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

MonSter	0.07 3	0.06 44	0.06 1	0.15 60	0.05 1	0.08 39	0.10 13	0.15 77	0.15 128	0.05 1	0.06 10	0.05 1	0.06 33	0.07 2	0.09 39	0.04 1	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

4D-IteraStereo	0.10 106	0.07 105	0.10 68	0.18 260	0.07 46	0.09 61	0.15 196	0.18 160	0.15 128	0.10 93	0.11 116	0.10 122	0.07 78	0.12 153	0.09 39	0.05 5	0.03 1	0.08 242	0.07 239	0.06 154	0.05 83

xyz-stereo-finetune2	0.11 145	0.07 105	0.13 179	0.13 8	0.07 46	0.11 136	0.19 368	0.17 133	0.12 64	0.15 232	0.15 169	0.17 267	0.13 248	0.13 200	0.11 142	0.05 5	0.04 3	0.07 165	0.05 81	0.04 2	0.06 159

xyz-stereo-finetune	0.11 145	0.08 209	0.13 179	0.14 22	0.06 11	0.10 99	0.19 368	0.18 160	0.19 208	0.12 156	0.14 156	0.15 230	0.11 187	0.13 200	0.12 197	0.05 5	0.04 3	0.07 165	0.05 81	0.04 2	0.05 83

111111	0.07 3	0.05 10	0.10 68	0.17 180	0.06 11	0.05 3	0.10 13	0.11 22	0.10 23	0.06 7	0.06 10	0.07 45	0.05 9	0.08 11	0.09 39	0.06 87	0.04 3	0.05 3	0.04 20	0.07 221	0.06 159

LG-Stereo_L2	0.07 3	0.05 10	0.10 68	0.14 22	0.06 11	0.07 21	0.12 47	0.09 9	0.10 23	0.06 7	0.04 1	0.05 1	0.05 9	0.08 11	0.08 14	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.03 1

LG-Stereo_L1	0.07 3	0.05 10	0.11 109	0.14 22	0.06 11	0.07 21	0.12 47	0.09 9	0.08 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 11	0.08 14	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.04 11

MLG-Stereo_test3	0.07 3	0.05 10	0.10 68	0.15 60	0.06 11	0.07 21	0.10 13	0.08 3	0.06 4	0.06 7	0.04 1	0.06 10	0.06 33	0.08 11	0.10 97	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.06 159

MLG-Stereo_test2	0.07 3	0.04 1	0.10 68	0.15 60	0.06 11	0.07 21	0.11 25	0.09 9	0.04 2	0.06 7	0.05 7	0.06 10	0.04 1	0.08 11	0.09 39	0.06 87	0.04 3	0.05 3	0.03 1	0.05 69	0.05 83

MLG-Stereo_test1	0.06 1	0.05 10	0.08 12	0.17 180	0.05 1	0.07 21	0.11 25	0.09 9	0.03 1	0.05 1	0.04 1	0.06 10	0.05 9	0.09 24	0.09 39	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.05 83

MLG-Stereo	0.07 3	0.05 10	0.09 43	0.17 180	0.05 1	0.07 21	0.11 25	0.08 3	0.05 3	0.05 1	0.04 1	0.06 10	0.05 9	0.10 40	0.09 39	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.05 83

LG-G_1	0.07 3	0.04 1	0.11 109	0.15 60	0.06 11	0.09 61	0.08 4	0.08 3	0.06 4	0.06 7	0.06 10	0.07 45	0.07 78	0.11 80	0.08 14	0.07 209	0.04 3	0.05 3	0.04 20	0.05 69	0.06 159

LG-G	0.07 3	0.04 1	0.11 109	0.15 60	0.06 11	0.09 61	0.08 4	0.08 3	0.06 4	0.06 7	0.06 10	0.07 45	0.07 78	0.11 80	0.08 14	0.07 209	0.04 3	0.05 3	0.04 20	0.05 69	0.06 159

LGtest1	0.07 3	0.05 10	0.11 109	0.15 60	0.06 11	0.07 21	0.09 8	0.08 3	0.06 4	0.06 7	0.04 1	0.06 10	0.07 78	0.10 40	0.09 39	0.07 209	0.04 3	0.05 3	0.04 20	0.06 154	0.06 159

LG-Stereo_Zeroshot	0.07 3	0.06 44	0.10 68	0.16 114	0.07 46	0.04 1	0.13 81	0.10 14	0.10 23	0.05 1	0.11 116	0.07 45	0.05 9	0.07 2	0.09 39	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

SGD-Stereo	0.08 23	0.05 10	0.10 68	0.14 22	0.06 11	0.12 174	0.12 47	0.11 22	0.12 64	0.07 23	0.09 66	0.09 95	0.09 137	0.08 11	0.08 14	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

MM-Stereo_test2	0.09 50	0.07 105	0.09 43	0.19 318	0.08 99	0.12 174	0.18 326	0.15 77	0.14 111	0.07 23	0.10 88	0.07 45	0.06 33	0.12 153	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.06 154	0.04 11

HART	0.08 23	0.07 105	0.09 43	0.18 260	0.07 46	0.10 99	0.16 255	0.13 50	0.11 43	0.09 64	0.10 88	0.08 68	0.05 9	0.10 40	0.08 14	0.05 5	0.04 3	0.06 73	0.04 20	0.05 69	0.04 11

GREAT-IGEV	0.07 3	0.06 44	0.09 43	0.13 8	0.07 46	0.07 21	0.14 127	0.10 14	0.09 15	0.06 7	0.08 51	0.06 10	0.05 9	0.10 40	0.07 1	0.05 5	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

HI	0.11 145	0.06 44	0.12 146	0.13 8	0.09 197	0.09 61	0.14 127	0.22 237	0.11 43	0.20 341	0.17 205	0.14 205	0.10 159	0.16 272	0.09 39	0.05 5	0.04 3	0.07 165	0.08 305	0.07 221	0.06 159

CoSv	0.11 145	0.06 44	0.12 146	0.13 8	0.09 197	0.09 61	0.14 127	0.22 237	0.11 43	0.20 341	0.17 205	0.14 205	0.10 159	0.16 272	0.09 39	0.05 5	0.04 3	0.07 165	0.08 305	0.07 221	0.06 159

DEFOM-Stereo_RVC	0.08 23	0.07 105	0.09 43	0.22 416	0.06 11	0.08 39	0.12 47	0.10 14	0.10 23	0.07 23	0.07 30	0.06 10	0.05 9	0.11 80	0.09 39	0.06 87	0.04 3	0.05 3	0.03 1	0.06 154	0.04 11

FoundationStereo	0.06 1	0.04 1	0.08 12	0.13 8	0.05 1	0.09 61	0.13 81	0.06 1	0.09 15	0.05 1	0.05 7	0.06 10	0.04 1	0.07 2	0.07 1	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

StereoAnything_RVC	0.07 3	0.16 432	0.17 322	0.11 1	0.05 1	0.06 7	0.11 25	0.08 3	0.08 8	0.06 7	0.06 10	0.05 1	0.05 9	0.09 24	0.08 14	0.08 268	0.04 3	0.05 3	0.03 1	0.05 69	0.04 11

AIO_rvc	0.07 3	0.06 44	0.08 12	0.15 60	0.06 11	0.08 39	0.14 127	0.09 9	0.08 8	0.07 23	0.08 51	0.07 45	0.04 1	0.10 40	0.08 14	0.05 5	0.04 3	0.05 3	0.04 20	0.04 2	0.03 1

HUF	0.08 23	0.05 10	0.08 12	0.14 22	0.06 11	0.09 61	0.13 81	0.13 50	0.13 92	0.07 23	0.07 30	0.09 95	0.06 33	0.10 40	0.09 39	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

AIO_test	0.07 3	0.06 44	0.07 2	0.15 60	0.07 46	0.07 21	0.14 127	0.10 14	0.10 23	0.07 23	0.07 30	0.06 10	0.05 9	0.08 11	0.10 97	0.05 5	0.04 3	0.05 3	0.04 20	0.04 2	0.03 1

castereo++	0.08 23	0.06 44	0.08 12	0.15 60	0.05 1	0.14 241	0.11 25	0.11 22	0.15 128	0.07 23	0.07 30	0.08 68	0.06 33	0.08 11	0.08 14	0.06 87	0.04 3	0.05 3	0.04 20	0.04 2	0.03 1

castereo	0.09 50	0.06 44	0.11 109	0.15 60	0.06 11	0.11 136	0.14 127	0.14 63	0.18 187	0.08 42	0.10 88	0.11 142	0.08 112	0.09 24	0.10 97	0.05 5	0.04 3	0.05 3	0.04 20	0.04 2	0.04 11

GIP-stereo	0.08 23	0.06 44	0.11 109	0.15 60	0.07 46	0.09 61	0.13 81	0.15 77	0.11 43	0.07 23	0.08 51	0.05 1	0.04 1	0.10 40	0.07 1	0.05 5	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

fffft	0.09 50	0.06 44	0.12 146	0.16 114	0.07 46	0.09 61	0.16 255	0.12 36	0.11 43	0.09 64	0.07 30	0.09 95	0.06 33	0.11 80	0.12 197	0.05 5	0.04 3	0.06 73	0.05 81	0.04 2	0.05 83
1: 1. 1
DEFOM-Stereo	0.07 3	0.05 10	0.07 2	0.14 22	0.06 11	0.09 61	0.13 81	0.07 2	0.13 92	0.06 7	0.07 30	0.06 10	0.05 9	0.10 40	0.09 39	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.04 11

SMoEStereo_RVC	0.08 23	0.06 44	0.12 146	0.16 114	0.07 46	0.09 61	0.13 81	0.11 22	0.14 111	0.09 64	0.07 30	0.07 45	0.07 78	0.12 153	0.10 97	0.05 5	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

tt45	0.09 50	0.06 44	0.11 109	0.15 60	0.07 46	0.12 174	0.15 196	0.13 50	0.12 64	0.09 64	0.06 10	0.08 68	0.06 33	0.13 200	0.10 97	0.06 87	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

999	0.09 50	0.06 44	0.13 179	0.15 60	0.08 99	0.10 99	0.14 127	0.15 77	0.12 64	0.10 93	0.08 51	0.08 68	0.08 112	0.16 272	0.10 97	0.06 87	0.04 3	0.06 73	0.05 81	0.04 2	0.06 159

mms	0.09 50	0.07 105	0.08 12	0.17 180	0.08 99	0.11 136	0.15 196	0.12 36	0.11 43	0.09 64	0.09 66	0.08 68	0.06 33	0.11 80	0.12 197	0.05 5	0.04 3	0.07 165	0.05 81	0.04 2	0.04 11

ours_stereo	0.09 50	0.07 105	0.09 43	0.17 180	0.08 99	0.11 136	0.16 255	0.11 22	0.12 64	0.08 42	0.10 88	0.08 68	0.06 33	0.12 153	0.12 197	0.05 5	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

tg	0.10 106	0.06 44	0.10 68	0.18 260	0.08 99	0.11 136	0.16 255	0.20 198	0.12 64	0.08 42	0.11 116	0.11 142	0.07 78	0.11 80	0.10 97	0.05 5	0.04 3	0.08 242	0.08 305	0.04 2	0.04 11

dual_stereo	0.07 3	0.05 10	0.08 12	0.15 60	0.05 1	0.05 3	0.13 81	0.12 36	0.08 8	0.07 23	0.06 10	0.05 1	0.05 9	0.07 2	0.09 39	0.06 87	0.04 3	0.05 3	0.03 1	0.04 2	0.04 11

WCG-NET	0.08 23	0.05 10	0.10 68	0.15 60	0.06 11	0.11 136	0.14 127	0.13 50	0.14 111	0.07 23	0.09 66	0.07 45	0.06 33	0.13 200	0.08 14	0.05 5	0.04 3	0.06 73	0.04 20	0.04 2	0.03 1

IGEV-Stereo++	0.07 3	0.06 44	0.08 12	0.18 260	0.06 11	0.05 3	0.10 13	0.11 22	0.11 43	0.06 7	0.07 30	0.07 45	0.06 33	0.09 24	0.09 39	0.05 5	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

Pointernet	0.09 50	0.05 10	0.10 68	0.16 114	0.08 99	0.13 202	0.10 13	0.15 77	0.18 187	0.09 64	0.07 30	0.06 10	0.06 33	0.11 80	0.10 97	0.08 268	0.04 3	0.05 3	0.03 1	0.06 154	0.05 83

U	0.08 23	0.07 105	0.10 68	0.19 318	0.10 302	0.10 99	0.13 81	0.12 36	0.17 173	0.07 23	0.07 30	0.06 10	0.05 9	0.07 2	0.09 39	0.06 87	0.04 3	0.06 73	0.04 20	0.06 154	0.05 83

IGEV-BASED-STEREO-	0.09 50	0.10 333	0.32 452	0.15 60	0.06 11	0.08 39	0.14 127	0.11 22	0.10 23	0.07 23	0.07 30	0.06 10	0.04 1	0.11 80	0.07 1	0.12 414	0.04 3	0.07 165	0.05 81	0.05 69	0.05 83

IGEV-Stereo+	0.07 3	0.04 1	0.08 12	0.15 60	0.06 11	0.04 1	0.09 8	0.10 14	0.09 15	0.06 7	0.06 10	0.06 10	0.06 33	0.06 1	0.09 39	0.06 87	0.04 3	0.05 3	0.04 20	0.06 154	0.06 159

WCG-NET（raft）	0.08 23	0.05 10	0.10 68	0.15 60	0.06 11	0.11 136	0.13 81	0.15 77	0.12 64	0.08 42	0.07 30	0.06 10	0.06 33	0.13 200	0.08 14	0.05 5	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

RSM++	0.08 23	0.06 44	0.09 43	0.17 180	0.07 46	0.09 61	0.12 47	0.11 22	0.11 43	0.08 42	0.06 10	0.07 45	0.05 9	0.10 40	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.03 1

RSM	0.08 23	0.06 44	0.09 43	0.17 180	0.07 46	0.08 39	0.12 47	0.12 36	0.10 23	0.08 42	0.07 30	0.06 10	0.05 9	0.11 80	0.09 39	0.04 1	0.04 3	0.05 3	0.04 20	0.04 2	0.04 11

RAFT-Stereo-weight	0.09 50	0.06 44	0.11 109	0.16 114	0.07 46	0.09 61	0.14 127	0.19 185	0.16 150	0.11 126	0.10 88	0.08 68	0.06 33	0.10 40	0.11 142	0.06 87	0.04 3	0.06 73	0.04 20	0.04 2	0.04 11

H2IRNET	0.10 106	0.09 271	0.10 68	0.18 260	0.09 197	0.12 174	0.15 196	0.14 63	0.21 242	0.10 93	0.10 88	0.10 122	0.11 187	0.10 40	0.10 97	0.06 87	0.04 3	0.08 242	0.08 305	0.06 154	0.05 83

MGS-Stereo	0.09 50	0.07 105	0.12 146	0.16 114	0.08 99	0.09 61	0.15 196	0.12 36	0.12 64	0.07 23	0.10 88	0.08 68	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.06 154	0.05 83

IGEV++	0.08 23	0.06 44	0.09 43	0.18 260	0.07 46	0.10 99	0.13 81	0.10 14	0.10 23	0.08 42	0.08 51	0.06 10	0.05 9	0.13 200	0.09 39	0.05 5	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

ff7	0.09 50	0.07 105	0.11 109	0.16 114	0.09 197	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

ffff	0.09 50	0.07 105	0.11 109	0.16 114	0.09 197	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

11t	0.09 50	0.07 105	0.11 109	0.16 114	0.09 197	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

IGEV_Zeroshot_test	0.09 50	0.05 10	0.13 179	0.14 22	0.08 99	0.12 174	0.13 81	0.17 133	0.11 43	0.10 93	0.06 10	0.09 95	0.06 33	0.11 80	0.09 39	0.06 87	0.04 3	0.06 73	0.06 150	0.05 69	0.05 83

MSKI-zero shot	0.09 50	0.05 10	0.09 43	0.16 114	0.07 46	0.10 99	0.13 81	0.15 77	0.14 111	0.09 64	0.09 66	0.09 95	0.06 33	0.12 153	0.11 142	0.06 87	0.04 3	0.05 3	0.04 20	0.04 2	0.05 83

DLNR_Zeroshot_test	10.48 543	2.27 535	19.78 549	120.28 554	13.29 547	0.06 7	0.13 81	0.24 278	0.10 23	0.08 42	0.10 88	0.09 95	0.07 78	0.10 40	0.09 39	0.13 431	0.04 3	0.06 73	0.04 20	52.68 553	0.04 11

CASnet	0.09 50	0.09 271	0.09 43	0.19 318	0.06 11	0.07 21	0.11 25	0.18 160	0.14 111	0.11 126	0.10 88	0.09 95	0.07 78	0.10 40	0.10 97	0.06 87	0.04 3	0.10 369	0.08 305	0.06 154	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala	0.08 23	0.07 105	0.17 322	0.16 114	0.08 99	0.09 61	0.12 47	0.15 77	0.10 23	0.07 23	0.09 66	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.04 20	0.04 2	0.04 11

AEACV	0.09 50	0.05 10	0.08 12	0.14 22	0.13 408	0.14 241	0.13 81	0.15 77	0.09 15	0.07 23	0.09 66	0.07 45	0.08 112	0.10 40	0.09 39	0.06 87	0.04 3	0.06 73	0.05 81	0.05 69	0.04 11

Any-RAFT	0.10 106	0.05 10	0.10 68	0.15 60	0.07 46	0.13 202	0.14 127	0.21 214	0.15 128	0.11 126	0.12 129	0.13 186	0.10 159	0.13 200	0.10 97	0.07 209	0.04 3	0.05 3	0.04 20	0.06 154	0.05 83

RAFT-Test	0.09 50	0.06 44	0.10 68	0.16 114	0.07 46	0.11 136	0.15 196	0.16 101	0.13 92	0.09 64	0.10 88	0.11 142	0.09 137	0.12 153	0.09 39	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.05 83

HH	0.09 50	0.06 44	0.13 179	0.17 180	0.08 99	0.11 136	0.16 255	0.15 77	0.10 23	0.08 42	0.10 88	0.08 68	0.07 78	0.10 40	0.09 39	0.06 87	0.04 3	0.06 73	0.05 81	0.05 69	0.04 11

HanStereo	0.09 50	0.06 44	0.13 179	0.17 180	0.08 99	0.11 136	0.16 255	0.15 77	0.10 23	0.08 42	0.10 88	0.08 68	0.07 78	0.10 40	0.09 39	0.06 87	0.04 3	0.06 73	0.05 81	0.05 69	0.04 11

LoS_RVC	0.08 23	0.05 10	0.07 2	0.15 60	0.07 46	0.08 39	0.15 196	0.12 36	0.11 43	0.08 42	0.09 66	0.06 10	0.09 137	0.10 40	0.09 39	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.04 11

CAS	0.08 23	0.04 1	0.07 2	0.17 180	0.08 99	0.10 99	0.13 81	0.12 36	0.09 15	0.09 64	0.10 88	0.08 68	0.06 33	0.09 24	0.09 39	0.08 268	0.04 3	0.05 3	0.03 1	0.05 69	0.04 11

anonymousdsp	0.09 50	0.07 105	0.11 109	0.17 180	0.09 197	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

CES	0.08 23	0.04 1	0.08 12	0.14 22	0.07 46	0.09 61	0.14 127	0.11 22	0.09 15	0.08 42	0.09 66	0.11 142	0.07 78	0.12 153	0.08 14	0.06 87	0.04 3	0.05 3	0.03 1	0.05 69	0.05 83

Selective-IGEV	0.07 3	0.06 44	0.09 43	0.17 180	0.06 11	0.08 39	0.12 47	0.13 50	0.08 8	0.08 42	0.07 30	0.06 10	0.04 1	0.10 40	0.09 39	0.05 5	0.04 3	0.05 3	0.04 20	0.04 2	0.03 1

EGLCR-Stereo	0.08 23	0.05 10	0.08 12	0.14 22	0.07 46	0.11 136	0.12 47	0.11 22	0.16 150	0.06 7	0.05 7	0.07 45	0.05 9	0.10 40	0.11 142	0.06 87	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

MC-Stereo	0.09 50	0.07 105	0.09 43	0.17 180	0.06 11	0.10 99	0.14 127	0.12 36	0.11 43	0.09 64	0.12 129	0.09 95	0.06 33	0.11 80	0.10 97	0.06 87	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

RCA-Stereo	0.09 50	0.06 44	0.09 43	0.16 114	0.06 11	0.09 61	0.13 81	0.18 160	0.14 111	0.10 93	0.11 116	0.08 68	0.07 78	0.12 153	0.11 142	0.06 87	0.04 3	0.06 73	0.05 81	0.05 69	0.04 11

DCANet-4	0.11 145	0.07 105	0.13 179	0.16 114	0.06 11	0.09 61	0.17 281	0.18 160	0.20 228	0.13 185	0.17 205	0.09 95	0.14 280	0.12 153	0.13 232	0.06 87	0.04 3	0.05 3	0.04 20	0.04 2	0.05 83

ccc-4	0.09 50	0.07 105	0.11 109	0.16 114	0.09 197	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

fff	0.10 106	0.06 44	0.12 146	0.15 60	0.07 46	0.09 61	0.17 281	0.16 101	0.21 242	0.13 185	0.17 205	0.10 122	0.11 187	0.12 153	0.13 232	0.06 87	0.04 3	0.05 3	0.04 20	0.04 2	0.05 83

ADStereo(finetuned)	0.10 106	0.06 44	0.13 179	0.16 114	0.06 11	0.09 61	0.17 281	0.16 101	0.20 228	0.13 185	0.18 228	0.10 122	0.12 217	0.12 153	0.12 197	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.05 83

RAFT+CT+SA	0.13 243	0.11 357	0.09 43	0.19 318	0.09 197	0.15 266	0.28 467	0.22 237	0.22 264	0.15 232	0.26 338	0.10 122	0.10 159	0.11 80	0.12 197	0.05 5	0.04 3	0.07 165	0.08 305	0.07 221	0.06 159

test_4	0.11 145	0.10 333	0.08 12	0.19 318	0.09 197	0.08 39	0.21 403	0.15 77	0.18 187	0.12 156	0.18 228	0.12 163	0.09 137	0.08 11	0.11 142	0.04 1	0.04 3	0.08 242	0.08 305	0.04 2	0.04 11

IGEV-Stereo	0.09 50	0.07 105	0.11 109	0.17 180	0.09 197	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 50	0.05 10	0.13 179	0.14 22	0.09 197	0.12 174	0.15 196	0.19 185	0.11 43	0.11 126	0.08 51	0.08 68	0.05 9	0.10 40	0.09 39	0.06 87	0.04 3	0.06 73	0.05 81	0.06 154	0.05 83

IPLG	0.11 145	0.08 209	0.15 258	0.17 180	0.08 99	0.11 136	0.14 127	0.20 198	0.15 128	0.13 185	0.18 228	0.07 45	0.07 78	0.14 227	0.14 268	0.06 87	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

MIPNet	0.11 145	0.08 209	0.15 258	0.17 180	0.09 197	0.12 174	0.14 127	0.21 214	0.25 308	0.12 156	0.10 88	0.09 95	0.07 78	0.13 200	0.13 232	0.06 87	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

test-3	0.09 50	0.06 44	0.10 68	0.18 260	0.07 46	0.07 21	0.14 127	0.12 36	0.16 150	0.10 93	0.08 51	0.08 68	0.08 112	0.11 80	0.10 97	0.05 5	0.04 3	0.07 165	0.05 81	0.04 2	0.04 11

test_1	0.09 50	0.06 44	0.10 68	0.18 260	0.07 46	0.07 21	0.14 127	0.12 36	0.16 150	0.10 93	0.08 51	0.08 68	0.08 112	0.11 80	0.10 97	0.05 5	0.04 3	0.07 165	0.05 81	0.04 2	0.04 11

test_3	0.11 145	0.09 271	0.10 68	0.21 396	0.08 99	0.13 202	0.25 450	0.14 63	0.21 242	0.10 93	0.10 88	0.09 95	0.10 159	0.08 11	0.11 142	0.05 5	0.04 3	0.08 242	0.07 239	0.04 2	0.04 11

LCNet	0.11 145	0.07 105	0.09 43	0.19 318	0.09 197	0.08 39	0.14 127	0.21 214	0.15 128	0.12 156	0.15 169	0.16 250	0.11 187	0.12 153	0.11 142	0.05 5	0.04 3	0.08 242	0.07 239	0.06 154	0.14 442

HHNet	0.11 145	0.06 44	0.16 299	0.15 60	0.14 424	0.07 21	0.13 81	0.20 198	0.18 187	0.15 232	0.25 325	0.11 142	0.09 137	0.13 200	0.10 97	0.06 87	0.04 3	0.08 242	0.06 150	0.05 69	0.09 348

AAGNet	0.12 216	0.08 209	0.17 322	0.19 318	0.09 197	0.08 39	0.13 81	0.19 185	0.13 92	0.16 261	0.21 268	0.13 186	0.14 280	0.11 80	0.14 268	0.06 87	0.04 3	0.09 324	0.06 150	0.06 154	0.05 83

STrans-v2	0.10 106	0.07 105	0.13 179	0.18 260	0.08 99	0.10 99	0.14 127	0.22 237	0.11 43	0.11 126	0.15 169	0.12 163	0.10 159	0.11 80	0.12 197	0.05 5	0.04 3	0.06 73	0.06 150	0.05 69	0.05 83

TransformOpticalFlow	0.10 106	0.08 209	0.13 179	0.18 260	0.07 46	0.09 61	0.15 196	0.19 185	0.16 150	0.12 156	0.16 186	0.11 142	0.11 187	0.11 80	0.11 142	0.05 5	0.04 3	0.06 73	0.06 150	0.05 69	0.05 83

NF-Stereo	0.11 145	0.07 105	0.13 179	0.17 180	0.09 197	0.10 99	0.13 81	0.23 255	0.19 208	0.12 156	0.17 205	0.12 163	0.12 217	0.11 80	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.07 221	0.12 415

OCTAStereo	0.11 145	0.07 105	0.14 222	0.17 180	0.09 197	0.10 99	0.13 81	0.23 255	0.19 208	0.12 156	0.17 205	0.12 163	0.12 217	0.11 80	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.07 221	0.11 396

NRIStereo	0.11 145	0.08 209	0.15 258	0.18 260	0.08 99	0.10 99	0.13 81	0.17 133	0.15 128	0.12 156	0.15 169	0.13 186	0.13 248	0.13 200	0.10 97	0.06 87	0.04 3	0.07 165	0.06 150	0.06 154	0.07 235

KYRaft	0.12 216	0.07 105	0.10 68	0.19 318	0.09 197	0.08 39	0.15 196	0.23 255	0.12 64	0.13 185	0.16 186	0.20 308	0.10 159	0.12 153	0.11 142	0.06 87	0.04 3	0.08 242	0.08 305	0.06 154	0.15 456

ASMatch	0.11 145	0.06 44	0.13 179	0.17 180	0.10 302	0.08 39	0.14 127	0.18 160	0.16 150	0.12 156	0.16 186	0.16 250	0.11 187	0.13 200	0.11 142	0.05 5	0.04 3	0.06 73	0.06 150	0.04 2	0.09 348

DEmStereo	0.12 216	0.06 44	0.14 222	0.14 22	0.10 302	0.16 294	0.15 196	0.16 101	0.24 284	0.17 273	0.23 287	0.12 163	0.14 280	0.12 153	0.14 268	0.05 5	0.04 3	0.07 165	0.06 150	0.05 69	0.05 83

SST-Stereo	0.11 145	0.07 105	0.16 299	0.18 260	0.09 197	0.06 7	0.12 47	0.18 160	0.10 23	0.15 232	0.18 228	0.13 186	0.12 217	0.10 40	0.11 142	0.06 87	0.04 3	0.09 324	0.06 150	0.07 221	0.06 159

RAFT_R40	0.11 145	0.07 105	0.15 258	0.18 260	0.09 197	0.06 7	0.13 81	0.17 133	0.15 128	0.14 208	0.18 228	0.15 230	0.12 217	0.10 40	0.11 142	0.06 87	0.04 3	0.09 324	0.06 150	0.06 154	0.05 83

DRaft	0.12 216	0.06 44	0.12 146	0.14 22	0.09 197	0.14 241	0.17 281	0.21 214	0.30 361	0.18 305	0.27 355	0.10 122	0.16 322	0.11 80	0.12 197	0.05 5	0.04 3	0.07 165	0.07 239	0.05 69	0.05 83

PFNet	0.12 216	0.06 44	0.17 322	0.18 260	0.08 99	0.09 61	0.15 196	0.26 310	0.20 228	0.16 261	0.16 186	0.14 205	0.12 217	0.13 200	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.05 69	0.05 83

RE-Stereo	0.11 145	0.07 105	0.13 179	0.17 180	0.09 197	0.10 99	0.13 81	0.23 255	0.19 208	0.12 156	0.17 205	0.12 163	0.12 217	0.11 80	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.07 221	0.11 396

Pruner-Stereo	0.11 145	0.07 105	0.12 146	0.17 180	0.09 197	0.06 7	0.12 47	0.18 160	0.17 173	0.14 208	0.19 242	0.13 186	0.10 159	0.11 80	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.06 154	0.08 304

TVStereo	0.11 145	0.07 105	0.13 179	0.17 180	0.09 197	0.10 99	0.13 81	0.23 255	0.19 208	0.12 156	0.17 205	0.12 163	0.12 217	0.11 80	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.07 221	0.11 396

DeepStereo_RVC	0.11 145	0.08 209	0.17 322	0.18 260	0.08 99	0.08 39	0.11 25	0.17 133	0.12 64	0.13 185	0.15 169	0.12 163	0.12 217	0.12 153	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.07 221	0.08 304

RAFT-RH_RVC	0.12 216	0.06 44	0.14 222	0.16 114	0.09 197	0.12 174	0.12 47	0.17 133	0.12 64	0.13 185	0.40 445	0.11 142	0.10 159	0.13 200	0.12 197	0.05 5	0.04 3	0.08 242	0.05 81	0.05 69	0.06 159

IRAFT_RVC	0.12 216	0.08 209	0.17 322	0.19 318	0.08 99	0.07 21	0.14 127	0.25 298	0.23 274	0.14 208	0.15 169	0.15 230	0.12 217	0.12 153	0.11 142	0.06 87	0.04 3	0.09 324	0.06 150	0.06 154	0.06 159

CRE-IMP	0.11 145	0.09 271	0.16 299	0.19 318	0.09 197	0.10 99	0.12 47	0.18 160	0.10 23	0.14 208	0.14 156	0.14 205	0.13 248	0.12 153	0.12 197	0.07 209	0.04 3	0.08 242	0.06 150	0.08 285	0.08 304

cross-raft	0.10 106	0.09 271	0.09 43	0.19 318	0.07 46	0.11 136	0.24 434	0.13 50	0.15 128	0.08 42	0.10 88	0.12 163	0.10 159	0.09 24	0.11 142	0.05 5	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

test-1	0.10 106	0.07 105	0.17 322	0.19 318	0.08 99	0.11 136	0.24 434	0.15 77	0.18 187	0.09 64	0.07 30	0.10 122	0.08 112	0.08 11	0.09 39	0.06 87	0.04 3	0.06 73	0.06 150	0.04 2	0.05 83

GMM-Stereo	0.11 145	0.07 105	0.10 68	0.18 260	0.09 197	0.08 39	0.14 127	0.24 278	0.16 150	0.11 126	0.15 169	0.13 186	0.11 187	0.11 80	0.11 142	0.05 5	0.04 3	0.08 242	0.07 239	0.06 154	0.09 348

iRaftStereo_RVC	0.10 106	0.07 105	0.10 68	0.17 180	0.09 197	0.11 136	0.17 281	0.18 160	0.12 64	0.09 64	0.11 116	0.10 122	0.07 78	0.11 80	0.10 97	0.05 5	0.04 3	0.08 242	0.08 305	0.04 2	0.04 11

CREStereo++_RVC	0.08 23	0.04 1	0.07 2	0.13 8	0.07 46	0.09 61	0.12 47	0.14 63	0.14 111	0.10 93	0.14 156	0.08 68	0.07 78	0.10 40	0.11 142	0.06 87	0.04 3	0.05 3	0.05 81	0.04 2	0.04 11
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.10 106	0.06 44	0.08 12	0.15 60	0.05 1	0.16 294	0.18 326	0.16 101	0.15 128	0.10 93	0.11 116	0.11 142	0.11 187	0.11 80	0.12 197	0.05 5	0.04 3	0.06 73	0.04 20	0.04 2	0.04 11

raft+_RVC	0.11 145	0.07 105	0.09 43	0.16 114	0.07 46	0.10 99	0.11 25	0.24 278	0.20 228	0.12 156	0.15 169	0.12 163	0.08 112	0.12 153	0.13 232	0.07 209	0.04 3	0.07 165	0.06 150	0.05 69	0.05 83

XX-TBD	0.09 50	0.06 44	0.07 2	0.14 22	0.07 46	0.13 202	0.16 255	0.14 63	0.14 111	0.11 126	0.12 129	0.09 95	0.08 112	0.10 40	0.10 97	0.06 87	0.04 3	0.05 3	0.04 20	0.06 154	0.05 83

DCANet	0.10 106	0.06 44	0.12 146	0.16 114	0.06 11	0.09 61	0.17 281	0.16 101	0.20 228	0.13 185	0.18 228	0.10 122	0.11 187	0.11 80	0.12 197	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.05 83

csc	0.10 106	0.06 44	0.12 146	0.15 60	0.07 46	0.09 61	0.17 281	0.16 101	0.21 242	0.13 185	0.17 205	0.10 122	0.11 187	0.12 153	0.13 232	0.06 87	0.04 3	0.05 3	0.04 20	0.04 2	0.05 83

cscssc	0.10 106	0.06 44	0.12 146	0.15 60	0.07 46	0.09 61	0.17 281	0.16 101	0.21 242	0.13 185	0.17 205	0.10 122	0.11 187	0.12 153	0.13 232	0.06 87	0.04 3	0.05 3	0.04 20	0.04 2	0.05 83

111	0.11 145	0.06 44	0.12 146	0.15 60	0.07 46	0.10 99	0.14 127	0.21 214	0.24 284	0.11 126	0.12 129	0.14 205	0.12 217	0.13 200	0.10 97	0.06 87	0.04 3	0.06 73	0.04 20	0.06 154	0.05 83

test_xeample3	0.09 50	0.07 105	0.12 146	0.16 114	0.09 197	0.11 136	0.15 196	0.16 101	0.14 111	0.10 93	0.07 30	0.08 68	0.06 33	0.10 40	0.09 39	0.06 87	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

RAFT-Stereo + iAFF	0.09 50	0.06 44	0.10 68	0.17 180	0.07 46	0.10 99	0.15 196	0.17 133	0.15 128	0.10 93	0.10 88	0.08 68	0.09 137	0.12 153	0.10 97	0.05 5	0.04 3	0.06 73	0.06 150	0.04 2	0.03 1

AFF-stereo	0.09 50	0.07 105	0.10 68	0.17 180	0.07 46	0.10 99	0.15 196	0.18 160	0.10 23	0.10 93	0.11 116	0.09 95	0.10 159	0.12 153	0.10 97	0.05 5	0.04 3	0.07 165	0.07 239	0.04 2	0.04 11

CFNet-RSSM	0.09 50	0.07 105	0.10 68	0.16 114	0.07 46	0.09 61	0.15 196	0.17 133	0.18 187	0.08 42	0.12 129	0.11 142	0.09 137	0.12 153	0.10 97	0.06 87	0.04 3	0.06 73	0.04 20	0.04 2	0.04 11

Gwc-CoAtRS	0.09 50	0.07 105	0.10 68	0.16 114	0.07 46	0.10 99	0.15 196	0.18 160	0.17 173	0.08 42	0.10 88	0.12 163	0.09 137	0.12 153	0.09 39	0.06 87	0.04 3	0.06 73	0.04 20	0.04 2	0.05 83

CREStereo	0.09 50	0.05 10	0.08 12	0.11 1	0.06 11	0.14 241	0.14 127	0.14 63	0.10 23	0.09 64	0.13 143	0.09 95	0.08 112	0.12 153	0.10 97	0.08 268	0.04 3	0.05 3	0.03 1	0.06 154	0.06 159
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 50	0.05 10	0.09 43	0.12 4	0.06 11	0.13 202	0.14 127	0.16 101	0.11 43	0.09 64	0.13 143	0.10 122	0.07 78	0.14 227	0.10 97	0.15 454	0.04 3	0.05 3	0.03 1	0.07 221	0.06 159

HITNet	0.11 145	0.06 44	0.12 146	0.14 22	0.06 11	0.12 174	0.10 13	0.18 160	0.18 187	0.13 185	0.17 205	0.15 230	0.11 187	0.15 245	0.14 268	0.06 87	0.04 3	0.04 1	0.04 20	0.06 154	0.05 83
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
MLCV	0.13 243	0.08 209	0.17 322	0.18 260	0.06 11	0.16 294	0.17 281	0.19 185	0.22 264	0.19 320	0.25 325	0.17 267	0.13 248	0.15 245	0.14 268	0.05 5	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

iResNet	0.13 243	0.10 333	0.18 354	0.19 318	0.08 99	0.14 241	0.18 326	0.21 214	0.27 333	0.16 261	0.24 298	0.15 230	0.13 248	0.14 227	0.15 302	0.06 87	0.04 3	0.06 73	0.05 81	0.06 154	0.05 83

xyz-stereo	0.14 272	0.07 105	0.22 400	0.15 60	0.05 1	0.22 398	0.15 196	0.17 133	0.31 370	0.15 232	0.28 366	0.26 380	0.17 345	0.13 200	0.12 197	0.05 5	0.05 131	0.06 73	0.05 81	0.04 2	0.04 11

DFGA-Net	0.13 243	0.11 357	0.19 377	0.18 260	0.10 302	0.13 202	0.13 81	0.23 255	0.25 308	0.16 261	0.16 186	0.13 186	0.12 217	0.17 311	0.15 302	0.07 209	0.05 131	0.08 242	0.07 239	0.05 69	0.05 83

G2L-Stereo_aug	0.15 312	0.06 44	0.12 146	0.14 22	0.07 46	0.19 354	0.19 368	0.20 198	0.39 425	0.22 368	0.27 355	0.27 386	0.15 300	0.18 327	0.19 364	0.07 209	0.05 131	0.05 3	0.04 20	0.06 154	0.07 235

coex_refinement	0.14 272	0.07 105	0.12 146	0.17 180	0.10 302	0.16 294	0.15 196	0.27 324	0.29 355	0.18 305	0.21 268	0.22 333	0.17 345	0.16 272	0.19 364	0.08 268	0.05 131	0.06 73	0.06 150	0.09 345	0.08 304

LG-Stereo	0.08 23	0.08 209	0.10 68	0.18 260	0.07 46	0.10 99	0.17 281	0.11 22	0.08 8	0.06 7	0.08 51	0.06 10	0.07 78	0.09 24	0.09 39	0.04 1	0.05 131	0.07 165	0.07 239	0.04 2	0.04 11

MM-Stereo_test1	0.10 106	0.07 105	0.09 43	0.18 260	0.07 46	0.12 174	0.18 326	0.21 214	0.20 228	0.09 64	0.11 116	0.08 68	0.06 33	0.10 40	0.10 97	0.06 87	0.05 131	0.07 165	0.06 150	0.05 69	0.04 11

Reg-Stereo(zero)	0.09 50	0.05 10	0.08 12	0.16 114	0.06 11	0.12 174	0.11 25	0.15 77	0.11 43	0.12 156	0.09 66	0.10 122	0.08 112	0.11 80	0.09 39	0.06 87	0.05 131	0.05 3	0.04 20	0.04 2	0.05 83

SCV_C0	0.08 23	0.07 105	0.08 12	0.16 114	0.10 302	0.08 39	0.14 127	0.11 22	0.13 92	0.08 42	0.07 30	0.06 10	0.05 9	0.11 80	0.07 1	0.05 5	0.05 131	0.05 3	0.04 20	0.06 154	0.05 83

SCV	0.08 23	0.09 271	0.08 12	0.15 60	0.08 99	0.10 99	0.12 47	0.11 22	0.12 64	0.07 23	0.07 30	0.06 10	0.04 1	0.10 40	0.08 14	0.05 5	0.05 131	0.06 73	0.04 20	0.06 154	0.04 11

AIO-test2	0.10 106	0.08 209	0.10 68	0.23 435	0.09 197	0.11 136	0.11 25	0.23 255	0.24 284	0.08 42	0.09 66	0.08 68	0.05 9	0.10 40	0.08 14	0.06 87	0.05 131	0.08 242	0.09 348	0.05 69	0.05 83

AIO-test1	0.10 106	0.07 105	0.11 109	0.24 445	0.07 46	0.09 61	0.13 81	0.22 237	0.15 128	0.11 126	0.12 129	0.09 95	0.07 78	0.11 80	0.09 39	0.06 87	0.05 131	0.09 324	0.10 382	0.04 2	0.07 235

FACV-RUCA	0.13 243	0.11 357	0.13 179	0.19 318	0.12 383	0.15 266	0.16 255	0.22 237	0.21 242	0.16 261	0.16 186	0.15 230	0.16 322	0.14 227	0.13 232	0.07 209	0.05 131	0.08 242	0.06 150	0.10 379	0.08 304

IGEV-RUCA	0.08 23	0.06 44	0.11 109	0.14 22	0.09 197	0.10 99	0.12 47	0.10 14	0.12 64	0.06 7	0.07 30	0.08 68	0.06 33	0.09 24	0.08 14	0.06 87	0.05 131	0.05 3	0.04 20	0.05 69	0.06 159

fffy	0.09 50	0.08 209	0.10 68	0.16 114	0.07 46	0.13 202	0.17 281	0.13 50	0.12 64	0.08 42	0.09 66	0.08 68	0.09 137	0.13 200	0.11 142	0.05 5	0.05 131	0.07 165	0.05 81	0.04 2	0.05 83

PAM_32	0.10 106	0.06 44	0.17 322	0.15 60	0.08 99	0.10 99	0.15 196	0.14 63	0.16 150	0.09 64	0.08 51	0.10 122	0.07 78	0.14 227	0.09 39	0.06 87	0.05 131	0.06 73	0.06 150	0.05 69	0.06 159

PAM	0.10 106	0.06 44	0.17 322	0.15 60	0.09 197	0.10 99	0.16 255	0.15 77	0.16 150	0.12 156	0.09 66	0.10 122	0.07 78	0.13 200	0.09 39	0.06 87	0.05 131	0.06 73	0.06 150	0.05 69	0.06 159

UGAM-zero	0.10 106	0.05 10	0.15 258	0.15 60	0.08 99	0.10 99	0.13 81	0.20 198	0.15 128	0.11 126	0.15 169	0.07 45	0.08 112	0.09 24	0.10 97	0.06 87	0.05 131	0.06 73	0.05 81	0.05 69	0.06 159

UGAM	0.13 243	0.10 333	0.09 43	0.22 416	0.08 99	0.13 202	0.20 387	0.18 160	0.24 284	0.22 368	0.16 186	0.13 186	0.13 248	0.19 352	0.13 232	0.07 209	0.05 131	0.13 432	0.11 411	0.07 221	0.05 83

GCAP-BAT	0.09 50	0.07 105	0.14 222	0.15 60	0.08 99	0.10 99	0.12 47	0.15 77	0.11 43	0.11 126	0.10 88	0.09 95	0.07 78	0.12 153	0.10 97	0.06 87	0.05 131	0.06 73	0.04 20	0.04 2	0.04 11

RAStereo	0.10 106	0.09 271	0.08 12	0.20 366	0.08 99	0.13 202	0.18 326	0.16 101	0.17 173	0.10 93	0.12 129	0.05 1	0.06 33	0.09 24	0.08 14	0.07 209	0.05 131	0.07 165	0.05 81	0.05 69	0.04 11

Occ-G	0.08 23	0.05 10	0.07 2	0.14 22	0.07 46	0.09 61	0.14 127	0.14 63	0.15 128	0.07 23	0.12 129	0.07 45	0.05 9	0.09 24	0.10 97	0.06 87	0.05 131	0.05 3	0.04 20	0.05 69	0.06 159

AIO-Stereo-zeroshot1	0.11 145	0.05 10	0.14 222	0.16 114	0.21 481	0.09 61	0.17 281	0.21 214	0.16 150	0.11 126	0.15 169	0.10 122	0.07 78	0.10 40	0.08 14	0.06 87	0.05 131	0.07 165	0.07 239	0.07 221	0.09 348

AIO-Stereo-zeroshot	0.11 145	0.05 10	0.12 146	0.15 60	0.13 408	0.14 241	0.16 255	0.23 255	0.18 187	0.10 93	0.13 143	0.10 122	0.07 78	0.12 153	0.09 39	0.06 87	0.05 131	0.06 73	0.06 150	0.07 221	0.08 304

AIO-Stereo	0.08 23	0.06 44	0.10 68	0.18 260	0.06 11	0.09 61	0.11 25	0.16 101	0.09 15	0.09 64	0.08 51	0.07 45	0.05 9	0.11 80	0.08 14	0.05 5	0.05 131	0.05 3	0.04 20	0.04 2	0.04 11

test_sample6	0.14 272	0.09 271	0.14 222	0.17 180	0.08 99	0.17 317	0.19 368	0.26 310	0.18 187	0.18 305	0.28 366	0.19 291	0.15 300	0.15 245	0.13 232	0.08 268	0.05 131	0.08 242	0.07 239	0.08 285	0.08 304

gcap-zeroshot	0.09 50	0.06 44	0.10 68	0.16 114	0.07 46	0.14 241	0.13 81	0.11 22	0.12 64	0.13 185	0.12 129	0.09 95	0.08 112	0.09 24	0.09 39	0.06 87	0.05 131	0.06 73	0.05 81	0.04 2	0.04 11

test_for_model	0.09 50	0.12 375	0.14 222	0.23 435	0.11 354	0.08 39	0.13 81	0.12 36	0.13 92	0.10 93	0.07 30	0.07 45	0.06 33	0.11 80	0.10 97	0.06 87	0.05 131	0.05 3	0.04 20	0.08 285	0.05 83

trnet	0.08 23	0.05 10	0.07 2	0.12 4	0.05 1	0.12 174	0.10 13	0.13 50	0.10 23	0.08 42	0.13 143	0.09 95	0.08 112	0.11 80	0.10 97	0.08 268	0.05 131	0.05 3	0.03 1	0.06 154	0.05 83

testlalala2	0.10 106	0.06 44	0.11 109	0.20 366	0.10 302	0.10 99	0.11 25	0.17 133	0.13 92	0.12 156	0.13 143	0.09 95	0.08 112	0.11 80	0.13 232	0.06 87	0.05 131	0.05 3	0.04 20	0.05 69	0.05 83

MoCha-V2	0.08 23	0.05 10	0.11 109	0.20 366	0.07 46	0.10 99	0.14 127	0.12 36	0.08 8	0.07 23	0.08 51	0.07 45	0.06 33	0.09 24	0.08 14	0.05 5	0.05 131	0.05 3	0.04 20	0.04 2	0.04 11

DispNO	0.15 312	0.09 271	0.18 354	0.19 318	0.12 383	0.11 136	0.21 403	0.23 255	0.29 355	0.18 305	0.23 287	0.19 291	0.17 345	0.16 272	0.16 321	0.07 209	0.05 131	0.08 242	0.08 305	0.07 221	0.06 159

Former-RAFT_DAM_RVC	0.11 145	0.08 209	0.13 179	0.16 114	0.08 99	0.15 266	0.16 255	0.18 160	0.19 208	0.10 93	0.09 66	0.09 95	0.08 112	0.11 80	0.12 197	0.07 209	0.05 131	0.08 242	0.06 150	0.07 221	0.06 159

MyStereo8	0.12 216	0.07 105	0.15 258	0.15 60	0.09 197	0.18 333	0.14 127	0.19 185	0.22 264	0.12 156	0.18 228	0.11 142	0.10 159	0.16 272	0.18 350	0.07 209	0.05 131	0.07 165	0.05 81	0.08 285	0.09 348

SMFormer	0.14 272	0.07 105	0.18 354	0.14 22	0.08 99	0.17 317	0.17 281	0.27 324	0.27 333	0.19 320	0.20 251	0.19 291	0.15 300	0.15 245	0.17 337	0.08 268	0.05 131	0.07 165	0.06 150	0.08 285	0.07 235

tta	0.14 272	0.07 105	0.18 354	0.14 22	0.08 99	0.17 317	0.17 281	0.27 324	0.27 333	0.19 320	0.20 251	0.19 291	0.15 300	0.15 245	0.17 337	0.08 268	0.05 131	0.07 165	0.06 150	0.06 154	0.06 159

qqq1	0.14 272	0.07 105	0.18 354	0.14 22	0.08 99	0.17 317	0.17 281	0.27 324	0.27 333	0.19 320	0.20 251	0.19 291	0.15 300	0.15 245	0.12 197	0.08 268	0.05 131	0.05 3	0.05 81	0.06 154	0.06 159

fff1	0.14 272	0.07 105	0.18 354	0.14 22	0.08 99	0.17 317	0.17 281	0.27 324	0.27 333	0.19 320	0.20 251	0.19 291	0.15 300	0.15 245	0.12 197	0.08 268	0.05 131	0.05 3	0.05 81	0.06 154	0.06 159

MyStereo07	0.10 106	0.07 105	0.10 68	0.17 180	0.09 197	0.14 241	0.17 281	0.15 77	0.15 128	0.09 64	0.06 10	0.06 10	0.07 78	0.12 153	0.09 39	0.06 87	0.05 131	0.08 242	0.07 239	0.06 154	0.06 159

MyStereo06	0.10 106	0.07 105	0.12 146	0.17 180	0.09 197	0.13 202	0.18 326	0.19 185	0.12 64	0.13 185	0.08 51	0.07 45	0.07 78	0.11 80	0.09 39	0.06 87	0.05 131	0.08 242	0.07 239	0.06 154	0.06 159

MyStereo05	0.13 243	0.07 105	0.10 68	0.17 180	0.09 197	0.13 202	0.18 326	0.28 348	0.35 405	0.17 273	0.14 156	0.15 230	0.11 187	0.15 245	0.13 232	0.06 87	0.05 131	0.08 242	0.07 239	0.06 154	0.06 159

MyStereo04	0.13 243	0.07 105	0.10 68	0.17 180	0.09 197	0.14 241	0.17 281	0.29 366	0.38 421	0.17 273	0.14 156	0.16 250	0.11 187	0.15 245	0.13 232	0.06 87	0.05 131	0.08 242	0.07 239	0.06 154	0.06 159

CoDeX	0.12 216	0.07 105	0.13 179	0.17 180	0.08 99	0.12 174	0.16 255	0.23 255	0.27 333	0.13 185	0.17 205	0.15 230	0.12 217	0.14 227	0.11 142	0.07 209	0.05 131	0.07 165	0.06 150	0.06 154	0.05 83

ACVNet-DCA	0.10 106	0.08 209	0.13 179	0.17 180	0.09 197	0.13 202	0.15 196	0.24 278	0.16 150	0.09 64	0.09 66	0.06 10	0.06 33	0.10 40	0.07 1	0.06 87	0.05 131	0.06 73	0.05 81	0.07 221	0.07 235

xx1	0.11 145	0.08 209	0.13 179	0.17 180	0.09 197	0.13 202	0.15 196	0.16 101	0.18 187	0.09 64	0.09 66	0.16 250	0.16 322	0.10 40	0.07 1	0.06 87	0.05 131	0.08 242	0.08 305	0.07 221	0.07 235

1test111	0.11 145	0.08 209	0.13 179	0.17 180	0.09 197	0.13 202	0.15 196	0.24 278	0.16 150	0.09 64	0.09 66	0.06 10	0.06 33	0.15 245	0.16 321	0.06 87	0.05 131	0.06 73	0.05 81	0.07 221	0.07 235

cc1	0.10 106	0.08 209	0.13 179	0.17 180	0.09 197	0.13 202	0.15 196	0.16 101	0.18 187	0.09 64	0.09 66	0.06 10	0.06 33	0.10 40	0.07 1	0.06 87	0.05 131	0.06 73	0.05 81	0.06 154	0.06 159

mmm	0.14 272	0.08 209	0.18 354	0.17 180	0.09 197	0.17 317	0.18 326	0.21 214	0.16 150	0.16 261	0.23 287	0.21 315	0.16 322	0.16 272	0.17 337	0.08 268	0.05 131	0.08 242	0.08 305	0.08 285	0.07 235

11t1	0.12 216	0.07 105	0.14 222	0.14 22	0.08 99	0.17 317	0.15 196	0.19 185	0.15 128	0.15 232	0.15 169	0.17 267	0.16 322	0.15 245	0.13 232	0.08 268	0.05 131	0.06 73	0.05 81	0.08 285	0.07 235

IGEVStereo-DCA	0.09 50	0.07 105	0.11 109	0.16 114	0.10 302	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.08 68	0.06 33	0.10 40	0.09 39	0.06 87	0.05 131	0.06 73	0.05 81	0.05 69	0.06 159

rrr	0.09 50	0.07 105	0.13 179	0.16 114	0.10 302	0.11 136	0.15 196	0.16 101	0.15 128	0.10 93	0.06 10	0.08 68	0.06 33	0.10 40	0.09 39	0.06 87	0.05 131	0.06 73	0.05 81	0.05 69	0.06 159

ffm	0.12 216	0.09 271	0.15 258	0.16 114	0.09 197	0.17 317	0.17 281	0.15 77	0.19 208	0.15 232	0.26 338	0.19 291	0.13 248	0.10 40	0.08 14	0.06 87	0.05 131	0.09 324	0.08 305	0.06 154	0.06 159

ff1	0.13 243	0.09 271	0.15 258	0.16 114	0.09 197	0.17 317	0.17 281	0.15 77	0.19 208	0.15 232	0.26 338	0.19 291	0.13 248	0.15 245	0.22 400	0.06 87	0.05 131	0.09 324	0.08 305	0.06 154	0.06 159

tt1	0.10 106	0.08 209	0.13 179	0.17 180	0.09 197	0.13 202	0.15 196	0.15 77	0.19 208	0.09 64	0.08 51	0.06 10	0.06 33	0.10 40	0.08 14	0.06 87	0.05 131	0.06 73	0.05 81	0.06 154	0.06 159

plain	0.11 145	0.09 271	0.10 68	0.19 318	0.09 197	0.11 136	0.14 127	0.14 63	0.13 92	0.13 185	0.15 169	0.09 95	0.12 217	0.13 200	0.12 197	0.07 209	0.05 131	0.09 324	0.06 150	0.06 154	0.06 159

MIF-Stereo (partial)	0.11 145	0.06 44	0.10 68	0.19 318	0.10 302	0.10 99	0.12 47	0.17 133	0.19 208	0.14 208	0.16 186	0.10 122	0.11 187	0.12 153	0.12 197	0.08 268	0.05 131	0.08 242	0.07 239	0.06 154	0.07 235

PCWNet_CMD	0.14 272	0.08 209	0.15 258	0.17 180	0.09 197	0.14 241	0.14 127	0.29 366	0.36 410	0.14 208	0.20 251	0.21 315	0.13 248	0.17 311	0.14 268	0.07 209	0.05 131	0.07 165	0.07 239	0.07 221	0.07 235

testlalala_base	0.10 106	0.09 271	0.14 222	0.21 396	0.08 99	0.10 99	0.14 127	0.13 50	0.11 43	0.08 42	0.15 169	0.07 45	0.08 112	0.11 80	0.12 197	0.08 268	0.05 131	0.05 3	0.03 1	0.07 221	0.05 83

GCAP-Stereo	0.09 50	0.07 105	0.13 179	0.18 260	0.06 11	0.11 136	0.07 2	0.14 63	0.12 64	0.09 64	0.10 88	0.07 45	0.09 137	0.13 200	0.10 97	0.06 87	0.05 131	0.05 3	0.04 20	0.04 2	0.05 83

LL-Strereo2	0.11 145	0.10 333	0.16 299	0.18 260	0.08 99	0.15 266	0.09 8	0.17 133	0.14 111	0.14 208	0.11 116	0.09 95	0.07 78	0.16 272	0.10 97	0.05 5	0.05 131	0.11 399	0.07 239	0.06 154	0.05 83

LL-Strereo	0.13 243	0.10 333	0.12 146	0.20 366	0.10 302	0.11 136	0.18 326	0.33 410	0.25 308	0.16 261	0.16 186	0.14 205	0.14 280	0.19 352	0.11 142	0.06 87	0.05 131	0.09 324	0.08 305	0.04 2	0.05 83

anonymousdsp2	0.11 145	0.07 105	0.11 109	0.16 114	0.09 197	0.13 202	0.14 127	0.19 185	0.23 274	0.13 185	0.14 156	0.12 163	0.09 137	0.14 227	0.11 142	0.05 5	0.05 131	0.05 3	0.04 20	0.06 154	0.06 159

LoS	0.09 50	0.05 10	0.11 109	0.13 8	0.07 46	0.14 241	0.11 25	0.15 77	0.15 128	0.09 64	0.09 66	0.12 163	0.09 137	0.15 245	0.10 97	0.07 209	0.05 131	0.05 3	0.03 1	0.05 69	0.05 83
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
DCRE	0.11 145	0.07 105	0.13 179	0.16 114	0.11 354	0.11 136	0.17 281	0.18 160	0.17 173	0.11 126	0.18 228	0.11 142	0.10 159	0.15 245	0.11 142	0.06 87	0.05 131	0.06 73	0.06 150	0.05 69	0.05 83

knoymous	0.11 145	0.06 44	0.12 146	0.14 22	0.07 46	0.15 266	0.13 81	0.20 198	0.14 111	0.11 126	0.17 205	0.13 186	0.09 137	0.14 227	0.11 142	0.09 320	0.05 131	0.06 73	0.05 81	0.07 221	0.07 235

anonymousa	0.13 243	0.07 105	0.14 222	0.18 260	0.09 197	0.13 202	0.17 281	0.20 198	0.29 355	0.15 232	0.24 298	0.16 250	0.14 280	0.14 227	0.14 268	0.07 209	0.05 131	0.07 165	0.09 348	0.05 69	0.07 235

riskmin	0.11 145	0.06 44	0.13 179	0.14 22	0.08 99	0.14 241	0.14 127	0.18 160	0.15 128	0.12 156	0.15 169	0.17 267	0.11 187	0.14 227	0.12 197	0.09 320	0.05 131	0.07 165	0.05 81	0.08 285	0.08 304

Selective-RAFT	0.11 145	0.11 357	0.12 146	0.21 396	0.08 99	0.16 294	0.13 81	0.21 214	0.23 274	0.10 93	0.10 88	0.11 142	0.10 159	0.15 245	0.11 142	0.05 5	0.05 131	0.06 73	0.05 81	0.06 154	0.05 83

ProNet	0.09 50	0.07 105	0.11 109	0.17 180	0.08 99	0.11 136	0.15 196	0.15 77	0.12 64	0.10 93	0.06 10	0.07 45	0.06 33	0.11 80	0.09 39	0.05 5	0.05 131	0.06 73	0.05 81	0.04 2	0.06 159

x	0.13 243	0.08 209	0.15 258	0.14 22	0.08 99	0.19 354	0.14 127	0.22 237	0.21 242	0.15 232	0.20 251	0.20 308	0.18 358	0.18 327	0.18 350	0.07 209	0.05 131	0.06 73	0.06 150	0.07 221	0.07 235

DisPM	0.11 145	0.07 105	0.13 179	0.16 114	0.09 197	0.06 7	0.13 81	0.18 160	0.17 173	0.14 208	0.19 242	0.12 163	0.10 159	0.12 153	0.11 142	0.07 209	0.05 131	0.07 165	0.06 150	0.06 154	0.11 396

Wz-Net-LNSev-Ref	0.18 377	0.09 271	0.30 445	0.15 60	0.11 354	0.23 411	0.20 387	0.27 324	0.40 430	0.26 411	0.43 465	0.25 370	0.15 300	0.21 387	0.20 374	0.07 209	0.05 131	0.06 73	0.05 81	0.10 379	0.09 348

IER	0.14 272	0.08 209	0.13 179	0.17 180	0.09 197	0.14 241	0.16 255	0.26 310	0.27 333	0.18 305	0.26 338	0.17 267	0.20 388	0.17 311	0.14 268	0.08 268	0.05 131	0.07 165	0.06 150	0.08 285	0.07 235

raft_robust	0.13 243	0.10 333	0.07 2	0.18 260	0.08 99	0.13 202	0.24 434	0.29 366	0.34 392	0.20 341	0.20 251	0.15 230	0.10 159	0.11 80	0.12 197	0.05 5	0.05 131	0.07 165	0.07 239	0.05 69	0.04 11

test_5	0.14 272	0.12 375	0.08 12	0.20 366	0.10 302	0.14 241	0.28 467	0.21 214	0.24 284	0.19 320	0.28 366	0.11 142	0.15 300	0.12 153	0.13 232	0.06 87	0.05 131	0.07 165	0.08 305	0.08 285	0.07 235

Sa-1000	0.12 216	0.08 209	0.09 43	0.18 260	0.08 99	0.15 266	0.22 414	0.22 237	0.19 208	0.15 232	0.20 251	0.17 267	0.11 187	0.10 40	0.10 97	0.06 87	0.05 131	0.09 324	0.09 348	0.05 69	0.05 83

SA	0.13 243	0.09 271	0.09 43	0.18 260	0.08 99	0.12 174	0.24 434	0.23 255	0.19 208	0.17 273	0.27 355	0.15 230	0.11 187	0.11 80	0.11 142	0.05 5	0.05 131	0.09 324	0.08 305	0.05 69	0.05 83

iRaft-Stereo_5w	0.12 216	0.09 271	0.12 146	0.20 366	0.08 99	0.09 61	0.12 47	0.22 237	0.22 264	0.19 320	0.14 156	0.11 142	0.09 137	0.20 370	0.16 321	0.05 5	0.05 131	0.07 165	0.06 150	0.05 69	0.06 159

CIPLG	0.11 145	0.08 209	0.15 258	0.17 180	0.08 99	0.13 202	0.15 196	0.17 133	0.16 150	0.14 208	0.11 116	0.16 250	0.10 159	0.17 311	0.12 197	0.07 209	0.05 131	0.06 73	0.06 150	0.05 69	0.06 159

IPLGR_C	0.11 145	0.08 209	0.15 258	0.17 180	0.08 99	0.12 174	0.15 196	0.17 133	0.15 128	0.14 208	0.11 116	0.16 250	0.10 159	0.16 272	0.12 197	0.07 209	0.05 131	0.06 73	0.06 150	0.05 69	0.06 159

IPLGR	0.11 145	0.09 271	0.17 322	0.18 260	0.08 99	0.13 202	0.16 255	0.21 214	0.24 284	0.12 156	0.12 129	0.11 142	0.09 137	0.13 200	0.12 197	0.06 87	0.05 131	0.06 73	0.06 150	0.05 69	0.04 11

GMOStereo	0.11 145	0.09 271	0.08 12	0.19 318	0.08 99	0.12 174	0.28 467	0.13 50	0.18 187	0.11 126	0.17 205	0.14 205	0.12 217	0.07 2	0.07 1	0.05 5	0.05 131	0.09 324	0.07 239	0.04 2	0.04 11

error version	0.11 145	0.09 271	0.08 12	0.19 318	0.08 99	0.12 174	0.28 467	0.13 50	0.18 187	0.11 126	0.17 205	0.14 205	0.12 217	0.07 2	0.07 1	0.05 5	0.05 131	0.09 324	0.07 239	0.04 2	0.04 11

test-v	0.11 145	0.09 271	0.08 12	0.19 318	0.08 99	0.12 174	0.28 467	0.13 50	0.18 187	0.11 126	0.17 205	0.14 205	0.12 217	0.07 2	0.07 1	0.05 5	0.05 131	0.09 324	0.07 239	0.04 2	0.04 11

ACRE	0.11 145	0.08 209	0.15 258	0.17 180	0.08 99	0.13 202	0.15 196	0.17 133	0.14 111	0.14 208	0.11 116	0.16 250	0.10 159	0.16 272	0.12 197	0.07 209	0.05 131	0.06 73	0.06 150	0.05 69	0.06 159

GwcNet-ADL	0.13 243	0.08 209	0.14 222	0.20 366	0.09 197	0.12 174	0.20 387	0.30 376	0.25 308	0.14 208	0.14 156	0.18 282	0.14 280	0.13 200	0.15 302	0.07 209	0.05 131	0.06 73	0.05 81	0.07 221	0.06 159

CrosDoStereo	0.12 216	0.07 105	0.12 146	0.14 22	0.09 197	0.12 174	0.15 196	0.17 133	0.22 264	0.19 320	0.24 298	0.15 230	0.11 187	0.11 80	0.12 197	0.06 87	0.05 131	0.07 165	0.07 239	0.05 69	0.05 83

PFNet+	0.12 216	0.06 44	0.14 222	0.16 114	0.09 197	0.05 3	0.12 47	0.18 160	0.21 242	0.16 261	0.19 242	0.14 205	0.10 159	0.11 80	0.11 142	0.08 268	0.05 131	0.09 324	0.08 305	0.06 154	0.11 396

TRStereo	0.10 106	0.05 10	0.12 146	0.16 114	0.12 383	0.10 99	0.13 81	0.18 160	0.19 208	0.09 64	0.09 66	0.09 95	0.07 78	0.10 40	0.08 14	0.07 209	0.05 131	0.07 165	0.07 239	0.04 2	0.04 11

Patchmatch Stereo++	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.11 25	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235
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
OMP-Stereo	0.11 145	0.07 105	0.14 222	0.18 260	0.08 99	0.09 61	0.12 47	0.21 214	0.21 242	0.13 185	0.14 156	0.11 142	0.12 217	0.11 80	0.13 232	0.06 87	0.05 131	0.07 165	0.06 150	0.05 69	0.04 11

IIG-Stereo	0.11 145	0.06 44	0.13 179	0.17 180	0.08 99	0.11 136	0.12 47	0.22 237	0.18 187	0.14 208	0.17 205	0.12 163	0.13 248	0.12 153	0.13 232	0.06 87	0.05 131	0.07 165	0.06 150	0.06 154	0.05 83

PSM-softLoss	0.12 216	0.07 105	0.15 258	0.17 180	0.09 197	0.08 39	0.12 47	0.24 278	0.17 173	0.15 232	0.19 242	0.13 186	0.11 187	0.11 80	0.11 142	0.07 209	0.05 131	0.08 242	0.07 239	0.07 221	0.12 415

KMStereo	0.12 216	0.07 105	0.15 258	0.17 180	0.09 197	0.08 39	0.12 47	0.24 278	0.17 173	0.15 232	0.19 242	0.13 186	0.11 187	0.11 80	0.11 142	0.07 209	0.05 131	0.08 242	0.07 239	0.07 221	0.12 415

PSM-adaLoss	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.12 47	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

PSM-AAD	0.11 145	0.07 105	0.10 68	0.20 366	0.09 197	0.10 99	0.14 127	0.21 214	0.13 92	0.12 156	0.14 156	0.18 282	0.11 187	0.11 80	0.10 97	0.05 5	0.05 131	0.09 324	0.08 305	0.06 154	0.14 442

FTStereo	0.12 216	0.07 105	0.14 222	0.18 260	0.09 197	0.07 21	0.15 196	0.22 237	0.18 187	0.12 156	0.24 298	0.11 142	0.13 248	0.13 200	0.14 268	0.05 5	0.05 131	0.07 165	0.07 239	0.06 154	0.10 374

ROB_FTStereo_v2	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.12 47	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

ROB_FTStereo	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.11 25	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

HUI-Stereo	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.11 25	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

DeepStereo_LL	0.12 216	0.07 105	0.12 146	0.14 22	0.09 197	0.12 174	0.15 196	0.17 133	0.22 264	0.19 320	0.24 298	0.15 230	0.11 187	0.11 80	0.12 197	0.06 87	0.05 131	0.07 165	0.07 239	0.05 69	0.05 83

THIR-Stereo	0.12 216	0.07 105	0.11 109	0.15 60	0.08 99	0.14 241	0.16 255	0.18 160	0.25 308	0.17 273	0.24 298	0.13 186	0.13 248	0.12 153	0.14 268	0.06 87	0.05 131	0.07 165	0.07 239	0.05 69	0.05 83

GrayStereo	0.11 145	0.06 44	0.11 109	0.19 318	0.09 197	0.09 61	0.16 255	0.18 160	0.17 173	0.14 208	0.17 205	0.17 267	0.11 187	0.12 153	0.11 142	0.05 5	0.05 131	0.07 165	0.06 150	0.06 154	0.10 374

iGMRVC	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.12 47	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

RAFT-345	0.11 145	0.07 105	0.16 299	0.17 180	0.08 99	0.08 39	0.12 47	0.16 101	0.10 23	0.11 126	0.34 416	0.09 95	0.10 159	0.11 80	0.12 197	0.05 5	0.05 131	0.07 165	0.06 150	0.04 2	0.05 83

iRAFT	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.11 25	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

AnonymousM	0.10 106	0.06 44	0.10 68	0.14 22	0.07 46	0.09 61	0.13 81	0.19 185	0.14 111	0.13 185	0.12 129	0.09 95	0.08 112	0.13 200	0.10 97	0.08 268	0.05 131	0.08 242	0.05 81	0.05 69	0.05 83

CroCo-Stereo	0.09 50	0.08 209	0.08 12	0.22 416	0.09 197	0.09 61	0.18 326	0.16 101	0.12 64	0.07 23	0.07 30	0.08 68	0.06 33	0.08 11	0.07 1	0.07 209	0.05 131	0.06 73	0.04 20	0.05 69	0.04 11
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
test-2	0.11 145	0.09 271	0.08 12	0.19 318	0.08 99	0.12 174	0.28 467	0.13 50	0.18 187	0.11 126	0.17 205	0.14 205	0.12 217	0.07 2	0.07 1	0.05 5	0.05 131	0.09 324	0.07 239	0.04 2	0.04 11

RAFT-IKP	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.11 25	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

Prome-Stereo	0.11 145	0.07 105	0.11 109	0.18 260	0.09 197	0.12 174	0.14 127	0.23 255	0.13 92	0.13 185	0.16 186	0.13 186	0.08 112	0.12 153	0.10 97	0.05 5	0.05 131	0.07 165	0.06 150	0.06 154	0.10 374

rafts_anoy	0.11 145	0.06 44	0.10 68	0.17 180	0.08 99	0.10 99	0.14 127	0.18 160	0.14 111	0.13 185	0.13 143	0.12 163	0.11 187	0.11 80	0.13 232	0.07 209	0.05 131	0.09 324	0.11 411	0.07 221	0.06 159

TANstereo	0.09 50	0.04 1	0.08 12	0.13 8	0.06 11	0.11 136	0.13 81	0.15 77	0.19 208	0.11 126	0.15 169	0.10 122	0.07 78	0.12 153	0.09 39	0.07 209	0.05 131	0.05 3	0.04 20	0.06 154	0.05 83

raftrobust	0.09 50	0.06 44	0.11 109	0.17 180	0.08 99	0.09 61	0.10 13	0.18 160	0.16 150	0.10 93	0.09 66	0.12 163	0.08 112	0.12 153	0.10 97	0.08 268	0.05 131	0.06 73	0.05 81	0.05 69	0.06 159

sAnonymous2	0.13 243	0.12 375	0.25 417	0.20 366	0.12 383	0.18 333	0.14 127	0.27 324	0.21 242	0.11 126	0.12 129	0.13 186	0.08 112	0.11 80	0.11 142	0.09 320	0.05 131	0.08 242	0.06 150	0.15 455	0.10 374

CroCo_RVC	0.13 243	0.12 375	0.25 417	0.20 366	0.12 383	0.18 333	0.14 127	0.27 324	0.21 242	0.11 126	0.12 129	0.13 186	0.08 112	0.11 80	0.11 142	0.09 320	0.05 131	0.08 242	0.06 150	0.15 455	0.10 374

CFNet_pseudo	0.14 272	0.08 209	0.16 299	0.16 114	0.09 197	0.13 202	0.14 127	0.27 324	0.34 392	0.15 232	0.21 268	0.22 333	0.13 248	0.18 327	0.14 268	0.07 209	0.05 131	0.08 242	0.06 150	0.07 221	0.07 235

RALAANet	0.11 145	0.08 209	0.10 68	0.17 180	0.09 197	0.14 241	0.10 13	0.20 198	0.16 150	0.14 208	0.13 143	0.16 250	0.09 137	0.12 153	0.12 197	0.06 87	0.05 131	0.08 242	0.07 239	0.06 154	0.04 11

XX-Stereo	0.09 50	0.05 10	0.09 43	0.17 180	0.09 197	0.15 266	0.12 47	0.21 214	0.10 23	0.10 93	0.14 156	0.07 45	0.06 33	0.13 200	0.08 14	0.06 87	0.05 131	0.06 73	0.06 150	0.04 2	0.04 11

222	0.16 340	0.07 105	0.15 258	0.14 22	0.08 99	0.25 425	0.18 326	0.30 376	0.21 242	0.18 305	0.29 381	0.17 267	0.16 322	0.16 272	0.44 499	0.10 357	0.05 131	0.07 165	0.06 150	0.08 285	0.08 304

xxxx	0.15 312	0.07 105	0.14 222	0.14 22	0.08 99	0.24 417	0.18 326	0.32 396	0.20 228	0.14 208	0.28 366	0.22 333	0.14 280	0.15 245	0.29 460	0.09 320	0.05 131	0.07 165	0.07 239	0.08 285	0.08 304

test_xeample	0.15 312	0.07 105	0.14 222	0.15 60	0.08 99	0.22 398	0.20 387	0.29 366	0.21 242	0.16 261	0.29 381	0.19 291	0.17 345	0.16 272	0.28 453	0.09 320	0.05 131	0.07 165	0.07 239	0.07 221	0.07 235

ARAFT	0.12 216	0.08 209	0.18 354	0.19 318	0.09 197	0.15 266	0.17 281	0.20 198	0.13 92	0.12 156	0.13 143	0.14 205	0.12 217	0.15 245	0.13 232	0.06 87	0.05 131	0.10 369	0.09 348	0.06 154	0.04 11

EAI-Stereo	0.09 50	0.07 105	0.11 109	0.16 114	0.07 46	0.10 99	0.15 196	0.16 101	0.09 15	0.08 42	0.09 66	0.08 68	0.07 78	0.09 24	0.11 142	0.05 5	0.05 131	0.05 3	0.05 81	0.05 69	0.04 11

SFCPSM	0.13 243	0.07 105	0.15 258	0.17 180	0.09 197	0.15 266	0.16 255	0.28 348	0.27 333	0.14 208	0.18 228	0.12 163	0.13 248	0.14 227	0.11 142	0.08 268	0.05 131	0.07 165	0.07 239	0.07 221	0.06 159

FENet	0.13 243	0.08 209	0.13 179	0.16 114	0.08 99	0.15 266	0.16 255	0.23 255	0.23 274	0.17 273	0.24 298	0.16 250	0.13 248	0.14 227	0.15 302	0.08 268	0.05 131	0.08 242	0.08 305	0.08 285	0.08 304

cf-r	0.14 272	0.07 105	0.13 179	0.16 114	0.08 99	0.14 241	0.19 368	0.21 214	0.25 308	0.17 273	0.26 338	0.22 333	0.17 345	0.14 227	0.15 302	0.10 357	0.05 131	0.06 73	0.08 305	0.06 154	0.06 159

DIP-Stereo	0.11 145	0.08 209	0.15 258	0.17 180	0.09 197	0.13 202	0.09 8	0.16 101	0.16 150	0.12 156	0.16 186	0.14 205	0.12 217	0.16 272	0.14 268	0.06 87	0.05 131	0.06 73	0.05 81	0.05 69	0.07 235
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.12 216	0.09 271	0.15 258	0.18 260	0.07 46	0.15 266	0.07 2	0.23 255	0.19 208	0.16 261	0.19 242	0.19 291	0.14 280	0.17 311	0.15 302	0.07 209	0.05 131	0.05 3	0.05 81	0.06 154	0.07 235

R-Stereo Train	0.10 106	0.06 44	0.11 109	0.17 180	0.08 99	0.11 136	0.14 127	0.24 278	0.11 43	0.12 156	0.19 242	0.11 142	0.08 112	0.10 40	0.11 142	0.07 209	0.05 131	0.06 73	0.05 81	0.05 69	0.05 83

RAFT-Stereo	0.10 106	0.06 44	0.11 109	0.17 180	0.08 99	0.11 136	0.14 127	0.24 278	0.11 43	0.12 156	0.19 242	0.11 142	0.08 112	0.10 40	0.11 142	0.07 209	0.05 131	0.06 73	0.05 81	0.05 69	0.05 83
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	0.14 272	0.08 209	0.15 258	0.17 180	0.09 197	0.14 241	0.14 127	0.29 366	0.36 410	0.14 208	0.20 251	0.21 315	0.13 248	0.18 327	0.14 268	0.07 209	0.05 131	0.07 165	0.07 239	0.07 221	0.07 235

ccs_rob	0.14 272	0.09 271	0.16 299	0.16 114	0.09 197	0.13 202	0.14 127	0.27 324	0.34 392	0.15 232	0.21 268	0.22 333	0.13 248	0.18 327	0.14 268	0.07 209	0.05 131	0.08 242	0.07 239	0.07 221	0.07 235

AANet_RVC	0.16 340	0.10 333	0.11 109	0.18 260	0.09 197	0.19 354	0.18 326	0.27 324	0.32 376	0.22 368	0.35 420	0.21 315	0.22 403	0.22 404	0.17 337	0.06 87	0.05 131	0.06 73	0.06 150	0.07 221	0.06 159

AdaStereo	0.15 312	0.11 357	0.16 299	0.19 318	0.09 197	0.21 385	0.11 25	0.33 410	0.28 349	0.21 355	0.23 287	0.21 315	0.13 248	0.19 352	0.15 302	0.13 431	0.05 131	0.10 369	0.07 239	0.09 345	0.07 235
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.
HSM	0.15 312	0.09 271	0.15 258	0.16 114	0.09 197	0.16 294	0.14 127	0.28 348	0.25 308	0.20 341	0.24 298	0.37 451	0.17 345	0.20 370	0.15 302	0.07 209	0.05 131	0.07 165	0.06 150	0.07 221	0.06 159

StereoDRNet-Refined	0.17 362	0.12 375	0.16 299	0.20 366	0.10 302	0.18 333	0.18 326	0.27 324	0.24 284	0.26 411	0.41 455	0.23 349	0.18 358	0.21 387	0.21 387	0.09 320	0.05 131	0.09 324	0.10 382	0.07 221	0.07 235
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	0.14 272	0.07 105	0.13 179	0.15 60	0.07 46	0.19 354	0.14 127	0.26 310	0.32 376	0.23 383	0.26 338	0.23 349	0.16 322	0.15 245	0.14 268	0.07 209	0.05 131	0.05 3	0.04 20	0.08 285	0.08 304

DN-CSS_ROB	0.13 243	0.13 403	0.17 322	0.18 260	0.10 302	0.16 294	0.08 4	0.22 237	0.19 208	0.17 273	0.23 287	0.13 186	0.13 248	0.13 200	0.14 268	0.05 5	0.05 131	0.10 369	0.10 382	0.08 285	0.06 159

pmcnn	0.15 312	0.07 105	0.20 381	0.15 60	0.07 46	0.21 385	0.16 255	0.25 298	0.26 321	0.21 355	0.33 406	0.29 404	0.19 376	0.18 327	0.17 337	0.07 209	0.05 131	0.05 3	0.04 20	0.07 221	0.06 159

MM-Stereo_test3	0.10 106	0.07 105	0.07 2	0.18 260	0.07 46	0.12 174	0.19 368	0.24 278	0.19 208	0.06 7	0.10 88	0.08 68	0.06 33	0.11 80	0.09 39	0.06 87	0.06 270	0.07 165	0.05 81	0.05 69	0.04 11

DDVS	0.16 340	0.10 333	0.22 400	0.16 114	0.12 383	0.15 266	0.14 127	0.25 298	0.19 208	0.18 305	0.30 387	0.27 386	0.13 248	0.20 370	0.16 321	0.09 320	0.06 270	0.09 324	0.07 239	0.11 399	0.11 396

rvit_stereo_0081_aga	0.12 216	0.09 271	0.15 258	0.18 260	0.10 302	0.14 241	0.14 127	0.14 63	0.19 208	0.10 93	0.18 228	0.16 250	0.09 137	0.12 153	0.10 97	0.10 357	0.06 270	0.08 242	0.07 239	0.07 221	0.06 159

model_zeroshot	0.10 106	0.05 10	0.12 146	0.15 60	0.09 197	0.13 202	0.14 127	0.20 198	0.14 111	0.11 126	0.10 88	0.12 163	0.07 78	0.12 153	0.11 142	0.07 209	0.06 270	0.06 73	0.05 81	0.06 154	0.06 159

ITSA-stereo	0.16 340	0.11 357	0.14 222	0.19 318	0.08 99	0.13 202	0.14 127	0.30 376	0.49 464	0.17 273	0.18 228	0.22 333	0.15 300	0.17 311	0.16 321	0.10 357	0.06 270	0.08 242	0.08 305	0.08 285	0.09 348

rvit_stereo_ft	0.12 216	0.07 105	0.13 179	0.19 318	0.10 302	0.12 174	0.17 281	0.16 101	0.16 150	0.13 185	0.13 143	0.15 230	0.10 159	0.14 227	0.13 232	0.10 357	0.06 270	0.08 242	0.07 239	0.07 221	0.06 159

DualNet (step1)	0.17 362	0.12 375	0.21 391	0.13 8	0.14 424	0.18 333	0.14 127	0.28 348	0.24 284	0.21 355	0.21 268	0.24 358	0.20 388	0.16 272	0.16 321	0.15 454	0.06 270	0.14 445	0.14 447	0.15 455	0.13 426

test_sample7	0.16 340	0.10 333	0.16 299	0.14 22	0.12 383	0.16 294	0.17 281	0.28 348	0.24 284	0.21 355	0.21 268	0.24 358	0.20 388	0.16 272	0.16 321	0.12 414	0.06 270	0.10 369	0.09 348	0.11 399	0.10 374

test_sample5	0.14 272	0.08 209	0.14 222	0.16 114	0.08 99	0.18 333	0.18 326	0.25 298	0.17 173	0.17 273	0.28 366	0.18 282	0.15 300	0.16 272	0.13 232	0.08 268	0.06 270	0.08 242	0.07 239	0.09 345	0.08 304

test_sample4	0.14 272	0.08 209	0.15 258	0.15 60	0.08 99	0.19 354	0.18 326	0.26 310	0.18 187	0.17 273	0.26 338	0.18 282	0.15 300	0.17 311	0.13 232	0.08 268	0.06 270	0.08 242	0.06 150	0.09 345	0.08 304

test_sample3	0.14 272	0.08 209	0.15 258	0.14 22	0.09 197	0.20 374	0.17 281	0.27 324	0.18 187	0.17 273	0.22 283	0.19 291	0.15 300	0.17 311	0.14 268	0.09 320	0.06 270	0.07 165	0.06 150	0.09 345	0.08 304

test_sample2	0.13 243	0.07 105	0.12 146	0.14 22	0.08 99	0.16 294	0.18 326	0.21 214	0.16 150	0.14 208	0.21 268	0.20 308	0.15 300	0.15 245	0.13 232	0.08 268	0.06 270	0.07 165	0.06 150	0.08 285	0.08 304

test_sample1	0.13 243	0.07 105	0.14 222	0.14 22	0.08 99	0.19 354	0.17 281	0.20 198	0.15 128	0.14 208	0.22 283	0.18 282	0.16 322	0.17 311	0.15 302	0.07 209	0.06 270	0.06 73	0.06 150	0.08 285	0.08 304

AE-Stereo	0.10 106	0.08 209	0.11 109	0.19 318	0.09 197	0.10 99	0.15 196	0.14 63	0.20 228	0.09 64	0.15 169	0.12 163	0.08 112	0.11 80	0.10 97	0.05 5	0.06 270	0.07 165	0.06 150	0.05 69	0.04 11

DualNet	0.14 272	0.08 209	0.14 222	0.16 114	0.08 99	0.18 333	0.18 326	0.25 298	0.17 173	0.18 305	0.28 366	0.18 282	0.15 300	0.16 272	0.13 232	0.08 268	0.06 270	0.08 242	0.07 239	0.09 345	0.08 304

mmx	0.15 312	0.09 271	0.15 258	0.16 114	0.09 197	0.17 317	0.17 281	0.27 324	0.26 321	0.15 232	0.26 338	0.19 291	0.13 248	0.15 245	0.22 400	0.08 268	0.06 270	0.09 324	0.08 305	0.08 285	0.08 304

xxx	0.15 312	0.09 271	0.15 258	0.16 114	0.09 197	0.17 317	0.17 281	0.27 324	0.26 321	0.15 232	0.26 338	0.19 291	0.13 248	0.15 245	0.22 400	0.08 268	0.06 270	0.09 324	0.08 305	0.08 285	0.08 304

GMStereo_Zeroshot	0.16 340	0.13 403	0.25 417	0.20 366	0.10 302	0.17 317	0.13 81	0.30 376	0.25 308	0.23 383	0.32 400	0.25 370	0.11 187	0.19 352	0.14 268	0.09 320	0.06 270	0.11 399	0.06 150	0.12 414	0.08 304

MaDis-Stereo	0.09 50	0.09 271	0.08 12	0.17 180	0.09 197	0.14 241	0.11 25	0.16 101	0.16 150	0.09 64	0.11 116	0.06 10	0.06 33	0.09 24	0.13 232	0.07 209	0.06 270	0.08 242	0.05 81	0.05 69	0.04 11

UniTT-Stereo	0.09 50	0.07 105	0.08 12	0.18 260	0.08 99	0.13 202	0.11 25	0.12 36	0.11 43	0.10 93	0.12 129	0.05 1	0.06 33	0.09 24	0.10 97	0.07 209	0.06 270	0.05 3	0.05 81	0.06 154	0.05 83

EKT-Stereo	0.11 145	0.07 105	0.14 222	0.16 114	0.10 302	0.13 202	0.14 127	0.19 185	0.21 242	0.11 126	0.08 51	0.13 186	0.10 159	0.11 80	0.12 197	0.08 268	0.06 270	0.07 165	0.06 150	0.08 285	0.07 235

MIM_Stereo	0.10 106	0.07 105	0.11 109	0.15 60	0.07 46	0.07 21	0.12 47	0.20 198	0.14 111	0.13 185	0.14 156	0.09 95	0.05 9	0.12 153	0.08 14	0.05 5	0.06 270	0.07 165	0.06 150	0.06 154	0.05 83

CFNet_ucs	0.15 312	0.09 271	0.17 322	0.16 114	0.11 354	0.14 241	0.14 127	0.30 376	0.34 392	0.16 261	0.24 298	0.23 349	0.14 280	0.18 327	0.15 302	0.09 320	0.06 270	0.08 242	0.07 239	0.09 345	0.09 348

CBFPSM	0.15 312	0.07 105	0.27 427	0.17 180	0.09 197	0.13 202	0.15 196	0.22 237	0.23 274	0.20 341	0.27 355	0.23 349	0.16 322	0.16 272	0.19 364	0.06 87	0.06 270	0.06 73	0.07 239	0.07 221	0.07 235

CASS	0.14 272	0.12 375	0.12 146	0.23 435	0.09 197	0.15 266	0.17 281	0.19 185	0.20 228	0.17 273	0.18 228	0.15 230	0.15 300	0.15 245	0.14 268	0.09 320	0.06 270	0.10 369	0.08 305	0.09 345	0.07 235
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CroCo-Stereo Lap2	0.09 50	0.09 271	0.08 12	0.22 416	0.09 197	0.09 61	0.18 326	0.16 101	0.12 64	0.09 64	0.10 88	0.05 1	0.05 9	0.08 11	0.08 14	0.06 87	0.06 270	0.07 165	0.05 81	0.06 154	0.05 83

TestStereo1	0.13 243	0.08 209	0.08 12	0.20 366	0.08 99	0.18 333	0.29 478	0.23 255	0.17 173	0.17 273	0.20 251	0.16 250	0.11 187	0.12 153	0.13 232	0.06 87	0.06 270	0.08 242	0.06 150	0.05 69	0.05 83

qqq	0.13 243	0.09 271	0.15 258	0.16 114	0.08 99	0.13 202	0.15 196	0.24 278	0.16 150	0.15 232	0.19 242	0.16 250	0.16 322	0.15 245	0.16 321	0.07 209	0.06 270	0.08 242	0.08 305	0.07 221	0.07 235

BUS	0.15 312	0.09 271	0.14 222	0.22 416	0.10 302	0.20 374	0.14 127	0.34 424	0.20 228	0.17 273	0.23 287	0.16 250	0.14 280	0.16 272	0.14 268	0.08 268	0.06 270	0.10 369	0.09 348	0.07 221	0.07 235

RAFT_CTSACE	0.12 216	0.09 271	0.10 68	0.22 416	0.08 99	0.12 174	0.24 434	0.18 160	0.17 173	0.21 355	0.27 355	0.13 186	0.07 78	0.13 200	0.09 39	0.05 5	0.06 270	0.08 242	0.07 239	0.04 2	0.04 11

BSDual-CNN	0.15 312	0.09 271	0.14 222	0.22 416	0.10 302	0.15 266	0.15 196	0.34 424	0.20 228	0.17 273	0.23 287	0.25 370	0.16 322	0.16 272	0.14 268	0.08 268	0.06 270	0.10 369	0.09 348	0.07 221	0.07 235

hknet	0.15 312	0.11 357	0.14 222	0.22 416	0.11 354	0.15 266	0.15 196	0.34 424	0.26 321	0.17 273	0.23 287	0.22 333	0.18 358	0.17 311	0.13 232	0.07 209	0.06 270	0.10 369	0.09 348	0.07 221	0.07 235

SA-5K	0.13 243	0.08 209	0.08 12	0.20 366	0.08 99	0.18 333	0.29 478	0.23 255	0.17 173	0.17 273	0.20 251	0.16 250	0.11 187	0.12 153	0.13 232	0.06 87	0.06 270	0.08 242	0.06 150	0.05 69	0.05 83

CSP-Net	0.16 340	0.09 271	0.14 222	0.17 180	0.09 197	0.19 354	0.18 326	0.25 298	0.33 381	0.26 411	0.31 391	0.25 370	0.16 322	0.21 387	0.19 364	0.09 320	0.06 270	0.07 165	0.07 239	0.08 285	0.08 304

UDGNet	0.14 272	0.13 403	0.17 322	0.18 260	0.10 302	0.12 174	0.16 255	0.21 214	0.27 333	0.20 341	0.20 251	0.17 267	0.13 248	0.16 272	0.14 268	0.10 357	0.06 270	0.09 324	0.07 239	0.07 221	0.07 235

dd	0.15 312	0.17 442	0.17 322	0.19 318	0.09 197	0.15 266	0.18 326	0.22 237	0.26 321	0.23 383	0.20 251	0.21 315	0.10 159	0.21 387	0.17 337	0.10 357	0.06 270	0.08 242	0.06 150	0.08 285	0.07 235

DAS	0.15 312	0.08 209	0.18 354	0.19 318	0.10 302	0.19 354	0.17 281	0.28 348	0.30 361	0.18 305	0.26 338	0.21 315	0.16 322	0.16 272	0.13 232	0.08 268	0.06 270	0.06 73	0.06 150	0.07 221	0.07 235

SepStereo	0.15 312	0.08 209	0.18 354	0.19 318	0.10 302	0.19 354	0.17 281	0.28 348	0.30 361	0.18 305	0.26 338	0.21 315	0.16 322	0.26 431	0.13 232	0.08 268	0.06 270	0.06 73	0.06 150	0.07 221	0.07 235

GANet-ADL	0.13 243	0.07 105	0.15 258	0.17 180	0.10 302	0.19 354	0.15 196	0.30 376	0.21 242	0.13 185	0.18 228	0.19 291	0.13 248	0.16 272	0.14 268	0.08 268	0.06 270	0.06 73	0.05 81	0.07 221	0.08 304

LMCR-Stereo	0.15 312	0.08 209	0.14 222	0.21 396	0.09 197	0.18 333	0.19 368	0.28 348	0.19 208	0.24 395	0.24 298	0.23 349	0.17 345	0.20 370	0.17 337	0.07 209	0.06 270	0.08 242	0.06 150	0.10 379	0.09 348

GEStereo_RVC	0.17 362	0.12 375	0.16 299	0.22 416	0.11 354	0.19 354	0.18 326	0.32 396	0.49 464	0.20 341	0.25 325	0.17 267	0.13 248	0.21 387	0.16 321	0.10 357	0.06 270	0.08 242	0.07 239	0.09 345	0.08 304

TestStereo	0.14 272	0.15 424	0.11 109	0.23 435	0.08 99	0.15 266	0.21 403	0.20 198	0.23 274	0.14 208	0.25 325	0.16 250	0.13 248	0.16 272	0.14 268	0.06 87	0.06 270	0.08 242	0.06 150	0.09 345	0.05 83

RALCasStereoNet	0.11 145	0.07 105	0.09 43	0.16 114	0.08 99	0.13 202	0.14 127	0.17 133	0.11 43	0.12 156	0.17 205	0.14 205	0.10 159	0.12 153	0.11 142	0.07 209	0.06 270	0.06 73	0.05 81	0.08 285	0.07 235

ADLNet	0.16 340	0.08 209	0.15 258	0.16 114	0.10 302	0.16 294	0.17 281	0.33 410	0.27 333	0.23 383	0.27 355	0.24 358	0.16 322	0.18 327	0.21 387	0.10 357	0.06 270	0.10 369	0.10 382	0.08 285	0.09 348

GMStereo	0.13 243	0.15 424	0.14 222	0.18 260	0.09 197	0.16 294	0.16 255	0.20 198	0.25 308	0.17 273	0.17 205	0.11 142	0.11 187	0.16 272	0.13 232	0.07 209	0.06 270	0.06 73	0.06 150	0.07 221	0.06 159
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MMNet	0.17 362	0.10 333	0.17 322	0.20 366	0.11 354	0.27 443	0.20 387	0.26 310	0.42 439	0.22 368	0.30 387	0.22 333	0.20 388	0.18 327	0.20 374	0.06 87	0.06 270	0.07 165	0.07 239	0.08 285	0.07 235

UNet	0.17 362	0.09 271	0.18 354	0.19 318	0.12 383	0.28 453	0.19 368	0.33 410	0.30 361	0.21 355	0.25 325	0.23 349	0.19 376	0.20 370	0.19 364	0.07 209	0.06 270	0.08 242	0.07 239	0.08 285	0.07 235

ACVNet	0.15 312	0.09 271	0.15 258	0.13 8	0.12 383	0.14 241	0.20 387	0.22 237	0.34 392	0.17 273	0.26 338	0.21 315	0.17 345	0.18 327	0.21 387	0.07 209	0.06 270	0.06 73	0.06 150	0.08 285	0.06 159

acv_ft	0.15 312	0.09 271	0.16 299	0.19 318	0.10 302	0.16 294	0.17 281	0.25 298	0.34 392	0.19 320	0.26 338	0.21 315	0.17 345	0.18 327	0.19 364	0.07 209	0.06 270	0.06 73	0.06 150	0.08 285	0.06 159

GANet-RSSM	0.14 272	0.07 105	0.13 179	0.13 8	0.08 99	0.14 241	0.18 326	0.23 255	0.21 242	0.17 273	0.25 325	0.24 358	0.16 322	0.16 272	0.16 321	0.10 357	0.06 270	0.07 165	0.08 305	0.08 285	0.07 235

PSMNet-RSSM	0.14 272	0.07 105	0.14 222	0.15 60	0.08 99	0.13 202	0.16 255	0.25 298	0.24 284	0.17 273	0.28 366	0.23 349	0.14 280	0.16 272	0.14 268	0.11 388	0.06 270	0.09 324	0.12 431	0.08 285	0.07 235

GwcNet-RSSM	0.14 272	0.07 105	0.12 146	0.16 114	0.08 99	0.15 266	0.20 387	0.22 237	0.28 349	0.18 305	0.28 366	0.23 349	0.17 345	0.15 245	0.16 321	0.10 357	0.06 270	0.07 165	0.09 348	0.07 221	0.07 235

CFNet-ft	0.14 272	0.07 105	0.15 258	0.12 4	0.09 197	0.17 317	0.18 326	0.22 237	0.24 284	0.17 273	0.26 338	0.24 358	0.14 280	0.16 272	0.15 302	0.11 388	0.06 270	0.08 242	0.09 348	0.09 345	0.08 304

DMCA	0.14 272	0.09 271	0.17 322	0.19 318	0.09 197	0.15 266	0.17 281	0.23 255	0.28 349	0.14 208	0.20 251	0.17 267	0.18 358	0.15 245	0.17 337	0.10 357	0.06 270	0.08 242	0.06 150	0.09 345	0.10 374

SuperB	0.20 397	0.10 333	0.57 489	0.16 114	0.09 197	0.19 354	0.18 326	0.25 298	0.51 470	0.27 418	0.39 442	0.17 267	0.22 403	0.22 404	0.21 387	0.08 268	0.06 270	0.06 73	0.06 150	0.12 414	0.11 396

ADCRef	0.20 397	0.12 375	0.43 475	0.20 366	0.12 383	0.23 411	0.18 326	0.32 396	0.37 415	0.26 411	0.33 406	0.18 282	0.23 409	0.25 427	0.26 441	0.07 209	0.06 270	0.09 324	0.09 348	0.08 285	0.09 348

ADCP+	0.20 397	0.10 333	0.35 463	0.21 396	0.12 383	0.22 398	0.27 461	0.31 392	0.35 405	0.26 411	0.37 428	0.22 333	0.22 403	0.27 433	0.28 453	0.09 320	0.06 270	0.08 242	0.08 305	0.10 379	0.10 374

RASNet	0.15 312	0.07 105	0.15 258	0.16 114	0.08 99	0.19 354	0.14 127	0.30 376	0.21 242	0.17 273	0.25 325	0.21 315	0.19 376	0.20 370	0.20 374	0.07 209	0.06 270	0.06 73	0.08 305	0.06 154	0.06 159

HSM-Net_RVC	0.14 272	0.08 209	0.12 146	0.15 60	0.08 99	0.16 294	0.15 196	0.27 324	0.29 355	0.20 341	0.21 268	0.29 404	0.14 280	0.18 327	0.13 232	0.06 87	0.06 270	0.06 73	0.06 150	0.07 221	0.06 159
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RYNet	0.23 431	0.12 375	0.22 400	0.19 318	0.17 463	0.47 491	0.26 456	0.39 462	0.49 464	0.24 395	0.29 381	0.34 441	0.24 416	0.20 370	0.31 470	0.10 357	0.06 270	0.09 324	0.09 348	0.14 443	0.15 456

CFNet	0.15 312	0.11 357	0.17 322	0.17 180	0.08 99	0.19 354	0.10 13	0.29 366	0.26 321	0.19 320	0.24 298	0.24 358	0.18 358	0.18 327	0.15 302	0.08 268	0.06 270	0.09 324	0.10 382	0.08 285	0.07 235

CFNet_RVC	0.14 272	0.07 105	0.15 258	0.12 4	0.09 197	0.17 317	0.18 326	0.22 237	0.24 284	0.17 273	0.26 338	0.24 358	0.14 280	0.16 272	0.15 302	0.11 388	0.06 270	0.08 242	0.09 348	0.09 345	0.08 304

NLCA_NET_v2_RVC	0.17 362	0.10 333	0.23 408	0.20 366	0.10 302	0.15 266	0.18 326	0.31 392	0.25 308	0.21 355	0.31 391	0.25 370	0.17 345	0.21 387	0.20 374	0.09 320	0.06 270	0.08 242	0.09 348	0.07 221	0.08 304
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	0.19 388	0.11 357	0.16 299	0.17 180	0.16 451	0.28 453	0.23 424	0.44 485	0.42 439	0.15 232	0.28 366	0.25 370	0.19 376	0.23 411	0.18 350	0.09 320	0.06 270	0.10 369	0.08 305	0.15 455	0.10 374

iResNetv2_ROB	0.15 312	0.08 209	0.16 299	0.16 114	0.08 99	0.16 294	0.13 81	0.26 310	0.36 410	0.21 355	0.29 381	0.24 358	0.13 248	0.14 227	0.14 268	0.06 87	0.06 270	0.06 73	0.04 20	0.09 345	0.08 304

DISCO	0.20 397	0.09 271	0.22 400	0.17 180	0.10 302	0.25 425	0.18 326	0.28 348	0.45 453	0.23 383	0.32 400	0.34 441	0.26 430	0.29 448	0.29 460	0.08 268	0.06 270	0.07 165	0.07 239	0.09 345	0.10 374

LE_ROB	0.50 501	0.07 105	0.14 222	0.15 60	0.08 99	0.26 435	0.17 281	0.23 255	1.71 532	4.68 536	0.67 496	0.46 483	0.47 494	0.21 387	0.30 465	0.07 209	0.06 270	0.06 73	0.06 150	0.08 285	0.06 159

DispFullNet	0.27 462	0.22 471	0.66 497	0.28 475	0.17 463	0.27 443	0.17 281	0.34 424	0.57 483	0.27 418	0.37 428	0.43 475	0.24 416	0.39 484	0.25 430	0.12 414	0.06 270	0.19 476	0.11 411	0.23 484	0.16 465

S2M2	0.09 50	0.08 209	0.11 109	0.13 8	0.10 302	0.08 39	0.06 1	0.10 14	0.10 23	0.10 93	0.10 88	0.09 95	0.09 137	0.11 80	0.11 142	0.13 431	0.07 338	0.08 242	0.09 348	0.10 379	0.08 304

rvit_stereo_0081	0.11 145	0.08 209	0.16 299	0.16 114	0.09 197	0.11 136	0.14 127	0.14 63	0.24 284	0.11 126	0.13 143	0.14 205	0.09 137	0.11 80	0.12 197	0.10 357	0.07 338	0.08 242	0.07 239	0.07 221	0.06 159

DCVSM-stereo	0.15 312	0.09 271	0.16 299	0.16 114	0.10 302	0.15 266	0.09 8	0.20 198	0.24 284	0.20 341	0.24 298	0.26 380	0.15 300	0.19 352	0.14 268	0.09 320	0.07 338	0.09 324	0.08 305	0.10 379	0.12 415

ACV-stereo	0.15 312	0.10 333	0.29 439	0.18 260	0.12 383	0.15 266	0.13 81	0.23 255	0.21 242	0.19 320	0.23 287	0.22 333	0.15 300	0.23 411	0.17 337	0.08 268	0.07 338	0.07 165	0.07 239	0.08 285	0.07 235

rvit_stereo_0082	0.11 145	0.08 209	0.16 299	0.16 114	0.09 197	0.11 136	0.14 127	0.14 63	0.24 284	0.11 126	0.13 143	0.14 205	0.09 137	0.11 80	0.12 197	0.10 357	0.07 338	0.08 242	0.07 239	0.07 221	0.06 159

rvit_stereo_0080	0.10 106	0.08 209	0.15 258	0.15 60	0.10 302	0.07 21	0.15 196	0.16 101	0.16 150	0.11 126	0.10 88	0.15 230	0.09 137	0.12 153	0.10 97	0.09 320	0.07 338	0.07 165	0.06 150	0.07 221	0.05 83

1111x	0.16 340	0.09 271	0.13 179	0.18 260	0.08 99	0.18 333	0.25 450	0.32 396	0.25 308	0.17 273	0.24 298	0.27 386	0.15 300	0.14 227	0.24 423	0.07 209	0.07 338	0.08 242	0.09 348	0.07 221	0.07 235

whm_eth	0.10 106	0.08 209	0.15 258	0.15 60	0.10 302	0.07 21	0.15 196	0.16 101	0.16 150	0.11 126	0.10 88	0.15 230	0.09 137	0.12 153	0.10 97	0.09 320	0.07 338	0.07 165	0.06 150	0.07 221	0.05 83

iinet-f	0.17 362	0.07 105	0.46 477	0.14 22	0.10 302	0.21 385	0.14 127	0.27 324	0.23 274	0.22 368	0.25 325	0.21 315	0.16 322	0.18 327	0.22 400	0.09 320	0.07 338	0.07 165	0.06 150	0.09 345	0.10 374

gwcnet-sp	0.14 272	0.07 105	0.13 179	0.18 260	0.09 197	0.16 294	0.18 326	0.24 278	0.24 284	0.19 320	0.24 298	0.15 230	0.16 322	0.16 272	0.15 302	0.08 268	0.07 338	0.07 165	0.08 305	0.08 285	0.07 235

scenet	0.14 272	0.07 105	0.13 179	0.18 260	0.09 197	0.16 294	0.18 326	0.24 278	0.24 284	0.19 320	0.24 298	0.15 230	0.16 322	0.16 272	0.15 302	0.08 268	0.07 338	0.07 165	0.08 305	0.08 285	0.07 235

ssnet	0.14 272	0.07 105	0.13 179	0.18 260	0.09 197	0.16 294	0.18 326	0.24 278	0.24 284	0.19 320	0.24 298	0.15 230	0.16 322	0.16 272	0.15 302	0.08 268	0.07 338	0.07 165	0.08 305	0.08 285	0.07 235

Wz-Net-MNSev	0.23 431	0.13 403	0.33 454	0.20 366	0.15 439	0.36 476	0.25 450	0.34 424	0.45 453	0.29 439	0.41 455	0.39 462	0.19 376	0.25 427	0.27 446	0.09 320	0.07 338	0.09 324	0.09 348	0.12 414	0.10 374

psmg	0.14 272	0.09 271	0.14 222	0.17 180	0.10 302	0.15 266	0.17 281	0.29 366	0.20 228	0.17 273	0.21 268	0.25 370	0.16 322	0.16 272	0.14 268	0.08 268	0.07 338	0.08 242	0.08 305	0.07 221	0.07 235

AACVNet	0.16 340	0.08 209	0.15 258	0.15 60	0.10 302	0.18 333	0.15 196	0.24 278	0.25 308	0.27 418	0.27 355	0.28 397	0.18 358	0.19 352	0.17 337	0.09 320	0.07 338	0.09 324	0.07 239	0.10 379	0.09 348

ADLNet2	0.16 340	0.09 271	0.14 222	0.17 180	0.09 197	0.20 374	0.16 255	0.32 396	0.39 425	0.17 273	0.20 251	0.20 308	0.19 376	0.21 387	0.23 411	0.08 268	0.07 338	0.07 165	0.07 239	0.09 345	0.07 235

RAFT	0.13 243	0.09 271	0.11 109	0.18 260	0.08 99	0.15 266	0.23 424	0.21 214	0.20 228	0.21 355	0.21 268	0.18 282	0.13 248	0.17 311	0.10 97	0.06 87	0.07 338	0.10 369	0.09 348	0.06 154	0.05 83

ICVP	0.16 340	0.09 271	0.12 146	0.22 416	0.09 197	0.18 333	0.21 403	0.26 310	0.24 284	0.18 305	0.30 387	0.27 386	0.18 358	0.18 327	0.15 302	0.10 357	0.07 338	0.08 242	0.07 239	0.07 221	0.08 304
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HCRNet	0.16 340	0.23 473	0.12 146	0.35 492	0.11 354	0.15 266	0.17 281	0.26 310	0.22 264	0.19 320	0.24 298	0.21 315	0.14 280	0.15 245	0.13 232	0.11 388	0.07 338	0.11 399	0.10 382	0.09 345	0.07 235

RAFT + AFF	0.13 243	0.08 209	0.21 391	0.20 366	0.10 302	0.14 241	0.23 424	0.27 324	0.21 242	0.12 156	0.10 88	0.12 163	0.10 159	0.16 272	0.12 197	0.08 268	0.07 338	0.09 324	0.09 348	0.06 154	0.09 348

UPFNet	0.16 340	0.08 209	0.12 146	0.20 366	0.12 383	0.20 374	0.23 424	0.28 348	0.26 321	0.18 305	0.24 298	0.22 333	0.20 388	0.19 352	0.22 400	0.09 320	0.07 338	0.08 242	0.09 348	0.08 285	0.06 159

aanetorigin	0.22 418	0.17 442	0.57 489	0.18 260	0.10 302	0.16 294	0.19 368	0.20 198	0.33 381	0.49 491	0.48 474	0.30 411	0.28 445	0.21 387	0.24 423	0.08 268	0.07 338	0.08 242	0.07 239	0.10 379	0.09 348

EDNetEfficientorigin	7.92 539	0.32 494	152.98 554	0.20 366	0.10 302	0.22 398	0.17 281	0.23 255	0.60 489	0.73 506	0.67 496	0.41 471	0.51 499	0.24 422	0.41 493	0.08 268	0.07 338	0.09 324	0.07 239	0.12 414	0.11 396

EDNetEfficient	0.30 471	0.24 476	1.18 521	0.18 260	0.10 302	0.20 374	0.20 387	0.21 214	0.61 490	0.74 508	0.56 484	0.30 411	0.40 483	0.23 411	0.32 475	0.09 320	0.07 338	0.08 242	0.07 239	0.11 399	0.10 374

hitnet-ft	0.18 377	0.10 333	0.17 322	0.14 22	0.09 197	0.27 443	0.20 387	0.25 298	0.26 321	0.24 395	0.32 400	0.32 431	0.23 409	0.24 422	0.21 387	0.12 414	0.07 338	0.10 369	0.08 305	0.12 414	0.11 396

DSFCA	0.16 340	0.09 271	0.14 222	0.16 114	0.10 302	0.21 385	0.19 368	0.28 348	0.31 370	0.23 383	0.25 325	0.22 333	0.16 322	0.20 370	0.20 374	0.10 357	0.07 338	0.09 324	0.09 348	0.08 285	0.08 304

ADCL	0.25 447	0.12 375	0.49 482	0.22 416	0.12 383	0.36 476	0.29 478	0.30 376	0.57 483	0.24 395	0.47 473	0.30 411	0.31 464	0.30 454	0.30 465	0.09 320	0.07 338	0.09 324	0.09 348	0.10 379	0.10 374

TDLM	0.18 377	0.12 375	0.14 222	0.24 445	0.10 302	0.18 333	0.18 326	0.37 450	0.30 361	0.22 368	0.28 366	0.28 397	0.18 358	0.23 411	0.19 364	0.11 388	0.07 338	0.10 369	0.10 382	0.08 285	0.08 304

UCFNet_RVC	0.15 312	0.08 209	0.13 179	0.11 1	0.10 302	0.20 374	0.10 13	0.24 278	0.23 274	0.17 273	0.21 268	0.24 358	0.15 300	0.18 327	0.15 302	0.12 414	0.07 338	0.11 399	0.13 442	0.11 399	0.10 374

DRN-Test	0.20 397	0.11 357	0.21 391	0.22 416	0.10 302	0.22 398	0.22 414	0.40 465	0.38 421	0.24 395	0.33 406	0.26 380	0.22 403	0.22 404	0.25 430	0.11 388	0.07 338	0.11 399	0.10 382	0.09 345	0.08 304

PWC_ROB	0.21 410	0.16 432	0.27 427	0.18 260	0.11 354	0.22 398	0.13 81	0.33 410	0.49 464	0.30 444	0.40 445	0.32 431	0.25 423	0.31 455	0.23 411	0.10 357	0.07 338	0.11 399	0.08 305	0.11 399	0.10 374

G2L-Stereo	0.14 272	0.07 105	0.13 179	0.17 180	0.09 197	0.13 202	0.12 47	0.27 324	0.22 264	0.17 273	0.27 355	0.21 315	0.13 248	0.18 327	0.18 350	0.09 320	0.08 369	0.08 242	0.07 239	0.07 221	0.07 235

ISRNet	0.18 377	0.08 209	0.20 381	0.19 318	0.13 408	0.15 266	0.12 47	0.30 376	0.33 381	0.21 355	0.26 338	0.27 386	0.18 358	0.17 311	0.20 374	0.20 485	0.08 369	0.14 445	0.14 447	0.14 443	0.17 474

rvit_stereo_0083	0.12 216	0.08 209	0.17 322	0.16 114	0.09 197	0.11 136	0.15 196	0.15 77	0.26 321	0.11 126	0.14 156	0.13 186	0.10 159	0.12 153	0.13 232	0.10 357	0.08 369	0.09 324	0.07 239	0.07 221	0.06 159

ttt	0.14 272	0.08 209	0.14 222	0.15 60	0.08 99	0.15 266	0.18 326	0.27 324	0.30 361	0.16 261	0.24 298	0.17 267	0.14 280	0.13 200	0.14 268	0.11 388	0.08 369	0.09 324	0.08 305	0.09 345	0.09 348

ToySt	0.17 362	0.11 357	0.19 377	0.17 180	0.11 354	0.16 294	0.26 456	0.24 278	0.33 381	0.19 320	0.24 298	0.26 380	0.24 416	0.19 352	0.21 387	0.07 209	0.08 369	0.09 324	0.10 382	0.09 345	0.08 304

NINENet	0.16 340	0.10 333	0.16 299	0.17 180	0.11 354	0.20 374	0.14 127	0.41 470	0.37 415	0.18 305	0.21 268	0.16 250	0.14 280	0.16 272	0.14 268	0.08 268	0.08 369	0.10 369	0.07 239	0.10 379	0.09 348

WZ-Net	0.29 468	0.17 442	0.82 513	0.23 435	0.16 451	0.35 472	0.29 478	0.40 465	0.59 488	0.24 395	0.57 488	0.37 451	0.25 423	0.34 465	0.37 486	0.09 320	0.08 369	0.09 324	0.10 382	0.14 443	0.16 465

GLC_STEREO	0.11 145	0.07 105	0.11 109	0.18 260	0.07 46	0.08 39	0.13 81	0.16 101	0.24 284	0.12 156	0.13 143	0.12 163	0.08 112	0.18 327	0.12 197	0.06 87	0.08 369	0.08 242	0.06 150	0.05 69	0.05 83

AASNet	0.16 340	0.08 209	0.13 179	0.19 318	0.09 197	0.19 354	0.15 196	0.38 457	0.37 415	0.20 341	0.24 298	0.20 308	0.17 345	0.17 311	0.21 387	0.10 357	0.08 369	0.08 242	0.07 239	0.09 345	0.09 348

SACVNet	0.19 388	0.12 375	0.15 258	0.17 180	0.13 408	0.22 398	0.18 326	0.31 392	0.31 370	0.24 395	0.31 391	0.30 411	0.23 409	0.23 411	0.17 337	0.11 388	0.08 369	0.10 369	0.10 382	0.12 414	0.14 442

PSMNet-ADL	0.15 312	0.12 375	0.13 179	0.22 416	0.09 197	0.13 202	0.20 387	0.26 310	0.23 274	0.18 305	0.20 251	0.23 349	0.17 345	0.18 327	0.18 350	0.09 320	0.08 369	0.08 242	0.11 411	0.08 285	0.07 235

Anonymous3	0.16 340	0.14 418	0.34 457	0.26 461	0.14 424	0.27 443	0.18 326	0.28 348	0.28 349	0.15 232	0.17 205	0.14 205	0.11 187	0.16 272	0.12 197	0.08 268	0.08 369	0.08 242	0.08 305	0.08 285	0.11 396

sCroCo_RVC	0.12 216	0.09 271	0.24 414	0.24 445	0.11 354	0.19 354	0.14 127	0.17 133	0.15 128	0.10 93	0.13 143	0.12 163	0.07 78	0.14 227	0.11 142	0.08 268	0.08 369	0.08 242	0.08 305	0.05 69	0.07 235

GES	0.14 272	0.08 209	0.16 299	0.15 60	0.10 302	0.13 202	0.13 81	0.28 348	0.26 321	0.17 273	0.24 298	0.19 291	0.14 280	0.16 272	0.14 268	0.08 268	0.08 369	0.07 165	0.06 150	0.08 285	0.09 348

delet	0.17 362	0.09 271	0.18 354	0.19 318	0.11 354	0.21 385	0.22 414	0.30 376	0.38 421	0.17 273	0.27 355	0.19 291	0.19 376	0.19 352	0.21 387	0.08 268	0.08 369	0.09 324	0.11 411	0.06 154	0.07 235

ac_64	0.16 340	0.09 271	0.15 258	0.18 260	0.10 302	0.22 398	0.17 281	0.24 278	0.22 264	0.19 320	0.24 298	0.29 404	0.18 358	0.19 352	0.22 400	0.09 320	0.08 369	0.08 242	0.09 348	0.07 221	0.06 159

DMCA-RVC	0.17 362	0.10 333	0.16 299	0.24 445	0.11 354	0.19 354	0.18 326	0.26 310	0.24 284	0.21 355	0.27 355	0.25 370	0.27 436	0.18 327	0.21 387	0.12 414	0.08 369	0.13 432	0.10 382	0.10 379	0.08 304

FADNet-RVC-Resample	0.17 362	0.12 375	0.32 452	0.22 416	0.12 383	0.19 354	0.14 127	0.25 298	0.24 284	0.24 395	0.27 355	0.20 308	0.15 300	0.17 311	0.16 321	0.07 209	0.08 369	0.12 418	0.10 382	0.09 345	0.11 396

FADNet_RVC	0.17 362	0.14 418	0.41 471	0.20 366	0.11 354	0.13 202	0.13 81	0.27 324	0.22 264	0.21 355	0.23 287	0.20 308	0.18 358	0.15 245	0.17 337	0.08 268	0.08 369	0.12 418	0.09 348	0.11 399	0.10 374

RTSC	0.23 431	0.13 403	0.30 445	0.21 396	0.13 408	0.29 455	0.17 281	0.36 443	0.68 498	0.27 418	0.34 416	0.30 411	0.22 403	0.32 459	0.31 470	0.10 357	0.08 369	0.09 324	0.10 382	0.13 427	0.14 442

CVANet_RVC	0.18 377	0.11 357	0.14 222	0.21 396	0.11 354	0.19 354	0.18 326	0.34 424	0.34 392	0.22 368	0.31 391	0.28 397	0.18 358	0.24 422	0.18 350	0.12 414	0.08 369	0.12 418	0.12 431	0.09 345	0.08 304

StereoDRNet	0.19 388	0.11 357	0.18 354	0.22 416	0.11 354	0.22 398	0.22 414	0.37 450	0.34 392	0.24 395	0.28 366	0.30 411	0.19 376	0.20 370	0.21 387	0.10 357	0.08 369	0.11 399	0.09 348	0.09 345	0.07 235

DLCB_ROB	0.18 377	0.10 333	0.16 299	0.23 435	0.11 354	0.24 417	0.18 326	0.30 376	0.28 349	0.27 418	0.29 381	0.28 397	0.25 423	0.20 370	0.20 374	0.08 268	0.08 369	0.09 324	0.09 348	0.07 221	0.07 235

PSMNet_ROB	0.22 418	0.12 375	0.15 258	0.27 469	0.15 439	0.25 425	0.36 497	0.43 481	0.37 415	0.27 418	0.33 406	0.32 431	0.23 409	0.21 387	0.27 446	0.12 414	0.08 369	0.13 432	0.11 411	0.10 379	0.09 348

CAS++	0.11 145	0.07 105	0.11 109	0.14 22	0.10 302	0.13 202	0.14 127	0.24 278	0.14 111	0.11 126	0.09 66	0.11 142	0.07 78	0.14 227	0.09 39	0.11 388	0.09 393	0.09 324	0.07 239	0.07 221	0.08 304
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
coex-ft	3.24 532	0.35 497	57.83 553	0.18 260	0.13 408	0.27 443	0.23 424	0.28 348	0.72 503	1.89 534	0.70 500	0.43 475	0.47 494	0.29 448	0.43 496	0.09 320	0.09 393	0.12 418	0.09 348	0.14 443	0.14 442

fast-acv-ft	0.18 377	0.11 357	0.20 381	0.19 318	0.12 383	0.26 435	0.21 403	0.26 310	0.35 405	0.22 368	0.34 416	0.27 386	0.21 396	0.21 387	0.23 411	0.09 320	0.09 393	0.08 242	0.10 382	0.08 285	0.07 235

GASNet	0.22 418	0.24 476	0.34 457	0.26 461	0.17 463	0.27 443	0.16 255	0.45 487	0.42 439	0.27 418	0.24 298	0.30 411	0.16 322	0.27 433	0.18 350	0.12 414	0.09 393	0.12 418	0.11 411	0.16 466	0.08 304

Wz-Net-SNSev	0.26 457	0.17 442	0.46 477	0.25 452	0.14 424	0.26 435	0.24 434	0.38 457	0.57 483	0.30 444	0.56 484	0.39 462	0.26 430	0.24 422	0.32 475	0.10 357	0.09 393	0.10 369	0.11 411	0.11 399	0.11 396

Wz-Net-LNSev	0.22 418	0.16 432	0.41 471	0.22 416	0.13 408	0.25 425	0.24 434	0.33 410	0.44 449	0.30 444	0.42 462	0.32 431	0.19 376	0.23 411	0.27 446	0.10 357	0.09 393	0.08 242	0.08 305	0.12 414	0.11 396

CRFU-Net	0.16 340	0.08 209	0.15 258	0.17 180	0.09 197	0.20 374	0.14 127	0.27 324	0.21 242	0.28 430	0.28 366	0.29 404	0.18 358	0.19 352	0.18 350	0.09 320	0.09 393	0.07 165	0.07 239	0.08 285	0.09 348

dad	0.18 377	0.20 462	0.21 391	0.17 180	0.11 354	0.20 374	0.19 368	0.21 214	0.28 349	0.30 444	0.24 298	0.30 411	0.13 248	0.19 352	0.17 337	0.18 477	0.09 393	0.11 399	0.09 348	0.11 399	0.07 235

GwcNet	0.20 397	0.14 418	0.20 381	0.18 260	0.12 383	0.25 425	0.20 387	0.36 443	0.45 453	0.20 341	0.33 406	0.33 437	0.21 396	0.22 404	0.25 430	0.11 388	0.09 393	0.09 324	0.09 348	0.09 345	0.10 374

HGLStereo	0.17 362	0.09 271	0.19 377	0.17 180	0.12 383	0.18 333	0.18 326	0.31 392	0.33 381	0.22 368	0.33 406	0.24 358	0.18 358	0.20 370	0.21 387	0.10 357	0.09 393	0.07 165	0.07 239	0.09 345	0.10 374

G-Net	0.25 447	0.17 442	0.38 467	0.23 435	0.16 451	0.51 494	0.23 424	0.29 366	0.35 405	0.36 464	0.38 435	0.31 425	0.29 448	0.28 441	0.27 446	0.11 388	0.09 393	0.12 418	0.10 382	0.16 466	0.14 442

XQC	0.29 468	0.23 473	0.53 484	0.29 482	0.19 476	0.36 476	0.28 467	0.37 450	0.58 486	0.31 449	0.31 391	0.37 451	0.30 459	0.39 484	0.39 490	0.13 431	0.09 393	0.15 456	0.12 431	0.18 475	0.18 477

RTS	0.46 497	0.19 458	3.33 530	0.25 452	0.15 439	0.72 510	0.21 403	0.37 450	0.78 510	0.42 480	0.44 467	0.31 425	0.43 491	0.55 503	0.37 486	0.10 357	0.09 393	0.13 432	0.13 442	0.15 455	0.15 456

RTSA	0.46 497	0.19 458	3.33 530	0.25 452	0.15 439	0.72 510	0.21 403	0.37 450	0.78 510	0.42 480	0.44 467	0.31 425	0.43 491	0.55 503	0.37 486	0.10 357	0.09 393	0.13 432	0.13 442	0.15 455	0.15 456

ADCMid	0.26 457	0.15 424	0.42 473	0.20 366	0.14 424	0.25 425	0.26 456	0.35 438	0.40 430	0.37 468	0.45 469	0.34 441	0.42 488	0.36 474	0.36 482	0.10 357	0.09 393	0.11 399	0.11 411	0.13 427	0.13 426

DANet	0.21 410	0.16 432	0.29 439	0.25 452	0.13 408	0.23 411	0.19 368	0.28 348	0.27 333	0.28 430	0.32 400	0.35 446	0.32 466	0.31 455	0.24 423	0.11 388	0.09 393	0.11 399	0.10 382	0.13 427	0.11 396
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DeepPruner_ROB	0.16 340	0.11 357	0.16 299	0.17 180	0.10 302	0.17 317	0.15 196	0.32 396	0.21 242	0.19 320	0.21 268	0.22 333	0.19 376	0.21 387	0.16 321	0.13 431	0.09 393	0.09 324	0.10 382	0.11 399	0.11 396

SANet	0.25 447	0.14 418	0.29 439	0.21 396	0.11 354	0.29 455	0.25 450	0.40 465	0.65 497	0.36 464	0.40 445	0.42 473	0.27 436	0.27 433	0.25 430	0.12 414	0.09 393	0.10 369	0.09 348	0.13 427	0.12 415

ETE_ROB	0.23 431	0.17 442	0.23 408	0.25 452	0.14 424	0.26 435	0.29 478	0.32 396	0.37 415	0.28 430	0.37 428	0.45 479	0.27 436	0.28 441	0.27 446	0.11 388	0.09 393	0.12 418	0.10 382	0.14 443	0.13 426

PDISCO_ROB	0.28 464	0.16 432	0.28 430	0.28 475	0.20 479	0.33 464	0.27 461	0.45 487	0.58 486	0.28 430	0.41 455	0.45 479	0.30 459	0.34 465	0.35 481	0.12 414	0.09 393	0.17 465	0.16 466	0.17 473	0.13 426

LALA_ROB	0.25 447	0.16 432	0.23 408	0.27 469	0.17 463	0.27 443	0.27 461	0.42 475	0.38 421	0.33 460	0.39 442	0.51 489	0.26 430	0.29 448	0.28 453	0.16 471	0.09 393	0.13 432	0.12 431	0.13 427	0.13 426

PWCDC_ROB	0.21 410	0.13 403	0.23 408	0.25 452	0.12 383	0.20 374	0.15 196	0.34 424	0.55 480	0.29 439	0.49 475	0.21 315	0.15 300	0.28 441	0.20 374	0.11 388	0.09 393	0.10 369	0.08 305	0.11 399	0.09 348

rvit_stereo_0075_2	0.17 362	0.12 375	0.25 417	0.23 435	0.16 451	0.13 202	0.10 13	0.30 376	0.27 333	0.20 341	0.28 366	0.22 333	0.15 300	0.18 327	0.13 232	0.16 471	0.10 415	0.17 465	0.10 382	0.10 379	0.10 374

StereoVision	0.14 272	0.13 403	0.10 68	0.24 445	0.10 302	0.16 294	0.21 403	0.21 214	0.20 228	0.12 156	0.25 325	0.10 122	0.10 159	0.16 272	0.10 97	0.09 320	0.10 415	0.12 418	0.12 431	0.06 154	0.05 83

SQANet	0.24 441	0.24 476	0.31 448	0.31 486	0.19 476	0.27 443	0.13 81	0.30 376	0.33 381	0.25 408	0.37 428	0.31 425	0.22 403	0.27 433	0.23 411	0.15 454	0.10 415	0.21 479	0.16 466	0.22 481	0.16 465

ssnet_v2	0.17 362	0.10 333	0.18 354	0.17 180	0.11 354	0.21 385	0.22 414	0.34 424	0.25 308	0.23 383	0.23 287	0.27 386	0.19 376	0.22 404	0.21 387	0.11 388	0.10 415	0.09 324	0.09 348	0.08 285	0.08 304

pcwnet_v2	0.19 388	0.11 357	0.26 425	0.18 260	0.14 424	0.18 333	0.15 196	0.37 450	0.46 460	0.19 320	0.24 298	0.21 315	0.19 376	0.21 387	0.20 374	0.13 431	0.10 415	0.10 369	0.10 382	0.11 399	0.13 426

psm_up	0.19 388	0.10 333	0.18 354	0.21 396	0.11 354	0.17 317	0.19 368	0.38 457	0.34 392	0.22 368	0.28 366	0.29 404	0.25 423	0.20 370	0.22 400	0.09 320	0.10 415	0.11 399	0.11 411	0.08 285	0.08 304

AF-Net	0.23 431	0.17 442	0.17 322	0.27 469	0.13 408	0.26 435	0.24 434	0.33 410	0.51 470	0.25 408	0.33 406	0.39 462	0.27 436	0.28 441	0.26 441	0.11 388	0.10 415	0.16 463	0.12 431	0.11 399	0.11 396

Nwc_Net	0.23 431	0.17 442	0.22 400	0.25 452	0.15 439	0.25 425	0.27 461	0.38 457	0.39 425	0.22 368	0.41 455	0.30 411	0.29 448	0.28 441	0.25 430	0.11 388	0.10 415	0.17 465	0.20 479	0.10 379	0.11 396

ADCPNet	0.26 457	0.17 442	0.62 494	0.21 396	0.15 439	0.36 476	0.25 450	0.33 410	0.37 415	0.31 449	0.41 455	0.36 448	0.29 448	0.29 448	0.34 480	0.12 414	0.10 415	0.11 399	0.12 431	0.14 443	0.13 426

DPSNet	0.28 464	0.16 432	0.33 454	0.18 260	0.13 408	0.55 497	0.42 505	0.52 497	0.68 498	0.29 439	0.38 435	0.39 462	0.30 459	0.32 459	0.23 411	0.11 388	0.10 415	0.11 399	0.08 305	0.20 480	0.16 465

MDST_ROB	0.22 418	0.10 333	0.18 354	0.18 260	0.11 354	0.40 486	0.19 368	0.44 485	0.42 439	0.40 474	0.40 445	0.29 404	0.21 396	0.27 433	0.19 364	0.11 388	0.10 415	0.14 445	0.11 411	0.10 379	0.08 304

XPNet_ROB	0.22 418	0.12 375	0.20 381	0.22 416	0.13 408	0.22 398	0.19 368	0.35 438	0.40 430	0.30 444	0.40 445	0.38 457	0.27 436	0.26 431	0.29 460	0.15 454	0.10 415	0.10 369	0.10 382	0.13 427	0.12 415

TCMNet	0.19 388	0.12 375	0.20 381	0.21 396	0.18 472	0.21 385	0.24 434	0.28 348	0.36 410	0.23 383	0.26 338	0.25 370	0.20 388	0.20 370	0.23 411	0.13 431	0.11 427	0.11 399	0.12 431	0.13 427	0.12 415

PSMNet-RUCA	0.28 464	0.33 495	0.42 473	0.36 494	0.32 500	0.18 333	0.20 387	0.42 475	0.30 361	0.33 460	0.41 455	0.40 468	0.24 416	0.31 455	0.20 374	0.19 480	0.11 427	0.25 486	0.15 462	0.22 481	0.16 465

rvit_0105_6	0.14 272	0.09 271	0.18 354	0.17 180	0.10 302	0.10 99	0.17 281	0.19 185	0.26 321	0.12 156	0.18 228	0.17 267	0.13 248	0.18 327	0.13 232	0.15 454	0.11 427	0.12 418	0.10 382	0.09 345	0.06 159

rvit_0105_5	0.14 272	0.10 333	0.14 222	0.17 180	0.09 197	0.14 241	0.23 424	0.24 278	0.27 333	0.14 208	0.15 169	0.18 282	0.13 248	0.17 311	0.14 268	0.14 450	0.11 427	0.10 369	0.11 411	0.08 285	0.07 235

rvit_0105_4	0.15 312	0.09 271	0.17 322	0.17 180	0.10 302	0.12 174	0.20 387	0.23 255	0.27 333	0.14 208	0.20 251	0.17 267	0.14 280	0.17 311	0.13 232	0.15 454	0.11 427	0.11 399	0.10 382	0.09 345	0.06 159

rvit_0105_3	0.16 340	0.10 333	0.15 258	0.20 366	0.12 383	0.15 266	0.26 456	0.25 298	0.30 361	0.15 232	0.17 205	0.21 315	0.14 280	0.18 327	0.14 268	0.14 450	0.11 427	0.12 418	0.14 447	0.07 221	0.07 235

DGSMNet	0.25 447	0.19 458	0.34 457	0.21 396	0.24 488	0.24 417	0.21 403	0.36 443	0.42 439	0.25 408	0.32 400	0.38 457	0.21 396	0.29 448	0.24 423	0.13 431	0.11 427	0.14 445	0.16 466	0.23 484	0.23 490

FAT-Stereo	0.21 410	0.13 403	0.22 400	0.21 396	0.12 383	0.18 333	0.18 326	0.35 438	0.40 430	0.28 430	0.37 428	0.33 437	0.33 468	0.21 387	0.20 374	0.09 320	0.11 427	0.10 369	0.09 348	0.11 399	0.14 442

STTStereo	0.18 377	0.13 403	0.28 430	0.20 366	0.11 354	0.16 294	0.21 403	0.29 366	0.23 274	0.22 368	0.30 387	0.29 404	0.18 358	0.20 370	0.20 374	0.12 414	0.11 427	0.11 399	0.14 447	0.09 345	0.08 304

NCC-stereo	0.25 447	0.15 424	0.31 448	0.26 461	0.17 463	0.21 385	0.31 486	0.41 470	0.40 430	0.24 395	0.38 435	0.33 437	0.29 448	0.37 478	0.28 453	0.13 431	0.11 427	0.15 456	0.22 484	0.13 427	0.13 426

edge stereo	0.23 431	0.14 418	0.21 391	0.21 396	0.13 408	0.24 417	0.16 255	0.32 396	0.42 439	0.32 456	0.40 445	0.39 462	0.35 472	0.25 427	0.25 430	0.13 431	0.11 427	0.14 445	0.11 411	0.12 414	0.14 442

Abc-Net	0.25 447	0.15 424	0.31 448	0.26 461	0.17 463	0.21 385	0.31 486	0.41 470	0.40 430	0.24 395	0.38 435	0.33 437	0.29 448	0.37 478	0.28 453	0.13 431	0.11 427	0.15 456	0.22 484	0.13 427	0.13 426
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 457	0.15 424	0.31 448	0.24 445	0.18 472	0.23 411	0.15 196	0.39 462	0.72 503	0.32 456	0.42 462	0.36 448	0.29 448	0.33 462	0.30 465	0.13 431	0.11 427	0.14 445	0.13 442	0.16 466	0.20 485

DeepPrunerF	0.24 441	0.17 442	0.45 476	0.26 461	0.16 451	0.23 411	0.29 478	0.37 450	0.51 470	0.27 418	0.31 391	0.24 358	0.28 445	0.22 404	0.23 411	0.15 454	0.11 427	0.20 478	0.18 477	0.12 414	0.14 442

rvit_105_1	0.19 388	0.12 375	0.25 417	0.21 396	0.16 451	0.22 398	0.28 467	0.32 396	0.42 439	0.20 341	0.21 268	0.22 333	0.18 358	0.19 352	0.18 350	0.12 414	0.12 441	0.13 432	0.15 462	0.08 285	0.07 235

UDG	0.21 410	0.17 442	0.20 381	0.23 435	0.15 439	0.31 460	0.20 387	0.33 410	0.35 405	0.24 395	0.28 366	0.31 425	0.29 448	0.21 387	0.23 411	0.15 454	0.12 441	0.13 432	0.09 348	0.14 443	0.15 456

APVNet	0.23 431	0.12 375	0.20 381	0.18 260	0.14 424	0.32 462	0.31 486	0.40 465	0.33 381	0.27 418	0.40 445	0.30 411	0.29 448	0.27 433	0.25 430	0.11 388	0.12 441	0.11 399	0.14 447	0.12 414	0.13 426

Syn2CoEx	0.22 418	0.16 432	0.29 439	0.29 482	0.15 439	0.26 435	0.21 403	0.34 424	0.32 376	0.29 439	0.36 425	0.28 397	0.25 423	0.20 370	0.25 430	0.16 471	0.12 441	0.14 445	0.11 411	0.09 345	0.08 304

S-Stereo	0.21 410	0.12 375	0.25 417	0.21 396	0.13 408	0.21 385	0.19 368	0.33 410	0.45 453	0.23 383	0.36 425	0.28 397	0.29 448	0.20 370	0.23 411	0.09 320	0.12 441	0.10 369	0.10 382	0.13 427	0.14 442

RP	0.22 418	0.13 403	0.22 400	0.23 435	0.12 383	0.21 385	0.20 387	0.26 310	0.45 453	0.22 368	0.38 435	0.37 451	0.25 423	0.28 441	0.25 430	0.11 388	0.12 441	0.13 432	0.12 431	0.13 427	0.14 442

stereogan	0.22 418	0.11 357	0.21 391	0.20 366	0.12 383	0.32 462	0.19 368	0.36 443	0.45 453	0.23 383	0.39 442	0.35 446	0.27 436	0.33 462	0.23 411	0.10 357	0.12 441	0.10 369	0.10 382	0.14 443	0.14 442

AnyNet_C32	0.26 457	0.16 432	0.39 468	0.20 366	0.17 463	0.26 435	0.31 486	0.32 396	0.45 453	0.31 449	0.50 477	0.30 411	0.34 469	0.41 492	0.36 482	0.12 414	0.12 441	0.12 418	0.14 447	0.14 443	0.15 456

GANet	0.22 418	0.13 403	0.21 391	0.25 452	0.14 424	0.23 411	0.22 414	0.42 475	0.27 333	0.31 449	0.43 465	0.37 451	0.29 448	0.23 411	0.23 411	0.10 357	0.12 441	0.10 369	0.09 348	0.10 379	0.08 304

PS-NSSS	0.20 397	0.21 467	0.23 408	0.20 366	0.10 302	0.19 354	0.17 281	0.36 443	0.26 321	0.27 418	0.34 416	0.27 386	0.24 416	0.20 370	0.20 374	0.15 454	0.12 441	0.17 465	0.14 447	0.10 379	0.09 348

NCCL2	0.24 441	0.15 424	0.18 354	0.34 490	0.18 472	0.24 417	0.24 434	0.34 424	0.29 355	0.31 449	0.38 435	0.38 457	0.29 448	0.23 411	0.25 430	0.15 454	0.12 441	0.18 474	0.21 481	0.13 427	0.13 426

WCMA_ROB	0.24 441	0.11 357	0.24 414	0.17 180	0.14 424	0.34 468	0.16 255	0.33 410	0.33 381	0.39 471	0.54 482	0.40 468	0.35 472	0.35 470	0.26 441	0.12 414	0.12 441	0.12 418	0.11 411	0.14 443	0.14 442

YMNet	0.20 397	0.12 375	0.20 381	0.21 396	0.14 424	0.27 443	0.23 424	0.32 396	0.34 392	0.28 430	0.35 420	0.30 411	0.18 358	0.18 327	0.22 400	0.11 388	0.13 453	0.10 369	0.10 382	0.09 345	0.09 348

YMNet_1	0.20 397	0.12 375	0.20 381	0.21 396	0.14 424	0.27 443	0.23 424	0.32 396	0.34 392	0.28 430	0.35 420	0.30 411	0.18 358	0.18 327	0.22 400	0.11 388	0.13 453	0.10 369	0.10 382	0.09 345	0.09 348

Wz-Net-TNSev	0.29 468	0.20 462	0.69 505	0.19 318	0.15 439	0.38 482	0.27 461	0.36 443	0.56 482	0.35 462	0.42 462	0.45 479	0.39 479	0.33 462	0.31 470	0.13 431	0.13 453	0.10 369	0.12 431	0.15 455	0.15 456

DDUNet	0.23 431	0.18 455	0.22 400	0.22 416	0.15 439	0.25 425	0.24 434	0.30 376	0.31 370	0.31 449	0.37 428	0.34 441	0.26 430	0.25 427	0.21 387	0.18 477	0.13 453	0.17 465	0.11 411	0.16 466	0.17 474

FADNet-RVC	0.21 410	0.20 462	0.40 469	0.21 396	0.16 451	0.21 385	0.15 196	0.27 324	0.27 333	0.26 411	0.32 400	0.26 380	0.21 396	0.22 404	0.19 364	0.12 414	0.13 453	0.12 418	0.14 447	0.13 427	0.18 477

RGC	0.25 447	0.20 462	0.29 439	0.28 475	0.16 451	0.22 398	0.23 424	0.33 410	0.44 449	0.27 418	0.40 445	0.38 457	0.28 445	0.37 478	0.23 411	0.11 388	0.13 453	0.17 465	0.17 473	0.15 455	0.16 465

ADCS	0.30 471	0.19 458	0.48 481	0.21 396	0.18 472	0.29 455	0.24 434	0.42 475	0.64 495	0.40 474	0.50 477	0.40 468	0.37 476	0.40 487	0.43 496	0.13 431	0.13 453	0.13 432	0.14 447	0.16 466	0.16 465

AnyNet_C01	0.37 485	0.26 482	1.41 524	0.22 416	0.17 463	0.51 494	0.28 467	0.36 443	0.40 430	0.39 471	0.75 505	0.46 483	0.39 479	0.46 495	0.50 506	0.13 431	0.13 453	0.13 432	0.14 447	0.14 443	0.16 465

SGM_RVC	0.24 441	0.12 375	0.16 299	0.15 60	0.09 197	0.34 468	0.19 368	0.35 438	0.32 376	0.44 485	0.38 435	0.53 493	0.36 475	0.36 474	0.26 441	0.13 431	0.13 453	0.13 432	0.13 442	0.11 399	0.11 396
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MeshStereo	0.27 462	0.13 403	0.18 354	0.15 60	0.11 354	0.33 464	0.24 434	0.41 470	0.36 410	0.53 494	0.58 491	0.67 503	0.41 484	0.36 474	0.27 446	0.14 450	0.13 453	0.13 432	0.11 411	0.11 399	0.11 396
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
ACVNet-4b	0.39 487	0.53 506	0.56 487	0.45 502	0.24 488	0.46 490	0.18 326	0.50 494	0.64 495	0.42 480	0.45 469	0.60 497	0.27 436	0.34 465	0.24 423	0.33 503	0.14 463	0.48 506	0.42 506	0.31 501	0.27 498

ccnet	0.30 471	0.28 484	0.24 414	0.20 366	0.28 495	0.41 487	0.22 414	0.46 490	0.33 381	0.37 468	0.46 471	0.37 451	0.30 459	0.40 487	0.43 496	0.23 496	0.14 463	0.21 479	0.17 473	0.23 484	0.19 482

MaskLacGwcNet_RVC	0.22 418	0.21 467	0.25 417	0.26 461	0.11 354	0.24 417	0.14 127	0.39 462	0.24 284	0.32 456	0.36 425	0.30 411	0.21 396	0.19 352	0.22 400	0.17 476	0.14 463	0.21 479	0.16 466	0.13 427	0.12 415

PVD	0.40 489	0.21 467	0.40 469	0.32 489	0.23 485	0.30 458	0.45 509	0.53 499	0.97 517	0.55 496	0.80 509	0.54 494	0.60 507	0.53 501	0.40 492	0.19 480	0.14 463	0.17 465	0.14 447	0.24 490	0.32 503

psmorigin	0.25 447	0.16 432	0.35 463	0.17 180	0.13 408	0.24 417	0.14 127	0.34 424	0.34 392	0.41 478	0.55 483	0.41 471	0.38 478	0.35 470	0.28 453	0.11 388	0.15 467	0.11 399	0.11 411	0.12 414	0.17 474

MFN_U_SF_RVC	0.33 478	0.22 471	0.58 492	0.31 486	0.15 439	0.36 476	0.17 281	0.54 500	0.46 460	0.47 490	0.56 484	0.58 496	0.39 479	0.36 474	0.38 489	0.15 454	0.15 467	0.18 474	0.21 481	0.16 466	0.16 465

FADNet	0.21 410	0.23 473	0.37 466	0.18 260	0.17 463	0.25 425	0.13 81	0.32 396	0.32 376	0.23 383	0.25 325	0.27 386	0.21 396	0.19 352	0.16 321	0.13 431	0.15 467	0.12 418	0.15 462	0.17 473	0.18 477

FBW_ROB	0.25 447	0.17 442	0.23 408	0.27 469	0.14 424	0.26 435	0.22 414	0.42 475	0.43 447	0.42 480	0.41 455	0.43 475	0.27 436	0.32 459	0.24 423	0.09 320	0.15 467	0.15 456	0.12 431	0.12 414	0.10 374

CBMV	0.20 397	0.15 424	0.18 354	0.18 260	0.10 302	0.20 374	0.11 25	0.30 376	0.31 370	0.29 439	0.31 391	0.31 425	0.23 409	0.28 441	0.19 364	0.13 431	0.15 467	0.17 465	0.16 466	0.10 379	0.10 374
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FINET	0.22 418	0.18 455	0.28 430	0.19 318	0.16 451	0.24 417	0.24 434	0.33 410	0.49 464	0.26 411	0.33 406	0.22 333	0.23 409	0.23 411	0.18 350	0.18 477	0.16 472	0.11 399	0.10 382	0.15 455	0.14 442

SGM-ForestM	0.33 478	0.12 375	0.17 322	0.16 114	0.11 354	0.42 488	0.20 387	0.43 481	0.53 479	0.53 494	0.57 488	1.41 525	0.44 493	0.42 493	0.29 460	0.14 450	0.16 472	0.16 463	0.16 466	0.12 414	0.13 426

CSAN	0.30 471	0.24 476	0.28 430	0.34 490	0.19 476	0.34 468	0.42 505	0.38 457	0.51 470	0.38 470	0.40 445	0.44 478	0.34 469	0.29 448	0.31 470	0.19 480	0.16 472	0.19 476	0.19 478	0.14 443	0.15 456

SGM-Forest	0.20 397	0.14 418	0.18 354	0.20 366	0.13 408	0.21 385	0.22 414	0.33 410	0.31 370	0.24 395	0.29 381	0.28 397	0.20 388	0.23 411	0.18 350	0.15 454	0.16 472	0.15 456	0.14 447	0.13 427	0.12 415
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
HBP-ISP	0.18 377	0.13 403	0.17 322	0.15 60	0.11 354	0.08 39	0.13 81	0.28 348	0.30 361	0.22 368	0.33 406	0.21 315	0.25 423	0.23 411	0.18 350	0.15 454	0.17 476	0.21 479	0.17 473	0.10 379	0.09 348

NaN_ROB	0.23 431	0.20 462	0.25 417	0.25 452	0.13 408	0.31 460	0.27 461	0.34 424	0.41 437	0.31 449	0.31 391	0.32 431	0.23 409	0.31 455	0.22 400	0.11 388	0.17 476	0.10 369	0.11 411	0.08 285	0.09 348

SDNR	0.20 397	0.09 271	0.19 377	0.16 114	0.12 383	0.79 515	0.13 81	0.26 310	0.33 381	0.19 320	0.25 325	0.19 291	0.12 217	0.19 352	0.15 302	0.16 471	0.18 478	0.14 445	0.11 411	0.08 285	0.12 415

BEATNet-Init1	0.54 503	0.28 484	0.68 504	0.31 486	0.21 481	0.85 518	0.31 486	0.57 502	0.69 501	0.89 515	1.00 517	2.17 532	0.66 510	0.58 507	0.44 499	0.19 480	0.18 478	0.23 484	0.22 484	0.22 481	0.21 486

CC-Net-ROB	0.28 464	0.31 493	0.36 465	0.30 484	0.15 439	0.25 425	0.19 368	0.45 487	0.34 392	0.39 471	0.37 428	0.39 462	0.31 464	0.27 433	0.27 446	0.24 498	0.18 478	0.30 499	0.23 488	0.19 478	0.15 456

CBMV_ROB	0.19 388	0.13 403	0.18 354	0.16 114	0.11 354	0.16 294	0.12 47	0.27 324	0.29 355	0.27 418	0.31 391	0.27 386	0.24 416	0.24 422	0.16 321	0.15 454	0.18 478	0.22 483	0.20 479	0.10 379	0.12 415

NOSS_ROB	0.19 388	0.13 403	0.18 354	0.16 114	0.12 383	0.16 294	0.12 47	0.30 376	0.33 381	0.20 341	0.22 283	0.27 386	0.24 416	0.21 387	0.16 321	0.16 471	0.18 478	0.23 484	0.21 481	0.13 427	0.13 426

MSC_U_SF_DS_RVC	0.44 494	0.39 500	0.56 487	0.40 497	0.20 479	0.66 505	0.33 495	0.54 500	0.72 503	0.71 504	0.72 502	0.62 498	0.55 501	0.52 499	0.47 503	0.20 485	0.19 483	0.29 497	0.30 499	0.24 490	0.19 482

TCMNet-wrong-test	3.69 533	5.54 542	3.91 534	12.22 545	11.75 546	4.77 535	3.86 536	1.08 528	0.74 507	1.13 526	2.21 535	6.16 539	0.53 500	3.43 536	2.33 534	0.90 529	0.20 484	1.85 536	1.69 535	5.71 541	3.79 541

FC-DCNN v2	0.33 478	0.28 484	0.28 430	0.26 461	0.23 485	0.39 484	0.29 478	0.41 470	0.44 449	0.46 488	0.57 488	0.51 489	0.41 484	0.38 482	0.30 465	0.21 488	0.20 484	0.27 490	0.26 491	0.25 492	0.24 491

FCDSN-DC	0.33 478	0.28 484	0.28 430	0.30 484	0.24 488	0.39 484	0.28 467	0.43 481	0.42 439	0.44 485	0.53 481	0.51 489	0.42 488	0.37 478	0.30 465	0.21 488	0.20 484	0.27 490	0.26 491	0.25 492	0.25 493
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_DS_RVC	0.30 471	0.24 476	0.30 445	0.36 494	0.16 451	0.36 476	0.31 486	0.34 424	0.43 447	0.41 478	0.46 471	0.38 457	0.30 459	0.35 470	0.29 460	0.19 480	0.20 484	0.26 487	0.29 497	0.18 475	0.19 482

SAMSARA	0.41 490	0.28 484	0.34 457	0.55 508	0.39 502	0.85 518	1.25 533	0.49 493	0.52 476	0.36 464	0.35 420	0.56 495	0.39 479	0.39 484	0.41 493	0.15 454	0.20 484	0.15 456	0.14 447	0.23 484	0.21 486

MANE	0.47 499	0.28 484	0.28 430	0.27 469	0.24 488	0.50 492	0.32 494	0.57 502	0.62 493	0.74 508	1.20 527	1.21 518	0.64 509	0.54 502	0.39 490	0.22 491	0.20 484	0.27 490	0.31 500	0.26 495	0.25 493

GANetREF_RVC	0.31 476	0.34 496	0.29 439	0.35 492	0.16 451	0.33 464	0.42 505	0.48 492	0.52 476	0.35 462	0.35 420	0.34 441	0.32 466	0.40 487	0.33 478	0.27 500	0.20 484	0.29 497	0.15 462	0.19 478	0.18 477
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
FC-DCNN	0.33 478	0.28 484	0.28 430	0.26 461	0.23 485	0.38 482	0.29 478	0.40 465	0.44 449	0.46 488	0.56 484	0.51 489	0.41 484	0.38 482	0.31 470	0.21 488	0.20 484	0.27 490	0.26 491	0.25 492	0.24 491

MSMD_ROB	0.31 476	0.26 482	0.26 425	0.24 445	0.21 481	0.34 468	0.25 450	0.34 424	0.39 425	0.40 474	0.69 499	0.45 479	0.41 484	0.34 465	0.28 453	0.20 485	0.20 484	0.26 487	0.25 490	0.23 484	0.22 489

LSM	0.34 484	0.21 467	0.62 494	0.27 469	0.62 519	0.35 472	0.26 456	0.43 481	0.49 464	0.45 487	0.60 494	0.42 473	0.37 476	0.35 470	0.26 441	0.13 431	0.21 493	0.14 445	0.16 466	0.18 475	0.34 505

ELAS_RVC	0.42 492	0.29 491	0.33 454	0.28 475	0.24 488	0.56 498	0.38 500	0.50 494	0.61 490	0.74 508	0.76 506	0.67 503	0.56 503	0.55 503	0.42 495	0.22 491	0.21 493	0.27 490	0.26 491	0.27 497	0.26 496
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 492	0.29 491	0.34 457	0.28 475	0.24 488	0.63 502	0.37 498	0.52 497	0.52 476	0.72 505	0.82 510	0.68 505	0.56 503	0.52 499	0.45 502	0.22 491	0.21 493	0.27 490	0.26 491	0.26 495	0.26 496
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PA-Net	0.24 441	0.18 455	0.34 457	0.28 475	0.22 484	0.22 398	0.39 502	0.29 366	0.39 425	0.22 368	0.33 406	0.25 370	0.26 430	0.21 387	0.25 430	0.10 357	0.23 496	0.15 456	0.22 484	0.09 345	0.13 426
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ACVNet_1	0.45 496	0.51 505	0.61 493	0.45 502	0.28 495	0.50 492	0.28 467	0.58 507	0.71 502	0.63 499	0.59 493	0.74 508	0.50 497	0.50 497	0.36 482	0.26 499	0.25 497	0.39 503	0.29 497	0.32 502	0.25 493

Anonymous_2	0.22 418	0.17 442	0.28 430	0.15 60	0.16 451	0.33 464	0.22 414	0.23 255	0.18 187	0.23 383	0.24 298	0.26 380	0.27 436	0.27 433	0.24 423	0.22 491	0.26 498	0.17 465	0.17 473	0.16 466	0.18 477

PASM	0.33 478	0.25 481	0.51 483	0.28 475	0.27 494	0.30 458	0.31 486	0.35 438	0.51 470	0.36 464	0.40 445	0.47 486	0.35 472	0.34 465	0.36 482	0.23 496	0.26 498	0.26 487	0.28 496	0.23 484	0.21 486

JetBlue	0.73 513	0.46 504	1.21 522	0.52 507	0.47 508	2.16 533	0.67 521	0.78 512	0.72 503	0.70 503	0.79 508	1.21 518	0.84 518	1.06 529	1.04 529	0.40 506	0.28 500	0.33 500	0.33 502	0.30 498	0.34 505

Ntro	0.41 490	0.40 501	0.54 486	0.46 505	0.30 499	0.64 503	0.24 434	0.47 491	0.68 498	0.42 480	0.49 475	0.47 486	0.42 488	0.40 487	0.32 475	0.32 502	0.28 500	0.37 502	0.31 500	0.33 503	0.29 499

test_sample9	0.18 377	0.12 375	0.21 391	0.13 8	0.14 424	0.18 333	0.14 127	0.28 348	0.24 284	0.21 355	0.21 268	0.24 358	0.20 388	0.19 352	0.18 350	0.15 454	0.30 502	0.14 445	0.14 447	0.15 455	0.13 426

test_sample8	0.20 397	0.12 375	0.21 391	0.13 8	0.14 424	0.18 333	0.14 127	0.32 396	0.21 242	0.28 430	0.22 283	0.36 448	0.26 430	0.19 352	0.18 350	0.15 454	0.30 502	0.14 445	0.14 447	0.15 455	0.13 426

otaku	0.39 487	0.38 499	0.53 484	0.44 501	0.28 495	0.57 499	0.24 434	0.42 475	0.62 493	0.40 474	0.50 477	0.46 483	0.34 469	0.40 487	0.33 478	0.30 501	0.30 502	0.39 503	0.33 502	0.30 498	0.29 499

NVStereoNet_ROB	0.47 499	0.37 498	0.47 480	0.42 500	0.29 498	0.35 472	0.35 496	0.50 494	0.61 490	0.73 506	0.94 514	0.70 507	0.68 511	0.48 496	0.62 513	0.22 491	0.33 505	0.34 501	0.34 504	0.30 498	0.31 502
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Consistency-Raft	0.44 494	0.40 501	0.46 477	0.37 496	0.43 506	0.42 488	0.41 503	0.57 502	0.55 480	0.32 456	0.73 503	0.32 431	0.50 497	0.42 493	0.49 505	0.39 505	0.36 506	0.45 505	0.52 515	0.42 505	0.30 501

MADNet+	0.76 514	0.72 516	3.76 533	0.67 511	0.41 504	0.99 524	0.97 531	0.72 511	0.75 508	0.52 493	0.58 491	0.64 501	0.68 511	0.89 523	1.04 529	0.35 504	0.36 506	0.28 496	0.23 488	0.38 504	0.33 504

ACVNet_2	0.67 510	0.68 515	0.70 508	0.64 510	0.41 504	0.75 513	0.50 510	0.98 522	1.38 527	0.90 516	1.09 521	1.04 513	0.74 514	0.55 503	0.48 504	0.43 507	0.40 508	0.53 510	0.45 507	0.48 506	0.36 507

GCST	0.37 485	0.42 503	0.27 427	1.03 527	0.39 502	0.18 333	0.08 4	0.21 214	0.18 187	0.28 430	0.25 325	0.15 230	0.12 217	0.16 272	0.14 268	0.64 520	0.43 509	0.75 517	0.65 519	0.64 514	0.46 513

IMH-64-1	0.66 508	0.62 511	0.69 505	0.72 512	0.51 509	0.60 500	0.51 511	0.92 516	0.84 512	0.75 511	1.02 518	0.81 509	0.78 516	0.80 514	0.50 506	0.43 507	0.46 510	0.72 514	0.48 508	0.55 510	0.40 508

IMH-64	0.66 508	0.62 511	0.69 505	0.72 512	0.51 509	0.60 500	0.51 511	0.92 516	0.84 512	0.75 511	1.02 518	0.81 509	0.78 516	0.80 514	0.50 506	0.43 507	0.46 510	0.72 514	0.48 508	0.55 510	0.40 508

TorneroNet-64	0.76 514	0.73 517	0.77 511	0.78 516	0.58 517	0.94 523	0.58 515	0.85 515	1.26 522	0.67 500	0.88 512	1.41 525	0.76 515	0.87 520	0.68 516	0.49 512	0.46 510	0.73 516	0.59 516	0.68 518	0.54 514

PWCK	0.72 511	0.95 525	0.99 519	0.77 514	0.32 500	0.79 515	0.38 500	0.92 516	0.90 515	0.96 519	0.76 506	0.97 512	0.62 508	0.87 520	0.68 516	0.73 523	0.46 510	0.76 519	0.49 510	0.71 521	0.44 512

SPS-STEREO	0.58 506	0.59 509	0.66 497	0.45 502	0.55 512	0.65 504	0.44 508	0.63 509	0.51 470	0.69 502	0.65 495	0.66 502	0.58 506	0.62 509	0.62 513	0.62 519	0.47 514	0.51 508	0.49 510	0.55 510	0.58 515
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.54 503	0.61 510	0.71 510	0.57 509	0.43 506	0.66 505	0.37 498	0.60 508	0.87 514	0.51 492	0.67 496	0.63 499	0.47 494	0.50 497	0.44 499	0.47 511	0.48 515	0.53 510	0.41 505	0.53 509	0.41 510

WAO-6	0.82 517	0.81 520	0.63 496	0.87 521	0.63 520	0.79 515	0.60 517	0.98 522	1.52 531	0.91 518	0.97 516	1.08 515	1.04 526	0.72 513	0.70 519	0.72 522	0.49 516	0.91 525	0.71 523	0.70 520	0.59 518

TorneroNet	0.83 518	0.75 518	0.83 515	0.85 519	0.63 520	1.03 527	0.65 519	0.96 520	1.14 520	0.80 513	1.10 523	1.36 523	0.88 520	0.95 525	0.82 524	0.57 514	0.49 516	0.79 522	0.66 521	0.74 524	0.64 524

SGM+DAISY	0.57 505	0.58 507	0.67 501	0.41 498	0.55 512	0.68 507	0.51 511	0.57 502	0.46 460	0.67 500	0.70 500	0.69 506	0.57 505	0.64 510	0.58 511	0.59 517	0.49 516	0.50 507	0.50 512	0.52 507	0.59 518

IMH	0.72 511	0.65 513	0.70 508	0.77 514	0.54 511	0.71 509	0.56 514	0.99 524	1.08 518	0.82 514	1.09 521	0.89 511	0.88 520	0.88 522	0.53 510	0.44 510	0.50 519	0.75 517	0.51 513	0.58 513	0.42 511

anonymity	0.53 502	0.58 507	0.66 497	0.41 498	0.61 518	0.54 496	0.41 503	0.57 502	0.41 437	0.56 497	0.50 477	0.50 488	0.55 501	0.59 508	0.50 506	0.58 516	0.50 519	0.51 508	0.51 513	0.52 507	0.58 515

DPSimNet_ROB	1.14 528	1.25 531	0.87 517	1.15 530	0.90 530	1.15 530	1.18 532	1.20 533	1.26 522	1.45 531	1.05 520	1.44 528	1.13 530	0.92 524	1.70 532	1.47 534	0.52 521	1.22 531	1.04 533	0.92 527	1.03 532

WAO-8	0.92 521	0.83 521	0.67 501	0.94 524	0.70 524	0.92 521	0.68 522	1.08 528	1.80 534	1.06 524	1.42 531	1.29 520	1.08 528	0.86 518	0.80 522	0.74 524	0.54 522	0.86 523	0.75 524	0.71 521	0.63 522

Venus	0.92 521	0.83 521	0.67 501	0.94 524	0.70 524	0.92 521	0.68 522	1.08 528	1.80 534	1.06 524	1.42 531	1.29 520	1.08 528	0.86 518	0.80 522	0.74 524	0.54 522	0.86 523	0.75 524	0.71 521	0.63 522

UNDER WATER	0.99 525	1.00 527	1.47 525	1.00 526	0.71 526	1.18 531	0.86 527	0.81 514	1.09 519	1.02 521	0.90 513	1.53 529	1.26 532	1.06 529	1.02 528	0.79 526	0.54 522	1.02 527	0.88 528	0.83 526	0.75 526

LVE	0.84 519	0.87 523	0.86 516	0.81 517	0.56 514	1.09 529	0.66 520	1.07 526	1.45 529	0.97 520	1.23 529	1.11 516	0.86 519	0.84 517	0.72 520	0.49 512	0.56 525	0.76 519	0.60 518	0.66 516	0.60 521

Dean	0.88 520	0.88 524	0.81 512	0.82 518	0.57 515	0.91 520	0.62 518	1.17 532	1.71 532	1.15 527	1.16 525	1.31 522	1.00 525	0.82 516	0.83 525	0.57 514	0.56 525	0.78 521	0.65 519	0.67 517	0.58 515

UNDER WATER-64	0.97 523	0.96 526	1.48 526	0.88 522	0.57 515	1.24 532	0.90 529	0.78 512	0.96 516	1.05 522	0.85 511	1.56 530	1.26 532	0.97 527	0.99 527	0.88 528	0.57 527	1.04 528	0.88 528	0.81 525	0.75 526

MFMNet_re	0.65 507	0.66 514	0.66 497	0.51 506	0.69 523	0.70 508	0.58 515	0.65 510	0.75 508	0.61 498	0.73 503	0.63 499	0.68 511	0.65 511	0.60 512	0.66 521	0.58 528	0.63 512	0.59 516	0.68 518	0.69 525

WAO-7	0.80 516	0.78 519	0.57 489	0.85 519	0.67 522	0.76 514	0.69 524	1.07 526	1.30 524	0.90 516	1.20 527	1.05 514	0.93 522	0.71 512	0.68 516	0.60 518	0.62 529	0.67 513	0.68 522	0.64 514	0.59 518

notaker	0.98 524	1.13 528	1.02 520	1.14 529	0.81 527	0.73 512	0.69 524	0.94 519	1.15 521	1.19 529	1.19 526	1.41 525	1.17 531	1.10 531	0.74 521	0.82 527	0.64 530	1.18 529	0.79 526	1.02 528	0.82 529

ktn	1.02 526	1.23 530	0.82 513	1.24 531	0.86 529	1.00 526	0.86 527	0.96 520	1.37 526	1.05 522	1.12 524	1.16 517	1.06 527	0.95 525	0.62 513	1.28 533	0.71 531	1.39 533	0.83 527	1.06 530	0.77 528

HanzoNet	1.31 529	1.29 532	1.22 523	1.13 528	0.85 528	1.05 528	0.84 526	1.06 525	1.47 530	1.66 532	1.63 533	2.48 534	1.78 534	1.63 533	1.69 531	1.27 532	0.80 532	1.32 532	1.02 531	1.07 531	0.90 530

KSHMR	1.10 527	1.19 529	0.90 518	1.26 532	1.00 531	0.99 524	0.96 530	1.13 531	1.35 525	1.16 528	1.28 530	1.40 524	0.97 524	1.03 528	0.93 526	1.03 531	1.08 533	1.20 530	1.03 532	1.03 529	0.98 531

JetRed	1.66 530	1.51 533	3.09 529	0.93 523	1.21 532	5.28 536	1.61 535	1.29 534	1.42 528	1.84 533	1.77 534	1.59 531	0.95 523	1.43 532	2.51 536	0.91 530	1.61 534	0.93 526	0.91 530	1.36 532	1.03 532

MADNet++	1.97 531	1.75 534	1.66 527	1.83 533	1.69 534	2.38 534	1.45 534	2.36 535	2.11 536	2.58 535	2.37 536	2.25 533	2.21 535	2.28 534	2.36 535	1.87 535	1.67 535	1.53 534	1.34 534	1.87 533	1.78 535

PML	8.57 542	9.39 546	6.24 535	5.34 538	6.36 539	13.21 542	20.99 541	5.35 537	6.68 538	17.75 548	26.46 553	7.58 540	6.08 538	7.89 541	5.76 537	5.33 542	1.83 536	5.95 546	1.93 536	8.75 544	2.53 537

xxxxx1	7.75 536	5.06 539	7.26 536	3.15 535	3.91 536	16.37 544	22.88 545	5.87 540	8.68 539	7.99 540	8.55 538	9.13 542	8.46 540	10.05 542	10.47 540	2.43 537	2.48 537	3.56 540	12.26 544	3.48 536	3.02 538

tt_ll	7.75 536	5.06 539	7.26 536	3.15 535	3.91 536	16.37 544	22.88 545	5.87 540	8.68 539	7.99 540	8.55 538	9.13 542	8.46 540	10.05 542	10.47 540	2.43 537	2.48 537	3.56 540	12.26 544	3.48 536	3.02 538

ff	7.75 536	5.06 539	7.26 536	3.15 535	3.91 536	16.37 544	22.88 545	5.87 540	8.68 539	7.99 540	8.55 538	9.13 542	8.46 540	10.05 542	10.47 540	2.43 537	2.48 537	3.56 540	12.26 544	3.48 536	3.02 538

LRCNet_RVC	10.76 544	13.97 547	7.97 542	19.07 547	2.04 535	0.35 472	0.31 486	5.29 536	0.48 463	13.02 546	17.65 547	8.69 541	5.73 537	4.78 537	2.22 533	23.53 551	2.69 540	27.60 552	25.75 552	17.60 549	16.54 550

USTest	6.16 535	2.65 536	2.79 528	6.48 541	7.21 540	14.33 543	21.38 542	6.98 543	9.55 542	5.35 539	6.12 537	5.71 538	7.69 539	6.31 540	6.75 539	1.97 536	3.38 541	1.63 535	2.14 538	2.49 534	2.35 536

DPSMNet_ROB	8.06 540	4.50 537	8.69 543	5.36 540	10.74 543	8.32 538	22.71 543	5.47 538	13.38 544	5.13 537	9.98 541	5.10 536	10.47 543	5.53 538	12.77 544	3.80 541	8.00 542	3.49 538	6.95 541	3.75 540	7.09 543

DGTPSM_ROB	8.06 540	4.50 537	8.69 543	5.34 538	10.73 542	8.32 538	22.71 543	5.47 538	13.38 544	5.13 537	9.98 541	5.10 536	10.47 543	5.53 538	12.77 544	3.79 540	8.00 542	3.49 538	6.95 541	3.74 539	7.09 543

Anonymous_1	10.87 545	7.82 543	7.41 539	10.29 542	10.08 541	18.64 548	26.11 548	11.02 545	13.45 546	9.43 543	10.10 543	9.73 545	11.31 545	10.69 545	12.47 543	6.42 544	8.38 544	5.70 543	10.22 543	11.41 545	6.65 542

DPSM_ROB	11.10 546	8.47 544	7.95 540	10.84 543	11.58 544	19.10 549	26.50 549	12.02 546	14.09 547	10.38 544	10.91 544	10.39 546	11.92 546	11.67 546	13.39 546	6.99 545	8.79 545	5.82 544	6.92 539	6.97 542	7.31 545

DPSM	11.10 546	8.47 544	7.95 540	10.84 543	11.58 544	19.10 549	26.50 549	12.02 546	14.09 547	10.38 544	10.91 544	10.39 546	11.92 546	11.67 546	13.39 546	6.99 545	8.79 545	5.82 544	6.92 539	6.97 542	7.31 545

tt	4.65 534	0.07 105	3.54 532	2.01 534	1.55 533	10.25 540	16.66 540	8.90 544	5.03 537	1.33 530	0.96 515	4.71 535	4.74 536	3.33 535	5.86 538	6.06 543	10.30 547	1.87 537	2.09 537	2.61 535	1.19 534

HaxPig	15.73 548	18.55 551	19.19 548	16.92 546	15.89 548	7.80 537	7.57 537	13.37 548	10.80 543	15.40 547	14.87 546	15.95 548	14.81 548	15.67 548	15.97 548	18.96 550	16.72 548	19.47 550	18.10 550	19.45 550	19.06 551

LSM0	22.80 552	17.22 550	19.17 547	22.12 551	28.90 553	38.38 553	53.27 551	24.21 552	28.36 551	20.84 552	21.11 549	21.63 552	24.25 552	23.42 551	26.98 551	14.08 549	17.39 549	11.72 549	13.98 549	14.22 548	14.66 547

CasAABBNet	22.33 550	17.11 548	15.84 545	21.94 549	23.28 550	38.30 551	53.40 553	24.05 551	28.44 552	20.66 550	21.86 550	21.03 551	24.04 551	23.35 550	27.03 552	14.06 547	17.69 550	11.70 547	13.94 548	14.04 546	14.76 548

Selective-RAFT-Error	22.39 551	17.14 549	16.01 546	22.00 550	23.34 551	38.37 552	53.36 552	24.24 553	28.53 553	20.80 551	21.94 551	20.94 550	24.02 550	23.48 552	27.33 553	14.07 548	17.70 551	11.70 547	13.93 547	14.05 547	14.83 549

MEDIAN_ROB	20.38 549	24.05 552	23.36 550	21.18 548	21.62 549	10.51 541	8.17 538	17.68 549	15.46 549	20.04 549	19.65 548	20.30 549	20.16 549	21.17 549	21.03 549	23.81 552	21.77 552	24.98 551	23.75 551	25.01 551	23.94 552

AVERAGE_ROB	24.89 553	29.12 553	27.98 551	24.83 552	24.59 552	17.82 547	11.61 539	21.45 550	19.91 550	25.04 553	24.38 552	25.06 553	25.31 553	24.69 553	22.86 550	29.74 553	27.09 553	28.97 553	27.94 553	30.07 552	29.35 553

test_example2	97.69 554	92.93 554	45.57 552	96.02 553	109.84 554	88.44 554	93.70 554	25.54 554	94.63 554	130.46 555	126.87 554	58.93 554	75.48 554	87.99 554	77.94 554	150.16 554	221.11 554	76.29 554	98.21 554	108.42 554	95.33 554

ccccc		285.89 555		366.70 555	366.78 555	118.88 555		113.97 555		125.77 554		120.54 555		252.62 555		382.79 555	352.84 555	254.30 555	222.62 555	426.61 555

Low-res two-view benchmark