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

XX-TBD	0.47 39	0.71 383	0.39 1	0.81 372	0.25 13	0.57 96	0.26 15	0.73 6	1.30 293	0.78 82	1.01 127	0.45 21	0.33 16	0.49 6	0.39 48	0.20 118	0.15 129	0.15 4	0.11 7	0.17 28	0.15 6

trnet	0.40 6	0.23 10	0.40 2	0.37 1	0.20 2	0.53 74	0.29 31	0.81 16	1.15 210	0.59 51	0.72 60	0.53 51	0.43 40	0.56 12	0.37 41	0.18 48	0.13 20	0.15 4	0.10 1	0.14 1	0.14 3

CES	0.51 57	0.21 2	0.40 2	0.42 6	1.40 434	0.53 74	0.34 58	1.04 69	0.68 39	0.45 17	0.67 45	0.35 5	0.28 4	0.58 20	0.35 15	0.16 10	0.13 20	0.15 4	0.10 1	0.19 80	1.69 441

CREStereo	0.40 6	0.24 18	0.40 2	0.37 1	0.22 5	0.52 70	0.29 31	0.81 16	1.15 210	0.59 51	0.72 60	0.51 40	0.42 36	0.57 17	0.37 41	0.19 80	0.13 20	0.15 4	0.10 1	0.14 1	0.15 6
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
CAS	0.66 143	0.19 1	0.41 5	2.31 445	0.86 397	0.56 94	0.53 222	0.83 22	0.63 27	0.49 28	0.70 55	0.36 6	0.26 2	0.47 5	0.37 41	2.33 446	0.10 1	0.14 1	0.10 1	0.17 28	1.31 435

GLC_STEREO	0.41 10	0.27 50	0.43 6	0.55 140	0.24 8	0.47 34	0.30 35	0.81 16	0.64 30	0.53 45	0.74 64	0.50 39	0.31 10	0.65 38	0.45 97	0.18 48	0.20 241	0.23 181	0.19 127	0.21 144	0.21 116

AnonymousM	0.63 134	1.14 419	0.43 6	0.46 22	0.32 116	0.43 24	0.46 174	1.27 152	0.78 61	1.00 131	0.66 42	0.68 90	0.45 49	0.61 25	0.46 103	0.21 144	0.16 161	1.84 444	0.98 441	0.15 6	0.15 6

PMTNet	0.47 39	0.22 4	0.43 6	0.39 3	0.24 8	0.71 171	0.26 15	0.78 14	1.03 153	0.65 62	0.69 51	0.55 53	0.48 68	0.90 93	0.36 31	0.99 429	0.13 20	0.15 4	0.10 1	0.15 6	0.15 6

LoS	0.41 10	0.23 10	0.46 9	0.39 3	0.23 6	0.48 39	0.40 107	1.12 98	0.94 115	0.50 33	0.66 42	0.49 35	0.42 36	0.63 36	0.39 48	0.19 80	0.14 72	0.16 14	0.11 7	0.14 1	0.15 6
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CREStereo++_RVC	0.49 47	0.22 4	0.46 9	0.48 39	0.38 190	0.45 29	0.25 8	0.77 11	1.30 293	0.82 93	1.23 221	0.47 28	0.37 24	0.55 11	0.44 85	0.16 10	0.11 3	0.16 14	0.80 433	0.18 51	0.12 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
IGEV-Stereo++	0.32 1	0.22 4	0.47 11	0.48 39	0.33 134	0.33 6	0.22 3	0.78 14	0.48 4	0.35 3	0.41 4	0.32 3	0.47 63	0.40 2	0.29 3	0.15 4	0.12 6	0.15 4	0.12 11	0.15 6	0.15 6

LoS_RVC	0.45 22	0.29 78	0.48 12	0.49 51	0.83 393	0.51 65	0.43 140	0.65 4	0.44 2	0.47 19	0.78 71	0.44 13	0.60 136	0.59 22	0.37 41	0.14 1	0.12 6	0.14 1	0.10 1	0.14 1	1.08 430

Any-RAFT	0.55 64	0.27 50	0.49 13	0.50 66	0.27 24	0.98 278	0.25 8	1.71 242	1.08 172	0.90 111	0.99 120	1.13 256	0.46 57	0.74 51	0.35 15	0.19 80	0.13 20	0.17 21	0.13 18	0.16 16	0.19 69

s12784h	0.55 64	0.22 4	0.49 13	0.43 9	0.19 1	1.00 280	0.34 58	1.40 174	1.30 293	0.84 99	0.93 102	0.63 78	0.52 91	1.48 210	0.47 113	0.15 4	0.12 6	0.17 21	0.11 7	0.19 80	0.13 2

TANstereo	0.45 22	0.23 10	0.50 15	0.43 9	0.21 3	0.65 140	0.26 15	0.83 22	0.88 90	0.95 122	0.99 120	0.51 40	0.45 49	0.56 12	0.36 31	0.19 80	0.24 308	0.16 14	0.13 18	0.17 28	0.27 230

IGEV-Stereo+	0.46 31	0.23 10	0.51 16	0.42 6	0.46 256	0.15 1	0.19 1	0.45 1	0.37 1	0.28 1	0.25 1	0.31 2	0.41 32	1.43 199	0.31 5	0.18 48	0.13 20	0.15 4	0.12 11	1.09 431	1.74 442

knoymous	0.53 60	0.32 141	0.51 16	0.46 22	0.30 77	0.57 96	0.54 233	1.10 94	0.78 61	0.99 127	0.84 85	0.95 195	0.57 111	0.89 90	0.51 138	0.21 144	0.14 72	0.26 263	0.14 35	0.23 183	0.25 194

CASnet	0.42 15	0.26 30	0.52 18	0.52 95	0.21 3	0.49 44	0.35 68	0.85 27	0.85 84	0.84 99	0.69 51	0.48 32	0.31 10	0.57 17	0.34 12	0.19 80	0.12 6	0.27 275	0.22 220	0.23 183	0.15 6
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RSM	0.40 6	0.25 26	0.53 19	0.50 66	0.27 24	0.46 33	0.40 107	0.94 46	0.49 5	0.42 10	0.44 7	0.65 82	0.33 16	1.07 133	0.32 8	0.15 4	0.13 20	0.17 21	0.14 35	0.17 28	0.15 6

AIO-Stereo	0.39 5	0.26 30	0.54 20	0.50 66	0.24 8	0.45 29	0.39 102	1.13 101	0.57 13	0.42 10	0.49 14	0.52 47	0.25 1	0.74 51	0.32 8	0.16 10	0.13 20	0.18 47	0.14 35	0.16 16	0.15 6

RSM++	0.40 6	0.26 30	0.55 21	0.51 80	0.27 24	0.49 44	0.41 117	0.83 22	0.52 7	0.39 8	0.47 10	0.60 68	0.34 19	1.02 119	0.31 5	0.16 10	0.13 20	0.17 21	0.15 46	0.18 51	0.15 6

MoCha-V2	0.43 18	0.23 10	0.55 21	0.56 158	0.23 6	0.44 27	0.32 44	1.35 163	0.63 27	0.54 46	0.55 27	0.42 10	0.57 111	1.12 147	0.28 2	0.15 4	0.13 20	0.15 4	0.13 18	0.17 28	0.18 43

Selective-IGEV	0.42 15	0.26 30	0.56 23	0.48 39	0.27 24	0.45 29	0.33 49	1.56 206	0.61 24	0.36 4	0.47 10	0.52 47	0.30 8	1.08 136	0.33 11	0.15 4	0.13 20	0.17 21	0.13 18	0.16 16	0.15 6

WCG-NET	0.48 44	0.26 30	0.57 24	0.46 22	0.35 163	0.70 168	0.26 15	1.03 65	1.00 143	0.79 85	0.71 56	0.64 80	0.51 86	0.90 93	0.35 15	0.19 80	0.13 20	0.16 14	0.15 46	0.17 28	0.19 69

Prome-Stereo	0.76 205	0.29 78	0.57 24	0.58 190	0.33 134	0.58 107	0.94 362	0.98 51	0.92 102	1.46 334	2.45 412	0.91 176	1.38 366	1.60 232	0.44 85	0.19 80	0.13 20	0.19 68	0.18 108	0.20 109	0.87 422

RAFT-Stereo-weight	0.49 47	0.26 30	0.58 26	0.49 51	0.28 49	0.61 116	0.34 58	1.16 119	1.11 188	1.06 152	0.79 73	0.75 110	0.28 4	0.79 68	0.42 77	0.16 10	0.13 20	0.17 21	0.15 46	0.16 16	0.18 43

MyStereo07	0.50 55	0.30 97	0.58 26	0.58 190	0.48 265	0.59 108	0.78 319	1.19 127	0.60 20	0.49 28	0.54 25	0.43 12	0.55 103	1.32 177	0.36 31	0.18 48	0.18 214	0.24 204	0.21 197	0.23 183	0.23 156

MC-Stereo	0.46 31	0.24 18	0.58 26	0.63 248	0.30 77	0.38 10	0.32 44	0.98 51	0.74 53	0.66 64	0.85 87	0.56 58	0.60 136	1.07 133	0.32 8	0.17 25	0.12 6	0.17 21	0.15 46	0.16 16	0.16 22

LCNet	0.73 189	0.30 97	0.58 26	0.58 190	0.31 92	0.68 155	0.53 222	1.09 88	0.94 115	1.19 210	1.34 264	0.96 200	1.32 360	2.50 330	0.46 103	0.19 80	0.13 20	0.21 119	0.25 271	0.28 256	0.69 409

PSM-AAD	0.80 228	0.29 78	0.58 26	0.58 190	0.29 63	0.76 189	1.19 394	1.08 81	0.94 115	1.65 371	1.58 334	0.81 129	2.12 422	1.67 240	0.44 85	0.19 80	0.14 72	0.38 369	0.32 353	0.22 164	0.68 407

Occ-G	0.44 21	0.23 10	0.59 31	0.44 11	0.27 24	0.43 24	0.61 278	0.85 27	0.62 25	0.48 24	0.66 42	1.00 214	0.45 49	0.79 68	0.45 97	0.17 25	0.14 72	0.18 47	0.13 18	0.16 16	0.18 43

WCG-NET（raft）	0.46 31	0.23 10	0.59 31	0.42 6	0.24 8	0.50 58	0.35 68	0.76 10	1.10 182	0.72 73	0.76 65	0.91 176	0.50 83	0.88 87	0.40 64	0.16 10	0.13 20	0.15 4	0.14 35	0.15 6	0.17 33

CAS++	0.48 44	0.34 189	0.59 31	0.48 39	0.32 116	0.45 29	0.29 31	1.73 246	0.78 61	0.71 69	0.73 63	0.36 6	0.28 4	0.70 47	0.35 15	0.27 278	0.22 271	0.26 263	0.21 197	0.29 272	0.22 138
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
EGLCR-Stereo	0.41 10	0.24 18	0.59 31	0.45 14	0.27 24	0.54 87	0.22 3	1.23 143	0.56 12	0.44 13	0.43 5	0.68 90	0.29 7	0.89 90	0.34 12	0.17 25	0.12 6	0.20 94	0.17 93	0.17 28	0.18 43

UCFNet_RVC	0.72 186	0.37 243	0.59 31	0.66 279	0.41 223	0.89 245	0.68 294	1.78 255	1.15 210	1.01 136	1.20 206	1.22 271	0.95 268	1.07 133	0.66 212	0.28 294	0.21 256	0.34 345	0.31 347	0.33 311	0.29 257

AEACV	0.41 10	0.25 26	0.60 36	0.55 140	0.52 289	0.43 24	0.38 91	0.98 51	0.63 27	0.44 13	0.56 30	0.46 22	0.59 131	0.56 12	0.31 5	0.17 25	0.13 20	0.18 47	0.16 75	0.17 28	0.17 33

anonymousdsp	0.45 22	0.30 97	0.60 36	0.48 39	0.34 148	0.49 44	0.42 123	0.97 47	0.60 20	0.51 41	0.53 19	0.46 22	0.47 63	1.36 181	0.35 15	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

IGEV-Stereo	0.45 22	0.30 97	0.60 36	0.48 39	0.34 148	0.49 44	0.42 123	0.98 51	0.60 20	0.51 41	0.53 19	0.46 22	0.47 63	1.36 181	0.35 15	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HSM-Net_RVC	0.91 282	0.31 125	0.60 36	0.54 128	0.31 92	1.15 308	0.60 274	3.76 444	1.30 293	1.57 359	1.75 360	1.67 357	1.01 292	1.61 234	0.90 274	0.23 197	0.17 188	0.19 68	0.18 108	0.20 109	0.22 138
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MGS-Stereo	0.43 18	0.28 58	0.61 40	0.46 22	0.28 49	0.49 44	0.33 49	0.60 3	0.89 91	0.47 19	1.32 255	0.51 40	0.32 14	0.66 40	0.39 48	0.20 118	0.16 161	0.18 47	0.16 75	0.18 51	0.18 43

MSKI-zero shot	0.56 75	0.30 97	0.61 40	0.55 140	0.28 49	0.68 155	0.28 26	1.25 147	0.68 39	0.92 115	1.33 260	0.81 129	0.33 16	1.94 278	0.36 31	0.18 48	0.13 20	0.17 21	0.13 18	0.16 16	0.19 69

FTStereo	0.92 285	0.28 58	0.61 40	0.57 178	0.34 148	0.65 140	1.80 432	1.09 88	0.84 81	1.75 379	4.13 436	1.04 225	1.62 385	1.59 227	0.48 120	0.21 144	0.17 188	0.23 181	0.22 220	0.19 80	0.58 392

raft+_RVC	0.56 75	0.29 78	0.61 40	0.65 266	0.56 311	0.53 74	0.53 222	1.40 174	1.02 150	0.78 82	1.04 141	0.70 98	0.55 103	1.00 114	0.49 131	0.18 48	0.16 161	0.19 68	0.19 127	0.18 51	0.17 33

GrayStereo	0.83 248	0.28 58	0.62 44	0.66 279	0.37 178	0.76 189	1.79 429	1.19 127	0.91 97	1.98 401	1.89 380	1.07 232	1.76 400	1.43 199	0.50 134	0.20 118	0.15 129	0.19 68	0.21 197	0.18 51	0.41 339

Pointernet	0.41 10	0.21 2	0.63 45	0.45 14	0.29 63	0.51 65	0.27 21	1.54 200	0.70 42	0.48 24	0.64 38	0.49 35	0.37 24	0.51 7	0.36 31	0.18 48	0.13 20	0.14 1	0.11 7	0.14 1	0.14 3

IGEV++	0.45 22	0.24 18	0.63 45	0.58 190	0.32 116	0.42 20	0.25 8	2.16 354	0.65 33	0.38 6	0.58 34	0.46 22	0.44 46	0.56 12	0.40 64	0.20 118	0.13 20	0.16 14	0.13 18	0.17 28	0.18 43

ACVNet-DCA	0.59 111	0.34 189	0.63 45	0.60 217	0.27 24	1.16 311	0.51 205	1.58 211	0.91 97	0.60 56	0.80 77	0.47 28	0.87 235	1.48 210	0.35 15	0.21 144	0.13 20	0.25 242	0.15 46	0.23 183	0.25 194

xx1	0.70 174	0.34 189	0.63 45	0.60 217	0.27 24	1.16 311	0.51 205	1.07 76	3.23 440	0.60 56	0.80 77	0.95 195	0.79 196	1.48 210	0.35 15	0.21 144	0.13 20	0.24 204	0.23 250	0.23 183	0.25 194

1test111	0.58 99	0.34 189	0.63 45	0.60 217	0.27 24	1.16 311	0.51 205	1.58 211	0.91 97	0.60 56	0.80 77	0.47 28	0.87 235	0.99 111	0.67 213	0.21 144	0.13 20	0.25 242	0.15 46	0.23 183	0.25 194

cc1	0.68 164	0.34 189	0.63 45	0.60 217	0.27 24	1.16 311	0.51 205	1.07 76	3.23 440	0.60 56	0.80 77	0.47 28	0.87 235	1.48 210	0.35 15	0.21 144	0.13 20	0.25 242	0.15 46	0.19 80	0.23 156

raftrobust	0.55 64	0.27 50	0.63 45	0.68 304	0.69 359	0.50 58	0.34 58	1.08 81	0.97 128	1.32 278	0.88 94	0.62 74	0.80 202	0.82 71	0.44 85	0.20 118	0.16 161	0.16 14	0.14 35	0.15 6	0.18 43

ff7	0.45 22	0.30 97	0.64 52	0.47 34	0.33 134	0.49 44	0.42 123	0.93 36	0.59 15	0.50 33	0.53 19	0.44 13	0.48 68	1.41 192	0.36 31	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

IGEVStereo-DCA	0.49 47	0.33 160	0.64 52	0.46 22	0.34 148	0.50 58	0.42 123	0.93 36	0.59 15	0.48 24	0.48 12	0.48 32	0.45 49	2.28 315	0.44 85	0.19 80	0.14 72	0.19 68	0.15 46	0.17 28	0.21 116

ffff	0.45 22	0.30 97	0.64 52	0.47 34	0.33 134	0.49 44	0.42 123	0.93 36	0.59 15	0.50 33	0.53 19	0.44 13	0.48 68	1.41 192	0.36 31	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

11t	0.45 22	0.30 97	0.64 52	0.47 34	0.33 134	0.49 44	0.42 123	0.93 36	0.59 15	0.50 33	0.53 19	0.44 13	0.48 68	1.41 192	0.36 31	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

ccc-4	0.45 22	0.30 97	0.64 52	0.47 34	0.33 134	0.49 44	0.42 123	0.93 36	0.59 15	0.50 33	0.53 19	0.44 13	0.48 68	1.41 192	0.36 31	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

U	9.23 467	0.22 4	0.65 57	0.48 39	53.11 483	61.26 488	0.24 7	0.77 11	0.55 9	0.37 5	0.30 2	0.29 1	0.34 19	0.34 1	0.27 1	0.20 118	0.12 6	60.47 485	4.24 470	0.18 51	0.14 3

test_for_model	1.38 364	3.71 468	0.65 57	3.45 461	2.88 459	0.57 96	0.33 49	1.91 292	0.93 109	1.47 335	0.64 38	0.51 40	0.37 24	0.53 9	0.35 15	2.54 447	0.16 161	0.17 21	0.12 11	4.56 468	1.84 444

tt1	0.65 141	0.34 189	0.65 57	0.60 217	0.27 24	1.14 305	0.48 187	1.08 81	2.62 428	0.59 51	0.79 73	0.49 35	0.80 202	1.57 222	0.35 15	0.21 144	0.13 20	0.25 242	0.16 75	0.20 109	0.23 156

cross-raft	0.56 75	0.26 30	0.65 57	0.55 140	0.31 92	0.66 146	0.37 84	1.68 228	0.82 76	1.06 152	1.07 151	1.25 280	0.45 49	0.74 51	0.39 48	0.15 4	0.13 20	0.19 68	0.16 75	0.19 80	0.17 33

RCA-Stereo	0.52 59	0.26 30	0.66 61	0.49 51	0.33 134	0.54 87	0.44 159	1.20 131	1.41 338	0.69 67	1.06 148	0.63 78	0.79 196	0.62 29	0.35 15	0.17 25	0.12 6	0.17 21	0.14 35	0.16 16	0.16 22

GMM-Stereo	0.75 197	0.27 50	0.66 61	0.56 158	0.34 148	0.71 171	0.97 367	1.09 88	0.91 97	1.37 300	1.79 365	1.11 252	0.79 196	2.08 298	0.48 120	0.19 80	0.12 6	0.25 242	0.25 271	0.21 144	0.78 416

rafts_anoy	0.55 64	0.32 141	0.66 61	0.72 333	0.61 334	0.53 74	0.40 107	1.24 144	1.06 167	0.85 101	0.83 84	0.67 88	0.53 93	0.77 59	0.55 166	0.20 118	0.15 129	0.25 242	0.26 287	0.22 164	0.21 116

UniTT-Stereo	0.38 3	0.24 18	0.67 64	0.49 51	0.36 170	0.40 12	0.32 44	0.55 2	0.55 9	0.55 49	0.55 27	0.36 6	0.31 10	0.59 22	0.52 146	0.21 144	0.15 129	0.17 21	0.15 46	0.19 80	0.17 33

test_4	0.55 64	0.23 10	0.67 64	0.56 158	0.32 116	0.71 171	0.39 102	0.83 22	0.72 45	0.93 118	1.87 379	0.70 98	0.41 32	1.21 160	0.39 48	0.16 10	0.13 20	0.21 119	0.23 250	0.20 109	0.18 43

testlalala2	0.60 118	0.30 97	0.68 66	1.79 439	1.30 433	0.65 140	0.41 117	1.06 74	0.75 58	0.91 113	0.96 107	0.75 110	0.34 19	0.56 12	0.45 97	0.18 48	0.16 161	0.17 21	0.13 18	0.17 28	0.19 69

KYRaft	0.77 211	0.29 78	0.68 66	0.59 209	0.29 63	0.66 146	0.83 339	1.05 72	0.89 91	1.63 369	2.22 401	1.15 260	0.99 283	1.59 227	0.41 71	0.21 144	0.14 72	0.22 148	0.28 313	0.21 144	1.01 426

FENet	0.62 125	0.30 97	0.68 66	0.57 178	0.33 134	0.82 217	0.40 107	1.41 178	1.12 194	1.03 143	0.87 91	0.98 204	0.84 213	1.00 114	0.70 221	0.23 197	0.16 161	0.23 181	0.20 156	0.22 164	0.24 175

CBMV_ROB	0.99 302	0.46 304	0.68 66	0.53 116	0.39 199	1.40 349	0.48 187	2.09 334	1.30 293	1.53 349	2.29 404	1.36 306	1.23 345	2.46 325	1.04 305	0.44 384	0.42 406	0.47 395	0.44 394	0.41 346	0.39 332

NOSS_ROB	1.29 361	0.49 319	0.68 66	0.60 217	0.40 209	1.09 298	0.77 316	1.94 299	1.44 349	1.04 145	1.46 299	1.10 247	0.81 206	10.57 468	0.78 241	0.46 388	0.43 407	0.48 396	0.45 397	0.45 363	0.43 351

ProNet	0.46 31	0.30 97	0.69 71	0.46 22	0.32 116	0.57 96	0.52 216	1.15 116	0.67 36	0.44 13	0.50 16	0.44 13	0.43 40	1.31 172	0.38 45	0.16 10	0.15 129	0.19 68	0.16 75	0.18 51	0.18 43

PSMNet-ADL	0.75 197	0.36 223	0.69 71	0.71 328	0.47 263	1.13 302	0.46 174	1.47 188	1.07 169	0.85 101	1.18 202	1.31 297	0.94 263	1.56 220	1.06 306	0.34 339	0.22 271	0.22 148	0.23 250	0.27 240	0.36 317

HHNet	0.64 137	0.28 58	0.69 71	0.45 14	0.46 256	0.50 58	0.57 254	1.13 101	1.03 153	1.26 252	2.21 400	0.70 98	0.59 131	1.10 142	0.51 138	0.21 144	0.13 20	0.23 181	0.19 127	0.20 109	0.31 281

testlalala	0.49 47	0.30 97	0.70 74	0.44 11	0.40 209	0.68 155	0.38 91	1.38 169	0.58 14	1.28 262	0.82 82	0.61 73	0.36 22	0.57 17	0.34 12	0.21 144	0.14 72	0.18 47	0.12 11	0.15 6	0.16 22

ICVP	0.66 143	0.35 216	0.71 75	0.63 248	0.41 223	0.85 237	0.56 249	1.78 255	0.96 124	0.92 115	1.24 225	0.88 160	0.75 179	0.76 58	0.93 283	0.31 318	0.22 271	0.22 148	0.21 197	0.24 212	0.28 243
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rvit_stereo_0081	0.46 31	0.34 189	0.72 76	0.56 158	0.35 163	0.41 17	0.44 159	0.74 8	1.04 159	0.49 28	0.52 17	0.51 40	0.49 79	0.86 83	0.47 113	0.25 236	0.20 241	0.22 148	0.19 127	0.26 234	0.19 69

rvit_stereo_0082	0.46 31	0.34 189	0.72 76	0.56 158	0.35 163	0.41 17	0.44 159	0.74 8	1.04 159	0.49 28	0.52 17	0.51 40	0.49 79	0.86 83	0.47 113	0.25 236	0.20 241	0.22 148	0.19 127	0.26 234	0.19 69

MaDis-Stereo	0.38 3	0.27 50	0.72 76	0.45 14	0.35 163	0.30 5	0.31 39	0.81 16	0.54 8	0.38 6	0.38 3	0.58 62	0.49 79	0.53 9	0.39 48	0.20 118	0.16 161	0.19 68	0.15 46	0.19 80	0.15 6

GMOStereo	0.55 64	0.28 58	0.72 76	0.52 95	0.30 77	0.53 74	0.43 140	1.02 59	0.98 131	1.44 326	1.14 190	0.88 160	0.57 111	0.62 29	0.39 48	0.16 10	0.14 72	0.24 204	0.22 220	0.20 109	0.18 43

error version	0.55 64	0.28 58	0.72 76	0.52 95	0.30 77	0.53 74	0.43 140	1.02 59	0.98 131	1.44 326	1.14 190	0.88 160	0.57 111	0.62 29	0.39 48	0.16 10	0.14 72	0.24 204	0.22 220	0.20 109	0.18 43

test-v	0.55 64	0.28 58	0.72 76	0.52 95	0.30 77	0.53 74	0.43 140	1.02 59	0.98 131	1.44 326	1.14 190	0.88 160	0.57 111	0.62 29	0.39 48	0.16 10	0.14 72	0.24 204	0.22 220	0.20 109	0.18 43

ASMatch	0.89 269	0.29 78	0.72 76	0.56 158	0.36 170	0.47 34	0.37 84	1.16 119	0.95 120	1.11 159	3.26 426	0.95 195	0.96 270	4.88 389	0.53 155	0.20 118	0.16 161	0.22 148	0.19 127	0.20 109	0.30 272

test-2	0.55 64	0.28 58	0.72 76	0.52 95	0.30 77	0.53 74	0.43 140	1.02 59	0.98 131	1.44 326	1.14 190	0.88 160	0.57 111	0.62 29	0.39 48	0.16 10	0.14 72	0.24 204	0.22 220	0.20 109	0.18 43

iRaftStereo_RVC	0.49 47	0.28 58	0.72 76	0.53 116	0.29 63	0.52 70	0.33 49	1.14 104	0.84 81	0.85 101	0.99 120	0.55 53	0.36 22	0.83 75	0.40 64	0.18 48	0.13 20	0.22 148	0.20 156	0.20 109	0.18 43

AFF-stereo	0.60 118	0.28 58	0.72 76	0.48 39	0.29 63	0.34 7	0.37 84	1.22 138	1.20 231	1.21 221	1.59 338	1.10 247	0.70 169	1.01 116	0.44 85	0.14 1	0.12 6	0.19 68	0.20 156	0.18 51	0.15 6

R-Stereo Train	0.60 118	0.30 97	0.72 76	0.57 178	0.37 178	0.68 155	0.52 216	1.45 183	0.78 61	1.61 365	1.50 311	0.76 112	0.53 93	0.67 41	0.51 138	0.19 80	0.16 161	0.18 47	0.15 46	0.18 51	0.19 69

RAFT-Stereo	0.60 118	0.30 97	0.72 76	0.57 178	0.37 178	0.68 155	0.52 216	1.45 183	0.78 61	1.61 365	1.50 311	0.76 112	0.53 93	0.67 41	0.51 138	0.19 80	0.16 161	0.18 47	0.15 46	0.18 51	0.19 69
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
riskmin	0.62 125	0.29 78	0.73 88	0.50 66	0.34 148	0.86 238	0.44 159	1.74 248	1.07 169	0.76 80	0.76 65	1.19 264	1.01 292	0.84 78	0.60 190	0.20 118	0.16 161	0.24 204	0.16 75	0.24 212	0.29 257

RAFT+CT+SA	0.63 134	0.30 97	0.73 88	0.69 316	0.37 178	0.40 12	0.55 242	1.93 298	1.04 159	0.72 73	1.23 221	0.62 74	0.69 167	1.69 246	0.42 77	0.19 80	0.13 20	0.22 148	0.22 220	0.21 144	0.19 69

THIR-Stereo	1.02 310	0.29 78	0.73 88	0.51 80	0.29 63	0.94 264	1.31 404	1.08 81	0.98 131	1.35 294	1.91 384	1.16 261	1.54 381	6.37 424	0.79 246	0.20 118	0.14 72	0.21 119	0.22 220	0.19 80	0.25 194

RAFT-345	0.86 262	0.26 30	0.73 88	0.53 116	0.28 49	0.53 74	0.41 117	0.85 27	1.31 300	1.33 283	2.32 405	0.85 151	0.53 93	5.69 405	0.48 120	0.19 80	0.14 72	0.22 148	0.17 93	0.17 28	0.17 33

Gwc-CoAtRS	0.55 64	0.27 50	0.73 88	0.49 51	0.30 77	0.63 127	0.25 8	1.38 169	1.12 194	1.05 147	1.02 130	1.10 247	0.55 103	0.72 49	0.44 85	0.17 25	0.14 72	0.17 21	0.15 46	0.16 16	0.17 33

EAI-Stereo	0.76 205	0.31 125	0.74 93	0.55 140	0.28 49	0.70 168	1.72 425	2.57 414	0.90 96	0.75 78	3.03 423	0.57 60	0.43 40	1.10 142	0.49 131	0.19 80	0.14 72	0.17 21	0.18 108	0.17 28	0.21 116

ACVNet	0.66 143	0.33 160	0.74 93	0.55 140	0.37 178	0.80 208	0.47 183	1.46 185	1.11 188	1.01 136	1.31 250	1.07 232	0.91 250	0.82 71	1.09 308	0.22 176	0.19 229	0.21 119	0.18 108	0.23 183	0.19 69

CFNet-ft	0.78 214	0.36 223	0.74 93	0.67 292	0.56 311	0.86 238	0.54 233	1.46 185	1.17 220	1.01 136	1.28 243	1.68 359	1.03 302	1.57 222	0.95 290	0.27 278	0.21 256	0.33 337	0.26 287	0.31 294	0.26 213

CFNet_RVC	0.78 214	0.36 223	0.74 93	0.67 292	0.56 311	0.86 238	0.54 233	1.46 185	1.17 220	1.01 136	1.28 243	1.68 359	1.03 302	1.57 222	0.95 290	0.27 278	0.21 256	0.33 337	0.26 287	0.31 294	0.26 213

SGM-Forest	1.29 361	0.40 276	0.74 93	0.54 128	0.37 178	1.55 363	1.26 402	1.82 267	1.39 333	2.22 410	1.81 371	1.64 353	1.02 300	7.65 441	1.20 320	0.39 365	0.37 391	0.39 372	0.34 369	0.37 327	0.34 305
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
GCAP-BAT	0.54 62	0.33 160	0.75 98	0.45 14	0.50 276	0.84 231	0.35 68	0.98 51	0.80 73	0.88 107	1.04 141	0.88 160	0.37 24	1.25 163	0.41 71	0.19 80	0.15 129	0.18 47	0.13 18	0.17 28	0.22 138

H2IRNET	0.57 87	0.28 58	0.75 98	0.49 51	0.35 163	0.40 12	0.27 21	1.03 65	1.18 226	0.62 61	1.26 229	1.07 232	0.85 218	1.02 119	0.64 203	0.20 118	0.16 161	0.23 181	0.25 271	0.22 164	0.20 95

Former-RAFT_DAM_RVC	0.47 39	0.38 261	0.75 98	0.48 39	0.37 178	0.67 151	0.35 68	0.82 21	1.14 205	0.61 60	0.64 38	0.39 9	0.39 30	0.74 51	0.39 48	0.20 118	0.17 188	0.22 148	0.18 108	0.24 212	0.20 95

raft_robust	0.71 180	0.32 141	0.75 98	0.54 128	0.28 49	0.54 87	0.35 68	1.54 200	1.24 253	1.18 204	1.07 151	0.73 107	0.53 93	3.65 366	0.40 64	0.19 80	0.16 161	0.20 94	0.22 220	0.21 144	0.19 69

hitnet-ft	0.84 253	0.38 261	0.75 98	0.59 209	0.44 245	0.99 279	0.47 183	1.61 219	1.38 324	1.21 221	1.22 213	1.82 373	0.99 283	1.87 268	1.09 308	0.33 330	0.29 348	0.34 345	0.27 303	0.36 322	0.33 297

DCRE	0.85 258	0.28 58	0.76 103	0.60 217	0.49 271	0.59 108	0.53 222	1.04 69	0.92 102	0.80 86	7.34 455	0.87 154	0.57 111	0.78 67	0.43 81	0.16 10	0.17 188	0.19 68	0.17 93	0.18 51	0.22 138

RAFT-RH_RVC	1.04 313	0.26 30	0.76 103	0.53 116	0.29 63	0.80 208	0.32 44	0.85 27	1.12 194	2.04 404	4.63 442	1.03 224	0.57 111	5.93 411	0.52 146	0.20 118	0.13 20	0.26 263	0.20 156	0.16 16	0.19 69

CFNet-RSSM	0.57 87	0.25 26	0.76 103	0.49 51	0.28 49	0.59 108	0.27 21	1.89 288	1.17 220	1.09 156	0.95 105	1.06 229	0.53 93	0.74 51	0.41 71	0.17 25	0.13 20	0.17 21	0.15 46	0.16 16	0.16 22

LL-Strereo2	0.56 75	0.36 223	0.77 106	0.56 158	0.40 209	0.68 155	0.37 84	1.21 136	0.83 79	0.96 124	0.79 73	0.91 176	0.41 32	1.08 136	0.48 120	0.18 48	0.17 188	0.29 300	0.25 271	0.22 164	0.19 69

BUS	0.78 214	0.34 189	0.77 106	0.55 140	0.45 249	2.30 414	0.42 123	2.65 419	1.04 159	1.25 239	1.12 174	1.02 221	0.70 169	0.94 100	0.75 232	0.25 236	0.18 214	0.25 242	0.22 220	0.23 183	0.24 175

BSDual-CNN	0.75 197	0.34 189	0.77 106	0.55 140	0.45 249	1.25 328	0.66 290	2.65 419	1.04 159	1.25 239	1.12 174	1.11 252	0.77 184	0.94 100	0.76 235	0.25 236	0.18 214	0.25 242	0.22 220	0.23 183	0.24 175

psmg	0.75 197	0.34 189	0.77 106	0.52 95	0.45 249	1.46 356	0.73 310	2.15 352	1.04 159	1.25 239	1.33 260	1.11 252	0.77 184	0.94 100	0.76 235	0.25 236	0.20 241	0.25 242	0.26 287	0.23 183	0.24 175

DRaft	0.81 237	0.26 30	0.77 106	0.47 34	0.31 92	0.95 270	0.52 216	1.13 101	0.99 139	1.78 383	2.01 390	0.80 123	1.71 396	2.64 337	0.74 229	0.19 80	0.14 72	0.20 94	0.20 156	0.18 51	0.24 175

RALCasStereoNet	0.58 99	0.34 189	0.77 106	0.65 266	0.64 341	0.64 136	0.51 205	1.06 74	0.99 139	0.71 69	1.06 148	0.77 116	0.44 46	1.38 187	0.52 146	0.20 118	0.18 214	0.18 47	0.16 75	0.20 109	0.22 138

CrosDoStereo	1.56 381	0.26 30	0.78 112	0.51 80	0.29 63	0.66 146	11.86 466	1.18 123	1.00 143	1.35 294	1.76 361	0.99 209	1.83 405	6.64 427	0.83 257	0.19 80	0.15 129	0.20 94	0.22 220	0.18 51	0.25 194

NRIStereo	0.62 125	0.31 125	0.78 112	0.56 158	0.28 49	0.63 127	0.33 49	1.16 119	0.92 102	1.15 185	0.87 91	0.90 172	0.58 128	2.24 311	0.56 172	0.22 176	0.14 72	0.21 119	0.19 127	0.22 164	0.18 43

DeepStereo_LL	1.56 381	0.26 30	0.78 112	0.51 80	0.29 63	0.66 146	11.86 466	1.18 123	1.00 143	1.35 294	1.76 361	0.99 209	1.83 405	6.64 427	0.83 257	0.19 80	0.15 129	0.20 94	0.22 220	0.18 51	0.25 194

DeepStereo_RVC	0.57 87	0.31 125	0.78 112	0.53 116	0.30 77	0.57 96	0.32 44	1.11 96	0.80 73	1.17 193	0.94 104	0.83 144	0.93 260	1.01 116	0.61 193	0.23 197	0.14 72	0.21 119	0.19 127	0.24 212	0.26 213

ttt	1.26 357	0.36 223	0.79 116	0.65 266	0.42 231	0.94 264	0.57 254	2.33 386	1.38 324	1.25 239	1.65 346	0.92 183	0.78 189	2.64 337	8.73 448	0.30 314	0.28 339	0.26 263	0.25 271	0.29 272	0.32 290

x	0.59 111	0.34 189	0.79 116	0.51 80	0.32 116	0.69 164	0.46 174	1.64 223	0.97 128	0.86 105	0.86 89	0.83 144	0.74 174	0.75 57	0.70 221	0.21 144	0.22 271	0.22 148	0.20 156	0.21 144	0.24 175

AAGNet	1.84 401	0.30 97	0.79 116	0.66 279	0.32 116	0.65 140	0.50 204	1.02 59	1.01 147	1.47 335	1.21 211	0.99 209	1.16 332	2.76 344	22.69 475	0.24 217	0.13 20	0.22 148	0.20 156	0.24 212	0.16 22

OMP-Stereo	0.95 291	0.35 216	0.79 116	0.92 401	0.32 116	0.49 44	0.35 68	1.22 138	1.11 188	1.58 360	1.12 174	1.44 319	0.69 167	6.92 432	0.51 138	0.20 118	0.15 129	0.24 204	0.19 127	0.21 144	0.16 22

Pruner-Stereo	0.64 137	0.31 125	0.79 116	0.66 279	0.31 92	0.61 116	0.42 123	1.22 138	1.09 179	1.53 349	1.09 161	0.94 191	0.55 103	1.37 184	0.56 172	0.25 236	0.14 72	0.24 204	0.21 197	0.21 144	0.25 194

testlalala_base	0.83 248	0.41 286	0.80 121	0.67 292	0.53 294	0.78 199	0.30 35	1.84 271	0.60 20	0.75 78	0.91 98	0.68 90	0.54 100	0.69 45	0.46 103	2.92 451	0.15 129	0.17 21	0.12 11	2.95 450	0.27 230

SPstereo	0.43 18	0.32 141	0.80 121	0.50 66	0.27 24	0.53 74	0.31 39	1.05 72	0.67 36	0.69 67	0.71 56	0.58 62	0.42 36	0.51 7	0.35 15	0.18 48	0.15 129	0.18 47	0.13 18	0.17 28	0.15 6

IIG-Stereo	0.97 296	0.34 189	0.80 121	0.90 399	0.33 134	0.61 116	0.26 15	1.27 152	1.08 172	1.69 375	1.37 274	1.44 319	0.74 174	6.94 433	0.53 155	0.21 144	0.14 72	0.23 181	0.18 108	0.20 109	0.15 6

AE-Stereo	0.58 99	0.29 78	0.81 124	0.62 238	0.41 223	0.69 164	0.46 174	2.49 407	1.25 261	0.49 28	0.77 69	0.69 95	0.46 57	0.61 25	0.42 77	0.17 25	0.16 161	0.21 119	0.20 156	0.19 80	0.18 43

RAFT-Test	0.58 99	0.27 50	0.81 124	0.50 66	0.33 134	0.95 270	0.27 21	1.40 174	0.89 91	1.00 131	1.12 174	1.39 312	0.48 68	0.74 51	0.41 71	0.17 25	0.14 72	0.17 21	0.14 35	0.16 16	0.18 43

PSM-adaLoss	0.56 75	0.33 160	0.81 124	0.52 95	0.27 24	0.63 127	0.41 117	1.14 104	0.73 46	1.13 170	0.96 107	0.82 135	0.60 136	1.09 140	0.52 146	0.23 197	0.14 72	0.24 204	0.20 156	0.27 240	0.20 95

ROB_FTStereo_v2	0.57 87	0.33 160	0.81 124	0.52 95	0.27 24	0.62 119	0.42 123	1.14 104	0.73 46	1.13 170	0.97 115	0.82 135	0.60 136	1.15 151	0.53 155	0.23 197	0.14 72	0.24 204	0.20 156	0.27 240	0.20 95

HUI-Stereo	0.54 62	0.33 160	0.81 124	0.52 95	0.27 24	0.62 119	0.29 31	1.14 104	0.74 53	1.13 170	0.96 107	0.82 135	0.60 136	0.83 75	0.52 146	0.23 197	0.14 72	0.24 204	0.20 156	0.27 240	0.20 95

SST-Stereo	0.85 258	0.30 97	0.81 124	0.63 248	0.31 92	0.70 168	0.25 8	1.16 119	0.95 120	1.47 335	1.11 170	0.99 209	0.86 226	5.69 405	0.53 155	0.23 197	0.13 20	0.23 181	0.19 127	0.23 183	0.19 69

iGMRVC	0.58 99	0.33 160	0.81 124	0.52 95	0.27 24	0.62 119	0.38 91	1.14 104	0.73 46	1.13 170	0.97 115	0.82 135	0.59 131	1.54 219	0.53 155	0.23 197	0.14 72	0.24 204	0.20 156	0.27 240	0.20 95

RAFT-Stereo + iAFF	0.56 75	0.28 58	0.81 124	0.45 14	0.25 13	0.40 12	0.34 58	1.12 98	1.13 199	1.35 294	1.58 334	0.80 123	0.67 160	0.71 48	0.43 81	0.14 1	0.11 3	0.18 47	0.17 93	0.18 51	0.16 22

HSM	1.22 348	0.34 189	0.81 124	0.61 230	0.39 199	1.22 324	0.63 284	2.45 398	1.25 261	1.32 278	1.26 229	1.91 376	1.08 317	9.21 454	0.75 232	0.23 197	0.17 188	0.20 94	0.16 75	0.22 164	0.24 175

DCVSM-stereo	0.75 197	0.36 223	0.82 133	0.58 190	0.43 236	0.78 199	0.42 123	1.30 158	1.05 165	1.79 384	1.04 141	1.60 346	1.08 317	1.12 147	0.86 261	0.25 236	0.27 334	0.29 300	0.24 263	0.30 287	0.37 321

test-3	0.56 75	0.24 18	0.82 133	0.50 66	0.29 63	0.57 96	0.34 58	1.09 88	1.03 153	1.33 283	0.69 51	0.87 154	0.45 49	1.68 242	0.39 48	0.17 25	0.12 6	0.20 94	0.17 93	0.17 28	0.16 22

test_1	0.56 75	0.24 18	0.82 133	0.50 66	0.29 63	0.57 96	0.34 58	1.09 88	1.03 153	1.28 262	0.69 51	0.87 154	0.45 49	1.67 240	0.39 48	0.17 25	0.12 6	0.20 94	0.17 93	0.17 28	0.16 22

GANet-ADL	0.63 134	0.38 261	0.82 133	0.67 292	0.41 223	0.68 155	0.51 205	1.64 223	1.16 216	0.98 126	1.10 163	0.90 172	0.58 128	0.81 70	0.63 199	0.27 278	0.18 214	0.18 47	0.16 75	0.23 183	0.27 230

Patchmatch Stereo++	0.57 87	0.33 160	0.82 133	0.52 95	0.27 24	0.63 127	0.28 26	1.14 104	0.73 46	1.13 170	0.96 107	0.82 135	0.60 136	1.40 190	0.52 146	0.23 197	0.14 72	0.24 204	0.20 156	0.27 240	0.20 95
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
ROB_FTStereo	0.56 75	0.33 160	0.82 133	0.52 95	0.27 24	0.62 119	0.25 8	1.14 104	0.74 53	1.13 170	0.96 107	0.82 135	0.60 136	1.18 157	0.52 146	0.23 197	0.14 72	0.24 204	0.20 156	0.27 240	0.20 95

iRAFT	0.57 87	0.33 160	0.82 133	0.52 95	0.27 24	0.63 127	0.28 26	1.14 104	0.73 46	1.13 170	0.96 107	0.82 135	0.60 136	1.40 190	0.52 146	0.23 197	0.14 72	0.24 204	0.20 156	0.27 240	0.20 95

CRE-IMP	0.57 87	0.32 141	0.82 133	0.54 128	0.29 63	0.77 198	0.25 8	1.19 127	0.79 70	1.09 156	0.95 105	0.81 129	0.57 111	1.11 145	0.57 175	0.22 176	0.14 72	0.23 181	0.19 127	0.28 256	0.24 175

RAFT-IKP	0.57 87	0.33 160	0.82 133	0.52 95	0.27 24	0.57 96	0.35 68	1.14 104	0.73 46	1.13 170	0.96 107	0.83 144	0.61 145	1.26 166	0.53 155	0.23 197	0.14 72	0.24 204	0.20 156	0.27 240	0.20 95

MIF-Stereo (partial)	0.48 44	0.28 58	0.83 142	0.51 80	0.53 294	0.39 11	0.27 21	1.03 65	0.64 30	0.47 19	0.71 56	0.51 40	0.51 86	1.13 149	0.47 113	0.20 118	0.16 161	0.23 181	0.20 156	0.24 212	0.20 95

HH	0.68 164	0.33 160	0.83 142	0.53 116	0.34 148	0.92 257	0.45 169	1.79 258	0.74 53	0.71 69	1.13 185	1.60 346	0.83 211	1.95 281	0.39 48	0.18 48	0.14 72	0.19 68	0.17 93	0.19 80	0.19 69

HanStereo	0.68 164	0.33 160	0.83 142	0.53 116	0.34 148	0.92 257	0.45 169	1.79 258	0.74 53	0.71 69	1.13 185	1.60 346	0.83 211	1.95 281	0.39 48	0.18 48	0.14 72	0.19 68	0.17 93	0.19 80	0.19 69

NF-Stereo	0.82 239	0.33 160	0.83 142	0.65 266	0.31 92	0.63 127	0.43 140	1.35 163	0.93 109	1.30 269	1.02 130	0.81 129	0.57 111	5.37 401	0.55 166	0.26 257	0.14 72	0.24 204	0.20 156	0.20 109	0.30 272

OCTAStereo	0.82 239	0.33 160	0.83 142	0.65 266	0.31 92	0.62 119	0.44 159	1.35 163	0.93 109	1.30 269	1.02 130	0.81 129	0.57 111	5.32 396	0.55 166	0.26 257	0.14 72	0.24 204	0.20 156	0.20 109	0.30 272

RAFT_R40	0.84 253	0.30 97	0.83 142	0.63 248	0.31 92	0.66 146	0.43 140	1.15 116	0.99 139	1.47 335	1.10 163	1.00 214	0.84 213	5.44 402	0.53 155	0.23 197	0.13 20	0.23 181	0.20 156	0.23 183	0.19 69

CroCo-Stereo	0.42 15	0.33 160	0.83 142	0.59 209	0.28 49	0.26 2	0.33 49	1.22 138	0.85 84	0.43 12	0.49 14	0.65 82	0.46 57	0.40 2	0.36 31	0.19 80	0.15 129	0.16 14	0.14 35	0.20 109	0.17 33
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
RAFT	0.67 153	0.32 141	0.83 142	0.63 248	0.34 148	0.69 164	0.57 254	1.14 104	0.84 81	1.12 167	1.20 206	1.75 370	0.92 258	1.09 140	0.60 190	0.22 176	0.19 229	0.27 275	0.24 263	0.22 164	0.23 156

TestStereo	0.65 141	0.42 289	0.83 142	0.52 95	0.27 24	0.57 96	0.44 159	1.07 76	0.92 102	0.85 101	1.01 127	0.68 90	0.56 108	3.22 357	0.47 113	0.23 197	0.15 129	0.24 204	0.18 108	0.28 256	0.18 43

11t1	0.57 87	0.30 97	0.84 151	0.54 128	0.30 77	0.83 224	0.41 117	1.34 162	0.79 70	0.88 107	0.82 82	0.70 98	0.70 169	0.96 107	0.67 213	0.21 144	0.21 256	0.20 94	0.16 75	0.21 144	0.26 213

EKT-Stereo	0.56 75	0.33 160	0.84 151	0.61 230	0.64 341	0.51 65	0.48 187	1.14 104	0.95 120	0.74 76	0.89 96	0.77 116	0.42 36	1.18 157	0.42 77	0.23 197	0.17 188	0.21 119	0.18 108	0.20 109	0.26 213

4D-IteraStereo	0.50 55	0.26 30	0.84 151	0.51 80	0.49 271	0.64 136	0.31 39	0.91 35	1.02 150	1.05 147	0.72 60	0.76 112	0.32 14	0.69 45	0.40 64	0.18 48	0.11 3	0.23 181	0.20 156	0.19 80	0.16 22

CASS	0.67 153	0.36 223	0.84 151	0.57 178	0.28 49	0.82 217	0.43 140	1.62 222	0.92 102	1.39 307	1.28 243	0.87 154	0.84 213	0.88 87	0.59 187	0.36 354	0.19 229	0.26 263	0.22 220	0.29 272	0.43 351
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
RE-Stereo	0.82 239	0.33 160	0.84 151	0.65 266	0.31 92	0.63 127	0.44 159	1.35 163	0.93 109	1.30 269	1.02 130	0.80 123	0.57 111	5.34 399	0.55 166	0.26 257	0.14 72	0.24 204	0.20 156	0.20 109	0.31 281

TVStereo	0.82 239	0.33 160	0.84 151	0.65 266	0.31 92	0.63 127	0.44 159	1.35 163	0.93 109	1.30 269	1.02 130	0.80 123	0.57 111	5.34 399	0.55 166	0.26 257	0.14 72	0.24 204	0.20 156	0.20 109	0.31 281

rvit_stereo_0083	0.49 47	0.34 189	0.85 157	0.57 178	0.36 170	0.49 44	0.43 140	0.73 6	1.05 165	0.50 33	0.57 33	0.55 53	0.50 83	0.92 97	0.50 134	0.25 236	0.25 320	0.24 204	0.20 156	0.25 224	0.19 69

RAStereo	0.36 2	0.22 4	0.85 157	0.48 39	0.28 49	0.27 3	0.28 26	0.77 11	0.65 33	0.33 2	0.43 5	0.44 13	0.31 10	0.45 4	0.35 15	0.18 48	0.15 129	0.19 68	0.15 46	0.19 80	0.15 6

anonymousa	0.78 214	0.30 97	0.85 157	0.51 80	0.96 410	1.41 351	0.47 183	1.61 219	0.94 115	1.33 283	1.77 363	1.66 355	1.11 326	0.72 49	0.63 199	0.19 80	0.18 214	0.23 181	0.25 271	0.20 109	0.22 138

Selective-RAFT	0.55 64	0.29 78	0.85 157	0.58 190	0.28 49	0.91 250	0.34 58	1.00 58	0.96 124	0.59 51	0.64 38	0.80 123	0.76 180	1.34 179	0.51 138	0.21 144	0.15 129	0.17 21	0.15 46	0.19 80	0.19 69

HBP-ISP	1.00 305	0.60 352	0.85 157	0.64 259	0.48 265	1.63 372	0.77 316	2.24 372	1.30 293	1.33 283	1.53 320	0.87 154	0.99 283	3.26 359	0.76 235	0.46 388	0.44 408	0.54 407	0.48 403	0.48 375	0.42 347

DisPM	0.68 164	0.30 97	0.85 157	0.66 279	0.35 163	0.60 112	0.44 159	1.10 94	1.10 182	1.56 356	1.10 163	0.80 123	0.58 128	2.37 323	0.46 103	0.25 236	0.14 72	0.23 181	0.21 197	0.20 109	0.26 213

DEmStereo	0.98 299	0.25 26	0.85 157	0.49 51	0.33 134	1.02 283	0.55 242	0.97 47	0.93 109	1.41 315	2.13 396	1.01 219	2.01 412	5.62 404	0.78 241	0.19 80	0.15 129	0.20 94	0.20 156	0.18 51	0.25 194

HCRNet	0.72 186	0.40 276	0.86 164	0.61 230	0.57 315	0.75 184	0.35 68	1.39 172	1.21 237	1.11 159	0.99 120	1.01 219	0.76 180	2.18 307	0.73 225	0.28 294	0.19 229	0.28 289	0.23 250	0.25 224	0.26 213

AdaStereo	0.74 193	0.48 314	0.86 164	0.75 354	0.38 190	0.94 264	0.56 249	2.05 328	1.24 253	1.15 185	1.22 213	1.07 232	0.67 160	1.05 126	0.73 225	0.33 330	0.16 161	0.32 328	0.22 220	0.29 272	0.23 156
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.
rvit_stereo_0080	0.47 39	0.35 216	0.87 166	0.48 39	0.36 170	0.42 20	0.54 233	0.93 36	0.78 61	0.52 43	0.60 35	0.55 53	0.47 63	0.62 29	0.48 120	0.27 278	0.21 256	0.20 94	0.20 156	0.31 294	0.20 95

whm_eth	0.47 39	0.35 216	0.87 166	0.48 39	0.36 170	0.42 20	0.54 233	0.93 36	0.78 61	0.52 43	0.60 35	0.55 53	0.47 63	0.62 29	0.48 120	0.27 278	0.21 256	0.20 94	0.20 156	0.31 294	0.20 95

CroCo-Stereo Lap2	0.46 31	0.37 243	0.87 166	0.62 238	0.79 384	0.28 4	0.35 68	0.81 16	0.73 46	0.39 8	0.54 25	0.71 104	0.54 100	0.60 24	0.48 120	0.18 48	0.18 214	0.19 68	0.16 75	0.21 144	0.21 116

test_3	0.57 87	0.24 18	0.87 166	0.55 140	0.30 77	0.60 112	0.40 107	1.07 76	1.08 172	1.20 215	0.68 46	0.92 183	0.43 40	1.68 242	0.40 64	0.16 10	0.13 20	0.22 148	0.19 127	0.21 144	0.17 33

qqq	0.62 125	0.36 223	0.88 170	0.50 66	0.28 49	0.64 136	0.62 279	1.58 211	0.91 97	0.83 94	0.96 107	0.95 195	0.79 196	0.99 111	0.67 213	0.21 144	0.23 298	0.24 204	0.23 250	0.23 183	0.25 194

psm_up	0.83 248	0.37 243	0.88 170	0.68 304	0.59 324	1.05 288	0.92 357	1.68 228	1.17 220	1.41 315	1.22 213	1.30 295	1.31 358	1.39 189	0.89 270	0.27 278	0.30 352	0.31 317	0.27 303	0.28 256	0.28 243

CBMV	1.04 313	0.48 314	0.88 170	0.56 158	0.36 170	1.52 360	1.55 416	1.87 281	1.59 379	2.11 407	1.67 349	1.46 325	1.35 363	1.92 276	1.31 335	0.35 347	0.35 382	0.39 372	0.33 364	0.34 317	0.34 305
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
test_sample7	0.78 214	0.39 270	0.89 173	0.55 140	0.35 163	0.93 261	0.75 312	1.99 311	1.27 273	1.25 239	1.22 213	1.09 243	1.01 292	1.31 172	0.73 225	0.32 325	0.32 368	0.32 328	0.32 353	0.33 311	0.33 297

test_sample2	0.67 153	0.31 125	0.89 173	0.54 128	0.29 63	0.80 208	0.63 284	1.83 269	1.10 182	0.93 118	1.06 148	0.94 191	0.92 258	1.24 162	0.59 187	0.23 197	0.20 241	0.22 148	0.21 197	0.24 212	0.25 194

NINENet	0.81 237	0.40 276	0.89 173	0.65 266	0.53 294	2.30 414	0.42 123	2.12 338	1.13 199	1.20 215	1.27 238	1.02 221	0.70 169	1.26 166	0.75 232	0.29 308	0.24 308	0.31 317	0.21 197	0.27 240	0.26 213

PSM-softLoss	0.80 228	0.33 160	0.89 173	0.63 248	0.32 116	0.55 91	0.40 107	1.26 148	0.78 61	1.25 239	1.07 151	0.83 144	0.51 86	5.33 397	0.61 193	0.25 236	0.15 129	0.25 242	0.22 220	0.20 109	0.26 213

KMStereo	0.80 228	0.33 160	0.89 173	0.63 248	0.32 116	0.55 91	0.40 107	1.26 148	0.78 61	1.25 239	1.07 151	0.83 144	0.51 86	5.33 397	0.61 193	0.25 236	0.15 129	0.25 242	0.22 220	0.20 109	0.26 213

IRAFT_RVC	0.90 277	0.30 97	0.89 173	0.67 292	0.31 92	0.64 136	1.00 372	1.40 174	0.97 128	1.23 232	1.04 141	1.00 214	0.96 270	5.77 408	0.57 175	0.24 217	0.13 20	0.25 242	0.21 197	0.20 109	0.21 116

PSMNet-RSSM	0.78 214	0.32 141	0.89 173	0.65 266	0.43 236	0.73 178	0.58 261	2.14 347	1.19 227	1.18 204	1.38 278	1.31 297	1.07 316	1.43 199	0.82 256	0.28 294	0.21 256	0.27 275	0.29 331	0.25 224	0.26 213

test_sample1	0.67 153	0.32 141	0.90 180	0.54 128	0.33 134	0.76 189	0.48 187	1.75 250	1.06 167	0.95 122	0.99 120	0.91 176	1.10 323	1.25 163	0.79 246	0.22 176	0.19 229	0.21 119	0.20 156	0.21 144	0.25 194

GwcNet-ADL	0.67 153	0.33 160	0.90 180	0.58 190	0.41 223	0.60 112	0.59 267	1.55 203	1.28 281	1.11 159	1.13 185	0.90 172	0.59 131	1.11 145	0.91 276	0.28 294	0.18 214	0.18 47	0.18 108	0.25 224	0.33 297

GANet-RSSM	0.78 214	0.31 125	0.90 180	0.67 292	0.58 318	0.80 208	0.62 279	2.04 324	1.15 210	1.11 159	1.27 238	1.26 286	1.18 342	1.68 242	0.74 229	0.26 257	0.21 256	0.22 148	0.22 220	0.23 183	0.23 156

SGM_RVC	1.88 402	0.40 276	0.90 180	0.63 248	0.30 77	2.81 428	1.26 402	2.73 424	1.81 400	4.09 445	2.85 420	3.88 438	3.19 440	8.42 448	2.44 403	0.33 330	0.31 357	0.30 311	0.28 313	0.31 294	0.31 281
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
rvit_stereo_0081_aga	0.46 31	0.37 243	0.91 184	0.52 95	0.41 223	0.49 44	0.40 107	0.88 32	0.66 35	0.59 51	0.56 30	0.53 51	0.43 40	0.67 41	0.44 85	0.27 278	0.21 256	0.22 148	0.20 156	0.26 234	0.19 69

mmm	0.68 164	0.37 243	0.91 184	0.54 128	0.34 148	0.86 238	0.58 261	1.72 245	1.02 150	1.13 170	1.41 290	0.83 144	0.78 189	0.95 106	0.67 213	0.22 176	0.20 241	0.29 300	0.26 287	0.27 240	0.27 230

DIP-Stereo	0.64 137	0.32 141	0.91 184	0.49 51	0.36 170	0.91 250	0.33 49	2.51 410	0.77 59	1.25 239	1.00 125	0.68 90	0.51 86	0.92 97	0.65 208	0.19 80	0.15 129	0.21 119	0.17 93	0.19 80	0.22 138
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ITSA-stereo	0.85 258	0.38 261	0.92 187	0.58 190	0.32 116	0.86 238	0.49 197	2.33 386	1.69 387	1.16 189	1.12 174	0.95 195	0.85 218	2.46 325	1.18 317	0.27 278	0.23 298	0.28 289	0.28 313	0.28 256	0.41 339

Sa-1000	0.76 205	0.30 97	0.92 187	0.62 238	0.31 92	0.78 199	0.37 84	2.00 315	1.38 324	1.30 269	2.04 391	0.86 152	0.74 174	1.87 268	0.40 64	0.19 80	0.14 72	0.25 242	0.24 263	0.21 144	0.19 69

PCWNet_CMD	0.68 164	0.34 189	0.93 189	0.51 80	0.38 190	0.80 208	0.42 123	1.51 192	1.34 306	1.17 193	1.31 250	1.23 275	0.65 154	0.94 100	0.62 196	0.21 144	0.17 188	0.27 275	0.19 127	0.43 351	0.28 243

anonymousdsp2	0.58 99	0.29 78	0.93 189	0.51 80	0.30 77	0.75 184	0.46 174	1.95 302	0.87 89	0.81 91	0.78 71	0.76 112	0.48 68	1.10 142	0.45 97	0.19 80	0.14 72	0.18 47	0.13 18	0.20 109	0.22 138

CFNet_pseudo	0.68 164	0.34 189	0.93 189	0.50 66	0.39 199	0.72 174	0.42 123	1.44 181	1.25 261	1.17 193	1.35 269	1.22 271	0.66 158	1.04 123	0.64 203	0.21 144	0.17 188	0.33 337	0.19 127	0.39 338	0.28 243

222	1.67 388	0.31 125	0.93 189	0.59 209	0.31 92	1.05 288	0.43 140	2.39 391	1.47 360	1.37 300	1.55 324	0.94 191	0.94 263	1.98 284	17.76 469	0.24 217	0.22 271	0.21 119	0.20 156	0.22 164	0.26 213

MSMDNet	0.68 164	0.34 189	0.93 189	0.52 95	0.38 190	0.80 208	0.42 123	1.52 194	1.35 309	1.17 193	1.31 250	1.23 275	0.65 154	0.94 100	0.62 196	0.21 144	0.17 188	0.26 263	0.19 127	0.41 346	0.28 243

ccs_rob	0.68 164	0.34 189	0.93 189	0.50 66	0.39 199	0.72 174	0.42 123	1.43 180	1.25 261	1.17 193	1.34 264	1.22 271	0.66 158	1.04 123	0.64 203	0.21 144	0.17 188	0.35 352	0.20 156	0.40 342	0.29 257

CFNet_ucs	0.73 189	0.34 189	0.94 195	0.53 116	0.44 245	0.76 189	0.46 174	1.73 246	1.34 306	1.24 236	1.54 321	1.08 242	0.64 150	1.05 126	0.64 203	0.26 257	0.20 241	0.37 365	0.22 220	0.42 349	0.30 272

Anonymous_2	1.37 363	0.56 345	0.94 195	0.57 178	0.62 338	1.04 285	0.65 288	1.82 267	1.01 147	1.00 131	0.79 73	1.42 314	1.27 352	1.06 131	0.83 257	0.62 416	0.67 436	1.05 436	9.88 474	1.09 431	0.55 384

test_xeample	1.55 380	0.31 125	0.94 195	0.54 128	0.31 92	0.94 264	0.58 261	2.40 393	1.40 335	1.29 267	1.55 324	0.89 170	0.88 241	1.72 248	15.94 466	0.22 176	0.22 271	0.22 148	0.21 197	0.23 183	0.25 194

SMFormer	0.79 223	0.32 141	0.95 198	0.49 51	0.27 24	0.83 224	0.43 140	2.16 354	1.45 354	1.27 257	1.50 311	0.98 204	0.96 270	1.87 268	0.99 295	0.24 217	0.22 271	0.22 148	0.21 197	0.23 183	0.27 230

tta	0.79 223	0.32 141	0.95 198	0.49 51	0.27 24	0.83 224	0.43 140	2.16 354	1.45 354	1.27 257	1.50 311	0.98 204	0.96 270	1.87 268	0.99 295	0.24 217	0.22 271	0.22 148	0.21 197	0.19 80	0.22 138

qqq1	0.76 205	0.32 141	0.95 198	0.49 51	0.27 24	0.83 224	0.43 140	2.16 354	1.45 354	1.27 257	1.50 311	0.98 204	0.96 270	1.87 268	0.48 120	0.24 217	0.22 271	0.18 47	0.15 46	0.19 80	0.22 138

fff1	0.76 205	0.32 141	0.95 198	0.49 51	0.27 24	0.83 224	0.43 140	2.16 354	1.45 354	1.27 257	1.50 311	0.98 204	0.96 270	1.87 268	0.48 120	0.24 217	0.22 271	0.18 47	0.15 46	0.19 80	0.22 138

TestStereo1	0.66 143	0.29 78	0.95 198	0.82 375	0.32 116	0.47 34	0.43 140	1.52 194	1.22 245	0.99 127	1.32 255	0.65 82	0.76 180	1.78 255	0.44 85	0.20 118	0.16 161	0.22 148	0.19 127	0.21 144	0.20 95

SA-5K	0.66 143	0.29 78	0.95 198	0.82 375	0.32 116	0.47 34	0.43 140	1.52 194	1.22 245	0.99 127	1.32 255	0.65 82	0.76 180	1.78 255	0.44 85	0.20 118	0.16 161	0.22 148	0.19 127	0.21 144	0.20 95

DLCB_ROB	0.92 285	0.43 293	0.95 198	0.71 328	0.55 306	1.11 299	0.83 339	1.61 219	1.32 302	1.67 373	1.66 347	1.70 362	0.93 260	1.96 283	1.34 340	0.26 257	0.25 320	0.27 275	0.28 313	0.28 256	0.28 243

TransformOpticalFlow	0.97 296	0.30 97	0.96 205	0.54 128	0.31 92	0.65 140	0.54 233	1.87 281	1.19 227	1.12 167	1.44 295	1.34 304	0.98 280	6.68 429	0.44 85	0.19 80	0.12 6	0.21 119	0.19 127	0.18 51	0.23 156

SA	0.69 173	0.31 125	0.97 206	0.64 259	0.30 77	0.56 94	0.38 91	1.84 271	1.35 309	0.99 127	1.37 274	0.69 95	0.94 263	1.88 274	0.43 81	0.20 118	0.16 161	0.25 242	0.23 250	0.22 164	0.19 69

RALAANet	0.62 125	0.37 243	0.97 206	0.66 279	0.50 276	0.67 151	0.31 39	1.27 152	1.09 179	1.11 159	1.17 199	0.88 160	0.46 57	1.27 168	0.45 97	0.20 118	0.15 129	0.21 119	0.18 108	0.27 240	0.19 69

AACVNet	0.90 277	0.40 276	0.98 208	0.86 388	0.40 209	0.80 208	0.49 197	1.81 265	0.86 86	1.11 159	1.34 264	1.32 301	0.99 283	4.23 375	0.86 261	0.26 257	0.22 271	0.28 289	0.22 220	0.30 287	0.28 243

xxxx	1.61 384	0.32 141	0.98 208	0.58 190	0.31 92	1.15 308	0.43 140	2.43 396	1.41 338	1.17 193	1.40 285	1.21 267	0.86 226	1.94 278	16.68 468	0.24 217	0.24 308	0.21 119	0.20 156	0.23 183	0.27 230

test_5	0.70 174	0.32 141	0.99 210	0.69 316	0.50 276	0.89 245	0.51 205	1.88 286	1.14 205	0.78 82	1.13 185	1.04 225	0.89 244	1.59 227	0.46 103	0.19 80	0.14 72	0.23 181	0.22 220	0.22 164	0.20 95

CSP-Net	1.00 305	0.41 286	0.99 210	0.56 158	0.43 236	1.62 371	0.76 315	2.16 354	1.16 216	1.33 283	1.22 213	1.32 301	0.89 244	4.67 386	0.93 283	0.35 347	0.24 308	0.20 94	0.20 156	0.23 183	0.30 272

UDGNet	0.75 197	1.23 425	0.99 210	0.82 375	0.42 231	0.76 189	0.38 91	0.98 51	1.37 322	0.83 94	0.88 94	0.70 98	0.60 136	1.25 163	0.57 175	0.57 410	0.19 229	1.03 435	0.26 287	0.79 419	0.35 314

PFNet+	0.62 125	0.31 125	0.99 210	0.57 178	0.31 92	0.57 96	0.30 35	0.99 57	1.25 261	1.33 283	1.10 163	0.79 121	0.57 111	1.35 180	0.53 155	0.26 257	0.17 188	0.28 289	0.26 287	0.21 144	0.27 230

LMCR-Stereo	0.87 265	0.50 322	0.99 210	0.80 368	0.43 236	1.32 335	0.55 242	2.79 429	1.03 153	1.55 355	1.49 304	0.74 108	1.01 292	1.76 252	0.99 295	0.30 314	0.17 188	0.22 148	0.18 108	0.31 294	0.22 138

model_zeroshot	0.53 60	0.31 125	1.00 215	0.57 178	0.39 199	0.74 180	0.39 102	1.38 169	0.67 36	0.88 107	0.85 87	0.71 104	0.37 24	0.77 59	0.39 48	0.21 144	0.17 188	0.19 68	0.17 93	0.17 28	0.22 138

FCDSN-DC	2.47 428	0.65 373	1.00 215	0.85 385	0.75 372	2.26 413	0.97 367	2.31 380	1.83 401	5.52 461	7.65 458	7.72 458	7.70 464	4.43 380	2.64 406	0.52 402	0.48 417	0.52 402	0.52 411	0.57 395	0.59 394
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
TDLM	1.08 325	0.50 322	1.01 217	0.69 316	0.54 302	0.91 250	1.40 409	1.60 217	1.36 317	1.17 193	1.40 285	1.07 232	1.00 289	6.19 414	0.85 260	0.34 339	0.22 271	0.35 352	0.26 287	0.38 333	0.29 257

StereoDRNet-Refined	0.84 253	0.43 293	1.01 217	0.66 279	0.43 236	1.32 335	0.49 197	1.64 223	1.24 253	1.53 349	1.45 297	1.49 330	0.97 277	1.32 177	1.31 335	0.21 144	0.17 188	0.27 275	0.25 271	0.25 224	0.34 305
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoVision	0.67 153	0.37 243	1.02 219	0.60 217	0.41 223	0.50 58	0.41 117	1.32 161	0.96 124	0.73 75	2.48 414	0.82 135	0.57 111	1.06 131	0.50 134	0.26 257	0.28 339	0.29 300	0.28 313	0.37 327	0.22 138

MIM_Stereo	0.60 118	0.26 30	1.02 219	0.49 51	0.32 116	0.52 70	0.28 26	1.41 178	0.82 76	1.02 140	1.16 196	0.93 185	0.53 93	1.48 210	0.63 199	0.17 25	0.17 188	0.20 94	0.19 127	0.17 28	0.18 43

STrans-v2	1.06 318	0.31 125	1.02 219	0.52 95	0.33 134	0.67 151	0.78 319	2.66 422	1.26 269	1.15 185	1.46 299	1.37 310	1.40 369	6.68 429	0.46 103	0.19 80	0.13 20	0.21 119	0.18 108	0.18 51	0.21 116

ac_64	0.86 262	0.32 141	1.02 219	0.74 346	0.60 328	1.04 285	0.53 222	2.20 368	0.99 139	1.23 232	1.11 170	1.96 386	1.06 314	2.01 289	1.01 300	0.30 314	0.22 271	0.24 204	0.23 250	0.22 164	0.22 138

rvit_stereo_ft	0.49 47	0.38 261	1.03 223	0.68 304	0.42 231	0.40 12	0.58 261	0.93 36	0.86 86	0.47 19	0.55 27	0.57 60	0.48 68	0.67 41	0.53 155	0.26 257	0.17 188	0.22 148	0.22 220	0.24 212	0.19 69

UGAM-zero	1.05 316	0.33 160	1.04 224	0.49 51	0.31 92	0.67 151	0.26 15	2.37 389	0.80 73	1.05 147	1.11 170	2.86 426	1.81 403	6.26 418	0.50 134	0.18 48	0.15 129	0.19 68	0.16 75	0.17 28	0.21 116

test_sample5	0.75 197	0.36 223	1.04 224	0.55 140	0.31 92	0.84 231	0.53 222	2.12 338	1.23 249	1.18 204	1.30 248	0.88 160	0.86 226	1.37 184	0.76 235	0.26 257	0.22 271	0.27 275	0.28 313	0.28 256	0.29 257

CoDeX	0.78 214	0.31 125	1.04 224	0.56 158	0.37 178	1.13 302	0.60 274	2.77 426	1.29 291	1.17 193	1.26 229	0.91 176	0.87 235	1.42 197	0.74 229	0.21 144	0.16 161	0.21 119	0.18 108	0.21 144	0.21 116

DualNet	0.75 197	0.36 223	1.04 224	0.55 140	0.31 92	0.84 231	0.53 222	2.12 338	1.23 249	1.21 221	1.40 285	0.88 160	0.86 226	1.37 184	0.76 235	0.26 257	0.22 271	0.27 275	0.28 313	0.28 256	0.29 257

iRaft-Stereo_5w	0.89 269	0.31 125	1.04 224	0.56 158	0.47 263	0.47 34	0.68 294	1.19 127	1.08 172	0.80 86	1.35 269	1.46 325	0.90 247	5.11 392	1.16 315	0.18 48	0.15 129	0.22 148	0.19 127	0.21 144	0.24 175

GES	0.70 174	0.37 243	1.05 229	0.62 238	0.38 190	0.94 264	0.57 254	2.37 389	0.92 102	1.05 147	1.12 174	0.67 88	0.77 184	1.02 119	0.65 208	0.28 294	0.20 241	0.20 94	0.20 156	0.22 164	0.31 281

MeshStereo	2.36 424	0.60 352	1.05 229	0.63 248	0.51 286	2.58 422	0.99 370	3.46 440	2.21 419	7.38 466	5.06 447	7.50 455	3.10 439	7.02 435	2.54 405	0.44 384	0.44 408	0.45 389	0.40 384	0.43 351	0.45 356
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
test_sample3	0.73 189	0.35 216	1.06 231	0.55 140	0.32 116	0.97 277	0.51 205	2.12 338	1.25 261	1.16 189	1.17 199	0.88 160	0.78 189	1.27 168	0.79 246	0.26 257	0.21 256	0.25 242	0.25 271	0.26 234	0.27 230

MyStereo06	0.67 153	0.29 78	1.06 231	0.58 190	0.48 265	0.62 119	0.72 307	2.26 373	0.89 91	1.07 154	1.12 174	1.22 271	0.56 108	0.83 75	0.47 113	0.17 25	0.17 188	0.24 204	0.21 197	0.23 183	0.23 156

TRStereo	0.67 153	0.71 383	1.06 231	0.77 363	0.68 356	0.53 74	0.38 91	2.52 411	0.96 124	0.81 91	0.84 85	0.87 154	0.39 30	1.16 153	0.46 103	0.24 217	0.17 188	0.23 181	0.24 263	0.18 51	0.20 95

SFCPSM	0.74 193	0.30 97	1.06 231	0.52 95	0.39 199	1.36 343	0.64 286	2.42 395	1.11 188	1.18 204	1.21 211	0.81 129	0.78 189	1.08 136	0.57 175	0.22 176	0.17 188	0.22 148	0.24 263	0.23 183	0.21 116

cf-r	0.79 223	0.32 141	1.06 231	0.57 178	0.64 341	0.78 199	0.51 205	2.04 324	1.22 245	1.20 215	1.27 238	1.53 337	0.91 250	1.47 208	0.94 288	0.25 236	0.19 229	0.22 148	0.23 250	0.19 80	0.21 116

test_sample6	0.77 211	0.36 223	1.07 236	0.56 158	0.31 92	0.82 217	0.56 249	2.12 338	1.24 253	1.21 221	1.40 285	0.90 172	0.90 247	1.45 203	0.87 266	0.28 294	0.23 298	0.28 289	0.29 331	0.28 256	0.30 272

MIPNet	0.60 118	0.31 125	1.07 236	0.51 80	0.34 148	0.68 155	0.40 107	1.67 227	1.14 205	1.11 159	0.93 102	0.60 68	0.78 189	0.77 59	0.58 180	0.18 48	0.14 72	0.19 68	0.16 75	0.18 51	0.21 116

HITNet	0.71 180	0.42 289	1.07 236	0.52 95	0.25 13	1.05 288	0.48 187	2.12 338	1.08 172	1.21 221	1.23 221	0.91 176	0.84 213	0.90 93	0.91 276	0.17 25	0.12 6	0.21 119	0.17 93	0.29 272	0.18 43
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	1.17 338	0.29 78	1.08 239	0.55 140	0.43 236	0.69 164	0.71 306	1.14 104	1.35 309	1.00 131	1.49 304	1.90 374	0.86 226	9.61 458	0.89 270	0.21 144	0.19 229	0.30 311	0.25 271	0.20 109	0.18 43

SACVNet	0.89 269	0.51 326	1.08 239	0.83 379	0.58 318	0.83 224	0.78 319	1.84 271	1.17 220	1.39 307	1.33 260	1.25 280	1.01 292	2.31 317	0.92 280	0.35 347	0.26 326	0.31 317	0.29 331	0.35 318	0.48 362

DDVS	0.80 228	0.43 293	1.09 241	0.64 259	0.44 245	1.27 331	0.43 140	1.49 191	0.94 115	1.21 221	1.16 196	1.42 314	0.63 146	2.14 303	1.02 302	0.29 308	0.22 271	0.26 263	0.23 250	0.31 294	0.37 321

test_sample4	0.74 193	0.36 223	1.09 241	0.55 140	0.32 116	0.92 257	0.51 205	2.14 347	1.25 261	1.22 229	1.22 213	0.86 152	0.82 207	1.29 170	0.76 235	0.26 257	0.21 256	0.26 263	0.26 287	0.27 240	0.28 243

ADLNet	0.89 269	0.39 270	1.09 241	0.88 391	0.73 366	1.24 327	0.75 312	2.02 317	1.41 338	1.58 360	1.37 274	1.26 286	1.00 289	1.31 172	1.18 317	0.28 294	0.21 256	0.26 263	0.26 287	0.29 272	0.36 317

GMStereo	0.58 99	0.50 322	1.09 241	0.52 95	0.32 116	0.80 208	0.43 140	1.02 59	1.41 338	0.89 110	0.77 69	0.52 47	0.46 57	0.89 90	0.56 172	0.25 236	0.16 161	0.20 94	0.22 220	0.31 294	0.27 230
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UPFNet	0.84 253	0.34 189	1.09 241	0.62 238	0.74 369	1.25 328	0.78 319	1.69 237	1.20 231	1.39 307	1.13 185	1.30 295	0.87 235	1.73 249	1.22 325	0.24 217	0.26 326	0.24 204	0.23 250	0.26 234	0.20 95

CRFU-Net	0.90 277	0.42 289	1.10 246	0.69 316	0.59 324	1.76 383	0.84 341	2.33 386	0.92 102	1.45 332	1.20 206	1.62 349	1.25 349	1.38 187	0.94 288	0.28 294	0.23 298	0.22 148	0.19 127	0.24 212	0.27 230

acv_ft	0.78 214	0.33 160	1.10 246	0.73 340	0.86 397	1.23 326	0.57 254	1.65 226	1.11 188	1.31 275	1.31 250	1.07 232	0.91 250	0.82 71	1.35 342	0.22 176	0.19 229	0.21 119	0.18 108	0.22 164	0.19 69

gcap-zeroshot	0.59 111	0.30 97	1.11 248	0.51 80	0.30 77	0.79 205	0.36 77	1.86 280	0.86 86	0.90 111	0.68 46	1.44 319	0.50 83	0.82 71	0.35 15	0.19 80	0.16 161	0.18 47	0.15 46	0.18 51	0.18 43

GMStereo_Zeroshot	0.70 174	0.64 367	1.11 248	0.65 266	0.38 190	0.84 231	0.37 84	1.09 88	1.16 216	1.14 183	1.07 151	1.26 286	0.55 103	1.23 161	0.65 208	0.34 339	0.17 188	0.31 317	0.18 108	0.57 395	0.23 156

IGEV_Zeroshot_test	0.59 111	0.33 160	1.11 248	0.63 248	0.37 178	0.41 17	0.33 49	1.80 262	0.79 70	1.04 145	1.10 163	1.06 229	0.43 40	0.87 85	0.48 120	0.18 48	0.13 20	0.19 68	0.18 108	0.20 109	0.23 156

RASNet	1.16 336	0.34 189	1.11 248	0.73 340	0.86 397	1.00 280	0.60 274	1.56 206	1.43 347	1.07 154	1.37 274	2.08 400	1.44 374	7.00 434	1.56 363	0.20 118	0.17 188	0.17 21	0.19 127	0.19 80	0.19 69

IPLG	0.72 186	0.29 78	1.12 252	0.53 116	0.44 245	0.79 205	0.33 49	1.35 163	1.10 182	1.32 278	1.11 170	0.52 47	0.54 100	3.13 353	0.71 224	0.17 25	0.14 72	0.20 94	0.17 93	0.18 51	0.21 116

rvit_0105_6	0.56 75	0.38 261	1.13 253	0.67 292	0.38 190	0.50 58	0.51 205	0.88 32	1.33 304	0.54 46	0.56 30	0.65 82	0.57 111	0.97 109	0.46 103	0.32 325	0.31 357	0.28 289	0.25 271	0.29 272	0.23 156

FC-DCNN v2	2.96 441	0.61 357	1.13 253	0.75 354	0.57 315	2.90 432	1.06 378	3.59 443	2.66 432	7.05 463	7.66 459	10.26 467	7.17 463	6.27 419	4.49 427	0.54 404	0.48 417	0.51 400	0.50 407	0.53 387	0.52 375

UDG	1.47 373	2.69 461	1.13 253	1.45 435	1.65 440	1.34 341	0.79 327	1.75 250	1.27 273	1.29 267	1.74 359	1.99 388	1.39 368	1.66 239	1.51 359	0.91 427	0.55 428	2.30 447	0.76 430	1.99 438	1.20 434

test-1	0.56 75	0.28 58	1.13 253	0.58 190	0.34 148	0.60 112	0.38 91	1.56 206	0.98 131	0.80 86	1.02 130	0.83 144	0.52 91	0.64 37	0.46 103	0.17 25	0.16 161	0.20 94	0.17 93	0.20 109	0.26 213

iResNet_ROB	0.82 239	0.36 223	1.13 253	0.60 217	0.37 178	0.91 250	0.38 91	2.41 394	1.61 382	1.35 294	1.35 269	1.25 280	0.97 277	1.75 251	0.88 267	0.21 144	0.14 72	0.17 21	0.12 11	0.19 80	0.30 272

RAFT_CTSACE	0.66 143	0.29 78	1.14 258	0.57 178	0.51 286	0.68 155	0.44 159	0.88 32	0.98 131	1.03 143	1.83 372	1.23 275	0.67 160	1.48 210	0.38 45	0.16 10	0.16 161	0.21 119	0.20 156	0.20 109	0.17 33

DeepPruner_ROB	0.79 223	0.55 341	1.14 258	0.61 230	0.46 256	0.78 199	0.54 233	1.83 269	1.00 143	1.42 319	1.27 238	1.23 275	0.77 184	1.56 220	0.89 270	0.35 347	0.28 339	0.27 275	0.26 287	0.32 305	0.34 305

fff	0.58 99	0.26 30	1.15 260	0.46 22	0.25 13	0.48 39	0.36 77	1.20 131	1.28 281	1.13 170	1.03 137	0.59 65	1.04 308	0.77 59	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.15 6	0.24 175

hknet	0.82 239	0.34 189	1.15 260	0.55 140	0.39 199	1.25 328	0.66 290	2.65 419	1.10 182	1.25 239	1.12 174	1.58 345	0.85 218	1.41 192	0.79 246	0.23 197	0.18 214	0.25 242	0.22 220	0.23 183	0.24 175

GEStereo_RVC	0.93 290	0.40 276	1.15 260	0.67 292	0.50 276	0.95 270	0.78 319	2.73 424	1.21 237	1.20 215	1.12 174	1.25 280	0.91 250	3.21 356	0.95 290	0.31 318	0.20 241	0.23 181	0.20 156	0.28 256	0.31 281

sCroCo_RVC	0.51 57	0.43 293	1.15 260	0.66 279	0.60 328	0.52 70	0.40 107	0.93 36	0.64 30	0.45 17	0.76 65	0.49 35	0.49 79	0.65 38	0.49 131	0.27 278	0.28 339	0.23 181	0.22 220	0.29 272	0.28 243

DCANet	0.58 99	0.26 30	1.15 260	0.45 14	0.25 13	0.49 44	0.36 77	1.18 123	1.35 309	1.15 185	1.04 141	0.60 68	0.91 250	0.84 78	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.19 80	0.25 194

csc	0.58 99	0.26 30	1.15 260	0.46 22	0.25 13	0.48 39	0.36 77	1.20 131	1.28 281	1.13 170	1.03 137	0.59 65	1.04 308	0.77 59	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.15 6	0.24 175

cscssc	0.58 99	0.26 30	1.15 260	0.46 22	0.25 13	0.48 39	0.36 77	1.20 131	1.28 281	1.13 170	1.03 137	0.59 65	1.04 308	0.77 59	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.15 6	0.24 175

111	0.66 143	0.27 50	1.15 260	0.46 22	0.25 13	0.72 174	0.42 123	1.57 209	1.44 349	0.83 94	1.39 280	1.10 247	0.80 202	0.97 109	0.65 208	0.20 118	0.14 72	0.18 47	0.15 46	0.18 51	0.28 243

delet	0.90 277	0.34 189	1.15 260	0.69 316	0.66 349	1.63 372	0.81 334	1.95 302	1.49 365	1.42 319	1.38 278	1.29 293	0.91 250	1.78 255	1.18 317	0.22 176	0.22 271	0.24 204	0.25 271	0.22 164	0.24 175

HGLStereo	0.89 269	0.42 289	1.15 260	0.82 375	1.03 414	1.16 311	0.57 254	1.68 228	1.28 281	1.26 252	1.62 340	1.13 256	1.31 358	1.85 264	1.11 312	0.25 236	0.24 308	0.24 204	0.22 220	0.24 212	0.29 257

CVANet_RVC	1.10 327	0.49 319	1.15 260	0.65 266	0.54 302	0.93 261	1.00 372	1.69 237	1.36 317	1.42 319	1.39 280	1.24 279	1.17 335	6.22 416	0.80 253	0.35 347	0.24 308	0.35 352	0.30 343	0.44 361	0.32 290

FC-DCNN	2.88 440	0.61 357	1.15 260	0.75 354	0.57 315	2.85 431	1.05 376	3.44 439	2.64 431	6.93 462	7.63 457	9.86 464	7.02 462	5.76 407	4.31 424	0.54 404	0.48 417	0.51 400	0.50 407	0.53 387	0.52 375

MSMD_ROB	2.08 413	0.61 357	1.15 260	0.71 328	0.62 338	4.00 449	0.93 360	1.94 299	1.79 398	4.71 455	4.60 441	8.14 459	3.87 450	3.75 370	1.65 375	0.54 404	0.48 417	0.55 411	0.58 418	0.53 387	0.52 375

AASNet	0.80 228	0.39 270	1.16 273	0.84 383	0.80 386	1.14 305	0.59 267	2.12 338	1.21 237	1.26 252	1.26 229	0.93 185	0.77 184	0.84 78	1.23 328	0.28 294	0.24 308	0.24 204	0.20 156	0.28 256	0.27 230

GCST	1.13 331	1.50 436	1.17 274	1.74 438	1.17 427	1.29 333	0.30 35	1.55 203	1.21 237	1.31 275	0.97 115	0.99 209	0.48 68	2.38 324	0.54 164	1.24 439	0.70 439	1.31 439	0.86 436	1.03 428	0.92 424

CIPLG	0.67 153	0.37 243	1.17 274	0.60 217	0.51 286	0.75 184	0.48 187	1.26 148	1.11 188	1.43 323	1.58 334	0.64 80	0.48 68	0.94 100	0.78 241	0.24 217	0.15 129	0.19 68	0.16 75	0.19 80	0.29 257

dd	0.62 125	0.51 326	1.17 274	0.56 158	0.33 134	0.74 180	0.46 174	1.03 65	1.40 335	0.80 86	0.87 91	0.60 68	0.57 111	1.02 119	0.86 261	0.28 294	0.18 214	0.26 263	0.19 127	0.35 318	0.27 230

DMCA	0.71 180	0.36 223	1.17 274	0.53 116	0.45 249	0.84 231	0.46 174	1.52 194	1.09 179	1.20 215	1.12 174	1.21 267	0.74 174	0.87 85	1.09 308	0.25 236	0.20 241	0.27 275	0.19 127	0.24 212	0.29 257

PS-NSSS	1.02 310	0.62 363	1.17 274	0.61 230	0.58 318	0.91 250	0.79 327	2.02 317	1.19 227	1.17 193	1.68 351	1.00 214	0.85 218	4.43 380	0.86 261	0.38 359	0.31 357	0.52 402	0.32 353	0.52 382	0.45 356

GANet	1.41 368	0.52 332	1.18 279	0.74 346	0.48 265	1.40 349	1.69 421	1.87 281	1.28 281	1.56 356	2.39 408	1.56 342	1.25 349	9.13 452	1.20 320	0.31 318	0.32 368	0.34 345	0.29 331	0.40 342	0.33 297

rvit_0105_5	0.61 124	0.41 286	1.19 280	0.67 292	0.37 178	0.57 96	0.56 249	1.08 81	1.28 281	0.65 62	0.68 46	0.77 116	0.67 160	0.91 96	0.51 138	0.33 330	0.32 368	0.30 311	0.27 303	0.28 256	0.28 243

rvit_0105_4	0.58 99	0.40 276	1.19 280	0.68 304	0.38 190	0.53 74	0.55 242	0.93 36	1.27 273	0.56 50	0.61 37	0.72 106	0.63 146	1.01 116	0.47 113	0.33 330	0.33 374	0.29 300	0.25 271	0.29 272	0.26 213

DISCO	1.06 318	0.37 243	1.19 280	0.73 340	0.46 256	2.04 405	0.84 341	2.26 373	1.54 371	1.25 239	1.36 273	2.38 412	1.08 317	2.60 336	1.62 369	0.24 217	0.19 229	0.22 148	0.20 156	0.32 305	0.29 257

DAS	0.89 269	0.37 243	1.20 283	0.66 279	0.69 359	0.82 217	0.62 279	1.79 258	1.26 269	1.93 396	1.55 324	0.96 200	1.17 335	2.72 342	0.69 218	0.22 176	0.16 161	0.25 242	0.18 108	0.29 272	0.24 175

SepStereo	0.87 265	0.37 243	1.20 283	0.66 279	0.69 359	0.82 217	0.62 279	1.79 258	1.26 269	1.93 396	1.55 324	0.96 200	1.17 335	2.34 318	0.69 218	0.22 176	0.16 161	0.25 242	0.18 108	0.29 272	0.24 175

IPLGR_C	0.67 153	0.38 261	1.20 283	0.60 217	0.50 276	0.75 184	0.48 187	1.28 156	1.13 199	1.42 319	1.57 333	0.62 74	0.48 68	0.85 81	0.80 253	0.24 217	0.15 129	0.19 68	0.16 75	0.19 80	0.29 257

PFNet	0.92 285	0.28 58	1.20 283	0.68 304	0.32 116	0.62 119	0.55 242	1.27 152	1.01 147	1.47 335	1.09 161	0.97 203	0.68 164	6.58 426	0.59 187	0.21 144	0.13 20	0.24 204	0.19 127	0.20 109	0.20 95

rvit_stereo_0075_2	0.66 143	0.47 309	1.21 287	0.67 292	0.66 349	0.53 74	0.48 187	1.24 144	1.17 220	0.77 81	0.91 98	0.78 120	0.59 131	1.05 126	0.63 199	0.37 357	0.28 339	0.40 378	0.31 347	0.38 333	0.34 305

MyStereo05	0.70 174	0.29 78	1.22 288	0.58 190	0.48 265	0.62 119	0.72 307	1.52 194	1.54 371	1.17 193	0.91 98	0.77 116	0.79 196	1.45 203	0.68 217	0.17 25	0.17 188	0.24 204	0.21 197	0.23 183	0.23 156

ssnet_v2	0.92 285	0.39 270	1.22 288	0.66 279	0.39 199	1.31 334	0.96 366	2.32 381	1.45 354	1.48 341	1.17 199	1.53 337	0.91 250	1.16 153	1.71 381	0.31 318	0.27 334	0.30 311	0.29 331	0.28 256	0.29 257

plain	0.49 47	0.29 78	1.23 290	0.51 80	0.40 209	0.35 8	0.37 84	1.04 69	0.62 25	0.44 13	0.76 65	0.42 10	0.41 32	1.17 156	0.46 103	0.23 197	0.15 129	0.24 204	0.19 127	0.25 224	0.18 43

DSFCA	0.95 291	0.38 261	1.23 290	0.55 140	0.66 349	1.50 358	0.93 360	1.58 211	1.24 253	1.59 363	1.16 196	1.48 328	0.95 268	2.96 349	1.20 320	0.31 318	0.28 339	0.25 242	0.26 287	0.29 272	0.26 213

CFNet	0.99 302	0.40 276	1.23 290	0.65 266	0.43 236	1.03 284	0.49 197	2.01 316	1.35 309	1.02 140	1.39 280	1.10 247	0.86 226	5.47 403	0.89 270	0.24 217	0.18 214	0.28 289	0.27 303	0.27 240	0.22 138

MyStereo8	0.70 174	0.32 141	1.24 293	0.63 248	0.53 294	0.90 248	0.34 58	1.60 217	1.35 309	1.20 215	1.31 250	0.89 170	0.64 150	0.77 59	1.02 302	0.18 48	0.15 129	0.20 94	0.18 108	0.22 164	0.30 272

anonymity	1.14 333	0.98 410	1.24 293	1.09 420	1.13 420	1.08 296	0.90 353	2.02 317	1.23 249	1.32 278	1.27 238	1.27 291	1.09 320	1.16 153	1.03 304	1.02 430	1.01 455	0.97 432	0.97 440	0.98 425	1.01 426

IER	0.74 193	0.33 160	1.25 295	0.50 66	0.53 294	1.32 335	0.55 242	1.31 160	1.08 172	1.30 269	1.34 264	1.11 252	1.10 323	1.05 126	0.81 255	0.20 118	0.17 188	0.21 119	0.21 197	0.20 109	0.21 116

iRaft-Stereo_20w	0.71 180	0.33 160	1.25 295	0.50 66	0.36 170	0.82 217	0.31 39	3.16 436	0.89 91	1.24 236	1.14 190	0.79 121	0.65 154	1.15 151	0.43 81	0.18 48	0.13 20	0.18 47	0.17 93	0.20 109	0.23 156

ADLNet2	0.92 285	0.37 243	1.25 295	0.80 368	0.65 346	1.12 301	0.75 312	1.95 302	1.42 346	1.26 252	1.67 349	1.68 359	1.04 308	1.80 262	1.23 328	0.25 236	0.22 271	0.21 119	0.22 220	0.27 240	0.31 281

rvit_0105_3	0.66 143	0.47 309	1.27 298	0.74 346	0.40 209	0.63 127	0.70 303	1.22 138	1.28 281	0.83 94	0.71 56	0.82 135	0.72 173	0.93 99	0.58 180	0.37 357	0.34 377	0.34 345	0.32 353	0.28 256	0.31 281

rvit_105_1	0.76 205	0.54 337	1.27 298	0.80 368	0.49 271	0.74 180	0.86 347	1.39 172	1.23 249	1.00 131	0.80 77	0.93 185	0.78 189	1.29 170	0.78 241	0.43 375	0.36 386	0.36 362	0.42 388	0.30 287	0.36 317

ACRE	0.66 143	0.37 243	1.27 298	0.60 217	0.50 276	0.74 180	0.47 183	1.26 148	1.10 182	1.40 313	1.56 329	0.62 74	0.46 57	0.88 87	0.78 241	0.24 217	0.15 129	0.19 68	0.16 75	0.19 80	0.29 257

MyStereo04	0.71 180	0.30 97	1.28 301	0.58 190	0.48 265	0.59 108	0.78 319	1.74 248	1.49 365	0.94 120	0.91 98	0.74 108	0.86 226	1.59 227	0.69 218	0.18 48	0.18 214	0.24 204	0.21 197	0.23 183	0.23 156

dad	0.90 277	0.73 389	1.28 301	0.59 209	0.39 199	0.83 224	0.45 169	1.24 144	1.54 371	1.52 346	1.28 243	1.36 306	0.86 226	2.54 333	0.91 276	0.43 375	0.27 334	0.82 428	0.26 287	0.44 361	0.34 305

MaskLacGwcNet_RVC	1.17 338	1.06 413	1.28 301	0.88 391	0.69 359	1.92 397	0.92 357	1.71 242	1.14 205	1.17 193	1.26 229	1.49 330	0.80 202	2.04 292	0.86 261	2.02 442	0.34 377	0.79 427	0.36 375	1.38 437	1.33 438

GwcNet-RSSM	0.83 248	0.34 189	1.29 304	0.65 266	0.55 306	0.78 199	0.62 279	1.89 288	1.27 273	1.18 204	1.39 280	1.56 342	0.91 250	1.60 232	1.22 325	0.26 257	0.20 241	0.23 181	0.24 263	0.21 144	0.21 116

Anonymous3	0.64 137	0.47 309	1.31 305	0.59 209	0.50 276	0.93 261	0.69 297	1.11 96	0.83 79	0.74 76	0.89 96	0.65 82	0.68 164	1.08 136	0.54 164	0.40 367	0.31 357	0.26 263	0.26 287	0.31 294	0.30 272

MLCV	0.77 211	0.39 270	1.31 305	0.55 140	0.25 13	0.91 250	0.39 102	1.48 190	1.28 281	1.49 343	1.54 321	1.02 221	0.68 164	2.12 302	0.93 283	0.19 80	0.13 20	0.19 68	0.14 35	0.19 80	0.22 138

IPLGR	0.62 125	0.28 58	1.32 307	0.50 66	0.29 63	0.65 140	0.34 58	1.47 188	1.19 227	1.21 221	1.07 151	0.70 98	0.65 154	1.05 126	0.55 166	0.18 48	0.15 129	0.20 94	0.17 93	0.21 144	0.20 95

XPNet_ROB	1.02 310	0.56 345	1.33 308	0.75 354	0.58 318	1.11 299	1.13 385	1.77 253	1.29 291	1.88 391	1.43 293	1.63 352	1.13 331	2.04 292	1.69 377	0.40 367	0.31 357	0.33 337	0.29 331	0.37 327	0.37 321

DualNet (step1)	0.89 269	0.51 326	1.35 309	0.58 190	0.40 209	1.07 292	0.80 330	1.99 311	1.27 273	1.25 239	1.22 213	1.09 243	1.01 292	1.31 172	0.73 225	0.59 413	0.32 368	0.62 420	0.67 426	0.45 363	0.48 362

test_sample9	1.96 408	0.51 326	1.35 309	0.58 190	0.40 209	1.07 292	0.80 330	1.99 311	1.27 273	1.25 239	1.22 213	1.09 243	1.01 292	2.46 325	8.57 446	0.59 413	12.85 477	0.62 420	0.67 426	0.45 363	0.48 362

test_sample8	2.29 422	0.51 326	1.35 309	0.58 190	0.40 209	1.07 292	0.80 330	2.03 321	1.22 245	2.28 413	1.33 260	4.98 448	2.51 432	2.46 325	8.57 446	0.59 413	12.85 477	0.62 420	0.67 426	0.45 363	0.48 362

DDUNet	1.56 381	2.70 462	1.35 309	1.79 439	1.88 442	1.82 390	0.91 355	1.84 271	1.20 231	1.40 313	1.79 365	1.62 349	1.17 335	1.59 227	1.22 325	1.11 435	0.76 440	2.38 450	0.94 438	2.12 439	1.53 440

NCCL2	1.06 318	0.64 367	1.35 309	0.78 366	0.58 318	1.32 335	1.69 421	1.89 288	1.38 324	1.52 346	1.20 206	1.91 376	1.17 335	1.79 260	1.50 357	0.35 347	0.31 357	0.45 389	0.44 394	0.41 346	0.45 356

RAFT + AFF	1.07 323	0.47 309	1.36 314	0.68 304	0.50 276	1.20 322	1.22 397	2.58 415	1.26 269	1.33 283	1.56 329	1.19 264	1.49 379	3.89 373	1.01 300	0.22 176	0.26 326	0.30 311	0.27 303	0.29 272	0.32 290

ccnet	1.19 343	0.71 383	1.36 314	0.81 372	0.75 372	1.72 376	1.13 385	1.98 307	1.31 300	1.52 346	1.84 373	1.75 370	1.36 364	2.01 289	2.04 391	0.57 410	0.54 426	0.57 415	0.56 416	0.60 401	0.60 397

DN-CSS_ROB	0.67 153	0.36 223	1.36 314	0.59 209	0.41 223	0.54 87	0.45 169	1.30 158	0.95 120	1.05 147	1.47 301	0.69 95	0.64 150	1.80 262	0.60 190	0.19 80	0.15 129	0.25 242	0.23 250	0.22 164	0.23 156

SQANet	1.38 364	0.95 408	1.37 317	1.89 442	1.47 438	1.44 355	0.81 334	1.89 288	1.13 199	1.34 290	1.26 229	1.28 292	1.02 300	1.64 236	0.91 276	2.55 448	0.35 382	1.47 440	0.56 416	2.48 442	1.74 442

LALA_ROB	1.06 318	0.66 374	1.37 317	0.70 325	0.53 294	1.61 369	1.25 401	1.81 265	1.48 364	1.82 387	1.40 285	1.93 380	1.03 302	1.68 242	1.69 377	0.38 359	0.28 339	0.43 385	0.37 379	0.43 351	0.38 329

NLCA_NET_v2_RVC	0.84 253	0.46 304	1.40 319	0.69 316	0.61 334	0.95 270	0.52 216	1.68 228	1.21 237	1.39 307	1.15 195	1.42 314	0.88 241	1.78 255	0.93 283	0.26 257	0.23 298	0.27 275	0.27 303	0.30 287	0.39 332
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MMNet	0.89 269	0.35 216	1.44 320	0.64 259	0.59 324	1.83 391	0.48 187	1.70 240	1.38 324	1.45 332	1.19 205	1.25 280	1.16 332	1.77 253	1.27 333	0.20 118	0.19 229	0.23 181	0.22 220	0.25 224	0.24 175

PSMNet_ROB	0.95 291	0.57 350	1.45 321	0.75 354	0.64 341	1.28 332	1.12 383	1.84 271	1.15 210	1.16 189	1.29 247	1.44 319	0.89 244	1.74 250	1.70 379	0.33 330	0.25 320	0.37 365	0.39 382	0.36 322	0.32 290

FAT-Stereo	1.10 327	0.43 293	1.46 322	0.74 346	0.60 328	1.13 302	0.92 357	2.06 329	1.71 390	1.75 379	2.00 389	2.02 392	1.47 377	2.02 291	1.26 332	0.44 384	0.36 386	0.34 345	0.29 331	0.36 322	0.57 389

ACV-stereo	1.00 305	0.55 341	1.47 323	0.59 209	0.42 231	2.38 418	0.58 261	1.20 131	1.21 237	0.83 94	1.01 127	3.36 433	2.10 418	1.64 236	1.17 316	0.28 294	0.22 271	0.23 181	0.22 220	0.29 272	0.35 314

iResNet	0.80 228	0.45 301	1.47 323	0.72 333	0.31 92	0.96 275	0.64 286	1.80 262	1.28 281	1.31 275	1.48 303	0.94 191	0.78 189	1.77 253	0.99 295	0.19 80	0.14 72	0.18 47	0.15 46	0.22 164	0.27 230

RP	1.17 338	0.54 337	1.48 325	0.93 406	1.05 415	1.14 305	0.85 346	1.99 311	1.70 388	1.72 377	2.07 393	1.91 376	1.93 410	2.00 288	1.37 344	0.55 408	0.37 391	0.48 396	0.37 379	0.46 370	0.46 361

ETE_ROB	1.01 309	0.69 380	1.49 326	0.72 333	0.50 276	1.15 308	1.12 383	1.91 292	1.24 253	1.94 398	1.50 311	1.73 365	1.06 314	1.78 255	1.33 339	0.33 330	0.26 326	0.38 369	0.34 369	0.40 342	0.44 354

edge stereo	1.15 335	0.54 337	1.50 327	0.73 340	0.66 349	1.18 320	0.84 341	2.13 346	1.41 338	1.73 378	1.84 373	2.53 417	1.46 375	2.46 325	1.35 342	0.43 375	0.41 401	0.54 407	0.36 375	0.43 351	0.50 369

ffm	0.79 223	0.36 223	1.51 328	0.56 158	0.40 209	0.76 189	0.59 267	1.08 81	2.62 428	1.19 210	1.49 304	1.07 232	0.85 218	1.57 222	0.35 15	0.21 144	0.13 20	0.31 317	0.28 313	0.20 109	0.23 156

ff1	1.88 402	0.36 223	1.51 328	0.56 158	0.40 209	0.76 189	0.59 267	1.08 81	2.62 428	1.19 210	1.49 304	1.07 232	0.85 218	9.88 463	13.82 460	0.21 144	0.13 20	0.31 317	0.28 313	0.20 109	0.23 156

mmx	1.89 405	0.36 223	1.51 328	0.56 158	0.40 209	0.76 189	0.59 267	2.32 381	1.41 338	1.19 210	1.49 304	1.07 232	0.85 218	9.88 463	13.82 460	0.25 236	0.21 256	0.31 317	0.28 313	0.32 305	0.29 257

xxx	1.89 405	0.36 223	1.51 328	0.56 158	0.40 209	0.76 189	0.59 267	2.32 381	1.41 338	1.19 210	1.49 304	1.07 232	0.85 218	9.88 463	13.82 460	0.25 236	0.21 256	0.31 317	0.28 313	0.32 305	0.29 257

UNet	0.86 262	0.36 223	1.52 332	0.62 238	0.74 369	1.56 365	0.49 197	1.55 203	1.12 194	1.28 262	1.10 163	1.52 336	1.10 323	1.69 246	1.14 313	0.24 217	0.18 214	0.25 242	0.21 197	0.25 224	0.25 194

DANet	1.16 336	0.64 367	1.52 332	0.88 391	0.74 369	1.52 360	0.52 216	1.68 228	1.21 237	1.81 385	1.55 324	2.02 392	1.11 326	3.30 361	2.28 398	0.34 339	0.31 357	0.40 378	0.30 343	0.46 370	0.54 379
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
SPS-STEREO	1.78 395	1.09 416	1.52 332	1.22 428	1.14 422	1.87 394	1.11 382	2.27 377	1.70 388	3.17 441	2.39 408	2.84 425	1.93 410	4.41 379	2.93 410	1.04 433	0.99 454	0.97 432	0.94 438	1.03 428	1.05 428
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
STTStereo	0.82 239	0.53 334	1.53 335	0.68 304	0.56 311	0.88 243	0.56 249	1.57 209	1.14 205	1.39 307	1.10 163	1.26 286	0.84 213	1.49 216	0.90 274	0.29 308	0.28 339	0.33 337	0.40 384	0.33 311	0.37 321

1111x	1.96 408	0.32 141	1.54 336	0.54 128	0.30 77	1.00 280	0.69 297	2.47 403	1.33 304	1.21 221	1.44 295	1.21 267	1.11 326	8.49 449	16.14 467	0.22 176	0.23 298	0.22 148	0.23 250	0.25 224	0.26 213

otaku	1.67 388	1.18 421	1.56 337	2.27 444	1.59 439	1.98 400	1.23 399	2.23 370	1.37 322	1.48 341	1.63 344	1.73 365	1.23 345	1.85 264	1.09 308	2.96 452	0.58 432	1.74 441	0.61 423	2.94 448	2.15 448

GANetREF_RVC	1.11 329	0.90 402	1.56 337	0.88 391	0.53 294	1.41 351	1.35 406	1.91 292	1.54 371	1.28 262	1.32 255	1.46 325	1.23 345	2.04 292	1.00 299	0.57 410	0.45 410	0.67 423	0.52 411	0.91 423	0.62 399
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
RYNet	1.24 355	0.52 332	1.57 339	0.73 340	0.97 411	1.74 381	0.95 365	2.09 334	1.54 371	1.44 326	1.18 202	1.94 384	1.29 354	4.57 383	1.93 389	0.27 278	0.23 298	0.35 352	0.27 303	0.57 395	0.59 394

ADStereo(finetuned)	0.62 125	0.26 30	1.59 340	0.45 14	0.25 13	0.49 44	0.36 77	1.18 123	1.35 309	1.16 189	1.04 141	0.60 68	1.18 342	0.85 81	0.57 175	0.17 25	0.14 72	0.17 21	0.13 18	0.19 80	0.24 175

Ntro	1.72 394	1.21 424	1.62 341	2.54 449	1.86 441	2.09 408	1.14 388	2.08 332	1.38 324	1.23 232	1.62 340	1.62 349	1.33 361	2.04 292	1.21 324	3.09 453	0.56 429	1.82 443	0.65 424	2.97 452	2.25 450

ToySt	0.73 189	0.35 216	1.64 342	0.54 128	0.37 178	0.92 257	0.81 334	1.21 136	1.03 153	0.86 105	1.12 174	1.31 297	1.01 292	1.04 123	0.88 267	0.19 80	0.20 241	0.24 204	0.24 263	0.27 240	0.28 243

DCANet-4	0.59 111	0.28 58	1.65 343	0.44 11	0.25 13	0.48 39	0.36 77	1.15 116	1.36 317	1.13 170	1.03 137	0.56 58	0.74 174	0.77 59	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.15 6	0.24 175

CC-Net-ROB	1.53 378	1.31 430	1.68 344	0.92 401	0.80 386	1.75 382	0.99 370	2.04 324	1.27 273	1.12 167	1.62 340	1.20 266	0.98 280	7.82 442	0.92 280	1.15 438	0.41 401	2.20 445	0.46 399	1.37 436	0.56 386

RGC	1.22 348	0.82 397	1.71 345	0.95 411	0.98 413	1.53 362	0.80 330	2.18 363	1.35 309	1.69 375	1.94 385	2.03 395	1.66 391	2.36 320	1.50 357	0.46 388	0.36 386	0.59 418	0.48 403	0.49 378	0.49 366

MDST_ROB	1.88 402	0.40 276	1.71 345	0.93 406	0.60 328	4.27 453	1.23 399	3.99 447	1.44 349	4.61 453	2.63 416	1.44 319	1.03 302	9.78 460	1.62 369	0.33 330	0.26 326	0.37 365	0.33 364	0.31 294	0.34 305

NaN_ROB	1.23 352	0.63 364	1.76 347	0.67 292	0.50 276	1.59 368	2.00 435	1.87 281	1.52 368	2.14 409	1.26 229	1.40 313	1.09 320	4.60 384	1.75 382	0.28 294	0.34 377	0.28 289	0.29 331	0.30 287	0.37 321

IMH-64-1	2.82 435	1.87 445	1.77 348	3.31 459	2.69 455	3.22 438	2.07 439	4.25 450	2.77 436	2.46 420	3.78 433	3.05 428	2.34 428	4.67 386	3.00 412	3.84 463	0.84 444	2.75 459	1.39 451	3.34 457	2.93 460

IMH-64	2.82 435	1.87 445	1.77 348	3.31 459	2.69 455	3.22 438	2.07 439	4.25 450	2.77 436	2.46 420	3.78 433	3.05 428	2.34 428	4.67 386	3.00 412	3.84 463	0.84 444	2.75 459	1.39 451	3.34 457	2.93 460

ARAFT	0.82 239	0.40 276	1.77 348	0.53 116	0.31 92	0.89 245	0.81 334	2.32 381	1.08 172	1.66 372	1.25 227	1.04 225	0.64 150	1.91 275	0.52 146	0.20 118	0.15 129	0.28 289	0.27 303	0.17 28	0.18 43

WCMA_ROB	2.05 411	0.55 341	1.77 348	0.74 346	0.61 334	2.24 411	1.56 417	2.17 362	1.79 398	4.16 449	6.36 451	5.66 450	4.66 454	3.19 355	2.77 408	0.55 408	0.45 410	0.40 378	0.43 392	0.48 375	0.50 369

sAnonymous2	0.59 111	0.61 357	1.82 352	0.61 230	0.52 289	0.51 65	0.54 233	0.97 47	0.70 42	0.50 33	0.68 46	0.46 22	0.63 146	0.61 25	0.41 71	0.22 176	0.17 188	0.23 181	0.21 197	0.85 420	0.56 386

CroCo_RVC	0.59 111	0.61 357	1.82 352	0.61 230	0.52 289	0.51 65	0.54 233	0.97 47	0.70 42	0.50 33	0.68 46	0.46 22	0.63 146	0.61 25	0.41 71	0.22 176	0.17 188	0.23 181	0.21 197	0.85 420	0.56 386

NCC-stereo	1.20 345	0.60 352	1.84 354	0.88 391	0.95 408	1.32 335	0.94 362	2.14 347	1.36 317	1.43 323	1.79 365	1.93 380	2.13 423	2.54 333	1.41 347	0.49 396	0.38 394	0.45 389	0.59 420	0.43 351	0.45 356

Abc-Net	1.20 345	0.60 352	1.84 354	0.88 391	0.95 408	1.32 335	0.94 362	2.14 347	1.36 317	1.43 323	1.79 365	1.93 380	2.13 423	2.54 333	1.41 347	0.49 396	0.38 394	0.45 389	0.59 420	0.43 351	0.45 356
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
fast-acv-ft	1.00 305	0.48 314	1.85 356	0.61 230	0.52 289	1.77 385	0.69 297	1.52 194	1.47 360	1.34 290	1.85 376	1.73 365	1.24 348	1.62 235	1.56 363	0.27 278	0.28 339	0.28 289	0.28 313	0.28 256	0.31 281

IMH	3.35 446	1.95 447	1.86 357	3.30 458	2.72 457	4.03 451	2.00 435	4.58 454	3.83 448	2.87 431	6.99 454	4.69 442	3.21 441	6.77 431	2.97 411	3.91 466	0.89 448	2.78 461	1.40 455	3.36 459	2.93 460

WAO-6	2.98 442	1.67 442	1.88 358	2.38 448	2.30 450	3.53 441	2.37 451	4.38 452	4.64 455	2.42 416	4.50 437	4.85 444	2.99 438	5.22 394	5.37 433	1.77 441	1.16 461	2.31 448	1.47 456	2.42 441	1.99 447

FBW_ROB	1.78 395	0.66 374	1.90 359	0.72 333	0.66 349	1.79 389	1.07 379	2.79 429	1.77 394	1.84 388	1.79 365	1.98 387	1.37 365	12.42 471	2.22 396	0.36 354	0.38 394	0.57 415	0.39 382	0.46 370	0.51 373

gwcnet-sp	0.80 228	0.37 243	1.94 360	0.62 238	0.45 249	1.38 344	0.53 222	1.68 228	1.20 231	1.37 300	1.08 158	0.93 185	0.82 207	1.45 203	0.79 246	0.22 176	0.22 271	0.22 148	0.21 197	0.23 183	0.25 194

scenet	0.80 228	0.37 243	1.94 360	0.62 238	0.45 249	1.38 344	0.53 222	1.68 228	1.20 231	1.37 300	1.08 158	0.93 185	0.82 207	1.45 203	0.79 246	0.22 176	0.22 271	0.22 148	0.21 197	0.23 183	0.25 194

ssnet	0.80 228	0.37 243	1.94 360	0.62 238	0.45 249	1.38 344	0.53 222	1.68 228	1.20 231	1.37 300	1.08 158	0.93 185	0.82 207	1.45 203	0.79 246	0.22 176	0.22 271	0.22 148	0.21 197	0.23 183	0.25 194

AANet_RVC	1.22 348	0.60 352	1.94 360	0.69 316	0.46 256	0.75 184	0.69 297	1.51 192	1.57 377	1.36 299	1.90 382	1.51 334	0.87 235	7.23 436	1.89 388	0.26 257	0.19 229	0.19 68	0.16 75	0.23 183	0.37 321

APVNet	1.11 329	0.59 351	1.95 364	0.87 389	0.77 378	1.90 395	0.82 338	2.03 321	1.15 210	1.14 183	1.43 293	1.55 340	1.12 330	3.03 350	1.62 369	0.32 325	0.34 377	0.42 384	0.36 375	0.36 322	0.41 339

DRN-Test	1.07 323	0.49 319	1.95 364	0.75 354	0.81 390	1.61 369	0.78 319	2.26 373	1.53 369	1.84 388	1.35 269	1.42 314	1.04 308	2.26 313	1.61 367	0.28 294	0.23 298	0.31 317	0.30 343	0.33 311	0.33 297

RainbowNet	2.06 412	1.86 444	1.97 366	2.86 452	2.25 447	2.03 404	1.79 429	2.77 426	1.92 405	1.54 352	1.84 373	1.95 385	1.73 398	2.23 310	1.38 345	3.40 459	0.86 446	2.39 452	1.00 444	2.94 448	2.42 452

DispNO	0.98 299	0.34 189	2.02 367	0.58 190	0.55 306	0.88 243	0.49 197	1.70 240	1.24 253	1.22 229	1.26 229	1.18 262	0.88 241	5.17 393	0.88 267	0.23 197	0.18 214	0.24 204	0.22 220	0.19 80	0.22 138

LL-Strereo	1.42 370	0.44 300	2.02 367	0.62 238	1.07 416	0.73 178	0.65 288	2.02 317	1.21 237	1.60 364	1.62 340	2.02 392	2.10 418	9.67 459	1.07 307	0.22 176	0.20 241	0.27 275	0.24 263	0.23 183	0.33 297

BEATNet_4x	0.82 239	0.54 337	2.02 367	0.56 158	0.28 49	1.04 285	0.55 242	2.14 347	1.13 199	1.24 236	1.26 229	1.00 214	0.94 263	1.13 149	1.23 328	0.21 144	0.14 72	0.24 204	0.20 156	0.37 327	0.23 156

stereogan	1.22 348	0.45 301	2.03 370	0.87 389	0.85 396	2.52 420	0.72 307	1.98 307	1.78 397	1.92 394	1.94 385	2.31 409	1.42 371	2.10 300	1.14 313	0.38 359	0.36 386	0.39 372	0.32 353	0.52 382	0.49 366

PDISCO_ROB	1.41 368	0.73 389	2.04 371	1.40 431	1.46 437	2.83 429	1.07 379	2.64 418	2.11 416	1.41 315	1.50 311	1.73 365	0.99 283	2.83 347	1.46 353	1.03 431	0.27 334	0.54 407	0.47 401	0.77 417	0.84 421

G-Net	1.71 393	0.67 377	2.09 372	1.14 425	0.75 372	2.96 434	0.89 352	1.58 211	1.30 293	2.76 428	8.12 462	2.29 407	2.51 432	1.94 278	2.23 397	0.49 396	0.45 410	0.45 389	0.31 347	0.62 405	0.59 394

CBFPSM	0.95 291	0.37 243	2.10 373	0.51 80	0.39 199	1.73 379	0.87 350	1.59 216	1.13 199	1.11 159	1.00 125	2.34 410	1.64 390	1.42 197	1.44 350	0.19 80	0.18 214	0.20 94	0.20 156	0.22 164	0.36 317

PWCDC_ROB	1.39 366	0.91 405	2.10 373	1.08 419	0.92 401	1.72 376	0.58 261	2.03 321	3.30 442	1.32 278	4.87 445	1.21 267	1.71 396	1.98 284	1.75 382	0.65 419	0.26 326	0.29 300	0.25 271	0.56 393	0.41 339

PA-Net	1.14 333	0.63 364	2.12 375	0.67 292	0.75 372	1.19 321	0.91 355	1.91 292	1.46 359	1.18 204	1.23 221	1.33 303	1.17 335	4.31 378	1.41 347	0.29 308	0.46 414	0.33 337	0.50 407	0.33 311	0.57 389
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ELAS	2.67 430	0.80 393	2.13 376	1.13 422	1.15 424	6.25 460	2.56 455	3.50 441	3.68 447	5.36 459	4.92 446	3.79 436	5.56 456	3.65 366	5.22 432	0.66 420	0.57 430	0.56 413	0.54 414	0.65 408	0.75 414
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FADNet_RVC	0.88 267	0.56 345	2.15 377	0.57 178	0.43 236	1.17 318	0.46 174	1.68 228	1.12 194	0.91 113	1.24 225	0.91 176	0.94 263	2.22 309	1.20 320	0.28 294	0.22 271	0.32 328	0.28 313	0.46 370	0.42 347

Consistency-Raft	1.27 360	1.01 412	2.17 378	1.04 417	1.20 429	0.96 275	1.00 372	1.84 271	1.95 408	1.38 305	2.11 395	1.44 319	1.03 302	1.18 157	1.40 346	0.73 424	0.83 441	0.89 430	0.99 443	1.33 435	0.95 425

WAO-7	2.78 433	1.54 438	2.18 379	1.41 434	1.19 428	3.92 448	2.01 438	4.19 449	3.89 449	2.98 435	5.47 448	4.18 439	3.28 442	8.24 447	4.27 423	1.13 437	1.01 455	1.18 438	1.13 449	1.19 434	1.13 433

DMCA-RVC	0.83 248	0.46 304	2.19 380	0.68 304	0.49 271	0.84 231	0.48 187	1.44 181	1.07 169	1.56 356	1.04 141	1.29 293	0.86 226	1.49 216	0.92 280	0.27 278	0.22 271	0.35 352	0.28 313	0.32 305	0.28 243

LVE	3.40 447	1.80 443	2.21 381	2.90 454	2.44 453	3.27 440	2.25 446	4.80 455	5.06 456	2.43 417	6.79 452	5.99 451	2.64 436	9.20 453	2.28 398	3.30 457	1.11 460	2.38 450	1.48 457	2.95 450	2.62 456

NVstereo2D	0.99 302	0.45 301	2.21 381	0.79 367	0.75 372	1.20 322	0.86 347	1.98 307	1.41 338	1.02 140	1.18 202	1.31 297	0.97 277	2.25 312	0.93 283	0.45 387	0.22 271	0.39 372	0.25 271	0.59 398	0.68 407

StereoDRNet	1.05 316	0.53 334	2.21 381	0.80 368	0.93 404	1.50 358	0.90 353	2.06 329	1.44 349	1.68 374	1.20 206	1.48 328	0.99 283	1.86 267	1.60 366	0.29 308	0.24 308	0.29 300	0.28 313	0.35 318	0.33 297

S-Stereo	1.17 338	0.48 314	2.25 384	0.83 379	0.81 390	1.22 324	1.17 392	2.12 338	2.08 414	1.47 335	2.13 396	1.55 340	1.16 332	2.09 299	1.46 353	0.42 374	0.40 400	0.35 352	0.32 353	0.45 363	0.73 411

AF-Net	1.23 352	0.56 345	2.31 385	0.88 391	0.93 404	1.41 351	0.73 310	2.27 377	1.71 390	1.76 382	2.42 410	2.00 389	1.70 394	1.98 284	1.62 369	0.50 400	0.29 348	0.49 398	0.33 364	0.40 342	0.34 305

Nwc_Net	1.19 343	0.53 334	2.34 386	0.92 401	0.81 390	1.49 357	0.70 303	2.28 379	1.32 302	1.41 315	2.27 402	2.03 395	1.76 400	2.05 296	1.46 353	0.43 375	0.30 352	0.43 385	0.46 399	0.39 338	0.40 336

SDNR	1.66 387	0.55 341	2.36 387	0.56 158	0.58 318	3.79 447	0.45 169	1.78 255	1.40 335	1.38 305	2.45 412	1.13 256	0.96 270	11.03 469	1.31 335	0.67 421	0.64 434	0.43 385	0.32 353	0.71 415	0.76 415

TorneroNet-64	5.41 455	2.10 451	2.43 388	3.49 463	2.83 458	9.90 464	2.13 443	8.87 469	16.79 472	5.39 460	9.18 464	10.68 469	3.92 451	9.55 457	5.11 431	3.36 458	0.86 446	2.88 462	1.62 458	3.76 460	3.37 463

rrr	0.57 87	0.33 160	2.43 388	0.46 22	0.34 148	0.50 58	0.38 91	0.84 26	0.55 9	0.48 24	0.48 12	0.48 32	0.45 49	2.28 315	0.44 85	0.19 80	0.14 72	0.19 68	0.15 46	0.17 28	0.18 43

MFMNet_re	1.47 373	1.20 423	2.50 390	1.46 436	1.08 417	1.58 367	1.51 412	1.96 305	1.87 403	2.31 414	2.20 399	1.51 334	1.88 408	1.57 222	1.34 340	0.94 428	0.83 441	0.84 429	0.80 433	1.00 426	1.06 429

ktn	4.56 451	2.41 456	2.54 391	3.79 467	3.25 463	4.81 455	2.91 459	5.52 459	7.36 460	4.12 448	14.55 469	7.54 456	3.70 447	7.84 443	3.35 415	4.06 467	1.86 466	3.26 467	2.22 466	3.27 456	2.86 459

IGEV-BASED-STEREO-	0.71 180	3.18 465	2.55 392	0.40 5	0.24 8	0.42 20	0.23 6	0.66 5	0.46 3	0.47 19	0.45 8	0.33 4	0.27 3	0.58 20	0.30 4	1.34 440	0.10 1	0.22 148	0.19 127	0.45 363	1.32 437

FADNet	0.98 299	0.64 367	2.57 393	0.66 279	0.55 306	0.95 270	0.57 254	1.91 292	1.38 324	0.94 120	1.02 130	1.36 306	1.00 289	2.69 340	0.97 294	0.34 339	0.34 377	0.31 317	0.34 369	0.61 404	0.42 347

WAO-8	4.57 452	2.01 448	2.58 394	2.37 446	2.21 445	9.75 462	1.71 423	6.04 463	16.34 467	4.11 446	7.69 460	7.41 453	3.85 448	10.02 466	3.85 420	2.05 443	1.09 458	2.44 454	1.39 451	2.56 443	1.86 445

Venus	4.57 452	2.01 448	2.58 394	2.37 446	2.21 445	9.75 462	1.71 423	6.04 463	16.34 467	4.11 446	7.69 460	7.41 453	3.85 448	10.02 466	3.85 420	2.05 443	1.09 458	2.44 454	1.39 451	2.56 443	1.86 445

Wz-Net-LNSev-Ref	1.09 326	0.46 304	2.61 396	0.71 328	0.65 346	2.00 402	0.78 319	2.07 331	1.47 360	1.62 367	1.47 301	1.53 337	1.29 354	2.10 300	1.65 375	0.24 217	0.14 72	0.20 94	0.16 75	0.28 256	0.28 243

iResNetv2_ROB	0.88 267	0.43 293	2.62 397	0.60 217	0.38 190	0.94 264	0.67 292	1.88 286	1.38 324	1.27 257	1.45 297	1.26 286	1.05 313	1.92 276	0.64 203	0.24 217	0.15 129	0.19 68	0.14 35	0.24 212	0.21 116

pcwnet_v2	0.91 282	0.39 270	2.74 398	0.64 259	0.55 306	0.81 216	0.49 197	2.19 365	1.63 383	1.44 326	1.64 345	1.09 243	0.79 196	1.31 172	0.70 221	0.32 325	0.25 320	0.29 300	0.27 303	0.37 327	0.37 321

TorneroNet	10.72 469	2.09 450	2.76 399	3.48 462	3.03 461	44.72 483	2.31 448	8.62 468	67.06 489	7.45 467	23.21 477	10.59 468	4.28 453	9.03 450	9.00 449	3.67 461	0.91 450	3.04 463	1.63 459	3.92 462	3.55 466

AIO-Stereo-zeroshot	0.85 258	0.38 261	2.79 400	0.51 80	0.60 328	0.72 174	0.38 91	2.87 432	0.77 59	0.80 86	1.07 151	2.14 401	0.93 260	0.96 107	0.62 196	0.21 144	0.13 20	0.21 119	0.26 287	0.29 272	0.32 290

SHD	1.42 370	0.81 396	2.79 400	0.98 413	0.92 401	1.97 399	0.68 294	2.43 396	2.55 425	2.54 423	1.72 357	2.01 391	1.62 385	2.14 303	2.70 407	0.40 367	0.33 374	0.39 372	0.40 384	0.48 375	0.54 379

FADNet-RVC-Resample	0.91 282	0.51 326	2.92 402	0.64 259	0.46 256	1.07 292	0.60 274	1.76 252	1.24 253	1.10 158	0.98 119	1.06 229	0.98 280	2.17 306	0.95 290	0.24 217	0.22 271	0.30 311	0.32 353	0.36 322	0.40 336

FADNet-RVC	0.96 295	0.72 386	2.96 403	0.64 259	0.49 271	0.90 248	0.59 267	1.85 278	1.27 273	0.92 115	0.97 115	1.36 306	0.90 247	2.36 320	1.31 335	0.30 314	0.29 348	0.32 328	0.32 353	0.42 349	0.37 321

aanetorigin	1.26 357	0.85 400	3.00 404	0.72 333	0.80 386	1.08 296	1.05 376	1.12 98	1.39 333	3.53 443	2.60 415	1.72 363	1.73 398	1.98 284	1.77 385	0.26 257	0.24 308	0.26 263	0.25 271	0.38 333	0.51 373

PVD	1.82 399	0.91 405	3.02 405	1.03 416	0.94 407	2.61 423	1.14 388	2.78 428	3.40 444	3.08 439	2.75 417	2.39 414	2.49 431	2.81 345	3.66 419	0.48 394	0.49 422	0.59 418	0.49 406	0.60 401	0.81 419

Syn2CoEx	1.23 352	0.80 393	3.07 406	0.83 379	0.68 356	1.39 347	0.87 350	2.23 370	1.57 377	1.28 262	1.58 334	1.42 314	1.57 383	3.79 371	1.48 356	0.36 354	0.32 368	0.34 345	0.30 343	0.30 287	0.41 339

test_xeample3	0.57 87	0.33 160	3.11 407	0.46 22	0.34 148	0.55 91	0.38 91	0.86 31	0.49 5	0.54 46	0.46 9	0.44 13	0.44 46	1.49 216	0.45 97	0.18 48	0.14 72	0.19 68	0.15 46	0.17 28	0.18 43

DGSMNet	1.24 355	0.84 399	3.20 408	0.91 400	0.92 401	1.39 347	1.34 405	2.46 402	1.44 349	1.34 290	1.66 347	1.50 332	1.03 302	1.85 264	1.30 334	0.48 394	0.48 417	0.55 411	0.51 410	0.78 418	0.79 417

XQC	1.51 377	0.98 410	3.20 408	0.92 401	0.76 377	2.01 403	1.17 392	2.53 412	1.99 410	2.01 403	1.54 321	2.00 389	1.54 381	3.16 354	3.46 417	0.49 396	0.31 357	0.45 389	0.40 384	0.71 415	0.62 399

ELAS_RVC	2.87 439	0.80 393	3.22 410	1.16 427	1.12 418	2.92 433	5.33 463	2.98 434	4.18 451	5.04 457	4.82 444	4.71 443	8.23 465	4.25 377	4.79 428	0.67 421	0.57 430	0.57 415	0.53 413	0.66 409	0.74 412
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CSAN	1.61 384	0.67 377	3.24 411	0.74 346	0.52 289	1.77 385	1.74 426	1.98 307	1.94 407	2.47 422	2.33 406	1.93 380	2.04 415	6.45 425	1.95 390	0.43 375	0.36 386	0.41 383	0.42 388	0.43 351	0.44 354

GASNet	1.13 331	1.10 417	3.29 412	1.00 415	0.68 356	0.82 217	0.67 292	1.85 278	1.38 324	1.39 307	1.25 227	1.25 280	1.20 344	2.72 342	1.62 369	0.46 388	0.26 326	0.36 362	0.34 369	0.55 392	0.33 297

SAMSARA	1.80 397	0.90 402	3.37 413	1.28 430	1.13 420	3.71 443	2.33 449	2.53 412	1.93 406	3.17 441	1.73 358	2.99 427	1.68 393	3.53 365	2.46 404	0.47 392	0.54 426	0.43 385	0.47 401	0.59 398	0.64 402

Wz-Net-MNSev	1.21 347	0.66 374	3.44 414	0.69 316	0.73 366	1.93 398	1.44 411	2.16 354	1.59 379	1.85 390	1.49 304	1.50 332	1.34 362	2.05 296	1.54 362	0.27 278	0.24 308	0.28 289	0.28 313	0.35 318	0.32 290

NVStereoNet_ROB	2.17 419	1.18 421	3.51 415	1.14 425	1.26 432	1.57 366	1.51 412	2.19 365	2.11 416	2.04 404	4.80 443	3.17 432	2.11 421	7.97 444	2.10 392	1.12 436	0.94 451	1.10 437	1.34 450	0.95 424	1.31 435
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
AIO-Stereo-zeroshot1	1.06 318	0.43 293	3.59 416	0.53 116	0.66 349	0.79 205	0.39 102	2.60 416	0.98 131	0.96 124	4.58 440	2.05 399	0.56 108	0.99 111	0.51 138	0.19 80	0.14 72	0.21 119	0.28 313	0.32 305	0.41 339

KSHMR	8.76 466	2.14 452	3.59 416	3.60 465	3.13 462	4.15 452	2.67 456	5.61 461	58.90 488	3.04 437	55.71 488	4.94 445	2.54 434	4.61 385	3.05 414	3.49 460	1.57 465	3.14 464	1.98 463	3.84 461	3.49 464

RTSC	1.43 372	0.89 401	3.62 418	0.94 409	0.64 341	1.85 392	0.69 297	2.20 368	2.04 413	2.22 410	1.70 354	1.67 357	1.27 352	2.53 332	4.48 426	0.33 330	0.25 320	0.27 275	0.29 331	0.38 333	0.40 336

DispFullNet	2.39 426	2.89 464	3.74 419	3.09 457	2.27 449	2.04 405	0.84 341	2.19 365	1.73 392	2.54 423	1.98 388	2.23 402	5.83 457	3.44 364	1.84 387	1.03 431	0.33 374	2.65 458	1.97 462	2.87 447	2.34 451

ADCRef	1.50 376	0.61 357	3.83 420	0.76 361	0.77 378	1.91 396	0.77 316	2.16 354	1.34 306	1.63 369	1.59 338	1.35 305	1.40 369	1.79 260	8.32 445	0.25 236	0.21 256	0.32 328	0.31 347	0.31 294	0.32 290

PASM	1.48 375	1.08 414	3.96 421	0.93 406	0.93 404	1.17 318	1.19 394	1.77 253	1.65 384	1.90 392	1.52 319	1.75 370	1.42 371	4.54 382	1.52 361	0.64 418	0.68 438	0.69 425	0.79 432	0.70 413	0.74 412

PWC_ROB	1.39 366	0.93 407	4.07 422	0.77 363	0.83 393	1.16 311	0.53 222	1.87 281	2.01 411	2.36 415	3.06 424	1.65 354	1.60 384	2.65 339	2.29 400	0.34 339	0.23 298	0.36 362	0.25 271	0.39 338	0.49 366

MSC_U_SF_DS_RVC	2.22 420	1.29 429	4.14 423	1.10 421	0.78 382	5.00 456	2.38 453	2.47 403	2.67 433	1.94 398	2.28 403	2.66 422	1.70 394	9.10 451	2.29 400	0.68 423	0.52 424	0.68 424	0.71 429	1.17 433	0.81 419

iinet-f	1.04 313	0.50 322	4.24 424	0.58 190	0.43 236	1.78 388	0.70 303	1.29 157	1.16 216	1.25 239	1.42 291	1.57 344	1.42 371	1.47 208	1.70 379	0.26 257	0.23 298	0.20 94	0.20 156	0.26 234	0.26 213

MFN_U_SF_DS_RVC	1.80 397	1.11 418	4.33 425	0.84 383	0.77 378	3.70 442	2.41 454	2.04 324	1.85 402	1.75 379	1.90 382	1.92 379	1.25 349	7.33 437	1.45 351	0.47 392	0.47 415	0.53 406	0.77 431	0.50 379	0.55 384

MFN_U_SF_RVC	1.62 386	0.96 409	4.36 426	0.92 401	0.69 359	2.62 424	1.10 381	2.50 408	1.74 393	1.99 402	1.86 378	2.45 415	1.78 402	3.08 352	2.84 409	0.54 404	0.50 423	0.56 413	0.60 422	0.60 401	0.67 404

ADCL	1.82 399	0.70 381	4.57 427	0.70 325	0.63 340	2.56 421	1.77 428	2.08 332	1.77 394	1.95 400	1.89 380	2.04 397	1.88 408	2.36 320	9.55 452	0.27 278	0.25 320	0.35 352	0.32 353	0.39 338	0.39 332

Wz-Net-LNSev	1.17 338	0.72 386	4.71 428	0.66 279	0.84 395	1.72 376	1.13 385	1.97 306	1.43 347	1.34 290	1.32 255	1.66 355	1.30 357	1.44 202	1.51 359	0.29 308	0.26 326	0.24 204	0.23 250	0.33 311	0.35 314

notaker	4.29 450	2.42 457	5.06 429	3.89 468	3.29 465	4.00 449	2.25 446	4.93 457	3.47 445	4.21 451	6.79 452	7.67 457	3.37 444	9.25 455	6.47 437	4.09 468	1.42 463	3.35 468	2.13 465	4.11 464	3.54 465

GwcNet	1.26 357	0.63 364	5.13 430	0.81 372	1.15 424	1.73 379	0.69 297	1.84 271	1.53 369	1.51 344	1.71 356	1.72 363	1.09 320	2.20 308	1.61 367	0.31 318	0.30 352	0.29 300	0.27 303	0.30 287	0.41 339

pmcnn	2.84 437	0.46 304	5.19 431	0.68 304	0.42 231	1.55 363	1.16 391	2.32 381	1.60 381	2.72 426	7.49 456	17.96 471	1.48 378	6.04 413	6.64 439	0.18 48	0.15 129	0.15 4	0.12 11	0.20 109	0.20 95

DPSNet	1.91 407	0.64 367	5.95 432	0.73 340	0.59 324	2.04 405	1.61 420	3.84 445	1.96 409	1.54 352	1.39 280	2.27 405	3.32 443	4.95 390	4.79 428	0.50 400	0.31 357	0.29 300	0.26 287	0.67 410	0.54 379

tt	6.61 460	0.28 58	6.10 433	3.77 466	2.17 444	11.53 467	19.61 472	13.53 474	5.81 458	3.00 436	2.82 419	4.97 447	6.33 459	3.83 372	7.23 442	9.13 474	11.32 476	5.87 473	6.22 472	6.01 470	2.63 457

MADNet++	5.41 455	3.18 465	6.43 434	4.66 472	3.95 469	6.15 459	6.75 464	4.51 453	4.51 454	5.06 458	6.27 450	4.96 446	6.14 458	9.39 456	11.70 456	4.71 469	4.19 470	3.97 470	3.33 468	4.08 463	4.25 470

ADCS	2.35 423	1.26 426	6.54 435	0.85 385	0.77 378	2.18 409	1.79 429	2.47 403	2.20 418	2.80 429	2.14 398	2.38 412	2.09 417	2.81 345	13.83 463	0.43 375	0.41 401	0.40 378	0.45 397	0.59 398	0.67 404

DeepPrunerF	1.68 390	0.82 397	6.82 436	0.94 409	1.20 429	0.91 250	0.97 367	2.50 408	5.19 457	1.22 229	1.30 248	1.18 262	1.29 354	4.96 391	1.75 382	0.43 375	0.35 382	0.52 402	0.48 403	0.43 351	0.42 347

SANet	2.26 421	0.70 381	6.94 437	0.69 316	0.46 256	2.76 427	1.76 427	2.61 417	5.84 459	2.45 419	3.52 430	3.71 435	3.38 445	5.90 409	2.14 394	0.34 339	0.31 357	0.32 328	0.29 331	0.54 390	0.43 351

FINET	1.54 379	0.67 377	7.28 438	0.76 361	0.97 411	1.42 354	1.38 408	2.80 431	3.12 439	1.23 232	1.68 351	1.04 225	1.11 326	3.35 362	1.78 386	0.43 375	0.37 391	0.32 328	0.29 331	0.43 351	0.41 339

AnyNet_C32	2.14 417	1.45 432	7.38 439	0.95 411	1.12 418	2.23 410	2.34 450	2.10 336	1.54 371	2.44 418	1.79 365	2.04 397	1.66 391	2.69 340	10.48 454	0.38 359	0.35 382	0.35 352	0.42 388	0.50 379	0.60 397

MANE	7.50 462	0.64 367	7.97 440	1.40 431	2.10 443	16.86 472	12.56 469	12.91 473	17.51 475	8.50 468	11.60 466	14.66 470	13.33 467	12.02 470	13.28 458	0.62 416	0.52 424	0.52 402	1.90 460	0.56 393	0.58 392

SGM+DAISY	5.38 454	1.28 428	8.24 441	1.27 429	1.16 426	10.62 465	16.01 471	2.93 433	2.53 424	8.64 469	13.03 467	8.26 460	13.38 468	6.34 423	7.59 443	1.07 434	1.05 457	1.00 434	0.98 441	1.02 427	1.12 432

ACVNet_2	2.86 438	1.47 434	8.28 442	2.68 450	2.26 448	2.70 425	1.84 434	3.41 438	3.04 438	2.27 412	3.42 429	4.58 441	2.10 418	5.91 410	1.62 369	2.58 449	0.67 436	2.22 446	0.85 435	2.79 445	2.47 453

XX-Stereo	0.97 296	0.28 58	8.28 442	0.85 385	0.70 365	0.44 27	0.22 3	1.07 76	0.69 41	0.66 64	1.56 329	1.38 311	0.38 29	1.36 181	0.38 45	0.21 144	0.14 72	0.20 94	0.19 127	0.19 80	0.16 22

ADCMid	2.11 415	0.90 402	8.39 444	0.75 354	0.69 359	1.98 400	1.14 388	2.18 363	1.67 386	2.85 430	1.85 376	2.35 411	2.02 414	2.35 319	10.58 455	0.34 339	0.32 368	0.39 372	0.44 394	0.51 381	0.53 378

EDNetEfficient	2.40 427	1.14 419	8.59 445	0.77 363	0.73 366	1.06 291	1.53 415	1.54 200	4.06 450	4.87 456	2.81 418	2.23 402	3.53 446	3.04 351	9.65 453	0.27 278	0.24 308	0.27 275	0.31 347	0.70 413	0.67 404

Wz-Net-SNSev	1.68 390	1.45 432	8.71 446	0.71 328	0.67 355	1.35 342	1.51 412	2.15 352	1.47 360	1.51 344	1.68 351	2.27 405	1.38 366	4.23 375	2.36 402	0.32 325	0.29 348	0.31 317	0.33 364	0.43 351	0.39 332

Wz-Net-TNSev	2.10 414	2.71 463	9.30 447	0.72 333	0.65 346	2.41 419	1.81 433	2.45 398	1.77 394	1.62 367	1.56 329	2.56 418	2.01 412	5.30 395	4.46 425	0.41 370	0.38 394	0.33 337	0.37 379	0.54 390	0.64 402

ADCPNet	1.97 410	0.78 392	9.38 448	0.74 346	0.61 334	2.73 426	1.36 407	2.11 337	1.66 385	1.92 394	1.70 354	2.45 415	2.07 416	2.50 330	6.84 440	0.38 359	0.38 394	0.38 369	0.43 392	0.47 374	0.50 369

ADCP+	2.12 416	0.56 345	10.01 449	0.68 304	0.91 400	2.25 412	1.04 375	1.92 297	1.50 367	1.58 360	1.34 264	1.73 365	1.62 385	2.27 314	13.20 457	0.25 236	0.22 271	0.32 328	0.29 331	0.38 333	0.34 305

AnyNet_C01	2.38 425	2.21 453	10.17 450	0.99 414	0.79 384	3.12 435	2.37 451	2.69 423	1.89 404	2.58 425	2.44 411	2.70 423	1.86 407	3.65 366	7.12 441	0.41 370	0.41 401	0.40 378	0.42 388	0.68 411	0.79 417

JetBlue	4.18 449	2.45 458	10.42 451	1.40 431	2.89 460	10.68 466	10.68 465	3.91 446	2.52 423	2.74 427	3.39 428	4.50 440	4.27 452	7.97 444	7.67 444	0.89 426	0.97 453	0.89 430	0.92 437	2.26 440	2.21 449

PWCK	3.24 445	2.37 454	10.86 452	2.14 443	1.14 422	3.71 443	4.19 462	3.02 435	3.55 446	3.05 438	3.63 431	3.09 431	2.35 430	8.16 446	3.41 416	2.17 445	0.96 452	1.77 442	1.01 445	2.84 446	1.40 439

SGM-ForestM	7.81 463	0.48 314	11.02 453	0.74 346	0.40 209	16.83 471	12.72 470	7.91 467	8.13 461	11.53 470	10.25 465	22.44 479	14.01 469	17.02 473	20.52 471	0.38 359	0.39 399	0.37 365	0.36 375	0.37 327	0.38 329

MADNet+	2.80 434	3.38 467	11.57 454	1.50 437	1.21 431	3.18 437	2.00 435	3.52 442	2.61 427	1.81 385	2.09 394	2.83 424	2.18 425	7.55 440	5.44 434	0.84 425	0.83 441	0.71 426	0.66 425	1.05 430	1.08 430

WZ-Net	2.14 417	1.08 414	11.68 455	0.89 398	0.78 382	1.76 383	1.59 419	2.39 391	2.03 412	2.11 407	1.95 387	2.30 408	2.28 426	5.94 412	3.86 422	0.35 347	0.27 334	0.29 300	0.32 353	0.52 382	0.50 369

psmorigin	1.69 392	0.74 391	13.13 456	0.70 325	0.60 328	1.16 311	0.79 327	1.69 237	1.25 261	2.07 406	1.77 363	2.23 402	1.51 380	2.14 303	1.45 351	0.39 365	0.41 401	0.34 345	0.33 364	0.45 363	0.63 401

PML	51.64 486	37.49 482	14.31 457	7.45 473	20.27 473	107.80 489	231.34 490	8.94 470	27.70 480	86.74 489	268.93 490	69.03 489	61.09 488	24.71 482	14.36 464	9.71 475	3.40 468	9.60 475	4.67 471	20.46 477	4.76 472

RTS	2.76 431	1.55 439	15.40 458	1.13 422	1.42 435	3.75 445	2.21 444	2.45 398	2.72 434	2.91 433	2.85 420	2.58 419	1.62 385	6.28 420	5.80 435	0.41 370	0.30 352	0.35 352	0.35 373	0.52 382	0.54 379

RTSA	2.76 431	1.55 439	15.40 458	1.13 422	1.42 435	3.75 445	2.21 444	2.45 398	2.72 434	2.91 433	2.85 420	2.58 419	1.62 385	6.28 420	5.80 435	0.41 370	0.30 352	0.35 352	0.35 373	0.52 382	0.54 379

UNDER WATER	5.68 457	2.46 459	15.52 460	3.98 470	3.53 466	5.15 457	2.74 457	5.58 460	16.41 470	4.00 444	4.56 438	9.12 462	6.43 460	6.22 416	9.11 450	3.85 465	1.35 462	3.18 466	1.98 463	4.51 467	3.84 469

LSM	6.55 459	1.26 426	15.64 461	1.79 439	68.74 484	1.67 375	2.08 441	2.26 373	2.59 426	3.13 440	3.08 425	1.90 374	1.81 403	2.89 348	2.16 395	0.43 375	0.59 433	0.50 399	0.58 418	0.64 406	17.24 478

HanzoNet	11.92 470	5.12 469	17.18 462	4.19 471	3.59 468	5.16 458	2.82 458	7.41 466	9.96 462	33.31 484	27.60 478	22.25 478	37.31 483	18.18 474	13.57 459	8.13 473	3.44 469	3.50 469	3.44 469	7.77 474	4.52 471

ACVNet_1	3.08 444	1.48 435	17.70 463	2.90 454	2.35 452	2.30 414	1.43 410	3.16 436	2.26 421	1.91 393	2.05 392	3.51 434	2.32 427	3.71 369	1.58 365	3.25 455	0.66 435	2.40 453	1.06 447	3.07 454	2.59 454

Dean	3.77 448	1.65 441	17.87 464	3.01 456	2.54 454	3.15 436	2.10 442	4.80 455	4.42 452	2.89 432	6.03 449	5.45 449	2.55 435	3.40 363	2.13 393	3.22 454	0.89 448	2.51 456	1.07 448	3.07 454	2.65 458

UNDER WATER-64	5.84 458	2.48 460	17.93 465	3.97 469	3.58 467	7.70 461	3.03 460	5.72 462	14.13 464	4.18 450	4.00 435	9.27 463	6.80 461	6.20 415	9.22 451	3.67 461	1.52 464	3.14 464	1.95 461	4.43 466	3.83 468

SuperB	2.50 429	0.72 386	18.07 466	0.72 333	0.53 294	1.85 392	0.86 347	1.80 262	2.40 422	1.54 352	1.42 291	1.13 256	1.17 335	4.18 374	4.80 430	0.25 236	0.20 241	0.23 181	0.19 127	7.64 473	0.38 329

ACVNet-4b	3.05 443	1.42 431	18.09 467	2.85 451	2.33 451	2.32 417	1.22 397	2.47 403	2.21 419	1.26 252	2.36 407	2.64 421	1.46 375	6.32 422	1.23 328	3.29 456	0.45 410	2.37 449	1.02 446	3.03 453	2.61 455

LRCNet_RVC	22.79 475	32.09 481	22.06 468	29.83 479	26.15 476	4.40 454	0.84 341	22.64 475	2.10 415	26.93 480	29.25 479	23.03 480	15.56 470	23.91 478	18.92 470	32.00 482	20.04 483	34.68 481	32.13 482	30.66 481	28.52 481

DGTPSM_ROB	13.06 471	8.27 470	22.29 469	9.53 474	18.14 470	11.53 467	31.97 477	10.82 471	16.25 465	7.14 464	19.39 475	10.12 465	16.69 471	9.85 461	22.49 473	4.77 470	8.72 471	5.37 471	10.24 475	6.15 471	11.56 473

DPSMNet_ROB	13.08 472	8.28 471	22.32 470	9.54 475	18.15 471	11.53 467	31.98 478	10.83 472	16.27 466	7.17 465	19.40 476	10.12 465	16.69 471	9.87 462	22.50 474	4.78 471	8.72 471	5.38 472	10.25 476	6.16 472	11.59 474

Anonymous_1	42.79 484	18.71 474	24.75 471	21.81 476	45.16 482	27.68 474	37.52 479	28.64 479	16.34 467	14.72 473	14.53 468	20.60 472	17.82 473	21.52 475	25.88 477	113.45 489	8.91 473	100.63 486	126.37 486	158.50 489	12.31 475

DPSM_ROB	19.12 473	19.13 475	25.13 472	22.15 477	20.86 474	28.06 475	37.75 480	27.18 477	16.95 473	14.25 471	15.07 470	21.66 473	18.69 474	21.83 476	26.51 478	10.15 476	9.30 474	10.45 476	10.41 477	14.00 475	12.85 476

DPSM	19.12 473	19.13 475	25.13 472	22.15 477	20.86 474	28.06 475	37.75 480	27.18 477	16.95 473	14.25 471	15.07 470	21.66 473	18.69 474	21.83 476	26.51 478	10.15 476	9.30 474	10.45 476	10.41 477	14.00 475	12.85 476

JetRed	7.02 461	8.94 472	25.72 474	2.89 453	3.27 464	14.25 470	12.27 468	6.69 465	4.45 453	4.46 452	4.56 438	6.65 452	5.43 455	7.46 439	14.41 465	2.60 450	3.31 467	2.61 457	2.30 467	4.34 465	3.79 467

xxxxx1	54.34 487	26.72 478	27.03 475	114.14 486	99.00 486	30.68 479	47.19 482	32.52 481	26.09 476	17.85 474	17.48 472	21.86 475	20.92 476	24.38 479	33.78 480	34.73 483	41.33 484	157.67 487	175.68 487	65.82 485	71.99 487

tt_ll	54.34 487	26.72 478	27.03 475	114.14 486	99.00 486	30.68 479	47.19 482	32.52 481	26.09 476	17.85 474	17.48 472	21.86 475	20.92 476	24.38 479	33.78 480	34.73 483	41.33 484	157.67 487	175.68 487	65.82 485	71.99 487

ff	54.34 487	26.72 478	27.03 475	114.14 486	99.00 486	30.68 479	47.19 482	32.52 481	26.09 476	17.85 474	17.48 472	21.86 475	20.92 476	24.38 479	33.78 480	34.73 483	41.33 484	157.67 487	175.68 487	65.82 485	71.99 487

LE_ROB	8.35 464	0.47 309	27.42 478	0.83 379	0.34 148	2.84 430	3.36 461	4.03 448	27.04 479	25.20 479	8.72 463	8.55 461	27.35 479	7.37 438	22.13 472	0.22 176	0.20 241	0.20 94	0.21 197	0.25 224	0.25 194

HaxPig	39.02 481	41.39 486	41.59 479	30.10 480	32.36 477	29.49 477	27.65 475	30.56 480	37.94 485	43.75 485	43.81 484	33.42 482	35.69 480	41.51 483	40.33 485	43.91 486	47.48 488	45.87 482	47.14 484	42.29 482	44.06 485

AVERAGE_ROB	40.42 482	42.30 487	42.61 480	36.91 482	35.54 479	30.42 478	27.59 474	37.45 486	38.45 486	44.87 486	44.27 485	37.55 484	36.69 481	41.82 484	40.25 484	45.36 487	46.73 487	47.09 483	46.32 483	42.47 483	43.74 484

DLNR_Zeroshot_test	23.23 476	48.25 489	43.77 481	177.04 489	78.39 485	0.35 8	0.21 2	23.33 476	0.82 76	0.67 66	0.86 89	0.58 62	0.30 8	1.64 236	0.48 120	10.69 478	0.13 20	0.18 47	0.14 35	76.63 488	0.23 156

MEDIAN_ROB	42.01 483	44.30 488	44.14 482	35.08 481	34.90 478	31.33 482	29.90 476	36.77 485	40.11 487	47.14 487	46.55 486	37.49 483	38.50 486	44.30 488	42.32 486	47.93 488	49.31 489	49.68 484	49.00 485	44.98 484	46.46 486

CasAABBNet	38.42 479	38.42 483	50.26 483	44.76 484	41.87 480	56.47 485	76.22 486	54.44 487	33.92 483	28.53 481	30.36 482	43.53 486	37.59 484	43.77 486	53.32 488	20.27 479	18.70 481	21.03 478	21.04 480	28.19 478	25.79 479

Selective-RAFT-Error	38.47 480	38.44 484	50.38 484	44.74 483	42.01 481	56.47 485	76.24 487	54.44 487	34.02 484	28.59 482	30.30 481	43.51 485	38.10 485	43.69 485	53.24 487	20.36 480	18.72 482	21.05 479	21.02 479	28.25 479	25.87 480

LSM0	42.92 485	38.72 485	50.66 485	47.49 485	110.18 489	56.77 487	75.87 485	54.87 489	33.74 482	29.48 483	31.12 483	43.77 487	37.12 482	43.85 487	53.44 489	20.50 481	18.67 480	21.05 479	21.07 481	28.37 480	41.73 483

DPSimNet_ROB	24.77 477	9.69 473	61.46 486	3.56 464	19.46 472	25.95 473	77.56 488	5.09 458	16.60 471	21.50 478	29.82 480	25.12 481	85.69 489	13.37 472	23.07 476	7.23 472	17.79 479	8.55 474	7.57 473	4.57 469	31.84 482

BEATNet-Init1	27.39 478	21.01 477	73.65 487	1.07 418	0.80 386	56.07 484	22.82 473	33.14 484	31.71 481	51.78 488	52.93 487	65.63 488	48.54 487	48.75 489	36.36 483	0.52 402	0.47 415	0.54 407	0.54 414	0.64 406	0.72 410

coex-ft	8.35 464	2.39 455	100.24 488	0.68 304	0.54 302	1.77 385	1.57 418	1.71 242	11.00 463	18.91 477	3.76 432	3.85 437	8.23 465	3.29 360	6.58 438	0.31 318	0.31 357	0.32 328	0.31 347	0.69 412	0.57 389

EDNetEfficientorigin	10.59 468	1.52 437	177.33 489	0.68 304	0.54 302	1.66 374	1.20 396	1.94 299	3.39 443	4.69 454	3.37 427	3.08 430	2.79 437	3.25 358	3.63 418	0.26 257	0.24 308	0.33 337	0.28 313	0.85 420	0.87 422

test_example2	192.91 490	210.59 490	206.44 490	199.86 490	204.90 490	172.02 490	182.95 489	138.34 490	134.89 490	193.14 490	200.54 489	186.77 490	177.82 490	204.95 490	207.57 490	221.83 490	238.70 490	186.02 490	190.07 490	226.94 490	173.78 490

Low-res two-view benchmark