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

xyz-stereo-finetune2	1.31 56	0.95 237	3.28 53	0.60 1	0.36 6	3.48 201	0.65 108	2.82 130	1.47 28	0.99 82	1.86 269	0.91 91	1.75 323	3.54 270	1.86 302	0.27 50	0.22 68	0.30 174	0.28 201	0.33 148	0.34 50

LG-Stereo	0.94 24	0.71 112	3.31 55	0.62 2	0.51 72	2.85 114	0.54 60	2.59 110	1.40 22	0.88 59	1.23 75	0.53 14	0.40 4	0.81 1	0.86 68	0.23 10	0.18 10	0.31 194	0.24 126	0.29 73	0.22 1

RAStereo	1.53 69	0.71 112	17.55 210	0.62 2	0.65 139	1.18 14	0.32 10	1.94 44	1.15 9	0.80 40	1.07 49	0.64 25	0.47 11	0.89 2	1.01 112	0.25 25	0.20 30	0.27 96	0.21 62	0.36 204	0.27 11

xyz-stereo-finetune	1.14 49	0.88 199	1.93 34	0.63 4	0.37 11	3.48 201	0.79 199	2.86 136	1.95 127	1.02 85	1.26 83	0.91 91	0.78 78	2.53 229	1.84 298	0.30 109	0.24 123	0.26 76	0.24 126	0.31 103	0.30 21

MLG-Stereo_test3	0.66 2	0.40 1	1.55 19	0.64 5	0.65 139	2.21 77	0.31 7	1.69 27	0.81 3	0.59 5	0.54 11	0.56 16	0.33 1	0.98 7	0.60 16	0.21 4	0.23 96	0.24 33	0.17 17	0.20 6	0.34 50

rvit_stereo_0080	1.10 44	1.09 275	3.78 62	0.65 6	0.60 115	1.91 61	0.74 158	2.74 123	2.65 235	0.94 75	1.09 51	0.85 74	0.81 92	1.20 27	0.89 74	0.39 271	0.29 195	0.25 52	0.28 201	0.46 316	0.35 60

whm_eth	1.10 44	1.09 275	3.78 62	0.65 6	0.60 115	1.91 61	0.74 158	2.74 123	2.65 235	0.94 75	1.09 51	0.85 74	0.81 92	1.20 27	0.89 74	0.39 271	0.29 195	0.25 52	0.28 201	0.46 316	0.35 60

MLG-Stereo_test2	0.84 13	0.43 6	1.95 35	0.66 8	1.04 280	3.61 229	0.23 2	1.70 29	2.18 159	0.69 17	0.33 3	0.67 33	0.33 1	1.16 22	0.46 1	0.25 25	0.26 165	0.23 13	0.16 9	0.19 2	0.35 60

MLG-Stereo	0.86 16	0.42 2	1.96 36	0.66 8	0.54 84	3.01 132	0.31 7	1.90 39	3.21 331	0.57 4	0.30 2	0.66 30	0.47 11	1.35 60	0.46 1	0.21 4	0.25 140	0.24 33	0.16 9	0.19 2	0.29 17

trnet	1.00 29	0.55 21	1.89 33	0.66 8	0.33 3	4.41 415	0.40 27	2.42 83	1.95 127	0.96 77	1.24 77	0.88 83	0.89 109	1.27 36	0.78 41	0.30 109	0.19 18	0.23 13	0.15 3	0.22 14	0.22 1

CREStereo	1.00 29	0.59 42	1.82 32	0.66 8	0.36 6	4.43 418	0.40 27	2.43 84	1.98 132	0.96 77	1.22 73	0.88 83	0.87 105	1.30 44	0.79 48	0.30 109	0.20 30	0.23 13	0.16 9	0.23 18	0.22 1
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
MLG-Stereo_test1	0.89 21	0.42 2	2.06 37	0.67 12	1.33 356	3.13 141	0.29 6	1.60 14	3.31 361	0.53 1	0.25 1	0.67 33	0.43 6	1.34 59	0.47 3	0.22 7	0.25 140	0.24 33	0.16 9	0.19 2	0.30 21

plain	2.00 98	0.89 204	21.49 494	0.67 12	0.73 170	1.66 52	0.57 67	3.27 179	2.18 159	0.80 40	1.25 81	0.80 65	0.86 102	1.72 129	1.13 130	0.34 193	0.21 52	0.32 214	0.25 140	0.44 298	0.34 50

MaDis-Stereo	1.60 70	1.11 279	16.13 176	0.67 12	1.87 449	1.22 21	0.39 22	2.17 65	1.42 24	0.69 17	0.78 23	0.88 83	0.70 54	1.24 32	1.13 130	0.32 147	0.23 96	0.26 76	0.21 62	0.32 123	0.28 14

HHNet	2.51 203	0.76 158	20.83 441	0.67 12	0.67 149	4.07 338	0.90 269	3.85 264	1.59 62	2.14 268	4.91 479	0.98 103	3.32 438	1.73 134	1.80 291	0.41 284	0.20 30	0.31 194	0.28 201	0.38 223	0.44 132

DIP-Stereo	2.03 105	0.98 249	16.44 190	0.67 12	0.62 128	4.30 399	0.58 74	4.43 451	2.89 276	1.97 213	1.40 117	0.91 91	0.86 102	1.31 48	1.27 172	0.38 263	0.23 96	0.33 249	0.23 109	0.33 148	0.57 212
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
U	12.87 523	0.43 6	2.54 45	0.68 17	58.93 544	63.36 549	0.33 11	1.95 46	1.08 8	0.62 9	0.83 30	0.46 8	0.57 22	0.91 3	0.50 5	0.31 130	0.17 4	63.34 548	59.81 547	0.30 92	0.26 8

111111	1.15 50	0.56 25	1.31 8	0.69 18	1.19 325	3.37 175	0.33 11	2.41 80	1.68 87	0.82 42	1.54 152	0.61 21	0.59 30	1.44 77	0.66 20	0.26 40	0.23 96	0.23 13	0.17 17	0.25 25	4.66 452

MonSter	0.70 7	0.47 13	1.58 23	0.69 18	0.89 231	1.19 16	0.39 22	2.57 105	0.93 6	0.62 9	0.66 16	0.37 2	0.35 3	1.08 14	0.59 15	0.16 1	0.36 250	0.20 1	0.19 30	0.21 8	0.52 189

xyz-stereo	10.93 517	0.71 112	79.25 548	0.70 20	0.45 41	83.14 550	0.77 182	2.68 118	1.49 35	2.28 319	32.01 536	2.76 342	1.61 284	5.80 315	3.32 406	0.29 82	0.18 10	0.33 249	0.23 109	0.26 38	0.29 17

LGtest1	0.61 1	0.45 10	1.19 3	0.71 21	0.45 41	1.00 8	0.26 3	1.33 7	1.55 49	0.62 9	0.64 15	0.44 5	0.49 15	1.06 11	0.51 10	0.28 69	0.23 96	0.24 33	0.17 17	0.21 8	0.36 82

PMTNet	1.13 47	0.55 21	3.88 67	0.71 21	0.59 110	4.21 383	0.43 36	2.00 50	1.58 59	1.02 85	1.06 46	0.78 60	0.98 129	1.58 106	0.93 82	1.21 474	0.20 30	0.23 13	0.15 3	0.23 18	0.27 11

LG-Stereo_L2	0.69 5	0.54 19	1.56 21	0.74 23	0.48 54	2.32 85	0.28 4	1.87 38	0.80 2	0.60 6	0.43 7	0.38 3	0.45 9	1.38 70	0.54 12	0.24 15	0.28 187	0.23 13	0.18 24	0.22 14	0.32 30

DEFOM-Stereo	0.75 8	0.62 60	1.22 5	0.74 23	0.51 72	3.39 178	0.43 36	1.00 2	0.91 5	0.91 69	0.61 14	0.45 7	0.43 6	1.78 140	0.50 5	0.27 50	0.18 10	0.22 8	0.16 9	0.21 8	0.43 127

MIF-Stereo (partial)	1.93 89	0.69 98	21.14 473	0.74 23	1.02 270	1.07 10	0.49 47	2.75 125	1.78 104	0.82 42	1.22 73	0.80 65	0.90 112	1.68 114	1.63 249	0.38 263	0.24 123	0.33 249	0.26 157	0.41 262	0.32 30

dual_stereo	4.32 446	0.42 2	1.51 16	0.75 26	1.37 366	0.88 6	0.34 16	3.50 200	4.78 481	0.55 3	0.47 9	0.60 20	0.40 4	2.09 180	0.95 94	0.24 15	32.26 545	0.21 4	0.17 17	0.21 8	34.78 544

rvit_stereo_0081_aga	1.06 37	1.02 263	5.34 75	0.75 26	0.74 174	1.21 17	0.63 99	2.00 50	2.30 187	0.88 59	0.82 28	0.79 63	0.69 53	1.42 74	0.78 41	0.36 233	0.29 195	0.26 76	0.26 157	0.41 262	0.32 30

s12784h	2.08 111	0.50 16	16.85 195	0.75 26	0.36 6	4.42 417	0.49 47	4.23 381	3.08 314	2.03 237	2.67 424	0.91 91	1.05 153	2.05 176	0.78 41	0.37 247	0.18 10	0.24 33	0.16 9	0.27 45	0.26 8

IGEV-Stereo++	1.68 80	0.48 14	1.27 7	0.77 29	1.31 351	3.87 288	0.33 11	3.41 192	1.72 97	0.89 66	1.20 67	0.68 35	1.03 137	1.15 20	0.49 4	0.23 10	0.22 68	0.23 13	0.18 24	0.26 38	13.90 501

Patchmatch Stereo++	2.28 152	0.74 134	20.54 404	0.77 29	0.38 13	4.67 463	0.75 169	2.55 102	3.21 331	2.00 221	1.53 141	1.77 208	1.14 178	2.46 217	0.98 102	0.51 383	0.23 96	0.32 214	0.28 201	0.40 242	0.35 60
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	2.26 145	0.74 134	20.53 403	0.77 29	0.38 13	4.67 463	0.71 137	2.54 95	3.22 338	2.00 221	1.53 141	1.77 208	1.13 172	2.22 201	0.96 96	0.50 377	0.23 96	0.32 214	0.28 201	0.40 242	0.35 60

ROB_FTStereo_v2	2.25 141	0.74 134	20.45 388	0.77 29	0.38 13	4.66 462	0.74 158	2.54 95	3.20 328	2.00 221	1.53 141	1.77 208	1.14 178	2.13 187	0.96 96	0.50 377	0.22 68	0.32 214	0.28 201	0.40 242	0.35 60

ROB_FTStereo	2.26 145	0.74 134	20.44 385	0.77 29	0.38 13	4.65 459	0.75 169	2.54 95	3.19 326	2.00 221	1.54 152	1.77 208	1.13 172	2.28 208	0.94 88	0.49 364	0.22 68	0.32 214	0.28 201	0.40 242	0.35 60

HUI-Stereo	2.27 148	0.74 134	20.56 410	0.77 29	0.38 13	4.67 463	0.78 189	2.54 95	3.23 341	2.00 221	1.53 141	1.77 208	1.13 172	2.21 200	0.93 82	0.49 364	0.23 96	0.32 214	0.28 201	0.40 242	0.35 60

DRaft	3.12 343	0.68 93	20.57 414	0.77 29	0.49 62	3.95 310	1.20 362	2.40 79	1.60 67	2.64 401	2.80 434	1.59 178	5.33 474	6.94 351	9.51 459	0.43 312	0.22 68	0.27 96	0.27 174	0.32 123	0.47 157

iGMRVC	2.27 148	0.74 134	20.46 389	0.77 29	0.38 13	4.65 459	0.73 148	2.54 95	3.21 331	2.00 221	1.53 141	1.77 208	1.14 178	2.47 220	0.99 104	0.51 383	0.23 96	0.32 214	0.28 201	0.40 242	0.35 60

iRAFT	2.28 152	0.74 134	20.54 404	0.77 29	0.38 13	4.67 463	0.75 169	2.55 102	3.21 331	2.00 221	1.53 141	1.77 208	1.14 178	2.46 217	0.98 102	0.51 383	0.23 96	0.32 214	0.28 201	0.40 242	0.35 60

RAFT-IKP	2.27 148	0.74 134	20.55 406	0.77 29	0.38 13	4.64 458	0.73 148	2.54 95	3.21 331	2.00 221	1.53 141	1.77 208	1.13 172	2.25 207	1.00 108	0.51 383	0.22 68	0.32 214	0.28 201	0.40 242	0.35 60

TestStereo	2.41 187	1.95 388	19.15 253	0.77 29	0.61 118	1.83 56	0.58 74	2.33 76	1.53 44	1.44 128	1.37 110	1.26 143	0.90 112	11.59 475	0.94 88	0.36 233	0.19 18	0.33 249	0.24 126	0.45 306	0.32 30

LG-Stereo_L1	0.67 3	0.55 21	1.50 15	0.78 40	0.54 84	1.71 54	0.33 11	1.96 47	0.83 4	0.62 9	0.41 6	0.40 4	0.43 6	1.42 74	0.55 13	0.24 15	0.28 187	0.23 13	0.18 24	0.22 14	0.30 21

LG-G_1	0.80 10	0.43 6	1.77 30	0.78 40	0.36 6	2.81 111	0.40 27	2.23 68	1.29 14	0.76 31	0.60 12	0.51 10	0.58 25	1.27 36	0.69 24	0.25 25	0.23 96	0.23 13	0.15 3	0.21 8	0.46 146

LG-G	0.80 10	0.43 6	1.77 30	0.78 40	0.36 6	2.81 111	0.40 27	2.23 68	1.29 14	0.76 31	0.60 12	0.51 10	0.58 25	1.27 36	0.69 24	0.25 25	0.23 96	0.23 13	0.15 3	0.21 8	0.46 146

DeepStereo_RVC	2.42 189	0.70 106	18.41 230	0.79 43	0.43 35	4.50 430	0.70 132	2.51 90	3.51 401	2.02 232	1.79 233	1.54 175	6.35 484	1.93 167	1.22 150	0.47 349	0.22 68	0.29 152	0.29 236	0.35 186	0.40 106

LG-Stereo_Zeroshot	1.04 35	0.53 18	2.93 51	0.80 44	0.77 189	3.99 320	0.39 22	2.10 59	1.96 131	0.90 68	0.93 35	0.75 59	0.85 98	1.31 48	0.87 70	0.28 69	0.21 52	0.26 76	0.21 62	0.32 123	0.38 94

TANstereo	1.98 92	0.87 195	20.35 376	0.80 44	0.37 11	4.05 333	0.38 19	1.50 11	1.65 82	2.03 237	2.16 342	0.84 71	0.93 119	1.09 15	0.68 22	0.30 109	0.36 250	0.24 33	0.20 51	0.26 38	0.46 146

4D-IteraStereo	2.95 315	1.83 380	20.75 436	0.81 46	1.56 401	2.22 79	1.03 323	2.48 88	1.56 53	1.42 123	1.00 42	1.93 243	0.61 35	1.65 111	2.04 333	0.31 130	0.22 68	0.31 194	0.26 157	0.28 56	16.75 524

GMOStereo	2.64 247	0.92 220	19.83 305	0.81 46	0.68 157	3.22 152	0.89 253	2.94 141	1.48 30	2.36 354	1.54 152	1.75 201	1.04 144	1.33 53	1.15 134	0.26 40	11.32 520	0.35 288	0.28 201	0.35 186	0.33 41

error version	2.64 247	0.92 220	19.83 305	0.81 46	0.68 157	3.22 152	0.89 253	2.94 141	1.48 30	2.36 354	1.54 152	1.75 201	1.04 144	1.33 53	1.15 134	0.26 40	11.32 520	0.35 288	0.28 201	0.35 186	0.33 41

test-v	2.64 247	0.92 220	19.83 305	0.81 46	0.68 157	3.22 152	0.89 253	2.94 141	1.48 30	2.36 354	1.54 152	1.75 201	1.04 144	1.33 53	1.15 134	0.26 40	11.32 520	0.35 288	0.28 201	0.35 186	0.33 41

test-2	2.64 247	0.92 220	19.83 305	0.81 46	0.68 157	3.22 152	0.89 253	2.94 141	1.48 30	2.36 354	1.54 152	1.75 201	1.04 144	1.33 53	1.15 134	0.26 40	11.32 520	0.35 288	0.28 201	0.35 186	0.33 41

HCRNet	2.24 139	0.74 134	14.54 145	0.82 51	1.36 363	4.11 347	0.70 132	3.61 216	3.03 303	1.83 186	1.61 173	1.58 177	1.40 226	5.79 312	1.60 241	0.35 209	0.28 187	0.36 305	0.29 236	0.34 171	0.46 146

DEmStereo	3.24 368	0.65 75	18.95 245	0.83 52	0.54 84	3.85 280	1.79 430	2.53 94	2.54 221	2.25 308	2.74 430	2.02 262	6.02 481	6.78 344	11.30 466	0.40 281	0.26 165	0.27 96	0.27 174	0.28 56	0.57 212

PCWNet_CMD	2.16 120	0.71 112	15.44 162	0.84 53	0.76 186	3.38 176	0.68 121	3.69 229	2.24 170	1.72 165	1.63 182	3.20 377	3.00 424	2.09 180	1.23 153	0.32 147	0.37 257	0.47 380	0.27 174	0.65 399	0.51 181

fff	2.40 181	0.96 242	20.47 392	0.84 53	0.38 13	4.15 360	0.57 67	4.30 404	2.85 265	2.31 329	1.82 245	1.19 133	2.98 420	1.68 114	1.57 232	0.35 209	0.24 123	0.23 13	0.19 30	0.25 25	0.57 212

csc	2.40 181	0.96 242	20.47 392	0.84 53	0.38 13	4.15 360	0.57 67	4.30 404	2.85 265	2.31 329	1.82 245	1.19 133	2.98 420	1.68 114	1.57 232	0.35 209	0.24 123	0.23 13	0.19 30	0.25 25	0.57 212

cscssc	2.40 181	0.96 242	20.47 392	0.84 53	0.38 13	4.15 360	0.57 67	4.30 404	2.85 265	2.31 329	1.82 245	1.19 133	2.98 420	1.68 114	1.57 232	0.35 209	0.24 123	0.23 13	0.19 30	0.25 25	0.57 212

111	2.59 231	3.10 422	20.47 392	0.84 53	0.38 13	4.26 393	0.91 280	4.45 455	2.96 284	2.48 379	2.07 325	2.31 287	1.64 299	1.49 90	1.90 309	0.35 209	0.22 68	0.25 52	0.21 62	0.32 123	1.14 339

IGEV-RUCA	0.93 23	0.56 25	1.31 8	0.85 58	0.74 174	3.89 292	0.78 189	1.93 42	1.42 24	1.02 85	0.72 18	0.70 39	0.73 59	1.37 68	0.77 38	0.30 109	0.20 30	0.25 52	0.19 30	0.43 284	0.40 106

fffft	0.84 13	0.67 85	1.73 29	0.85 58	0.55 91	1.51 46	0.78 189	2.13 63	1.24 11	0.65 14	0.90 34	0.59 17	0.55 19	1.85 159	1.19 144	0.20 2	0.20 30	0.27 96	0.20 51	0.28 56	0.44 132
1: 1. 1
AIO-Stereo	1.40 63	0.62 60	1.44 14	0.85 58	0.76 186	1.28 31	0.79 199	2.39 78	2.83 262	0.75 27	1.62 177	0.89 86	0.46 10	1.30 44	0.77 38	0.28 69	0.27 178	0.25 52	0.23 109	0.27 45	9.88 490

CrosDoStereo	5.27 475	0.75 148	20.07 332	0.85 58	0.53 81	3.40 180	18.03 526	3.90 273	3.29 354	1.99 217	8.27 494	1.95 249	6.95 493	7.34 356	25.94 533	0.33 170	0.22 68	0.30 174	0.28 201	0.35 186	0.61 236

DeepStereo_LL	5.27 475	0.75 148	20.07 332	0.85 58	0.53 81	3.40 180	18.03 526	3.90 273	3.29 354	1.99 217	8.27 494	1.95 249	6.95 493	7.34 356	25.94 533	0.33 170	0.22 68	0.30 174	0.28 201	0.35 186	0.61 236

CRE-IMP	2.28 152	0.68 93	19.67 291	0.85 58	0.39 28	4.54 437	0.80 208	2.63 114	4.84 483	1.96 211	1.51 138	1.86 231	0.96 124	1.52 97	1.43 202	0.47 349	0.21 52	0.31 194	0.26 157	0.41 262	0.35 60

CAS++	1.01 33	0.77 166	3.30 54	0.86 64	0.53 81	1.23 22	0.85 235	3.43 195	1.57 56	1.16 98	1.33 100	0.62 23	0.58 25	1.18 24	0.63 18	0.37 247	0.30 205	0.35 288	0.27 174	0.41 262	0.38 94
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DCANet-4	2.06 110	0.58 34	15.30 158	0.86 64	0.44 39	4.16 363	0.57 67	4.31 415	3.28 349	2.31 329	1.82 245	1.04 111	1.54 269	1.69 119	1.56 229	0.35 209	0.24 123	0.24 33	0.19 30	0.25 25	0.57 212

ADStereo(finetuned)	2.30 159	0.97 246	17.29 205	0.86 64	0.43 35	4.17 368	0.59 76	4.31 415	3.29 354	2.35 348	1.86 269	1.18 129	3.35 441	1.69 119	1.59 237	0.34 193	0.25 140	0.23 13	0.19 30	0.31 103	0.72 272

STrans-v2	3.11 340	0.95 237	20.80 439	0.86 64	0.64 134	3.90 293	1.01 317	4.30 404	3.61 406	2.28 319	3.65 463	4.11 442	5.17 473	7.32 355	1.63 249	0.34 193	0.18 10	0.29 152	0.26 157	0.30 92	0.65 252

Anonymous3	2.20 133	0.80 174	20.08 338	0.86 64	0.86 217	4.46 421	0.84 230	3.64 220	1.40 22	1.37 116	1.40 117	1.11 120	1.03 137	1.71 123	1.24 158	0.75 448	0.58 368	0.34 269	0.35 320	0.48 336	0.65 252

DCANet	2.37 176	0.98 249	20.47 392	0.86 64	0.43 35	4.18 371	0.59 76	4.31 415	3.29 354	2.35 348	1.86 269	1.18 129	1.63 296	1.69 119	1.59 237	0.34 193	0.25 140	0.24 33	0.19 30	0.31 103	0.73 277

MSMDNet	2.16 120	0.71 112	15.36 160	0.86 64	0.75 182	3.41 183	0.69 129	3.70 232	2.25 173	1.73 168	1.64 187	3.21 378	2.95 416	2.09 180	1.24 158	0.32 147	0.37 257	0.45 372	0.27 174	0.63 388	0.50 175

IGEV-BASED-STEREO-	1.13 47	3.31 425	2.61 48	0.87 71	0.40 29	1.26 23	0.61 84	1.55 13	1.61 73	0.93 73	0.94 37	0.65 28	0.57 22	1.10 16	0.68 22	1.55 487	0.19 18	0.32 214	0.28 201	1.11 465	2.04 394

iRaft-Stereo_5w	2.47 198	1.37 329	13.85 129	0.87 71	0.99 260	3.22 152	0.84 230	3.72 237	2.12 153	1.57 139	2.49 401	2.20 277	2.22 379	9.12 384	2.03 331	0.48 358	0.27 178	0.35 288	0.29 236	0.48 336	0.94 318

IPLGR	2.61 239	0.73 125	20.72 434	0.87 71	0.54 84	4.58 448	0.52 57	4.32 423	2.79 254	1.91 193	1.54 152	1.72 197	1.71 317	6.94 351	1.43 202	0.31 130	0.21 52	0.27 96	0.24 126	0.34 171	0.48 165

CREStereo++_RVC	1.98 92	0.59 42	19.94 319	0.87 71	0.55 91	4.02 325	0.31 7	1.75 31	2.09 144	1.65 150	2.20 354	0.85 74	0.65 45	1.03 8	0.72 31	0.29 82	0.16 3	0.23 13	1.22 487	0.25 25	0.22 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
CFNet_pseudo	2.03 105	0.74 134	12.75 118	0.87 71	0.74 174	3.91 297	0.65 108	4.04 310	1.93 124	1.93 197	1.79 233	3.25 382	1.61 284	2.51 223	1.25 164	0.32 147	0.37 257	0.53 414	0.28 201	0.64 393	0.50 175

ccs_rob	2.03 105	0.74 134	12.67 117	0.87 71	0.75 182	3.91 297	0.66 110	4.04 310	1.93 124	1.92 196	1.79 233	3.24 380	1.63 296	2.52 227	1.25 164	0.32 147	0.37 257	0.54 422	0.28 201	0.66 403	0.51 181

StereoAnything_RVC	4.17 435	12.66 490	20.44 385	0.88 77	0.57 105	1.16 13	0.39 22	2.35 77	4.38 454	0.53 1	0.37 4	0.33 1	0.89 109	1.62 109	0.50 5	0.33 170	0.22 68	0.24 33	0.15 3	3.36 501	31.99 540

LoS_RVC	1.23 52	1.51 343	6.09 80	0.88 77	1.71 435	1.96 66	0.59 76	1.61 16	1.37 20	0.84 49	1.35 103	0.84 71	1.15 184	1.49 90	0.83 60	0.21 4	0.17 4	0.20 1	0.14 1	0.20 6	1.49 365

castereo	0.88 19	0.78 168	1.15 2	0.89 79	0.51 72	1.31 32	0.90 269	3.42 194	1.28 13	0.88 59	1.28 90	0.72 48	0.91 114	1.05 10	1.01 112	0.28 69	0.17 4	0.26 76	0.20 51	0.24 21	0.34 50

mms	1.08 39	0.87 195	1.41 13	0.89 79	0.87 226	1.40 39	0.67 112	1.63 18	1.70 93	0.82 42	1.41 121	0.64 25	0.54 18	1.81 152	0.66 20	0.25 25	0.23 96	0.26 76	0.21 62	0.32 123	5.10 456

Pointernet	0.99 25	0.50 16	3.54 59	0.89 79	0.44 39	2.30 84	0.38 19	3.12 161	1.48 30	0.69 17	1.44 126	0.92 95	0.73 59	1.28 40	0.82 58	0.24 15	0.23 96	0.21 4	0.19 30	0.19 2	0.25 7

IGEV-Stereo+	1.08 39	0.55 21	2.59 47	0.89 79	2.06 461	1.40 39	0.38 19	1.18 5	1.29 14	0.76 31	0.45 8	0.47 9	0.79 85	2.16 191	0.65 19	0.29 82	0.25 140	0.22 8	0.19 30	2.27 492	2.70 414

WCG-NET（raft）	1.44 66	0.92 220	1.56 21	0.89 79	0.32 2	1.43 41	0.97 310	1.69 27	2.42 202	1.68 156	1.44 126	2.37 295	1.01 135	1.33 53	0.85 65	0.25 25	8.56 504	0.22 8	0.21 62	0.28 56	0.32 30

ff7	2.60 234	0.81 177	16.25 179	0.89 79	0.56 97	4.55 443	0.83 220	1.68 20	3.44 388	0.88 59	1.10 53	0.70 39	0.78 78	1.93 167	0.93 82	0.29 82	0.37 257	0.29 152	0.21 62	0.33 148	15.08 511

ffff	2.60 234	0.81 177	16.25 179	0.89 79	0.56 97	4.55 443	0.83 220	1.68 20	3.44 388	0.88 59	1.10 53	0.70 39	0.78 78	1.93 167	0.93 82	0.29 82	0.37 257	0.29 152	0.21 62	0.33 148	15.08 511

11t	2.60 234	0.81 177	16.25 179	0.89 79	0.56 97	4.55 443	0.83 220	1.68 20	3.44 388	0.88 59	1.10 53	0.70 39	0.78 78	1.93 167	0.93 82	0.29 82	0.37 257	0.29 152	0.21 62	0.33 148	15.08 511

ccc-4	2.60 234	0.81 177	16.25 179	0.89 79	0.56 97	4.55 443	0.83 220	1.68 20	3.44 388	0.88 59	1.10 53	0.70 39	0.78 78	1.93 167	0.93 82	0.29 82	0.37 257	0.29 152	0.21 62	0.33 148	15.08 511

GLC_STEREO	0.83 12	0.59 42	1.71 28	0.89 79	0.34 5	1.88 59	0.80 208	1.48 10	1.60 67	0.98 80	1.06 46	0.68 35	0.71 56	1.19 26	0.89 74	0.25 25	0.25 140	0.32 214	0.25 140	0.32 123	0.34 50

THIR-Stereo	4.50 454	1.11 279	18.71 238	0.89 79	0.47 49	2.25 80	16.71 525	3.53 203	1.58 59	2.04 240	12.04 517	2.66 330	7.52 496	7.29 354	11.25 465	0.32 147	0.21 52	0.29 152	0.28 201	0.35 186	0.52 189

SGD-Stereo	0.68 4	0.46 12	1.13 1	0.90 90	0.33 3	2.42 91	0.44 39	1.17 3	0.75 1	0.87 57	0.53 10	0.55 15	0.53 16	1.50 95	0.50 5	0.34 193	0.14 1	0.25 52	0.19 30	0.23 18	0.27 11

HART	3.57 401	1.13 285	17.80 219	0.90 90	1.12 303	1.18 14	0.41 31	3.55 205	4.60 466	1.09 93	2.19 352	1.49 172	0.57 22	1.46 83	1.14 133	0.25 25	21.58 541	0.28 129	0.21 62	0.36 204	10.06 491

rvit_stereo_0083	0.91 22	0.73 125	1.60 25	0.90 90	0.66 145	1.21 17	0.64 104	1.75 31	2.71 242	0.83 47	0.93 35	0.94 100	1.06 155	1.50 95	0.79 48	0.34 193	0.36 250	0.30 174	0.27 174	0.34 171	0.34 50

Occ-G	2.25 141	0.74 134	13.22 124	0.90 90	0.89 231	1.52 47	0.78 189	1.82 36	2.87 273	1.65 150	0.89 32	2.18 275	0.89 109	1.04 9	1.69 265	0.28 69	0.27 178	0.26 76	0.19 30	0.25 25	12.70 498

CFNet_ucs	2.32 162	0.75 148	17.05 199	0.90 90	0.81 199	3.86 283	0.68 121	4.31 415	2.68 238	2.13 266	2.04 313	3.30 385	1.24 199	2.63 236	1.23 153	0.37 247	0.46 321	0.56 426	0.30 255	0.67 405	0.53 195

GMStereo	2.01 101	2.26 403	20.93 450	0.90 90	0.48 54	1.67 53	0.56 64	1.90 39	2.19 161	1.58 141	1.31 97	0.87 81	0.74 65	1.68 114	1.00 108	0.41 284	0.21 52	0.30 174	0.32 289	0.50 342	0.46 146
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ours_stereo	1.00 29	0.88 199	2.52 43	0.91 96	0.74 174	1.10 12	0.57 67	1.68 20	1.24 11	0.76 31	1.49 134	0.70 39	0.62 37	1.61 108	0.62 17	0.26 40	0.20 30	0.26 76	0.21 62	0.30 92	3.24 427

rvit_stereo_0075_2	2.14 118	0.76 158	21.42 493	0.91 96	1.26 342	2.49 96	0.68 121	2.30 74	2.10 146	1.42 123	1.86 269	1.45 168	0.85 98	1.49 90	1.03 116	0.47 349	0.40 284	0.48 385	0.38 350	0.47 329	0.53 195

CASnet	0.85 15	0.59 42	1.66 27	0.91 96	0.30 1	1.37 37	0.73 148	1.63 18	1.94 126	1.66 152	1.14 62	0.66 30	0.63 40	1.07 13	0.90 78	0.37 247	0.17 4	0.41 348	0.31 273	0.33 148	0.23 6
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	2.59 231	1.07 268	20.48 398	0.91 96	4.13 507	3.67 242	0.51 54	2.27 70	1.76 101	1.18 99	1.15 63	1.18 129	0.84 96	1.36 63	1.54 224	0.27 50	8.46 503	0.27 96	0.19 30	0.29 73	0.30 21

LoS	1.05 36	0.58 34	3.31 55	0.91 96	0.38 13	4.14 357	0.50 51	2.22 67	1.49 35	1.02 85	0.88 31	0.62 23	0.84 96	1.69 119	0.94 88	0.27 50	0.20 30	0.24 33	0.17 17	0.22 14	0.32 30
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
knoymous	1.50 67	0.65 75	8.73 97	0.91 96	0.75 182	2.97 128	0.90 269	2.93 139	1.38 21	1.56 137	1.07 49	2.75 339	0.88 106	1.43 76	1.13 130	0.32 147	0.22 68	0.35 288	0.20 51	0.45 306	0.41 113

test_4	1.98 92	0.68 93	15.65 166	0.91 96	0.48 54	4.11 347	1.09 339	2.41 80	1.50 38	1.55 136	2.31 376	1.87 234	0.79 85	2.86 252	1.51 217	0.34 193	0.19 18	0.29 152	0.29 236	0.30 92	0.40 106

CroCo-Stereo	1.07 38	1.18 295	3.66 61	0.91 96	0.60 115	0.49 1	0.49 47	4.07 318	1.91 121	0.84 49	1.29 95	1.00 106	0.75 70	1.32 52	1.38 192	0.26 40	0.21 52	0.24 33	0.20 51	0.37 210	0.30 21
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
SFCPSM	2.16 120	0.75 148	15.82 169	0.91 96	0.98 258	3.74 257	1.27 374	4.15 353	2.56 222	1.90 192	1.82 245	1.64 185	1.39 222	2.51 223	1.57 232	0.36 233	0.28 187	0.39 336	0.36 331	0.36 204	0.50 175

S2M2	0.69 5	0.59 42	1.35 11	0.92 105	0.55 91	1.07 10	0.20 1	1.17 3	1.61 73	0.61 7	0.82 28	0.86 77	0.47 11	0.92 4	0.71 28	0.36 233	0.33 223	0.27 96	0.27 174	0.37 210	0.33 41

tt45	1.08 39	0.92 220	2.50 42	0.92 105	0.67 149	3.90 293	0.75 169	2.00 50	1.29 14	0.74 24	1.35 103	0.71 46	0.63 40	2.59 233	0.97 99	0.23 10	0.19 18	0.28 129	0.23 109	0.29 73	0.37 85

rvit_0105_5	1.72 82	1.26 308	13.05 122	0.92 105	0.56 97	1.92 64	0.90 269	3.07 157	3.04 307	0.98 80	1.24 77	1.19 133	0.93 119	1.55 103	1.22 150	0.43 312	0.43 304	0.37 316	0.36 331	0.43 284	0.51 181

rvit_stereo_0081	0.87 17	0.73 125	1.54 17	0.92 105	0.65 139	1.27 25	0.61 84	2.11 61	2.35 193	0.86 51	0.75 20	0.86 77	0.74 65	1.36 63	0.83 60	0.33 170	0.26 165	0.27 96	0.25 140	0.38 223	0.35 60

rvit_stereo_0082	0.87 17	0.73 125	1.54 17	0.92 105	0.65 139	1.27 25	0.61 84	2.11 61	2.35 193	0.86 51	0.75 20	0.86 77	0.74 65	1.36 63	0.83 60	0.33 170	0.26 165	0.27 96	0.25 140	0.38 223	0.35 60

Selective-IGEV	1.42 65	0.58 34	8.82 98	0.92 105	0.85 213	1.32 33	0.80 208	2.85 135	3.84 421	0.87 57	1.68 197	0.71 46	0.62 37	1.30 44	0.75 35	0.24 15	0.27 178	0.24 33	0.19 30	0.27 45	1.18 342

GMM-Stereo	2.52 205	0.56 25	20.57 414	0.92 105	0.83 204	4.18 371	1.88 435	2.51 90	2.40 199	2.48 379	2.30 375	1.69 190	1.84 343	2.93 256	1.25 164	0.32 147	0.19 18	0.33 249	0.49 408	0.37 210	2.40 406

AIO_test	3.76 414	0.71 112	19.58 280	0.93 112	17.34 529	1.36 36	0.86 239	1.61 16	1.99 136	0.74 24	0.97 39	1.77 208	0.58 25	1.49 90	0.55 13	0.35 209	0.97 414	0.24 33	0.20 51	0.25 25	22.60 537

rvit_0105_6	1.10 44	1.17 292	3.33 57	0.93 112	0.55 91	1.45 42	0.79 199	2.51 90	3.30 358	0.78 35	0.74 19	1.03 109	0.75 70	1.45 80	0.97 99	0.42 295	0.43 304	0.34 269	0.31 273	0.44 298	0.38 94

UGAM	2.78 288	0.78 168	19.69 293	0.93 112	0.73 170	3.27 161	1.02 320	2.88 137	3.06 312	1.40 118	2.76 432	3.51 408	1.28 204	10.74 435	1.44 206	0.30 109	0.30 205	0.40 341	0.33 297	0.37 210	0.49 170

WCG-NET	1.00 29	0.81 177	1.65 26	0.93 112	0.38 13	1.48 45	1.04 328	1.81 35	2.80 255	1.67 154	1.52 140	0.93 97	0.97 126	1.18 24	0.84 63	0.25 25	0.81 401	0.23 13	0.21 62	0.27 45	0.26 8

MIPNet	2.43 190	1.13 285	20.00 326	0.93 112	0.58 109	4.74 480	0.62 94	4.33 426	2.95 283	1.94 203	1.49 134	1.52 174	1.96 354	2.77 246	1.60 241	0.35 209	0.20 30	0.27 96	0.23 109	0.32 123	0.59 227

ACRE	2.75 283	7.69 462	19.93 316	0.93 112	1.30 347	3.94 308	0.90 269	4.23 381	3.66 411	2.33 343	2.61 417	1.17 126	1.04 144	1.80 148	1.35 179	0.46 341	0.25 140	0.27 96	0.23 109	0.32 123	0.60 232

sAnonymous2	2.00 98	1.54 347	21.24 483	0.93 112	0.89 231	1.21 17	0.62 94	2.58 106	2.28 180	0.86 51	1.04 44	0.73 49	1.22 196	1.10 16	0.85 65	0.30 109	0.25 140	0.31 194	0.31 273	1.06 457	0.72 272

CroCo_RVC	2.00 98	1.54 347	21.24 483	0.93 112	0.89 231	1.21 17	0.62 94	2.58 106	2.28 180	0.86 51	1.04 44	0.73 49	1.22 196	1.10 16	0.85 65	0.30 109	0.25 140	0.31 194	0.31 273	1.06 457	0.72 272

ARAFT	3.24 368	13.49 494	19.88 312	0.93 112	0.49 62	4.16 363	1.40 392	4.37 437	3.21 331	2.40 366	1.91 288	1.70 193	1.04 144	6.43 334	1.45 210	0.37 247	0.19 18	0.37 316	0.35 320	0.37 210	0.35 60

Reg-Stereo(zero)	1.88 88	0.45 10	11.07 108	0.94 121	2.06 461	4.52 435	0.55 62	2.72 121	1.69 90	1.54 134	1.26 83	2.55 318	2.52 401	1.73 134	2.43 365	0.20 2	0.28 187	0.22 8	0.19 30	0.25 25	0.40 106

rvit_0105_4	1.63 73	1.29 317	12.50 116	0.94 121	0.54 84	1.56 49	0.84 230	2.84 133	3.25 343	0.82 42	0.94 37	1.10 117	0.86 102	1.65 111	1.07 124	0.43 312	0.45 315	0.35 288	0.31 273	0.44 298	0.45 138

RSM	0.99 25	0.54 19	1.25 6	0.94 121	0.61 118	1.32 33	0.74 158	2.54 95	4.08 433	0.89 66	1.49 134	1.22 140	0.62 37	1.24 32	0.80 51	0.25 25	0.20 30	0.25 52	0.21 62	0.29 73	0.42 120

anonymousdsp	3.14 347	0.83 183	20.28 363	0.94 121	0.64 134	4.54 437	0.82 216	2.03 55	3.32 367	0.91 69	1.13 59	0.78 60	0.77 74	1.78 140	0.90 78	0.29 82	0.25 140	0.29 152	0.21 62	0.33 148	21.81 535

RCA-Stereo	1.38 60	0.61 55	3.95 69	0.94 121	0.48 54	4.68 471	0.78 189	4.17 359	1.95 127	1.93 197	1.84 259	0.94 100	1.48 252	1.23 30	0.75 35	0.30 109	0.43 304	0.25 52	0.20 51	0.26 38	0.37 85

BUS	1.64 76	0.64 67	3.82 64	0.94 121	0.86 217	4.50 430	0.75 169	4.49 459	2.29 184	2.96 437	1.82 245	3.61 415	1.03 137	1.79 142	1.18 140	0.39 271	0.25 140	0.31 194	0.28 201	0.38 223	0.41 113

BSDual-CNN	1.61 71	0.64 67	3.82 64	0.94 121	0.86 217	4.18 371	1.14 352	4.49 459	2.29 184	2.96 437	1.82 245	2.58 324	1.30 209	1.79 142	1.44 206	0.39 271	0.25 140	0.31 194	0.28 201	0.38 223	0.41 113

hknet	2.34 168	0.78 168	13.86 131	0.94 121	1.07 288	4.18 371	1.14 352	4.49 459	3.00 290	2.96 437	1.82 245	3.47 398	1.30 209	4.11 287	1.77 285	0.35 209	0.25 140	0.31 194	0.28 201	0.38 223	0.41 113

IGEV-Stereo	3.15 350	0.83 183	20.31 372	0.94 121	0.64 134	4.54 437	0.82 216	2.01 53	3.31 361	0.91 69	1.13 59	0.79 63	0.77 74	1.79 142	0.92 81	0.29 82	0.25 140	0.29 152	0.21 62	0.33 148	21.85 536
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ACVNet	2.40 181	0.97 246	20.20 349	0.94 121	0.86 217	4.22 385	0.79 199	2.97 150	2.85 265	1.93 197	1.91 288	3.07 368	1.46 246	1.52 97	2.37 361	0.33 170	0.27 178	0.30 174	0.27 174	0.42 274	0.35 60

HSM-Net_RVC	3.02 326	0.65 75	19.48 273	0.94 121	0.90 237	3.71 252	1.20 362	5.61 507	2.87 273	3.24 455	2.49 401	2.53 315	1.61 284	11.39 466	1.90 309	0.37 247	0.27 178	0.27 96	0.24 126	0.31 103	0.39 103
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
FoundationStereo	0.77 9	0.42 2	1.20 4	0.95 132	1.01 268	0.70 3	0.35 18	0.78 1	4.64 471	0.64 13	0.38 5	0.73 49	0.77 74	0.96 5	0.50 5	0.29 82	0.24 123	0.23 13	0.16 9	0.18 1	0.32 30

castereo++	1.26 54	0.99 258	3.48 58	0.95 132	0.74 174	2.48 94	0.98 313	3.14 162	4.28 448	0.75 27	1.46 130	1.92 242	0.58 25	1.29 43	0.51 10	0.27 50	0.24 123	0.28 129	0.19 30	0.24 21	0.35 60

Former-RAFT_DAM_RVC	0.99 25	0.85 189	1.58 23	0.95 132	1.08 291	2.95 124	0.53 58	1.93 42	2.00 137	1.19 100	1.63 182	0.59 17	0.65 45	1.10 16	0.90 78	0.28 69	0.23 96	0.31 194	0.25 140	0.45 306	0.32 30

CES	1.08 39	0.63 63	2.53 44	0.95 132	2.18 467	2.13 74	0.50 51	2.07 56	1.46 27	0.79 38	1.06 46	0.61 21	0.48 14	1.45 80	0.87 70	0.24 15	0.18 10	0.24 33	0.15 3	0.64 393	2.36 405

CIPLG	2.88 302	10.01 475	20.02 328	0.95 132	1.34 357	3.95 310	0.91 280	4.24 387	3.69 414	2.36 354	2.66 422	1.17 126	1.06 155	1.82 154	1.37 191	0.45 329	0.25 140	0.27 96	0.23 109	0.33 148	0.60 232

IPLG	2.56 226	1.11 279	19.89 313	0.95 132	0.79 195	4.60 452	0.56 64	4.31 415	2.10 146	1.94 203	2.00 308	1.34 150	1.37 218	6.59 337	1.59 237	0.32 147	0.21 52	0.27 96	0.23 109	0.32 123	0.63 243

IPLGR_C	2.96 317	11.71 484	20.02 328	0.95 132	1.31 351	3.93 305	0.92 288	4.22 375	3.76 417	2.35 348	2.62 418	1.16 125	1.07 158	1.71 123	1.34 178	0.45 329	0.25 140	0.27 96	0.23 109	0.33 148	0.60 232

PSM-AAD	3.41 387	0.58 34	20.55 406	0.95 132	0.56 97	4.46 421	7.40 515	3.11 159	1.58 59	2.30 326	2.56 410	1.26 143	16.19 523	2.47 220	1.00 108	0.32 147	0.22 68	0.58 432	0.41 377	0.37 210	1.32 350

AnonymousM	1.38 60	1.33 324	2.35 40	0.95 132	0.56 97	4.03 328	0.67 112	2.63 114	2.49 216	1.51 133	1.36 108	1.15 124	1.00 132	1.26 34	1.04 117	0.41 284	0.46 321	2.07 497	1.71 498	0.25 25	0.40 106

SCV_C0	2.17 123	0.93 228	12.88 119	0.96 141	1.06 287	1.27 25	0.63 99	3.68 224	3.30 358	1.03 89	1.26 83	0.73 49	0.66 48	1.73 134	1.06 122	0.35 209	1.97 447	0.25 52	0.21 62	0.29 73	9.23 484

SMoEStereo_RVC	0.88 19	0.92 220	1.55 19	0.96 141	0.46 44	2.56 100	0.78 189	1.60 14	1.20 10	0.71 21	1.20 67	0.64 25	0.63 40	1.71 123	1.01 112	0.22 7	0.18 10	0.31 194	0.22 94	0.28 56	0.42 120

IGEVStereo-DCA	3.09 338	3.48 430	16.25 179	0.96 141	0.49 62	1.59 50	0.83 220	1.68 20	3.44 388	0.75 27	0.78 23	0.74 56	0.73 59	5.79 312	7.75 451	0.32 147	0.26 165	0.28 129	0.21 62	0.32 123	15.08 511

rrr	3.66 406	3.48 430	23.50 523	0.96 141	0.49 62	1.59 50	0.92 288	8.19 516	2.75 247	0.75 27	0.78 23	0.74 56	0.73 59	5.79 312	7.75 451	0.32 147	0.26 165	0.28 129	0.21 62	0.32 123	13.47 499

ProNet	1.63 73	0.91 213	5.70 77	0.96 141	0.64 134	2.40 90	0.82 216	1.92 41	3.28 349	0.69 17	1.17 65	0.78 60	0.76 72	1.72 129	0.87 70	0.27 50	0.97 414	0.25 52	0.26 157	0.31 103	7.97 472

psmg	1.63 73	0.64 67	3.82 64	0.96 141	0.86 217	4.35 404	1.41 394	4.11 336	2.29 184	2.68 404	2.09 329	2.58 324	1.30 209	1.79 142	1.44 206	0.39 271	0.29 195	0.33 249	0.34 307	0.38 223	0.44 132

dd	2.27 148	3.06 421	20.18 346	0.96 141	0.51 72	4.24 391	0.74 158	1.94 44	2.43 205	1.48 131	1.28 90	1.19 133	1.05 153	1.82 154	1.69 265	0.63 422	0.34 233	0.35 288	0.33 297	0.61 377	0.57 212

hitnet-ft	2.99 323	1.23 307	19.37 268	0.96 141	0.90 237	3.76 260	0.79 199	3.60 214	2.68 238	2.31 329	2.04 313	3.63 418	1.49 255	11.70 482	2.37 361	0.45 329	0.54 355	0.44 365	0.36 331	0.54 354	0.56 207

AIO-test1	2.33 165	1.54 347	20.24 358	0.97 149	1.61 411	3.42 185	0.94 295	4.22 375	1.71 96	0.97 79	1.35 103	0.98 103	0.74 65	4.52 292	1.40 196	0.27 50	0.24 123	0.28 129	0.35 320	0.34 171	0.46 146

tg	1.40 63	1.14 288	2.71 49	0.97 149	0.54 84	4.02 325	0.42 33	3.02 154	2.64 233	1.70 162	1.85 263	1.84 228	0.97 126	1.81 152	0.99 104	0.31 130	0.22 68	0.29 152	0.26 157	0.32 123	2.01 393

gcap-zeroshot	2.25 141	0.74 134	19.48 273	0.97 149	1.18 318	3.50 206	0.83 220	3.21 168	2.66 237	1.86 187	1.23 75	3.24 380	0.88 106	1.92 164	0.94 88	0.34 193	0.43 304	0.28 129	0.22 94	0.29 73	0.83 297

MGS-Stereo	1.24 53	0.66 82	9.68 101	0.97 149	0.40 29	1.26 23	0.72 141	1.50 11	1.35 18	1.03 89	2.26 363	0.80 65	0.56 20	1.28 40	0.78 41	0.31 130	0.23 96	0.26 76	0.22 94	0.28 56	0.34 50

CASS	1.65 77	0.73 125	8.72 96	0.97 149	0.67 149	2.88 118	0.69 129	3.07 157	1.86 112	2.82 424	2.02 309	1.39 158	1.55 272	1.75 139	1.36 186	0.51 383	0.28 187	0.34 269	0.28 201	0.47 329	0.63 243
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
IER	2.09 112	0.91 213	14.11 136	0.97 149	1.15 310	3.17 146	0.89 253	3.59 212	2.39 196	2.15 275	1.98 303	2.27 282	2.11 366	2.39 216	1.80 291	0.35 209	0.24 123	0.36 305	0.30 255	0.34 171	0.42 120

AIO_rvc	3.97 428	1.01 261	18.99 248	0.98 155	11.92 522	1.45 42	0.97 310	2.17 65	4.51 464	0.71 21	1.18 66	1.09 115	0.56 20	1.56 104	0.72 31	0.28 69	11.98 525	0.24 33	0.19 30	0.25 25	18.74 530

rvit_0105_3	1.97 91	1.34 326	16.03 172	0.98 155	0.59 110	2.37 89	1.08 335	3.30 180	3.01 295	1.21 101	1.47 131	1.24 142	1.04 144	1.82 154	1.23 153	0.47 349	0.44 311	0.40 341	0.43 388	0.43 284	0.55 204

UniTT-Stereo	1.73 83	0.60 50	20.25 360	0.98 155	1.19 325	0.78 4	0.39 22	1.19 6	1.55 49	1.21 101	1.28 90	0.52 13	0.64 43	1.17 23	1.16 138	0.35 209	0.20 30	0.25 52	0.22 94	0.42 274	0.31 27

GwcNet-ADL	2.51 203	0.75 148	21.41 492	0.98 155	0.73 170	4.58 448	0.95 300	4.46 457	2.61 229	2.06 245	1.80 238	2.54 317	1.24 199	1.98 173	1.73 277	0.41 284	0.46 321	0.24 33	0.27 174	0.41 262	0.55 204

PFNet+	2.46 196	0.64 67	21.10 469	0.98 155	0.48 54	4.63 456	0.83 220	2.47 86	3.48 398	2.14 268	1.67 195	1.34 150	1.03 137	4.66 294	1.35 179	0.49 364	0.33 223	0.38 331	0.39 358	0.33 148	0.49 170

KYRaft	2.55 219	0.57 32	20.60 419	0.98 155	0.51 72	4.38 406	1.76 428	2.51 90	1.59 62	2.48 379	2.98 442	1.99 257	3.36 442	2.17 193	0.96 96	0.34 193	0.22 68	0.33 249	0.46 400	0.38 223	2.44 408

test_xeample3	3.67 408	3.52 432	21.53 495	0.98 155	0.51 72	1.88 59	0.91 280	8.10 515	2.76 250	0.82 42	0.76 22	0.65 28	0.70 54	5.88 316	7.74 450	0.32 147	0.29 195	0.27 96	0.22 94	0.29 73	15.33 516

rvit_stereo_ft	1.28 55	1.39 330	6.72 84	0.99 162	0.66 145	1.06 9	0.79 199	2.81 129	3.14 322	0.83 47	1.02 43	0.95 102	1.13 172	1.27 36	1.00 108	0.34 193	0.24 123	0.27 96	0.29 236	0.40 242	0.35 60

FTStereo	3.74 413	0.60 50	20.43 384	0.99 162	0.66 145	4.34 403	11.24 519	2.63 114	1.95 127	2.58 391	5.03 480	1.90 237	13.77 516	3.70 275	1.28 173	0.41 284	0.24 123	0.31 194	0.33 297	0.32 123	2.08 395

iRaftStereo_RVC	1.70 81	1.18 295	3.88 67	0.99 162	0.46 44	3.83 274	0.41 31	2.41 80	1.60 67	1.69 160	1.76 219	1.81 223	0.83 95	1.58 106	1.23 153	0.31 130	4.86 487	0.29 152	0.26 157	0.33 148	4.33 448

EAI-Stereo	4.89 468	0.69 98	7.74 89	0.99 162	1.63 417	4.68 471	51.52 544	5.79 508	3.37 373	3.64 469	7.24 487	1.10 117	0.95 123	2.51 223	1.71 271	0.33 170	0.31 211	0.28 129	2.04 510	0.28 56	0.92 314

CroCo-Stereo Lap2	1.65 77	1.14 288	14.70 150	1.00 166	1.80 447	0.53 2	0.46 44	3.18 166	1.62 76	1.10 96	1.24 77	1.05 112	0.78 78	1.40 72	1.18 140	0.31 130	0.23 96	0.27 96	0.22 94	0.46 316	0.38 94

iRaft-Stereo_20w	3.11 340	0.69 98	18.89 243	1.00 166	1.09 294	5.03 489	1.00 316	5.86 509	2.46 214	2.83 426	1.64 187	3.06 367	4.30 463	3.08 261	1.74 280	0.31 130	0.30 205	0.27 96	0.35 320	0.42 274	7.93 471

PS-NSSS	3.11 340	1.60 355	19.48 273	1.00 166	1.53 392	4.12 349	1.08 335	4.59 477	2.80 255	2.19 291	2.38 383	1.76 207	1.39 222	11.79 486	1.94 320	0.69 431	0.45 315	0.95 475	0.43 388	1.03 455	1.00 324

Selective-RAFT	1.34 57	0.58 34	2.21 39	1.01 169	0.49 62	4.19 379	0.51 54	3.39 190	3.62 408	1.15 97	1.40 117	1.45 168	1.40 226	2.09 180	1.31 176	0.43 312	0.40 284	0.25 52	0.26 157	0.29 73	0.38 94

RAFT+CT+SA	2.32 162	1.30 320	19.71 294	1.01 169	1.41 375	4.04 329	0.92 288	3.96 288	1.64 80	1.64 147	1.69 200	1.63 184	1.18 191	3.06 260	1.19 144	0.28 69	0.22 68	0.32 214	0.34 307	0.34 171	0.47 157

LCNet	2.54 214	0.60 50	20.89 447	1.01 169	0.57 105	3.60 227	1.21 367	3.20 167	1.70 93	2.17 281	1.76 219	1.43 165	4.12 459	3.61 272	0.94 88	0.32 147	0.20 30	0.28 129	0.76 456	0.50 342	1.83 388

Prome-Stereo	2.57 230	0.60 50	20.29 368	1.01 169	0.62 128	4.40 413	1.80 431	3.22 171	1.74 99	2.18 284	3.43 460	1.71 196	3.45 447	2.24 204	1.19 144	0.32 147	0.20 30	0.27 96	0.25 140	0.37 210	2.15 398

UGAM-zero	3.14 347	0.62 60	20.64 424	1.02 173	0.93 247	2.87 117	0.51 54	4.52 465	1.57 56	2.19 291	1.65 190	5.78 489	3.40 445	9.89 404	1.71 271	0.33 170	0.44 311	0.28 129	0.59 437	0.30 92	3.59 438

test-1	1.81 86	0.72 119	9.51 100	1.02 173	1.57 404	3.85 280	0.60 80	4.07 318	1.51 41	1.94 203	1.81 243	2.04 265	0.91 114	1.39 71	1.73 277	0.27 50	0.93 408	0.31 194	0.25 140	0.29 73	1.37 353

R-Stereo Train	2.13 116	0.65 75	19.43 269	1.02 173	0.67 149	3.79 266	0.89 253	4.12 342	1.55 49	2.15 275	1.72 208	1.13 121	0.94 121	1.46 83	1.30 174	0.32 147	0.25 140	0.27 96	0.21 62	0.28 56	0.37 85

RAFT-Stereo	2.13 116	0.65 75	19.43 269	1.02 173	0.67 149	3.79 266	0.89 253	4.12 342	1.55 49	2.15 275	1.72 208	1.13 121	0.94 121	1.46 83	1.30 174	0.32 147	0.25 140	0.27 96	0.21 62	0.28 56	0.37 85
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DEFOM-Stereo_RVC	1.03 34	1.15 290	1.34 10	1.03 177	0.59 110	0.81 5	0.43 36	3.53 203	4.67 473	0.78 35	0.98 40	0.44 5	1.16 186	1.46 83	0.71 28	0.27 50	0.19 18	0.24 33	0.18 24	0.30 92	0.34 50

HUF	5.25 474	1.03 264	26.85 532	1.03 177	13.21 524	1.35 35	0.76 178	2.97 150	3.00 290	0.79 38	1.56 162	0.92 95	0.66 48	1.53 100	0.74 34	0.35 209	27.70 543	0.26 76	0.18 24	0.24 21	19.90 533

CoDeX	2.47 198	0.91 213	13.65 127	1.03 177	1.17 316	3.28 165	1.30 377	4.17 359	2.99 288	1.78 177	1.85 263	2.04 265	1.46 246	9.99 411	1.66 259	0.38 263	0.28 187	0.32 214	0.28 201	0.34 171	0.57 212

testlalala	2.95 315	0.66 82	20.83 441	1.03 177	0.81 199	4.39 410	0.90 269	2.96 148	3.69 414	2.50 383	1.55 161	1.31 149	0.61 35	1.15 20	0.77 38	0.42 295	14.33 526	0.25 52	0.20 51	0.26 38	0.36 82

ICVP	2.19 127	0.72 119	19.18 256	1.03 177	0.88 230	4.22 385	0.94 295	3.44 197	1.69 90	1.68 156	1.76 219	1.35 152	1.19 193	1.80 148	1.40 196	0.58 409	0.37 257	0.34 269	0.30 255	0.41 262	0.59 227
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
DeepPruner_ROB	2.61 239	1.97 389	19.32 265	1.03 177	1.20 328	4.38 406	0.90 269	3.44 197	1.77 102	2.61 397	1.54 152	2.77 343	1.27 201	5.05 297	2.08 337	0.52 393	0.40 284	0.37 316	0.35 320	0.52 350	0.62 240

MyStereo07	2.29 155	1.18 295	20.10 341	1.04 183	1.21 333	3.96 316	0.95 300	2.13 63	3.37 373	1.09 93	1.28 90	0.68 35	0.91 114	1.74 138	0.86 68	0.26 40	3.49 480	0.34 269	0.27 174	0.43 284	0.49 170

MyStereo04	2.54 214	1.18 295	18.82 242	1.04 183	1.21 333	3.96 316	0.95 300	4.02 303	3.01 295	2.06 245	1.27 88	2.33 289	1.66 306	2.06 177	2.01 327	0.26 40	3.49 480	0.34 269	0.27 174	0.43 284	0.49 170

LL-Strereo2	2.36 172	1.81 377	19.35 266	1.04 183	1.03 274	3.73 255	1.35 385	2.70 119	2.04 140	1.76 174	1.44 126	1.82 225	0.73 59	1.48 88	1.53 221	0.33 170	0.30 205	0.55 423	0.35 320	0.30 92	3.51 437

sCroCo_RVC	1.81 86	0.93 228	19.44 271	1.04 183	1.05 283	0.97 7	0.61 84	2.08 57	1.36 19	0.71 21	1.28 90	0.82 69	1.10 166	1.31 48	0.97 99	0.54 398	0.41 291	0.33 249	0.30 255	0.46 316	0.48 165

RAFT-Stereo-weight	1.38 60	0.57 32	5.44 76	1.05 187	0.63 131	4.19 379	0.77 182	3.95 286	1.53 44	2.01 230	1.53 141	1.30 148	0.65 45	1.30 44	1.05 120	0.27 50	0.26 165	0.26 76	0.22 94	0.28 56	0.38 94

dad	2.65 251	3.40 427	19.45 272	1.05 187	0.65 139	4.21 383	0.84 230	2.10 59	2.77 251	2.32 340	1.72 208	1.72 197	1.27 201	3.86 278	2.04 333	1.06 466	0.40 284	2.04 496	0.49 408	0.78 430	0.83 297

delet	2.66 256	1.11 279	18.42 231	1.05 187	1.65 425	3.47 195	2.00 444	3.81 258	2.82 261	2.15 275	2.11 331	2.62 328	1.88 350	5.38 304	2.21 349	0.34 193	0.38 270	0.40 341	0.32 289	0.45 306	0.54 200

FADNet_RVC	3.10 339	7.62 460	19.12 251	1.05 187	0.93 247	4.09 343	0.84 230	4.34 431	2.05 141	1.54 134	1.78 230	1.61 180	1.50 256	8.92 381	2.64 382	0.50 377	0.38 270	0.44 365	0.61 442	0.91 447	1.16 341

999	1.08 39	0.86 191	2.44 41	1.06 191	0.65 139	3.27 161	0.91 280	1.47 9	1.43 26	0.74 24	1.73 214	0.70 39	0.66 48	3.03 259	1.18 140	0.24 15	0.22 68	0.25 52	0.21 62	0.27 45	0.37 85

GCAP-BAT	2.74 279	0.79 172	19.74 299	1.06 191	0.85 213	4.25 392	0.91 280	2.80 127	1.83 108	2.14 268	2.08 328	2.55 318	0.80 90	1.87 162	1.41 198	0.35 209	7.97 501	0.24 33	0.22 94	0.27 45	2.72 415

MyStereo06	2.74 279	1.07 268	21.19 481	1.06 191	1.08 291	4.26 393	0.86 239	3.72 237	1.80 105	2.25 308	1.77 226	4.28 452	4.12 459	1.85 159	1.38 192	0.25 25	2.43 463	0.34 269	0.27 174	0.46 316	0.48 165

MyStereo05	2.55 219	1.07 268	19.87 311	1.06 191	1.08 291	4.26 393	0.86 239	4.10 333	3.01 295	2.19 291	1.26 83	2.30 286	1.64 299	2.13 187	1.99 321	0.25 25	2.43 463	0.34 269	0.27 174	0.46 316	0.48 165

raft_robust	3.17 354	2.15 400	20.28 363	1.06 191	0.55 91	3.86 283	0.46 44	4.42 449	2.77 251	1.70 162	1.37 110	7.48 499	6.35 484	6.81 346	1.44 206	0.31 130	0.74 394	0.30 174	0.37 341	0.32 123	0.57 212

FACV-RUCA	1.35 59	0.70 106	2.58 46	1.07 196	1.49 385	2.70 105	1.13 349	3.21 168	2.64 233	1.42 123	1.99 306	1.06 114	1.15 184	1.44 77	1.16 138	0.41 284	0.42 302	0.73 466	0.41 377	0.63 388	0.67 258

StereoVision	2.36 172	1.15 290	20.38 379	1.07 196	1.79 445	2.58 103	0.61 84	3.14 162	2.34 190	1.33 112	3.46 461	1.85 230	0.88 106	2.12 185	2.01 327	0.46 341	0.36 250	0.37 316	0.36 331	0.50 342	0.41 113

IGEV++	3.59 402	0.91 213	13.63 126	1.08 198	0.98 258	1.27 25	0.98 313	3.33 184	1.89 120	0.93 73	1.38 113	0.86 77	1.09 160	1.71 123	1.09 127	0.36 233	21.52 540	0.23 13	0.21 62	0.31 103	18.10 529

CFNet-RSSM	2.17 123	0.56 25	20.50 400	1.08 198	0.57 105	3.42 185	0.62 94	4.24 387	1.60 67	1.73 168	1.39 114	2.55 318	1.19 193	1.36 63	1.04 117	0.29 82	0.20 30	0.26 76	0.23 109	0.28 56	0.32 30

Gwc-CoAtRS	1.80 85	0.61 55	14.92 154	1.08 198	0.61 118	2.88 118	0.63 99	2.47 86	1.62 76	1.80 182	1.50 137	2.73 334	1.17 188	1.35 60	1.08 126	0.30 109	0.22 68	0.25 52	0.23 109	0.28 56	0.30 21

fffy	1.18 51	0.92 220	3.05 52	1.09 201	0.68 157	1.27 25	0.74 158	1.98 49	1.06 7	0.78 35	1.39 114	0.83 70	0.72 58	1.71 123	0.80 51	0.24 15	0.53 353	0.27 96	0.21 62	0.29 73	5.07 455

rvit_105_1	2.17 123	1.36 328	16.82 194	1.09 201	0.68 157	2.78 110	1.26 373	3.55 205	2.90 278	1.40 118	1.57 163	1.29 147	1.14 178	2.91 254	1.49 215	0.55 401	0.47 331	0.45 372	0.61 442	0.45 306	0.63 243

TransformOpticalFlow	3.07 335	0.87 195	20.87 446	1.10 203	0.56 97	4.18 371	0.64 104	4.36 434	3.28 349	2.19 291	3.08 447	4.32 455	5.01 471	7.36 358	1.59 237	0.34 193	0.18 10	0.32 214	0.26 157	0.29 73	0.57 212

CFNet-ft	2.87 300	1.80 374	20.20 349	1.10 203	1.54 393	4.09 343	0.89 253	2.97 150	1.88 117	1.93 197	1.70 202	3.50 405	1.60 279	9.35 388	2.17 345	0.35 209	0.32 217	0.61 440	0.38 350	0.55 357	0.45 138

CFNet_RVC	2.87 300	1.80 374	20.20 349	1.10 203	1.54 393	4.09 343	0.89 253	2.97 150	1.88 117	1.93 197	1.70 202	3.50 405	1.60 279	9.35 388	2.17 345	0.35 209	0.32 217	0.61 440	0.38 350	0.55 357	0.45 138

LALA_ROB	2.88 302	2.13 399	19.08 250	1.10 203	0.99 260	3.91 297	1.81 432	4.50 463	3.04 307	3.32 459	1.87 275	2.75 339	1.66 306	4.06 285	4.02 416	0.47 349	0.44 311	0.55 423	0.53 424	0.61 377	0.73 277

DualNet (step1)	3.32 378	1.19 301	20.68 427	1.11 207	0.87 226	4.22 385	1.20 362	4.40 444	4.92 485	2.20 298	1.85 263	1.90 237	2.00 356	6.87 347	1.75 283	1.41 481	1.36 430	4.19 524	2.07 511	0.70 413	1.43 359

test_sample9	4.68 460	1.19 301	20.68 427	1.11 207	0.87 226	4.22 385	1.20 362	4.40 444	4.92 485	2.20 298	1.85 263	1.90 237	2.00 356	11.08 453	11.57 471	1.41 481	14.65 527	4.19 524	2.07 511	0.70 413	1.43 359

test_sample8	5.57 477	1.19 301	20.68 427	1.11 207	0.87 226	4.22 385	1.20 362	4.43 451	3.76 417	5.63 497	1.97 302	12.99 514	6.34 483	11.08 453	11.57 471	1.41 481	14.65 527	4.19 524	2.07 511	0.70 413	1.43 359

gwcnet-sp	2.38 177	1.51 343	17.58 213	1.11 207	0.92 243	3.59 223	1.03 323	3.79 248	2.43 205	2.60 393	1.63 182	1.80 220	1.61 284	3.87 279	1.99 321	0.33 170	0.32 217	0.30 174	0.29 236	0.40 242	0.47 157

scenet	2.38 177	1.51 343	17.58 213	1.11 207	0.92 243	3.59 223	1.03 323	3.79 248	2.43 205	2.60 393	1.63 182	1.80 220	1.61 284	3.87 279	1.99 321	0.33 170	0.32 217	0.30 174	0.29 236	0.40 242	0.47 157

ssnet	2.38 177	1.51 343	17.58 213	1.11 207	0.92 243	3.59 223	1.03 323	3.79 248	2.43 205	2.60 393	1.63 182	1.80 220	1.61 284	3.87 279	1.99 321	0.33 170	0.32 217	0.30 174	0.29 236	0.40 242	0.47 157

test_3	2.17 123	0.58 34	18.64 236	1.11 207	0.78 192	2.15 76	0.85 235	4.42 449	1.47 28	2.00 221	1.20 67	2.02 262	0.79 85	2.70 244	1.35 179	0.29 82	1.04 418	0.29 152	0.29 236	0.31 103	1.07 334

PSMNet-ADL	2.01 101	0.78 168	2.89 50	1.11 207	0.86 217	4.13 352	0.80 208	3.84 262	2.26 176	1.74 171	1.87 275	2.90 353	1.81 335	10.37 426	2.34 357	0.49 364	0.47 331	0.29 152	0.30 255	0.39 237	0.56 207

pcwnet_v2	2.73 278	0.70 106	22.43 517	1.11 207	1.02 270	3.58 222	0.80 208	4.31 415	3.42 386	2.39 362	2.28 369	2.99 359	1.68 309	3.31 264	1.54 224	0.44 320	0.51 348	0.41 348	0.34 307	0.62 382	0.74 281

RAFT-Stereo + iAFF	2.49 201	1.68 362	20.50 400	1.11 207	1.32 355	4.13 352	0.42 33	3.23 172	3.30 358	2.05 244	2.40 387	1.61 180	1.11 169	1.49 90	1.63 249	0.22 7	0.22 68	0.26 76	0.24 126	0.31 103	2.47 410

Any-RAFT	1.62 72	0.59 42	5.29 74	1.12 217	0.76 186	4.41 415	0.79 199	4.12 342	3.26 345	2.02 232	1.36 108	2.82 346	1.56 274	1.90 163	0.81 53	0.29 82	0.25 140	0.26 76	0.19 30	0.25 25	0.35 60

ToySt	2.53 210	0.89 204	19.20 258	1.12 217	0.95 254	3.47 195	1.13 349	3.72 237	2.25 173	1.36 115	1.71 206	2.22 278	1.59 278	2.14 190	1.81 295	0.28 69	0.64 379	0.30 174	0.33 297	0.43 284	5.14 457

SA	2.55 219	1.54 347	20.70 431	1.12 217	0.48 54	4.26 393	1.33 381	4.45 455	3.28 349	1.68 156	1.96 299	1.69 190	2.25 381	2.60 234	1.57 232	0.30 109	0.29 195	0.37 316	0.38 350	0.36 204	0.47 157

GES	2.26 145	0.79 172	19.68 292	1.12 217	0.59 110	4.30 399	1.01 317	3.90 273	1.59 62	1.78 177	1.78 230	1.28 145	1.75 323	1.80 148	1.61 244	0.42 295	0.29 195	0.33 249	0.31 273	0.45 306	0.50 175

ADCP+	4.42 450	12.67 491	18.95 245	1.12 217	1.55 397	4.30 399	3.60 497	4.01 298	3.80 420	2.30 326	1.71 206	3.93 430	4.29 462	3.49 268	18.77 523	0.40 281	0.41 291	0.63 448	0.53 424	0.67 405	1.35 352

CBFPSM	2.24 139	2.06 392	12.12 115	1.13 222	1.05 283	2.85 114	1.23 369	3.37 189	2.05 141	1.82 184	1.33 100	4.55 464	4.00 457	2.38 215	2.35 358	0.27 50	0.38 270	0.32 214	0.28 201	0.39 237	0.89 310

test-3	2.19 127	0.59 42	18.63 235	1.13 222	0.75 182	2.07 72	0.89 253	4.37 437	1.53 44	2.25 308	1.20 67	2.05 268	0.79 85	2.68 240	1.35 179	0.29 82	0.95 411	0.28 129	0.27 174	0.27 45	1.47 364

test_1	2.19 127	0.59 42	18.67 237	1.13 222	0.78 192	2.07 72	0.89 253	4.37 437	1.53 44	2.18 284	1.20 67	2.05 268	0.78 78	2.68 240	1.36 186	0.29 82	0.93 408	0.28 129	0.27 174	0.28 56	1.53 367

ETE_ROB	2.93 308	2.12 397	17.80 219	1.13 222	0.94 252	3.71 252	1.53 406	4.29 402	2.98 287	3.32 459	2.13 335	2.34 292	1.51 258	8.68 377	2.82 386	0.44 320	0.40 284	0.51 405	0.49 408	0.56 363	0.80 293

HI	2.19 127	1.11 279	19.93 316	1.14 226	0.69 165	2.98 130	0.45 41	2.58 106	1.87 115	2.18 284	1.65 190	2.41 300	1.83 340	1.72 129	1.63 249	0.30 109	0.17 4	0.28 129	0.31 273	0.27 45	0.32 30

CoSv	2.19 127	1.11 279	19.93 316	1.14 226	0.69 165	2.98 130	0.45 41	2.58 106	1.87 115	2.18 284	1.65 190	2.41 300	1.83 340	1.72 129	1.63 249	0.30 109	0.17 4	0.28 129	0.31 273	0.27 45	0.32 30

MSKI-zero shot	2.33 165	0.69 98	20.22 355	1.14 226	0.77 189	4.05 333	0.68 121	3.95 286	1.51 41	1.93 197	2.35 379	1.91 241	0.71 56	3.01 258	0.79 48	0.28 69	1.47 433	0.27 96	0.21 62	0.28 56	0.44 132

G2L-Stereo	2.85 296	2.33 407	19.94 319	1.15 229	1.34 357	3.57 219	0.95 300	3.70 232	2.22 167	2.14 268	1.61 173	3.19 375	1.33 213	9.50 391	2.02 329	0.36 233	0.27 178	0.35 288	0.28 201	0.30 92	0.51 181

DCVSM-stereo	2.31 161	0.72 119	20.28 363	1.15 229	0.93 247	2.53 99	0.75 169	2.70 119	1.69 90	2.56 389	1.53 141	3.27 383	1.71 317	2.23 202	1.38 192	0.36 233	0.53 353	0.41 348	0.33 297	0.46 316	0.64 248

AIO-Stereo-zeroshot	2.84 295	1.17 292	20.72 434	1.15 229	2.05 460	3.61 229	0.49 47	4.63 479	2.10 146	1.41 121	1.66 194	6.02 492	2.40 389	2.79 248	2.09 340	0.30 109	0.51 348	0.31 194	0.96 469	0.59 372	1.93 389

AE-Stereo	2.91 306	0.63 63	17.05 199	1.15 229	0.63 131	4.39 410	0.70 132	4.02 303	2.12 153	1.24 109	2.04 313	1.01 107	0.91 114	1.67 113	1.42 200	0.30 109	1.14 423	0.28 129	0.28 201	0.27 45	16.93 526

222	3.82 418	0.88 199	6.92 85	1.15 229	0.99 260	3.27 161	0.64 104	4.57 472	5.37 496	2.43 371	2.32 377	1.41 161	1.44 239	10.64 432	18.51 519	0.32 147	4.89 488	0.32 214	0.30 255	0.34 171	9.80 489

acv_ft	2.45 194	0.97 246	19.57 279	1.15 229	2.01 457	2.97 128	0.96 306	3.88 269	2.85 265	2.34 346	1.91 288	3.07 368	1.65 305	1.52 97	2.26 352	0.33 170	0.27 178	0.30 174	0.27 174	0.42 274	0.35 60

DSFCA	2.38 177	1.03 264	11.06 107	1.15 229	1.18 318	3.97 318	1.75 427	3.63 218	2.44 211	3.14 449	1.68 197	2.90 353	2.48 396	5.38 304	3.17 403	0.49 364	0.45 315	0.37 316	0.37 341	0.54 354	0.46 146

EGLCR-Stereo	2.52 205	0.56 25	9.39 99	1.16 236	0.81 199	5.24 492	0.61 84	4.20 369	1.56 53	1.09 93	0.71 17	1.09 115	0.66 48	1.92 164	0.82 58	0.29 82	0.30 205	0.29 152	0.24 126	0.37 210	19.09 531

NINENet	2.59 231	0.89 204	16.09 174	1.16 236	1.07 288	4.50 430	0.75 169	4.43 451	2.61 229	2.18 284	1.91 288	3.61 415	1.03 137	7.92 368	1.18 140	0.49 364	0.34 233	0.41 348	0.30 255	0.42 274	0.44 132

Sa-1000	2.54 214	1.47 339	20.36 377	1.16 236	0.55 91	4.07 338	1.39 391	4.49 459	3.01 295	2.06 245	2.79 433	1.84 228	1.43 238	2.68 240	1.53 221	0.31 130	0.26 165	0.36 305	0.33 297	0.37 210	0.46 146

DAS	2.52 205	0.76 158	7.72 87	1.16 236	1.64 421	2.96 125	2.10 451	4.14 350	3.31 361	4.16 482	2.51 405	2.56 322	1.81 335	11.54 473	1.83 296	0.44 320	0.23 96	0.39 336	0.25 140	0.42 274	0.45 138

SepStereo	2.36 172	0.76 158	7.72 87	1.16 236	1.64 421	2.96 125	2.10 451	4.14 350	3.31 361	4.16 482	2.51 405	2.56 322	1.81 335	8.34 373	1.83 296	0.44 320	0.23 96	0.39 336	0.25 140	0.42 274	0.45 138

test_xeample	4.19 436	0.93 228	14.09 135	1.16 236	1.17 316	3.28 165	0.80 208	4.63 479	5.30 492	2.46 376	2.35 379	1.39 158	1.42 234	10.88 440	17.68 513	0.30 109	6.50 496	0.32 214	0.32 289	0.36 204	8.38 481

RAFT + AFF	3.98 429	14.10 507	20.78 437	1.16 236	1.96 454	4.14 357	2.00 444	4.56 470	3.52 402	2.23 305	2.51 405	2.27 282	4.92 470	8.94 382	2.82 386	0.33 170	0.60 371	0.48 385	0.39 358	0.81 436	1.03 330

PAM_32	3.04 331	0.69 98	20.55 406	1.17 243	1.01 268	8.89 513	0.76 178	3.71 235	3.43 387	2.12 265	2.65 420	5.44 485	3.73 452	2.35 213	1.48 214	0.27 50	0.33 223	0.28 129	0.29 236	0.39 237	1.27 348

RALCasStereoNet	3.17 354	1.87 384	20.86 445	1.17 243	1.63 417	3.10 136	0.70 132	3.21 168	2.19 161	1.39 117	1.73 214	1.18 129	0.91 114	2.46 217	1.64 255	0.31 130	8.75 508	0.25 52	0.22 94	0.31 103	9.45 485

DMCA	2.02 103	1.07 268	11.33 111	1.17 243	0.96 256	3.92 304	0.89 253	3.80 254	3.11 318	2.89 428	1.58 169	2.35 293	1.17 188	1.79 142	2.25 351	0.42 295	0.29 195	0.42 359	0.27 174	0.38 223	0.43 127

FADNet-RVC	3.23 366	12.51 488	17.02 198	1.17 243	0.81 199	3.52 211	1.09 339	4.16 355	2.74 246	1.44 128	1.29 95	1.86 231	1.76 326	9.82 400	2.46 367	0.39 271	0.38 270	0.40 341	0.41 377	0.68 410	0.59 227

MLCV	2.52 205	1.77 371	18.20 227	1.17 243	0.63 131	3.60 227	0.53 58	3.88 269	2.35 193	2.82 424	2.24 360	1.99 257	1.42 234	4.59 293	3.09 399	0.39 271	0.22 68	0.33 249	0.22 94	0.35 186	0.52 189

DFGA-Net	2.93 308	7.27 459	18.55 233	1.18 248	0.79 195	3.68 245	0.60 80	2.84 133	1.98 132	2.19 291	2.07 325	1.22 140	1.04 144	10.28 423	2.51 373	0.30 109	0.23 96	0.34 269	0.35 320	0.63 388	0.54 200

AIO-Stereo-zeroshot1	3.20 359	1.87 384	21.91 502	1.18 248	2.03 458	4.07 338	0.98 313	3.99 294	2.17 158	1.57 139	5.62 484	4.27 450	2.92 415	2.69 243	2.50 372	0.27 50	0.49 341	0.31 194	1.20 484	0.92 449	3.04 425

coex-ft	20.00 533	11.54 482	120.82 551	1.18 248	1.30 347	2.36 88	1.99 441	2.96 148	13.96 522	129.83 552	8.40 498	5.88 491	52.82 546	9.93 407	31.13 541	0.61 414	0.62 376	0.50 400	0.49 408	1.10 464	2.63 412

DCRE	3.02 326	0.95 237	18.48 232	1.18 248	1.89 450	3.57 219	0.82 216	3.36 188	1.70 93	2.04 240	8.12 492	1.73 200	1.07 158	1.31 48	1.24 158	0.24 15	0.87 406	0.26 76	0.27 174	0.28 56	11.03 494

FADNet-RVC-Resample	3.31 376	8.52 464	22.84 519	1.18 248	0.91 242	3.52 211	1.35 385	4.13 346	2.32 189	1.75 173	1.35 103	2.26 281	1.51 258	9.51 392	2.03 331	0.42 295	0.38 270	0.42 359	0.44 392	0.59 372	0.71 269

UNet	2.53 210	0.91 213	20.07 332	1.19 253	1.44 380	3.45 192	0.75 169	3.80 254	1.98 132	2.09 257	1.57 163	2.74 337	2.37 388	3.51 269	2.52 374	0.35 209	0.30 205	0.41 348	0.28 201	0.40 242	0.50 175

HSM	3.25 371	1.08 272	19.18 256	1.19 253	1.54 393	3.45 192	1.02 320	4.04 310	2.61 229	2.31 329	2.17 344	8.01 502	2.99 423	11.59 475	1.80 291	0.35 209	0.24 123	0.28 129	0.24 126	0.33 148	0.55 204

PAM	3.02 326	0.69 98	20.70 431	1.20 255	1.15 310	8.88 512	1.28 375	4.06 315	1.91 121	2.32 340	2.42 396	5.75 488	2.75 407	2.47 220	1.55 227	0.28 69	0.35 242	0.27 96	0.30 255	0.41 262	1.65 376

anonymousdsp2	2.72 273	0.68 93	11.15 109	1.20 255	0.64 134	3.66 241	0.71 137	3.71 235	2.14 157	1.62 145	1.61 173	1.95 249	1.00 132	2.24 204	0.81 53	0.32 147	0.50 345	0.28 129	0.20 51	0.34 171	19.58 532

Anonymous_2	4.03 431	0.99 258	11.19 110	1.20 255	1.71 435	3.68 245	0.93 293	3.76 243	1.63 78	2.07 251	1.43 124	4.76 472	2.34 386	1.86 161	1.78 286	0.82 455	2.42 461	8.69 535	16.64 539	4.38 514	8.29 478

test_5	2.45 194	1.43 335	19.72 296	1.20 255	1.39 369	3.88 289	1.25 372	4.03 306	1.98 132	1.74 171	1.82 245	1.86 231	1.78 329	3.57 271	1.35 179	0.33 170	0.21 52	0.35 288	0.33 297	0.34 171	0.43 127

aanetorigin	3.34 382	2.00 390	17.58 213	1.20 255	1.57 404	2.57 101	3.75 500	2.73 122	2.10 146	6.11 503	4.27 472	2.88 350	5.64 477	5.46 307	4.60 426	0.53 395	0.46 321	0.45 372	0.48 405	1.15 468	1.22 343

ADCRef	3.66 406	5.95 449	15.50 164	1.20 255	1.41 375	3.93 305	1.61 414	3.92 278	2.77 251	3.13 446	2.20 354	2.40 296	2.78 410	6.23 330	16.59 497	0.50 377	0.35 242	0.63 448	0.62 445	0.58 370	0.92 314

DispNO	3.22 363	2.06 392	19.82 304	1.21 261	1.11 300	3.74 257	0.93 293	4.31 415	2.89 276	2.37 359	2.27 366	4.51 462	2.09 363	11.41 467	3.47 409	0.35 209	0.28 187	0.31 194	0.29 236	0.39 237	0.51 181

iinet-f	2.44 192	1.82 379	14.97 155	1.21 261	1.11 300	3.78 265	1.10 344	4.19 367	2.90 278	2.10 259	1.76 219	2.99 359	2.97 418	2.84 251	2.79 383	0.38 263	0.38 270	0.28 129	0.28 201	0.50 342	0.47 157

EDNetEfficientorigin	12.42 519	3.26 424	179.44 553	1.21 261	1.00 266	2.89 120	1.82 433	3.05 155	5.37 496	8.87 514	4.78 477	4.17 445	4.80 469	9.91 405	11.32 467	0.41 284	0.41 291	0.62 447	0.88 465	1.33 479	2.81 417

AANet_RVC	3.70 412	7.03 457	17.25 202	1.21 261	1.12 303	3.79 266	1.09 339	3.98 292	3.38 376	2.65 403	4.29 473	3.95 432	1.40 226	11.43 470	7.88 453	1.25 475	0.57 361	0.34 269	0.25 140	0.43 284	0.71 269

testlalala_base	2.69 267	0.77 166	21.10 469	1.22 265	1.46 382	2.72 106	0.83 220	4.11 336	1.49 35	1.28 111	1.45 129	1.21 139	0.85 98	1.28 40	1.19 144	3.94 515	2.36 458	0.27 96	0.19 30	4.48 517	1.58 370

riskmin	2.46 196	0.61 55	12.91 121	1.22 265	1.65 425	3.56 218	0.61 84	4.30 404	1.50 38	1.86 187	1.16 64	4.30 454	2.02 359	1.53 100	1.32 177	0.29 82	0.95 411	0.34 269	0.23 109	0.43 284	8.34 480

CSP-Net	1.99 97	1.70 365	4.84 72	1.22 265	1.02 270	3.42 185	1.30 377	3.66 221	2.11 151	2.07 251	1.93 296	2.40 296	1.48 252	8.56 375	1.62 246	0.51 383	0.41 291	0.27 96	0.27 174	0.44 298	0.54 200

ADLNet2	3.20 359	1.43 335	20.11 344	1.22 265	1.78 444	3.86 283	1.47 401	3.96 288	3.89 426	2.26 314	2.49 401	4.63 470	1.92 353	10.68 434	2.00 326	0.42 295	0.37 257	0.29 152	0.30 255	0.51 347	0.46 146

RAFT-345	2.55 219	0.60 50	19.89 313	1.22 265	0.49 62	4.43 418	0.77 182	1.68 20	3.54 403	2.09 257	3.10 449	1.95 249	1.30 209	6.65 338	1.47 213	0.41 284	0.23 96	0.32 214	0.26 157	0.29 73	0.28 14

MMNet	2.15 119	1.33 324	12.06 114	1.22 265	1.23 336	3.55 216	0.89 253	3.84 262	2.26 176	2.19 291	1.78 230	2.15 274	2.10 364	3.70 275	2.35 358	0.45 329	0.38 270	0.34 269	0.28 201	0.40 242	0.52 189

SGM-Forest	4.96 470	0.86 191	21.02 455	1.22 265	0.83 204	4.05 333	3.26 485	4.40 444	3.49 400	4.40 487	3.69 465	4.66 471	13.91 519	11.94 489	17.16 508	0.66 426	0.46 321	0.49 398	0.39 358	0.49 341	1.77 383
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
cross-raft	1.95 90	0.66 82	16.17 178	1.23 272	0.92 243	2.25 80	0.70 132	3.69 229	1.68 87	1.78 177	1.53 141	3.15 374	1.13 172	1.35 60	1.06 122	0.24 15	0.23 96	0.26 76	0.24 126	0.29 73	0.45 138

model_zeroshot	2.43 190	0.72 119	19.99 325	1.24 273	1.23 336	3.70 251	0.63 99	3.76 243	1.61 73	2.79 419	1.41 121	2.24 279	0.82 94	2.87 253	1.22 150	0.33 170	0.52 351	0.30 174	0.25 140	0.28 56	2.59 411

ITSA-stereo	2.11 114	0.85 189	7.84 90	1.24 273	0.68 157	4.06 337	0.91 280	4.30 404	2.57 224	1.94 203	1.77 226	1.61 180	2.12 368	6.12 325	2.79 383	0.42 295	0.38 270	0.40 341	0.41 377	0.51 347	1.26 347

ffm	4.27 443	0.98 249	21.04 457	1.24 273	1.03 274	3.64 235	0.87 245	4.23 381	4.73 475	2.31 329	2.40 387	3.49 400	1.64 299	2.29 209	0.78 41	0.30 109	19.28 537	0.48 385	0.40 367	0.31 103	14.02 503

ff1	5.58 478	0.98 249	21.04 457	1.24 273	1.03 274	3.64 235	0.87 245	4.23 381	4.73 475	2.31 329	2.40 387	3.49 400	1.64 299	12.40 494	16.90 500	0.30 109	19.28 537	0.48 385	0.40 367	0.31 103	14.02 503

mmx	4.56 456	0.98 249	21.04 457	1.24 273	1.03 274	3.64 235	0.87 245	4.53 466	5.34 494	2.31 329	2.40 387	3.49 400	1.64 299	12.40 494	16.90 500	0.34 193	5.98 493	0.48 385	0.40 367	0.46 316	5.71 460

xxx	4.56 456	0.98 249	21.04 457	1.24 273	1.03 274	3.64 235	0.87 245	4.53 466	5.34 494	2.31 329	2.40 387	3.49 400	1.64 299	12.40 494	16.90 500	0.34 193	5.98 493	0.48 385	0.40 367	0.46 316	5.71 460

HH	3.19 357	0.91 213	21.34 488	1.24 273	0.61 118	4.16 363	0.80 208	2.94 141	1.82 106	1.23 107	1.84 259	4.61 468	1.84 343	2.63 236	0.99 104	0.29 82	1.53 435	0.30 174	0.24 126	0.34 171	14.22 506

HanStereo	3.19 357	0.91 213	21.34 488	1.24 273	0.61 118	4.16 363	0.80 208	2.94 141	1.82 106	1.23 107	1.84 259	4.61 468	1.84 343	2.63 236	0.99 104	0.29 82	1.53 435	0.30 174	0.24 126	0.34 171	14.22 506

LL-Strereo	4.26 442	13.69 499	20.37 378	1.24 273	2.18 467	2.90 121	1.08 335	4.35 432	2.22 167	3.20 453	2.26 363	3.29 384	3.13 429	11.30 463	1.91 312	0.33 170	3.89 483	0.46 378	0.34 307	0.54 354	6.47 467

Wz-Net-LNSev	2.78 288	6.16 450	17.27 204	1.24 273	1.65 425	3.49 204	1.55 410	3.70 232	3.61 406	1.96 211	1.76 219	3.30 385	2.17 377	2.78 247	2.24 350	0.49 364	0.35 242	0.32 214	0.31 273	0.56 363	0.65 252

HGLStereo	2.74 279	1.03 264	20.80 439	1.24 273	1.55 397	3.62 233	0.94 295	3.83 261	2.09 144	2.18 284	2.20 354	3.11 372	2.12 368	5.65 310	2.07 336	0.50 377	0.34 233	0.32 214	0.30 255	0.42 274	0.50 175

FADNet	3.20 359	11.55 483	16.16 177	1.24 273	0.95 254	3.30 171	0.87 245	4.00 296	2.73 244	1.42 123	1.35 103	2.51 314	2.04 360	9.95 409	2.39 363	0.44 320	0.46 321	0.40 341	0.44 392	1.13 467	0.61 236

RYNet	3.15 350	1.48 340	16.27 184	1.24 273	1.39 369	3.67 242	1.44 399	4.09 331	3.20 328	2.26 314	1.70 202	3.83 426	2.15 373	13.64 517	3.23 404	0.45 329	0.45 315	0.50 400	0.35 320	0.81 436	0.83 297

NCCL2	2.96 317	4.07 439	15.75 168	1.24 273	1.03 274	3.48 201	2.55 467	3.79 248	2.39 196	2.78 417	1.80 238	2.41 300	1.67 308	10.27 422	2.48 371	0.46 341	0.41 291	0.57 430	0.55 431	0.61 377	0.86 307

PSMNet_ROB	3.38 385	5.24 447	20.61 420	1.24 273	1.22 335	3.76 260	1.64 420	3.59 212	2.80 255	2.07 251	1.72 208	2.75 339	1.79 332	11.42 469	4.58 425	0.42 295	0.38 270	0.50 400	0.62 445	0.62 382	0.69 263

H2IRNET	2.19 127	0.83 183	19.13 252	1.25 288	0.61 118	4.48 428	0.44 39	2.94 141	1.86 112	1.08 92	2.29 371	1.67 186	1.40 226	2.18 195	1.64 255	0.41 284	0.21 52	0.33 249	0.37 341	0.38 223	0.39 103

RAFT-Test	1.67 79	0.64 67	6.13 81	1.25 288	1.82 448	3.06 134	0.78 189	4.02 303	3.09 317	1.88 189	1.70 202	3.76 422	1.03 137	1.40 72	1.07 124	0.29 82	0.33 223	0.25 52	0.23 109	0.29 73	0.33 41

ssnet_v2	2.81 292	1.39 330	21.16 476	1.25 288	0.90 237	3.86 283	1.63 417	4.10 333	3.22 338	2.79 419	1.96 299	3.78 423	1.70 315	2.53 229	3.12 402	0.44 320	0.37 257	0.42 359	0.38 350	0.59 372	0.58 224

StereoDRNet-Refined	2.23 137	0.98 249	10.62 104	1.25 288	0.78 192	3.29 168	0.71 137	3.96 288	2.20 164	2.43 371	2.05 320	2.97 357	1.46 246	6.87 347	2.33 356	0.37 247	0.25 140	0.42 359	0.34 307	0.47 329	0.80 293
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NaN_ROB	4.73 464	6.66 454	21.89 500	1.26 292	1.28 344	3.49 204	3.02 481	4.38 441	3.93 428	3.65 470	2.55 409	2.97 357	5.01 471	13.23 511	17.43 511	0.38 263	0.42 302	0.38 331	0.40 367	0.50 342	1.82 386

qqq	2.96 317	0.88 199	15.54 165	1.27 293	0.74 174	2.29 83	0.90 269	4.07 318	4.63 467	1.63 146	1.32 98	1.78 217	1.36 216	5.19 300	1.68 262	0.29 82	6.43 495	0.33 249	0.36 331	0.35 186	8.09 473

DMCA-RVC	2.72 273	3.31 425	20.08 338	1.27 293	1.13 306	2.49 96	0.85 235	3.43 195	1.85 111	3.04 441	1.58 169	1.99 257	1.51 258	6.42 333	2.86 388	0.39 271	0.31 211	0.44 365	0.37 341	0.47 329	0.65 252

1111x	4.75 465	1.05 267	20.89 447	1.28 295	1.02 270	3.81 273	0.88 252	4.65 481	5.52 500	2.43 371	2.27 366	1.97 255	1.81 335	12.40 494	18.19 517	0.32 147	9.06 514	0.32 214	0.34 307	0.38 223	6.34 466

GANet-ADL	2.25 141	0.80 174	20.17 345	1.28 295	0.69 165	3.83 274	0.75 169	3.63 218	1.83 108	1.68 156	2.04 313	2.09 272	1.10 166	1.63 110	1.43 202	0.42 295	0.33 223	0.26 76	0.23 109	0.43 284	0.41 113

UPFNet	2.23 137	0.86 191	14.25 138	1.28 295	1.44 380	3.51 209	1.34 382	4.05 313	2.11 151	2.44 374	1.53 141	2.41 300	1.39 222	3.62 274	1.91 312	0.41 284	0.41 291	0.37 316	0.32 289	0.44 298	0.48 165

GwcNet-RSSM	3.13 345	5.08 444	19.86 309	1.28 295	1.20 328	4.12 349	1.11 345	3.89 271	2.80 255	2.13 266	1.81 243	3.11 372	1.46 246	10.33 425	2.19 348	0.36 233	0.34 233	0.35 288	0.31 273	0.45 306	0.43 127

FAT-Stereo	3.38 385	0.88 199	19.96 321	1.28 295	1.20 328	3.44 189	1.97 440	4.26 397	3.15 324	3.14 449	3.92 468	3.50 405	3.28 436	11.68 481	2.04 333	0.65 425	0.68 386	0.48 385	0.54 427	0.63 388	0.91 312

GEStereo_RVC	2.66 256	1.20 305	20.38 379	1.29 300	1.05 283	4.02 325	1.42 395	4.17 359	2.24 170	2.10 259	1.86 269	2.33 289	1.84 343	4.93 296	1.78 286	0.51 383	0.38 270	0.32 214	0.29 236	0.44 298	0.56 207

raftrobust	2.05 109	1.45 337	13.44 125	1.29 300	5.81 516	3.59 223	0.67 112	2.80 127	1.50 38	2.21 301	1.41 121	1.17 126	1.22 196	1.37 68	1.46 212	0.29 82	0.33 223	0.22 8	0.20 51	0.27 45	0.36 82

RALAANet	2.29 155	2.73 415	21.08 462	1.29 300	0.94 252	1.45 42	0.68 121	3.25 176	2.61 229	2.02 232	1.80 238	1.28 145	1.04 144	2.12 185	1.79 290	0.30 109	0.22 68	0.27 96	0.27 174	0.41 262	0.35 60

FCDSN-DC	6.71 501	1.18 295	21.61 497	1.29 300	1.10 297	4.38 406	2.59 469	4.58 474	5.52 500	9.58 518	11.19 511	19.17 523	17.69 527	13.03 508	17.11 505	0.73 443	0.57 361	0.61 440	0.60 440	0.71 418	0.92 314
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ISRNet	1.98 92	0.94 232	10.75 105	1.30 304	1.35 361	2.84 113	0.69 129	3.80 254	2.07 143	2.14 268	2.11 331	2.89 351	1.41 231	2.52 227	1.74 280	0.49 364	0.50 345	0.56 426	0.47 402	0.51 347	0.59 227

MC-Stereo	2.54 214	0.58 34	6.38 83	1.30 304	1.37 366	4.56 447	0.60 80	2.08 57	1.57 56	1.97 213	1.68 197	0.89 86	1.12 171	1.46 83	0.88 73	0.27 50	8.44 502	0.27 96	0.22 94	0.26 38	14.87 508

xxxx	4.25 440	0.86 191	14.59 148	1.30 304	1.16 314	3.51 209	0.63 99	4.56 470	5.42 499	2.33 343	2.29 371	2.04 265	1.39 222	10.23 419	18.00 515	0.33 170	7.15 499	0.31 194	0.30 255	0.35 186	8.33 479

AFF-stereo	2.54 214	3.44 429	20.84 444	1.30 304	0.48 54	3.94 308	0.48 46	3.30 180	3.40 382	1.94 203	2.21 358	2.10 273	1.51 258	2.36 214	1.62 246	0.23 10	0.21 52	0.25 52	0.25 140	0.33 148	0.53 195

coex_refinement	3.01 325	1.69 364	20.28 363	1.31 308	1.15 310	3.21 149	0.86 239	3.94 285	2.43 205	2.51 384	1.92 294	3.49 400	1.68 309	11.06 449	2.54 375	0.38 263	0.26 165	0.27 96	0.31 273	0.41 262	0.58 224

XX-TBD	1.98 92	1.08 272	20.29 368	1.31 308	0.43 35	3.97 318	0.33 11	1.76 33	1.77 102	1.59 142	2.18 349	0.69 38	0.59 30	1.44 77	0.75 35	0.33 170	0.25 140	0.23 13	0.16 9	0.31 103	0.22 1

psm_up	3.04 331	1.30 320	18.97 247	1.31 308	1.51 389	3.86 283	1.22 368	4.26 397	2.31 188	2.72 409	1.83 258	2.43 306	1.68 309	12.86 505	1.78 286	0.43 312	0.41 291	0.41 348	0.34 307	0.46 316	0.67 258

NCC-stereo	3.49 397	2.07 394	20.23 356	1.31 308	1.76 441	4.04 329	1.42 395	4.01 298	2.34 190	3.06 442	2.59 415	3.51 408	3.02 425	10.02 413	5.44 434	1.38 479	0.66 384	0.64 450	0.88 465	0.67 405	0.84 301

edge stereo	3.45 392	1.08 272	22.14 510	1.31 308	1.36 363	2.68 104	1.54 408	4.13 346	3.27 347	2.94 434	3.27 457	4.34 456	2.48 396	11.60 477	2.79 383	0.62 419	0.64 379	0.79 469	0.56 433	0.70 413	0.82 295

Abc-Net	3.49 397	2.07 394	20.23 356	1.31 308	1.76 441	4.04 329	1.42 395	4.01 298	2.34 190	3.06 442	2.59 415	3.51 408	3.02 425	10.02 413	5.44 434	1.38 479	0.66 384	0.64 450	0.88 465	0.67 405	0.84 301
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DLCB_ROB	2.55 219	1.32 323	10.26 103	1.31 308	1.04 280	2.94 123	1.29 376	3.81 258	2.73 244	2.93 432	2.17 344	3.37 393	1.53 266	10.40 427	3.26 405	0.42 295	0.35 242	0.41 348	0.37 341	0.43 284	0.68 260

G2L-Stereo_aug	2.71 270	0.95 237	19.55 278	1.32 315	1.10 297	3.15 144	0.89 253	3.79 248	2.03 139	2.33 343	2.16 342	3.03 363	2.08 362	7.60 362	2.41 364	0.33 170	0.25 140	0.32 214	0.21 62	0.32 123	0.47 157

GREAT-IGEV	4.43 451	0.74 134	13.12 123	1.32 315	9.52 519	2.48 94	0.34 16	1.40 8	1.88 117	0.61 7	0.89 32	0.51 10	0.60 32	1.26 34	1.01 112	0.23 10	31.64 544	0.21 4	0.18 24	0.24 21	20.38 534

DDVS	1.78 84	0.84 188	3.58 60	1.32 315	1.15 310	3.17 146	0.77 182	3.35 186	1.86 112	1.88 189	1.91 288	2.91 355	1.42 234	6.19 327	1.85 300	0.47 349	0.65 382	0.35 288	0.38 350	0.48 336	1.01 326

MoCha-V2	3.53 400	0.90 210	17.00 197	1.32 315	8.54 518	1.38 38	0.55 62	2.89 138	3.31 361	0.99 82	1.82 245	0.66 30	1.16 186	1.79 142	0.84 63	0.26 40	15.15 529	0.20 1	0.20 51	0.25 25	11.33 496

PSMNet-RSSM	2.91 306	1.55 351	20.10 341	1.32 315	1.30 347	4.19 379	0.95 300	3.78 247	2.28 180	2.28 319	1.80 238	2.64 329	1.87 348	9.83 401	1.93 317	0.37 247	0.33 223	0.35 288	0.38 350	0.46 316	0.40 106

ADCMid	4.55 455	10.78 479	17.67 217	1.32 315	1.43 378	4.62 454	2.24 456	4.22 375	4.97 488	3.93 476	3.01 443	3.84 427	3.66 450	4.22 290	18.57 521	0.69 431	0.62 376	1.09 481	1.20 484	1.48 482	1.49 365

ADCPNet	4.25 440	4.04 437	21.95 504	1.33 321	1.31 351	6.34 501	2.63 470	4.07 318	3.23 341	2.81 423	2.21 358	4.27 450	6.08 482	6.01 318	11.73 473	0.67 429	1.17 425	0.71 460	1.71 498	0.87 444	1.82 386

AdaStereo	2.22 136	0.90 210	16.41 188	1.33 321	0.83 204	3.21 149	1.12 347	4.25 396	2.91 280	2.06 245	1.76 219	2.47 311	1.17 188	1.93 167	1.65 258	0.50 377	0.26 165	0.43 363	0.29 236	0.46 316	0.39 103
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.
MIM_Stereo	2.71 270	1.26 308	20.92 449	1.34 323	5.57 515	3.10 136	0.59 76	3.25 176	2.51 217	1.64 147	1.61 173	1.82 225	1.29 207	2.07 178	1.35 179	0.25 25	0.31 211	0.28 129	0.26 157	0.29 73	4.43 450

NRIStereo	2.32 162	0.69 98	20.07 332	1.35 324	0.38 13	4.73 478	0.89 253	2.43 84	3.35 371	1.95 209	1.37 110	1.75 201	1.21 195	2.97 257	1.35 179	0.49 364	0.22 68	0.29 152	0.26 157	0.31 103	0.33 41

ac_64	2.93 308	0.87 195	19.66 284	1.35 324	1.70 434	3.29 168	0.92 288	3.56 207	3.46 396	1.91 193	1.79 233	3.90 429	1.76 326	10.23 419	1.93 317	0.44 320	0.32 217	0.33 249	0.31 273	0.35 186	0.51 181

ADCL	4.70 462	4.04 437	16.12 175	1.35 324	1.28 344	5.46 495	10.88 518	4.08 327	4.25 444	5.97 501	4.51 475	4.29 453	5.60 475	6.37 332	15.21 492	0.54 398	0.48 338	0.88 473	0.78 458	0.86 442	1.01 326

CSAN	5.95 484	13.70 500	21.94 503	1.35 324	0.93 247	3.65 239	3.46 490	4.73 487	4.26 445	3.98 477	7.70 490	3.54 412	6.94 492	22.83 531	16.00 494	0.53 395	0.47 331	0.50 400	0.55 431	0.65 399	1.22 343

ADLNet	3.23 366	1.19 301	21.03 456	1.36 328	1.61 411	3.69 247	1.23 369	4.05 313	3.41 384	2.72 409	2.29 371	4.00 435	1.77 328	11.21 460	2.15 343	0.42 295	0.43 304	0.36 305	0.35 320	0.47 329	0.82 295

APVNet	3.24 368	1.59 354	21.72 499	1.36 328	1.52 391	3.93 305	1.12 347	3.58 210	2.80 255	2.32 340	2.02 309	3.05 365	1.96 354	11.77 485	2.61 380	0.44 320	0.46 321	0.65 452	0.47 402	0.73 420	0.73 277

DeepPrunerF	4.00 430	5.64 448	16.81 193	1.36 328	1.75 439	3.69 247	1.54 408	4.24 387	13.98 523	2.21 301	1.77 226	2.73 334	2.29 382	10.90 442	6.64 441	0.71 435	0.61 373	0.77 468	0.79 459	0.87 444	0.79 292

CFNet	3.04 331	6.89 456	16.27 184	1.36 328	1.24 339	4.09 343	0.72 141	4.15 353	3.00 290	1.69 160	1.88 277	2.27 282	1.45 241	11.41 467	2.12 342	0.36 233	0.29 195	0.43 363	0.36 331	0.48 336	0.38 94

StereoDRNet	3.07 335	2.92 420	16.33 186	1.36 328	1.57 404	3.45 192	2.04 448	3.77 246	2.85 265	3.31 458	1.85 263	2.78 344	1.79 332	10.85 439	3.41 407	0.45 329	0.36 250	0.39 336	0.37 341	0.62 382	0.85 303

ACV-stereo	2.96 317	1.09 275	20.34 375	1.37 333	1.05 283	4.65 459	1.09 339	2.82 130	1.68 87	1.48 131	1.32 98	5.40 483	4.22 461	7.83 367	2.08 337	0.46 341	0.52 351	0.33 249	0.30 255	0.45 306	0.71 269

Wz-Net-LNSev-Ref	2.72 273	2.55 412	14.91 153	1.37 333	1.36 363	3.50 206	1.63 417	4.11 336	3.38 376	2.55 388	2.04 313	2.35 293	2.50 399	5.14 299	4.64 427	0.53 395	0.22 68	0.35 288	0.21 62	0.41 262	0.60 232

AF-Net	3.15 350	2.65 414	18.81 240	1.37 333	1.76 441	3.30 171	1.57 412	4.20 369	3.05 310	2.76 414	2.94 441	4.50 461	3.21 434	5.88 316	3.07 398	0.88 458	0.39 281	0.72 463	0.50 416	0.75 425	0.66 257

NVstereo2D	2.79 290	1.13 285	13.75 128	1.37 333	1.47 384	3.57 219	1.38 390	4.17 359	3.77 419	2.04 240	1.72 208	3.05 365	1.75 323	10.84 438	1.72 274	0.62 419	0.48 338	0.56 426	0.54 427	0.79 434	1.02 328

AEACV	2.12 115	0.67 85	6.33 82	1.38 337	1.50 387	3.53 213	0.90 269	2.83 132	1.60 67	0.91 69	0.81 27	0.80 65	1.61 284	1.56 104	0.73 33	0.25 25	0.60 371	0.26 76	0.27 174	0.29 73	15.65 517

AASNet	2.65 251	3.20 423	20.19 347	1.38 337	1.49 385	3.84 276	1.06 332	3.92 278	3.28 349	2.07 251	2.28 369	1.95 249	1.28 204	2.19 196	2.17 345	0.42 295	0.33 223	0.45 372	0.30 255	0.59 372	0.52 189

GwcNet	3.26 372	3.93 434	20.24 358	1.38 337	2.04 459	3.24 158	1.53 406	3.72 237	3.66 411	2.17 281	2.25 362	3.55 413	1.69 312	9.38 390	3.03 396	0.48 358	0.49 341	0.46 378	0.39 358	0.66 403	0.86 307

S-Stereo	3.51 399	0.96 242	22.00 508	1.38 337	1.50 387	3.55 216	2.49 465	4.27 399	3.00 290	2.38 360	3.94 469	3.73 420	1.84 343	11.89 488	2.59 379	0.64 423	0.71 392	0.49 398	0.81 461	0.68 410	1.31 349

stereogan	3.26 372	1.26 308	18.01 222	1.38 337	1.66 428	3.76 260	1.64 420	4.06 315	3.86 424	3.23 454	2.70 427	5.02 477	2.85 411	9.88 403	1.85 300	0.71 435	0.51 348	0.69 457	0.48 405	0.86 442	0.85 303

Nwc_Net	3.03 329	1.90 386	19.16 254	1.38 337	1.69 433	3.53 213	1.19 359	4.03 306	2.19 161	2.79 419	2.84 436	3.80 425	2.46 395	6.93 350	2.87 390	0.96 462	0.41 291	0.59 433	0.68 450	0.60 376	0.65 252

XPNet_ROB	2.99 323	1.58 352	17.06 201	1.38 337	0.99 260	3.91 297	1.62 416	4.20 369	2.42 202	2.87 427	2.03 311	2.31 287	1.72 320	10.76 436	3.60 411	0.55 401	0.49 341	0.48 385	0.40 367	0.53 351	0.85 303

MFN_U_SF_DS_RVC	4.38 448	13.66 497	13.95 134	1.39 344	1.58 409	5.18 491	3.31 486	4.53 466	3.22 338	2.60 393	2.62 418	4.99 476	2.11 366	13.99 521	4.21 418	1.53 486	2.56 466	0.67 454	1.82 504	0.83 441	2.92 422

test_sample5	2.68 263	0.76 158	14.56 146	1.40 345	0.83 204	3.11 139	0.74 158	4.33 426	4.48 461	2.29 324	2.04 313	1.67 186	1.45 241	11.18 458	1.88 305	0.37 247	0.47 331	0.37 316	0.39 358	0.43 284	0.78 288

DualNet	2.68 263	0.76 158	14.56 146	1.40 345	0.83 204	3.11 139	0.74 158	4.33 426	4.48 461	2.35 348	2.13 335	1.67 186	1.45 241	11.18 458	1.88 305	0.37 247	0.47 331	0.37 316	0.39 358	0.43 284	0.78 288

MSMD_ROB	5.99 485	1.29 317	19.23 261	1.40 345	0.84 212	10.25 516	2.05 449	4.20 369	6.02 508	10.42 525	8.00 491	22.21 528	9.45 507	11.67 478	8.73 455	0.76 449	0.59 369	0.67 454	0.68 450	0.67 405	0.72 272

MeshStereo	5.67 481	1.80 374	21.28 485	1.40 345	1.14 308	4.38 406	3.83 503	5.51 505	4.85 484	10.12 523	11.72 515	11.44 508	5.87 480	13.86 519	12.31 475	0.68 430	0.61 373	0.61 440	0.60 440	0.73 420	0.68 260
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
YMNet	2.55 219	1.78 372	14.80 151	1.41 349	1.67 431	3.95 310	0.96 306	3.86 265	3.02 299	2.68 404	2.57 413	3.35 391	1.53 266	3.40 265	2.57 376	0.49 364	0.54 355	0.52 408	0.49 408	0.76 428	0.69 263

YMNet_1	2.55 219	1.78 372	14.80 151	1.41 349	1.67 431	3.95 310	0.96 306	3.86 265	3.02 299	2.68 404	2.57 413	3.35 391	1.53 266	3.40 265	2.57 376	0.49 364	0.54 355	0.52 408	0.49 408	0.76 428	0.69 263

SMFormer	2.40 181	0.73 125	8.34 92	1.41 349	0.61 118	2.04 67	0.72 141	4.30 404	4.43 455	2.41 367	2.40 387	1.94 245	1.52 262	10.99 445	3.10 400	0.35 209	0.84 402	0.36 305	0.33 297	0.40 242	0.77 285

tta	2.44 192	0.73 125	8.34 92	1.41 349	0.61 118	2.04 67	0.72 141	4.30 404	4.43 455	2.41 367	2.40 387	1.94 245	1.52 262	10.99 445	3.10 400	0.35 209	0.84 402	0.36 305	0.33 297	0.31 103	1.75 379

qqq1	2.35 170	0.73 125	8.34 92	1.41 349	0.61 118	2.04 67	0.72 141	4.30 404	4.43 455	2.41 367	2.40 387	1.94 245	1.52 262	10.99 445	1.36 186	0.35 209	0.84 402	0.30 174	0.25 140	0.31 103	1.75 379

fff1	2.35 170	0.73 125	8.34 92	1.41 349	0.61 118	2.04 67	0.72 141	4.30 404	4.43 455	2.41 367	2.40 387	1.94 245	1.52 262	10.99 445	1.36 186	0.35 209	0.84 402	0.30 174	0.25 140	0.31 103	1.75 379

Consistency-Raft	2.93 308	1.93 387	19.72 296	1.41 349	1.75 439	3.85 280	1.32 380	4.09 331	2.75 247	1.82 184	2.66 422	1.81 223	4.34 465	2.29 209	2.08 337	0.90 459	0.94 410	1.03 477	1.13 480	1.71 490	1.10 336

BEATNet_4x	2.65 251	4.43 442	18.10 224	1.41 349	0.59 110	3.44 189	1.02 320	4.08 327	2.97 285	2.28 319	1.75 218	2.18 275	1.61 284	2.80 249	3.54 410	0.39 271	0.25 140	0.47 380	0.31 273	0.61 377	0.86 307

DRN-Test	3.17 354	1.30 320	19.66 284	1.41 349	1.60 410	3.61 229	1.47 401	4.18 364	2.83 262	3.48 464	1.92 294	2.58 324	2.50 399	10.81 437	2.90 392	0.49 364	0.49 341	0.44 365	0.42 383	0.57 367	0.78 288

test_sample3	2.65 251	0.75 148	15.69 167	1.42 358	0.85 213	3.14 143	0.73 148	4.28 400	3.21 331	2.28 319	1.79 233	1.78 217	1.46 246	11.11 455	1.84 298	0.36 233	0.46 321	0.34 269	0.36 331	0.40 242	0.76 284

UDGNet	2.34 168	1.71 366	20.28 363	1.42 358	0.62 128	4.39 410	0.67 112	1.82 36	2.28 180	1.40 118	1.21 72	0.99 105	1.00 132	2.23 202	1.23 153	1.14 470	0.35 242	1.30 489	0.98 473	1.11 465	0.62 240

rafts_anoy	2.76 285	1.68 362	20.42 383	1.42 358	3.90 502	3.03 133	0.61 84	3.24 173	1.66 84	1.42 123	1.26 83	1.19 133	1.11 169	2.13 187	1.64 255	0.33 170	8.77 509	0.32 214	0.32 289	0.32 123	0.38 94

Syn2CoEx	3.42 389	7.66 461	20.57 414	1.42 358	1.18 318	2.49 96	1.64 420	4.07 318	2.68 238	2.51 384	2.27 366	2.89 351	3.15 432	9.56 394	2.58 378	0.52 393	0.45 315	0.53 414	0.42 383	0.79 434	1.00 324

PA-Net	3.45 392	2.50 409	20.39 382	1.42 358	1.20 328	3.39 178	1.73 426	3.93 282	3.57 405	1.94 203	2.17 344	3.02 362	1.87 348	11.67 478	6.48 440	0.40 281	0.55 359	0.44 365	0.63 449	0.55 357	1.13 338
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
UCFNet_RVC	2.53 210	1.29 317	20.56 410	1.42 358	1.40 374	4.01 323	1.04 328	2.79 126	1.67 86	2.27 317	1.88 277	2.94 356	1.50 256	3.48 267	1.68 262	0.37 247	0.29 195	0.52 408	0.41 377	0.55 357	0.51 181

test_sample6	2.71 270	0.76 158	14.30 139	1.43 364	0.83 204	3.17 146	0.79 199	4.40 444	4.65 472	2.35 348	2.13 335	1.69 190	1.45 241	11.48 471	1.99 321	0.39 271	0.46 321	0.38 331	0.40 367	0.43 284	0.77 285

FENet	2.30 159	0.61 55	20.21 353	1.43 364	0.68 157	4.04 329	0.60 80	4.01 298	2.26 176	2.03 237	1.13 59	2.42 304	1.42 234	1.72 129	1.43 202	0.36 233	0.24 123	0.33 249	0.27 174	0.29 73	0.51 181

SANet	6.43 493	13.71 501	22.08 509	1.43 364	1.00 266	6.86 505	3.78 502	4.71 484	11.10 517	4.71 492	8.72 500	7.47 498	7.91 501	12.46 501	18.12 516	0.51 383	0.47 331	0.50 400	0.45 398	0.94 451	1.60 373

test_sample4	2.68 263	0.76 158	15.85 170	1.45 367	0.83 204	3.10 136	0.72 141	4.31 415	3.37 373	2.39 362	1.90 287	1.72 197	1.47 251	11.13 457	1.86 302	0.36 233	0.47 331	0.35 288	0.37 341	0.42 274	0.85 303

fast-acv-ft	2.62 242	1.62 357	20.48 398	1.45 367	1.39 369	3.16 145	1.16 357	3.41 192	2.45 213	1.97 213	2.15 338	2.68 331	2.15 373	2.92 255	2.47 369	0.43 312	0.40 284	0.45 372	0.40 367	0.62 382	0.64 248

SACVNet	3.06 334	1.61 356	19.29 264	1.46 369	1.18 318	4.05 333	1.48 403	4.03 306	2.58 227	2.75 413	1.89 279	2.55 318	1.38 219	11.33 464	2.28 354	0.51 383	0.41 291	0.48 385	0.43 388	0.57 367	0.93 317

CBMV_ROB	4.57 458	0.90 210	21.30 487	1.46 369	0.89 231	4.43 418	1.69 425	4.51 464	3.14 322	5.97 501	4.23 471	4.16 444	7.83 498	11.06 449	16.47 495	0.61 414	0.55 359	0.53 414	0.51 421	0.56 363	0.59 227

iResNet_ROB	2.72 273	10.38 477	14.41 142	1.46 369	0.99 260	3.74 257	0.66 110	4.01 298	2.84 264	2.04 240	2.05 320	1.98 256	1.38 219	4.73 295	1.91 312	0.35 209	0.20 30	0.28 129	0.19 30	0.33 148	0.41 113

PWC_ROB	3.32 378	4.61 443	14.41 142	1.46 369	1.90 451	3.21 149	1.15 355	4.39 443	3.46 396	3.13 446	3.40 459	2.79 345	2.34 386	9.17 385	6.94 442	0.61 414	0.34 233	0.61 440	0.37 341	0.73 420	1.40 355

WZ-Net	4.39 449	12.37 487	17.44 208	1.47 373	1.42 377	3.76 260	2.27 458	4.17 359	3.11 318	2.89 428	2.24 360	4.05 437	5.69 479	10.89 441	12.07 474	0.66 426	0.41 291	0.47 380	0.49 408	0.78 430	1.12 337

ttt	4.23 439	0.75 148	19.96 321	1.48 374	1.31 351	3.69 247	0.87 245	4.65 481	5.33 493	2.45 375	2.39 385	2.44 309	1.54 269	11.35 465	16.49 496	0.43 312	4.35 484	0.37 316	0.35 320	0.41 262	4.01 445

RAFT-RH_RVC	2.72 273	0.64 67	20.10 341	1.48 374	0.49 62	4.46 421	0.56 64	1.73 30	2.86 271	3.06 442	5.50 482	2.02 262	1.28 204	6.70 341	1.56 229	0.46 341	0.22 68	0.37 316	0.34 307	0.29 73	0.33 41

TCMNet	3.13 345	1.71 366	19.53 277	1.49 376	2.11 464	3.84 276	1.07 334	4.12 342	3.03 303	2.64 401	2.29 371	2.43 306	1.74 322	10.10 415	2.47 369	0.56 405	0.45 315	0.61 440	0.50 416	0.87 444	1.04 332

AIO-test2	3.07 335	12.11 486	20.58 417	1.49 376	1.34 357	3.22 152	0.73 148	4.07 318	1.56 53	1.72 165	2.20 354	0.90 88	0.74 65	3.75 277	1.39 195	3.67 509	0.26 165	0.35 288	0.44 392	0.41 262	0.44 132

test_sample2	2.20 133	0.70 106	6.07 79	1.49 376	0.81 199	2.96 125	0.86 239	4.13 346	3.31 361	2.07 251	1.54 152	1.56 176	1.63 296	10.61 430	1.80 291	0.33 170	0.77 396	0.32 214	0.32 289	0.38 223	2.35 404

raft+_RVC	3.46 395	2.57 413	19.51 276	1.49 376	17.54 530	3.63 234	0.76 178	3.24 173	1.53 44	1.35 114	1.67 195	1.03 109	1.10 166	1.98 173	1.53 221	0.25 25	7.10 498	0.25 52	0.24 126	0.28 56	2.18 401

cf-r	2.93 308	2.19 401	20.59 418	1.49 376	1.35 361	4.18 371	0.92 288	3.73 241	3.12 320	2.16 279	1.82 245	3.40 394	1.44 239	8.22 370	1.93 317	0.34 193	0.31 211	0.33 249	0.30 255	0.38 223	0.45 138

mmm	2.70 268	0.80 174	8.26 91	1.50 381	1.18 318	2.44 93	0.85 235	4.08 327	4.59 465	2.31 329	1.95 298	1.51 173	1.55 272	2.33 212	1.72 274	0.31 130	7.71 500	0.45 372	0.42 383	0.40 242	9.56 487

IGEV_Zeroshot_test	2.66 256	0.75 148	21.55 496	1.50 381	0.89 231	2.21 77	0.90 269	3.52 202	1.83 108	2.17 281	1.57 163	4.09 439	1.60 279	1.73 134	1.21 148	0.32 147	0.33 223	0.28 129	0.30 255	0.44 298	6.09 463

PSMNet-RUCA	2.60 234	1.83 380	20.55 406	1.51 383	1.39 369	3.07 135	1.36 388	3.56 207	2.43 205	1.41 121	2.07 325	1.42 162	1.09 160	2.07 178	1.60 241	1.20 473	0.69 391	1.26 488	0.96 469	1.65 488	0.97 320

GIP-stereo	2.03 105	0.67 85	4.11 70	1.51 383	1.13 306	2.91 122	0.42 33	3.45 199	3.19 326	0.67 15	0.78 23	0.90 88	0.76 72	1.06 11	0.69 24	0.29 82	0.25 140	0.25 52	0.17 17	0.26 38	17.22 527

test_sample1	2.29 155	0.72 119	5.74 78	1.51 383	0.86 217	2.35 86	0.64 104	4.07 318	3.45 394	2.01 230	1.51 138	1.70 193	1.71 317	9.53 393	1.73 277	0.31 130	0.97 414	0.31 194	0.31 273	0.33 148	6.12 464

x	2.94 313	0.83 183	16.07 173	1.51 383	0.83 204	2.13 74	0.96 306	3.97 291	4.73 475	1.73 168	1.43 124	1.61 180	1.27 201	2.24 204	1.71 271	0.29 82	6.91 497	0.34 269	0.31 273	0.34 171	9.60 488

SuperB	5.03 471	8.93 466	20.96 452	1.51 383	1.11 300	3.88 289	3.00 479	4.24 387	3.13 321	2.53 386	2.10 330	2.74 337	3.37 443	8.76 378	19.44 525	0.45 329	0.34 233	0.53 414	0.40 367	11.97 535	1.15 340

STTStereo	2.62 242	1.28 315	19.16 254	1.52 388	1.55 397	3.84 276	0.89 253	3.75 242	2.59 228	2.23 305	1.59 171	2.48 313	1.58 275	5.11 298	1.72 274	0.38 263	0.41 291	0.47 380	0.54 427	0.53 351	0.75 283

RGC	3.35 383	1.84 383	18.13 225	1.52 388	1.79 445	3.33 173	1.37 389	4.18 364	2.39 196	2.96 437	3.23 455	3.98 434	2.71 406	11.53 472	3.42 408	0.90 459	0.48 338	0.79 469	0.79 459	0.75 425	0.89 310

CBMV	4.12 433	1.27 312	21.14 473	1.52 388	0.85 213	3.80 269	3.89 504	4.58 474	3.02 299	3.56 468	2.37 382	4.44 458	13.88 518	11.23 462	3.78 414	0.56 405	0.43 304	0.48 385	0.39 358	0.55 357	0.74 281
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
RSM++	0.99 25	0.56 25	1.35 11	1.54 391	0.50 71	1.53 48	0.68 121	2.31 75	4.13 436	0.86 51	1.27 88	0.90 88	0.60 32	1.21 29	0.78 41	0.27 50	0.20 30	0.25 52	0.21 62	0.29 73	0.42 120

GMStereo_Zeroshot	1.51 68	1.27 312	4.75 71	1.54 391	0.72 169	3.33 173	0.54 60	2.67 117	1.74 99	2.34 346	1.57 163	2.40 296	0.96 124	2.51 223	1.21 148	0.48 358	0.23 96	0.41 348	0.24 126	0.82 438	0.40 106

ccnet	3.03 329	1.48 340	12.88 119	1.54 391	1.26 342	3.71 252	2.32 460	4.11 336	3.05 310	2.92 431	3.21 453	2.86 349	2.40 389	9.87 402	4.19 417	0.80 451	0.76 395	0.71 460	0.70 452	0.78 430	1.07 334

HITNet	2.49 201	2.91 418	19.23 261	1.54 391	0.57 105	3.47 195	0.79 199	4.16 355	2.93 281	2.18 284	1.65 190	1.68 189	1.45 241	2.17 193	2.99 395	0.28 69	0.20 30	0.41 348	0.27 174	0.45 306	0.52 189
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
MyStereo8	2.97 322	1.76 369	18.94 244	1.55 395	1.62 414	4.16 363	0.57 67	3.79 248	2.41 201	2.22 303	2.93 440	2.27 282	1.14 178	2.16 191	2.28 354	0.27 50	8.58 505	0.32 214	0.29 236	0.37 210	1.72 378

psmorigin	6.62 496	1.45 337	87.38 549	1.55 395	0.97 257	2.86 116	1.42 395	3.30 180	2.12 153	3.74 472	2.45 397	5.15 480	2.59 403	10.55 429	2.91 393	0.55 401	0.68 386	0.48 385	0.53 424	0.73 420	1.02 328

RP	3.26 372	1.73 368	17.70 218	1.56 397	1.93 453	3.43 188	1.94 437	4.18 364	2.72 243	2.77 415	3.05 445	3.96 433	2.69 405	10.17 416	2.86 388	1.04 464	0.50 345	0.71 460	0.59 437	0.75 425	0.83 297

Wz-Net-TNSev	4.22 437	13.55 495	15.87 171	1.57 398	1.19 325	3.61 229	2.48 464	4.38 441	3.45 394	2.29 324	1.91 288	4.20 448	2.86 412	12.11 491	10.56 461	0.61 414	0.59 369	0.48 385	0.54 427	0.93 450	1.24 345

AACVNet	2.77 287	1.64 360	19.22 260	1.57 398	0.86 217	3.28 165	0.74 158	3.31 183	1.66 84	2.06 245	1.82 245	2.47 311	1.40 226	10.95 444	1.92 316	0.41 284	0.35 242	0.38 331	0.33 297	0.46 316	0.61 236

Wz-Net-MNSev	3.26 372	7.24 458	17.26 203	1.58 400	1.37 366	3.27 161	2.45 462	4.10 333	4.50 463	2.61 397	2.17 344	2.33 289	3.02 425	7.48 360	2.88 391	0.46 341	0.39 281	0.37 316	0.38 350	0.61 377	0.63 243

GANetREF_RVC	3.45 392	5.10 445	19.89 313	1.58 400	0.80 197	4.13 352	1.82 433	4.24 387	3.33 369	1.91 193	1.76 219	2.46 310	1.83 340	13.17 510	1.87 304	0.83 456	0.57 361	0.79 469	0.77 457	1.21 473	0.91 312
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
DPSNet	3.94 427	2.01 391	14.69 149	1.58 400	1.30 347	4.17 368	2.08 450	4.57 472	4.63 467	2.78 417	1.99 306	3.79 424	7.88 500	10.66 433	11.35 468	0.94 461	0.99 417	0.41 348	0.57 434	1.09 462	1.40 355

test_sample7	2.85 296	0.81 177	14.48 144	1.59 403	0.77 189	2.42 91	1.08 335	4.40 444	4.92 485	2.20 298	1.85 263	1.90 237	2.00 356	6.87 347	1.75 283	0.47 349	1.36 430	0.44 365	0.41 377	0.47 329	6.81 468

11t1	2.82 293	0.72 119	17.81 221	1.60 404	0.93 247	2.27 82	0.62 94	3.76 243	4.47 460	1.72 165	1.33 100	1.05 112	1.34 214	1.84 158	1.45 210	0.29 82	5.57 492	0.29 152	0.26 157	0.32 123	8.80 483

SDNR	4.37 447	2.22 402	20.63 423	1.60 404	0.99 260	5.15 490	0.67 112	4.36 434	5.55 502	4.89 493	7.17 486	5.50 487	1.58 275	17.48 526	4.33 421	0.80 451	0.72 393	0.59 433	0.45 398	1.18 471	1.43 359

ASMatch	2.65 251	0.68 93	20.65 425	1.60 404	0.71 168	4.40 413	0.77 182	2.02 54	1.65 82	1.71 164	3.89 467	1.93 243	3.75 453	5.45 306	1.67 260	0.33 170	0.24 123	0.34 269	0.28 201	0.34 171	0.57 212

FBW_ROB	3.91 424	2.07 394	15.46 163	1.60 404	1.16 314	3.80 269	1.48 403	4.37 437	3.41 384	2.53 386	2.45 397	4.19 447	2.10 364	15.17 524	9.45 458	0.86 457	0.65 382	1.54 493	0.96 469	1.08 461	3.80 439

anonymousa	3.14 347	0.83 183	19.20 258	1.62 408	9.63 520	2.06 71	0.78 189	2.93 139	2.20 164	1.95 209	2.17 344	3.41 395	1.81 335	1.33 53	1.67 260	0.29 82	8.64 507	0.34 269	0.37 341	0.32 123	1.33 351

NLCA_NET_v2_RVC	2.76 285	1.48 340	19.72 296	1.62 408	2.00 456	3.95 310	0.86 239	3.92 278	2.51 217	2.56 389	1.69 200	2.83 348	1.61 284	5.65 310	1.78 286	0.48 358	0.36 250	0.38 331	0.42 383	0.56 363	0.77 285
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PWCDC_ROB	3.62 403	9.86 474	17.35 206	1.62 408	1.57 404	4.19 379	1.01 317	4.35 432	4.20 439	2.26 314	7.36 488	2.73 334	2.75 407	4.10 286	4.51 424	1.47 484	0.37 257	0.39 336	0.34 307	1.22 474	0.73 277

GASNet	3.86 421	15.35 527	21.16 476	1.63 411	1.25 341	2.35 86	1.11 345	4.11 336	2.86 271	1.99 217	2.11 331	2.99 359	2.16 375	10.62 431	3.75 413	0.71 435	0.37 257	0.61 440	0.46 400	0.91 447	0.70 267

TestStereo1	2.56 226	1.41 333	20.56 410	1.63 411	0.74 174	4.13 352	1.34 382	3.93 282	3.38 376	1.61 143	2.56 410	1.43 165	2.13 371	2.55 231	1.70 268	0.32 147	0.22 68	0.34 269	0.26 157	0.40 242	0.53 195

SA-5K	2.56 226	1.41 333	20.56 410	1.63 411	0.74 174	4.13 352	1.34 382	3.93 282	3.38 376	1.61 143	2.56 410	1.43 165	2.13 371	2.55 231	1.70 268	0.32 147	0.22 68	0.34 269	0.26 157	0.40 242	0.53 195

RASNet	3.15 350	1.20 305	19.81 303	1.63 411	2.26 470	3.67 242	1.09 339	3.58 210	3.44 388	1.99 217	2.15 338	4.59 466	2.30 384	10.24 421	2.98 394	0.57 408	0.26 165	0.25 52	0.25 140	0.30 92	0.54 200

LMCR-Stereo	2.53 210	2.30 405	18.81 240	1.64 415	0.86 217	3.88 289	1.14 352	4.33 426	1.63 78	2.27 317	2.35 379	1.13 121	2.41 391	2.63 236	2.26 352	1.06 466	0.24 123	0.29 152	0.25 140	0.62 382	0.42 120

Wz-Net-SNSev	3.47 396	10.51 478	16.90 196	1.65 416	1.20 328	3.29 168	2.03 447	4.16 355	3.03 303	2.35 348	2.39 385	3.48 399	2.12 368	7.95 369	4.28 419	0.51 383	0.40 284	0.53 414	0.49 408	0.74 424	1.46 363

CVANet_RVC	3.32 378	1.63 359	21.06 461	1.66 417	1.29 346	3.99 320	1.55 410	3.98 292	3.00 290	3.51 465	2.06 322	2.58 324	1.72 320	12.46 501	1.70 268	0.62 419	0.34 233	0.53 414	0.47 402	0.64 393	1.66 377

EDNetEfficient	5.62 480	2.26 403	17.51 209	1.67 418	3.59 496	3.99 320	7.25 513	3.14 162	5.63 504	11.52 529	4.82 478	3.94 431	12.48 512	8.39 374	20.56 527	0.46 341	0.46 321	0.48 385	1.06 477	1.65 488	1.62 374

AnyNet_C32	4.49 453	9.53 471	13.85 129	1.67 418	1.56 401	5.40 494	4.06 506	4.03 306	3.69 414	4.21 484	3.09 448	3.09 370	3.38 444	8.24 371	18.76 522	0.56 405	0.64 379	0.53 414	0.81 461	1.36 480	1.42 358

WCMA_ROB	5.78 482	2.42 408	21.71 498	1.67 418	1.55 397	4.07 338	3.53 494	4.14 350	4.73 475	6.59 506	10.89 510	12.82 513	9.59 508	10.17 416	12.65 479	1.05 465	0.61 373	0.52 408	0.52 422	0.71 418	5.64 459

TRStereo	2.86 298	2.12 397	19.98 324	1.68 421	1.18 318	4.35 404	1.05 330	5.07 494	3.48 398	1.56 137	1.39 114	1.75 201	0.85 98	2.01 175	1.50 216	0.43 312	0.34 233	0.33 249	0.36 331	0.36 204	7.50 470

SST-Stereo	2.63 246	0.63 63	19.76 300	1.69 422	0.46 44	4.71 477	0.74 158	2.27 70	3.07 313	2.07 251	2.15 338	2.42 304	3.17 433	6.66 339	0.95 94	0.45 329	0.19 18	0.30 174	0.27 174	0.35 186	0.31 27

RAFT_R40	2.61 239	0.64 67	19.86 309	1.69 422	0.46 44	4.74 480	0.95 300	2.28 72	2.52 219	2.02 232	2.32 377	2.69 333	2.52 401	6.70 341	1.05 120	0.42 295	0.19 18	0.30 174	0.27 174	0.33 148	0.29 17

MSC_U_SF_DS_RVC	4.90 469	13.94 505	16.59 192	1.69 422	1.46 382	6.15 498	3.52 493	5.47 503	3.95 429	2.77 415	2.74 430	4.81 473	2.49 398	13.78 518	5.33 432	2.34 493	3.46 479	1.05 478	1.21 486	2.28 493	2.94 423

pmcnn	5.90 483	1.81 377	22.30 513	1.69 422	2.37 475	3.47 195	2.10 451	4.58 474	5.56 503	3.75 473	13.12 520	22.07 527	3.70 451	11.99 490	17.13 506	0.58 409	0.23 96	0.23 13	0.19 30	0.37 210	0.70 267

TDLM	3.20 359	1.58 352	18.80 239	1.70 426	1.10 297	4.29 397	2.17 454	3.81 258	3.27 347	2.89 428	1.98 303	2.06 270	1.70 315	12.44 500	2.15 343	0.58 409	0.31 211	0.56 426	0.40 367	0.58 370	1.59 371

GrayStereo	3.68 410	0.56 25	20.61 420	1.71 427	0.90 237	4.17 368	8.11 517	3.17 165	4.13 436	2.80 422	2.49 401	1.70 193	17.06 525	2.83 250	1.25 164	0.37 247	0.23 96	0.27 96	0.32 289	0.30 92	0.57 212

HBP-ISP	3.78 416	9.10 468	20.83 441	1.72 428	1.14 308	4.54 437	2.82 474	4.61 478	3.03 303	4.13 481	1.98 303	1.88 235	3.31 437	11.06 449	1.52 220	0.74 446	0.57 361	0.67 454	0.62 445	0.65 399	0.64 248

ADCS	4.77 466	12.63 489	17.40 207	1.72 428	1.34 357	3.90 293	3.60 497	4.30 404	3.54 403	5.11 496	2.81 435	4.44 458	3.05 428	6.15 326	19.32 524	0.74 446	0.68 386	0.70 458	0.70 452	1.25 476	1.98 390

anonymity	2.02 103	1.28 315	5.16 73	1.73 430	1.63 417	1.86 57	1.06 332	3.50 200	2.42 202	2.19 291	2.11 331	1.88 235	3.89 455	1.92 164	1.56 229	1.11 468	1.14 423	1.08 480	1.11 479	1.05 456	2.68 413

GANet-RSSM	2.96 317	1.27 312	21.17 478	1.73 430	1.23 336	4.22 385	0.91 280	3.39 190	2.02 138	1.97 213	1.74 217	2.53 315	2.06 361	10.91 443	1.88 305	0.37 247	0.35 242	0.32 214	0.29 236	0.42 274	0.46 146

FC-DCNN	7.08 503	1.01 261	21.89 500	1.74 432	1.64 421	8.18 511	2.31 459	6.50 511	9.16 515	10.85 527	11.33 512	19.85 525	13.33 515	12.94 506	17.10 504	0.72 440	0.57 361	0.59 433	0.57 434	0.64 393	0.69 263

SPS-STEREO	5.18 472	10.36 476	21.09 467	1.74 432	1.72 437	3.24 158	2.26 457	3.92 278	4.12 435	5.06 495	3.66 464	5.43 484	3.33 439	9.56 394	12.34 476	1.17 472	1.17 425	1.07 479	1.03 476	1.17 470	10.25 492
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test2	2.80 291	0.63 63	20.19 347	1.75 434	0.52 78	2.77 107	0.71 137	1.80 34	1.72 97	0.99 82	0.98 40	0.84 71	0.79 85	1.45 80	1.26 169	0.27 50	0.62 376	0.25 52	0.23 109	0.31 103	17.86 528

FC-DCNN v2	7.41 506	0.98 249	22.19 512	1.75 434	1.64 421	8.98 514	2.37 461	7.60 513	9.44 516	11.09 528	11.95 516	20.04 526	16.35 524	12.99 507	17.14 507	0.72 440	0.57 361	0.59 433	0.57 434	0.64 393	0.68 260

RAFT	2.36 172	1.62 357	18.03 223	1.75 434	0.54 84	1.91 61	0.91 280	3.24 173	3.65 410	1.64 147	1.73 214	3.45 397	1.58 275	1.82 154	1.74 280	0.42 295	1.06 419	0.40 341	0.32 289	0.44 298	1.03 330

RTSC	3.44 390	6.78 455	16.53 191	1.76 437	1.54 393	3.53 213	0.94 295	4.22 375	2.97 285	3.65 470	3.23 455	3.31 387	2.29 382	6.22 328	7.41 448	0.61 414	1.32 429	0.37 316	0.42 383	0.78 430	0.98 322

RAFT_CTSACE	2.41 187	1.83 380	20.33 374	1.77 438	1.39 369	3.50 206	1.03 323	3.25 176	1.64 80	1.80 182	2.04 313	2.82 346	1.78 329	2.11 184	1.10 128	0.27 50	0.24 123	0.28 129	0.30 255	0.31 103	0.33 41

DisPM	2.29 155	0.61 55	20.25 360	1.79 439	0.52 78	4.58 448	0.77 182	2.50 89	2.22 167	2.49 382	1.82 245	1.45 168	1.01 135	2.73 245	1.04 117	0.48 358	0.20 30	0.32 214	0.31 273	0.32 123	0.45 138

DISCO	2.40 181	0.99 258	11.99 113	1.81 440	1.12 303	3.47 195	1.24 371	3.34 185	2.57 224	2.73 411	1.96 299	4.52 463	1.90 351	4.18 289	3.62 412	0.37 247	0.27 178	0.31 194	0.30 255	0.70 413	0.62 240

MM-Stereo_test1	2.52 205	0.64 67	20.07 332	1.83 441	0.52 78	1.86 57	0.77 182	3.11 159	3.40 382	1.77 176	1.12 58	0.87 81	0.97 126	1.54 102	1.51 217	0.27 50	2.44 465	0.27 96	0.24 126	0.37 210	6.91 469

tt1	3.79 417	0.93 228	15.34 159	1.83 441	0.45 41	4.54 437	0.78 189	4.23 381	4.73 475	1.27 110	1.89 279	0.74 56	1.48 252	2.29 209	0.78 41	0.30 109	19.28 537	0.32 214	0.22 94	0.31 103	14.02 503

EKT-Stereo	7.93 508	0.75 148	21.17 478	1.84 443	109.80 546	4.51 434	0.61 84	4.13 346	1.59 62	1.89 191	1.24 77	1.96 254	1.35 215	4.02 284	1.36 186	0.42 295	0.31 211	0.29 152	0.27 174	0.35 186	0.78 288

ACVNet-DCA	3.67 408	0.94 232	19.66 284	1.87 444	0.42 31	4.47 424	0.73 148	4.07 318	4.63 467	1.21 101	1.89 279	0.73 49	1.62 293	2.20 197	0.81 53	0.31 130	18.77 530	0.32 214	0.21 62	0.35 186	8.09 473

xx1	3.69 411	0.94 232	19.66 284	1.87 444	0.42 31	4.47 424	0.73 148	4.24 387	4.01 431	1.21 101	1.89 279	1.78 217	1.36 216	2.20 197	0.81 53	0.31 130	18.77 530	0.33 249	0.36 331	0.35 186	8.09 473

1test111	3.86 421	0.94 232	19.66 284	1.87 444	0.42 31	4.47 424	0.73 148	4.07 318	4.63 467	1.21 101	1.89 279	0.73 49	1.62 293	5.19 300	1.68 262	0.31 130	18.77 530	0.32 214	0.21 62	0.35 186	8.09 473

cc1	3.93 426	0.94 232	19.66 284	1.87 444	0.42 31	4.47 424	0.73 148	4.24 387	4.01 431	1.21 101	1.89 279	0.73 49	1.62 293	2.20 197	0.81 53	0.31 130	18.77 530	0.32 214	0.21 62	0.32 123	13.93 502

DANet	2.82 293	1.17 292	10.20 102	1.87 444	1.72 437	3.25 160	1.15 355	4.36 434	3.02 299	3.42 462	2.18 349	4.09 439	1.79 332	9.78 399	4.32 420	0.55 401	0.57 361	0.60 437	0.44 392	0.65 399	1.25 346
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
SCV	2.09 112	0.89 204	11.43 112	1.91 449	2.09 463	1.27 25	0.87 245	3.66 221	2.13 156	0.67 15	1.59 171	0.93 97	0.77 74	1.80 148	0.89 74	0.37 247	0.38 270	0.25 52	0.22 94	0.30 92	9.45 485

GANet	3.64 404	1.76 369	19.65 283	1.92 450	1.04 280	3.91 297	2.51 466	3.86 265	2.81 260	3.13 446	3.03 444	3.19 375	2.19 378	12.43 499	8.23 454	0.60 413	0.43 304	0.52 408	0.43 388	0.63 388	0.63 243

GCST	2.86 298	3.95 436	20.52 402	1.93 451	1.56 401	1.74 55	0.50 51	3.69 229	2.10 146	1.79 180	1.64 187	1.60 179	1.29 207	5.27 302	1.90 309	2.10 490	0.77 396	1.45 490	0.97 472	1.15 468	1.38 354

MM-Stereo_test3	2.20 133	0.95 237	19.62 282	1.94 452	1.18 318	1.95 65	0.83 220	3.56 207	3.91 427	1.33 112	1.86 269	1.10 117	0.68 52	1.48 88	1.63 249	0.29 82	0.35 242	0.27 96	0.22 94	0.37 210	0.56 207

WAO-7	6.00 486	14.29 510	20.46 389	1.97 453	1.51 389	5.31 493	3.06 483	5.00 492	5.92 507	4.55 490	8.87 501	6.52 494	6.47 487	13.38 514	13.85 483	1.35 477	1.24 427	1.48 491	1.36 493	1.63 486	1.79 385

XQC	3.41 387	6.58 453	15.18 157	1.97 453	1.62 414	3.40 180	1.76 428	4.53 466	3.67 413	3.40 461	2.45 397	3.73 420	2.91 414	6.78 344	5.36 433	0.73 443	0.90 407	0.60 437	0.61 442	1.02 454	0.99 323

JetBlue	6.69 500	12.01 485	14.30 139	1.98 455	4.64 511	11.97 519	12.29 521	5.39 500	4.32 453	3.81 474	4.51 475	9.50 506	6.53 488	10.22 418	14.50 488	1.32 476	1.47 433	1.18 484	1.36 493	7.48 529	5.05 454

MFN_U_SF_RVC	4.08 432	13.72 502	15.13 156	2.00 456	1.43 378	3.73 255	1.68 424	4.11 336	3.39 381	2.93 432	2.38 383	4.39 457	3.63 449	8.63 376	6.14 436	1.14 470	1.07 422	1.01 476	1.35 492	1.63 486	2.09 397

PASM	3.22 363	2.89 417	15.38 161	2.00 456	1.57 404	2.77 107	1.96 439	3.62 217	2.75 247	2.95 436	2.26 363	3.10 371	2.24 380	11.87 487	2.46 367	0.97 463	1.06 419	0.87 472	1.02 474	1.20 472	1.41 357

iResNet	2.70 268	1.35 327	20.93 450	2.01 458	0.73 170	3.76 260	0.83 220	4.28 400	2.93 281	2.38 360	2.03 311	1.35 152	1.54 269	3.28 263	4.42 423	0.42 295	0.25 140	0.29 152	0.23 109	0.45 306	0.64 248

NOSS_ROB	3.12 343	0.89 204	19.03 249	2.01 458	1.07 288	3.90 293	0.97 310	4.32 423	3.08 314	2.94 434	2.19 352	3.85 428	1.18 191	11.75 484	1.69 265	0.69 431	0.54 355	0.57 430	0.52 422	0.57 367	0.72 272

AnyNet_C01	4.68 460	10.90 480	16.41 188	2.03 460	1.62 414	6.25 499	6.40 512	4.19 367	5.13 491	4.03 478	3.77 466	4.14 443	3.26 435	7.23 353	11.19 464	0.64 423	0.80 399	0.65 452	0.72 454	2.18 491	2.08 395

PDISCO_ROB	3.32 378	5.22 446	18.16 226	2.03 460	2.19 469	4.52 435	1.63 417	4.74 488	3.32 367	2.22 303	2.18 349	3.71 419	2.41 391	5.36 303	2.43 365	1.35 477	0.79 398	0.72 463	0.62 445	1.31 478	1.53 367

Pruner-Stereo	2.33 165	0.70 106	20.66 426	2.05 462	0.48 54	4.73 478	0.78 189	2.55 102	2.70 241	2.47 377	1.57 163	1.48 171	1.03 137	1.71 123	1.55 227	0.48 358	0.21 52	0.34 269	0.30 255	0.31 103	0.42 120

DN-CSS_ROB	2.89 304	9.72 473	19.71 294	2.07 463	0.90 237	4.01 323	0.61 84	4.06 315	3.35 371	1.66 152	1.89 279	1.39 158	1.06 155	3.24 262	1.88 305	0.44 320	0.19 18	0.44 365	0.29 236	0.40 242	0.42 120

SGM_RVC	6.11 490	1.10 278	20.44 385	2.15 464	0.66 145	15.87 528	3.98 505	5.00 492	6.19 509	9.79 521	11.46 513	8.23 504	12.63 513	12.32 493	9.15 456	0.54 398	0.39 281	0.41 348	0.35 320	0.55 357	1.05 333
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
iResNetv2_ROB	3.31 376	14.88 521	20.01 327	2.17 465	1.09 294	3.84 276	1.13 349	4.22 375	3.15 324	2.02 232	2.06 322	2.00 261	1.69 312	3.61 272	2.10 341	0.36 233	0.22 68	0.32 214	0.22 94	0.48 336	0.58 224

MADNet+	4.46 452	11.36 481	14.35 141	2.23 466	2.50 478	4.18 371	2.86 476	5.46 502	4.43 455	2.74 412	2.69 426	4.55 464	3.43 446	8.97 383	9.42 457	1.47 484	2.06 449	1.09 481	1.02 474	1.54 484	2.96 424

PFNet	2.75 283	0.69 98	19.96 321	2.25 467	0.80 197	4.63 456	0.90 269	2.60 111	3.85 423	2.39 362	2.71 428	1.82 225	1.41 231	7.53 361	1.41 198	0.36 233	0.21 52	0.36 305	0.27 174	0.32 123	0.46 146

AAGNet	3.88 423	0.67 85	20.04 330	2.27 468	0.46 44	4.76 482	1.05 330	2.28 72	3.38 376	2.16 279	1.84 259	2.40 296	3.95 456	6.22 328	24.21 530	0.49 364	0.19 18	0.30 174	0.29 236	0.33 148	0.29 17

FINET	10.59 514	14.44 515	25.84 528	2.30 469	3.90 502	21.74 531	25.19 532	8.85 517	16.99 526	2.68 404	15.19 523	11.45 509	13.83 517	6.71 343	15.11 491	0.80 451	8.59 506	0.53 414	0.44 392	0.62 382	16.67 520

G-Net	4.16 434	1.39 330	20.31 372	2.30 469	2.91 483	4.68 471	2.86 476	3.35 186	2.44 211	4.43 488	9.43 504	6.89 496	3.83 454	8.91 380	4.83 430	0.80 451	0.80 399	0.70 458	0.50 416	0.95 452	0.97 320

XX-Stereo	2.66 256	0.70 106	21.17 478	2.33 471	1.24 339	4.31 402	0.45 41	4.48 458	1.60 67	2.39 362	1.89 279	4.60 467	0.60 32	4.17 288	1.11 129	0.34 193	0.26 165	0.29 152	0.29 236	0.53 351	0.43 127

SHD	3.22 363	4.21 440	14.19 137	2.37 472	2.12 466	2.77 107	1.19 359	4.24 387	3.25 343	4.64 491	2.73 429	3.62 417	2.76 409	6.30 331	4.75 429	0.66 426	1.25 428	0.52 408	0.59 437	0.69 412	1.64 375

CC-Net-ROB	3.82 418	3.41 428	20.20 349	2.40 473	1.66 428	4.49 429	1.61 414	4.77 489	3.08 314	2.06 245	2.06 322	1.99 257	1.60 279	12.57 503	1.91 312	2.82 497	2.19 451	2.67 507	1.06 477	2.31 494	1.59 371

NF-Stereo	2.68 263	0.67 85	21.09 467	2.43 474	0.47 49	4.67 463	0.67 112	3.68 224	4.30 449	2.11 261	1.62 177	1.36 154	1.09 160	6.07 324	1.24 158	0.45 329	0.20 30	0.36 305	0.34 307	0.32 123	0.37 85

OCTAStereo	2.67 260	0.67 85	21.08 462	2.43 474	0.47 49	4.67 463	0.67 112	3.68 224	4.31 452	2.11 261	1.62 177	1.36 154	1.09 160	6.02 321	1.25 164	0.45 329	0.20 30	0.36 305	0.34 307	0.32 123	0.37 85

RE-Stereo	2.67 260	0.67 85	21.08 462	2.43 474	0.47 49	4.67 463	0.67 112	3.68 224	4.30 449	2.11 261	1.62 177	1.36 154	1.09 160	6.01 318	1.26 169	0.45 329	0.20 30	0.36 305	0.34 307	0.32 123	0.37 85

TVStereo	2.67 260	0.67 85	21.08 462	2.43 474	0.47 49	4.67 463	0.67 112	3.68 224	4.30 449	2.11 261	1.62 177	1.36 154	1.09 160	6.01 318	1.26 169	0.45 329	0.20 30	0.36 305	0.34 307	0.32 123	0.37 85

PSM-softLoss	2.62 242	0.65 75	21.11 471	2.46 478	0.49 62	4.68 471	0.68 121	2.61 112	4.23 442	2.14 268	1.47 131	1.42 162	0.99 130	6.04 322	1.24 158	0.47 349	0.23 96	0.37 316	0.39 358	0.33 148	0.34 50

KMStereo	2.62 242	0.65 75	21.11 471	2.46 478	0.49 62	4.68 471	0.68 121	2.61 112	4.23 442	2.14 268	1.47 131	1.42 162	0.99 130	6.04 322	1.24 158	0.47 349	0.23 96	0.37 316	0.39 358	0.33 148	0.34 50

IRAFT_RVC	2.74 279	0.71 112	19.80 301	2.52 480	0.67 149	4.60 452	1.57 412	3.05 155	2.99 288	2.23 305	1.72 208	2.08 271	2.59 403	6.69 340	1.61 244	0.37 247	0.21 52	0.33 249	0.29 236	0.33 148	0.35 60

CRFU-Net	2.56 226	0.89 204	10.77 106	2.53 481	1.09 294	3.91 297	1.40 392	3.87 268	1.92 123	2.25 308	1.80 238	3.32 388	7.85 499	5.53 309	1.54 224	0.58 409	0.36 250	0.31 194	0.28 201	0.39 237	0.56 207

MaskLacGwcNet_RVC	3.77 415	1.65 361	20.61 420	2.55 482	1.63 417	4.29 397	1.67 423	3.99 294	2.56 222	1.76 174	1.93 296	3.03 363	1.41 231	13.24 512	2.02 329	4.47 520	1.63 439	1.12 483	0.48 405	2.42 495	2.85 418

MDST_ROB	6.31 491	1.18 295	22.96 522	2.56 483	2.69 479	21.07 530	2.01 446	4.79 490	2.87 273	9.49 517	4.45 474	4.10 441	4.48 466	22.33 530	17.61 512	0.79 450	0.44 311	0.47 380	0.44 392	0.47 329	0.95 319

testlalala2	2.47 198	0.75 148	20.46 389	2.58 484	2.91 483	3.80 269	0.76 178	4.20 369	3.87 425	1.45 130	1.57 163	2.43 306	0.80 90	1.23 30	0.71 28	0.28 69	0.33 223	0.24 33	0.21 62	0.35 186	0.38 94

ELAS	6.58 495	2.54 411	20.08 338	2.66 485	2.48 476	15.49 526	7.29 514	5.50 504	5.72 505	10.05 522	8.94 502	6.91 497	10.83 510	8.33 372	14.27 486	1.92 488	2.19 451	1.23 486	1.31 488	1.62 485	2.17 400
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	6.36 492	2.53 410	20.21 353	2.67 486	2.48 476	4.90 486	11.89 520	4.84 491	6.31 512	9.03 515	8.54 499	8.09 503	12.73 514	9.32 387	13.25 481	1.92 488	2.18 450	1.51 492	1.31 488	1.40 481	2.15 398
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
OMP-Stereo	2.94 313	1.26 308	20.07 332	2.73 487	0.67 149	4.58 448	1.46 400	4.33 426	2.21 166	3.14 449	2.68 425	3.22 379	1.38 219	7.65 364	1.42 200	0.46 341	0.21 52	0.33 249	0.26 157	0.34 171	0.31 27

DGSMNet	8.13 509	2.31 406	18.62 234	2.77 488	13.96 527	6.91 506	42.17 543	4.16 355	2.53 220	2.25 308	3.21 453	3.41 395	1.69 312	9.19 386	3.03 396	3.79 512	10.31 519	11.70 540	5.68 530	4.38 514	10.58 493

SQANet	4.22 437	14.03 506	20.30 370	2.78 489	2.75 481	3.41 183	1.48 403	3.66 221	2.25 173	2.62 399	1.77 226	2.68 331	1.90 351	7.41 359	3.78 414	2.97 499	1.42 432	1.85 495	1.13 480	3.28 499	2.86 419

IIG-Stereo	2.89 304	0.98 249	19.80 301	2.78 489	0.67 149	4.62 454	0.74 158	4.29 402	2.26 176	2.62 399	3.10 449	3.33 389	1.60 279	7.64 363	1.51 217	0.42 295	0.21 52	0.32 214	0.25 140	0.33 148	0.28 14

RTS	4.29 444	9.35 469	18.25 228	2.79 491	2.29 472	4.98 487	3.41 488	4.72 485	4.27 446	4.35 485	3.10 449	4.93 474	3.14 430	7.71 365	6.99 443	0.71 435	0.68 386	0.51 405	0.50 416	1.07 459	1.98 390

RTSA	4.29 444	9.35 469	18.25 228	2.79 491	2.29 472	4.98 487	3.41 488	4.72 485	4.27 446	4.35 485	3.10 449	4.93 474	3.14 430	7.71 365	6.99 443	0.71 435	0.68 386	0.51 405	0.50 416	1.07 459	1.98 390

PVD	3.91 424	4.36 441	13.89 133	2.81 493	4.79 512	3.80 269	1.94 437	3.89 271	4.11 434	5.75 499	3.56 462	3.59 414	3.34 440	6.44 335	6.44 439	0.73 443	2.84 468	0.74 467	0.84 463	0.82 438	3.45 436

PWCK	6.49 494	13.40 493	20.27 362	2.95 494	1.61 411	5.68 497	7.63 516	5.37 499	4.77 480	3.90 475	7.48 489	7.96 501	5.63 476	15.15 523	10.93 463	3.21 502	1.55 437	2.34 500	1.43 495	6.05 522	2.45 409

WAO-6	6.68 499	9.03 467	20.68 427	2.98 495	2.79 482	11.93 518	3.56 496	5.39 500	11.65 519	3.55 467	9.59 505	6.77 495	6.72 489	12.28 492	11.56 469	2.88 498	2.36 458	2.50 501	1.84 505	2.89 498	2.72 415

UDG	3.84 420	2.91 418	20.05 331	2.98 495	1.98 455	3.95 310	1.18 358	4.43 451	2.24 170	2.47 377	2.53 408	4.49 460	2.44 394	6.52 336	4.74 428	2.14 491	1.77 442	2.64 506	2.58 519	2.66 497	2.19 402

CAS	1.34 57	0.48 14	2.20 38	3.01 497	1.66 428	4.08 342	0.73 148	1.96 47	1.51 41	0.86 51	1.10 53	0.59 17	0.53 16	1.36 63	0.94 88	3.07 501	0.14 1	0.21 4	0.14 1	0.38 223	1.78 384

otaku	5.59 479	14.82 520	20.70 431	3.13 498	2.70 480	3.91 297	2.56 468	3.90 273	2.48 215	2.25 308	9.38 503	4.06 438	2.32 385	9.59 396	14.37 487	3.52 507	1.66 440	2.15 499	1.19 483	3.73 507	3.35 433

NVStereoNet_ROB	6.63 497	9.57 472	19.28 263	3.19 499	2.11 464	3.69 247	1.99 441	4.32 423	6.27 511	3.26 457	24.57 533	5.45 486	11.39 511	13.56 515	12.37 477	2.79 495	2.05 448	1.76 494	1.75 501	1.49 483	1.75 379
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Ntro	4.83 467	14.73 517	20.47 392	3.24 500	2.97 485	4.12 349	1.88 435	4.00 296	2.57 224	1.79 180	2.15 338	3.34 390	2.16 375	10.01 412	7.34 445	3.53 508	1.77 442	2.13 498	1.32 490	3.89 509	3.23 426

MFMNet_re	3.44 390	8.89 465	19.36 267	3.25 501	1.91 452	3.13 141	1.99 441	3.60 214	4.16 438	3.17 452	2.86 437	2.25 280	2.41 391	2.61 235	2.35 358	1.13 469	1.06 419	0.94 474	0.91 468	1.29 477	1.57 369

ACVNet_2	6.09 487	15.28 526	21.36 490	3.30 502	3.17 491	4.50 430	3.00 479	4.70 483	3.96 430	3.52 466	5.34 481	7.79 500	2.95 416	12.40 494	13.76 482	3.28 503	2.23 453	2.70 508	1.70 497	3.52 502	3.24 427

WAO-8	12.61 521	16.02 530	21.99 506	3.55 503	3.10 487	15.07 524	2.80 472	12.81 524	19.10 533	7.93 512	13.05 518	11.75 510	8.46 505	83.86 551	15.10 489	3.51 505	1.94 445	3.54 520	1.96 508	3.72 505	2.89 420

Venus	12.61 521	16.02 530	21.99 506	3.55 503	3.10 487	15.07 524	2.80 472	12.81 524	19.10 533	7.93 512	13.05 518	11.75 510	8.46 505	83.86 551	15.10 489	3.51 505	1.94 445	3.54 520	1.96 508	3.72 505	2.89 420

ACVNet-4b	6.98 502	14.78 518	22.17 511	3.56 505	3.11 489	4.14 357	2.23 455	4.08 327	3.84 421	1.67 154	3.96 470	5.86 490	2.87 413	10.30 424	17.16 508	26.09 542	2.24 454	2.53 502	1.79 502	3.91 510	3.28 430

DDUNet	3.65 405	2.81 416	19.59 281	3.57 506	2.26 470	3.47 195	1.35 385	4.21 374	2.40 199	2.68 404	2.48 400	4.17 445	1.78 329	5.48 308	2.61 380	2.25 492	1.77 442	2.61 505	2.43 517	2.63 496	2.40 406

ACVNet_1	6.63 497	14.79 519	21.40 491	3.59 507	3.17 491	4.69 476	2.46 463	4.24 387	3.34 370	3.11 445	2.86 437	23.21 529	4.59 468	11.06 449	12.59 478	3.75 510	2.34 457	2.60 504	1.80 503	3.70 504	3.31 431

RainbowNet	5.20 473	15.03 523	21.14 473	3.66 508	3.25 494	4.18 371	2.98 478	4.22 375	3.20 328	2.30 326	2.65 420	4.24 449	2.97 418	9.92 406	6.29 437	3.92 514	2.27 455	2.71 509	1.73 500	3.82 508	3.43 435

LVE	7.57 507	15.80 529	21.28 485	3.69 509	3.19 493	4.54 437	2.78 471	10.13 519	11.63 518	3.24 455	11.52 514	18.10 520	4.55 467	11.67 478	10.30 460	4.62 526	2.95 471	2.56 503	1.91 507	3.63 503	3.26 429

Dean	8.35 510	15.23 525	22.34 514	3.76 510	3.55 495	4.81 485	3.51 492	5.34 496	5.37 496	4.49 489	26.13 534	25.59 535	4.33 464	11.21 460	13.12 480	3.78 511	2.31 456	2.90 510	1.89 506	4.04 511	3.34 432

DispFullNet	4.71 463	3.93 434	23.92 525	4.00 511	3.01 486	3.38 176	1.31 379	4.23 381	3.26 345	6.31 505	2.92 439	4.03 436	7.80 497	3.93 282	5.15 431	2.80 496	1.61 438	3.11 515	2.70 522	3.32 500	3.38 434

tt	7.29 505	0.58 34	7.34 86	4.04 512	2.30 474	12.04 520	20.18 529	15.60 533	7.41 513	3.46 463	3.36 458	5.36 482	6.39 486	4.27 291	7.46 449	9.80 535	11.53 524	7.04 532	7.45 533	6.31 523	3.81 440

test_for_model	3.36 384	3.87 433	21.00 453	4.24 513	3.68 497	2.57 101	0.94 295	3.80 254	3.64 409	2.59 392	1.40 117	1.02 108	0.73 59	0.97 6	0.70 27	3.05 500	2.42 461	0.26 76	0.17 17	5.36 521	4.82 453

TorneroNet	26.32 538	14.70 516	22.40 516	4.24 513	4.08 506	54.72 545	3.19 484	15.11 531	76.73 548	57.99 544	82.55 549	86.65 550	45.79 545	13.34 513	18.51 519	4.52 521	2.86 469	3.45 517	2.63 521	8.75 532	4.28 447

TorneroNet-64	10.52 513	14.33 511	21.95 504	4.29 515	3.76 498	13.77 523	2.83 475	14.96 530	23.11 536	10.24 524	23.77 532	13.44 515	8.15 502	13.98 520	17.70 514	4.03 516	2.73 467	3.23 516	2.53 518	7.27 528	4.35 449

IMH-64-1	6.10 488	13.83 503	17.55 210	4.34 516	3.78 499	4.79 483	5.94 509	5.34 496	4.20 439	4.10 479	8.31 496	5.07 478	6.92 490	9.63 397	7.36 446	4.60 523	2.96 473	3.04 511	2.14 514	4.30 512	3.88 442

IMH-64	6.10 488	13.83 503	17.55 210	4.34 516	3.78 499	4.79 483	5.94 509	5.34 496	4.20 439	4.10 479	8.31 496	5.07 478	6.92 490	9.63 397	7.36 446	4.60 523	2.96 473	3.04 511	2.14 514	4.30 512	3.88 442

JetRed	10.68 515	26.07 539	35.62 534	4.40 518	4.16 508	15.72 527	13.07 523	14.57 529	5.83 506	5.85 500	5.55 483	10.12 507	7.37 495	8.86 379	25.99 535	3.33 504	3.82 482	3.59 522	2.98 527	8.51 531	8.22 477

IMH	7.25 504	16.24 532	21.08 462	4.40 518	3.79 501	5.46 495	3.03 482	5.58 506	6.26 510	4.92 494	10.32 507	9.24 505	8.30 503	13.62 516	11.56 469	4.84 527	3.00 476	3.09 514	2.14 514	4.38 514	3.83 441

KSHMR	17.50 531	14.38 514	22.35 515	4.50 520	4.51 509	8.17 510	3.33 487	15.44 532	76.15 547	7.32 508	61.40 545	56.33 545	5.66 478	32.91 539	13.97 484	4.42 518	2.99 475	3.64 523	2.79 524	5.13 520	4.55 451

ktn	22.24 536	14.37 513	20.30 370	4.54 521	4.02 505	6.52 502	4.50 507	6.78 512	78.80 549	84.67 549	100.54 551	58.48 546	8.39 504	13.13 509	17.09 503	4.61 525	3.24 478	3.49 518	2.62 520	4.70 518	3.96 444

notaker	10.92 516	14.17 508	20.38 379	4.56 522	3.98 504	6.29 500	3.53 494	7.68 514	5.10 490	9.04 516	46.37 541	13.84 518	28.85 536	14.18 522	14.16 485	4.57 522	3.19 477	3.52 519	2.70 522	8.16 530	4.13 446

SAMSARA	4.67 459	6.50 452	16.40 187	4.62 523	3.13 490	6.62 503	3.49 491	5.24 495	3.04 307	7.78 510	3.07 446	5.32 481	4.05 458	9.98 410	6.42 438	0.69 431	2.39 460	0.60 437	0.74 455	0.99 453	2.26 403

UNDER WATER	11.28 518	13.60 496	22.90 521	5.11 524	4.53 510	7.75 509	3.75 500	12.50 522	21.62 535	7.80 511	10.68 508	23.75 531	35.20 537	11.54 473	17.40 510	4.46 519	2.95 471	4.23 527	2.90 525	6.57 524	6.27 465

UNDER WATER-64	10.08 512	14.27 509	22.85 520	5.26 525	4.88 513	11.00 517	4.57 508	11.41 520	17.25 528	7.68 509	9.72 506	15.96 519	21.47 534	11.12 456	16.63 498	4.38 517	2.88 470	4.41 528	2.95 526	7.12 527	5.81 462

MADNet++	8.64 511	6.17 451	13.88 132	6.61 526	5.25 514	10.15 515	14.20 524	5.89 510	8.25 514	7.14 507	8.18 493	6.41 493	9.84 509	11.71 483	16.73 499	9.65 534	5.03 489	8.63 534	5.68 530	4.83 519	8.57 482

HanzoNet	31.86 540	17.33 533	21.23 482	7.52 527	5.85 517	7.49 508	3.61 499	14.35 528	13.37 521	50.38 542	46.35 540	44.46 539	56.50 547	36.53 543	28.25 539	64.05 548	58.31 549	9.45 536	89.24 549	31.17 543	31.77 539

SGM-ForestM	15.60 527	14.94 522	28.17 533	7.84 528	10.49 521	23.43 533	24.58 531	20.87 534	16.87 524	15.92 534	15.89 526	27.08 536	22.45 535	24.86 536	28.42 540	3.85 513	8.90 510	0.55 423	1.15 482	0.64 393	15.05 509

PML	64.55 549	56.00 548	20.79 438	8.10 529	32.82 538	147.60 552	247.57 554	12.71 523	45.39 544	111.32 551	288.85 554	101.42 552	100.62 552	31.63 538	15.84 493	13.96 538	4.84 486	10.95 537	6.18 532	28.99 539	5.33 458

SGM+DAISY	13.18 525	14.36 512	24.65 527	8.10 529	13.49 526	22.47 532	25.54 533	12.13 521	17.08 527	14.77 531	15.82 525	12.17 512	13.97 520	12.65 504	18.22 518	8.40 531	9.18 515	1.23 486	1.33 491	1.23 475	16.81 525

LE_ROB	19.18 532	12.99 492	48.22 542	8.42 531	23.91 536	7.26 507	19.71 528	9.92 518	38.58 541	43.44 539	21.85 529	28.15 537	41.18 540	23.00 532	54.71 545	0.38 263	0.34 233	0.32 214	0.36 331	0.43 284	0.49 170

DGTPSM_ROB	16.67 529	21.79 537	40.19 538	10.00 532	19.05 531	12.43 521	33.20 536	13.71 526	18.09 531	9.71 519	22.85 530	13.77 516	19.64 529	21.23 528	24.07 529	5.09 529	8.95 511	5.62 530	11.49 535	6.73 525	15.75 518

MANE	15.29 526	13.67 498	23.58 524	10.15 533	13.37 525	23.58 534	23.86 530	27.83 538	26.26 537	12.02 530	15.10 522	19.83 524	18.01 528	15.68 525	20.35 526	8.58 532	9.20 516	3.05 513	4.19 529	0.82 438	16.69 521

DPSMNet_ROB	16.76 530	21.81 538	40.95 539	10.20 534	19.08 532	12.43 521	33.21 537	13.73 527	18.21 532	9.76 520	22.88 531	13.78 517	19.64 529	21.39 529	24.21 530	5.20 530	8.97 512	5.63 531	11.51 538	6.80 526	15.82 519

BEATNet-Init1	51.93 547	71.67 549	99.39 550	10.91 535	13.10 523	84.39 551	59.36 545	73.78 549	67.97 546	88.09 550	88.15 550	91.73 551	97.51 551	85.13 553	72.56 552	2.59 494	5.18 490	1.20 485	1.49 496	10.61 534	13.83 500

USTest	15.98 528	15.57 528	22.51 518	18.47 536	16.98 528	26.39 535	36.05 539	27.65 537	12.77 520	10.72 526	10.87 509	18.34 521	15.08 521	18.60 527	23.36 528	4.90 528	5.38 491	7.40 533	7.45 533	9.88 533	11.26 495

TCMNet-wrong-test	12.48 520	15.10 524	19.66 284	22.40 537	19.87 533	15.98 529	12.30 522	23.88 535	4.80 482	6.29 504	6.46 485	18.38 522	15.65 522	10.50 428	10.86 462	9.07 533	4.79 485	5.34 529	3.95 528	12.27 536	12.13 497

Anonymous_1	57.77 548	19.65 534	26.12 529	23.12 538	141.97 550	30.79 536	39.72 540	34.10 542	16.98 525	70.09 548	15.64 524	23.44 530	19.73 531	23.03 533	27.21 536	164.70 553	9.02 513	130.41 549	137.42 550	161.21 553	41.01 545

DPSM_ROB	20.83 534	20.01 535	26.54 530	23.64 539	22.42 534	31.06 537	39.94 541	34.02 540	17.42 529	15.35 532	16.05 527	24.04 532	20.69 532	23.28 534	27.60 537	10.77 536	9.41 517	11.68 538	11.50 536	14.48 537	16.71 522

DPSM	20.83 534	20.01 535	26.54 530	23.64 539	22.42 534	31.06 537	39.94 541	34.02 540	17.42 529	15.35 532	16.05 527	24.04 532	20.69 532	23.28 534	27.60 537	10.77 536	9.41 517	11.68 538	11.50 536	14.48 537	16.71 522

LRCNet_RVC	25.63 537	33.47 540	24.35 526	31.77 541	32.74 537	6.73 504	1.19 359	25.87 536	4.67 473	28.95 535	30.91 535	24.89 534	17.54 526	27.82 537	24.57 532	35.48 543	25.62 542	35.91 544	33.80 543	31.95 544	34.38 543

HaxPig	43.31 543	43.63 544	45.01 540	33.88 542	35.67 539	32.79 539	30.52 535	45.50 543	42.95 542	48.75 540	48.14 542	43.24 538	40.44 539	44.58 544	43.63 542	47.17 545	49.30 546	51.65 546	50.37 545	43.72 545	45.27 546

MEDIAN_ROB	47.37 545	49.00 546	49.74 543	40.28 543	39.94 541	34.93 541	33.41 538	49.78 545	46.38 545	53.04 543	52.61 544	47.67 541	42.28 544	48.33 549	47.25 544	52.06 547	53.99 548	54.28 547	53.48 546	48.70 547	50.27 548

AVERAGE_ROB	44.46 544	45.87 545	46.48 541	40.54 544	38.62 540	32.95 540	30.49 534	46.80 544	43.31 543	49.57 541	48.93 543	44.57 540	39.87 538	45.01 545	43.89 543	48.70 546	50.65 547	50.80 545	49.79 544	45.54 546	46.89 547

CasAABBNet	41.89 542	40.14 543	53.33 546	47.71 545	45.10 542	62.42 546	80.65 551	68.29 548	34.85 538	30.67 536	32.34 538	48.22 543	41.76 542	46.61 548	55.60 548	21.59 539	18.89 534	23.46 541	23.21 542	29.17 541	33.75 541

Selective-RAFT-Error	41.88 541	40.10 542	53.23 545	47.74 546	45.20 543	62.42 546	80.58 550	68.27 547	34.95 539	30.85 537	32.30 537	48.08 542	42.07 543	46.54 546	54.92 546	21.60 540	19.12 535	23.46 541	23.15 541	29.14 540	33.95 542

LSM	13.03 524	7.72 463	21.01 454	55.44 547	85.65 545	3.65 239	6.27 511	3.91 277	5.06 489	5.63 497	13.91 521	3.53 411	3.46 448	9.93 407	4.36 422	0.72 440	0.95 411	0.72 463	0.85 464	1.09 462	26.67 538

LSM0	49.69 546	40.02 541	53.50 547	97.07 548	129.56 548	62.65 548	79.82 549	68.02 546	35.12 540	33.72 538	33.34 539	48.41 544	41.54 541	46.57 547	55.40 547	21.63 541	19.16 536	23.60 543	23.13 540	29.46 542	52.08 549

DPSimNet_ROB	143.68 553	156.64 553	170.66 552	162.59 549	135.40 549	195.13 553	174.01 552	141.76 553	167.78 554	174.58 553	138.78 552	186.01 553	183.75 553	82.32 550	97.85 553	151.24 552	102.48 550	131.25 550	82.78 548	115.21 549	123.37 550

DLNR_Zeroshot_test	29.83 539	55.48 547	50.99 544	183.84 550	114.74 547	3.44 189	0.28 4	29.52 539	1.59 62	1.03 89	1.25 81	0.93 97	0.64 43	3.95 283	1.62 246	37.16 544	1.69 441	0.26 76	0.23 109	92.97 548	15.07 510

test_example2	213.42 554	219.67 554	222.97 554	213.78 551	220.82 554	199.03 554	200.49 553	189.27 554	143.61 553	211.05 554	218.08 553	210.69 554	205.21 554	221.14 554	216.49 554	236.74 554	242.08 554	213.66 551	216.96 551	235.55 554	231.06 554

xxxxx1	112.85 550	94.19 550	38.10 535	228.21 552	161.02 551	39.23 542	61.26 546	92.54 550	79.08 550	63.44 545	74.84 546	77.80 547	69.88 548	33.55 540	70.96 549	117.25 549	130.44 551	258.49 552	273.88 552	145.63 550	147.24 551

tt_ll	112.85 550	94.19 550	38.10 535	228.21 552	161.02 551	39.23 542	61.26 546	92.54 550	79.08 550	63.44 545	74.84 546	77.80 547	69.88 548	33.55 540	70.96 549	117.25 549	130.44 551	258.49 552	273.88 552	145.63 550	147.24 551

ff	112.85 550	94.19 550	38.10 535	228.21 552	161.02 551	39.23 542	61.26 546	92.54 550	79.08 550	63.44 545	74.84 546	77.80 547	69.88 548	33.55 540	70.96 549	117.25 549	130.44 551	258.49 552	273.88 552	145.63 550	147.24 551

ccccc		628.29 555		567.59 555	570.62 555	580.23 555		613.89 555		613.55 555		554.19 555		666.02 555		780.28 555	507.01 555	391.46 555	342.94 555	701.16 555

Low-res two-view benchmark