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 97	0.00 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 44	0.07 47	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 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 65	0.07 59	0.09 53	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 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 119	0.20 162	0.23 146	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	0.23 171	0.21 172	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 208	0.10 70	0.12 80	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 91	0.11 95	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 193	0.10 70	0.12 80	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 91	0.10 73	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

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

CoDeX	0.15 122	0.70 221	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	0.67 353	0.02 15	0.69 338	0.75 356	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 85	0.44 170	0.33 215	0.39 198	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	0.39 244	0.36 238	0.02 18	0.02 20	0.02 20	0.02 20

psmg	0.43 247	1.91 391	0.92 366	1.91 442	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 467	1.44 460	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 195	1.29 356	1.19 390	1.36 422	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	1.26 433	1.21 440	0.03 38	0.09 110	0.02 20	0.09 108

SFCPSM	0.17 134	0.78 225	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	0.79 375	0.02 15	0.75 348	0.76 358	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 160	1.31 358	0.74 345	0.92 324	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	0.87 354	0.75 348	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 51	0.02 12	0.02 14	1.01 342	0.03 48	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 72	0.09 106	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 52	0.02 12	0.04 44	0.90 319	0.06 107	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 128	0.36 269	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 85	0.02 12	0.02 14	1.62 435	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 89	0.04 76	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 110	0.04 37	0.03 37	2.22 453	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 103	0.04 76	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 48	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 52	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

zh-sn7	0.10 63	0.98 262	0.14 126	0.15 107	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 94	1.14 292	0.17 150	0.20 133	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 148	0.16 143	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 110	1.22 352	0.28 191	0.32 176	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 202	0.27 191	0.04 73	0.03 54	0.03 43	0.03 51

G2L-ROB	0.03 29	0.06 54	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_test	0.03 29	0.04 37	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

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

TCMNet	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.02 20	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet_1	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

DualNet (step1)	0.10 63	1.05 282	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 63	1.05 282	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 63	1.05 282	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 52	1.00 266	0.11 90	0.11 74	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 52	0.97 261	0.10 70	0.10 57	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample4	0.10 63	1.03 278	0.12 101	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 52	0.87 239	0.10 70	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 52	1.03 278	0.11 90	0.11 74	0.03 48	0.03 40	0.03 50	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 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 52	0.87 239	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 52	1.01 272	0.09 66	0.09 53	0.03 48	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 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 52	0.95 258	0.09 66	0.10 57	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 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

qqq1	0.25 160	3.70 473	0.14 126	0.14 97	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 107	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 160	3.70 473	0.14 126	0.14 97	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 107	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

ttt	0.10 63	1.09 287	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 63	1.14 292	0.13 121	0.14 97	0.03 48	0.04 78	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 95	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 52	1.01 272	0.10 70	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

qqq	0.16 130	2.01 399	0.12 101	0.15 107	0.04 79	0.06 93	0.05 94	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.03 48	0.12 91	0.14 138	0.04 73	0.04 78	0.03 43	0.03 51

x	0.11 85	1.15 295	0.15 142	0.14 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 141	0.03 38	0.03 54	0.03 43	0.03 51

test_xeample	0.10 63	1.09 287	0.13 121	0.12 80	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 138	0.03 38	0.03 54	0.03 43	0.03 51

BEATNet_4x	0.11 85	0.03 31	0.03 37	1.60 432	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 85	0.03 31	0.03 37	1.60 432	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCRef	0.12 94	0.03 31	0.04 44	1.71 438	0.04 79	0.03 40	0.03 50	0.04 77	0.04 82	0.04 74	0.03 52	0.04 77	0.03 52	0.06 89	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

ADCPNet	0.10 63	0.03 31	0.04 44	1.27 415	0.03 48	0.04 78	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 106	0.04 76	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

z-mn7	0.16 130	1.21 347	0.33 215	0.41 222	0.04 79	0.04 78	0.03 50	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.35 218	0.31 220	0.04 73	0.04 78	0.04 77	0.04 79

z-ln-s-r	0.21 149	1.40 364	0.53 309	0.56 276	0.04 79	0.05 90	0.04 82	0.05 89	0.05 98	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.05 89	0.57 311	0.44 279	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 137	1.47 366	0.33 215	0.40 211	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.38 234	0.32 223	0.05 86	0.04 78	0.04 77	0.04 79

test_sample5	0.10 63	1.07 285	0.11 90	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

DualNet	0.10 63	1.07 285	0.11 90	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

GASNet	0.05 41	0.04 37	0.12 101	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.12 123	0.04 89	0.06 98	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

222	0.10 63	0.99 265	0.12 101	0.13 93	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 85	1.16 296	0.16 143	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 143	0.03 38	0.04 78	0.04 77	0.04 79

EDNetEfficientorigin	0.04 38	0.06 54	0.04 44	0.05 43	0.04 79	0.05 90	0.04 82	0.05 89	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

EDNetEfficient	0.04 38	0.05 49	0.04 44	0.04 37	0.03 48	0.04 78	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

FADNet-RVC-Resample	0.12 94	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	1.57 481	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FADNet_RVC	0.12 94	0.04 37	0.04 44	0.05 43	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.65 485	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet	0.12 94	0.05 49	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.66 487	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCP+	0.15 122	0.04 37	0.04 44	2.20 452	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.04 85	0.08 106	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 41	0.06 54	0.04 44	0.06 46	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.04 89	0.06 98	0.04 85	0.06 89	0.04 76	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

mmm	0.14 110	1.83 382	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.04 82	0.03 40	0.03 52	0.03 42	0.03 52	0.06 89	0.04 76	0.12 91	0.11 95	0.05 86	0.04 78	0.05 92	0.04 79

11t1	0.17 134	2.16 408	0.13 121	0.13 93	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.05 89	0.18 148	0.12 110	0.06 94	0.03 54	0.05 92	0.03 51

APVNet	0.09 52	0.05 49	0.04 44	0.05 43	0.04 79	0.05 90	0.90 384	0.06 95	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

ISRNet	0.11 85	0.05 49	0.36 235	0.24 151	0.07 108	0.13 124	0.05 94	0.06 95	0.05 98	0.05 92	0.05 101	0.13 125	0.05 95	0.05 83	0.09 106	0.24 176	0.20 168	0.10 107	0.05 96	0.06 96	0.13 148

ffm	0.25 160	3.83 479	0.12 101	0.12 80	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 160	3.83 479	0.12 101	0.12 80	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 160	3.83 479	0.12 101	0.12 80	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

AASNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 107	0.06 97	0.06 107	0.05 91	0.06 107	0.06 89	0.05 89	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 107	0.06 97	0.06 107	0.05 91	0.06 107	0.06 89	0.05 89	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 107	0.06 97	0.06 107	0.05 91	0.06 107	0.06 89	0.05 89	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

FINET	0.07 49	0.08 59	0.07 59	0.07 47	0.07 108	0.08 104	0.06 106	0.08 108	0.07 110	0.08 105	0.07 110	0.08 105	0.06 107	0.07 103	0.07 101	0.08 60	0.07 57	0.07 99	0.07 104	0.06 96	0.06 102

GwcNet	0.12 94	0.07 58	0.05 58	0.08 49	0.05 99	0.08 104	1.20 412	0.07 105	0.05 98	0.05 92	0.05 101	0.08 105	0.05 95	0.08 106	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

FADNet-RVC	0.13 101	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.05 95	0.04 72	1.71 490	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

BEATNet-Init1	0.19 140	0.08 59	0.08 61	2.23 454	0.08 110	0.08 104	0.07 109	0.07 105	0.08 112	0.08 105	0.07 110	0.08 105	0.07 111	0.11 122	0.08 103	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

SuperB	0.21 149	0.10 67	2.51 515	0.12 80	0.09 112	0.10 109	0.09 111	0.08 108	0.07 110	0.10 109	0.09 113	0.09 109	0.07 111	0.07 103	0.07 101	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

DeepPrunerF	0.19 140	0.08 59	0.08 61	2.23 454	0.08 110	0.08 104	0.07 109	0.07 105	0.08 112	0.08 105	0.07 110	0.08 105	0.07 111	0.11 122	0.08 103	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

SepStereo	0.09 52	0.09 65	0.10 70	0.09 53	0.09 112	0.09 108	0.09 111	0.10 110	0.08 112	0.10 109	0.09 113	0.09 109	0.09 114	0.09 109	0.08 103	0.09 66	0.08 59	0.09 106	0.08 108	0.09 109	0.08 105

AnonymousM	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

PVD	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SHD	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SAMSARA	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

XQC	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSC	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTS	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSA	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet+	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet++	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

JetRed	0.11 85	0.12 80	0.11 90	0.11 74	0.11 134	0.11 120	0.14 150	0.11 122	0.11 131	0.12 123	0.11 131	0.11 121	0.11 130	0.11 122	0.11 124	0.11 86	0.16 143	0.11 118	0.11 129	0.11 120	0.11 125

JetBlue	0.11 85	0.11 78	0.12 101	0.13 93	0.14 155	0.11 120	0.11 129	0.11 122	0.11 131	0.11 121	0.11 131	0.11 121	0.11 130	0.12 126	0.12 139	0.11 86	0.11 95	0.11 118	0.11 129	0.11 120	0.11 125

ac_64	0.22 153	0.13 81	0.19 159	0.23 146	0.10 118	0.26 191	1.02 399	0.14 126	0.10 116	0.28 191	0.14 159	0.17 147	0.19 182	0.28 200	0.09 106	0.22 160	0.16 143	0.23 178	0.17 181	0.11 120	0.12 142

PASM	0.39 225	3.06 459	1.36 456	1.58 428	0.09 112	0.11 120	0.11 129	0.11 122	0.11 131	0.09 108	0.09 113	0.11 121	0.09 114	0.09 109	0.09 106	0.11 86	0.11 95	0.11 118	0.09 110	0.11 120	0.11 125

FADE	0.07 49	0.06 54	0.02 14	0.09 53	0.10 118	0.03 40	0.03 50	0.05 89	0.03 55	0.04 74	0.03 52	0.05 91	0.03 52	0.04 72	0.03 48	0.15 123	0.10 73	0.17 150	0.13 154	0.11 120	0.11 125

LRCNet_RVC	0.13 101	0.13 81	0.09 66	0.13 93	0.10 118	0.14 125	0.10 116	0.14 126	0.10 116	0.23 172	0.10 117	0.20 157	0.10 118	0.24 180	0.11 124	0.11 86	0.09 68	0.12 121	0.14 158	0.12 125	0.09 108

DRN-Test	0.14 110	0.13 81	0.09 66	0.14 97	0.09 112	0.15 132	0.09 111	0.14 126	0.10 116	0.14 125	0.09 113	0.14 126	0.09 114	0.13 127	0.09 106	0.12 91	0.09 68	0.12 121	0.09 110	0.12 125	0.73 366

S2M2	0.12 94	0.14 85	0.10 70	0.15 107	0.10 118	0.14 125	0.10 116	0.14 126	0.10 116	0.15 131	0.10 117	0.14 126	0.10 118	0.14 128	0.10 112	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.09 108

StereoDRNet	0.15 122	0.14 85	0.10 70	0.14 97	0.09 112	0.15 132	0.09 111	0.14 126	0.09 115	0.14 125	0.10 117	0.14 126	0.09 114	0.14 128	0.09 106	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.82 377

test_for_model	0.15 122	0.23 112	0.18 156	0.21 143	0.11 134	0.16 140	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.21 157	0.18 165	0.14 126	0.11 129	0.14 129	0.11 125

testlalala2	0.13 101	0.16 87	0.11 90	0.15 107	0.11 134	0.16 140	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.14 114	0.11 95	0.14 126	0.11 129	0.14 129	0.11 125

testlalala_base	0.13 101	0.16 87	0.11 90	0.15 107	0.11 134	0.15 132	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.14 114	0.11 95	0.14 126	0.11 129	0.14 129	0.11 125

CIPLG	0.13 101	0.21 107	0.12 101	0.16 118	0.11 134	0.15 132	0.11 129	0.14 126	0.11 131	0.15 131	0.12 142	0.15 136	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

IPLG	0.13 101	0.20 101	0.14 126	0.15 107	0.11 134	0.14 125	0.11 129	0.14 126	0.11 131	0.14 125	0.11 131	0.14 126	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

MIPNet	0.14 110	0.21 107	0.17 150	0.16 118	0.11 134	0.15 132	0.12 145	0.14 126	0.11 131	0.16 136	0.11 131	0.14 126	0.11 130	0.14 128	0.11 124	0.14 114	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

IPLGR	0.14 110	0.24 119	0.14 126	0.16 118	0.12 150	0.15 132	0.12 145	0.14 126	0.11 131	0.15 131	0.12 142	0.14 126	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

ACRE	0.13 101	0.21 107	0.14 126	0.15 107	0.11 134	0.14 125	0.11 129	0.14 126	0.11 131	0.14 125	0.12 142	0.14 126	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

GMStereo	0.14 110	0.13 81	0.14 126	0.14 97	0.14 155	0.14 125	0.14 150	0.14 126	0.14 155	0.14 125	0.14 159	0.14 126	0.14 156	0.14 128	0.14 149	0.14 114	0.14 138	0.14 126	0.14 158	0.14 129	0.14 153
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ELAS	0.13 101	0.16 87	0.11 90	0.15 107	0.09 112	0.18 152	0.11 129	0.18 150	0.11 131	0.17 145	0.11 131	0.18 151	0.11 130	0.18 150	0.11 124	0.14 114	0.08 59	0.14 126	0.08 108	0.14 129	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo++	0.54 285	3.59 470	1.15 384	1.31 418	0.14 155	0.16 140	0.14 150	0.16 139	0.14 155	0.16 136	0.14 159	0.16 137	0.13 152	0.16 138	0.14 149	1.45 445	1.16 389	0.15 139	0.14 158	0.15 139	0.13 148

ProNet	0.14 110	0.20 101	0.14 126	0.16 118	0.11 134	0.16 140	0.11 129	0.17 147	0.11 131	0.17 145	0.12 142	0.17 147	0.13 152	0.17 147	0.12 139	0.15 123	0.11 95	0.16 142	0.11 129	0.15 139	0.12 142

IPLGR_C	0.14 110	0.20 101	0.12 101	0.15 107	0.11 134	0.14 125	0.15 155	0.14 126	0.11 131	0.15 131	0.12 142	0.14 126	0.11 130	0.16 138	0.11 124	0.15 123	0.12 110	0.14 126	0.12 146	0.15 139	0.12 142

ELAS_RVC	0.14 110	0.16 87	0.10 70	0.15 107	0.10 118	0.18 152	0.11 129	0.19 152	0.11 131	0.19 151	0.12 142	0.18 151	0.11 130	0.19 153	0.12 139	0.14 114	0.08 59	0.14 126	0.09 110	0.15 139	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2_XL	0.14 110	0.17 93	0.12 101	0.17 126	0.11 134	0.17 148	0.11 129	0.17 147	0.11 131	0.17 145	0.11 131	0.17 147	0.11 130	0.17 147	0.11 124	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125

xyz-stereo-finetune2	0.18 137	0.48 187	0.16 143	0.16 118	0.15 166	0.15 132	0.16 158	0.16 139	0.16 167	0.16 136	0.16 168	0.16 137	0.16 166	0.16 138	0.16 165	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

xyz-stereo	0.18 137	0.50 193	0.16 143	0.15 107	0.16 173	0.16 140	0.16 158	0.16 139	0.16 167	0.16 136	0.16 168	0.16 137	0.16 166	0.16 138	0.16 165	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

GMStereo_Zeroshot	0.16 130	0.16 87	0.16 143	0.16 118	0.16 173	0.16 140	0.16 158	0.16 139	0.16 167	0.16 136	0.16 168	0.16 137	0.16 166	0.16 138	0.16 165	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

ICVP	0.15 122	0.53 205	0.11 90	0.16 118	0.11 134	0.16 140	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 110	0.16 87	0.12 101	0.17 126	0.12 150	0.17 148	0.11 129	0.17 147	0.11 131	0.17 145	0.12 142	0.17 147	0.12 147	0.17 147	0.12 139	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.12 142

DDVS	0.30 175	3.10 460	0.14 126	0.19 131	0.14 155	0.19 155	0.14 150	0.20 157	0.14 155	0.19 151	0.13 154	0.16 137	0.13 152	0.19 153	0.13 145	0.17 140	0.13 134	0.17 150	0.13 154	0.17 149	0.13 148

ACVNet	0.20 142	0.19 97	0.14 126	0.20 133	0.14 155	0.20 160	0.96 391	0.21 164	0.14 155	0.20 156	0.13 154	0.21 165	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 142

acv_ft	0.20 142	0.19 97	0.14 126	0.20 133	0.14 155	0.20 160	0.96 391	0.21 164	0.14 155	0.20 156	0.13 154	0.21 165	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 142

SGM_RVC	0.15 122	0.17 93	0.11 90	0.18 128	0.11 134	0.19 155	0.11 129	0.19 152	0.12 150	0.19 151	0.12 142	0.20 157	0.12 147	0.19 153	0.12 139	0.16 132	0.11 95	0.17 150	0.10 117	0.17 149	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DEFOM-Stereo_RVC	0.83 345	5.18 500	1.98 504	2.19 451	0.17 176	0.19 155	0.18 169	0.19 152	0.16 167	0.20 156	0.19 184	0.22 171	0.22 192	0.20 157	0.15 159	2.28 484	2.13 502	0.24 185	0.17 181	0.18 153	0.16 154

castereo	0.61 296	3.79 478	1.35 448	1.52 427	0.15 166	0.17 148	0.16 158	0.20 157	0.21 185	0.18 149	0.16 168	0.21 165	0.12 147	0.26 195	0.17 168	1.43 444	1.38 457	0.17 150	0.16 163	0.18 153	0.16 154

ITSA-stereo	0.15 122	0.17 93	0.13 121	0.20 133	0.13 153	0.19 155	0.13 148	0.18 150	0.13 153	0.19 151	0.13 154	0.18 151	0.14 156	0.18 150	0.14 149	0.16 132	0.11 95	0.15 139	0.14 158	0.18 153	0.11 125

HCRNet	1.22 435	7.11 520	3.00 517	3.55 500	0.33 258	0.29 197	0.14 150	0.19 152	0.15 165	0.33 209	0.29 230	0.25 184	0.14 156	0.22 172	0.33 248	3.64 513	3.00 510	0.76 358	0.32 258	0.18 153	0.13 148

DeepPruner_ROB	0.16 130	0.18 96	0.13 121	0.19 131	0.13 153	0.19 155	0.13 148	0.19 152	0.13 153	0.19 151	0.13 154	0.19 155	0.13 152	0.19 153	0.13 145	0.18 148	0.13 134	0.18 160	0.13 154	0.18 153	0.13 148

LALA_ROB	0.15 122	0.19 97	0.12 101	0.18 128	0.11 134	0.20 160	0.12 145	0.21 164	0.12 150	0.20 156	0.12 142	0.20 157	0.12 147	0.21 168	0.13 145	0.17 140	0.10 73	0.18 160	0.11 129	0.18 153	0.11 125

CAS++	0.17 134	0.27 123	0.21 166	0.10 57	0.21 196	0.15 132	0.22 187	0.10 110	0.21 185	0.22 168	0.10 117	0.19 155	0.18 177	0.10 111	0.19 180	0.20 152	0.19 166	0.18 160	0.10 117	0.19 159	0.18 170
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV_Zeroshot_test	0.20 142	0.19 97	0.40 251	0.30 168	0.17 176	0.22 170	0.17 163	0.21 164	0.17 172	0.20 156	0.17 173	0.21 165	0.18 177	0.21 168	0.17 168	0.20 152	0.16 143	0.20 164	0.16 163	0.20 160	0.17 166

DAS	0.20 142	0.20 101	0.20 162	0.20 133	0.20 189	0.20 160	0.20 176	0.20 157	0.20 182	0.20 156	0.20 188	0.20 157	0.20 186	0.20 157	0.20 183	0.20 152	0.20 168	0.20 164	0.20 186	0.20 160	0.20 173

GEStereo_RVC	0.86 351	4.45 490	0.20 162	0.27 165	0.20 189	0.27 194	0.20 176	0.26 185	0.18 174	5.03 544	0.20 188	0.27 194	0.19 182	0.27 198	0.21 186	0.20 152	0.19 166	0.19 163	4.02 548	0.20 160	0.18 170

ASD4	0.20 142	0.20 101	0.20 162	0.20 133	0.20 189	0.20 160	0.20 176	0.20 157	0.20 182	0.20 156	0.20 188	0.20 157	0.20 186	0.20 157	0.20 183	0.20 152	0.20 168	0.20 164	0.20 186	0.20 160	0.20 173

MSKI-zero shot	0.24 159	0.21 107	0.49 293	0.65 292	0.18 183	0.22 170	0.17 163	0.23 172	0.18 174	0.21 166	0.17 173	0.23 175	0.28 227	0.23 176	0.18 177	0.21 157	0.16 143	0.21 167	0.16 163	0.21 164	0.16 154

iResNet	0.20 142	0.23 112	0.18 156	0.24 151	0.18 183	0.24 177	0.20 176	0.24 175	0.18 174	0.23 172	0.17 173	0.23 175	0.18 177	0.23 176	0.18 177	0.22 160	0.16 143	0.21 167	0.16 163	0.21 164	0.16 154

ACV-stereo	0.30 175	2.08 401	0.25 180	0.25 156	0.18 183	0.24 177	0.17 163	0.24 175	0.18 174	0.24 177	0.17 173	0.25 184	0.17 170	0.24 180	0.17 168	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 154

Pointernet	0.21 149	0.22 111	0.19 159	0.24 151	0.19 187	0.24 177	0.19 173	0.24 175	0.19 180	0.24 177	0.19 184	0.24 179	0.19 182	0.24 180	0.19 180	0.22 160	0.17 159	0.22 172	0.17 181	0.22 166	0.17 166

WAO-6	0.22 153	0.23 112	0.22 168	0.23 146	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.22 172	0.22 191	0.22 166	0.22 179

IMH-64-1	0.22 153	0.23 112	0.23 171	0.22 144	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 181

IMH-64	0.22 153	0.23 112	0.23 171	0.22 144	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 181

MIM_Stereo	0.25 160	0.23 112	0.66 327	0.80 309	0.17 176	0.22 170	0.17 163	0.23 172	0.18 174	0.26 188	0.17 173	0.21 165	0.17 170	0.25 185	0.17 168	0.23 171	0.16 143	0.21 167	0.17 181	0.22 166	0.17 166

dd	0.23 157	0.98 262	0.16 143	0.23 146	0.15 166	0.23 176	0.15 155	0.23 172	0.15 165	0.23 172	0.15 167	0.24 179	0.17 170	0.23 176	0.15 159	0.22 160	0.15 141	0.21 167	0.15 162	0.22 166	0.16 154

dad	0.23 157	1.03 278	0.16 143	0.23 146	0.15 166	0.24 177	0.15 155	0.24 175	0.16 167	0.23 172	0.16 168	0.24 179	0.16 166	0.23 176	0.15 159	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 154

iResNetv2_ROB	0.20 142	0.23 112	0.18 156	0.24 151	0.20 189	0.24 177	0.18 169	0.24 175	0.18 174	0.24 177	0.18 183	0.23 175	0.19 182	0.24 180	0.18 177	0.21 157	0.16 143	0.21 167	0.16 163	0.22 166	0.16 154

tg	0.21 149	0.25 121	0.21 166	0.26 163	0.17 176	0.24 177	0.17 163	0.24 175	0.17 172	0.24 177	0.17 173	0.24 179	0.17 170	0.24 180	0.17 168	0.24 176	0.17 159	0.23 178	0.16 163	0.23 175	0.16 154

AANet_RVC	1.26 437	0.31 132	4.99 543	5.93 534	0.20 189	0.25 184	0.20 176	0.25 181	0.20 182	0.23 172	0.19 184	0.25 184	0.20 186	0.25 185	0.20 183	5.66 542	4.76 535	0.26 189	0.30 245	0.24 176	0.27 206

model_zeroshot	0.27 169	0.20 101	0.27 187	0.33 180	0.21 196	0.37 227	0.22 187	0.37 219	0.24 196	0.26 188	0.27 220	0.33 212	0.21 191	0.25 185	0.27 210	0.32 202	0.20 168	0.34 224	0.23 196	0.25 177	0.26 198

UNDER WATER-64	0.25 160	0.26 122	0.25 180	0.26 163	0.25 210	0.25 184	0.25 202	0.25 181	0.25 201	0.25 181	0.25 210	0.25 184	0.25 204	0.26 195	0.25 204	0.25 182	0.25 183	0.25 186	0.25 209	0.25 177	0.25 192

LoS_RVC	0.30 175	1.14 292	0.25 180	0.25 156	0.25 210	0.26 191	0.25 202	0.25 181	0.25 201	0.25 181	0.25 210	0.26 193	0.26 213	0.26 195	0.25 204	0.26 183	0.26 186	0.25 186	0.25 209	0.26 179	0.26 198

CAS	0.30 175	1.17 297	0.25 180	0.25 156	0.25 210	0.26 191	0.25 202	0.25 181	0.26 214	0.25 181	0.25 210	0.25 184	0.25 204	0.25 185	0.25 204	0.26 183	0.26 186	0.26 189	0.25 209	0.26 179	0.25 192

LoS	0.25 160	0.27 123	0.25 180	0.25 156	0.25 210	0.25 184	0.25 202	0.26 185	0.25 201	0.25 181	0.25 210	0.25 184	0.25 204	0.25 185	0.25 204	0.26 183	0.25 183	0.25 186	0.26 215	0.26 179	0.25 192
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
tt1	0.31 182	0.93 255	0.24 177	0.33 180	0.23 203	0.31 203	0.24 199	0.32 199	0.24 196	0.32 204	0.23 198	0.32 209	0.25 204	0.32 210	0.24 198	0.27 186	0.26 186	0.27 193	0.26 215	0.27 182	0.27 206

RAFT + AFF	0.31 182	0.45 173	0.34 225	0.39 198	0.28 223	0.38 231	0.33 246	0.29 192	0.31 243	0.30 195	0.30 241	0.29 200	0.27 221	0.29 203	0.30 233	0.28 188	0.29 206	0.29 200	0.29 235	0.27 182	0.32 245

DCVSM-stereo	0.36 206	1.89 388	0.22 168	0.40 211	0.22 198	0.40 239	0.22 187	0.40 233	0.22 188	0.40 234	0.22 194	0.40 243	0.22 192	0.40 243	0.22 188	0.28 188	0.21 172	0.28 195	0.21 188	0.28 184	0.20 173

TorneroNet-64	0.45 253	0.27 123	0.30 198	0.58 279	0.27 220	0.70 345	0.30 230	0.28 188	0.73 373	0.73 348	0.28 226	0.71 347	0.66 352	0.75 351	0.27 210	0.27 186	0.29 206	0.37 245	0.75 376	0.28 184	0.30 234

SQANet	0.28 170	0.28 126	0.28 191	0.28 166	0.28 223	0.28 195	0.28 218	0.28 188	0.28 222	0.28 191	0.28 226	0.28 195	0.28 227	0.28 200	0.28 216	0.28 188	0.28 197	0.28 195	0.28 226	0.28 184	0.28 219

xxxxx1	0.31 182	0.91 248	0.23 171	0.31 173	0.23 203	0.31 203	0.23 194	0.33 202	0.25 201	0.31 199	0.24 204	0.33 212	0.25 204	0.32 210	0.24 198	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

tt_ll	0.31 182	0.91 248	0.23 171	0.31 173	0.23 203	0.31 203	0.23 194	0.33 202	0.25 201	0.31 199	0.24 204	0.33 212	0.25 204	0.32 210	0.24 198	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

ff	0.31 182	0.91 248	0.23 171	0.31 173	0.23 203	0.31 203	0.23 194	0.33 202	0.25 201	0.31 199	0.24 204	0.33 212	0.25 204	0.32 210	0.24 198	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

MultiAttention	0.30 175	0.30 129	0.30 198	0.30 168	0.30 239	0.30 198	0.30 230	0.30 194	0.30 237	0.30 195	0.30 241	0.30 203	0.30 239	0.30 205	0.30 233	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 234

MSAF-DinoV2	0.30 175	0.30 129	0.30 198	0.30 168	0.30 239	0.30 198	0.30 230	0.30 194	0.30 237	0.30 195	0.30 241	0.30 203	0.30 239	0.30 205	0.30 233	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 234

DEFOM-Stereo	0.68 308	3.11 461	1.40 462	1.63 436	0.25 210	0.31 203	0.25 202	0.31 198	0.28 222	0.31 199	0.29 230	0.29 200	0.27 221	0.31 209	0.28 216	1.59 451	1.47 462	0.30 202	0.29 235	0.30 190	0.28 219

WCG-NET（raft）	0.32 190	1.24 354	0.24 177	0.32 176	0.24 208	0.32 211	0.23 194	0.32 199	0.24 196	0.32 204	0.24 204	0.32 209	0.24 201	0.32 210	0.24 198	0.30 196	0.23 180	0.30 202	0.23 196	0.30 190	0.23 181

DANet	0.30 175	0.30 129	0.30 198	0.30 168	0.30 239	0.30 198	0.30 230	0.30 194	0.30 237	0.30 195	0.30 241	0.30 203	0.30 239	0.30 205	0.30 233	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 234
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xyz-stereo-finetune	0.28 170	0.49 189	0.16 143	0.16 118	0.16 173	0.16 140	0.16 158	0.22 168	0.30 237	0.32 204	0.31 246	0.32 209	0.31 246	0.32 210	0.32 240	0.32 202	0.33 231	0.31 208	0.32 258	0.31 195	0.32 245

testlalala	0.32 190	0.81 231	0.31 206	0.39 198	0.26 218	0.33 213	0.24 199	0.33 202	0.26 214	0.32 204	0.26 216	0.33 212	0.23 198	0.33 216	0.23 194	0.35 218	0.31 220	0.30 202	0.24 204	0.31 195	0.21 176

PAM	0.39 225	1.88 387	0.34 225	0.37 190	0.41 303	0.45 280	0.22 187	0.28 188	0.23 194	0.28 191	0.24 204	0.29 200	0.23 198	0.29 203	0.23 194	0.38 234	0.32 223	0.38 252	0.37 285	0.32 197	0.22 179

GCAP-BAT	0.33 193	0.78 225	0.32 210	0.38 193	0.25 210	0.34 215	0.25 202	0.34 206	0.26 214	0.34 211	0.25 210	0.35 218	0.26 213	0.35 220	0.27 210	0.36 223	0.30 214	0.32 209	0.24 204	0.32 197	0.26 198

1test111	0.37 211	1.02 276	0.30 198	0.39 198	0.29 230	0.40 239	0.28 218	0.39 228	0.29 227	0.39 229	0.29 230	0.39 236	0.28 227	0.40 243	0.29 226	0.33 206	0.32 223	0.33 217	0.31 253	0.32 197	0.31 241

cc1	0.37 211	1.02 276	0.30 198	0.39 198	0.29 230	0.40 239	0.28 218	0.39 228	0.29 227	0.39 229	0.29 230	0.39 236	0.28 227	0.40 243	0.29 226	0.33 206	0.32 223	0.33 217	0.31 253	0.32 197	0.31 241

IGEV-Stereo	0.35 202	0.44 170	0.45 269	0.49 252	0.30 239	0.37 227	0.30 230	0.36 213	0.30 237	0.36 218	0.29 230	0.36 224	0.29 233	0.36 226	0.30 233	0.46 277	0.39 253	0.32 209	0.24 204	0.32 197	0.25 192
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 170	0.32 133	0.24 177	0.32 176	0.25 210	0.32 211	0.24 199	0.32 199	0.24 196	0.33 209	0.24 204	0.35 218	0.24 201	0.33 216	0.24 198	0.31 201	0.24 182	0.32 209	0.24 204	0.32 197	0.24 191

ACVNet-DCA	0.37 211	1.00 266	0.30 198	0.40 211	0.29 230	0.40 239	0.29 225	0.40 233	0.29 227	0.40 234	0.29 230	0.40 243	0.29 233	0.39 240	0.28 216	0.33 206	0.32 223	0.33 217	0.32 258	0.33 203	0.32 245

DLNR_Zeroshot_test	0.31 182	0.28 126	0.47 280	0.79 307	0.24 208	0.30 198	0.26 210	0.30 194	0.24 196	0.32 204	0.23 198	0.31 207	0.24 201	0.30 205	0.23 194	0.29 195	0.26 186	0.29 200	0.24 204	0.33 203	0.23 181

CRFU-Net	0.65 301	1.67 373	1.22 440	1.96 445	0.27 220	0.41 255	0.27 213	0.41 248	0.27 219	0.40 234	0.26 216	0.41 255	0.27 221	0.40 243	0.27 210	1.80 458	1.62 476	0.34 224	0.23 196	0.33 203	0.23 181

FENet	0.54 285	1.52 368	1.19 390	1.41 425	0.23 203	0.35 219	0.23 194	0.35 209	0.23 194	0.34 211	0.23 198	0.35 218	0.23 198	0.35 220	0.23 194	1.40 443	1.07 373	0.32 209	0.23 196	0.33 203	0.23 181

H2IRNET	0.34 195	0.34 135	0.34 225	0.34 182	0.34 268	0.34 215	0.34 257	0.34 206	0.34 261	0.34 211	0.34 262	0.34 217	0.34 260	0.34 218	0.34 261	0.34 209	0.34 234	0.34 224	0.34 270	0.34 207	0.34 258

xx1	0.38 217	1.03 278	0.31 206	0.40 211	0.31 245	0.41 255	0.28 218	0.40 233	0.29 227	0.40 234	0.29 230	0.40 243	0.29 233	0.40 243	0.29 226	0.34 209	0.33 231	0.34 224	0.32 258	0.34 207	0.32 245

CASnet	0.35 202	0.51 200	0.44 267	0.32 176	0.31 245	0.24 177	0.34 257	0.36 213	0.25 201	0.31 199	0.37 281	0.30 203	0.33 255	0.25 185	0.45 309	0.37 227	0.37 240	0.33 217	0.35 277	0.34 207	0.37 270
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 345	1.91 391	0.92 366	4.48 509	0.02 21	0.40 239	0.04 82	0.41 248	0.02 21	0.48 287	0.03 52	0.41 255	0.05 95	0.03 39	0.05 89	1.97 467	4.19 532	0.33 217	0.23 196	0.34 207	0.27 206

NINENet	0.69 311	3.87 482	1.20 393	1.98 446	0.05 99	0.40 239	0.04 82	0.40 233	0.05 98	0.41 247	0.04 89	0.41 255	0.05 95	0.40 243	0.05 89	1.79 457	1.56 469	0.34 224	0.22 191	0.34 207	0.23 181

BSDual-CNN	0.81 337	1.91 391	0.92 366	4.48 509	0.02 21	0.42 273	0.06 106	0.41 248	0.02 21	0.48 287	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 467	4.19 532	0.33 217	0.23 196	0.34 207	0.27 206

hknet	1.10 382	1.85 384	3.49 532	4.48 509	0.02 21	0.42 273	0.06 106	0.41 248	0.02 21	0.48 287	0.03 52	0.41 255	0.03 52	0.42 270	0.03 48	4.39 518	4.19 532	0.33 217	0.23 196	0.34 207	0.27 206

iRaft-Stereo_5w	0.34 195	0.42 166	0.31 206	0.39 198	0.30 239	0.38 231	0.30 230	0.40 233	0.29 227	0.40 234	0.37 281	0.41 255	0.34 260	0.38 232	0.30 233	0.34 209	0.27 191	0.34 224	0.26 215	0.34 207	0.26 198

iRaft-Stereo_20w	0.34 195	0.41 159	0.31 206	0.39 198	0.29 230	0.40 239	0.32 237	0.41 248	0.32 246	0.38 224	0.30 241	0.39 236	0.30 239	0.38 232	0.32 240	0.35 218	0.27 191	0.34 224	0.27 222	0.34 207	0.29 224

HGLStereo	0.28 170	0.29 128	0.22 168	0.36 187	0.22 198	0.36 222	0.21 182	0.36 213	0.21 185	0.42 259	0.21 193	0.36 224	0.22 192	0.36 226	0.21 186	0.34 209	0.21 172	0.34 224	0.21 188	0.34 207	0.21 176

MLCV	0.31 182	0.35 136	0.27 187	0.35 183	0.28 223	0.35 219	0.27 213	0.35 209	0.28 222	0.36 218	0.27 220	0.35 218	0.27 221	0.35 220	0.27 210	0.34 209	0.27 191	0.34 224	0.27 222	0.34 207	0.27 206

DN-CSS_ROB	0.31 182	0.35 136	0.28 191	0.35 183	0.28 223	0.34 215	0.27 213	0.34 206	0.25 201	0.35 215	0.27 220	0.36 224	0.26 213	0.34 218	0.28 216	0.35 218	0.28 197	0.34 224	0.28 226	0.34 207	0.27 206

LG-Stereo_L2	0.34 195	0.37 141	0.38 241	0.47 242	0.28 223	0.39 237	0.28 218	0.39 228	0.28 222	0.39 229	0.28 226	0.39 236	0.28 227	0.38 232	0.28 216	0.42 270	0.35 235	0.36 242	0.26 215	0.35 219	0.26 198

MyStereo07	0.60 293	3.72 476	0.48 288	0.49 252	0.41 303	0.36 222	0.32 237	0.49 288	0.43 307	0.51 311	0.42 310	0.49 298	0.43 305	0.51 314	0.64 348	0.49 289	0.45 280	0.34 224	0.32 258	0.35 219	0.43 301

MyStereo04	0.56 291	3.72 476	0.59 315	0.49 252	0.41 303	0.36 222	0.32 237	0.37 219	0.31 243	0.34 211	0.46 319	0.35 218	0.32 248	0.35 220	0.33 248	0.49 289	0.45 280	0.34 224	0.32 258	0.35 219	0.43 301

HH	0.71 314	2.54 434	0.74 345	1.10 349	0.32 247	0.41 255	0.37 274	0.69 336	0.78 376	0.73 348	0.90 388	0.75 354	1.00 385	0.84 359	0.69 361	0.69 329	0.40 256	0.35 237	0.26 215	0.35 219	0.26 198

HanStereo	0.71 314	2.54 434	0.74 345	1.10 349	0.32 247	0.41 255	0.37 274	0.69 336	0.78 376	0.73 348	0.90 388	0.75 354	1.00 385	0.84 359	0.69 361	0.69 329	0.40 256	0.35 237	0.26 215	0.35 219	0.26 198

FCDSN-DC	0.41 236	0.59 213	0.64 323	0.54 270	0.33 258	0.50 309	0.37 274	0.42 264	0.40 290	0.61 332	0.43 312	0.50 312	0.49 326	0.38 232	0.32 240	0.28 188	0.23 180	0.26 189	0.22 191	0.35 219	0.28 219
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ETE_ROB	0.35 202	0.35 136	0.35 233	0.35 183	0.35 271	0.35 219	0.35 262	0.35 209	0.35 264	0.35 215	0.35 271	0.35 218	0.35 267	0.35 220	0.35 265	0.35 218	0.35 235	0.35 237	0.35 277	0.35 219	0.35 265

Any-RAFT	0.32 190	0.36 139	0.27 187	0.36 187	0.27 220	0.36 222	0.27 213	0.36 213	0.27 219	0.36 218	0.27 220	0.36 224	0.27 221	0.36 226	0.28 216	0.36 223	0.28 197	0.36 242	0.28 226	0.36 226	0.28 219

DMCA	0.36 206	0.38 144	0.37 238	0.35 183	0.35 271	0.36 222	0.36 269	0.36 213	0.35 264	0.35 215	0.37 281	0.36 224	0.36 270	0.35 220	0.36 269	0.36 223	0.36 238	0.35 237	0.36 283	0.36 226	0.36 266

GIP-stereo	0.36 206	0.49 189	0.39 248	0.48 246	0.32 247	0.41 255	0.28 218	0.40 233	0.30 237	0.41 247	0.28 226	0.40 243	0.28 227	0.42 270	0.28 216	0.45 274	0.32 223	0.38 252	0.30 245	0.37 228	0.27 206

fffy	0.38 217	0.43 167	0.33 215	0.46 236	0.33 258	0.45 280	0.32 237	0.45 270	0.32 246	0.45 270	0.32 248	0.45 277	0.33 255	0.45 277	0.32 240	0.38 234	0.38 246	0.38 252	0.37 285	0.37 228	0.36 266

IGEV++	0.34 195	0.43 167	0.30 198	0.40 211	0.29 230	0.40 239	0.29 225	0.40 233	0.29 227	0.40 234	0.29 230	0.40 243	0.29 233	0.40 243	0.30 233	0.38 234	0.29 206	0.37 245	0.29 235	0.37 228	0.29 224

Venus	0.38 217	0.38 144	0.38 241	0.38 193	0.38 287	0.37 227	0.38 280	0.37 219	0.37 276	0.41 247	0.37 281	0.39 236	0.37 274	0.38 232	0.38 280	0.37 227	0.38 246	0.38 252	0.37 285	0.37 228	0.38 277

EKT-Stereo	0.37 211	0.40 152	0.44 267	1.07 347	0.29 230	0.34 215	0.31 236	0.36 213	0.29 227	0.38 224	0.31 246	0.37 230	0.30 239	0.36 226	0.29 226	0.34 209	0.28 197	0.39 262	0.30 245	0.37 228	0.30 234

CES	0.39 225	0.47 181	0.36 235	0.36 187	0.37 280	0.45 280	0.35 262	0.35 209	0.40 290	0.36 218	0.44 314	0.47 287	0.36 270	0.44 274	0.36 269	0.37 227	0.39 253	0.44 294	0.35 277	0.37 228	0.36 266

IER	0.88 353	7.04 519	2.23 509	2.75 469	0.28 223	0.43 277	0.25 202	0.39 228	0.25 201	0.41 247	0.27 220	0.39 236	0.25 204	0.40 243	0.28 216	0.37 227	0.28 197	0.37 245	0.25 209	0.37 228	0.25 192

StereoDRNet-Refined	0.33 193	0.39 150	0.26 186	0.39 198	0.26 218	0.40 239	0.26 210	0.40 233	0.26 214	0.39 229	0.26 216	0.39 236	0.26 213	0.39 240	0.26 209	0.37 227	0.25 183	0.37 245	0.25 209	0.37 228	0.37 270
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 211	0.37 141	0.37 238	0.37 190	0.37 280	0.37 227	0.37 274	0.37 219	0.37 276	0.37 223	0.37 281	0.37 230	0.37 274	0.37 230	0.37 277	0.37 227	0.37 240	0.37 245	0.37 285	0.37 228	0.37 270

RAFT-Stereo-weight	0.45 253	1.90 390	0.34 225	0.42 231	0.36 277	0.43 277	0.35 262	0.42 264	0.34 261	0.42 259	0.34 262	0.44 275	0.34 260	0.41 257	0.34 261	0.38 234	0.32 223	0.38 252	0.32 258	0.38 237	0.33 252

WAO-8	0.38 217	0.38 144	0.38 241	0.38 193	0.38 287	0.38 231	0.38 280	0.38 224	0.38 280	0.38 224	0.38 286	0.38 232	0.38 278	0.38 232	0.38 280	0.38 234	0.38 246	0.38 252	0.37 285	0.38 237	0.38 277

WAO-7	0.38 217	0.38 144	0.38 241	0.38 193	0.38 287	0.38 231	0.38 280	0.38 224	0.38 280	0.38 224	0.38 286	0.38 232	0.38 278	0.38 232	0.38 280	0.38 234	0.38 246	0.38 252	0.38 298	0.38 237	0.38 277

HanzoNet	0.39 225	0.38 144	0.40 251	0.39 198	0.41 303	0.38 231	0.38 280	0.38 224	0.38 280	0.39 229	0.39 291	0.38 232	0.38 278	0.39 240	0.40 291	0.38 234	0.38 246	0.40 267	0.38 298	0.38 237	0.40 286

IMH	0.38 217	0.38 144	0.38 241	0.38 193	0.38 287	0.38 231	0.38 280	0.38 224	0.38 280	0.42 259	0.38 286	0.40 243	0.38 278	0.38 232	0.38 280	0.38 234	0.38 246	0.39 262	0.38 298	0.38 237	0.38 277

RAFT-Test	0.36 206	0.37 141	0.33 215	0.41 222	0.32 247	0.41 255	0.32 237	0.41 248	0.32 246	0.41 247	0.32 248	0.41 255	0.32 248	0.41 257	0.33 248	0.37 227	0.29 206	0.37 245	0.29 235	0.38 237	0.31 241

RCA-Stereo	0.51 280	3.22 465	0.34 225	0.44 234	0.34 268	0.44 279	0.34 257	0.43 268	0.34 261	0.43 265	0.34 262	0.44 275	0.33 255	0.43 272	0.33 248	0.38 234	0.29 206	0.38 252	0.29 235	0.38 237	0.29 224

water-stereo	0.41 236	0.84 234	0.46 273	0.50 259	0.33 258	0.45 280	0.33 246	0.45 270	0.32 246	0.45 270	0.32 248	0.45 277	0.32 248	0.45 277	0.32 240	0.44 272	0.41 265	0.39 262	0.31 253	0.39 244	0.32 245

mms	0.40 229	0.45 173	0.35 233	0.48 246	0.36 277	0.47 291	0.34 257	0.45 270	0.38 280	0.47 280	0.33 254	0.45 277	0.32 248	0.45 277	0.32 240	0.39 244	0.38 246	0.38 252	0.37 285	0.39 244	0.39 283

GMOStereo	0.37 211	0.45 173	0.23 171	0.30 168	0.37 280	0.41 255	0.36 269	0.41 248	0.35 264	0.43 265	0.36 275	0.41 255	0.40 285	0.41 257	0.36 269	0.34 209	0.22 176	0.47 306	0.37 285	0.39 244	0.33 252

error version	0.93 363	4.47 491	2.35 512	1.99 447	0.37 280	0.41 255	0.36 269	0.41 248	0.35 264	0.43 265	0.36 275	0.41 255	0.40 285	0.41 257	0.36 269	1.87 460	2.16 503	0.47 306	0.37 285	0.39 244	0.33 252

test_1	0.93 363	4.47 491	2.35 512	1.99 447	0.37 280	0.41 255	0.36 269	0.41 248	0.35 264	0.43 265	0.36 275	0.41 255	0.40 285	0.41 257	0.36 269	1.87 460	2.16 503	0.47 306	0.37 285	0.39 244	0.33 252

HART	0.38 217	0.45 173	0.34 225	0.42 231	0.33 258	0.41 255	0.34 257	0.42 264	0.33 252	0.43 265	0.34 262	0.42 271	0.34 260	0.41 257	0.38 280	0.40 248	0.32 223	0.42 291	0.32 258	0.40 249	0.32 245

RSM	0.36 206	0.36 139	0.43 265	0.37 190	0.42 313	0.49 301	0.42 303	0.37 219	0.28 222	0.36 218	0.29 230	0.36 224	0.30 239	0.37 230	0.28 216	0.34 209	0.31 220	0.34 224	0.35 277	0.40 249	0.29 224

knoymous	0.40 229	0.40 152	0.40 251	0.40 211	0.40 296	0.40 239	0.40 290	0.40 233	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 243	0.40 291	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

anonymousa	0.40 229	0.40 152	0.40 251	0.40 211	0.40 296	0.40 239	0.40 290	0.40 233	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 243	0.40 291	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

riskmin	0.40 229	0.40 152	0.40 251	0.40 211	0.40 296	0.40 239	0.40 290	0.40 233	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 243	0.40 291	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

Anonymous_2	0.40 229	0.40 152	0.40 251	0.40 211	0.40 296	0.40 239	0.40 290	0.40 233	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 243	0.40 291	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

Anonymous_1	0.40 229	0.40 152	0.40 251	0.40 211	0.40 296	0.40 239	0.40 290	0.40 233	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 243	0.40 291	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

DGSMNet	0.34 195	0.41 159	0.27 187	0.41 222	0.28 223	0.41 255	0.28 218	0.41 248	0.27 219	0.41 247	0.27 220	0.42 271	0.27 221	0.41 257	0.28 216	0.40 248	0.29 206	0.40 267	0.28 226	0.40 249	0.27 206

Gwc-CoAtRS	0.41 236	1.49 367	0.32 210	0.42 231	0.32 247	0.41 255	0.32 237	0.41 248	0.33 252	0.41 247	0.32 248	0.41 255	0.32 248	0.41 257	0.32 240	0.39 244	0.28 197	0.39 262	0.28 226	0.40 249	0.28 219

AdaStereo	0.40 229	0.40 152	0.40 251	0.40 211	0.40 296	0.40 239	0.40 290	0.40 233	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 243	0.40 291	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286
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.
depthmonostereo	0.44 251	0.85 236	0.46 273	0.54 270	0.40 296	0.52 320	0.38 280	0.52 308	0.35 264	0.47 280	0.34 262	0.46 281	0.34 260	0.47 285	0.34 261	0.45 274	0.43 276	0.41 280	0.33 266	0.41 259	0.32 245

GREAT-IGEV	0.38 217	0.43 167	0.36 235	0.48 246	0.32 247	0.45 280	0.32 237	0.45 270	0.32 246	0.45 270	0.32 248	0.45 277	0.32 248	0.45 277	0.32 240	0.44 272	0.33 231	0.41 280	0.29 235	0.41 259	0.29 224

ccccc	0.41 236	0.44 170	0.34 225	0.48 246	0.35 271	0.48 296	0.35 262	0.51 306	0.35 264	0.47 280	0.35 271	0.47 287	0.34 260	0.47 285	0.35 265	0.41 256	0.40 256	0.40 267	0.40 302	0.41 259	0.39 283

Former-RAFT_DAM_RVC	0.49 273	0.98 262	0.64 323	0.84 314	0.46 320	0.45 280	0.35 262	0.47 280	0.47 317	0.45 270	0.34 262	0.46 281	0.48 321	0.46 281	0.35 265	0.39 244	0.71 343	0.39 262	0.35 277	0.41 259	0.41 293

GwcNet-ADL	0.41 236	0.41 159	0.41 259	0.41 222	0.41 303	0.41 255	0.41 298	0.41 248	0.41 299	0.41 247	0.41 300	0.41 255	0.41 296	0.41 257	0.41 298	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

PSMNet-ADL	0.41 236	0.41 159	0.41 259	0.41 222	0.41 303	0.41 255	0.41 298	0.41 248	0.41 299	0.41 247	0.41 300	0.41 255	0.41 296	0.41 257	0.41 298	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

GANet-ADL	0.41 236	0.41 159	0.41 259	0.41 222	0.41 303	0.41 255	0.41 298	0.41 248	0.41 299	0.41 247	0.41 300	0.41 255	0.41 296	0.41 257	0.41 298	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

ADLNet2	0.41 236	0.41 159	0.41 259	0.41 222	0.41 303	0.41 255	0.41 298	0.41 248	0.41 299	0.41 247	0.41 300	0.41 255	0.41 296	0.41 257	0.41 298	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

ADLNet	0.41 236	0.41 159	0.41 259	0.41 222	0.41 303	0.41 255	0.41 298	0.41 248	0.41 299	0.41 247	0.41 300	0.41 255	0.41 296	0.41 257	0.41 298	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

CFNet-RSSM	0.91 356	4.89 496	0.34 225	0.44 234	1.07 409	1.62 464	1.40 477	0.91 358	0.35 264	1.60 455	1.39 477	0.64 340	0.34 260	0.44 274	0.33 248	0.41 256	0.35 235	0.75 356	0.30 245	0.41 259	0.29 224

SCV_C0	0.45 253	0.88 241	0.49 293	0.54 270	0.37 280	0.48 296	0.37 274	0.48 284	0.37 276	0.48 287	0.36 275	0.48 294	0.37 274	0.49 300	0.37 277	0.50 295	0.41 265	0.44 294	0.34 270	0.44 269	0.34 258

SCV	0.46 256	0.94 257	0.45 269	0.54 270	0.37 280	0.48 296	0.38 280	0.48 284	0.37 276	0.48 287	0.39 291	0.48 294	0.37 274	0.49 300	0.37 277	0.50 295	0.46 282	0.44 294	0.34 270	0.44 269	0.34 258

GCST	0.50 275	2.08 401	0.38 241	0.53 268	0.35 271	0.49 301	0.35 262	0.50 296	0.35 264	0.49 294	0.35 271	0.49 298	0.35 267	0.49 300	0.35 265	0.48 286	0.37 240	0.45 298	0.33 266	0.44 269	0.33 252

LL-Strereo2	0.48 267	1.73 380	0.51 302	0.59 282	0.34 268	0.42 273	0.33 246	0.40 233	0.31 243	0.42 259	0.33 254	0.42 271	0.31 246	0.44 274	0.39 287	0.60 314	0.51 307	0.44 294	0.33 266	0.44 269	0.33 252

UGAM	0.51 280	2.23 414	0.39 248	0.54 270	0.35 271	0.50 309	0.35 262	0.49 288	0.35 264	0.49 294	0.35 271	0.49 298	0.36 270	0.50 307	0.36 269	0.49 289	0.37 240	0.45 298	0.34 270	0.45 273	0.34 258

GASTEREO	0.48 267	1.21 347	0.47 280	0.57 277	0.38 287	0.50 309	0.38 280	0.50 296	0.38 280	0.50 306	0.38 286	0.50 312	0.38 278	0.50 307	0.38 280	0.52 303	0.42 273	0.46 301	0.34 270	0.46 274	0.34 258

UGAM-zero	0.51 280	2.17 409	0.39 248	0.53 268	0.36 277	0.50 309	0.36 269	0.50 296	0.36 275	0.49 294	0.36 275	0.50 312	0.35 267	0.50 307	0.36 269	0.49 289	0.37 240	0.47 306	0.35 277	0.46 274	0.34 258

otaku	0.46 256	0.46 177	0.46 273	0.46 236	0.46 320	0.46 286	0.46 312	0.46 274	0.46 312	0.46 274	0.46 319	0.46 281	0.46 312	0.46 281	0.46 313	0.46 277	0.46 282	0.46 301	0.46 321	0.46 274	0.46 307

Ntro	0.47 262	0.47 181	0.46 273	0.46 236	0.46 320	0.47 291	0.47 317	0.46 274	0.47 317	0.46 274	0.46 319	0.47 287	0.46 312	0.47 285	0.47 319	0.47 282	0.46 282	0.46 301	0.46 321	0.46 274	0.46 307

Dean	0.46 256	0.46 177	0.46 273	0.46 236	0.46 320	0.46 286	0.46 312	0.46 274	0.46 312	0.47 280	0.46 319	0.46 281	0.46 312	0.46 281	0.46 313	0.46 277	0.46 282	0.46 301	0.46 321	0.46 274	0.46 307

ACVNet_1	0.46 256	0.47 181	0.46 273	0.46 236	0.46 320	0.46 286	0.46 312	0.46 274	0.47 317	0.46 274	0.46 319	0.46 281	0.46 312	0.46 281	0.46 313	0.46 277	0.46 282	0.47 306	0.46 321	0.46 274	0.46 307

ACVNet-4b	0.46 256	0.46 177	0.46 273	0.46 236	0.46 320	0.46 286	0.46 312	0.46 274	0.46 312	0.46 274	0.46 319	0.46 281	0.46 312	0.47 285	0.46 313	0.46 277	0.46 282	0.46 301	0.46 321	0.46 274	0.46 307

Selective-IGEV	0.51 280	0.55 210	0.45 269	0.69 297	0.45 318	0.61 335	0.45 310	0.50 296	0.40 290	0.56 325	0.44 314	0.55 327	0.40 285	0.72 346	0.67 353	0.59 313	0.46 282	0.45 298	0.34 270	0.46 274	0.37 270

DilatedVolume-Stereo	0.43 247	0.86 237	0.48 288	0.50 259	0.33 258	0.46 286	0.33 246	0.46 274	0.33 252	0.46 274	0.33 254	0.47 287	0.33 255	0.47 285	0.34 261	0.45 274	0.42 273	0.40 267	0.33 266	0.47 282	0.38 277

HaxPig	0.47 262	0.47 181	0.47 280	0.49 252	0.47 326	0.47 291	0.47 317	0.47 280	0.47 317	0.47 280	0.47 327	0.47 287	0.47 320	0.47 285	0.47 319	0.47 282	0.47 290	0.47 306	0.47 328	0.47 282	0.48 316

UNDER WATER	0.47 262	0.47 181	0.47 280	0.47 242	0.47 326	0.47 291	0.47 317	0.47 280	0.47 317	0.47 280	0.47 327	0.47 287	0.46 312	0.47 285	0.47 319	0.47 282	0.47 290	0.47 306	0.46 321	0.47 282	0.47 314

LVE	0.47 262	0.47 181	0.47 280	0.47 242	0.49 332	0.47 291	0.47 317	0.47 280	0.49 326	0.47 280	0.47 327	0.47 287	0.46 312	0.47 285	0.47 319	0.47 282	0.47 290	0.48 314	0.47 328	0.47 282	0.47 314

MSCF	0.51 280	1.40 364	0.49 293	0.58 279	0.38 287	0.50 309	0.38 280	0.54 312	0.41 299	0.52 314	0.41 300	0.53 320	0.42 302	0.53 319	0.41 298	0.60 314	0.47 290	0.48 314	0.37 285	0.48 286	0.38 277

gcap-zeroshot	0.35 202	0.32 133	0.37 238	0.49 252	0.39 294	0.33 213	0.21 182	0.26 185	0.35 264	0.42 259	0.34 262	0.49 298	0.29 233	0.47 285	0.39 287	0.34 209	0.17 159	0.38 252	0.23 196	0.48 286	0.34 258

RainbowNet	0.48 267	0.48 187	0.48 288	0.48 246	0.48 330	0.48 296	0.48 326	0.48 284	0.48 324	0.48 287	0.48 331	0.48 294	0.48 321	0.48 294	0.48 325	0.48 286	0.48 294	0.48 314	0.48 331	0.48 286	0.48 316

notaker	0.48 267	0.49 189	0.48 288	0.48 246	0.48 330	0.48 296	0.48 326	0.48 284	0.49 326	0.48 287	0.48 331	0.48 294	0.48 321	0.48 294	0.48 325	0.48 286	0.48 294	0.48 314	0.48 331	0.48 286	0.49 321

LG-Stereo_L1	0.47 262	0.52 202	0.47 280	0.62 286	0.39 294	0.53 322	0.40 290	0.53 310	0.39 289	0.53 317	0.39 291	0.53 320	0.39 284	0.53 319	0.39 287	0.55 308	0.46 282	0.49 319	0.37 285	0.49 290	0.37 270

TorneroNet	0.66 303	0.53 205	0.50 297	0.50 259	0.64 361	1.06 383	0.70 362	0.50 296	0.51 336	0.49 294	0.69 367	0.49 298	0.50 329	0.48 294	1.15 407	0.71 333	0.49 297	1.14 398	1.08 402	0.49 290	0.49 321

ACVNet_2	0.49 273	0.49 189	0.49 293	0.49 252	0.49 332	0.49 301	0.49 328	0.49 288	0.49 326	0.49 294	0.49 334	0.49 298	0.49 326	0.49 300	0.49 327	0.49 289	0.49 297	0.49 319	0.49 334	0.49 290	0.49 321

iRaftStereo_RVC	0.97 367	3.17 464	2.30 511	2.42 463	0.38 287	0.54 325	0.38 280	0.54 312	0.38 280	0.54 320	0.38 286	0.54 323	0.38 278	0.54 321	0.38 280	2.38 491	2.34 507	0.49 319	0.36 283	0.49 290	0.36 266

aanetorigin	0.13 101	0.11 78	0.11 90	0.11 74	0.11 134	0.11 120	0.11 129	0.11 122	0.11 131	0.11 121	0.12 142	0.11 121	0.11 130	0.11 122	0.11 124	0.11 86	0.11 95	0.14 126	0.11 129	0.49 290	0.11 125

FoundationStereo	0.50 275	0.50 193	0.50 297	0.50 259	0.50 336	0.50 309	0.50 330	0.50 296	0.50 329	0.50 306	0.50 336	0.50 312	0.50 329	0.50 307	0.50 328	0.50 295	0.50 303	0.50 323	0.50 336	0.50 295	0.50 324

StereoAnything_RVC	0.50 275	0.50 193	0.50 297	0.50 259	0.50 336	0.50 309	0.50 330	0.50 296	0.50 329	0.50 306	0.50 336	0.50 312	0.50 329	0.50 307	0.50 328	0.50 295	0.50 303	0.50 323	0.50 336	0.50 295	0.50 324

fffft	0.48 267	0.51 200	0.45 269	0.52 267	0.45 318	0.52 320	0.45 310	0.52 308	0.48 324	0.53 317	0.45 317	0.52 319	0.45 309	0.52 317	0.46 313	0.51 301	0.41 265	0.50 323	0.41 309	0.50 295	0.41 293
1: 1. 1
dual_stereo	0.50 275	0.50 193	0.50 297	0.50 259	0.50 336	0.50 309	0.50 330	0.50 296	0.50 329	0.50 306	0.50 336	0.50 312	0.50 329	0.50 307	0.50 328	0.50 295	0.50 303	0.50 323	0.50 336	0.50 295	0.50 324

KSHMR	0.66 303	0.50 193	0.48 288	1.15 357	0.52 342	0.49 301	0.51 334	0.49 288	0.71 368	0.67 342	0.50 336	1.16 399	1.11 395	0.66 340	0.52 335	0.49 289	0.49 297	0.51 328	0.66 361	0.50 295	1.14 407

SANet	0.50 275	0.50 193	0.50 297	0.50 259	0.50 336	0.50 309	0.50 330	0.50 296	0.50 329	0.50 306	0.50 336	0.50 312	0.50 329	0.50 307	0.50 328	0.50 295	0.50 303	0.50 323	0.50 336	0.50 295	0.50 324

LG-Stereo_Zeroshot	0.48 267	0.55 210	0.47 280	0.63 288	0.41 303	0.56 327	0.44 306	0.56 315	0.41 299	0.56 325	0.41 300	0.57 331	0.42 302	0.56 325	0.41 298	0.55 308	0.43 276	0.51 328	0.37 285	0.51 301	0.37 270

Occ-G	1.12 385	0.52 202	3.72 537	3.50 499	0.50 336	0.56 327	0.47 317	0.54 312	0.46 312	0.54 320	0.41 300	0.54 323	0.42 302	0.52 317	0.42 305	3.42 512	4.02 531	0.52 331	0.45 319	0.51 301	0.44 304

LG-Stereo	0.60 293	0.58 212	0.47 280	0.64 291	0.74 380	1.00 375	0.69 358	0.57 318	0.41 299	0.57 327	0.41 300	0.57 331	0.41 296	1.00 380	0.75 372	0.91 356	0.51 307	0.52 331	0.37 285	0.52 303	0.37 270

ktn	0.72 317	0.53 205	1.08 379	1.14 355	0.51 341	1.22 444	1.36 470	0.51 306	0.59 344	0.51 311	0.51 342	0.69 346	1.20 406	0.67 342	0.51 333	0.51 301	0.49 297	0.58 337	0.66 361	0.52 303	0.53 332

LL-Strereo	1.01 375	5.06 498	1.63 473	0.70 299	1.43 477	0.56 327	0.46 312	0.57 318	0.50 329	0.57 327	0.50 336	1.58 459	0.49 326	0.59 331	0.50 328	1.64 454	0.52 309	0.51 328	1.37 470	0.52 303	0.45 306

PML	0.46 256	1.36 362	0.29 194	0.58 279	0.30 239	0.57 332	0.29 225	0.57 318	0.29 227	0.57 327	0.29 230	0.57 331	0.29 233	0.56 325	0.29 226	0.52 303	0.30 214	0.53 333	0.31 253	0.53 306	0.30 234

PSMNet_ROB	0.54 285	0.54 208	0.54 310	0.54 270	0.53 345	0.54 325	0.54 338	0.53 310	0.54 339	0.54 320	0.54 346	0.54 323	0.53 336	0.54 321	0.54 338	0.54 306	0.53 311	0.54 334	0.54 342	0.54 307	0.54 333

MyStereo8	0.71 314	3.92 483	0.52 305	0.59 282	0.52 342	0.57 332	0.53 336	0.59 323	0.50 329	0.59 331	0.51 342	0.57 331	0.50 329	0.56 325	0.52 335	0.54 306	0.49 297	0.54 334	0.49 334	0.55 308	0.50 324

AIO-test1	0.54 285	0.60 215	0.52 305	0.66 295	0.47 326	0.61 335	0.47 317	0.58 321	0.46 312	0.61 332	0.46 319	0.61 337	0.45 309	0.62 333	0.45 309	0.61 318	0.52 309	0.57 336	0.48 331	0.57 309	0.48 316

AIO-test2	0.55 289	0.59 213	0.52 305	0.67 296	0.47 326	0.61 335	0.47 317	0.61 327	0.47 317	0.61 332	0.47 327	0.61 337	0.48 321	0.62 333	0.47 319	0.64 323	0.53 311	0.58 337	0.47 328	0.58 310	0.48 316

MonSter	0.60 293	0.64 218	0.52 305	0.62 286	0.44 316	2.07 479	0.44 306	0.62 328	0.44 310	0.62 335	0.44 314	0.62 339	0.44 307	0.62 333	0.44 308	0.58 312	0.42 273	0.62 340	0.46 321	0.58 310	0.42 300

WCG-NET	0.61 296	1.21 347	0.54 310	0.61 285	0.53 345	0.67 343	0.53 336	0.66 333	0.53 337	0.64 338	0.53 345	0.65 343	0.53 336	0.59 331	0.52 335	0.65 324	0.48 294	0.64 343	0.52 340	0.58 310	0.50 324

CASS	0.57 292	0.89 244	0.56 312	0.57 277	0.56 348	0.56 327	0.56 339	0.56 315	0.53 337	0.57 327	0.57 349	0.59 335	0.48 321	0.56 325	0.57 341	0.55 308	0.56 315	0.47 306	0.56 347	0.62 313	0.56 340
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SMoEStereo_RVC	0.63 298	0.75 224	0.51 302	0.73 303	0.53 345	0.71 347	0.47 317	0.67 334	0.58 342	0.74 353	0.60 350	0.72 350	0.53 336	0.74 350	0.51 333	0.61 318	0.62 327	0.62 340	0.61 355	0.63 314	0.61 345

DispNO	1.00 370	0.63 216	0.43 265	3.45 495	0.44 316	0.65 341	0.43 305	0.64 330	0.43 307	0.64 338	0.43 312	0.64 340	3.03 515	0.64 338	0.43 307	4.55 521	0.43 276	0.63 342	0.43 317	0.63 314	0.43 301

test-3	0.98 369	4.13 486	1.85 493	1.85 439	0.61 357	0.69 344	0.37 274	0.63 329	0.61 348	0.66 341	0.51 342	0.73 352	0.44 307	0.57 329	0.54 338	1.68 455	1.81 487	0.40 267	0.43 317	0.66 316	0.50 324

DSFCA	0.66 303	0.73 223	0.78 350	0.65 292	0.65 363	0.64 340	0.64 347	0.65 331	0.63 351	0.64 338	0.64 358	0.64 340	0.64 347	0.65 339	0.65 349	0.65 324	0.65 332	0.65 346	0.65 359	0.66 316	0.64 350

999	1.00 370	1.12 291	0.59 315	1.10 349	1.21 467	1.09 389	0.52 335	1.08 376	1.43 479	1.18 397	1.35 471	0.98 380	0.52 335	0.91 368	0.85 382	0.72 334	1.46 461	0.83 371	0.98 394	0.68 318	1.41 479

anonymity	0.63 298	0.69 220	0.56 312	0.71 301	0.56 348	0.71 347	0.56 339	0.71 339	0.56 340	0.72 346	0.56 348	0.71 347	0.56 340	0.71 345	0.58 342	0.68 328	0.55 313	0.68 348	0.55 343	0.68 318	0.54 333

LMCR-Stereo	0.65 301	0.63 216	0.65 326	0.65 292	0.65 363	0.66 342	0.63 346	0.58 321	0.65 353	0.63 337	0.64 358	0.65 343	0.65 349	0.66 340	0.66 352	0.66 326	0.64 330	0.65 346	0.67 365	0.68 318	0.73 366

FC-DCNN	1.07 380	1.09 287	0.98 371	0.89 318	0.52 342	1.41 457	0.91 385	1.21 436	1.24 465	1.96 467	2.05 520	1.91 468	1.30 459	1.27 450	1.08 401	0.80 341	0.60 322	0.58 337	0.41 309	0.68 318	0.54 333

DMCA-RVC	0.70 312	0.80 228	0.70 334	0.70 299	0.70 373	0.70 345	0.70 362	0.71 339	0.70 363	0.70 345	0.71 373	0.71 347	0.70 360	0.70 344	0.69 361	0.69 329	0.70 339	0.69 349	0.70 370	0.69 322	0.70 359

4D-IteraStereo	0.78 329	3.13 462	0.89 359	0.69 297	0.32 247	0.40 239	0.32 237	0.76 342	0.97 397	0.52 314	0.65 360	0.89 369	0.32 248	0.76 352	0.98 393	0.83 349	0.94 365	0.35 237	0.27 222	0.70 323	0.89 382

MyStereo06	0.75 321	4.12 484	0.60 317	0.63 288	0.61 357	0.62 338	0.66 350	0.56 315	0.45 311	0.55 323	0.48 331	0.54 323	0.46 312	0.57 329	0.45 309	0.60 314	0.57 317	0.64 343	0.55 343	0.72 324	0.55 337

MyStereo05	0.80 332	4.12 484	0.63 321	0.63 288	0.61 357	0.62 338	0.66 350	0.65 331	0.62 349	0.67 342	0.61 354	0.65 343	0.58 341	0.67 342	0.55 340	0.60 314	0.57 317	0.64 343	0.55 343	0.72 324	0.55 337

PA-Net	11.80 559	223.51 584	0.62 320	0.59 282	0.71 375	0.59 334	0.73 368	0.67 334	0.73 373	0.55 323	0.61 354	0.60 336	0.74 367	0.63 337	0.73 369	0.66 326	0.60 322	0.69 349	0.66 361	0.72 324	0.65 351
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 348	2.85 457	0.72 341	0.72 302	0.73 378	0.77 350	0.79 373	0.73 341	0.74 375	0.73 348	0.72 376	0.73 352	0.76 370	0.73 348	0.73 369	0.72 334	0.73 345	0.73 353	0.72 374	0.73 327	0.72 363

GCAP-Stereo	0.75 321	4.15 487	0.42 264	0.75 305	0.35 271	0.78 352	0.40 290	0.79 344	0.38 280	0.78 356	0.36 275	0.78 357	0.36 270	0.79 353	0.39 287	0.75 337	0.39 253	0.76 358	0.39 301	0.75 328	0.39 283

zero-FE	0.72 317	1.31 358	0.66 327	0.92 324	0.60 351	0.82 357	0.58 341	0.82 350	0.58 342	0.81 360	0.60 350	0.81 363	0.60 343	0.82 357	0.58 342	0.74 336	0.59 321	0.73 353	0.52 340	0.76 329	0.51 331

PAM_32	0.64 300	2.38 429	0.51 302	0.92 324	0.43 315	0.53 322	0.44 306	0.87 352	0.43 307	0.52 314	0.45 317	0.53 320	0.40 285	0.54 321	0.46 313	0.62 321	0.56 315	0.48 314	0.45 319	0.76 329	0.44 304

RAFT-Stereo + iAFF	0.70 312	0.72 222	0.71 338	0.80 309	0.62 360	0.82 357	0.61 344	0.81 349	0.62 349	0.81 360	0.63 356	0.80 360	0.70 360	0.73 348	0.61 347	0.76 338	0.61 326	0.74 355	0.61 355	0.77 331	0.61 345

ARAFT	0.68 308	0.81 231	0.63 321	0.74 304	0.60 351	0.78 352	0.62 345	0.77 343	0.66 355	0.74 353	0.63 356	0.75 354	0.62 346	0.83 358	0.60 345	0.70 332	0.55 313	0.70 351	0.60 353	0.78 332	0.55 337

AFF-stereo	0.73 319	0.88 241	0.67 331	0.75 305	0.68 370	0.75 349	0.64 347	0.80 346	0.72 370	0.83 362	0.70 369	0.82 364	0.64 347	0.84 359	0.67 353	0.77 339	0.63 328	0.81 366	0.63 357	0.78 332	0.62 348

Selective-RAFT-Error	0.88 353	0.84 234	0.98 371	0.86 317	0.97 400	0.88 362	0.95 390	0.84 351	0.99 400	0.92 369	0.82 386	0.84 365	0.98 384	0.87 363	0.97 392	0.81 344	0.83 358	0.79 361	0.82 385	0.79 334	0.85 379

psmorigin	0.41 236	0.46 177	0.33 215	0.49 252	0.33 258	0.49 301	0.33 246	0.49 288	0.33 252	0.49 294	0.33 254	0.49 298	0.33 255	0.51 314	0.33 248	0.41 256	0.30 214	0.41 280	0.30 245	0.79 334	0.29 224

G-Net	0.79 330	0.79 227	0.79 353	0.79 307	0.79 384	0.79 354	0.79 373	0.79 344	0.79 379	0.79 357	0.79 383	0.79 359	0.79 373	0.79 353	0.79 375	0.79 340	0.79 352	0.79 361	0.79 380	0.79 334	0.79 373

AEACV	1.12 385	0.52 202	3.12 529	3.24 484	0.86 388	0.53 322	0.49 328	0.60 325	0.47 317	0.53 317	0.49 334	0.55 327	0.45 309	0.55 324	0.47 319	3.01 508	3.88 529	0.71 352	0.60 353	0.80 337	0.48 316

NaN_ROB	0.80 332	0.80 228	0.80 354	0.80 309	0.80 386	0.80 355	0.80 376	0.80 346	0.80 380	0.80 358	0.80 384	0.80 360	0.80 374	0.80 355	0.80 377	0.80 341	0.80 355	0.80 364	0.80 382	0.80 337	0.80 374

CSAN	0.80 332	0.80 228	0.80 354	0.80 309	0.80 386	0.80 355	0.80 376	0.80 346	0.80 380	0.80 358	0.80 384	0.80 360	0.80 374	0.80 355	0.80 377	0.80 341	0.80 355	0.80 364	0.80 382	0.80 337	0.80 374

FlowAnything_test	1.02 377	1.72 375	0.71 338	1.59 429	0.70 373	1.61 462	0.69 358	1.61 452	0.70 363	1.60 455	0.70 369	1.61 463	0.69 358	1.61 459	0.70 365	0.81 344	0.58 319	0.81 366	0.55 343	0.81 340	0.56 340

Selective-RAFT	0.89 355	0.89 244	0.72 341	1.16 362	0.78 383	1.06 383	0.82 379	0.87 352	0.97 397	1.00 377	0.91 391	0.90 370	1.00 385	0.89 366	0.93 389	0.83 349	0.83 358	0.82 370	0.82 385	0.81 340	0.82 377

FlowAnything	1.02 377	1.71 374	0.72 341	1.59 429	0.69 371	1.60 461	0.69 358	1.61 452	0.70 363	1.60 455	0.69 367	1.60 460	0.69 358	1.61 459	0.69 361	0.81 344	0.58 319	0.81 366	0.56 347	0.82 342	0.56 340

DCRE	0.84 348	1.89 388	0.77 349	0.94 330	0.72 377	0.88 362	0.73 368	0.87 352	0.78 376	0.90 365	0.71 373	0.88 367	0.67 354	0.88 364	0.73 369	0.81 344	0.68 334	0.81 366	0.70 370	0.82 342	0.70 359

RSM++	0.76 325	0.82 233	0.66 327	0.85 316	0.64 361	0.85 359	0.71 365	0.94 365	0.64 352	0.87 363	0.67 363	0.87 366	0.65 349	0.84 359	0.65 349	0.81 344	0.70 339	0.79 361	0.71 373	0.83 344	0.70 359

UDG	0.80 332	2.21 413	0.60 317	0.91 321	0.60 351	0.90 365	0.58 341	0.88 355	0.60 345	0.90 365	0.60 350	0.88 367	0.60 343	0.90 367	0.58 342	0.86 353	0.60 322	0.84 372	0.59 352	0.84 345	0.61 345

DDUNet	0.81 337	2.45 432	0.57 314	0.90 319	0.60 351	0.88 362	0.59 343	0.90 356	0.60 345	0.88 364	0.60 350	0.90 370	0.58 341	0.88 364	0.60 345	0.84 351	0.60 322	0.86 374	0.57 349	0.86 346	0.60 344

MoCha-V2	2.11 480	26.97 562	0.78 350	0.92 324	0.77 382	0.96 372	0.72 367	0.90 356	0.72 370	0.94 373	0.70 369	0.90 370	0.71 364	0.91 368	0.71 367	0.85 352	0.71 343	0.88 375	0.69 368	0.87 347	0.67 355

UNet	0.29 174	0.90 246	0.10 70	0.14 97	0.10 118	0.14 125	0.10 116	0.91 358	0.69 360	0.14 125	0.11 131	0.14 126	0.11 130	0.14 128	0.10 112	0.12 91	0.09 68	0.12 121	0.09 110	0.88 348	0.76 371

AdaDepth	0.86 351	0.93 255	0.71 338	1.01 342	1.07 409	1.02 380	0.71 365	1.00 369	0.71 368	1.01 381	0.71 373	1.00 381	0.72 365	1.14 397	0.71 367	0.92 359	0.64 330	0.90 376	0.64 358	0.89 349	0.69 358

AIO-Stereo-zeroshot1	0.75 321	0.92 253	0.85 358	0.96 335	0.59 350	1.27 447	0.44 306	0.59 323	0.69 360	0.91 367	0.68 364	0.55 327	0.61 345	1.06 387	0.83 381	0.62 321	0.70 339	0.90 376	0.41 309	0.89 349	0.56 340

ToySt	0.92 358	2.11 404	0.90 362	0.95 332	0.79 384	0.99 374	0.78 372	0.94 365	0.81 383	0.94 373	0.78 382	0.95 377	0.77 371	0.94 373	0.86 383	0.91 356	0.79 352	0.85 373	0.77 377	0.89 349	0.73 366

ff7	1.68 448	2.68 440	1.35 448	0.97 336	0.89 390	1.84 465	2.15 513	2.12 472	1.80 498	2.05 477	1.56 482	2.33 483	2.12 506	2.23 480	2.25 516	1.31 435	1.07 373	1.48 466	1.41 473	0.90 352	1.04 398

ffff	1.68 448	2.68 440	1.35 448	0.97 336	0.89 390	1.84 465	2.15 513	2.12 472	1.80 498	2.05 477	1.56 482	2.33 483	2.12 506	2.23 480	2.25 516	1.31 435	1.07 373	1.48 466	1.41 473	0.90 352	1.04 398

ccc-4	1.68 448	2.68 440	1.35 448	0.97 336	0.89 390	1.84 465	2.15 513	2.12 472	1.80 498	2.05 477	1.56 482	2.33 483	2.12 506	2.23 480	2.25 516	1.31 435	1.07 373	1.48 466	1.41 473	0.90 352	1.04 398

STTRV1_RVC	0.82 341	1.60 371	0.70 334	1.01 342	0.60 351	1.07 386	0.69 358	1.01 373	0.60 345	0.72 346	0.55 347	1.02 386	0.68 355	1.03 385	0.67 353	0.89 355	0.63 328	0.92 381	0.57 349	0.90 352	0.65 351

pmcnn	0.92 358	0.92 253	0.92 366	0.92 324	0.92 395	0.92 367	0.92 386	0.92 361	0.92 391	0.92 369	0.92 394	0.92 373	0.92 380	0.92 372	0.92 385	0.92 359	0.92 363	0.92 381	0.92 389	0.92 356	0.92 385

DPSM_ROB	0.92 358	0.91 248	0.91 364	0.91 321	0.92 395	0.92 367	0.92 386	0.92 361	0.91 387	0.93 371	0.91 391	0.92 373	0.90 378	0.91 368	0.92 385	0.92 359	0.91 361	0.91 379	0.92 389	0.93 357	0.93 386

DPSM	0.92 358	0.91 248	0.91 364	0.91 321	0.92 395	0.92 367	0.92 386	0.92 361	0.91 387	0.93 371	0.91 391	0.92 373	0.90 378	0.91 368	0.92 385	0.92 359	0.91 361	0.91 379	0.92 389	0.93 357	0.93 386

AIO-Stereo	0.84 348	0.66 219	0.70 334	0.83 313	0.67 367	0.98 373	0.82 379	1.14 380	0.72 370	1.03 383	0.74 379	1.03 387	1.09 394	0.99 379	0.45 309	1.04 370	0.73 345	0.95 385	0.74 375	0.94 359	0.46 307

R-Stereo Train	0.81 337	0.96 259	0.67 331	0.95 332	0.67 367	0.95 370	0.68 355	0.95 367	0.68 357	0.95 375	0.68 364	0.96 378	0.68 355	0.96 377	0.68 357	0.94 364	0.68 334	0.94 383	0.68 366	0.94 359	0.68 356

RAFT-Stereo	0.81 337	0.96 259	0.67 331	0.95 332	0.67 367	0.95 370	0.68 355	0.95 367	0.68 357	0.95 375	0.68 364	0.96 378	0.68 355	0.96 377	0.68 357	0.94 364	0.68 334	0.94 383	0.68 366	0.94 359	0.68 356
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DGTPSM_ROB	0.93 363	1.00 266	0.92 366	0.94 330	0.96 399	0.91 366	0.92 386	0.91 358	0.96 396	0.91 367	0.96 395	0.93 376	0.92 380	0.94 373	0.92 385	0.92 359	0.92 363	0.90 376	0.92 389	0.94 359	0.91 384

GANet	1.00 370	1.00 266	1.00 373	1.00 339	1.00 401	1.00 375	1.00 394	1.00 369	1.00 401	1.00 377	1.00 398	1.00 381	1.00 385	1.00 380	1.00 395	1.00 366	1.00 366	1.00 390	1.00 396	1.00 363	1.00 393

TDLM	1.00 370	1.00 266	1.00 373	1.00 339	1.00 401	1.00 375	1.00 394	1.00 369	1.00 401	1.00 377	1.00 398	1.00 381	1.00 385	1.00 380	1.00 395	1.00 366	1.00 366	1.00 390	1.00 396	1.00 363	1.00 393

CVANet_RVC	1.00 370	1.00 266	1.00 373	1.00 339	1.00 401	1.00 375	1.00 394	1.00 369	1.00 401	1.00 377	1.00 398	1.00 381	1.00 385	1.00 380	1.00 395	1.00 366	1.00 366	1.00 390	1.00 396	1.00 363	1.00 393

MLG-Stereo	0.92 358	0.90 246	0.84 357	1.27 415	0.49 332	1.38 454	0.88 382	1.41 450	0.97 397	0.73 348	1.09 404	1.26 449	0.43 305	0.72 346	1.05 400	1.13 381	0.49 297	1.18 407	0.66 361	1.01 366	0.46 307

trnet	1.01 375	1.01 272	1.01 376	1.01 342	1.01 405	1.01 379	1.01 397	1.01 373	1.01 404	1.01 381	1.01 401	1.01 385	1.01 391	1.01 384	1.01 398	1.01 369	1.01 369	1.01 393	1.01 400	1.01 366	1.01 396

AIO-Stereo-zeroshot	0.91 356	0.86 237	0.89 359	1.25 414	0.69 371	1.05 382	0.81 378	1.16 383	0.50 329	1.12 392	0.97 396	0.72 350	0.82 376	1.06 387	0.95 390	0.61 318	0.87 360	1.03 395	0.85 388	1.04 368	1.01 396

GLC_STEREO	1.07 380	1.01 272	1.06 378	1.07 347	1.05 408	1.06 383	1.08 401	1.08 376	1.05 407	1.07 385	1.06 403	1.08 389	1.05 393	1.06 387	1.10 402	1.07 372	1.09 379	1.05 396	1.05 401	1.06 369	1.12 403

DPSimNet_ROB	0.97 367	1.18 299	0.81 356	1.10 349	0.91 394	1.02 380	0.82 379	1.04 375	0.91 387	1.03 383	0.86 387	1.28 451	0.82 376	1.03 385	0.89 384	1.17 384	0.81 357	1.02 394	0.82 385	1.08 370	0.81 376

MSMD_ROB	1.19 387	1.10 290	0.70 334	1.10 349	0.60 351	1.10 390	0.70 362	1.10 379	0.70 363	1.10 387	0.70 369	1.10 393	0.70 360	7.00 556	0.70 365	1.10 375	0.70 339	1.10 397	0.70 370	1.10 371	0.70 359

edge stereo	2.43 504	27.07 563	1.14 382	1.06 346	1.14 412	1.08 387	1.17 409	1.16 383	1.14 408	1.10 387	1.16 409	1.09 391	1.16 403	1.10 393	1.16 410	1.10 375	1.11 383	1.16 400	1.19 410	1.13 372	1.11 401

tt45	1.04 379	0.88 241	1.36 456	0.92 324	1.03 407	1.51 460	0.79 373	0.70 338	0.88 385	0.74 353	0.90 388	1.60 460	0.72 365	1.60 457	0.75 372	0.91 356	0.78 351	1.52 469	0.79 380	1.14 373	1.32 471

RGC	2.36 499	25.48 556	1.19 390	1.15 357	1.15 413	1.10 390	1.16 408	1.17 385	1.16 410	1.12 392	1.16 409	1.11 396	1.13 396	1.09 391	1.18 412	1.10 375	1.15 388	1.16 400	1.12 404	1.14 373	1.12 403

UPFNet	0.42 246	1.20 301	0.17 150	0.24 151	0.17 176	0.25 184	0.17 163	1.19 388	0.90 386	0.25 181	0.17 173	0.24 179	0.17 170	0.25 185	0.17 168	0.22 160	0.17 159	0.22 172	0.16 163	1.15 375	0.93 386

stereogan	2.33 497	24.38 553	1.18 388	1.18 364	1.18 420	1.14 395	1.18 410	1.19 388	1.19 416	1.14 395	1.18 413	1.14 398	1.18 404	1.14 397	1.18 412	1.14 383	1.14 387	1.19 408	1.19 410	1.15 375	1.19 416

AF-Net	2.37 501	25.71 558	1.17 386	1.13 354	1.15 413	1.15 396	1.18 410	1.19 388	1.16 410	1.10 387	1.15 406	1.10 393	1.18 404	1.12 396	1.15 407	1.10 375	1.10 382	1.17 404	1.15 406	1.16 377	1.12 403

RP	2.33 497	25.00 555	1.13 381	1.15 357	1.15 413	1.10 390	1.15 406	1.15 381	1.15 409	1.12 392	1.15 406	1.09 391	1.13 396	1.10 393	1.15 407	1.11 380	1.09 379	1.16 400	1.12 404	1.16 377	1.17 412

Nwc_Net	2.37 501	25.95 559	1.15 384	1.14 355	1.15 413	1.08 387	1.14 405	1.17 385	1.16 410	1.14 395	1.15 406	1.08 389	1.15 399	1.11 395	1.14 406	1.10 375	1.11 383	1.16 400	1.09 403	1.16 377	1.15 408

Abc-Net	2.32 496	24.75 554	1.14 382	1.17 363	1.17 418	1.11 393	1.15 406	1.17 385	1.21 462	1.08 386	1.16 409	1.12 397	1.14 398	1.09 391	1.17 411	1.09 373	1.16 389	1.17 404	1.17 409	1.16 377	1.11 401
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.95 366	1.17 297	0.78 350	1.18 364	0.71 375	1.16 397	0.75 370	1.09 378	0.80 380	1.10 387	0.75 380	1.17 400	0.74 367	1.17 400	0.80 377	1.13 381	0.73 345	1.17 404	0.77 377	1.16 377	0.72 363
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NCC-stereo	2.36 499	25.52 557	1.17 386	1.15 357	1.17 418	1.11 393	1.11 402	1.15 381	1.16 410	1.10 387	1.16 409	1.10 393	1.15 399	1.14 397	1.13 405	1.09 373	1.11 383	1.15 399	1.16 408	1.17 382	1.17 412

delet	0.43 247	1.21 347	0.17 150	0.25 156	0.17 176	0.25 184	0.18 169	1.26 440	0.95 394	0.25 181	0.17 173	0.25 184	0.17 170	0.25 185	0.17 168	0.23 171	0.16 143	0.22 172	0.16 163	1.18 383	0.98 390

psm_up	0.43 247	1.19 300	0.17 150	0.25 156	0.18 183	0.25 184	0.19 173	1.26 440	0.91 387	0.26 188	0.17 173	0.25 184	0.17 170	0.25 185	0.17 168	0.22 160	0.17 159	0.23 178	0.16 163	1.18 383	0.99 391

HBP-ISP	1.24 436	1.72 375	1.65 474	1.15 357	0.76 381	1.40 456	0.88 382	1.67 458	1.02 405	1.69 462	1.38 476	1.69 464	1.21 452	1.87 469	1.21 459	1.05 371	0.79 352	0.97 388	0.80 382	1.19 385	0.75 370

DisPM	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

CrosDoStereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

PFNet+	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

LCNet	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

HHNet	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

Patchmatch Stereo++	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417
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	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

STrans-v2	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

TransformOpticalFlow	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

OMP-Stereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

IIG-Stereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

NF-Stereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

OCTAStereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

PSM-softLoss	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

KMStereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

NRIStereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

PSM-adaLoss	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

PSM-AAD	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

FTStereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

ROB_FTStereo_v2	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

ROB_FTStereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

Consistency-Raft	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

KYRaft	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

HUI-Stereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

ASMatch	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

DeepStereo_LL	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

DEmStereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

SST-Stereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

THIR-Stereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

RAFT_R40	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

DRaft	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

PFNet	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

GrayStereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

RE-Stereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

Pruner-Stereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

TVStereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

DeepStereo_RVC	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

RAFT-RH_RVC	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

IRAFT_RVC	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

RAFT-345	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

iRAFT	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

CRE-IMP	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

GMM-Stereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

RAFT-IKP	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

Prome-Stereo	1.20 388	1.20 301	1.20 393	1.20 366	1.20 421	1.20 398	1.20 412	1.20 391	1.20 417	1.20 399	1.20 414	1.20 402	1.20 406	1.20 402	1.20 414	1.20 386	1.20 394	1.20 409	1.20 413	1.20 386	1.20 417

MMNet	0.44 251	1.24 354	0.17 150	0.25 156	0.17 176	0.25 184	0.18 169	1.26 440	0.93 392	0.25 181	0.17 173	0.25 184	0.18 177	0.25 185	0.17 168	0.23 171	0.16 143	0.23 178	0.16 163	1.20 386	0.99 391

FAT-Stereo	2.46 505	26.05 560	1.23 442	1.23 413	1.22 469	1.20 398	1.24 460	1.23 439	1.23 464	1.19 398	1.22 460	1.21 447	1.24 454	1.20 402	1.24 461	1.21 431	1.17 392	1.22 455	1.25 463	1.20 386	1.24 466

CroCo-Stereo	0.73 319	1.22 352	0.25 180	1.22 411	0.25 210	1.22 444	0.25 202	1.22 437	0.25 201	1.22 445	0.25 210	1.22 448	0.25 204	1.22 448	0.25 204	1.22 432	0.26 186	1.21 454	0.25 209	1.22 433	0.25 192
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
S-Stereo	2.51 506	26.86 561	1.23 442	1.22 411	1.22 469	1.24 446	1.25 461	1.22 437	1.24 465	1.21 444	1.24 462	1.19 401	1.27 456	1.19 401	1.24 461	1.19 385	1.20 394	1.25 456	1.19 410	1.24 434	1.23 465

CroCo-Stereo Lap2	0.77 326	1.29 356	0.29 194	1.27 415	0.29 230	1.27 447	0.26 210	1.26 440	0.26 214	1.26 446	0.26 216	1.27 450	0.26 213	1.26 449	0.27 210	1.27 434	0.27 191	1.27 457	0.27 222	1.27 435	0.27 206

MM-Stereo_test2	1.20 388	1.85 384	1.05 377	1.46 426	0.94 398	1.36 452	0.99 393	1.36 445	0.95 394	1.41 451	0.98 397	1.40 456	0.96 382	1.37 452	0.95 390	1.37 442	1.06 372	1.33 459	0.93 393	1.29 436	0.89 382

test_xeample3	1.10 382	1.81 381	0.61 319	0.84 314	0.49 332	0.77 350	0.66 350	0.92 361	1.40 477	0.68 344	0.46 319	0.78 357	0.54 339	1.72 462	1.48 479	1.34 438	1.52 465	1.35 462	1.67 495	1.33 437	1.55 483

MaskLacGwcNet_RVC	1.35 440	1.35 361	1.35 448	1.35 421	1.35 471	1.35 450	1.35 468	1.36 445	1.35 473	1.36 449	1.35 471	1.36 452	1.36 464	1.36 451	1.35 472	1.35 439	1.35 454	1.35 462	1.35 467	1.35 438	1.35 475

PS-NSSS	1.38 443	1.39 363	1.34 446	1.34 420	1.35 471	1.38 454	1.37 475	1.35 444	1.38 476	1.34 447	1.34 470	1.39 454	1.38 467	1.70 461	1.40 476	1.36 441	1.36 455	1.36 464	1.37 470	1.37 439	1.36 476

MM-Stereo_test3	1.27 438	2.07 400	1.18 388	1.60 432	1.02 406	1.45 458	1.01 397	1.40 449	1.04 406	1.44 452	1.03 402	1.46 458	1.02 392	1.44 455	1.02 399	1.51 449	1.12 386	1.32 458	0.98 394	1.38 440	0.97 389

CC-Net-ROB	1.36 441	1.33 360	1.33 445	1.36 422	1.38 474	1.36 452	1.33 466	1.37 447	1.34 470	1.35 448	1.36 473	1.38 453	1.34 462	1.38 453	1.38 475	1.35 439	1.38 457	1.33 459	1.35 467	1.43 441	1.34 474

11t	1.27 438	2.70 443	1.34 446	1.32 419	0.89 390	1.30 449	1.34 467	1.64 455	0.57 341	1.45 453	0.72 376	1.05 388	1.29 458	1.07 390	1.29 468	1.49 446	1.02 370	0.97 388	1.15 406	1.48 442	1.31 470

IGEVStereo-DCA	1.77 452	4.21 488	1.84 491	2.49 466	2.11 514	2.54 501	1.36 470	1.65 456	1.17 414	2.75 508	1.90 503	2.54 494	1.15 399	0.94 373	1.11 403	1.50 447	1.32 442	0.96 386	1.46 479	1.49 443	0.88 380

rrr	1.77 452	4.21 488	1.84 491	2.49 466	2.11 514	2.54 501	1.36 470	1.65 456	1.17 414	2.75 508	1.90 503	2.54 494	1.15 399	0.94 373	1.11 403	1.50 447	1.32 442	0.96 386	1.46 479	1.49 443	0.88 380

CFNet-ft	0.55 289	1.57 369	0.14 126	0.20 133	0.14 155	0.20 160	2.53 518	1.61 452	0.14 155	0.20 156	0.14 159	0.20 157	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	1.56 445	1.24 466

DPSMNet_ROB	1.60 447	1.59 370	1.70 476	1.59 429	1.59 482	1.61 462	1.61 485	1.60 451	1.60 482	1.62 461	1.59 485	1.60 460	1.60 472	1.60 457	1.59 482	1.59 451	1.60 475	1.59 470	1.59 487	1.59 446	1.59 488

ours_stereo	1.20 388	1.21 347	0.90 362	1.64 437	1.11 411	1.35 450	0.67 354	1.76 459	0.93 392	1.70 463	1.10 405	1.39 454	0.75 369	1.41 454	0.81 380	1.60 453	1.03 371	1.33 459	1.00 396	1.61 447	0.72 363

4.25_new	2.00 463	2.33 421	1.82 487	3.32 489	1.69 489	1.95 473	1.99 508	2.72 498	1.71 488	2.72 502	1.97 509	2.01 474	1.74 483	1.77 464	1.28 466	2.18 475	2.01 494	2.48 507	1.58 485	1.65 448	1.17 412

4.5w_new	2.00 463	2.33 421	1.82 487	3.32 489	1.69 489	1.95 473	1.99 508	2.72 498	1.71 488	2.72 502	1.97 509	2.01 474	1.74 483	1.77 464	1.28 466	2.18 475	2.01 494	2.48 507	1.58 485	1.65 448	1.17 412

RASNet	1.49 444	1.65 372	1.45 464	1.38 424	1.43 477	1.47 459	1.36 470	1.38 448	1.36 474	1.39 450	1.60 486	1.45 457	1.45 470	1.51 456	2.21 515	1.53 450	1.36 455	1.36 464	1.36 469	1.66 450	1.36 476

2w_stereo	1.99 459	2.36 428	1.81 482	3.24 484	1.67 487	1.94 470	1.98 505	2.72 498	1.68 484	2.72 502	1.94 506	1.98 472	1.74 483	1.79 466	1.27 465	1.95 466	2.00 492	2.53 509	1.60 488	1.68 451	1.15 408

3.75w	1.99 459	2.31 419	1.83 490	3.16 482	1.65 486	1.93 469	1.98 505	2.72 498	1.68 484	2.73 507	1.97 509	2.00 473	1.72 480	1.81 467	1.25 464	2.27 483	2.01 494	2.38 501	1.42 476	1.71 452	1.24 466

RAFT_CTSACE	1.92 457	3.71 475	1.72 479	1.88 440	1.72 493	2.04 477	1.42 480	2.18 477	1.89 509	2.02 474	1.97 509	1.95 469	2.06 505	1.93 471	1.62 483	1.76 456	1.66 479	2.02 486	1.73 503	1.73 453	1.43 481

4.25w-stereo	1.98 458	2.72 447	1.46 465	3.47 496	1.43 477	2.07 479	1.98 505	2.53 495	1.52 481	2.71 501	1.98 515	1.81 465	1.62 474	1.96 472	1.36 473	1.88 463	2.00 492	2.53 509	1.61 489	1.74 454	1.15 408

4.5w-stereo	1.99 459	2.33 421	1.81 482	3.28 486	1.68 488	1.94 470	1.99 508	2.72 498	1.70 487	2.72 502	1.99 518	1.97 471	1.68 476	1.76 463	1.29 468	1.91 465	2.02 498	2.53 509	1.61 489	1.75 455	1.16 411

2.75w_new	1.99 459	2.34 425	1.81 482	3.14 480	1.62 484	1.94 470	1.99 508	2.72 498	1.71 488	2.72 502	1.99 518	1.90 467	1.73 481	1.82 468	1.29 468	2.37 490	2.01 494	2.31 496	1.42 476	1.77 456	1.22 463

cf-r	0.66 303	2.17 409	0.12 101	0.18 128	0.12 150	0.18 152	2.70 521	2.60 496	0.12 150	0.18 149	0.12 142	0.18 151	0.12 147	0.18 150	0.12 139	0.15 123	0.11 95	0.15 139	0.11 129	1.81 457	1.74 501

MFMNet_re	1.81 455	1.91 391	1.71 478	1.95 444	1.70 492	1.95 473	1.70 490	1.96 464	1.74 495	1.97 469	1.72 493	1.95 469	1.71 479	1.97 473	1.71 490	1.86 459	1.62 476	1.85 476	1.66 494	1.86 458	1.64 494

GANetREF_RVC	1.55 445	1.94 397	1.22 440	1.88 440	1.21 467	1.88 468	1.22 458	1.88 461	1.22 463	1.88 464	1.22 460	1.88 466	1.22 453	1.89 470	1.22 460	1.87 460	1.22 441	1.88 482	1.22 459	1.88 459	1.22 463
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	1.59 446	1.91 391	1.21 439	1.94 443	1.20 421	2.00 476	1.23 459	1.99 466	1.24 465	2.00 472	1.25 463	2.03 476	1.26 455	2.00 474	1.29 468	1.90 464	1.18 393	1.89 483	1.21 458	1.89 460	1.20 417
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 451	2.96 458	1.37 458	2.14 450	1.37 473	2.14 481	1.36 470	2.14 475	1.37 475	2.14 481	1.37 474	2.14 478	1.37 466	2.14 479	1.37 474	1.97 467	1.32 442	1.97 485	1.32 466	1.98 461	1.33 472

MM-Stereo_test1	1.80 454	3.41 468	1.52 470	2.12 449	1.41 476	2.04 477	1.41 478	2.05 470	1.46 480	2.04 476	1.41 478	2.05 477	1.42 469	2.05 475	1.43 478	2.04 471	1.54 468	1.94 484	1.38 472	1.99 462	1.33 472

TRStereo	2.00 463	2.13 405	1.85 493	2.27 456	1.84 497	2.28 485	1.84 494	2.29 480	1.86 503	2.30 486	1.87 498	2.30 480	1.87 489	2.08 476	1.72 492	2.08 472	1.72 482	2.08 488	1.72 500	2.08 463	1.72 498

XX-Stereo	2.00 463	2.13 405	1.85 493	2.27 456	1.84 497	2.28 485	1.84 494	2.29 480	1.86 503	2.30 486	1.87 498	2.30 480	1.87 489	2.08 476	1.72 492	2.08 472	1.72 482	2.08 488	1.72 500	2.08 463	1.72 498

EAI-Stereo	2.00 463	2.13 405	1.85 493	2.27 456	1.84 497	2.28 485	1.84 494	2.29 480	1.86 503	2.30 486	1.87 498	2.30 480	1.87 489	2.08 476	1.72 492	2.08 472	1.72 482	2.08 488	1.72 500	2.08 463	1.72 498

GANet-RSSM	0.75 321	1.91 391	0.14 126	0.47 242	0.14 155	0.21 168	3.21 538	2.30 484	0.14 155	0.46 274	0.14 159	0.23 175	0.18 177	0.21 168	0.14 149	0.18 148	0.27 191	0.37 245	0.13 154	2.13 466	2.12 511

AIO_rvc	2.18 483	2.34 425	1.87 497	2.32 460	1.94 506	2.40 490	1.89 502	2.37 486	2.07 518	2.52 497	1.95 508	2.44 490	1.99 501	2.41 489	1.89 508	2.32 488	2.09 500	2.24 492	2.18 515	2.21 467	2.23 514

asda	2.17 482	2.54 434	1.81 482	3.47 496	1.78 495	2.50 497	1.86 498	2.61 497	1.68 484	2.61 499	1.83 495	2.37 487	1.73 481	2.44 492	1.88 507	2.51 499	1.84 488	2.34 498	1.62 491	2.23 468	1.77 502

HUF	2.18 483	2.30 418	1.99 507	2.34 461	2.02 511	2.41 491	2.06 512	2.38 487	1.89 509	2.36 490	1.85 496	2.56 496	1.98 499	2.31 486	1.97 511	2.30 486	2.03 499	2.30 495	2.11 514	2.23 468	2.16 512

AIO_test	2.18 483	2.09 403	2.04 508	2.42 463	2.01 508	2.47 493	1.94 504	2.34 485	2.03 517	2.56 498	1.94 506	2.43 489	1.94 496	2.41 489	1.87 506	2.39 492	2.10 501	2.35 500	1.91 513	2.25 470	2.19 513

NCCL2	2.28 495	2.27 416	2.28 510	2.28 459	2.28 521	2.27 483	2.29 516	2.28 478	2.28 519	2.27 485	2.28 521	2.28 479	2.27 509	2.27 483	2.28 520	2.28 484	2.28 506	2.27 493	2.29 519	2.27 471	2.29 515

ccnet	0.80 332	2.28 417	0.33 215	0.50 259	0.33 258	0.50 309	0.33 246	0.50 296	0.33 252	0.49 294	0.33 254	0.49 298	1.56 471	2.38 487	0.33 248	0.41 256	0.29 206	0.42 291	1.57 482	2.28 472	0.29 224

STTStereo	3.73 521	30.40 567	2.37 514	2.39 462	2.31 523	2.35 488	2.33 517	2.29 480	2.42 520	2.32 489	2.34 522	2.33 483	2.36 510	2.30 485	2.27 519	2.35 489	2.22 505	2.31 496	2.22 516	2.29 473	2.34 519

qwe	2.18 483	2.60 437	1.58 471	3.83 508	1.90 505	2.53 499	1.90 503	2.48 491	1.73 493	2.37 491	1.92 505	2.53 492	1.68 476	2.56 495	1.83 500	2.52 501	1.87 490	2.07 487	1.68 497	2.32 474	1.71 497

FBW_ROB	2.12 481	2.46 433	1.77 481	2.49 466	1.79 496	2.38 489	1.83 493	2.46 490	1.78 497	2.48 495	1.97 509	2.40 488	1.78 486	2.42 491	1.83 500	2.31 487	1.85 489	2.38 501	1.82 505	2.35 475	1.84 503

asd	2.18 483	2.77 453	1.58 471	3.59 501	2.00 507	2.58 503	1.85 497	2.39 488	1.71 488	2.47 494	1.97 509	2.59 498	1.61 473	2.56 495	1.79 499	2.51 499	1.99 491	2.11 491	1.62 491	2.36 476	1.60 489

monsterstereo	2.20 489	2.33 421	1.95 502	3.65 503	2.07 513	2.49 495	1.61 485	2.48 491	1.83 501	2.45 493	1.61 488	2.67 502	1.86 488	2.64 499	1.94 509	2.48 498	1.66 479	2.34 498	1.68 497	2.40 477	1.86 505

monsters	2.18 483	2.41 431	1.96 503	3.47 496	2.03 512	2.53 499	1.64 487	2.48 491	1.73 493	2.40 492	1.50 481	2.62 499	1.94 496	2.59 497	1.94 509	2.44 494	1.57 470	2.28 494	1.87 507	2.42 478	1.86 505

UDGNet	2.23 493	5.40 508	1.72 479	2.48 465	1.69 489	2.51 498	1.69 489	2.51 494	1.72 492	2.50 496	1.69 492	2.52 491	1.69 478	2.50 493	1.68 488	2.41 493	1.70 481	2.42 503	1.69 499	2.42 478	1.64 494

1w_stereo	2.05 478	2.32 420	1.35 448	3.74 507	2.01 508	2.73 508	1.42 480	1.88 461	1.93 511	2.03 475	1.28 466	2.71 503	1.99 501	2.72 505	1.72 492	2.20 477	1.32 442	1.87 479	1.86 506	2.45 480	1.54 482

LG-G_1	2.22 490	2.71 445	1.89 498	2.77 471	1.87 503	2.75 510	1.87 500	2.76 506	1.87 507	2.75 508	1.87 498	2.76 510	1.87 489	2.75 509	1.86 503	2.47 496	1.58 471	2.45 504	1.57 482	2.45 480	1.57 485

LG-G	2.22 490	2.71 445	1.89 498	2.77 471	1.87 503	2.75 510	1.87 500	2.76 506	1.87 507	2.75 508	1.87 498	2.76 510	1.87 489	2.75 509	1.86 503	2.47 496	1.58 471	2.45 504	1.57 482	2.45 480	1.57 485

LGtest1	2.22 490	2.70 443	1.89 498	2.76 470	1.86 500	2.75 510	1.86 498	2.75 505	1.86 503	2.75 508	1.86 497	2.77 512	1.87 489	2.75 509	1.86 503	2.46 495	1.58 471	2.45 504	1.56 481	2.45 480	1.56 484

4.5_new	2.00 463	1.84 383	1.98 504	2.77 471	2.16 516	2.27 483	1.28 465	2.09 471	1.98 513	2.01 473	1.28 466	2.71 503	1.98 499	2.51 494	1.65 485	2.26 480	1.33 449	1.87 479	1.87 507	2.49 484	1.60 489

GES	0.66 303	2.34 425	0.29 194	0.41 222	0.29 230	0.41 255	0.29 225	0.42 264	0.29 227	0.40 234	0.41 300	0.41 255	0.30 239	0.51 314	0.29 226	0.32 202	0.29 206	0.32 209	2.46 521	2.49 484	0.30 234

3w_stereo	2.04 476	2.24 415	1.70 476	3.15 481	2.18 520	2.49 495	1.26 463	2.03 469	1.98 513	1.98 470	1.33 469	2.72 507	1.99 501	2.59 497	1.72 492	2.22 479	1.33 449	1.85 476	1.88 512	2.50 486	1.58 487

3.25w	2.04 476	2.20 411	1.48 466	3.03 478	2.17 518	2.63 504	1.39 476	1.96 464	1.95 512	1.96 467	1.37 474	2.71 503	1.96 498	2.71 503	1.73 497	2.26 480	1.32 442	1.87 479	1.87 507	2.51 487	1.63 493

2.25w	2.00 463	1.86 386	1.98 504	2.95 477	2.17 518	2.26 482	1.35 468	2.42 489	2.00 516	2.07 480	1.27 465	2.53 492	1.99 501	2.29 484	1.49 480	2.21 478	1.32 442	1.85 476	1.87 507	2.52 488	1.62 492

PSMNet-RSSM	0.77 326	2.76 451	0.14 126	0.20 133	0.14 155	0.20 160	2.66 519	2.79 509	0.14 155	0.21 166	0.14 159	0.21 165	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	2.52 488	2.31 516

GwcNet-RSSM	0.77 326	2.77 453	0.14 126	0.20 133	0.14 155	0.20 160	2.67 520	2.78 508	0.14 155	0.20 156	0.14 159	0.20 157	0.14 156	0.21 168	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	2.52 488	2.31 516

4w-stereo	2.02 471	2.72 447	1.44 463	3.36 492	1.59 482	2.48 494	1.72 491	2.28 478	1.24 465	2.24 484	1.65 490	2.56 496	1.32 461	2.39 488	1.98 512	2.67 504	1.51 464	1.66 472	1.24 461	2.53 491	1.88 510

2.5w	2.01 470	2.40 430	1.37 458	3.28 486	2.01 508	2.71 505	1.43 482	1.82 460	1.83 501	1.90 466	1.41 478	2.71 503	1.35 463	2.71 503	1.85 502	2.66 502	1.53 466	1.64 471	1.23 460	2.53 491	1.87 507

3.25w_new	2.03 473	2.72 447	1.35 448	3.33 491	1.57 480	2.72 506	1.53 484	2.15 476	1.33 469	2.15 482	1.60 486	2.63 500	1.30 459	2.72 505	1.99 513	2.67 504	1.53 466	1.75 474	1.25 463	2.53 491	1.87 507

3.5w_stereo	2.03 473	2.72 447	1.35 448	3.41 493	1.57 480	2.72 506	1.49 483	2.01 468	1.34 470	2.15 482	1.61 488	2.63 500	1.36 464	2.72 505	1.99 513	2.66 502	1.58 471	1.68 473	1.24 461	2.53 491	1.87 507

IGEV	2.02 471	2.20 411	1.82 487	2.90 476	2.16 516	2.41 491	1.25 461	2.00 467	1.98 513	1.99 471	1.31 468	2.72 507	1.93 495	2.67 502	1.69 489	2.26 480	1.32 442	1.83 475	1.87 507	2.53 491	1.61 491

hitnet-ft	0.79 330	2.78 455	0.14 126	0.20 133	0.14 155	0.21 168	2.89 522	2.80 510	0.14 155	0.20 156	0.14 159	0.20 157	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	2.54 496	2.33 518

PDISCO_ROB	0.83 345	2.80 456	3.49 532	0.14 97	0.11 134	0.17 148	0.09 111	0.15 138	0.10 116	0.15 131	0.12 142	0.16 137	0.14 156	3.30 516	0.13 145	0.14 114	2.34 507	0.16 142	0.12 146	2.62 497	0.10 113

sCroCo_RVC	2.10 479	2.76 451	1.92 501	2.78 474	1.39 475	2.73 508	1.41 478	2.73 504	1.40 477	2.77 513	1.41 478	2.74 509	1.40 468	2.74 508	1.40 476	2.72 506	1.42 459	2.72 512	1.44 478	2.79 498	1.42 480

NLCA_NET_v2_RVC	5.04 549	50.87 577	2.78 516	2.87 475	2.71 524	2.78 513	0.47 317	2.88 511	2.86 524	1.89 465	2.67 523	2.79 513	2.79 514	2.78 512	2.83 521	2.82 507	2.82 509	2.83 513	2.77 522	2.83 499	2.76 523
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
plain	1.88 456	3.16 463	0.64 323	3.10 479	0.65 363	3.10 515	0.64 347	3.12 513	0.65 353	3.10 514	0.65 360	3.11 514	0.65 349	3.12 513	0.65 349	3.12 509	0.65 332	3.13 514	0.65 359	3.13 500	0.65 351

UniTT-Stereo	2.03 473	3.43 469	0.72 341	3.42 494	0.73 378	3.27 518	0.68 355	3.38 517	0.69 360	3.29 517	0.72 376	3.28 517	0.70 360	3.35 518	0.68 357	3.39 511	0.68 334	3.31 516	0.69 368	3.37 501	0.73 366

DPSNet	3.66 520	3.60 471	3.62 535	3.63 502	3.64 544	3.65 521	3.65 543	3.66 520	3.67 540	3.67 519	3.65 541	3.67 520	3.66 531	3.66 519	3.68 538	3.68 514	3.66 527	3.67 520	3.68 543	3.67 502	3.67 542

RAStereo	2.23 493	3.64 472	0.76 348	3.65 503	0.86 388	3.66 522	0.76 371	3.67 521	0.81 383	3.66 518	0.76 381	3.66 519	0.77 371	3.68 520	0.77 374	3.68 514	0.77 350	3.69 521	0.77 377	3.70 503	0.77 372

SA	4.33 538	7.35 521	6.85 553	5.96 535	4.09 549	3.59 520	3.15 537	3.82 522	2.64 521	3.91 520	3.85 544	3.57 518	2.72 513	3.13 514	4.03 545	7.09 552	6.86 547	3.57 518	3.12 534	3.85 504	3.51 541

ssnet_v2	0.68 308	1.96 398	1.25 444	0.29 167	0.20 189	0.30 198	0.20 176	0.29 192	0.22 188	1.50 454	0.20 188	0.31 207	0.20 186	0.27 198	0.22 188	0.24 176	1.49 463	0.26 189	0.18 185	3.90 505	0.19 172

TestStereo1	4.60 540	8.41 528	6.44 550	6.86 540	3.79 546	3.97 524	3.78 545	3.99 524	3.74 542	3.97 521	3.52 539	3.94 523	3.58 528	3.98 523	3.72 540	6.82 549	6.50 545	3.76 522	3.66 541	3.90 505	3.74 545

SA-5K	4.60 540	8.41 528	6.44 550	6.86 540	3.79 546	3.97 524	3.78 545	3.99 524	3.74 542	3.97 521	3.52 539	3.94 523	3.58 528	3.98 523	3.72 540	6.82 549	6.50 545	3.76 522	3.66 541	3.90 505	3.74 545

test_4	4.88 546	8.13 526	6.98 554	7.46 543	4.44 551	4.25 527	3.85 547	4.04 526	3.92 546	4.13 523	3.91 545	4.18 526	3.84 536	4.14 525	4.06 546	7.01 551	7.13 548	4.53 526	3.72 544	4.09 508	3.72 543

test_3	5.01 548	8.86 533	7.77 556	8.09 545	2.76 525	4.13 526	4.05 549	3.88 523	3.76 544	4.33 525	4.13 548	3.71 521	3.91 537	4.21 526	4.06 546	7.93 553	7.69 550	4.53 526	3.91 546	4.17 509	4.29 551

RAFT+CT+SA	4.28 536	7.62 524	4.91 542	5.55 532	2.28 521	3.09 514	3.64 542	4.49 528	3.07 530	4.80 540	3.35 537	4.77 543	3.70 533	4.29 527	3.05 524	5.58 541	5.98 542	3.58 519	3.78 545	4.26 510	3.72 543

test_5	4.62 543	7.55 523	6.23 548	6.32 537	3.40 540	5.29 548	3.50 540	3.53 519	4.11 548	4.28 524	4.47 551	4.26 527	4.38 543	3.68 520	3.24 534	5.89 543	5.60 539	4.84 543	3.50 539	4.33 511	3.93 549

Sa-1000	4.34 539	8.37 527	6.84 552	6.98 542	4.45 552	3.58 519	3.00 523	3.42 518	3.39 538	2.61 499	4.00 547	3.83 522	4.01 540	3.90 522	3.90 543	5.98 545	5.62 540	3.76 522	2.34 520	4.35 512	2.47 522

cross-raft	4.83 545	7.52 522	6.43 549	6.63 538	3.96 548	4.51 529	3.99 548	4.49 528	3.96 547	4.52 527	3.96 546	4.50 528	3.97 539	4.50 529	3.97 544	6.65 547	6.44 544	4.33 525	3.92 547	4.35 512	3.91 548

sAnonymous2	3.31 518	2.63 438	1.38 460	3.71 505	1.86 500	4.70 541	1.11 402	4.82 543	2.72 522	5.45 548	1.98 515	4.59 533	2.64 511	2.65 500	6.21 554	4.37 516	1.08 377	5.16 547	2.24 517	4.52 514	2.39 520

CroCo_RVC	3.31 518	2.63 438	1.38 460	3.71 505	1.86 500	4.70 541	1.11 402	4.82 543	2.72 522	5.45 548	1.98 515	4.59 533	2.64 511	2.65 500	6.21 554	4.37 516	1.08 377	5.16 547	2.24 517	4.52 514	2.39 520

rvit_105_1	3.83 522	5.22 501	3.01 518	4.53 512	3.01 526	4.51 529	3.01 524	4.56 530	3.04 525	4.53 529	3.03 526	4.55 531	3.03 515	4.56 530	3.04 522	4.57 522	3.05 511	4.57 528	3.05 526	4.57 516	3.05 526

rvit_0105_6	3.87 526	5.73 515	3.10 528	4.69 522	3.12 536	4.54 531	3.02 525	4.56 530	3.04 525	4.54 531	3.03 526	4.54 529	3.04 518	4.56 530	3.05 524	4.58 525	3.05 511	4.58 530	3.05 526	4.58 517	3.05 526

rvit_stereo_0081	3.83 522	5.23 502	3.01 518	4.53 512	3.03 528	4.55 535	3.02 525	4.56 530	3.04 525	4.52 527	3.02 524	4.54 529	3.03 515	4.56 530	3.04 522	4.57 522	3.05 511	4.57 528	3.05 526	4.58 517	3.05 526

rvit_stereo_0082	3.86 524	5.82 516	3.01 518	4.53 512	3.03 528	4.54 531	3.02 525	4.56 530	3.04 525	4.53 529	3.02 524	4.55 531	3.04 518	4.57 533	3.05 524	4.57 522	3.05 511	4.58 530	3.05 526	4.58 517	3.06 529

rvit_stereo_0081_aga	3.86 524	5.33 505	3.02 521	4.55 518	3.04 532	4.54 531	3.02 525	4.64 537	3.06 529	4.54 531	3.04 528	4.62 538	3.08 522	4.62 536	3.07 527	4.58 525	3.06 515	4.60 532	3.08 530	4.63 520	3.07 530

rvit_stereo_0080	3.89 527	5.70 513	3.04 523	4.54 515	3.03 528	4.56 536	3.05 531	4.60 534	3.07 530	4.58 534	3.06 529	4.59 533	3.06 520	4.61 534	3.08 528	4.63 527	3.09 516	4.64 534	3.10 531	4.65 521	3.10 531

whm_eth	3.89 527	5.70 513	3.04 523	4.54 515	3.03 528	4.56 536	3.05 531	4.60 534	3.07 530	4.58 534	3.06 529	4.59 533	3.06 520	4.61 534	3.08 528	4.63 527	3.09 516	4.64 534	3.10 531	4.65 521	3.10 531

rvit_stereo_0083	3.92 531	5.30 504	3.06 526	4.61 521	3.09 535	4.67 540	3.08 534	4.66 538	3.09 534	4.62 537	3.10 534	4.66 541	3.11 524	4.67 538	3.16 533	4.72 532	3.16 521	4.77 541	3.11 533	4.66 523	3.11 533

rvit_stereo_ft	3.93 532	5.44 510	3.05 525	4.59 519	3.06 533	4.61 539	3.08 534	4.67 539	3.12 535	4.63 538	3.10 534	4.65 540	3.11 524	4.69 540	3.13 532	4.70 530	3.14 520	4.71 539	3.15 535	4.74 524	3.16 536

MLG-Stereo_test2	4.28 536	5.46 511	3.69 536	4.86 525	3.72 545	5.58 550	3.42 539	4.81 542	3.77 545	4.85 541	3.72 543	5.55 550	3.63 530	5.58 548	3.53 537	4.41 519	3.28 525	4.99 545	2.95 524	4.75 525	3.13 534

rvit_0105_3	3.91 529	5.33 505	3.06 526	4.60 520	3.07 534	4.60 538	3.06 533	4.62 536	3.08 533	4.60 536	3.07 532	4.62 538	3.08 522	4.67 538	3.10 531	4.70 530	3.11 518	4.77 541	3.19 537	4.77 526	3.14 535

rvit_0105_4	3.91 529	5.47 512	3.02 521	4.54 515	3.02 527	4.54 531	3.03 529	4.75 540	3.17 536	4.57 533	3.06 529	4.61 537	3.16 526	4.65 537	3.09 530	4.66 529	3.11 518	4.68 537	3.18 536	4.81 527	3.16 536

CFNet	1.37 442	5.27 503	0.19 159	5.49 531	0.19 187	0.28 195	0.19 173	0.28 188	0.19 180	0.28 191	0.19 184	0.28 195	4.35 542	0.28 200	0.19 180	0.23 171	0.17 159	0.23 178	4.21 550	4.81 527	0.17 166

MLG-Stereo_test3	4.26 535	4.85 495	3.95 538	5.35 530	3.60 542	4.75 544	3.76 544	5.49 549	3.71 541	5.39 546	3.69 542	4.82 544	3.66 531	4.85 541	3.73 542	4.93 533	3.19 524	4.69 538	2.99 525	4.84 529	2.98 525

MLG-Stereo_test1	4.25 534	5.34 507	3.61 534	5.31 529	3.63 543	5.23 547	3.57 541	5.38 548	3.65 539	5.23 545	3.47 538	4.76 542	3.74 534	4.85 541	3.71 539	4.96 534	3.18 523	4.71 539	2.92 523	4.86 530	2.90 524

raft_robust	4.71 544	7.75 525	5.40 547	6.81 539	3.31 538	4.28 528	4.20 550	4.32 527	4.37 551	4.35 526	4.35 550	4.14 525	3.75 535	4.30 528	4.20 548	6.67 548	6.37 543	3.36 517	4.24 551	4.86 530	3.25 538

Anonymous3	2.55 507	3.26 466	1.65 474	3.28 486	1.63 485	3.24 517	1.68 488	3.27 515	1.66 483	3.28 516	1.67 491	3.25 516	1.66 475	3.27 515	1.64 484	3.26 510	1.65 478	3.30 515	1.65 493	4.95 532	1.65 496

TestStereo	4.88 546	4.75 493	4.79 541	4.87 526	4.92 553	4.81 546	4.90 553	4.78 541	4.77 552	4.87 542	4.89 552	4.90 546	4.91 545	4.99 545	4.79 550	4.98 535	4.87 536	4.87 544	4.92 553	5.00 533	5.00 552

rvit_0105_5	4.10 533	5.40 508	3.13 531	4.71 523	3.15 537	4.72 543	3.10 536	4.90 545	3.27 537	4.69 539	3.16 536	4.84 545	3.25 527	4.96 544	3.34 535	5.05 537	3.39 526	5.10 546	3.40 538	5.11 534	3.42 539

FC-DCNN v2	5.10 550	5.15 499	4.49 540	5.07 528	3.37 539	6.87 553	4.75 552	5.04 546	6.34 556	7.84 556	5.06 553	6.72 556	4.09 541	4.99 545	5.44 553	5.03 536	3.16 521	4.67 536	4.86 552	5.15 535	3.89 547

DISCO	1.11 384	0.39 150	5.28 545	0.39 198	0.20 189	0.39 237	0.27 213	0.39 228	0.22 188	0.38 224	0.20 188	0.38 232	0.20 186	6.95 555	0.22 188	0.30 196	0.21 172	0.27 193	0.21 188	5.25 536	0.21 176

MaDis-Stereo	3.19 517	6.02 518	1.12 380	5.61 533	1.16 417	5.43 549	1.02 399	5.15 547	0.70 363	5.43 547	1.21 459	5.03 548	0.97 383	4.85 541	0.99 394	4.53 520	1.16 389	5.53 549	1.25 463	5.37 537	1.30 469

DispFullNet	4.61 542	4.84 494	3.12 529	5.00 527	3.57 541	4.75 544	3.03 529	7.75 556	4.17 549	4.91 543	3.09 533	6.20 552	3.95 538	6.71 552	3.51 536	5.30 540	3.67 528	5.86 553	3.63 540	5.61 538	3.46 540

StereoVision	3.15 516	5.00 497	0.89 359	4.83 524	1.00 401	3.93 523	1.27 464	6.37 550	1.34 470	5.67 550	1.26 464	5.84 551	1.27 456	5.03 547	1.24 461	5.10 539	1.09 379	4.61 533	0.57 349	5.62 539	1.12 403

SGM-Forest	5.21 552	5.92 517	4.08 539	6.18 536	4.16 550	6.31 552	4.34 551	6.50 551	4.33 550	6.14 552	4.21 549	6.61 555	4.55 544	6.67 551	4.48 549	5.94 544	3.94 530	5.85 552	4.03 549	5.79 540	4.17 550
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MIF-Stereo (partial)	2.58 508	3.31 467	0.66 327	3.18 483	0.66 366	3.18 516	0.66 350	3.21 514	0.67 356	3.19 515	0.66 362	3.19 515	0.66 352	3.31 517	0.68 357	5.09 538	1.79 486	8.23 557	1.67 495	6.18 541	1.38 478

RAFT	6.73 555	9.36 536	7.40 555	8.51 548	6.55 557	6.88 554	6.60 557	6.79 552	6.60 557	6.80 553	6.72 559	5.31 549	5.50 548	6.61 550	6.61 557	8.42 555	5.89 541	5.73 550	5.45 557	6.61 542	6.24 556

gwcnet-sp	0.82 341	1.72 375	1.48 466	0.39 198	0.15 166	0.31 203	0.21 182	0.20 157	0.25 201	1.61 458	0.23 198	0.28 195	0.26 213	0.20 157	0.15 159	0.24 176	1.33 449	0.32 209	0.16 163	6.75 543	0.23 181

scenet	0.82 341	1.72 375	1.48 466	0.39 198	0.15 166	0.31 203	0.21 182	0.20 157	0.25 201	1.61 458	0.23 198	0.28 195	0.26 213	0.20 157	0.15 159	0.24 176	1.33 449	0.32 209	0.16 163	6.75 543	0.23 181

ssnet	0.82 341	1.72 375	1.48 466	0.39 198	0.15 166	0.31 203	0.21 182	0.20 157	0.25 201	1.61 458	0.23 198	0.28 195	0.26 213	0.20 157	0.15 159	0.24 176	1.33 449	0.32 209	0.16 163	6.75 543	0.23 181

test-1	6.46 553	9.16 535	8.03 559	8.09 545	5.62 556	6.11 551	6.35 556	6.85 553	4.94 553	6.08 551	6.29 558	4.98 547	6.43 550	6.22 549	6.36 556	6.16 546	7.47 549	5.82 551	5.44 556	7.11 546	5.68 555

test-v	7.53 557	11.89 544	7.98 557	9.36 551	7.14 558	7.06 555	7.09 558	7.37 554	6.91 558	7.29 554	5.71 556	6.45 553	6.93 551	6.73 553	7.27 558	8.93 558	7.85 551	6.98 554	6.80 558	7.56 547	7.34 558

test-2	7.53 557	11.89 544	7.98 557	9.36 551	7.14 558	7.06 555	7.09 558	7.37 554	6.91 558	7.29 554	5.71 556	6.45 553	6.93 551	6.73 553	7.27 558	8.93 558	7.85 551	6.98 554	6.80 558	7.56 547	7.34 558

rvit_stereo_0075_2	6.64 554	8.80 532	5.25 544	7.89 544	5.27 555	7.90 557	5.27 554	7.92 557	5.28 554	7.91 557	5.29 555	7.93 557	5.27 546	7.92 557	5.28 551	7.93 553	5.28 538	7.93 556	5.29 555	7.93 549	5.28 554

CFNet_RVC	2.38 503	8.71 531	0.38 241	9.33 550	0.42 313	0.56 327	0.42 303	0.60 325	0.38 280	0.62 335	0.42 310	0.56 330	7.29 554	0.62 333	0.42 305	0.53 305	0.37 240	0.49 319	0.34 270	8.30 550	6.87 557

MSMDNet	2.65 509	10.14 542	0.33 215	9.74 553	0.32 247	0.87 361	0.33 246	2.95 512	0.68 357	0.49 294	0.34 262	0.49 298	5.70 549	0.49 300	0.33 248	0.42 270	9.57 554	0.41 280	0.31 253	8.36 551	0.65 351

U	5.15 551	8.49 530	1.81 482	8.49 547	1.77 494	8.49 558	1.77 492	8.51 558	1.77 496	8.49 558	1.77 494	8.50 558	1.78 486	8.58 558	1.77 498	8.54 556	1.78 485	8.55 558	1.78 504	8.55 552	1.84 503

SGM+DAISY	7.06 556	9.15 534	5.38 546	8.84 549	5.18 554	8.80 559	5.31 555	8.79 559	5.28 554	8.89 559	5.20 554	8.93 559	5.33 547	8.95 559	5.36 552	8.70 557	5.21 537	8.74 559	5.20 554	8.89 553	5.15 553

pcwnet_v2	2.66 510	9.89 540	0.33 215	9.89 554	0.32 247	0.50 309	0.32 237	0.49 288	0.33 252	0.49 294	0.34 262	0.49 298	8.76 556	0.48 294	0.33 248	0.41 256	9.58 555	0.40 267	0.29 235	9.01 554	0.63 349

ccs_rob	2.79 514	10.17 543	0.32 210	10.00 556	0.33 258	0.49 301	0.33 246	1.90 463	0.32 246	0.51 311	0.33 254	0.49 298	9.24 558	0.49 300	0.33 248	0.41 256	9.82 557	0.41 280	0.28 226	9.34 555	0.29 224

PCWNet_CMD	2.80 515	9.82 539	0.32 210	10.09 557	0.32 247	0.49 301	0.33 246	3.34 516	0.33 252	0.49 294	0.33 254	0.49 298	8.73 555	0.48 294	0.33 248	0.41 256	9.22 553	0.42 291	0.29 235	9.55 556	0.31 241

UCFNet_RVC	2.75 513	10.06 541	0.29 194	10.31 558	0.29 230	0.42 273	0.29 225	0.43 268	0.29 227	0.42 259	0.29 230	0.42 271	9.87 559	0.43 272	0.29 226	0.36 223	9.84 558	0.36 242	0.26 215	9.77 557	0.26 198

CFNet_pseudo	2.67 511	9.36 536	0.32 210	10.99 559	0.33 258	0.85 359	0.33 246	0.49 288	0.33 252	0.49 294	0.32 248	0.49 298	7.26 553	0.49 300	0.33 248	0.41 256	9.62 556	0.41 280	0.29 235	10.03 558	0.29 224

CFNet_ucs	2.73 512	9.64 538	0.33 215	9.92 555	0.32 247	0.49 301	0.33 246	0.49 288	0.33 252	0.49 294	0.33 254	0.49 298	8.98 557	0.48 294	0.33 248	0.41 256	9.96 559	0.40 267	0.29 235	10.12 559	0.54 333

rafts_anoy	20.00 561	20.00 546	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561

raft+_RVC	20.00 561	20.00 546	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561

raftrobust	20.00 561	20.00 546	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561

CasAABBNet	20.00 561	20.00 546	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561

RALCasStereoNet	20.00 561	20.00 546	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561

RALAANet	20.00 561	20.00 546	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 561

MANE	19.05 560	23.00 552	15.00 560	23.00 566	15.00 560	24.00 566	16.00 560	24.00 566	16.00 560	22.00 566	15.00 560	23.00 566	16.00 560	23.00 566	15.00 560	22.00 566	15.00 560	22.00 566	15.00 560	22.00 566	15.00 560

111	30.40 567	30.94 568	29.72 568	32.61 567	30.02 568	33.57 567	30.47 568	31.50 567	29.39 568	30.98 567	29.11 568	29.78 567	30.39 571	29.45 567	30.76 571	30.08 567	29.02 568	29.92 567	30.32 571	29.86 567	30.17 568

tt	500032.53 585	34.60 570	29.72 568	37.47 576	34.41 573	36.85 573	35.22 573	34.71 571	33.55 570	34.50 568	35.43 572	33.81 571	10000000.00 588	33.57 571	33.13 572	33.68 571	35.00 573	34.03 572	35.26 574	30.96 568	34.63 573

DCANet	500032.53 585	34.60 570	29.72 568	37.47 576	34.41 573	36.85 573	35.22 573	34.71 571	33.55 570	34.50 568	35.43 572	33.81 571	10000000.00 588	33.57 571	33.13 572	33.68 571	35.00 573	34.03 572	35.26 574	30.96 568	34.63 573

ADStereo(finetuned)	36.13 570	36.63 573	38.07 578	36.97 572	33.25 572	35.91 572	34.45 572	36.36 574	32.99 569	38.14 578	36.71 575	36.69 574	34.13 572	38.57 578	40.79 578	37.60 578	36.58 575	35.90 575	33.36 572	35.42 570	34.04 572

DCANet-4	35.22 569	34.54 569	35.08 574	33.58 571	35.47 575	34.55 568	35.53 575	36.08 573	35.85 572	35.92 573	35.77 574	35.18 573	35.48 573	35.39 573	37.15 577	34.55 573	33.92 572	35.02 574	34.90 573	35.79 571	34.74 575

Reg-Stereo(zero)	37.00 571	37.00 574	37.00 575	37.00 573	37.00 576	37.00 575	37.00 576	37.00 575	37.00 573	37.00 574	37.00 576	37.00 575	37.00 574	37.00 574	37.00 574	37.00 575	37.00 576	37.00 576	37.00 576	37.00 572	37.00 576

HI	37.00 571	37.00 574	37.00 575	37.00 573	37.00 576	37.00 575	37.00 576	37.00 575	37.00 573	37.00 574	37.00 576	37.00 575	37.00 574	37.00 574	37.00 574	37.00 575	37.00 576	37.00 576	37.00 576	37.00 572	37.00 576

CoSv	37.00 571	37.00 574	37.00 575	37.00 573	37.00 576	37.00 575	37.00 576	37.00 575	37.00 573	37.00 574	37.00 576	37.00 575	37.00 574	37.00 574	37.00 574	37.00 575	37.00 576	37.00 576	37.00 576	37.00 572	37.00 576

WCMA_ROB	31.10 568	35.43 572	27.12 567	39.51 578	23.10 567	38.78 578	25.30 567	37.49 578	25.39 567	37.29 577	27.02 567	38.52 578	26.48 567	37.80 577	26.44 567	36.28 574	22.65 567	33.90 571	22.30 567	37.10 575	24.18 567

NOSS_ROB	102.95 575	153.00 582	121.00 582	51.00 579	44.00 579	165.00 582	127.00 581	153.00 581	119.00 578	164.00 582	125.00 581	168.00 582	120.00 579	153.00 581	117.00 581	49.00 579	44.00 579	49.00 579	44.00 579	49.00 576	44.00 579

CBMV	128.50 576	1422.70 589	53.10 580	79.50 580	51.30 580	77.30 580	49.70 579	74.00 579	48.20 577	77.20 580	48.80 580	73.90 580	48.00 578	73.80 580	48.80 580	70.40 580	45.10 580	68.90 580	46.10 580	68.20 577	45.00 580
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 574	87.70 578	41.95 579	113.75 581	65.62 581	75.05 579	55.25 580	75.64 580	45.04 576	71.61 579	41.75 579	72.81 579	44.06 577	68.38 579	44.63 579	101.89 581	59.57 581	107.10 581	61.05 581	104.38 578	59.38 581

MeshStereo	159.24 577	171.00 583	160.68 585	162.58 582	160.59 582	164.01 581	160.35 582	158.51 582	158.56 579	158.34 581	160.12 582	158.56 581	159.92 580	157.26 582	158.94 582	154.38 582	158.36 582	155.75 582	159.13 583	153.67 579	154.07 582
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
AE-Stereo	201.80 578	123.00 579	115.00 581	219.00 583	218.00 584	223.00 583	244.00 584	217.00 583	236.00 581	202.00 583	203.00 583	205.00 583	208.00 581	225.00 583	204.00 583	210.00 583	198.00 583	197.00 583	184.00 584	204.00 580	201.00 583

MGS-Stereo	239.45 579	123.00 579	135.00 583	266.00 584	286.00 585	277.00 584	305.00 585	271.00 584	242.00 582	274.00 584	279.00 585	255.00 584	270.00 583	268.00 584	297.00 585	221.00 584	247.00 585	216.00 584	123.00 582	217.00 581	217.00 585

EGLCR-Stereo	246.90 580	129.00 581	139.00 584	266.00 584	286.00 585	277.00 584	305.00 585	271.00 584	242.00 582	274.00 584	279.00 585	255.00 584	270.00 583	268.00 584	297.00 585	230.00 585	247.00 585	216.00 584	223.00 586	237.00 582	227.00 586

DLCB_ROB	284.23 581	354.61 585	207.27 586	363.24 586	206.46 583	364.72 586	210.41 583	364.72 586	210.41 580	364.81 586	208.64 584	364.81 586	208.64 582	364.72 586	210.41 584	354.70 586	205.53 584	354.70 586	205.53 585	354.70 583	205.53 584

LE_ROB	396.57 582	471.28 586	329.84 587	471.48 587	308.15 587	526.83 587	322.10 587	488.15 587	323.76 584	495.46 587	317.97 587	497.17 587	320.10 585	481.62 587	326.76 587	462.71 587	298.97 587	466.16 587	285.98 587	447.62 584	289.21 587

SGM-ForestM	596.69 583	677.77 587	444.52 588	699.85 588	517.25 588	732.94 588	488.29 588	770.79 588	460.11 585	750.81 588	487.98 588	792.79 588	499.41 586	730.90 588	475.81 588	720.03 588	491.16 588	663.96 588	418.60 588	674.76 585	436.05 588

CBMV_ROB	818.48 584	913.88 588	709.52 589	862.84 589	597.78 589	1073.99 589	700.52 589	1015.66 589	702.59 586	1115.65 589	760.02 589	1130.24 589	721.57 587	1037.41 589	692.65 589	814.05 589	564.29 589	843.28 589	595.31 589	915.51 586	602.92 589

111111	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 588	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590

SGD-Stereo	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 588	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590

IGEV-Stereo++	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 588	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590

IGEV-BASED-STEREO-	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 588	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590

IGEV-Stereo+	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 588	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590

SDNR	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 588	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590

anonymousdsp2	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 588	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590

anonymousdsp	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 588	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590

fff	1000028.16 587	29.62 564	29.72 568	32.61 567	30.02 568	35.13 569	31.83 569	32.07 568	10000000.00 587	35.27 570	29.82 569	32.45 568	30.15 568	32.35 568	30.09 568	31.04 568	29.55 569	30.64 568	30.14 568	10000000.00 587	30.77 569

csc	1000028.16 587	29.62 564	29.72 568	32.61 567	30.02 568	35.13 569	31.83 569	32.07 568	10000000.00 587	35.27 570	29.82 569	32.45 568	30.15 568	32.35 568	30.09 568	31.04 568	29.55 569	30.64 568	30.14 568	10000000.00 587	30.77 569

cscssc	1000028.16 587	29.62 564	29.72 568	32.61 567	30.02 568	35.13 569	31.83 569	32.07 568	10000000.00 587	35.27 570	29.82 569	32.45 568	30.15 568	32.35 568	30.09 568	31.04 568	29.55 569	30.64 568	30.14 568	10000000.00 587	30.77 569

test_example2	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 588	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590

DIP-Stereo	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 588	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 590
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