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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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.
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

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

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

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

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

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_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

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

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

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

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

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

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
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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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

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

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

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
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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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.
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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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_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

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
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

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

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

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

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
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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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.
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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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