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

LG-Stereo	0.08 14	0.08 198	0.10 66	0.18 248	0.07 35	0.10 90	0.17 271	0.11 14	0.08 2	0.06 4	0.08 42	0.06 8	0.07 71	0.09 19	0.09 35	0.04 1	0.05 120	0.07 155	0.07 227	0.04 2	0.04 10

MonSter	0.07 2	0.06 35	0.06 1	0.15 56	0.05 1	0.08 32	0.10 11	0.15 68	0.15 118	0.05 1	0.06 4	0.05 1	0.06 27	0.07 2	0.09 35	0.04 1	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

RSM	0.08 14	0.06 35	0.09 42	0.17 171	0.07 35	0.08 32	0.12 40	0.12 27	0.10 16	0.08 33	0.07 21	0.06 8	0.05 7	0.11 73	0.09 35	0.04 1	0.04 3	0.05 3	0.04 15	0.04 2	0.04 10

test_4	0.11 136	0.10 321	0.08 12	0.19 306	0.09 185	0.08 32	0.21 391	0.15 68	0.18 177	0.12 147	0.18 217	0.12 154	0.09 128	0.08 11	0.11 133	0.04 1	0.04 3	0.08 230	0.08 293	0.04 2	0.04 10

MM-Stereo_test2	0.09 41	0.07 96	0.09 42	0.19 306	0.08 87	0.12 163	0.18 316	0.15 68	0.14 101	0.07 14	0.10 79	0.07 39	0.06 27	0.12 144	0.09 35	0.05 5	0.04 3	0.06 64	0.05 72	0.06 143	0.04 10

HART	0.08 14	0.07 96	0.09 42	0.18 248	0.07 35	0.10 90	0.16 245	0.13 41	0.11 34	0.09 55	0.10 79	0.08 59	0.05 7	0.10 34	0.08 14	0.05 5	0.04 3	0.06 64	0.04 15	0.05 62	0.04 10

GREAT-IGEV	0.07 2	0.06 35	0.09 42	0.13 8	0.07 35	0.07 20	0.14 118	0.10 6	0.09 8	0.06 4	0.08 42	0.06 8	0.05 7	0.10 34	0.07 1	0.05 5	0.04 3	0.05 3	0.04 15	0.05 62	0.04 10

HI	0.11 136	0.06 35	0.12 137	0.13 8	0.09 185	0.09 54	0.14 118	0.22 225	0.11 34	0.20 329	0.17 194	0.14 196	0.10 150	0.16 260	0.09 35	0.05 5	0.04 3	0.07 155	0.08 293	0.07 210	0.06 152

CoSv	0.11 136	0.06 35	0.12 137	0.13 8	0.09 185	0.09 54	0.14 118	0.22 225	0.11 34	0.20 329	0.17 194	0.14 196	0.10 150	0.16 260	0.09 35	0.05 5	0.04 3	0.07 155	0.08 293	0.07 210	0.06 152

SCV_C0	0.08 14	0.07 96	0.08 12	0.16 105	0.10 290	0.08 32	0.14 118	0.11 14	0.13 82	0.08 33	0.07 21	0.06 8	0.05 7	0.11 73	0.07 1	0.05 5	0.05 120	0.05 3	0.04 15	0.06 143	0.05 80

SCV	0.08 14	0.09 259	0.08 12	0.15 56	0.08 87	0.10 90	0.12 40	0.11 14	0.12 55	0.07 14	0.07 21	0.06 8	0.04 1	0.10 34	0.08 14	0.05 5	0.05 120	0.06 64	0.04 15	0.06 143	0.04 10

AIO_rvc	0.07 2	0.06 35	0.08 12	0.15 56	0.06 8	0.08 32	0.14 118	0.09 5	0.08 2	0.07 14	0.08 42	0.07 39	0.04 1	0.10 34	0.08 14	0.05 5	0.04 3	0.05 3	0.04 15	0.04 2	0.03 1

AIO_test	0.07 2	0.06 35	0.07 2	0.15 56	0.07 35	0.07 20	0.14 118	0.10 6	0.10 16	0.07 14	0.07 21	0.06 8	0.05 7	0.08 11	0.10 89	0.05 5	0.04 3	0.05 3	0.04 15	0.04 2	0.03 1

castereo	0.09 41	0.06 35	0.11 103	0.15 56	0.06 8	0.11 126	0.14 118	0.14 54	0.18 177	0.08 33	0.10 79	0.11 133	0.08 103	0.09 19	0.10 89	0.05 5	0.04 3	0.05 3	0.04 15	0.04 2	0.04 10

GIP-stereo	0.08 14	0.06 35	0.11 103	0.15 56	0.07 35	0.09 54	0.13 72	0.15 68	0.11 34	0.07 14	0.08 42	0.05 1	0.04 1	0.10 34	0.07 1	0.05 5	0.04 3	0.05 3	0.04 15	0.05 62	0.04 10

fffft	0.09 41	0.06 35	0.12 137	0.16 105	0.07 35	0.09 54	0.16 245	0.12 27	0.11 34	0.09 55	0.07 21	0.09 86	0.06 27	0.11 73	0.12 187	0.05 5	0.04 3	0.06 64	0.05 72	0.04 2	0.05 80
1: 1. 1
DEFOM-Stereo	0.07 2	0.05 7	0.07 2	0.14 21	0.06 8	0.09 54	0.13 72	0.07 2	0.13 82	0.06 4	0.07 21	0.06 8	0.05 7	0.10 34	0.09 35	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.04 10

SMoEStereo_RVC	0.08 14	0.06 35	0.12 137	0.16 105	0.07 35	0.09 54	0.13 72	0.11 14	0.14 101	0.09 55	0.07 21	0.07 39	0.07 71	0.12 144	0.10 89	0.05 5	0.04 3	0.06 64	0.05 72	0.04 2	0.04 10

mms	0.09 41	0.07 96	0.08 12	0.17 171	0.08 87	0.11 126	0.15 187	0.12 27	0.11 34	0.09 55	0.09 57	0.08 59	0.06 27	0.11 73	0.12 187	0.05 5	0.04 3	0.07 155	0.05 72	0.04 2	0.04 10

ours_stereo	0.09 41	0.07 96	0.09 42	0.17 171	0.08 87	0.11 126	0.16 245	0.11 14	0.12 55	0.08 33	0.10 79	0.08 59	0.06 27	0.12 144	0.12 187	0.05 5	0.04 3	0.06 64	0.05 72	0.04 2	0.04 10

fffy	0.09 41	0.08 198	0.10 66	0.16 105	0.07 35	0.13 191	0.17 271	0.13 41	0.12 55	0.08 33	0.09 57	0.08 59	0.09 128	0.13 191	0.11 133	0.05 5	0.05 120	0.07 155	0.05 72	0.04 2	0.05 80

tg	0.10 97	0.06 35	0.10 66	0.18 248	0.08 87	0.11 126	0.16 245	0.20 186	0.12 55	0.08 33	0.11 107	0.11 133	0.07 71	0.11 73	0.10 89	0.05 5	0.04 3	0.08 230	0.08 293	0.04 2	0.04 10

WCG-NET	0.08 14	0.05 7	0.10 66	0.15 56	0.06 8	0.11 126	0.14 118	0.13 41	0.14 101	0.07 14	0.09 57	0.07 39	0.06 27	0.13 191	0.08 14	0.05 5	0.04 3	0.06 64	0.04 15	0.04 2	0.03 1

IGEV-Stereo++	0.07 2	0.06 35	0.08 12	0.18 248	0.06 8	0.05 3	0.10 11	0.11 14	0.11 34	0.06 4	0.07 21	0.07 39	0.06 27	0.09 19	0.09 35	0.05 5	0.04 3	0.05 3	0.04 15	0.05 62	0.04 10

AIO-Stereo	0.08 14	0.06 35	0.10 66	0.18 248	0.06 8	0.09 54	0.11 21	0.16 92	0.09 8	0.09 55	0.08 42	0.07 39	0.05 7	0.11 73	0.08 14	0.05 5	0.05 120	0.05 3	0.04 15	0.04 2	0.04 10

WCG-NET（raft）	0.08 14	0.05 7	0.10 66	0.15 56	0.06 8	0.11 126	0.13 72	0.15 68	0.12 55	0.08 33	0.07 21	0.06 8	0.06 27	0.13 191	0.08 14	0.05 5	0.04 3	0.05 3	0.04 15	0.05 62	0.04 10

RSM++	0.08 14	0.06 35	0.09 42	0.17 171	0.07 35	0.09 54	0.12 40	0.11 14	0.11 34	0.08 33	0.06 4	0.07 39	0.05 7	0.10 34	0.09 35	0.05 5	0.04 3	0.06 64	0.05 72	0.05 62	0.03 1

MGS-Stereo	0.09 41	0.07 96	0.12 137	0.16 105	0.08 87	0.09 54	0.15 187	0.12 27	0.12 55	0.07 14	0.10 79	0.08 59	0.06 27	0.11 73	0.09 35	0.05 5	0.04 3	0.06 64	0.05 72	0.06 143	0.05 80

MoCha-V2	0.08 14	0.05 7	0.11 103	0.20 354	0.07 35	0.10 90	0.14 118	0.12 27	0.08 2	0.07 14	0.08 42	0.07 39	0.06 27	0.09 19	0.08 14	0.05 5	0.05 120	0.05 3	0.04 15	0.04 2	0.04 10

IGEV++	0.08 14	0.06 35	0.09 42	0.18 248	0.07 35	0.10 90	0.13 72	0.10 6	0.10 16	0.08 33	0.08 42	0.06 8	0.05 7	0.13 191	0.09 35	0.05 5	0.04 3	0.05 3	0.04 15	0.05 62	0.04 10

AE-Stereo	0.10 97	0.08 198	0.11 103	0.19 306	0.09 185	0.10 90	0.15 187	0.14 54	0.20 217	0.09 55	0.15 159	0.12 154	0.08 103	0.11 73	0.10 89	0.05 5	0.06 258	0.07 155	0.06 138	0.05 62	0.04 10

ff7	0.09 41	0.07 96	0.11 103	0.16 105	0.09 185	0.11 126	0.15 187	0.16 92	0.12 55	0.10 84	0.06 4	0.06 8	0.06 27	0.11 73	0.09 35	0.05 5	0.04 3	0.06 64	0.05 72	0.05 62	0.06 152

ffff	0.09 41	0.07 96	0.11 103	0.16 105	0.09 185	0.11 126	0.15 187	0.16 92	0.12 55	0.10 84	0.06 4	0.06 8	0.06 27	0.11 73	0.09 35	0.05 5	0.04 3	0.06 64	0.05 72	0.05 62	0.06 152

11t	0.09 41	0.07 96	0.11 103	0.16 105	0.09 185	0.11 126	0.15 187	0.16 92	0.12 55	0.10 84	0.06 4	0.06 8	0.06 27	0.11 73	0.09 35	0.05 5	0.04 3	0.06 64	0.05 72	0.05 62	0.06 152

MIM_Stereo	0.10 97	0.07 96	0.11 103	0.15 56	0.07 35	0.07 20	0.12 40	0.20 186	0.14 101	0.13 175	0.14 147	0.09 86	0.05 7	0.12 144	0.08 14	0.05 5	0.06 258	0.07 155	0.06 138	0.06 143	0.05 80

testlalala	0.08 14	0.07 96	0.17 311	0.16 105	0.08 87	0.09 54	0.12 40	0.15 68	0.10 16	0.07 14	0.09 57	0.06 8	0.06 27	0.11 73	0.09 35	0.05 5	0.04 3	0.06 64	0.04 15	0.04 2	0.04 10

LL-Strereo2	0.11 136	0.10 321	0.16 288	0.18 248	0.08 87	0.15 255	0.09 6	0.17 124	0.14 101	0.14 198	0.11 107	0.09 86	0.07 71	0.16 260	0.10 89	0.05 5	0.05 120	0.11 387	0.07 227	0.06 143	0.05 80

4D-IteraStereo	0.10 97	0.07 96	0.10 66	0.18 248	0.07 35	0.09 54	0.15 187	0.18 149	0.15 118	0.10 84	0.11 107	0.10 113	0.07 71	0.12 144	0.09 35	0.05 5	0.03 1	0.08 230	0.07 227	0.06 143	0.05 80

LoS_RVC	0.08 14	0.05 7	0.07 2	0.15 56	0.07 35	0.08 32	0.15 187	0.12 27	0.11 34	0.08 33	0.09 57	0.06 8	0.09 128	0.10 34	0.09 35	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.04 10

anonymousdsp2	0.11 136	0.07 96	0.11 103	0.16 105	0.09 185	0.13 191	0.14 118	0.19 173	0.23 263	0.13 175	0.14 147	0.12 154	0.09 128	0.14 215	0.11 133	0.05 5	0.05 120	0.05 3	0.04 15	0.06 143	0.06 152

anonymousdsp	0.09 41	0.07 96	0.11 103	0.17 171	0.09 185	0.11 126	0.15 187	0.16 92	0.12 55	0.10 84	0.06 4	0.06 8	0.06 27	0.11 73	0.09 35	0.05 5	0.04 3	0.06 64	0.05 72	0.05 62	0.06 152

Selective-IGEV	0.07 2	0.06 35	0.09 42	0.17 171	0.06 8	0.08 32	0.12 40	0.13 41	0.08 2	0.08 33	0.07 21	0.06 8	0.04 1	0.10 34	0.09 35	0.05 5	0.04 3	0.05 3	0.04 15	0.04 2	0.03 1

Selective-RAFT	0.11 136	0.11 345	0.12 137	0.21 384	0.08 87	0.16 283	0.13 72	0.21 202	0.23 263	0.10 84	0.10 79	0.11 133	0.10 150	0.15 233	0.11 133	0.05 5	0.05 120	0.06 64	0.05 72	0.06 143	0.05 80

ProNet	0.09 41	0.07 96	0.11 103	0.17 171	0.08 87	0.11 126	0.15 187	0.15 68	0.12 55	0.10 84	0.06 4	0.07 39	0.06 27	0.11 73	0.09 35	0.05 5	0.05 120	0.06 64	0.05 72	0.04 2	0.06 152

ccc-4	0.09 41	0.07 96	0.11 103	0.16 105	0.09 185	0.11 126	0.15 187	0.16 92	0.12 55	0.10 84	0.06 4	0.06 8	0.06 27	0.11 73	0.09 35	0.05 5	0.04 3	0.06 64	0.05 72	0.05 62	0.06 152

raft_robust	0.13 232	0.10 321	0.07 2	0.18 248	0.08 87	0.13 191	0.24 422	0.29 354	0.34 380	0.20 329	0.20 240	0.15 221	0.10 150	0.11 73	0.12 187	0.05 5	0.05 120	0.07 155	0.07 227	0.05 62	0.04 10

RAFT_CTSACE	0.12 205	0.09 259	0.10 66	0.22 404	0.08 87	0.12 163	0.24 422	0.18 149	0.17 163	0.21 343	0.27 344	0.13 177	0.07 71	0.13 191	0.09 35	0.05 5	0.06 258	0.08 230	0.07 227	0.04 2	0.04 10

RAFT+CT+SA	0.13 232	0.11 345	0.09 42	0.19 306	0.09 185	0.15 255	0.28 455	0.22 225	0.22 253	0.15 222	0.26 327	0.10 113	0.10 150	0.11 73	0.12 187	0.05 5	0.04 3	0.07 155	0.08 293	0.07 210	0.06 152

SA	0.13 232	0.09 259	0.09 42	0.18 248	0.08 87	0.12 163	0.24 422	0.23 243	0.19 198	0.17 261	0.27 344	0.15 221	0.11 178	0.11 73	0.11 133	0.05 5	0.05 120	0.09 312	0.08 293	0.05 62	0.05 80

IGEV-Stereo	0.09 41	0.07 96	0.11 103	0.17 171	0.09 185	0.11 126	0.15 187	0.16 92	0.12 55	0.10 84	0.06 4	0.06 8	0.06 27	0.11 73	0.09 35	0.05 5	0.04 3	0.06 64	0.05 72	0.05 62	0.06 152
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.12 205	0.09 259	0.12 137	0.20 354	0.08 87	0.09 54	0.12 40	0.22 225	0.22 253	0.19 308	0.14 147	0.11 133	0.09 128	0.20 358	0.16 309	0.05 5	0.05 120	0.07 155	0.06 138	0.05 62	0.06 152

GMOStereo	0.11 136	0.09 259	0.08 12	0.19 306	0.08 87	0.12 163	0.28 455	0.13 41	0.18 177	0.11 117	0.17 194	0.14 196	0.12 207	0.07 2	0.07 1	0.05 5	0.05 120	0.09 312	0.07 227	0.04 2	0.04 10

error version	0.11 136	0.09 259	0.08 12	0.19 306	0.08 87	0.12 163	0.28 455	0.13 41	0.18 177	0.11 117	0.17 194	0.14 196	0.12 207	0.07 2	0.07 1	0.05 5	0.05 120	0.09 312	0.07 227	0.04 2	0.04 10

test-v	0.11 136	0.09 259	0.08 12	0.19 306	0.08 87	0.12 163	0.28 455	0.13 41	0.18 177	0.11 117	0.17 194	0.14 196	0.12 207	0.07 2	0.07 1	0.05 5	0.05 120	0.09 312	0.07 227	0.04 2	0.04 10

test-3	0.09 41	0.06 35	0.10 66	0.18 248	0.07 35	0.07 20	0.14 118	0.12 27	0.16 140	0.10 84	0.08 42	0.08 59	0.08 103	0.11 73	0.10 89	0.05 5	0.04 3	0.07 155	0.05 72	0.04 2	0.04 10

test_1	0.09 41	0.06 35	0.10 66	0.18 248	0.07 35	0.07 20	0.14 118	0.12 27	0.16 140	0.10 84	0.08 42	0.08 59	0.08 103	0.11 73	0.10 89	0.05 5	0.04 3	0.07 155	0.05 72	0.04 2	0.04 10

test_3	0.11 136	0.09 259	0.10 66	0.21 384	0.08 87	0.13 191	0.25 438	0.14 54	0.21 231	0.10 84	0.10 79	0.09 86	0.10 150	0.08 11	0.11 133	0.05 5	0.04 3	0.08 230	0.07 227	0.04 2	0.04 10

LCNet	0.11 136	0.07 96	0.09 42	0.19 306	0.09 185	0.08 32	0.14 118	0.21 202	0.15 118	0.12 147	0.15 159	0.16 240	0.11 178	0.12 144	0.11 133	0.05 5	0.04 3	0.08 230	0.07 227	0.06 143	0.14 430

STrans-v2	0.10 97	0.07 96	0.13 170	0.18 248	0.08 87	0.10 90	0.14 118	0.22 225	0.11 34	0.11 117	0.15 159	0.12 154	0.10 150	0.11 73	0.12 187	0.05 5	0.04 3	0.06 64	0.06 138	0.05 62	0.05 80

TransformOpticalFlow	0.10 97	0.08 198	0.13 170	0.18 248	0.07 35	0.09 54	0.15 187	0.19 173	0.16 140	0.12 147	0.16 175	0.11 133	0.11 178	0.11 73	0.11 133	0.05 5	0.04 3	0.06 64	0.06 138	0.05 62	0.05 80

PSM-AAD	0.11 136	0.07 96	0.10 66	0.20 354	0.09 185	0.10 90	0.14 118	0.21 202	0.13 82	0.12 147	0.14 147	0.18 271	0.11 178	0.11 73	0.10 89	0.05 5	0.05 120	0.09 312	0.08 293	0.06 143	0.14 430

FTStereo	0.12 205	0.07 96	0.14 211	0.18 248	0.09 185	0.07 20	0.15 187	0.22 225	0.18 177	0.12 147	0.24 287	0.11 133	0.13 238	0.13 191	0.14 256	0.05 5	0.05 120	0.07 155	0.07 227	0.06 143	0.10 362

ASMatch	0.11 136	0.06 35	0.13 170	0.17 171	0.10 290	0.08 32	0.14 118	0.18 149	0.16 140	0.12 147	0.16 175	0.16 240	0.11 178	0.13 191	0.11 133	0.05 5	0.04 3	0.06 64	0.06 138	0.04 2	0.09 336

DEmStereo	0.12 205	0.06 35	0.14 211	0.14 21	0.10 290	0.16 283	0.15 187	0.16 92	0.24 273	0.17 261	0.23 276	0.12 154	0.14 269	0.12 144	0.14 256	0.05 5	0.04 3	0.07 155	0.06 138	0.05 62	0.05 80

DRaft	0.12 205	0.06 35	0.12 137	0.14 21	0.09 185	0.14 230	0.17 271	0.21 202	0.30 350	0.18 293	0.27 344	0.10 113	0.16 311	0.11 73	0.12 187	0.05 5	0.04 3	0.07 155	0.07 227	0.05 62	0.05 80

GrayStereo	0.11 136	0.06 35	0.11 103	0.19 306	0.09 185	0.09 54	0.16 245	0.18 149	0.17 163	0.14 198	0.17 194	0.17 257	0.11 178	0.12 144	0.11 133	0.05 5	0.05 120	0.07 155	0.06 138	0.06 143	0.10 362

RAFT-RH_RVC	0.12 205	0.06 35	0.14 211	0.16 105	0.09 185	0.12 163	0.12 40	0.17 124	0.12 55	0.13 175	0.40 433	0.11 133	0.10 150	0.13 191	0.12 187	0.05 5	0.04 3	0.08 230	0.05 72	0.05 62	0.06 152

RAFT-345	0.11 136	0.07 96	0.16 288	0.17 171	0.08 87	0.08 32	0.12 40	0.16 92	0.10 16	0.11 117	0.34 404	0.09 86	0.10 150	0.11 73	0.12 187	0.05 5	0.05 120	0.07 155	0.06 138	0.04 2	0.05 80

test-2	0.11 136	0.09 259	0.08 12	0.19 306	0.08 87	0.12 163	0.28 455	0.13 41	0.18 177	0.11 117	0.17 194	0.14 196	0.12 207	0.07 2	0.07 1	0.05 5	0.05 120	0.09 312	0.07 227	0.04 2	0.04 10

cross-raft	0.10 97	0.09 259	0.09 42	0.19 306	0.07 35	0.11 126	0.24 422	0.13 41	0.15 118	0.08 33	0.10 79	0.12 154	0.10 150	0.09 19	0.11 133	0.05 5	0.04 3	0.06 64	0.05 72	0.04 2	0.04 10

GMM-Stereo	0.11 136	0.07 96	0.10 66	0.18 248	0.09 185	0.08 32	0.14 118	0.24 266	0.16 140	0.11 117	0.15 159	0.13 177	0.11 178	0.11 73	0.11 133	0.05 5	0.04 3	0.08 230	0.07 227	0.06 143	0.09 336

Prome-Stereo	0.11 136	0.07 96	0.11 103	0.18 248	0.09 185	0.12 163	0.14 118	0.23 243	0.13 82	0.13 175	0.16 175	0.13 177	0.08 103	0.12 144	0.10 89	0.05 5	0.05 120	0.07 155	0.06 138	0.06 143	0.10 362

iRaftStereo_RVC	0.10 97	0.07 96	0.10 66	0.17 171	0.09 185	0.11 126	0.17 271	0.18 149	0.12 55	0.09 55	0.11 107	0.10 113	0.07 71	0.11 73	0.10 89	0.05 5	0.04 3	0.08 230	0.08 293	0.04 2	0.04 10

s12784h	0.10 97	0.06 35	0.08 12	0.15 56	0.05 1	0.16 283	0.18 316	0.16 92	0.15 118	0.10 84	0.11 107	0.11 133	0.11 178	0.11 73	0.12 187	0.05 5	0.04 3	0.06 64	0.04 15	0.04 2	0.04 10

RAFT-Stereo + iAFF	0.09 41	0.06 35	0.10 66	0.17 171	0.07 35	0.10 90	0.15 187	0.17 124	0.15 118	0.10 84	0.10 79	0.08 59	0.09 128	0.12 144	0.10 89	0.05 5	0.04 3	0.06 64	0.06 138	0.04 2	0.03 1

AFF-stereo	0.09 41	0.07 96	0.10 66	0.17 171	0.07 35	0.10 90	0.15 187	0.18 149	0.10 16	0.10 84	0.11 107	0.09 86	0.10 150	0.12 144	0.10 89	0.05 5	0.04 3	0.07 155	0.07 227	0.04 2	0.04 10

EAI-Stereo	0.09 41	0.07 96	0.11 103	0.16 105	0.07 35	0.10 90	0.15 187	0.16 92	0.09 8	0.08 33	0.09 57	0.08 59	0.07 71	0.09 19	0.11 133	0.05 5	0.05 120	0.05 3	0.05 72	0.05 62	0.04 10

MLCV	0.13 232	0.08 198	0.17 311	0.18 248	0.06 8	0.16 283	0.17 271	0.19 173	0.22 253	0.19 308	0.25 314	0.17 257	0.13 238	0.15 233	0.14 256	0.05 5	0.04 3	0.05 3	0.04 15	0.05 62	0.04 10

DN-CSS_ROB	0.13 232	0.13 391	0.17 311	0.18 248	0.10 290	0.16 283	0.08 4	0.22 225	0.19 198	0.17 261	0.23 276	0.13 177	0.13 238	0.13 191	0.14 256	0.05 5	0.05 120	0.10 357	0.10 370	0.08 273	0.06 152

LG-Stereo_Zeroshot	0.07 2	0.06 35	0.10 66	0.16 105	0.07 35	0.04 1	0.13 72	0.10 6	0.10 16	0.05 1	0.11 107	0.07 39	0.05 7	0.07 2	0.09 35	0.06 80	0.04 3	0.05 3	0.04 15	0.05 62	0.04 10

SGD-Stereo	0.08 14	0.05 7	0.10 66	0.14 21	0.06 8	0.12 163	0.12 40	0.11 14	0.12 55	0.07 14	0.09 57	0.09 86	0.09 128	0.08 11	0.08 14	0.06 80	0.04 3	0.05 3	0.04 15	0.05 62	0.04 10

MM-Stereo_test3	0.10 97	0.07 96	0.07 2	0.18 248	0.07 35	0.12 163	0.19 358	0.24 266	0.19 198	0.06 4	0.10 79	0.08 59	0.06 27	0.11 73	0.09 35	0.06 80	0.06 258	0.07 155	0.05 72	0.05 62	0.04 10

MM-Stereo_test1	0.10 97	0.07 96	0.09 42	0.18 248	0.07 35	0.12 163	0.18 316	0.21 202	0.20 217	0.09 55	0.11 107	0.08 59	0.06 27	0.10 34	0.10 89	0.06 80	0.05 120	0.07 155	0.06 138	0.05 62	0.04 10

Reg-Stereo(zero)	0.09 41	0.05 7	0.08 12	0.16 105	0.06 8	0.12 163	0.11 21	0.15 68	0.11 34	0.12 147	0.09 57	0.10 113	0.08 103	0.11 73	0.09 35	0.06 80	0.05 120	0.05 3	0.04 15	0.04 2	0.05 80

DEFOM-Stereo_RVC	0.08 14	0.07 96	0.09 42	0.22 404	0.06 8	0.08 32	0.12 40	0.10 6	0.10 16	0.07 14	0.07 21	0.06 8	0.05 7	0.11 73	0.09 35	0.06 80	0.04 3	0.05 3	0.03 1	0.06 143	0.04 10

FoundationStereo	0.06 1	0.04 1	0.08 12	0.13 8	0.05 1	0.09 54	0.13 72	0.06 1	0.09 8	0.05 1	0.05 2	0.06 8	0.04 1	0.07 2	0.07 1	0.06 80	0.04 3	0.05 3	0.04 15	0.05 62	0.04 10

HUF	0.08 14	0.05 7	0.08 12	0.14 21	0.06 8	0.09 54	0.13 72	0.13 41	0.13 82	0.07 14	0.07 21	0.09 86	0.06 27	0.10 34	0.09 35	0.06 80	0.04 3	0.05 3	0.04 15	0.05 62	0.04 10

AIO-test2	0.10 97	0.08 198	0.10 66	0.23 423	0.09 185	0.11 126	0.11 21	0.23 243	0.24 273	0.08 33	0.09 57	0.08 59	0.05 7	0.10 34	0.08 14	0.06 80	0.05 120	0.08 230	0.09 336	0.05 62	0.05 80

AIO-test1	0.10 97	0.07 96	0.11 103	0.24 433	0.07 35	0.09 54	0.13 72	0.22 225	0.15 118	0.11 117	0.12 120	0.09 86	0.07 71	0.11 73	0.09 35	0.06 80	0.05 120	0.09 312	0.10 370	0.04 2	0.07 223

castereo++	0.08 14	0.06 35	0.08 12	0.15 56	0.05 1	0.14 230	0.11 21	0.11 14	0.15 118	0.07 14	0.07 21	0.08 59	0.06 27	0.08 11	0.08 14	0.06 80	0.04 3	0.05 3	0.04 15	0.04 2	0.03 1

IGEV-RUCA	0.08 14	0.06 35	0.11 103	0.14 21	0.09 185	0.10 90	0.12 40	0.10 6	0.12 55	0.06 4	0.07 21	0.08 59	0.06 27	0.09 19	0.08 14	0.06 80	0.05 120	0.05 3	0.04 15	0.05 62	0.06 152

tt45	0.09 41	0.06 35	0.11 103	0.15 56	0.07 35	0.12 163	0.15 187	0.13 41	0.12 55	0.09 55	0.06 4	0.08 59	0.06 27	0.13 191	0.10 89	0.06 80	0.04 3	0.06 64	0.05 72	0.05 62	0.06 152

999	0.09 41	0.06 35	0.13 170	0.15 56	0.08 87	0.10 90	0.14 118	0.15 68	0.12 55	0.10 84	0.08 42	0.08 59	0.08 103	0.16 260	0.10 89	0.06 80	0.04 3	0.06 64	0.05 72	0.04 2	0.06 152

PAM_32	0.10 97	0.06 35	0.17 311	0.15 56	0.08 87	0.10 90	0.15 187	0.14 54	0.16 140	0.09 55	0.08 42	0.10 113	0.07 71	0.14 215	0.09 35	0.06 80	0.05 120	0.06 64	0.06 138	0.05 62	0.06 152

PAM	0.10 97	0.06 35	0.17 311	0.15 56	0.09 185	0.10 90	0.16 245	0.15 68	0.16 140	0.12 147	0.09 57	0.10 113	0.07 71	0.13 191	0.09 35	0.06 80	0.05 120	0.06 64	0.06 138	0.05 62	0.06 152

dual_stereo	0.07 2	0.05 7	0.08 12	0.15 56	0.05 1	0.05 3	0.13 72	0.12 27	0.08 2	0.07 14	0.06 4	0.05 1	0.05 7	0.07 2	0.09 35	0.06 80	0.04 3	0.05 3	0.03 1	0.04 2	0.04 10

UGAM-zero	0.10 97	0.05 7	0.15 247	0.15 56	0.08 87	0.10 90	0.13 72	0.20 186	0.15 118	0.11 117	0.15 159	0.07 39	0.08 103	0.09 19	0.10 89	0.06 80	0.05 120	0.06 64	0.05 72	0.05 62	0.06 152

GCAP-BAT	0.09 41	0.07 96	0.14 211	0.15 56	0.08 87	0.10 90	0.12 40	0.15 68	0.11 34	0.11 117	0.10 79	0.09 86	0.07 71	0.12 144	0.10 89	0.06 80	0.05 120	0.06 64	0.04 15	0.04 2	0.04 10

Occ-G	0.08 14	0.05 7	0.07 2	0.14 21	0.07 35	0.09 54	0.14 118	0.14 54	0.15 118	0.07 14	0.12 120	0.07 39	0.05 7	0.09 19	0.10 89	0.06 80	0.05 120	0.05 3	0.04 15	0.05 62	0.06 152

AIO-Stereo-zeroshot1	0.11 136	0.05 7	0.14 211	0.16 105	0.21 469	0.09 54	0.17 271	0.21 202	0.16 140	0.11 117	0.15 159	0.10 113	0.07 71	0.10 34	0.08 14	0.06 80	0.05 120	0.07 155	0.07 227	0.07 210	0.09 336

AIO-Stereo-zeroshot	0.11 136	0.05 7	0.12 137	0.15 56	0.13 396	0.14 230	0.16 245	0.23 243	0.18 177	0.10 84	0.13 134	0.10 113	0.07 71	0.12 144	0.09 35	0.06 80	0.05 120	0.06 64	0.06 138	0.07 210	0.08 292

U	0.08 14	0.07 96	0.10 66	0.19 306	0.10 290	0.10 90	0.13 72	0.12 27	0.17 163	0.07 14	0.07 21	0.06 8	0.05 7	0.07 2	0.09 35	0.06 80	0.04 3	0.06 64	0.04 15	0.06 143	0.05 80

IGEV-Stereo+	0.07 2	0.04 1	0.08 12	0.15 56	0.06 8	0.04 1	0.09 6	0.10 6	0.09 8	0.06 4	0.06 4	0.06 8	0.06 27	0.06 1	0.09 35	0.06 80	0.04 3	0.05 3	0.04 15	0.06 143	0.06 152

RAFT-Stereo-weight	0.09 41	0.06 35	0.11 103	0.16 105	0.07 35	0.09 54	0.14 118	0.19 173	0.16 140	0.11 117	0.10 79	0.08 59	0.06 27	0.10 34	0.11 133	0.06 80	0.04 3	0.06 64	0.04 15	0.04 2	0.04 10

gcap-zeroshot	0.09 41	0.06 35	0.10 66	0.16 105	0.07 35	0.14 230	0.13 72	0.11 14	0.12 55	0.13 175	0.12 120	0.09 86	0.08 103	0.09 19	0.09 35	0.06 80	0.05 120	0.06 64	0.05 72	0.04 2	0.04 10

test_for_model	0.09 41	0.12 363	0.14 211	0.23 423	0.11 342	0.08 32	0.13 72	0.12 27	0.13 82	0.10 84	0.07 21	0.07 39	0.06 27	0.11 73	0.10 89	0.06 80	0.05 120	0.05 3	0.04 15	0.08 273	0.05 80

testlalala2	0.10 97	0.06 35	0.11 103	0.20 354	0.10 290	0.10 90	0.11 21	0.17 124	0.13 82	0.12 147	0.13 134	0.09 86	0.08 103	0.11 73	0.13 220	0.06 80	0.05 120	0.05 3	0.04 15	0.05 62	0.05 80

H2IRNET	0.10 97	0.09 259	0.10 66	0.18 248	0.09 185	0.12 163	0.15 187	0.14 54	0.21 231	0.10 84	0.10 79	0.10 113	0.11 178	0.10 34	0.10 89	0.06 80	0.04 3	0.08 230	0.08 293	0.06 143	0.05 80

MyStereo07	0.10 97	0.07 96	0.10 66	0.17 171	0.09 185	0.14 230	0.17 271	0.15 68	0.15 118	0.09 55	0.06 4	0.06 8	0.07 71	0.12 144	0.09 35	0.06 80	0.05 120	0.08 230	0.07 227	0.06 143	0.06 152

MyStereo06	0.10 97	0.07 96	0.12 137	0.17 171	0.09 185	0.13 191	0.18 316	0.19 173	0.12 55	0.13 175	0.08 42	0.07 39	0.07 71	0.11 73	0.09 35	0.06 80	0.05 120	0.08 230	0.07 227	0.06 143	0.06 152

MyStereo05	0.13 232	0.07 96	0.10 66	0.17 171	0.09 185	0.13 191	0.18 316	0.28 336	0.35 393	0.17 261	0.14 147	0.15 221	0.11 178	0.15 233	0.13 220	0.06 80	0.05 120	0.08 230	0.07 227	0.06 143	0.06 152

MyStereo04	0.13 232	0.07 96	0.10 66	0.17 171	0.09 185	0.14 230	0.17 271	0.29 354	0.38 409	0.17 261	0.14 147	0.16 240	0.11 178	0.15 233	0.13 220	0.06 80	0.05 120	0.08 230	0.07 227	0.06 143	0.06 152

ACVNet-DCA	0.10 97	0.08 198	0.13 170	0.17 171	0.09 185	0.13 191	0.15 187	0.24 266	0.16 140	0.09 55	0.09 57	0.06 8	0.06 27	0.10 34	0.07 1	0.06 80	0.05 120	0.06 64	0.05 72	0.07 210	0.07 223

xx1	0.11 136	0.08 198	0.13 170	0.17 171	0.09 185	0.13 191	0.15 187	0.16 92	0.18 177	0.09 55	0.09 57	0.16 240	0.16 311	0.10 34	0.07 1	0.06 80	0.05 120	0.08 230	0.08 293	0.07 210	0.07 223

1test111	0.11 136	0.08 198	0.13 170	0.17 171	0.09 185	0.13 191	0.15 187	0.24 266	0.16 140	0.09 55	0.09 57	0.06 8	0.06 27	0.15 233	0.16 309	0.06 80	0.05 120	0.06 64	0.05 72	0.07 210	0.07 223

cc1	0.10 97	0.08 198	0.13 170	0.17 171	0.09 185	0.13 191	0.15 187	0.16 92	0.18 177	0.09 55	0.09 57	0.06 8	0.06 27	0.10 34	0.07 1	0.06 80	0.05 120	0.06 64	0.05 72	0.06 143	0.06 152

IGEVStereo-DCA	0.09 41	0.07 96	0.11 103	0.16 105	0.10 290	0.11 126	0.15 187	0.16 92	0.12 55	0.10 84	0.06 4	0.08 59	0.06 27	0.10 34	0.09 35	0.06 80	0.05 120	0.06 64	0.05 72	0.05 62	0.06 152

rrr	0.09 41	0.07 96	0.13 170	0.16 105	0.10 290	0.11 126	0.15 187	0.16 92	0.15 118	0.10 84	0.06 4	0.08 59	0.06 27	0.10 34	0.09 35	0.06 80	0.05 120	0.06 64	0.05 72	0.05 62	0.06 152

ffm	0.12 205	0.09 259	0.15 247	0.16 105	0.09 185	0.17 306	0.17 271	0.15 68	0.19 198	0.15 222	0.26 327	0.19 280	0.13 238	0.10 34	0.08 14	0.06 80	0.05 120	0.09 312	0.08 293	0.06 143	0.06 152

ff1	0.13 232	0.09 259	0.15 247	0.16 105	0.09 185	0.17 306	0.17 271	0.15 68	0.19 198	0.15 222	0.26 327	0.19 280	0.13 238	0.15 233	0.22 388	0.06 80	0.05 120	0.09 312	0.08 293	0.06 143	0.06 152

tt1	0.10 97	0.08 198	0.13 170	0.17 171	0.09 185	0.13 191	0.15 187	0.15 68	0.19 198	0.09 55	0.08 42	0.06 8	0.06 27	0.10 34	0.08 14	0.06 80	0.05 120	0.06 64	0.05 72	0.06 143	0.06 152

IGEV_Zeroshot_test	0.09 41	0.05 7	0.13 170	0.14 21	0.08 87	0.12 163	0.13 72	0.17 124	0.11 34	0.10 84	0.06 4	0.09 86	0.06 27	0.11 73	0.09 35	0.06 80	0.04 3	0.06 64	0.06 138	0.05 62	0.05 80

MSKI-zero shot	0.09 41	0.05 7	0.09 42	0.16 105	0.07 35	0.10 90	0.13 72	0.15 68	0.14 101	0.09 55	0.09 57	0.09 86	0.06 27	0.12 144	0.11 133	0.06 80	0.04 3	0.05 3	0.04 15	0.04 2	0.05 80

CASnet	0.09 41	0.09 259	0.09 42	0.19 306	0.06 8	0.07 20	0.11 21	0.18 149	0.14 101	0.11 117	0.10 79	0.09 86	0.07 71	0.10 34	0.10 89	0.06 80	0.04 3	0.10 357	0.08 293	0.06 143	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.09 41	0.05 7	0.08 12	0.14 21	0.13 396	0.14 230	0.13 72	0.15 68	0.09 8	0.07 14	0.09 57	0.07 39	0.08 103	0.10 34	0.09 35	0.06 80	0.04 3	0.06 64	0.05 72	0.05 62	0.04 10

GCAP-Stereo	0.09 41	0.07 96	0.13 170	0.18 248	0.06 8	0.11 126	0.07 2	0.14 54	0.12 55	0.09 55	0.10 79	0.07 39	0.09 128	0.13 191	0.10 89	0.06 80	0.05 120	0.05 3	0.04 15	0.04 2	0.05 80

RAFT-Test	0.09 41	0.06 35	0.10 66	0.16 105	0.07 35	0.11 126	0.15 187	0.16 92	0.13 82	0.09 55	0.10 79	0.11 133	0.09 128	0.12 144	0.09 35	0.06 80	0.04 3	0.05 3	0.04 15	0.05 62	0.05 80

HH	0.09 41	0.06 35	0.13 170	0.17 171	0.08 87	0.11 126	0.16 245	0.15 68	0.10 16	0.08 33	0.10 79	0.08 59	0.07 71	0.10 34	0.09 35	0.06 80	0.04 3	0.06 64	0.05 72	0.05 62	0.04 10

HanStereo	0.09 41	0.06 35	0.13 170	0.17 171	0.08 87	0.11 126	0.16 245	0.15 68	0.10 16	0.08 33	0.10 79	0.08 59	0.07 71	0.10 34	0.09 35	0.06 80	0.04 3	0.06 64	0.05 72	0.05 62	0.04 10

LL-Strereo	0.13 232	0.10 321	0.12 137	0.20 354	0.10 290	0.11 126	0.18 316	0.33 398	0.25 297	0.16 249	0.16 175	0.14 196	0.14 269	0.19 340	0.11 133	0.06 80	0.05 120	0.09 312	0.08 293	0.04 2	0.05 80

CBFPSM	0.15 300	0.07 96	0.27 415	0.17 171	0.09 185	0.13 191	0.15 187	0.22 225	0.23 263	0.20 329	0.27 344	0.23 338	0.16 311	0.16 260	0.19 352	0.06 80	0.06 258	0.06 64	0.07 227	0.07 210	0.07 223

CES	0.08 14	0.04 1	0.08 12	0.14 21	0.07 35	0.09 54	0.14 118	0.11 14	0.09 8	0.08 33	0.09 57	0.11 133	0.07 71	0.12 144	0.08 14	0.06 80	0.04 3	0.05 3	0.03 1	0.05 62	0.05 80

EGLCR-Stereo	0.08 14	0.05 7	0.08 12	0.14 21	0.07 35	0.11 126	0.12 40	0.11 14	0.16 140	0.06 4	0.05 2	0.07 39	0.05 7	0.10 34	0.11 133	0.06 80	0.04 3	0.06 64	0.05 72	0.04 2	0.04 10

DCRE	0.11 136	0.07 96	0.13 170	0.16 105	0.11 342	0.11 126	0.17 271	0.18 149	0.17 163	0.11 117	0.18 217	0.11 133	0.10 150	0.15 233	0.11 133	0.06 80	0.05 120	0.06 64	0.06 138	0.05 62	0.05 80

MC-Stereo	0.09 41	0.07 96	0.09 42	0.17 171	0.06 8	0.10 90	0.14 118	0.12 27	0.11 34	0.09 55	0.12 120	0.09 86	0.06 27	0.11 73	0.10 89	0.06 80	0.04 3	0.06 64	0.05 72	0.04 2	0.04 10

RCA-Stereo	0.09 41	0.06 35	0.09 42	0.16 105	0.06 8	0.09 54	0.13 72	0.18 149	0.14 101	0.10 84	0.11 107	0.08 59	0.07 71	0.12 144	0.11 133	0.06 80	0.04 3	0.06 64	0.05 72	0.05 62	0.04 10

CroCo-Stereo Lap2	0.09 41	0.09 259	0.08 12	0.22 404	0.09 185	0.09 54	0.18 316	0.16 92	0.12 55	0.09 55	0.10 79	0.05 1	0.05 7	0.08 11	0.08 14	0.06 80	0.06 258	0.07 155	0.05 72	0.06 143	0.05 80

TestStereo1	0.13 232	0.08 198	0.08 12	0.20 354	0.08 87	0.18 322	0.29 466	0.23 243	0.17 163	0.17 261	0.20 240	0.16 240	0.11 178	0.12 144	0.13 220	0.06 80	0.06 258	0.08 230	0.06 138	0.05 62	0.05 80

DCANet-4	0.11 136	0.07 96	0.13 170	0.16 105	0.06 8	0.09 54	0.17 271	0.18 149	0.20 217	0.13 175	0.17 194	0.09 86	0.14 269	0.12 144	0.13 220	0.06 80	0.04 3	0.05 3	0.04 15	0.04 2	0.05 80

fff	0.10 97	0.06 35	0.12 137	0.15 56	0.07 35	0.09 54	0.17 271	0.16 92	0.21 231	0.13 175	0.17 194	0.10 113	0.11 178	0.12 144	0.13 220	0.06 80	0.04 3	0.05 3	0.04 15	0.04 2	0.05 80

ADStereo(finetuned)	0.10 97	0.06 35	0.13 170	0.16 105	0.06 8	0.09 54	0.17 271	0.16 92	0.20 217	0.13 175	0.18 217	0.10 113	0.12 207	0.12 144	0.12 187	0.06 80	0.04 3	0.05 3	0.04 15	0.05 62	0.05 80

test_5	0.14 261	0.12 363	0.08 12	0.20 354	0.10 290	0.14 230	0.28 455	0.21 202	0.24 273	0.19 308	0.28 355	0.11 133	0.15 289	0.12 144	0.13 220	0.06 80	0.05 120	0.07 155	0.08 293	0.08 273	0.07 223

SA-5K	0.13 232	0.08 198	0.08 12	0.20 354	0.08 87	0.18 322	0.29 466	0.23 243	0.17 163	0.17 261	0.20 240	0.16 240	0.11 178	0.12 144	0.13 220	0.06 80	0.06 258	0.08 230	0.06 138	0.05 62	0.05 80

Sa-1000	0.12 205	0.08 198	0.09 42	0.18 248	0.08 87	0.15 255	0.22 402	0.22 225	0.19 198	0.15 222	0.20 240	0.17 257	0.11 178	0.10 34	0.10 89	0.06 80	0.05 120	0.09 312	0.09 336	0.05 62	0.05 80

iRaft-Stereo_20w	0.09 41	0.05 7	0.13 170	0.14 21	0.09 185	0.12 163	0.15 187	0.19 173	0.11 34	0.11 117	0.08 42	0.08 59	0.05 7	0.10 34	0.09 35	0.06 80	0.04 3	0.06 64	0.05 72	0.06 143	0.05 80

GLC_STEREO	0.11 136	0.07 96	0.11 103	0.18 248	0.07 35	0.08 32	0.13 72	0.16 92	0.24 273	0.12 147	0.13 134	0.12 154	0.08 103	0.18 315	0.12 187	0.06 80	0.08 357	0.08 230	0.06 138	0.05 62	0.05 80

IPLG	0.11 136	0.08 198	0.15 247	0.17 171	0.08 87	0.11 126	0.14 118	0.20 186	0.15 118	0.13 175	0.18 217	0.07 39	0.07 71	0.14 215	0.14 256	0.06 80	0.04 3	0.06 64	0.05 72	0.04 2	0.04 10

MIPNet	0.11 136	0.08 198	0.15 247	0.17 171	0.09 185	0.12 163	0.14 118	0.21 202	0.25 297	0.12 147	0.10 79	0.09 86	0.07 71	0.13 191	0.13 220	0.06 80	0.04 3	0.06 64	0.05 72	0.04 2	0.04 10

IPLGR	0.11 136	0.09 259	0.17 311	0.18 248	0.08 87	0.13 191	0.16 245	0.21 202	0.24 273	0.12 147	0.12 120	0.11 133	0.09 128	0.13 191	0.12 187	0.06 80	0.05 120	0.06 64	0.06 138	0.05 62	0.04 10

CrosDoStereo	0.12 205	0.07 96	0.12 137	0.14 21	0.09 185	0.12 163	0.15 187	0.17 124	0.22 253	0.19 308	0.24 287	0.15 221	0.11 178	0.11 73	0.12 187	0.06 80	0.05 120	0.07 155	0.07 227	0.05 62	0.05 80

HHNet	0.11 136	0.06 35	0.16 288	0.15 56	0.14 412	0.07 20	0.13 72	0.20 186	0.18 177	0.15 222	0.25 314	0.11 133	0.09 128	0.13 191	0.10 89	0.06 80	0.04 3	0.08 230	0.06 138	0.05 62	0.09 336

Patchmatch Stereo++	0.11 136	0.09 259	0.17 311	0.19 306	0.08 87	0.06 6	0.11 21	0.17 124	0.13 82	0.15 222	0.16 175	0.14 196	0.12 207	0.11 73	0.11 133	0.06 80	0.05 120	0.08 230	0.06 138	0.08 273	0.07 223
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.12 205	0.08 198	0.17 311	0.19 306	0.09 185	0.08 32	0.13 72	0.19 173	0.13 82	0.16 249	0.21 257	0.13 177	0.14 269	0.11 73	0.14 256	0.06 80	0.04 3	0.09 312	0.06 138	0.06 143	0.05 80

OMP-Stereo	0.11 136	0.07 96	0.14 211	0.18 248	0.08 87	0.09 54	0.12 40	0.21 202	0.21 231	0.13 175	0.14 147	0.11 133	0.12 207	0.11 73	0.13 220	0.06 80	0.05 120	0.07 155	0.06 138	0.05 62	0.04 10

IIG-Stereo	0.11 136	0.06 35	0.13 170	0.17 171	0.08 87	0.11 126	0.12 40	0.22 225	0.18 177	0.14 198	0.17 194	0.12 154	0.13 238	0.12 144	0.13 220	0.06 80	0.05 120	0.07 155	0.06 138	0.06 143	0.05 80

NF-Stereo	0.11 136	0.07 96	0.13 170	0.17 171	0.09 185	0.10 90	0.13 72	0.23 243	0.19 198	0.12 147	0.17 194	0.12 154	0.12 207	0.11 73	0.11 133	0.06 80	0.04 3	0.07 155	0.06 138	0.07 210	0.12 403

OCTAStereo	0.11 136	0.07 96	0.14 211	0.17 171	0.09 185	0.10 90	0.13 72	0.23 243	0.19 198	0.12 147	0.17 194	0.12 154	0.12 207	0.11 73	0.11 133	0.06 80	0.04 3	0.07 155	0.06 138	0.07 210	0.11 384

NRIStereo	0.11 136	0.08 198	0.15 247	0.18 248	0.08 87	0.10 90	0.13 72	0.17 124	0.15 118	0.12 147	0.15 159	0.13 177	0.13 238	0.13 191	0.10 89	0.06 80	0.04 3	0.07 155	0.06 138	0.06 143	0.07 223

PSM-adaLoss	0.11 136	0.09 259	0.17 311	0.19 306	0.08 87	0.06 6	0.12 40	0.17 124	0.13 82	0.15 222	0.16 175	0.14 196	0.12 207	0.11 73	0.11 133	0.06 80	0.05 120	0.08 230	0.06 138	0.08 273	0.07 223

ROB_FTStereo_v2	0.11 136	0.09 259	0.17 311	0.19 306	0.08 87	0.06 6	0.12 40	0.17 124	0.13 82	0.15 222	0.16 175	0.14 196	0.12 207	0.11 73	0.11 133	0.06 80	0.05 120	0.08 230	0.06 138	0.08 273	0.07 223

ROB_FTStereo	0.11 136	0.09 259	0.17 311	0.19 306	0.08 87	0.06 6	0.11 21	0.17 124	0.13 82	0.15 222	0.16 175	0.14 196	0.12 207	0.11 73	0.11 133	0.06 80	0.05 120	0.08 230	0.06 138	0.08 273	0.07 223

KYRaft	0.12 205	0.07 96	0.10 66	0.19 306	0.09 185	0.08 32	0.15 187	0.23 243	0.12 55	0.13 175	0.16 175	0.20 297	0.10 150	0.12 144	0.11 133	0.06 80	0.04 3	0.08 230	0.08 293	0.06 143	0.15 444

HUI-Stereo	0.11 136	0.09 259	0.17 311	0.19 306	0.08 87	0.06 6	0.11 21	0.17 124	0.13 82	0.15 222	0.16 175	0.14 196	0.12 207	0.11 73	0.11 133	0.06 80	0.05 120	0.08 230	0.06 138	0.08 273	0.07 223

DeepStereo_LL	0.12 205	0.07 96	0.12 137	0.14 21	0.09 185	0.12 163	0.15 187	0.17 124	0.22 253	0.19 308	0.24 287	0.15 221	0.11 178	0.11 73	0.12 187	0.06 80	0.05 120	0.07 155	0.07 227	0.05 62	0.05 80

SST-Stereo	0.11 136	0.07 96	0.16 288	0.18 248	0.09 185	0.06 6	0.12 40	0.18 149	0.10 16	0.15 222	0.18 217	0.13 177	0.12 207	0.10 34	0.11 133	0.06 80	0.04 3	0.09 312	0.06 138	0.07 210	0.06 152

THIR-Stereo	0.12 205	0.07 96	0.11 103	0.15 56	0.08 87	0.14 230	0.16 245	0.18 149	0.25 297	0.17 261	0.24 287	0.13 177	0.13 238	0.12 144	0.14 256	0.06 80	0.05 120	0.07 155	0.07 227	0.05 62	0.05 80

RAFT_R40	0.11 136	0.07 96	0.15 247	0.18 248	0.09 185	0.06 6	0.13 72	0.17 124	0.15 118	0.14 198	0.18 217	0.15 221	0.12 207	0.10 34	0.11 133	0.06 80	0.04 3	0.09 312	0.06 138	0.06 143	0.05 80

PFNet	0.12 205	0.06 35	0.17 311	0.18 248	0.08 87	0.09 54	0.15 187	0.26 298	0.20 217	0.16 249	0.16 175	0.14 196	0.12 207	0.13 191	0.11 133	0.06 80	0.04 3	0.07 155	0.06 138	0.05 62	0.05 80

RE-Stereo	0.11 136	0.07 96	0.13 170	0.17 171	0.09 185	0.10 90	0.13 72	0.23 243	0.19 198	0.12 147	0.17 194	0.12 154	0.12 207	0.11 73	0.11 133	0.06 80	0.04 3	0.07 155	0.06 138	0.07 210	0.11 384

Pruner-Stereo	0.11 136	0.07 96	0.12 137	0.17 171	0.09 185	0.06 6	0.12 40	0.18 149	0.17 163	0.14 198	0.19 231	0.13 177	0.10 150	0.11 73	0.11 133	0.06 80	0.04 3	0.07 155	0.06 138	0.06 143	0.08 292

TVStereo	0.11 136	0.07 96	0.13 170	0.17 171	0.09 185	0.10 90	0.13 72	0.23 243	0.19 198	0.12 147	0.17 194	0.12 154	0.12 207	0.11 73	0.11 133	0.06 80	0.04 3	0.07 155	0.06 138	0.07 210	0.11 384

DeepStereo_RVC	0.11 136	0.08 198	0.17 311	0.18 248	0.08 87	0.08 32	0.11 21	0.17 124	0.12 55	0.13 175	0.15 159	0.12 154	0.12 207	0.12 144	0.11 133	0.06 80	0.04 3	0.07 155	0.06 138	0.07 210	0.08 292

iGMRVC	0.11 136	0.09 259	0.17 311	0.19 306	0.08 87	0.06 6	0.12 40	0.17 124	0.13 82	0.15 222	0.16 175	0.14 196	0.12 207	0.11 73	0.11 133	0.06 80	0.05 120	0.08 230	0.06 138	0.08 273	0.07 223

IRAFT_RVC	0.12 205	0.08 198	0.17 311	0.19 306	0.08 87	0.07 20	0.14 118	0.25 286	0.23 263	0.14 198	0.15 159	0.15 221	0.12 207	0.12 144	0.11 133	0.06 80	0.04 3	0.09 312	0.06 138	0.06 143	0.06 152

iRAFT	0.11 136	0.09 259	0.17 311	0.19 306	0.08 87	0.06 6	0.11 21	0.17 124	0.13 82	0.15 222	0.16 175	0.14 196	0.12 207	0.11 73	0.11 133	0.06 80	0.05 120	0.08 230	0.06 138	0.08 273	0.07 223

RAFT	0.13 232	0.09 259	0.11 103	0.18 248	0.08 87	0.15 255	0.23 412	0.21 202	0.20 217	0.21 343	0.21 257	0.18 271	0.13 238	0.17 299	0.10 89	0.06 80	0.07 326	0.10 357	0.09 336	0.06 143	0.05 80

test-1	0.10 97	0.07 96	0.17 311	0.19 306	0.08 87	0.11 126	0.24 422	0.15 68	0.18 177	0.09 55	0.07 21	0.10 113	0.08 103	0.08 11	0.09 35	0.06 80	0.04 3	0.06 64	0.06 138	0.04 2	0.05 80

RAFT-IKP	0.11 136	0.09 259	0.17 311	0.19 306	0.08 87	0.06 6	0.11 21	0.17 124	0.13 82	0.15 222	0.16 175	0.14 196	0.12 207	0.11 73	0.11 133	0.06 80	0.05 120	0.08 230	0.06 138	0.08 273	0.07 223

CREStereo++_RVC	0.08 14	0.04 1	0.07 2	0.13 8	0.07 35	0.09 54	0.12 40	0.14 54	0.14 101	0.10 84	0.14 147	0.08 59	0.07 71	0.10 34	0.11 133	0.06 80	0.04 3	0.05 3	0.05 72	0.04 2	0.04 10
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
TestStereo	0.14 261	0.15 412	0.11 103	0.23 423	0.08 87	0.15 255	0.21 391	0.20 186	0.23 263	0.14 198	0.25 314	0.16 240	0.13 238	0.16 260	0.14 256	0.06 80	0.06 258	0.08 230	0.06 138	0.09 333	0.05 80

XX-TBD	0.09 41	0.06 35	0.07 2	0.14 21	0.07 35	0.13 191	0.16 245	0.14 54	0.14 101	0.11 117	0.12 120	0.09 86	0.08 103	0.10 34	0.10 89	0.06 80	0.04 3	0.05 3	0.04 15	0.06 143	0.05 80

RALAANet	0.11 136	0.08 198	0.10 66	0.17 171	0.09 185	0.14 230	0.10 11	0.20 186	0.16 140	0.14 198	0.13 134	0.16 240	0.09 128	0.12 144	0.12 187	0.06 80	0.05 120	0.08 230	0.07 227	0.06 143	0.04 10

XX-Stereo	0.09 41	0.05 7	0.09 42	0.17 171	0.09 185	0.15 255	0.12 40	0.21 202	0.10 16	0.10 84	0.14 147	0.07 39	0.06 27	0.13 191	0.08 14	0.06 80	0.05 120	0.06 64	0.06 138	0.04 2	0.04 10

DCANet	0.10 97	0.06 35	0.12 137	0.16 105	0.06 8	0.09 54	0.17 271	0.16 92	0.20 217	0.13 175	0.18 217	0.10 113	0.11 178	0.11 73	0.12 187	0.06 80	0.04 3	0.05 3	0.04 15	0.05 62	0.05 80

csc	0.10 97	0.06 35	0.12 137	0.15 56	0.07 35	0.09 54	0.17 271	0.16 92	0.21 231	0.13 175	0.17 194	0.10 113	0.11 178	0.12 144	0.13 220	0.06 80	0.04 3	0.05 3	0.04 15	0.04 2	0.05 80

cscssc	0.10 97	0.06 35	0.12 137	0.15 56	0.07 35	0.09 54	0.17 271	0.16 92	0.21 231	0.13 175	0.17 194	0.10 113	0.11 178	0.12 144	0.13 220	0.06 80	0.04 3	0.05 3	0.04 15	0.04 2	0.05 80

111	0.11 136	0.06 35	0.12 137	0.15 56	0.07 35	0.10 90	0.14 118	0.21 202	0.24 273	0.11 117	0.12 120	0.14 196	0.12 207	0.13 191	0.10 89	0.06 80	0.04 3	0.06 64	0.04 15	0.06 143	0.05 80

test_xeample3	0.09 41	0.07 96	0.12 137	0.16 105	0.09 185	0.11 126	0.15 187	0.16 92	0.14 101	0.10 84	0.07 21	0.08 59	0.06 27	0.10 34	0.09 35	0.06 80	0.04 3	0.06 64	0.05 72	0.05 62	0.06 152

ARAFT	0.12 205	0.08 198	0.18 343	0.19 306	0.09 185	0.15 255	0.17 271	0.20 186	0.13 82	0.12 147	0.13 134	0.14 196	0.12 207	0.15 233	0.13 220	0.06 80	0.05 120	0.10 357	0.09 336	0.06 143	0.04 10

CFNet-RSSM	0.09 41	0.07 96	0.10 66	0.16 105	0.07 35	0.09 54	0.15 187	0.17 124	0.18 177	0.08 33	0.12 120	0.11 133	0.09 128	0.12 144	0.10 89	0.06 80	0.04 3	0.06 64	0.04 15	0.04 2	0.04 10

MMNet	0.17 350	0.10 321	0.17 311	0.20 354	0.11 342	0.27 431	0.20 375	0.26 298	0.42 427	0.22 356	0.30 375	0.22 322	0.20 376	0.18 315	0.20 362	0.06 80	0.06 258	0.07 155	0.07 227	0.08 273	0.07 223

Gwc-CoAtRS	0.09 41	0.07 96	0.10 66	0.16 105	0.07 35	0.10 90	0.15 187	0.18 149	0.17 163	0.08 33	0.10 79	0.12 154	0.09 128	0.12 144	0.09 35	0.06 80	0.04 3	0.06 64	0.04 15	0.04 2	0.05 80

DIP-Stereo	0.11 136	0.08 198	0.15 247	0.17 171	0.09 185	0.13 191	0.09 6	0.16 92	0.16 140	0.12 147	0.16 175	0.14 196	0.12 207	0.16 260	0.14 256	0.06 80	0.05 120	0.06 64	0.05 72	0.05 62	0.07 223
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.14 261	0.08 198	0.12 137	0.15 56	0.08 87	0.16 283	0.15 187	0.27 312	0.29 344	0.20 329	0.21 257	0.29 392	0.14 269	0.18 315	0.13 220	0.06 80	0.06 258	0.06 64	0.06 138	0.07 210	0.06 152
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.16 328	0.10 321	0.11 103	0.18 248	0.09 185	0.19 343	0.18 316	0.27 312	0.32 364	0.22 356	0.35 408	0.21 304	0.22 391	0.22 392	0.17 325	0.06 80	0.05 120	0.06 64	0.06 138	0.07 210	0.06 152

HITNet	0.11 136	0.06 35	0.12 137	0.14 21	0.06 8	0.12 163	0.10 11	0.18 149	0.18 177	0.13 175	0.17 194	0.15 221	0.11 178	0.15 233	0.14 256	0.06 80	0.04 3	0.04 1	0.04 15	0.06 143	0.05 80
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
iResNetv2_ROB	0.15 300	0.08 198	0.16 288	0.16 105	0.08 87	0.16 283	0.13 72	0.26 298	0.36 398	0.21 343	0.29 369	0.24 347	0.13 238	0.14 215	0.14 256	0.06 80	0.06 258	0.06 64	0.04 15	0.09 333	0.08 292

iResNet	0.13 232	0.10 321	0.18 343	0.19 306	0.08 87	0.14 230	0.18 316	0.21 202	0.27 322	0.16 249	0.24 287	0.15 221	0.13 238	0.14 215	0.15 290	0.06 80	0.04 3	0.06 64	0.05 72	0.06 143	0.05 80

DFGA-Net	0.13 232	0.11 345	0.19 366	0.18 248	0.10 290	0.13 191	0.13 72	0.23 243	0.25 297	0.16 249	0.16 175	0.13 177	0.12 207	0.17 299	0.15 290	0.07 199	0.05 120	0.08 230	0.07 227	0.05 62	0.05 80

G2L-Stereo_aug	0.15 300	0.06 35	0.12 137	0.14 21	0.07 35	0.19 343	0.19 358	0.20 186	0.39 413	0.22 356	0.27 344	0.27 374	0.15 289	0.18 315	0.19 352	0.07 199	0.05 120	0.05 3	0.04 15	0.06 143	0.07 223

LGtest1	0.07 2	0.05 7	0.11 103	0.15 56	0.06 8	0.07 20	0.09 6	0.08 3	0.06 1	0.06 4	0.04 1	0.06 8	0.07 71	0.10 34	0.09 35	0.07 199	0.04 3	0.05 3	0.04 15	0.06 143	0.06 152

FACV-RUCA	0.13 232	0.11 345	0.13 170	0.19 306	0.12 371	0.15 255	0.16 245	0.22 225	0.21 231	0.16 249	0.16 175	0.15 221	0.16 311	0.14 215	0.13 220	0.07 199	0.05 120	0.08 230	0.06 138	0.10 367	0.08 292

UGAM	0.13 232	0.10 321	0.09 42	0.22 404	0.08 87	0.13 191	0.20 375	0.18 149	0.24 273	0.22 356	0.16 175	0.13 177	0.13 238	0.19 340	0.13 220	0.07 199	0.05 120	0.13 420	0.11 399	0.07 210	0.05 80

model_zeroshot	0.10 97	0.05 7	0.12 137	0.15 56	0.09 185	0.13 191	0.14 118	0.20 186	0.14 101	0.11 117	0.10 79	0.12 154	0.07 71	0.12 144	0.11 133	0.07 199	0.06 258	0.06 64	0.05 72	0.06 143	0.06 152

RAStereo	0.10 97	0.09 259	0.08 12	0.20 354	0.08 87	0.13 191	0.18 316	0.16 92	0.17 163	0.10 84	0.12 120	0.05 1	0.06 27	0.09 19	0.08 14	0.07 199	0.05 120	0.07 155	0.05 72	0.05 62	0.04 10

test_sample1	0.13 232	0.07 96	0.14 211	0.14 21	0.08 87	0.19 343	0.17 271	0.20 186	0.15 118	0.14 198	0.22 272	0.18 271	0.16 311	0.17 299	0.15 290	0.07 199	0.06 258	0.06 64	0.06 138	0.08 273	0.08 292

DispNO	0.15 300	0.09 259	0.18 343	0.19 306	0.12 371	0.11 126	0.21 391	0.23 243	0.29 344	0.18 293	0.23 276	0.19 280	0.17 334	0.16 260	0.16 309	0.07 199	0.05 120	0.08 230	0.08 293	0.07 210	0.06 152

Former-RAFT_DAM_RVC	0.11 136	0.08 198	0.13 170	0.16 105	0.08 87	0.15 255	0.16 245	0.18 149	0.19 198	0.10 84	0.09 57	0.09 86	0.08 103	0.11 73	0.12 187	0.07 199	0.05 120	0.08 230	0.06 138	0.07 210	0.06 152

MyStereo8	0.12 205	0.07 96	0.15 247	0.15 56	0.09 185	0.18 322	0.14 118	0.19 173	0.22 253	0.12 147	0.18 217	0.11 133	0.10 150	0.16 260	0.18 338	0.07 199	0.05 120	0.07 155	0.05 72	0.08 273	0.09 336

CoDeX	0.12 205	0.07 96	0.13 170	0.17 171	0.08 87	0.12 163	0.16 245	0.23 243	0.27 322	0.13 175	0.17 194	0.15 221	0.12 207	0.14 215	0.11 133	0.07 199	0.05 120	0.07 155	0.06 138	0.06 143	0.05 80

1111x	0.16 328	0.09 259	0.13 170	0.18 248	0.08 87	0.18 322	0.25 438	0.32 384	0.25 297	0.17 261	0.24 287	0.27 374	0.15 289	0.14 215	0.24 411	0.07 199	0.07 326	0.08 230	0.09 336	0.07 210	0.07 223

plain	0.11 136	0.09 259	0.10 66	0.19 306	0.09 185	0.11 126	0.14 118	0.14 54	0.13 82	0.13 175	0.15 159	0.09 86	0.12 207	0.13 191	0.12 187	0.07 199	0.05 120	0.09 312	0.06 138	0.06 143	0.06 152

MaDis-Stereo	0.09 41	0.09 259	0.08 12	0.17 171	0.09 185	0.14 230	0.11 21	0.16 92	0.16 140	0.09 55	0.11 107	0.06 8	0.06 27	0.09 19	0.13 220	0.07 199	0.06 258	0.08 230	0.05 72	0.05 62	0.04 10

UniTT-Stereo	0.09 41	0.07 96	0.08 12	0.18 248	0.08 87	0.13 191	0.11 21	0.12 27	0.11 34	0.10 84	0.12 120	0.05 1	0.06 27	0.09 19	0.10 89	0.07 199	0.06 258	0.05 3	0.05 72	0.06 143	0.05 80

PCWNet_CMD	0.14 261	0.08 198	0.15 247	0.17 171	0.09 185	0.14 230	0.14 118	0.29 354	0.36 398	0.14 198	0.20 240	0.21 304	0.13 238	0.17 299	0.14 256	0.07 199	0.05 120	0.07 155	0.07 227	0.07 210	0.07 223

Any-RAFT	0.10 97	0.05 7	0.10 66	0.15 56	0.07 35	0.13 191	0.14 118	0.21 202	0.15 118	0.11 117	0.12 120	0.13 177	0.10 150	0.13 191	0.10 89	0.07 199	0.04 3	0.05 3	0.04 15	0.06 143	0.05 80

LoS	0.09 41	0.05 7	0.11 103	0.13 8	0.07 35	0.14 230	0.11 21	0.15 68	0.15 118	0.09 55	0.09 57	0.12 154	0.09 128	0.15 233	0.10 89	0.07 199	0.05 120	0.05 3	0.03 1	0.05 62	0.05 80
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ToySt	0.17 350	0.11 345	0.19 366	0.17 171	0.11 342	0.16 283	0.26 444	0.24 266	0.33 369	0.19 308	0.24 287	0.26 369	0.24 404	0.19 340	0.21 375	0.07 199	0.08 357	0.09 312	0.10 370	0.09 333	0.08 292

anonymousa	0.13 232	0.07 96	0.14 211	0.18 248	0.09 185	0.13 191	0.17 271	0.20 186	0.29 344	0.15 222	0.24 287	0.16 240	0.14 269	0.14 215	0.14 256	0.07 199	0.05 120	0.07 155	0.09 336	0.05 62	0.07 223

qqq	0.13 232	0.09 259	0.15 247	0.16 105	0.08 87	0.13 191	0.15 187	0.24 266	0.16 140	0.15 222	0.19 231	0.16 240	0.16 311	0.15 233	0.16 309	0.07 199	0.06 258	0.08 230	0.08 293	0.07 210	0.07 223

x	0.13 232	0.08 198	0.15 247	0.14 21	0.08 87	0.19 343	0.14 118	0.22 225	0.21 231	0.15 222	0.20 240	0.20 297	0.18 346	0.18 315	0.18 338	0.07 199	0.05 120	0.06 64	0.06 138	0.07 210	0.07 223

DisPM	0.11 136	0.07 96	0.13 170	0.16 105	0.09 185	0.06 6	0.13 72	0.18 149	0.17 163	0.14 198	0.19 231	0.12 154	0.10 150	0.12 144	0.11 133	0.07 199	0.05 120	0.07 155	0.06 138	0.06 143	0.11 384

Wz-Net-LNSev-Ref	0.18 365	0.09 259	0.30 433	0.15 56	0.11 342	0.23 399	0.20 375	0.27 312	0.40 418	0.26 399	0.43 453	0.25 359	0.15 289	0.21 375	0.20 362	0.07 199	0.05 120	0.06 64	0.05 72	0.10 367	0.09 336

hknet	0.15 300	0.11 345	0.14 211	0.22 404	0.11 342	0.15 255	0.15 187	0.34 412	0.26 310	0.17 261	0.23 276	0.22 322	0.18 346	0.17 299	0.13 220	0.07 199	0.06 258	0.10 357	0.09 336	0.07 210	0.07 223

CIPLG	0.11 136	0.08 198	0.15 247	0.17 171	0.08 87	0.13 191	0.15 187	0.17 124	0.16 140	0.14 198	0.11 107	0.16 240	0.10 150	0.17 299	0.12 187	0.07 199	0.05 120	0.06 64	0.06 138	0.05 62	0.06 152

IPLGR_C	0.11 136	0.08 198	0.15 247	0.17 171	0.08 87	0.12 163	0.15 187	0.17 124	0.15 118	0.14 198	0.11 107	0.16 240	0.10 150	0.16 260	0.12 187	0.07 199	0.05 120	0.06 64	0.06 138	0.05 62	0.06 152

ACRE	0.11 136	0.08 198	0.15 247	0.17 171	0.08 87	0.13 191	0.15 187	0.17 124	0.14 101	0.14 198	0.11 107	0.16 240	0.10 150	0.16 260	0.12 187	0.07 199	0.05 120	0.06 64	0.06 138	0.05 62	0.06 152

GwcNet-ADL	0.13 232	0.08 198	0.14 211	0.20 354	0.09 185	0.12 163	0.20 375	0.30 364	0.25 297	0.14 198	0.14 147	0.18 271	0.14 269	0.13 191	0.15 290	0.07 199	0.05 120	0.06 64	0.05 72	0.07 210	0.06 152

TRStereo	0.10 97	0.05 7	0.12 137	0.16 105	0.12 371	0.10 90	0.13 72	0.18 149	0.19 198	0.09 55	0.09 57	0.09 86	0.07 71	0.10 34	0.08 14	0.07 199	0.05 120	0.07 155	0.07 227	0.04 2	0.04 10

PSM-softLoss	0.12 205	0.07 96	0.15 247	0.17 171	0.09 185	0.08 32	0.12 40	0.24 266	0.17 163	0.15 222	0.19 231	0.13 177	0.11 178	0.11 73	0.11 133	0.07 199	0.05 120	0.08 230	0.07 227	0.07 210	0.12 403

KMStereo	0.12 205	0.07 96	0.15 247	0.17 171	0.09 185	0.08 32	0.12 40	0.24 266	0.17 163	0.15 222	0.19 231	0.13 177	0.11 178	0.11 73	0.11 133	0.07 199	0.05 120	0.08 230	0.07 227	0.07 210	0.12 403

CRE-IMP	0.11 136	0.09 259	0.16 288	0.19 306	0.09 185	0.10 90	0.12 40	0.18 149	0.10 16	0.14 198	0.14 147	0.14 196	0.13 238	0.12 144	0.12 187	0.07 199	0.04 3	0.08 230	0.06 138	0.08 273	0.08 292

CroCo-Stereo	0.09 41	0.08 198	0.08 12	0.22 404	0.09 185	0.09 54	0.18 316	0.16 92	0.12 55	0.07 14	0.07 21	0.08 59	0.06 27	0.08 11	0.07 1	0.07 199	0.05 120	0.06 64	0.04 15	0.05 62	0.04 10
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
LMCR-Stereo	0.15 300	0.08 198	0.14 211	0.21 384	0.09 185	0.18 322	0.19 358	0.28 336	0.19 198	0.24 383	0.24 287	0.23 338	0.17 334	0.20 358	0.17 325	0.07 199	0.06 258	0.08 230	0.06 138	0.10 367	0.09 336

rafts_anoy	0.11 136	0.06 35	0.10 66	0.17 171	0.08 87	0.10 90	0.14 118	0.18 149	0.14 101	0.13 175	0.13 134	0.12 154	0.11 178	0.11 73	0.13 220	0.07 199	0.05 120	0.09 312	0.11 399	0.07 210	0.06 152

raft+_RVC	0.11 136	0.07 96	0.09 42	0.16 105	0.07 35	0.10 90	0.11 21	0.24 266	0.20 217	0.12 147	0.15 159	0.12 154	0.08 103	0.12 144	0.13 220	0.07 199	0.04 3	0.07 155	0.06 138	0.05 62	0.05 80

TANstereo	0.09 41	0.04 1	0.08 12	0.13 8	0.06 8	0.11 126	0.13 72	0.15 68	0.19 198	0.11 117	0.15 159	0.10 113	0.07 71	0.12 144	0.09 35	0.07 199	0.05 120	0.05 3	0.04 15	0.06 143	0.05 80

CFNet_pseudo	0.14 261	0.08 198	0.16 288	0.16 105	0.09 185	0.13 191	0.14 118	0.27 312	0.34 380	0.15 222	0.21 257	0.22 322	0.13 238	0.18 315	0.14 256	0.07 199	0.05 120	0.08 230	0.06 138	0.07 210	0.07 223

RALCasStereoNet	0.11 136	0.07 96	0.09 42	0.16 105	0.08 87	0.13 191	0.14 118	0.17 124	0.11 34	0.12 147	0.17 194	0.14 196	0.10 150	0.12 144	0.11 133	0.07 199	0.06 258	0.06 64	0.05 72	0.08 273	0.07 223

GMStereo	0.13 232	0.15 412	0.14 211	0.18 248	0.09 185	0.16 283	0.16 245	0.20 186	0.25 297	0.17 261	0.17 194	0.11 133	0.11 178	0.16 260	0.13 220	0.07 199	0.06 258	0.06 64	0.06 138	0.07 210	0.06 152
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.17 350	0.09 259	0.18 343	0.19 306	0.12 371	0.28 441	0.19 358	0.33 398	0.30 350	0.21 343	0.25 314	0.23 338	0.19 364	0.20 358	0.19 352	0.07 199	0.06 258	0.08 230	0.07 227	0.08 273	0.07 223

ACVNet	0.15 300	0.09 259	0.15 247	0.13 8	0.12 371	0.14 230	0.20 375	0.22 225	0.34 380	0.17 261	0.26 327	0.21 304	0.17 334	0.18 315	0.21 375	0.07 199	0.06 258	0.06 64	0.06 138	0.08 273	0.06 152

acv_ft	0.15 300	0.09 259	0.16 288	0.19 306	0.10 290	0.16 283	0.17 271	0.25 286	0.34 380	0.19 308	0.26 327	0.21 304	0.17 334	0.18 315	0.19 352	0.07 199	0.06 258	0.06 64	0.06 138	0.08 273	0.06 152

FADNet-RVC-Resample	0.17 350	0.12 363	0.32 440	0.22 404	0.12 371	0.19 343	0.14 118	0.25 286	0.24 273	0.24 383	0.27 344	0.20 297	0.15 289	0.17 299	0.16 309	0.07 199	0.08 357	0.12 406	0.10 370	0.09 333	0.11 384

BEATNet_4x	0.12 205	0.09 259	0.15 247	0.18 248	0.07 35	0.15 255	0.07 2	0.23 243	0.19 198	0.16 249	0.19 231	0.19 280	0.14 269	0.17 299	0.15 290	0.07 199	0.05 120	0.05 3	0.05 72	0.06 143	0.07 223

R-Stereo Train	0.10 97	0.06 35	0.11 103	0.17 171	0.08 87	0.11 126	0.14 118	0.24 266	0.11 34	0.12 147	0.19 231	0.11 133	0.08 103	0.10 34	0.11 133	0.07 199	0.05 120	0.06 64	0.05 72	0.05 62	0.05 80

ADCRef	0.20 385	0.12 363	0.43 463	0.20 354	0.12 371	0.23 399	0.18 316	0.32 384	0.37 403	0.26 399	0.33 394	0.18 271	0.23 397	0.25 415	0.26 429	0.07 199	0.06 258	0.09 312	0.09 336	0.08 273	0.09 336

RAFT-Stereo	0.10 97	0.06 35	0.11 103	0.17 171	0.08 87	0.11 126	0.14 118	0.24 266	0.11 34	0.12 147	0.19 231	0.11 133	0.08 103	0.10 34	0.11 133	0.07 199	0.05 120	0.06 64	0.05 72	0.05 62	0.05 80
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.15 300	0.07 96	0.15 247	0.16 105	0.08 87	0.19 343	0.14 118	0.30 364	0.21 231	0.17 261	0.25 314	0.21 304	0.19 364	0.20 358	0.20 362	0.07 199	0.06 258	0.06 64	0.08 293	0.06 143	0.06 152

MSMDNet	0.14 261	0.08 198	0.15 247	0.17 171	0.09 185	0.14 230	0.14 118	0.29 354	0.36 398	0.14 198	0.20 240	0.21 304	0.13 238	0.18 315	0.14 256	0.07 199	0.05 120	0.07 155	0.07 227	0.07 210	0.07 223

ccs_rob	0.14 261	0.09 259	0.16 288	0.16 105	0.09 185	0.13 191	0.14 118	0.27 312	0.34 380	0.15 222	0.21 257	0.22 322	0.13 238	0.18 315	0.14 256	0.07 199	0.05 120	0.08 230	0.07 227	0.07 210	0.07 223

HSM	0.15 300	0.09 259	0.15 247	0.16 105	0.09 185	0.16 283	0.14 118	0.28 336	0.25 297	0.20 329	0.24 287	0.37 439	0.17 334	0.20 358	0.15 290	0.07 199	0.05 120	0.07 155	0.06 138	0.07 210	0.06 152

iResNet_ROB	0.14 261	0.07 96	0.13 170	0.15 56	0.07 35	0.19 343	0.14 118	0.26 298	0.32 364	0.23 371	0.26 327	0.23 338	0.16 311	0.15 233	0.14 256	0.07 199	0.05 120	0.05 3	0.04 15	0.08 273	0.08 292

LE_ROB	0.50 489	0.07 96	0.14 211	0.15 56	0.08 87	0.26 423	0.17 271	0.23 243	1.71 520	4.68 524	0.67 484	0.46 471	0.47 482	0.21 375	0.30 453	0.07 199	0.06 258	0.06 64	0.06 138	0.08 273	0.06 152

pmcnn	0.15 300	0.07 96	0.20 370	0.15 56	0.07 35	0.21 374	0.16 245	0.25 286	0.26 310	0.21 343	0.33 394	0.29 392	0.19 364	0.18 315	0.17 325	0.07 199	0.05 120	0.05 3	0.04 15	0.07 210	0.06 152

coex_refinement	0.14 261	0.07 96	0.12 137	0.17 171	0.10 290	0.16 283	0.15 187	0.27 312	0.29 344	0.18 293	0.21 257	0.22 322	0.17 334	0.16 260	0.19 352	0.08 256	0.05 120	0.06 64	0.06 138	0.09 333	0.08 292

StereoAnything_RVC	0.07 2	0.16 420	0.17 311	0.11 1	0.05 1	0.06 6	0.11 21	0.08 3	0.08 2	0.06 4	0.06 4	0.05 1	0.05 7	0.09 19	0.08 14	0.08 256	0.04 3	0.05 3	0.03 1	0.05 62	0.04 10

ACV-stereo	0.15 300	0.10 321	0.29 427	0.18 248	0.12 371	0.15 255	0.13 72	0.23 243	0.21 231	0.19 308	0.23 276	0.22 322	0.15 289	0.23 399	0.17 325	0.08 256	0.07 326	0.07 155	0.07 227	0.08 273	0.07 223

Pointernet	0.09 41	0.05 7	0.10 66	0.16 105	0.08 87	0.13 191	0.10 11	0.15 68	0.18 177	0.09 55	0.07 21	0.06 8	0.06 27	0.11 73	0.10 89	0.08 256	0.04 3	0.05 3	0.03 1	0.06 143	0.05 80

test_sample6	0.14 261	0.09 259	0.14 211	0.17 171	0.08 87	0.17 306	0.19 358	0.26 298	0.18 177	0.18 293	0.28 355	0.19 280	0.15 289	0.15 233	0.13 220	0.08 256	0.05 120	0.08 230	0.07 227	0.08 273	0.08 292

test_sample5	0.14 261	0.08 198	0.14 211	0.16 105	0.08 87	0.18 322	0.18 316	0.25 286	0.17 163	0.17 261	0.28 355	0.18 271	0.15 289	0.16 260	0.13 220	0.08 256	0.06 258	0.08 230	0.07 227	0.09 333	0.08 292

test_sample4	0.14 261	0.08 198	0.15 247	0.15 56	0.08 87	0.19 343	0.18 316	0.26 298	0.18 177	0.17 261	0.26 327	0.18 271	0.15 289	0.17 299	0.13 220	0.08 256	0.06 258	0.08 230	0.06 138	0.09 333	0.08 292

test_sample2	0.13 232	0.07 96	0.12 137	0.14 21	0.08 87	0.16 283	0.18 316	0.21 202	0.16 140	0.14 198	0.21 257	0.20 297	0.15 289	0.15 233	0.13 220	0.08 256	0.06 258	0.07 155	0.06 138	0.08 273	0.08 292

trnet	0.08 14	0.05 7	0.07 2	0.12 4	0.05 1	0.12 163	0.10 11	0.13 41	0.10 16	0.08 33	0.13 134	0.09 86	0.08 103	0.11 73	0.10 89	0.08 256	0.05 120	0.05 3	0.03 1	0.06 143	0.05 80

SMFormer	0.14 261	0.07 96	0.18 343	0.14 21	0.08 87	0.17 306	0.17 271	0.27 312	0.27 322	0.19 308	0.20 240	0.19 280	0.15 289	0.15 233	0.17 325	0.08 256	0.05 120	0.07 155	0.06 138	0.08 273	0.07 223

tta	0.14 261	0.07 96	0.18 343	0.14 21	0.08 87	0.17 306	0.17 271	0.27 312	0.27 322	0.19 308	0.20 240	0.19 280	0.15 289	0.15 233	0.17 325	0.08 256	0.05 120	0.07 155	0.06 138	0.06 143	0.06 152

qqq1	0.14 261	0.07 96	0.18 343	0.14 21	0.08 87	0.17 306	0.17 271	0.27 312	0.27 322	0.19 308	0.20 240	0.19 280	0.15 289	0.15 233	0.12 187	0.08 256	0.05 120	0.05 3	0.05 72	0.06 143	0.06 152

fff1	0.14 261	0.07 96	0.18 343	0.14 21	0.08 87	0.17 306	0.17 271	0.27 312	0.27 322	0.19 308	0.20 240	0.19 280	0.15 289	0.15 233	0.12 187	0.08 256	0.05 120	0.05 3	0.05 72	0.06 143	0.06 152

mmm	0.14 261	0.08 198	0.18 343	0.17 171	0.09 185	0.17 306	0.18 316	0.21 202	0.16 140	0.16 249	0.23 276	0.21 304	0.16 311	0.16 260	0.17 325	0.08 256	0.05 120	0.08 230	0.08 293	0.08 273	0.07 223

11t1	0.12 205	0.07 96	0.14 211	0.14 21	0.08 87	0.17 306	0.15 187	0.19 173	0.15 118	0.15 222	0.15 159	0.17 257	0.16 311	0.15 233	0.13 220	0.08 256	0.05 120	0.06 64	0.05 72	0.08 273	0.07 223

DualNet	0.14 261	0.08 198	0.14 211	0.16 105	0.08 87	0.18 322	0.18 316	0.25 286	0.17 163	0.18 293	0.28 355	0.18 271	0.15 289	0.16 260	0.13 220	0.08 256	0.06 258	0.08 230	0.07 227	0.09 333	0.08 292

mmx	0.15 300	0.09 259	0.15 247	0.16 105	0.09 185	0.17 306	0.17 271	0.27 312	0.26 310	0.15 222	0.26 327	0.19 280	0.13 238	0.15 233	0.22 388	0.08 256	0.06 258	0.09 312	0.08 293	0.08 273	0.08 292

xxx	0.15 300	0.09 259	0.15 247	0.16 105	0.09 185	0.17 306	0.17 271	0.27 312	0.26 310	0.15 222	0.26 327	0.19 280	0.13 238	0.15 233	0.22 388	0.08 256	0.06 258	0.09 312	0.08 293	0.08 273	0.08 292

MIF-Stereo (partial)	0.11 136	0.06 35	0.10 66	0.19 306	0.10 290	0.10 90	0.12 40	0.17 124	0.19 198	0.14 198	0.16 175	0.10 113	0.11 178	0.12 144	0.12 187	0.08 256	0.05 120	0.08 230	0.07 227	0.06 143	0.07 223

EKT-Stereo	0.11 136	0.07 96	0.14 211	0.16 105	0.10 290	0.13 191	0.14 118	0.19 173	0.21 231	0.11 117	0.08 42	0.13 177	0.10 150	0.11 73	0.12 187	0.08 256	0.06 258	0.07 155	0.06 138	0.08 273	0.07 223

testlalala_base	0.10 97	0.09 259	0.14 211	0.21 384	0.08 87	0.10 90	0.14 118	0.13 41	0.11 34	0.08 33	0.15 159	0.07 39	0.08 103	0.11 73	0.12 187	0.08 256	0.05 120	0.05 3	0.03 1	0.07 210	0.05 80

CAS	0.08 14	0.04 1	0.07 2	0.17 171	0.08 87	0.10 90	0.13 72	0.12 27	0.09 8	0.09 55	0.10 79	0.08 59	0.06 27	0.09 19	0.09 35	0.08 256	0.04 3	0.05 3	0.03 1	0.05 62	0.04 10

gwcnet-sp	0.14 261	0.07 96	0.13 170	0.18 248	0.09 185	0.16 283	0.18 316	0.24 266	0.24 273	0.19 308	0.24 287	0.15 221	0.16 311	0.16 260	0.15 290	0.08 256	0.07 326	0.07 155	0.08 293	0.08 273	0.07 223

scenet	0.14 261	0.07 96	0.13 170	0.18 248	0.09 185	0.16 283	0.18 316	0.24 266	0.24 273	0.19 308	0.24 287	0.15 221	0.16 311	0.16 260	0.15 290	0.08 256	0.07 326	0.07 155	0.08 293	0.08 273	0.07 223

ssnet	0.14 261	0.07 96	0.13 170	0.18 248	0.09 185	0.16 283	0.18 316	0.24 266	0.24 273	0.19 308	0.24 287	0.15 221	0.16 311	0.16 260	0.15 290	0.08 256	0.07 326	0.07 155	0.08 293	0.08 273	0.07 223

BUS	0.15 300	0.09 259	0.14 211	0.22 404	0.10 290	0.20 363	0.14 118	0.34 412	0.20 217	0.17 261	0.23 276	0.16 240	0.14 269	0.16 260	0.14 256	0.08 256	0.06 258	0.10 357	0.09 336	0.07 210	0.07 223

IER	0.14 261	0.08 198	0.13 170	0.17 171	0.09 185	0.14 230	0.16 245	0.26 298	0.27 322	0.18 293	0.26 327	0.17 257	0.20 376	0.17 299	0.14 256	0.08 256	0.05 120	0.07 155	0.06 138	0.08 273	0.07 223

NINENet	0.16 328	0.10 321	0.16 288	0.17 171	0.11 342	0.20 363	0.14 118	0.41 458	0.37 403	0.18 293	0.21 257	0.16 240	0.14 269	0.16 260	0.14 256	0.08 256	0.08 357	0.10 357	0.07 227	0.10 367	0.09 336

BSDual-CNN	0.15 300	0.09 259	0.14 211	0.22 404	0.10 290	0.15 255	0.15 187	0.34 412	0.20 217	0.17 261	0.23 276	0.25 359	0.16 311	0.16 260	0.14 256	0.08 256	0.06 258	0.10 357	0.09 336	0.07 210	0.07 223

psmg	0.14 261	0.09 259	0.14 211	0.17 171	0.10 290	0.15 255	0.17 271	0.29 354	0.20 217	0.17 261	0.21 257	0.25 359	0.16 311	0.16 260	0.14 256	0.08 256	0.07 326	0.08 230	0.08 293	0.07 210	0.07 223

DAS	0.15 300	0.08 198	0.18 343	0.19 306	0.10 290	0.19 343	0.17 271	0.28 336	0.30 350	0.18 293	0.26 327	0.21 304	0.16 311	0.16 260	0.13 220	0.08 256	0.06 258	0.06 64	0.06 138	0.07 210	0.07 223

SepStereo	0.15 300	0.08 198	0.18 343	0.19 306	0.10 290	0.19 343	0.17 271	0.28 336	0.30 350	0.18 293	0.26 327	0.21 304	0.16 311	0.26 419	0.13 220	0.08 256	0.06 258	0.06 64	0.06 138	0.07 210	0.07 223

GANet-ADL	0.13 232	0.07 96	0.15 247	0.17 171	0.10 290	0.19 343	0.15 187	0.30 364	0.21 231	0.13 175	0.18 217	0.19 280	0.13 238	0.16 260	0.14 256	0.08 256	0.06 258	0.06 64	0.05 72	0.07 210	0.08 292

ADLNet2	0.16 328	0.09 259	0.14 211	0.17 171	0.09 185	0.20 363	0.16 245	0.32 384	0.39 413	0.17 261	0.20 240	0.20 297	0.19 364	0.21 375	0.23 399	0.08 256	0.07 326	0.07 155	0.07 227	0.09 333	0.07 223

PFNet+	0.12 205	0.06 35	0.14 211	0.16 105	0.09 185	0.05 3	0.12 40	0.18 149	0.21 231	0.16 249	0.19 231	0.14 196	0.10 150	0.11 73	0.11 133	0.08 256	0.05 120	0.09 312	0.08 293	0.06 143	0.11 384

AnonymousM	0.10 97	0.06 35	0.10 66	0.14 21	0.07 35	0.09 54	0.13 72	0.19 173	0.14 101	0.13 175	0.12 120	0.09 86	0.08 103	0.13 191	0.10 89	0.08 256	0.05 120	0.08 230	0.05 72	0.05 62	0.05 80

Anonymous3	0.16 328	0.14 406	0.34 445	0.26 449	0.14 412	0.27 431	0.18 316	0.28 336	0.28 338	0.15 222	0.17 194	0.14 196	0.11 178	0.16 260	0.12 187	0.08 256	0.08 357	0.08 230	0.08 293	0.08 273	0.11 384

raftrobust	0.09 41	0.06 35	0.11 103	0.17 171	0.08 87	0.09 54	0.10 11	0.18 149	0.16 140	0.10 84	0.09 57	0.12 154	0.08 103	0.12 144	0.10 89	0.08 256	0.05 120	0.06 64	0.05 72	0.05 62	0.06 152

sCroCo_RVC	0.12 205	0.09 259	0.24 402	0.24 433	0.11 342	0.19 343	0.14 118	0.17 124	0.15 118	0.10 84	0.13 134	0.12 154	0.07 71	0.14 215	0.11 133	0.08 256	0.08 357	0.08 230	0.08 293	0.05 62	0.07 223

GES	0.14 261	0.08 198	0.16 288	0.15 56	0.10 290	0.13 191	0.13 72	0.28 336	0.26 310	0.17 261	0.24 287	0.19 280	0.14 269	0.16 260	0.14 256	0.08 256	0.08 357	0.07 155	0.06 138	0.08 273	0.09 336

RAFT + AFF	0.13 232	0.08 198	0.21 380	0.20 354	0.10 290	0.14 230	0.23 412	0.27 312	0.21 231	0.12 147	0.10 79	0.12 154	0.10 150	0.16 260	0.12 187	0.08 256	0.07 326	0.09 312	0.09 336	0.06 143	0.09 336

SFCPSM	0.13 232	0.07 96	0.15 247	0.17 171	0.09 185	0.15 255	0.16 245	0.28 336	0.27 322	0.14 198	0.18 217	0.12 154	0.13 238	0.14 215	0.11 133	0.08 256	0.05 120	0.07 155	0.07 227	0.07 210	0.06 152

delet	0.17 350	0.09 259	0.18 343	0.19 306	0.11 342	0.21 374	0.22 402	0.30 364	0.38 409	0.17 261	0.27 344	0.19 280	0.19 364	0.19 340	0.21 375	0.08 256	0.08 357	0.09 312	0.11 399	0.06 143	0.07 223

aanetorigin	0.22 406	0.17 430	0.57 477	0.18 248	0.10 290	0.16 283	0.19 358	0.20 186	0.33 369	0.49 479	0.48 462	0.30 399	0.28 433	0.21 375	0.24 411	0.08 256	0.07 326	0.08 230	0.07 227	0.10 367	0.09 336

EDNetEfficientorigin	7.92 526	0.32 482	152.98 541	0.20 354	0.10 290	0.22 387	0.17 271	0.23 243	0.60 477	0.73 494	0.67 484	0.41 459	0.51 487	0.24 410	0.41 481	0.08 256	0.07 326	0.09 312	0.07 227	0.12 402	0.11 384

CREStereo	0.09 41	0.05 7	0.08 12	0.11 1	0.06 8	0.14 230	0.14 118	0.14 54	0.10 16	0.09 55	0.13 134	0.09 86	0.08 103	0.12 144	0.10 89	0.08 256	0.04 3	0.05 3	0.03 1	0.06 143	0.06 152
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
FENet	0.13 232	0.08 198	0.13 170	0.16 105	0.08 87	0.15 255	0.16 245	0.23 243	0.23 263	0.17 261	0.24 287	0.16 240	0.13 238	0.14 215	0.15 290	0.08 256	0.05 120	0.08 230	0.08 293	0.08 273	0.08 292

FADNet_RVC	0.17 350	0.14 406	0.41 459	0.20 354	0.11 342	0.13 191	0.13 72	0.27 312	0.22 253	0.21 343	0.23 276	0.20 297	0.18 346	0.15 233	0.17 325	0.08 256	0.08 357	0.12 406	0.09 336	0.11 387	0.10 362

SuperB	0.20 385	0.10 321	0.57 477	0.16 105	0.09 185	0.19 343	0.18 316	0.25 286	0.51 458	0.27 406	0.39 430	0.17 257	0.22 391	0.22 392	0.21 375	0.08 256	0.06 258	0.06 64	0.06 138	0.12 402	0.11 384

CFNet	0.15 300	0.11 345	0.17 311	0.17 171	0.08 87	0.19 343	0.10 11	0.29 354	0.26 310	0.19 308	0.24 287	0.24 347	0.18 346	0.18 315	0.15 290	0.08 256	0.06 258	0.09 312	0.10 370	0.08 273	0.07 223

DISCO	0.20 385	0.09 259	0.22 389	0.17 171	0.10 290	0.25 413	0.18 316	0.28 336	0.45 441	0.23 371	0.32 388	0.34 429	0.26 418	0.29 436	0.29 448	0.08 256	0.06 258	0.07 155	0.07 227	0.09 333	0.10 362

DLCB_ROB	0.18 365	0.10 321	0.16 288	0.23 423	0.11 342	0.24 405	0.18 316	0.30 364	0.28 338	0.27 406	0.29 369	0.28 385	0.25 411	0.20 358	0.20 362	0.08 256	0.08 357	0.09 312	0.09 336	0.07 210	0.07 223

G2L-Stereo	0.14 261	0.07 96	0.13 170	0.17 171	0.09 185	0.13 191	0.12 40	0.27 312	0.22 253	0.17 261	0.27 344	0.21 304	0.13 238	0.18 315	0.18 338	0.09 308	0.08 357	0.08 230	0.07 227	0.07 210	0.07 223

DDVS	0.16 328	0.10 321	0.22 389	0.16 105	0.12 371	0.15 255	0.14 118	0.25 286	0.19 198	0.18 293	0.30 375	0.27 374	0.13 238	0.20 358	0.16 309	0.09 308	0.06 258	0.09 312	0.07 227	0.11 387	0.11 384

DCVSM-stereo	0.15 300	0.09 259	0.16 288	0.16 105	0.10 290	0.15 255	0.09 6	0.20 186	0.24 273	0.20 329	0.24 287	0.26 369	0.15 289	0.19 340	0.14 256	0.09 308	0.07 326	0.09 312	0.08 293	0.10 367	0.12 403

rvit_stereo_0080	0.10 97	0.08 198	0.15 247	0.15 56	0.10 290	0.07 20	0.15 187	0.16 92	0.16 140	0.11 117	0.10 79	0.15 221	0.09 128	0.12 144	0.10 89	0.09 308	0.07 326	0.07 155	0.06 138	0.07 210	0.05 80

test_sample3	0.14 261	0.08 198	0.15 247	0.14 21	0.09 185	0.20 363	0.17 271	0.27 312	0.18 177	0.17 261	0.22 272	0.19 280	0.15 289	0.17 299	0.14 256	0.09 308	0.06 258	0.07 155	0.06 138	0.09 333	0.08 292

whm_eth	0.10 97	0.08 198	0.15 247	0.15 56	0.10 290	0.07 20	0.15 187	0.16 92	0.16 140	0.11 117	0.10 79	0.15 221	0.09 128	0.12 144	0.10 89	0.09 308	0.07 326	0.07 155	0.06 138	0.07 210	0.05 80

GMStereo_Zeroshot	0.16 328	0.13 391	0.25 405	0.20 354	0.10 290	0.17 306	0.13 72	0.30 364	0.25 297	0.23 371	0.32 388	0.25 359	0.11 178	0.19 340	0.14 256	0.09 308	0.06 258	0.11 387	0.06 138	0.12 402	0.08 292

StereoVision	0.14 261	0.13 391	0.10 66	0.24 433	0.10 290	0.16 283	0.21 391	0.21 202	0.20 217	0.12 147	0.25 314	0.10 113	0.10 150	0.16 260	0.10 89	0.09 308	0.10 403	0.12 406	0.12 419	0.06 143	0.05 80

CFNet_ucs	0.15 300	0.09 259	0.17 311	0.16 105	0.11 342	0.14 230	0.14 118	0.30 364	0.34 380	0.16 249	0.24 287	0.23 338	0.14 269	0.18 315	0.15 290	0.09 308	0.06 258	0.08 230	0.07 227	0.09 333	0.09 336

coex-ft	3.24 520	0.35 485	57.83 540	0.18 248	0.13 396	0.27 431	0.23 412	0.28 336	0.72 491	1.89 522	0.70 488	0.43 463	0.47 482	0.29 436	0.43 484	0.09 308	0.09 381	0.12 406	0.09 336	0.14 431	0.14 430

fast-acv-ft	0.18 365	0.11 345	0.20 370	0.19 306	0.12 371	0.26 423	0.21 391	0.26 298	0.35 393	0.22 356	0.34 404	0.27 374	0.21 384	0.21 375	0.23 399	0.09 308	0.09 381	0.08 230	0.10 370	0.08 273	0.07 223

iinet-f	0.17 350	0.07 96	0.46 465	0.14 21	0.10 290	0.21 374	0.14 118	0.27 312	0.23 263	0.22 356	0.25 314	0.21 304	0.16 311	0.18 315	0.22 388	0.09 308	0.07 326	0.07 155	0.06 138	0.09 333	0.10 362

CASS	0.14 261	0.12 363	0.12 137	0.23 423	0.09 185	0.15 255	0.17 271	0.19 173	0.20 217	0.17 261	0.18 217	0.15 221	0.15 289	0.15 233	0.14 256	0.09 308	0.06 258	0.10 357	0.08 293	0.09 333	0.07 223
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.11 136	0.06 35	0.12 137	0.14 21	0.07 35	0.15 255	0.13 72	0.20 186	0.14 101	0.11 117	0.17 194	0.13 177	0.09 128	0.14 215	0.11 133	0.09 308	0.05 120	0.06 64	0.05 72	0.07 210	0.07 223

riskmin	0.11 136	0.06 35	0.13 170	0.14 21	0.08 87	0.14 230	0.14 118	0.18 149	0.15 118	0.12 147	0.15 159	0.17 257	0.11 178	0.14 215	0.12 187	0.09 308	0.05 120	0.07 155	0.05 72	0.08 273	0.08 292

Wz-Net-MNSev	0.23 419	0.13 391	0.33 442	0.20 354	0.15 427	0.36 464	0.25 438	0.34 412	0.45 441	0.29 427	0.41 443	0.39 450	0.19 364	0.25 415	0.27 434	0.09 308	0.07 326	0.09 312	0.09 336	0.12 402	0.10 362

CRFU-Net	0.16 328	0.08 198	0.15 247	0.17 171	0.09 185	0.20 363	0.14 118	0.27 312	0.21 231	0.28 418	0.28 355	0.29 392	0.18 346	0.19 340	0.18 338	0.09 308	0.09 381	0.07 155	0.07 227	0.08 273	0.09 336

CSP-Net	0.16 328	0.09 259	0.14 211	0.17 171	0.09 185	0.19 343	0.18 316	0.25 286	0.33 369	0.26 399	0.31 379	0.25 359	0.16 311	0.21 375	0.19 352	0.09 308	0.06 258	0.07 155	0.07 227	0.08 273	0.08 292

WZ-Net	0.29 456	0.17 430	0.82 501	0.23 423	0.16 439	0.35 460	0.29 466	0.40 453	0.59 476	0.24 383	0.57 476	0.37 439	0.25 411	0.34 453	0.37 474	0.09 308	0.08 357	0.09 312	0.10 370	0.14 431	0.16 453

AACVNet	0.16 328	0.08 198	0.15 247	0.15 56	0.10 290	0.18 322	0.15 187	0.24 266	0.25 297	0.27 406	0.27 344	0.28 385	0.18 346	0.19 340	0.17 325	0.09 308	0.07 326	0.09 312	0.07 227	0.10 367	0.09 336

PSMNet-ADL	0.15 300	0.12 363	0.13 170	0.22 404	0.09 185	0.13 191	0.20 375	0.26 298	0.23 263	0.18 293	0.20 240	0.23 338	0.17 334	0.18 315	0.18 338	0.09 308	0.08 357	0.08 230	0.11 399	0.08 273	0.07 223

sAnonymous2	0.13 232	0.12 363	0.25 405	0.20 354	0.12 371	0.18 322	0.14 118	0.27 312	0.21 231	0.11 117	0.12 120	0.13 177	0.08 103	0.11 73	0.11 133	0.09 308	0.05 120	0.08 230	0.06 138	0.15 443	0.10 362

CroCo_RVC	0.13 232	0.12 363	0.25 405	0.20 354	0.12 371	0.18 322	0.14 118	0.27 312	0.21 231	0.11 117	0.12 120	0.13 177	0.08 103	0.11 73	0.11 133	0.09 308	0.05 120	0.08 230	0.06 138	0.15 443	0.10 362

xxxx	0.15 300	0.07 96	0.14 211	0.14 21	0.08 87	0.24 405	0.18 316	0.32 384	0.20 217	0.14 198	0.28 355	0.22 322	0.14 269	0.15 233	0.29 448	0.09 308	0.05 120	0.07 155	0.07 227	0.08 273	0.08 292

test_xeample	0.15 300	0.07 96	0.14 211	0.15 56	0.08 87	0.22 387	0.20 375	0.29 354	0.21 231	0.16 249	0.29 369	0.19 280	0.17 334	0.16 260	0.28 441	0.09 308	0.05 120	0.07 155	0.07 227	0.07 210	0.07 223

psm_up	0.19 376	0.10 321	0.18 343	0.21 384	0.11 342	0.17 306	0.19 358	0.38 445	0.34 380	0.22 356	0.28 355	0.29 392	0.25 411	0.20 358	0.22 388	0.09 308	0.10 403	0.11 387	0.11 399	0.08 273	0.08 292

UPFNet	0.16 328	0.08 198	0.12 137	0.20 354	0.12 371	0.20 363	0.23 412	0.28 336	0.26 310	0.18 293	0.24 287	0.22 322	0.20 376	0.19 340	0.22 388	0.09 308	0.07 326	0.08 230	0.09 336	0.08 273	0.06 152

EDNetEfficient	0.30 459	0.24 464	1.18 509	0.18 248	0.10 290	0.20 363	0.20 375	0.21 202	0.61 478	0.74 496	0.56 472	0.30 399	0.40 471	0.23 399	0.32 463	0.09 308	0.07 326	0.08 230	0.07 227	0.11 387	0.10 362

ac_64	0.16 328	0.09 259	0.15 247	0.18 248	0.10 290	0.22 387	0.17 271	0.24 266	0.22 253	0.19 308	0.24 287	0.29 392	0.18 346	0.19 340	0.22 388	0.09 308	0.08 357	0.08 230	0.09 336	0.07 210	0.06 152

FAT-Stereo	0.21 398	0.13 391	0.22 389	0.21 384	0.12 371	0.18 322	0.18 316	0.35 426	0.40 418	0.28 418	0.37 416	0.33 425	0.33 456	0.21 375	0.20 362	0.09 308	0.11 415	0.10 357	0.09 336	0.11 387	0.14 430

S-Stereo	0.21 398	0.12 363	0.25 405	0.21 384	0.13 396	0.21 374	0.19 358	0.33 398	0.45 441	0.23 371	0.36 413	0.28 385	0.29 436	0.20 358	0.23 399	0.09 308	0.12 429	0.10 357	0.10 370	0.13 415	0.14 430

ADCL	0.25 435	0.12 363	0.49 470	0.22 404	0.12 371	0.36 464	0.29 466	0.30 364	0.57 471	0.24 383	0.47 461	0.30 399	0.31 452	0.30 442	0.30 453	0.09 308	0.07 326	0.09 312	0.09 336	0.10 367	0.10 362

ADCP+	0.20 385	0.10 321	0.35 451	0.21 384	0.12 371	0.22 387	0.27 449	0.31 380	0.35 393	0.26 399	0.37 416	0.22 322	0.22 391	0.27 421	0.28 441	0.09 308	0.06 258	0.08 230	0.08 293	0.10 367	0.10 362

NLCA_NET_v2_RVC	0.17 350	0.10 321	0.23 396	0.20 354	0.10 290	0.15 255	0.18 316	0.31 380	0.25 297	0.21 343	0.31 379	0.25 359	0.17 334	0.21 375	0.20 362	0.09 308	0.06 258	0.08 230	0.09 336	0.07 210	0.08 292
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NVstereo2D	0.19 376	0.11 345	0.16 288	0.17 171	0.16 439	0.28 441	0.23 412	0.44 473	0.42 427	0.15 222	0.28 355	0.25 359	0.19 364	0.23 399	0.18 338	0.09 308	0.06 258	0.10 357	0.08 293	0.15 443	0.10 362

StereoDRNet-Refined	0.17 350	0.12 363	0.16 288	0.20 354	0.10 290	0.18 322	0.18 316	0.27 312	0.24 273	0.26 399	0.41 443	0.23 338	0.18 346	0.21 375	0.21 375	0.09 308	0.05 120	0.09 312	0.10 370	0.07 210	0.07 223
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
FBW_ROB	0.25 435	0.17 430	0.23 396	0.27 457	0.14 412	0.26 423	0.22 402	0.42 463	0.43 435	0.42 468	0.41 443	0.43 463	0.27 424	0.32 447	0.24 411	0.09 308	0.15 455	0.15 444	0.12 419	0.12 402	0.10 362

rvit_stereo_0083	0.12 205	0.08 198	0.17 311	0.16 105	0.09 185	0.11 126	0.15 187	0.15 68	0.26 310	0.11 117	0.14 147	0.13 177	0.10 150	0.12 144	0.13 220	0.10 345	0.08 357	0.09 312	0.07 227	0.07 210	0.06 152

rvit_stereo_0081_aga	0.12 205	0.09 259	0.15 247	0.18 248	0.10 290	0.14 230	0.14 118	0.14 54	0.19 198	0.10 84	0.18 217	0.16 240	0.09 128	0.12 144	0.10 89	0.10 345	0.06 258	0.08 230	0.07 227	0.07 210	0.06 152

rvit_stereo_0081	0.11 136	0.08 198	0.16 288	0.16 105	0.09 185	0.11 126	0.14 118	0.14 54	0.24 273	0.11 117	0.13 134	0.14 196	0.09 128	0.11 73	0.12 187	0.10 345	0.07 326	0.08 230	0.07 227	0.07 210	0.06 152

ITSA-stereo	0.16 328	0.11 345	0.14 211	0.19 306	0.08 87	0.13 191	0.14 118	0.30 364	0.49 452	0.17 261	0.18 217	0.22 322	0.15 289	0.17 299	0.16 309	0.10 345	0.06 258	0.08 230	0.08 293	0.08 273	0.09 336

rvit_stereo_0082	0.11 136	0.08 198	0.16 288	0.16 105	0.09 185	0.11 126	0.14 118	0.14 54	0.24 273	0.11 117	0.13 134	0.14 196	0.09 128	0.11 73	0.12 187	0.10 345	0.07 326	0.08 230	0.07 227	0.07 210	0.06 152

rvit_stereo_ft	0.12 205	0.07 96	0.13 170	0.19 306	0.10 290	0.12 163	0.17 271	0.16 92	0.16 140	0.13 175	0.13 134	0.15 221	0.10 150	0.14 215	0.13 220	0.10 345	0.06 258	0.08 230	0.07 227	0.07 210	0.06 152

Wz-Net-SNSev	0.26 445	0.17 430	0.46 465	0.25 440	0.14 412	0.26 423	0.24 422	0.38 445	0.57 471	0.30 432	0.56 472	0.39 450	0.26 418	0.24 410	0.32 463	0.10 345	0.09 381	0.10 357	0.11 399	0.11 387	0.11 384

Wz-Net-LNSev	0.22 406	0.16 420	0.41 459	0.22 404	0.13 396	0.25 413	0.24 422	0.33 398	0.44 437	0.30 432	0.42 450	0.32 419	0.19 364	0.23 399	0.27 434	0.10 345	0.09 381	0.08 230	0.08 293	0.12 402	0.11 384

UDGNet	0.14 261	0.13 391	0.17 311	0.18 248	0.10 290	0.12 163	0.16 245	0.21 202	0.27 322	0.20 329	0.20 240	0.17 257	0.13 238	0.16 260	0.14 256	0.10 345	0.06 258	0.09 312	0.07 227	0.07 210	0.07 223

dd	0.15 300	0.17 430	0.17 311	0.19 306	0.09 185	0.15 255	0.18 316	0.22 225	0.26 310	0.23 371	0.20 240	0.21 304	0.10 150	0.21 375	0.17 325	0.10 345	0.06 258	0.08 230	0.06 138	0.08 273	0.07 223

AASNet	0.16 328	0.08 198	0.13 170	0.19 306	0.09 185	0.19 343	0.15 187	0.38 445	0.37 403	0.20 329	0.24 287	0.20 297	0.17 334	0.17 299	0.21 375	0.10 345	0.08 357	0.08 230	0.07 227	0.09 333	0.09 336

ICVP	0.16 328	0.09 259	0.12 137	0.22 404	0.09 185	0.18 322	0.21 391	0.26 298	0.24 273	0.18 293	0.30 375	0.27 374	0.18 346	0.18 315	0.15 290	0.10 345	0.07 326	0.08 230	0.07 227	0.07 210	0.08 292
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.17 350	0.12 363	0.16 288	0.22 404	0.11 342	0.19 343	0.18 316	0.32 384	0.49 452	0.20 329	0.25 314	0.17 257	0.13 238	0.21 375	0.16 309	0.10 345	0.06 258	0.08 230	0.07 227	0.09 333	0.08 292

ADLNet	0.16 328	0.08 198	0.15 247	0.16 105	0.10 290	0.16 283	0.17 271	0.33 398	0.27 322	0.23 371	0.27 344	0.24 347	0.16 311	0.18 315	0.21 375	0.10 345	0.06 258	0.10 357	0.10 370	0.08 273	0.09 336

222	0.16 328	0.07 96	0.15 247	0.14 21	0.08 87	0.25 413	0.18 316	0.30 364	0.21 231	0.18 293	0.29 369	0.17 257	0.16 311	0.16 260	0.44 487	0.10 345	0.05 120	0.07 155	0.06 138	0.08 273	0.08 292

HGLStereo	0.17 350	0.09 259	0.19 366	0.17 171	0.12 371	0.18 322	0.18 316	0.31 380	0.33 369	0.22 356	0.33 394	0.24 347	0.18 346	0.20 358	0.21 375	0.10 345	0.09 381	0.07 155	0.07 227	0.09 333	0.10 362

cf-r	0.14 261	0.07 96	0.13 170	0.16 105	0.08 87	0.14 230	0.19 358	0.21 202	0.25 297	0.17 261	0.26 327	0.22 322	0.17 334	0.14 215	0.15 290	0.10 345	0.05 120	0.06 64	0.08 293	0.06 143	0.06 152

GANet-RSSM	0.14 261	0.07 96	0.13 170	0.13 8	0.08 87	0.14 230	0.18 316	0.23 243	0.21 231	0.17 261	0.25 314	0.24 347	0.16 311	0.16 260	0.16 309	0.10 345	0.06 258	0.07 155	0.08 293	0.08 273	0.07 223

GwcNet-RSSM	0.14 261	0.07 96	0.12 137	0.16 105	0.08 87	0.15 255	0.20 375	0.22 225	0.28 338	0.18 293	0.28 355	0.23 338	0.17 334	0.15 233	0.16 309	0.10 345	0.06 258	0.07 155	0.09 336	0.07 210	0.07 223

DSFCA	0.16 328	0.09 259	0.14 211	0.16 105	0.10 290	0.21 374	0.19 358	0.28 336	0.31 359	0.23 371	0.25 314	0.22 322	0.16 311	0.20 358	0.20 362	0.10 345	0.07 326	0.09 312	0.09 336	0.08 273	0.08 292

DMCA	0.14 261	0.09 259	0.17 311	0.19 306	0.09 185	0.15 255	0.17 271	0.23 243	0.28 338	0.14 198	0.20 240	0.17 257	0.18 346	0.15 233	0.17 325	0.10 345	0.06 258	0.08 230	0.06 138	0.09 333	0.10 362

stereogan	0.22 406	0.11 345	0.21 380	0.20 354	0.12 371	0.32 450	0.19 358	0.36 431	0.45 441	0.23 371	0.39 430	0.35 434	0.27 424	0.33 450	0.23 399	0.10 345	0.12 429	0.10 357	0.10 370	0.14 431	0.14 430

RTSC	0.23 419	0.13 391	0.30 433	0.21 384	0.13 396	0.29 443	0.17 271	0.36 431	0.68 486	0.27 406	0.34 404	0.30 399	0.22 391	0.32 447	0.31 458	0.10 345	0.08 357	0.09 312	0.10 370	0.13 415	0.14 430

RTS	0.46 485	0.19 446	3.33 517	0.25 440	0.15 427	0.72 498	0.21 391	0.37 438	0.78 498	0.42 468	0.44 455	0.31 413	0.43 479	0.55 491	0.37 474	0.10 345	0.09 381	0.13 420	0.13 430	0.15 443	0.15 444

RTSA	0.46 485	0.19 446	3.33 517	0.25 440	0.15 427	0.72 498	0.21 391	0.37 438	0.78 498	0.42 468	0.44 455	0.31 413	0.43 479	0.55 491	0.37 474	0.10 345	0.09 381	0.13 420	0.13 430	0.15 443	0.15 444

ADCMid	0.26 445	0.15 412	0.42 461	0.20 354	0.14 412	0.25 413	0.26 444	0.35 426	0.40 418	0.37 456	0.45 457	0.34 429	0.42 476	0.36 462	0.36 470	0.10 345	0.09 381	0.11 387	0.11 399	0.13 415	0.13 414

RYNet	0.23 419	0.12 363	0.22 389	0.19 306	0.17 451	0.47 479	0.26 444	0.39 450	0.49 452	0.24 383	0.29 369	0.34 429	0.24 404	0.20 358	0.31 458	0.10 345	0.06 258	0.09 312	0.09 336	0.14 431	0.15 444

PA-Net	0.24 429	0.18 443	0.34 445	0.28 463	0.22 472	0.22 387	0.39 490	0.29 354	0.39 413	0.22 356	0.33 394	0.25 359	0.26 418	0.21 375	0.25 418	0.10 345	0.23 484	0.15 444	0.22 472	0.09 333	0.13 414
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
GANet	0.22 406	0.13 391	0.21 380	0.25 440	0.14 412	0.23 399	0.22 402	0.42 463	0.27 322	0.31 437	0.43 453	0.37 439	0.29 436	0.23 399	0.23 399	0.10 345	0.12 429	0.10 357	0.09 336	0.10 367	0.08 292

StereoDRNet	0.19 376	0.11 345	0.18 343	0.22 404	0.11 342	0.22 387	0.22 402	0.37 438	0.34 380	0.24 383	0.28 355	0.30 399	0.19 364	0.20 358	0.21 375	0.10 345	0.08 357	0.11 387	0.09 336	0.09 333	0.07 223

PWC_ROB	0.21 398	0.16 420	0.27 415	0.18 248	0.11 342	0.22 387	0.13 72	0.33 398	0.49 452	0.30 432	0.40 433	0.32 419	0.25 411	0.31 443	0.23 399	0.10 345	0.07 326	0.11 387	0.08 293	0.11 387	0.10 362

YMNet	0.20 385	0.12 363	0.20 370	0.21 384	0.14 412	0.27 431	0.23 412	0.32 384	0.34 380	0.28 418	0.35 408	0.30 399	0.18 346	0.18 315	0.22 388	0.11 376	0.13 441	0.10 357	0.10 370	0.09 333	0.09 336

YMNet_1	0.20 385	0.12 363	0.20 370	0.21 384	0.14 412	0.27 431	0.23 412	0.32 384	0.34 380	0.28 418	0.35 408	0.30 399	0.18 346	0.18 315	0.22 388	0.11 376	0.13 441	0.10 357	0.10 370	0.09 333	0.09 336

CAS++	0.11 136	0.07 96	0.11 103	0.14 21	0.10 290	0.13 191	0.14 118	0.24 266	0.14 101	0.11 117	0.09 57	0.11 133	0.07 71	0.14 215	0.09 35	0.11 376	0.09 381	0.09 312	0.07 227	0.07 210	0.08 292
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
ttt	0.14 261	0.08 198	0.14 211	0.15 56	0.08 87	0.15 255	0.18 316	0.27 312	0.30 350	0.16 249	0.24 287	0.17 257	0.14 269	0.13 191	0.14 256	0.11 376	0.08 357	0.09 312	0.08 293	0.09 333	0.09 336

ssnet_v2	0.17 350	0.10 321	0.18 343	0.17 171	0.11 342	0.21 374	0.22 402	0.34 412	0.25 297	0.23 371	0.23 276	0.27 374	0.19 364	0.22 392	0.21 375	0.11 376	0.10 403	0.09 312	0.09 336	0.08 273	0.08 292

SACVNet	0.19 376	0.12 363	0.15 247	0.17 171	0.13 396	0.22 387	0.18 316	0.31 380	0.31 359	0.24 383	0.31 379	0.30 399	0.23 397	0.23 399	0.17 325	0.11 376	0.08 357	0.10 357	0.10 370	0.12 402	0.14 430

HCRNet	0.16 328	0.23 461	0.12 137	0.35 480	0.11 342	0.15 255	0.17 271	0.26 298	0.22 253	0.19 308	0.24 287	0.21 304	0.14 269	0.15 233	0.13 220	0.11 376	0.07 326	0.11 387	0.10 370	0.09 333	0.07 223

APVNet	0.23 419	0.12 363	0.20 370	0.18 248	0.14 412	0.32 450	0.31 474	0.40 453	0.33 369	0.27 406	0.40 433	0.30 399	0.29 436	0.27 421	0.25 418	0.11 376	0.12 429	0.11 387	0.14 435	0.12 402	0.13 414

psmorigin	0.25 435	0.16 420	0.35 451	0.17 171	0.13 396	0.24 405	0.14 118	0.34 412	0.34 380	0.41 466	0.55 471	0.41 459	0.38 466	0.35 458	0.28 441	0.11 376	0.15 455	0.11 387	0.11 399	0.12 402	0.17 462

GwcNet	0.20 385	0.14 406	0.20 370	0.18 248	0.12 371	0.25 413	0.20 375	0.36 431	0.45 441	0.20 329	0.33 394	0.33 425	0.21 384	0.22 392	0.25 418	0.11 376	0.09 381	0.09 312	0.09 336	0.09 333	0.10 362

PSMNet-RSSM	0.14 261	0.07 96	0.14 211	0.15 56	0.08 87	0.13 191	0.16 245	0.25 286	0.24 273	0.17 261	0.28 355	0.23 338	0.14 269	0.16 260	0.14 256	0.11 376	0.06 258	0.09 312	0.12 419	0.08 273	0.07 223

CFNet-ft	0.14 261	0.07 96	0.15 247	0.12 4	0.09 185	0.17 306	0.18 316	0.22 225	0.24 273	0.17 261	0.26 327	0.24 347	0.14 269	0.16 260	0.15 290	0.11 376	0.06 258	0.08 230	0.09 336	0.09 333	0.08 292

AF-Net	0.23 419	0.17 430	0.17 311	0.27 457	0.13 396	0.26 423	0.24 422	0.33 398	0.51 458	0.25 396	0.33 394	0.39 450	0.27 424	0.28 429	0.26 429	0.11 376	0.10 403	0.16 451	0.12 419	0.11 387	0.11 384

RP	0.22 406	0.13 391	0.22 389	0.23 423	0.12 371	0.21 374	0.20 375	0.26 298	0.45 441	0.22 356	0.38 423	0.37 439	0.25 411	0.28 429	0.25 418	0.11 376	0.12 429	0.13 420	0.12 419	0.13 415	0.14 430

RGC	0.25 435	0.20 450	0.29 427	0.28 463	0.16 439	0.22 387	0.23 412	0.33 398	0.44 437	0.27 406	0.40 433	0.38 445	0.28 433	0.37 466	0.23 399	0.11 376	0.13 441	0.17 453	0.17 461	0.15 443	0.16 453

G-Net	0.25 435	0.17 430	0.38 455	0.23 423	0.16 439	0.51 482	0.23 412	0.29 354	0.35 393	0.36 452	0.38 423	0.31 413	0.29 436	0.28 429	0.27 434	0.11 376	0.09 381	0.12 406	0.10 370	0.16 454	0.14 430

Nwc_Net	0.23 419	0.17 430	0.22 389	0.25 440	0.15 427	0.25 413	0.27 449	0.38 445	0.39 413	0.22 356	0.41 443	0.30 399	0.29 436	0.28 429	0.25 418	0.11 376	0.10 403	0.17 453	0.20 467	0.10 367	0.11 384

DANet	0.21 398	0.16 420	0.29 427	0.25 440	0.13 396	0.23 399	0.19 358	0.28 336	0.27 322	0.28 418	0.32 388	0.35 434	0.32 454	0.31 443	0.24 411	0.11 376	0.09 381	0.11 387	0.10 370	0.13 415	0.11 384
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TDLM	0.18 365	0.12 363	0.14 211	0.24 433	0.10 290	0.18 322	0.18 316	0.37 438	0.30 350	0.22 356	0.28 355	0.28 385	0.18 346	0.23 399	0.19 352	0.11 376	0.07 326	0.10 357	0.10 370	0.08 273	0.08 292

CFNet_RVC	0.14 261	0.07 96	0.15 247	0.12 4	0.09 185	0.17 306	0.18 316	0.22 225	0.24 273	0.17 261	0.26 327	0.24 347	0.14 269	0.16 260	0.15 290	0.11 376	0.06 258	0.08 230	0.09 336	0.09 333	0.08 292

DPSNet	0.28 452	0.16 420	0.33 442	0.18 248	0.13 396	0.55 485	0.42 493	0.52 485	0.68 486	0.29 427	0.38 423	0.39 450	0.30 447	0.32 447	0.23 399	0.11 376	0.10 403	0.11 387	0.08 293	0.20 468	0.16 453

DRN-Test	0.20 385	0.11 345	0.21 380	0.22 404	0.10 290	0.22 387	0.22 402	0.40 453	0.38 409	0.24 383	0.33 394	0.26 369	0.22 391	0.22 392	0.25 418	0.11 376	0.07 326	0.11 387	0.10 370	0.09 333	0.08 292

NaN_ROB	0.23 419	0.20 450	0.25 405	0.25 440	0.13 396	0.31 448	0.27 449	0.34 412	0.41 425	0.31 437	0.31 379	0.32 419	0.23 397	0.31 443	0.22 388	0.11 376	0.17 464	0.10 357	0.11 399	0.08 273	0.09 336

MDST_ROB	0.22 406	0.10 321	0.18 343	0.18 248	0.11 342	0.40 474	0.19 358	0.44 473	0.42 427	0.40 462	0.40 433	0.29 392	0.21 384	0.27 421	0.19 352	0.11 376	0.10 403	0.14 433	0.11 399	0.10 367	0.08 292

ETE_ROB	0.23 419	0.17 430	0.23 396	0.25 440	0.14 412	0.26 423	0.29 466	0.32 384	0.37 403	0.28 418	0.37 416	0.45 467	0.27 424	0.28 429	0.27 434	0.11 376	0.09 381	0.12 406	0.10 370	0.14 431	0.13 414

PWCDC_ROB	0.21 398	0.13 391	0.23 396	0.25 440	0.12 371	0.20 363	0.15 187	0.34 412	0.55 468	0.29 427	0.49 463	0.21 304	0.15 289	0.28 429	0.20 362	0.11 376	0.09 381	0.10 357	0.08 293	0.11 387	0.09 336

rvit_105_1	0.19 376	0.12 363	0.25 405	0.21 384	0.16 439	0.22 387	0.28 455	0.32 384	0.42 427	0.20 329	0.21 257	0.22 322	0.18 346	0.19 340	0.18 338	0.12 402	0.12 429	0.13 420	0.15 450	0.08 273	0.07 223

IGEV-BASED-STEREO-	0.09 41	0.10 321	0.32 440	0.15 56	0.06 8	0.08 32	0.14 118	0.11 14	0.10 16	0.07 14	0.07 21	0.06 8	0.04 1	0.11 73	0.07 1	0.12 402	0.04 3	0.07 155	0.05 72	0.05 62	0.05 80

test_sample7	0.16 328	0.10 321	0.16 288	0.14 21	0.12 371	0.16 283	0.17 271	0.28 336	0.24 273	0.21 343	0.21 257	0.24 347	0.20 376	0.16 260	0.16 309	0.12 402	0.06 258	0.10 357	0.09 336	0.11 387	0.10 362

GASNet	0.22 406	0.24 464	0.34 445	0.26 449	0.17 451	0.27 431	0.16 245	0.45 475	0.42 427	0.27 406	0.24 287	0.30 399	0.16 311	0.27 421	0.18 338	0.12 402	0.09 381	0.12 406	0.11 399	0.16 454	0.08 292

hitnet-ft	0.18 365	0.10 321	0.17 311	0.14 21	0.09 185	0.27 431	0.20 375	0.25 286	0.26 310	0.24 383	0.32 388	0.32 419	0.23 397	0.24 410	0.21 375	0.12 402	0.07 326	0.10 357	0.08 293	0.12 402	0.11 384

DMCA-RVC	0.17 350	0.10 321	0.16 288	0.24 433	0.11 342	0.19 343	0.18 316	0.26 298	0.24 273	0.21 343	0.27 344	0.25 359	0.27 424	0.18 315	0.21 375	0.12 402	0.08 357	0.13 420	0.10 370	0.10 367	0.08 292

FADNet-RVC	0.21 398	0.20 450	0.40 457	0.21 384	0.16 439	0.21 374	0.15 187	0.27 312	0.27 322	0.26 399	0.32 388	0.26 369	0.21 384	0.22 392	0.19 352	0.12 402	0.13 441	0.12 406	0.14 435	0.13 415	0.18 465

STTStereo	0.18 365	0.13 391	0.28 418	0.20 354	0.11 342	0.16 283	0.21 391	0.29 354	0.23 263	0.22 356	0.30 375	0.29 392	0.18 346	0.20 358	0.20 362	0.12 402	0.11 415	0.11 387	0.14 435	0.09 333	0.08 292

AnyNet_C32	0.26 445	0.16 420	0.39 456	0.20 354	0.17 451	0.26 423	0.31 474	0.32 384	0.45 441	0.31 437	0.50 465	0.30 399	0.34 457	0.41 480	0.36 470	0.12 402	0.12 429	0.12 406	0.14 435	0.14 431	0.15 444

ADCPNet	0.26 445	0.17 430	0.62 482	0.21 384	0.15 427	0.36 464	0.25 438	0.33 398	0.37 403	0.31 437	0.41 443	0.36 436	0.29 436	0.29 436	0.34 468	0.12 402	0.10 403	0.11 387	0.12 419	0.14 431	0.13 414

CVANet_RVC	0.18 365	0.11 345	0.14 211	0.21 384	0.11 342	0.19 343	0.18 316	0.34 412	0.34 380	0.22 356	0.31 379	0.28 385	0.18 346	0.24 410	0.18 338	0.12 402	0.08 357	0.12 406	0.12 419	0.09 333	0.08 292

UCFNet_RVC	0.15 300	0.08 198	0.13 170	0.11 1	0.10 290	0.20 363	0.10 11	0.24 266	0.23 263	0.17 261	0.21 257	0.24 347	0.15 289	0.18 315	0.15 290	0.12 402	0.07 326	0.11 387	0.13 430	0.11 387	0.10 362

SANet	0.25 435	0.14 406	0.29 427	0.21 384	0.11 342	0.29 443	0.25 438	0.40 453	0.65 485	0.36 452	0.40 433	0.42 461	0.27 424	0.27 421	0.25 418	0.12 402	0.09 381	0.10 357	0.09 336	0.13 415	0.12 403

PDISCO_ROB	0.28 452	0.16 420	0.28 418	0.28 463	0.20 467	0.33 452	0.27 449	0.45 475	0.58 474	0.28 418	0.41 443	0.45 467	0.30 447	0.34 453	0.35 469	0.12 402	0.09 381	0.17 453	0.16 454	0.17 461	0.13 414

DispFullNet	0.27 450	0.22 459	0.66 485	0.28 463	0.17 451	0.27 431	0.17 271	0.34 412	0.57 471	0.27 406	0.37 416	0.43 463	0.24 404	0.39 472	0.25 418	0.12 402	0.06 258	0.19 464	0.11 399	0.23 472	0.16 453

WCMA_ROB	0.24 429	0.11 345	0.24 402	0.17 171	0.14 412	0.34 456	0.16 245	0.33 398	0.33 369	0.39 459	0.54 470	0.40 456	0.35 460	0.35 458	0.26 429	0.12 402	0.12 429	0.12 406	0.11 399	0.14 431	0.14 430

PSMNet_ROB	0.22 406	0.12 363	0.15 247	0.27 457	0.15 427	0.25 413	0.36 485	0.43 469	0.37 403	0.27 406	0.33 394	0.32 419	0.23 397	0.21 375	0.27 434	0.12 402	0.08 357	0.13 420	0.11 399	0.10 367	0.09 336

S2M2	0.09 41	0.08 198	0.11 103	0.13 8	0.10 290	0.08 32	0.06 1	0.10 6	0.10 16	0.10 84	0.10 79	0.09 86	0.09 128	0.11 73	0.11 133	0.13 419	0.07 326	0.08 230	0.09 336	0.10 367	0.08 292

TCMNet	0.19 376	0.12 363	0.20 370	0.21 384	0.18 460	0.21 374	0.24 422	0.28 336	0.36 398	0.23 371	0.26 327	0.25 359	0.20 376	0.20 358	0.23 399	0.13 419	0.11 415	0.11 387	0.12 419	0.13 415	0.12 403

DLNR_Zeroshot_test	10.48 530	2.27 523	19.78 536	120.28 541	13.29 534	0.06 6	0.13 72	0.24 266	0.10 16	0.08 33	0.10 79	0.09 86	0.07 71	0.10 34	0.09 35	0.13 419	0.04 3	0.06 64	0.04 15	52.68 540	0.04 10

Wz-Net-TNSev	0.29 456	0.20 450	0.69 493	0.19 306	0.15 427	0.38 470	0.27 449	0.36 431	0.56 470	0.35 450	0.42 450	0.45 467	0.39 467	0.33 450	0.31 458	0.13 419	0.13 441	0.10 357	0.12 419	0.15 443	0.15 444

pcwnet_v2	0.19 376	0.11 345	0.26 413	0.18 248	0.14 412	0.18 322	0.15 187	0.37 438	0.46 448	0.19 308	0.24 287	0.21 304	0.19 364	0.21 375	0.20 362	0.13 419	0.10 403	0.10 357	0.10 370	0.11 387	0.13 414

DGSMNet	0.25 435	0.19 446	0.34 445	0.21 384	0.24 476	0.24 405	0.21 391	0.36 431	0.42 427	0.25 396	0.32 388	0.38 445	0.21 384	0.29 436	0.24 411	0.13 419	0.11 415	0.14 433	0.16 454	0.23 472	0.23 478

FADNet	0.21 398	0.23 461	0.37 454	0.18 248	0.17 451	0.25 413	0.13 72	0.32 384	0.32 364	0.23 371	0.25 314	0.27 374	0.21 384	0.19 340	0.16 309	0.13 419	0.15 455	0.12 406	0.15 450	0.17 461	0.18 465

NCC-stereo	0.25 435	0.15 412	0.31 436	0.26 449	0.17 451	0.21 374	0.31 474	0.41 458	0.40 418	0.24 383	0.38 423	0.33 425	0.29 436	0.37 466	0.28 441	0.13 419	0.11 415	0.15 444	0.22 472	0.13 415	0.13 414

edge stereo	0.23 419	0.14 406	0.21 380	0.21 384	0.13 396	0.24 405	0.16 245	0.32 384	0.42 427	0.32 444	0.40 433	0.39 450	0.35 460	0.25 415	0.25 418	0.13 419	0.11 415	0.14 433	0.11 399	0.12 402	0.14 430

Abc-Net	0.25 435	0.15 412	0.31 436	0.26 449	0.17 451	0.21 374	0.31 474	0.41 458	0.40 418	0.24 383	0.38 423	0.33 425	0.29 436	0.37 466	0.28 441	0.13 419	0.11 415	0.15 444	0.22 472	0.13 415	0.13 414
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 445	0.15 412	0.31 436	0.24 433	0.18 460	0.23 399	0.15 187	0.39 450	0.72 491	0.32 444	0.42 450	0.36 436	0.29 436	0.33 450	0.30 453	0.13 419	0.11 415	0.14 433	0.13 430	0.16 454	0.20 473

XQC	0.29 456	0.23 461	0.53 472	0.29 470	0.19 464	0.36 464	0.28 455	0.37 438	0.58 474	0.31 437	0.31 379	0.37 439	0.30 447	0.39 472	0.39 478	0.13 419	0.09 381	0.15 444	0.12 419	0.18 463	0.18 465

ADCS	0.30 459	0.19 446	0.48 469	0.21 384	0.18 460	0.29 443	0.24 422	0.42 463	0.64 483	0.40 462	0.50 465	0.40 456	0.37 464	0.40 475	0.43 484	0.13 419	0.13 441	0.13 420	0.14 435	0.16 454	0.16 453

AnyNet_C01	0.37 473	0.26 470	1.41 512	0.22 404	0.17 451	0.51 482	0.28 455	0.36 431	0.40 418	0.39 459	0.75 493	0.46 471	0.39 467	0.46 483	0.50 494	0.13 419	0.13 441	0.13 420	0.14 435	0.14 431	0.16 453

AdaStereo	0.15 300	0.11 345	0.16 288	0.19 306	0.09 185	0.21 374	0.11 21	0.33 398	0.28 338	0.21 343	0.23 276	0.21 304	0.13 238	0.19 340	0.15 290	0.13 419	0.05 120	0.10 357	0.07 227	0.09 333	0.07 223
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.
DeepPruner_ROB	0.16 328	0.11 345	0.16 288	0.17 171	0.10 290	0.17 306	0.15 187	0.32 384	0.21 231	0.19 308	0.21 257	0.22 322	0.19 364	0.21 375	0.16 309	0.13 419	0.09 381	0.09 312	0.10 370	0.11 387	0.11 384

LSM	0.34 472	0.21 455	0.62 482	0.27 457	0.62 507	0.35 460	0.26 444	0.43 469	0.49 452	0.45 475	0.60 482	0.42 461	0.37 464	0.35 458	0.26 429	0.13 419	0.21 481	0.14 433	0.16 454	0.18 463	0.34 493

SGM_RVC	0.24 429	0.12 363	0.16 288	0.15 56	0.09 185	0.34 456	0.19 358	0.35 426	0.32 364	0.44 473	0.38 423	0.53 481	0.36 463	0.36 462	0.26 429	0.13 419	0.13 441	0.13 420	0.13 430	0.11 387	0.11 384
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
CBMV	0.20 385	0.15 412	0.18 343	0.18 248	0.10 290	0.20 363	0.11 21	0.30 364	0.31 359	0.29 427	0.31 379	0.31 413	0.23 397	0.28 429	0.19 352	0.13 419	0.15 455	0.17 453	0.16 454	0.10 367	0.10 362
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
rvit_0105_5	0.14 261	0.10 321	0.14 211	0.17 171	0.09 185	0.14 230	0.23 412	0.24 266	0.27 322	0.14 198	0.15 159	0.18 271	0.13 238	0.17 299	0.14 256	0.14 438	0.11 415	0.10 357	0.11 399	0.08 273	0.07 223

rvit_0105_3	0.16 328	0.10 321	0.15 247	0.20 354	0.12 371	0.15 255	0.26 444	0.25 286	0.30 350	0.15 222	0.17 194	0.21 304	0.14 269	0.18 315	0.14 256	0.14 438	0.11 415	0.12 406	0.14 435	0.07 210	0.07 223

SGM-ForestM	0.33 466	0.12 363	0.17 311	0.16 105	0.11 342	0.42 476	0.20 375	0.43 469	0.53 467	0.53 482	0.57 476	1.41 513	0.44 481	0.42 481	0.29 448	0.14 438	0.16 460	0.16 451	0.16 454	0.12 402	0.13 414

MeshStereo	0.27 450	0.13 391	0.18 343	0.15 56	0.11 342	0.33 452	0.24 422	0.41 458	0.36 398	0.53 482	0.58 479	0.67 491	0.41 472	0.36 462	0.27 434	0.14 438	0.13 441	0.13 420	0.11 399	0.11 387	0.11 384
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
rvit_0105_6	0.14 261	0.09 259	0.18 343	0.17 171	0.10 290	0.10 90	0.17 271	0.19 173	0.26 310	0.12 147	0.18 217	0.17 257	0.13 238	0.18 315	0.13 220	0.15 442	0.11 415	0.12 406	0.10 370	0.09 333	0.06 152

rvit_0105_4	0.15 300	0.09 259	0.17 311	0.17 171	0.10 290	0.12 163	0.20 375	0.23 243	0.27 322	0.14 198	0.20 240	0.17 257	0.14 269	0.17 299	0.13 220	0.15 442	0.11 415	0.11 387	0.10 370	0.09 333	0.06 152

DualNet (step1)	0.17 350	0.12 363	0.21 380	0.13 8	0.14 412	0.18 322	0.14 118	0.28 336	0.24 273	0.21 343	0.21 257	0.24 347	0.20 376	0.16 260	0.16 309	0.15 442	0.06 258	0.14 433	0.14 435	0.15 443	0.13 414

test_sample9	0.18 365	0.12 363	0.21 380	0.13 8	0.14 412	0.18 322	0.14 118	0.28 336	0.24 273	0.21 343	0.21 257	0.24 347	0.20 376	0.19 340	0.18 338	0.15 442	0.30 490	0.14 433	0.14 435	0.15 443	0.13 414

test_sample8	0.20 385	0.12 363	0.21 380	0.13 8	0.14 412	0.18 322	0.14 118	0.32 384	0.21 231	0.28 418	0.22 272	0.36 436	0.26 418	0.19 340	0.18 338	0.15 442	0.30 490	0.14 433	0.14 435	0.15 443	0.13 414

SQANet	0.24 429	0.24 464	0.31 436	0.31 474	0.19 464	0.27 431	0.13 72	0.30 364	0.33 369	0.25 396	0.37 416	0.31 413	0.22 391	0.27 421	0.23 399	0.15 442	0.10 403	0.21 467	0.16 454	0.22 469	0.16 453

HBP-ISP	0.18 365	0.13 391	0.17 311	0.15 56	0.11 342	0.08 32	0.13 72	0.28 336	0.30 350	0.22 356	0.33 394	0.21 304	0.25 411	0.23 399	0.18 338	0.15 442	0.17 464	0.21 467	0.17 461	0.10 367	0.09 336

UDG	0.21 398	0.17 430	0.20 370	0.23 423	0.15 427	0.31 448	0.20 375	0.33 398	0.35 393	0.24 383	0.28 355	0.31 413	0.29 436	0.21 375	0.23 399	0.15 442	0.12 429	0.13 420	0.09 336	0.14 431	0.15 444

MFN_U_SF_RVC	0.33 466	0.22 459	0.58 480	0.31 474	0.15 427	0.36 464	0.17 271	0.54 488	0.46 448	0.47 478	0.56 472	0.58 484	0.39 467	0.36 462	0.38 477	0.15 442	0.15 455	0.18 462	0.21 469	0.16 454	0.16 453

PMTNet	0.09 41	0.05 7	0.09 42	0.12 4	0.06 8	0.13 191	0.14 118	0.16 92	0.11 34	0.09 55	0.13 134	0.10 113	0.07 71	0.14 215	0.10 89	0.15 442	0.04 3	0.05 3	0.03 1	0.07 210	0.06 152

SAMSARA	0.41 478	0.28 472	0.34 445	0.55 496	0.39 490	0.85 506	1.25 521	0.49 481	0.52 464	0.36 452	0.35 408	0.56 483	0.39 467	0.39 472	0.41 481	0.15 442	0.20 472	0.15 444	0.14 435	0.23 472	0.21 474

DeepPrunerF	0.24 429	0.17 430	0.45 464	0.26 449	0.16 439	0.23 399	0.29 466	0.37 438	0.51 458	0.27 406	0.31 379	0.24 347	0.28 433	0.22 392	0.23 399	0.15 442	0.11 415	0.20 466	0.18 465	0.12 402	0.14 430

PS-NSSS	0.20 385	0.21 455	0.23 396	0.20 354	0.10 290	0.19 343	0.17 271	0.36 431	0.26 310	0.27 406	0.34 404	0.27 374	0.24 404	0.20 358	0.20 362	0.15 442	0.12 429	0.17 453	0.14 435	0.10 367	0.09 336

NCCL2	0.24 429	0.15 412	0.18 343	0.34 478	0.18 460	0.24 405	0.24 422	0.34 412	0.29 344	0.31 437	0.38 423	0.38 445	0.29 436	0.23 399	0.25 418	0.15 442	0.12 429	0.18 462	0.21 469	0.13 415	0.13 414

CBMV_ROB	0.19 376	0.13 391	0.18 343	0.16 105	0.11 342	0.16 283	0.12 40	0.27 312	0.29 344	0.27 406	0.31 379	0.27 374	0.24 404	0.24 410	0.16 309	0.15 442	0.18 466	0.22 471	0.20 467	0.10 367	0.12 403

XPNet_ROB	0.22 406	0.12 363	0.20 370	0.22 404	0.13 396	0.22 387	0.19 358	0.35 426	0.40 418	0.30 432	0.40 433	0.38 445	0.27 424	0.26 419	0.29 448	0.15 442	0.10 403	0.10 357	0.10 370	0.13 415	0.12 403

SGM-Forest	0.20 385	0.14 406	0.18 343	0.20 354	0.13 396	0.21 374	0.22 402	0.33 398	0.31 359	0.24 383	0.29 369	0.28 385	0.20 376	0.23 399	0.18 338	0.15 442	0.16 460	0.15 444	0.14 435	0.13 415	0.12 403
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
rvit_stereo_0075_2	0.17 350	0.12 363	0.25 405	0.23 423	0.16 439	0.13 191	0.10 11	0.30 364	0.27 322	0.20 329	0.28 355	0.22 322	0.15 289	0.18 315	0.13 220	0.16 459	0.10 403	0.17 453	0.10 370	0.10 367	0.10 362

SDNR	0.20 385	0.09 259	0.19 366	0.16 105	0.12 371	0.79 503	0.13 72	0.26 298	0.33 369	0.19 308	0.25 314	0.19 280	0.12 207	0.19 340	0.15 290	0.16 459	0.18 466	0.14 433	0.11 399	0.08 273	0.12 403

Syn2CoEx	0.22 406	0.16 420	0.29 427	0.29 470	0.15 427	0.26 423	0.21 391	0.34 412	0.32 364	0.29 427	0.36 413	0.28 385	0.25 411	0.20 358	0.25 418	0.16 459	0.12 429	0.14 433	0.11 399	0.09 333	0.08 292

NOSS_ROB	0.19 376	0.13 391	0.18 343	0.16 105	0.12 371	0.16 283	0.12 40	0.30 364	0.33 369	0.20 329	0.22 272	0.27 374	0.24 404	0.21 375	0.16 309	0.16 459	0.18 466	0.23 472	0.21 469	0.13 415	0.13 414

LALA_ROB	0.25 435	0.16 420	0.23 396	0.27 457	0.17 451	0.27 431	0.27 449	0.42 463	0.38 409	0.33 448	0.39 430	0.51 477	0.26 418	0.29 436	0.28 441	0.16 459	0.09 381	0.13 420	0.12 419	0.13 415	0.13 414

MaskLacGwcNet_RVC	0.22 406	0.21 455	0.25 405	0.26 449	0.11 342	0.24 405	0.14 118	0.39 450	0.24 273	0.32 444	0.36 413	0.30 399	0.21 384	0.19 340	0.22 388	0.17 464	0.14 451	0.21 467	0.16 454	0.13 415	0.12 403

dad	0.18 365	0.20 450	0.21 380	0.17 171	0.11 342	0.20 363	0.19 358	0.21 202	0.28 338	0.30 432	0.24 287	0.30 399	0.13 238	0.19 340	0.17 325	0.18 465	0.09 381	0.11 387	0.09 336	0.11 387	0.07 223

DDUNet	0.23 419	0.18 443	0.22 389	0.22 404	0.15 427	0.25 413	0.24 422	0.30 364	0.31 359	0.31 437	0.37 416	0.34 429	0.26 418	0.25 415	0.21 375	0.18 465	0.13 441	0.17 453	0.11 399	0.16 454	0.17 462

FINET	0.22 406	0.18 443	0.28 418	0.19 306	0.16 439	0.24 405	0.24 422	0.33 398	0.49 452	0.26 399	0.33 394	0.22 322	0.23 397	0.23 399	0.18 338	0.18 465	0.16 460	0.11 387	0.10 370	0.15 443	0.14 430

PSMNet-RUCA	0.28 452	0.33 483	0.42 461	0.36 482	0.32 488	0.18 322	0.20 375	0.42 463	0.30 350	0.33 448	0.41 443	0.40 456	0.24 404	0.31 443	0.20 362	0.19 468	0.11 415	0.25 474	0.15 450	0.22 469	0.16 453

MFN_U_SF_DS_RVC	0.30 459	0.24 464	0.30 433	0.36 482	0.16 439	0.36 464	0.31 474	0.34 412	0.43 435	0.41 466	0.46 459	0.38 445	0.30 447	0.35 458	0.29 448	0.19 468	0.20 472	0.26 475	0.29 485	0.18 463	0.19 470

BEATNet-Init1	0.54 491	0.28 472	0.68 492	0.31 474	0.21 469	0.85 506	0.31 474	0.57 490	0.69 489	0.89 503	1.00 505	2.17 520	0.66 498	0.58 495	0.44 487	0.19 468	0.18 466	0.23 472	0.22 472	0.22 469	0.21 474

PVD	0.40 477	0.21 455	0.40 457	0.32 477	0.23 473	0.30 446	0.45 497	0.53 487	0.97 505	0.55 484	0.80 497	0.54 482	0.60 495	0.53 489	0.40 480	0.19 468	0.14 451	0.17 453	0.14 435	0.24 478	0.32 491

CSAN	0.30 459	0.24 464	0.28 418	0.34 478	0.19 464	0.34 456	0.42 493	0.38 445	0.51 458	0.38 458	0.40 433	0.44 466	0.34 457	0.29 436	0.31 458	0.19 468	0.16 460	0.19 464	0.19 466	0.14 431	0.15 444

ISRNet	0.18 365	0.08 198	0.20 370	0.19 306	0.13 396	0.15 255	0.12 40	0.30 364	0.33 369	0.21 343	0.26 327	0.27 374	0.18 346	0.17 299	0.20 362	0.20 473	0.08 357	0.14 433	0.14 435	0.14 431	0.17 462

MSC_U_SF_DS_RVC	0.44 482	0.39 488	0.56 475	0.40 485	0.20 467	0.66 493	0.33 483	0.54 488	0.72 491	0.71 492	0.72 490	0.62 486	0.55 489	0.52 487	0.47 491	0.20 473	0.19 471	0.29 485	0.30 487	0.24 478	0.19 470

MSMD_ROB	0.31 464	0.26 470	0.26 413	0.24 433	0.21 469	0.34 456	0.25 438	0.34 412	0.39 413	0.40 462	0.69 487	0.45 467	0.41 472	0.34 453	0.28 441	0.20 473	0.20 472	0.26 475	0.25 478	0.23 472	0.22 477

FC-DCNN v2	0.33 466	0.28 472	0.28 418	0.26 449	0.23 473	0.39 472	0.29 466	0.41 458	0.44 437	0.46 476	0.57 476	0.51 477	0.41 472	0.38 470	0.30 453	0.21 476	0.20 472	0.27 478	0.26 479	0.25 480	0.24 479

FCDSN-DC	0.33 466	0.28 472	0.28 418	0.30 472	0.24 476	0.39 472	0.28 455	0.43 469	0.42 427	0.44 473	0.53 469	0.51 477	0.42 476	0.37 466	0.30 453	0.21 476	0.20 472	0.27 478	0.26 479	0.25 480	0.25 481
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 466	0.28 472	0.28 418	0.26 449	0.23 473	0.38 470	0.29 466	0.40 453	0.44 437	0.46 476	0.56 472	0.51 477	0.41 472	0.38 470	0.31 458	0.21 476	0.20 472	0.27 478	0.26 479	0.25 480	0.24 479

Anonymous_2	0.22 406	0.17 430	0.28 418	0.15 56	0.16 439	0.33 452	0.22 402	0.23 243	0.18 177	0.23 371	0.24 287	0.26 369	0.27 424	0.27 421	0.24 411	0.22 479	0.26 486	0.17 453	0.17 461	0.16 454	0.18 465

MANE	0.47 487	0.28 472	0.28 418	0.27 457	0.24 476	0.50 480	0.32 482	0.57 490	0.62 481	0.74 496	1.20 515	1.21 506	0.64 497	0.54 490	0.39 478	0.22 479	0.20 472	0.27 478	0.31 488	0.26 483	0.25 481

NVStereoNet_ROB	0.47 487	0.37 486	0.47 468	0.42 488	0.29 486	0.35 460	0.35 484	0.50 482	0.61 478	0.73 494	0.94 502	0.70 495	0.68 499	0.48 484	0.62 501	0.22 479	0.33 493	0.34 489	0.34 492	0.30 486	0.31 490
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ELAS_RVC	0.42 480	0.29 479	0.33 442	0.28 463	0.24 476	0.56 486	0.38 488	0.50 482	0.61 478	0.74 496	0.76 494	0.67 491	0.56 491	0.55 491	0.42 483	0.22 479	0.21 481	0.27 478	0.26 479	0.27 485	0.26 484
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 480	0.29 479	0.34 445	0.28 463	0.24 476	0.63 490	0.37 486	0.52 485	0.52 464	0.72 493	0.82 498	0.68 493	0.56 491	0.52 487	0.45 490	0.22 479	0.21 481	0.27 478	0.26 479	0.26 483	0.26 484
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ccnet	0.30 459	0.28 472	0.24 402	0.20 354	0.28 483	0.41 475	0.22 402	0.46 478	0.33 369	0.37 456	0.46 459	0.37 439	0.30 447	0.40 475	0.43 484	0.23 484	0.14 451	0.21 467	0.17 461	0.23 472	0.19 470

PASM	0.33 466	0.25 469	0.51 471	0.28 463	0.27 482	0.30 446	0.31 474	0.35 426	0.51 458	0.36 452	0.40 433	0.47 474	0.35 460	0.34 453	0.36 470	0.23 484	0.26 486	0.26 475	0.28 484	0.23 472	0.21 474

CC-Net-ROB	0.28 452	0.31 481	0.36 453	0.30 472	0.15 427	0.25 413	0.19 358	0.45 475	0.34 380	0.39 459	0.37 416	0.39 450	0.31 452	0.27 421	0.27 434	0.24 486	0.18 466	0.30 487	0.23 476	0.19 466	0.15 444

ACVNet_1	0.45 484	0.51 493	0.61 481	0.45 490	0.28 483	0.50 480	0.28 455	0.58 495	0.71 490	0.63 487	0.59 481	0.74 496	0.50 485	0.50 485	0.36 470	0.26 487	0.25 485	0.39 491	0.29 485	0.32 490	0.25 481

GANetREF_RVC	0.31 464	0.34 484	0.29 427	0.35 480	0.16 439	0.33 452	0.42 493	0.48 480	0.52 464	0.35 450	0.35 408	0.34 429	0.32 454	0.40 475	0.33 466	0.27 488	0.20 472	0.29 485	0.15 450	0.19 466	0.18 465
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
otaku	0.39 475	0.38 487	0.53 472	0.44 489	0.28 483	0.57 487	0.24 422	0.42 463	0.62 481	0.40 462	0.50 465	0.46 471	0.34 457	0.40 475	0.33 466	0.30 489	0.30 490	0.39 491	0.33 490	0.30 486	0.29 487

Ntro	0.41 478	0.40 489	0.54 474	0.46 493	0.30 487	0.64 491	0.24 422	0.47 479	0.68 486	0.42 468	0.49 463	0.47 474	0.42 476	0.40 475	0.32 463	0.32 490	0.28 488	0.37 490	0.31 488	0.33 491	0.29 487

ACVNet-4b	0.39 475	0.53 494	0.56 475	0.45 490	0.24 476	0.46 478	0.18 316	0.50 482	0.64 483	0.42 468	0.45 457	0.60 485	0.27 424	0.34 453	0.24 411	0.33 491	0.14 451	0.48 494	0.42 494	0.31 489	0.27 486

MADNet+	0.76 502	0.72 504	3.76 520	0.67 499	0.41 492	0.99 512	0.97 519	0.72 499	0.75 496	0.52 481	0.58 479	0.64 489	0.68 499	0.89 511	1.04 517	0.35 492	0.36 494	0.28 484	0.23 476	0.38 492	0.33 492

Consistency-Raft	0.44 482	0.40 489	0.46 465	0.37 484	0.43 494	0.42 476	0.41 491	0.57 490	0.55 468	0.32 444	0.73 491	0.32 419	0.50 485	0.42 481	0.49 493	0.39 493	0.36 494	0.45 493	0.52 503	0.42 493	0.30 489

JetBlue	0.73 501	0.46 492	1.21 510	0.52 495	0.47 496	2.16 521	0.67 509	0.78 500	0.72 491	0.70 491	0.79 496	1.21 506	0.84 506	1.06 517	1.04 517	0.40 494	0.28 488	0.33 488	0.33 490	0.30 486	0.34 493

IMH-64-1	0.66 496	0.62 499	0.69 493	0.72 500	0.51 497	0.60 488	0.51 499	0.92 504	0.84 500	0.75 499	1.02 506	0.81 497	0.78 504	0.80 502	0.50 494	0.43 495	0.46 498	0.72 502	0.48 496	0.55 498	0.40 496

IMH-64	0.66 496	0.62 499	0.69 493	0.72 500	0.51 497	0.60 488	0.51 499	0.92 504	0.84 500	0.75 499	1.02 506	0.81 497	0.78 504	0.80 502	0.50 494	0.43 495	0.46 498	0.72 502	0.48 496	0.55 498	0.40 496

ACVNet_2	0.67 498	0.68 503	0.70 496	0.64 498	0.41 492	0.75 501	0.50 498	0.98 510	1.38 515	0.90 504	1.09 509	1.04 501	0.74 502	0.55 491	0.48 492	0.43 495	0.40 496	0.53 498	0.45 495	0.48 494	0.36 495

IMH	0.72 499	0.65 501	0.70 496	0.77 502	0.54 499	0.71 497	0.56 502	0.99 512	1.08 506	0.82 502	1.09 509	0.89 499	0.88 508	0.88 510	0.53 498	0.44 498	0.50 507	0.75 505	0.51 501	0.58 501	0.42 499

RainbowNet	0.54 491	0.61 498	0.71 498	0.57 497	0.43 494	0.66 493	0.37 486	0.60 496	0.87 502	0.51 480	0.67 484	0.63 487	0.47 482	0.50 485	0.44 487	0.47 499	0.48 503	0.53 498	0.41 493	0.53 497	0.41 498

TorneroNet-64	0.76 502	0.73 505	0.77 499	0.78 504	0.58 505	0.94 511	0.58 503	0.85 503	1.26 510	0.67 488	0.88 500	1.41 513	0.76 503	0.87 508	0.68 504	0.49 500	0.46 498	0.73 504	0.59 504	0.68 506	0.54 502

LVE	0.84 507	0.87 511	0.86 504	0.81 505	0.56 502	1.09 517	0.66 508	1.07 514	1.45 517	0.97 508	1.23 517	1.11 504	0.86 507	0.84 505	0.72 508	0.49 500	0.56 513	0.76 507	0.60 506	0.66 504	0.60 509

TorneroNet	0.83 506	0.75 506	0.83 503	0.85 507	0.63 508	1.03 515	0.65 507	0.96 508	1.14 508	0.80 501	1.10 511	1.36 511	0.88 508	0.95 513	0.82 512	0.57 502	0.49 504	0.79 510	0.66 509	0.74 512	0.64 512

Dean	0.88 508	0.88 512	0.81 500	0.82 506	0.57 503	0.91 508	0.62 506	1.17 520	1.71 520	1.15 515	1.16 513	1.31 510	1.00 513	0.82 504	0.83 513	0.57 502	0.56 513	0.78 509	0.65 507	0.67 505	0.58 503

anonymity	0.53 490	0.58 495	0.66 485	0.41 486	0.61 506	0.54 484	0.41 491	0.57 490	0.41 425	0.56 485	0.50 465	0.50 476	0.55 489	0.59 496	0.50 494	0.58 504	0.50 507	0.51 496	0.51 501	0.52 495	0.58 503

SGM+DAISY	0.57 493	0.58 495	0.67 489	0.41 486	0.55 500	0.68 495	0.51 499	0.57 490	0.46 448	0.67 488	0.70 488	0.69 494	0.57 493	0.64 498	0.58 499	0.59 505	0.49 504	0.50 495	0.50 500	0.52 495	0.59 506

WAO-7	0.80 504	0.78 507	0.57 477	0.85 507	0.67 510	0.76 502	0.69 512	1.07 514	1.30 512	0.90 504	1.20 515	1.05 502	0.93 510	0.71 500	0.68 504	0.60 506	0.62 517	0.67 501	0.68 510	0.64 502	0.59 506

SPS-STEREO	0.58 494	0.59 497	0.66 485	0.45 490	0.55 500	0.65 492	0.44 496	0.63 497	0.51 458	0.69 490	0.65 483	0.66 490	0.58 494	0.62 497	0.62 501	0.62 507	0.47 502	0.51 496	0.49 498	0.55 498	0.58 503
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GCST	0.37 473	0.42 491	0.27 415	1.03 515	0.39 490	0.18 322	0.08 4	0.21 202	0.18 177	0.28 418	0.25 314	0.15 221	0.12 207	0.16 260	0.14 256	0.64 508	0.43 497	0.75 505	0.65 507	0.64 502	0.46 501

MFMNet_re	0.65 495	0.66 502	0.66 485	0.51 494	0.69 511	0.70 496	0.58 503	0.65 498	0.75 496	0.61 486	0.73 491	0.63 487	0.68 499	0.65 499	0.60 500	0.66 509	0.58 516	0.63 500	0.59 504	0.68 506	0.69 513

WAO-6	0.82 505	0.81 508	0.63 484	0.87 509	0.63 508	0.79 503	0.60 505	0.98 510	1.52 519	0.91 506	0.97 504	1.08 503	1.04 514	0.72 501	0.70 507	0.72 510	0.49 504	0.91 513	0.71 511	0.70 508	0.59 506

PWCK	0.72 499	0.95 513	0.99 507	0.77 502	0.32 488	0.79 503	0.38 488	0.92 504	0.90 503	0.96 507	0.76 494	0.97 500	0.62 496	0.87 508	0.68 504	0.73 511	0.46 498	0.76 507	0.49 498	0.71 509	0.44 500

WAO-8	0.92 509	0.83 509	0.67 489	0.94 512	0.70 512	0.92 509	0.68 510	1.08 516	1.80 522	1.06 512	1.42 519	1.29 508	1.08 516	0.86 506	0.80 510	0.74 512	0.54 510	0.86 511	0.75 512	0.71 509	0.63 510

Venus	0.92 509	0.83 509	0.67 489	0.94 512	0.70 512	0.92 509	0.68 510	1.08 516	1.80 522	1.06 512	1.42 519	1.29 508	1.08 516	0.86 506	0.80 510	0.74 512	0.54 510	0.86 511	0.75 512	0.71 509	0.63 510

UNDER WATER	0.99 513	1.00 515	1.47 513	1.00 514	0.71 514	1.18 519	0.86 515	0.81 502	1.09 507	1.02 509	0.90 501	1.53 517	1.26 520	1.06 517	1.02 516	0.79 514	0.54 510	1.02 515	0.88 516	0.83 514	0.75 514

notaker	0.98 512	1.13 516	1.02 508	1.14 517	0.81 515	0.73 500	0.69 512	0.94 507	1.15 509	1.19 517	1.19 514	1.41 513	1.17 519	1.10 519	0.74 509	0.82 515	0.64 518	1.18 517	0.79 514	1.02 516	0.82 517

UNDER WATER-64	0.97 511	0.96 514	1.48 514	0.88 510	0.57 503	1.24 520	0.90 517	0.78 500	0.96 504	1.05 510	0.85 499	1.56 518	1.26 520	0.97 515	0.99 515	0.88 516	0.57 515	1.04 516	0.88 516	0.81 513	0.75 514

TCMNet-wrong-test	3.69 521	5.54 529	3.91 521	12.22 532	11.75 533	4.77 523	3.86 524	1.08 516	0.74 495	1.13 514	2.21 523	6.16 526	0.53 488	3.43 524	2.33 522	0.90 517	0.20 472	1.85 523	1.69 523	5.71 528	3.79 528

JetRed	1.66 518	1.51 521	3.09 516	0.93 511	1.21 520	5.28 524	1.61 523	1.29 522	1.42 516	1.84 521	1.77 522	1.59 519	0.95 511	1.43 520	2.51 524	0.91 518	1.61 522	0.93 514	0.91 518	1.36 520	1.03 520

KSHMR	1.10 515	1.19 517	0.90 506	1.26 520	1.00 519	0.99 512	0.96 518	1.13 519	1.35 513	1.16 516	1.28 518	1.40 512	0.97 512	1.03 516	0.93 514	1.03 519	1.08 521	1.20 518	1.03 520	1.03 517	0.98 519

HanzoNet	1.31 517	1.29 520	1.22 511	1.13 516	0.85 516	1.05 516	0.84 514	1.06 513	1.47 518	1.66 520	1.63 521	2.48 522	1.78 522	1.63 521	1.69 519	1.27 520	0.80 520	1.32 520	1.02 519	1.07 519	0.90 518

ktn	1.02 514	1.23 518	0.82 501	1.24 519	0.86 517	1.00 514	0.86 515	0.96 508	1.37 514	1.05 510	1.12 512	1.16 505	1.06 515	0.95 513	0.62 501	1.28 521	0.71 519	1.39 521	0.83 515	1.06 518	0.77 516

DPSimNet_ROB	1.14 516	1.25 519	0.87 505	1.15 518	0.90 518	1.15 518	1.18 520	1.20 521	1.26 510	1.45 519	1.05 508	1.44 516	1.13 518	0.92 512	1.70 520	1.47 522	0.52 509	1.22 519	1.04 521	0.92 515	1.03 520

MADNet++	1.97 519	1.75 522	1.66 515	1.83 521	1.69 522	2.38 522	1.45 522	2.36 523	2.11 524	2.58 523	2.37 524	2.25 521	2.21 523	2.28 522	2.36 523	1.87 523	1.67 523	1.53 522	1.34 522	1.87 521	1.78 523

xxxxx1	7.75 523	5.06 526	7.26 523	3.15 523	3.91 524	16.37 531	22.88 532	5.87 528	8.68 527	7.99 527	8.55 525	9.13 529	8.46 527	10.05 529	10.47 527	2.43 524	2.48 525	3.56 527	12.26 531	3.48 523	3.02 525

tt_ll	7.75 523	5.06 526	7.26 523	3.15 523	3.91 524	16.37 531	22.88 532	5.87 528	8.68 527	7.99 527	8.55 525	9.13 529	8.46 527	10.05 529	10.47 527	2.43 524	2.48 525	3.56 527	12.26 531	3.48 523	3.02 525

ff	7.75 523	5.06 526	7.26 523	3.15 523	3.91 524	16.37 531	22.88 532	5.87 528	8.68 527	7.99 527	8.55 525	9.13 529	8.46 527	10.05 529	10.47 527	2.43 524	2.48 525	3.56 527	12.26 531	3.48 523	3.02 525

DGTPSM_ROB	8.06 527	4.50 524	8.69 530	5.34 526	10.73 529	8.32 526	22.71 530	5.47 526	13.38 531	5.13 525	9.98 528	5.10 524	10.47 530	5.53 526	12.77 531	3.79 527	8.00 529	3.49 525	6.95 528	3.74 526	7.09 530

DPSMNet_ROB	8.06 527	4.50 524	8.69 530	5.36 528	10.74 530	8.32 526	22.71 530	5.47 526	13.38 531	5.13 525	9.98 528	5.10 524	10.47 530	5.53 526	12.77 531	3.80 528	8.00 529	3.49 525	6.95 528	3.75 527	7.09 530

PML	8.57 529	9.39 533	6.24 522	5.34 526	6.36 527	13.21 530	20.99 529	5.35 525	6.68 526	17.75 535	26.46 540	7.58 527	6.08 526	7.89 528	5.76 525	5.33 529	1.83 524	5.95 533	1.93 524	8.75 531	2.53 524

tt	4.65 522	0.07 96	3.54 519	2.01 522	1.55 521	10.25 528	16.66 528	8.90 531	5.03 525	1.33 518	0.96 503	4.71 523	4.74 524	3.33 523	5.86 526	6.06 530	10.30 534	1.87 524	2.09 525	2.61 522	1.19 522

Anonymous_1	10.87 532	7.82 530	7.41 526	10.29 529	10.08 528	18.64 535	26.11 535	11.02 532	13.45 533	9.43 530	10.10 530	9.73 532	11.31 532	10.69 532	12.47 530	6.42 531	8.38 531	5.70 530	10.22 530	11.41 532	6.65 529

DPSM_ROB	11.10 533	8.47 531	7.95 527	10.84 530	11.58 531	19.10 536	26.50 536	12.02 533	14.09 534	10.38 531	10.91 531	10.39 533	11.92 533	11.67 533	13.39 533	6.99 532	8.79 532	5.82 531	6.92 526	6.97 529	7.31 532

DPSM	11.10 533	8.47 531	7.95 527	10.84 530	11.58 531	19.10 536	26.50 536	12.02 533	14.09 534	10.38 531	10.91 531	10.39 533	11.92 533	11.67 533	13.39 533	6.99 532	8.79 532	5.82 531	6.92 526	6.97 529	7.31 532

CasAABBNet	22.33 537	17.11 535	15.84 532	21.94 536	23.28 537	38.30 538	53.40 540	24.05 538	28.44 539	20.66 537	21.86 537	21.03 538	24.04 538	23.35 537	27.03 539	14.06 534	17.69 537	11.70 534	13.94 535	14.04 533	14.76 535

Selective-RAFT-Error	22.39 538	17.14 536	16.01 533	22.00 537	23.34 538	38.37 539	53.36 539	24.24 540	28.53 540	20.80 538	21.94 538	20.94 537	24.02 537	23.48 539	27.33 540	14.07 535	17.70 538	11.70 534	13.93 534	14.05 534	14.83 536

LSM0	22.80 539	17.22 537	19.17 534	22.12 538	28.90 540	38.38 540	53.27 538	24.21 539	28.36 538	20.84 539	21.11 536	21.63 539	24.25 539	23.42 538	26.98 538	14.08 536	17.39 536	11.72 536	13.98 536	14.22 535	14.66 534

HaxPig	15.73 535	18.55 538	19.19 535	16.92 533	15.89 535	7.80 525	7.57 525	13.37 535	10.80 530	15.40 534	14.87 533	15.95 535	14.81 535	15.67 535	15.97 535	18.96 537	16.72 535	19.47 537	18.10 537	19.45 537	19.06 538

LRCNet_RVC	10.76 531	13.97 534	7.97 529	19.07 534	2.04 523	0.35 460	0.31 474	5.29 524	0.48 451	13.02 533	17.65 534	8.69 528	5.73 525	4.78 525	2.22 521	23.53 538	2.69 528	27.60 539	25.75 539	17.60 536	16.54 537

MEDIAN_ROB	20.38 536	24.05 539	23.36 537	21.18 535	21.62 536	10.51 529	8.17 526	17.68 536	15.46 536	20.04 536	19.65 535	20.30 536	20.16 536	21.17 536	21.03 536	23.81 539	21.77 539	24.98 538	23.75 538	25.01 538	23.94 539

AVERAGE_ROB	24.89 540	29.12 540	27.98 538	24.83 539	24.59 539	17.82 534	11.61 527	21.45 537	19.91 537	25.04 540	24.38 539	25.06 540	25.31 540	24.69 540	22.86 537	29.74 540	27.09 540	28.97 540	27.94 540	30.07 539	29.35 540

test_example2	97.69 541	92.93 541	45.57 539	96.02 540	109.84 541	88.44 541	93.70 541	25.54 541	94.63 541	130.46 542	126.87 541	58.93 541	75.48 541	87.99 541	77.94 541	150.16 541	221.11 541	76.29 541	98.21 541	108.42 541	95.33 541

ccccc		285.89 542		366.70 542	366.78 542	118.88 542		113.97 542		125.77 541		120.54 542		252.62 542		382.79 542	352.84 542	254.30 542	222.62 542	426.61 542

Low-res two-view benchmark