	49.00 538	44.00 538	49.00 538	44.00 538	49.00 535	44.00 538

MeshStereo	159.24 536	171.00 542	160.68 544	162.58 541	160.59 541	164.01 540	160.35 541	158.51 541	158.56 538	158.34 540	160.12 541	158.56 540	159.92 539	157.26 541	158.94 541	154.38 541	158.36 541	155.75 541	159.13 542	153.67 538	154.07 541
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
DLCB_ROB	284.23 540	354.61 544	207.27 545	363.24 545	206.46 542	364.72 545	210.41 542	364.72 545	210.41 539	364.81 545	208.64 543	364.81 545	208.64 541	364.72 545	210.41 543	354.70 545	205.53 543	354.70 545	205.53 544	354.70 542	205.53 543

AE-Stereo	201.80 537	123.00 538	115.00 540	219.00 542	218.00 543	223.00 542	244.00 543	217.00 542	236.00 540	202.00 542	203.00 542	205.00 542	208.00 540	225.00 542	204.00 542	210.00 542	198.00 542	197.00 542	184.00 543	204.00 539	201.00 542

MGS-Stereo	239.45 538	123.00 538	135.00 542	266.00 543	286.00 544	277.00 543	305.00 544	271.00 543	242.00 541	274.00 543	279.00 544	255.00 543	270.00 542	268.00 543	297.00 544	221.00 543	247.00 544	216.00 543	123.00 541	217.00 540	217.00 544

EGLCR-Stereo	246.90 539	129.00 540	139.00 543	266.00 543	286.00 544	277.00 543	305.00 544	271.00 543	242.00 541	274.00 543	279.00 544	255.00 543	270.00 542	268.00 543	297.00 544	230.00 544	247.00 544	216.00 543	223.00 545	237.00 541	227.00 545

LE_ROB	396.57 541	471.28 545	329.84 546	471.48 546	308.15 546	526.83 546	322.10 546	488.15 546	323.76 543	495.46 546	317.97 546	497.17 546	320.10 544	481.62 546	326.76 546	462.71 546	298.97 546	466.16 546	285.98 546	447.62 543	289.21 546

SGM-ForestM	596.69 542	677.77 546	444.52 547	699.85 547	517.25 547	732.94 547	488.29 547	770.79 547	460.11 544	750.81 547	487.98 547	792.79 547	499.41 545	730.90 547	475.81 547	720.03 547	491.16 547	663.96 547	418.60 547	674.76 544	436.05 547

CBMV_ROB	818.48 543	913.88 547	709.52 548	862.84 548	597.78 548	1073.99 548	700.52 548	1015.66 548	702.59 545	1115.65 548	760.02 548	1130.24 548	721.57 546	1037.41 548	692.65 548	814.05 548	564.29 548	843.28 548	595.31 548	915.51 545	602.92 548

111111	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

SGD-Stereo	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

IGEV-Stereo++	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

IGEV-BASED-STEREO-	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

IGEV-Stereo+	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

SDNR	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

anonymousdsp2	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

anonymousdsp	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

test_example2	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549

DIP-Stereo	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 549
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