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

CREStereo++_RVC	0.49 70	0.22 6	0.46 12	0.48 58	0.38 219	0.45 42	0.25 15	0.77 19	1.30 328	0.82 121	1.23 254	0.47 43	0.37 41	0.55 13	0.44 117	0.16 15	0.11 3	0.16 21	0.80 471	0.18 68	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
StereoAnything_RVC	0.49 70	1.60 478	0.87 196	0.37 1	0.21 3	0.26 3	0.21 2	0.53 4	0.23 1	0.23 1	0.21 1	0.19 1	0.35 36	1.29 199	0.23 1	0.22 207	0.11 3	0.15 6	0.11 7	2.36 478	0.13 2

s12784h	0.55 93	0.22 6	0.49 18	0.43 15	0.19 1	1.00 315	0.34 74	1.40 205	1.30 328	0.84 127	0.93 129	0.63 109	0.52 119	1.48 246	0.47 146	0.15 6	0.12 10	0.17 33	0.11 7	0.19 100	0.13 2

DEFOM-Stereo_RVC	0.41 22	0.68 415	0.45 11	0.66 313	0.30 87	0.48 55	0.25 15	0.87 47	0.46 10	0.39 22	0.37 9	0.30 6	0.69 197	1.16 174	0.31 14	0.17 41	0.11 3	0.16 21	0.12 17	0.18 68	0.14 4

FoundationStereo	0.26 1	0.23 13	0.41 6	0.40 7	0.24 11	0.32 8	0.22 4	0.43 1	0.24 2	0.31 5	0.25 2	0.30 6	0.32 24	0.36 2	0.27 4	0.16 15	0.12 10	0.15 6	0.11 7	0.13 1	0.14 4

castereo	0.43 34	0.25 37	0.50 21	0.46 33	0.30 87	0.60 137	0.56 285	1.23 169	0.83 103	0.39 22	0.70 78	0.45 32	0.68 193	0.54 12	0.33 27	0.17 41	0.11 3	0.17 33	0.13 31	0.16 25	0.14 4

MonSter	0.29 2	0.19 1	0.48 16	0.37 1	0.22 6	0.55 111	0.31 50	0.60 8	0.44 7	0.29 4	0.29 5	0.23 2	0.20 1	0.60 27	0.26 3	0.11 1	0.11 3	0.14 1	0.11 7	0.14 2	0.14 4

dual_stereo	0.29 2	0.21 3	0.39 1	0.40 7	0.23 8	0.25 2	0.22 4	0.59 6	0.32 3	0.33 6	0.26 4	0.40 17	0.23 3	0.86 94	0.30 12	0.16 15	0.13 35	0.14 1	0.11 7	0.14 2	0.14 4

WCG-NET	0.43 34	0.23 13	0.58 41	0.42 11	0.26 30	0.46 46	0.32 58	0.77 19	1.16 250	0.77 109	0.75 89	0.58 88	0.44 72	0.62 33	0.38 71	0.16 15	0.12 10	0.16 21	0.14 50	0.15 11	0.14 4

Pointernet	0.41 22	0.21 3	0.63 65	0.45 23	0.29 72	0.51 84	0.27 28	1.54 231	0.70 63	0.48 46	0.64 61	0.49 50	0.37 41	0.51 8	0.36 53	0.18 71	0.13 35	0.14 1	0.11 7	0.14 2	0.14 4

U	9.23 505	0.22 6	0.65 78	0.48 58	53.11 521	61.26 526	0.24 14	0.77 19	0.55 23	0.37 17	0.30 6	0.29 4	0.34 31	0.34 1	0.27 4	0.20 147	0.12 10	60.47 523	4.24 508	0.18 68	0.14 4

trnet	0.40 17	0.23 13	0.40 3	0.37 1	0.20 2	0.53 94	0.29 40	0.81 27	1.15 243	0.59 74	0.72 84	0.53 71	0.43 66	0.56 15	0.37 66	0.18 71	0.13 35	0.15 6	0.10 1	0.14 2	0.14 4

AIO_rvc	0.38 9	0.25 37	0.65 78	0.47 47	0.31 105	0.55 111	0.38 113	0.98 68	0.51 18	0.35 10	0.48 23	0.49 50	0.22 2	0.87 99	0.31 14	0.16 15	0.12 10	0.16 21	0.12 17	0.15 11	0.15 13

AIO_test	0.38 9	0.24 25	0.59 47	0.47 47	0.31 105	0.55 111	0.44 185	0.86 44	0.50 16	0.34 9	0.48 23	0.46 34	0.30 14	0.76 65	0.31 14	0.17 41	0.12 10	0.17 33	0.13 31	0.16 25	0.15 13

IGEV-Stereo++	0.32 4	0.22 6	0.47 15	0.48 58	0.33 157	0.33 9	0.22 4	0.78 23	0.48 13	0.35 10	0.41 11	0.32 9	0.47 91	0.40 3	0.29 10	0.15 6	0.12 10	0.15 6	0.12 17	0.15 11	0.15 13

RAStereo	0.36 7	0.22 6	0.85 187	0.48 58	0.28 58	0.27 5	0.28 34	0.77 19	0.65 53	0.33 6	0.43 12	0.44 22	0.31 18	0.45 5	0.35 37	0.18 71	0.15 160	0.19 88	0.15 66	0.19 100	0.15 13

AIO-Stereo	0.39 14	0.26 48	0.54 31	0.50 85	0.24 11	0.45 42	0.39 126	1.13 124	0.57 29	0.42 30	0.49 27	0.52 67	0.25 4	0.74 57	0.32 22	0.16 15	0.13 35	0.18 64	0.14 50	0.16 25	0.15 13

RSM++	0.40 17	0.26 48	0.55 33	0.51 99	0.27 31	0.49 61	0.41 141	0.83 33	0.52 19	0.39 22	0.47 21	0.60 95	0.34 31	1.02 138	0.31 14	0.16 15	0.13 35	0.17 33	0.15 66	0.18 68	0.15 13

RSM	0.40 17	0.25 37	0.53 30	0.50 85	0.27 31	0.46 46	0.40 131	0.94 63	0.49 14	0.42 30	0.44 15	0.65 113	0.33 27	1.07 152	0.32 22	0.15 6	0.13 35	0.17 33	0.14 50	0.17 43	0.15 13

MaDis-Stereo	0.38 9	0.27 71	0.72 103	0.45 23	0.35 190	0.30 7	0.31 50	0.81 27	0.54 21	0.38 19	0.38 10	0.58 88	0.49 107	0.53 10	0.39 75	0.20 147	0.16 192	0.19 88	0.15 66	0.19 100	0.15 13

CASnet	0.42 30	0.26 48	0.52 28	0.52 118	0.21 3	0.49 61	0.35 85	0.85 38	0.85 110	0.84 127	0.69 74	0.48 47	0.31 18	0.57 20	0.34 30	0.19 107	0.12 10	0.27 310	0.22 253	0.23 217	0.15 13
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.43 34	0.32 172	0.80 149	0.50 85	0.27 31	0.53 94	0.31 50	1.05 93	0.67 57	0.69 95	0.71 81	0.58 88	0.42 58	0.51 8	0.35 37	0.18 71	0.15 160	0.18 64	0.13 31	0.17 43	0.15 13

LoS	0.41 22	0.23 13	0.46 12	0.39 5	0.23 8	0.48 55	0.40 131	1.12 120	0.94 143	0.50 55	0.66 65	0.49 50	0.42 58	0.63 41	0.39 75	0.19 107	0.14 97	0.16 21	0.11 7	0.14 2	0.15 13
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Selective-IGEV	0.42 30	0.26 48	0.56 37	0.48 58	0.27 31	0.45 42	0.33 65	1.56 237	0.61 43	0.36 13	0.47 21	0.52 67	0.30 14	1.08 155	0.33 27	0.15 6	0.13 35	0.17 33	0.13 31	0.16 25	0.15 13

IIG-Stereo	0.97 333	0.34 220	0.80 149	0.90 436	0.33 157	0.61 144	0.26 23	1.27 179	1.08 201	1.69 413	1.37 307	1.44 353	0.74 205	6.94 471	0.53 188	0.21 174	0.14 97	0.23 214	0.18 136	0.20 136	0.15 13

AnonymousM	0.63 165	1.14 456	0.43 8	0.46 33	0.32 137	0.43 36	0.46 203	1.27 179	0.78 83	1.00 164	0.66 65	0.68 121	0.45 76	0.61 29	0.46 136	0.21 174	0.16 192	1.84 482	0.98 479	0.15 11	0.15 13

XX-TBD	0.47 60	0.71 419	0.39 1	0.81 408	0.25 18	0.57 120	0.26 23	0.73 13	1.30 328	0.78 111	1.01 156	0.45 32	0.33 27	0.49 7	0.39 75	0.20 147	0.15 160	0.15 6	0.11 7	0.17 43	0.15 13

AFF-stereo	0.60 147	0.28 81	0.72 103	0.48 58	0.29 72	0.34 10	0.37 104	1.22 164	1.20 266	1.21 256	1.59 376	1.10 280	0.70 200	1.01 135	0.44 117	0.14 2	0.12 10	0.19 88	0.20 186	0.18 68	0.15 13

CREStereo	0.40 17	0.24 25	0.40 3	0.37 1	0.22 6	0.52 90	0.29 40	0.81 27	1.15 243	0.59 74	0.72 84	0.51 60	0.42 58	0.57 20	0.37 66	0.19 107	0.13 35	0.15 6	0.10 1	0.14 2	0.15 13
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.47 60	0.22 6	0.43 8	0.39 5	0.24 11	0.71 198	0.26 23	0.78 23	1.03 182	0.65 89	0.69 74	0.55 77	0.48 96	0.90 108	0.36 53	0.99 467	0.13 35	0.15 6	0.10 1	0.15 11	0.15 13

GREAT-IGEV	0.34 5	0.22 6	0.54 31	0.40 7	0.31 105	0.36 13	0.28 34	0.59 6	0.66 55	0.28 2	0.51 33	0.29 4	0.29 11	0.86 94	0.28 6	0.15 6	0.12 10	0.15 6	0.11 7	0.17 43	0.16 31

castereo++	0.41 22	0.26 48	0.51 24	0.44 18	0.32 137	0.96 309	0.22 4	1.13 124	0.61 43	0.33 6	0.45 16	0.50 57	0.39 49	0.94 115	0.25 2	0.18 71	0.12 10	0.17 33	0.12 17	0.14 2	0.16 31

GIP-stereo	0.37 8	0.25 37	0.49 18	0.55 167	0.41 252	0.37 14	0.22 4	1.03 86	0.56 27	0.35 10	0.52 35	0.46 34	0.37 41	0.55 13	0.28 6	0.20 147	0.13 35	0.16 21	0.12 17	0.16 25	0.16 31

DEFOM-Stereo	0.34 5	0.23 13	0.46 12	0.44 18	0.29 72	0.79 234	0.23 11	0.50 3	0.39 5	0.38 19	0.32 7	0.23 2	0.25 4	1.21 185	0.28 6	0.17 41	0.12 10	0.15 6	0.11 7	0.14 2	0.16 31

testlalala	0.49 70	0.30 124	0.70 98	0.44 18	0.40 238	0.68 183	0.38 113	1.38 200	0.58 31	1.28 297	0.82 108	0.61 101	0.36 38	0.57 20	0.34 30	0.21 174	0.14 97	0.18 64	0.12 17	0.15 11	0.16 31

4D-IteraStereo	0.50 80	0.26 48	0.84 181	0.51 99	0.49 301	0.64 164	0.31 50	0.91 52	1.02 179	1.05 180	0.72 84	0.76 143	0.32 24	0.69 50	0.40 91	0.18 71	0.11 3	0.23 214	0.20 186	0.19 100	0.16 31

MC-Stereo	0.46 51	0.24 25	0.58 41	0.63 279	0.30 87	0.38 15	0.32 58	0.98 68	0.74 74	0.66 92	0.85 113	0.56 84	0.60 165	1.07 152	0.32 22	0.17 41	0.12 10	0.17 33	0.15 66	0.16 25	0.16 31

RCA-Stereo	0.52 86	0.26 48	0.66 83	0.49 70	0.33 157	0.54 107	0.44 185	1.20 157	1.41 375	0.69 95	1.06 179	0.63 109	0.79 229	0.62 33	0.35 37	0.17 41	0.12 10	0.17 33	0.14 50	0.16 25	0.16 31

test-3	0.56 104	0.24 25	0.82 163	0.50 85	0.29 72	0.57 120	0.34 74	1.09 110	1.03 182	1.33 318	0.69 74	0.87 185	0.45 76	1.68 278	0.39 75	0.17 41	0.12 10	0.20 120	0.17 120	0.17 43	0.16 31

test_1	0.56 104	0.24 25	0.82 163	0.50 85	0.29 72	0.57 120	0.34 74	1.09 110	1.03 182	1.28 297	0.69 74	0.87 185	0.45 76	1.67 276	0.39 75	0.17 41	0.12 10	0.20 120	0.17 120	0.17 43	0.16 31

AAGNet	1.84 439	0.30 124	0.79 144	0.66 313	0.32 137	0.65 168	0.50 237	1.02 79	1.01 175	1.47 372	1.21 244	0.99 241	1.16 368	2.76 382	22.69 513	0.24 249	0.13 35	0.22 180	0.20 186	0.24 246	0.16 31

OMP-Stereo	0.95 328	0.35 249	0.79 144	0.92 438	0.32 137	0.49 61	0.35 85	1.22 164	1.11 219	1.58 397	1.12 205	1.44 353	0.69 197	6.92 470	0.51 171	0.20 147	0.15 160	0.24 238	0.19 157	0.21 178	0.16 31

XX-Stereo	0.97 333	0.28 81	8.28 480	0.85 422	0.70 400	0.44 40	0.22 4	1.07 98	0.69 62	0.66 92	1.56 367	1.38 345	0.38 48	1.36 214	0.38 71	0.21 174	0.14 97	0.20 120	0.19 157	0.19 100	0.16 31

RAFT-Stereo + iAFF	0.56 104	0.28 81	0.81 154	0.45 23	0.25 18	0.40 17	0.34 74	1.12 120	1.13 232	1.35 331	1.58 372	0.80 154	0.67 189	0.71 54	0.43 113	0.14 2	0.11 3	0.18 64	0.17 120	0.18 68	0.16 31

CFNet-RSSM	0.57 116	0.25 37	0.76 131	0.49 70	0.28 58	0.59 132	0.27 28	1.89 322	1.17 255	1.09 189	0.95 132	1.06 262	0.53 121	0.74 57	0.41 100	0.17 41	0.13 35	0.17 33	0.15 66	0.16 25	0.16 31

MM-Stereo_test2	0.44 39	0.25 37	0.70 98	0.54 154	0.33 157	0.55 111	0.45 197	1.02 79	0.84 106	0.61 85	0.51 33	0.49 50	0.42 58	0.82 79	0.32 22	0.16 15	0.13 35	0.18 64	0.14 50	0.19 100	0.17 46

HUF	0.39 14	0.27 71	0.71 101	0.43 15	0.24 11	0.51 84	0.47 213	0.99 76	0.55 23	0.37 17	0.45 16	0.53 71	0.41 52	0.70 52	0.29 10	0.18 71	0.14 97	0.16 21	0.12 17	0.15 11	0.17 46

tg	0.54 90	0.25 37	0.70 98	0.52 118	0.31 105	0.89 278	0.29 40	1.12 120	0.98 159	0.85 129	1.03 166	0.62 104	0.42 58	1.37 217	0.41 100	0.17 41	0.13 35	0.22 180	0.21 227	0.17 43	0.17 46

WCG-NET（raft）	0.46 51	0.23 13	0.59 47	0.42 11	0.24 11	0.50 76	0.35 85	0.76 18	1.10 213	0.72 101	0.76 90	0.91 207	0.50 112	0.88 102	0.40 91	0.16 15	0.13 35	0.15 6	0.14 50	0.15 11	0.17 46

UniTT-Stereo	0.38 9	0.24 25	0.67 86	0.49 70	0.36 198	0.40 17	0.32 58	0.55 5	0.55 23	0.55 72	0.55 47	0.36 12	0.31 18	0.59 25	0.52 179	0.21 174	0.15 160	0.17 33	0.15 66	0.19 100	0.17 46

AEACV	0.41 22	0.25 37	0.60 54	0.55 167	0.52 321	0.43 36	0.38 113	0.98 68	0.63 47	0.44 33	0.56 50	0.46 34	0.59 159	0.56 15	0.31 14	0.17 41	0.13 35	0.18 64	0.16 99	0.17 43	0.17 46

RAFT_CTSACE	0.66 174	0.29 101	1.14 293	0.57 209	0.51 316	0.68 183	0.44 185	0.88 48	0.98 159	1.03 176	1.83 410	1.23 308	0.67 189	1.48 246	0.38 71	0.16 15	0.16 192	0.21 151	0.20 186	0.20 136	0.17 46

test_3	0.57 116	0.24 25	0.87 196	0.55 167	0.30 87	0.60 137	0.40 131	1.07 98	1.08 201	1.20 250	0.68 69	0.92 215	0.43 66	1.68 278	0.40 91	0.16 15	0.13 35	0.22 180	0.19 157	0.21 178	0.17 46

RAFT-345	0.86 297	0.26 48	0.73 116	0.53 141	0.28 58	0.53 94	0.41 141	0.85 38	1.31 335	1.33 318	2.32 443	0.85 182	0.53 121	5.69 443	0.48 153	0.19 107	0.14 97	0.22 180	0.17 120	0.17 43	0.17 46

CroCo-Stereo	0.42 30	0.33 191	0.83 172	0.59 240	0.28 58	0.26 3	0.33 65	1.22 164	0.85 110	0.43 32	0.49 27	0.65 113	0.46 84	0.40 3	0.36 53	0.19 107	0.15 160	0.16 21	0.14 50	0.20 136	0.17 46
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
cross-raft	0.56 104	0.26 48	0.65 78	0.55 167	0.31 105	0.66 174	0.37 104	1.68 262	0.82 100	1.06 185	1.07 182	1.25 313	0.45 76	0.74 57	0.39 75	0.15 6	0.13 35	0.19 88	0.16 99	0.19 100	0.17 46

raft+_RVC	0.56 104	0.29 101	0.61 60	0.65 299	0.56 343	0.53 94	0.53 256	1.40 205	1.02 179	0.78 111	1.04 171	0.70 129	0.55 131	1.00 132	0.49 164	0.18 71	0.16 192	0.19 88	0.19 157	0.18 68	0.17 46

Gwc-CoAtRS	0.55 93	0.27 71	0.73 116	0.49 70	0.30 87	0.63 155	0.25 15	1.38 200	1.12 226	1.05 180	1.02 159	1.10 280	0.55 131	0.72 55	0.44 117	0.17 41	0.14 97	0.17 33	0.15 66	0.16 25	0.17 46

MM-Stereo_test1	0.51 82	0.26 48	0.59 47	0.53 141	0.31 105	0.50 76	0.53 256	1.06 95	1.09 209	0.88 136	0.70 78	0.54 75	0.59 159	1.18 179	0.35 37	0.19 107	0.17 219	0.20 120	0.17 120	0.20 136	0.18 59

HART	0.48 66	0.24 25	0.63 65	0.52 118	0.27 31	0.41 24	0.29 40	1.32 190	0.54 21	0.59 74	1.47 336	0.61 101	0.34 31	1.09 159	0.32 22	0.16 15	0.14 97	0.19 88	0.14 50	0.19 100	0.18 59

Reg-Stereo(zero)	0.46 51	0.23 13	0.50 21	0.45 23	0.25 18	0.41 24	0.27 28	0.80 26	1.12 226	0.93 149	0.79 98	0.91 207	0.46 84	0.74 57	0.44 117	0.15 6	0.13 35	0.15 6	0.12 17	0.15 11	0.18 59

SCV_C0	0.48 66	0.29 101	0.88 201	0.46 33	0.31 105	0.46 46	0.31 50	1.67 259	0.87 115	0.40 28	0.52 35	0.54 75	0.29 11	1.27 195	0.34 30	0.18 71	0.14 97	0.17 33	0.14 50	0.20 136	0.18 59

SCV	0.51 82	0.29 101	0.72 103	0.63 279	0.27 31	0.40 17	0.38 113	2.32 418	0.75 79	0.36 13	0.49 27	0.55 77	0.35 36	1.31 202	0.34 30	0.25 269	0.13 35	0.17 33	0.14 50	0.18 68	0.18 59

fffft	0.39 14	0.24 25	0.56 37	0.45 23	0.34 173	0.42 31	0.48 219	0.85 38	0.39 5	0.45 37	0.35 8	0.38 15	0.31 18	1.32 208	0.34 30	0.14 2	0.12 10	0.19 88	0.15 66	0.16 25	0.18 59
1: 1. 1
SMoEStereo_RVC	0.41 22	0.26 48	0.55 33	0.46 33	0.31 105	0.60 137	0.36 94	0.85 38	0.47 12	0.47 40	0.43 12	0.42 18	0.34 31	1.40 225	0.31 14	0.15 6	0.12 10	0.20 120	0.15 66	0.16 25	0.18 59

UGAM	1.17 376	0.29 101	1.08 273	0.55 167	0.43 266	0.69 192	0.71 344	1.14 128	1.35 344	1.00 164	1.49 340	1.90 410	0.86 260	9.61 496	0.89 304	0.21 174	0.19 264	0.30 346	0.25 305	0.20 136	0.18 59

Occ-G	0.44 39	0.23 13	0.59 47	0.44 18	0.27 31	0.43 36	0.61 315	0.85 38	0.62 45	0.48 46	0.66 65	1.00 247	0.45 76	0.79 76	0.45 130	0.17 41	0.14 97	0.18 64	0.13 31	0.16 25	0.18 59

RAFT-Stereo-weight	0.49 70	0.26 48	0.58 41	0.49 70	0.28 58	0.61 144	0.34 74	1.16 145	1.11 219	1.06 185	0.79 98	0.75 141	0.28 8	0.79 76	0.42 108	0.16 15	0.13 35	0.17 33	0.15 66	0.16 25	0.18 59

gcap-zeroshot	0.59 140	0.30 124	1.11 283	0.51 99	0.30 87	0.79 234	0.36 94	1.86 314	0.86 112	0.90 141	0.68 69	1.44 353	0.50 112	0.82 79	0.35 37	0.19 107	0.16 192	0.18 64	0.15 66	0.18 68	0.18 59

MGS-Stereo	0.43 34	0.28 81	0.61 60	0.46 33	0.28 58	0.49 61	0.33 65	0.60 8	0.89 119	0.47 40	1.32 288	0.51 60	0.32 24	0.66 45	0.39 75	0.20 147	0.16 192	0.18 64	0.16 99	0.18 68	0.18 59

MoCha-V2	0.43 34	0.23 13	0.55 33	0.56 187	0.23 8	0.44 40	0.32 58	1.35 194	0.63 47	0.54 69	0.55 47	0.42 18	0.57 139	1.12 167	0.28 6	0.15 6	0.13 35	0.15 6	0.13 31	0.17 43	0.18 59

IGEV++	0.45 42	0.24 25	0.63 65	0.58 221	0.32 137	0.42 31	0.25 15	2.16 389	0.65 53	0.38 19	0.58 54	0.46 34	0.44 72	0.56 15	0.40 91	0.20 147	0.13 35	0.16 21	0.13 31	0.17 43	0.18 59

AE-Stereo	0.58 128	0.29 101	0.81 154	0.62 269	0.41 252	0.69 192	0.46 203	2.49 445	1.25 296	0.49 50	0.77 94	0.69 126	0.46 84	0.61 29	0.42 108	0.17 41	0.16 192	0.21 151	0.20 186	0.19 100	0.18 59

rrr	0.57 116	0.33 191	2.43 426	0.46 33	0.34 173	0.50 76	0.38 113	0.84 37	0.55 23	0.48 46	0.48 23	0.48 47	0.45 76	2.28 352	0.44 117	0.19 107	0.14 97	0.19 88	0.15 66	0.17 43	0.18 59

plain	0.49 70	0.29 101	1.23 326	0.51 99	0.40 238	0.35 11	0.37 104	1.04 90	0.62 45	0.44 33	0.76 90	0.42 18	0.41 52	1.17 178	0.46 136	0.23 229	0.15 160	0.24 238	0.19 157	0.25 258	0.18 59

MIM_Stereo	0.60 147	0.26 48	1.02 253	0.49 70	0.32 137	0.52 90	0.28 34	1.41 209	0.82 100	1.02 173	1.16 229	0.93 217	0.53 121	1.48 246	0.63 233	0.17 41	0.17 219	0.20 120	0.19 157	0.17 43	0.18 59

RAFT-Test	0.58 128	0.27 71	0.81 154	0.50 85	0.33 157	0.95 304	0.27 28	1.40 205	0.89 119	1.00 164	1.12 205	1.39 346	0.48 96	0.74 57	0.41 100	0.17 41	0.14 97	0.17 33	0.14 50	0.16 25	0.18 59

EGLCR-Stereo	0.41 22	0.24 25	0.59 47	0.45 23	0.27 31	0.54 107	0.22 4	1.23 169	0.56 27	0.44 33	0.43 12	0.68 121	0.29 11	0.89 105	0.34 30	0.17 41	0.12 10	0.20 120	0.17 120	0.17 43	0.18 59

ProNet	0.46 51	0.30 124	0.69 95	0.46 33	0.32 137	0.57 120	0.52 250	1.15 140	0.67 57	0.44 33	0.50 30	0.44 22	0.43 66	1.31 202	0.38 71	0.16 15	0.15 160	0.19 88	0.16 99	0.18 68	0.18 59

test_4	0.55 93	0.23 13	0.67 86	0.56 187	0.32 137	0.71 198	0.39 126	0.83 33	0.72 66	0.93 149	1.87 417	0.70 129	0.41 52	1.21 185	0.39 75	0.16 15	0.13 35	0.21 151	0.23 284	0.20 136	0.18 59

GMOStereo	0.55 93	0.28 81	0.72 103	0.52 118	0.30 87	0.53 94	0.43 166	1.02 79	0.98 159	1.44 363	1.14 221	0.88 191	0.57 139	0.62 33	0.39 75	0.16 15	0.14 97	0.24 238	0.22 253	0.20 136	0.18 59

error version	0.55 93	0.28 81	0.72 103	0.52 118	0.30 87	0.53 94	0.43 166	1.02 79	0.98 159	1.44 363	1.14 221	0.88 191	0.57 139	0.62 33	0.39 75	0.16 15	0.14 97	0.24 238	0.22 253	0.20 136	0.18 59

test-v	0.55 93	0.28 81	0.72 103	0.52 118	0.30 87	0.53 94	0.43 166	1.02 79	0.98 159	1.44 363	1.14 221	0.88 191	0.57 139	0.62 33	0.39 75	0.16 15	0.14 97	0.24 238	0.22 253	0.20 136	0.18 59

NRIStereo	0.62 156	0.31 155	0.78 140	0.56 187	0.28 58	0.63 155	0.33 65	1.16 145	0.92 130	1.15 219	0.87 117	0.90 203	0.58 156	2.24 348	0.56 206	0.22 207	0.14 97	0.21 151	0.19 157	0.22 198	0.18 59

test-2	0.55 93	0.28 81	0.72 103	0.52 118	0.30 87	0.53 94	0.43 166	1.02 79	0.98 159	1.44 363	1.14 221	0.88 191	0.57 139	0.62 33	0.39 75	0.16 15	0.14 97	0.24 238	0.22 253	0.20 136	0.18 59

iRaftStereo_RVC	0.49 70	0.28 81	0.72 103	0.53 141	0.29 72	0.52 90	0.33 65	1.14 128	0.84 106	0.85 129	0.99 149	0.55 77	0.36 38	0.83 85	0.40 91	0.18 71	0.13 35	0.22 180	0.20 186	0.20 136	0.18 59

TestStereo	0.65 172	0.42 324	0.83 172	0.52 118	0.27 31	0.57 120	0.44 185	1.07 98	0.92 130	0.85 129	1.01 156	0.68 121	0.56 136	3.22 395	0.47 146	0.23 229	0.15 160	0.24 238	0.18 136	0.28 290	0.18 59

raftrobust	0.55 93	0.27 71	0.63 65	0.68 339	0.69 394	0.50 76	0.34 74	1.08 103	0.97 156	1.32 313	0.88 120	0.62 104	0.80 235	0.82 79	0.44 117	0.20 147	0.16 192	0.16 21	0.14 50	0.15 11	0.18 59

test_xeample3	0.57 116	0.33 191	3.11 445	0.46 33	0.34 173	0.55 111	0.38 113	0.86 44	0.49 14	0.54 69	0.46 20	0.44 22	0.44 72	1.49 252	0.45 130	0.18 71	0.14 97	0.19 88	0.15 66	0.17 43	0.18 59

ARAFT	0.82 273	0.40 311	1.77 386	0.53 141	0.31 105	0.89 278	0.81 372	2.32 418	1.08 201	1.66 410	1.25 260	1.04 258	0.64 179	1.91 311	0.52 179	0.20 147	0.15 160	0.28 324	0.27 338	0.17 43	0.18 59

HITNet	0.71 214	0.42 324	1.07 270	0.52 118	0.25 18	1.05 323	0.48 219	2.12 373	1.08 201	1.21 256	1.23 254	0.91 207	0.84 247	0.90 108	0.91 312	0.17 41	0.12 10	0.21 151	0.17 120	0.29 306	0.18 59
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
rvit_stereo_0083	0.49 70	0.34 220	0.85 187	0.57 209	0.36 198	0.49 61	0.43 166	0.73 13	1.05 194	0.50 55	0.57 53	0.55 77	0.50 112	0.92 112	0.50 167	0.25 269	0.25 356	0.24 238	0.20 186	0.25 258	0.19 92

rvit_stereo_0081_aga	0.46 51	0.37 278	0.91 217	0.52 118	0.41 252	0.49 61	0.40 131	0.88 48	0.66 55	0.59 74	0.56 50	0.53 71	0.43 66	0.67 46	0.44 117	0.27 313	0.21 292	0.22 180	0.20 186	0.26 268	0.19 92

rvit_stereo_0081	0.46 51	0.34 220	0.72 103	0.56 187	0.35 190	0.41 24	0.44 185	0.74 15	1.04 188	0.49 50	0.52 35	0.51 60	0.49 107	0.86 94	0.47 146	0.25 269	0.20 277	0.22 180	0.19 157	0.26 268	0.19 92

rvit_stereo_0082	0.46 51	0.34 220	0.72 103	0.56 187	0.35 190	0.41 24	0.44 185	0.74 15	1.04 188	0.49 50	0.52 35	0.51 60	0.49 107	0.86 94	0.47 146	0.25 269	0.20 277	0.22 180	0.19 157	0.26 268	0.19 92

rvit_stereo_ft	0.49 70	0.38 296	1.03 257	0.68 339	0.42 261	0.40 17	0.58 298	0.93 53	0.86 112	0.47 40	0.55 47	0.57 86	0.48 96	0.67 46	0.53 188	0.26 292	0.17 219	0.22 180	0.22 253	0.24 246	0.19 92

testlalala2	0.60 147	0.30 124	0.68 89	1.79 477	1.30 471	0.65 168	0.41 141	1.06 95	0.75 79	0.91 143	0.96 134	0.75 141	0.34 31	0.56 15	0.45 130	0.18 71	0.16 192	0.17 33	0.13 31	0.17 43	0.19 92

MSKI-zero shot	0.56 104	0.30 124	0.61 60	0.55 167	0.28 58	0.68 183	0.28 34	1.25 174	0.68 60	0.92 146	1.33 293	0.81 160	0.33 27	1.94 314	0.36 53	0.18 71	0.13 35	0.17 33	0.13 31	0.16 25	0.19 92

Any-RAFT	0.55 93	0.27 71	0.49 18	0.50 85	0.27 31	0.98 313	0.25 15	1.71 276	1.08 201	0.90 141	0.99 149	1.13 289	0.46 84	0.74 57	0.35 37	0.19 107	0.13 35	0.17 33	0.13 31	0.16 25	0.19 92

HH	0.68 198	0.33 191	0.83 172	0.53 141	0.34 173	0.92 291	0.45 197	1.79 292	0.74 74	0.71 97	1.13 216	1.60 380	0.83 244	1.95 317	0.39 75	0.18 71	0.14 97	0.19 88	0.17 120	0.19 100	0.19 92

HanStereo	0.68 198	0.33 191	0.83 172	0.53 141	0.34 173	0.92 291	0.45 197	1.79 292	0.74 74	0.71 97	1.13 216	1.60 380	0.83 244	1.95 317	0.39 75	0.18 71	0.14 97	0.19 88	0.17 120	0.19 100	0.19 92

LL-Strereo2	0.56 104	0.36 257	0.77 134	0.56 187	0.40 238	0.68 183	0.37 104	1.21 162	0.83 103	0.96 157	0.79 98	0.91 207	0.41 52	1.08 155	0.48 153	0.18 71	0.17 219	0.29 335	0.25 305	0.22 198	0.19 92

Selective-RAFT	0.55 93	0.29 101	0.85 187	0.58 221	0.28 58	0.91 284	0.34 74	1.00 78	0.96 152	0.59 74	0.64 61	0.80 154	0.76 211	1.34 212	0.51 171	0.21 174	0.15 160	0.17 33	0.15 66	0.19 100	0.19 92

raft_robust	0.71 214	0.32 172	0.75 126	0.54 154	0.28 58	0.54 107	0.35 85	1.54 231	1.24 288	1.18 238	1.07 182	0.73 138	0.53 121	3.65 404	0.40 91	0.19 107	0.16 192	0.20 120	0.22 253	0.21 178	0.19 92

RAFT+CT+SA	0.63 165	0.30 124	0.73 116	0.69 352	0.37 207	0.40 17	0.55 278	1.93 333	1.04 188	0.72 101	1.23 254	0.62 104	0.69 197	1.69 282	0.42 108	0.19 107	0.13 35	0.22 180	0.22 253	0.21 178	0.19 92

Sa-1000	0.76 239	0.30 124	0.92 220	0.62 269	0.31 105	0.78 227	0.37 104	2.00 350	1.38 360	1.30 304	2.04 429	0.86 183	0.74 205	1.87 304	0.40 91	0.19 107	0.14 97	0.25 276	0.24 297	0.21 178	0.19 92

SA	0.69 207	0.31 155	0.97 240	0.64 292	0.30 87	0.56 118	0.38 113	1.84 305	1.35 344	0.99 160	1.37 307	0.69 126	0.94 297	1.88 310	0.43 113	0.20 147	0.16 192	0.25 276	0.23 284	0.22 198	0.19 92

SST-Stereo	0.85 293	0.30 124	0.81 154	0.63 279	0.31 105	0.70 196	0.25 15	1.16 145	0.95 148	1.47 372	1.11 201	0.99 241	0.86 260	5.69 443	0.53 188	0.23 229	0.13 35	0.23 214	0.19 157	0.23 217	0.19 92

RAFT_R40	0.84 288	0.30 124	0.83 172	0.63 279	0.31 105	0.66 174	0.43 166	1.15 140	0.99 168	1.47 372	1.10 194	1.00 247	0.84 247	5.44 440	0.53 188	0.23 229	0.13 35	0.23 214	0.20 186	0.23 217	0.19 92

RAFT-RH_RVC	1.04 350	0.26 48	0.76 131	0.53 141	0.29 72	0.80 240	0.32 58	0.85 38	1.12 226	2.04 442	4.63 480	1.03 257	0.57 139	5.93 449	0.52 179	0.20 147	0.13 35	0.26 297	0.20 186	0.16 25	0.19 92

RALAANet	0.62 156	0.37 278	0.97 240	0.66 313	0.50 306	0.67 179	0.31 50	1.27 179	1.09 209	1.11 192	1.17 232	0.88 191	0.46 84	1.27 195	0.45 130	0.20 147	0.15 160	0.21 151	0.18 136	0.27 274	0.19 92

ACVNet	0.66 174	0.33 191	0.74 121	0.55 167	0.37 207	0.80 240	0.47 213	1.46 216	1.11 219	1.01 169	1.31 283	1.07 265	0.91 284	0.82 79	1.09 346	0.22 207	0.19 264	0.21 151	0.18 136	0.23 217	0.19 92

acv_ft	0.78 248	0.33 191	1.10 281	0.73 376	0.86 433	1.23 361	0.57 291	1.65 258	1.11 219	1.31 310	1.31 283	1.07 265	0.91 284	0.82 79	1.35 380	0.22 207	0.19 264	0.21 151	0.18 136	0.22 198	0.19 92

R-Stereo Train	0.60 147	0.30 124	0.72 103	0.57 209	0.37 207	0.68 183	0.52 250	1.45 214	0.78 83	1.61 402	1.50 347	0.76 143	0.53 121	0.67 46	0.51 171	0.19 107	0.16 192	0.18 64	0.15 66	0.18 68	0.19 92

RAFT-Stereo	0.60 147	0.30 124	0.72 103	0.57 209	0.37 207	0.68 183	0.52 250	1.45 214	0.78 83	1.61 402	1.50 347	0.76 143	0.53 121	0.67 46	0.51 171	0.19 107	0.16 192	0.18 64	0.15 66	0.18 68	0.19 92
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	1.16 374	0.34 220	1.11 283	0.73 376	0.86 433	1.00 315	0.60 311	1.56 237	1.43 384	1.07 187	1.37 307	2.08 436	1.44 411	7.00 472	1.56 401	0.20 147	0.17 219	0.17 33	0.19 157	0.19 100	0.19 92

HI	0.67 185	0.34 220	0.80 149	0.51 99	0.51 316	0.41 24	0.37 104	1.15 140	0.80 95	1.34 325	1.42 324	1.60 380	1.11 360	0.96 123	0.90 308	0.16 15	0.12 10	0.20 120	0.21 227	0.20 136	0.20 117

CoSv	0.67 185	0.34 220	0.80 149	0.51 99	0.51 316	0.41 24	0.37 104	1.15 140	0.80 95	1.34 325	1.42 324	1.60 380	1.11 360	0.96 123	0.90 308	0.16 15	0.12 10	0.20 120	0.21 227	0.20 136	0.20 117

ours_stereo	0.40 17	0.30 124	0.57 39	0.47 47	0.31 105	0.40 17	0.44 185	0.79 25	0.58 31	0.36 13	0.58 54	0.46 34	0.33 27	1.14 171	0.33 27	0.17 41	0.13 35	0.19 88	0.15 66	0.19 100	0.20 117

fffy	0.44 39	0.29 101	0.67 86	0.47 47	0.30 87	0.46 46	0.34 74	0.98 68	0.57 29	0.40 28	0.59 56	0.55 77	0.41 52	1.26 192	0.37 66	0.16 15	0.14 97	0.19 88	0.16 99	0.19 100	0.20 117

rvit_stereo_0080	0.47 60	0.35 249	0.87 196	0.48 58	0.36 198	0.42 31	0.54 269	0.93 53	0.78 83	0.52 65	0.60 57	0.55 77	0.47 91	0.62 33	0.48 153	0.27 313	0.21 292	0.20 120	0.20 186	0.31 328	0.20 117

H2IRNET	0.57 116	0.28 81	0.75 126	0.49 70	0.35 190	0.40 17	0.27 28	1.03 86	1.18 261	0.62 87	1.26 262	1.07 265	0.85 252	1.02 138	0.64 237	0.20 147	0.16 192	0.23 214	0.25 305	0.22 198	0.20 117

Former-RAFT_DAM_RVC	0.47 60	0.38 296	0.75 126	0.48 58	0.37 207	0.67 179	0.35 85	0.82 32	1.14 238	0.61 85	0.64 61	0.39 16	0.39 49	0.74 57	0.39 75	0.20 147	0.17 219	0.22 180	0.18 136	0.24 246	0.20 117

whm_eth	0.47 60	0.35 249	0.87 196	0.48 58	0.36 198	0.42 31	0.54 269	0.93 53	0.78 83	0.52 65	0.60 57	0.55 77	0.47 91	0.62 33	0.48 153	0.27 313	0.21 292	0.20 120	0.20 186	0.31 328	0.20 117

MIF-Stereo (partial)	0.48 66	0.28 81	0.83 172	0.51 99	0.53 326	0.39 16	0.27 28	1.03 86	0.64 50	0.47 40	0.71 81	0.51 60	0.51 115	1.13 169	0.47 146	0.20 147	0.16 192	0.23 214	0.20 186	0.24 246	0.20 117

TestStereo1	0.66 174	0.29 101	0.95 232	0.82 411	0.32 137	0.47 50	0.43 166	1.52 225	1.22 280	0.99 160	1.32 288	0.65 113	0.76 211	1.78 291	0.44 117	0.20 147	0.16 192	0.22 180	0.19 157	0.21 178	0.20 117

test_5	0.70 208	0.32 172	0.99 244	0.69 352	0.50 306	0.89 278	0.51 239	1.88 320	1.14 238	0.78 111	1.13 216	1.04 258	0.89 278	1.59 263	0.46 136	0.19 107	0.14 97	0.23 214	0.22 253	0.22 198	0.20 117

SA-5K	0.66 174	0.29 101	0.95 232	0.82 411	0.32 137	0.47 50	0.43 166	1.52 225	1.22 280	0.99 160	1.32 288	0.65 113	0.76 211	1.78 291	0.44 117	0.20 147	0.16 192	0.22 180	0.19 157	0.21 178	0.20 117

IPLGR	0.62 156	0.28 81	1.32 344	0.50 85	0.29 72	0.65 168	0.34 74	1.47 219	1.19 262	1.21 256	1.07 182	0.70 129	0.65 183	1.05 145	0.55 200	0.18 71	0.15 160	0.20 120	0.17 120	0.21 178	0.20 117

TRStereo	0.67 185	0.71 419	1.06 265	0.77 399	0.68 391	0.53 94	0.38 113	2.52 449	0.96 152	0.81 119	0.84 111	0.87 185	0.39 49	1.16 174	0.46 136	0.24 249	0.17 219	0.23 214	0.24 297	0.18 68	0.20 117

Patchmatch Stereo++	0.57 116	0.33 191	0.82 163	0.52 118	0.27 31	0.63 155	0.28 34	1.14 128	0.73 67	1.13 203	0.96 134	0.82 166	0.60 165	1.40 225	0.52 179	0.23 229	0.14 97	0.24 238	0.20 186	0.27 274	0.20 117
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	0.56 104	0.33 191	0.81 154	0.52 118	0.27 31	0.63 155	0.41 141	1.14 128	0.73 67	1.13 203	0.96 134	0.82 166	0.60 165	1.09 159	0.52 179	0.23 229	0.14 97	0.24 238	0.20 186	0.27 274	0.20 117

ROB_FTStereo_v2	0.57 116	0.33 191	0.81 154	0.52 118	0.27 31	0.62 147	0.42 149	1.14 128	0.73 67	1.13 203	0.97 143	0.82 166	0.60 165	1.15 172	0.53 188	0.23 229	0.14 97	0.24 238	0.20 186	0.27 274	0.20 117

ROB_FTStereo	0.56 104	0.33 191	0.82 163	0.52 118	0.27 31	0.62 147	0.25 15	1.14 128	0.74 74	1.13 203	0.96 134	0.82 166	0.60 165	1.18 179	0.52 179	0.23 229	0.14 97	0.24 238	0.20 186	0.27 274	0.20 117

HUI-Stereo	0.54 90	0.33 191	0.81 154	0.52 118	0.27 31	0.62 147	0.29 40	1.14 128	0.74 74	1.13 203	0.96 134	0.82 166	0.60 165	0.83 85	0.52 179	0.23 229	0.14 97	0.24 238	0.20 186	0.27 274	0.20 117

PFNet	0.92 322	0.28 81	1.20 319	0.68 339	0.32 137	0.62 147	0.55 278	1.27 179	1.01 175	1.47 372	1.09 192	0.97 235	0.68 193	6.58 464	0.59 221	0.21 174	0.13 35	0.24 238	0.19 157	0.20 136	0.20 117

iGMRVC	0.58 128	0.33 191	0.81 154	0.52 118	0.27 31	0.62 147	0.38 113	1.14 128	0.73 67	1.13 203	0.97 143	0.82 166	0.59 159	1.54 255	0.53 188	0.23 229	0.14 97	0.24 238	0.20 186	0.27 274	0.20 117

iRAFT	0.57 116	0.33 191	0.82 163	0.52 118	0.27 31	0.63 155	0.28 34	1.14 128	0.73 67	1.13 203	0.96 134	0.82 166	0.60 165	1.40 225	0.52 179	0.23 229	0.14 97	0.24 238	0.20 186	0.27 274	0.20 117

RAFT-IKP	0.57 116	0.33 191	0.82 163	0.52 118	0.27 31	0.57 120	0.35 85	1.14 128	0.73 67	1.13 203	0.96 134	0.83 175	0.61 174	1.26 192	0.53 188	0.23 229	0.14 97	0.24 238	0.20 186	0.27 274	0.20 117

UPFNet	0.84 288	0.34 220	1.09 276	0.62 269	0.74 405	1.25 363	0.78 357	1.69 271	1.20 266	1.39 344	1.13 216	1.30 328	0.87 269	1.73 285	1.22 363	0.24 249	0.26 362	0.24 238	0.23 284	0.26 268	0.20 117

pmcnn	2.84 475	0.46 339	5.19 469	0.68 339	0.42 261	1.55 399	1.16 429	2.32 418	1.60 419	2.72 464	7.49 494	17.96 509	1.48 416	6.04 451	6.64 477	0.18 71	0.15 160	0.15 6	0.12 17	0.20 136	0.20 117

MM-Stereo_test3	0.53 87	0.26 48	0.60 54	0.56 187	0.73 401	0.49 61	0.53 256	1.31 188	1.08 201	0.64 88	0.97 143	0.61 101	0.42 58	0.82 79	0.40 91	0.21 174	0.18 247	0.20 120	0.16 99	0.19 100	0.21 142

AIO-test2	0.61 153	0.30 124	0.93 222	0.65 299	0.65 378	0.79 234	0.50 237	1.33 192	1.40 371	0.65 89	1.15 227	0.53 71	0.42 58	1.18 179	0.36 53	0.25 269	0.18 247	0.26 297	0.31 382	0.20 136	0.21 142

IGEV-RUCA	0.38 9	0.24 25	0.51 24	0.51 99	0.36 198	0.59 132	0.23 11	0.68 12	0.52 19	0.39 22	0.50 30	0.44 22	0.31 18	0.86 94	0.31 14	0.24 249	0.13 35	0.16 21	0.12 17	0.20 136	0.21 142

tt45	0.47 60	0.25 37	0.52 28	0.47 47	0.34 173	0.78 227	0.32 58	0.86 44	0.45 9	0.52 65	0.45 16	0.49 50	0.37 41	2.12 338	0.36 53	0.16 15	0.13 35	0.19 88	0.16 99	0.17 43	0.21 142

mms	0.42 30	0.29 101	0.60 54	0.47 47	0.33 157	0.43 36	0.46 203	0.75 17	0.50 16	0.36 13	0.61 59	0.44 22	0.30 14	1.39 223	0.34 30	0.16 15	0.14 97	0.18 64	0.15 66	0.19 100	0.21 142

UGAM-zero	1.05 353	0.33 191	1.04 258	0.49 70	0.31 105	0.67 179	0.26 23	2.37 427	0.80 95	1.05 180	1.11 201	2.86 462	1.81 441	6.26 456	0.50 167	0.18 71	0.15 160	0.19 88	0.16 99	0.17 43	0.21 142

CoDeX	0.78 248	0.31 155	1.04 258	0.56 187	0.37 207	1.13 337	0.60 311	2.77 464	1.29 326	1.17 227	1.26 262	0.91 207	0.87 269	1.42 233	0.74 263	0.21 174	0.16 192	0.21 151	0.18 136	0.21 178	0.21 142

ff7	0.45 42	0.30 124	0.64 73	0.47 47	0.33 157	0.49 61	0.42 149	0.93 53	0.59 33	0.50 55	0.53 39	0.44 22	0.48 96	1.41 228	0.36 53	0.18 71	0.13 35	0.21 151	0.15 66	0.18 68	0.21 142

IGEVStereo-DCA	0.49 70	0.33 191	0.64 73	0.46 33	0.34 173	0.50 76	0.42 149	0.93 53	0.59 33	0.48 46	0.48 23	0.48 47	0.45 76	2.28 352	0.44 117	0.19 107	0.14 97	0.19 88	0.15 66	0.17 43	0.21 142

ffff	0.45 42	0.30 124	0.64 73	0.47 47	0.33 157	0.49 61	0.42 149	0.93 53	0.59 33	0.50 55	0.53 39	0.44 22	0.48 96	1.41 228	0.36 53	0.18 71	0.13 35	0.21 151	0.15 66	0.18 68	0.21 142

11t	0.45 42	0.30 124	0.64 73	0.47 47	0.33 157	0.49 61	0.42 149	0.93 53	0.59 33	0.50 55	0.53 39	0.44 22	0.48 96	1.41 228	0.36 53	0.18 71	0.13 35	0.21 151	0.15 66	0.18 68	0.21 142

anonymousdsp	0.45 42	0.30 124	0.60 54	0.48 58	0.34 173	0.49 61	0.42 149	0.97 64	0.60 39	0.51 63	0.53 39	0.46 34	0.47 91	1.36 214	0.35 37	0.18 71	0.13 35	0.21 151	0.15 66	0.18 68	0.21 142

CroCo-Stereo Lap2	0.46 51	0.37 278	0.87 196	0.62 269	0.79 420	0.28 6	0.35 85	0.81 27	0.73 67	0.39 22	0.54 45	0.71 135	0.54 128	0.60 27	0.48 153	0.18 71	0.18 247	0.19 88	0.16 99	0.21 178	0.21 142

ccc-4	0.45 42	0.30 124	0.64 73	0.47 47	0.33 157	0.49 61	0.42 149	0.93 53	0.59 33	0.50 55	0.53 39	0.44 22	0.48 96	1.41 228	0.36 53	0.18 71	0.13 35	0.21 151	0.15 66	0.18 68	0.21 142

IER	0.74 227	0.33 191	1.25 331	0.50 85	0.53 326	1.32 370	0.55 278	1.31 188	1.08 201	1.30 304	1.34 297	1.11 285	1.10 357	1.05 145	0.81 289	0.20 147	0.17 219	0.21 151	0.21 227	0.20 136	0.21 142

IGEV-Stereo	0.45 42	0.30 124	0.60 54	0.48 58	0.34 173	0.49 61	0.42 149	0.98 68	0.60 39	0.51 63	0.53 39	0.46 34	0.47 91	1.36 214	0.35 37	0.18 71	0.13 35	0.21 151	0.15 66	0.18 68	0.21 142
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GLC_STEREO	0.41 22	0.27 71	0.43 8	0.55 167	0.24 11	0.47 50	0.30 46	0.81 27	0.64 50	0.53 68	0.74 88	0.50 57	0.31 18	0.65 43	0.45 130	0.18 71	0.20 277	0.23 214	0.19 157	0.21 178	0.21 142

IPLG	0.72 220	0.29 101	1.12 287	0.53 141	0.44 275	0.79 234	0.33 65	1.35 194	1.10 213	1.32 313	1.11 201	0.52 67	0.54 128	3.13 391	0.71 258	0.17 41	0.14 97	0.20 120	0.17 120	0.18 68	0.21 142

MIPNet	0.60 147	0.31 155	1.07 270	0.51 99	0.34 173	0.68 183	0.40 131	1.67 259	1.14 238	1.11 192	0.93 129	0.60 95	0.78 222	0.77 67	0.58 214	0.18 71	0.14 97	0.19 88	0.16 99	0.18 68	0.21 142

STrans-v2	1.06 355	0.31 155	1.02 253	0.52 118	0.33 157	0.67 179	0.78 357	2.66 460	1.26 304	1.15 219	1.46 334	1.37 344	1.40 405	6.68 467	0.46 136	0.19 107	0.13 35	0.21 151	0.18 136	0.18 68	0.21 142

IRAFT_RVC	0.90 314	0.30 124	0.89 205	0.67 327	0.31 105	0.64 164	1.00 410	1.40 205	0.97 156	1.23 267	1.04 171	1.00 247	0.96 304	5.77 446	0.57 209	0.24 249	0.13 35	0.25 276	0.21 227	0.20 136	0.21 142

rafts_anoy	0.55 93	0.32 172	0.66 83	0.72 369	0.61 366	0.53 94	0.40 131	1.24 171	1.06 196	0.85 129	0.83 110	0.67 119	0.53 121	0.77 67	0.55 200	0.20 147	0.15 160	0.25 276	0.26 322	0.22 198	0.21 142

EAI-Stereo	0.76 239	0.31 155	0.74 121	0.55 167	0.28 58	0.70 196	1.72 463	2.57 452	0.90 124	0.75 106	3.03 461	0.57 86	0.43 66	1.10 162	0.49 164	0.19 107	0.14 97	0.17 33	0.18 136	0.17 43	0.21 142

SFCPSM	0.74 227	0.30 124	1.06 265	0.52 118	0.39 228	1.36 378	0.64 323	2.42 433	1.11 219	1.18 238	1.21 244	0.81 160	0.78 222	1.08 155	0.57 209	0.22 207	0.17 219	0.22 180	0.24 297	0.23 217	0.21 142

cf-r	0.79 257	0.32 172	1.06 265	0.57 209	0.64 373	0.78 227	0.51 239	2.04 359	1.22 280	1.20 250	1.27 271	1.53 371	0.91 284	1.47 244	0.94 324	0.25 269	0.19 264	0.22 180	0.23 284	0.19 100	0.21 142

GwcNet-RSSM	0.83 282	0.34 220	1.29 340	0.65 299	0.55 338	0.78 227	0.62 316	1.89 322	1.27 308	1.18 238	1.39 313	1.56 376	0.91 284	1.60 268	1.22 363	0.26 292	0.20 277	0.23 214	0.24 297	0.21 178	0.21 142

iResNetv2_ROB	0.88 304	0.43 328	2.62 435	0.60 248	0.38 219	0.94 298	0.67 330	1.88 320	1.38 360	1.27 292	1.45 332	1.26 319	1.05 347	1.92 312	0.64 237	0.24 249	0.15 160	0.19 88	0.14 50	0.24 246	0.21 142

model_zeroshot	0.53 87	0.31 155	1.00 249	0.57 209	0.39 228	0.74 207	0.39 126	1.38 200	0.67 57	0.88 136	0.85 113	0.71 135	0.37 41	0.77 67	0.39 75	0.21 174	0.17 219	0.19 88	0.17 120	0.17 43	0.22 169

GCAP-BAT	0.54 90	0.33 191	0.75 126	0.45 23	0.50 306	0.84 263	0.35 85	0.98 68	0.80 95	0.88 136	1.04 171	0.88 191	0.37 41	1.25 189	0.41 100	0.19 107	0.15 160	0.18 64	0.13 31	0.17 43	0.22 169

CAS++	0.48 66	0.34 220	0.59 47	0.48 58	0.32 137	0.45 42	0.29 40	1.73 280	0.78 83	0.71 97	0.73 87	0.36 12	0.28 8	0.70 52	0.35 37	0.27 313	0.22 307	0.26 297	0.21 227	0.29 306	0.22 169
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DispNO	0.98 336	0.34 220	2.02 405	0.58 221	0.55 338	0.88 276	0.49 230	1.70 274	1.24 288	1.22 264	1.26 262	1.18 295	0.88 275	5.17 431	0.88 301	0.23 229	0.18 247	0.24 238	0.22 253	0.19 100	0.22 169

tta	0.79 257	0.32 172	0.95 232	0.49 70	0.27 31	0.83 256	0.43 166	2.16 389	1.45 392	1.27 292	1.50 347	0.98 236	0.96 304	1.87 304	0.99 332	0.24 249	0.22 307	0.22 180	0.21 227	0.19 100	0.22 169

qqq1	0.76 239	0.32 172	0.95 232	0.49 70	0.27 31	0.83 256	0.43 166	2.16 389	1.45 392	1.27 292	1.50 347	0.98 236	0.96 304	1.87 304	0.48 153	0.24 249	0.22 307	0.18 64	0.15 66	0.19 100	0.22 169

fff1	0.76 239	0.32 172	0.95 232	0.49 70	0.27 31	0.83 256	0.43 166	2.16 389	1.45 392	1.27 292	1.50 347	0.98 236	0.96 304	1.87 304	0.48 153	0.24 249	0.22 307	0.18 64	0.15 66	0.19 100	0.22 169

StereoVision	0.67 185	0.37 278	1.02 253	0.60 248	0.41 252	0.50 76	0.41 141	1.32 190	0.96 152	0.73 103	2.48 452	0.82 166	0.57 139	1.06 150	0.50 167	0.26 292	0.28 375	0.29 335	0.28 348	0.37 363	0.22 169

anonymousdsp2	0.58 128	0.29 101	0.93 222	0.51 99	0.30 87	0.75 212	0.46 203	1.95 337	0.87 115	0.81 119	0.78 96	0.76 143	0.48 96	1.10 162	0.45 130	0.19 107	0.14 97	0.18 64	0.13 31	0.20 136	0.22 169

DCRE	0.85 293	0.28 81	0.76 131	0.60 248	0.49 301	0.59 132	0.53 256	1.04 90	0.92 130	0.80 114	7.34 493	0.87 185	0.57 139	0.78 75	0.43 113	0.16 15	0.17 219	0.19 88	0.17 120	0.18 68	0.22 169

anonymousa	0.78 248	0.30 124	0.85 187	0.51 99	0.96 446	1.41 387	0.47 213	1.61 251	0.94 143	1.33 318	1.77 401	1.66 391	1.11 360	0.72 55	0.63 233	0.19 107	0.18 247	0.23 214	0.25 305	0.20 136	0.22 169

LMCR-Stereo	0.87 301	0.50 357	0.99 244	0.80 404	0.43 266	1.32 370	0.55 278	2.79 467	1.03 182	1.55 392	1.49 340	0.74 139	1.01 326	1.76 288	0.99 332	0.30 350	0.17 219	0.22 180	0.18 136	0.31 328	0.22 169

RALCasStereoNet	0.58 128	0.34 220	0.77 134	0.65 299	0.64 373	0.64 164	0.51 239	1.06 95	0.99 168	0.71 97	1.06 179	0.77 147	0.44 72	1.38 221	0.52 179	0.20 147	0.18 247	0.18 64	0.16 99	0.20 136	0.22 169

ac_64	0.86 297	0.32 172	1.02 253	0.74 382	0.60 360	1.04 320	0.53 256	2.20 403	0.99 168	1.23 267	1.11 201	1.96 422	1.06 348	2.01 325	1.01 337	0.30 350	0.22 307	0.24 238	0.23 284	0.22 198	0.22 169

DIP-Stereo	0.64 168	0.32 172	0.91 217	0.49 70	0.36 198	0.91 284	0.33 65	2.51 448	0.77 81	1.25 274	1.00 154	0.68 121	0.51 115	0.92 112	0.65 242	0.19 107	0.15 160	0.21 151	0.17 120	0.19 100	0.22 169
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.91 319	0.31 155	0.60 54	0.54 154	0.31 105	1.15 343	0.60 311	3.76 482	1.30 328	1.57 396	1.75 398	1.67 393	1.01 326	1.61 270	0.90 308	0.23 229	0.17 219	0.19 88	0.18 136	0.20 136	0.22 169
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.99 339	0.40 311	1.23 326	0.65 299	0.43 266	1.03 319	0.49 230	2.01 351	1.35 344	1.02 173	1.39 313	1.10 280	0.86 260	5.47 441	0.89 304	0.24 249	0.18 247	0.28 324	0.27 338	0.27 274	0.22 169

MLCV	0.77 245	0.39 305	1.31 341	0.55 167	0.25 18	0.91 284	0.39 126	1.48 221	1.28 316	1.49 380	1.54 358	1.02 254	0.68 193	2.12 338	0.93 319	0.19 107	0.13 35	0.19 88	0.14 50	0.19 100	0.22 169

999	0.49 70	0.25 37	0.55 33	0.51 99	0.35 190	0.74 207	0.31 50	0.89 51	0.59 33	0.39 22	0.50 30	0.50 57	0.36 38	2.41 362	0.41 100	0.17 41	0.13 35	0.18 64	0.15 66	0.16 25	0.23 187

rvit_0105_6	0.56 104	0.38 296	1.13 288	0.67 327	0.38 219	0.50 76	0.51 239	0.88 48	1.33 339	0.54 69	0.56 50	0.65 113	0.57 139	0.97 127	0.46 136	0.32 361	0.31 393	0.28 324	0.25 305	0.29 306	0.23 187

MyStereo07	0.50 80	0.30 124	0.58 41	0.58 221	0.48 295	0.59 132	0.78 357	1.19 153	0.60 39	0.49 50	0.54 45	0.43 21	0.55 131	1.32 208	0.36 53	0.18 71	0.18 247	0.24 238	0.21 227	0.23 217	0.23 187

MyStereo06	0.67 185	0.29 101	1.06 265	0.58 221	0.48 295	0.62 147	0.72 345	2.26 408	0.89 119	1.07 187	1.12 205	1.22 304	0.56 136	0.83 85	0.47 146	0.17 41	0.17 219	0.24 238	0.21 227	0.23 217	0.23 187

MyStereo05	0.70 208	0.29 101	1.22 324	0.58 221	0.48 295	0.62 147	0.72 345	1.52 225	1.54 409	1.17 227	0.91 125	0.77 147	0.79 229	1.45 239	0.68 251	0.17 41	0.17 219	0.24 238	0.21 227	0.23 217	0.23 187

MyStereo04	0.71 214	0.30 124	1.28 337	0.58 221	0.48 295	0.59 132	0.78 357	1.74 282	1.49 403	0.94 152	0.91 125	0.74 139	0.86 260	1.59 263	0.69 252	0.18 71	0.18 247	0.24 238	0.21 227	0.23 217	0.23 187

cc1	0.68 198	0.34 220	0.63 65	0.60 248	0.27 31	1.16 346	0.51 239	1.07 98	3.23 478	0.60 81	0.80 103	0.47 43	0.87 269	1.48 246	0.35 37	0.21 174	0.13 35	0.25 276	0.15 66	0.19 100	0.23 187

ffm	0.79 257	0.36 257	1.51 365	0.56 187	0.40 238	0.76 217	0.59 304	1.08 103	2.62 466	1.19 245	1.49 340	1.07 265	0.85 252	1.57 258	0.35 37	0.21 174	0.13 35	0.31 352	0.28 348	0.20 136	0.23 187

ff1	1.88 440	0.36 257	1.51 365	0.56 187	0.40 238	0.76 217	0.59 304	1.08 103	2.62 466	1.19 245	1.49 340	1.07 265	0.85 252	9.88 501	13.82 498	0.21 174	0.13 35	0.31 352	0.28 348	0.20 136	0.23 187

tt1	0.65 172	0.34 220	0.65 78	0.60 248	0.27 31	1.14 340	0.48 219	1.08 103	2.62 466	0.59 74	0.79 98	0.49 50	0.80 235	1.57 258	0.35 37	0.21 174	0.13 35	0.25 276	0.16 99	0.20 136	0.23 187

GMStereo_Zeroshot	0.70 208	0.64 402	1.11 283	0.65 299	0.38 219	0.84 263	0.37 104	1.09 110	1.16 250	1.14 217	1.07 182	1.26 319	0.55 131	1.23 187	0.65 242	0.34 375	0.17 219	0.31 352	0.18 136	0.57 431	0.23 187

IGEV_Zeroshot_test	0.59 140	0.33 191	1.11 283	0.63 279	0.37 207	0.41 24	0.33 65	1.80 296	0.79 92	1.04 178	1.10 194	1.06 262	0.43 66	0.87 99	0.48 153	0.18 71	0.13 35	0.19 88	0.18 136	0.20 136	0.23 187

DLNR_Zeroshot_test	23.23 514	48.25 527	43.77 519	177.04 527	78.39 523	0.35 11	0.21 2	23.33 514	0.82 100	0.67 94	0.86 115	0.58 88	0.30 14	1.64 272	0.48 153	10.69 516	0.13 35	0.18 64	0.14 50	76.63 526	0.23 187

iRaft-Stereo_20w	0.71 214	0.33 191	1.25 331	0.50 85	0.36 198	0.82 249	0.31 50	3.16 474	0.89 119	1.24 271	1.14 221	0.79 152	0.65 183	1.15 172	0.43 113	0.18 71	0.13 35	0.18 64	0.17 120	0.20 136	0.23 187

TransformOpticalFlow	0.97 333	0.30 124	0.96 239	0.54 154	0.31 105	0.65 168	0.54 269	1.87 315	1.19 262	1.12 200	1.44 330	1.34 337	0.98 314	6.68 467	0.44 117	0.19 107	0.12 10	0.21 151	0.19 157	0.18 68	0.23 187

RAFT	0.67 185	0.32 172	0.83 172	0.63 279	0.34 173	0.69 192	0.57 291	1.14 128	0.84 106	1.12 200	1.20 239	1.75 406	0.92 292	1.09 159	0.60 224	0.22 207	0.19 264	0.27 310	0.24 297	0.22 198	0.23 187

GANet-RSSM	0.78 248	0.31 155	0.90 213	0.67 327	0.58 350	0.80 240	0.62 316	2.04 359	1.15 243	1.11 192	1.27 271	1.26 319	1.18 378	1.68 278	0.74 263	0.26 292	0.21 292	0.22 180	0.22 253	0.23 217	0.23 187

BEATNet_4x	0.82 273	0.54 372	2.02 405	0.56 187	0.28 58	1.04 320	0.55 278	2.14 382	1.13 232	1.24 271	1.26 262	1.00 247	0.94 297	1.13 169	1.23 366	0.21 174	0.14 97	0.24 238	0.20 186	0.37 363	0.23 187

AdaStereo	0.74 227	0.48 349	0.86 194	0.75 390	0.38 219	0.94 298	0.56 285	2.05 363	1.24 288	1.15 219	1.22 246	1.07 265	0.67 189	1.05 145	0.73 259	0.33 366	0.16 192	0.32 363	0.22 253	0.29 306	0.23 187
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.
DN-CSS_ROB	0.67 185	0.36 257	1.36 351	0.59 240	0.41 252	0.54 107	0.45 197	1.30 186	0.95 148	1.05 180	1.47 336	0.69 126	0.64 179	1.80 298	0.60 224	0.19 107	0.15 160	0.25 276	0.23 284	0.22 198	0.23 187

DCANet-4	0.59 140	0.28 81	1.65 381	0.44 18	0.25 18	0.48 55	0.36 94	1.15 140	1.36 353	1.13 203	1.03 166	0.56 84	0.74 205	0.77 67	0.58 214	0.17 41	0.14 97	0.17 33	0.13 31	0.15 11	0.24 207

fff	0.58 128	0.26 48	1.15 295	0.46 33	0.25 18	0.48 55	0.36 94	1.20 157	1.28 316	1.13 203	1.03 166	0.59 92	1.04 342	0.77 67	0.58 214	0.17 41	0.14 97	0.17 33	0.13 31	0.15 11	0.24 207

ADStereo(finetuned)	0.62 156	0.26 48	1.59 377	0.45 23	0.25 18	0.49 61	0.36 94	1.18 149	1.35 344	1.16 223	1.04 171	0.60 95	1.18 378	0.85 92	0.57 209	0.17 41	0.14 97	0.17 33	0.13 31	0.19 100	0.24 207

x	0.59 140	0.34 220	0.79 144	0.51 99	0.32 137	0.69 192	0.46 203	1.64 255	0.97 156	0.86 134	0.86 115	0.83 175	0.74 205	0.75 64	0.70 255	0.21 174	0.22 307	0.22 180	0.20 186	0.21 178	0.24 207

BUS	0.78 248	0.34 220	0.77 134	0.55 167	0.45 279	2.30 452	0.42 149	2.65 457	1.04 188	1.25 274	1.12 205	1.02 254	0.70 200	0.94 115	0.75 266	0.25 269	0.18 247	0.25 276	0.22 253	0.23 217	0.24 207

BSDual-CNN	0.75 231	0.34 220	0.77 134	0.55 167	0.45 279	1.25 363	0.66 328	2.65 457	1.04 188	1.25 274	1.12 205	1.11 285	0.77 215	0.94 115	0.76 269	0.25 269	0.18 247	0.25 276	0.22 253	0.23 217	0.24 207

hknet	0.82 273	0.34 220	1.15 295	0.55 167	0.39 228	1.25 363	0.66 328	2.65 457	1.10 213	1.25 274	1.12 205	1.58 379	0.85 252	1.41 228	0.79 280	0.23 229	0.18 247	0.25 276	0.22 253	0.23 217	0.24 207

iRaft-Stereo_5w	0.89 306	0.31 155	1.04 258	0.56 187	0.47 293	0.47 50	0.68 332	1.19 153	1.08 201	0.80 114	1.35 302	1.46 359	0.90 281	5.11 430	1.16 353	0.18 71	0.15 160	0.22 180	0.19 157	0.21 178	0.24 207

psmg	0.75 231	0.34 220	0.77 134	0.52 118	0.45 279	1.46 392	0.73 348	2.15 387	1.04 188	1.25 274	1.33 293	1.11 285	0.77 215	0.94 115	0.76 269	0.25 269	0.20 277	0.25 276	0.26 322	0.23 217	0.24 207

DAS	0.89 306	0.37 278	1.20 319	0.66 313	0.69 394	0.82 249	0.62 316	1.79 292	1.26 304	1.93 434	1.55 361	0.96 232	1.17 371	2.72 380	0.69 252	0.22 207	0.16 192	0.25 276	0.18 136	0.29 306	0.24 207

SepStereo	0.87 301	0.37 278	1.20 319	0.66 313	0.69 394	0.82 249	0.62 316	1.79 292	1.26 304	1.93 434	1.55 361	0.96 232	1.17 371	2.34 355	0.69 252	0.22 207	0.16 192	0.25 276	0.18 136	0.29 306	0.24 207

DRaft	0.81 271	0.26 48	0.77 134	0.47 47	0.31 105	0.95 304	0.52 250	1.13 124	0.99 168	1.78 421	2.01 428	0.80 154	1.71 434	2.64 375	0.74 263	0.19 107	0.14 97	0.20 120	0.20 186	0.18 68	0.24 207

CRE-IMP	0.57 116	0.32 172	0.82 163	0.54 154	0.29 72	0.77 226	0.25 15	1.19 153	0.79 92	1.09 189	0.95 132	0.81 160	0.57 139	1.11 165	0.57 209	0.22 207	0.14 97	0.23 214	0.19 157	0.28 290	0.24 207

csc	0.58 128	0.26 48	1.15 295	0.46 33	0.25 18	0.48 55	0.36 94	1.20 157	1.28 316	1.13 203	1.03 166	0.59 92	1.04 342	0.77 67	0.58 214	0.17 41	0.14 97	0.17 33	0.13 31	0.15 11	0.24 207

cscssc	0.58 128	0.26 48	1.15 295	0.46 33	0.25 18	0.48 55	0.36 94	1.20 157	1.28 316	1.13 203	1.03 166	0.59 92	1.04 342	0.77 67	0.58 214	0.17 41	0.14 97	0.17 33	0.13 31	0.15 11	0.24 207

MMNet	0.89 306	0.35 249	1.44 357	0.64 292	0.59 356	1.83 427	0.48 219	1.70 274	1.38 360	1.45 369	1.19 238	1.25 313	1.16 368	1.77 289	1.27 371	0.20 147	0.19 264	0.23 214	0.22 253	0.25 258	0.24 207

delet	0.90 314	0.34 220	1.15 295	0.69 352	0.66 384	1.63 408	0.81 372	1.95 337	1.49 403	1.42 356	1.38 311	1.29 326	0.91 284	1.78 291	1.18 355	0.22 207	0.22 307	0.24 238	0.25 305	0.22 198	0.24 207

FENet	0.62 156	0.30 124	0.68 89	0.57 209	0.33 157	0.82 249	0.40 131	1.41 209	1.12 226	1.03 176	0.87 117	0.98 236	0.84 247	1.00 132	0.70 255	0.23 229	0.16 192	0.23 214	0.20 186	0.22 198	0.24 207

HSM	1.22 386	0.34 220	0.81 154	0.61 261	0.39 228	1.22 359	0.63 321	2.45 436	1.25 296	1.32 313	1.26 262	1.91 412	1.08 351	9.21 492	0.75 266	0.23 229	0.17 219	0.20 120	0.16 99	0.22 198	0.24 207

PAM_32	0.87 301	0.30 124	1.08 273	0.56 187	0.32 137	2.10 445	0.36 94	2.26 408	1.01 175	1.13 203	1.05 178	3.14 469	1.47 414	1.00 132	0.42 108	0.19 107	0.14 97	0.20 120	0.18 136	0.19 100	0.25 226

test_sample2	0.67 185	0.31 155	0.89 205	0.54 154	0.29 72	0.80 240	0.63 321	1.83 303	1.10 213	0.93 149	1.06 179	0.94 223	0.92 292	1.24 188	0.59 221	0.23 229	0.20 277	0.22 180	0.21 227	0.24 246	0.25 226

test_sample1	0.67 185	0.32 172	0.90 213	0.54 154	0.33 157	0.76 217	0.48 219	1.75 284	1.06 196	0.95 154	0.99 149	0.91 207	1.10 357	1.25 189	0.79 280	0.22 207	0.19 264	0.21 151	0.20 186	0.21 178	0.25 226

ACVNet-DCA	0.59 140	0.34 220	0.63 65	0.60 248	0.27 31	1.16 346	0.51 239	1.58 242	0.91 125	0.60 81	0.80 103	0.47 43	0.87 269	1.48 246	0.35 37	0.21 174	0.13 35	0.25 276	0.15 66	0.23 217	0.25 226

xx1	0.70 208	0.34 220	0.63 65	0.60 248	0.27 31	1.16 346	0.51 239	1.07 98	3.23 478	0.60 81	0.80 103	0.95 227	0.79 229	1.48 246	0.35 37	0.21 174	0.13 35	0.24 238	0.23 284	0.23 217	0.25 226

1test111	0.58 128	0.34 220	0.63 65	0.60 248	0.27 31	1.16 346	0.51 239	1.58 242	0.91 125	0.60 81	0.80 103	0.47 43	0.87 269	0.99 129	0.67 247	0.21 174	0.13 35	0.25 276	0.15 66	0.23 217	0.25 226

gwcnet-sp	0.80 262	0.37 278	1.94 398	0.62 269	0.45 279	1.38 379	0.53 256	1.68 262	1.20 266	1.37 337	1.08 189	0.93 217	0.82 240	1.45 239	0.79 280	0.22 207	0.22 307	0.22 180	0.21 227	0.23 217	0.25 226

scenet	0.80 262	0.37 278	1.94 398	0.62 269	0.45 279	1.38 379	0.53 256	1.68 262	1.20 266	1.37 337	1.08 189	0.93 217	0.82 240	1.45 239	0.79 280	0.22 207	0.22 307	0.22 180	0.21 227	0.23 217	0.25 226

knoymous	0.53 87	0.32 172	0.51 24	0.46 33	0.30 87	0.57 120	0.54 269	1.10 116	0.78 83	0.99 160	0.84 111	0.95 227	0.57 139	0.89 105	0.51 171	0.21 174	0.14 97	0.26 297	0.14 50	0.23 217	0.25 226

ssnet	0.80 262	0.37 278	1.94 398	0.62 269	0.45 279	1.38 379	0.53 256	1.68 262	1.20 266	1.37 337	1.08 189	0.93 217	0.82 240	1.45 239	0.79 280	0.22 207	0.22 307	0.22 180	0.21 227	0.23 217	0.25 226

qqq	0.62 156	0.36 257	0.88 201	0.50 85	0.28 58	0.64 164	0.62 316	1.58 242	0.91 125	0.83 122	0.96 134	0.95 227	0.79 229	0.99 129	0.67 247	0.21 174	0.23 334	0.24 238	0.23 284	0.23 217	0.25 226

CrosDoStereo	1.56 419	0.26 48	0.78 140	0.51 99	0.29 72	0.66 174	11.86 504	1.18 149	1.00 172	1.35 331	1.76 399	0.99 241	1.83 443	6.64 465	0.83 291	0.19 107	0.15 160	0.20 120	0.22 253	0.18 68	0.25 226

DeepStereo_LL	1.56 419	0.26 48	0.78 140	0.51 99	0.29 72	0.66 174	11.86 504	1.18 149	1.00 172	1.35 331	1.76 399	0.99 241	1.83 443	6.64 465	0.83 291	0.19 107	0.15 160	0.20 120	0.22 253	0.18 68	0.25 226

DEmStereo	0.98 336	0.25 37	0.85 187	0.49 70	0.33 157	1.02 318	0.55 278	0.97 64	0.93 137	1.41 352	2.13 434	1.01 252	2.01 450	5.62 442	0.78 275	0.19 107	0.15 160	0.20 120	0.20 186	0.18 68	0.25 226

THIR-Stereo	1.02 347	0.29 101	0.73 116	0.51 99	0.29 72	0.94 298	1.31 442	1.08 103	0.98 159	1.35 331	1.91 422	1.16 294	1.54 419	6.37 462	0.79 280	0.20 147	0.14 97	0.21 151	0.22 253	0.19 100	0.25 226

Pruner-Stereo	0.64 168	0.31 155	0.79 144	0.66 313	0.31 105	0.61 144	0.42 149	1.22 164	1.09 209	1.53 386	1.09 192	0.94 223	0.55 131	1.37 217	0.56 206	0.25 269	0.14 97	0.24 238	0.21 227	0.21 178	0.25 226

DCANet	0.58 128	0.26 48	1.15 295	0.45 23	0.25 18	0.49 61	0.36 94	1.18 149	1.35 344	1.15 219	1.04 171	0.60 95	0.91 284	0.84 88	0.58 214	0.17 41	0.14 97	0.17 33	0.13 31	0.19 100	0.25 226

test_xeample	1.55 418	0.31 155	0.94 229	0.54 154	0.31 105	0.94 298	0.58 298	2.40 431	1.40 371	1.29 302	1.55 361	0.89 201	0.88 275	1.72 284	15.94 504	0.22 207	0.22 307	0.22 180	0.21 227	0.23 217	0.25 226

UNet	0.86 297	0.36 257	1.52 369	0.62 269	0.74 405	1.56 401	0.49 230	1.55 234	1.12 226	1.28 297	1.10 194	1.52 370	1.10 357	1.69 282	1.14 351	0.24 249	0.18 247	0.25 276	0.21 227	0.25 258	0.25 226

LE_ROB	8.35 502	0.47 344	27.42 516	0.83 415	0.34 173	2.84 468	3.36 499	4.03 486	27.04 517	25.20 517	8.72 501	8.55 499	27.35 517	7.37 476	22.13 510	0.22 207	0.20 277	0.20 120	0.21 227	0.25 258	0.25 226

AIO-test1	0.61 153	0.27 71	0.68 89	0.68 339	1.02 450	0.79 234	0.36 94	1.59 247	1.35 344	0.59 74	0.89 122	0.60 95	0.49 107	1.20 184	0.36 53	0.18 71	0.17 219	0.23 214	0.25 305	0.18 68	0.26 246

rvit_0105_4	0.58 128	0.40 311	1.19 315	0.68 339	0.38 219	0.53 94	0.55 278	0.93 53	1.27 308	0.56 73	0.61 59	0.72 137	0.63 175	1.01 135	0.47 146	0.33 366	0.33 410	0.29 335	0.25 305	0.29 306	0.26 246

11t1	0.57 116	0.30 124	0.84 181	0.54 154	0.30 87	0.83 256	0.41 141	1.34 193	0.79 92	0.88 136	0.82 108	0.70 129	0.70 200	0.96 123	0.67 247	0.21 174	0.21 292	0.20 120	0.16 99	0.21 178	0.26 246

1111x	1.96 446	0.32 172	1.54 373	0.54 154	0.30 87	1.00 315	0.69 335	2.47 441	1.33 339	1.21 256	1.44 330	1.21 300	1.11 360	8.49 487	16.14 505	0.22 207	0.23 334	0.22 180	0.23 284	0.25 258	0.26 246

EKT-Stereo	0.56 104	0.33 191	0.84 181	0.61 261	0.64 373	0.51 84	0.48 219	1.14 128	0.95 148	0.74 104	0.89 122	0.77 147	0.42 58	1.18 179	0.42 108	0.23 229	0.17 219	0.21 151	0.18 136	0.20 136	0.26 246

iinet-f	1.04 350	0.50 357	4.24 462	0.58 221	0.43 266	1.78 424	0.70 341	1.29 185	1.16 250	1.25 274	1.42 324	1.57 378	1.42 408	1.47 244	1.70 417	0.26 292	0.23 334	0.20 120	0.20 186	0.26 268	0.26 246

DisPM	0.68 198	0.30 124	0.85 187	0.66 313	0.35 190	0.60 137	0.44 185	1.10 116	1.10 213	1.56 393	1.10 194	0.80 154	0.58 156	2.37 360	0.46 136	0.25 269	0.14 97	0.23 214	0.21 227	0.20 136	0.26 246

NINENet	0.81 271	0.40 311	0.89 205	0.65 299	0.53 326	2.30 452	0.42 149	2.12 373	1.13 232	1.20 250	1.27 271	1.02 254	0.70 200	1.26 192	0.75 266	0.29 344	0.24 344	0.31 352	0.21 227	0.27 274	0.26 246

PSM-softLoss	0.80 262	0.33 191	0.89 205	0.63 279	0.32 137	0.55 111	0.40 131	1.26 175	0.78 83	1.25 274	1.07 182	0.83 175	0.51 115	5.33 435	0.61 227	0.25 269	0.15 160	0.25 276	0.22 253	0.20 136	0.26 246

KMStereo	0.80 262	0.33 191	0.89 205	0.63 279	0.32 137	0.55 111	0.40 131	1.26 175	0.78 83	1.25 274	1.07 182	0.83 175	0.51 115	5.33 435	0.61 227	0.25 269	0.15 160	0.25 276	0.22 253	0.20 136	0.26 246

DeepStereo_RVC	0.57 116	0.31 155	0.78 140	0.53 141	0.30 87	0.57 120	0.32 58	1.11 118	0.80 95	1.17 227	0.94 131	0.83 175	0.93 294	1.01 135	0.61 227	0.23 229	0.14 97	0.21 151	0.19 157	0.24 246	0.26 246

test-1	0.56 104	0.28 81	1.13 288	0.58 221	0.34 173	0.60 137	0.38 113	1.56 237	0.98 159	0.80 114	1.02 159	0.83 175	0.52 119	0.64 42	0.46 136	0.17 41	0.16 192	0.20 120	0.17 120	0.20 136	0.26 246

HCRNet	0.72 220	0.40 311	0.86 194	0.61 261	0.57 347	0.75 212	0.35 85	1.39 203	1.21 272	1.11 192	0.99 149	1.01 252	0.76 211	2.18 344	0.73 259	0.28 329	0.19 264	0.28 324	0.23 284	0.25 258	0.26 246

222	1.67 426	0.31 155	0.93 222	0.59 240	0.31 105	1.05 323	0.43 166	2.39 429	1.47 398	1.37 337	1.55 361	0.94 223	0.94 297	1.98 320	17.76 507	0.24 249	0.22 307	0.21 151	0.20 186	0.22 198	0.26 246

PSMNet-RSSM	0.78 248	0.32 172	0.89 205	0.65 299	0.43 266	0.73 205	0.58 298	2.14 382	1.19 262	1.18 238	1.38 311	1.31 330	1.07 350	1.43 235	0.82 290	0.28 329	0.21 292	0.27 310	0.29 366	0.25 258	0.26 246

CFNet-ft	0.78 248	0.36 257	0.74 121	0.67 327	0.56 343	0.86 271	0.54 269	1.46 216	1.17 255	1.01 169	1.28 276	1.68 395	1.03 336	1.57 258	0.95 326	0.27 313	0.21 292	0.33 372	0.26 322	0.31 328	0.26 246

DSFCA	0.95 328	0.38 296	1.23 326	0.55 167	0.66 384	1.50 394	0.93 398	1.58 242	1.24 288	1.59 400	1.16 229	1.48 362	0.95 302	2.96 387	1.20 358	0.31 354	0.28 375	0.25 276	0.26 322	0.29 306	0.26 246

CFNet_RVC	0.78 248	0.36 257	0.74 121	0.67 327	0.56 343	0.86 271	0.54 269	1.46 216	1.17 255	1.01 169	1.28 276	1.68 395	1.03 336	1.57 258	0.95 326	0.27 313	0.21 292	0.33 372	0.26 322	0.31 328	0.26 246

PAM	0.86 297	0.31 155	1.19 315	0.55 167	0.35 190	2.17 446	0.47 213	2.26 408	0.87 115	1.18 238	0.96 134	3.01 464	1.41 407	0.90 108	0.40 91	0.19 107	0.13 35	0.19 88	0.18 136	0.20 136	0.27 264

test_sample3	0.73 223	0.35 249	1.06 265	0.55 167	0.32 137	0.97 312	0.51 239	2.12 373	1.25 296	1.16 223	1.17 232	0.88 191	0.78 222	1.27 195	0.79 280	0.26 292	0.21 292	0.25 276	0.25 305	0.26 268	0.27 264

SMFormer	0.79 257	0.32 172	0.95 232	0.49 70	0.27 31	0.83 256	0.43 166	2.16 389	1.45 392	1.27 292	1.50 347	0.98 236	0.96 304	1.87 304	0.99 332	0.24 249	0.22 307	0.22 180	0.21 227	0.23 217	0.27 264

mmm	0.68 198	0.37 278	0.91 217	0.54 154	0.34 173	0.86 271	0.58 298	1.72 279	1.02 179	1.13 203	1.41 323	0.83 175	0.78 222	0.95 122	0.67 247	0.22 207	0.20 277	0.29 335	0.26 322	0.27 274	0.27 264

testlalala_base	0.83 282	0.41 321	0.80 149	0.67 327	0.53 326	0.78 227	0.30 46	1.84 305	0.60 39	0.75 106	0.91 125	0.68 121	0.54 128	0.69 50	0.46 136	2.92 489	0.15 160	0.17 33	0.12 17	2.95 488	0.27 264

CRFU-Net	0.90 314	0.42 324	1.10 281	0.69 352	0.59 356	1.76 419	0.84 379	2.33 424	0.92 130	1.45 369	1.20 239	1.62 385	1.25 385	1.38 221	0.94 324	0.28 329	0.23 334	0.22 180	0.19 157	0.24 246	0.27 264

dd	0.62 156	0.51 361	1.17 309	0.56 187	0.33 157	0.74 207	0.46 203	1.03 86	1.40 371	0.80 114	0.87 117	0.60 95	0.57 139	1.02 138	0.86 295	0.28 329	0.18 247	0.26 297	0.19 157	0.35 353	0.27 264

AASNet	0.80 262	0.39 305	1.16 308	0.84 419	0.80 422	1.14 340	0.59 304	2.12 373	1.21 272	1.26 287	1.26 262	0.93 217	0.77 215	0.84 88	1.23 366	0.28 329	0.24 344	0.24 238	0.20 186	0.28 290	0.27 264

GANet-ADL	0.63 165	0.38 296	0.82 163	0.67 327	0.41 252	0.68 183	0.51 239	1.64 255	1.16 250	0.98 159	1.10 194	0.90 203	0.58 156	0.81 78	0.63 233	0.27 313	0.18 247	0.18 64	0.16 99	0.23 217	0.27 264

PFNet+	0.62 156	0.31 155	0.99 244	0.57 209	0.31 105	0.57 120	0.30 46	0.99 76	1.25 296	1.33 318	1.10 194	0.79 152	0.57 139	1.35 213	0.53 188	0.26 292	0.17 219	0.28 324	0.26 322	0.21 178	0.27 264

TANstereo	0.45 42	0.23 13	0.50 21	0.43 15	0.21 3	0.65 168	0.26 23	0.83 33	0.88 118	0.95 154	0.99 149	0.51 60	0.45 76	0.56 15	0.36 53	0.19 107	0.24 344	0.16 21	0.13 31	0.17 43	0.27 264

xxxx	1.61 422	0.32 172	0.98 242	0.58 221	0.31 105	1.15 343	0.43 166	2.43 434	1.41 375	1.17 227	1.40 318	1.21 300	0.86 260	1.94 314	16.68 506	0.24 249	0.24 344	0.21 151	0.20 186	0.23 217	0.27 264

GMStereo	0.58 128	0.50 357	1.09 276	0.52 118	0.32 137	0.80 240	0.43 166	1.02 79	1.41 375	0.89 140	0.77 94	0.52 67	0.46 84	0.89 105	0.56 206	0.25 269	0.16 192	0.20 120	0.22 253	0.31 328	0.27 264
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
iResNet	0.80 262	0.45 336	1.47 360	0.72 369	0.31 105	0.96 309	0.64 323	1.80 296	1.28 316	1.31 310	1.48 339	0.94 223	0.78 222	1.77 289	0.99 332	0.19 107	0.14 97	0.18 64	0.15 66	0.22 198	0.27 264

rvit_0105_5	0.61 153	0.41 321	1.19 315	0.67 327	0.37 207	0.57 120	0.56 285	1.08 103	1.28 316	0.65 89	0.68 69	0.77 147	0.67 189	0.91 111	0.51 171	0.33 366	0.32 404	0.30 346	0.27 338	0.28 290	0.28 278

test_sample4	0.74 227	0.36 257	1.09 276	0.55 167	0.32 137	0.92 291	0.51 239	2.14 382	1.25 296	1.22 264	1.22 246	0.86 183	0.82 240	1.29 199	0.76 269	0.26 292	0.21 292	0.26 297	0.26 322	0.27 274	0.28 278

PCWNet_CMD	0.68 198	0.34 220	0.93 222	0.51 99	0.38 219	0.80 240	0.42 149	1.51 223	1.34 341	1.17 227	1.31 283	1.23 308	0.65 183	0.94 115	0.62 230	0.21 174	0.17 219	0.27 310	0.19 157	0.43 387	0.28 278

ToySt	0.73 223	0.35 249	1.64 379	0.54 154	0.37 207	0.92 291	0.81 372	1.21 162	1.03 182	0.86 134	1.12 205	1.31 330	1.01 326	1.04 142	0.88 301	0.19 107	0.20 277	0.24 238	0.24 297	0.27 274	0.28 278

Wz-Net-LNSev-Ref	1.09 364	0.46 339	2.61 434	0.71 364	0.65 378	2.00 438	0.78 357	2.07 366	1.47 398	1.62 405	1.47 336	1.53 371	1.29 390	2.10 336	1.65 413	0.24 249	0.14 97	0.20 120	0.16 99	0.28 290	0.28 278

AACVNet	0.90 314	0.40 311	0.98 242	0.86 425	0.40 238	0.80 240	0.49 230	1.81 299	0.86 112	1.11 192	1.34 297	1.32 334	0.99 317	4.23 413	0.86 295	0.26 292	0.22 307	0.28 324	0.22 253	0.30 321	0.28 278

ICVP	0.66 174	0.35 249	0.71 101	0.63 279	0.41 252	0.85 270	0.56 285	1.78 289	0.96 152	0.92 146	1.24 258	0.88 191	0.75 210	0.76 65	0.93 319	0.31 354	0.22 307	0.22 180	0.21 227	0.24 246	0.28 278
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.68 198	0.34 220	0.93 222	0.50 85	0.39 228	0.72 201	0.42 149	1.44 212	1.25 296	1.17 227	1.35 302	1.22 304	0.66 187	1.04 142	0.64 237	0.21 174	0.17 219	0.33 372	0.19 157	0.39 374	0.28 278

sCroCo_RVC	0.51 82	0.43 328	1.15 295	0.66 313	0.60 360	0.52 90	0.40 131	0.93 53	0.64 50	0.45 37	0.76 90	0.49 50	0.49 107	0.65 43	0.49 164	0.27 313	0.28 375	0.23 214	0.22 253	0.29 306	0.28 278

111	0.66 174	0.27 71	1.15 295	0.46 33	0.25 18	0.72 201	0.42 149	1.57 240	1.44 387	0.83 122	1.39 313	1.10 280	0.80 235	0.97 127	0.65 242	0.20 147	0.14 97	0.18 64	0.15 66	0.18 68	0.28 278

psm_up	0.83 282	0.37 278	0.88 201	0.68 339	0.59 356	1.05 323	0.92 395	1.68 262	1.17 255	1.41 352	1.22 246	1.30 328	1.31 394	1.39 223	0.89 304	0.27 313	0.30 388	0.31 352	0.27 338	0.28 290	0.28 278

DMCA-RVC	0.83 282	0.46 339	2.19 418	0.68 339	0.49 301	0.84 263	0.48 219	1.44 212	1.07 198	1.56 393	1.04 171	1.29 326	0.86 260	1.49 252	0.92 316	0.27 313	0.22 307	0.35 387	0.28 348	0.32 339	0.28 278

MSMDNet	0.68 198	0.34 220	0.93 222	0.52 118	0.38 219	0.80 240	0.42 149	1.52 225	1.35 344	1.17 227	1.31 283	1.23 308	0.65 183	0.94 115	0.62 230	0.21 174	0.17 219	0.26 297	0.19 157	0.41 382	0.28 278

DLCB_ROB	0.92 322	0.43 328	0.95 232	0.71 364	0.55 338	1.11 334	0.83 377	1.61 251	1.32 337	1.67 411	1.66 385	1.70 398	0.93 294	1.96 319	1.34 378	0.26 292	0.25 356	0.27 310	0.28 348	0.28 290	0.28 278

FACV-RUCA	0.66 174	0.36 257	0.89 205	0.63 279	0.65 378	0.84 263	0.41 141	1.67 259	1.11 219	0.91 143	1.14 221	0.63 109	0.77 215	0.84 88	0.54 197	0.28 329	0.19 264	0.47 431	0.22 253	0.36 357	0.29 292

test_sample5	0.75 231	0.36 257	1.04 258	0.55 167	0.31 105	0.84 263	0.53 256	2.12 373	1.23 284	1.18 238	1.30 281	0.88 191	0.86 260	1.37 217	0.76 269	0.26 292	0.22 307	0.27 310	0.28 348	0.28 290	0.29 292

DualNet	0.75 231	0.36 257	1.04 258	0.55 167	0.31 105	0.84 263	0.53 256	2.12 373	1.23 284	1.21 256	1.40 318	0.88 191	0.86 260	1.37 217	0.76 269	0.26 292	0.22 307	0.27 310	0.28 348	0.28 290	0.29 292

mmx	1.89 443	0.36 257	1.51 365	0.56 187	0.40 238	0.76 217	0.59 304	2.32 418	1.41 375	1.19 245	1.49 340	1.07 265	0.85 252	9.88 501	13.82 498	0.25 269	0.21 292	0.31 352	0.28 348	0.32 339	0.29 292

xxx	1.89 443	0.36 257	1.51 365	0.56 187	0.40 238	0.76 217	0.59 304	2.32 418	1.41 375	1.19 245	1.49 340	1.07 265	0.85 252	9.88 501	13.82 498	0.25 269	0.21 292	0.31 352	0.28 348	0.32 339	0.29 292

riskmin	0.62 156	0.29 101	0.73 116	0.50 85	0.34 173	0.86 271	0.44 185	1.74 282	1.07 198	0.76 108	0.76 90	1.19 297	1.01 326	0.84 88	0.60 224	0.20 147	0.16 192	0.24 238	0.16 99	0.24 246	0.29 292

ssnet_v2	0.92 322	0.39 305	1.22 324	0.66 313	0.39 228	1.31 369	0.96 404	2.32 418	1.45 392	1.48 378	1.17 232	1.53 371	0.91 284	1.16 174	1.71 419	0.31 354	0.27 370	0.30 346	0.29 366	0.28 290	0.29 292

CIPLG	0.67 185	0.37 278	1.17 309	0.60 248	0.51 316	0.75 212	0.48 219	1.26 175	1.11 219	1.43 360	1.58 372	0.64 112	0.48 96	0.94 115	0.78 275	0.24 249	0.15 160	0.19 88	0.16 99	0.19 100	0.29 292

IPLGR_C	0.67 185	0.38 296	1.20 319	0.60 248	0.50 306	0.75 212	0.48 219	1.28 183	1.13 232	1.42 356	1.57 371	0.62 104	0.48 96	0.85 92	0.80 287	0.24 249	0.15 160	0.19 88	0.16 99	0.19 100	0.29 292

ACRE	0.66 174	0.37 278	1.27 334	0.60 248	0.50 306	0.74 207	0.47 213	1.26 175	1.10 213	1.40 350	1.56 367	0.62 104	0.46 84	0.88 102	0.78 275	0.24 249	0.15 160	0.19 88	0.16 99	0.19 100	0.29 292

HGLStereo	0.89 306	0.42 324	1.15 295	0.82 411	1.03 451	1.16 346	0.57 291	1.68 262	1.28 316	1.26 287	1.62 378	1.13 289	1.31 394	1.85 300	1.11 350	0.25 269	0.24 344	0.24 238	0.22 253	0.24 246	0.29 292

DMCA	0.71 214	0.36 257	1.17 309	0.53 141	0.45 279	0.84 263	0.46 203	1.52 225	1.09 209	1.20 250	1.12 205	1.21 300	0.74 205	0.87 99	1.09 346	0.25 269	0.20 277	0.27 310	0.19 157	0.24 246	0.29 292

TDLM	1.08 363	0.50 357	1.01 251	0.69 352	0.54 334	0.91 284	1.40 447	1.60 249	1.36 353	1.17 227	1.40 318	1.07 265	1.00 323	6.19 452	0.85 294	0.34 375	0.22 307	0.35 387	0.26 322	0.38 369	0.29 292

ccs_rob	0.68 198	0.34 220	0.93 222	0.50 85	0.39 228	0.72 201	0.42 149	1.43 211	1.25 296	1.17 227	1.34 297	1.22 304	0.66 187	1.04 142	0.64 237	0.21 174	0.17 219	0.35 387	0.20 186	0.40 378	0.29 292

UCFNet_RVC	0.72 220	0.37 278	0.59 47	0.66 313	0.41 252	0.89 278	0.68 332	1.78 289	1.15 243	1.01 169	1.20 239	1.22 304	0.95 302	1.07 152	0.66 246	0.28 329	0.21 292	0.34 380	0.31 382	0.33 345	0.29 292

DISCO	1.06 355	0.37 278	1.19 315	0.73 376	0.46 286	2.04 441	0.84 379	2.26 408	1.54 409	1.25 274	1.36 306	2.38 448	1.08 351	2.60 374	1.62 407	0.24 249	0.19 264	0.22 180	0.20 186	0.32 339	0.29 292

test_sample6	0.77 245	0.36 257	1.07 270	0.56 187	0.31 105	0.82 249	0.56 285	2.12 373	1.24 288	1.21 256	1.40 318	0.90 203	0.90 281	1.45 239	0.87 300	0.28 329	0.23 334	0.28 324	0.29 366	0.28 290	0.30 308

MyStereo8	0.70 208	0.32 172	1.24 329	0.63 279	0.53 326	0.90 282	0.34 74	1.60 249	1.35 344	1.20 250	1.31 283	0.89 201	0.64 179	0.77 67	1.02 340	0.18 71	0.15 160	0.20 120	0.18 136	0.22 198	0.30 308

CFNet_ucs	0.73 223	0.34 220	0.94 229	0.53 141	0.44 275	0.76 217	0.46 203	1.73 280	1.34 341	1.24 271	1.54 358	1.08 275	0.64 179	1.05 145	0.64 237	0.26 292	0.20 277	0.37 400	0.22 253	0.42 385	0.30 308

CSP-Net	1.00 342	0.41 321	0.99 244	0.56 187	0.43 266	1.62 407	0.76 353	2.16 389	1.16 250	1.33 318	1.22 246	1.32 334	0.89 278	4.67 424	0.93 319	0.35 383	0.24 344	0.20 120	0.20 186	0.23 217	0.30 308

NF-Stereo	0.82 273	0.33 191	0.83 172	0.65 299	0.31 105	0.63 155	0.43 166	1.35 194	0.93 137	1.30 304	1.02 159	0.81 160	0.57 139	5.37 439	0.55 200	0.26 292	0.14 97	0.24 238	0.20 186	0.20 136	0.30 308

OCTAStereo	0.82 273	0.33 191	0.83 172	0.65 299	0.31 105	0.62 147	0.44 185	1.35 194	0.93 137	1.30 304	1.02 159	0.81 160	0.57 139	5.32 434	0.55 200	0.26 292	0.14 97	0.24 238	0.20 186	0.20 136	0.30 308

ASMatch	0.89 306	0.29 101	0.72 103	0.56 187	0.36 198	0.47 50	0.37 104	1.16 145	0.95 148	1.11 192	3.26 464	0.95 227	0.96 304	4.88 427	0.53 188	0.20 147	0.16 192	0.22 180	0.19 157	0.20 136	0.30 308

Anonymous3	0.64 168	0.47 344	1.31 341	0.59 240	0.50 306	0.93 295	0.69 335	1.11 118	0.83 103	0.74 104	0.89 122	0.65 113	0.68 193	1.08 155	0.54 197	0.40 403	0.31 393	0.26 297	0.26 322	0.31 328	0.30 308

iResNet_ROB	0.82 273	0.36 257	1.13 288	0.60 248	0.37 207	0.91 284	0.38 113	2.41 432	1.61 420	1.35 331	1.35 302	1.25 313	0.97 311	1.75 287	0.88 301	0.21 174	0.14 97	0.17 33	0.12 17	0.19 100	0.30 308

rvit_0105_3	0.66 174	0.47 344	1.27 334	0.74 382	0.40 238	0.63 155	0.70 341	1.22 164	1.28 316	0.83 122	0.71 81	0.82 166	0.72 204	0.93 114	0.58 214	0.37 393	0.34 413	0.34 380	0.32 389	0.28 290	0.31 317

fast-acv-ft	1.00 342	0.48 349	1.85 394	0.61 261	0.52 321	1.77 421	0.69 335	1.52 225	1.47 398	1.34 325	1.85 414	1.73 401	1.24 384	1.62 271	1.56 401	0.27 313	0.28 375	0.28 324	0.28 348	0.28 290	0.31 317

ADLNet2	0.92 322	0.37 278	1.25 331	0.80 404	0.65 378	1.12 336	0.75 350	1.95 337	1.42 383	1.26 287	1.67 387	1.68 395	1.04 342	1.80 298	1.23 366	0.25 269	0.22 307	0.21 151	0.22 253	0.27 274	0.31 317

HHNet	0.64 168	0.28 81	0.69 95	0.45 23	0.46 286	0.50 76	0.57 291	1.13 124	1.03 182	1.26 287	2.21 438	0.70 129	0.59 159	1.10 162	0.51 171	0.21 174	0.13 35	0.23 214	0.19 157	0.20 136	0.31 317

RE-Stereo	0.82 273	0.33 191	0.84 181	0.65 299	0.31 105	0.63 155	0.44 185	1.35 194	0.93 137	1.30 304	1.02 159	0.80 154	0.57 139	5.34 437	0.55 200	0.26 292	0.14 97	0.24 238	0.20 186	0.20 136	0.31 317

TVStereo	0.82 273	0.33 191	0.84 181	0.65 299	0.31 105	0.63 155	0.44 185	1.35 194	0.93 137	1.30 304	1.02 159	0.80 154	0.57 139	5.34 437	0.55 200	0.26 292	0.14 97	0.24 238	0.20 186	0.20 136	0.31 317

GEStereo_RVC	0.93 327	0.40 311	1.15 295	0.67 327	0.50 306	0.95 304	0.78 357	2.73 462	1.21 272	1.20 250	1.12 205	1.25 313	0.91 284	3.21 394	0.95 326	0.31 354	0.20 277	0.23 214	0.20 186	0.28 290	0.31 317

GES	0.70 208	0.37 278	1.05 263	0.62 269	0.38 219	0.94 298	0.57 291	2.37 427	0.92 130	1.05 180	1.12 205	0.67 119	0.77 215	1.02 138	0.65 242	0.28 329	0.20 277	0.20 120	0.20 186	0.22 198	0.31 317

SGM_RVC	1.88 440	0.40 311	0.90 213	0.63 279	0.30 87	2.81 466	1.26 440	2.73 462	1.81 438	4.09 483	2.85 458	3.88 476	3.19 478	8.42 486	2.44 441	0.33 366	0.31 393	0.30 346	0.28 348	0.31 328	0.31 317
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
AIO-Stereo-zeroshot	0.85 293	0.38 296	2.79 438	0.51 99	0.60 360	0.72 201	0.38 113	2.87 470	0.77 81	0.80 114	1.07 182	2.14 437	0.93 294	0.96 123	0.62 230	0.21 174	0.13 35	0.21 151	0.26 322	0.29 306	0.32 326

ttt	1.26 395	0.36 257	0.79 144	0.65 299	0.42 261	0.94 298	0.57 291	2.33 424	1.38 360	1.25 274	1.65 384	0.92 215	0.78 222	2.64 375	8.73 486	0.30 350	0.28 375	0.26 297	0.25 305	0.29 306	0.32 326

Wz-Net-MNSev	1.21 385	0.66 409	3.44 452	0.69 352	0.73 401	1.93 434	1.44 449	2.16 389	1.59 417	1.85 428	1.49 340	1.50 366	1.34 398	2.05 332	1.54 400	0.27 313	0.24 344	0.28 324	0.28 348	0.35 353	0.32 326

RAFT + AFF	1.07 360	0.47 344	1.36 351	0.68 339	0.50 306	1.20 357	1.22 435	2.58 453	1.26 304	1.33 318	1.56 367	1.19 297	1.49 417	3.89 411	1.01 337	0.22 207	0.26 362	0.30 346	0.27 338	0.29 306	0.32 326

ADCRef	1.50 414	0.61 392	3.83 458	0.76 397	0.77 414	1.91 432	0.77 354	2.16 389	1.34 341	1.63 407	1.59 376	1.35 339	1.40 405	1.79 296	8.32 483	0.25 269	0.21 292	0.32 363	0.31 382	0.31 328	0.32 326

CVANet_RVC	1.10 365	0.49 354	1.15 295	0.65 299	0.54 334	0.93 295	1.00 410	1.69 271	1.36 353	1.42 356	1.39 313	1.24 312	1.17 371	6.22 454	0.80 287	0.35 383	0.24 344	0.35 387	0.30 378	0.44 397	0.32 326

PSMNet_ROB	0.95 328	0.57 385	1.45 358	0.75 390	0.64 373	1.28 367	1.12 421	1.84 305	1.15 243	1.16 223	1.29 280	1.44 353	0.89 278	1.74 286	1.70 417	0.33 366	0.25 356	0.37 400	0.39 419	0.36 357	0.32 326

test_sample7	0.78 248	0.39 305	0.89 205	0.55 167	0.35 190	0.93 295	0.75 350	1.99 346	1.27 308	1.25 274	1.22 246	1.09 276	1.01 326	1.31 202	0.73 259	0.32 361	0.32 404	0.32 363	0.32 389	0.33 345	0.33 333

LL-Strereo	1.42 408	0.44 335	2.02 405	0.62 269	1.07 453	0.73 205	0.65 325	2.02 352	1.21 272	1.60 401	1.62 378	2.02 428	2.10 456	9.67 497	1.07 345	0.22 207	0.20 277	0.27 310	0.24 297	0.23 217	0.33 333

GASNet	1.13 369	1.10 454	3.29 450	1.00 452	0.68 391	0.82 249	0.67 330	1.85 312	1.38 360	1.39 344	1.25 260	1.25 313	1.20 380	2.72 380	1.62 407	0.46 425	0.26 362	0.36 397	0.34 405	0.55 428	0.33 333

GwcNet-ADL	0.67 185	0.33 191	0.90 213	0.58 221	0.41 252	0.60 137	0.59 304	1.55 234	1.28 316	1.11 192	1.13 216	0.90 203	0.59 159	1.11 165	0.91 312	0.28 329	0.18 247	0.18 64	0.18 136	0.25 258	0.33 333

hitnet-ft	0.84 288	0.38 296	0.75 126	0.59 240	0.44 275	0.99 314	0.47 213	1.61 251	1.38 360	1.21 256	1.22 246	1.82 409	0.99 317	1.87 304	1.09 346	0.33 366	0.29 384	0.34 380	0.27 338	0.36 357	0.33 333

GANet	1.41 406	0.52 367	1.18 314	0.74 382	0.48 295	1.40 385	1.69 459	1.87 315	1.28 316	1.56 393	2.39 446	1.56 376	1.25 385	9.13 490	1.20 358	0.31 354	0.32 404	0.34 380	0.29 366	0.40 378	0.33 333

DRN-Test	1.07 360	0.49 354	1.95 402	0.75 390	0.81 426	1.61 405	0.78 357	2.26 408	1.53 407	1.84 426	1.35 302	1.42 348	1.04 342	2.26 350	1.61 405	0.28 329	0.23 334	0.31 352	0.30 378	0.33 345	0.33 333

StereoDRNet	1.05 353	0.53 369	2.21 419	0.80 404	0.93 440	1.50 394	0.90 391	2.06 364	1.44 387	1.68 412	1.20 239	1.48 362	0.99 317	1.86 303	1.60 404	0.29 344	0.24 344	0.29 335	0.28 348	0.35 353	0.33 333

rvit_stereo_0075_2	0.66 174	0.47 344	1.21 323	0.67 327	0.66 384	0.53 94	0.48 219	1.24 171	1.17 255	0.77 109	0.91 125	0.78 151	0.59 159	1.05 145	0.63 233	0.37 393	0.28 375	0.40 413	0.31 382	0.38 369	0.34 341

dad	0.90 314	0.73 425	1.28 337	0.59 240	0.39 228	0.83 256	0.45 197	1.24 171	1.54 409	1.52 383	1.28 276	1.36 340	0.86 260	2.54 371	0.91 312	0.43 412	0.27 370	0.82 465	0.26 322	0.44 397	0.34 341

AF-Net	1.23 390	0.56 380	2.31 423	0.88 428	0.93 440	1.41 387	0.73 348	2.27 414	1.71 428	1.76 420	2.42 448	2.00 425	1.70 432	1.98 320	1.62 407	0.50 437	0.29 384	0.49 435	0.33 400	0.40 378	0.34 341

ADCP+	2.12 454	0.56 380	10.01 487	0.68 339	0.91 436	2.25 450	1.04 413	1.92 332	1.50 405	1.58 397	1.34 297	1.73 401	1.62 423	2.27 351	13.20 495	0.25 269	0.22 307	0.32 363	0.29 366	0.38 369	0.34 341

DeepPruner_ROB	0.79 257	0.55 376	1.14 293	0.61 261	0.46 286	0.78 227	0.54 269	1.83 303	1.00 172	1.42 356	1.27 271	1.23 308	0.77 215	1.56 256	0.89 304	0.35 383	0.28 375	0.27 310	0.26 322	0.32 339	0.34 341

StereoDRNet-Refined	0.84 288	0.43 328	1.01 251	0.66 313	0.43 266	1.32 370	0.49 230	1.64 255	1.24 288	1.53 386	1.45 332	1.49 364	0.97 311	1.32 208	1.31 373	0.21 174	0.17 219	0.27 310	0.25 305	0.25 258	0.34 341
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
MDST_ROB	1.88 440	0.40 311	1.71 383	0.93 443	0.60 360	4.27 491	1.23 437	3.99 485	1.44 387	4.61 491	2.63 454	1.44 353	1.03 336	9.78 498	1.62 407	0.33 366	0.26 362	0.37 400	0.33 400	0.31 328	0.34 341

SGM-Forest	1.29 399	0.40 311	0.74 121	0.54 154	0.37 207	1.55 399	1.26 440	1.82 301	1.39 369	2.22 448	1.81 409	1.64 389	1.02 334	7.65 479	1.20 358	0.39 401	0.37 429	0.39 407	0.34 405	0.37 363	0.34 341
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	1.04 350	0.48 349	0.88 201	0.56 187	0.36 198	1.52 396	1.55 454	1.87 315	1.59 417	2.11 445	1.67 387	1.46 359	1.35 399	1.92 312	1.31 373	0.35 383	0.35 420	0.39 407	0.33 400	0.34 351	0.34 341
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ACV-stereo	1.00 342	0.55 376	1.47 360	0.59 240	0.42 261	2.38 456	0.58 298	1.20 157	1.21 272	0.83 122	1.01 156	3.36 471	2.10 456	1.64 272	1.17 354	0.28 329	0.22 307	0.23 214	0.22 253	0.29 306	0.35 350

Wz-Net-LNSev	1.17 376	0.72 422	4.71 466	0.66 313	0.84 431	1.72 412	1.13 423	1.97 341	1.43 384	1.34 325	1.32 288	1.66 391	1.30 393	1.44 238	1.51 397	0.29 344	0.26 362	0.24 238	0.23 284	0.33 345	0.35 350

UDGNet	0.75 231	1.23 462	0.99 244	0.82 411	0.42 261	0.76 217	0.38 113	0.98 68	1.37 358	0.83 122	0.88 120	0.70 129	0.60 165	1.25 189	0.57 209	0.57 447	0.19 264	1.03 473	0.26 322	0.79 455	0.35 350

rvit_105_1	0.76 239	0.54 372	1.27 334	0.80 404	0.49 301	0.74 207	0.86 385	1.39 203	1.23 284	1.00 164	0.80 103	0.93 217	0.78 222	1.29 199	0.78 275	0.43 412	0.36 424	0.36 397	0.42 425	0.30 321	0.36 353

CBFPSM	0.95 328	0.37 278	2.10 411	0.51 99	0.39 228	1.73 415	0.87 388	1.59 247	1.13 232	1.11 192	1.00 154	2.34 446	1.64 428	1.42 233	1.44 388	0.19 107	0.18 247	0.20 120	0.20 186	0.22 198	0.36 353

PSMNet-ADL	0.75 231	0.36 257	0.69 95	0.71 364	0.47 293	1.13 337	0.46 203	1.47 219	1.07 198	0.85 129	1.18 235	1.31 330	0.94 297	1.56 256	1.06 344	0.34 375	0.22 307	0.22 180	0.23 284	0.27 274	0.36 353

ADLNet	0.89 306	0.39 305	1.09 276	0.88 428	0.73 401	1.24 362	0.75 350	2.02 352	1.41 375	1.58 397	1.37 307	1.26 319	1.00 323	1.31 202	1.18 355	0.28 329	0.21 292	0.26 297	0.26 322	0.29 306	0.36 353

DDVS	0.80 262	0.43 328	1.09 276	0.64 292	0.44 275	1.27 366	0.43 166	1.49 222	0.94 143	1.21 256	1.16 229	1.42 348	0.63 175	2.14 340	1.02 340	0.29 344	0.22 307	0.26 297	0.23 284	0.31 328	0.37 357

DCVSM-stereo	0.75 231	0.36 257	0.82 163	0.58 221	0.43 266	0.78 227	0.42 149	1.30 186	1.05 194	1.79 422	1.04 171	1.60 380	1.08 351	1.12 167	0.86 295	0.25 269	0.27 370	0.29 335	0.24 297	0.30 321	0.37 357

pcwnet_v2	0.91 319	0.39 305	2.74 436	0.64 292	0.55 338	0.81 248	0.49 230	2.19 400	1.63 421	1.44 363	1.64 383	1.09 276	0.79 229	1.31 202	0.70 255	0.32 361	0.25 356	0.29 335	0.27 338	0.37 363	0.37 357

FADNet-RVC	0.96 332	0.72 422	2.96 441	0.64 292	0.49 301	0.90 282	0.59 304	1.85 312	1.27 308	0.92 146	0.97 143	1.36 340	0.90 281	2.36 357	1.31 373	0.30 350	0.29 384	0.32 363	0.32 389	0.42 385	0.37 357

STTStereo	0.82 273	0.53 369	1.53 372	0.68 339	0.56 343	0.88 276	0.56 285	1.57 240	1.14 238	1.39 344	1.10 194	1.26 319	0.84 247	1.49 252	0.90 308	0.29 344	0.28 375	0.33 372	0.40 421	0.33 345	0.37 357

AANet_RVC	1.22 386	0.60 387	1.94 398	0.69 352	0.46 286	0.75 212	0.69 335	1.51 223	1.57 415	1.36 336	1.90 420	1.51 368	0.87 269	7.23 474	1.89 426	0.26 292	0.19 264	0.19 88	0.16 99	0.23 217	0.37 357

NaN_ROB	1.23 390	0.63 399	1.76 385	0.67 327	0.50 306	1.59 404	2.00 473	1.87 315	1.52 406	2.14 447	1.26 262	1.40 347	1.09 354	4.60 422	1.75 420	0.28 329	0.34 413	0.28 324	0.29 366	0.30 321	0.37 357

XPNet_ROB	1.02 347	0.56 380	1.33 345	0.75 390	0.58 350	1.11 334	1.13 423	1.77 287	1.29 326	1.88 429	1.43 328	1.63 388	1.13 367	2.04 328	1.69 415	0.40 403	0.31 393	0.33 372	0.29 366	0.37 363	0.37 357

SuperB	2.50 467	0.72 422	18.07 504	0.72 369	0.53 326	1.85 428	0.86 385	1.80 296	2.40 460	1.54 389	1.42 324	1.13 289	1.17 371	4.18 412	4.80 468	0.25 269	0.20 277	0.23 214	0.19 157	7.64 511	0.38 365

SGM-ForestM	7.81 501	0.48 349	11.02 491	0.74 382	0.40 238	16.83 509	12.72 508	7.91 505	8.13 499	11.53 508	10.25 503	22.44 517	14.01 507	17.02 511	20.52 509	0.38 395	0.39 437	0.37 400	0.36 411	0.37 363	0.38 365

LALA_ROB	1.06 355	0.66 409	1.37 354	0.70 361	0.53 326	1.61 405	1.25 439	1.81 299	1.48 402	1.82 425	1.40 318	1.93 416	1.03 336	1.68 278	1.69 415	0.38 395	0.28 375	0.43 420	0.37 415	0.43 387	0.38 365

Wz-Net-SNSev	1.68 428	1.45 469	8.71 484	0.71 364	0.67 390	1.35 377	1.51 450	2.15 387	1.47 398	1.51 381	1.68 389	2.27 441	1.38 402	4.23 413	2.36 440	0.32 361	0.29 384	0.31 352	0.33 400	0.43 387	0.39 368

ADCL	1.82 437	0.70 417	4.57 465	0.70 361	0.63 372	2.56 459	1.77 466	2.08 367	1.77 432	1.95 438	1.89 418	2.04 433	1.88 446	2.36 357	9.55 490	0.27 313	0.25 356	0.35 387	0.32 389	0.39 374	0.39 368

NLCA_NET_v2_RVC	0.84 288	0.46 339	1.40 356	0.69 352	0.61 366	0.95 304	0.52 250	1.68 262	1.21 272	1.39 344	1.15 227	1.42 348	0.88 275	1.78 291	0.93 319	0.26 292	0.23 334	0.27 310	0.27 338	0.30 321	0.39 368
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CBMV_ROB	0.99 339	0.46 339	0.68 89	0.53 141	0.39 228	1.40 385	0.48 219	2.09 369	1.30 328	1.53 386	2.29 442	1.36 340	1.23 381	2.46 363	1.04 343	0.44 421	0.42 444	0.47 431	0.44 431	0.41 382	0.39 368

FADNet-RVC-Resample	0.91 319	0.51 361	2.92 440	0.64 292	0.46 286	1.07 327	0.60 311	1.76 286	1.24 288	1.10 191	0.98 148	1.06 262	0.98 314	2.17 343	0.95 326	0.24 249	0.22 307	0.30 346	0.32 389	0.36 357	0.40 372

Nwc_Net	1.19 381	0.53 369	2.34 424	0.92 438	0.81 426	1.49 393	0.70 341	2.28 416	1.32 337	1.41 352	2.27 440	2.03 431	1.76 438	2.05 332	1.46 391	0.43 412	0.30 388	0.43 420	0.46 436	0.39 374	0.40 372

RTSC	1.43 410	0.89 437	3.62 456	0.94 446	0.64 373	1.85 428	0.69 335	2.20 403	2.04 451	2.22 448	1.70 392	1.67 393	1.27 388	2.53 370	4.48 464	0.33 366	0.25 356	0.27 310	0.29 366	0.38 369	0.40 372

ITSA-stereo	0.85 293	0.38 296	0.92 220	0.58 221	0.32 137	0.86 271	0.49 230	2.33 424	1.69 425	1.16 223	1.12 205	0.95 227	0.85 252	2.46 363	1.18 355	0.27 313	0.23 334	0.28 324	0.28 348	0.28 290	0.41 375

AIO-Stereo-zeroshot1	1.06 355	0.43 328	3.59 454	0.53 141	0.66 384	0.79 234	0.39 126	2.60 454	0.98 159	0.96 157	4.58 478	2.05 435	0.56 136	0.99 129	0.51 171	0.19 107	0.14 97	0.21 151	0.28 348	0.32 339	0.41 375

GrayStereo	0.83 282	0.28 81	0.62 64	0.66 313	0.37 207	0.76 217	1.79 467	1.19 153	0.91 125	1.98 439	1.89 418	1.07 265	1.76 438	1.43 235	0.50 167	0.20 147	0.15 160	0.19 88	0.21 227	0.18 68	0.41 375

FINET	1.54 417	0.67 412	7.28 476	0.76 397	0.97 447	1.42 390	1.38 446	2.80 469	3.12 477	1.23 267	1.68 389	1.04 258	1.11 360	3.35 400	1.78 424	0.43 412	0.37 429	0.32 363	0.29 366	0.43 387	0.41 375

APVNet	1.11 367	0.59 386	1.95 402	0.87 426	0.77 414	1.90 431	0.82 376	2.03 356	1.15 243	1.14 217	1.43 328	1.55 374	1.12 366	3.03 388	1.62 407	0.32 361	0.34 413	0.42 419	0.36 411	0.36 357	0.41 375

Syn2CoEx	1.23 390	0.80 429	3.07 444	0.83 415	0.68 391	1.39 382	0.87 388	2.23 405	1.57 415	1.28 297	1.58 372	1.42 348	1.57 421	3.79 409	1.48 394	0.36 390	0.32 404	0.34 380	0.30 378	0.30 321	0.41 375

GwcNet	1.26 395	0.63 399	5.13 468	0.81 408	1.15 462	1.73 415	0.69 335	1.84 305	1.53 407	1.51 381	1.71 394	1.72 399	1.09 354	2.20 345	1.61 405	0.31 354	0.30 388	0.29 335	0.27 338	0.30 321	0.41 375

PWCDC_ROB	1.39 404	0.91 441	2.10 411	1.08 456	0.92 437	1.72 412	0.58 298	2.03 356	3.30 480	1.32 313	4.87 483	1.21 300	1.71 434	1.98 320	1.75 420	0.65 456	0.26 362	0.29 335	0.25 305	0.56 429	0.41 375

HBP-ISP	1.00 342	0.60 387	0.85 187	0.64 292	0.48 295	1.63 408	0.77 354	2.24 407	1.30 328	1.33 318	1.53 357	0.87 185	0.99 317	3.26 397	0.76 269	0.46 425	0.44 446	0.54 444	0.48 440	0.48 411	0.42 383

FADNet_RVC	0.88 304	0.56 380	2.15 415	0.57 209	0.43 266	1.17 353	0.46 203	1.68 262	1.12 226	0.91 143	1.24 258	0.91 207	0.94 297	2.22 346	1.20 358	0.28 329	0.22 307	0.32 363	0.28 348	0.46 406	0.42 383

FADNet	0.98 336	0.64 402	2.57 431	0.66 313	0.55 338	0.95 304	0.57 291	1.91 326	1.38 360	0.94 152	1.02 159	1.36 340	1.00 323	2.69 378	0.97 330	0.34 375	0.34 413	0.31 352	0.34 405	0.61 440	0.42 383

DeepPrunerF	1.68 428	0.82 433	6.82 474	0.94 446	1.20 467	0.91 284	0.97 405	2.50 446	5.19 495	1.22 264	1.30 281	1.18 295	1.29 390	4.96 429	1.75 420	0.43 412	0.35 420	0.52 439	0.48 440	0.43 387	0.42 383

CASS	0.67 185	0.36 257	0.84 181	0.57 209	0.28 58	0.82 249	0.43 166	1.62 254	0.92 130	1.39 344	1.28 276	0.87 185	0.84 247	0.88 102	0.59 221	0.36 390	0.19 264	0.26 297	0.22 253	0.29 306	0.43 387
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SANet	2.26 459	0.70 417	6.94 475	0.69 352	0.46 286	2.76 465	1.76 465	2.61 455	5.84 497	2.45 457	3.52 468	3.71 473	3.38 483	5.90 447	2.14 432	0.34 375	0.31 393	0.32 363	0.29 366	0.54 426	0.43 387

NOSS_ROB	1.29 399	0.49 354	0.68 89	0.60 248	0.40 238	1.09 333	0.77 354	1.94 334	1.44 387	1.04 178	1.46 334	1.10 280	0.81 239	10.57 506	0.78 275	0.46 425	0.43 445	0.48 433	0.45 434	0.45 399	0.43 387

CSAN	1.61 422	0.67 412	3.24 449	0.74 382	0.52 321	1.77 421	1.74 464	1.98 342	1.94 445	2.47 460	2.33 444	1.93 416	2.04 453	6.45 463	1.95 428	0.43 412	0.36 424	0.41 418	0.42 425	0.43 387	0.44 390

ETE_ROB	1.01 346	0.69 416	1.49 363	0.72 369	0.50 306	1.15 343	1.12 421	1.91 326	1.24 288	1.94 436	1.50 347	1.73 401	1.06 348	1.78 291	1.33 377	0.33 366	0.26 362	0.38 404	0.34 405	0.40 378	0.44 390

NCC-stereo	1.20 383	0.60 387	1.84 392	0.88 428	0.95 444	1.32 370	0.94 400	2.14 382	1.36 353	1.43 360	1.79 403	1.93 416	2.13 461	2.54 371	1.41 385	0.49 433	0.38 432	0.45 425	0.59 457	0.43 387	0.45 392

Abc-Net	1.20 383	0.60 387	1.84 392	0.88 428	0.95 444	1.32 370	0.94 400	2.14 382	1.36 353	1.43 360	1.79 403	1.93 416	2.13 461	2.54 371	1.41 385	0.49 433	0.38 432	0.45 425	0.59 457	0.43 387	0.45 392
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PS-NSSS	1.02 347	0.62 398	1.17 309	0.61 261	0.58 350	0.91 284	0.79 365	2.02 352	1.19 262	1.17 227	1.68 389	1.00 247	0.85 252	4.43 418	0.86 295	0.38 395	0.31 393	0.52 439	0.32 389	0.52 418	0.45 392

NCCL2	1.06 355	0.64 402	1.35 346	0.78 402	0.58 350	1.32 370	1.69 459	1.89 322	1.38 360	1.52 383	1.20 239	1.91 412	1.17 371	1.79 296	1.50 395	0.35 383	0.31 393	0.45 425	0.44 431	0.41 382	0.45 392

MeshStereo	2.36 462	0.60 387	1.05 263	0.63 279	0.51 316	2.58 460	0.99 408	3.46 478	2.21 457	7.38 504	5.06 485	7.50 493	3.10 477	7.02 473	2.54 443	0.44 421	0.44 446	0.45 425	0.40 421	0.43 387	0.45 392
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
RP	1.17 376	0.54 372	1.48 362	0.93 443	1.05 452	1.14 340	0.85 384	1.99 346	1.70 426	1.72 415	2.07 431	1.91 412	1.93 448	2.00 324	1.37 382	0.55 445	0.37 429	0.48 433	0.37 415	0.46 406	0.46 397

DualNet (step1)	0.89 306	0.51 361	1.35 346	0.58 221	0.40 238	1.07 327	0.80 368	1.99 346	1.27 308	1.25 274	1.22 246	1.09 276	1.01 326	1.31 202	0.73 259	0.59 450	0.32 404	0.62 457	0.67 464	0.45 399	0.48 398

test_sample9	1.96 446	0.51 361	1.35 346	0.58 221	0.40 238	1.07 327	0.80 368	1.99 346	1.27 308	1.25 274	1.22 246	1.09 276	1.01 326	2.46 363	8.57 484	0.59 450	12.85 515	0.62 457	0.67 464	0.45 399	0.48 398

test_sample8	2.29 460	0.51 361	1.35 346	0.58 221	0.40 238	1.07 327	0.80 368	2.03 356	1.22 280	2.28 451	1.33 293	4.98 486	2.51 470	2.46 363	8.57 484	0.59 450	12.85 515	0.62 457	0.67 464	0.45 399	0.48 398

SACVNet	0.89 306	0.51 361	1.08 273	0.83 415	0.58 350	0.83 256	0.78 357	1.84 305	1.17 255	1.39 344	1.33 293	1.25 313	1.01 326	2.31 354	0.92 316	0.35 383	0.26 362	0.31 352	0.29 366	0.35 353	0.48 398

ISRNet	0.83 282	0.35 249	1.31 341	0.84 419	0.65 378	0.60 137	0.41 141	1.28 183	1.15 243	1.61 402	1.55 361	1.34 337	0.77 215	1.33 211	0.98 331	0.40 403	0.34 413	0.43 420	0.38 418	0.34 351	0.49 402

RGC	1.22 386	0.82 433	1.71 383	0.95 448	0.98 449	1.53 398	0.80 368	2.18 398	1.35 344	1.69 413	1.94 423	2.03 431	1.66 429	2.36 357	1.50 395	0.46 425	0.36 424	0.59 455	0.48 440	0.49 414	0.49 402

stereogan	1.22 386	0.45 336	2.03 408	0.87 426	0.85 432	2.52 458	0.72 345	1.98 342	1.78 435	1.92 432	1.94 423	2.31 445	1.42 408	2.10 336	1.14 351	0.38 395	0.36 424	0.39 407	0.32 389	0.52 418	0.49 402

PWC_ROB	1.39 404	0.93 443	4.07 460	0.77 399	0.83 429	1.16 346	0.53 256	1.87 315	2.01 449	2.36 453	3.06 462	1.65 390	1.60 422	2.65 377	2.29 438	0.34 375	0.23 334	0.36 397	0.25 305	0.39 374	0.49 402

WZ-Net	2.14 455	1.08 451	11.68 493	0.89 435	0.78 418	1.76 419	1.59 457	2.39 429	2.03 450	2.11 445	1.95 425	2.30 444	2.28 464	5.94 450	3.86 460	0.35 383	0.27 370	0.29 335	0.32 389	0.52 418	0.50 406

edge stereo	1.15 373	0.54 372	1.50 364	0.73 376	0.66 384	1.18 355	0.84 379	2.13 381	1.41 375	1.73 416	1.84 411	2.53 453	1.46 412	2.46 363	1.35 380	0.43 412	0.41 439	0.54 444	0.36 411	0.43 387	0.50 406

ADCPNet	1.97 448	0.78 428	9.38 486	0.74 382	0.61 366	2.73 464	1.36 445	2.11 372	1.66 423	1.92 432	1.70 392	2.45 451	2.07 454	2.50 368	6.84 478	0.38 395	0.38 432	0.38 404	0.43 429	0.47 410	0.50 406

WCMA_ROB	2.05 449	0.55 376	1.77 386	0.74 382	0.61 366	2.24 449	1.56 455	2.17 397	1.79 436	4.16 487	6.36 489	5.66 488	4.66 492	3.19 393	2.77 446	0.55 445	0.45 448	0.40 413	0.43 429	0.48 411	0.50 406

aanetorigin	1.26 395	0.85 436	3.00 442	0.72 369	0.80 422	1.08 331	1.05 414	1.12 120	1.39 369	3.53 481	2.60 453	1.72 399	1.73 436	1.98 320	1.77 423	0.26 292	0.24 344	0.26 297	0.25 305	0.38 369	0.51 410

FBW_ROB	1.78 433	0.66 409	1.90 397	0.72 369	0.66 384	1.79 425	1.07 417	2.79 467	1.77 432	1.84 426	1.79 403	1.98 423	1.37 401	12.42 509	2.22 434	0.36 390	0.38 432	0.57 452	0.39 419	0.46 406	0.51 410

FC-DCNN v2	2.96 479	0.61 392	1.13 288	0.75 390	0.57 347	2.90 470	1.06 416	3.59 481	2.66 470	7.05 501	7.66 497	10.26 505	7.17 501	6.27 457	4.49 465	0.54 441	0.48 455	0.51 437	0.50 444	0.53 423	0.52 412

FC-DCNN	2.88 478	0.61 392	1.15 295	0.75 390	0.57 347	2.85 469	1.05 414	3.44 477	2.64 469	6.93 500	7.63 495	9.86 502	7.02 500	5.76 445	4.31 462	0.54 441	0.48 455	0.51 437	0.50 444	0.53 423	0.52 412

MSMD_ROB	2.08 451	0.61 392	1.15 295	0.71 364	0.62 370	4.00 487	0.93 398	1.94 334	1.79 436	4.71 493	4.60 479	8.14 497	3.87 488	3.75 408	1.65 413	0.54 441	0.48 455	0.55 448	0.58 455	0.53 423	0.52 412

ADCMid	2.11 453	0.90 438	8.39 482	0.75 390	0.69 394	1.98 436	1.14 426	2.18 398	1.67 424	2.85 468	1.85 414	2.35 447	2.02 452	2.35 356	10.58 493	0.34 375	0.32 404	0.39 407	0.44 431	0.51 417	0.53 415

SHD	1.42 408	0.81 432	2.79 438	0.98 450	0.92 437	1.97 435	0.68 332	2.43 434	2.55 463	2.54 461	1.72 395	2.01 427	1.62 423	2.14 340	2.70 445	0.40 403	0.33 410	0.39 407	0.40 421	0.48 411	0.54 416

RTS	2.76 469	1.55 476	15.40 496	1.13 459	1.42 473	3.75 483	2.21 482	2.45 436	2.72 472	2.91 471	2.85 458	2.58 455	1.62 423	6.28 458	5.80 473	0.41 407	0.30 388	0.35 387	0.35 409	0.52 418	0.54 416

RTSA	2.76 469	1.55 476	15.40 496	1.13 459	1.42 473	3.75 483	2.21 482	2.45 436	2.72 472	2.91 471	2.85 458	2.58 455	1.62 423	6.28 458	5.80 473	0.41 407	0.30 388	0.35 387	0.35 409	0.52 418	0.54 416

DANet	1.16 374	0.64 402	1.52 369	0.88 428	0.74 405	1.52 396	0.52 250	1.68 262	1.21 272	1.81 423	1.55 361	2.02 428	1.11 360	3.30 399	2.28 436	0.34 375	0.31 393	0.40 413	0.30 378	0.46 406	0.54 416
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	1.91 445	0.64 402	5.95 470	0.73 376	0.59 356	2.04 441	1.61 458	3.84 483	1.96 447	1.54 389	1.39 313	2.27 441	3.32 481	4.95 428	4.79 466	0.50 437	0.31 393	0.29 335	0.26 322	0.67 446	0.54 416

Anonymous_2	1.37 401	0.56 380	0.94 229	0.57 209	0.62 370	1.04 320	0.65 325	1.82 301	1.01 175	1.00 164	0.79 98	1.42 348	1.27 388	1.06 150	0.83 291	0.62 453	0.67 474	1.05 474	9.88 512	1.09 468	0.55 421

MFN_U_SF_DS_RVC	1.80 435	1.11 455	4.33 463	0.84 419	0.77 414	3.70 480	2.41 492	2.04 359	1.85 440	1.75 417	1.90 420	1.92 415	1.25 385	7.33 475	1.45 389	0.47 429	0.47 453	0.53 443	0.77 469	0.50 415	0.55 421

sAnonymous2	0.59 140	0.61 392	1.82 390	0.61 261	0.52 321	0.51 84	0.54 269	0.97 64	0.70 63	0.50 55	0.68 69	0.46 34	0.63 175	0.61 29	0.41 100	0.22 207	0.17 219	0.23 214	0.21 227	0.85 456	0.56 423

CroCo_RVC	0.59 140	0.61 392	1.82 390	0.61 261	0.52 321	0.51 84	0.54 269	0.97 64	0.70 63	0.50 55	0.68 69	0.46 34	0.63 175	0.61 29	0.41 100	0.22 207	0.17 219	0.23 214	0.21 227	0.85 456	0.56 423

CC-Net-ROB	1.53 416	1.31 467	1.68 382	0.92 438	0.80 422	1.75 418	0.99 408	2.04 359	1.27 308	1.12 200	1.62 378	1.20 299	0.98 314	7.82 480	0.92 316	1.15 476	0.41 439	2.20 483	0.46 436	1.37 473	0.56 423

coex-ft	8.35 502	2.39 493	100.24 526	0.68 339	0.54 334	1.77 421	1.57 456	1.71 276	11.00 501	18.91 515	3.76 470	3.85 475	8.23 503	3.29 398	6.58 476	0.31 354	0.31 393	0.32 363	0.31 382	0.69 448	0.57 426

FAT-Stereo	1.10 365	0.43 328	1.46 359	0.74 382	0.60 360	1.13 337	0.92 395	2.06 364	1.71 428	1.75 417	2.00 427	2.02 428	1.47 414	2.02 327	1.26 370	0.44 421	0.36 424	0.34 380	0.29 366	0.36 357	0.57 426

PA-Net	1.14 371	0.63 399	2.12 413	0.67 327	0.75 408	1.19 356	0.91 393	1.91 326	1.46 397	1.18 238	1.23 254	1.33 336	1.17 371	4.31 416	1.41 385	0.29 344	0.46 452	0.33 372	0.50 444	0.33 345	0.57 426
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
FTStereo	0.92 322	0.28 81	0.61 60	0.57 209	0.34 173	0.65 168	1.80 470	1.09 110	0.84 106	1.75 417	4.13 474	1.04 258	1.62 423	1.59 263	0.48 153	0.21 174	0.17 219	0.23 214	0.22 253	0.19 100	0.58 429

MANE	7.50 500	0.64 402	7.97 478	1.40 469	2.10 481	16.86 510	12.56 507	12.91 511	17.51 513	8.50 506	11.60 504	14.66 508	13.33 505	12.02 508	13.28 496	0.62 453	0.52 462	0.52 439	1.90 498	0.56 429	0.58 429

FCDSN-DC	2.47 466	0.65 408	1.00 249	0.85 422	0.75 408	2.26 451	0.97 405	2.31 417	1.83 439	5.52 499	7.65 496	7.72 496	7.70 502	4.43 418	2.64 444	0.52 439	0.48 455	0.52 439	0.52 448	0.57 431	0.59 431
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
G-Net	1.71 431	0.67 412	2.09 410	1.14 462	0.75 408	2.96 472	0.89 390	1.58 242	1.30 328	2.76 466	8.12 500	2.29 443	2.51 470	1.94 314	2.23 435	0.49 433	0.45 448	0.45 425	0.31 382	0.62 441	0.59 431

RYNet	1.24 393	0.52 367	1.57 376	0.73 376	0.97 447	1.74 417	0.95 403	2.09 369	1.54 409	1.44 363	1.18 235	1.94 420	1.29 390	4.57 421	1.93 427	0.27 313	0.23 334	0.35 387	0.27 338	0.57 431	0.59 431

ccnet	1.19 381	0.71 419	1.36 351	0.81 408	0.75 408	1.72 412	1.13 423	1.98 342	1.31 335	1.52 383	1.84 411	1.75 406	1.36 400	2.01 325	2.04 429	0.57 447	0.54 464	0.57 452	0.56 453	0.60 437	0.60 434

AnyNet_C32	2.14 455	1.45 469	7.38 477	0.95 448	1.12 456	2.23 448	2.34 488	2.10 371	1.54 409	2.44 456	1.79 403	2.04 433	1.66 429	2.69 378	10.48 492	0.38 395	0.35 420	0.35 387	0.42 425	0.50 415	0.60 434

XQC	1.51 415	0.98 446	3.20 446	0.92 438	0.76 413	2.01 439	1.17 430	2.53 450	1.99 448	2.01 441	1.54 358	2.00 425	1.54 419	3.16 392	3.46 455	0.49 433	0.31 393	0.45 425	0.40 421	0.71 451	0.62 436

GANetREF_RVC	1.11 367	0.90 438	1.56 374	0.88 428	0.53 326	1.41 387	1.35 444	1.91 326	1.54 409	1.28 297	1.32 288	1.46 359	1.23 381	2.04 328	1.00 336	0.57 447	0.45 448	0.67 460	0.52 448	0.91 459	0.62 436
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
psmorigin	1.69 430	0.74 427	13.13 494	0.70 361	0.60 360	1.16 346	0.79 365	1.69 271	1.25 296	2.07 444	1.77 401	2.23 438	1.51 418	2.14 340	1.45 389	0.39 401	0.41 439	0.34 380	0.33 400	0.45 399	0.63 438

Wz-Net-TNSev	2.10 452	2.71 501	9.30 485	0.72 369	0.65 378	2.41 457	1.81 471	2.45 436	1.77 432	1.62 405	1.56 367	2.56 454	2.01 450	5.30 433	4.46 463	0.41 407	0.38 432	0.33 372	0.37 415	0.54 426	0.64 439

SAMSARA	1.80 435	0.90 438	3.37 451	1.28 468	1.13 458	3.71 481	2.33 487	2.53 450	1.93 444	3.17 479	1.73 396	2.99 463	1.68 431	3.53 403	2.46 442	0.47 429	0.54 464	0.43 420	0.47 438	0.59 434	0.64 439

PSMNet-RUCA	1.07 360	1.06 449	1.64 379	1.23 466	1.10 455	1.39 382	0.65 325	1.91 326	1.43 384	0.95 154	1.52 355	0.99 241	0.83 244	1.28 198	1.01 337	0.71 461	0.34 413	0.99 471	0.61 460	1.01 463	0.67 441

EDNetEfficient	2.40 465	1.14 456	8.59 483	0.77 399	0.73 401	1.06 326	1.53 453	1.54 231	4.06 488	4.87 494	2.81 456	2.23 438	3.53 484	3.04 389	9.65 491	0.27 313	0.24 344	0.27 310	0.31 382	0.70 449	0.67 441

MFN_U_SF_RVC	1.62 424	0.96 445	4.36 464	0.92 438	0.69 394	2.62 462	1.10 419	2.50 446	1.74 431	1.99 440	1.86 416	2.45 451	1.78 440	3.08 390	2.84 447	0.54 441	0.50 461	0.56 450	0.60 459	0.60 437	0.67 441

ADCS	2.35 461	1.26 463	6.54 473	0.85 422	0.77 414	2.18 447	1.79 467	2.47 441	2.20 456	2.80 467	2.14 436	2.38 448	2.09 455	2.81 383	13.83 501	0.43 412	0.41 439	0.40 413	0.45 434	0.59 434	0.67 441

PSM-AAD	0.80 262	0.29 101	0.58 41	0.58 221	0.29 72	0.76 217	1.19 432	1.08 103	0.94 143	1.65 409	1.58 372	0.81 160	2.12 460	1.67 276	0.44 117	0.19 107	0.14 97	0.38 404	0.32 389	0.22 198	0.68 445

NVstereo2D	0.99 339	0.45 336	2.21 419	0.79 403	0.75 408	1.20 357	0.86 385	1.98 342	1.41 375	1.02 173	1.18 235	1.31 330	0.97 311	2.25 349	0.93 319	0.45 424	0.22 307	0.39 407	0.25 305	0.59 434	0.68 445

LCNet	0.73 223	0.30 124	0.58 41	0.58 221	0.31 105	0.68 183	0.53 256	1.09 110	0.94 143	1.19 245	1.34 297	0.96 232	1.32 396	2.50 368	0.46 136	0.19 107	0.13 35	0.21 151	0.25 305	0.28 290	0.69 447

BEATNet-Init1	27.39 516	21.01 515	73.65 525	1.07 455	0.80 422	56.07 522	22.82 511	33.14 522	31.71 519	51.78 526	52.93 525	65.63 526	48.54 525	48.75 527	36.36 521	0.52 439	0.47 453	0.54 444	0.54 451	0.64 442	0.72 448

S-Stereo	1.17 376	0.48 349	2.25 422	0.83 415	0.81 426	1.22 359	1.17 430	2.12 373	2.08 452	1.47 372	2.13 434	1.55 374	1.16 368	2.09 335	1.46 391	0.42 411	0.40 438	0.35 387	0.32 389	0.45 399	0.73 449

PASM	1.48 413	1.08 451	3.96 459	0.93 443	0.93 440	1.17 353	1.19 432	1.77 287	1.65 422	1.90 430	1.52 355	1.75 406	1.42 408	4.54 420	1.52 399	0.64 455	0.68 476	0.69 462	0.79 470	0.70 449	0.74 450

ELAS_RVC	2.87 477	0.80 429	3.22 448	1.16 464	1.12 456	2.92 471	5.33 501	2.98 472	4.18 489	5.04 495	4.82 482	4.71 481	8.23 503	4.25 415	4.79 466	0.67 458	0.57 468	0.57 452	0.53 450	0.66 445	0.74 450
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.67 468	0.80 429	2.13 414	1.13 459	1.15 462	6.25 498	2.56 493	3.50 479	3.68 485	5.36 497	4.92 484	3.79 474	5.56 494	3.65 404	5.22 470	0.66 457	0.57 468	0.56 450	0.54 451	0.65 444	0.75 452
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SDNR	1.66 425	0.55 376	2.36 425	0.56 187	0.58 350	3.79 485	0.45 197	1.78 289	1.40 371	1.38 342	2.45 450	1.13 289	0.96 304	11.03 507	1.31 373	0.67 458	0.64 472	0.43 420	0.32 389	0.71 451	0.76 453

GMM-Stereo	0.75 231	0.27 71	0.66 83	0.56 187	0.34 173	0.71 198	0.97 405	1.09 110	0.91 125	1.37 337	1.79 403	1.11 285	0.79 229	2.08 334	0.48 153	0.19 107	0.12 10	0.25 276	0.25 305	0.21 178	0.78 454

DGSMNet	1.24 393	0.84 435	3.20 446	0.91 437	0.92 437	1.39 382	1.34 443	2.46 440	1.44 387	1.34 325	1.66 385	1.50 366	1.03 336	1.85 300	1.30 372	0.48 431	0.48 455	0.55 448	0.51 447	0.78 454	0.79 455

AnyNet_C01	2.38 463	2.21 491	10.17 488	0.99 451	0.79 420	3.12 473	2.37 489	2.69 461	1.89 442	2.58 463	2.44 449	2.70 459	1.86 445	3.65 404	7.12 479	0.41 407	0.41 439	0.40 413	0.42 425	0.68 447	0.79 455

MSC_U_SF_DS_RVC	2.22 458	1.29 466	4.14 461	1.10 458	0.78 418	5.00 494	2.38 491	2.47 441	2.67 471	1.94 436	2.28 441	2.66 458	1.70 432	9.10 489	2.29 438	0.68 460	0.52 462	0.68 461	0.71 467	1.17 470	0.81 457

PVD	1.82 437	0.91 441	3.02 443	1.03 453	0.94 443	2.61 461	1.14 426	2.78 466	3.40 482	3.08 477	2.75 455	2.39 450	2.49 469	2.81 383	3.66 457	0.48 431	0.49 460	0.59 455	0.49 443	0.60 437	0.81 457

PDISCO_ROB	1.41 406	0.73 425	2.04 409	1.40 469	1.46 475	2.83 467	1.07 417	2.64 456	2.11 454	1.41 352	1.50 347	1.73 401	0.99 317	2.83 385	1.46 391	1.03 469	0.27 370	0.54 444	0.47 438	0.77 453	0.84 459

Prome-Stereo	0.76 239	0.29 101	0.57 39	0.58 221	0.33 157	0.58 131	0.94 400	0.98 68	0.92 130	1.46 371	2.45 450	0.91 207	1.38 402	1.60 268	0.44 117	0.19 107	0.13 35	0.19 88	0.18 136	0.20 136	0.87 460

EDNetEfficientorigin	10.59 506	1.52 474	177.33 527	0.68 339	0.54 334	1.66 410	1.20 434	1.94 334	3.39 481	4.69 492	3.37 465	3.08 467	2.79 475	3.25 396	3.63 456	0.26 292	0.24 344	0.33 372	0.28 348	0.85 456	0.87 460

GCST	1.13 369	1.50 473	1.17 309	1.74 476	1.17 465	1.29 368	0.30 46	1.55 234	1.21 272	1.31 310	0.97 143	0.99 241	0.48 96	2.38 361	0.54 197	1.24 477	0.70 477	1.31 477	0.86 474	1.03 465	0.92 462

Consistency-Raft	1.27 398	1.01 448	2.17 416	1.04 454	1.20 467	0.96 309	1.00 410	1.84 305	1.95 446	1.38 342	2.11 433	1.44 353	1.03 336	1.18 179	1.40 384	0.73 462	0.83 479	0.89 467	0.99 481	1.33 472	0.95 463

anonymity	1.14 371	0.98 446	1.24 329	1.09 457	1.13 458	1.08 331	0.90 391	2.02 352	1.23 284	1.32 313	1.27 271	1.27 324	1.09 354	1.16 174	1.03 342	1.02 468	1.01 493	0.97 469	0.97 478	0.98 461	1.01 464

KYRaft	0.77 245	0.29 101	0.68 89	0.59 240	0.29 72	0.66 174	0.83 377	1.05 93	0.89 119	1.63 407	2.22 439	1.15 293	0.99 317	1.59 263	0.41 100	0.21 174	0.14 97	0.22 180	0.28 348	0.21 178	1.01 464

SPS-STEREO	1.78 433	1.09 453	1.52 369	1.22 465	1.14 460	1.87 430	1.11 420	2.27 414	1.70 426	3.17 479	2.39 446	2.84 461	1.93 448	4.41 417	2.93 448	1.04 471	0.99 492	0.97 469	0.94 476	1.03 465	1.05 466
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	1.47 411	1.20 460	2.50 428	1.46 474	1.08 454	1.58 403	1.51 450	1.96 340	1.87 441	2.31 452	2.20 437	1.51 368	1.88 446	1.57 258	1.34 378	0.94 466	0.83 479	0.84 466	0.80 471	1.00 462	1.06 467

LoS_RVC	0.45 42	0.29 101	0.48 16	0.49 70	0.83 429	0.51 84	0.43 166	0.65 10	0.44 7	0.47 40	0.78 96	0.44 22	0.60 165	0.59 25	0.37 66	0.14 2	0.12 10	0.14 1	0.10 1	0.14 2	1.08 468

MADNet+	2.80 472	3.38 505	11.57 492	1.50 475	1.21 469	3.18 475	2.00 473	3.52 480	2.61 465	1.81 423	2.09 432	2.83 460	2.18 463	7.55 478	5.44 472	0.84 463	0.83 479	0.71 463	0.66 463	1.05 467	1.08 468

SGM+DAISY	5.38 492	1.28 465	8.24 479	1.27 467	1.16 464	10.62 503	16.01 509	2.93 471	2.53 462	8.64 507	13.03 505	8.26 498	13.38 506	6.34 461	7.59 481	1.07 472	1.05 495	1.00 472	0.98 479	1.02 464	1.12 470

WAO-7	2.78 471	1.54 475	2.18 417	1.41 472	1.19 466	3.92 486	2.01 476	4.19 487	3.89 487	2.98 473	5.47 486	4.18 477	3.28 480	8.24 485	4.27 461	1.13 475	1.01 493	1.18 476	1.13 487	1.19 471	1.13 471

UDG	1.47 411	2.69 499	1.13 288	1.45 473	1.65 478	1.34 376	0.79 365	1.75 284	1.27 308	1.29 302	1.74 397	1.99 424	1.39 404	1.66 275	1.51 397	0.91 465	0.55 466	2.30 485	0.76 468	1.99 475	1.20 472

CAS	0.66 174	0.19 1	0.41 6	2.31 483	0.86 433	0.56 118	0.53 256	0.83 33	0.63 47	0.49 50	0.70 78	0.36 12	0.26 6	0.47 6	0.37 66	2.33 484	0.10 1	0.14 1	0.10 1	0.17 43	1.31 473

NVStereoNet_ROB	2.17 457	1.18 458	3.51 453	1.14 462	1.26 470	1.57 402	1.51 450	2.19 400	2.11 454	2.04 442	4.80 481	3.17 470	2.11 459	7.97 482	2.10 430	1.12 474	0.94 489	1.10 475	1.34 488	0.95 460	1.31 473
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
IGEV-BASED-STEREO-	0.71 214	3.18 503	2.55 430	0.40 7	0.24 11	0.42 31	0.23 11	0.66 11	0.46 10	0.47 40	0.45 16	0.33 10	0.27 7	0.58 23	0.30 12	1.34 478	0.10 1	0.22 180	0.19 157	0.45 399	1.32 475

MaskLacGwcNet_RVC	1.17 376	1.06 449	1.28 337	0.88 428	0.69 394	1.92 433	0.92 395	1.71 276	1.14 238	1.17 227	1.26 262	1.49 364	0.80 235	2.04 328	0.86 295	2.02 480	0.34 413	0.79 464	0.36 411	1.38 474	1.33 476

PWCK	3.24 483	2.37 492	10.86 490	2.14 481	1.14 460	3.71 481	4.19 500	3.02 473	3.55 484	3.05 476	3.63 469	3.09 468	2.35 468	8.16 484	3.41 454	2.17 483	0.96 490	1.77 480	1.01 483	2.84 484	1.40 477

DDUNet	1.56 419	2.70 500	1.35 346	1.79 477	1.88 480	1.82 426	0.91 393	1.84 305	1.20 266	1.40 350	1.79 403	1.62 385	1.17 371	1.59 263	1.22 363	1.11 473	0.76 478	2.38 488	0.94 476	2.12 476	1.53 478

CES	0.51 82	0.21 3	0.40 3	0.42 11	1.40 472	0.53 94	0.34 74	1.04 90	0.68 60	0.45 37	0.67 68	0.35 11	0.28 8	0.58 23	0.35 37	0.16 15	0.13 35	0.15 6	0.10 1	0.19 100	1.69 479

IGEV-Stereo+	0.46 51	0.23 13	0.51 24	0.42 11	0.46 286	0.15 1	0.19 1	0.45 2	0.37 4	0.28 2	0.25 2	0.31 8	0.41 52	1.43 235	0.31 14	0.18 71	0.13 35	0.15 6	0.12 17	1.09 468	1.74 480

SQANet	1.38 402	0.95 444	1.37 354	1.89 480	1.47 476	1.44 391	0.81 372	1.89 322	1.13 232	1.34 325	1.26 262	1.28 325	1.02 334	1.64 272	0.91 312	2.55 486	0.35 420	1.47 478	0.56 453	2.48 480	1.74 480

test_for_model	1.38 402	3.71 506	0.65 78	3.45 499	2.88 497	0.57 120	0.33 65	1.91 326	0.93 137	1.47 372	0.64 61	0.51 60	0.37 41	0.53 10	0.35 37	2.54 485	0.16 192	0.17 33	0.12 17	4.56 506	1.84 482

WAO-8	4.57 490	2.01 486	2.58 432	2.37 484	2.21 483	9.75 500	1.71 461	6.04 501	16.34 505	4.11 484	7.69 498	7.41 491	3.85 486	10.02 504	3.85 458	2.05 481	1.09 496	2.44 492	1.39 489	2.56 481	1.86 483

Venus	4.57 490	2.01 486	2.58 432	2.37 484	2.21 483	9.75 500	1.71 461	6.04 501	16.34 505	4.11 484	7.69 498	7.41 491	3.85 486	10.02 504	3.85 458	2.05 481	1.09 496	2.44 492	1.39 489	2.56 481	1.86 483

WAO-6	2.98 480	1.67 480	1.88 396	2.38 486	2.30 488	3.53 479	2.37 489	4.38 490	4.64 493	2.42 454	4.50 475	4.85 482	2.99 476	5.22 432	5.37 471	1.77 479	1.16 499	2.31 486	1.47 494	2.42 479	1.99 485

otaku	1.67 426	1.18 458	1.56 374	2.27 482	1.59 477	1.98 436	1.23 437	2.23 405	1.37 358	1.48 378	1.63 382	1.73 401	1.23 381	1.85 300	1.09 346	2.96 490	0.58 470	1.74 479	0.61 460	2.94 486	2.15 486

JetBlue	4.18 487	2.45 496	10.42 489	1.40 469	2.89 498	10.68 504	10.68 503	3.91 484	2.52 461	2.74 465	3.39 466	4.50 478	4.27 490	7.97 482	7.67 482	0.89 464	0.97 491	0.89 467	0.92 475	2.26 477	2.21 487

Ntro	1.72 432	1.21 461	1.62 378	2.54 487	1.86 479	2.09 444	1.14 426	2.08 367	1.38 360	1.23 267	1.62 378	1.62 385	1.33 397	2.04 328	1.21 362	3.09 491	0.56 467	1.82 481	0.65 462	2.97 490	2.25 488

DispFullNet	2.39 464	2.89 502	3.74 457	3.09 495	2.27 487	2.04 441	0.84 379	2.19 400	1.73 430	2.54 461	1.98 426	2.23 438	5.83 495	3.44 402	1.84 425	1.03 469	0.33 410	2.65 496	1.97 500	2.87 485	2.34 489

RainbowNet	2.06 450	1.86 482	1.97 404	2.86 490	2.25 485	2.03 440	1.79 467	2.77 464	1.92 443	1.54 389	1.84 411	1.95 421	1.73 436	2.23 347	1.38 383	3.40 497	0.86 484	2.39 490	1.00 482	2.94 486	2.42 490

ACVNet_2	2.86 476	1.47 471	8.28 480	2.68 488	2.26 486	2.70 463	1.84 472	3.41 476	3.04 476	2.27 450	3.42 467	4.58 479	2.10 456	5.91 448	1.62 407	2.58 487	0.67 474	2.22 484	0.85 473	2.79 483	2.47 491

ACVNet_1	3.08 482	1.48 472	17.70 501	2.90 492	2.35 490	2.30 452	1.43 448	3.16 474	2.26 459	1.91 431	2.05 430	3.51 472	2.32 465	3.71 407	1.58 403	3.25 493	0.66 473	2.40 491	1.06 485	3.07 492	2.59 492

ACVNet-4b	3.05 481	1.42 468	18.09 505	2.85 489	2.33 489	2.32 455	1.22 435	2.47 441	2.21 457	1.26 287	2.36 445	2.64 457	1.46 412	6.32 460	1.23 366	3.29 494	0.45 448	2.37 487	1.02 484	3.03 491	2.61 493

LVE	3.40 485	1.80 481	2.21 419	2.90 492	2.44 491	3.27 478	2.25 484	4.80 493	5.06 494	2.43 455	6.79 490	5.99 489	2.64 474	9.20 491	2.28 436	3.30 495	1.11 498	2.38 488	1.48 495	2.95 488	2.62 494

tt	6.61 498	0.28 81	6.10 471	3.77 504	2.17 482	11.53 505	19.61 510	13.53 512	5.81 496	3.00 474	2.82 457	4.97 485	6.33 497	3.83 410	7.23 480	9.13 512	11.32 514	5.87 511	6.22 510	6.01 508	2.63 495

Dean	3.77 486	1.65 479	17.87 502	3.01 494	2.54 492	3.15 474	2.10 480	4.80 493	4.42 490	2.89 470	6.03 487	5.45 487	2.55 473	3.40 401	2.13 431	3.22 492	0.89 486	2.51 494	1.07 486	3.07 492	2.65 496

ktn	4.56 489	2.41 494	2.54 429	3.79 505	3.25 501	4.81 493	2.91 497	5.52 497	7.36 498	4.12 486	14.55 507	7.54 494	3.70 485	7.84 481	3.35 453	4.06 505	1.86 504	3.26 505	2.22 504	3.27 494	2.86 497

IMH-64-1	2.82 473	1.87 483	1.77 386	3.31 497	2.69 493	3.22 476	2.07 477	4.25 488	2.77 474	2.46 458	3.78 471	3.05 465	2.34 466	4.67 424	3.00 450	3.84 501	0.84 482	2.75 497	1.39 489	3.34 495	2.93 498

IMH-64	2.82 473	1.87 483	1.77 386	3.31 497	2.69 493	3.22 476	2.07 477	4.25 488	2.77 474	2.46 458	3.78 471	3.05 465	2.34 466	4.67 424	3.00 450	3.84 501	0.84 482	2.75 497	1.39 489	3.34 495	2.93 498

IMH	3.35 484	1.95 485	1.86 395	3.30 496	2.72 495	4.03 489	2.00 473	4.58 492	3.83 486	2.87 469	6.99 492	4.69 480	3.21 479	6.77 469	2.97 449	3.91 504	0.89 486	2.78 499	1.40 493	3.36 497	2.93 498

TorneroNet-64	5.41 493	2.10 489	2.43 426	3.49 501	2.83 496	9.90 502	2.13 481	8.87 507	16.79 510	5.39 498	9.18 502	10.68 507	3.92 489	9.55 495	5.11 469	3.36 496	0.86 484	2.88 500	1.62 496	3.76 498	3.37 501

KSHMR	8.76 504	2.14 490	3.59 454	3.60 503	3.13 500	4.15 490	2.67 494	5.61 499	58.90 526	3.04 475	55.71 526	4.94 483	2.54 472	4.61 423	3.05 452	3.49 498	1.57 503	3.14 502	1.98 501	3.84 499	3.49 502

notaker	4.29 488	2.42 495	5.06 467	3.89 506	3.29 503	4.00 487	2.25 484	4.93 495	3.47 483	4.21 489	6.79 490	7.67 495	3.37 482	9.25 493	6.47 475	4.09 506	1.42 501	3.35 506	2.13 503	4.11 502	3.54 503

TorneroNet	10.72 507	2.09 488	2.76 437	3.48 500	3.03 499	44.72 521	2.31 486	8.62 506	67.06 527	7.45 505	23.21 515	10.59 506	4.28 491	9.03 488	9.00 487	3.67 499	0.91 488	3.04 501	1.63 497	3.92 500	3.55 504

JetRed	7.02 499	8.94 510	25.72 512	2.89 491	3.27 502	14.25 508	12.27 506	6.69 503	4.45 491	4.46 490	4.56 476	6.65 490	5.43 493	7.46 477	14.41 503	2.60 488	3.31 505	2.61 495	2.30 505	4.34 503	3.79 505

UNDER WATER-64	5.84 496	2.48 498	17.93 503	3.97 507	3.58 505	7.70 499	3.03 498	5.72 500	14.13 502	4.18 488	4.00 473	9.27 501	6.80 499	6.20 453	9.22 489	3.67 499	1.52 502	3.14 502	1.95 499	4.43 504	3.83 506

UNDER WATER	5.68 495	2.46 497	15.52 498	3.98 508	3.53 504	5.15 495	2.74 495	5.58 498	16.41 508	4.00 482	4.56 476	9.12 500	6.43 498	6.22 454	9.11 488	3.85 503	1.35 500	3.18 504	1.98 501	4.51 505	3.84 507

MADNet++	5.41 493	3.18 503	6.43 472	4.66 510	3.95 507	6.15 497	6.75 502	4.51 491	4.51 492	5.06 496	6.27 488	4.96 484	6.14 496	9.39 494	11.70 494	4.71 507	4.19 508	3.97 508	3.33 506	4.08 501	4.25 508

HanzoNet	11.92 508	5.12 507	17.18 500	4.19 509	3.59 506	5.16 496	2.82 496	7.41 504	9.96 500	33.31 522	27.60 516	22.25 516	37.31 521	18.18 512	13.57 497	8.13 511	3.44 507	3.50 507	3.44 507	7.77 512	4.52 509

PML	51.64 524	37.49 520	14.31 495	7.45 511	20.27 511	107.80 527	231.34 528	8.94 508	27.70 518	86.74 527	268.93 528	69.03 527	61.09 526	24.71 520	14.36 502	9.71 513	3.40 506	9.60 513	4.67 509	20.46 515	4.76 510

DGTPSM_ROB	13.06 509	8.27 508	22.29 507	9.53 512	18.14 508	11.53 505	31.97 515	10.82 509	16.25 503	7.14 502	19.39 513	10.12 503	16.69 509	9.85 499	22.49 511	4.77 508	8.72 509	5.37 509	10.24 513	6.15 509	11.56 511

DPSMNet_ROB	13.08 510	8.28 509	22.32 508	9.54 513	18.15 509	11.53 505	31.98 516	10.83 510	16.27 504	7.17 503	19.40 514	10.12 503	16.69 509	9.87 500	22.50 512	4.78 509	8.72 509	5.38 510	10.25 514	6.16 510	11.59 512

Anonymous_1	42.79 522	18.71 512	24.75 509	21.81 514	45.16 520	27.68 512	37.52 517	28.64 517	16.34 505	14.72 511	14.53 506	20.60 510	17.82 511	21.52 513	25.88 515	113.45 527	8.91 511	100.63 524	126.37 524	158.50 527	12.31 513

DPSM_ROB	19.12 511	19.13 513	25.13 510	22.15 515	20.86 512	28.06 513	37.75 518	27.18 515	16.95 511	14.25 509	15.07 508	21.66 511	18.69 512	21.83 514	26.51 516	10.15 514	9.30 512	10.45 514	10.41 515	14.00 513	12.85 514

DPSM	19.12 511	19.13 513	25.13 510	22.15 515	20.86 512	28.06 513	37.75 518	27.18 515	16.95 511	14.25 509	15.07 508	21.66 511	18.69 512	21.83 514	26.51 516	10.15 514	9.30 512	10.45 514	10.41 515	14.00 513	12.85 514

LSM	6.55 497	1.26 463	15.64 499	1.79 477	68.74 522	1.67 411	2.08 479	2.26 408	2.59 464	3.13 478	3.08 463	1.90 410	1.81 441	2.89 386	2.16 433	0.43 412	0.59 471	0.50 436	0.58 455	0.64 442	17.24 516

CasAABBNet	38.42 517	38.42 521	50.26 521	44.76 522	41.87 518	56.47 523	76.22 524	54.44 525	33.92 521	28.53 519	30.36 520	43.53 524	37.59 522	43.77 524	53.32 526	20.27 517	18.70 519	21.03 516	21.04 518	28.19 516	25.79 517

Selective-RAFT-Error	38.47 518	38.44 522	50.38 522	44.74 521	42.01 519	56.47 523	76.24 525	54.44 525	34.02 522	28.59 520	30.30 519	43.51 523	38.10 523	43.69 523	53.24 525	20.36 518	18.72 520	21.05 517	21.02 517	28.25 517	25.87 518

LRCNet_RVC	22.79 513	32.09 519	22.06 506	29.83 517	26.15 514	4.40 492	0.84 379	22.64 513	2.10 453	26.93 518	29.25 517	23.03 518	15.56 508	23.91 516	18.92 508	32.00 520	20.04 521	34.68 519	32.13 520	30.66 519	28.52 519

DPSimNet_ROB	24.77 515	9.69 511	61.46 524	3.56 502	19.46 510	25.95 511	77.56 526	5.09 496	16.60 509	21.50 516	29.82 518	25.12 519	85.69 527	13.37 510	23.07 514	7.23 510	17.79 517	8.55 512	7.57 511	4.57 507	31.84 520

LSM0	42.92 523	38.72 523	50.66 523	47.49 523	110.18 527	56.77 525	75.87 523	54.87 527	33.74 520	29.48 521	31.12 521	43.77 525	37.12 520	43.85 525	53.44 527	20.50 519	18.67 518	21.05 517	21.07 519	28.37 518	41.73 521

AVERAGE_ROB	40.42 520	42.30 525	42.61 518	36.91 520	35.54 517	30.42 516	27.59 512	37.45 524	38.45 524	44.87 524	44.27 523	37.55 522	36.69 519	41.82 522	40.25 522	45.36 525	46.73 525	47.09 521	46.32 521	42.47 521	43.74 522

HaxPig	39.02 519	41.39 524	41.59 517	30.10 518	32.36 515	29.49 515	27.65 513	30.56 518	37.94 523	43.75 523	43.81 522	33.42 520	35.69 518	41.51 521	40.33 523	43.91 524	47.48 526	45.87 520	47.14 522	42.29 520	44.06 523

MEDIAN_ROB	42.01 521	44.30 526	44.14 520	35.08 519	34.90 516	31.33 520	29.90 514	36.77 523	40.11 525	47.14 525	46.55 524	37.49 521	38.50 524	44.30 526	42.32 524	47.93 526	49.31 527	49.68 522	49.00 523	44.98 522	46.46 524

xxxxx1	54.34 525	26.72 516	27.03 513	114.14 524	99.00 524	30.68 517	47.19 520	32.52 519	26.09 514	17.85 512	17.48 510	21.86 513	20.92 514	24.38 517	33.78 518	34.73 521	41.33 522	157.67 525	175.68 525	65.82 523	71.99 525

tt_ll	54.34 525	26.72 516	27.03 513	114.14 524	99.00 524	30.68 517	47.19 520	32.52 519	26.09 514	17.85 512	17.48 510	21.86 513	20.92 514	24.38 517	33.78 518	34.73 521	41.33 522	157.67 525	175.68 525	65.82 523	71.99 525

ff	54.34 525	26.72 516	27.03 513	114.14 524	99.00 524	30.68 517	47.19 520	32.52 519	26.09 514	17.85 512	17.48 510	21.86 513	20.92 514	24.38 517	33.78 518	34.73 521	41.33 522	157.67 525	175.68 525	65.82 523	71.99 525

test_example2	192.91 528	210.59 528	206.44 528	199.86 528	204.90 528	172.02 528	182.95 527	138.34 528	134.89 528	193.14 528	200.54 527	186.77 528	177.82 528	204.95 528	207.57 528	221.83 528	238.70 528	186.02 528	190.07 528	226.94 528	173.78 528

ccccc		492.94 529		530.37 529	529.69 529	476.06 529		494.48 529		446.40 529		473.27 529		541.46 529		660.58 529	458.79 529	353.88 529	309.98 529	597.94 529

Low-res two-view benchmark