Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

MonSter	0.29 3	0.19 1	0.48 19	0.37 1	0.22 7	0.55 116	0.31 55	0.60 9	0.44 10	0.29 4	0.29 6	0.23 2	0.20 1	0.60 31	0.26 3	0.11 1	0.11 3	0.14 1	0.11 7	0.14 2	0.14 4

LG-Stereo	0.37 11	0.27 74	0.94 234	0.48 61	0.26 32	0.37 16	0.30 50	0.88 51	0.57 32	0.38 21	0.58 57	0.29 5	0.21 2	0.51 10	0.37 70	0.14 2	0.14 100	0.20 125	0.18 140	0.18 71	0.14 4

fffft	0.39 19	0.24 27	0.56 40	0.45 26	0.34 178	0.42 35	0.48 225	0.85 41	0.39 7	0.45 41	0.35 10	0.38 19	0.31 20	1.32 213	0.34 34	0.14 2	0.12 11	0.19 92	0.15 70	0.16 26	0.18 62
1: 1. 1
LoS_RVC	0.45 47	0.29 106	0.48 19	0.49 74	0.83 438	0.51 89	0.43 171	0.65 12	0.44 10	0.47 45	0.78 101	0.44 26	0.60 171	0.59 29	0.37 70	0.14 2	0.12 11	0.14 1	0.10 1	0.14 2	1.08 480

RAFT-Stereo + iAFF	0.56 109	0.28 85	0.81 158	0.45 26	0.25 20	0.40 20	0.34 79	1.12 124	1.13 238	1.35 338	1.58 382	0.80 160	0.67 195	0.71 58	0.43 118	0.14 2	0.11 3	0.18 68	0.17 124	0.18 71	0.16 33

AFF-stereo	0.60 152	0.28 85	0.72 107	0.48 61	0.29 75	0.34 11	0.37 109	1.22 168	1.20 272	1.21 263	1.59 386	1.10 286	0.70 206	1.01 139	0.44 122	0.14 2	0.12 11	0.19 92	0.20 191	0.18 71	0.15 14

GREAT-IGEV	0.34 6	0.22 6	0.54 34	0.40 8	0.31 110	0.36 14	0.28 38	0.59 7	0.66 59	0.28 2	0.51 36	0.29 5	0.29 12	0.86 98	0.28 7	0.15 7	0.12 11	0.15 6	0.11 7	0.17 44	0.16 33

Reg-Stereo(zero)	0.46 56	0.23 14	0.50 24	0.45 26	0.25 20	0.41 27	0.27 32	0.80 29	1.12 232	0.93 154	0.79 103	0.91 213	0.46 88	0.74 61	0.44 122	0.15 7	0.13 38	0.15 6	0.12 17	0.15 12	0.18 62

SMoEStereo_RVC	0.41 27	0.26 51	0.55 36	0.46 36	0.31 110	0.60 142	0.36 99	0.85 41	0.47 15	0.47 45	0.43 14	0.42 22	0.34 33	1.40 230	0.31 16	0.15 7	0.12 11	0.20 125	0.15 70	0.16 26	0.18 62

IGEV-Stereo++	0.32 5	0.22 6	0.47 17	0.48 61	0.33 162	0.33 10	0.22 6	0.78 26	0.48 16	0.35 12	0.41 13	0.32 12	0.47 95	0.40 3	0.29 11	0.15 7	0.12 11	0.15 6	0.12 17	0.15 12	0.15 14

RSM	0.40 22	0.25 39	0.53 33	0.50 89	0.27 34	0.46 51	0.40 136	0.94 67	0.49 17	0.42 33	0.44 17	0.65 118	0.33 29	1.07 156	0.32 24	0.15 7	0.13 38	0.17 36	0.14 53	0.17 44	0.15 14

MoCha-V2	0.43 39	0.23 14	0.55 36	0.56 194	0.23 10	0.44 45	0.32 63	1.35 199	0.63 51	0.54 74	0.55 50	0.42 22	0.57 144	1.12 171	0.28 7	0.15 7	0.13 38	0.15 6	0.13 32	0.17 44	0.18 62

Selective-IGEV	0.42 35	0.26 51	0.56 40	0.48 61	0.27 34	0.45 47	0.33 70	1.56 243	0.61 47	0.36 15	0.47 23	0.52 72	0.30 16	1.08 159	0.33 29	0.15 7	0.13 38	0.17 36	0.13 32	0.16 26	0.15 14

cross-raft	0.56 109	0.26 51	0.65 82	0.55 173	0.31 110	0.66 179	0.37 109	1.68 269	0.82 105	1.06 191	1.07 187	1.25 319	0.45 80	0.74 61	0.39 80	0.15 7	0.13 38	0.19 92	0.16 103	0.19 105	0.17 49

s12784h	0.55 98	0.22 6	0.49 21	0.43 17	0.19 1	1.00 324	0.34 79	1.40 211	1.30 339	0.84 132	0.93 134	0.63 114	0.52 124	1.48 251	0.47 151	0.15 7	0.12 11	0.17 36	0.11 7	0.19 105	0.13 2

MM-Stereo_test2	0.44 44	0.25 39	0.70 102	0.54 160	0.33 162	0.55 116	0.45 203	1.02 83	0.84 111	0.61 90	0.51 36	0.49 55	0.42 62	0.82 83	0.32 24	0.16 16	0.13 38	0.18 68	0.14 53	0.19 105	0.17 49

HART	0.48 71	0.24 27	0.63 69	0.52 122	0.27 34	0.41 27	0.29 44	1.32 195	0.54 24	0.59 79	1.47 345	0.61 106	0.34 33	1.09 163	0.32 24	0.16 16	0.14 100	0.19 92	0.14 53	0.19 105	0.18 62

HI	0.67 190	0.34 227	0.80 153	0.51 103	0.51 324	0.41 27	0.37 109	1.15 144	0.80 100	1.34 332	1.42 332	1.60 389	1.11 372	0.96 127	0.90 313	0.16 16	0.12 11	0.20 125	0.21 233	0.20 141	0.20 120

CoSv	0.67 190	0.34 227	0.80 153	0.51 103	0.51 324	0.41 27	0.37 109	1.15 144	0.80 100	1.34 332	1.42 332	1.60 389	1.11 372	0.96 127	0.90 313	0.16 16	0.12 11	0.20 125	0.21 233	0.20 141	0.20 120

FoundationStereo	0.26 1	0.23 14	0.41 6	0.40 8	0.24 13	0.32 9	0.22 6	0.43 1	0.24 2	0.31 6	0.25 2	0.30 9	0.32 26	0.36 2	0.27 5	0.16 16	0.12 11	0.15 6	0.11 7	0.13 1	0.14 4

AIO_rvc	0.38 13	0.25 39	0.65 82	0.47 50	0.31 110	0.55 116	0.38 118	0.98 72	0.51 21	0.35 12	0.48 25	0.49 55	0.22 3	0.87 103	0.31 16	0.16 16	0.12 11	0.16 21	0.12 17	0.15 12	0.15 14

tt45	0.47 65	0.25 39	0.52 31	0.47 50	0.34 178	0.78 232	0.32 63	0.86 47	0.45 12	0.52 70	0.45 18	0.49 55	0.37 45	2.12 346	0.36 57	0.16 16	0.13 38	0.19 92	0.16 103	0.17 44	0.21 146

mms	0.42 35	0.29 106	0.60 57	0.47 50	0.33 162	0.43 41	0.46 209	0.75 20	0.50 19	0.36 15	0.61 63	0.44 26	0.30 16	1.39 228	0.34 34	0.16 16	0.14 100	0.18 68	0.15 70	0.19 105	0.21 146

fffy	0.44 44	0.29 106	0.67 90	0.47 50	0.30 91	0.46 51	0.34 79	0.98 72	0.57 32	0.40 31	0.59 60	0.55 82	0.41 56	1.26 197	0.37 70	0.16 16	0.14 100	0.19 92	0.16 103	0.19 105	0.20 120

dual_stereo	0.29 3	0.21 3	0.39 1	0.40 8	0.23 10	0.25 2	0.22 6	0.59 7	0.32 4	0.33 8	0.26 5	0.40 21	0.23 4	0.86 98	0.30 13	0.16 16	0.13 38	0.14 1	0.11 7	0.14 2	0.14 4

WCG-NET	0.43 39	0.23 14	0.58 44	0.42 12	0.26 32	0.46 51	0.32 63	0.77 22	1.16 256	0.77 114	0.75 94	0.58 93	0.44 76	0.62 37	0.38 76	0.16 16	0.12 11	0.16 21	0.14 53	0.15 12	0.14 4

AIO-Stereo	0.39 19	0.26 51	0.54 34	0.50 89	0.24 13	0.45 47	0.39 131	1.13 128	0.57 32	0.42 33	0.49 29	0.52 72	0.25 5	0.74 61	0.32 24	0.16 16	0.13 38	0.18 68	0.14 53	0.16 26	0.15 14

WCG-NET（raft）	0.46 56	0.23 14	0.59 50	0.42 12	0.24 13	0.50 81	0.35 90	0.76 21	1.10 218	0.72 106	0.76 95	0.91 213	0.50 116	0.88 106	0.40 96	0.16 16	0.13 38	0.15 6	0.14 53	0.15 12	0.17 49

RSM++	0.40 22	0.26 51	0.55 36	0.51 103	0.27 34	0.49 66	0.41 146	0.83 36	0.52 22	0.39 25	0.47 23	0.60 100	0.34 33	1.02 142	0.31 16	0.16 16	0.13 38	0.17 36	0.15 70	0.18 71	0.15 14

RAFT-Stereo-weight	0.49 75	0.26 51	0.58 44	0.49 74	0.28 61	0.61 149	0.34 79	1.16 149	1.11 225	1.06 191	0.79 103	0.75 147	0.28 9	0.79 80	0.42 113	0.16 16	0.13 38	0.17 36	0.15 70	0.16 26	0.18 62

CES	0.51 87	0.21 3	0.40 3	0.42 12	1.40 484	0.53 99	0.34 79	1.04 94	0.68 64	0.45 41	0.67 73	0.35 14	0.28 9	0.58 27	0.35 41	0.16 16	0.13 38	0.15 6	0.10 1	0.19 105	1.69 491

DCRE	0.85 301	0.28 85	0.76 135	0.60 255	0.49 309	0.59 137	0.53 262	1.04 94	0.92 135	0.80 119	7.34 506	0.87 191	0.57 144	0.78 79	0.43 118	0.16 16	0.17 224	0.19 92	0.17 124	0.18 71	0.22 174

ProNet	0.46 56	0.30 130	0.69 99	0.46 36	0.32 142	0.57 125	0.52 256	1.15 144	0.67 61	0.44 37	0.50 33	0.44 26	0.43 70	1.31 207	0.38 76	0.16 16	0.15 165	0.19 92	0.16 103	0.18 71	0.18 62

RAFT_CTSACE	0.66 179	0.29 106	1.14 299	0.57 216	0.51 324	0.68 188	0.44 190	0.88 51	0.98 164	1.03 181	1.83 420	1.23 314	0.67 195	1.48 251	0.38 76	0.16 16	0.16 197	0.21 158	0.20 191	0.20 141	0.17 49

test_4	0.55 98	0.23 14	0.67 90	0.56 194	0.32 142	0.71 203	0.39 131	0.83 36	0.72 71	0.93 154	1.87 427	0.70 134	0.41 56	1.21 190	0.39 80	0.16 16	0.13 38	0.21 158	0.23 292	0.20 141	0.18 62

GMOStereo	0.55 98	0.28 85	0.72 107	0.52 122	0.30 91	0.53 99	0.43 171	1.02 83	0.98 164	1.44 372	1.14 226	0.88 197	0.57 144	0.62 37	0.39 80	0.16 16	0.14 100	0.24 245	0.22 260	0.20 141	0.18 62

error version	0.55 98	0.28 85	0.72 107	0.52 122	0.30 91	0.53 99	0.43 171	1.02 83	0.98 164	1.44 372	1.14 226	0.88 197	0.57 144	0.62 37	0.39 80	0.16 16	0.14 100	0.24 245	0.22 260	0.20 141	0.18 62

test-v	0.55 98	0.28 85	0.72 107	0.52 122	0.30 91	0.53 99	0.43 171	1.02 83	0.98 164	1.44 372	1.14 226	0.88 197	0.57 144	0.62 37	0.39 80	0.16 16	0.14 100	0.24 245	0.22 260	0.20 141	0.18 62

test_3	0.57 121	0.24 27	0.87 200	0.55 173	0.30 91	0.60 142	0.40 136	1.07 102	1.08 206	1.20 256	0.68 74	0.92 221	0.43 70	1.68 286	0.40 96	0.16 16	0.13 38	0.22 187	0.19 162	0.21 184	0.17 49

test-2	0.55 98	0.28 85	0.72 107	0.52 122	0.30 91	0.53 99	0.43 171	1.02 83	0.98 164	1.44 372	1.14 226	0.88 197	0.57 144	0.62 37	0.39 80	0.16 16	0.14 100	0.24 245	0.22 260	0.20 141	0.18 62

CREStereo++_RVC	0.49 75	0.22 6	0.46 13	0.48 61	0.38 224	0.45 47	0.25 19	0.77 22	1.30 339	0.82 126	1.23 261	0.47 47	0.37 45	0.55 16	0.44 122	0.16 16	0.11 3	0.16 21	0.80 483	0.18 71	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
DEFOM-Stereo_RVC	0.41 27	0.68 427	0.45 12	0.66 321	0.30 91	0.48 60	0.25 19	0.87 50	0.46 13	0.39 25	0.37 11	0.30 9	0.69 203	1.16 179	0.31 16	0.17 42	0.11 3	0.16 21	0.12 17	0.18 71	0.14 4

AIO_test	0.38 13	0.24 27	0.59 50	0.47 50	0.31 110	0.55 116	0.44 190	0.86 47	0.50 19	0.34 11	0.48 25	0.46 38	0.30 16	0.76 69	0.31 16	0.17 42	0.12 11	0.17 36	0.13 32	0.16 26	0.15 14

castereo	0.43 39	0.25 39	0.50 24	0.46 36	0.30 91	0.60 142	0.56 292	1.23 173	0.83 108	0.39 25	0.70 83	0.45 36	0.68 199	0.54 15	0.33 29	0.17 42	0.11 3	0.17 36	0.13 32	0.16 26	0.14 4

DEFOM-Stereo	0.34 6	0.23 14	0.46 13	0.44 21	0.29 75	0.79 240	0.23 15	0.50 3	0.39 7	0.38 21	0.32 8	0.23 2	0.25 5	1.21 190	0.28 7	0.17 42	0.12 11	0.15 6	0.11 7	0.14 2	0.16 33

999	0.49 75	0.25 39	0.55 36	0.51 103	0.35 195	0.74 212	0.31 55	0.89 55	0.59 37	0.39 25	0.50 33	0.50 62	0.36 42	2.41 372	0.41 105	0.17 42	0.13 38	0.18 68	0.15 70	0.16 26	0.23 192

ours_stereo	0.40 22	0.30 130	0.57 42	0.47 50	0.31 110	0.40 20	0.44 190	0.79 28	0.58 35	0.36 15	0.58 57	0.46 38	0.33 29	1.14 175	0.33 29	0.17 42	0.13 38	0.19 92	0.15 70	0.19 105	0.20 120

tg	0.54 95	0.25 39	0.70 102	0.52 122	0.31 110	0.89 285	0.29 44	1.12 124	0.98 164	0.85 134	1.03 171	0.62 109	0.42 62	1.37 222	0.41 105	0.17 42	0.13 38	0.22 187	0.21 233	0.17 44	0.17 49

Occ-G	0.44 44	0.23 14	0.59 50	0.44 21	0.27 34	0.43 41	0.61 323	0.85 41	0.62 49	0.48 51	0.66 70	1.00 253	0.45 80	0.79 80	0.45 135	0.17 42	0.14 100	0.18 68	0.13 32	0.16 26	0.18 62

MyStereo06	0.67 190	0.29 106	1.06 271	0.58 228	0.48 303	0.62 152	0.72 357	2.26 420	0.89 124	1.07 193	1.12 210	1.22 310	0.56 141	0.83 89	0.47 151	0.17 42	0.17 224	0.24 245	0.21 233	0.23 223	0.23 192

MyStereo05	0.70 213	0.29 106	1.22 332	0.58 228	0.48 303	0.62 152	0.72 357	1.52 231	1.54 421	1.17 233	0.91 130	0.77 153	0.79 236	1.45 244	0.68 256	0.17 42	0.17 224	0.24 245	0.21 233	0.23 223	0.23 192

AE-Stereo	0.58 133	0.29 106	0.81 158	0.62 276	0.41 258	0.69 197	0.46 209	2.49 457	1.25 303	0.49 55	0.77 99	0.69 131	0.46 88	0.61 33	0.42 113	0.17 42	0.16 197	0.21 158	0.20 191	0.19 105	0.18 62

MIM_Stereo	0.60 152	0.26 51	1.02 259	0.49 74	0.32 142	0.52 95	0.28 38	1.41 215	0.82 105	1.02 178	1.16 234	0.93 223	0.53 126	1.48 251	0.63 238	0.17 42	0.17 224	0.20 125	0.19 162	0.17 44	0.18 62

AEACV	0.41 27	0.25 39	0.60 57	0.55 173	0.52 329	0.43 41	0.38 118	0.98 72	0.63 51	0.44 37	0.56 53	0.46 38	0.59 165	0.56 18	0.31 16	0.17 42	0.13 38	0.18 68	0.16 103	0.17 44	0.17 49

RAFT-Test	0.58 133	0.27 74	0.81 158	0.50 89	0.33 162	0.95 311	0.27 32	1.40 211	0.89 124	1.00 169	1.12 210	1.39 353	0.48 100	0.74 61	0.41 105	0.17 42	0.14 100	0.17 36	0.14 53	0.16 26	0.18 62

EGLCR-Stereo	0.41 27	0.24 27	0.59 50	0.45 26	0.27 34	0.54 112	0.22 6	1.23 173	0.56 30	0.44 37	0.43 14	0.68 126	0.29 12	0.89 109	0.34 34	0.17 42	0.12 11	0.20 125	0.17 124	0.17 44	0.18 62

MC-Stereo	0.46 56	0.24 27	0.58 44	0.63 286	0.30 91	0.38 18	0.32 63	0.98 72	0.74 79	0.66 97	0.85 118	0.56 89	0.60 171	1.07 156	0.32 24	0.17 42	0.12 11	0.17 36	0.15 70	0.16 26	0.16 33

RCA-Stereo	0.52 91	0.26 51	0.66 87	0.49 74	0.33 162	0.54 112	0.44 190	1.20 161	1.41 386	0.69 100	1.06 184	0.63 114	0.79 236	0.62 37	0.35 41	0.17 42	0.12 11	0.17 36	0.14 53	0.16 26	0.16 33

DCANet-4	0.59 145	0.28 85	1.65 389	0.44 21	0.25 20	0.48 60	0.36 99	1.15 144	1.36 364	1.13 209	1.03 171	0.56 89	0.74 211	0.77 71	0.58 219	0.17 42	0.14 100	0.17 36	0.13 32	0.15 12	0.24 213

fff	0.58 133	0.26 51	1.15 301	0.46 36	0.25 20	0.48 60	0.36 99	1.20 161	1.28 323	1.13 209	1.03 171	0.59 97	1.04 353	0.77 71	0.58 219	0.17 42	0.14 100	0.17 36	0.13 32	0.15 12	0.24 213

ADStereo(finetuned)	0.62 161	0.26 51	1.59 385	0.45 26	0.25 20	0.49 66	0.36 99	1.18 153	1.35 355	1.16 229	1.04 176	0.60 100	1.18 390	0.85 96	0.57 214	0.17 42	0.14 100	0.17 36	0.13 32	0.19 105	0.24 213

IPLG	0.72 225	0.29 106	1.12 293	0.53 145	0.44 282	0.79 240	0.33 70	1.35 199	1.10 218	1.32 320	1.11 206	0.52 72	0.54 133	3.13 403	0.71 263	0.17 42	0.14 100	0.20 125	0.17 124	0.18 71	0.21 146

test-3	0.56 109	0.24 27	0.82 167	0.50 89	0.29 75	0.57 125	0.34 79	1.09 114	1.03 187	1.33 325	0.69 79	0.87 191	0.45 80	1.68 286	0.39 80	0.17 42	0.12 11	0.20 125	0.17 124	0.17 44	0.16 33

test_1	0.56 109	0.24 27	0.82 167	0.50 89	0.29 75	0.57 125	0.34 79	1.09 114	1.03 187	1.28 304	0.69 79	0.87 191	0.45 80	1.67 284	0.39 80	0.17 42	0.12 11	0.20 125	0.17 124	0.17 44	0.16 33

test-1	0.56 109	0.28 85	1.13 294	0.58 228	0.34 178	0.60 142	0.38 118	1.56 243	0.98 164	0.80 119	1.02 164	0.83 181	0.52 124	0.64 46	0.46 141	0.17 42	0.16 197	0.20 125	0.17 124	0.20 141	0.26 252

DCANet	0.58 133	0.26 51	1.15 301	0.45 26	0.25 20	0.49 66	0.36 99	1.18 153	1.35 355	1.15 225	1.04 176	0.60 100	0.91 292	0.84 92	0.58 219	0.17 42	0.14 100	0.17 36	0.13 32	0.19 105	0.25 232

csc	0.58 133	0.26 51	1.15 301	0.46 36	0.25 20	0.48 60	0.36 99	1.20 161	1.28 323	1.13 209	1.03 171	0.59 97	1.04 353	0.77 71	0.58 219	0.17 42	0.14 100	0.17 36	0.13 32	0.15 12	0.24 213

cscssc	0.58 133	0.26 51	1.15 301	0.46 36	0.25 20	0.48 60	0.36 99	1.20 161	1.28 323	1.13 209	1.03 171	0.59 97	1.04 353	0.77 71	0.58 219	0.17 42	0.14 100	0.17 36	0.13 32	0.15 12	0.24 213

CFNet-RSSM	0.57 121	0.25 39	0.76 135	0.49 74	0.28 61	0.59 137	0.27 32	1.89 332	1.17 261	1.09 195	0.95 137	1.06 268	0.53 126	0.74 61	0.41 105	0.17 42	0.13 38	0.17 36	0.15 70	0.16 26	0.16 33

Gwc-CoAtRS	0.55 98	0.27 74	0.73 120	0.49 74	0.30 91	0.63 160	0.25 19	1.38 205	1.12 232	1.05 185	1.02 164	1.10 286	0.55 136	0.72 59	0.44 122	0.17 42	0.14 100	0.17 36	0.15 70	0.16 26	0.17 49

HITNet	0.71 219	0.42 332	1.07 276	0.52 122	0.25 20	1.05 332	0.48 225	2.12 385	1.08 206	1.21 263	1.23 261	0.91 213	0.84 255	0.90 112	0.91 317	0.17 42	0.12 11	0.21 158	0.17 124	0.29 315	0.18 62
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
LGtest1	0.28 2	0.23 14	0.46 13	0.42 12	0.22 7	0.41 27	0.19 2	0.58 6	0.29 3	0.30 5	0.25 2	0.29 5	0.29 12	0.57 23	0.26 3	0.18 72	0.12 11	0.16 21	0.12 17	0.14 2	0.16 33

LG-Stereo_Zeroshot	0.38 13	0.25 39	0.61 63	0.53 145	0.29 75	0.36 14	0.22 6	1.24 175	0.42 9	0.45 41	0.65 69	0.37 18	0.51 119	0.41 6	0.30 13	0.18 72	0.12 11	0.17 36	0.13 32	0.18 71	0.20 120

SCV_C0	0.48 71	0.29 106	0.88 205	0.46 36	0.31 110	0.46 51	0.31 55	1.67 266	0.87 120	0.40 31	0.52 38	0.54 80	0.29 12	1.27 200	0.34 34	0.18 72	0.14 100	0.17 36	0.14 53	0.20 141	0.18 62

HUF	0.39 19	0.27 74	0.71 105	0.43 17	0.24 13	0.51 89	0.47 219	0.99 80	0.55 26	0.37 19	0.45 18	0.53 76	0.41 56	0.70 56	0.29 11	0.18 72	0.14 100	0.16 21	0.12 17	0.15 12	0.17 49

AIO-test1	0.61 158	0.27 74	0.68 93	0.68 347	1.02 461	0.79 240	0.36 99	1.59 253	1.35 355	0.59 79	0.89 127	0.60 100	0.49 111	1.20 189	0.36 57	0.18 72	0.17 224	0.23 221	0.25 314	0.18 71	0.26 252

castereo++	0.41 27	0.26 51	0.51 27	0.44 21	0.32 142	0.96 317	0.22 6	1.13 128	0.61 47	0.33 8	0.45 18	0.50 62	0.39 53	0.94 119	0.25 2	0.18 72	0.12 11	0.17 36	0.12 17	0.14 2	0.16 33

UGAM-zero	1.05 364	0.33 198	1.04 264	0.49 74	0.31 110	0.67 184	0.26 27	2.37 439	0.80 100	1.05 185	1.11 206	2.86 474	1.81 453	6.26 468	0.50 172	0.18 72	0.15 165	0.19 92	0.16 103	0.17 44	0.21 146

RAStereo	0.36 10	0.22 6	0.85 191	0.48 61	0.28 61	0.27 5	0.28 38	0.77 22	0.65 57	0.33 8	0.43 14	0.44 26	0.31 20	0.45 7	0.35 41	0.18 72	0.15 165	0.19 92	0.15 70	0.19 105	0.15 14

Pointernet	0.41 27	0.21 3	0.63 69	0.45 26	0.29 75	0.51 89	0.27 32	1.54 237	0.70 68	0.48 51	0.64 65	0.49 55	0.37 45	0.51 10	0.36 57	0.18 72	0.13 38	0.14 1	0.11 7	0.14 2	0.14 4

IGEV-Stereo+	0.46 56	0.23 14	0.51 27	0.42 12	0.46 293	0.15 1	0.19 2	0.45 2	0.37 6	0.28 2	0.25 2	0.31 11	0.41 56	1.43 240	0.31 16	0.18 72	0.13 38	0.15 6	0.12 17	1.09 480	1.74 492

trnet	0.40 22	0.23 14	0.40 3	0.37 1	0.20 2	0.53 99	0.29 44	0.81 30	1.15 249	0.59 79	0.72 89	0.53 76	0.43 70	0.56 18	0.37 70	0.18 72	0.13 38	0.15 6	0.10 1	0.14 2	0.14 4

testlalala2	0.60 152	0.30 130	0.68 93	1.79 489	1.30 482	0.65 173	0.41 146	1.06 99	0.75 84	0.91 148	0.96 139	0.75 147	0.34 33	0.56 18	0.45 135	0.18 72	0.16 197	0.17 36	0.13 32	0.17 44	0.19 95

MyStereo8	0.70 213	0.32 179	1.24 337	0.63 286	0.53 335	0.90 289	0.34 79	1.60 255	1.35 355	1.20 256	1.31 290	0.89 207	0.64 185	0.77 71	1.02 345	0.18 72	0.15 165	0.20 125	0.18 140	0.22 204	0.30 316

MyStereo07	0.50 85	0.30 130	0.58 44	0.58 228	0.48 303	0.59 137	0.78 369	1.19 157	0.60 43	0.49 55	0.54 48	0.43 25	0.55 136	1.32 213	0.36 57	0.18 72	0.18 254	0.24 245	0.21 233	0.23 223	0.23 192

MyStereo04	0.71 219	0.30 130	1.28 345	0.58 228	0.48 303	0.59 137	0.78 369	1.74 292	1.49 415	0.94 157	0.91 130	0.74 145	0.86 268	1.59 271	0.69 257	0.18 72	0.18 254	0.24 245	0.21 233	0.23 223	0.23 192

ff7	0.45 47	0.30 130	0.64 77	0.47 50	0.33 162	0.49 66	0.42 154	0.93 57	0.59 37	0.50 60	0.53 42	0.44 26	0.48 100	1.41 233	0.36 57	0.18 72	0.13 38	0.21 158	0.15 70	0.18 71	0.21 146

ffff	0.45 47	0.30 130	0.64 77	0.47 50	0.33 162	0.49 66	0.42 154	0.93 57	0.59 37	0.50 60	0.53 42	0.44 26	0.48 100	1.41 233	0.36 57	0.18 72	0.13 38	0.21 158	0.15 70	0.18 71	0.21 146

11t	0.45 47	0.30 130	0.64 77	0.47 50	0.33 162	0.49 66	0.42 154	0.93 57	0.59 37	0.50 60	0.53 42	0.44 26	0.48 100	1.41 233	0.36 57	0.18 72	0.13 38	0.21 158	0.15 70	0.18 71	0.21 146

IGEV_Zeroshot_test	0.59 145	0.33 198	1.11 289	0.63 286	0.37 212	0.41 27	0.33 70	1.80 306	0.79 97	1.04 183	1.10 199	1.06 268	0.43 70	0.87 103	0.48 158	0.18 72	0.13 38	0.19 92	0.18 140	0.20 141	0.23 192

MSKI-zero shot	0.56 109	0.30 130	0.61 63	0.55 173	0.28 61	0.68 188	0.28 38	1.25 179	0.68 64	0.92 151	1.33 300	0.81 166	0.33 29	1.94 322	0.36 57	0.18 72	0.13 38	0.17 36	0.13 32	0.16 26	0.19 95

GCAP-Stereo	0.43 39	0.32 179	0.80 153	0.50 89	0.27 34	0.53 99	0.31 55	1.05 97	0.67 61	0.69 100	0.71 86	0.58 93	0.42 62	0.51 10	0.35 41	0.18 72	0.15 165	0.18 68	0.13 32	0.17 44	0.15 14

HH	0.68 203	0.33 198	0.83 176	0.53 145	0.34 178	0.92 298	0.45 203	1.79 302	0.74 79	0.71 102	1.13 221	1.60 389	0.83 252	1.95 325	0.39 80	0.18 72	0.14 100	0.19 92	0.17 124	0.19 105	0.19 95

HanStereo	0.68 203	0.33 198	0.83 176	0.53 145	0.34 178	0.92 298	0.45 203	1.79 302	0.74 79	0.71 102	1.13 221	1.60 389	0.83 252	1.95 325	0.39 80	0.18 72	0.14 100	0.19 92	0.17 124	0.19 105	0.19 95

LL-Strereo2	0.56 109	0.36 265	0.77 138	0.56 194	0.40 244	0.68 188	0.37 109	1.21 166	0.83 108	0.96 162	0.79 103	0.91 213	0.41 56	1.08 159	0.48 158	0.18 72	0.17 224	0.29 344	0.25 314	0.22 204	0.19 95

4D-IteraStereo	0.50 85	0.26 51	0.84 185	0.51 103	0.49 309	0.64 169	0.31 55	0.91 56	1.02 184	1.05 185	0.72 89	0.76 149	0.32 26	0.69 54	0.40 96	0.18 72	0.11 3	0.23 221	0.20 191	0.19 105	0.16 33

anonymousdsp	0.45 47	0.30 130	0.60 57	0.48 61	0.34 178	0.49 66	0.42 154	0.97 68	0.60 43	0.51 68	0.53 42	0.46 38	0.47 95	1.36 219	0.35 41	0.18 72	0.13 38	0.21 158	0.15 70	0.18 71	0.21 146

CroCo-Stereo Lap2	0.46 56	0.37 286	0.87 200	0.62 276	0.79 429	0.28 6	0.35 90	0.81 30	0.73 72	0.39 25	0.54 48	0.71 141	0.54 133	0.60 31	0.48 158	0.18 72	0.18 254	0.19 92	0.16 103	0.21 184	0.21 146

ccc-4	0.45 47	0.30 130	0.64 77	0.47 50	0.33 162	0.49 66	0.42 154	0.93 57	0.59 37	0.50 60	0.53 42	0.44 26	0.48 100	1.41 233	0.36 57	0.18 72	0.13 38	0.21 158	0.15 70	0.18 71	0.21 146

IGEV-Stereo	0.45 47	0.30 130	0.60 57	0.48 61	0.34 178	0.49 66	0.42 154	0.98 72	0.60 43	0.51 68	0.53 42	0.46 38	0.47 95	1.36 219	0.35 41	0.18 72	0.13 38	0.21 158	0.15 70	0.18 71	0.21 146
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.89 315	0.31 162	1.04 264	0.56 194	0.47 301	0.47 55	0.68 343	1.19 157	1.08 206	0.80 119	1.35 309	1.46 367	0.90 289	5.11 442	1.16 359	0.18 72	0.15 165	0.22 187	0.19 162	0.21 184	0.24 213

iRaft-Stereo_20w	0.71 219	0.33 198	1.25 339	0.50 89	0.36 203	0.82 255	0.31 55	3.16 486	0.89 124	1.24 278	1.14 226	0.79 158	0.65 189	1.15 176	0.43 118	0.18 72	0.13 38	0.18 68	0.17 124	0.20 141	0.23 192

GLC_STEREO	0.41 27	0.27 74	0.43 8	0.55 173	0.24 13	0.47 55	0.30 50	0.81 30	0.64 54	0.53 73	0.74 93	0.50 62	0.31 20	0.65 47	0.45 135	0.18 72	0.20 284	0.23 221	0.19 162	0.21 184	0.21 146

MIPNet	0.60 152	0.31 162	1.07 276	0.51 103	0.34 178	0.68 188	0.40 136	1.67 266	1.14 244	1.11 198	0.93 134	0.60 100	0.78 228	0.77 71	0.58 219	0.18 72	0.14 100	0.19 92	0.16 103	0.18 71	0.21 146

IPLGR	0.62 161	0.28 85	1.32 352	0.50 89	0.29 75	0.65 173	0.34 79	1.47 225	1.19 268	1.21 263	1.07 187	0.70 134	0.65 189	1.05 149	0.55 205	0.18 72	0.15 165	0.20 125	0.17 124	0.21 184	0.20 120

iRaftStereo_RVC	0.49 75	0.28 85	0.72 107	0.53 145	0.29 75	0.52 95	0.33 70	1.14 132	0.84 111	0.85 134	0.99 154	0.55 82	0.36 42	0.83 89	0.40 96	0.18 72	0.13 38	0.22 187	0.20 191	0.20 141	0.18 62

raft+_RVC	0.56 109	0.29 106	0.61 63	0.65 307	0.56 352	0.53 99	0.53 262	1.40 211	1.02 184	0.78 116	1.04 176	0.70 134	0.55 136	1.00 136	0.49 169	0.18 72	0.16 197	0.19 92	0.19 162	0.18 71	0.17 49

test_xeample3	0.57 121	0.33 198	3.11 457	0.46 36	0.34 178	0.55 116	0.38 118	0.86 47	0.49 17	0.54 74	0.46 22	0.44 26	0.44 76	1.49 258	0.45 135	0.18 72	0.14 100	0.19 92	0.15 70	0.17 44	0.18 62

pmcnn	2.84 487	0.46 347	5.19 481	0.68 347	0.42 267	1.55 409	1.16 441	2.32 430	1.60 431	2.72 476	7.49 507	17.96 522	1.48 428	6.04 463	6.64 489	0.18 72	0.15 165	0.15 6	0.12 17	0.20 141	0.20 120

DFGA-Net	0.77 250	0.47 352	1.75 395	0.55 173	0.46 293	0.83 262	0.44 190	1.38 205	1.10 218	1.05 185	1.20 245	0.70 134	0.58 161	2.27 360	1.31 380	0.19 110	0.17 224	0.24 245	0.24 305	0.28 298	0.30 316

G2L-Stereo_aug	0.85 301	0.29 106	1.20 326	0.53 145	0.39 233	0.96 317	0.54 275	1.60 255	1.42 394	1.55 401	1.43 336	1.51 376	1.06 359	2.43 373	1.07 350	0.19 110	0.14 100	0.16 21	0.14 53	0.17 44	0.21 146

MM-Stereo_test1	0.51 87	0.26 51	0.59 50	0.53 145	0.31 110	0.50 81	0.53 262	1.06 99	1.09 214	0.88 141	0.70 83	0.54 80	0.59 165	1.18 184	0.35 41	0.19 110	0.17 224	0.20 125	0.17 124	0.20 141	0.18 62

PAM_32	0.87 310	0.30 130	1.08 279	0.56 194	0.32 142	2.10 457	0.36 99	2.26 420	1.01 180	1.13 209	1.05 183	3.14 481	1.47 426	1.00 136	0.42 113	0.19 110	0.14 100	0.20 125	0.18 140	0.19 105	0.25 232

PAM	0.86 306	0.31 162	1.19 322	0.55 173	0.35 195	2.17 458	0.47 219	2.26 420	0.87 120	1.18 244	0.96 139	3.01 476	1.41 419	0.90 112	0.40 96	0.19 110	0.13 38	0.19 92	0.18 140	0.20 141	0.27 270

GCAP-BAT	0.54 95	0.33 198	0.75 130	0.45 26	0.50 314	0.84 270	0.35 90	0.98 72	0.80 100	0.88 141	1.04 176	0.88 197	0.37 45	1.25 194	0.41 105	0.19 110	0.15 165	0.18 68	0.13 32	0.17 44	0.22 174

AIO-Stereo-zeroshot1	1.06 366	0.43 336	3.59 466	0.53 145	0.66 393	0.79 240	0.39 131	2.60 466	0.98 164	0.96 162	4.58 490	2.05 447	0.56 141	0.99 133	0.51 176	0.19 110	0.14 100	0.21 158	0.28 357	0.32 348	0.41 387

gcap-zeroshot	0.59 145	0.30 130	1.11 289	0.51 103	0.30 91	0.79 240	0.36 99	1.86 324	0.86 117	0.90 146	0.68 74	1.44 361	0.50 116	0.82 83	0.35 41	0.19 110	0.16 197	0.18 68	0.15 70	0.18 71	0.18 62

IGEVStereo-DCA	0.49 75	0.33 198	0.64 77	0.46 36	0.34 178	0.50 81	0.42 154	0.93 57	0.59 37	0.48 51	0.48 25	0.48 52	0.45 80	2.28 362	0.44 122	0.19 110	0.14 100	0.19 92	0.15 70	0.17 44	0.21 146

rrr	0.57 121	0.33 198	2.43 437	0.46 36	0.34 178	0.50 81	0.38 118	0.84 40	0.55 26	0.48 51	0.48 25	0.48 52	0.45 80	2.28 362	0.44 122	0.19 110	0.14 100	0.19 92	0.15 70	0.17 44	0.18 62

CASnet	0.42 35	0.26 51	0.52 31	0.52 122	0.21 4	0.49 66	0.35 90	0.85 41	0.85 115	0.84 132	0.69 79	0.48 52	0.31 20	0.57 23	0.34 34	0.19 110	0.12 11	0.27 319	0.22 260	0.23 223	0.15 14
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.55 98	0.27 74	0.49 21	0.50 89	0.27 34	0.98 322	0.25 19	1.71 286	1.08 206	0.90 146	0.99 154	1.13 295	0.46 88	0.74 61	0.35 41	0.19 110	0.13 38	0.17 36	0.13 32	0.16 26	0.19 95

anonymousdsp2	0.58 133	0.29 106	0.93 227	0.51 103	0.30 91	0.75 217	0.46 209	1.95 349	0.87 120	0.81 124	0.78 101	0.76 149	0.48 100	1.10 166	0.45 135	0.19 110	0.14 100	0.18 68	0.13 32	0.20 141	0.22 174

CBFPSM	0.95 337	0.37 286	2.10 422	0.51 103	0.39 233	1.73 425	0.87 400	1.59 253	1.13 238	1.11 198	1.00 159	2.34 458	1.64 440	1.42 238	1.44 397	0.19 110	0.18 254	0.20 125	0.20 191	0.22 204	0.36 364

LoS	0.41 27	0.23 14	0.46 13	0.39 5	0.23 10	0.48 60	0.40 136	1.12 124	0.94 148	0.50 60	0.66 70	0.49 55	0.42 62	0.63 45	0.39 80	0.19 110	0.14 100	0.16 21	0.11 7	0.14 2	0.15 14
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ToySt	0.73 228	0.35 256	1.64 387	0.54 160	0.37 212	0.92 298	0.81 384	1.21 166	1.03 187	0.86 139	1.12 210	1.31 337	1.01 337	1.04 146	0.88 306	0.19 110	0.20 284	0.24 245	0.24 305	0.27 282	0.28 286

anonymousa	0.78 254	0.30 130	0.85 191	0.51 103	0.96 457	1.41 397	0.47 219	1.61 258	0.94 148	1.33 325	1.77 411	1.66 400	1.11 372	0.72 59	0.63 238	0.19 110	0.18 254	0.23 221	0.25 314	0.20 141	0.22 174

raft_robust	0.71 219	0.32 179	0.75 130	0.54 160	0.28 61	0.54 112	0.35 90	1.54 237	1.24 295	1.18 244	1.07 187	0.73 144	0.53 126	3.65 416	0.40 96	0.19 110	0.16 197	0.20 125	0.22 260	0.21 184	0.19 95

RAFT+CT+SA	0.63 170	0.30 130	0.73 120	0.69 360	0.37 212	0.40 20	0.55 285	1.93 345	1.04 193	0.72 106	1.23 261	0.62 109	0.69 203	1.69 290	0.42 113	0.19 110	0.13 38	0.22 187	0.22 260	0.21 184	0.19 95

test_5	0.70 213	0.32 179	0.99 250	0.69 360	0.50 314	0.89 285	0.51 245	1.88 330	1.14 244	0.78 116	1.13 221	1.04 264	0.89 286	1.59 271	0.46 141	0.19 110	0.14 100	0.23 221	0.22 260	0.22 204	0.20 120

Sa-1000	0.76 244	0.30 130	0.92 225	0.62 276	0.31 110	0.78 232	0.37 109	2.00 362	1.38 371	1.30 311	2.04 441	0.86 189	0.74 211	1.87 312	0.40 96	0.19 110	0.14 100	0.25 284	0.24 305	0.21 184	0.19 95

CrosDoStereo	1.56 431	0.26 51	0.78 144	0.51 103	0.29 75	0.66 179	11.86 517	1.18 153	1.00 177	1.35 338	1.76 409	0.99 247	1.83 455	6.64 477	0.83 296	0.19 110	0.15 165	0.20 125	0.22 260	0.18 71	0.25 232

LCNet	0.73 228	0.30 130	0.58 44	0.58 228	0.31 110	0.68 188	0.53 262	1.09 114	0.94 148	1.19 251	1.34 304	0.96 238	1.32 408	2.50 380	0.46 141	0.19 110	0.13 38	0.21 158	0.25 314	0.28 298	0.69 459

STrans-v2	1.06 366	0.31 162	1.02 259	0.52 122	0.33 162	0.67 184	0.78 369	2.66 472	1.26 311	1.15 225	1.46 343	1.37 351	1.40 417	6.68 479	0.46 141	0.19 110	0.13 38	0.21 158	0.18 140	0.18 71	0.21 146

TransformOpticalFlow	0.97 342	0.30 130	0.96 245	0.54 160	0.31 110	0.65 173	0.54 275	1.87 325	1.19 268	1.12 206	1.44 339	1.34 344	0.98 325	6.68 479	0.44 122	0.19 110	0.12 11	0.21 158	0.19 162	0.18 71	0.23 192

PSM-AAD	0.80 268	0.29 106	0.58 44	0.58 228	0.29 75	0.76 222	1.19 444	1.08 107	0.94 148	1.65 419	1.58 382	0.81 166	2.12 472	1.67 284	0.44 122	0.19 110	0.14 100	0.38 415	0.32 398	0.22 204	0.68 457

DeepStereo_LL	1.56 431	0.26 51	0.78 144	0.51 103	0.29 75	0.66 179	11.86 517	1.18 153	1.00 177	1.35 338	1.76 409	0.99 247	1.83 455	6.64 477	0.83 296	0.19 110	0.15 165	0.20 125	0.22 260	0.18 71	0.25 232

DEmStereo	0.98 345	0.25 39	0.85 191	0.49 74	0.33 162	1.02 327	0.55 285	0.97 68	0.93 142	1.41 361	2.13 446	1.01 258	2.01 462	5.62 454	0.78 280	0.19 110	0.15 165	0.20 125	0.20 191	0.18 71	0.25 232

DRaft	0.81 277	0.26 51	0.77 138	0.47 50	0.31 110	0.95 311	0.52 256	1.13 128	0.99 173	1.78 433	2.01 440	0.80 160	1.71 446	2.64 387	0.74 268	0.19 110	0.14 100	0.20 125	0.20 191	0.18 71	0.24 213

RAFT-345	0.86 306	0.26 51	0.73 120	0.53 145	0.28 61	0.53 99	0.41 146	0.85 41	1.31 346	1.33 325	2.32 455	0.85 188	0.53 126	5.69 455	0.48 158	0.19 110	0.14 100	0.22 187	0.17 124	0.17 44	0.17 49

CroCo-Stereo	0.42 35	0.33 198	0.83 176	0.59 247	0.28 61	0.26 3	0.33 70	1.22 168	0.85 115	0.43 35	0.49 29	0.65 118	0.46 88	0.40 3	0.36 57	0.19 110	0.15 165	0.16 21	0.14 53	0.20 141	0.17 49
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
GMM-Stereo	0.75 236	0.27 74	0.66 87	0.56 194	0.34 178	0.71 203	0.97 417	1.09 114	0.91 130	1.37 345	1.79 413	1.11 291	0.79 236	2.08 342	0.48 158	0.19 110	0.12 11	0.25 284	0.25 314	0.21 184	0.78 466

Prome-Stereo	0.76 244	0.29 106	0.57 42	0.58 228	0.33 162	0.58 136	0.94 412	0.98 72	0.92 135	1.46 380	2.45 462	0.91 213	1.38 414	1.60 276	0.44 122	0.19 110	0.13 38	0.19 92	0.18 140	0.20 141	0.87 472

TANstereo	0.45 47	0.23 14	0.50 24	0.43 17	0.21 4	0.65 173	0.26 27	0.83 36	0.88 123	0.95 159	0.99 154	0.51 65	0.45 80	0.56 18	0.36 57	0.19 110	0.24 353	0.16 21	0.13 32	0.17 44	0.27 270

EAI-Stereo	0.76 244	0.31 162	0.74 125	0.55 173	0.28 61	0.70 201	1.72 475	2.57 464	0.90 129	0.75 111	3.03 473	0.57 91	0.43 70	1.10 166	0.49 169	0.19 110	0.14 100	0.17 36	0.18 140	0.17 44	0.21 146

CREStereo	0.40 22	0.24 27	0.40 3	0.37 1	0.22 7	0.52 95	0.29 44	0.81 30	1.15 249	0.59 79	0.72 89	0.51 65	0.42 62	0.57 23	0.37 70	0.19 110	0.13 38	0.15 6	0.10 1	0.14 2	0.15 14
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
DIP-Stereo	0.64 173	0.32 179	0.91 222	0.49 74	0.36 203	0.91 291	0.33 70	2.51 460	0.77 86	1.25 281	1.00 159	0.68 126	0.51 119	0.92 116	0.65 247	0.19 110	0.15 165	0.21 158	0.17 124	0.19 105	0.22 174
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
R-Stereo Train	0.60 152	0.30 130	0.72 107	0.57 216	0.37 212	0.68 188	0.52 256	1.45 220	0.78 88	1.61 412	1.50 356	0.76 149	0.53 126	0.67 50	0.51 176	0.19 110	0.16 197	0.18 68	0.15 70	0.18 71	0.19 95

RAFT-Stereo	0.60 152	0.30 130	0.72 107	0.57 216	0.37 212	0.68 188	0.52 256	1.45 220	0.78 88	1.61 412	1.50 356	0.76 149	0.53 126	0.67 50	0.51 176	0.19 110	0.16 197	0.18 68	0.15 70	0.18 71	0.19 95
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MLCV	0.77 250	0.39 313	1.31 349	0.55 173	0.25 20	0.91 291	0.39 131	1.48 227	1.28 323	1.49 389	1.54 367	1.02 260	0.68 199	2.12 346	0.93 324	0.19 110	0.13 38	0.19 92	0.14 53	0.19 105	0.22 174

iResNet	0.80 268	0.45 344	1.47 368	0.72 377	0.31 110	0.96 317	0.64 333	1.80 306	1.28 323	1.31 317	1.48 348	0.94 229	0.78 228	1.77 297	0.99 337	0.19 110	0.14 100	0.18 68	0.15 70	0.22 204	0.27 270

DN-CSS_ROB	0.67 190	0.36 265	1.36 359	0.59 247	0.41 258	0.54 112	0.45 203	1.30 191	0.95 153	1.05 185	1.47 345	0.69 131	0.64 185	1.80 306	0.60 229	0.19 110	0.15 165	0.25 284	0.23 292	0.22 204	0.23 192

GIP-stereo	0.37 11	0.25 39	0.49 21	0.55 173	0.41 258	0.37 16	0.22 6	1.03 90	0.56 30	0.35 12	0.52 38	0.46 38	0.37 45	0.55 16	0.28 7	0.20 152	0.13 38	0.16 21	0.12 17	0.16 26	0.16 33

U	9.23 517	0.22 6	0.65 82	0.48 61	53.11 534	61.26 539	0.24 18	0.77 22	0.55 26	0.37 19	0.30 7	0.29 5	0.34 33	0.34 1	0.27 5	0.20 152	0.12 11	60.47 536	4.24 521	0.18 71	0.14 4

H2IRNET	0.57 121	0.28 85	0.75 130	0.49 74	0.35 195	0.40 20	0.27 32	1.03 90	1.18 267	0.62 92	1.26 269	1.07 271	0.85 260	1.02 142	0.64 242	0.20 152	0.16 197	0.23 221	0.25 314	0.22 204	0.20 120

MGS-Stereo	0.43 39	0.28 85	0.61 63	0.46 36	0.28 61	0.49 66	0.33 70	0.60 9	0.89 124	0.47 45	1.32 295	0.51 65	0.32 26	0.66 49	0.39 80	0.20 152	0.16 197	0.18 68	0.16 103	0.18 71	0.18 62

IGEV++	0.45 47	0.24 27	0.63 69	0.58 228	0.32 142	0.42 35	0.25 19	2.16 401	0.65 57	0.38 21	0.58 57	0.46 38	0.44 76	0.56 18	0.40 96	0.20 152	0.13 38	0.16 21	0.13 32	0.17 44	0.18 62

Former-RAFT_DAM_RVC	0.47 65	0.38 304	0.75 130	0.48 61	0.37 212	0.67 184	0.35 90	0.82 35	1.14 244	0.61 90	0.64 65	0.39 20	0.39 53	0.74 61	0.39 80	0.20 152	0.17 224	0.22 187	0.18 140	0.24 252	0.20 120

MaDis-Stereo	0.38 13	0.27 74	0.72 107	0.45 26	0.35 195	0.30 7	0.31 55	0.81 30	0.54 24	0.38 21	0.38 12	0.58 93	0.49 111	0.53 13	0.39 80	0.20 152	0.16 197	0.19 92	0.15 70	0.19 105	0.15 14

MIF-Stereo (partial)	0.48 71	0.28 85	0.83 176	0.51 103	0.53 335	0.39 19	0.27 32	1.03 90	0.64 54	0.47 45	0.71 86	0.51 65	0.51 119	1.13 173	0.47 151	0.20 152	0.16 197	0.23 221	0.20 191	0.24 252	0.20 120

riskmin	0.62 161	0.29 106	0.73 120	0.50 89	0.34 178	0.86 278	0.44 190	1.74 292	1.07 203	0.76 113	0.76 95	1.19 303	1.01 337	0.84 92	0.60 229	0.20 152	0.16 197	0.24 245	0.16 103	0.24 252	0.29 300

TestStereo1	0.66 179	0.29 106	0.95 238	0.82 420	0.32 142	0.47 55	0.43 171	1.52 231	1.22 287	0.99 165	1.32 295	0.65 118	0.76 217	1.78 299	0.44 122	0.20 152	0.16 197	0.22 187	0.19 162	0.21 184	0.20 120

IER	0.74 232	0.33 198	1.25 339	0.50 89	0.53 335	1.32 380	0.55 285	1.31 193	1.08 206	1.30 311	1.34 304	1.11 291	1.10 369	1.05 149	0.81 294	0.20 152	0.17 224	0.21 158	0.21 233	0.20 141	0.21 146

SA-5K	0.66 179	0.29 106	0.95 238	0.82 420	0.32 142	0.47 55	0.43 171	1.52 231	1.22 287	0.99 165	1.32 295	0.65 118	0.76 217	1.78 299	0.44 122	0.20 152	0.16 197	0.22 187	0.19 162	0.21 184	0.20 120

SA	0.69 212	0.31 162	0.97 246	0.64 300	0.30 91	0.56 123	0.38 118	1.84 315	1.35 355	0.99 165	1.37 314	0.69 131	0.94 305	1.88 318	0.43 118	0.20 152	0.16 197	0.25 284	0.23 292	0.22 204	0.19 95

OMP-Stereo	0.95 337	0.35 256	0.79 148	0.92 449	0.32 142	0.49 66	0.35 90	1.22 168	1.11 225	1.58 407	1.12 210	1.44 361	0.69 203	6.92 482	0.51 176	0.20 152	0.15 165	0.24 245	0.19 162	0.21 184	0.16 33

ASMatch	0.89 315	0.29 106	0.72 107	0.56 194	0.36 203	0.47 55	0.37 109	1.16 149	0.95 153	1.11 198	3.26 476	0.95 233	0.96 312	4.88 439	0.53 193	0.20 152	0.16 197	0.22 187	0.19 162	0.20 141	0.30 316

THIR-Stereo	1.02 356	0.29 106	0.73 120	0.51 103	0.29 75	0.94 305	1.31 454	1.08 107	0.98 164	1.35 338	1.91 432	1.16 300	1.54 431	6.37 474	0.79 285	0.20 152	0.14 100	0.21 158	0.22 260	0.19 105	0.25 232

GrayStereo	0.83 288	0.28 85	0.62 68	0.66 321	0.37 212	0.76 222	1.79 479	1.19 157	0.91 130	1.98 451	1.89 428	1.07 271	1.76 450	1.43 240	0.50 172	0.20 152	0.15 165	0.19 92	0.21 233	0.18 71	0.41 387

RAFT-RH_RVC	1.04 359	0.26 51	0.76 135	0.53 145	0.29 75	0.80 246	0.32 63	0.85 41	1.12 232	2.04 454	4.63 492	1.03 263	0.57 144	5.93 461	0.52 184	0.20 152	0.13 38	0.26 305	0.20 191	0.16 26	0.19 95

rafts_anoy	0.55 98	0.32 179	0.66 87	0.72 377	0.61 375	0.53 99	0.40 136	1.24 175	1.06 201	0.85 134	0.83 115	0.67 124	0.53 126	0.77 71	0.55 205	0.20 152	0.15 165	0.25 284	0.26 331	0.22 204	0.21 146

XX-TBD	0.47 65	0.71 431	0.39 1	0.81 417	0.25 20	0.57 125	0.26 27	0.73 16	1.30 339	0.78 116	1.01 161	0.45 36	0.33 29	0.49 9	0.39 80	0.20 152	0.15 165	0.15 6	0.11 7	0.17 44	0.15 14

raftrobust	0.55 98	0.27 74	0.63 69	0.68 347	0.69 403	0.50 81	0.34 79	1.08 107	0.97 161	1.32 320	0.88 125	0.62 109	0.80 242	0.82 83	0.44 122	0.20 152	0.16 197	0.16 21	0.14 53	0.15 12	0.18 62

RALCasStereoNet	0.58 133	0.34 227	0.77 138	0.65 307	0.64 382	0.64 169	0.51 245	1.06 99	0.99 173	0.71 102	1.06 184	0.77 153	0.44 76	1.38 226	0.52 184	0.20 152	0.18 254	0.18 68	0.16 103	0.20 141	0.22 174

RALAANet	0.62 161	0.37 286	0.97 246	0.66 321	0.50 314	0.67 184	0.31 55	1.27 184	1.09 214	1.11 198	1.17 237	0.88 197	0.46 88	1.27 200	0.45 135	0.20 152	0.15 165	0.21 158	0.18 140	0.27 282	0.19 95

111	0.66 179	0.27 74	1.15 301	0.46 36	0.25 20	0.72 206	0.42 154	1.57 246	1.44 399	0.83 127	1.39 321	1.10 286	0.80 242	0.97 131	0.65 247	0.20 152	0.14 100	0.18 68	0.15 70	0.18 71	0.28 286

ARAFT	0.82 279	0.40 319	1.77 397	0.53 145	0.31 110	0.89 285	0.81 384	2.32 430	1.08 206	1.66 422	1.25 267	1.04 264	0.64 185	1.91 319	0.52 184	0.20 152	0.15 165	0.28 333	0.27 347	0.17 44	0.18 62

MMNet	0.89 315	0.35 256	1.44 365	0.64 300	0.59 365	1.83 437	0.48 225	1.70 282	1.38 371	1.45 378	1.19 244	1.25 319	1.16 380	1.77 297	1.27 378	0.20 152	0.19 271	0.23 221	0.22 260	0.25 264	0.24 213

RASNet	1.16 386	0.34 227	1.11 289	0.73 385	0.86 442	1.00 324	0.60 318	1.56 243	1.43 396	1.07 193	1.37 314	2.08 448	1.44 423	7.00 484	1.56 410	0.20 152	0.17 224	0.17 36	0.19 162	0.19 105	0.19 95

SGD-Stereo	0.34 6	0.22 6	0.44 11	0.39 5	0.20 2	0.42 35	0.22 6	0.71 15	0.33 5	0.43 35	0.34 9	0.27 4	0.35 39	1.15 176	0.33 29	0.21 179	0.11 3	0.16 21	0.13 32	0.17 44	0.15 14

MM-Stereo_test3	0.53 92	0.26 51	0.60 57	0.56 194	0.73 410	0.49 66	0.53 262	1.31 193	1.08 206	0.64 93	0.97 148	0.61 106	0.42 62	0.82 83	0.40 96	0.21 179	0.18 254	0.20 125	0.16 103	0.19 105	0.21 146

UGAM	1.17 388	0.29 106	1.08 279	0.55 173	0.43 272	0.69 197	0.71 356	1.14 132	1.35 355	1.00 169	1.49 349	1.90 422	0.86 268	9.61 509	0.89 309	0.21 179	0.19 271	0.30 355	0.25 314	0.20 141	0.18 62

model_zeroshot	0.53 92	0.31 162	1.00 255	0.57 216	0.39 233	0.74 212	0.39 131	1.38 205	0.67 61	0.88 141	0.85 118	0.71 141	0.37 45	0.77 71	0.39 80	0.21 179	0.17 224	0.19 92	0.17 124	0.17 44	0.22 174

AIO-Stereo-zeroshot	0.85 301	0.38 304	2.79 450	0.51 103	0.60 369	0.72 206	0.38 118	2.87 482	0.77 86	0.80 119	1.07 187	2.14 449	0.93 302	0.96 127	0.62 235	0.21 179	0.13 38	0.21 158	0.26 331	0.29 315	0.32 335

CoDeX	0.78 254	0.31 162	1.04 264	0.56 194	0.37 212	1.13 346	0.60 318	2.77 476	1.29 335	1.17 233	1.26 269	0.91 213	0.87 277	1.42 238	0.74 268	0.21 179	0.16 197	0.21 158	0.18 140	0.21 184	0.21 146

ACVNet-DCA	0.59 145	0.34 227	0.63 69	0.60 255	0.27 34	1.16 356	0.51 245	1.58 248	0.91 130	0.60 86	0.80 108	0.47 47	0.87 277	1.48 251	0.35 41	0.21 179	0.13 38	0.25 284	0.15 70	0.23 223	0.25 232

xx1	0.70 213	0.34 227	0.63 69	0.60 255	0.27 34	1.16 356	0.51 245	1.07 102	3.23 490	0.60 86	0.80 108	0.95 233	0.79 236	1.48 251	0.35 41	0.21 179	0.13 38	0.24 245	0.23 292	0.23 223	0.25 232

1test111	0.58 133	0.34 227	0.63 69	0.60 255	0.27 34	1.16 356	0.51 245	1.58 248	0.91 130	0.60 86	0.80 108	0.47 47	0.87 277	0.99 133	0.67 252	0.21 179	0.13 38	0.25 284	0.15 70	0.23 223	0.25 232

cc1	0.68 203	0.34 227	0.63 69	0.60 255	0.27 34	1.16 356	0.51 245	1.07 102	3.23 490	0.60 86	0.80 108	0.47 47	0.87 277	1.48 251	0.35 41	0.21 179	0.13 38	0.25 284	0.15 70	0.19 105	0.23 192

11t1	0.57 121	0.30 130	0.84 185	0.54 160	0.30 91	0.83 262	0.41 146	1.34 198	0.79 97	0.88 141	0.82 113	0.70 134	0.70 206	0.96 127	0.67 252	0.21 179	0.21 300	0.20 125	0.16 103	0.21 184	0.26 252

ffm	0.79 263	0.36 265	1.51 373	0.56 194	0.40 244	0.76 222	0.59 311	1.08 107	2.62 478	1.19 251	1.49 349	1.07 271	0.85 260	1.57 264	0.35 41	0.21 179	0.13 38	0.31 361	0.28 357	0.20 141	0.23 192

ff1	1.88 452	0.36 265	1.51 373	0.56 194	0.40 244	0.76 222	0.59 311	1.08 107	2.62 478	1.19 251	1.49 349	1.07 271	0.85 260	9.88 514	13.82 511	0.21 179	0.13 38	0.31 361	0.28 357	0.20 141	0.23 192

tt1	0.65 177	0.34 227	0.65 82	0.60 255	0.27 34	1.14 349	0.48 225	1.08 107	2.62 478	0.59 79	0.79 103	0.49 55	0.80 242	1.57 264	0.35 41	0.21 179	0.13 38	0.25 284	0.16 103	0.20 141	0.23 192

UniTT-Stereo	0.38 13	0.24 27	0.67 90	0.49 74	0.36 203	0.40 20	0.32 63	0.55 5	0.55 26	0.55 77	0.55 50	0.36 15	0.31 20	0.59 29	0.52 184	0.21 179	0.15 165	0.17 36	0.15 70	0.19 105	0.17 49

PCWNet_CMD	0.68 203	0.34 227	0.93 227	0.51 103	0.38 224	0.80 246	0.42 154	1.51 229	1.34 352	1.17 233	1.31 290	1.23 314	0.65 189	0.94 119	0.62 235	0.21 179	0.17 224	0.27 319	0.19 162	0.43 398	0.28 286

testlalala	0.49 75	0.30 130	0.70 102	0.44 21	0.40 244	0.68 188	0.38 118	1.38 205	0.58 35	1.28 304	0.82 113	0.61 106	0.36 42	0.57 23	0.34 34	0.21 179	0.14 100	0.18 68	0.12 17	0.15 12	0.16 33

knoymous	0.53 92	0.32 179	0.51 27	0.46 36	0.30 91	0.57 125	0.54 275	1.10 120	0.78 88	0.99 165	0.84 116	0.95 233	0.57 144	0.89 109	0.51 176	0.21 179	0.14 100	0.26 305	0.14 53	0.23 223	0.25 232

Selective-RAFT	0.55 98	0.29 106	0.85 191	0.58 228	0.28 61	0.91 291	0.34 79	1.00 82	0.96 157	0.59 79	0.64 65	0.80 160	0.76 217	1.34 217	0.51 176	0.21 179	0.15 165	0.17 36	0.15 70	0.19 105	0.19 95

qqq	0.62 161	0.36 265	0.88 205	0.50 89	0.28 61	0.64 169	0.62 326	1.58 248	0.91 130	0.83 127	0.96 139	0.95 233	0.79 236	0.99 133	0.67 252	0.21 179	0.23 343	0.24 245	0.23 292	0.23 223	0.25 232

x	0.59 145	0.34 227	0.79 148	0.51 103	0.32 142	0.69 197	0.46 209	1.64 262	0.97 161	0.86 139	0.86 120	0.83 181	0.74 211	0.75 68	0.70 260	0.21 179	0.22 315	0.22 187	0.20 191	0.21 184	0.24 213

HHNet	0.64 173	0.28 85	0.69 99	0.45 26	0.46 293	0.50 81	0.57 298	1.13 128	1.03 187	1.26 294	2.21 450	0.70 134	0.59 165	1.10 166	0.51 176	0.21 179	0.13 38	0.23 221	0.19 162	0.20 141	0.31 326

IIG-Stereo	0.97 342	0.34 227	0.80 153	0.90 447	0.33 162	0.61 149	0.26 27	1.27 184	1.08 206	1.69 425	1.37 314	1.44 361	0.74 211	6.94 483	0.53 193	0.21 179	0.14 100	0.23 221	0.18 140	0.20 141	0.15 14

FTStereo	0.92 331	0.28 85	0.61 63	0.57 216	0.34 178	0.65 173	1.80 482	1.09 114	0.84 111	1.75 429	4.13 486	1.04 264	1.62 435	1.59 271	0.48 158	0.21 179	0.17 224	0.23 221	0.22 260	0.19 105	0.58 441

KYRaft	0.77 250	0.29 106	0.68 93	0.59 247	0.29 75	0.66 179	0.83 389	1.05 97	0.89 124	1.63 417	2.22 451	1.15 299	0.99 328	1.59 271	0.41 105	0.21 179	0.14 100	0.22 187	0.28 357	0.21 184	1.01 476

PFNet	0.92 331	0.28 85	1.20 326	0.68 347	0.32 142	0.62 152	0.55 285	1.27 184	1.01 180	1.47 381	1.09 197	0.97 241	0.68 199	6.58 476	0.59 226	0.21 179	0.13 38	0.24 245	0.19 162	0.20 141	0.20 120

AnonymousM	0.63 170	1.14 468	0.43 8	0.46 36	0.32 142	0.43 41	0.46 209	1.27 184	0.78 88	1.00 169	0.66 70	0.68 126	0.45 80	0.61 33	0.46 141	0.21 179	0.16 197	1.84 494	0.98 491	0.15 12	0.15 14

CFNet_pseudo	0.68 203	0.34 227	0.93 227	0.50 89	0.39 233	0.72 206	0.42 154	1.44 218	1.25 303	1.17 233	1.35 309	1.22 310	0.66 193	1.04 146	0.64 242	0.21 179	0.17 224	0.33 383	0.19 162	0.39 385	0.28 286

XX-Stereo	0.97 342	0.28 85	8.28 492	0.85 431	0.70 409	0.44 45	0.22 6	1.07 102	0.69 67	0.66 97	1.56 376	1.38 352	0.38 52	1.36 219	0.38 76	0.21 179	0.14 100	0.20 125	0.19 162	0.19 105	0.16 33

BEATNet_4x	0.82 279	0.54 381	2.02 416	0.56 194	0.28 61	1.04 329	0.55 285	2.14 394	1.13 238	1.24 278	1.26 269	1.00 253	0.94 305	1.13 173	1.23 372	0.21 179	0.14 100	0.24 245	0.20 191	0.37 374	0.23 192

MSMDNet	0.68 203	0.34 227	0.93 227	0.52 122	0.38 224	0.80 246	0.42 154	1.52 231	1.35 355	1.17 233	1.31 290	1.23 314	0.65 189	0.94 119	0.62 235	0.21 179	0.17 224	0.26 305	0.19 162	0.41 393	0.28 286

ccs_rob	0.68 203	0.34 227	0.93 227	0.50 89	0.39 233	0.72 206	0.42 154	1.43 217	1.25 303	1.17 233	1.34 304	1.22 310	0.66 193	1.04 146	0.64 242	0.21 179	0.17 224	0.35 398	0.20 191	0.40 389	0.29 300

StereoDRNet-Refined	0.84 294	0.43 336	1.01 257	0.66 321	0.43 272	1.32 380	0.49 236	1.64 262	1.24 295	1.53 395	1.45 341	1.49 372	0.97 322	1.32 213	1.31 380	0.21 179	0.17 224	0.27 319	0.25 314	0.25 264	0.34 352
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	0.82 279	0.36 265	1.13 294	0.60 255	0.37 212	0.91 291	0.38 118	2.41 444	1.61 432	1.35 338	1.35 309	1.25 319	0.97 322	1.75 295	0.88 306	0.21 179	0.14 100	0.17 36	0.12 17	0.19 105	0.30 316

StereoAnything_RVC	0.49 75	1.60 490	0.87 200	0.37 1	0.21 4	0.26 3	0.21 4	0.53 4	0.23 1	0.23 1	0.21 1	0.19 1	0.35 39	1.29 204	0.23 1	0.22 213	0.11 3	0.15 6	0.11 7	2.36 490	0.13 2

test_sample1	0.67 190	0.32 179	0.90 218	0.54 160	0.33 162	0.76 222	0.48 225	1.75 294	1.06 201	0.95 159	0.99 154	0.91 213	1.10 369	1.25 194	0.79 285	0.22 213	0.19 271	0.21 158	0.20 191	0.21 184	0.25 232

mmm	0.68 203	0.37 286	0.91 222	0.54 160	0.34 178	0.86 278	0.58 305	1.72 289	1.02 184	1.13 209	1.41 331	0.83 181	0.78 228	0.95 126	0.67 252	0.22 213	0.20 284	0.29 344	0.26 331	0.27 282	0.27 270

1111x	1.96 458	0.32 179	1.54 381	0.54 160	0.30 91	1.00 324	0.69 346	2.47 453	1.33 350	1.21 263	1.44 339	1.21 306	1.11 372	8.49 500	16.14 518	0.22 213	0.23 343	0.22 187	0.23 292	0.25 264	0.26 252

LL-Strereo	1.42 420	0.44 343	2.02 416	0.62 276	1.07 464	0.73 210	0.65 335	2.02 364	1.21 279	1.60 411	1.62 388	2.02 440	2.10 468	9.67 510	1.07 350	0.22 213	0.20 284	0.27 319	0.24 305	0.23 223	0.33 344

gwcnet-sp	0.80 268	0.37 286	1.94 409	0.62 276	0.45 286	1.38 389	0.53 262	1.68 269	1.20 272	1.37 345	1.08 194	0.93 223	0.82 247	1.45 244	0.79 285	0.22 213	0.22 315	0.22 187	0.21 233	0.23 223	0.25 232

scenet	0.80 268	0.37 286	1.94 409	0.62 276	0.45 286	1.38 389	0.53 262	1.68 269	1.20 272	1.37 345	1.08 194	0.93 223	0.82 247	1.45 244	0.79 285	0.22 213	0.22 315	0.22 187	0.21 233	0.23 223	0.25 232

ssnet	0.80 268	0.37 286	1.94 409	0.62 276	0.45 286	1.38 389	0.53 262	1.68 269	1.20 272	1.37 345	1.08 194	0.93 223	0.82 247	1.45 244	0.79 285	0.22 213	0.22 315	0.22 187	0.21 233	0.23 223	0.25 232

DAS	0.89 315	0.37 286	1.20 326	0.66 321	0.69 403	0.82 255	0.62 326	1.79 302	1.26 311	1.93 446	1.55 370	0.96 238	1.17 383	2.72 392	0.69 257	0.22 213	0.16 197	0.25 284	0.18 140	0.29 315	0.24 213

SepStereo	0.87 310	0.37 286	1.20 326	0.66 321	0.69 403	0.82 255	0.62 326	1.79 302	1.26 311	1.93 446	1.55 370	0.96 238	1.17 383	2.34 365	0.69 257	0.22 213	0.16 197	0.25 284	0.18 140	0.29 315	0.24 213

NRIStereo	0.62 161	0.31 162	0.78 144	0.56 194	0.28 61	0.63 160	0.33 70	1.16 149	0.92 135	1.15 225	0.87 122	0.90 209	0.58 161	2.24 357	0.56 211	0.22 213	0.14 100	0.21 158	0.19 162	0.22 204	0.18 62

CRE-IMP	0.57 121	0.32 179	0.82 167	0.54 160	0.29 75	0.77 231	0.25 19	1.19 157	0.79 97	1.09 195	0.95 137	0.81 166	0.57 144	1.11 169	0.57 214	0.22 213	0.14 100	0.23 221	0.19 162	0.28 298	0.24 213

RAFT	0.67 190	0.32 179	0.83 176	0.63 286	0.34 178	0.69 197	0.57 298	1.14 132	0.84 111	1.12 206	1.20 245	1.75 415	0.92 300	1.09 163	0.60 229	0.22 213	0.19 271	0.27 319	0.24 305	0.22 204	0.23 192

sAnonymous2	0.59 145	0.61 403	1.82 401	0.61 268	0.52 329	0.51 89	0.54 275	0.97 68	0.70 68	0.50 60	0.68 74	0.46 38	0.63 181	0.61 33	0.41 105	0.22 213	0.17 224	0.23 221	0.21 233	0.85 468	0.56 435

CroCo_RVC	0.59 145	0.61 403	1.82 401	0.61 268	0.52 329	0.51 89	0.54 275	0.97 68	0.70 68	0.50 60	0.68 74	0.46 38	0.63 181	0.61 33	0.41 105	0.22 213	0.17 224	0.23 221	0.21 233	0.85 468	0.56 435

test_xeample	1.55 430	0.31 162	0.94 234	0.54 160	0.31 110	0.94 305	0.58 305	2.40 443	1.40 382	1.29 309	1.55 370	0.89 207	0.88 283	1.72 292	15.94 517	0.22 213	0.22 315	0.22 187	0.21 233	0.23 223	0.25 232

RAFT + AFF	1.07 371	0.47 352	1.36 359	0.68 347	0.50 314	1.20 367	1.22 447	2.58 465	1.26 311	1.33 325	1.56 376	1.19 303	1.49 429	3.89 423	1.01 342	0.22 213	0.26 371	0.30 355	0.27 347	0.29 315	0.32 335

SFCPSM	0.74 232	0.30 130	1.06 271	0.52 122	0.39 233	1.36 388	0.64 333	2.42 445	1.11 225	1.18 244	1.21 251	0.81 166	0.78 228	1.08 159	0.57 214	0.22 213	0.17 224	0.22 187	0.24 305	0.23 223	0.21 146

delet	0.90 323	0.34 227	1.15 301	0.69 360	0.66 393	1.63 418	0.81 384	1.95 349	1.49 415	1.42 365	1.38 319	1.29 332	0.91 292	1.78 299	1.18 361	0.22 213	0.22 315	0.24 245	0.25 314	0.22 204	0.24 213

ACVNet	0.66 179	0.33 198	0.74 125	0.55 173	0.37 212	0.80 246	0.47 219	1.46 222	1.11 225	1.01 174	1.31 290	1.07 271	0.91 292	0.82 83	1.09 352	0.22 213	0.19 271	0.21 158	0.18 140	0.23 223	0.19 95

acv_ft	0.78 254	0.33 198	1.10 287	0.73 385	0.86 442	1.23 371	0.57 298	1.65 265	1.11 225	1.31 317	1.31 290	1.07 271	0.91 292	0.82 83	1.35 389	0.22 213	0.19 271	0.21 158	0.18 140	0.22 204	0.19 95

LE_ROB	8.35 514	0.47 352	27.42 529	0.83 424	0.34 178	2.84 480	3.36 511	4.03 498	27.04 530	25.20 530	8.72 514	8.55 511	27.35 530	7.37 488	22.13 523	0.22 213	0.20 284	0.20 125	0.21 233	0.25 264	0.25 232

test_sample2	0.67 190	0.31 162	0.89 209	0.54 160	0.29 75	0.80 246	0.63 331	1.83 313	1.10 218	0.93 154	1.06 184	0.94 229	0.92 300	1.24 193	0.59 226	0.23 235	0.20 284	0.22 187	0.21 233	0.24 252	0.25 232

DispNO	0.98 345	0.34 227	2.02 416	0.58 228	0.55 347	0.88 283	0.49 236	1.70 282	1.24 295	1.22 271	1.26 269	1.18 301	0.88 283	5.17 443	0.88 306	0.23 235	0.18 254	0.24 245	0.22 260	0.19 105	0.22 174

plain	0.49 75	0.29 106	1.23 334	0.51 103	0.40 244	0.35 12	0.37 109	1.04 94	0.62 49	0.44 37	0.76 95	0.42 22	0.41 56	1.17 183	0.46 141	0.23 235	0.15 165	0.24 245	0.19 162	0.25 264	0.18 62

EKT-Stereo	0.56 109	0.33 198	0.84 185	0.61 268	0.64 382	0.51 89	0.48 225	1.14 132	0.95 153	0.74 109	0.89 127	0.77 153	0.42 62	1.18 184	0.42 113	0.23 235	0.17 224	0.21 158	0.18 140	0.20 141	0.26 252

hknet	0.82 279	0.34 227	1.15 301	0.55 173	0.39 233	1.25 373	0.66 338	2.65 469	1.10 218	1.25 281	1.12 210	1.58 388	0.85 260	1.41 233	0.79 285	0.23 235	0.18 254	0.25 284	0.22 260	0.23 223	0.24 213

Patchmatch Stereo++	0.57 121	0.33 198	0.82 167	0.52 122	0.27 34	0.63 160	0.28 38	1.14 132	0.73 72	1.13 209	0.96 139	0.82 172	0.60 171	1.40 230	0.52 184	0.23 235	0.14 100	0.24 245	0.20 191	0.27 282	0.20 120
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.56 109	0.33 198	0.81 158	0.52 122	0.27 34	0.63 160	0.41 146	1.14 132	0.73 72	1.13 209	0.96 139	0.82 172	0.60 171	1.09 163	0.52 184	0.23 235	0.14 100	0.24 245	0.20 191	0.27 282	0.20 120

ROB_FTStereo_v2	0.57 121	0.33 198	0.81 158	0.52 122	0.27 34	0.62 152	0.42 154	1.14 132	0.73 72	1.13 209	0.97 148	0.82 172	0.60 171	1.15 176	0.53 193	0.23 235	0.14 100	0.24 245	0.20 191	0.27 282	0.20 120

ROB_FTStereo	0.56 109	0.33 198	0.82 167	0.52 122	0.27 34	0.62 152	0.25 19	1.14 132	0.74 79	1.13 209	0.96 139	0.82 172	0.60 171	1.18 184	0.52 184	0.23 235	0.14 100	0.24 245	0.20 191	0.27 282	0.20 120

HUI-Stereo	0.54 95	0.33 198	0.81 158	0.52 122	0.27 34	0.62 152	0.29 44	1.14 132	0.74 79	1.13 209	0.96 139	0.82 172	0.60 171	0.83 89	0.52 184	0.23 235	0.14 100	0.24 245	0.20 191	0.27 282	0.20 120

SST-Stereo	0.85 301	0.30 130	0.81 158	0.63 286	0.31 110	0.70 201	0.25 19	1.16 149	0.95 153	1.47 381	1.11 206	0.99 247	0.86 268	5.69 455	0.53 193	0.23 235	0.13 38	0.23 221	0.19 162	0.23 223	0.19 95

RAFT_R40	0.84 294	0.30 130	0.83 176	0.63 286	0.31 110	0.66 179	0.43 171	1.15 144	0.99 173	1.47 381	1.10 199	1.00 253	0.84 255	5.44 452	0.53 193	0.23 235	0.13 38	0.23 221	0.20 191	0.23 223	0.19 95

DeepStereo_RVC	0.57 121	0.31 162	0.78 144	0.53 145	0.30 91	0.57 125	0.32 63	1.11 122	0.80 100	1.17 233	0.94 136	0.83 181	0.93 302	1.01 139	0.61 232	0.23 235	0.14 100	0.21 158	0.19 162	0.24 252	0.26 252

iGMRVC	0.58 133	0.33 198	0.81 158	0.52 122	0.27 34	0.62 152	0.38 118	1.14 132	0.73 72	1.13 209	0.97 148	0.82 172	0.59 165	1.54 261	0.53 193	0.23 235	0.14 100	0.24 245	0.20 191	0.27 282	0.20 120

iRAFT	0.57 121	0.33 198	0.82 167	0.52 122	0.27 34	0.63 160	0.28 38	1.14 132	0.73 72	1.13 209	0.96 139	0.82 172	0.60 171	1.40 230	0.52 184	0.23 235	0.14 100	0.24 245	0.20 191	0.27 282	0.20 120

RAFT-IKP	0.57 121	0.33 198	0.82 167	0.52 122	0.27 34	0.57 125	0.35 90	1.14 132	0.73 72	1.13 209	0.96 139	0.83 181	0.61 180	1.26 197	0.53 193	0.23 235	0.14 100	0.24 245	0.20 191	0.27 282	0.20 120

TestStereo	0.65 177	0.42 332	0.83 176	0.52 122	0.27 34	0.57 125	0.44 190	1.07 102	0.92 135	0.85 134	1.01 161	0.68 126	0.56 141	3.22 407	0.47 151	0.23 235	0.15 165	0.24 245	0.18 140	0.28 298	0.18 62

FENet	0.62 161	0.30 130	0.68 93	0.57 216	0.33 162	0.82 255	0.40 136	1.41 215	1.12 232	1.03 181	0.87 122	0.98 242	0.84 255	1.00 136	0.70 260	0.23 235	0.16 197	0.23 221	0.20 191	0.22 204	0.24 213

HSM-Net_RVC	0.91 328	0.31 162	0.60 57	0.54 160	0.31 110	1.15 353	0.60 318	3.76 494	1.30 339	1.57 406	1.75 408	1.67 402	1.01 337	1.61 278	0.90 313	0.23 235	0.17 224	0.19 92	0.18 140	0.20 141	0.22 174
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HSM	1.22 398	0.34 227	0.81 158	0.61 268	0.39 233	1.22 369	0.63 331	2.45 448	1.25 303	1.32 320	1.26 269	1.91 424	1.08 363	9.21 505	0.75 271	0.23 235	0.17 224	0.20 125	0.16 103	0.22 204	0.24 213

IGEV-RUCA	0.38 13	0.24 27	0.51 27	0.51 103	0.36 203	0.59 137	0.23 15	0.68 14	0.52 22	0.39 25	0.50 33	0.44 26	0.31 20	0.86 98	0.31 16	0.24 255	0.13 38	0.16 21	0.12 17	0.20 141	0.21 146

SMFormer	0.79 263	0.32 179	0.95 238	0.49 74	0.27 34	0.83 262	0.43 171	2.16 401	1.45 404	1.27 299	1.50 356	0.98 242	0.96 312	1.87 312	0.99 337	0.24 255	0.22 315	0.22 187	0.21 233	0.23 223	0.27 270

tta	0.79 263	0.32 179	0.95 238	0.49 74	0.27 34	0.83 262	0.43 171	2.16 401	1.45 404	1.27 299	1.50 356	0.98 242	0.96 312	1.87 312	0.99 337	0.24 255	0.22 315	0.22 187	0.21 233	0.19 105	0.22 174

qqq1	0.76 244	0.32 179	0.95 238	0.49 74	0.27 34	0.83 262	0.43 171	2.16 401	1.45 404	1.27 299	1.50 356	0.98 242	0.96 312	1.87 312	0.48 158	0.24 255	0.22 315	0.18 68	0.15 70	0.19 105	0.22 174

fff1	0.76 244	0.32 179	0.95 238	0.49 74	0.27 34	0.83 262	0.43 171	2.16 401	1.45 404	1.27 299	1.50 356	0.98 242	0.96 312	1.87 312	0.48 158	0.24 255	0.22 315	0.18 68	0.15 70	0.19 105	0.22 174

Wz-Net-LNSev-Ref	1.09 376	0.46 347	2.61 446	0.71 372	0.65 387	2.00 450	0.78 369	2.07 378	1.47 410	1.62 415	1.47 345	1.53 380	1.29 402	2.10 344	1.65 425	0.24 255	0.14 100	0.20 125	0.16 103	0.28 298	0.28 286

CIPLG	0.67 190	0.37 286	1.17 316	0.60 255	0.51 324	0.75 217	0.48 225	1.26 180	1.11 225	1.43 369	1.58 382	0.64 117	0.48 100	0.94 119	0.78 280	0.24 255	0.15 165	0.19 92	0.16 103	0.19 105	0.29 300

IPLGR_C	0.67 190	0.38 304	1.20 326	0.60 255	0.50 314	0.75 217	0.48 225	1.28 188	1.13 238	1.42 365	1.57 380	0.62 109	0.48 100	0.85 96	0.80 292	0.24 255	0.15 165	0.19 92	0.16 103	0.19 105	0.29 300

ACRE	0.66 179	0.37 286	1.27 342	0.60 255	0.50 314	0.74 212	0.47 219	1.26 180	1.10 218	1.40 359	1.56 376	0.62 109	0.46 88	0.88 106	0.78 280	0.24 255	0.15 165	0.19 92	0.16 103	0.19 105	0.29 300

TRStereo	0.67 190	0.71 431	1.06 271	0.77 408	0.68 400	0.53 99	0.38 118	2.52 461	0.96 157	0.81 124	0.84 116	0.87 191	0.39 53	1.16 179	0.46 141	0.24 255	0.17 224	0.23 221	0.24 305	0.18 71	0.20 120

AAGNet	1.84 451	0.30 130	0.79 148	0.66 321	0.32 142	0.65 173	0.50 243	1.02 83	1.01 180	1.47 381	1.21 251	0.99 247	1.16 380	2.76 394	22.69 526	0.24 255	0.13 38	0.22 187	0.20 191	0.24 252	0.16 33

IRAFT_RVC	0.90 323	0.30 130	0.89 209	0.67 335	0.31 110	0.64 169	1.00 422	1.40 211	0.97 161	1.23 274	1.04 176	1.00 253	0.96 312	5.77 458	0.57 214	0.24 255	0.13 38	0.25 284	0.21 233	0.20 141	0.21 146

222	1.67 438	0.31 162	0.93 227	0.59 247	0.31 110	1.05 332	0.43 171	2.39 441	1.47 410	1.37 345	1.55 370	0.94 229	0.94 305	1.98 328	17.76 520	0.24 255	0.22 315	0.21 158	0.20 191	0.22 204	0.26 252

xxxx	1.61 434	0.32 179	0.98 248	0.58 228	0.31 110	1.15 353	0.43 171	2.43 446	1.41 386	1.17 233	1.40 326	1.21 306	0.86 268	1.94 322	16.68 519	0.24 255	0.24 353	0.21 158	0.20 191	0.23 223	0.27 270

UNet	0.86 306	0.36 265	1.52 377	0.62 276	0.74 414	1.56 411	0.49 236	1.55 240	1.12 232	1.28 304	1.10 199	1.52 379	1.10 369	1.69 290	1.14 357	0.24 255	0.18 254	0.25 284	0.21 233	0.25 264	0.25 232

UPFNet	0.84 294	0.34 227	1.09 282	0.62 276	0.74 414	1.25 373	0.78 369	1.69 278	1.20 272	1.39 353	1.13 221	1.30 335	0.87 277	1.73 293	1.22 369	0.24 255	0.26 371	0.24 245	0.23 292	0.26 276	0.20 120

FADNet-RVC-Resample	0.91 328	0.51 370	2.92 452	0.64 300	0.46 293	1.07 336	0.60 318	1.76 296	1.24 295	1.10 197	0.98 153	1.06 268	0.98 325	2.17 351	0.95 331	0.24 255	0.22 315	0.30 355	0.32 398	0.36 368	0.40 383

CFNet	0.99 348	0.40 319	1.23 334	0.65 307	0.43 272	1.03 328	0.49 236	2.01 363	1.35 355	1.02 178	1.39 321	1.10 286	0.86 268	5.47 453	0.89 309	0.24 255	0.18 254	0.28 333	0.27 347	0.27 282	0.22 174

iResNetv2_ROB	0.88 313	0.43 336	2.62 447	0.60 255	0.38 224	0.94 305	0.67 340	1.88 330	1.38 371	1.27 299	1.45 341	1.26 325	1.05 358	1.92 320	0.64 242	0.24 255	0.15 165	0.19 92	0.14 53	0.24 252	0.21 146

DISCO	1.06 366	0.37 286	1.19 322	0.73 385	0.46 293	2.04 453	0.84 391	2.26 420	1.54 421	1.25 281	1.36 313	2.38 460	1.08 363	2.60 386	1.62 419	0.24 255	0.19 271	0.22 187	0.20 191	0.32 348	0.29 300

S2M2	0.35 9	0.28 85	0.47 17	0.43 17	0.30 91	0.31 8	0.16 1	0.61 11	0.68 64	0.32 7	0.49 29	0.47 47	0.34 33	0.40 3	0.33 29	0.25 275	0.22 315	0.20 125	0.22 260	0.25 264	0.23 192

G2L-Stereo	0.84 294	0.35 256	1.15 301	0.63 286	0.43 272	0.78 232	0.69 346	1.69 278	1.20 272	1.36 343	1.18 240	1.43 360	0.78 228	2.47 379	1.26 376	0.25 275	0.20 284	0.26 305	0.21 233	0.20 141	0.27 270

SCV	0.51 87	0.29 106	0.72 107	0.63 286	0.27 34	0.40 20	0.38 118	2.32 430	0.75 84	0.36 15	0.49 29	0.55 82	0.35 39	1.31 207	0.34 34	0.25 275	0.13 38	0.17 36	0.14 53	0.18 71	0.18 62

AIO-test2	0.61 158	0.30 130	0.93 227	0.65 307	0.65 387	0.79 240	0.50 243	1.33 197	1.40 382	0.65 94	1.15 232	0.53 76	0.42 62	1.18 184	0.36 57	0.25 275	0.18 254	0.26 305	0.31 391	0.20 141	0.21 146

rvit_stereo_0083	0.49 75	0.34 227	0.85 191	0.57 216	0.36 203	0.49 66	0.43 171	0.73 16	1.05 199	0.50 60	0.57 56	0.55 82	0.50 116	0.92 116	0.50 172	0.25 275	0.25 365	0.24 245	0.20 191	0.25 264	0.19 95

rvit_stereo_0081	0.46 56	0.34 227	0.72 107	0.56 194	0.35 195	0.41 27	0.44 190	0.74 18	1.04 193	0.49 55	0.52 38	0.51 65	0.49 111	0.86 98	0.47 151	0.25 275	0.20 284	0.22 187	0.19 162	0.26 276	0.19 95

DCVSM-stereo	0.75 236	0.36 265	0.82 167	0.58 228	0.43 272	0.78 232	0.42 154	1.30 191	1.05 199	1.79 434	1.04 176	1.60 389	1.08 363	1.12 171	0.86 300	0.25 275	0.27 379	0.29 344	0.24 305	0.30 330	0.37 368

rvit_stereo_0082	0.46 56	0.34 227	0.72 107	0.56 194	0.35 195	0.41 27	0.44 190	0.74 18	1.04 193	0.49 55	0.52 38	0.51 65	0.49 111	0.86 98	0.47 151	0.25 275	0.20 284	0.22 187	0.19 162	0.26 276	0.19 95

mmx	1.89 455	0.36 265	1.51 373	0.56 194	0.40 244	0.76 222	0.59 311	2.32 430	1.41 386	1.19 251	1.49 349	1.07 271	0.85 260	9.88 514	13.82 511	0.25 275	0.21 300	0.31 361	0.28 357	0.32 348	0.29 300

xxx	1.89 455	0.36 265	1.51 373	0.56 194	0.40 244	0.76 222	0.59 311	2.32 430	1.41 386	1.19 251	1.49 349	1.07 271	0.85 260	9.88 514	13.82 511	0.25 275	0.21 300	0.31 361	0.28 357	0.32 348	0.29 300

DisPM	0.68 203	0.30 130	0.85 191	0.66 321	0.35 195	0.60 142	0.44 190	1.10 120	1.10 218	1.56 403	1.10 199	0.80 160	0.58 161	2.37 370	0.46 141	0.25 275	0.14 100	0.23 221	0.21 233	0.20 141	0.26 252

BUS	0.78 254	0.34 227	0.77 138	0.55 173	0.45 286	2.30 464	0.42 154	2.65 469	1.04 193	1.25 281	1.12 210	1.02 260	0.70 206	0.94 119	0.75 271	0.25 275	0.18 254	0.25 284	0.22 260	0.23 223	0.24 213

BSDual-CNN	0.75 236	0.34 227	0.77 138	0.55 173	0.45 286	1.25 373	0.66 338	2.65 469	1.04 193	1.25 281	1.12 210	1.11 291	0.77 221	0.94 119	0.76 274	0.25 275	0.18 254	0.25 284	0.22 260	0.23 223	0.24 213

psmg	0.75 236	0.34 227	0.77 138	0.52 122	0.45 286	1.46 402	0.73 360	2.15 399	1.04 193	1.25 281	1.33 300	1.11 291	0.77 221	0.94 119	0.76 274	0.25 275	0.20 284	0.25 284	0.26 331	0.23 223	0.24 213

ADLNet2	0.92 331	0.37 286	1.25 339	0.80 413	0.65 387	1.12 345	0.75 362	1.95 349	1.42 394	1.26 294	1.67 397	1.68 404	1.04 353	1.80 306	1.23 372	0.25 275	0.22 315	0.21 158	0.22 260	0.27 282	0.31 326

PSM-softLoss	0.80 268	0.33 198	0.89 209	0.63 286	0.32 142	0.55 116	0.40 136	1.26 180	0.78 88	1.25 281	1.07 187	0.83 181	0.51 119	5.33 447	0.61 232	0.25 275	0.15 165	0.25 284	0.22 260	0.20 141	0.26 252

KMStereo	0.80 268	0.33 198	0.89 209	0.63 286	0.32 142	0.55 116	0.40 136	1.26 180	0.78 88	1.25 281	1.07 187	0.83 181	0.51 119	5.33 447	0.61 232	0.25 275	0.15 165	0.25 284	0.22 260	0.20 141	0.26 252

Pruner-Stereo	0.64 173	0.31 162	0.79 148	0.66 321	0.31 110	0.61 149	0.42 154	1.22 168	1.09 214	1.53 395	1.09 197	0.94 229	0.55 136	1.37 222	0.56 211	0.25 275	0.14 100	0.24 245	0.21 233	0.21 184	0.25 232

GMStereo	0.58 133	0.50 366	1.09 282	0.52 122	0.32 142	0.80 246	0.43 171	1.02 83	1.41 386	0.89 145	0.77 99	0.52 72	0.46 88	0.89 109	0.56 211	0.25 275	0.16 197	0.20 125	0.22 260	0.31 337	0.27 270
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HGLStereo	0.89 315	0.42 332	1.15 301	0.82 420	1.03 462	1.16 356	0.57 298	1.68 269	1.28 323	1.26 294	1.62 388	1.13 295	1.31 406	1.85 308	1.11 356	0.25 275	0.24 353	0.24 245	0.22 260	0.24 252	0.29 300

cf-r	0.79 263	0.32 179	1.06 271	0.57 216	0.64 382	0.78 232	0.51 245	2.04 371	1.22 287	1.20 256	1.27 278	1.53 380	0.91 292	1.47 249	0.94 329	0.25 275	0.19 271	0.22 187	0.23 292	0.19 105	0.21 146

DMCA	0.71 219	0.36 265	1.17 316	0.53 145	0.45 286	0.84 270	0.46 209	1.52 231	1.09 214	1.20 256	1.12 210	1.21 306	0.74 211	0.87 103	1.09 352	0.25 275	0.20 284	0.27 319	0.19 162	0.24 252	0.29 300

SuperB	2.50 479	0.72 434	18.07 517	0.72 377	0.53 335	1.85 440	0.86 397	1.80 306	2.40 472	1.54 398	1.42 332	1.13 295	1.17 383	4.18 424	4.80 480	0.25 275	0.20 284	0.23 221	0.19 162	7.64 523	0.38 376

ADCRef	1.50 426	0.61 403	3.83 470	0.76 406	0.77 423	1.91 444	0.77 366	2.16 401	1.34 352	1.63 417	1.59 386	1.35 346	1.40 417	1.79 304	8.32 495	0.25 275	0.21 300	0.32 372	0.31 391	0.31 337	0.32 335

ADCP+	2.12 466	0.56 389	10.01 499	0.68 347	0.91 447	2.25 462	1.04 425	1.92 343	1.50 417	1.58 407	1.34 304	1.73 410	1.62 435	2.27 360	13.20 508	0.25 275	0.22 315	0.32 372	0.29 375	0.38 380	0.34 352

rvit_stereo_ft	0.49 75	0.38 304	1.03 263	0.68 347	0.42 267	0.40 20	0.58 305	0.93 57	0.86 117	0.47 45	0.55 50	0.57 91	0.48 100	0.67 50	0.53 193	0.26 300	0.17 224	0.22 187	0.22 260	0.24 252	0.19 95

test_sample5	0.75 236	0.36 265	1.04 264	0.55 173	0.31 110	0.84 270	0.53 262	2.12 385	1.23 291	1.18 244	1.30 288	0.88 197	0.86 268	1.37 222	0.76 274	0.26 300	0.22 315	0.27 319	0.28 357	0.28 298	0.29 300

test_sample4	0.74 232	0.36 265	1.09 282	0.55 173	0.32 142	0.92 298	0.51 245	2.14 394	1.25 303	1.22 271	1.22 253	0.86 189	0.82 247	1.29 204	0.76 274	0.26 300	0.21 300	0.26 305	0.26 331	0.27 282	0.28 286

test_sample3	0.73 228	0.35 256	1.06 271	0.55 173	0.32 142	0.97 321	0.51 245	2.12 385	1.25 303	1.16 229	1.17 237	0.88 197	0.78 228	1.27 200	0.79 285	0.26 300	0.21 300	0.25 284	0.25 314	0.26 276	0.27 270

DualNet	0.75 236	0.36 265	1.04 264	0.55 173	0.31 110	0.84 270	0.53 262	2.12 385	1.23 291	1.21 263	1.40 326	0.88 197	0.86 268	1.37 222	0.76 274	0.26 300	0.22 315	0.27 319	0.28 357	0.28 298	0.29 300

StereoVision	0.67 190	0.37 286	1.02 259	0.60 255	0.41 258	0.50 81	0.41 146	1.32 195	0.96 157	0.73 108	2.48 464	0.82 172	0.57 144	1.06 154	0.50 172	0.26 300	0.28 384	0.29 344	0.28 357	0.37 374	0.22 174

CFNet_ucs	0.73 228	0.34 227	0.94 234	0.53 145	0.44 282	0.76 222	0.46 209	1.73 290	1.34 352	1.24 278	1.54 367	1.08 281	0.64 185	1.05 149	0.64 242	0.26 300	0.20 284	0.37 411	0.22 260	0.42 396	0.30 316

iinet-f	1.04 359	0.50 366	4.24 474	0.58 228	0.43 272	1.78 434	0.70 353	1.29 190	1.16 256	1.25 281	1.42 332	1.57 387	1.42 420	1.47 249	1.70 429	0.26 300	0.23 343	0.20 125	0.20 191	0.26 276	0.26 252

AACVNet	0.90 323	0.40 319	0.98 248	0.86 434	0.40 244	0.80 246	0.49 236	1.81 309	0.86 117	1.11 198	1.34 304	1.32 341	0.99 328	4.23 425	0.86 300	0.26 300	0.22 315	0.28 333	0.22 260	0.30 330	0.28 286

PFNet+	0.62 161	0.31 162	0.99 250	0.57 216	0.31 110	0.57 125	0.30 50	0.99 80	1.25 303	1.33 325	1.10 199	0.79 158	0.57 144	1.35 218	0.53 193	0.26 300	0.17 224	0.28 333	0.26 331	0.21 184	0.27 270

NF-Stereo	0.82 279	0.33 198	0.83 176	0.65 307	0.31 110	0.63 160	0.43 171	1.35 199	0.93 142	1.30 311	1.02 164	0.81 166	0.57 144	5.37 451	0.55 205	0.26 300	0.14 100	0.24 245	0.20 191	0.20 141	0.30 316

OCTAStereo	0.82 279	0.33 198	0.83 176	0.65 307	0.31 110	0.62 152	0.44 190	1.35 199	0.93 142	1.30 311	1.02 164	0.81 166	0.57 144	5.32 446	0.55 205	0.26 300	0.14 100	0.24 245	0.20 191	0.20 141	0.30 316

RE-Stereo	0.82 279	0.33 198	0.84 185	0.65 307	0.31 110	0.63 160	0.44 190	1.35 199	0.93 142	1.30 311	1.02 164	0.80 160	0.57 144	5.34 449	0.55 205	0.26 300	0.14 100	0.24 245	0.20 191	0.20 141	0.31 326

TVStereo	0.82 279	0.33 198	0.84 185	0.65 307	0.31 110	0.63 160	0.44 190	1.35 199	0.93 142	1.30 311	1.02 164	0.80 160	0.57 144	5.34 449	0.55 205	0.26 300	0.14 100	0.24 245	0.20 191	0.20 141	0.31 326

aanetorigin	1.26 407	0.85 448	3.00 454	0.72 377	0.80 431	1.08 340	1.05 426	1.12 124	1.39 380	3.53 493	2.60 465	1.72 408	1.73 448	1.98 328	1.77 435	0.26 300	0.24 353	0.26 305	0.25 314	0.38 380	0.51 422

EDNetEfficientorigin	10.59 519	1.52 486	177.33 540	0.68 347	0.54 343	1.66 420	1.20 446	1.94 346	3.39 493	4.69 504	3.37 477	3.08 479	2.79 487	3.25 408	3.63 468	0.26 300	0.24 353	0.33 383	0.28 357	0.85 468	0.87 472

GANet-RSSM	0.78 254	0.31 162	0.90 218	0.67 335	0.58 359	0.80 246	0.62 326	2.04 371	1.15 249	1.11 198	1.27 278	1.26 325	1.18 390	1.68 286	0.74 268	0.26 300	0.21 300	0.22 187	0.22 260	0.23 223	0.23 192

GwcNet-RSSM	0.83 288	0.34 227	1.29 348	0.65 307	0.55 347	0.78 232	0.62 326	1.89 332	1.27 315	1.18 244	1.39 321	1.56 385	0.91 292	1.60 276	1.22 369	0.26 300	0.20 284	0.23 221	0.24 305	0.21 184	0.21 146

NLCA_NET_v2_RVC	0.84 294	0.46 347	1.40 364	0.69 360	0.61 375	0.95 311	0.52 256	1.68 269	1.21 279	1.39 353	1.15 232	1.42 355	0.88 283	1.78 299	0.93 324	0.26 300	0.23 343	0.27 319	0.27 347	0.30 330	0.39 379
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	1.22 398	0.60 398	1.94 409	0.69 360	0.46 293	0.75 217	0.69 346	1.51 229	1.57 427	1.36 343	1.90 430	1.51 376	0.87 277	7.23 486	1.89 438	0.26 300	0.19 271	0.19 92	0.16 103	0.23 223	0.37 368

DLCB_ROB	0.92 331	0.43 336	0.95 238	0.71 372	0.55 347	1.11 343	0.83 389	1.61 258	1.32 348	1.67 423	1.66 395	1.70 407	0.93 302	1.96 327	1.34 387	0.26 300	0.25 365	0.27 319	0.28 357	0.28 298	0.28 286

coex_refinement	0.84 294	0.30 130	0.89 209	0.72 377	0.52 329	0.95 311	0.60 318	1.92 343	1.29 335	1.38 350	1.37 314	1.80 420	0.82 247	1.48 251	1.31 380	0.27 321	0.17 224	0.19 92	0.20 191	0.25 264	0.27 270

rvit_stereo_0081_aga	0.46 56	0.37 286	0.91 222	0.52 122	0.41 258	0.49 66	0.40 136	0.88 51	0.66 59	0.59 79	0.56 53	0.53 76	0.43 70	0.67 50	0.44 122	0.27 321	0.21 300	0.22 187	0.20 191	0.26 276	0.19 95

ITSA-stereo	0.85 301	0.38 304	0.92 225	0.58 228	0.32 142	0.86 278	0.49 236	2.33 436	1.69 437	1.16 229	1.12 210	0.95 233	0.85 260	2.46 374	1.18 361	0.27 321	0.23 343	0.28 333	0.28 357	0.28 298	0.41 387

rvit_stereo_0080	0.47 65	0.35 256	0.87 200	0.48 61	0.36 203	0.42 35	0.54 275	0.93 57	0.78 88	0.52 70	0.60 61	0.55 82	0.47 95	0.62 37	0.48 158	0.27 321	0.21 300	0.20 125	0.20 191	0.31 337	0.20 120

CAS++	0.48 71	0.34 227	0.59 50	0.48 61	0.32 142	0.45 47	0.29 44	1.73 290	0.78 88	0.71 102	0.73 92	0.36 15	0.28 9	0.70 56	0.35 41	0.27 321	0.22 315	0.26 305	0.21 233	0.29 315	0.22 174
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
whm_eth	0.47 65	0.35 256	0.87 200	0.48 61	0.36 203	0.42 35	0.54 275	0.93 57	0.78 88	0.52 70	0.60 61	0.55 82	0.47 95	0.62 37	0.48 158	0.27 321	0.21 300	0.20 125	0.20 191	0.31 337	0.20 120

fast-acv-ft	1.00 351	0.48 358	1.85 405	0.61 268	0.52 329	1.77 431	0.69 346	1.52 231	1.47 410	1.34 332	1.85 424	1.73 410	1.24 396	1.62 279	1.56 410	0.27 321	0.28 384	0.28 333	0.28 357	0.28 298	0.31 326

Wz-Net-MNSev	1.21 397	0.66 420	3.44 464	0.69 360	0.73 410	1.93 446	1.44 461	2.16 401	1.59 429	1.85 440	1.49 349	1.50 374	1.34 410	2.05 340	1.54 409	0.27 321	0.24 353	0.28 333	0.28 357	0.35 364	0.32 335

GANet-ADL	0.63 170	0.38 304	0.82 167	0.67 335	0.41 258	0.68 188	0.51 245	1.64 262	1.16 256	0.98 164	1.10 199	0.90 209	0.58 161	0.81 82	0.63 238	0.27 321	0.18 254	0.18 68	0.16 103	0.23 223	0.27 270

sCroCo_RVC	0.51 87	0.43 336	1.15 301	0.66 321	0.60 369	0.52 95	0.40 136	0.93 57	0.64 54	0.45 41	0.76 95	0.49 55	0.49 111	0.65 47	0.49 169	0.27 321	0.28 384	0.23 221	0.22 260	0.29 315	0.28 286

psm_up	0.83 288	0.37 286	0.88 205	0.68 347	0.59 365	1.05 332	0.92 407	1.68 269	1.17 261	1.41 361	1.22 253	1.30 335	1.31 406	1.39 228	0.89 309	0.27 321	0.30 397	0.31 361	0.27 347	0.28 298	0.28 286

EDNetEfficient	2.40 477	1.14 468	8.59 495	0.77 408	0.73 410	1.06 335	1.53 465	1.54 237	4.06 500	4.87 506	2.81 468	2.23 450	3.53 496	3.04 401	9.65 503	0.27 321	0.24 353	0.27 319	0.31 391	0.70 461	0.67 453

CFNet-ft	0.78 254	0.36 265	0.74 125	0.67 335	0.56 352	0.86 278	0.54 275	1.46 222	1.17 261	1.01 174	1.28 283	1.68 404	1.03 347	1.57 264	0.95 331	0.27 321	0.21 300	0.33 383	0.26 331	0.31 337	0.26 252

DMCA-RVC	0.83 288	0.46 347	2.19 429	0.68 347	0.49 309	0.84 270	0.48 225	1.44 218	1.07 203	1.56 403	1.04 176	1.29 332	0.86 268	1.49 258	0.92 321	0.27 321	0.22 315	0.35 398	0.28 357	0.32 348	0.28 286

ADCL	1.82 449	0.70 429	4.57 477	0.70 369	0.63 381	2.56 471	1.77 478	2.08 379	1.77 444	1.95 450	1.89 428	2.04 445	1.88 458	2.36 367	9.55 502	0.27 321	0.25 365	0.35 398	0.32 398	0.39 385	0.39 379

RYNet	1.24 405	0.52 376	1.57 384	0.73 385	0.97 458	1.74 427	0.95 415	2.09 381	1.54 421	1.44 372	1.18 240	1.94 432	1.29 402	4.57 433	1.93 439	0.27 321	0.23 343	0.35 398	0.27 347	0.57 443	0.59 443

CFNet_RVC	0.78 254	0.36 265	0.74 125	0.67 335	0.56 352	0.86 278	0.54 275	1.46 222	1.17 261	1.01 174	1.28 283	1.68 404	1.03 347	1.57 264	0.95 331	0.27 321	0.21 300	0.33 383	0.26 331	0.31 337	0.26 252

FACV-RUCA	0.66 179	0.36 265	0.89 209	0.63 286	0.65 387	0.84 270	0.41 146	1.67 266	1.11 225	0.91 148	1.14 226	0.63 114	0.77 221	0.84 92	0.54 202	0.28 338	0.19 271	0.47 443	0.22 260	0.36 368	0.29 300

ACV-stereo	1.00 351	0.55 385	1.47 368	0.59 247	0.42 267	2.38 468	0.58 305	1.20 161	1.21 279	0.83 127	1.01 161	3.36 483	2.10 468	1.64 280	1.17 360	0.28 338	0.22 315	0.23 221	0.22 260	0.29 315	0.35 361

test_sample6	0.77 250	0.36 265	1.07 276	0.56 194	0.31 110	0.82 255	0.56 292	2.12 385	1.24 295	1.21 263	1.40 326	0.90 209	0.90 289	1.45 244	0.87 305	0.28 338	0.23 343	0.28 333	0.29 375	0.28 298	0.30 316

CRFU-Net	0.90 323	0.42 332	1.10 287	0.69 360	0.59 365	1.76 429	0.84 391	2.33 436	0.92 135	1.45 378	1.20 245	1.62 394	1.25 397	1.38 226	0.94 329	0.28 338	0.23 343	0.22 187	0.19 162	0.24 252	0.27 270

dd	0.62 161	0.51 370	1.17 316	0.56 194	0.33 162	0.74 212	0.46 209	1.03 90	1.40 382	0.80 119	0.87 122	0.60 100	0.57 144	1.02 142	0.86 300	0.28 338	0.18 254	0.26 305	0.19 162	0.35 364	0.27 270

AASNet	0.80 268	0.39 313	1.16 315	0.84 428	0.80 431	1.14 349	0.59 311	2.12 385	1.21 279	1.26 294	1.26 269	0.93 223	0.77 221	0.84 92	1.23 372	0.28 338	0.24 353	0.24 245	0.20 191	0.28 298	0.27 270

GwcNet-ADL	0.67 190	0.33 198	0.90 218	0.58 228	0.41 258	0.60 142	0.59 311	1.55 240	1.28 323	1.11 198	1.13 221	0.90 209	0.59 165	1.11 169	0.91 317	0.28 338	0.18 254	0.18 68	0.18 140	0.25 264	0.33 344

ADLNet	0.89 315	0.39 313	1.09 282	0.88 439	0.73 410	1.24 372	0.75 362	2.02 364	1.41 386	1.58 407	1.37 314	1.26 325	1.00 334	1.31 207	1.18 361	0.28 338	0.21 300	0.26 305	0.26 331	0.29 315	0.36 364

GES	0.70 213	0.37 286	1.05 269	0.62 276	0.38 224	0.94 305	0.57 298	2.37 439	0.92 135	1.05 185	1.12 210	0.67 124	0.77 221	1.02 142	0.65 247	0.28 338	0.20 284	0.20 125	0.20 191	0.22 204	0.31 326

HCRNet	0.72 225	0.40 319	0.86 198	0.61 268	0.57 356	0.75 217	0.35 90	1.39 209	1.21 279	1.11 198	0.99 154	1.01 258	0.76 217	2.18 352	0.73 264	0.28 338	0.19 271	0.28 333	0.23 292	0.25 264	0.26 252

PSMNet-RSSM	0.78 254	0.32 179	0.89 209	0.65 307	0.43 272	0.73 210	0.58 305	2.14 394	1.19 268	1.18 244	1.38 319	1.31 337	1.07 362	1.43 240	0.82 295	0.28 338	0.21 300	0.27 319	0.29 375	0.25 264	0.26 252

FADNet_RVC	0.88 313	0.56 389	2.15 426	0.57 216	0.43 272	1.17 363	0.46 209	1.68 269	1.12 232	0.91 148	1.24 265	0.91 213	0.94 305	2.22 354	1.20 364	0.28 338	0.22 315	0.32 372	0.28 357	0.46 418	0.42 395

UCFNet_RVC	0.72 225	0.37 286	0.59 50	0.66 321	0.41 258	0.89 285	0.68 343	1.78 299	1.15 249	1.01 174	1.20 245	1.22 310	0.95 310	1.07 156	0.66 251	0.28 338	0.21 300	0.34 391	0.31 391	0.33 354	0.29 300

DRN-Test	1.07 371	0.49 363	1.95 413	0.75 399	0.81 435	1.61 415	0.78 369	2.26 420	1.53 419	1.84 438	1.35 309	1.42 355	1.04 353	2.26 359	1.61 417	0.28 338	0.23 343	0.31 361	0.30 387	0.33 354	0.33 344

NaN_ROB	1.23 402	0.63 410	1.76 396	0.67 335	0.50 314	1.59 414	2.00 485	1.87 325	1.52 418	2.14 459	1.26 269	1.40 354	1.09 366	4.60 434	1.75 432	0.28 338	0.34 423	0.28 333	0.29 375	0.30 330	0.37 368

DDVS	0.80 268	0.43 336	1.09 282	0.64 300	0.44 282	1.27 376	0.43 171	1.49 228	0.94 148	1.21 263	1.16 234	1.42 355	0.63 181	2.14 348	1.02 345	0.29 353	0.22 315	0.26 305	0.23 292	0.31 337	0.37 368

Wz-Net-LNSev	1.17 388	0.72 434	4.71 478	0.66 321	0.84 440	1.72 422	1.13 435	1.97 353	1.43 396	1.34 332	1.32 295	1.66 400	1.30 405	1.44 243	1.51 406	0.29 353	0.26 371	0.24 245	0.23 292	0.33 354	0.35 361

NINENet	0.81 277	0.40 319	0.89 209	0.65 307	0.53 335	2.30 464	0.42 154	2.12 385	1.13 238	1.20 256	1.27 278	1.02 260	0.70 206	1.26 197	0.75 271	0.29 353	0.24 353	0.31 361	0.21 233	0.27 282	0.26 252

STTStereo	0.82 279	0.53 378	1.53 380	0.68 347	0.56 352	0.88 283	0.56 292	1.57 246	1.14 244	1.39 353	1.10 199	1.26 325	0.84 255	1.49 258	0.90 313	0.29 353	0.28 384	0.33 383	0.40 433	0.33 354	0.37 368

PA-Net	1.14 383	0.63 410	2.12 424	0.67 335	0.75 417	1.19 366	0.91 405	1.91 336	1.46 409	1.18 244	1.23 261	1.33 343	1.17 383	4.31 428	1.41 394	0.29 353	0.46 464	0.33 383	0.50 456	0.33 354	0.57 438
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
StereoDRNet	1.05 364	0.53 378	2.21 430	0.80 413	0.93 451	1.50 404	0.90 403	2.06 376	1.44 399	1.68 424	1.20 245	1.48 370	0.99 328	1.86 311	1.60 416	0.29 353	0.24 353	0.29 344	0.28 357	0.35 364	0.33 344

ttt	1.26 407	0.36 265	0.79 148	0.65 307	0.42 267	0.94 305	0.57 298	2.33 436	1.38 371	1.25 281	1.65 394	0.92 221	0.78 228	2.64 387	8.73 498	0.30 359	0.28 384	0.26 305	0.25 314	0.29 315	0.32 335

LMCR-Stereo	0.87 310	0.50 366	0.99 250	0.80 413	0.43 272	1.32 380	0.55 285	2.79 479	1.03 187	1.55 401	1.49 349	0.74 145	1.01 337	1.76 296	0.99 337	0.30 359	0.17 224	0.22 187	0.18 140	0.31 337	0.22 174

ac_64	0.86 306	0.32 179	1.02 259	0.74 391	0.60 369	1.04 329	0.53 262	2.20 415	0.99 173	1.23 274	1.11 206	1.96 434	1.06 359	2.01 333	1.01 342	0.30 359	0.22 315	0.24 245	0.23 292	0.22 204	0.22 174

FADNet-RVC	0.96 341	0.72 434	2.96 453	0.64 300	0.49 309	0.90 289	0.59 311	1.85 322	1.27 315	0.92 151	0.97 148	1.36 347	0.90 289	2.36 367	1.31 380	0.30 359	0.29 393	0.32 372	0.32 398	0.42 396	0.37 368

coex-ft	8.35 514	2.39 505	100.24 539	0.68 347	0.54 343	1.77 431	1.57 468	1.71 286	11.00 514	18.91 528	3.76 482	3.85 487	8.23 515	3.29 410	6.58 488	0.31 363	0.31 402	0.32 372	0.31 391	0.69 460	0.57 438

ssnet_v2	0.92 331	0.39 313	1.22 332	0.66 321	0.39 233	1.31 379	0.96 416	2.32 430	1.45 404	1.48 387	1.17 237	1.53 380	0.91 292	1.16 179	1.71 431	0.31 363	0.27 379	0.30 355	0.29 375	0.28 298	0.29 300

ICVP	0.66 179	0.35 256	0.71 105	0.63 286	0.41 258	0.85 277	0.56 292	1.78 299	0.96 157	0.92 151	1.24 265	0.88 197	0.75 216	0.76 69	0.93 324	0.31 363	0.22 315	0.22 187	0.21 233	0.24 252	0.28 286
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.93 336	0.40 319	1.15 301	0.67 335	0.50 314	0.95 311	0.78 369	2.73 474	1.21 279	1.20 256	1.12 210	1.25 319	0.91 292	3.21 406	0.95 331	0.31 363	0.20 284	0.23 221	0.20 191	0.28 298	0.31 326

GwcNet	1.26 407	0.63 410	5.13 480	0.81 417	1.15 473	1.73 425	0.69 346	1.84 315	1.53 419	1.51 390	1.71 404	1.72 408	1.09 366	2.20 353	1.61 417	0.31 363	0.30 397	0.29 344	0.27 347	0.30 330	0.41 387

DSFCA	0.95 337	0.38 304	1.23 334	0.55 173	0.66 393	1.50 404	0.93 410	1.58 248	1.24 295	1.59 410	1.16 234	1.48 370	0.95 310	2.96 399	1.20 364	0.31 363	0.28 384	0.25 284	0.26 331	0.29 315	0.26 252

GANet	1.41 418	0.52 376	1.18 321	0.74 391	0.48 303	1.40 395	1.69 471	1.87 325	1.28 323	1.56 403	2.39 458	1.56 385	1.25 397	9.13 503	1.20 364	0.31 363	0.32 414	0.34 391	0.29 375	0.40 389	0.33 344

TCMNet	1.07 371	0.66 420	2.49 439	0.92 449	1.32 483	1.14 349	0.67 340	1.91 336	1.29 335	1.20 256	1.57 380	1.29 332	0.96 312	2.23 355	1.59 415	0.32 370	0.31 402	0.38 415	0.35 420	0.43 398	0.40 383

rvit_0105_6	0.56 109	0.38 304	1.13 294	0.67 335	0.38 224	0.50 81	0.51 245	0.88 51	1.33 350	0.54 74	0.56 53	0.65 118	0.57 144	0.97 131	0.46 141	0.32 370	0.31 402	0.28 333	0.25 314	0.29 315	0.23 192

test_sample7	0.78 254	0.39 313	0.89 209	0.55 173	0.35 195	0.93 302	0.75 362	1.99 358	1.27 315	1.25 281	1.22 253	1.09 282	1.01 337	1.31 207	0.73 264	0.32 370	0.32 414	0.32 372	0.32 398	0.33 354	0.33 344

Wz-Net-SNSev	1.68 440	1.45 481	8.71 496	0.71 372	0.67 399	1.35 387	1.51 462	2.15 399	1.47 410	1.51 390	1.68 399	2.27 453	1.38 414	4.23 425	2.36 452	0.32 370	0.29 393	0.31 361	0.33 411	0.43 398	0.39 379

pcwnet_v2	0.91 328	0.39 313	2.74 448	0.64 300	0.55 347	0.81 254	0.49 236	2.19 412	1.63 433	1.44 372	1.64 393	1.09 282	0.79 236	1.31 207	0.70 260	0.32 370	0.25 365	0.29 344	0.27 347	0.37 374	0.37 368

APVNet	1.11 379	0.59 395	1.95 413	0.87 437	0.77 423	1.90 443	0.82 388	2.03 368	1.15 249	1.14 223	1.43 336	1.55 383	1.12 378	3.03 400	1.62 419	0.32 370	0.34 423	0.42 431	0.36 423	0.36 368	0.41 387

rvit_0105_5	0.61 158	0.41 329	1.19 322	0.67 335	0.37 212	0.57 125	0.56 292	1.08 107	1.28 323	0.65 94	0.68 74	0.77 153	0.67 195	0.91 115	0.51 176	0.33 376	0.32 414	0.30 355	0.27 347	0.28 298	0.28 286

rvit_0105_4	0.58 133	0.40 319	1.19 322	0.68 347	0.38 224	0.53 99	0.55 285	0.93 57	1.27 315	0.56 78	0.61 63	0.72 143	0.63 181	1.01 139	0.47 151	0.33 376	0.33 420	0.29 344	0.25 314	0.29 315	0.26 252

hitnet-ft	0.84 294	0.38 304	0.75 130	0.59 247	0.44 282	0.99 323	0.47 219	1.61 258	1.38 371	1.21 263	1.22 253	1.82 421	0.99 328	1.87 312	1.09 352	0.33 376	0.29 393	0.34 391	0.27 347	0.36 368	0.33 344

RTSC	1.43 422	0.89 449	3.62 468	0.94 458	0.64 382	1.85 440	0.69 346	2.20 415	2.04 463	2.22 460	1.70 402	1.67 402	1.27 400	2.53 382	4.48 476	0.33 376	0.25 365	0.27 319	0.29 375	0.38 380	0.40 383

AdaStereo	0.74 232	0.48 358	0.86 198	0.75 399	0.38 224	0.94 305	0.56 292	2.05 375	1.24 295	1.15 225	1.22 253	1.07 271	0.67 195	1.05 149	0.73 264	0.33 376	0.16 197	0.32 372	0.22 260	0.29 315	0.23 192
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.
MDST_ROB	1.88 452	0.40 319	1.71 393	0.93 455	0.60 369	4.27 503	1.23 449	3.99 497	1.44 399	4.61 503	2.63 466	1.44 361	1.03 347	9.78 511	1.62 419	0.33 376	0.26 371	0.37 411	0.33 411	0.31 337	0.34 352

ETE_ROB	1.01 355	0.69 428	1.49 371	0.72 377	0.50 314	1.15 353	1.12 433	1.91 336	1.24 295	1.94 448	1.50 356	1.73 410	1.06 359	1.78 299	1.33 386	0.33 376	0.26 371	0.38 415	0.34 416	0.40 389	0.44 402

PSMNet_ROB	0.95 337	0.57 394	1.45 366	0.75 399	0.64 382	1.28 377	1.12 433	1.84 315	1.15 249	1.16 229	1.29 287	1.44 361	0.89 286	1.74 294	1.70 429	0.33 376	0.25 365	0.37 411	0.39 431	0.36 368	0.32 335

SGM_RVC	1.88 452	0.40 319	0.90 218	0.63 286	0.30 91	2.81 478	1.26 452	2.73 474	1.81 450	4.09 495	2.85 470	3.88 488	3.19 490	8.42 499	2.44 453	0.33 376	0.31 402	0.30 355	0.28 357	0.31 337	0.31 326
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
YMNet	1.04 359	0.59 395	1.67 390	0.86 434	0.86 442	1.84 438	0.61 323	1.70 282	1.28 323	1.65 419	1.98 436	1.75 415	0.96 312	1.57 264	1.58 412	0.34 385	0.37 439	0.32 372	0.32 398	0.33 354	0.32 335

YMNet_1	1.04 359	0.59 395	1.67 390	0.86 434	0.86 442	1.84 438	0.61 323	1.70 282	1.28 323	1.65 419	1.98 436	1.75 415	0.96 312	1.57 264	1.58 412	0.34 385	0.37 439	0.32 372	0.32 398	0.33 354	0.32 335

GMStereo_Zeroshot	0.70 213	0.64 413	1.11 289	0.65 307	0.38 224	0.84 270	0.37 109	1.09 114	1.16 256	1.14 223	1.07 187	1.26 325	0.55 136	1.23 192	0.65 247	0.34 385	0.17 224	0.31 361	0.18 140	0.57 443	0.23 192

PSMNet-ADL	0.75 236	0.36 265	0.69 99	0.71 372	0.47 301	1.13 346	0.46 209	1.47 225	1.07 203	0.85 134	1.18 240	1.31 337	0.94 305	1.56 262	1.06 349	0.34 385	0.22 315	0.22 187	0.23 292	0.27 282	0.36 364

FADNet	0.98 345	0.64 413	2.57 443	0.66 321	0.55 347	0.95 311	0.57 298	1.91 336	1.38 371	0.94 157	1.02 164	1.36 347	1.00 334	2.69 390	0.97 335	0.34 385	0.34 423	0.31 361	0.34 416	0.61 452	0.42 395

ADCMid	2.11 465	0.90 450	8.39 494	0.75 399	0.69 403	1.98 448	1.14 438	2.18 410	1.67 436	2.85 480	1.85 424	2.35 459	2.02 464	2.35 366	10.58 506	0.34 385	0.32 414	0.39 419	0.44 443	0.51 429	0.53 427

DANet	1.16 386	0.64 413	1.52 377	0.88 439	0.74 414	1.52 406	0.52 256	1.68 269	1.21 279	1.81 435	1.55 370	2.02 440	1.11 372	3.30 411	2.28 448	0.34 385	0.31 402	0.40 425	0.30 387	0.46 418	0.54 428
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TDLM	1.08 375	0.50 366	1.01 257	0.69 360	0.54 343	0.91 291	1.40 459	1.60 255	1.36 364	1.17 233	1.40 326	1.07 271	1.00 334	6.19 464	0.85 299	0.34 385	0.22 315	0.35 398	0.26 331	0.38 380	0.29 300

SANet	2.26 471	0.70 429	6.94 487	0.69 360	0.46 293	2.76 477	1.76 477	2.61 467	5.84 510	2.45 469	3.52 480	3.71 485	3.38 495	5.90 459	2.14 444	0.34 385	0.31 402	0.32 372	0.29 375	0.54 438	0.43 399

PWC_ROB	1.39 416	0.93 455	4.07 472	0.77 408	0.83 438	1.16 356	0.53 262	1.87 325	2.01 461	2.36 465	3.06 474	1.65 399	1.60 434	2.65 389	2.29 450	0.34 385	0.23 343	0.36 408	0.25 314	0.39 385	0.49 414

CSP-Net	1.00 351	0.41 329	0.99 250	0.56 194	0.43 272	1.62 417	0.76 365	2.16 401	1.16 256	1.33 325	1.22 253	1.32 341	0.89 286	4.67 436	0.93 324	0.35 395	0.24 353	0.20 125	0.20 191	0.23 223	0.30 316

WZ-Net	2.14 467	1.08 463	11.68 505	0.89 446	0.78 427	1.76 429	1.59 469	2.39 441	2.03 462	2.11 457	1.95 435	2.30 456	2.28 476	5.94 462	3.86 472	0.35 395	0.27 379	0.29 344	0.32 398	0.52 430	0.50 418

SACVNet	0.89 315	0.51 370	1.08 279	0.83 424	0.58 359	0.83 262	0.78 369	1.84 315	1.17 261	1.39 353	1.33 300	1.25 319	1.01 337	2.31 364	0.92 321	0.35 395	0.26 371	0.31 361	0.29 375	0.35 364	0.48 410

CVANet_RVC	1.10 377	0.49 363	1.15 301	0.65 307	0.54 343	0.93 302	1.00 422	1.69 278	1.36 364	1.42 365	1.39 321	1.24 318	1.17 383	6.22 466	0.80 292	0.35 395	0.24 353	0.35 398	0.30 387	0.44 409	0.32 335

DeepPruner_ROB	0.79 263	0.55 385	1.14 299	0.61 268	0.46 293	0.78 232	0.54 275	1.83 313	1.00 177	1.42 365	1.27 278	1.23 314	0.77 221	1.56 262	0.89 309	0.35 395	0.28 384	0.27 319	0.26 331	0.32 348	0.34 352

NCCL2	1.06 366	0.64 413	1.35 354	0.78 411	0.58 359	1.32 380	1.69 471	1.89 332	1.38 371	1.52 392	1.20 245	1.91 424	1.17 383	1.79 304	1.50 404	0.35 395	0.31 402	0.45 437	0.44 443	0.41 393	0.45 404

CBMV	1.04 359	0.48 358	0.88 205	0.56 194	0.36 203	1.52 406	1.55 466	1.87 325	1.59 429	2.11 457	1.67 397	1.46 367	1.35 411	1.92 320	1.31 380	0.35 395	0.35 430	0.39 419	0.33 411	0.34 362	0.34 352
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CASS	0.67 190	0.36 265	0.84 185	0.57 216	0.28 61	0.82 255	0.43 171	1.62 261	0.92 135	1.39 353	1.28 283	0.87 191	0.84 255	0.88 106	0.59 226	0.36 402	0.19 271	0.26 305	0.22 260	0.29 315	0.43 399
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Syn2CoEx	1.23 402	0.80 441	3.07 456	0.83 424	0.68 400	1.39 392	0.87 400	2.23 417	1.57 427	1.28 304	1.58 382	1.42 355	1.57 433	3.79 421	1.48 403	0.36 402	0.32 414	0.34 391	0.30 387	0.30 330	0.41 387

FBW_ROB	1.78 445	0.66 420	1.90 408	0.72 377	0.66 393	1.79 435	1.07 429	2.79 479	1.77 444	1.84 438	1.79 413	1.98 435	1.37 413	12.42 522	2.22 446	0.36 402	0.38 444	0.57 464	0.39 431	0.46 418	0.51 422

rvit_0105_3	0.66 179	0.47 352	1.27 342	0.74 391	0.40 244	0.63 160	0.70 353	1.22 168	1.28 323	0.83 127	0.71 86	0.82 172	0.72 210	0.93 118	0.58 219	0.37 405	0.34 423	0.34 391	0.32 398	0.28 298	0.31 326

rvit_stereo_0075_2	0.66 179	0.47 352	1.21 331	0.67 335	0.66 393	0.53 99	0.48 225	1.24 175	1.17 261	0.77 114	0.91 130	0.78 157	0.59 165	1.05 149	0.63 238	0.37 405	0.28 384	0.40 425	0.31 391	0.38 380	0.34 352

stereogan	1.22 398	0.45 344	2.03 419	0.87 437	0.85 441	2.52 470	0.72 357	1.98 354	1.78 447	1.92 444	1.94 433	2.31 457	1.42 420	2.10 344	1.14 357	0.38 407	0.36 434	0.39 419	0.32 398	0.52 430	0.49 414

AnyNet_C32	2.14 467	1.45 481	7.38 489	0.95 460	1.12 467	2.23 460	2.34 500	2.10 383	1.54 421	2.44 468	1.79 413	2.04 445	1.66 441	2.69 390	10.48 505	0.38 407	0.35 430	0.35 398	0.42 437	0.50 427	0.60 446

ADCPNet	1.97 460	0.78 440	9.38 498	0.74 391	0.61 375	2.73 476	1.36 457	2.11 384	1.66 435	1.92 444	1.70 402	2.45 463	2.07 466	2.50 380	6.84 490	0.38 407	0.38 444	0.38 415	0.43 441	0.47 422	0.50 418

SGM-ForestM	7.81 513	0.48 358	11.02 503	0.74 391	0.40 244	16.83 522	12.72 521	7.91 517	8.13 512	11.53 521	10.25 516	22.44 530	14.01 520	17.02 524	20.52 522	0.38 407	0.39 449	0.37 411	0.36 423	0.37 374	0.38 376

PS-NSSS	1.02 356	0.62 409	1.17 316	0.61 268	0.58 359	0.91 291	0.79 377	2.02 364	1.19 268	1.17 233	1.68 399	1.00 253	0.85 260	4.43 430	0.86 300	0.38 407	0.31 402	0.52 451	0.32 398	0.52 430	0.45 404

LALA_ROB	1.06 366	0.66 420	1.37 362	0.70 369	0.53 335	1.61 415	1.25 451	1.81 309	1.48 414	1.82 437	1.40 326	1.93 428	1.03 347	1.68 286	1.69 427	0.38 407	0.28 384	0.43 432	0.37 427	0.43 398	0.38 376

psmorigin	1.69 442	0.74 439	13.13 506	0.70 369	0.60 369	1.16 356	0.79 377	1.69 278	1.25 303	2.07 456	1.77 411	2.23 450	1.51 430	2.14 348	1.45 398	0.39 413	0.41 451	0.34 391	0.33 411	0.45 411	0.63 450

SGM-Forest	1.29 411	0.40 319	0.74 125	0.54 160	0.37 212	1.55 409	1.26 452	1.82 311	1.39 380	2.22 460	1.81 419	1.64 398	1.02 345	7.65 492	1.20 364	0.39 413	0.37 439	0.39 419	0.34 416	0.37 374	0.34 352
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ISRNet	0.83 288	0.35 256	1.31 349	0.84 428	0.65 387	0.60 142	0.41 146	1.28 188	1.15 249	1.61 412	1.55 370	1.34 344	0.77 221	1.33 216	0.98 336	0.40 415	0.34 423	0.43 432	0.38 430	0.34 362	0.49 414

Anonymous3	0.64 173	0.47 352	1.31 349	0.59 247	0.50 314	0.93 302	0.69 346	1.11 122	0.83 108	0.74 109	0.89 127	0.65 118	0.68 199	1.08 159	0.54 202	0.40 415	0.31 402	0.26 305	0.26 331	0.31 337	0.30 316

SHD	1.42 420	0.81 444	2.79 450	0.98 462	0.92 448	1.97 447	0.68 343	2.43 446	2.55 475	2.54 473	1.72 405	2.01 439	1.62 435	2.14 348	2.70 457	0.40 415	0.33 420	0.39 419	0.40 433	0.48 423	0.54 428

XPNet_ROB	1.02 356	0.56 389	1.33 353	0.75 399	0.58 359	1.11 343	1.13 435	1.77 297	1.29 335	1.88 441	1.43 336	1.63 397	1.13 379	2.04 336	1.69 427	0.40 415	0.31 402	0.33 383	0.29 375	0.37 374	0.37 368

Wz-Net-TNSev	2.10 464	2.71 513	9.30 497	0.72 377	0.65 387	2.41 469	1.81 483	2.45 448	1.77 444	1.62 415	1.56 376	2.56 466	2.01 462	5.30 445	4.46 475	0.41 419	0.38 444	0.33 383	0.37 427	0.54 438	0.64 451

RTS	2.76 481	1.55 488	15.40 509	1.13 471	1.42 485	3.75 495	2.21 494	2.45 448	2.72 484	2.91 483	2.85 470	2.58 467	1.62 435	6.28 470	5.80 485	0.41 419	0.30 397	0.35 398	0.35 420	0.52 430	0.54 428

RTSA	2.76 481	1.55 488	15.40 509	1.13 471	1.42 485	3.75 495	2.21 494	2.45 448	2.72 484	2.91 483	2.85 470	2.58 467	1.62 435	6.28 470	5.80 485	0.41 419	0.30 397	0.35 398	0.35 420	0.52 430	0.54 428

AnyNet_C01	2.38 475	2.21 503	10.17 500	0.99 463	0.79 429	3.12 485	2.37 501	2.69 473	1.89 454	2.58 475	2.44 461	2.70 471	1.86 457	3.65 416	7.12 491	0.41 419	0.41 451	0.40 425	0.42 437	0.68 459	0.79 467

S-Stereo	1.17 388	0.48 358	2.25 433	0.83 424	0.81 435	1.22 369	1.17 442	2.12 385	2.08 464	1.47 381	2.13 446	1.55 383	1.16 380	2.09 343	1.46 400	0.42 423	0.40 450	0.35 398	0.32 398	0.45 411	0.73 461

rvit_105_1	0.76 244	0.54 381	1.27 342	0.80 413	0.49 309	0.74 212	0.86 397	1.39 209	1.23 291	1.00 169	0.80 108	0.93 223	0.78 228	1.29 204	0.78 280	0.43 424	0.36 434	0.36 408	0.42 437	0.30 330	0.36 364

dad	0.90 323	0.73 437	1.28 345	0.59 247	0.39 233	0.83 262	0.45 203	1.24 175	1.54 421	1.52 392	1.28 283	1.36 347	0.86 268	2.54 383	0.91 317	0.43 424	0.27 379	0.82 477	0.26 331	0.44 409	0.34 352

FINET	1.54 429	0.67 424	7.28 488	0.76 406	0.97 458	1.42 400	1.38 458	2.80 481	3.12 489	1.23 274	1.68 399	1.04 264	1.11 372	3.35 412	1.78 436	0.43 424	0.37 439	0.32 372	0.29 375	0.43 398	0.41 387

edge stereo	1.15 385	0.54 381	1.50 372	0.73 385	0.66 393	1.18 365	0.84 391	2.13 393	1.41 386	1.73 428	1.84 421	2.53 465	1.46 424	2.46 374	1.35 389	0.43 424	0.41 451	0.54 456	0.36 423	0.43 398	0.50 418

Nwc_Net	1.19 393	0.53 378	2.34 435	0.92 449	0.81 435	1.49 403	0.70 353	2.28 428	1.32 348	1.41 361	2.27 452	2.03 443	1.76 450	2.05 340	1.46 400	0.43 424	0.30 397	0.43 432	0.46 448	0.39 385	0.40 383

ADCS	2.35 473	1.26 475	6.54 485	0.85 431	0.77 423	2.18 459	1.79 479	2.47 453	2.20 468	2.80 479	2.14 448	2.38 460	2.09 467	2.81 395	13.83 514	0.43 424	0.41 451	0.40 425	0.45 446	0.59 446	0.67 453

DeepPrunerF	1.68 440	0.82 445	6.82 486	0.94 458	1.20 478	0.91 291	0.97 417	2.50 458	5.19 508	1.22 271	1.30 288	1.18 301	1.29 402	4.96 441	1.75 432	0.43 424	0.35 430	0.52 451	0.48 452	0.43 398	0.42 395

LSM	6.55 509	1.26 475	15.64 512	1.79 489	68.74 535	1.67 421	2.08 491	2.26 420	2.59 476	3.13 490	3.08 475	1.90 422	1.81 453	2.89 398	2.16 445	0.43 424	0.59 483	0.50 448	0.58 467	0.64 454	17.24 529

CSAN	1.61 434	0.67 424	3.24 461	0.74 391	0.52 329	1.77 431	1.74 476	1.98 354	1.94 457	2.47 472	2.33 456	1.93 428	2.04 465	6.45 475	1.95 440	0.43 424	0.36 434	0.41 430	0.42 437	0.43 398	0.44 402

FAT-Stereo	1.10 377	0.43 336	1.46 367	0.74 391	0.60 369	1.13 346	0.92 407	2.06 376	1.71 440	1.75 429	2.00 439	2.02 440	1.47 426	2.02 335	1.26 376	0.44 433	0.36 434	0.34 391	0.29 375	0.36 368	0.57 438

CBMV_ROB	0.99 348	0.46 347	0.68 93	0.53 145	0.39 233	1.40 395	0.48 225	2.09 381	1.30 339	1.53 395	2.29 454	1.36 347	1.23 393	2.46 374	1.04 348	0.44 433	0.42 456	0.47 443	0.44 443	0.41 393	0.39 379

MeshStereo	2.36 474	0.60 398	1.05 269	0.63 286	0.51 324	2.58 472	0.99 420	3.46 490	2.21 469	7.38 517	5.06 497	7.50 505	3.10 489	7.02 485	2.54 455	0.44 433	0.44 458	0.45 437	0.40 433	0.43 398	0.45 404
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
NVstereo2D	0.99 348	0.45 344	2.21 430	0.79 412	0.75 417	1.20 367	0.86 397	1.98 354	1.41 386	1.02 178	1.18 240	1.31 337	0.97 322	2.25 358	0.93 324	0.45 436	0.22 315	0.39 419	0.25 314	0.59 446	0.68 457

GASNet	1.13 381	1.10 466	3.29 462	1.00 464	0.68 400	0.82 255	0.67 340	1.85 322	1.38 371	1.39 353	1.25 267	1.25 319	1.20 392	2.72 392	1.62 419	0.46 437	0.26 371	0.36 408	0.34 416	0.55 440	0.33 344

HBP-ISP	1.00 351	0.60 398	0.85 191	0.64 300	0.48 303	1.63 418	0.77 366	2.24 419	1.30 339	1.33 325	1.53 366	0.87 191	0.99 328	3.26 409	0.76 274	0.46 437	0.44 458	0.54 456	0.48 452	0.48 423	0.42 395

RGC	1.22 398	0.82 445	1.71 393	0.95 460	0.98 460	1.53 408	0.80 380	2.18 410	1.35 355	1.69 425	1.94 433	2.03 443	1.66 441	2.36 367	1.50 404	0.46 437	0.36 434	0.59 467	0.48 452	0.49 426	0.49 414

NOSS_ROB	1.29 411	0.49 363	0.68 93	0.60 255	0.40 244	1.09 342	0.77 366	1.94 346	1.44 399	1.04 183	1.46 343	1.10 286	0.81 246	10.57 519	0.78 280	0.46 437	0.43 457	0.48 445	0.45 446	0.45 411	0.43 399

MFN_U_SF_DS_RVC	1.80 447	1.11 467	4.33 475	0.84 428	0.77 423	3.70 492	2.41 504	2.04 371	1.85 452	1.75 429	1.90 430	1.92 427	1.25 397	7.33 487	1.45 398	0.47 441	0.47 465	0.53 455	0.77 481	0.50 427	0.55 433

SAMSARA	1.80 447	0.90 450	3.37 463	1.28 480	1.13 469	3.71 493	2.33 499	2.53 462	1.93 456	3.17 491	1.73 406	2.99 475	1.68 443	3.53 415	2.46 454	0.47 441	0.54 476	0.43 432	0.47 450	0.59 446	0.64 451

DGSMNet	1.24 405	0.84 447	3.20 458	0.91 448	0.92 448	1.39 392	1.34 455	2.46 452	1.44 399	1.34 332	1.66 395	1.50 374	1.03 347	1.85 308	1.30 379	0.48 443	0.48 467	0.55 460	0.51 459	0.78 466	0.79 467

PVD	1.82 449	0.91 453	3.02 455	1.03 465	0.94 454	2.61 473	1.14 438	2.78 478	3.40 494	3.08 489	2.75 467	2.39 462	2.49 481	2.81 395	3.66 469	0.48 443	0.49 472	0.59 467	0.49 455	0.60 449	0.81 469

G-Net	1.71 443	0.67 424	2.09 421	1.14 474	0.75 417	2.96 484	0.89 402	1.58 248	1.30 339	2.76 478	8.12 513	2.29 455	2.51 482	1.94 322	2.23 447	0.49 445	0.45 460	0.45 437	0.31 391	0.62 453	0.59 443

NCC-stereo	1.20 395	0.60 398	1.84 403	0.88 439	0.95 455	1.32 380	0.94 412	2.14 394	1.36 364	1.43 369	1.79 413	1.93 428	2.13 473	2.54 383	1.41 394	0.49 445	0.38 444	0.45 437	0.59 469	0.43 398	0.45 404

Abc-Net	1.20 395	0.60 398	1.84 403	0.88 439	0.95 455	1.32 380	0.94 412	2.14 394	1.36 364	1.43 369	1.79 413	1.93 428	2.13 473	2.54 383	1.41 394	0.49 445	0.38 444	0.45 437	0.59 469	0.43 398	0.45 404
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XQC	1.51 427	0.98 458	3.20 458	0.92 449	0.76 422	2.01 451	1.17 442	2.53 462	1.99 460	2.01 453	1.54 367	2.00 437	1.54 431	3.16 404	3.46 467	0.49 445	0.31 402	0.45 437	0.40 433	0.71 463	0.62 448

AF-Net	1.23 402	0.56 389	2.31 434	0.88 439	0.93 451	1.41 397	0.73 360	2.27 426	1.71 440	1.76 432	2.42 460	2.00 437	1.70 444	1.98 328	1.62 419	0.50 449	0.29 393	0.49 447	0.33 411	0.40 389	0.34 352

DPSNet	1.91 457	0.64 413	5.95 482	0.73 385	0.59 365	2.04 453	1.61 470	3.84 495	1.96 459	1.54 398	1.39 321	2.27 453	3.32 493	4.95 440	4.79 478	0.50 449	0.31 402	0.29 344	0.26 331	0.67 458	0.54 428

FCDSN-DC	2.47 478	0.65 419	1.00 255	0.85 431	0.75 417	2.26 463	0.97 417	2.31 429	1.83 451	5.52 512	7.65 509	7.72 508	7.70 514	4.43 430	2.64 456	0.52 451	0.48 467	0.52 451	0.52 460	0.57 443	0.59 443
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
BEATNet-Init1	27.39 529	21.01 528	73.65 538	1.07 467	0.80 431	56.07 535	22.82 524	33.14 535	31.71 532	51.78 539	52.93 538	65.63 539	48.54 538	48.75 540	36.36 534	0.52 451	0.47 465	0.54 456	0.54 463	0.64 454	0.72 460

FC-DCNN v2	2.96 491	0.61 403	1.13 294	0.75 399	0.57 356	2.90 482	1.06 428	3.59 493	2.66 482	7.05 514	7.66 510	10.26 517	7.17 513	6.27 469	4.49 477	0.54 453	0.48 467	0.51 449	0.50 456	0.53 435	0.52 424

MFN_U_SF_RVC	1.62 436	0.96 457	4.36 476	0.92 449	0.69 403	2.62 474	1.10 431	2.50 458	1.74 443	1.99 452	1.86 426	2.45 463	1.78 452	3.08 402	2.84 459	0.54 453	0.50 473	0.56 462	0.60 471	0.60 449	0.67 453

FC-DCNN	2.88 490	0.61 403	1.15 301	0.75 399	0.57 356	2.85 481	1.05 426	3.44 489	2.64 481	6.93 513	7.63 508	9.86 514	7.02 512	5.76 457	4.31 474	0.54 453	0.48 467	0.51 449	0.50 456	0.53 435	0.52 424

MSMD_ROB	2.08 463	0.61 403	1.15 301	0.71 372	0.62 379	4.00 499	0.93 410	1.94 346	1.79 448	4.71 505	4.60 491	8.14 509	3.87 500	3.75 420	1.65 425	0.54 453	0.48 467	0.55 460	0.58 467	0.53 435	0.52 424

RP	1.17 388	0.54 381	1.48 370	0.93 455	1.05 463	1.14 349	0.85 396	1.99 358	1.70 438	1.72 427	2.07 443	1.91 424	1.93 460	2.00 332	1.37 391	0.55 457	0.37 439	0.48 445	0.37 427	0.46 418	0.46 409

WCMA_ROB	2.05 461	0.55 385	1.77 397	0.74 391	0.61 375	2.24 461	1.56 467	2.17 409	1.79 448	4.16 499	6.36 502	5.66 500	4.66 504	3.19 405	2.77 458	0.55 457	0.45 460	0.40 425	0.43 441	0.48 423	0.50 418

UDGNet	0.75 236	1.23 474	0.99 250	0.82 420	0.42 267	0.76 222	0.38 118	0.98 72	1.37 369	0.83 127	0.88 125	0.70 134	0.60 171	1.25 194	0.57 214	0.57 459	0.19 271	1.03 485	0.26 331	0.79 467	0.35 361

ccnet	1.19 393	0.71 431	1.36 359	0.81 417	0.75 417	1.72 422	1.13 435	1.98 354	1.31 346	1.52 392	1.84 421	1.75 415	1.36 412	2.01 333	2.04 441	0.57 459	0.54 476	0.57 464	0.56 465	0.60 449	0.60 446

GANetREF_RVC	1.11 379	0.90 450	1.56 382	0.88 439	0.53 335	1.41 397	1.35 456	1.91 336	1.54 421	1.28 304	1.32 295	1.46 367	1.23 393	2.04 336	1.00 341	0.57 459	0.45 460	0.67 472	0.52 460	0.91 471	0.62 448
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
DualNet (step1)	0.89 315	0.51 370	1.35 354	0.58 228	0.40 244	1.07 336	0.80 380	1.99 358	1.27 315	1.25 281	1.22 253	1.09 282	1.01 337	1.31 207	0.73 264	0.59 462	0.32 414	0.62 469	0.67 476	0.45 411	0.48 410

test_sample9	1.96 458	0.51 370	1.35 354	0.58 228	0.40 244	1.07 336	0.80 380	1.99 358	1.27 315	1.25 281	1.22 253	1.09 282	1.01 337	2.46 374	8.57 496	0.59 462	12.85 528	0.62 469	0.67 476	0.45 411	0.48 410

test_sample8	2.29 472	0.51 370	1.35 354	0.58 228	0.40 244	1.07 336	0.80 380	2.03 368	1.22 287	2.28 463	1.33 300	4.98 498	2.51 482	2.46 374	8.57 496	0.59 462	12.85 528	0.62 469	0.67 476	0.45 411	0.48 410

Anonymous_2	1.37 413	0.56 389	0.94 234	0.57 216	0.62 379	1.04 329	0.65 335	1.82 311	1.01 180	1.00 169	0.79 103	1.42 355	1.27 400	1.06 154	0.83 296	0.62 465	0.67 486	1.05 486	9.88 525	1.09 480	0.55 433

MANE	7.50 512	0.64 413	7.97 490	1.40 481	2.10 493	16.86 523	12.56 520	12.91 523	17.51 526	8.50 519	11.60 517	14.66 520	13.33 518	12.02 521	13.28 509	0.62 465	0.52 474	0.52 451	1.90 510	0.56 441	0.58 441

PASM	1.48 425	1.08 463	3.96 471	0.93 455	0.93 451	1.17 363	1.19 444	1.77 297	1.65 434	1.90 442	1.52 364	1.75 415	1.42 420	4.54 432	1.52 408	0.64 467	0.68 488	0.69 474	0.79 482	0.70 461	0.74 462

PWCDC_ROB	1.39 416	0.91 453	2.10 422	1.08 468	0.92 448	1.72 422	0.58 305	2.03 368	3.30 492	1.32 320	4.87 495	1.21 306	1.71 446	1.98 328	1.75 432	0.65 468	0.26 371	0.29 344	0.25 314	0.56 441	0.41 387

ELAS	2.67 480	0.80 441	2.13 425	1.13 471	1.15 473	6.25 510	2.56 505	3.50 491	3.68 497	5.36 510	4.92 496	3.79 486	5.56 506	3.65 416	5.22 482	0.66 469	0.57 480	0.56 462	0.54 463	0.65 456	0.75 464
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SDNR	1.66 437	0.55 385	2.36 436	0.56 194	0.58 359	3.79 497	0.45 203	1.78 299	1.40 382	1.38 350	2.45 462	1.13 295	0.96 312	11.03 520	1.31 380	0.67 470	0.64 484	0.43 432	0.32 398	0.71 463	0.76 465

ELAS_RVC	2.87 489	0.80 441	3.22 460	1.16 476	1.12 467	2.92 483	5.33 513	2.98 484	4.18 502	5.04 507	4.82 494	4.71 493	8.23 515	4.25 427	4.79 478	0.67 470	0.57 480	0.57 464	0.53 462	0.66 457	0.74 462
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	2.22 470	1.29 478	4.14 473	1.10 470	0.78 427	5.00 506	2.38 503	2.47 453	2.67 483	1.94 448	2.28 453	2.66 470	1.70 444	9.10 502	2.29 450	0.68 472	0.52 474	0.68 473	0.71 479	1.17 482	0.81 469

PSMNet-RUCA	1.07 371	1.06 461	1.64 387	1.23 478	1.10 466	1.39 392	0.65 335	1.91 336	1.43 396	0.95 159	1.52 364	0.99 247	0.83 252	1.28 203	1.01 342	0.71 473	0.34 423	0.99 483	0.61 472	1.01 475	0.67 453

Consistency-Raft	1.27 410	1.01 460	2.17 427	1.04 466	1.20 478	0.96 317	1.00 422	1.84 315	1.95 458	1.38 350	2.11 445	1.44 361	1.03 347	1.18 184	1.40 393	0.73 474	0.83 491	0.89 479	0.99 493	1.33 484	0.95 475

MADNet+	2.80 484	3.38 517	11.57 504	1.50 487	1.21 480	3.18 487	2.00 485	3.52 492	2.61 477	1.81 435	2.09 444	2.83 472	2.18 475	7.55 490	5.44 484	0.84 475	0.83 491	0.71 475	0.66 475	1.05 479	1.08 480

JetBlue	4.18 499	2.45 508	10.42 501	1.40 481	2.89 510	10.68 516	10.68 515	3.91 496	2.52 473	2.74 477	3.39 478	4.50 490	4.27 502	7.97 495	7.67 494	0.89 476	0.97 503	0.89 479	0.92 487	2.26 489	2.21 499

UDG	1.47 423	2.69 511	1.13 294	1.45 485	1.65 490	1.34 386	0.79 377	1.75 294	1.27 315	1.29 309	1.74 407	1.99 436	1.39 416	1.66 283	1.51 406	0.91 477	0.55 478	2.30 497	0.76 480	1.99 487	1.20 484

MFMNet_re	1.47 423	1.20 472	2.50 440	1.46 486	1.08 465	1.58 413	1.51 462	1.96 352	1.87 453	2.31 464	2.20 449	1.51 376	1.88 458	1.57 264	1.34 387	0.94 478	0.83 491	0.84 478	0.80 483	1.00 474	1.06 479

PMTNet	0.47 65	0.22 6	0.43 8	0.39 5	0.24 13	0.71 203	0.26 27	0.78 26	1.03 187	0.65 94	0.69 79	0.55 82	0.48 100	0.90 112	0.36 57	0.99 479	0.13 38	0.15 6	0.10 1	0.15 12	0.15 14

anonymity	1.14 383	0.98 458	1.24 337	1.09 469	1.13 469	1.08 340	0.90 403	2.02 364	1.23 291	1.32 320	1.27 278	1.27 330	1.09 366	1.16 179	1.03 347	1.02 480	1.01 505	0.97 481	0.97 490	0.98 473	1.01 476

PDISCO_ROB	1.41 418	0.73 437	2.04 420	1.40 481	1.46 487	2.83 479	1.07 429	2.64 468	2.11 466	1.41 361	1.50 356	1.73 410	0.99 328	2.83 397	1.46 400	1.03 481	0.27 379	0.54 456	0.47 450	0.77 465	0.84 471

DispFullNet	2.39 476	2.89 514	3.74 469	3.09 507	2.27 499	2.04 453	0.84 391	2.19 412	1.73 442	2.54 473	1.98 436	2.23 450	5.83 507	3.44 414	1.84 437	1.03 481	0.33 420	2.65 508	1.97 512	2.87 497	2.34 501

SPS-STEREO	1.78 445	1.09 465	1.52 377	1.22 477	1.14 471	1.87 442	1.11 432	2.27 426	1.70 438	3.17 491	2.39 458	2.84 473	1.93 460	4.41 429	2.93 460	1.04 483	0.99 504	0.97 481	0.94 488	1.03 477	1.05 478
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	5.38 504	1.28 477	8.24 491	1.27 479	1.16 475	10.62 515	16.01 522	2.93 483	2.53 474	8.64 520	13.03 518	8.26 510	13.38 519	6.34 473	7.59 493	1.07 484	1.05 507	1.00 484	0.98 491	1.02 476	1.12 482

DDUNet	1.56 431	2.70 512	1.35 354	1.79 489	1.88 492	1.82 436	0.91 405	1.84 315	1.20 272	1.40 359	1.79 413	1.62 394	1.17 383	1.59 271	1.22 369	1.11 485	0.76 490	2.38 500	0.94 488	2.12 488	1.53 490

NVStereoNet_ROB	2.17 469	1.18 470	3.51 465	1.14 474	1.26 481	1.57 412	1.51 462	2.19 412	2.11 466	2.04 454	4.80 493	3.17 482	2.11 471	7.97 495	2.10 442	1.12 486	0.94 501	1.10 487	1.34 500	0.95 472	1.31 485
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WAO-7	2.78 483	1.54 487	2.18 428	1.41 484	1.19 477	3.92 498	2.01 488	4.19 499	3.89 499	2.98 485	5.47 498	4.18 489	3.28 492	8.24 498	4.27 473	1.13 487	1.01 505	1.18 488	1.13 499	1.19 483	1.13 483

CC-Net-ROB	1.53 428	1.31 479	1.68 392	0.92 449	0.80 431	1.75 428	0.99 420	2.04 371	1.27 315	1.12 206	1.62 388	1.20 305	0.98 325	7.82 493	0.92 321	1.15 488	0.41 451	2.20 495	0.46 448	1.37 485	0.56 435

GCST	1.13 381	1.50 485	1.17 316	1.74 488	1.17 476	1.29 378	0.30 50	1.55 240	1.21 279	1.31 317	0.97 148	0.99 247	0.48 100	2.38 371	0.54 202	1.24 489	0.70 489	1.31 489	0.86 486	1.03 477	0.92 474

IGEV-BASED-STEREO-	0.71 219	3.18 515	2.55 442	0.40 8	0.24 13	0.42 35	0.23 15	0.66 13	0.46 13	0.47 45	0.45 18	0.33 13	0.27 8	0.58 27	0.30 13	1.34 490	0.10 1	0.22 187	0.19 162	0.45 411	1.32 487

WAO-6	2.98 492	1.67 492	1.88 407	2.38 498	2.30 500	3.53 491	2.37 501	4.38 502	4.64 506	2.42 466	4.50 487	4.85 494	2.99 488	5.22 444	5.37 483	1.77 491	1.16 511	2.31 498	1.47 506	2.42 491	1.99 497

MaskLacGwcNet_RVC	1.17 388	1.06 461	1.28 345	0.88 439	0.69 403	1.92 445	0.92 407	1.71 286	1.14 244	1.17 233	1.26 269	1.49 372	0.80 242	2.04 336	0.86 300	2.02 492	0.34 423	0.79 476	0.36 423	1.38 486	1.33 488

WAO-8	4.57 502	2.01 498	2.58 444	2.37 496	2.21 495	9.75 512	1.71 473	6.04 513	16.34 518	4.11 496	7.69 511	7.41 503	3.85 498	10.02 517	3.85 470	2.05 493	1.09 508	2.44 504	1.39 501	2.56 493	1.86 495

Venus	4.57 502	2.01 498	2.58 444	2.37 496	2.21 495	9.75 512	1.71 473	6.04 513	16.34 518	4.11 496	7.69 511	7.41 503	3.85 498	10.02 517	3.85 470	2.05 493	1.09 508	2.44 504	1.39 501	2.56 493	1.86 495

PWCK	3.24 495	2.37 504	10.86 502	2.14 493	1.14 471	3.71 493	4.19 512	3.02 485	3.55 496	3.05 488	3.63 481	3.09 480	2.35 480	8.16 497	3.41 466	2.17 495	0.96 502	1.77 492	1.01 495	2.84 496	1.40 489

CAS	0.66 179	0.19 1	0.41 6	2.31 495	0.86 442	0.56 123	0.53 262	0.83 36	0.63 51	0.49 55	0.70 83	0.36 15	0.26 7	0.47 8	0.37 70	2.33 496	0.10 1	0.14 1	0.10 1	0.17 44	1.31 485

test_for_model	1.38 414	3.71 518	0.65 82	3.45 511	2.88 509	0.57 125	0.33 70	1.91 336	0.93 142	1.47 381	0.64 65	0.51 65	0.37 45	0.53 13	0.35 41	2.54 497	0.16 197	0.17 36	0.12 17	4.56 518	1.84 494

SQANet	1.38 414	0.95 456	1.37 362	1.89 492	1.47 488	1.44 401	0.81 384	1.89 332	1.13 238	1.34 332	1.26 269	1.28 331	1.02 345	1.64 280	0.91 317	2.55 498	0.35 430	1.47 490	0.56 465	2.48 492	1.74 492

ACVNet_2	2.86 488	1.47 483	8.28 492	2.68 500	2.26 498	2.70 475	1.84 484	3.41 488	3.04 488	2.27 462	3.42 479	4.58 491	2.10 468	5.91 460	1.62 419	2.58 499	0.67 486	2.22 496	0.85 485	2.79 495	2.47 503

JetRed	7.02 511	8.94 522	25.72 525	2.89 503	3.27 514	14.25 521	12.27 519	6.69 515	4.45 504	4.46 502	4.56 488	6.65 502	5.43 505	7.46 489	14.41 516	2.60 500	3.31 518	2.61 507	2.30 517	4.34 515	3.79 517

testlalala_base	0.83 288	0.41 329	0.80 153	0.67 335	0.53 335	0.78 232	0.30 50	1.84 315	0.60 43	0.75 111	0.91 130	0.68 126	0.54 133	0.69 54	0.46 141	2.92 501	0.15 165	0.17 36	0.12 17	2.95 500	0.27 270

otaku	1.67 438	1.18 470	1.56 382	2.27 494	1.59 489	1.98 448	1.23 449	2.23 417	1.37 369	1.48 387	1.63 392	1.73 410	1.23 393	1.85 308	1.09 352	2.96 502	0.58 482	1.74 491	0.61 472	2.94 498	2.15 498

Ntro	1.72 444	1.21 473	1.62 386	2.54 499	1.86 491	2.09 456	1.14 438	2.08 379	1.38 371	1.23 274	1.62 388	1.62 394	1.33 409	2.04 336	1.21 368	3.09 503	0.56 479	1.82 493	0.65 474	2.97 502	2.25 500

Dean	3.77 498	1.65 491	17.87 515	3.01 506	2.54 504	3.15 486	2.10 492	4.80 505	4.42 503	2.89 482	6.03 500	5.45 499	2.55 485	3.40 413	2.13 443	3.22 504	0.89 498	2.51 506	1.07 498	3.07 504	2.65 508

ACVNet_1	3.08 494	1.48 484	17.70 514	2.90 504	2.35 502	2.30 464	1.43 460	3.16 486	2.26 471	1.91 443	2.05 442	3.51 484	2.32 477	3.71 419	1.58 412	3.25 505	0.66 485	2.40 503	1.06 497	3.07 504	2.59 504

ACVNet-4b	3.05 493	1.42 480	18.09 518	2.85 501	2.33 501	2.32 467	1.22 447	2.47 453	2.21 469	1.26 294	2.36 457	2.64 469	1.46 424	6.32 472	1.23 372	3.29 506	0.45 460	2.37 499	1.02 496	3.03 503	2.61 505

LVE	3.40 497	1.80 493	2.21 430	2.90 504	2.44 503	3.27 490	2.25 496	4.80 505	5.06 507	2.43 467	6.79 503	5.99 501	2.64 486	9.20 504	2.28 448	3.30 507	1.11 510	2.38 500	1.48 507	2.95 500	2.62 506

TorneroNet-64	5.41 505	2.10 501	2.43 437	3.49 513	2.83 508	9.90 514	2.13 493	8.87 519	16.79 523	5.39 511	9.18 515	10.68 519	3.92 501	9.55 508	5.11 481	3.36 508	0.86 496	2.88 512	1.62 508	3.76 510	3.37 513

RainbowNet	2.06 462	1.86 494	1.97 415	2.86 502	2.25 497	2.03 452	1.79 479	2.77 476	1.92 455	1.54 398	1.84 421	1.95 433	1.73 448	2.23 355	1.38 392	3.40 509	0.86 496	2.39 502	1.00 494	2.94 498	2.42 502

KSHMR	8.76 516	2.14 502	3.59 466	3.60 515	3.13 512	4.15 502	2.67 506	5.61 511	58.90 539	3.04 487	55.71 539	4.94 495	2.54 484	4.61 435	3.05 464	3.49 510	1.57 515	3.14 514	1.98 513	3.84 511	3.49 514

UNDER WATER-64	5.84 508	2.48 510	17.93 516	3.97 519	3.58 517	7.70 511	3.03 510	5.72 512	14.13 515	4.18 500	4.00 485	9.27 513	6.80 511	6.20 465	9.22 501	3.67 511	1.52 514	3.14 514	1.95 511	4.43 516	3.83 518

TorneroNet	10.72 520	2.09 500	2.76 449	3.48 512	3.03 511	44.72 534	2.31 498	8.62 518	67.06 540	7.45 518	23.21 528	10.59 518	4.28 503	9.03 501	9.00 499	3.67 511	0.91 500	3.04 513	1.63 509	3.92 512	3.55 516

IMH-64-1	2.82 485	1.87 495	1.77 397	3.31 509	2.69 505	3.22 488	2.07 489	4.25 500	2.77 486	2.46 470	3.78 483	3.05 477	2.34 478	4.67 436	3.00 462	3.84 513	0.84 494	2.75 509	1.39 501	3.34 507	2.93 510

IMH-64	2.82 485	1.87 495	1.77 397	3.31 509	2.69 505	3.22 488	2.07 489	4.25 500	2.77 486	2.46 470	3.78 483	3.05 477	2.34 478	4.67 436	3.00 462	3.84 513	0.84 494	2.75 509	1.39 501	3.34 507	2.93 510

UNDER WATER	5.68 507	2.46 509	15.52 511	3.98 520	3.53 516	5.15 507	2.74 507	5.58 510	16.41 521	4.00 494	4.56 488	9.12 512	6.43 510	6.22 466	9.11 500	3.85 515	1.35 512	3.18 516	1.98 513	4.51 517	3.84 519

IMH	3.35 496	1.95 497	1.86 406	3.30 508	2.72 507	4.03 501	2.00 485	4.58 504	3.83 498	2.87 481	6.99 505	4.69 492	3.21 491	6.77 481	2.97 461	3.91 516	0.89 498	2.78 511	1.40 505	3.36 509	2.93 510

ktn	4.56 501	2.41 506	2.54 441	3.79 517	3.25 513	4.81 505	2.91 509	5.52 509	7.36 511	4.12 498	14.55 520	7.54 506	3.70 497	7.84 494	3.35 465	4.06 517	1.86 516	3.26 517	2.22 516	3.27 506	2.86 509

notaker	4.29 500	2.42 507	5.06 479	3.89 518	3.29 515	4.00 499	2.25 496	4.93 507	3.47 495	4.21 501	6.79 503	7.67 507	3.37 494	9.25 506	6.47 487	4.09 518	1.42 513	3.35 518	2.13 515	4.11 514	3.54 515

MADNet++	5.41 505	3.18 515	6.43 484	4.66 522	3.95 519	6.15 509	6.75 514	4.51 503	4.51 505	5.06 508	6.27 501	4.96 496	6.14 508	9.39 507	11.70 507	4.71 519	4.19 521	3.97 520	3.33 518	4.08 513	4.25 520

DGTPSM_ROB	13.06 522	8.27 520	22.29 520	9.53 524	18.14 520	11.53 517	31.97 528	10.82 521	16.25 516	7.14 515	19.39 526	10.12 515	16.69 522	9.85 512	22.49 524	4.77 520	8.72 522	5.37 522	10.24 526	6.15 521	11.56 524

DPSMNet_ROB	13.08 523	8.28 521	22.32 521	9.54 525	18.15 521	11.53 517	31.98 529	10.83 522	16.27 517	7.17 516	19.40 527	10.12 515	16.69 522	9.87 513	22.50 525	4.78 521	8.72 522	5.38 523	10.25 527	6.16 522	11.59 525

DPSimNet_ROB	24.77 528	9.69 523	61.46 537	3.56 514	19.46 523	25.95 524	77.56 539	5.09 508	16.60 522	21.50 529	29.82 531	25.12 532	85.69 540	13.37 523	23.07 527	7.23 522	17.79 530	8.55 525	7.57 524	4.57 519	31.84 533

TCMNet-wrong-test	10.42 518	11.55 524	15.31 508	20.99 526	18.49 522	13.94 520	10.69 516	16.07 525	4.14 501	5.27 509	5.64 499	16.22 521	12.57 517	7.57 491	10.26 504	7.44 523	2.38 517	4.30 521	3.43 519	11.37 525	10.87 523

HanzoNet	11.92 521	5.12 519	17.18 513	4.19 521	3.59 518	5.16 508	2.82 508	7.41 516	9.96 513	33.31 535	27.60 529	22.25 529	37.31 534	18.18 525	13.57 510	8.13 524	3.44 520	3.50 519	3.44 520	7.77 524	4.52 521

tt	6.61 510	0.28 85	6.10 483	3.77 516	2.17 494	11.53 517	19.61 523	13.53 524	5.81 509	3.00 486	2.82 469	4.97 497	6.33 509	3.83 422	7.23 492	9.13 525	11.32 527	5.87 524	6.22 523	6.01 520	2.63 507

PML	51.64 537	37.49 533	14.31 507	7.45 523	20.27 524	107.80 540	231.34 541	8.94 520	27.70 531	86.74 540	268.93 541	69.03 540	61.09 539	24.71 533	14.36 515	9.71 526	3.40 519	9.60 526	4.67 522	20.46 528	4.76 522

DPSM_ROB	19.12 524	19.13 526	25.13 523	22.15 528	20.86 525	28.06 526	37.75 531	27.18 528	16.95 524	14.25 522	15.07 521	21.66 524	18.69 525	21.83 527	26.51 529	10.15 527	9.30 525	10.45 527	10.41 528	14.00 526	12.85 527

DPSM	19.12 524	19.13 526	25.13 523	22.15 528	20.86 525	28.06 526	37.75 531	27.18 528	16.95 524	14.25 522	15.07 521	21.66 524	18.69 525	21.83 527	26.51 529	10.15 527	9.30 525	10.45 527	10.41 528	14.00 526	12.85 527

DLNR_Zeroshot_test	23.23 527	48.25 540	43.77 532	177.04 540	78.39 536	0.35 12	0.21 4	23.33 527	0.82 105	0.67 99	0.86 120	0.58 93	0.30 16	1.64 280	0.48 158	10.69 529	0.13 38	0.18 68	0.14 53	76.63 539	0.23 192

CasAABBNet	38.42 530	38.42 534	50.26 534	44.76 535	41.87 531	56.47 536	76.22 537	54.44 538	33.92 534	28.53 532	30.36 533	43.53 537	37.59 535	43.77 537	53.32 539	20.27 530	18.70 532	21.03 529	21.04 531	28.19 529	25.79 530

Selective-RAFT-Error	38.47 531	38.44 535	50.38 535	44.74 534	42.01 532	56.47 536	76.24 538	54.44 538	34.02 535	28.59 533	30.30 532	43.51 536	38.10 536	43.69 536	53.24 538	20.36 531	18.72 533	21.05 530	21.02 530	28.25 530	25.87 531

LSM0	42.92 536	38.72 536	50.66 536	47.49 536	110.18 540	56.77 538	75.87 536	54.87 540	33.74 533	29.48 534	31.12 534	43.77 538	37.12 533	43.85 538	53.44 540	20.50 532	18.67 531	21.05 530	21.07 532	28.37 531	41.73 534

LRCNet_RVC	22.79 526	32.09 532	22.06 519	29.83 530	26.15 527	4.40 504	0.84 391	22.64 526	2.10 465	26.93 531	29.25 530	23.03 531	15.56 521	23.91 529	18.92 521	32.00 533	20.04 534	34.68 532	32.13 533	30.66 532	28.52 532

xxxxx1	54.34 538	26.72 529	27.03 526	114.14 537	99.00 537	30.68 530	47.19 533	32.52 532	26.09 527	17.85 525	17.48 523	21.86 526	20.92 527	24.38 530	33.78 531	34.73 534	41.33 535	157.67 538	175.68 538	65.82 536	71.99 538

tt_ll	54.34 538	26.72 529	27.03 526	114.14 537	99.00 537	30.68 530	47.19 533	32.52 532	26.09 527	17.85 525	17.48 523	21.86 526	20.92 527	24.38 530	33.78 531	34.73 534	41.33 535	157.67 538	175.68 538	65.82 536	71.99 538

ff	54.34 538	26.72 529	27.03 526	114.14 537	99.00 537	30.68 530	47.19 533	32.52 532	26.09 527	17.85 525	17.48 523	21.86 526	20.92 527	24.38 530	33.78 531	34.73 534	41.33 535	157.67 538	175.68 538	65.82 536	71.99 538

HaxPig	39.02 532	41.39 537	41.59 530	30.10 531	32.36 528	29.49 528	27.65 526	30.56 531	37.94 536	43.75 536	43.81 535	33.42 533	35.69 531	41.51 534	40.33 536	43.91 537	47.48 539	45.87 533	47.14 535	42.29 533	44.06 536

AVERAGE_ROB	40.42 533	42.30 538	42.61 531	36.91 533	35.54 530	30.42 529	27.59 525	37.45 537	38.45 537	44.87 537	44.27 536	37.55 535	36.69 532	41.82 535	40.25 535	45.36 538	46.73 538	47.09 534	46.32 534	42.47 534	43.74 535

MEDIAN_ROB	42.01 534	44.30 539	44.14 533	35.08 532	34.90 529	31.33 533	29.90 527	36.77 536	40.11 538	47.14 538	46.55 537	37.49 534	38.50 537	44.30 539	42.32 537	47.93 539	49.31 540	49.68 535	49.00 536	44.98 535	46.46 537

Anonymous_1	42.79 535	18.71 525	24.75 522	21.81 527	45.16 533	27.68 525	37.52 530	28.64 530	16.34 518	14.72 524	14.53 519	20.60 523	17.82 524	21.52 526	25.88 528	113.45 540	8.91 524	100.63 537	126.37 537	158.50 540	12.31 526

test_example2	192.91 541	210.59 541	206.44 541	199.86 541	204.90 541	172.02 541	182.95 540	138.34 541	134.89 541	193.14 541	200.54 540	186.77 541	177.82 541	204.95 541	207.57 541	221.83 541	238.70 541	186.02 541	190.07 541	226.94 541	173.78 541

ccccc		492.94 542		530.37 542	529.69 542	476.06 542		494.48 542		446.40 542		473.27 542		541.46 542		660.58 542	458.79 542	353.88 542	309.98 542	597.94 542

Low-res two-view benchmark