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

IGEV-Stereo+	0.25 10	0.15 3	0.28 13	0.32 11	0.19 16	0.13 1	0.17 1	0.29 3	0.30 12	0.22 5	0.15 1	0.22 6	0.22 26	0.42 40	0.22 4	0.14 44	0.10 17	0.12 3	0.09 5	0.15 111	1.09 484

FoundationStereo	0.18 1	0.15 3	0.26 6	0.31 7	0.17 5	0.23 11	0.20 4	0.24 2	0.16 1	0.19 2	0.16 2	0.21 5	0.19 10	0.27 2	0.22 4	0.14 44	0.10 17	0.12 3	0.09 5	0.10 1	0.10 1

StereoAnything_RVC	0.22 4	0.85 460	0.41 94	0.28 1	0.16 2	0.23 11	0.18 2	0.23 1	0.19 2	0.16 1	0.16 2	0.15 1	0.21 19	0.32 6	0.19 1	0.16 147	0.09 2	0.12 3	0.09 5	0.16 158	0.10 1

DEFOM-Stereo	0.23 6	0.16 13	0.29 15	0.34 19	0.20 31	0.59 263	0.20 4	0.32 5	0.31 14	0.23 6	0.19 4	0.18 2	0.18 6	0.42 40	0.22 4	0.12 5	0.10 17	0.12 3	0.09 5	0.11 3	0.12 28

dual_stereo	0.20 2	0.15 3	0.27 10	0.32 11	0.17 5	0.16 2	0.20 4	0.30 4	0.21 3	0.24 9	0.20 5	0.25 12	0.14 1	0.55 110	0.25 25	0.14 44	0.10 17	0.12 3	0.09 5	0.10 1	0.10 1

HUF	0.25 10	0.17 22	0.38 69	0.33 16	0.19 16	0.25 26	0.39 259	0.53 52	0.36 35	0.26 14	0.23 6	0.33 40	0.27 62	0.36 17	0.25 25	0.14 44	0.11 68	0.13 22	0.10 23	0.12 9	0.12 28

fffft	0.26 17	0.18 39	0.39 75	0.37 66	0.23 84	0.29 61	0.35 200	0.46 29	0.26 7	0.37 52	0.23 6	0.27 15	0.22 26	0.55 110	0.28 75	0.12 5	0.09 2	0.16 100	0.13 92	0.13 34	0.13 64
1: 1. 1
U	3.17 494	0.17 22	0.35 38	0.41 170	0.71 461	57.93 526	0.20 4	0.43 17	0.39 51	0.26 14	0.23 6	0.23 8	0.22 26	0.26 1	0.22 4	0.16 147	0.10 17	0.74 468	0.13 92	0.13 34	0.11 8

RSM++	0.26 17	0.19 62	0.36 50	0.37 66	0.21 44	0.28 52	0.29 98	0.54 58	0.34 24	0.26 14	0.23 6	0.36 62	0.21 19	0.52 96	0.24 19	0.12 5	0.11 68	0.14 36	0.12 61	0.14 71	0.11 8

castereo++	0.26 17	0.17 22	0.29 15	0.34 19	0.20 31	0.74 335	0.20 4	0.41 12	0.49 106	0.24 9	0.24 10	0.35 52	0.27 62	0.41 35	0.20 3	0.14 44	0.09 2	0.14 36	0.09 5	0.11 3	0.11 8

DEFOM-Stereo_RVC	0.25 10	0.32 335	0.25 1	0.52 381	0.20 31	0.29 61	0.22 25	0.44 20	0.38 46	0.27 21	0.25 11	0.24 9	0.29 88	0.46 59	0.23 11	0.14 44	0.09 2	0.12 3	0.09 5	0.14 71	0.11 8

AIO_rvc	0.24 8	0.17 22	0.37 59	0.35 28	0.20 31	0.26 29	0.33 166	0.45 23	0.23 4	0.26 14	0.25 11	0.33 40	0.15 2	0.55 110	0.24 19	0.12 5	0.09 2	0.13 22	0.10 23	0.12 9	0.11 8

MonSter	0.20 2	0.14 2	0.27 10	0.31 7	0.16 2	0.22 7	0.21 16	0.39 7	0.34 24	0.20 3	0.25 11	0.18 2	0.15 2	0.39 23	0.19 1	0.09 1	0.09 2	0.11 1	0.09 5	0.11 3	0.10 1

IGEV-BASED-STEREO-	0.56 321	3.08 508	2.41 479	0.32 11	0.18 10	0.29 61	0.20 4	0.39 7	0.33 21	0.29 27	0.25 11	0.18 2	0.18 6	0.32 6	0.22 4	1.08 483	0.09 2	0.17 136	0.16 171	0.15 111	0.96 477

RSM	0.26 17	0.19 62	0.35 38	0.37 66	0.21 44	0.27 39	0.33 166	0.55 61	0.28 9	0.26 14	0.25 11	0.38 69	0.20 14	0.59 141	0.23 11	0.12 5	0.10 17	0.14 36	0.11 40	0.14 71	0.11 8

Selective-IGEV	0.25 10	0.18 39	0.37 59	0.37 66	0.20 31	0.27 39	0.25 52	0.59 78	0.25 6	0.27 21	0.26 16	0.34 45	0.18 6	0.62 181	0.23 11	0.12 5	0.10 17	0.14 36	0.11 40	0.13 34	0.11 8

tt45	0.28 34	0.18 39	0.36 50	0.36 50	0.24 123	0.37 137	0.28 86	0.50 39	0.31 14	0.41 76	0.27 17	0.38 69	0.25 44	0.61 159	0.26 37	0.13 24	0.11 68	0.16 100	0.13 92	0.12 9	0.15 128

MoCha-V2	0.26 17	0.16 13	0.30 19	0.41 170	0.18 10	0.27 39	0.26 63	0.57 72	0.28 9	0.37 52	0.27 17	0.33 40	0.34 127	0.56 120	0.23 11	0.12 5	0.10 17	0.12 3	0.10 23	0.13 34	0.13 64

MaDis-Stereo	0.27 24	0.19 62	0.39 75	0.37 66	0.26 188	0.28 52	0.28 86	0.45 23	0.37 42	0.27 21	0.27 17	0.40 83	0.27 62	0.40 31	0.30 105	0.16 147	0.14 234	0.16 100	0.13 92	0.15 111	0.12 28

CroCo-Stereo	0.27 24	0.23 178	0.40 87	0.49 341	0.22 57	0.20 4	0.29 98	0.55 61	0.45 89	0.29 27	0.27 17	0.42 95	0.26 56	0.30 4	0.26 37	0.15 105	0.13 197	0.13 22	0.12 61	0.16 158	0.13 64
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
AIO_test	0.24 8	0.17 22	0.33 26	0.35 28	0.21 44	0.31 83	0.38 242	0.45 23	0.26 7	0.26 14	0.28 21	0.32 32	0.21 19	0.40 31	0.26 37	0.13 24	0.10 17	0.13 22	0.11 40	0.13 34	0.11 8

EGLCR-Stereo	0.27 24	0.17 22	0.36 50	0.35 28	0.21 44	0.37 137	0.20 4	0.58 75	0.37 42	0.29 27	0.28 21	0.42 95	0.18 6	0.47 67	0.27 58	0.14 44	0.10 17	0.16 100	0.14 120	0.13 34	0.12 28

CroCo-Stereo Lap2	0.29 41	0.25 230	0.44 130	0.50 352	0.30 292	0.19 3	0.31 138	0.52 46	0.41 68	0.25 11	0.28 21	0.46 119	0.31 108	0.39 23	0.30 105	0.15 105	0.15 255	0.16 100	0.13 92	0.17 184	0.16 159

SCV	0.27 24	0.20 92	0.37 59	0.36 50	0.22 57	0.27 39	0.33 166	0.65 111	0.31 14	0.25 11	0.29 24	0.37 63	0.23 32	0.52 96	0.23 11	0.19 252	0.11 68	0.14 36	0.11 40	0.15 111	0.12 28

IGEV-Stereo++	0.22 4	0.16 13	0.29 15	0.38 84	0.20 31	0.22 7	0.18 2	0.44 20	0.36 35	0.23 6	0.29 24	0.24 9	0.17 4	0.28 3	0.23 11	0.12 5	0.10 17	0.12 3	0.10 23	0.12 9	0.11 8

SMoEStereo_RVC	0.27 24	0.20 92	0.37 59	0.36 50	0.23 84	0.36 126	0.31 138	0.43 17	0.36 35	0.38 58	0.30 26	0.32 32	0.24 37	0.56 120	0.24 19	0.12 5	0.10 17	0.16 100	0.12 61	0.12 9	0.12 28

GREAT-IGEV	0.23 6	0.15 3	0.33 26	0.30 5	0.23 84	0.20 4	0.26 63	0.35 6	0.34 24	0.21 4	0.31 27	0.22 6	0.21 19	0.50 88	0.22 4	0.12 5	0.10 17	0.12 3	0.09 5	0.13 34	0.12 28

IGEV-RUCA	0.26 17	0.16 13	0.36 50	0.40 145	0.27 223	0.32 96	0.20 4	0.39 7	0.36 35	0.27 21	0.31 27	0.25 12	0.21 19	0.50 88	0.24 19	0.20 273	0.11 68	0.13 22	0.10 23	0.17 184	0.16 159

999	0.28 34	0.17 22	0.38 69	0.37 66	0.25 152	0.30 69	0.27 73	0.55 61	0.42 75	0.26 14	0.31 27	0.39 76	0.24 37	0.65 207	0.26 37	0.14 44	0.11 68	0.15 76	0.12 61	0.12 9	0.15 128

AIO-Stereo	0.26 17	0.19 62	0.36 50	0.39 108	0.18 10	0.28 52	0.30 115	0.52 46	0.29 11	0.30 33	0.31 27	0.32 32	0.17 4	0.55 110	0.23 11	0.13 24	0.10 17	0.14 36	0.11 40	0.13 34	0.11 8

IGEVStereo-DCA	0.30 50	0.24 199	0.42 106	0.36 50	0.27 223	0.38 143	0.34 177	0.66 117	0.35 29	0.39 63	0.31 27	0.35 52	0.27 62	0.62 181	0.25 25	0.16 147	0.12 134	0.16 100	0.12 61	0.14 71	0.16 159

rrr	0.31 63	0.24 199	0.56 260	0.36 50	0.27 223	0.38 143	0.31 138	0.56 69	0.44 85	0.39 63	0.31 27	0.35 52	0.27 62	0.62 181	0.25 25	0.16 147	0.12 134	0.16 100	0.13 92	0.14 71	0.14 91

ProNet	0.30 50	0.22 150	0.41 94	0.36 50	0.25 152	0.33 106	0.42 300	0.62 90	0.41 68	0.33 41	0.31 27	0.32 32	0.28 72	0.60 153	0.28 75	0.13 24	0.11 68	0.16 100	0.13 92	0.13 34	0.14 91

test_for_model	0.90 415	3.60 509	0.42 106	2.47 498	2.11 498	0.39 150	0.28 86	0.46 29	0.48 103	0.76 233	0.32 34	0.30 20	0.28 72	0.35 15	0.27 58	0.69 469	0.12 134	0.13 22	0.09 5	3.76 508	0.74 468

test_xeample3	0.31 63	0.23 178	0.56 260	0.36 50	0.26 188	0.35 118	0.32 151	0.60 80	0.38 46	0.44 88	0.32 34	0.33 40	0.28 72	0.66 219	0.27 58	0.14 44	0.12 134	0.16 100	0.12 61	0.14 71	0.14 91

ff7	0.30 50	0.22 150	0.42 106	0.37 66	0.26 188	0.31 83	0.34 177	0.66 117	0.35 29	0.39 63	0.33 36	0.31 24	0.28 72	0.61 159	0.26 37	0.14 44	0.11 68	0.17 136	0.12 61	0.15 111	0.16 159

ffff	0.30 50	0.22 150	0.42 106	0.37 66	0.26 188	0.31 83	0.34 177	0.66 117	0.35 29	0.39 63	0.33 36	0.31 24	0.28 72	0.61 159	0.26 37	0.14 44	0.11 68	0.17 136	0.12 61	0.15 111	0.16 159

11t	0.30 50	0.22 150	0.42 106	0.37 66	0.26 188	0.31 83	0.34 177	0.66 117	0.35 29	0.39 63	0.33 36	0.31 24	0.28 72	0.61 159	0.26 37	0.14 44	0.11 68	0.17 136	0.12 61	0.15 111	0.16 159

anonymousdsp	0.30 50	0.22 150	0.41 94	0.38 84	0.26 188	0.31 83	0.35 200	0.68 134	0.36 35	0.40 73	0.33 36	0.32 32	0.28 72	0.62 181	0.26 37	0.14 44	0.10 17	0.17 136	0.12 61	0.15 111	0.16 159

ccc-4	0.30 50	0.22 150	0.42 106	0.37 66	0.26 188	0.31 83	0.34 177	0.66 117	0.35 29	0.39 63	0.33 36	0.31 24	0.28 72	0.61 159	0.26 37	0.14 44	0.11 68	0.17 136	0.12 61	0.15 111	0.16 159

IGEV-Stereo	0.30 50	0.22 150	0.41 94	0.38 84	0.26 188	0.30 69	0.35 200	0.68 134	0.36 35	0.40 73	0.33 36	0.32 32	0.28 72	0.62 181	0.26 37	0.14 44	0.10 17	0.17 136	0.12 61	0.15 111	0.16 159
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
mms	0.27 24	0.21 120	0.36 50	0.38 84	0.25 152	0.31 83	0.32 151	0.43 17	0.33 21	0.29 27	0.34 42	0.34 45	0.20 14	0.48 74	0.26 37	0.13 24	0.11 68	0.16 100	0.13 92	0.15 111	0.13 64

ours_stereo	0.27 24	0.22 150	0.35 38	0.38 84	0.24 123	0.30 69	0.32 151	0.46 29	0.39 51	0.27 21	0.34 42	0.35 52	0.23 32	0.49 83	0.27 58	0.13 24	0.11 68	0.16 100	0.12 61	0.14 71	0.12 28

RAStereo	0.25 10	0.17 22	0.33 26	0.40 145	0.21 44	0.24 15	0.26 63	0.45 23	0.46 95	0.23 6	0.34 42	0.30 20	0.19 10	0.34 12	0.26 37	0.15 105	0.12 134	0.16 100	0.13 92	0.14 71	0.11 8

MyStereo07	0.33 76	0.23 178	0.37 59	0.43 242	0.29 268	0.40 158	0.48 339	0.78 213	0.38 46	0.38 58	0.34 42	0.32 32	0.30 104	0.63 192	0.28 75	0.14 44	0.13 197	0.19 211	0.17 222	0.18 212	0.17 201

MM-Stereo_test2	0.30 50	0.18 39	0.41 94	0.41 170	0.25 152	0.41 169	0.41 291	0.65 111	0.43 81	0.38 58	0.36 46	0.31 24	0.26 56	0.55 110	0.25 25	0.12 5	0.11 68	0.15 76	0.12 61	0.15 111	0.12 28

SCV_C0	0.28 34	0.20 92	0.40 87	0.36 50	0.25 152	0.23 11	0.28 86	0.60 80	0.41 68	0.31 35	0.36 46	0.37 63	0.20 14	0.61 159	0.23 11	0.13 24	0.11 68	0.13 22	0.11 40	0.16 158	0.13 64

IGEV++	0.25 10	0.17 22	0.35 38	0.40 145	0.23 84	0.24 15	0.23 37	0.56 69	0.24 5	0.29 27	0.36 46	0.30 20	0.22 26	0.33 8	0.29 91	0.14 44	0.10 17	0.14 36	0.10 23	0.13 34	0.14 91

fffy	0.29 41	0.22 150	0.38 69	0.38 84	0.23 84	0.33 106	0.29 98	0.55 61	0.42 75	0.33 41	0.37 49	0.39 76	0.27 62	0.52 96	0.28 75	0.13 24	0.12 134	0.16 100	0.13 92	0.14 71	0.12 28

Pointernet	0.27 24	0.15 3	0.35 38	0.36 50	0.23 84	0.35 118	0.21 16	0.74 192	0.41 68	0.39 63	0.37 49	0.34 45	0.25 44	0.37 19	0.27 58	0.15 105	0.11 68	0.12 3	0.09 5	0.11 3	0.11 8

Former-RAFT_DAM_RVC	0.34 85	0.28 295	0.48 174	0.37 66	0.25 152	0.47 202	0.30 115	0.60 80	0.92 307	0.43 85	0.37 49	0.30 20	0.29 88	0.50 88	0.30 105	0.17 182	0.14 234	0.18 178	0.15 144	0.18 212	0.16 159

Selective-RAFT	0.36 100	0.23 178	0.54 245	0.45 279	0.22 57	0.64 289	0.27 73	0.62 90	0.65 155	0.41 76	0.38 52	0.55 153	0.39 169	0.59 141	0.36 166	0.14 44	0.12 134	0.14 36	0.12 61	0.16 158	0.14 91

GIP-stereo	0.25 10	0.19 62	0.32 23	0.38 84	0.25 152	0.26 29	0.20 4	0.50 39	0.41 68	0.25 11	0.39 53	0.35 52	0.20 14	0.33 8	0.22 4	0.16 147	0.11 68	0.13 22	0.10 23	0.12 9	0.12 28

rvit_stereo_0081	0.33 76	0.25 230	0.49 182	0.43 242	0.26 188	0.31 83	0.37 225	0.45 23	0.56 123	0.37 52	0.40 54	0.39 76	0.38 154	0.44 48	0.35 155	0.22 307	0.16 281	0.19 211	0.16 171	0.20 264	0.14 91

rvit_stereo_0082	0.33 76	0.25 230	0.49 182	0.43 242	0.26 188	0.31 83	0.37 225	0.45 23	0.56 123	0.37 52	0.40 54	0.39 76	0.38 154	0.44 48	0.35 155	0.22 307	0.16 281	0.19 211	0.16 171	0.20 264	0.14 91

castereo	0.29 41	0.17 22	0.34 31	0.36 50	0.21 44	0.40 158	0.41 291	0.52 46	0.67 164	0.27 21	0.41 56	0.37 63	0.36 140	0.34 12	0.25 25	0.13 24	0.09 2	0.13 22	0.10 23	0.12 9	0.10 1

rvit_stereo_ft	0.35 90	0.26 263	0.54 245	0.53 390	0.32 328	0.33 106	0.46 325	0.52 46	0.52 117	0.35 47	0.41 56	0.41 88	0.34 127	0.49 83	0.36 166	0.22 307	0.14 234	0.19 211	0.18 253	0.19 247	0.15 128

rvit_stereo_0080	0.32 68	0.26 263	0.45 137	0.39 108	0.28 245	0.27 39	0.46 325	0.51 43	0.46 95	0.36 50	0.42 58	0.41 88	0.29 88	0.41 35	0.34 146	0.22 307	0.17 313	0.17 136	0.16 171	0.23 318	0.16 159

whm_eth	0.32 68	0.26 263	0.45 137	0.39 108	0.28 245	0.27 39	0.46 325	0.51 43	0.46 95	0.36 50	0.42 58	0.41 88	0.29 88	0.41 35	0.34 146	0.22 307	0.17 313	0.17 136	0.16 171	0.23 318	0.16 159

Occ-G	0.27 24	0.15 3	0.32 23	0.35 28	0.21 44	0.28 52	0.32 151	0.44 20	0.34 24	0.29 27	0.43 60	0.49 134	0.25 44	0.50 88	0.30 105	0.14 44	0.11 68	0.14 36	0.11 40	0.13 34	0.13 64

TRStereo	0.39 148	0.32 335	0.64 300	0.49 341	0.41 389	0.30 69	0.30 115	0.97 281	0.63 145	0.53 119	0.43 60	0.52 144	0.26 56	0.77 294	0.29 91	0.18 215	0.12 134	0.19 211	0.19 280	0.13 34	0.13 64

PAM_32	0.50 266	0.20 92	0.69 328	0.40 145	0.24 123	1.09 413	0.29 98	1.12 334	0.40 62	0.74 223	0.44 62	1.98 463	0.64 295	0.64 199	0.27 58	0.16 147	0.11 68	0.17 136	0.15 144	0.14 71	0.15 128

rvit_stereo_0081_aga	0.32 68	0.29 309	0.50 194	0.43 242	0.29 268	0.36 126	0.32 151	0.46 29	0.42 75	0.40 73	0.44 62	0.41 88	0.34 127	0.43 45	0.31 117	0.23 332	0.17 313	0.19 211	0.16 171	0.20 264	0.15 128

rvit_0105_6	0.40 163	0.28 295	0.68 319	0.51 364	0.30 292	0.39 150	0.41 291	0.53 52	0.68 166	0.41 76	0.45 64	0.50 136	0.45 197	0.55 110	0.37 175	0.28 377	0.26 405	0.24 337	0.22 342	0.22 298	0.17 201

test-3	0.35 90	0.17 22	0.48 174	0.40 145	0.22 57	0.42 179	0.22 25	0.66 117	0.80 230	0.72 209	0.45 64	0.63 206	0.29 88	0.45 53	0.32 124	0.13 24	0.09 2	0.17 136	0.13 92	0.13 34	0.11 8

test_1	0.35 90	0.17 22	0.48 174	0.40 145	0.22 57	0.42 179	0.22 25	0.66 117	0.80 230	0.70 198	0.45 64	0.63 206	0.29 88	0.45 53	0.32 124	0.13 24	0.09 2	0.17 136	0.13 92	0.13 34	0.11 8

PAM	0.50 266	0.21 120	0.75 351	0.41 170	0.26 188	1.11 418	0.37 225	1.10 328	0.39 51	0.75 227	0.46 67	1.92 460	0.61 277	0.62 181	0.28 75	0.16 147	0.10 17	0.16 100	0.14 120	0.14 71	0.15 128

CAS++	0.33 76	0.25 230	0.39 75	0.38 84	0.26 188	0.32 96	0.24 42	0.87 241	0.53 120	0.48 103	0.46 67	0.26 14	0.21 19	0.50 88	0.26 37	0.23 332	0.20 353	0.22 304	0.17 222	0.21 275	0.17 201
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
tt1	0.37 118	0.25 230	0.35 38	0.43 242	0.23 84	0.52 222	0.37 225	0.72 173	1.13 394	0.42 80	0.46 67	0.35 52	0.44 190	0.61 159	0.26 37	0.17 182	0.11 68	0.19 211	0.13 92	0.16 158	0.17 201

UniTT-Stereo	0.27 24	0.18 39	0.40 87	0.40 145	0.28 245	0.30 69	0.28 86	0.40 10	0.33 21	0.30 33	0.46 67	0.27 15	0.25 44	0.48 74	0.35 155	0.17 182	0.13 197	0.14 36	0.12 61	0.14 71	0.13 64

AEACV	0.28 34	0.18 39	0.34 31	0.36 50	0.45 412	0.27 39	0.27 73	0.41 12	0.39 51	0.31 35	0.46 67	0.31 24	0.36 140	0.38 22	0.25 25	0.14 44	0.11 68	0.15 76	0.13 92	0.13 34	0.13 64

test_3	0.37 118	0.19 62	0.50 194	0.45 279	0.24 123	0.47 202	0.36 212	0.69 144	0.84 256	0.66 171	0.46 67	0.68 241	0.25 44	0.45 53	0.32 124	0.12 5	0.10 17	0.18 178	0.16 171	0.15 111	0.12 28

rvit_stereo_0083	0.34 85	0.25 230	0.53 232	0.45 279	0.28 245	0.35 118	0.35 200	0.47 35	0.64 149	0.38 58	0.47 73	0.42 95	0.37 146	0.41 35	0.39 199	0.22 307	0.20 353	0.20 247	0.17 222	0.21 275	0.15 128

GLC_STEREO	0.30 50	0.20 92	0.28 13	0.44 266	0.19 16	0.31 83	0.25 52	0.49 37	0.43 81	0.37 52	0.47 73	0.40 83	0.23 32	0.51 95	0.37 175	0.15 105	0.18 327	0.19 211	0.16 171	0.16 158	0.14 91

rvit_0105_4	0.42 185	0.30 324	0.77 356	0.52 381	0.29 268	0.41 169	0.44 315	0.57 72	0.75 203	0.45 89	0.48 75	0.56 159	0.49 217	0.58 133	0.37 175	0.28 377	0.26 405	0.25 350	0.22 342	0.24 331	0.19 236

CES	0.29 41	0.15 3	0.25 1	0.31 7	0.71 461	0.36 126	0.27 73	0.51 43	0.47 101	0.34 45	0.48 75	0.27 15	0.23 32	0.40 31	0.24 19	0.13 24	0.11 68	0.12 3	0.08 1	0.13 34	0.32 386

sAnonymous2	0.42 185	0.41 388	0.96 405	0.48 331	0.37 367	0.41 169	0.48 339	0.60 80	0.52 117	0.39 63	0.48 75	0.35 52	0.44 190	0.44 48	0.30 105	0.19 252	0.14 234	0.19 211	0.17 222	0.55 455	0.43 433

CroCo_RVC	0.42 185	0.41 388	0.96 405	0.48 331	0.37 367	0.41 169	0.48 339	0.60 80	0.52 117	0.39 63	0.48 75	0.35 52	0.44 190	0.44 48	0.30 105	0.19 252	0.14 234	0.19 211	0.17 222	0.55 455	0.43 433

sCroCo_RVC	0.36 100	0.29 309	0.73 344	0.52 381	0.39 381	0.42 179	0.31 138	0.52 46	0.46 95	0.31 35	0.48 75	0.38 69	0.32 115	0.46 59	0.33 134	0.22 307	0.23 379	0.19 211	0.19 280	0.21 275	0.22 301

WCG-NET	0.29 41	0.15 3	0.35 38	0.34 19	0.19 16	0.32 96	0.27 73	0.42 15	0.82 249	0.46 95	0.49 80	0.39 76	0.25 44	0.42 40	0.27 58	0.12 5	0.09 2	0.13 22	0.11 40	0.12 9	0.11 8

gcap-zeroshot	0.35 90	0.20 92	0.61 285	0.39 108	0.23 84	0.53 225	0.27 73	0.58 75	0.35 29	0.64 160	0.49 80	0.87 320	0.34 127	0.49 83	0.25 25	0.14 44	0.12 134	0.15 76	0.12 61	0.13 34	0.14 91

ACVNet-DCA	0.36 100	0.25 230	0.35 38	0.42 202	0.23 84	0.53 225	0.37 225	0.91 255	0.59 134	0.42 80	0.50 82	0.34 45	0.47 209	0.61 159	0.26 37	0.17 182	0.11 68	0.19 211	0.13 92	0.18 212	0.19 236

xx1	0.40 163	0.25 230	0.35 38	0.42 202	0.23 84	0.53 225	0.37 225	0.71 163	1.17 405	0.42 80	0.50 82	0.65 219	0.56 247	0.61 159	0.26 37	0.17 182	0.11 68	0.20 247	0.19 280	0.18 212	0.19 236

1test111	0.37 118	0.25 230	0.35 38	0.42 202	0.23 84	0.53 225	0.37 225	0.91 255	0.59 134	0.42 80	0.50 82	0.34 45	0.47 209	0.59 141	0.48 262	0.17 182	0.11 68	0.19 211	0.13 92	0.18 212	0.19 236

cc1	0.38 135	0.25 230	0.35 38	0.42 202	0.23 84	0.53 225	0.37 225	0.71 163	1.17 405	0.42 80	0.50 82	0.34 45	0.47 209	0.61 159	0.26 37	0.17 182	0.11 68	0.19 211	0.13 92	0.16 158	0.17 201

testlalala	0.29 41	0.20 92	0.45 137	0.34 19	0.24 123	0.44 191	0.29 98	0.50 39	0.30 12	0.70 198	0.50 82	0.35 52	0.25 44	0.33 8	0.25 25	0.15 105	0.11 68	0.14 36	0.09 5	0.12 9	0.13 64

GCAP-Stereo	0.29 41	0.21 120	0.45 137	0.39 108	0.20 31	0.39 150	0.22 25	0.60 80	0.46 95	0.47 98	0.50 82	0.39 76	0.27 62	0.34 12	0.24 19	0.14 44	0.12 134	0.14 36	0.11 40	0.13 34	0.12 28

AnonymousM	0.42 185	0.86 461	0.31 21	0.35 28	0.23 84	0.30 69	0.37 225	0.56 69	0.44 85	0.72 209	0.50 82	0.47 124	0.29 88	0.42 40	0.35 155	0.16 147	0.12 134	1.51 482	0.32 420	0.12 9	0.11 8

MM-Stereo_test1	0.34 85	0.19 62	0.37 59	0.42 202	0.23 84	0.35 118	0.44 315	0.62 90	0.56 123	0.61 139	0.51 89	0.38 69	0.36 140	0.65 207	0.27 58	0.15 105	0.13 197	0.17 136	0.14 120	0.15 111	0.13 64

model_zeroshot	0.35 90	0.20 92	0.56 260	0.41 170	0.30 292	0.51 214	0.26 63	0.69 144	0.48 103	0.65 165	0.51 89	0.52 144	0.25 44	0.46 59	0.27 58	0.17 182	0.13 197	0.15 76	0.14 120	0.13 34	0.14 91

RAFT-Stereo-weight	0.33 76	0.19 62	0.36 50	0.39 108	0.23 84	0.28 52	0.29 98	0.69 144	0.83 255	0.55 122	0.51 89	0.58 178	0.20 14	0.48 74	0.30 105	0.13 24	0.10 17	0.14 36	0.12 61	0.13 34	0.12 28

MGS-Stereo	0.29 41	0.20 92	0.42 106	0.37 66	0.24 123	0.37 137	0.30 115	0.40 10	0.50 110	0.32 39	0.51 89	0.40 83	0.24 37	0.45 53	0.28 75	0.16 147	0.12 134	0.15 76	0.13 92	0.15 111	0.14 91

LoS_RVC	0.28 34	0.17 22	0.29 15	0.33 16	0.32 328	0.43 183	0.34 177	0.42 15	0.34 24	0.33 41	0.51 89	0.29 18	0.38 154	0.37 19	0.28 75	0.11 2	0.10 17	0.11 1	0.08 1	0.11 3	0.26 344

anonymousdsp2	0.37 118	0.21 120	0.49 182	0.38 84	0.24 123	0.48 207	0.31 138	0.91 255	0.68 166	0.57 128	0.51 89	0.51 140	0.34 127	0.59 141	0.33 134	0.14 44	0.11 68	0.14 36	0.10 23	0.16 158	0.16 159

CREStereo	0.28 34	0.16 13	0.25 1	0.28 1	0.17 5	0.38 143	0.25 52	0.52 46	0.76 208	0.43 85	0.51 89	0.32 32	0.28 72	0.39 23	0.27 58	0.16 147	0.11 68	0.12 3	0.09 5	0.12 9	0.12 28
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
MM-Stereo_test3	0.35 90	0.19 62	0.33 26	0.42 202	0.26 188	0.34 115	0.44 315	0.74 192	0.93 312	0.47 98	0.52 96	0.42 95	0.29 88	0.46 59	0.29 91	0.17 182	0.15 255	0.17 136	0.13 92	0.14 71	0.15 128

Reg-Stereo(zero)	0.31 63	0.17 22	0.30 19	0.35 28	0.19 16	0.33 106	0.21 16	0.64 108	0.72 184	0.52 111	0.52 96	0.51 140	0.29 88	0.48 74	0.27 58	0.13 24	0.10 17	0.12 3	0.10 23	0.12 9	0.13 64

rvit_0105_5	0.44 204	0.32 335	0.79 360	0.51 364	0.29 268	0.44 191	0.43 307	0.62 90	0.76 208	0.51 108	0.52 96	0.61 194	0.53 229	0.58 133	0.38 190	0.28 377	0.25 396	0.25 350	0.24 369	0.22 298	0.20 265

trnet	0.28 34	0.15 3	0.25 1	0.29 3	0.16 2	0.38 143	0.23 37	0.53 52	0.77 211	0.43 85	0.52 96	0.34 45	0.28 72	0.39 23	0.27 58	0.15 105	0.11 68	0.12 3	0.08 1	0.11 3	0.11 8

CAS	0.37 118	0.13 1	0.27 10	1.34 480	0.31 304	0.46 200	0.38 242	0.50 39	0.48 103	0.35 47	0.52 96	0.24 9	0.19 10	0.30 4	0.28 75	1.03 482	0.08 1	0.12 3	0.08 1	0.12 9	0.28 364

LoS	0.30 50	0.16 13	0.32 23	0.30 5	0.19 16	0.32 96	0.29 98	0.54 58	0.73 194	0.35 47	0.52 96	0.42 95	0.29 88	0.48 74	0.29 91	0.15 105	0.11 68	0.13 22	0.09 5	0.12 9	0.12 28
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
LL-Strereo2	0.36 100	0.25 230	0.52 224	0.43 242	0.27 223	0.36 126	0.27 73	0.70 156	0.46 95	0.55 122	0.53 102	0.65 219	0.24 37	0.69 245	0.32 124	0.14 44	0.13 197	0.23 323	0.20 301	0.19 247	0.14 91

4D-IteraStereo	0.33 76	0.19 62	0.43 125	0.40 145	0.24 123	0.32 96	0.27 73	0.59 78	0.72 184	0.66 171	0.53 102	0.42 95	0.22 26	0.46 59	0.30 105	0.14 44	0.09 2	0.20 247	0.16 171	0.16 158	0.12 28

iRaft-Stereo_20w	0.42 185	0.20 92	0.63 295	0.39 108	0.27 223	0.33 106	0.25 52	1.76 471	0.37 42	0.73 216	0.53 102	0.63 206	0.42 182	0.86 328	0.29 91	0.14 44	0.11 68	0.14 36	0.13 92	0.15 111	0.15 128

MyStereo06	0.40 163	0.22 150	0.65 305	0.42 202	0.29 268	0.43 183	0.48 339	1.05 309	0.43 81	0.64 160	0.54 105	0.78 291	0.27 62	0.53 101	0.31 117	0.14 44	0.13 197	0.18 178	0.17 222	0.17 184	0.17 201

CASnet	0.30 50	0.20 92	0.34 31	0.42 202	0.17 5	0.25 26	0.24 42	0.53 52	0.56 123	0.54 120	0.54 105	0.39 76	0.24 37	0.41 35	0.26 37	0.15 105	0.10 17	0.22 304	0.18 253	0.18 212	0.12 28
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GMStereo	0.40 163	0.38 371	0.61 285	0.41 170	0.27 223	0.47 202	0.35 200	0.62 90	1.04 363	0.57 128	0.54 105	0.38 69	0.36 140	0.56 120	0.41 225	0.20 273	0.13 197	0.16 100	0.17 222	0.24 331	0.20 265
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet-RSSM	0.35 90	0.18 39	0.47 161	0.39 108	0.22 57	0.35 118	0.23 37	0.78 213	0.86 268	0.67 180	0.54 105	0.56 159	0.28 72	0.49 83	0.28 75	0.14 44	0.10 17	0.14 36	0.12 61	0.13 34	0.12 28

PMTNet	0.33 76	0.17 22	0.26 6	0.29 3	0.18 10	0.44 191	0.22 25	0.57 72	0.66 158	0.46 95	0.54 105	0.38 69	0.34 127	0.50 88	0.25 25	0.75 470	0.10 17	0.12 3	0.09 5	0.13 34	0.12 28

WCG-NET（raft）	0.31 63	0.16 13	0.39 75	0.33 16	0.19 16	0.35 118	0.27 73	0.54 58	0.79 222	0.45 89	0.55 110	0.47 124	0.27 62	0.56 120	0.28 75	0.13 24	0.10 17	0.12 3	0.11 40	0.12 9	0.12 28

AE-Stereo	0.36 100	0.21 120	0.47 161	0.49 341	0.31 304	0.50 209	0.34 177	0.72 173	0.73 194	0.34 45	0.55 110	0.52 144	0.28 72	0.48 74	0.31 117	0.13 24	0.13 197	0.18 178	0.16 171	0.15 111	0.14 91

11t1	0.38 135	0.23 178	0.49 182	0.36 50	0.23 84	0.61 270	0.31 138	0.74 192	0.47 101	0.62 143	0.55 110	0.55 153	0.49 217	0.58 133	0.45 245	0.18 215	0.15 255	0.16 100	0.13 92	0.17 184	0.19 236

testlalala_base	0.49 253	0.26 263	0.44 130	0.47 323	0.34 351	0.57 251	0.26 63	0.60 80	0.37 42	0.52 111	0.56 113	0.46 119	0.31 108	0.45 53	0.33 134	1.56 489	0.11 68	0.14 36	0.10 23	1.85 481	0.15 128

raftrobust	0.35 90	0.20 92	0.39 75	0.43 242	0.29 268	0.31 83	0.25 52	0.73 185	0.66 158	0.59 132	0.56 113	0.44 107	0.45 197	0.55 110	0.31 117	0.16 147	0.12 134	0.14 36	0.12 61	0.12 9	0.14 91

testlalala2	0.37 118	0.19 62	0.45 137	0.94 467	0.56 441	0.45 198	0.25 52	0.64 108	0.51 116	0.69 192	0.57 115	0.44 107	0.24 37	0.35 15	0.33 134	0.15 105	0.13 197	0.14 36	0.10 23	0.13 34	0.14 91

IGEV_Zeroshot_test	0.36 100	0.19 62	0.71 333	0.41 170	0.29 268	0.30 69	0.25 52	0.86 240	0.40 62	0.64 160	0.57 115	0.56 159	0.25 44	0.56 120	0.29 91	0.15 105	0.11 68	0.16 100	0.14 120	0.14 71	0.14 91

riskmin	0.41 178	0.21 120	0.44 130	0.34 19	0.24 123	0.58 256	0.32 151	0.70 156	0.86 268	0.52 111	0.57 115	0.78 291	0.60 271	0.58 133	0.39 199	0.17 182	0.12 134	0.19 211	0.13 92	0.19 247	0.22 301

MyStereo04	0.45 213	0.23 178	0.52 224	0.43 242	0.29 268	0.40 158	0.48 339	1.02 296	1.12 389	0.62 143	0.58 118	0.55 153	0.56 247	0.77 294	0.45 245	0.14 44	0.13 197	0.19 211	0.17 222	0.18 212	0.17 201

s12784h	0.37 118	0.15 3	0.26 6	0.34 19	0.15 1	0.80 354	0.29 98	0.83 232	0.87 275	0.58 131	0.58 118	0.43 104	0.41 177	0.59 141	0.35 155	0.12 5	0.10 17	0.14 36	0.09 5	0.14 71	0.10 1

rvit_0105_3	0.48 240	0.35 352	0.85 385	0.56 409	0.31 304	0.48 207	0.48 339	0.65 111	0.81 239	0.66 171	0.59 120	0.66 231	0.56 247	0.66 219	0.41 225	0.30 394	0.27 410	0.29 393	0.28 402	0.21 275	0.21 282

HH	0.37 118	0.22 150	0.49 182	0.41 170	0.26 188	0.36 126	0.30 115	0.87 241	0.41 68	0.45 89	0.59 120	0.78 291	0.43 184	0.77 294	0.26 37	0.15 105	0.11 68	0.15 76	0.14 120	0.14 71	0.14 91

HanStereo	0.37 118	0.22 150	0.49 182	0.41 170	0.26 188	0.36 126	0.30 115	0.87 241	0.41 68	0.45 89	0.59 120	0.78 291	0.43 184	0.77 294	0.26 37	0.15 105	0.11 68	0.15 76	0.14 120	0.14 71	0.14 91

UDGNet	0.50 266	0.82 455	0.56 260	0.51 364	0.32 328	0.41 169	0.34 177	0.71 163	0.93 312	0.65 165	0.60 123	0.58 178	0.44 190	0.65 207	0.43 232	0.33 410	0.15 255	0.67 467	0.20 301	0.49 443	0.23 323

MIPNet	0.39 148	0.22 150	0.66 307	0.40 145	0.25 152	0.53 225	0.29 98	0.78 213	0.74 200	0.68 189	0.60 123	0.40 83	0.48 213	0.45 53	0.39 199	0.14 44	0.11 68	0.16 100	0.13 92	0.14 71	0.14 91

Gwc-CoAtRS	0.35 90	0.18 39	0.46 150	0.39 108	0.23 84	0.34 115	0.22 25	0.74 192	0.77 211	0.62 143	0.60 123	0.58 178	0.29 88	0.47 67	0.29 91	0.14 44	0.11 68	0.14 36	0.12 61	0.13 34	0.13 64

UGAM-zero	0.48 240	0.21 120	0.66 307	0.38 84	0.23 84	0.36 126	0.22 25	1.30 406	0.43 81	0.67 180	0.61 126	1.74 453	0.89 402	0.79 304	0.27 58	0.15 105	0.12 134	0.15 76	0.12 61	0.13 34	0.14 91

Anonymous_2	0.84 404	0.45 398	0.66 307	0.41 170	0.45 412	0.82 362	0.53 369	0.81 225	0.81 239	0.73 216	0.61 126	0.91 337	0.76 365	0.77 294	0.61 324	0.51 457	0.55 474	0.54 461	4.92 511	0.54 453	0.42 428

MC-Stereo	0.29 41	0.18 39	0.35 38	0.40 145	0.21 44	0.26 29	0.26 63	0.53 52	0.40 62	0.38 58	0.61 126	0.41 88	0.31 108	0.57 129	0.27 58	0.14 44	0.10 17	0.14 36	0.12 61	0.12 9	0.12 28

MyStereo05	0.46 220	0.22 150	0.51 203	0.42 202	0.29 268	0.43 183	0.48 339	0.96 279	1.12 389	0.77 241	0.62 129	0.51 140	0.57 258	0.79 304	0.43 232	0.14 44	0.13 197	0.18 178	0.17 222	0.17 184	0.17 201

MIF-Stereo (partial)	0.32 68	0.19 62	0.41 94	0.41 170	0.32 328	0.29 61	0.24 42	0.49 37	0.44 85	0.31 35	0.63 130	0.37 63	0.36 140	0.60 153	0.32 124	0.17 182	0.13 197	0.19 211	0.17 222	0.18 212	0.15 128

EKT-Stereo	0.36 100	0.24 199	0.44 130	0.44 266	0.30 292	0.37 137	0.30 115	0.72 173	0.68 166	0.47 98	0.63 130	0.49 134	0.28 72	0.59 141	0.34 146	0.19 252	0.14 234	0.18 178	0.15 144	0.16 158	0.18 225

NRIStereo	0.37 118	0.21 120	0.49 182	0.42 202	0.23 84	0.33 106	0.25 52	0.68 134	0.59 134	0.65 165	0.63 130	0.55 153	0.37 146	0.67 229	0.40 220	0.16 147	0.12 134	0.18 178	0.15 144	0.17 184	0.15 128

MSKI-zero shot	0.33 76	0.19 62	0.36 50	0.41 170	0.22 57	0.32 96	0.22 25	0.65 111	0.45 89	0.52 111	0.64 133	0.60 192	0.19 10	0.78 302	0.27 58	0.14 44	0.11 68	0.14 36	0.10 23	0.13 34	0.13 64

OMP-Stereo	0.43 198	0.23 178	0.50 194	0.53 390	0.25 152	0.36 126	0.24 42	0.73 185	0.81 239	0.78 252	0.64 133	0.88 324	0.41 177	0.95 360	0.36 166	0.15 105	0.12 134	0.20 247	0.15 144	0.16 158	0.13 64

tg	0.34 85	0.19 62	0.40 87	0.40 145	0.23 84	0.38 143	0.26 63	0.74 192	0.60 141	0.48 103	0.65 135	0.42 95	0.24 37	0.57 129	0.33 134	0.14 44	0.10 17	0.18 178	0.17 222	0.14 71	0.12 28

RCA-Stereo	0.36 100	0.18 39	0.37 59	0.38 84	0.23 84	0.31 83	0.33 166	0.70 156	1.25 419	0.45 89	0.65 135	0.46 119	0.43 184	0.40 31	0.29 91	0.14 44	0.10 17	0.14 36	0.12 61	0.12 9	0.12 28

Anonymous3	0.47 231	0.35 352	0.91 398	0.50 352	0.38 373	0.81 359	0.55 379	0.76 205	0.66 158	0.52 111	0.65 135	0.44 107	0.45 197	0.66 219	0.39 199	0.25 354	0.25 396	0.22 304	0.21 320	0.23 318	0.24 334

RALAANet	0.40 163	0.24 199	0.56 260	0.43 242	0.30 292	0.36 126	0.25 52	0.89 249	0.69 173	0.69 192	0.65 135	0.61 194	0.30 104	0.63 192	0.35 155	0.16 147	0.13 197	0.18 178	0.15 144	0.21 275	0.14 91

HART	0.30 50	0.17 22	0.33 26	0.41 170	0.21 44	0.32 96	0.26 63	0.67 128	0.32 18	0.33 41	0.66 139	0.41 88	0.22 26	0.58 133	0.25 25	0.12 5	0.11 68	0.15 76	0.11 40	0.15 111	0.12 28

GCAP-BAT	0.32 68	0.21 120	0.45 137	0.34 19	0.29 268	0.28 52	0.27 73	0.53 52	0.32 18	0.61 139	0.66 139	0.47 124	0.25 44	0.59 141	0.28 75	0.15 105	0.12 134	0.15 76	0.10 23	0.12 9	0.12 28

plain	0.32 68	0.21 120	0.59 279	0.40 145	0.29 268	0.27 39	0.30 115	0.46 29	0.36 35	0.32 39	0.66 139	0.31 24	0.33 121	0.68 238	0.32 124	0.18 215	0.13 197	0.20 247	0.15 144	0.18 212	0.13 64

DLNR_Zeroshot_test	20.12 515	36.36 521	38.38 519	170.13 527	62.28 523	0.22 7	0.20 4	13.43 514	0.40 62	0.45 89	0.66 139	0.42 95	0.21 19	0.64 199	0.32 124	5.57 512	0.10 17	0.15 76	0.11 40	72.31 526	0.13 64

dd	0.44 204	0.40 384	0.62 291	0.44 266	0.26 188	0.51 214	0.38 242	0.72 173	1.07 377	0.60 134	0.66 139	0.43 104	0.40 173	0.68 238	0.53 294	0.24 342	0.15 255	0.21 290	0.16 171	0.24 331	0.19 236

rafts_anoy	0.38 135	0.22 150	0.38 69	0.43 242	0.28 245	0.32 96	0.32 151	0.70 156	0.91 301	0.59 132	0.66 139	0.45 115	0.33 121	0.49 83	0.41 225	0.16 147	0.12 134	0.21 290	0.23 355	0.18 212	0.16 159

iRaftStereo_RVC	0.33 76	0.20 92	0.40 87	0.40 145	0.23 84	0.31 83	0.29 98	0.70 156	0.55 122	0.49 105	0.66 139	0.37 63	0.23 32	0.47 67	0.33 134	0.14 44	0.11 68	0.19 211	0.17 222	0.16 158	0.13 64

GCST	0.85 409	1.25 478	0.80 361	1.58 483	1.03 476	1.04 407	0.24 42	0.81 225	0.81 239	0.99 374	0.67 146	0.78 291	0.35 134	0.98 372	0.38 190	0.97 478	0.65 478	1.20 479	0.81 482	0.93 471	0.72 467

DeepStereo_RVC	0.37 118	0.22 150	0.51 203	0.41 170	0.24 123	0.26 29	0.22 25	0.64 108	0.40 62	0.69 192	0.67 146	0.57 163	0.50 220	0.58 133	0.42 230	0.17 182	0.12 134	0.18 178	0.16 171	0.19 247	0.19 236

test-1	0.37 118	0.20 92	0.76 353	0.47 323	0.27 223	0.44 191	0.36 212	0.63 98	0.65 155	0.49 105	0.67 146	0.54 151	0.35 134	0.42 40	0.30 105	0.14 44	0.12 134	0.16 100	0.14 120	0.15 111	0.18 225

rvit_105_1	0.56 321	0.42 392	0.84 379	0.59 421	0.37 367	0.59 263	0.68 410	0.73 185	0.97 336	0.82 266	0.69 149	0.75 277	0.63 287	0.80 307	0.56 303	0.34 418	0.29 419	0.31 404	0.34 428	0.23 318	0.23 323

knoymous	0.37 118	0.22 150	0.34 31	0.32 11	0.22 57	0.38 143	0.29 98	0.63 98	0.65 155	0.69 192	0.69 149	0.60 192	0.40 173	0.61 159	0.36 166	0.17 182	0.11 68	0.20 247	0.12 61	0.18 212	0.19 236

TANstereo	0.31 63	0.16 13	0.34 31	0.31 7	0.17 5	0.55 237	0.23 37	0.46 29	0.56 123	0.60 134	0.69 149	0.37 63	0.26 56	0.36 17	0.28 75	0.16 147	0.16 281	0.13 22	0.10 23	0.14 71	0.15 128

XX-TBD	0.32 68	0.53 416	0.26 6	0.53 390	0.21 44	0.38 143	0.24 42	0.41 12	0.77 211	0.55 122	0.70 152	0.31 24	0.26 56	0.33 8	0.28 75	0.16 147	0.10 17	0.12 3	0.09 5	0.13 34	0.11 8

AIO-test1	0.39 148	0.18 39	0.42 106	0.51 364	0.25 152	0.44 191	0.30 115	0.74 192	1.20 413	0.41 76	0.71 153	0.45 115	0.29 88	0.56 120	0.27 58	0.15 105	0.13 197	0.19 211	0.21 320	0.13 34	0.18 225

qqq	0.42 185	0.28 295	0.50 194	0.37 66	0.22 57	0.47 202	0.39 259	0.91 255	0.59 134	0.57 128	0.71 153	0.65 219	0.56 247	0.59 141	0.48 262	0.17 182	0.17 313	0.20 247	0.19 280	0.18 212	0.19 236

x	0.41 178	0.25 230	0.46 150	0.36 50	0.24 123	0.54 232	0.31 138	0.94 271	0.58 133	0.60 134	0.72 155	0.61 194	0.53 229	0.52 96	0.50 274	0.18 215	0.16 281	0.17 136	0.16 171	0.17 184	0.18 225

GANet-ADL	0.44 204	0.27 279	0.48 174	0.44 266	0.30 292	0.54 232	0.36 212	0.94 271	0.88 286	0.64 160	0.72 155	0.68 241	0.44 190	0.55 110	0.44 239	0.22 307	0.15 255	0.15 76	0.13 92	0.18 212	0.21 282

rvit_stereo_0075_2	0.48 240	0.38 371	0.74 348	0.54 400	0.46 421	0.43 183	0.35 200	0.85 236	0.68 166	0.56 125	0.73 157	0.59 188	0.47 209	0.64 199	0.47 258	0.33 410	0.23 379	0.35 417	0.26 390	0.32 387	0.26 344

Any-RAFT	0.36 100	0.17 22	0.31 21	0.35 28	0.21 44	0.51 214	0.21 16	0.93 266	0.75 203	0.56 125	0.73 157	0.66 231	0.29 88	0.48 74	0.25 25	0.15 105	0.10 17	0.13 22	0.10 23	0.13 34	0.13 64

Patchmatch Stereo++	0.36 100	0.24 199	0.51 203	0.42 202	0.22 57	0.24 15	0.21 16	0.63 98	0.39 51	0.63 150	0.73 157	0.57 163	0.38 154	0.61 159	0.39 199	0.18 215	0.12 134	0.20 247	0.16 171	0.21 275	0.16 159
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
PSM-adaLoss	0.36 100	0.24 199	0.51 203	0.42 202	0.22 57	0.24 15	0.31 138	0.63 98	0.39 51	0.63 150	0.73 157	0.57 163	0.38 154	0.59 141	0.38 190	0.18 215	0.12 134	0.20 247	0.16 171	0.21 275	0.16 159

ROB_FTStereo_v2	0.36 100	0.24 199	0.51 203	0.42 202	0.22 57	0.24 15	0.31 138	0.63 98	0.39 51	0.63 150	0.73 157	0.57 163	0.38 154	0.60 153	0.39 199	0.18 215	0.12 134	0.20 247	0.16 171	0.21 275	0.16 159

ROB_FTStereo	0.36 100	0.24 199	0.51 203	0.42 202	0.22 57	0.24 15	0.20 4	0.63 98	0.39 51	0.63 150	0.73 157	0.57 163	0.38 154	0.60 153	0.38 190	0.18 215	0.12 134	0.20 247	0.16 171	0.21 275	0.16 159

HUI-Stereo	0.36 100	0.24 199	0.51 203	0.42 202	0.22 57	0.24 15	0.22 25	0.63 98	0.40 62	0.64 160	0.73 157	0.58 178	0.38 154	0.53 101	0.38 190	0.18 215	0.12 134	0.20 247	0.16 171	0.21 275	0.16 159

iGMRVC	0.36 100	0.24 199	0.51 203	0.42 202	0.22 57	0.24 15	0.29 98	0.63 98	0.39 51	0.63 150	0.73 157	0.57 163	0.38 154	0.61 159	0.39 199	0.18 215	0.12 134	0.20 247	0.16 171	0.21 275	0.16 159

iRAFT	0.36 100	0.24 199	0.51 203	0.42 202	0.22 57	0.24 15	0.21 16	0.63 98	0.39 51	0.63 150	0.73 157	0.57 163	0.38 154	0.61 159	0.39 199	0.18 215	0.12 134	0.20 247	0.16 171	0.21 275	0.16 159

CRE-IMP	0.37 118	0.23 178	0.53 232	0.42 202	0.24 123	0.40 158	0.21 16	0.61 87	0.45 89	0.65 165	0.73 157	0.53 149	0.37 146	0.63 192	0.40 220	0.18 215	0.11 68	0.19 211	0.16 171	0.21 275	0.19 236

RAFT-IKP	0.36 100	0.24 199	0.51 203	0.42 202	0.22 57	0.24 15	0.27 73	0.63 98	0.39 51	0.63 150	0.73 157	0.57 163	0.38 154	0.61 159	0.39 199	0.18 215	0.12 134	0.20 247	0.16 171	0.21 275	0.16 159

FENet	0.43 198	0.23 178	0.40 87	0.40 145	0.24 123	0.54 232	0.33 166	0.83 232	0.72 184	0.74 223	0.73 157	0.63 206	0.56 247	0.65 207	0.45 245	0.19 252	0.13 197	0.19 211	0.17 222	0.18 212	0.20 265

PFNet	0.43 198	0.19 62	0.61 285	0.44 266	0.24 123	0.42 179	0.31 138	0.76 205	0.81 239	1.01 377	0.74 169	0.67 238	0.41 177	0.75 277	0.39 199	0.16 147	0.10 17	0.20 247	0.15 144	0.16 158	0.14 91

RALCasStereoNet	0.37 118	0.23 178	0.41 94	0.44 266	0.28 245	0.36 126	0.38 242	0.66 117	0.67 164	0.51 108	0.74 169	0.51 140	0.29 88	0.64 199	0.38 190	0.17 182	0.14 234	0.15 76	0.13 92	0.17 184	0.17 201

Pruner-Stereo	0.39 148	0.21 120	0.51 203	0.41 170	0.25 152	0.22 7	0.24 42	0.71 163	0.59 134	0.90 326	0.75 171	0.67 238	0.30 104	0.64 199	0.39 199	0.19 252	0.12 134	0.20 247	0.17 222	0.17 184	0.19 236

ARAFT	0.48 240	0.25 230	0.82 368	0.42 202	0.25 152	0.56 243	0.54 376	0.82 230	0.82 249	0.92 336	0.75 171	0.75 277	0.48 213	0.89 337	0.37 175	0.15 105	0.12 134	0.23 323	0.22 342	0.14 71	0.14 91

EAI-Stereo	0.36 100	0.21 120	0.46 150	0.40 145	0.22 57	0.33 106	0.36 212	1.22 377	0.32 18	0.52 111	0.75 171	0.35 52	0.28 72	0.65 207	0.30 105	0.14 44	0.11 68	0.14 36	0.14 120	0.14 71	0.13 64

ACV-stereo	0.63 363	0.37 363	1.03 414	0.44 266	0.31 304	1.27 436	0.41 291	0.78 213	0.84 256	0.65 165	0.76 174	2.07 465	1.00 419	0.84 323	0.68 341	0.22 307	0.17 313	0.19 211	0.18 253	0.22 298	0.23 323

AIO-Stereo-zeroshot	0.44 204	0.22 150	0.83 372	0.39 108	0.45 412	0.41 169	0.26 63	1.04 302	0.50 110	0.54 120	0.76 174	1.03 364	0.43 184	0.67 229	0.28 75	0.16 147	0.11 68	0.17 136	0.19 280	0.21 275	0.21 282

DCVSM-stereo	0.51 279	0.28 295	0.56 260	0.39 108	0.29 268	0.55 237	0.28 86	0.78 213	0.78 215	1.11 415	0.77 176	1.04 369	0.76 365	0.65 207	0.52 283	0.20 273	0.20 353	0.24 337	0.21 320	0.25 342	0.31 382

ADStereo(finetuned)	0.39 148	0.18 39	0.58 271	0.35 28	0.19 16	0.30 69	0.30 115	0.72 173	0.96 331	0.72 209	0.77 176	0.45 115	0.68 321	0.46 59	0.36 166	0.14 44	0.10 17	0.14 36	0.11 40	0.13 34	0.15 128

IPLGR	0.40 163	0.22 150	0.70 331	0.40 145	0.22 57	0.51 214	0.29 98	0.78 213	0.78 215	0.80 260	0.77 176	0.44 107	0.41 177	0.48 74	0.40 220	0.14 44	0.12 134	0.16 100	0.14 120	0.16 158	0.14 91

NF-Stereo	0.39 148	0.21 120	0.51 203	0.42 202	0.25 152	0.26 29	0.30 115	0.71 163	0.72 184	0.66 171	0.77 176	0.57 163	0.31 108	0.69 245	0.39 199	0.18 215	0.12 134	0.20 247	0.16 171	0.16 158	0.27 354

OCTAStereo	0.39 148	0.21 120	0.51 203	0.42 202	0.25 152	0.26 29	0.30 115	0.71 163	0.72 184	0.66 171	0.77 176	0.58 178	0.31 108	0.69 245	0.39 199	0.18 215	0.12 134	0.20 247	0.16 171	0.16 158	0.27 354

RE-Stereo	0.39 148	0.21 120	0.51 203	0.42 202	0.25 152	0.26 29	0.30 115	0.71 163	0.72 184	0.66 171	0.77 176	0.57 163	0.31 108	0.70 252	0.39 199	0.18 215	0.12 134	0.20 247	0.16 171	0.16 158	0.27 354

TVStereo	0.39 148	0.21 120	0.51 203	0.42 202	0.25 152	0.26 29	0.30 115	0.71 163	0.72 184	0.66 171	0.77 176	0.57 163	0.31 108	0.70 252	0.39 199	0.18 215	0.12 134	0.20 247	0.16 171	0.16 158	0.27 354

cross-raft	0.34 85	0.20 92	0.38 69	0.45 279	0.24 123	0.32 96	0.35 200	0.77 210	0.42 75	0.62 143	0.77 176	0.58 178	0.27 62	0.46 59	0.31 117	0.12 5	0.10 17	0.15 76	0.13 92	0.15 111	0.12 28

DCANet	0.38 135	0.18 39	0.46 150	0.35 28	0.19 16	0.30 69	0.30 115	0.72 173	0.96 331	0.72 209	0.77 176	0.45 115	0.56 247	0.47 67	0.36 166	0.14 44	0.10 17	0.14 36	0.11 40	0.13 34	0.15 128

test_sample1	0.44 204	0.24 199	0.52 224	0.35 28	0.23 84	0.59 263	0.36 212	1.05 309	0.57 130	0.66 171	0.78 185	0.70 245	0.71 333	0.62 181	0.51 278	0.18 215	0.15 255	0.17 136	0.16 171	0.18 212	0.18 225

GwcNet-ADL	0.45 213	0.24 199	0.51 203	0.46 303	0.30 292	0.41 169	0.40 272	0.95 274	0.98 341	0.73 216	0.78 185	0.61 194	0.41 177	0.67 229	0.55 301	0.20 273	0.14 234	0.15 76	0.14 120	0.19 247	0.22 301

RAFT_R40	0.41 178	0.20 92	0.47 161	0.44 266	0.25 152	0.23 11	0.25 52	0.69 144	0.70 176	0.98 369	0.78 185	0.72 263	0.43 184	0.80 307	0.39 199	0.17 182	0.11 68	0.20 247	0.16 171	0.18 212	0.15 128

TestStereo	0.39 148	0.32 335	0.42 106	0.45 279	0.20 31	0.41 169	0.38 242	0.69 144	0.66 158	0.56 125	0.78 185	0.48 129	0.43 184	0.59 141	0.37 175	0.18 215	0.13 197	0.20 247	0.15 144	0.23 318	0.14 91

raft+_RVC	0.38 135	0.20 92	0.38 69	0.39 108	0.27 223	0.44 191	0.35 200	0.81 225	0.90 295	0.52 111	0.78 185	0.50 136	0.29 88	0.56 120	0.41 225	0.15 105	0.12 134	0.17 136	0.15 144	0.14 71	0.13 64

LL-Strereo	0.58 339	0.29 309	0.83 372	0.48 331	0.35 357	0.39 150	0.48 339	1.04 302	0.99 344	0.87 304	0.79 190	1.08 382	1.15 438	1.35 433	0.51 278	0.18 215	0.15 255	0.22 304	0.19 280	0.17 184	0.21 282

gwcnet-sp	0.50 266	0.25 230	0.84 379	0.41 170	0.27 223	0.79 348	0.40 272	0.93 266	0.85 262	0.95 351	0.79 190	0.65 219	0.63 287	0.69 245	0.52 283	0.18 215	0.17 313	0.18 178	0.18 253	0.18 212	0.19 236

scenet	0.50 266	0.25 230	0.84 379	0.41 170	0.27 223	0.79 348	0.40 272	0.93 266	0.85 262	0.95 351	0.79 190	0.65 219	0.63 287	0.69 245	0.52 283	0.18 215	0.17 313	0.18 178	0.18 253	0.18 212	0.19 236

ssnet	0.50 266	0.25 230	0.84 379	0.41 170	0.27 223	0.79 348	0.40 272	0.93 266	0.85 262	0.95 351	0.79 190	0.65 219	0.63 287	0.69 245	0.52 283	0.18 215	0.17 313	0.18 178	0.18 253	0.18 212	0.19 236

DCANet-4	0.38 135	0.22 150	0.58 271	0.35 28	0.19 16	0.30 69	0.30 115	0.69 144	0.97 336	0.70 198	0.79 190	0.40 83	0.46 204	0.46 59	0.37 175	0.14 44	0.10 17	0.14 36	0.11 40	0.12 9	0.15 128

fff	0.39 148	0.18 39	0.46 150	0.35 28	0.19 16	0.30 69	0.30 115	0.73 185	1.08 381	0.70 198	0.79 190	0.44 107	0.62 282	0.47 67	0.37 175	0.14 44	0.10 17	0.14 36	0.11 40	0.12 9	0.15 128

PFNet+	0.41 178	0.20 92	0.53 232	0.40 145	0.25 152	0.28 52	0.22 25	0.66 117	0.76 208	0.85 291	0.79 190	0.63 206	0.34 127	0.75 277	0.37 175	0.20 273	0.14 234	0.23 323	0.20 301	0.17 184	0.21 282

SST-Stereo	0.41 178	0.20 92	0.48 174	0.43 242	0.25 152	0.25 26	0.21 16	0.68 134	0.50 110	1.08 404	0.79 190	0.71 248	0.42 182	0.81 312	0.38 190	0.17 182	0.11 68	0.20 247	0.16 171	0.19 247	0.15 128

csc	0.39 148	0.18 39	0.46 150	0.35 28	0.19 16	0.30 69	0.30 115	0.73 185	1.08 381	0.70 198	0.79 190	0.44 107	0.62 282	0.47 67	0.37 175	0.14 44	0.10 17	0.14 36	0.11 40	0.12 9	0.15 128

cscssc	0.39 148	0.18 39	0.46 150	0.35 28	0.19 16	0.30 69	0.30 115	0.73 185	1.08 381	0.70 198	0.79 190	0.44 107	0.62 282	0.47 67	0.37 175	0.14 44	0.10 17	0.14 36	0.11 40	0.12 9	0.15 128

ITSA-stereo	0.54 304	0.29 309	0.55 249	0.41 170	0.23 84	0.59 263	0.35 200	1.31 408	1.25 419	0.82 266	0.80 200	0.72 263	0.58 261	0.89 337	0.72 350	0.22 307	0.18 327	0.23 323	0.22 342	0.22 298	0.29 370

test_sample2	0.45 213	0.24 199	0.49 182	0.34 19	0.21 44	0.60 269	0.43 307	1.01 293	0.73 194	0.67 180	0.80 200	0.70 245	0.64 295	0.65 207	0.41 225	0.19 252	0.15 255	0.18 178	0.16 171	0.19 247	0.19 236

BUS	0.47 231	0.26 263	0.47 161	0.46 303	0.29 268	0.78 342	0.34 177	0.99 286	0.80 230	0.77 241	0.80 200	0.64 213	0.54 236	0.66 219	0.56 303	0.21 289	0.15 255	0.22 304	0.19 280	0.18 212	0.19 236

BSDual-CNN	0.48 240	0.26 263	0.47 161	0.46 303	0.29 268	0.75 339	0.46 325	0.99 286	0.80 230	0.77 241	0.80 200	0.76 284	0.59 267	0.66 219	0.48 262	0.21 289	0.15 255	0.22 304	0.19 280	0.18 212	0.19 236

hknet	0.51 279	0.26 263	0.58 271	0.46 303	0.29 268	0.75 339	0.46 325	0.99 286	0.89 291	0.77 241	0.80 200	0.96 347	0.67 313	0.75 277	0.50 274	0.19 252	0.15 255	0.22 304	0.19 280	0.18 212	0.19 236

PSMNet-ADL	0.50 266	0.28 295	0.43 125	0.49 341	0.31 304	0.70 318	0.38 242	0.94 271	0.81 239	0.62 143	0.80 200	0.91 337	0.62 282	0.76 287	0.68 341	0.24 342	0.18 327	0.19 211	0.20 301	0.22 298	0.22 301

IRAFT_RVC	0.43 198	0.20 92	0.52 224	0.45 279	0.24 123	0.26 29	0.51 359	0.76 205	0.78 215	0.77 241	0.80 200	0.73 268	0.50 220	0.74 270	0.39 199	0.18 215	0.10 17	0.21 290	0.17 222	0.17 184	0.15 128

CREStereo++_RVC	0.32 68	0.16 13	0.25 1	0.32 11	0.24 123	0.27 39	0.22 25	0.48 36	0.89 291	0.47 98	0.80 200	0.29 18	0.25 44	0.37 19	0.34 146	0.14 44	0.09 2	0.13 22	0.52 469	0.14 71	0.10 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
CBFPSM	0.61 354	0.25 230	1.41 448	0.39 108	0.27 223	1.10 414	0.67 407	0.83 232	0.84 256	0.82 266	0.81 208	1.33 418	0.85 389	0.72 266	0.86 375	0.16 147	0.15 255	0.15 76	0.17 222	0.17 184	0.23 323

ssnet_v2	0.61 354	0.29 309	0.69 328	0.45 279	0.30 292	0.93 383	0.62 400	1.20 367	1.03 359	0.97 366	0.81 208	0.98 350	0.67 313	0.84 323	0.97 401	0.26 359	0.23 379	0.23 323	0.24 369	0.20 264	0.21 282

IPLG	0.40 163	0.21 120	0.64 300	0.41 170	0.25 152	0.54 232	0.27 73	0.77 210	0.68 166	0.85 291	0.82 210	0.33 40	0.32 115	0.64 199	0.49 271	0.13 24	0.11 68	0.16 100	0.14 120	0.14 71	0.14 91

PSM-softLoss	0.40 163	0.21 120	0.53 232	0.42 202	0.26 188	0.29 61	0.34 177	0.70 156	0.49 106	0.63 150	0.82 210	0.59 188	0.33 121	0.75 277	0.43 232	0.20 273	0.12 134	0.20 247	0.18 253	0.17 184	0.22 301

KMStereo	0.40 163	0.21 120	0.53 232	0.42 202	0.26 188	0.29 61	0.34 177	0.70 156	0.49 106	0.63 150	0.82 210	0.59 188	0.33 121	0.75 277	0.43 232	0.20 273	0.12 134	0.20 247	0.18 253	0.17 184	0.22 301

RAFT	0.46 220	0.23 178	0.52 224	0.48 331	0.27 223	0.55 237	0.47 333	0.68 134	0.60 141	0.83 273	0.82 210	1.00 356	0.56 247	0.76 287	0.37 175	0.18 215	0.16 281	0.22 304	0.20 301	0.16 158	0.14 91

HCRNet	0.46 220	0.35 352	0.45 137	0.54 400	0.26 188	0.52 222	0.29 98	0.87 241	0.64 149	0.75 227	0.82 210	0.76 284	0.53 229	0.70 252	0.38 190	0.24 342	0.16 281	0.24 337	0.20 301	0.21 275	0.20 265

DispNO	0.48 240	0.24 199	0.84 379	0.40 145	0.31 304	0.58 256	0.39 259	0.91 255	0.79 222	0.79 257	0.83 215	0.71 248	0.59 267	0.75 277	0.50 274	0.19 252	0.14 234	0.20 247	0.18 253	0.16 158	0.17 201

GES	0.46 220	0.25 230	0.62 291	0.41 170	0.30 292	0.62 274	0.37 225	1.06 314	0.70 176	0.75 227	0.83 215	0.47 124	0.52 228	0.69 245	0.46 249	0.23 332	0.17 313	0.17 136	0.16 171	0.18 212	0.24 334

DMCA	0.47 231	0.27 279	0.59 279	0.39 108	0.29 268	0.53 225	0.34 177	0.98 283	0.70 176	0.78 252	0.83 215	0.79 298	0.55 240	0.54 109	0.57 309	0.21 289	0.16 281	0.21 290	0.16 171	0.19 247	0.22 301

FACV-RUCA	0.45 213	0.28 295	0.51 203	0.46 303	0.33 340	0.62 274	0.34 177	0.87 241	0.75 203	0.60 134	0.84 218	0.48 129	0.54 236	0.56 120	0.39 199	0.22 307	0.15 255	0.35 417	0.16 171	0.29 369	0.22 301

test_sample3	0.49 253	0.27 279	0.55 249	0.36 50	0.23 84	0.70 318	0.37 225	1.21 370	0.87 275	0.79 257	0.84 218	0.66 231	0.53 229	0.70 252	0.50 274	0.21 289	0.16 281	0.20 247	0.19 280	0.21 275	0.21 282

GASNet	0.70 374	0.77 451	1.16 424	0.71 454	0.49 426	0.62 274	0.48 339	1.12 334	1.05 365	0.98 369	0.84 218	0.94 343	0.82 380	1.41 437	0.85 374	0.33 410	0.22 370	0.29 393	0.28 402	0.44 432	0.26 344

GMOStereo	0.38 135	0.19 62	0.42 106	0.43 242	0.24 123	0.40 158	0.39 259	0.55 61	0.64 149	0.89 319	0.84 218	0.65 219	0.37 146	0.39 23	0.29 91	0.14 44	0.12 134	0.20 247	0.18 253	0.15 111	0.12 28

error version	0.38 135	0.19 62	0.42 106	0.43 242	0.24 123	0.40 158	0.39 259	0.55 61	0.64 149	0.89 319	0.84 218	0.65 219	0.37 146	0.39 23	0.29 91	0.14 44	0.12 134	0.20 247	0.18 253	0.15 111	0.12 28

test-v	0.38 135	0.19 62	0.42 106	0.43 242	0.24 123	0.40 158	0.39 259	0.55 61	0.64 149	0.89 319	0.84 218	0.65 219	0.37 146	0.39 23	0.29 91	0.14 44	0.12 134	0.20 247	0.18 253	0.15 111	0.12 28

test-2	0.38 135	0.19 62	0.42 106	0.43 242	0.24 123	0.40 158	0.39 259	0.55 61	0.64 149	0.89 319	0.84 218	0.65 219	0.37 146	0.39 23	0.29 91	0.14 44	0.12 134	0.20 247	0.18 253	0.15 111	0.12 28

DSFCA	0.57 327	0.27 279	0.71 333	0.41 170	0.36 364	0.78 342	0.53 369	1.08 321	0.85 262	1.08 404	0.84 218	0.90 331	0.66 304	1.05 391	0.63 331	0.26 359	0.22 370	0.21 290	0.21 320	0.22 298	0.20 265

FADNet	0.63 363	0.53 416	1.20 426	0.46 303	0.44 406	0.66 303	0.41 291	1.24 382	1.07 377	0.70 198	0.84 218	0.98 350	0.65 303	0.87 330	0.54 299	0.29 387	0.30 424	0.27 374	0.30 408	0.48 439	0.36 406

RAFT-Test	0.35 90	0.19 62	0.42 106	0.39 108	0.24 123	0.50 209	0.23 37	0.74 192	0.44 85	0.62 143	0.85 227	0.64 213	0.28 72	0.48 74	0.30 105	0.14 44	0.11 68	0.14 36	0.11 40	0.13 34	0.13 64

ToySt	0.52 292	0.27 279	0.93 399	0.42 202	0.28 245	0.67 312	0.56 382	0.88 248	0.79 222	0.61 139	0.85 227	0.92 341	0.70 328	0.72 266	0.61 324	0.16 147	0.17 313	0.21 290	0.21 320	0.22 298	0.21 282

SFCPSM	0.48 240	0.22 150	0.59 279	0.41 170	0.27 223	0.85 371	0.36 212	1.39 426	0.79 222	0.81 264	0.85 227	0.54 151	0.50 220	0.60 153	0.39 199	0.18 215	0.14 234	0.18 178	0.20 301	0.17 184	0.16 159

ac_64	0.54 304	0.24 199	0.58 271	0.46 303	0.28 245	0.79 348	0.44 315	1.11 330	0.63 145	0.94 346	0.85 227	1.06 377	0.70 328	0.76 287	0.72 350	0.22 307	0.18 327	0.20 247	0.19 280	0.18 212	0.16 159

test_sample4	0.49 253	0.27 279	0.55 249	0.36 50	0.23 84	0.70 318	0.37 225	1.22 377	0.86 268	0.82 266	0.86 231	0.62 201	0.58 261	0.71 261	0.49 271	0.21 289	0.16 281	0.21 290	0.20 301	0.22 298	0.21 282

CASS	0.46 220	0.28 295	0.45 137	0.48 331	0.22 57	0.63 280	0.34 177	0.99 286	0.66 158	0.76 233	0.86 231	0.61 194	0.58 261	0.58 133	0.44 239	0.29 387	0.16 281	0.22 304	0.18 253	0.23 318	0.28 364
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
AAGNet	1.40 462	0.20 92	0.52 224	0.45 279	0.26 188	0.29 61	0.29 98	0.67 128	0.71 182	0.97 366	0.86 231	0.66 231	0.60 271	0.66 219	19.98 513	0.17 182	0.11 68	0.19 211	0.15 144	0.20 264	0.13 64

GEStereo_RVC	0.56 321	0.30 324	0.70 331	0.51 364	0.31 304	0.70 318	0.54 376	1.31 408	0.93 312	0.85 291	0.86 231	0.84 308	0.63 287	0.92 348	0.67 337	0.24 342	0.16 281	0.19 211	0.17 222	0.21 275	0.23 323

FADNet-RVC	0.62 360	0.56 431	1.29 436	0.47 323	0.39 381	0.63 280	0.40 272	1.16 348	0.91 301	0.71 208	0.86 231	1.04 369	0.55 240	0.99 377	0.78 359	0.27 368	0.26 405	0.28 385	0.29 407	0.32 387	0.31 382

DIP-Stereo	0.40 163	0.22 150	0.58 271	0.42 202	0.29 268	0.62 274	0.27 73	0.87 241	0.42 75	0.65 165	0.86 231	0.52 144	0.35 134	0.67 229	0.43 232	0.15 105	0.13 197	0.17 136	0.14 120	0.15 111	0.17 201
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.43 198	0.27 279	0.50 194	0.34 19	0.18 10	0.65 296	0.32 151	0.99 286	0.70 176	0.73 216	0.86 231	0.66 231	0.56 247	0.61 159	0.47 258	0.14 44	0.10 17	0.15 76	0.13 92	0.18 212	0.13 64
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
AIO-test2	0.40 163	0.21 120	0.44 130	0.48 331	0.26 188	0.44 191	0.38 242	0.79 220	1.28 425	0.37 52	0.87 238	0.38 69	0.30 104	0.50 88	0.28 75	0.16 147	0.13 197	0.21 290	0.24 369	0.15 111	0.15 128

DisPM	0.40 163	0.20 92	0.50 194	0.42 202	0.27 223	0.24 15	0.30 115	0.68 134	0.61 144	0.88 312	0.87 238	0.59 188	0.32 115	0.80 307	0.34 146	0.19 252	0.12 134	0.19 211	0.17 222	0.16 158	0.21 282

RAFT + AFF	0.54 304	0.30 324	0.84 379	0.51 364	0.32 328	0.63 280	0.57 384	1.05 309	0.95 324	0.80 260	0.87 238	0.85 310	0.57 258	0.87 330	0.51 278	0.18 215	0.21 361	0.23 323	0.22 342	0.19 247	0.19 236

FADNet-RVC-Resample	0.58 339	0.35 352	1.34 442	0.50 352	0.34 351	0.73 331	0.43 307	1.09 324	0.96 331	0.83 273	0.87 238	0.76 284	0.66 304	0.77 294	0.52 283	0.19 252	0.18 327	0.26 366	0.27 396	0.28 367	0.29 370

raft_robust	0.41 178	0.24 199	0.39 75	0.43 242	0.22 57	0.40 158	0.33 166	0.80 223	0.98 341	0.80 260	0.88 242	0.41 88	0.32 115	0.89 337	0.30 105	0.14 44	0.12 134	0.16 100	0.18 253	0.15 111	0.13 64

DMCA-RVC	0.54 304	0.32 335	0.83 372	0.51 364	0.32 328	0.59 263	0.38 242	0.89 249	0.70 176	0.95 351	0.88 242	0.90 331	0.69 323	0.75 277	0.63 331	0.23 332	0.18 327	0.31 404	0.24 369	0.27 359	0.21 282

BEATNet_4x	0.49 253	0.35 352	0.72 339	0.38 84	0.20 31	0.65 296	0.36 212	1.08 321	0.78 215	0.78 252	0.88 242	0.73 268	0.64 295	0.71 261	0.60 319	0.16 147	0.12 134	0.16 100	0.15 144	0.24 331	0.18 225

DualNet (step1)	0.60 350	0.37 363	0.83 372	0.39 108	0.31 304	0.72 327	0.49 350	1.11 330	0.92 307	0.93 339	0.89 245	0.86 314	0.71 333	0.74 270	0.53 294	0.42 444	0.22 370	0.40 436	0.41 447	0.36 407	0.35 400

test_sample9	1.17 445	0.37 363	0.83 372	0.39 108	0.31 304	0.72 327	0.49 350	1.11 330	0.92 307	0.93 339	0.89 245	0.86 314	0.71 333	1.29 422	2.03 464	0.42 444	9.50 515	0.40 436	0.41 447	0.36 407	0.35 400

test_sample7	0.54 304	0.30 324	0.55 249	0.37 66	0.28 245	0.63 280	0.47 333	1.11 330	0.92 307	0.93 339	0.89 245	0.86 314	0.71 333	0.74 270	0.53 294	0.27 368	0.22 370	0.27 374	0.26 390	0.27 359	0.26 344

H2IRNET	0.38 135	0.21 120	0.36 50	0.39 108	0.25 152	0.26 29	0.24 42	0.61 87	0.74 200	0.39 63	0.89 245	0.74 272	0.53 229	0.53 101	0.44 239	0.16 147	0.13 197	0.19 211	0.20 301	0.17 184	0.15 128

iRaft-Stereo_5w	0.46 220	0.22 150	0.53 232	0.43 242	0.30 292	0.30 69	0.53 369	0.66 117	0.71 182	0.62 143	0.89 245	1.01 360	0.67 313	0.76 287	0.67 337	0.13 24	0.12 134	0.17 136	0.15 144	0.15 111	0.17 201

UCFNet_RVC	0.50 266	0.27 279	0.37 59	0.40 145	0.27 223	0.66 303	0.42 300	1.18 357	0.86 268	0.70 198	0.89 245	0.91 337	0.60 271	0.62 181	0.48 262	0.24 342	0.18 327	0.28 385	0.27 396	0.25 342	0.24 334

DDVS	0.53 299	0.32 335	0.63 295	0.42 202	0.31 304	0.71 323	0.35 200	0.95 274	0.69 173	0.86 301	0.90 251	1.11 390	0.46 204	0.90 343	0.67 337	0.23 332	0.17 313	0.22 304	0.18 253	0.25 342	0.28 364

RAFT+CT+SA	0.40 163	0.24 199	0.40 87	0.53 390	0.27 223	0.28 52	0.45 322	0.79 220	0.81 239	0.51 108	0.90 251	0.42 95	0.39 169	0.81 312	0.33 134	0.15 105	0.11 68	0.18 178	0.18 253	0.15 111	0.15 128

UNet	0.55 312	0.27 279	0.72 339	0.45 279	0.41 389	0.97 390	0.40 272	1.01 293	0.80 230	0.87 304	0.90 251	1.03 364	0.75 356	0.76 287	0.67 337	0.19 252	0.15 255	0.20 247	0.17 222	0.21 275	0.18 225

FADNet_RVC	0.58 339	0.39 376	1.26 431	0.45 279	0.32 328	0.55 237	0.34 177	1.12 334	0.90 295	0.68 189	0.90 251	0.61 194	0.71 333	1.03 388	0.80 367	0.21 289	0.18 327	0.27 374	0.23 355	0.33 392	0.30 375

RYNet	0.76 390	0.37 363	0.74 348	0.54 400	0.67 458	1.35 440	0.68 410	1.28 400	1.21 416	1.10 412	0.90 251	1.31 411	0.94 413	1.01 383	1.30 435	0.22 307	0.16 281	0.27 374	0.23 355	0.43 429	0.45 439

PA-Net	0.70 374	0.46 403	0.96 405	0.51 364	0.53 436	0.94 385	0.73 426	1.14 343	1.15 400	0.83 273	0.90 251	0.88 324	0.76 365	1.19 410	0.96 398	0.25 354	0.41 460	0.29 393	0.44 453	0.27 359	0.39 415
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NVstereo2D	0.62 360	0.32 335	0.82 368	0.50 352	0.44 406	0.88 376	0.48 339	1.12 334	1.17 405	0.67 180	0.90 251	0.90 331	0.69 323	1.02 386	0.69 343	0.33 410	0.16 281	0.29 393	0.20 301	0.43 429	0.46 443

test_5	0.44 204	0.25 230	0.48 174	0.53 390	0.28 245	0.28 52	0.42 300	0.77 210	0.87 275	0.63 150	0.91 258	0.73 268	0.53 229	0.82 317	0.36 166	0.14 44	0.11 68	0.18 178	0.18 253	0.18 212	0.16 159

psm_up	0.57 327	0.27 279	0.52 224	0.50 352	0.33 340	0.65 296	0.60 396	1.07 316	0.84 256	0.87 304	0.91 258	1.00 356	1.06 426	0.80 307	0.66 334	0.22 307	0.25 396	0.26 366	0.23 355	0.22 298	0.21 282

UPFNet	0.55 312	0.26 263	0.59 279	0.46 303	0.38 373	0.83 365	0.48 339	1.03 301	0.80 230	0.92 336	0.91 258	0.85 310	0.67 313	0.87 330	0.78 359	0.20 273	0.21 361	0.20 247	0.20 301	0.20 264	0.15 128

STTStereo	0.57 327	0.39 376	0.87 391	0.45 279	0.32 328	0.62 274	0.45 322	1.01 293	0.87 275	1.01 377	0.91 258	0.95 344	0.58 261	0.77 294	0.66 334	0.25 354	0.24 388	0.27 374	0.33 426	0.25 342	0.26 344

NLCA_NET_v2_RVC	0.55 312	0.33 343	0.71 333	0.46 303	0.31 304	0.66 303	0.43 307	1.07 316	0.89 291	0.93 339	0.91 258	0.98 350	0.61 277	0.76 287	0.64 333	0.22 307	0.18 327	0.22 304	0.22 342	0.22 298	0.24 334
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet	0.67 368	0.35 352	0.82 368	0.53 390	0.44 406	1.03 405	0.53 369	1.51 448	1.06 369	1.13 418	0.91 258	1.07 381	0.74 353	0.87 330	0.95 396	0.24 342	0.19 345	0.25 350	0.23 355	0.27 359	0.22 301

IPLGR_C	0.42 185	0.23 178	0.71 333	0.46 303	0.33 340	0.51 214	0.34 177	0.69 144	0.69 173	0.84 279	0.92 264	0.46 119	0.33 121	0.53 101	0.53 294	0.17 182	0.12 134	0.16 100	0.14 120	0.13 34	0.16 159

ACRE	0.42 185	0.23 178	0.73 344	0.45 279	0.33 340	0.50 209	0.33 166	0.68 134	0.70 176	0.82 266	0.92 264	0.46 119	0.32 115	0.53 101	0.52 283	0.17 182	0.12 134	0.15 76	0.14 120	0.13 34	0.16 159

111	0.42 185	0.18 39	0.46 150	0.35 28	0.19 16	0.52 222	0.28 86	0.76 205	1.16 402	0.52 111	0.92 264	0.65 219	0.51 225	0.65 207	0.37 175	0.15 105	0.10 17	0.14 36	0.12 61	0.13 34	0.16 159

HSM	0.53 299	0.25 230	0.46 150	0.40 145	0.25 152	0.74 335	0.44 315	1.29 404	0.78 215	0.82 266	0.92 264	1.21 402	0.75 356	0.90 343	0.48 262	0.18 215	0.14 234	0.17 136	0.14 120	0.17 184	0.18 225

NOSS_ROB	0.59 343	0.40 384	0.42 106	0.45 279	0.31 304	0.79 348	0.53 369	1.09 324	1.12 389	0.69 192	0.92 264	0.77 289	0.63 287	0.81 312	0.52 283	0.39 437	0.38 451	0.44 444	0.42 452	0.38 415	0.36 406

GMStereo_Zeroshot	0.51 279	0.46 403	0.80 361	0.50 352	0.28 245	0.57 251	0.30 115	0.75 201	0.79 222	0.88 312	0.94 269	0.90 331	0.37 146	0.77 294	0.46 249	0.27 368	0.14 234	0.26 366	0.15 144	0.39 419	0.19 236

psmg	0.50 266	0.26 263	0.47 161	0.42 202	0.29 268	0.82 362	0.42 300	1.07 316	0.80 230	0.95 351	0.94 269	0.76 284	0.59 267	0.66 219	0.48 262	0.21 289	0.16 281	0.20 247	0.20 301	0.19 247	0.19 236

AASNet	0.55 312	0.27 279	0.62 291	0.51 364	0.32 328	0.73 331	0.44 315	1.55 451	0.88 286	0.88 312	0.94 269	0.64 213	0.63 287	0.62 181	0.84 372	0.23 332	0.20 353	0.20 247	0.16 171	0.22 298	0.20 265

MaskLacGwcNet_RVC	0.71 376	0.84 459	0.80 361	0.55 406	0.38 373	1.38 442	0.57 384	1.07 316	0.81 239	0.90 326	0.94 269	0.95 344	0.54 236	1.01 383	0.61 324	0.41 442	0.30 424	0.57 463	0.31 417	0.86 468	0.39 415

DCRE	0.38 135	0.19 62	0.47 161	0.45 279	0.33 340	0.45 198	0.40 272	0.66 117	0.53 120	0.49 105	0.95 273	0.57 163	0.39 169	0.53 101	0.32 124	0.14 44	0.13 197	0.15 76	0.14 120	0.14 71	0.15 128

IER	0.48 240	0.25 230	0.60 284	0.38 84	0.28 245	0.67 312	0.38 242	0.82 230	0.68 166	0.88 312	0.95 273	0.74 272	0.79 372	0.62 181	0.46 249	0.17 182	0.14 234	0.17 136	0.17 222	0.17 184	0.16 159

IIG-Stereo	0.45 213	0.22 150	0.48 174	0.51 364	0.26 188	0.43 183	0.21 16	0.73 185	0.80 230	0.84 279	0.95 273	0.82 306	0.46 204	0.95 360	0.37 175	0.16 147	0.12 134	0.19 211	0.15 144	0.15 111	0.12 28

ICVP	0.48 240	0.26 263	0.42 106	0.49 341	0.28 245	0.63 280	0.43 307	1.05 309	0.72 184	0.68 189	0.95 273	0.75 277	0.56 247	0.55 110	0.61 324	0.24 342	0.18 327	0.19 211	0.17 222	0.19 247	0.21 282
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
test_sample8	1.36 459	0.37 363	0.83 372	0.39 108	0.31 304	0.72 327	0.49 350	1.19 361	0.79 222	1.51 446	0.96 277	3.29 484	1.64 464	1.29 422	2.03 464	0.42 444	9.50 515	0.40 436	0.41 447	0.36 407	0.35 400

CoDeX	0.48 240	0.21 120	0.53 232	0.43 242	0.25 152	0.74 335	0.38 242	1.36 424	0.82 249	0.84 279	0.96 277	0.63 206	0.57 258	0.63 192	0.40 220	0.17 182	0.13 197	0.17 136	0.15 144	0.16 158	0.15 128

TestStereo1	0.44 204	0.24 199	0.45 137	0.52 381	0.25 152	0.35 118	0.40 272	0.81 225	0.94 320	0.70 198	0.96 277	0.48 129	0.45 197	0.94 354	0.33 134	0.16 147	0.13 197	0.18 178	0.16 171	0.15 111	0.14 91

SA-5K	0.44 204	0.24 199	0.45 137	0.52 381	0.25 152	0.35 118	0.40 272	0.81 225	0.94 320	0.70 198	0.96 277	0.48 129	0.45 197	0.94 354	0.33 134	0.16 147	0.13 197	0.18 178	0.16 171	0.15 111	0.14 91

CIPLG	0.42 185	0.23 178	0.71 333	0.45 279	0.33 340	0.51 214	0.33 166	0.68 134	0.68 166	0.84 279	0.96 277	0.47 124	0.33 121	0.56 120	0.52 283	0.17 182	0.12 134	0.16 100	0.14 120	0.13 34	0.16 159

ACVNet	0.47 231	0.24 199	0.39 75	0.40 145	0.28 245	0.58 256	0.40 272	0.91 255	0.81 239	0.67 180	0.96 277	0.79 298	0.66 304	0.65 207	0.71 347	0.18 215	0.15 255	0.16 100	0.15 144	0.18 212	0.15 128

acv_ft	0.52 292	0.24 199	0.64 300	0.45 279	0.28 245	0.85 371	0.40 272	0.95 274	0.81 239	1.00 375	0.96 277	0.79 298	0.62 282	0.65 207	0.88 377	0.18 215	0.15 255	0.16 100	0.15 144	0.18 212	0.15 128

NaN_ROB	0.73 378	0.46 403	0.89 395	0.52 381	0.34 351	0.98 394	1.11 462	1.28 400	1.20 413	1.27 435	0.96 277	1.08 382	0.79 372	1.34 432	0.78 359	0.24 342	0.30 424	0.23 323	0.24 369	0.23 318	0.26 344

test_sample5	0.50 266	0.28 295	0.55 249	0.37 66	0.23 84	0.65 296	0.38 242	1.19 361	0.86 268	0.81 264	0.97 285	0.64 213	0.60 271	0.72 266	0.48 262	0.22 307	0.16 281	0.22 304	0.21 320	0.23 318	0.22 301

NINENet	0.52 292	0.30 324	0.55 249	0.46 303	0.33 340	0.78 342	0.34 177	1.18 357	0.91 301	0.84 279	0.97 285	0.64 213	0.54 236	0.74 270	0.56 303	0.23 332	0.20 353	0.25 350	0.18 253	0.22 298	0.22 301

CSP-Net	0.57 327	0.29 309	0.55 249	0.42 202	0.29 268	1.20 432	0.49 350	1.29 404	0.75 203	0.98 369	0.97 285	0.88 324	0.69 323	0.85 326	0.66 334	0.27 368	0.18 327	0.17 136	0.17 222	0.18 212	0.19 236

MMNet	0.57 327	0.26 263	0.67 312	0.45 279	0.35 357	1.04 407	0.39 259	0.93 266	0.98 341	0.96 363	0.97 285	0.86 314	0.80 376	0.83 319	0.80 367	0.16 147	0.15 255	0.19 211	0.19 280	0.20 264	0.17 201

ffm	0.47 231	0.28 295	0.68 319	0.39 108	0.26 188	0.56 243	0.40 272	0.72 173	1.13 394	0.76 233	0.98 289	0.71 248	0.55 240	0.61 159	0.26 37	0.17 182	0.11 68	0.25 350	0.21 320	0.16 158	0.17 201

ff1	0.56 321	0.28 295	0.68 319	0.39 108	0.26 188	0.56 243	0.40 272	0.72 173	1.13 394	0.76 233	0.98 289	0.71 248	0.55 240	1.25 415	1.46 444	0.17 182	0.11 68	0.25 350	0.21 320	0.16 158	0.17 201

mmx	0.59 343	0.28 295	0.68 319	0.39 108	0.26 188	0.56 243	0.40 272	1.24 382	1.06 369	0.76 233	0.98 289	0.71 248	0.55 240	1.25 415	1.46 444	0.21 289	0.16 281	0.25 350	0.21 320	0.24 331	0.22 301

xxx	0.59 343	0.28 295	0.68 319	0.39 108	0.26 188	0.56 243	0.40 272	1.24 382	1.06 369	0.76 233	0.98 289	0.71 248	0.55 240	1.25 415	1.46 444	0.21 289	0.16 281	0.25 350	0.21 320	0.24 331	0.22 301

anonymity	0.98 427	0.89 462	1.06 417	0.93 466	1.04 478	0.97 390	0.82 440	1.33 417	0.93 312	1.08 404	0.98 289	1.02 362	0.95 415	1.02 386	0.93 391	0.96 477	0.96 498	0.90 474	0.91 485	0.92 470	0.95 476

ADLNet	0.57 327	0.29 309	0.58 271	0.46 303	0.35 357	0.80 354	0.46 325	1.14 343	0.88 286	1.03 384	0.98 289	0.92 341	0.66 304	0.71 261	0.83 371	0.22 307	0.16 281	0.22 304	0.22 342	0.22 298	0.23 323

AdaStereo	0.52 292	0.34 348	0.53 232	0.49 341	0.25 152	0.71 323	0.36 212	1.24 382	0.91 301	0.77 241	0.98 289	0.75 277	0.50 220	0.71 261	0.51 278	0.27 368	0.13 197	0.28 385	0.18 253	0.23 318	0.18 225
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.
NCCL2	0.74 383	0.45 398	0.77 356	0.65 439	0.45 412	0.97 390	1.16 467	1.16 348	1.02 355	1.00 375	0.98 289	1.48 438	0.88 400	0.99 377	0.89 379	0.31 398	0.27 410	0.39 433	0.39 439	0.33 392	0.34 397

ADLNet2	0.57 327	0.26 263	0.71 333	0.48 331	0.31 304	0.83 365	0.51 359	1.10 328	0.99 344	0.85 291	0.99 297	0.99 355	0.70 328	0.79 304	0.78 359	0.21 289	0.17 313	0.18 178	0.18 253	0.22 298	0.22 301

xxxx	1.07 435	0.23 178	0.53 232	0.38 84	0.22 57	0.83 365	0.36 212	1.41 432	0.95 324	0.75 227	0.99 297	0.97 348	0.64 295	0.70 252	11.37 505	0.20 273	0.17 313	0.18 178	0.17 222	0.19 247	0.20 265

RAFT-Stereo + iAFF	0.37 118	0.18 39	0.45 137	0.36 50	0.19 16	0.33 106	0.28 86	0.67 128	0.77 211	0.72 209	0.99 297	0.56 159	0.39 169	0.44 48	0.31 117	0.11 2	0.09 2	0.15 76	0.14 120	0.13 34	0.11 8

delet	0.57 327	0.25 230	0.63 295	0.46 303	0.34 351	1.05 410	0.51 359	1.04 302	0.94 320	0.90 326	0.99 297	0.90 331	0.68 321	0.87 330	0.78 359	0.18 215	0.18 327	0.20 247	0.21 320	0.17 184	0.17 201

MIM_Stereo	0.39 148	0.18 39	0.59 279	0.38 84	0.25 152	0.27 39	0.24 42	0.72 173	0.56 123	0.72 209	1.00 301	0.62 201	0.29 88	0.67 229	0.39 199	0.13 24	0.14 234	0.17 136	0.16 171	0.14 71	0.12 28

CRFU-Net	0.59 343	0.29 309	0.62 291	0.47 323	0.31 304	1.20 432	0.51 359	1.19 361	0.59 134	1.05 394	1.00 301	1.06 377	0.87 396	0.83 319	0.77 358	0.22 307	0.19 345	0.18 178	0.16 171	0.19 247	0.20 265

CFNet-ft	0.50 266	0.25 230	0.39 75	0.41 170	0.26 188	0.66 303	0.37 225	0.91 255	0.87 275	0.67 180	1.00 301	1.05 373	0.70 328	0.68 238	0.57 309	0.23 332	0.16 281	0.24 337	0.21 320	0.24 331	0.19 236

CFNet_RVC	0.50 266	0.25 230	0.39 75	0.41 170	0.26 188	0.66 303	0.37 225	0.91 255	0.87 275	0.67 180	1.00 301	1.05 373	0.70 328	0.68 238	0.57 309	0.23 332	0.16 281	0.24 337	0.21 320	0.24 331	0.19 236

MyStereo8	0.42 185	0.21 120	0.64 300	0.43 242	0.29 268	0.55 237	0.28 86	0.72 173	0.50 110	0.73 216	1.01 305	0.57 163	0.44 190	0.52 96	0.52 283	0.15 105	0.12 134	0.16 100	0.14 120	0.19 247	0.21 282

hitnet-ft	0.57 327	0.29 309	0.43 125	0.42 202	0.29 268	0.81 359	0.40 272	0.98 283	0.91 301	0.84 279	1.01 305	1.13 396	0.72 344	0.83 319	0.71 347	0.28 377	0.21 361	0.28 385	0.22 342	0.29 369	0.27 354

SMFormer	0.53 299	0.24 199	0.67 312	0.35 28	0.20 31	0.63 280	0.34 177	1.26 390	1.06 369	0.85 291	1.02 307	0.71 248	0.66 304	0.96 363	0.60 319	0.19 252	0.16 281	0.18 178	0.17 222	0.19 247	0.20 265

tta	0.53 299	0.24 199	0.67 312	0.35 28	0.20 31	0.63 280	0.34 177	1.26 390	1.06 369	0.85 291	1.02 307	0.71 248	0.66 304	0.96 363	0.60 319	0.19 252	0.16 281	0.18 178	0.17 222	0.15 111	0.16 159

qqq1	0.51 279	0.24 199	0.67 312	0.35 28	0.20 31	0.63 280	0.34 177	1.26 390	1.06 369	0.85 291	1.02 307	0.71 248	0.66 304	0.96 363	0.36 166	0.19 252	0.16 281	0.14 36	0.12 61	0.15 111	0.16 159

fff1	0.51 279	0.24 199	0.67 312	0.35 28	0.20 31	0.63 280	0.34 177	1.26 390	1.06 369	0.85 291	1.02 307	0.71 248	0.66 304	0.96 363	0.36 166	0.19 252	0.16 281	0.14 36	0.12 61	0.15 111	0.16 159

1111x	0.64 365	0.23 178	0.61 285	0.39 108	0.21 44	0.68 316	0.46 325	1.32 414	1.03 359	0.76 233	1.02 307	0.95 344	0.72 344	1.13 400	2.15 468	0.18 215	0.18 327	0.18 178	0.19 280	0.20 264	0.19 236

UDG	0.93 417	1.03 471	0.75 351	1.00 468	0.97 471	1.02 403	0.57 384	1.18 357	1.01 350	0.93 339	1.02 307	1.32 413	1.03 422	0.88 336	0.92 389	0.55 463	0.33 442	1.82 486	0.41 447	1.20 477	0.74 468

GANet-RSSM	0.49 253	0.22 150	0.42 106	0.39 108	0.26 188	0.58 256	0.41 291	1.12 334	0.82 249	0.73 216	1.02 307	0.88 324	0.75 356	0.67 229	0.48 262	0.22 307	0.16 281	0.18 178	0.19 280	0.18 212	0.18 225

DeepPrunerF	0.93 417	0.55 429	3.88 487	0.70 452	0.81 464	0.72 327	0.74 428	1.28 400	1.97 471	0.95 351	1.02 307	0.87 320	0.85 389	1.16 406	1.07 420	0.35 424	0.29 419	0.43 442	0.40 442	0.31 381	0.33 395

GANetREF_RVC	0.82 398	0.77 451	0.95 404	0.68 446	0.43 401	1.15 424	1.06 460	1.19 361	1.20 413	1.03 384	1.02 307	1.10 388	0.89 402	1.20 413	0.78 359	0.49 454	0.39 455	0.58 464	0.39 439	0.69 462	0.49 449
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
ccs_rob	0.47 231	0.25 230	0.55 249	0.38 84	0.28 245	0.58 256	0.32 151	0.89 249	0.90 295	0.83 273	1.02 307	0.75 277	0.48 213	0.61 159	0.46 249	0.17 182	0.12 134	0.24 337	0.16 171	0.26 350	0.21 282

AACVNet	0.52 292	0.25 230	0.56 260	0.48 331	0.29 268	0.55 237	0.38 242	0.96 279	0.59 134	0.83 273	1.03 317	1.03 364	0.77 370	0.91 346	0.58 316	0.22 307	0.18 327	0.24 337	0.18 253	0.24 331	0.22 301

LCNet	0.42 185	0.21 120	0.34 31	0.44 266	0.24 123	0.47 202	0.28 86	0.69 144	0.57 130	0.72 209	1.03 317	0.66 231	0.58 261	0.60 153	0.35 155	0.15 105	0.10 17	0.19 211	0.19 280	0.22 298	0.37 412

CFNet_pseudo	0.47 231	0.25 230	0.55 249	0.38 84	0.28 245	0.58 256	0.32 151	0.89 249	0.90 295	0.83 273	1.03 317	0.75 277	0.48 213	0.61 159	0.46 249	0.17 182	0.13 197	0.24 337	0.16 171	0.26 350	0.21 282

SA	0.45 213	0.26 263	0.50 194	0.47 323	0.24 123	0.46 200	0.36 212	0.79 220	1.00 348	0.61 139	1.04 320	0.50 136	0.50 220	0.98 372	0.33 134	0.16 147	0.13 197	0.21 290	0.19 280	0.15 111	0.14 91

LMCR-Stereo	0.55 312	0.33 343	0.57 269	0.60 423	0.30 292	0.80 354	0.36 212	1.30 406	0.79 222	0.90 326	1.04 320	0.57 163	0.64 295	0.87 330	0.73 352	0.20 273	0.15 255	0.19 211	0.14 120	0.25 342	0.18 225

PSMNet_ROB	0.67 368	0.39 376	0.76 353	0.57 413	0.43 401	1.00 397	0.85 446	1.25 388	0.93 312	0.82 266	1.04 320	1.08 382	0.64 295	0.89 337	1.02 409	0.29 387	0.21 361	0.31 404	0.31 417	0.27 359	0.25 340

SQANet	0.87 412	0.76 450	0.76 353	1.16 475	0.99 473	1.10 414	0.51 359	1.12 334	0.85 262	0.93 339	1.05 323	1.03 364	0.76 365	1.07 392	0.70 344	0.79 471	0.25 396	1.04 477	0.36 432	1.56 479	0.70 466

STrans-v2	0.47 231	0.21 120	0.49 182	0.41 170	0.25 152	0.54 232	0.49 350	1.16 348	0.82 249	0.67 180	1.05 323	0.71 248	0.67 313	0.74 270	0.34 146	0.15 105	0.11 68	0.17 136	0.15 144	0.14 71	0.14 91

RASNet	0.57 327	0.24 199	0.61 285	0.39 108	0.23 84	0.71 323	0.40 272	1.02 296	0.93 312	0.77 241	1.05 323	1.05 373	0.98 418	0.99 377	1.03 410	0.16 147	0.14 234	0.14 36	0.17 222	0.15 111	0.14 91

CVANet_RVC	0.59 343	0.35 352	0.54 245	0.49 341	0.33 340	0.70 318	0.67 407	1.12 334	0.97 336	0.88 312	1.05 323	1.01 360	0.72 344	0.94 354	0.55 301	0.30 394	0.20 353	0.28 385	0.26 390	0.32 387	0.23 323

DeepPruner_ROB	0.55 312	0.37 363	0.67 312	0.42 202	0.31 304	0.50 209	0.43 307	1.22 377	0.73 194	0.86 301	1.05 323	0.85 310	0.58 261	0.90 343	0.56 303	0.29 387	0.23 379	0.22 304	0.22 342	0.26 350	0.26 344

iResNet_ROB	0.55 312	0.24 199	0.61 285	0.38 84	0.22 57	0.66 303	0.30 115	1.59 459	1.33 435	0.94 346	1.05 323	0.81 304	0.69 323	0.84 323	0.46 249	0.17 182	0.12 134	0.14 36	0.09 5	0.15 111	0.20 265

test_sample6	0.51 279	0.27 279	0.55 249	0.38 84	0.23 84	0.64 289	0.39 259	1.18 357	0.88 286	0.84 279	1.06 329	0.66 231	0.61 277	0.75 277	0.52 283	0.23 332	0.17 313	0.22 304	0.22 342	0.24 331	0.23 323

DualNet	0.51 279	0.28 295	0.55 249	0.37 66	0.23 84	0.65 296	0.38 242	1.19 361	0.86 268	0.84 279	1.06 329	0.64 213	0.60 271	0.72 266	0.48 262	0.22 307	0.16 281	0.22 304	0.21 320	0.23 318	0.22 301

SACVNet	0.61 354	0.36 361	0.67 312	0.57 413	0.37 367	0.65 296	0.47 333	1.16 348	0.80 230	1.04 389	1.06 329	1.02 362	0.81 379	0.99 377	0.57 309	0.28 377	0.21 361	0.25 350	0.24 369	0.30 377	0.39 415

cf-r	0.49 253	0.24 199	0.49 182	0.40 145	0.23 84	0.58 256	0.38 242	0.92 264	0.87 275	0.77 241	1.06 329	0.98 350	0.67 313	0.59 141	0.61 324	0.21 289	0.14 234	0.17 136	0.19 280	0.15 111	0.16 159

mmm	0.47 231	0.28 295	0.51 203	0.39 108	0.25 152	0.61 270	0.38 242	1.00 292	0.60 141	0.77 241	1.07 333	0.65 219	0.53 229	0.61 159	0.49 271	0.18 215	0.15 255	0.23 323	0.20 301	0.21 275	0.20 265

PCWNet_CMD	0.49 253	0.25 230	0.56 260	0.40 145	0.27 223	0.64 289	0.32 151	0.98 283	0.99 344	0.87 304	1.07 333	0.78 291	0.46 204	0.61 159	0.44 239	0.17 182	0.13 197	0.21 290	0.16 171	0.26 350	0.20 265

PSMNet-RSSM	0.50 266	0.24 199	0.41 94	0.43 242	0.26 188	0.51 214	0.40 272	1.16 348	0.79 222	0.75 227	1.07 333	0.87 320	0.69 323	0.66 219	0.52 283	0.24 342	0.16 281	0.23 323	0.26 390	0.20 264	0.20 265

MSMDNet	0.49 253	0.25 230	0.56 260	0.40 145	0.27 223	0.64 289	0.32 151	0.99 286	0.99 344	0.87 304	1.07 333	0.79 298	0.46 204	0.61 159	0.44 239	0.17 182	0.13 197	0.20 247	0.16 171	0.25 342	0.20 265

CFNet	0.53 299	0.30 324	0.53 232	0.42 202	0.28 245	0.73 331	0.35 200	1.21 370	1.01 350	0.74 223	1.07 333	0.85 310	0.60 271	0.83 319	0.58 316	0.19 252	0.15 255	0.23 323	0.23 355	0.21 275	0.17 201

DISCO	0.72 377	0.27 279	0.72 339	0.45 279	0.31 304	1.12 420	0.53 369	1.32 414	1.25 419	0.84 279	1.07 333	1.52 444	0.87 396	1.82 463	1.08 422	0.20 273	0.15 255	0.18 178	0.16 171	0.24 331	0.24 334

test_xeample	1.06 433	0.23 178	0.51 203	0.37 66	0.22 57	0.71 323	0.39 259	1.31 408	0.92 307	0.87 304	1.08 339	0.70 245	0.64 295	0.75 277	11.43 506	0.19 252	0.16 281	0.18 178	0.17 222	0.18 212	0.19 236

DN-CSS_ROB	0.45 213	0.27 279	0.74 348	0.41 170	0.29 268	0.43 183	0.29 98	0.80 223	0.78 215	0.73 216	1.08 339	0.48 129	0.45 197	0.81 312	0.40 220	0.15 105	0.12 134	0.21 290	0.19 280	0.18 212	0.17 201

PSMNet-RUCA	0.78 393	0.78 453	1.23 429	1.01 469	0.91 465	0.68 316	0.53 369	1.16 348	1.06 369	0.79 257	1.10 341	0.82 306	0.72 344	0.94 354	0.70 344	0.55 463	0.27 410	0.76 470	0.46 454	0.70 463	0.49 449

ttt	0.56 321	0.27 279	0.49 182	0.39 108	0.25 152	0.65 296	0.42 300	1.24 382	1.08 381	0.76 233	1.10 341	0.63 206	0.51 225	0.95 360	1.03 410	0.25 354	0.22 370	0.22 304	0.21 320	0.25 342	0.25 340

SuperB	1.00 430	0.41 388	4.03 490	0.45 279	0.32 328	0.99 396	0.49 350	1.09 324	2.09 474	1.10 412	1.10 341	0.74 272	0.83 382	1.13 400	1.75 455	0.20 273	0.15 255	0.17 136	0.15 144	2.50 497	0.27 354

iResNetv2_ROB	0.55 312	0.29 309	0.86 386	0.39 108	0.25 152	0.67 312	0.37 225	1.21 370	1.02 355	1.02 381	1.10 341	0.89 329	0.79 372	0.74 270	0.43 232	0.19 252	0.13 197	0.15 76	0.11 40	0.19 247	0.16 159

DRN-Test	0.68 371	0.34 348	0.77 356	0.52 381	0.40 384	1.14 422	0.61 398	1.56 455	1.04 363	1.18 422	1.10 341	1.05 373	0.72 344	0.82 317	1.01 405	0.24 342	0.18 327	0.26 366	0.25 382	0.26 350	0.23 323

StereoVision	0.43 198	0.29 309	0.54 245	0.50 352	0.28 245	0.37 137	0.38 242	0.75 201	0.63 145	0.46 95	1.11 346	0.53 149	0.38 154	0.57 129	0.34 146	0.21 289	0.24 388	0.25 350	0.24 369	0.26 350	0.17 201

TDLM	0.59 343	0.35 352	0.57 269	0.53 390	0.32 328	0.67 312	0.72 421	1.09 324	1.03 359	0.84 279	1.11 346	0.84 308	0.71 333	0.96 363	0.61 324	0.28 377	0.18 327	0.26 366	0.22 342	0.27 359	0.21 282

PSM-AAD	0.48 240	0.21 120	0.39 75	0.44 266	0.23 84	0.56 243	0.47 333	0.67 128	0.73 194	1.08 404	1.12 348	0.58 178	0.87 396	0.63 192	0.33 134	0.15 105	0.11 68	0.25 350	0.26 390	0.18 212	0.42 428

AFF-stereo	0.39 148	0.20 92	0.42 106	0.37 66	0.22 57	0.27 39	0.31 138	0.67 128	0.72 184	0.66 171	1.12 348	0.75 277	0.38 154	0.57 129	0.35 155	0.11 2	0.09 2	0.16 100	0.16 171	0.14 71	0.12 28

XQC	0.97 425	0.70 445	1.54 456	0.70 452	0.55 440	1.48 448	0.81 438	1.41 432	1.57 455	1.21 425	1.12 348	1.33 418	1.04 424	1.55 448	2.00 463	0.39 437	0.25 396	0.37 427	0.32 420	0.55 455	0.49 449

MLCV	0.49 253	0.26 263	0.73 344	0.38 84	0.18 10	0.64 289	0.33 166	0.84 235	0.89 291	0.96 363	1.12 348	0.72 263	0.45 197	1.00 382	0.59 318	0.14 44	0.10 17	0.14 36	0.11 40	0.14 71	0.14 91

DPSNet	1.08 436	0.44 397	2.64 480	0.54 400	0.42 398	1.59 455	1.25 473	2.39 484	1.50 451	1.13 418	1.12 348	1.51 442	2.19 483	1.44 441	1.51 449	0.35 424	0.25 396	0.25 350	0.21 320	0.49 443	0.39 415

iResNet	0.52 292	0.31 333	0.86 386	0.44 266	0.22 57	0.66 303	0.47 333	0.92 264	1.02 355	0.89 319	1.12 348	0.69 243	0.55 240	0.86 328	0.60 319	0.15 105	0.11 68	0.15 76	0.12 61	0.17 184	0.17 201

HI	0.46 220	0.22 150	0.41 94	0.35 28	0.35 357	0.27 39	0.32 151	0.75 201	0.50 110	0.90 326	1.13 354	1.12 394	0.73 349	0.70 252	0.57 309	0.12 5	0.10 17	0.17 136	0.17 222	0.17 184	0.16 159

CoSv	0.46 220	0.22 150	0.41 94	0.35 28	0.35 357	0.27 39	0.32 151	0.75 201	0.50 110	0.90 326	1.13 354	1.12 394	0.73 349	0.70 252	0.57 309	0.12 5	0.10 17	0.17 136	0.17 222	0.17 184	0.16 159

222	1.25 451	0.23 178	0.53 232	0.38 84	0.23 84	0.78 342	0.37 225	1.41 432	0.93 312	0.97 366	1.13 354	0.74 272	0.71 333	0.74 270	14.86 509	0.20 273	0.16 281	0.17 136	0.16 171	0.18 212	0.20 265

StereoDRNet-Refined	0.61 354	0.33 343	0.63 295	0.47 323	0.31 304	0.94 385	0.41 291	1.04 302	0.97 336	1.15 420	1.13 354	1.00 356	0.74 353	0.93 351	0.93 391	0.18 215	0.13 197	0.22 304	0.21 320	0.20 264	0.21 282
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Wz-Net-LNSev	0.75 387	0.54 423	1.59 458	0.51 364	0.41 389	1.16 426	0.79 436	1.27 395	1.13 394	1.04 389	1.14 358	1.11 390	0.94 413	0.93 351	1.00 404	0.24 342	0.22 370	0.21 290	0.19 280	0.26 350	0.27 354

TransformOpticalFlow	0.46 220	0.21 120	0.49 182	0.42 202	0.24 123	0.36 126	0.46 325	1.04 302	0.84 256	0.67 180	1.14 358	0.73 268	0.56 247	0.78 302	0.33 134	0.15 105	0.10 17	0.17 136	0.15 144	0.14 71	0.15 128

UGAM	0.54 304	0.23 178	0.51 203	0.46 303	0.26 188	0.40 158	0.52 365	0.65 111	1.19 410	0.78 252	1.15 360	1.38 429	0.56 247	1.03 388	0.56 303	0.18 215	0.15 255	0.25 350	0.21 320	0.15 111	0.13 64

AIO-Stereo-zeroshot1	0.52 292	0.23 178	1.38 445	0.40 145	0.53 436	0.29 61	0.30 115	1.49 444	0.45 89	0.69 192	1.15 360	0.98 350	0.32 115	0.70 252	0.29 91	0.15 105	0.11 68	0.17 136	0.20 301	0.22 298	0.27 354

APVNet	0.73 378	0.39 376	1.01 412	0.58 419	0.45 412	1.16 426	0.68 410	1.47 443	0.87 275	0.84 279	1.15 360	1.04 369	0.84 385	1.14 402	1.18 428	0.27 368	0.28 417	0.32 409	0.31 417	0.29 369	0.32 386

HSM-Net_RVC	0.55 312	0.23 178	0.37 59	0.38 84	0.22 57	0.86 373	0.40 272	1.31 408	0.93 312	0.92 336	1.15 360	1.26 406	0.71 333	0.75 277	0.53 294	0.17 182	0.14 234	0.16 100	0.15 144	0.17 184	0.17 201
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
LALA_ROB	0.76 390	0.46 403	0.86 386	0.55 406	0.41 389	1.00 397	0.93 452	1.25 388	1.13 394	1.23 429	1.15 360	1.55 446	0.80 376	1.11 399	0.96 398	0.33 410	0.23 379	0.35 417	0.30 408	0.35 403	0.32 386

DAS	0.54 304	0.26 263	0.66 307	0.49 341	0.31 304	0.61 270	0.43 307	0.89 249	1.01 350	0.95 351	1.16 365	0.71 248	0.85 389	0.89 337	0.47 258	0.18 215	0.14 234	0.18 178	0.15 144	0.22 298	0.19 236

SepStereo	0.54 304	0.26 263	0.66 307	0.49 341	0.31 304	0.61 270	0.43 307	0.89 249	1.01 350	0.95 351	1.16 365	0.71 248	0.85 389	0.97 370	0.47 258	0.18 215	0.14 234	0.18 178	0.15 144	0.22 298	0.19 236

HGLStereo	0.58 339	0.30 324	0.65 305	0.51 364	0.38 373	0.78 342	0.45 322	1.07 316	0.82 249	0.89 319	1.16 365	0.88 324	0.91 406	0.80 307	0.74 353	0.21 289	0.21 361	0.20 247	0.18 253	0.19 247	0.22 301

ADCP+	1.18 447	0.37 363	3.09 482	0.50 352	0.52 434	1.48 448	0.61 398	1.32 414	1.07 377	1.21 425	1.16 365	1.08 382	1.11 431	1.63 452	7.17 500	0.20 273	0.16 281	0.24 337	0.22 342	0.29 369	0.22 301

DLCB_ROB	0.60 350	0.29 309	0.53 232	0.50 352	0.33 340	0.76 341	0.51 359	1.02 296	0.94 320	1.07 403	1.16 365	1.21 402	0.73 349	0.98 372	0.75 355	0.21 289	0.20 353	0.22 304	0.23 355	0.22 298	0.20 265

iinet-f	0.69 373	0.29 309	2.34 478	0.41 170	0.31 304	1.16 426	0.58 391	0.87 241	0.85 262	0.86 301	1.17 370	1.04 369	0.83 382	0.76 287	1.26 433	0.21 289	0.18 327	0.17 136	0.16 171	0.21 275	0.21 282

dad	0.61 354	0.53 416	0.72 339	0.44 266	0.31 304	0.64 289	0.37 225	0.85 236	1.28 425	1.05 394	1.17 370	1.18 400	0.61 277	0.70 252	0.54 299	0.36 427	0.23 379	0.37 427	0.21 320	0.31 381	0.23 323

GwcNet-RSSM	0.51 279	0.25 230	0.51 203	0.41 170	0.24 123	0.56 243	0.41 291	0.97 281	0.96 331	0.75 227	1.17 370	0.89 329	0.66 304	0.66 219	0.74 353	0.22 307	0.15 255	0.19 211	0.21 320	0.17 184	0.16 159

XPNet_ROB	0.73 378	0.38 371	0.80 361	0.53 390	0.40 384	0.80 354	0.83 442	1.21 370	0.96 331	1.37 440	1.17 370	1.37 425	0.87 396	1.14 402	0.99 403	0.33 410	0.25 396	0.27 374	0.24 369	0.31 381	0.29 370

HBP-ISP	0.61 354	0.47 409	0.45 137	0.46 303	0.33 340	0.79 348	0.29 98	1.15 346	1.05 365	0.85 291	1.18 374	0.67 238	0.71 333	0.92 348	0.57 309	0.37 431	0.38 451	0.47 449	0.41 447	0.39 419	0.32 386

CFNet_ucs	0.51 279	0.25 230	0.58 271	0.39 108	0.31 304	0.59 263	0.35 200	1.04 302	0.95 324	0.89 319	1.19 375	0.80 302	0.49 217	0.66 219	0.45 245	0.21 289	0.16 281	0.26 366	0.18 253	0.27 359	0.23 323

PDISCO_ROB	0.96 423	0.51 412	1.13 421	1.03 472	1.00 474	1.81 467	0.77 432	1.72 469	1.60 458	1.09 408	1.19 375	1.34 421	0.80 376	1.62 451	1.01 405	0.58 465	0.22 370	0.45 445	0.40 442	0.50 445	0.41 425

SAMSARA	1.15 442	0.69 444	1.44 451	1.09 474	0.93 467	2.10 473	1.87 498	1.64 464	1.47 449	1.64 453	1.21 377	2.06 464	1.14 436	1.61 450	1.50 448	0.39 437	0.45 467	0.36 422	0.38 437	0.50 445	0.51 456

SGM-Forest	0.65 366	0.33 343	0.43 125	0.44 266	0.30 292	1.01 401	0.54 376	1.13 341	1.09 387	1.11 415	1.21 377	1.10 388	0.76 365	0.99 377	0.71 347	0.32 403	0.33 442	0.33 414	0.30 408	0.30 377	0.28 364
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DANet	0.74 383	0.47 409	0.98 410	0.60 423	0.41 389	0.92 382	0.41 291	1.02 296	0.87 275	1.22 427	1.22 379	1.33 418	0.88 400	1.26 418	1.37 439	0.27 368	0.24 388	0.31 404	0.25 382	0.37 413	0.36 406
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PASM	0.96 423	0.71 448	2.05 474	0.72 455	0.72 463	0.84 370	0.92 450	1.14 343	1.34 436	1.25 432	1.22 379	1.34 421	1.07 427	1.31 429	1.11 423	0.53 459	0.57 476	0.59 465	0.67 475	0.56 460	0.57 463

ETE_ROB	0.73 378	0.52 414	0.93 399	0.57 413	0.37 367	0.80 354	0.86 447	1.19 361	0.95 324	1.20 424	1.22 379	1.39 431	0.86 393	1.07 392	0.88 377	0.27 368	0.21 361	0.31 404	0.27 396	0.34 398	0.35 400

CC-Net-ROB	0.84 404	1.01 470	0.93 399	0.60 423	0.45 412	1.25 434	0.71 416	1.20 367	1.05 365	0.84 279	1.24 382	0.90 331	0.78 371	1.14 402	0.70 344	0.48 453	0.34 445	1.71 484	0.38 437	0.78 466	0.40 420

ISRNet	0.57 327	0.25 230	0.72 339	0.57 413	0.36 364	0.43 183	0.28 86	0.85 236	0.84 256	1.09 408	1.25 383	0.91 337	0.61 277	0.68 238	0.60 319	0.35 424	0.26 405	0.36 422	0.33 426	0.30 377	0.42 428

Wz-Net-LNSev-Ref	0.67 368	0.30 324	1.20 426	0.42 202	0.31 304	1.00 397	0.58 391	1.16 348	1.07 377	1.01 377	1.25 383	1.08 382	0.75 356	1.18 409	1.03 410	0.20 273	0.12 134	0.16 100	0.13 92	0.22 298	0.22 301

Wz-Net-MNSev	0.81 397	0.42 392	1.64 464	0.51 364	0.41 389	1.46 446	0.95 453	1.24 382	1.26 423	1.31 437	1.25 383	1.17 399	0.83 382	1.21 414	1.06 418	0.22 307	0.19 345	0.24 337	0.23 355	0.29 369	0.26 344

FINET	0.75 387	0.45 398	1.38 445	0.48 331	0.46 421	0.98 394	1.00 457	1.22 377	1.69 464	0.91 335	1.25 383	0.74 272	0.74 353	1.09 396	0.82 370	0.37 431	0.31 432	0.27 374	0.24 369	0.35 403	0.34 397

Wz-Net-TNSev	1.23 450	1.24 476	5.25 495	0.51 364	0.43 401	1.49 451	1.09 461	1.58 458	1.42 443	1.25 432	1.26 387	1.58 449	1.52 460	1.97 468	1.95 459	0.33 410	0.32 437	0.26 366	0.30 408	0.41 423	0.43 433

DDUNet	1.10 437	2.58 504	0.83 372	1.21 477	1.27 482	1.02 403	0.69 413	1.17 355	0.95 324	0.98 369	1.26 387	1.28 407	0.84 385	0.97 370	0.79 366	0.85 474	0.40 458	2.00 489	0.60 473	1.34 478	0.94 474

DGSMNet	0.80 395	0.58 435	1.42 449	0.61 427	0.65 455	0.94 385	0.75 430	1.35 420	1.16 402	0.88 312	1.26 387	1.00 356	0.75 356	1.07 392	0.89 379	0.36 427	0.31 432	0.41 440	0.40 442	0.60 461	0.59 464

RTSC	0.93 417	0.54 423	1.59 458	0.56 409	0.40 384	1.17 430	0.55 379	1.44 439	1.82 468	1.53 448	1.26 387	1.15 398	0.82 380	1.70 457	2.44 472	0.26 359	0.20 353	0.23 323	0.24 369	0.31 381	0.32 386

pcwnet_v2	0.60 350	0.29 309	0.89 395	0.46 303	0.36 364	0.62 274	0.38 242	1.33 417	1.24 417	1.02 381	1.27 391	0.71 248	0.59 267	0.71 261	0.51 278	0.28 377	0.21 361	0.24 337	0.23 355	0.29 369	0.30 375

Ntro	1.15 442	1.00 469	1.00 411	1.49 482	1.20 481	1.69 463	0.81 438	1.39 426	1.25 419	1.01 377	1.28 392	1.31 411	1.00 419	1.31 429	0.89 379	1.10 484	0.43 465	1.36 481	0.51 467	1.95 484	0.99 480

R-Stereo Train	0.40 163	0.19 62	0.47 161	0.43 242	0.27 223	0.41 169	0.31 138	0.74 192	0.38 46	0.90 326	1.28 392	0.58 178	0.35 134	0.43 45	0.35 155	0.15 105	0.13 197	0.14 36	0.12 61	0.14 71	0.14 91

RAFT-Stereo	0.40 163	0.19 62	0.47 161	0.43 242	0.27 223	0.41 169	0.31 138	0.74 192	0.38 46	0.90 326	1.28 392	0.58 178	0.35 134	0.43 45	0.35 155	0.15 105	0.13 197	0.14 36	0.12 61	0.14 71	0.14 91
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
PS-NSSS	0.60 350	0.46 403	0.68 319	0.43 242	0.34 351	0.66 303	0.57 384	1.05 309	0.91 301	0.80 260	1.28 392	0.72 263	0.67 313	0.89 337	0.61 324	0.32 403	0.26 405	0.40 436	0.27 396	0.35 403	0.29 370

XX-Stereo	0.38 135	0.18 39	0.52 224	0.58 419	0.38 373	0.39 150	0.20 4	0.62 90	0.31 14	0.47 98	1.29 396	0.72 263	0.25 44	0.59 141	0.28 75	0.16 147	0.11 68	0.17 136	0.16 171	0.14 71	0.11 8

CBMV	0.68 371	0.37 363	0.50 194	0.43 242	0.26 188	1.00 397	0.71 416	1.17 355	1.16 402	1.24 431	1.29 396	1.06 377	0.86 393	0.98 372	0.75 355	0.29 387	0.30 424	0.34 416	0.30 408	0.26 350	0.27 354
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
HHNet	0.42 185	0.19 62	0.43 125	0.35 28	0.38 373	0.33 106	0.33 166	0.71 163	0.78 215	0.87 304	1.30 398	0.52 144	0.36 140	0.53 101	0.37 175	0.16 147	0.11 68	0.19 211	0.15 144	0.15 111	0.25 340

otaku	1.10 437	0.96 465	0.96 405	1.37 481	1.06 479	1.65 459	0.72 421	1.46 442	1.19 410	1.10 412	1.32 399	1.32 413	0.95 415	1.29 422	0.81 369	0.89 476	0.46 469	1.24 480	0.50 466	1.86 482	0.89 473

Wz-Net-SNSev	0.99 429	0.80 454	3.00 481	0.57 413	0.46 421	0.94 385	1.22 472	1.40 430	1.28 425	1.04 389	1.33 400	1.46 434	0.90 405	2.06 471	1.65 453	0.26 359	0.24 388	0.25 350	0.26 390	0.33 392	0.30 375

AANet_RVC	0.59 343	0.35 352	0.68 319	0.47 323	0.28 245	0.57 251	0.47 333	1.04 302	1.28 425	0.87 304	1.33 400	0.86 314	0.63 287	1.16 406	0.89 379	0.19 252	0.13 197	0.15 76	0.14 120	0.18 212	0.20 265

CBMV_ROB	0.62 360	0.39 376	0.41 94	0.41 170	0.28 245	0.86 373	0.28 86	1.06 314	1.02 355	0.95 351	1.33 400	0.81 304	0.84 385	0.94 354	0.56 303	0.37 431	0.37 450	0.43 442	0.40 442	0.33 392	0.32 386

FBW_ROB	0.94 421	0.54 423	1.03 414	0.56 409	0.42 398	1.16 426	0.76 431	1.56 455	1.41 441	1.38 442	1.33 400	1.47 436	1.07 427	2.94 489	1.14 426	0.26 359	0.32 437	0.45 445	0.30 408	0.34 398	0.30 375

Syn2CoEx	0.74 383	0.55 429	1.17 425	0.66 441	0.45 412	0.89 379	0.56 382	1.54 450	1.15 400	0.95 351	1.35 404	1.03 364	1.03 422	0.96 363	0.89 379	0.31 398	0.27 410	0.29 393	0.24 369	0.23 318	0.27 354

fast-acv-ft	0.66 367	0.32 335	0.80 361	0.46 303	0.34 351	1.26 435	0.50 356	0.91 255	1.00 348	1.05 394	1.36 405	1.28 407	0.84 385	0.81 312	0.90 385	0.22 307	0.24 388	0.23 323	0.23 355	0.21 275	0.22 301

CrosDoStereo	0.51 279	0.19 62	0.46 150	0.39 108	0.24 123	0.39 150	1.14 465	0.69 144	0.87 275	0.94 346	1.36 405	0.62 201	0.75 356	0.68 238	0.46 249	0.15 105	0.12 134	0.17 136	0.18 253	0.14 71	0.16 159

DeepStereo_LL	0.51 279	0.19 62	0.46 150	0.39 108	0.24 123	0.39 150	1.14 465	0.69 144	0.87 275	0.94 346	1.36 405	0.62 201	0.75 356	0.68 238	0.46 249	0.15 105	0.12 134	0.17 136	0.18 253	0.14 71	0.16 159

GMM-Stereo	0.44 204	0.20 92	0.39 75	0.42 202	0.25 152	0.50 209	0.44 315	0.72 173	0.57 130	0.77 241	1.37 408	0.76 284	0.38 154	0.62 181	0.34 146	0.15 105	0.10 17	0.20 247	0.19 280	0.17 184	0.28 364

edge stereo	0.79 394	0.40 384	0.82 368	0.52 381	0.44 406	0.83 365	0.58 391	1.34 419	1.08 381	1.30 436	1.38 409	1.79 455	1.13 435	1.15 405	0.92 389	0.34 418	0.32 437	0.42 441	0.28 402	0.33 392	0.39 415

SHD	0.98 427	0.54 423	1.30 438	0.63 434	0.50 430	1.14 422	0.50 356	1.80 473	2.20 475	1.66 455	1.39 410	1.47 436	1.21 440	1.40 434	1.80 456	0.32 403	0.27 410	0.32 409	0.34 428	0.41 423	0.44 437

THIR-Stereo	0.51 279	0.19 62	0.47 161	0.39 108	0.23 84	0.74 335	0.64 405	0.68 134	0.88 286	1.03 384	1.40 411	0.71 248	0.75 356	0.64 199	0.43 232	0.16 147	0.11 68	0.17 136	0.18 253	0.15 111	0.17 201

FAT-Stereo	0.75 387	0.34 348	0.81 367	0.51 364	0.38 373	0.78 342	0.63 403	1.39 426	1.32 433	1.05 394	1.40 411	1.58 449	1.14 436	0.92 348	0.91 387	0.29 387	0.28 417	0.28 385	0.23 355	0.28 367	0.41 425

GwcNet	0.73 378	0.39 376	1.37 444	0.53 390	0.43 401	1.10 414	0.52 365	1.27 395	1.19 410	1.05 394	1.41 413	1.06 377	0.86 393	0.98 372	1.01 405	0.26 359	0.24 388	0.24 337	0.23 355	0.23 318	0.28 364

S-Stereo	0.76 390	0.36 361	1.10 418	0.57 413	0.46 421	0.83 365	0.59 394	1.31 408	1.62 460	0.98 369	1.41 413	1.11 390	0.93 410	0.85 326	1.07 420	0.27 368	0.31 432	0.28 385	0.25 382	0.33 392	0.50 452

NCC-stereo	0.82 398	0.43 395	0.87 391	0.63 434	0.68 459	0.88 376	0.72 421	1.60 461	1.12 389	0.95 351	1.41 413	1.37 425	1.37 451	1.26 418	0.94 393	0.32 403	0.30 424	0.37 427	0.49 464	0.34 398	0.35 400

Abc-Net	0.82 398	0.43 395	0.87 391	0.63 434	0.68 459	0.88 376	0.72 421	1.60 461	1.12 389	0.95 351	1.41 413	1.37 425	1.37 451	1.26 418	0.94 393	0.32 403	0.30 424	0.37 427	0.49 464	0.34 398	0.35 400
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
psmorigin	0.84 404	0.53 416	2.21 476	0.50 352	0.41 389	0.86 373	0.57 384	1.08 321	0.90 295	1.50 445	1.42 417	1.50 440	1.09 429	1.29 422	1.03 410	0.32 403	0.33 442	0.27 374	0.27 396	0.34 398	0.45 439

ADCPNet	1.11 440	0.53 416	3.26 485	0.55 406	0.44 406	1.47 447	0.83 442	1.21 370	1.17 405	1.26 434	1.42 417	1.67 452	1.12 433	1.48 445	3.86 489	0.30 394	0.29 419	0.30 403	0.32 420	0.37 413	0.37 412

ADCRef	0.84 404	0.46 403	1.60 461	0.52 381	0.45 412	1.08 412	0.52 365	1.13 341	1.03 359	1.22 427	1.43 419	0.87 320	0.93 410	0.91 346	3.35 483	0.19 252	0.16 281	0.23 323	0.23 355	0.23 318	0.22 301

RAFT_CTSACE	0.46 220	0.20 92	0.48 174	0.46 303	0.27 223	0.34 115	0.39 259	0.62 90	0.74 200	0.78 252	1.44 420	0.86 314	0.38 154	1.09 396	0.27 58	0.13 24	0.13 197	0.18 178	0.16 171	0.16 158	0.12 28

ccnet	0.84 404	0.59 437	0.86 386	0.56 409	0.60 451	1.11 418	0.72 421	1.44 439	0.97 336	1.15 420	1.44 420	1.28 407	0.95 415	1.01 383	1.33 438	0.49 454	0.43 465	0.50 458	0.47 457	0.52 451	0.48 448

CSAN	0.88 413	0.52 414	0.93 399	0.61 427	0.42 398	1.19 431	1.11 462	1.27 395	1.48 450	1.37 440	1.44 420	1.37 425	1.30 446	1.46 444	1.01 405	0.39 437	0.31 432	0.36 422	0.37 434	0.35 403	0.36 406

test_4	0.37 118	0.19 62	0.34 31	0.45 279	0.26 188	0.20 4	0.34 177	0.58 75	0.42 75	0.60 134	1.45 423	0.43 104	0.26 56	0.67 229	0.29 91	0.12 5	0.10 17	0.17 136	0.19 280	0.15 111	0.12 28

GrayStereo	0.49 253	0.20 92	0.44 130	0.47 323	0.29 268	0.51 214	0.62 400	0.71 163	0.66 158	1.04 389	1.46 424	0.77 289	0.73 349	0.58 133	0.35 155	0.15 105	0.12 134	0.17 136	0.17 222	0.15 111	0.30 375

RGC	0.82 398	0.62 439	0.80 361	0.67 443	0.66 457	0.91 381	0.59 394	1.35 420	1.09 387	1.12 417	1.46 424	1.50 440	1.09 429	1.28 421	0.97 401	0.34 418	0.30 424	0.48 453	0.40 442	0.38 415	0.38 414

stereogan	0.83 403	0.33 343	0.89 395	0.61 427	0.51 432	1.80 466	0.50 356	1.41 432	1.39 440	1.05 394	1.47 426	1.56 448	1.04 424	1.32 431	0.87 376	0.29 387	0.29 419	0.29 393	0.25 382	0.39 419	0.40 420

ADCMid	1.22 448	0.57 432	3.17 484	0.54 400	0.44 406	1.07 411	0.77 432	1.31 408	1.13 394	2.14 474	1.48 427	1.49 439	1.47 458	1.65 454	5.30 496	0.26 359	0.24 388	0.29 393	0.32 420	0.38 415	0.36 406

AnyNet_C32	1.27 453	0.72 449	3.33 486	0.59 421	0.56 441	1.51 452	1.53 484	1.27 395	1.28 425	1.52 447	1.48 427	1.38 429	1.23 442	1.64 453	5.26 494	0.30 394	0.29 419	0.29 393	0.34 428	0.38 415	0.44 437

DispFullNet	1.64 471	2.64 505	3.14 483	2.57 499	1.78 491	1.32 438	0.55 379	1.42 437	1.45 446	1.89 465	1.48 427	1.55 446	2.35 485	2.08 473	1.12 425	0.60 466	0.19 345	2.33 497	0.73 478	2.35 493	1.30 490

Sa-1000	0.49 253	0.25 230	0.45 137	0.46 303	0.25 152	0.64 289	0.34 177	0.85 236	0.95 324	0.85 291	1.51 430	0.55 153	0.44 190	0.94 354	0.31 117	0.16 147	0.12 134	0.21 290	0.20 301	0.15 111	0.14 91

ACVNet_1	1.55 468	1.36 481	1.35 443	1.96 491	1.63 486	1.83 468	0.96 455	2.09 478	1.85 469	1.43 444	1.54 431	2.31 469	1.68 467	1.42 438	1.18 428	1.76 493	0.51 473	2.05 494	0.59 472	2.24 492	1.30 490

anonymousa	0.51 279	0.21 120	0.47 161	0.39 108	0.25 152	0.89 379	0.36 212	0.78 213	0.63 145	0.88 312	1.54 431	1.09 387	0.67 313	0.53 101	0.46 249	0.17 182	0.14 234	0.19 211	0.21 320	0.16 158	0.16 159

MFN_U_SF_RVC	1.14 441	0.63 440	2.33 477	0.69 449	0.46 421	2.04 471	0.70 414	1.90 475	1.37 437	1.62 451	1.56 433	1.94 461	1.36 449	1.73 459	1.90 458	0.41 442	0.38 451	0.45 445	0.48 461	0.45 433	0.47 445

MFN_U_SF_DS_RVC	1.06 433	0.61 438	1.82 469	0.69 449	0.51 432	2.62 479	1.69 491	1.28 400	1.44 445	1.39 443	1.56 433	1.34 421	0.91 406	1.68 456	0.95 396	0.38 436	0.39 455	0.46 448	0.61 474	0.41 423	0.43 433

ADCL	1.10 437	0.42 392	1.57 457	0.51 364	0.41 389	1.71 464	0.92 450	1.36 424	1.45 446	1.33 438	1.56 433	1.22 405	1.26 445	1.45 442	5.27 495	0.22 307	0.19 345	0.25 350	0.25 382	0.29 369	0.29 370

RainbowNet	1.42 463	1.53 486	1.31 439	1.93 489	1.46 483	1.52 453	1.03 458	1.67 466	1.55 453	1.23 429	1.59 436	1.54 445	1.21 440	1.40 434	1.03 410	1.70 491	0.70 480	1.82 486	0.80 481	2.11 488	1.22 486

ACVNet-4b	1.43 464	1.34 480	1.28 435	1.95 490	1.60 485	1.93 470	0.77 432	1.59 459	1.64 462	1.05 394	1.60 437	2.10 466	0.92 408	1.79 462	0.84 372	1.76 493	0.35 447	2.03 492	0.67 475	2.16 489	1.18 485

DEmStereo	0.49 253	0.18 39	0.53 232	0.39 108	0.26 188	0.57 251	0.33 166	0.65 111	0.75 203	0.90 326	1.65 438	0.57 163	1.02 421	0.63 192	0.44 239	0.14 44	0.12 134	0.16 100	0.16 171	0.14 71	0.17 201

Consistency-Raft	1.01 431	0.82 455	1.27 434	0.85 463	0.97 471	0.81 359	0.83 442	1.35 420	1.61 459	1.06 402	1.66 439	1.11 390	0.93 410	0.93 351	1.11 423	0.65 467	0.75 485	0.79 471	0.91 485	1.09 476	0.79 471

RP	0.80 395	0.38 371	0.73 344	0.67 443	0.59 448	0.82 362	0.57 384	1.21 370	1.28 425	1.03 384	1.68 440	1.45 433	1.49 459	1.08 395	0.90 385	0.36 427	0.31 432	0.37 427	0.30 408	0.36 407	0.36 406

ADCS	1.60 469	0.70 445	4.02 489	0.61 427	0.53 436	1.31 437	1.11 462	1.71 468	1.86 470	1.97 469	1.68 440	1.51 442	1.46 456	2.07 472	9.20 503	0.34 418	0.32 437	0.33 414	0.36 432	0.45 433	0.46 443

WZ-Net	1.29 455	0.64 441	5.42 496	0.64 437	0.52 434	1.37 441	1.29 475	1.41 432	1.77 467	1.56 449	1.69 442	1.74 453	1.41 453	2.50 484	2.16 469	0.28 377	0.21 361	0.23 323	0.25 382	0.39 419	0.41 425

MFMNet_re	1.17 445	0.99 467	1.31 439	1.02 471	0.95 469	1.32 438	1.32 476	1.44 439	1.58 457	1.72 460	1.70 443	1.21 402	1.57 461	1.16 406	1.04 415	0.88 475	0.76 487	0.79 471	0.75 479	0.90 469	0.94 474

KYRaft	0.48 240	0.21 120	0.41 94	0.45 279	0.23 84	0.43 183	0.36 212	0.68 134	0.45 89	0.94 346	1.72 444	0.78 291	0.40 173	0.65 207	0.32 124	0.16 147	0.11 68	0.18 178	0.22 342	0.17 184	0.76 470

DRaft	0.49 253	0.18 39	0.50 194	0.38 84	0.25 152	0.57 251	0.39 259	0.67 128	0.86 268	1.02 381	1.75 445	0.50 136	0.79 372	0.65 207	0.42 230	0.14 44	0.11 68	0.16 100	0.16 171	0.14 71	0.17 201

RAFT-345	0.41 178	0.19 62	0.42 106	0.39 108	0.23 84	0.32 96	0.25 52	0.62 90	0.56 123	0.74 223	1.77 446	0.44 107	0.35 134	0.67 229	0.37 175	0.14 44	0.11 68	0.18 178	0.14 120	0.14 71	0.13 64

MADNet+	2.28 487	2.56 502	10.82 502	1.25 478	0.96 470	2.77 485	1.44 483	2.34 482	1.76 466	1.36 439	1.78 447	1.84 458	1.74 469	6.33 504	4.57 493	0.67 468	0.66 479	0.59 465	0.54 470	0.84 467	0.81 472

MDST_ROB	0.97 425	0.29 309	1.02 413	0.64 437	0.43 401	2.64 480	0.82 440	1.68 467	1.18 409	2.89 486	1.82 448	0.97 348	0.75 356	1.83 464	0.89 379	0.26 359	0.22 370	0.32 409	0.28 402	0.26 350	0.26 344

Prome-Stereo	0.46 220	0.20 92	0.37 59	0.45 279	0.26 188	0.40 158	0.42 300	0.69 144	0.49 106	0.96 363	1.84 449	0.58 178	0.64 295	0.63 192	0.32 124	0.15 105	0.11 68	0.16 100	0.14 120	0.17 184	0.30 375

MSC_U_SF_DS_RVC	1.38 460	0.91 463	2.11 475	0.89 464	0.57 446	4.27 499	1.79 495	1.55 451	2.00 473	1.64 453	1.85 450	1.83 456	1.44 455	1.89 467	1.49 447	0.49 454	0.40 458	0.56 462	0.58 471	0.75 465	0.52 458

Nwc_Net	0.82 398	0.40 384	0.86 386	0.62 431	0.56 441	1.04 407	0.57 384	1.72 469	1.08 381	0.93 339	1.88 451	1.44 432	1.24 443	1.19 410	0.94 393	0.31 398	0.25 396	0.36 422	0.39 439	0.31 381	0.31 382

SPS-STEREO	1.29 455	0.94 464	1.10 418	1.05 473	1.03 476	1.48 448	0.91 448	1.57 457	1.24 417	2.13 471	1.90 452	1.94 461	1.46 456	1.77 460	1.64 452	0.97 478	0.94 497	0.90 474	0.89 484	0.96 473	0.97 478
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
EDNetEfficient	1.47 466	0.82 455	6.28 498	0.48 331	0.40 384	0.73 331	0.83 442	0.95 274	2.77 485	3.48 498	1.95 453	1.64 451	2.12 480	1.42 438	3.84 488	0.21 289	0.19 345	0.21 290	0.21 320	0.43 429	0.42 428

AnyNet_C01	1.63 470	1.16 474	7.38 499	0.65 439	0.56 441	2.25 475	1.53 484	1.53 449	1.46 448	1.71 459	1.95 453	1.83 456	1.41 453	2.48 482	4.42 492	0.33 410	0.32 437	0.32 409	0.34 428	0.45 433	0.50 452

SGM_RVC	1.04 432	0.30 324	0.47 161	0.41 170	0.23 84	1.73 465	0.77 432	1.63 463	1.30 431	2.39 479	1.99 455	2.64 474	1.78 470	2.22 477	1.40 440	0.28 377	0.27 410	0.27 374	0.25 382	0.25 342	0.25 340
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
aanetorigin	0.85 409	0.58 435	1.98 472	0.50 352	0.40 384	0.66 303	0.70 414	0.72 173	1.01 350	2.44 481	2.00 456	1.32 413	1.25 444	0.96 363	1.16 427	0.20 273	0.19 345	0.20 247	0.20 301	0.27 359	0.33 395

GANet	0.74 383	0.38 371	0.63 295	0.54 400	0.35 357	1.01 401	0.95 453	1.15 346	0.95 324	1.09 408	2.00 456	1.14 397	0.92 408	1.29 422	0.75 355	0.25 354	0.27 410	0.27 374	0.23 355	0.32 387	0.24 334

AF-Net	0.85 409	0.41 388	0.87 391	0.66 441	0.54 439	0.96 389	0.52 365	1.66 465	1.37 437	1.03 384	2.04 458	1.46 434	1.36 449	1.19 410	1.05 417	0.34 418	0.24 388	0.39 433	0.28 402	0.31 381	0.26 344

SDNR	0.89 414	0.39 376	1.66 467	0.42 202	0.39 381	3.35 493	0.32 151	0.95 274	1.05 365	1.05 394	2.12 459	0.62 201	0.71 333	1.40 434	0.78 359	0.53 459	0.56 475	0.36 422	0.27 396	0.46 436	0.50 452

tt	6.21 506	0.22 150	5.88 497	3.55 509	2.07 497	11.25 510	19.19 512	11.84 512	5.47 500	2.71 484	2.18 460	4.87 494	6.25 505	3.71 494	7.09 499	8.31 513	11.17 517	4.91 511	5.39 512	5.72 510	2.42 504

ASMatch	0.48 240	0.20 92	0.47 161	0.39 108	0.28 245	0.37 137	0.26 63	0.76 205	0.72 184	0.77 241	2.29 461	0.61 194	0.51 225	0.64 199	0.39 199	0.15 105	0.12 134	0.17 136	0.15 144	0.14 71	0.22 301

PWCK	2.06 482	1.75 494	4.11 491	1.69 484	0.93 467	3.13 492	2.86 505	2.18 481	2.41 481	2.38 478	2.33 462	2.22 467	1.85 472	3.52 493	2.20 470	1.65 490	0.73 481	1.52 483	0.83 483	1.81 480	1.02 483

LSM	4.83 502	0.83 458	11.23 503	0.76 460	56.73 522	1.10 414	1.18 468	1.35 420	1.70 465	2.13 471	2.34 463	1.34 421	1.19 439	1.52 447	1.23 432	0.34 418	0.50 472	0.39 433	0.47 457	0.51 448	9.82 512

pmcnn	1.27 453	0.31 333	1.14 423	0.41 170	0.23 84	0.97 390	0.71 416	1.23 381	1.32 433	1.83 463	2.34 463	11.25 509	0.89 402	1.04 390	0.96 398	0.15 105	0.12 134	0.12 3	0.10 23	0.15 111	0.16 159

PVD	1.34 458	0.70 445	1.42 449	0.78 461	0.65 455	1.68 462	0.91 448	2.12 480	3.01 487	2.25 476	2.35 465	1.90 459	1.99 477	1.98 469	2.14 467	0.40 441	0.38 451	0.49 456	0.37 434	0.51 448	0.67 465

SANet	1.15 442	0.45 398	1.40 447	0.50 352	0.32 328	1.54 454	1.21 470	1.49 444	3.35 491	1.61 450	2.41 466	2.32 471	1.80 471	1.57 449	1.27 434	0.28 377	0.25 396	0.26 366	0.24 369	0.36 407	0.32 386

EDNetEfficientorigin	9.96 509	1.17 475	175.17 527	0.49 341	0.37 367	1.13 421	0.74 428	1.27 395	2.70 484	3.16 495	2.49 467	2.28 468	2.15 481	1.88 465	2.27 471	0.21 289	0.19 345	0.25 350	0.20 301	0.54 453	0.53 460

NVStereoNet_ROB	1.31 457	0.96 465	1.33 441	0.90 465	0.92 466	1.15 424	1.05 459	1.49 444	1.62 460	1.63 452	2.51 468	2.31 469	1.62 463	2.16 476	1.42 441	0.81 473	0.73 481	0.79 471	1.02 489	0.73 464	0.97 478
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ACVNet_2	1.74 473	1.30 479	1.62 463	1.81 486	1.63 486	2.28 476	1.34 478	2.35 483	2.64 483	1.82 462	2.55 469	2.99 478	1.71 468	1.67 455	1.20 431	1.48 488	0.59 477	1.81 485	0.71 477	2.09 487	1.29 489

RTS	2.03 480	1.03 471	11.50 504	0.68 446	0.63 453	2.71 481	1.56 486	1.55 451	2.32 478	1.93 466	2.57 470	1.32 413	1.32 447	5.20 501	4.30 490	0.31 398	0.23 379	0.29 393	0.30 408	0.41 423	0.40 420

RTSA	2.03 480	1.03 471	11.50 504	0.68 446	0.63 453	2.71 481	1.56 486	1.55 451	2.32 478	1.93 466	2.57 470	1.32 413	1.32 447	5.20 501	4.30 490	0.31 398	0.23 379	0.29 393	0.30 408	0.41 423	0.40 420

PWC_ROB	0.92 416	0.57 432	1.64 464	0.53 390	0.33 340	0.93 383	0.39 259	1.42 437	1.51 452	1.66 455	2.57 470	1.18 400	1.11 431	1.50 446	1.54 450	0.26 359	0.18 327	0.28 385	0.20 301	0.30 377	0.32 386

G-Net	0.95 422	0.48 411	1.13 421	0.67 443	0.49 426	2.07 472	0.63 403	1.02 296	0.90 295	1.77 461	2.62 473	1.28 407	1.60 462	1.09 396	1.06 418	0.37 431	0.30 424	0.35 417	0.25 382	0.46 436	0.45 439

UNDER WATER-64	3.72 497	2.07 498	4.57 493	3.30 508	2.52 504	5.61 503	2.63 504	3.67 498	12.27 505	3.09 493	2.66 474	5.99 502	4.74 503	3.93 498	3.57 484	2.54 504	1.24 502	2.65 503	1.48 502	3.21 504	2.62 506

JetBlue	3.02 492	1.39 482	7.91 500	1.17 476	1.49 484	8.53 505	7.94 508	2.82 486	1.98 472	2.15 475	2.69 475	3.32 486	3.01 493	6.66 505	3.81 487	0.79 471	0.78 488	0.75 469	0.76 480	1.04 474	1.33 492

coex-ft	6.50 507	1.57 487	87.99 526	0.49 341	0.38 373	1.41 443	1.21 470	1.21 370	7.96 503	12.14 510	2.78 476	2.74 475	3.83 497	1.30 428	3.19 482	0.24 342	0.23 379	0.27 374	0.24 369	0.48 439	0.40 420

IMH-64-1	1.96 477	1.64 491	1.26 431	2.26 495	1.91 494	2.30 477	1.35 479	2.99 488	2.29 476	1.70 457	2.79 477	2.47 472	1.66 465	2.33 479	1.95 459	2.07 496	0.74 483	2.44 498	1.04 491	2.40 494	1.59 496

IMH-64	1.96 477	1.64 491	1.26 431	2.26 495	1.91 494	2.30 477	1.35 479	2.99 488	2.29 476	1.70 457	2.79 477	2.47 472	1.66 465	2.33 479	1.95 459	2.07 496	0.74 483	2.44 498	1.04 491	2.40 494	1.59 496

UNDER WATER	3.63 496	2.12 499	4.11 491	3.17 506	2.51 503	3.77 497	2.45 502	3.53 497	13.66 509	2.98 491	2.92 479	5.75 499	4.13 501	3.85 497	3.75 486	2.84 507	1.11 500	2.71 505	1.41 501	3.26 505	2.50 505

SGM+DAISY	1.52 467	0.99 467	1.61 462	1.01 469	1.02 475	1.86 469	1.19 469	1.49 444	1.38 439	2.96 490	3.00 480	2.79 476	1.94 473	1.88 465	1.62 451	0.98 480	0.97 499	0.91 476	0.91 485	0.94 472	0.99 480

FTStereo	0.56 321	0.21 120	0.39 75	0.42 202	0.25 152	0.39 150	0.73 426	0.69 144	0.45 89	1.09 408	3.23 481	0.69 243	0.71 333	0.55 110	0.34 146	0.15 105	0.13 197	0.19 211	0.17 222	0.15 111	0.32 386

KSHMR	2.64 488	1.96 497	1.86 471	2.69 503	2.44 501	2.88 488	2.04 499	3.46 495	6.31 501	2.51 482	3.27 482	3.39 487	1.97 474	2.59 485	2.08 466	2.48 503	1.41 503	2.80 507	1.51 503	2.98 502	2.09 501

WAO-6	2.11 484	1.52 485	1.25 430	1.73 485	1.69 490	2.72 483	1.62 488	3.15 490	3.64 492	2.01 470	3.28 483	3.52 489	2.20 484	2.59 485	2.48 475	1.31 487	0.92 493	2.04 493	1.22 500	1.89 483	1.35 494

Dean	2.07 483	1.39 482	1.69 468	2.17 493	1.83 493	2.75 484	1.28 474	3.49 496	3.80 495	2.13 471	3.30 484	3.18 482	1.98 476	1.78 461	1.72 454	1.73 492	0.79 491	1.99 488	0.91 485	2.17 490	1.34 493

WAO-7	1.96 477	1.24 476	1.52 453	1.28 479	1.06 479	2.92 489	1.64 489	3.32 492	3.05 489	2.28 477	3.32 485	3.19 483	2.38 486	3.39 491	2.49 476	1.02 481	0.92 493	1.06 478	1.04 491	1.05 475	0.99 480

MeshStereo	1.38 460	0.45 398	0.58 271	0.45 279	0.35 357	1.63 458	0.60 396	2.07 477	1.43 444	4.49 501	3.32 485	4.67 492	2.08 479	2.08 473	1.32 437	0.36 427	0.36 449	0.37 427	0.32 420	0.32 387	0.34 397
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
IMH	2.15 485	1.66 493	1.29 436	2.25 494	1.92 496	2.87 487	1.33 477	3.25 491	3.04 488	1.87 464	3.33 487	3.00 479	2.03 478	2.80 488	1.95 459	2.09 498	0.78 488	2.45 500	1.05 494	2.44 496	1.62 498

ELAS_RVC	1.76 475	0.64 441	1.20 426	0.74 457	0.59 448	2.18 474	2.53 503	2.10 479	2.85 486	3.46 497	3.41 488	3.12 481	4.11 500	2.69 487	2.53 477	0.54 462	0.47 470	0.51 460	0.48 461	0.55 455	0.55 461
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCDC_ROB	0.93 417	0.54 423	0.97 409	0.78 461	0.41 389	1.03 405	0.42 300	1.39 426	2.34 480	1.04 389	3.73 489	0.80 302	1.12 433	1.29 422	1.04 415	0.37 431	0.22 370	0.24 337	0.20 301	0.36 407	0.31 382

MSMD_ROB	1.25 451	0.51 412	0.64 300	0.60 423	0.50 430	1.66 460	0.67 407	1.26 390	1.26 423	2.64 483	3.82 490	3.06 480	3.20 495	1.45 442	0.91 387	0.46 448	0.41 460	0.49 456	0.51 467	0.47 438	0.45 439

JetRed	5.38 505	6.17 510	12.68 507	2.38 497	2.85 507	12.60 511	11.17 510	4.60 502	3.74 493	3.87 500	3.85 491	4.83 493	4.13 501	6.81 506	12.18 507	2.18 499	2.95 508	2.19 496	1.98 505	3.49 506	3.01 508

RAFT-RH_RVC	0.57 327	0.18 39	0.44 130	0.38 84	0.23 84	0.56 243	0.24 42	0.61 87	0.73 194	1.18 422	3.90 492	0.55 153	0.40 173	0.67 229	0.38 190	0.14 44	0.11 68	0.20 247	0.15 144	0.12 9	0.14 91

WCMA_ROB	1.22 448	0.39 376	0.93 399	0.51 364	0.45 412	1.44 445	0.79 436	1.20 367	1.30 431	2.99 492	3.94 493	3.30 485	2.17 482	1.42 438	1.31 436	0.46 448	0.35 447	0.35 417	0.37 434	0.41 423	0.42 428

ELAS	1.77 476	0.64 441	1.10 418	0.72 455	0.58 447	3.37 494	1.76 493	2.54 485	2.57 482	3.77 499	3.96 494	2.83 477	3.44 496	2.34 481	2.73 479	0.53 459	0.47 470	0.50 458	0.48 461	0.55 455	0.55 461
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
WAO-8	3.00 490	1.60 488	1.52 453	1.82 487	1.65 488	5.57 501	1.35 479	4.65 503	12.37 506	2.89 486	4.04 495	4.89 495	2.78 489	3.73 495	2.44 472	1.29 485	0.93 495	2.00 489	1.16 498	2.02 485	1.23 487

Venus	3.00 490	1.60 488	1.52 453	1.82 487	1.65 488	5.57 501	1.35 479	4.65 503	12.37 506	2.89 486	4.04 495	4.89 495	2.78 489	3.73 495	2.44 472	1.29 485	0.93 495	2.00 489	1.16 498	2.02 485	1.23 487

notaker	2.87 489	2.31 501	2.01 473	3.03 505	2.60 506	2.94 490	1.82 496	3.43 494	3.06 490	2.89 486	4.21 497	6.15 503	2.71 488	3.42 492	2.90 480	2.67 506	1.18 501	3.00 508	1.67 504	3.13 503	2.26 503

LVE	2.20 486	1.47 484	1.44 451	2.06 492	1.80 492	2.79 486	1.77 494	2.96 487	3.94 497	1.95 468	4.29 498	3.47 488	1.97 474	2.48 482	1.85 457	2.06 495	0.88 492	2.06 495	1.13 496	2.17 490	1.53 495

FCDSN-DC	1.43 464	0.57 432	0.69 328	0.74 457	0.59 448	1.42 444	0.65 406	1.40 430	1.41 441	3.31 496	4.42 499	4.57 491	3.01 493	1.70 457	1.19 430	0.46 448	0.42 462	0.48 453	0.47 457	0.51 448	0.51 456
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DPSimNet_ROB	5.19 504	2.71 506	18.56 508	2.59 500	2.49 502	4.25 498	10.93 509	3.33 493	3.93 496	5.02 505	4.52 500	5.74 498	10.18 506	5.44 503	8.79 502	2.40 502	2.47 506	2.48 501	2.54 507	2.56 498	2.87 507

FC-DCNN	1.67 472	0.53 416	0.68 319	0.62 431	0.49 426	1.62 457	0.71 416	1.77 472	1.55 453	4.73 503	4.66 501	5.82 500	3.94 499	2.13 475	1.42 441	0.47 451	0.42 462	0.47 449	0.46 454	0.48 439	0.47 445

LE_ROB	4.86 503	0.27 279	9.43 501	0.45 279	0.24 123	1.61 456	0.96 455	2.05 476	17.75 516	16.36 518	4.84 502	5.17 497	19.48 518	2.05 470	15.49 510	0.17 182	0.15 255	0.16 100	0.16 171	0.20 264	0.19 236

FC-DCNN v2	1.74 473	0.53 416	0.68 319	0.62 431	0.49 426	1.67 461	0.71 416	1.85 474	1.57 455	4.84 504	5.01 503	6.42 504	3.92 498	2.24 478	1.43 443	0.47 451	0.42 462	0.47 449	0.46 454	0.48 439	0.47 445

ktn	3.02 492	2.27 500	1.85 470	2.89 504	2.54 505	3.72 495	2.14 500	3.79 499	5.33 499	2.82 485	5.09 504	5.95 501	2.54 487	3.34 490	2.58 478	2.65 505	1.44 504	2.78 506	2.03 506	2.61 499	2.10 502

MADNet++	4.18 498	2.72 507	4.00 488	3.80 510	3.44 509	4.72 500	4.05 507	4.01 500	3.74 493	4.52 502	5.14 505	4.20 490	4.89 504	7.04 507	6.39 497	3.79 508	3.70 509	3.27 510	2.70 509	3.68 507	3.74 510

TorneroNet-64	3.54 495	1.89 495	1.59 458	2.62 502	2.29 499	6.88 504	1.72 492	4.72 505	11.88 504	2.43 480	5.46 506	8.16 506	2.80 491	4.13 499	3.03 481	2.25 501	0.75 485	2.57 502	1.09 495	2.65 500	1.84 500

SGM-ForestM	4.73 500	0.34 348	1.05 416	0.46 303	0.28 245	10.26 506	3.48 506	4.52 501	5.16 498	8.68 509	7.48 507	18.87 516	10.80 508	11.26 511	10.01 504	0.32 403	0.34 445	0.32 409	0.32 420	0.29 369	0.30 375

TorneroNet	4.49 499	1.92 496	1.65 466	2.60 501	2.29 499	14.95 512	1.86 497	4.86 506	19.56 520	3.10 494	7.52 508	7.00 505	2.90 492	4.48 500	3.66 485	2.24 500	0.78 488	2.68 504	1.14 497	2.79 501	1.80 499

MANE	4.73 500	0.54 423	0.77 356	0.69 449	0.60 451	10.35 507	1.67 490	8.68 509	12.66 508	6.90 508	9.43 509	11.59 510	10.59 507	8.26 508	8.41 501	0.51 457	0.45 467	0.48 453	1.02 489	0.50 445	0.50 452

HanzoNet	6.97 508	2.57 503	4.66 494	3.29 507	2.96 508	3.75 496	2.35 501	5.08 507	7.11 502	14.46 517	13.06 510	17.69 514	22.95 520	13.72 512	6.61 498	4.36 509	1.96 505	3.14 509	2.59 508	3.88 509	3.19 509

xxxxx1	36.77 521	19.69 516	24.00 513	62.46 524	66.77 524	27.30 518	39.89 521	20.40 515	18.80 517	14.18 514	13.11 511	17.29 511	17.30 515	21.62 517	27.81 519	13.61 517	18.98 522	111.36 525	133.25 525	28.84 519	38.64 522

tt_ll	36.77 521	19.69 516	24.00 513	62.46 524	66.77 524	27.30 518	39.89 521	20.40 515	18.80 517	14.18 514	13.11 511	17.29 511	17.30 515	21.62 517	27.81 519	13.61 517	18.98 522	111.36 525	133.25 525	28.84 519	38.64 522

ff	36.77 521	19.69 516	24.00 513	62.46 524	66.77 524	27.30 518	39.89 521	20.40 515	18.80 517	14.18 514	13.11 511	17.29 511	17.30 515	21.62 517	27.81 519	13.61 517	18.98 522	111.36 525	133.25 525	28.84 519	38.64 522

Anonymous_1	33.12 518	18.23 513	23.86 512	20.53 514	21.18 515	25.45 514	35.84 518	22.44 522	15.68 513	13.41 511	13.70 514	18.00 515	15.15 512	20.31 513	24.47 516	14.56 520	8.84 512	66.24 524	117.79 524	155.41 527	11.40 515

DPSM_ROB	17.80 513	18.60 514	24.24 516	20.89 515	19.49 513	25.83 515	36.10 519	21.62 520	16.41 514	13.46 512	14.26 515	19.11 517	16.15 513	20.74 514	25.59 517	9.37 515	9.23 513	9.47 515	9.81 515	13.47 513	12.09 516

DPSM	17.80 513	18.60 514	24.24 516	20.89 515	19.49 513	25.83 515	36.10 519	21.62 520	16.41 514	13.46 512	14.26 515	19.11 517	16.15 513	20.74 514	25.59 517	9.37 515	9.23 513	9.47 515	9.81 515	13.47 513	12.09 516

DGTPSM_ROB	12.12 510	8.03 511	21.12 509	8.97 512	16.81 511	10.68 508	30.77 516	9.14 510	15.23 511	6.55 506	15.49 517	9.02 507	15.13 510	9.26 509	21.71 514	4.58 510	8.60 510	5.07 512	9.26 513	5.88 511	11.06 513

DPSMNet_ROB	12.13 511	8.03 511	21.13 510	9.02 513	16.82 512	10.68 508	30.78 517	9.15 511	15.24 512	6.56 507	15.50 518	9.02 507	15.13 510	9.28 510	21.71 514	4.59 511	8.60 510	5.08 513	9.26 513	5.89 512	11.06 513

LRCNet_RVC	21.27 516	31.14 520	21.46 511	28.97 518	23.77 516	3.11 491	0.62 400	20.94 518	1.64 462	25.57 519	28.13 519	21.96 519	14.74 509	21.99 520	16.44 511	29.16 524	14.92 518	33.57 520	31.28 520	29.67 522	26.33 520

CasAABBNet	35.77 519	37.38 523	48.59 523	42.20 521	39.23 520	51.95 523	72.92 526	43.36 525	33.03 525	26.93 520	28.31 520	38.43 523	32.32 523	41.58 525	51.50 526	18.71 521	18.58 520	19.11 518	19.75 518	27.11 516	24.33 518

Selective-RAFT-Error	35.87 520	37.42 524	48.73 524	42.24 522	39.28 521	52.00 524	72.87 525	43.41 526	32.95 524	26.97 521	28.72 521	38.71 525	33.15 525	41.59 526	51.42 525	18.77 522	18.60 521	19.14 519	19.78 519	27.19 517	24.42 519

LSM0	38.96 526	37.52 525	48.37 522	43.79 523	91.31 527	52.31 525	72.38 524	43.71 527	32.75 523	27.16 522	28.73 522	38.51 524	32.63 524	41.75 527	51.59 527	18.85 523	18.43 519	19.09 517	19.60 517	27.21 518	33.44 521

BEATNet-Init1	15.65 512	1.62 490	54.26 525	0.75 459	0.56 441	37.03 522	13.39 511	13.20 513	14.59 510	29.41 523	29.29 523	47.69 526	21.87 519	26.91 521	19.58 512	0.43 447	0.39 455	0.47 449	0.47 457	0.52 451	0.52 458

HaxPig	31.93 517	37.19 522	34.22 518	24.41 517	24.94 517	18.53 513	20.18 513	21.15 519	28.84 522	35.74 524	38.86 524	26.18 520	28.75 522	33.85 522	34.15 522	35.89 525	38.80 525	37.79 521	40.52 521	39.33 523	39.33 525

AVERAGE_ROB	37.53 525	40.05 526	40.01 520	34.74 520	33.76 519	28.46 521	25.14 515	32.31 524	34.08 527	41.20 525	40.52 525	34.51 522	34.78 527	39.11 523	37.48 524	42.68 526	43.32 526	43.80 522	42.99 522	40.42 524	41.31 526

MEDIAN_ROB	37.35 524	40.72 527	40.37 521	32.26 519	31.80 518	27.29 517	25.02 514	29.47 523	33.43 526	41.99 526	41.60 526	33.48 521	34.37 526	39.66 524	36.94 523	43.49 527	43.96 527	44.07 523	43.35 523	41.32 525	42.43 527

test_example2	176.82 528	204.75 528	198.54 528	188.58 528	191.23 528	151.28 528	169.77 527	97.63 528	125.81 528	179.94 528	183.74 527	158.20 528	139.14 528	192.16 528	198.12 528	203.48 528	236.37 528	163.71 528	173.22 528	217.79 528	162.95 528

PML	40.49 527	30.31 519	12.46 506	7.19 511	14.30 510	91.44 527	212.44 528	7.73 508	23.24 521	74.44 527	185.05 528	49.81 527	25.78 521	21.34 516	12.84 508	8.71 514	2.93 507	8.43 514	3.24 510	13.77 515	4.45 511

ccccc		430.66 529		506.24 529	500.20 529	349.93 529		384.19 529		330.97 529		370.48 529		498.75 529		557.84 529	430.47 529	334.14 529	290.91 529	547.74 529

Low-res two-view benchmark