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

LG-Stereo_L1	0.11 2	0.09 14	0.22 8	0.18 15	0.10 32	0.12 6	0.13 19	0.18 7	0.12 2	0.09 1	0.07 3	0.08 1	0.07 2	0.18 28	0.11 1	0.06 2	0.10 246	0.06 2	0.04 1	0.05 1	0.07 19

MLG-Stereo_test1	0.11 2	0.09 14	0.26 18	0.18 15	0.11 47	0.15 17	0.11 8	0.17 4	0.11 1	0.09 1	0.06 1	0.10 8	0.07 2	0.17 19	0.12 9	0.06 2	0.15 355	0.06 2	0.04 1	0.05 1	0.07 19

MLG-Stereo	0.11 2	0.08 2	0.26 18	0.19 35	0.09 10	0.15 17	0.11 8	0.18 7	0.13 6	0.09 1	0.06 1	0.10 8	0.08 5	0.18 28	0.12 9	0.06 2	0.16 367	0.06 2	0.04 1	0.05 1	0.07 19

FoundationStereo	0.13 12	0.08 2	0.18 1	0.29 399	0.30 458	0.12 6	0.13 19	0.12 1	0.18 17	0.09 1	0.08 6	0.10 8	0.08 5	0.14 2	0.11 1	0.07 39	0.31 485	0.06 2	0.04 1	0.05 1	0.06 6

StereoAnything_RVC	0.22 171	0.47 468	0.67 352	0.30 410	0.31 465	0.11 2	0.11 8	0.18 7	0.15 10	0.09 1	0.11 14	0.09 4	0.09 16	0.27 146	0.12 9	0.09 217	0.39 495	0.06 2	0.04 1	0.24 463	0.49 495

MonSter	0.13 12	0.09 14	0.20 4	0.17 6	0.09 10	0.15 17	0.12 15	0.25 52	0.20 32	0.09 1	0.11 14	0.08 1	0.07 2	0.20 54	0.13 26	0.05 1	0.24 450	0.05 1	0.09 244	0.05 1	0.13 249

LG-Stereo_L2	0.11 2	0.09 14	0.22 8	0.18 15	0.10 32	0.12 6	0.13 19	0.18 7	0.14 9	0.10 7	0.07 3	0.08 1	0.08 5	0.17 19	0.11 1	0.06 2	0.08 174	0.06 2	0.04 1	0.05 1	0.07 19

LGtest1	0.10 1	0.09 14	0.19 3	0.18 15	0.09 10	0.13 10	0.09 2	0.17 4	0.13 6	0.10 7	0.08 6	0.09 4	0.09 16	0.16 8	0.12 9	0.08 145	0.06 48	0.06 2	0.05 19	0.06 12	0.08 60

111111	0.13 12	0.08 2	0.20 4	0.20 70	0.13 127	0.13 10	0.10 5	0.23 26	0.17 11	0.11 9	0.13 25	0.12 26	0.08 5	0.19 41	0.12 9	0.07 39	0.16 367	0.06 2	0.04 1	0.08 122	0.16 306

MLG-Stereo_test3	0.11 2	0.08 2	0.22 8	0.19 35	0.10 32	0.16 29	0.11 8	0.18 7	0.13 6	0.11 9	0.07 3	0.10 8	0.08 5	0.14 2	0.12 9	0.07 39	0.09 214	0.06 2	0.04 1	0.06 12	0.08 60

MLG-Stereo_test2	0.12 8	0.09 14	0.29 32	0.21 101	0.12 80	0.16 29	0.11 8	0.17 4	0.12 2	0.11 9	0.08 6	0.11 18	0.06 1	0.16 8	0.11 1	0.08 145	0.13 309	0.06 2	0.04 1	0.06 12	0.09 96

LG-G_1	0.12 8	0.08 2	0.28 30	0.20 70	0.09 10	0.21 127	0.09 2	0.20 16	0.12 2	0.11 9	0.10 11	0.11 18	0.10 31	0.22 78	0.11 1	0.07 39	0.09 214	0.06 2	0.05 19	0.06 12	0.12 225

LG-G	0.12 8	0.08 2	0.28 30	0.20 70	0.09 10	0.21 127	0.09 2	0.20 16	0.12 2	0.11 9	0.10 11	0.11 18	0.10 31	0.22 78	0.11 1	0.07 39	0.09 214	0.06 2	0.05 19	0.06 12	0.12 225

castereo++	0.14 17	0.13 119	0.25 13	0.19 35	0.10 32	0.27 236	0.13 19	0.24 40	0.26 107	0.11 9	0.13 25	0.16 81	0.10 31	0.18 28	0.11 1	0.07 39	0.08 174	0.07 45	0.06 51	0.05 1	0.07 19

GIP-stereo	0.16 47	0.12 93	0.25 13	0.24 246	0.22 397	0.15 17	0.14 37	0.32 117	0.21 45	0.11 9	0.16 49	0.13 37	0.09 16	0.20 54	0.13 26	0.07 39	0.13 309	0.06 2	0.05 19	0.06 12	0.32 452

DEFOM-Stereo	0.11 2	0.10 31	0.21 6	0.18 15	0.09 10	0.21 127	0.14 37	0.14 2	0.17 11	0.11 9	0.10 11	0.09 4	0.08 5	0.21 62	0.12 9	0.06 2	0.05 4	0.06 2	0.04 1	0.05 1	0.06 6

dual_stereo	0.18 70	0.08 2	0.26 18	0.21 101	0.32 468	0.11 2	0.13 19	0.27 59	0.20 32	0.11 9	0.09 10	0.10 8	0.08 5	0.20 54	0.14 56	0.07 39	0.45 503	0.06 2	0.05 19	0.05 1	0.65 510

U	1.02 503	0.10 31	0.26 18	0.22 150	3.66 531	6.41 534	0.13 19	0.22 25	0.21 45	0.11 9	0.11 14	0.10 8	0.09 16	0.12 1	0.11 1	0.07 39	0.05 4	5.35 539	2.86 536	0.07 66	0.06 6

LG-Stereo	0.14 17	0.13 119	0.30 40	0.21 101	0.11 47	0.16 29	0.18 162	0.23 26	0.19 23	0.12 19	0.18 68	0.11 18	0.09 16	0.15 4	0.14 56	0.06 2	0.07 117	0.08 117	0.08 168	0.07 66	0.07 19

S2M2	0.13 12	0.12 93	0.26 18	0.17 6	0.12 80	0.12 6	0.07 1	0.18 7	0.21 45	0.12 19	0.15 45	0.14 59	0.12 65	0.16 8	0.15 84	0.13 373	0.09 214	0.09 197	0.10 297	0.11 305	0.09 96

SGD-Stereo	0.12 8	0.08 2	0.18 1	0.17 6	0.07 1	0.17 43	0.13 19	0.19 14	0.17 11	0.12 19	0.13 25	0.11 18	0.12 65	0.19 41	0.12 9	0.08 145	0.04 1	0.06 2	0.05 19	0.06 12	0.05 1

DEFOM-Stereo_RVC	0.13 12	0.15 195	0.21 6	0.27 357	0.09 10	0.15 17	0.13 19	0.23 26	0.21 45	0.12 19	0.11 14	0.10 8	0.13 91	0.22 78	0.13 26	0.07 39	0.05 4	0.06 2	0.05 19	0.07 66	0.07 19

RSM++	0.14 17	0.11 53	0.25 13	0.32 431	0.17 292	0.17 43	0.15 56	0.23 26	0.21 45	0.12 19	0.12 20	0.14 59	0.09 16	0.21 62	0.13 26	0.06 2	0.05 4	0.07 45	0.07 98	0.07 66	0.11 184

castereo	0.14 17	0.11 53	0.22 8	0.19 35	0.10 32	0.20 102	0.19 205	0.32 117	0.28 134	0.13 24	0.18 68	0.16 81	0.16 136	0.16 8	0.14 56	0.07 39	0.06 48	0.07 45	0.06 51	0.06 12	0.07 19

ours_stereo	0.15 31	0.14 164	0.29 32	0.21 101	0.14 164	0.17 43	0.18 162	0.21 19	0.20 32	0.13 24	0.18 68	0.14 59	0.10 31	0.24 101	0.15 84	0.06 2	0.06 48	0.08 117	0.06 51	0.07 66	0.13 249

fffy	0.15 31	0.14 164	0.31 47	0.21 101	0.14 164	0.19 72	0.18 162	0.24 40	0.19 23	0.13 24	0.17 58	0.15 73	0.13 91	0.25 115	0.15 84	0.06 2	0.08 174	0.08 117	0.06 51	0.07 66	0.15 291

RAStereo	0.14 17	0.15 195	0.40 91	0.22 150	0.11 47	0.15 17	0.18 162	0.25 52	0.24 73	0.13 24	0.17 58	0.11 18	0.09 16	0.15 4	0.13 26	0.08 145	0.06 48	0.08 117	0.06 51	0.07 66	0.05 1

IGEV-BASED-STEREO-	0.20 123	0.74 500	0.71 372	0.17 6	0.08 4	0.15 17	0.15 56	0.19 14	0.18 17	0.13 24	0.12 20	0.10 8	0.08 5	0.16 8	0.14 56	0.34 489	0.12 290	0.08 117	0.07 98	0.11 305	0.24 401

RSM	0.14 17	0.11 53	0.25 13	0.29 399	0.16 262	0.16 29	0.15 56	0.24 40	0.20 32	0.13 24	0.13 25	0.15 73	0.09 16	0.22 78	0.13 26	0.06 2	0.06 48	0.07 45	0.07 98	0.07 66	0.11 184

IGEV++	0.19 95	0.13 119	0.38 76	0.30 410	0.19 345	0.15 17	0.15 56	0.32 117	0.18 17	0.13 24	0.16 49	0.12 26	0.11 47	0.24 101	0.15 84	0.07 39	0.32 487	0.07 45	0.05 19	0.07 66	0.42 482

MaDis-Stereo	0.15 31	0.17 257	0.39 82	0.19 35	0.15 224	0.16 29	0.13 19	0.26 56	0.22 53	0.13 24	0.15 45	0.14 59	0.11 47	0.17 19	0.17 125	0.08 145	0.07 117	0.08 117	0.06 51	0.07 66	0.06 6

Selective-IGEV	0.15 31	0.10 31	0.34 58	0.32 431	0.19 345	0.16 29	0.14 37	0.29 81	0.20 32	0.13 24	0.14 41	0.13 37	0.08 5	0.23 94	0.14 56	0.06 2	0.13 309	0.07 45	0.06 51	0.06 12	0.11 184

CroCo-Stereo Lap2	0.16 47	0.18 279	0.39 82	0.26 321	0.18 319	0.11 2	0.19 205	0.30 94	0.22 53	0.13 24	0.16 49	0.15 73	0.11 47	0.17 19	0.15 84	0.07 39	0.07 117	0.08 117	0.06 51	0.08 122	0.07 19

CroCo-Stereo	0.15 31	0.16 226	0.34 58	0.25 282	0.12 80	0.11 2	0.18 162	0.35 151	0.24 73	0.13 24	0.13 25	0.18 103	0.12 65	0.15 4	0.13 26	0.08 145	0.06 48	0.07 45	0.05 19	0.07 66	0.06 6
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
GREAT-IGEV	0.19 95	0.11 53	0.39 82	0.22 150	0.33 469	0.14 12	0.15 56	0.18 7	0.22 53	0.14 35	0.16 49	0.09 4	0.09 16	0.23 94	0.14 56	0.06 2	0.50 505	0.06 2	0.06 51	0.07 66	0.53 500

SCV	0.18 70	0.15 195	0.37 74	0.26 321	0.20 367	0.16 29	0.16 82	0.35 151	0.23 62	0.14 35	0.16 49	0.13 37	0.09 16	0.31 215	0.12 9	0.08 145	0.19 403	0.07 45	0.07 98	0.09 194	0.26 424

fffft	0.14 17	0.12 93	0.30 40	0.19 35	0.10 32	0.17 43	0.18 162	0.23 26	0.17 11	0.14 35	0.11 14	0.13 37	0.10 31	0.24 101	0.18 150	0.06 2	0.05 4	0.07 45	0.06 51	0.07 66	0.09 96
1: 1. 1
999	0.15 31	0.13 119	0.30 40	0.19 35	0.12 80	0.20 102	0.17 110	0.25 52	0.20 32	0.14 35	0.16 49	0.14 59	0.11 47	0.36 261	0.16 102	0.07 39	0.05 4	0.07 45	0.06 51	0.06 12	0.08 60

mms	0.15 31	0.14 164	0.25 13	0.20 70	0.15 224	0.17 43	0.17 110	0.21 19	0.19 23	0.14 35	0.18 68	0.14 59	0.09 16	0.26 134	0.15 84	0.06 2	0.07 117	0.08 117	0.06 51	0.07 66	0.19 341

IGEV-Stereo+	0.14 17	0.08 2	0.26 18	0.18 15	0.14 164	0.09 1	0.10 5	0.16 3	0.17 11	0.14 35	0.08 6	0.10 8	0.10 31	0.22 78	0.14 56	0.07 39	0.15 355	0.06 2	0.06 51	0.16 399	0.29 440

AIO-Stereo	0.16 47	0.12 93	0.29 32	0.30 410	0.20 367	0.16 29	0.14 37	0.28 64	0.22 53	0.14 35	0.15 45	0.13 37	0.08 5	0.20 54	0.15 84	0.06 2	0.16 367	0.07 45	0.08 168	0.06 12	0.24 401

MGS-Stereo	0.15 31	0.12 93	0.38 76	0.19 35	0.11 47	0.18 60	0.17 110	0.21 19	0.23 62	0.14 35	0.24 126	0.16 81	0.10 31	0.19 41	0.13 26	0.07 39	0.06 48	0.07 45	0.06 51	0.10 253	0.07 19

LoS_RVC	0.14 17	0.11 53	0.32 52	0.18 15	0.16 262	0.20 102	0.18 162	0.21 19	0.18 17	0.14 35	0.20 84	0.12 26	0.17 152	0.17 19	0.14 56	0.06 2	0.05 4	0.06 2	0.04 1	0.05 1	0.14 275

CES	0.14 17	0.08 2	0.24 12	0.17 6	0.23 408	0.18 60	0.15 56	0.24 40	0.20 32	0.14 35	0.18 68	0.14 59	0.10 31	0.19 41	0.12 9	0.07 39	0.05 4	0.06 2	0.04 1	0.08 122	0.20 358

ProNet	0.16 47	0.13 119	0.36 69	0.21 101	0.15 224	0.20 102	0.19 205	0.29 81	0.23 62	0.14 35	0.13 25	0.13 37	0.12 65	0.25 115	0.13 26	0.06 2	0.09 214	0.07 45	0.06 51	0.07 66	0.22 380

sCroCo_RVC	0.19 95	0.15 195	0.60 318	0.27 357	0.18 319	0.23 174	0.16 82	0.28 64	0.24 73	0.14 35	0.22 111	0.17 92	0.14 106	0.22 78	0.16 102	0.11 315	0.11 273	0.09 197	0.09 244	0.09 194	0.10 150

HART	0.20 123	0.14 164	0.42 107	0.26 321	0.24 422	0.17 43	0.16 82	0.32 117	0.25 96	0.15 47	0.26 141	0.17 92	0.09 16	0.24 101	0.14 56	0.06 2	0.36 493	0.07 45	0.05 19	0.08 122	0.27 428

SMoEStereo_RVC	0.14 17	0.15 195	0.29 32	0.19 35	0.10 32	0.19 72	0.17 110	0.21 19	0.21 45	0.15 47	0.13 25	0.12 26	0.11 47	0.25 115	0.16 102	0.06 2	0.05 4	0.08 117	0.06 51	0.06 12	0.08 60

IGEV-Stereo++	0.15 31	0.09 14	0.27 26	0.21 101	0.13 127	0.14 12	0.11 8	0.23 26	0.19 23	0.15 47	0.14 41	0.11 18	0.11 47	0.19 41	0.12 9	0.06 2	0.21 419	0.06 2	0.05 19	0.06 12	0.28 435

Occ-G	0.18 70	0.10 31	0.38 76	0.23 201	0.15 224	0.16 29	0.18 162	0.23 26	0.26 107	0.15 47	0.20 84	0.21 139	0.11 47	0.22 78	0.19 176	0.07 39	0.17 390	0.07 45	0.06 51	0.08 122	0.30 443

Pointernet	0.15 31	0.08 2	0.35 63	0.19 35	0.12 80	0.20 102	0.12 15	0.34 142	0.25 96	0.15 47	0.16 49	0.13 37	0.11 47	0.18 28	0.13 26	0.08 145	0.06 48	0.06 2	0.05 19	0.06 12	0.08 60

CAS	0.16 47	0.07 1	0.29 32	0.42 481	0.17 292	0.20 102	0.18 162	0.23 26	0.20 32	0.15 47	0.19 76	0.11 18	0.10 31	0.15 4	0.14 56	0.31 486	0.04 1	0.06 2	0.04 1	0.06 12	0.16 306

LoS	0.15 31	0.09 14	0.34 58	0.17 6	0.09 10	0.22 155	0.14 37	0.27 59	0.27 124	0.15 47	0.18 68	0.19 113	0.14 106	0.23 94	0.14 56	0.08 145	0.06 48	0.06 2	0.04 1	0.06 12	0.06 6
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MM-Stereo_test2	0.19 95	0.11 53	0.47 144	0.25 282	0.11 47	0.21 127	0.20 240	0.28 64	0.24 73	0.16 54	0.17 58	0.13 37	0.11 47	0.21 62	0.14 56	0.06 2	0.26 460	0.07 45	0.06 51	0.09 194	0.41 479

tt45	0.15 31	0.14 164	0.29 32	0.19 35	0.11 47	0.23 174	0.18 162	0.23 26	0.18 17	0.16 54	0.13 25	0.14 59	0.10 31	0.31 215	0.15 84	0.07 39	0.05 4	0.08 117	0.06 51	0.07 66	0.08 60

rvit_stereo_0083	0.17 61	0.13 119	0.29 32	0.21 101	0.13 127	0.17 43	0.17 110	0.23 26	0.36 240	0.16 54	0.22 111	0.19 113	0.17 152	0.21 62	0.17 125	0.11 315	0.10 246	0.10 270	0.08 168	0.09 194	0.08 60

rvit_stereo_0080	0.16 47	0.17 257	0.35 63	0.19 35	0.13 127	0.14 12	0.20 240	0.29 81	0.26 107	0.16 54	0.17 58	0.19 113	0.14 106	0.19 41	0.16 102	0.11 315	0.08 174	0.08 117	0.08 168	0.10 253	0.08 60

trnet	0.14 17	0.09 14	0.26 18	0.15 2	0.07 1	0.21 127	0.12 15	0.25 52	0.26 107	0.16 54	0.21 102	0.15 73	0.13 91	0.19 41	0.14 56	0.09 217	0.05 4	0.06 2	0.04 1	0.06 12	0.06 6

MoCha-V2	0.18 70	0.12 93	0.40 91	0.30 410	0.24 422	0.16 29	0.15 56	0.28 64	0.19 23	0.16 54	0.16 49	0.13 37	0.13 91	0.30 203	0.13 26	0.06 2	0.28 469	0.06 2	0.06 51	0.06 12	0.25 412

whm_eth	0.16 47	0.17 257	0.35 63	0.19 35	0.13 127	0.14 12	0.20 240	0.29 81	0.26 107	0.16 54	0.17 58	0.19 113	0.14 106	0.19 41	0.16 102	0.11 315	0.08 174	0.08 117	0.08 168	0.10 253	0.08 60

plain	0.18 70	0.16 226	0.59 311	0.21 101	0.13 127	0.16 29	0.17 110	0.29 81	0.23 62	0.16 54	0.26 141	0.13 37	0.17 152	0.27 146	0.17 125	0.09 217	0.06 48	0.10 270	0.07 98	0.10 253	0.07 19

UniTT-Stereo	0.15 31	0.12 93	0.45 124	0.21 101	0.14 164	0.17 43	0.13 19	0.20 16	0.19 23	0.16 54	0.20 84	0.10 8	0.11 47	0.18 28	0.17 125	0.08 145	0.06 48	0.07 45	0.06 51	0.08 122	0.07 19

DLNR_Zeroshot_test	10.53 539	12.28 545	20.32 546	105.84 554	23.88 551	0.14 12	0.13 19	3.20 532	0.20 32	0.16 54	0.23 119	0.16 81	0.10 31	0.32 224	0.16 102	2.54 534	0.32 487	0.07 45	0.07 98	40.17 552	0.28 435

CREStereo	0.14 17	0.09 14	0.27 26	0.14 1	0.08 4	0.22 155	0.15 56	0.26 56	0.26 107	0.16 54	0.21 102	0.14 59	0.13 91	0.19 41	0.14 56	0.09 217	0.05 4	0.06 2	0.04 1	0.07 66	0.06 6
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
LG-Stereo_Zeroshot	0.14 17	0.10 31	0.27 26	0.21 101	0.11 47	0.16 29	0.14 37	0.24 40	0.17 11	0.17 65	0.20 84	0.18 103	0.11 47	0.16 8	0.17 125	0.07 39	0.08 174	0.07 45	0.07 98	0.07 66	0.09 96

MM-Stereo_test3	0.19 95	0.15 195	0.39 82	0.25 282	0.15 224	0.19 72	0.22 299	0.42 238	0.40 291	0.17 65	0.24 126	0.17 92	0.12 65	0.22 78	0.16 102	0.08 145	0.21 419	0.08 117	0.06 51	0.09 194	0.11 184

SCV_C0	0.19 95	0.14 164	0.40 91	0.30 410	0.20 367	0.15 17	0.16 82	0.35 151	0.26 107	0.17 65	0.16 49	0.13 37	0.09 16	0.31 215	0.14 56	0.07 39	0.22 430	0.06 2	0.06 51	0.09 194	0.25 412

AIO_rvc	0.20 123	0.16 226	0.49 179	0.41 478	0.29 455	0.15 17	0.17 110	0.21 19	0.19 23	0.17 65	0.14 41	0.13 37	0.08 5	0.35 256	0.13 26	0.07 39	0.19 403	0.06 2	0.05 19	0.06 12	0.41 479

AIO-test2	0.22 171	0.27 389	0.54 262	0.29 399	0.16 262	0.22 155	0.16 82	0.44 269	0.43 323	0.17 65	0.29 168	0.16 81	0.11 47	0.27 146	0.14 56	0.19 455	0.07 117	0.10 270	0.11 330	0.08 122	0.09 96

AIO-test1	0.21 153	0.22 330	0.56 280	0.31 425	0.24 422	0.21 127	0.16 82	0.42 238	0.37 255	0.17 65	0.26 141	0.18 103	0.12 65	0.29 188	0.15 84	0.08 145	0.07 117	0.10 270	0.11 330	0.07 66	0.10 150

rvit_stereo_0081	0.16 47	0.13 119	0.30 40	0.21 101	0.12 80	0.17 43	0.17 110	0.24 40	0.34 214	0.17 65	0.19 76	0.18 103	0.15 120	0.20 54	0.17 125	0.11 315	0.08 174	0.09 197	0.08 168	0.09 194	0.07 19

rvit_stereo_0082	0.16 47	0.13 119	0.30 40	0.21 101	0.12 80	0.17 43	0.17 110	0.24 40	0.34 214	0.17 65	0.19 76	0.18 103	0.15 120	0.20 54	0.17 125	0.11 315	0.08 174	0.09 197	0.08 168	0.09 194	0.07 19

rvit_stereo_ft	0.18 70	0.19 291	0.43 113	0.25 282	0.14 164	0.17 43	0.21 266	0.30 94	0.28 134	0.17 65	0.19 76	0.20 125	0.17 152	0.22 78	0.18 150	0.11 315	0.07 117	0.09 197	0.09 244	0.10 253	0.08 60

H2IRNET	0.19 95	0.18 279	0.50 201	0.22 150	0.12 80	0.20 102	0.16 82	0.28 64	0.31 177	0.17 65	0.32 202	0.25 189	0.20 206	0.24 101	0.19 176	0.08 145	0.06 48	0.09 197	0.10 297	0.10 253	0.08 60

MIF-Stereo (partial)	0.18 70	0.13 119	0.50 201	0.22 150	0.15 224	0.16 29	0.13 19	0.29 81	0.26 107	0.17 65	0.26 141	0.16 81	0.17 152	0.25 115	0.18 150	0.09 217	0.06 48	0.10 270	0.08 168	0.09 194	0.08 60

AEACV	0.20 123	0.09 14	0.32 52	0.39 469	0.34 471	0.21 127	0.16 82	0.30 94	0.18 17	0.17 65	0.17 58	0.13 37	0.16 136	0.27 146	0.13 26	0.07 39	0.29 480	0.07 45	0.09 244	0.07 66	0.37 471

Selective-RAFT	0.19 95	0.14 164	0.37 74	0.24 246	0.11 47	0.30 288	0.15 56	0.35 151	0.34 214	0.17 65	0.17 58	0.22 146	0.18 180	0.29 188	0.18 150	0.07 39	0.16 367	0.07 45	0.07 98	0.08 122	0.08 60

GLC_STEREO	0.15 31	0.11 53	0.31 47	0.22 150	0.09 10	0.17 43	0.15 56	0.24 40	0.28 134	0.17 65	0.20 84	0.17 92	0.11 47	0.24 101	0.17 125	0.07 39	0.09 214	0.09 197	0.08 168	0.07 66	0.07 19

sAnonymous2	0.21 153	0.24 356	0.79 396	0.24 246	0.17 292	0.22 155	0.20 240	0.36 163	0.29 152	0.17 65	0.19 76	0.17 92	0.16 136	0.18 28	0.15 84	0.10 278	0.07 117	0.09 197	0.08 168	0.23 459	0.18 327

CroCo_RVC	0.21 153	0.24 356	0.79 396	0.24 246	0.17 292	0.22 155	0.20 240	0.36 163	0.29 152	0.17 65	0.19 76	0.17 92	0.16 136	0.18 28	0.15 84	0.10 278	0.07 117	0.09 197	0.08 168	0.23 459	0.18 327

PMTNet	0.16 47	0.09 14	0.31 47	0.15 2	0.09 10	0.23 174	0.15 56	0.26 56	0.24 73	0.17 65	0.21 102	0.16 81	0.14 106	0.23 94	0.14 56	0.29 482	0.05 4	0.06 2	0.04 1	0.07 66	0.07 19

rvit_0105_6	0.20 123	0.16 226	0.41 98	0.23 201	0.14 164	0.18 60	0.20 240	0.31 110	0.39 281	0.18 82	0.22 111	0.23 160	0.18 180	0.26 134	0.18 150	0.16 421	0.13 309	0.13 383	0.11 330	0.11 305	0.09 96

rvit_stereo_0081_aga	0.17 61	0.17 257	0.40 91	0.21 101	0.14 164	0.20 102	0.17 110	0.24 40	0.26 107	0.18 82	0.21 102	0.20 125	0.14 106	0.20 54	0.15 84	0.12 354	0.08 174	0.09 197	0.08 168	0.10 253	0.08 60

WCG-NET	0.15 31	0.12 93	0.31 47	0.18 15	0.09 10	0.18 60	0.17 110	0.23 26	0.29 152	0.18 82	0.22 111	0.15 73	0.12 65	0.19 41	0.13 26	0.06 2	0.12 290	0.07 45	0.05 19	0.06 12	0.06 6

xyz-stereo-finetune	0.17 61	0.17 257	0.29 32	0.17 6	0.08 4	0.24 196	0.21 266	0.30 94	0.32 187	0.19 85	0.22 111	0.19 113	0.15 120	0.30 203	0.22 234	0.06 2	0.06 48	0.08 117	0.06 51	0.06 12	0.07 19

HUF	0.26 279	0.15 195	0.79 396	0.39 469	0.31 465	0.16 29	0.17 110	0.36 163	0.25 96	0.19 85	0.14 41	0.23 160	0.11 47	0.32 224	0.14 56	0.08 145	0.60 517	0.06 2	0.05 19	0.07 66	0.56 501

AIO_test	0.20 123	0.12 93	0.46 138	0.45 485	0.38 482	0.15 17	0.17 110	0.28 64	0.20 32	0.19 85	0.13 25	0.14 59	0.09 16	0.39 277	0.13 26	0.07 39	0.21 419	0.06 2	0.06 51	0.06 12	0.34 459

rvit_0105_4	0.21 153	0.17 257	0.49 179	0.23 201	0.14 164	0.20 102	0.23 328	0.35 151	0.40 291	0.19 85	0.24 126	0.25 189	0.20 206	0.28 167	0.18 150	0.16 421	0.13 309	0.12 358	0.11 330	0.11 305	0.10 150

WCG-NET（raft）	0.16 47	0.14 164	0.32 52	0.18 15	0.09 10	0.19 72	0.16 82	0.24 40	0.27 124	0.19 85	0.19 76	0.20 125	0.12 65	0.22 78	0.13 26	0.06 2	0.17 390	0.06 2	0.05 19	0.07 66	0.07 19

CAS++	0.17 61	0.13 119	0.35 63	0.18 15	0.13 127	0.17 43	0.16 82	0.42 238	0.25 96	0.19 85	0.18 68	0.13 37	0.10 31	0.22 78	0.12 9	0.12 354	0.10 246	0.11 325	0.08 168	0.10 253	0.09 96
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AE-Stereo	0.21 153	0.12 93	0.50 201	0.25 282	0.15 224	0.24 196	0.18 162	0.40 215	0.34 214	0.19 85	0.26 141	0.21 139	0.13 91	0.22 78	0.16 102	0.07 39	0.26 460	0.09 197	0.10 297	0.07 66	0.31 447

IGEVStereo-DCA	0.20 123	0.17 257	0.41 98	0.22 150	0.15 224	0.20 102	0.17 110	0.28 64	0.23 62	0.19 85	0.12 20	0.14 59	0.12 65	0.38 274	0.31 332	0.07 39	0.16 367	0.08 117	0.07 98	0.08 122	0.36 463

rrr	0.22 171	0.17 257	0.79 396	0.22 150	0.15 224	0.20 102	0.18 162	0.40 215	0.27 124	0.19 85	0.12 20	0.14 59	0.12 65	0.38 274	0.31 332	0.07 39	0.16 367	0.08 117	0.07 98	0.08 122	0.28 435

test_xeample3	0.22 171	0.17 257	0.81 401	0.21 101	0.15 224	0.20 102	0.18 162	0.40 215	0.25 96	0.19 85	0.12 20	0.13 37	0.12 65	0.34 249	0.33 349	0.07 39	0.20 414	0.07 45	0.08 168	0.08 122	0.34 459

tg	0.18 70	0.15 195	0.34 58	0.22 150	0.11 47	0.23 174	0.15 56	0.35 151	0.27 124	0.20 95	0.25 133	0.20 125	0.12 65	0.25 115	0.16 102	0.07 39	0.07 117	0.09 197	0.09 244	0.08 122	0.13 249

testlalala_base	0.23 204	0.14 164	0.48 159	0.26 321	0.16 262	0.25 212	0.17 110	0.37 177	0.19 23	0.20 95	0.26 141	0.17 92	0.14 106	0.19 41	0.18 150	0.42 499	0.23 440	0.07 45	0.06 51	0.50 493	0.14 275

GCAP-Stereo	0.18 70	0.21 312	0.47 144	0.23 201	0.18 319	0.21 127	0.10 5	0.28 64	0.24 73	0.20 95	0.22 111	0.15 73	0.13 91	0.21 62	0.16 102	0.07 39	0.19 403	0.07 45	0.05 19	0.06 12	0.09 96

HH	0.22 171	0.12 93	0.55 270	0.32 431	0.16 262	0.27 236	0.18 162	0.36 163	0.25 96	0.20 95	0.26 141	0.34 293	0.18 180	0.33 234	0.15 84	0.07 39	0.16 367	0.07 45	0.07 98	0.07 66	0.31 447

HanStereo	0.22 171	0.12 93	0.55 270	0.32 431	0.16 262	0.27 236	0.18 162	0.36 163	0.25 96	0.20 95	0.26 141	0.34 293	0.18 180	0.33 234	0.15 84	0.07 39	0.16 367	0.07 45	0.07 98	0.07 66	0.31 447

iRaftStereo_RVC	0.17 61	0.16 226	0.35 63	0.21 101	0.11 47	0.20 102	0.17 110	0.34 142	0.25 96	0.20 95	0.25 133	0.19 113	0.12 65	0.21 62	0.16 102	0.07 39	0.12 290	0.10 270	0.09 244	0.09 194	0.14 275

XX-Stereo	0.25 257	0.11 53	1.09 462	0.35 453	0.38 482	0.23 174	0.13 19	0.43 248	0.19 23	0.20 95	0.40 300	0.31 267	0.10 31	0.33 234	0.13 26	0.08 145	0.11 273	0.08 117	0.09 244	0.07 66	0.10 150

IGEV-RUCA	0.21 153	0.09 14	0.26 18	0.20 70	0.19 345	0.28 254	0.23 328	0.24 40	0.22 53	0.21 102	0.23 119	0.29 239	0.48 443	0.26 134	0.19 176	0.09 217	0.08 174	0.18 446	0.14 417	0.18 428	0.19 341

rvit_0105_5	0.22 171	0.18 279	0.51 218	0.23 201	0.13 127	0.22 155	0.25 365	0.38 188	0.40 291	0.21 102	0.23 119	0.27 213	0.20 206	0.27 146	0.20 195	0.15 411	0.13 309	0.12 358	0.12 371	0.10 253	0.10 150

ACVNet-DCA	0.21 153	0.16 226	0.50 201	0.27 357	0.13 127	0.31 308	0.19 205	0.43 248	0.32 187	0.21 102	0.20 84	0.13 37	0.17 152	0.28 167	0.12 9	0.08 145	0.28 469	0.08 117	0.06 51	0.09 194	0.23 388

xx1	0.23 204	0.16 226	0.50 201	0.27 357	0.13 127	0.31 308	0.19 205	0.39 206	0.48 378	0.21 102	0.20 84	0.28 226	0.25 268	0.28 167	0.12 9	0.08 145	0.28 469	0.10 270	0.11 330	0.09 194	0.23 388

1test111	0.22 171	0.16 226	0.50 201	0.27 357	0.13 127	0.31 308	0.19 205	0.43 248	0.32 187	0.21 102	0.20 84	0.13 37	0.17 152	0.36 261	0.28 306	0.08 145	0.28 469	0.08 117	0.06 51	0.09 194	0.23 388

cc1	0.22 171	0.16 226	0.50 201	0.27 357	0.13 127	0.31 308	0.19 205	0.39 206	0.48 378	0.21 102	0.20 84	0.13 37	0.17 152	0.28 167	0.12 9	0.08 145	0.28 469	0.08 117	0.06 51	0.08 122	0.37 471

ff7	0.18 70	0.13 119	0.41 98	0.21 101	0.15 224	0.21 127	0.17 110	0.28 64	0.23 62	0.21 102	0.13 25	0.12 26	0.12 65	0.27 146	0.13 26	0.07 39	0.25 453	0.08 117	0.07 98	0.08 122	0.36 463

ffff	0.18 70	0.13 119	0.41 98	0.21 101	0.15 224	0.21 127	0.17 110	0.28 64	0.23 62	0.21 102	0.13 25	0.12 26	0.12 65	0.27 146	0.13 26	0.07 39	0.25 453	0.08 117	0.07 98	0.08 122	0.36 463

11t	0.18 70	0.13 119	0.41 98	0.21 101	0.15 224	0.21 127	0.17 110	0.28 64	0.23 62	0.21 102	0.13 25	0.12 26	0.12 65	0.27 146	0.13 26	0.07 39	0.25 453	0.08 117	0.07 98	0.08 122	0.36 463

tt1	0.22 171	0.16 226	0.49 179	0.26 321	0.15 224	0.31 308	0.19 205	0.38 188	0.46 357	0.21 102	0.19 76	0.13 37	0.16 136	0.28 167	0.12 9	0.08 145	0.28 469	0.08 117	0.06 51	0.08 122	0.37 471

StereoVision	0.23 204	0.23 345	0.55 270	0.27 357	0.17 292	0.23 174	0.22 299	0.40 215	0.32 187	0.21 102	0.51 394	0.22 146	0.16 136	0.29 188	0.19 176	0.11 315	0.12 290	0.13 383	0.13 401	0.10 253	0.08 60

EKT-Stereo	0.39 409	0.13 119	0.53 250	0.42 481	3.94 532	0.22 155	0.17 110	0.38 188	0.30 168	0.21 102	0.20 84	0.23 160	0.15 120	0.30 203	0.18 150	0.10 278	0.08 174	0.09 197	0.08 168	0.09 194	0.12 225

MC-Stereo	0.18 70	0.10 31	0.36 69	0.28 384	0.14 164	0.18 60	0.15 56	0.24 40	0.20 32	0.21 102	0.24 126	0.16 81	0.13 91	0.25 115	0.14 56	0.07 39	0.17 390	0.07 45	0.07 98	0.06 12	0.30 443

RCA-Stereo	0.17 61	0.10 31	0.33 56	0.20 70	0.11 47	0.19 72	0.17 110	0.39 206	0.36 240	0.21 102	0.25 133	0.17 92	0.17 152	0.18 28	0.15 84	0.07 39	0.14 326	0.07 45	0.06 51	0.06 12	0.08 60

ccc-4	0.18 70	0.13 119	0.41 98	0.21 101	0.15 224	0.21 127	0.17 110	0.28 64	0.23 62	0.21 102	0.13 25	0.12 26	0.12 65	0.27 146	0.13 26	0.07 39	0.25 453	0.08 117	0.07 98	0.08 122	0.36 463

TRStereo	0.22 171	0.21 312	0.62 328	0.40 474	0.19 345	0.22 155	0.16 82	0.58 411	0.30 168	0.21 102	0.21 102	0.22 146	0.13 91	0.27 146	0.14 56	0.09 217	0.09 214	0.09 197	0.11 330	0.06 12	0.19 341

test-1	0.20 123	0.12 93	0.49 179	0.23 201	0.23 408	0.22 155	0.23 328	0.36 163	0.29 152	0.21 102	0.25 133	0.24 177	0.14 106	0.18 28	0.22 234	0.07 39	0.14 326	0.08 117	0.07 98	0.06 12	0.14 275

CREStereo++_RVC	0.16 47	0.09 14	0.42 107	0.17 6	0.11 47	0.18 60	0.13 19	0.23 26	0.31 177	0.21 102	0.31 193	0.13 37	0.11 47	0.17 19	0.16 102	0.07 39	0.04 1	0.06 2	0.15 428	0.06 12	0.05 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
MyStereo07	0.18 70	0.15 195	0.44 121	0.22 150	0.16 262	0.25 212	0.22 299	0.31 110	0.26 107	0.22 120	0.13 25	0.12 26	0.13 91	0.33 234	0.14 56	0.07 39	0.13 309	0.09 197	0.09 244	0.09 194	0.11 184

anonymousdsp	0.20 123	0.13 119	0.49 179	0.28 384	0.20 367	0.21 127	0.17 110	0.29 81	0.24 73	0.22 120	0.13 25	0.12 26	0.12 65	0.32 224	0.13 26	0.07 39	0.26 460	0.08 117	0.07 98	0.08 122	0.48 493

EGLCR-Stereo	0.19 95	0.09 14	0.34 58	0.29 399	0.17 292	0.28 254	0.16 82	0.30 94	0.23 62	0.22 120	0.11 14	0.16 81	0.09 16	0.28 167	0.15 84	0.07 39	0.25 453	0.07 45	0.07 98	0.06 12	0.37 471

IGEV-Stereo	0.20 123	0.13 119	0.49 179	0.28 384	0.20 367	0.21 127	0.17 110	0.29 81	0.24 73	0.22 120	0.13 25	0.12 26	0.12 65	0.32 224	0.13 26	0.07 39	0.26 460	0.08 117	0.07 98	0.08 122	0.48 493
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
raft+_RVC	0.21 153	0.21 312	0.46 138	0.22 150	0.35 474	0.21 127	0.16 82	0.39 206	0.35 224	0.22 120	0.28 160	0.20 125	0.15 120	0.25 115	0.20 195	0.08 145	0.16 367	0.08 117	0.07 98	0.07 66	0.12 225

XX-TBD	0.16 47	0.21 312	0.43 113	0.22 150	0.10 32	0.23 174	0.15 56	0.23 26	0.28 134	0.22 120	0.26 141	0.14 59	0.12 65	0.16 8	0.14 56	0.08 145	0.05 4	0.06 2	0.04 1	0.07 66	0.06 6

RALCasStereoNet	0.22 171	0.22 330	0.48 159	0.23 201	0.23 408	0.22 155	0.18 162	0.32 117	0.27 124	0.22 120	0.30 182	0.22 146	0.15 120	0.29 188	0.20 195	0.08 145	0.22 430	0.07 45	0.06 51	0.10 253	0.25 412

xyz-stereo-finetune2	0.18 70	0.16 226	0.32 52	0.16 4	0.09 10	0.27 236	0.19 205	0.29 81	0.21 45	0.23 127	0.29 168	0.21 139	0.23 234	0.37 271	0.23 253	0.06 2	0.05 4	0.08 117	0.06 51	0.06 12	0.07 19

MM-Stereo_test1	0.20 123	0.13 119	0.45 124	0.24 246	0.12 80	0.20 102	0.21 266	0.36 163	0.32 187	0.23 127	0.22 111	0.15 73	0.14 106	0.28 167	0.16 102	0.07 39	0.24 450	0.08 117	0.07 98	0.09 194	0.21 367

CASnet	0.15 31	0.13 119	0.30 40	0.22 150	0.08 4	0.15 17	0.14 37	0.28 64	0.26 107	0.23 127	0.20 84	0.15 73	0.11 47	0.18 28	0.13 26	0.07 39	0.05 4	0.11 325	0.09 244	0.08 122	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
DCRE	0.24 232	0.15 195	0.45 124	0.26 321	0.26 439	0.23 174	0.21 266	0.37 177	0.29 152	0.23 127	0.81 474	0.23 160	0.16 136	0.24 101	0.18 150	0.07 39	0.14 326	0.07 45	0.08 168	0.07 66	0.25 412

cross-raft	0.18 70	0.12 93	0.40 91	0.27 357	0.16 262	0.20 102	0.24 352	0.34 142	0.24 73	0.23 127	0.28 160	0.29 239	0.15 120	0.19 41	0.16 102	0.06 2	0.05 4	0.08 117	0.07 98	0.07 66	0.07 19

Anonymous3	0.24 232	0.19 291	0.76 385	0.27 357	0.18 319	0.41 399	0.24 352	0.45 278	0.36 240	0.23 127	0.27 154	0.20 125	0.18 180	0.28 167	0.19 176	0.12 354	0.11 273	0.10 270	0.10 297	0.11 305	0.13 249

CFNet-RSSM	0.18 70	0.10 31	0.45 124	0.20 70	0.12 80	0.20 102	0.16 82	0.40 215	0.31 177	0.23 127	0.21 102	0.26 208	0.15 120	0.21 62	0.14 56	0.07 39	0.05 4	0.07 45	0.07 98	0.06 12	0.06 6

Gwc-CoAtRS	0.17 61	0.10 31	0.41 98	0.20 70	0.12 80	0.20 102	0.15 56	0.34 142	0.29 152	0.23 127	0.23 119	0.27 213	0.15 120	0.21 62	0.14 56	0.07 39	0.06 48	0.07 45	0.07 98	0.06 12	0.07 19

Reg-Stereo(zero)	0.18 70	0.08 2	0.39 82	0.19 35	0.19 345	0.24 196	0.18 162	0.29 81	0.29 152	0.24 135	0.21 102	0.24 177	0.18 180	0.22 78	0.21 217	0.07 39	0.11 273	0.06 2	0.07 98	0.06 12	0.11 184

MSKI-zero shot	0.19 95	0.10 31	0.47 144	0.30 410	0.14 164	0.21 127	0.14 37	0.33 135	0.22 53	0.24 135	0.25 133	0.22 146	0.10 31	0.32 224	0.14 56	0.07 39	0.30 481	0.07 45	0.07 98	0.06 12	0.09 96

RAFT-Test	0.19 95	0.11 53	0.41 98	0.26 321	0.21 382	0.26 229	0.17 110	0.37 177	0.26 107	0.24 135	0.29 168	0.32 278	0.14 106	0.22 78	0.15 84	0.07 39	0.08 174	0.07 45	0.07 98	0.06 12	0.07 19

4D-IteraStereo	0.20 123	0.21 312	0.62 328	0.21 101	0.14 164	0.19 72	0.17 110	0.29 81	0.28 134	0.24 135	0.20 84	0.20 125	0.10 31	0.22 78	0.18 150	0.07 39	0.07 117	0.10 270	0.08 168	0.08 122	0.33 456

knoymous	0.18 70	0.10 31	0.35 63	0.17 6	0.11 47	0.21 127	0.17 110	0.33 135	0.24 73	0.24 135	0.28 160	0.27 213	0.16 136	0.24 101	0.17 125	0.09 217	0.06 48	0.09 197	0.06 51	0.09 194	0.10 150

riskmin	0.24 232	0.10 31	0.43 113	0.32 431	0.26 439	0.33 332	0.19 205	0.44 269	0.30 168	0.24 135	0.27 154	0.37 318	0.25 268	0.30 203	0.22 234	0.09 217	0.18 399	0.09 197	0.13 401	0.10 253	0.27 428

RAFT+CT+SA	0.23 204	0.24 356	0.48 159	0.25 282	0.18 319	0.23 174	0.29 405	0.42 238	0.38 265	0.24 135	0.39 291	0.20 125	0.17 152	0.34 249	0.17 125	0.07 39	0.07 117	0.09 197	0.12 371	0.09 194	0.13 249

test_4	0.19 95	0.16 226	0.39 82	0.24 246	0.13 127	0.19 72	0.21 266	0.27 59	0.24 73	0.24 135	0.47 378	0.22 146	0.13 91	0.27 146	0.18 150	0.06 2	0.06 48	0.09 197	0.09 244	0.07 66	0.06 6

rafts_anoy	0.21 153	0.22 330	0.49 179	0.25 282	0.24 422	0.19 72	0.17 110	0.34 142	0.32 187	0.24 135	0.25 133	0.20 125	0.16 136	0.25 115	0.21 217	0.08 145	0.19 403	0.11 325	0.12 371	0.09 194	0.09 96

s12784h	0.18 70	0.09 14	0.38 76	0.18 15	0.07 1	0.33 332	0.19 205	0.39 206	0.34 214	0.24 135	0.25 133	0.18 103	0.18 180	0.25 115	0.17 125	0.07 39	0.05 4	0.07 45	0.05 19	0.06 12	0.05 1

TestStereo	0.22 171	0.24 356	0.48 159	0.25 282	0.11 47	0.22 155	0.22 299	0.32 117	0.31 177	0.24 135	0.34 232	0.23 160	0.19 201	0.62 384	0.19 176	0.08 145	0.07 117	0.10 270	0.07 98	0.11 305	0.07 19

111	0.22 171	0.22 330	0.57 289	0.19 35	0.09 10	0.24 196	0.17 110	0.44 269	0.46 357	0.24 135	0.30 182	0.29 239	0.22 223	0.25 115	0.19 176	0.08 145	0.05 4	0.07 45	0.06 51	0.07 66	0.15 291

rvit_0105_3	0.24 232	0.21 312	0.57 289	0.25 282	0.15 224	0.24 196	0.28 399	0.40 215	0.43 323	0.25 147	0.26 141	0.29 239	0.22 223	0.29 188	0.21 217	0.15 411	0.13 309	0.14 405	0.15 428	0.10 253	0.10 150

AIO-Stereo-zeroshot	0.26 279	0.15 195	0.96 444	0.21 101	0.25 435	0.30 288	0.21 266	0.54 362	0.28 134	0.25 147	0.29 168	0.46 388	0.23 234	0.28 167	0.20 195	0.08 145	0.10 246	0.08 117	0.12 371	0.11 305	0.17 324

RAFT-Stereo-weight	0.17 61	0.10 31	0.31 47	0.20 70	0.12 80	0.20 102	0.16 82	0.38 188	0.33 203	0.25 147	0.20 84	0.19 113	0.10 31	0.19 41	0.16 102	0.07 39	0.13 309	0.07 45	0.06 51	0.06 12	0.09 96

testlalala2	0.19 95	0.11 53	0.49 179	0.37 458	0.26 439	0.24 196	0.14 37	0.37 177	0.26 107	0.25 147	0.27 154	0.21 139	0.12 65	0.17 19	0.17 125	0.07 39	0.07 117	0.07 45	0.07 98	0.07 66	0.08 60

testlalala	0.17 61	0.11 53	0.49 179	0.20 70	0.13 127	0.23 174	0.15 56	0.33 135	0.22 53	0.25 147	0.20 84	0.14 59	0.11 47	0.17 19	0.14 56	0.07 39	0.23 440	0.07 45	0.06 51	0.05 1	0.07 19

Any-RAFT	0.18 70	0.09 14	0.33 56	0.19 35	0.10 32	0.29 275	0.16 82	0.44 269	0.32 187	0.25 147	0.27 154	0.29 239	0.16 136	0.23 94	0.13 26	0.08 145	0.07 117	0.06 2	0.05 19	0.07 66	0.07 19

LL-Strereo2	0.21 153	0.25 371	0.53 250	0.32 431	0.20 367	0.25 212	0.14 37	0.32 117	0.25 96	0.25 147	0.20 84	0.24 177	0.12 65	0.28 167	0.18 150	0.07 39	0.07 117	0.12 358	0.09 244	0.09 194	0.16 306

test_3	0.20 123	0.12 93	0.49 179	0.26 321	0.14 164	0.22 155	0.25 365	0.34 142	0.33 203	0.25 147	0.18 68	0.23 160	0.13 91	0.25 115	0.20 195	0.06 2	0.14 326	0.09 197	0.10 297	0.07 66	0.10 150

TANstereo	0.16 47	0.11 53	0.43 113	0.16 4	0.08 4	0.25 212	0.14 37	0.23 26	0.29 152	0.25 147	0.30 182	0.16 81	0.12 65	0.18 28	0.13 26	0.08 145	0.07 117	0.06 2	0.05 19	0.07 66	0.08 60

AFF-stereo	0.20 123	0.24 356	0.49 179	0.22 150	0.11 47	0.18 60	0.18 162	0.35 151	0.29 152	0.25 147	0.36 255	0.25 189	0.17 152	0.25 115	0.17 125	0.06 2	0.09 214	0.08 117	0.08 168	0.08 122	0.11 184

FACV-RUCA	0.22 171	0.15 195	0.38 76	0.24 246	0.23 408	0.26 229	0.19 205	0.41 233	0.35 224	0.26 157	0.32 202	0.22 146	0.25 268	0.24 101	0.19 176	0.10 278	0.07 117	0.15 421	0.08 168	0.16 399	0.14 275

gcap-zeroshot	0.19 95	0.14 164	0.51 218	0.21 101	0.15 224	0.27 236	0.15 56	0.32 117	0.24 73	0.26 157	0.20 84	0.34 293	0.15 120	0.22 78	0.14 56	0.07 39	0.08 174	0.07 45	0.07 98	0.06 12	0.09 96

qqq	0.24 232	0.16 226	0.46 138	0.20 70	0.15 224	0.23 174	0.20 240	0.43 248	0.32 187	0.26 157	0.31 193	0.28 226	0.25 268	0.36 261	0.28 306	0.08 145	0.22 430	0.10 270	0.11 330	0.09 194	0.23 388

x	0.23 204	0.15 195	0.45 124	0.20 70	0.15 224	0.27 236	0.17 110	0.43 248	0.35 224	0.26 157	0.31 193	0.29 239	0.25 268	0.29 188	0.30 322	0.09 217	0.22 430	0.08 117	0.09 244	0.09 194	0.24 401

test-3	0.18 70	0.10 31	0.48 159	0.23 201	0.14 164	0.18 60	0.16 82	0.32 117	0.29 152	0.26 157	0.17 58	0.22 146	0.13 91	0.26 134	0.19 176	0.06 2	0.14 326	0.08 117	0.08 168	0.06 12	0.10 150

test_1	0.18 70	0.10 31	0.48 159	0.23 201	0.14 164	0.18 60	0.16 82	0.32 117	0.29 152	0.26 157	0.17 58	0.22 146	0.13 91	0.26 134	0.19 176	0.06 2	0.14 326	0.08 117	0.08 168	0.06 12	0.10 150

GANet-ADL	0.22 171	0.14 164	0.51 218	0.23 201	0.14 164	0.29 275	0.19 205	0.48 306	0.36 240	0.26 157	0.33 222	0.32 278	0.20 206	0.26 134	0.22 234	0.11 315	0.07 117	0.07 45	0.06 51	0.09 194	0.11 184

NRIStereo	0.20 123	0.12 93	0.50 201	0.23 201	0.11 47	0.24 196	0.19 205	0.30 94	0.28 134	0.26 157	0.26 141	0.25 189	0.18 180	0.34 249	0.19 176	0.08 145	0.06 48	0.09 197	0.07 98	0.09 194	0.09 96

raftrobust	0.19 95	0.19 291	0.42 107	0.23 201	0.24 422	0.19 72	0.13 19	0.33 135	0.28 134	0.26 157	0.20 84	0.19 113	0.17 152	0.23 94	0.17 125	0.08 145	0.10 246	0.07 45	0.06 51	0.07 66	0.09 96

RAFT-Stereo + iAFF	0.20 123	0.23 345	0.49 179	0.21 101	0.16 262	0.19 72	0.17 110	0.35 151	0.32 187	0.26 157	0.33 222	0.20 125	0.17 152	0.21 62	0.17 125	0.06 2	0.10 246	0.07 45	0.07 98	0.07 66	0.11 184

GMStereo	0.21 153	0.30 407	0.57 289	0.21 101	0.12 80	0.24 196	0.18 162	0.30 94	0.41 300	0.26 157	0.24 126	0.17 92	0.16 136	0.25 115	0.19 176	0.10 278	0.07 117	0.08 117	0.08 168	0.11 305	0.09 96
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
rvit_stereo_0075_2	0.25 257	0.18 279	0.65 343	0.27 357	0.22 397	0.22 155	0.15 56	0.41 233	0.36 240	0.27 168	0.37 266	0.29 239	0.21 216	0.29 188	0.20 195	0.17 435	0.12 290	0.19 453	0.12 371	0.14 381	0.14 275

AIO-Stereo-zeroshot1	0.28 316	0.17 257	0.96 444	0.29 399	0.31 465	0.29 275	0.21 266	0.53 349	0.28 134	0.27 168	0.55 416	0.41 349	0.18 180	0.30 203	0.22 234	0.08 145	0.10 246	0.08 117	0.13 401	0.12 345	0.20 358

test_sample2	0.23 204	0.12 93	0.39 82	0.20 70	0.11 47	0.28 254	0.22 299	0.45 278	0.33 203	0.27 168	0.34 232	0.30 257	0.25 268	0.46 303	0.23 253	0.09 217	0.15 355	0.09 197	0.08 168	0.10 253	0.19 341

test_sample1	0.24 232	0.13 119	0.40 91	0.20 70	0.13 127	0.29 275	0.19 205	0.43 248	0.30 168	0.27 168	0.34 232	0.31 267	0.28 315	0.45 301	0.27 298	0.09 217	0.16 367	0.08 117	0.08 168	0.09 194	0.22 380

11t1	0.21 153	0.12 93	0.45 124	0.20 70	0.15 224	0.27 236	0.17 110	0.37 177	0.28 134	0.27 168	0.25 133	0.24 177	0.23 234	0.28 167	0.25 276	0.09 217	0.19 403	0.07 45	0.07 98	0.09 194	0.23 388

RAFT-345	0.22 171	0.11 53	0.55 270	0.22 150	0.12 80	0.20 102	0.16 82	0.27 59	0.28 134	0.27 168	0.65 450	0.20 125	0.17 152	0.55 341	0.22 234	0.07 39	0.06 48	0.08 117	0.07 98	0.06 12	0.07 19

AnonymousM	0.19 95	0.20 304	0.30 40	0.18 15	0.10 32	0.19 72	0.17 110	0.32 117	0.27 124	0.27 168	0.21 102	0.18 103	0.14 106	0.21 62	0.16 102	0.09 217	0.08 174	0.38 491	0.15 428	0.06 12	0.08 60

CRE-IMP	0.19 95	0.13 119	0.51 218	0.23 201	0.11 47	0.24 196	0.17 110	0.31 110	0.24 73	0.27 168	0.26 141	0.24 177	0.17 152	0.24 101	0.19 176	0.09 217	0.05 4	0.10 270	0.07 98	0.10 253	0.10 150

EAI-Stereo	0.29 336	0.11 53	0.38 76	0.22 150	0.18 319	0.33 332	1.66 528	0.53 349	0.27 124	0.27 168	0.50 391	0.17 92	0.16 136	0.25 115	0.25 276	0.07 39	0.07 117	0.07 45	0.11 330	0.07 66	0.10 150

DIP-Stereo	0.20 123	0.13 119	0.48 159	0.20 70	0.13 127	0.28 254	0.12 15	0.43 248	0.26 107	0.27 168	0.32 202	0.21 139	0.17 152	0.26 134	0.20 195	0.08 145	0.06 48	0.08 117	0.06 51	0.07 66	0.10 150
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
GCAP-BAT	0.20 123	0.12 93	0.48 159	0.25 282	0.17 292	0.24 196	0.16 82	0.32 117	0.21 45	0.28 178	0.30 182	0.26 208	0.12 65	0.28 167	0.19 176	0.07 39	0.25 453	0.07 45	0.08 168	0.06 12	0.19 341

MIM_Stereo	0.20 123	0.17 257	0.55 270	0.20 70	0.21 382	0.17 43	0.14 37	0.37 177	0.27 124	0.28 178	0.35 240	0.23 160	0.13 91	0.28 167	0.16 102	0.06 2	0.08 174	0.09 197	0.08 168	0.08 122	0.15 291

ToySt	0.28 316	0.19 291	0.68 358	0.22 150	0.19 345	0.31 308	0.31 421	0.43 248	0.43 323	0.28 178	0.38 273	0.42 361	0.32 371	0.33 234	0.32 340	0.08 145	0.14 326	0.10 270	0.12 371	0.11 305	0.24 401

SA	0.24 232	0.22 330	0.55 270	0.23 201	0.14 164	0.25 212	0.23 328	0.48 306	0.42 312	0.28 178	0.44 343	0.23 160	0.23 234	0.34 249	0.17 125	0.07 39	0.09 214	0.11 325	0.11 330	0.08 122	0.09 96

iRaft-Stereo_5w	0.25 257	0.24 356	0.50 201	0.23 201	0.18 319	0.19 72	0.19 205	0.39 206	0.35 224	0.28 178	0.36 255	0.34 293	0.23 234	0.66 402	0.28 306	0.07 39	0.07 117	0.08 117	0.07 98	0.09 194	0.14 275

GwcNet-ADL	0.23 204	0.15 195	0.58 304	0.24 246	0.13 127	0.23 174	0.24 352	0.51 333	0.41 300	0.28 178	0.29 168	0.30 257	0.20 206	0.27 146	0.28 306	0.09 217	0.07 117	0.07 45	0.07 98	0.09 194	0.11 184

PSMNet-ADL	0.26 279	0.16 226	0.39 82	0.27 357	0.14 164	0.32 325	0.22 299	0.45 278	0.37 255	0.28 178	0.34 232	0.41 349	0.28 315	0.61 373	0.32 340	0.11 315	0.10 246	0.09 197	0.11 330	0.10 253	0.13 249

LCNet	0.22 171	0.12 93	0.42 107	0.26 321	0.12 80	0.23 174	0.19 205	0.36 163	0.28 134	0.28 178	0.35 240	0.26 208	0.30 341	0.35 256	0.17 125	0.07 39	0.05 4	0.09 197	0.10 297	0.13 359	0.22 380

Patchmatch Stereo++	0.19 95	0.13 119	0.51 218	0.22 150	0.11 47	0.19 72	0.14 37	0.30 94	0.24 73	0.28 178	0.29 168	0.25 189	0.18 180	0.27 146	0.18 150	0.09 217	0.06 48	0.10 270	0.08 168	0.10 253	0.09 96
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
NF-Stereo	0.22 171	0.11 53	0.52 239	0.25 282	0.12 80	0.21 127	0.18 162	0.40 215	0.35 224	0.28 178	0.30 182	0.22 146	0.17 152	0.52 327	0.21 217	0.09 217	0.06 48	0.09 197	0.08 168	0.08 122	0.13 249

OCTAStereo	0.22 171	0.11 53	0.52 239	0.25 282	0.12 80	0.21 127	0.18 162	0.40 215	0.35 224	0.28 178	0.30 182	0.22 146	0.17 152	0.51 320	0.21 217	0.09 217	0.06 48	0.09 197	0.08 168	0.08 122	0.13 249

PSM-adaLoss	0.19 95	0.13 119	0.51 218	0.22 150	0.11 47	0.19 72	0.15 56	0.30 94	0.24 73	0.28 178	0.29 168	0.25 189	0.18 180	0.25 115	0.17 125	0.09 217	0.06 48	0.10 270	0.08 168	0.10 253	0.09 96

ROB_FTStereo_v2	0.19 95	0.13 119	0.51 218	0.22 150	0.11 47	0.19 72	0.15 56	0.30 94	0.24 73	0.28 178	0.29 168	0.25 189	0.18 180	0.25 115	0.18 150	0.09 217	0.06 48	0.10 270	0.08 168	0.10 253	0.09 96

ROB_FTStereo	0.19 95	0.13 119	0.51 218	0.22 150	0.11 47	0.19 72	0.13 19	0.30 94	0.24 73	0.28 178	0.29 168	0.25 189	0.18 180	0.25 115	0.17 125	0.09 217	0.06 48	0.10 270	0.08 168	0.10 253	0.09 96

HUI-Stereo	0.19 95	0.13 119	0.52 239	0.22 150	0.11 47	0.19 72	0.14 37	0.30 94	0.24 73	0.28 178	0.29 168	0.25 189	0.18 180	0.23 94	0.17 125	0.09 217	0.06 48	0.10 270	0.08 168	0.10 253	0.09 96

ASMatch	0.23 204	0.11 53	0.55 270	0.25 282	0.14 164	0.19 72	0.16 82	0.32 117	0.30 168	0.28 178	0.68 456	0.28 226	0.26 286	0.50 314	0.22 234	0.07 39	0.06 48	0.08 117	0.07 98	0.06 12	0.11 184

RE-Stereo	0.22 171	0.11 53	0.52 239	0.25 282	0.12 80	0.21 127	0.18 162	0.40 215	0.35 224	0.28 178	0.30 182	0.22 146	0.17 152	0.51 320	0.21 217	0.09 217	0.06 48	0.09 197	0.08 168	0.08 122	0.13 249

TVStereo	0.22 171	0.11 53	0.52 239	0.25 282	0.12 80	0.21 127	0.18 162	0.40 215	0.35 224	0.28 178	0.30 182	0.22 146	0.17 152	0.51 320	0.21 217	0.09 217	0.06 48	0.09 197	0.08 168	0.08 122	0.13 249

DeepStereo_RVC	0.19 95	0.12 93	0.47 144	0.22 150	0.11 47	0.19 72	0.16 82	0.29 81	0.24 73	0.28 178	0.27 154	0.23 160	0.28 315	0.24 101	0.19 176	0.08 145	0.06 48	0.09 197	0.07 98	0.09 194	0.10 150

iGMRVC	0.19 95	0.13 119	0.51 218	0.22 150	0.11 47	0.19 72	0.15 56	0.30 94	0.24 73	0.28 178	0.29 168	0.25 189	0.18 180	0.27 146	0.18 150	0.09 217	0.06 48	0.10 270	0.08 168	0.10 253	0.09 96

iRAFT	0.19 95	0.13 119	0.51 218	0.22 150	0.11 47	0.19 72	0.14 37	0.30 94	0.24 73	0.28 178	0.29 168	0.25 189	0.18 180	0.27 146	0.18 150	0.09 217	0.06 48	0.10 270	0.08 168	0.10 253	0.09 96

RAFT-IKP	0.19 95	0.13 119	0.51 218	0.22 150	0.11 47	0.18 60	0.15 56	0.30 94	0.24 73	0.28 178	0.29 168	0.25 189	0.18 180	0.26 134	0.18 150	0.09 217	0.06 48	0.10 270	0.08 168	0.10 253	0.09 96

RAFT + AFF	0.30 349	0.33 421	0.76 385	0.25 282	0.17 292	0.30 288	0.33 431	0.55 380	0.42 312	0.28 178	0.30 182	0.31 267	0.31 359	0.64 392	0.32 340	0.09 217	0.11 273	0.11 325	0.10 297	0.12 345	0.16 306

NVstereo2D	0.32 366	0.18 279	0.63 333	0.24 246	0.23 408	0.43 408	0.28 399	0.60 430	0.58 436	0.28 178	0.39 291	0.42 361	0.30 341	0.71 418	0.30 322	0.13 373	0.09 214	0.13 383	0.10 297	0.20 444	0.18 327

ACV-stereo	0.30 349	0.20 304	0.82 405	0.23 201	0.16 262	0.48 435	0.20 240	0.38 188	0.34 214	0.29 202	0.33 222	0.66 468	0.43 425	0.55 341	0.31 332	0.10 278	0.09 214	0.09 197	0.09 244	0.11 305	0.12 225

test_for_model	0.33 373	0.91 507	0.48 159	0.74 507	0.50 492	0.20 102	0.16 82	0.33 135	0.27 124	0.29 202	0.15 45	0.13 37	0.11 47	0.17 19	0.14 56	0.31 486	0.27 464	0.06 2	0.05 19	0.97 520	0.31 447

MyStereo8	0.25 257	0.20 304	0.69 359	0.24 246	0.17 292	0.31 308	0.16 82	0.50 323	0.32 187	0.29 202	0.38 273	0.25 189	0.19 201	0.33 234	0.29 319	0.08 145	0.20 414	0.08 117	0.08 168	0.10 253	0.16 306

MyStereo04	0.24 232	0.15 195	0.58 304	0.22 150	0.16 262	0.25 212	0.22 299	0.51 333	0.54 421	0.29 202	0.23 119	0.27 213	0.23 234	0.32 224	0.25 276	0.07 39	0.13 309	0.09 197	0.09 244	0.09 194	0.11 184

CoDeX	0.24 232	0.13 119	0.48 159	0.22 150	0.14 164	0.29 275	0.21 266	0.55 380	0.42 312	0.29 202	0.36 255	0.28 226	0.23 234	0.48 308	0.20 195	0.09 217	0.06 48	0.08 117	0.07 98	0.08 122	0.08 60

TestStereo1	0.23 204	0.22 330	0.50 201	0.27 357	0.14 164	0.26 229	0.27 384	0.43 248	0.38 265	0.29 202	0.39 291	0.23 160	0.21 216	0.33 234	0.18 150	0.08 145	0.08 174	0.09 197	0.08 168	0.08 122	0.10 150

DCANet-4	0.20 123	0.11 53	0.58 304	0.19 35	0.09 10	0.19 72	0.18 162	0.39 206	0.42 312	0.29 202	0.31 193	0.17 92	0.22 223	0.21 62	0.20 195	0.07 39	0.05 4	0.07 45	0.05 19	0.06 12	0.09 96

fff	0.20 123	0.15 195	0.57 289	0.19 35	0.09 10	0.19 72	0.18 162	0.38 188	0.46 357	0.29 202	0.31 193	0.18 103	0.28 315	0.21 62	0.20 195	0.07 39	0.05 4	0.07 45	0.05 19	0.06 12	0.09 96

test_5	0.25 257	0.25 371	0.57 289	0.27 357	0.18 319	0.25 212	0.29 405	0.42 238	0.39 281	0.29 202	0.40 300	0.27 213	0.23 234	0.35 256	0.19 176	0.07 39	0.07 117	0.09 197	0.09 244	0.10 253	0.14 275

SA-5K	0.23 204	0.22 330	0.50 201	0.27 357	0.14 164	0.26 229	0.27 384	0.43 248	0.38 265	0.29 202	0.39 291	0.23 160	0.21 216	0.33 234	0.18 150	0.08 145	0.08 174	0.09 197	0.08 168	0.08 122	0.10 150

UDGNet	0.24 232	0.37 443	0.53 250	0.25 282	0.14 164	0.24 196	0.18 162	0.32 117	0.44 335	0.29 202	0.28 160	0.24 177	0.20 206	0.30 203	0.21 217	0.16 421	0.07 117	0.21 460	0.11 330	0.16 399	0.11 184

IPLGR	0.22 171	0.14 164	0.75 381	0.21 101	0.11 47	0.25 212	0.18 162	0.44 269	0.38 265	0.29 202	0.28 160	0.21 139	0.19 201	0.37 271	0.19 176	0.07 39	0.06 48	0.08 117	0.07 98	0.07 66	0.07 19

PSM-softLoss	0.22 171	0.11 53	0.53 250	0.25 282	0.12 80	0.20 102	0.17 110	0.39 206	0.29 152	0.29 202	0.32 202	0.24 177	0.16 136	0.53 330	0.21 217	0.09 217	0.06 48	0.10 270	0.09 244	0.08 122	0.12 225

KMStereo	0.22 171	0.11 53	0.53 250	0.25 282	0.12 80	0.20 102	0.17 110	0.39 206	0.29 152	0.29 202	0.32 202	0.24 177	0.16 136	0.53 330	0.21 217	0.09 217	0.06 48	0.10 270	0.09 244	0.08 122	0.12 225

ICVP	0.24 232	0.13 119	0.45 124	0.26 321	0.14 164	0.30 288	0.25 365	0.47 295	0.35 224	0.29 202	0.43 333	0.35 307	0.25 268	0.28 167	0.25 276	0.12 354	0.09 214	0.09 197	0.09 244	0.09 194	0.11 184
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
RALAANet	0.21 153	0.24 356	0.53 250	0.23 201	0.14 164	0.22 155	0.13 19	0.38 188	0.30 168	0.29 202	0.26 141	0.25 189	0.15 120	0.28 167	0.20 195	0.08 145	0.08 174	0.09 197	0.08 168	0.10 253	0.07 19

csc	0.20 123	0.15 195	0.57 289	0.19 35	0.09 10	0.19 72	0.18 162	0.38 188	0.46 357	0.29 202	0.31 193	0.18 103	0.28 315	0.21 62	0.20 195	0.07 39	0.05 4	0.07 45	0.05 19	0.06 12	0.09 96

cscssc	0.20 123	0.15 195	0.57 289	0.19 35	0.09 10	0.19 72	0.18 162	0.38 188	0.46 357	0.29 202	0.31 193	0.18 103	0.28 315	0.21 62	0.20 195	0.07 39	0.05 4	0.07 45	0.05 19	0.06 12	0.09 96

SFCPSM	0.23 204	0.12 93	0.51 218	0.21 101	0.14 164	0.34 348	0.22 299	0.57 398	0.41 300	0.29 202	0.32 202	0.23 160	0.22 223	0.28 167	0.20 195	0.10 278	0.07 117	0.09 197	0.10 297	0.09 194	0.09 96

ACVNet	0.24 232	0.18 279	0.51 218	0.18 15	0.15 224	0.27 236	0.23 328	0.40 215	0.45 346	0.29 202	0.41 311	0.38 324	0.28 315	0.28 167	0.35 363	0.09 217	0.07 117	0.08 117	0.07 98	0.10 253	0.09 96

CFNet-ft	0.26 279	0.21 312	0.51 218	0.19 35	0.16 262	0.31 308	0.21 266	0.40 215	0.37 255	0.29 202	0.40 300	0.46 388	0.27 293	0.49 310	0.28 306	0.12 354	0.07 117	0.12 358	0.11 330	0.12 345	0.11 184

CFNet_RVC	0.26 279	0.21 312	0.51 218	0.19 35	0.16 262	0.31 308	0.21 266	0.40 215	0.37 255	0.29 202	0.40 300	0.46 388	0.27 293	0.49 310	0.28 306	0.12 354	0.07 117	0.12 358	0.11 330	0.12 345	0.11 184

HITNet	0.22 171	0.23 345	0.60 318	0.20 70	0.09 10	0.27 236	0.15 56	0.45 278	0.33 203	0.29 202	0.33 222	0.27 213	0.22 223	0.29 188	0.27 298	0.07 39	0.05 4	0.07 45	0.06 51	0.09 194	0.11 184
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
DFGA-Net	0.26 279	0.33 421	0.70 365	0.22 150	0.15 224	0.25 212	0.17 110	0.41 233	0.40 291	0.30 225	0.32 202	0.21 139	0.18 180	0.61 373	0.33 349	0.08 145	0.06 48	0.10 270	0.09 244	0.11 305	0.09 96

PCWNet_CMD	0.23 204	0.14 164	0.48 159	0.21 101	0.13 127	0.28 254	0.17 110	0.47 295	0.47 370	0.30 225	0.36 255	0.37 318	0.24 255	0.29 188	0.21 217	0.09 217	0.06 48	0.10 270	0.08 168	0.11 305	0.11 184

anonymousdsp2	0.23 204	0.11 53	0.42 107	0.26 321	0.24 422	0.25 212	0.17 110	0.43 248	0.37 255	0.30 225	0.23 119	0.24 177	0.15 120	0.32 224	0.17 125	0.07 39	0.28 469	0.07 45	0.05 19	0.08 122	0.44 486

ADStereo(finetuned)	0.21 153	0.15 195	0.59 311	0.19 35	0.09 10	0.19 72	0.18 162	0.37 177	0.41 300	0.30 225	0.31 193	0.19 113	0.31 359	0.21 62	0.20 195	0.07 39	0.05 4	0.07 45	0.05 19	0.07 66	0.10 150

Sa-1000	0.24 232	0.20 304	0.53 250	0.23 201	0.14 164	0.30 288	0.23 328	0.50 323	0.41 300	0.30 225	0.50 391	0.26 208	0.19 201	0.33 234	0.16 102	0.08 145	0.10 246	0.10 270	0.11 330	0.08 122	0.08 60

dd	0.23 204	0.32 417	0.55 270	0.23 201	0.12 80	0.27 236	0.21 266	0.32 117	0.45 346	0.30 225	0.29 168	0.25 189	0.17 152	0.31 215	0.26 287	0.13 373	0.07 117	0.10 270	0.08 168	0.12 345	0.09 96

TransformOpticalFlow	0.24 232	0.14 164	0.57 289	0.24 246	0.11 47	0.21 127	0.19 205	0.43 248	0.34 214	0.30 225	0.43 333	0.36 312	0.31 359	0.61 373	0.20 195	0.07 39	0.05 4	0.08 117	0.07 98	0.06 12	0.08 60

CFNet_pseudo	0.23 204	0.14 164	0.48 159	0.20 70	0.13 127	0.27 236	0.17 110	0.46 285	0.45 346	0.30 225	0.37 266	0.38 324	0.23 234	0.30 203	0.22 234	0.09 217	0.06 48	0.11 325	0.08 168	0.11 305	0.11 184

DCANet	0.20 123	0.15 195	0.57 289	0.19 35	0.09 10	0.19 72	0.18 162	0.37 177	0.41 300	0.30 225	0.31 193	0.19 113	0.23 234	0.21 62	0.20 195	0.07 39	0.05 4	0.07 45	0.05 19	0.07 66	0.10 150

xxxx	0.39 409	0.14 164	0.47 144	0.20 70	0.16 262	0.38 384	0.20 240	0.61 437	0.43 323	0.30 225	0.44 343	0.38 324	0.25 268	0.50 314	2.41 524	0.11 315	0.21 419	0.09 197	0.10 297	0.10 253	0.26 424

GANet-RSSM	0.26 279	0.19 291	0.54 262	0.21 101	0.14 164	0.27 236	0.22 299	0.47 295	0.34 214	0.30 225	0.40 300	0.41 349	0.30 341	0.59 362	0.25 276	0.11 315	0.08 174	0.09 197	0.09 244	0.10 253	0.10 150

FADNet_RVC	0.31 360	0.35 434	0.98 448	0.24 246	0.16 262	0.30 288	0.17 110	0.52 339	0.39 281	0.30 225	0.38 273	0.30 257	0.29 335	0.54 336	0.33 349	0.14 397	0.14 326	0.14 405	0.16 438	0.21 450	0.24 401

MSMDNet	0.23 204	0.14 164	0.49 179	0.20 70	0.13 127	0.28 254	0.17 110	0.47 295	0.47 370	0.30 225	0.36 255	0.37 318	0.24 255	0.29 188	0.21 217	0.09 217	0.07 117	0.09 197	0.08 168	0.11 305	0.11 184

ccs_rob	0.23 204	0.14 164	0.48 159	0.20 70	0.13 127	0.27 236	0.17 110	0.46 285	0.45 346	0.30 225	0.37 266	0.38 324	0.23 234	0.30 203	0.22 234	0.09 217	0.06 48	0.11 325	0.08 168	0.12 345	0.11 184

UCFNet_RVC	0.25 257	0.21 312	0.49 179	0.19 35	0.15 224	0.34 348	0.18 162	0.47 295	0.36 240	0.30 225	0.35 240	0.40 341	0.26 286	0.35 256	0.24 262	0.13 373	0.08 174	0.13 383	0.14 417	0.13 359	0.13 249

DN-CSS_ROB	0.24 232	0.33 421	0.69 359	0.25 282	0.14 164	0.26 229	0.13 19	0.42 238	0.35 224	0.30 225	0.42 319	0.22 146	0.20 206	0.34 249	0.22 234	0.07 39	0.06 48	0.11 325	0.11 330	0.11 305	0.09 96

rvit_105_1	0.28 316	0.24 356	0.65 343	0.27 357	0.19 345	0.31 308	0.35 437	0.46 285	0.53 416	0.31 241	0.32 202	0.32 278	0.27 293	0.36 261	0.26 287	0.16 421	0.14 326	0.15 421	0.17 449	0.11 305	0.11 184

UGAM-zero	0.26 279	0.11 53	0.56 280	0.20 70	0.16 262	0.28 254	0.18 162	0.48 306	0.25 96	0.31 241	0.28 160	0.56 433	0.32 371	0.66 402	0.17 125	0.07 39	0.10 246	0.07 45	0.09 244	0.07 66	0.31 447

mmm	0.25 257	0.15 195	0.44 121	0.23 201	0.20 367	0.28 254	0.21 266	0.43 248	0.32 187	0.31 241	0.40 300	0.30 257	0.24 255	0.31 215	0.28 306	0.09 217	0.21 419	0.11 325	0.12 371	0.10 253	0.26 424

ffm	0.27 306	0.17 257	0.84 414	0.21 101	0.13 127	0.29 275	0.21 266	0.38 188	0.46 357	0.31 241	0.44 343	0.34 293	0.24 255	0.28 167	0.12 9	0.08 145	0.28 469	0.12 358	0.11 330	0.08 122	0.37 471

ff1	0.36 392	0.17 257	0.84 414	0.21 101	0.13 127	0.29 275	0.21 266	0.38 188	0.46 357	0.31 241	0.44 343	0.34 293	0.24 255	0.91 470	1.30 496	0.08 145	0.28 469	0.12 358	0.11 330	0.08 122	0.37 471

mmx	0.37 399	0.17 257	0.84 414	0.21 101	0.13 127	0.29 275	0.21 266	0.57 398	0.48 378	0.31 241	0.44 343	0.34 293	0.24 255	0.91 470	1.30 496	0.10 278	0.20 414	0.12 358	0.11 330	0.11 305	0.23 388

ttt	0.33 373	0.14 164	0.54 262	0.22 150	0.14 164	0.30 288	0.22 299	0.59 420	0.51 403	0.31 241	0.46 370	0.30 257	0.23 234	0.71 418	1.07 485	0.13 373	0.22 430	0.10 270	0.11 330	0.12 345	0.24 401

xxx	0.37 399	0.17 257	0.84 414	0.21 101	0.13 127	0.29 275	0.21 266	0.57 398	0.48 378	0.31 241	0.44 343	0.34 293	0.24 255	0.91 470	1.30 496	0.10 278	0.20 414	0.12 358	0.11 330	0.11 305	0.23 388

MIPNet	0.22 171	0.19 291	0.64 338	0.22 150	0.12 80	0.28 254	0.20 240	0.48 306	0.39 281	0.31 241	0.24 126	0.19 113	0.24 255	0.28 167	0.20 195	0.07 39	0.05 4	0.08 117	0.07 98	0.07 66	0.08 60

GMOStereo	0.20 123	0.17 257	0.45 124	0.23 201	0.18 319	0.21 127	0.27 384	0.28 64	0.28 134	0.31 241	0.32 202	0.28 226	0.17 152	0.16 8	0.13 26	0.07 39	0.23 440	0.10 270	0.08 168	0.08 122	0.07 19

error version	0.20 123	0.17 257	0.45 124	0.23 201	0.18 319	0.21 127	0.27 384	0.28 64	0.28 134	0.31 241	0.32 202	0.28 226	0.17 152	0.16 8	0.13 26	0.07 39	0.23 440	0.10 270	0.08 168	0.08 122	0.07 19

test-v	0.20 123	0.17 257	0.45 124	0.23 201	0.18 319	0.21 127	0.27 384	0.28 64	0.28 134	0.31 241	0.32 202	0.28 226	0.17 152	0.16 8	0.13 26	0.07 39	0.23 440	0.10 270	0.08 168	0.08 122	0.07 19

STrans-v2	0.25 257	0.14 164	0.56 280	0.21 101	0.12 80	0.23 174	0.20 240	0.50 323	0.31 177	0.31 241	0.42 319	0.35 307	0.35 388	0.62 384	0.24 262	0.07 39	0.05 4	0.08 117	0.07 98	0.06 12	0.08 60

IRAFT_RVC	0.23 204	0.15 195	0.54 262	0.26 321	0.12 80	0.19 72	0.23 328	0.41 233	0.39 281	0.31 241	0.30 182	0.29 239	0.24 255	0.55 341	0.23 253	0.08 145	0.06 48	0.10 270	0.08 168	0.08 122	0.08 60

test-2	0.20 123	0.17 257	0.45 124	0.23 201	0.18 319	0.21 127	0.27 384	0.28 64	0.28 134	0.31 241	0.32 202	0.28 226	0.17 152	0.16 8	0.13 26	0.07 39	0.23 440	0.10 270	0.08 168	0.08 122	0.07 19

GMM-Stereo	0.22 171	0.10 31	0.56 280	0.23 201	0.13 127	0.24 196	0.24 352	0.38 188	0.29 152	0.31 241	0.44 343	0.27 213	0.21 216	0.31 215	0.17 125	0.07 39	0.05 4	0.10 270	0.09 244	0.08 122	0.19 341

GES	0.23 204	0.14 164	0.54 262	0.21 101	0.14 164	0.28 254	0.19 205	0.51 333	0.35 224	0.31 241	0.36 255	0.25 189	0.24 255	0.30 203	0.23 253	0.11 315	0.09 214	0.08 117	0.08 168	0.10 253	0.12 225

HCRNet	0.25 257	0.27 389	0.42 107	0.34 447	0.17 292	0.27 236	0.18 162	0.45 278	0.37 255	0.31 241	0.35 240	0.32 278	0.23 234	0.44 295	0.21 217	0.13 373	0.08 174	0.13 383	0.11 330	0.11 305	0.09 96

FENet	0.22 171	0.13 119	0.48 159	0.22 150	0.12 80	0.27 236	0.18 162	0.43 248	0.37 255	0.31 241	0.32 202	0.29 239	0.23 234	0.27 146	0.24 262	0.10 278	0.07 117	0.09 197	0.09 244	0.09 194	0.11 184

PSMNet-RSSM	0.26 279	0.21 312	0.50 201	0.21 101	0.14 164	0.25 212	0.21 266	0.50 323	0.38 265	0.31 241	0.45 358	0.40 341	0.27 293	0.53 330	0.24 262	0.12 354	0.08 174	0.11 325	0.13 401	0.10 253	0.10 150

BEATNet_4x	0.25 257	0.25 371	0.66 349	0.23 201	0.10 32	0.29 275	0.14 37	0.49 315	0.34 214	0.31 241	0.35 240	0.32 278	0.26 286	0.34 249	0.33 349	0.08 145	0.06 48	0.08 117	0.07 98	0.11 305	0.13 249

R-Stereo Train	0.19 95	0.10 31	0.49 179	0.22 150	0.12 80	0.23 174	0.18 162	0.43 248	0.20 32	0.31 241	0.45 358	0.20 125	0.14 106	0.18 28	0.18 150	0.08 145	0.06 48	0.07 45	0.06 51	0.06 12	0.07 19

RAFT-Stereo	0.19 95	0.10 31	0.49 179	0.22 150	0.12 80	0.23 174	0.18 162	0.43 248	0.20 32	0.31 241	0.45 358	0.20 125	0.14 106	0.18 28	0.18 150	0.08 145	0.06 48	0.07 45	0.06 51	0.06 12	0.07 19
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.30 349	0.19 291	0.59 311	0.23 201	0.19 345	0.33 332	0.20 240	0.50 323	0.41 300	0.31 241	0.44 343	0.47 398	0.38 403	0.79 445	0.40 381	0.09 217	0.07 117	0.07 45	0.09 244	0.08 122	0.10 150

CFNet	0.29 336	0.29 401	0.57 289	0.23 201	0.14 164	0.34 348	0.15 56	0.53 349	0.46 357	0.31 241	0.40 300	0.38 324	0.27 293	0.76 437	0.28 306	0.10 278	0.07 117	0.11 325	0.11 330	0.11 305	0.09 96

PAM_32	0.26 279	0.10 31	0.63 333	0.24 246	0.19 345	0.51 444	0.26 376	0.43 248	0.30 168	0.32 266	0.28 160	0.60 447	0.28 315	0.29 188	0.20 195	0.08 145	0.14 326	0.08 117	0.10 297	0.07 66	0.15 291

UGAM	0.28 316	0.18 279	0.57 289	0.26 321	0.13 127	0.23 174	0.26 376	0.33 135	0.45 346	0.32 266	0.42 319	0.45 380	0.22 223	0.92 475	0.23 253	0.08 145	0.09 214	0.14 405	0.13 401	0.10 253	0.10 150

ITSA-stereo	0.26 279	0.16 226	0.39 82	0.24 246	0.11 47	0.28 254	0.18 162	0.58 411	0.59 443	0.32 266	0.32 202	0.33 285	0.28 315	0.51 320	0.34 356	0.11 315	0.08 174	0.11 325	0.11 330	0.11 305	0.15 291

test_sample3	0.25 257	0.14 164	0.52 239	0.20 70	0.12 80	0.33 332	0.20 240	0.53 349	0.38 265	0.32 266	0.35 240	0.29 239	0.24 255	0.54 336	0.25 276	0.10 278	0.14 326	0.09 197	0.09 244	0.11 305	0.15 291

MyStereo05	0.24 232	0.15 195	0.58 304	0.22 150	0.14 164	0.25 212	0.22 299	0.50 323	0.54 421	0.32 266	0.23 119	0.26 208	0.23 234	0.32 224	0.25 276	0.07 39	0.12 290	0.09 197	0.09 244	0.09 194	0.11 184

1111x	0.39 409	0.17 257	0.80 400	0.23 201	0.15 224	0.33 332	0.27 384	0.62 445	0.48 378	0.32 266	0.43 333	0.40 341	0.29 335	0.86 460	1.60 511	0.09 217	0.23 440	0.09 197	0.12 371	0.10 253	0.23 388

CFNet_ucs	0.25 257	0.14 164	0.51 218	0.20 70	0.15 224	0.29 275	0.18 162	0.51 333	0.46 357	0.32 266	0.42 319	0.38 324	0.23 234	0.31 215	0.22 234	0.11 315	0.08 174	0.12 358	0.09 244	0.13 359	0.13 249

CIPLG	0.23 204	0.28 397	0.75 381	0.24 246	0.16 262	0.25 212	0.20 240	0.38 188	0.33 203	0.32 266	0.34 232	0.23 160	0.15 120	0.27 146	0.22 234	0.09 217	0.07 117	0.08 117	0.07 98	0.08 122	0.09 96

IPLGR_C	0.23 204	0.29 401	0.81 401	0.24 246	0.16 262	0.24 196	0.20 240	0.38 188	0.33 203	0.32 266	0.33 222	0.23 160	0.15 120	0.26 134	0.22 234	0.09 217	0.07 117	0.08 117	0.07 98	0.08 122	0.09 96

ACRE	0.23 204	0.27 389	0.83 410	0.24 246	0.15 224	0.24 196	0.20 240	0.38 188	0.32 187	0.32 266	0.33 222	0.23 160	0.15 120	0.26 134	0.22 234	0.09 217	0.07 117	0.08 117	0.07 98	0.08 122	0.09 96

cf-r	0.26 279	0.22 330	0.66 349	0.22 150	0.14 164	0.28 254	0.22 299	0.44 269	0.42 312	0.32 266	0.42 319	0.43 368	0.27 293	0.44 295	0.27 298	0.11 315	0.07 117	0.08 117	0.10 297	0.08 122	0.09 96

DMCA	0.24 232	0.18 279	0.51 218	0.23 201	0.14 164	0.27 236	0.20 240	0.45 278	0.40 291	0.32 266	0.33 222	0.33 285	0.25 268	0.27 146	0.30 322	0.11 315	0.08 174	0.10 270	0.08 168	0.11 305	0.12 225

FADNet	0.34 383	0.43 462	0.88 429	0.24 246	0.22 397	0.37 378	0.19 205	0.56 389	0.49 391	0.32 266	0.36 255	0.43 368	0.32 371	0.65 396	0.30 322	0.17 435	0.16 367	0.14 405	0.16 438	0.25 465	0.21 367

G2L-Stereo	0.27 306	0.23 345	0.61 324	0.22 150	0.14 164	0.25 212	0.19 205	0.48 306	0.37 255	0.33 279	0.38 273	0.40 341	0.23 234	0.61 373	0.33 349	0.11 315	0.09 214	0.10 270	0.08 168	0.09 194	0.11 184

model_zeroshot	0.21 153	0.14 164	0.51 218	0.34 447	0.18 319	0.26 229	0.16 82	0.41 233	0.24 73	0.33 279	0.20 84	0.25 189	0.12 65	0.26 134	0.16 102	0.09 217	0.21 419	0.07 45	0.08 168	0.07 66	0.13 249

test_sample5	0.26 279	0.14 164	0.51 218	0.21 101	0.12 80	0.31 308	0.21 266	0.53 349	0.38 265	0.33 279	0.43 333	0.29 239	0.25 268	0.56 347	0.24 262	0.10 278	0.14 326	0.10 270	0.10 297	0.11 305	0.16 306

test_sample4	0.26 279	0.14 164	0.53 250	0.21 101	0.12 80	0.32 325	0.21 266	0.53 349	0.38 265	0.33 279	0.38 273	0.28 226	0.25 268	0.54 336	0.25 276	0.10 278	0.14 326	0.10 270	0.09 244	0.11 305	0.16 306

DispNO	0.29 336	0.24 356	0.83 410	0.23 201	0.17 292	0.25 212	0.22 299	0.47 295	0.42 312	0.33 279	0.39 291	0.38 324	0.28 315	0.78 441	0.35 363	0.09 217	0.07 117	0.10 270	0.10 297	0.09 194	0.09 96

anonymousa	0.26 279	0.13 119	0.56 280	0.29 399	0.30 458	0.31 308	0.20 240	0.38 188	0.36 240	0.33 279	0.51 394	0.41 349	0.27 293	0.25 115	0.24 262	0.08 145	0.18 399	0.09 197	0.18 454	0.08 122	0.17 324

DisPM	0.20 123	0.11 53	0.52 239	0.24 246	0.13 127	0.18 60	0.19 205	0.30 94	0.31 177	0.33 279	0.34 232	0.23 160	0.16 136	0.34 249	0.17 125	0.09 217	0.06 48	0.09 197	0.08 168	0.08 122	0.12 225

raft_robust	0.25 257	0.23 345	0.44 121	0.22 150	0.13 127	0.23 174	0.22 299	0.52 339	0.50 397	0.33 279	0.32 202	0.33 285	0.23 234	0.55 341	0.18 150	0.07 39	0.11 273	0.08 117	0.10 297	0.08 122	0.07 19

NINENet	0.27 306	0.16 226	0.49 179	0.23 201	0.16 262	0.44 413	0.17 110	0.63 449	0.49 391	0.33 279	0.38 273	0.31 267	0.22 223	0.43 291	0.22 234	0.11 315	0.10 246	0.12 358	0.08 168	0.12 345	0.11 184

IPLG	0.23 204	0.19 291	0.65 343	0.21 101	0.12 80	0.28 254	0.17 110	0.45 278	0.32 187	0.33 279	0.32 202	0.16 81	0.17 152	0.50 314	0.23 253	0.07 39	0.06 48	0.08 117	0.07 98	0.07 66	0.08 60

ADLNet2	0.31 360	0.23 345	0.77 391	0.23 201	0.18 319	0.36 370	0.24 352	0.55 380	0.54 421	0.33 279	0.38 273	0.45 380	0.31 359	0.70 413	0.36 367	0.10 278	0.08 174	0.09 197	0.09 244	0.12 345	0.11 184

PFNet+	0.21 153	0.11 53	0.54 262	0.22 150	0.12 80	0.17 43	0.18 162	0.31 110	0.36 240	0.33 279	0.32 202	0.24 177	0.16 136	0.33 234	0.18 150	0.10 278	0.07 117	0.11 325	0.10 297	0.08 122	0.12 225

HHNet	0.23 204	0.12 93	0.66 349	0.19 35	0.18 319	0.20 102	0.20 240	0.36 163	0.32 187	0.33 279	0.59 432	0.19 113	0.21 216	0.24 101	0.31 332	0.08 145	0.06 48	0.09 197	0.07 98	0.08 122	0.12 225

RAFT_R40	0.22 171	0.11 53	0.52 239	0.25 282	0.13 127	0.18 60	0.18 162	0.32 117	0.31 177	0.33 279	0.33 222	0.30 257	0.23 234	0.55 341	0.19 176	0.08 145	0.05 4	0.10 270	0.08 168	0.09 194	0.07 19

Pruner-Stereo	0.20 123	0.12 93	0.49 179	0.29 399	0.12 80	0.19 72	0.17 110	0.32 117	0.31 177	0.33 279	0.32 202	0.25 189	0.15 120	0.25 115	0.22 234	0.09 217	0.06 48	0.09 197	0.08 168	0.08 122	0.10 150

Prome-Stereo	0.22 171	0.10 31	0.43 113	0.24 246	0.13 127	0.23 174	0.23 328	0.37 177	0.27 124	0.33 279	0.58 428	0.24 177	0.28 315	0.30 203	0.16 102	0.07 39	0.05 4	0.08 117	0.07 98	0.08 122	0.20 358

test_xeample	0.39 409	0.14 164	0.46 138	0.19 35	0.16 262	0.34 348	0.22 299	0.59 420	0.43 323	0.33 279	0.47 378	0.30 257	0.27 293	0.60 367	2.44 525	0.10 278	0.21 419	0.09 197	0.09 244	0.09 194	0.25 412

ARAFT	0.26 279	0.30 407	0.87 423	0.22 150	0.12 80	0.30 288	0.24 352	0.46 285	0.34 214	0.33 279	0.28 160	0.29 239	0.20 206	0.49 310	0.19 176	0.08 145	0.06 48	0.12 358	0.11 330	0.09 194	0.09 96

GwcNet-RSSM	0.28 316	0.25 371	0.61 324	0.22 150	0.14 164	0.28 254	0.24 352	0.46 285	0.44 335	0.33 279	0.46 370	0.41 349	0.28 315	0.55 341	0.31 332	0.11 315	0.07 117	0.09 197	0.10 297	0.10 253	0.09 96

DDVS	0.26 279	0.16 226	0.45 124	0.25 282	0.17 292	0.34 348	0.21 266	0.43 248	0.31 177	0.34 298	0.41 311	0.47 398	0.21 216	0.52 327	0.29 319	0.11 315	0.09 214	0.11 325	0.09 244	0.13 359	0.16 306

test_sample6	0.27 306	0.15 195	0.50 201	0.22 150	0.12 80	0.30 288	0.22 299	0.54 362	0.39 281	0.34 298	0.44 343	0.29 239	0.25 268	0.58 354	0.26 287	0.11 315	0.14 326	0.10 270	0.10 297	0.11 305	0.16 306

DualNet	0.26 279	0.14 164	0.51 218	0.21 101	0.12 80	0.31 308	0.21 266	0.53 349	0.38 265	0.34 298	0.44 343	0.29 239	0.25 268	0.56 347	0.24 262	0.10 278	0.14 326	0.10 270	0.10 297	0.11 305	0.16 306

IGEV_Zeroshot_test	0.23 204	0.11 53	0.82 405	0.21 101	0.23 408	0.20 102	0.19 205	0.38 188	0.23 62	0.34 298	0.22 111	0.29 239	0.14 106	0.24 101	0.20 195	0.07 39	0.09 214	0.08 117	0.08 168	0.08 122	0.35 462

CBFPSM	0.28 316	0.23 345	0.76 385	0.21 101	0.14 164	0.38 384	0.26 376	0.42 238	0.37 255	0.34 298	0.36 255	0.55 429	0.38 403	0.33 234	0.40 381	0.08 145	0.08 174	0.07 45	0.08 168	0.09 194	0.12 225

CASS	0.22 171	0.16 226	0.40 91	0.26 321	0.12 80	0.29 275	0.19 205	0.40 215	0.32 187	0.34 298	0.35 240	0.25 189	0.25 268	0.26 134	0.21 217	0.13 373	0.08 174	0.11 325	0.09 244	0.11 305	0.12 225
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
BUS	0.24 232	0.13 119	0.36 69	0.25 282	0.14 164	0.44 413	0.17 110	0.59 420	0.36 240	0.34 298	0.35 240	0.31 267	0.22 223	0.27 146	0.22 234	0.10 278	0.07 117	0.11 325	0.10 297	0.09 194	0.10 150

IER	0.24 232	0.15 195	0.50 201	0.21 101	0.15 224	0.31 308	0.20 240	0.44 269	0.38 265	0.34 298	0.41 311	0.32 278	0.34 381	0.31 215	0.23 253	0.09 217	0.07 117	0.08 117	0.08 168	0.09 194	0.09 96

RAFT_CTSACE	0.23 204	0.21 312	0.57 289	0.26 321	0.15 224	0.22 155	0.23 328	0.34 142	0.30 168	0.34 298	0.51 394	0.31 267	0.17 152	0.33 234	0.15 84	0.06 2	0.09 214	0.09 197	0.08 168	0.08 122	0.07 19

BSDual-CNN	0.24 232	0.13 119	0.36 69	0.25 282	0.14 164	0.35 363	0.22 299	0.59 420	0.36 240	0.34 298	0.35 240	0.38 324	0.25 268	0.27 146	0.28 306	0.10 278	0.07 117	0.11 325	0.10 297	0.09 194	0.10 150

hknet	0.26 279	0.15 195	0.49 179	0.25 282	0.16 262	0.35 363	0.22 299	0.59 420	0.40 291	0.34 298	0.35 240	0.43 368	0.28 315	0.38 274	0.26 287	0.09 217	0.07 117	0.11 325	0.10 297	0.09 194	0.10 150

OMP-Stereo	0.24 232	0.16 226	0.48 159	0.30 410	0.13 127	0.21 127	0.16 82	0.38 188	0.35 224	0.34 298	0.30 182	0.33 285	0.20 206	0.70 413	0.24 262	0.08 145	0.06 48	0.09 197	0.07 98	0.08 122	0.07 19

SST-Stereo	0.22 171	0.11 53	0.52 239	0.25 282	0.14 164	0.19 72	0.17 110	0.32 117	0.26 107	0.34 298	0.33 222	0.29 239	0.25 268	0.56 347	0.18 150	0.08 145	0.05 4	0.10 270	0.08 168	0.09 194	0.07 19

RAFT	0.24 232	0.24 356	0.46 138	0.27 357	0.15 224	0.26 229	0.26 376	0.37 177	0.31 177	0.34 298	0.34 232	0.41 349	0.22 223	0.30 203	0.18 150	0.08 145	0.15 355	0.11 325	0.10 297	0.11 305	0.13 249

FADNet-RVC	0.34 383	0.43 462	0.97 446	0.25 282	0.20 367	0.33 332	0.20 240	0.51 333	0.42 312	0.34 298	0.40 300	0.41 349	0.29 335	0.65 396	0.36 367	0.14 397	0.14 326	0.14 405	0.15 428	0.19 437	0.20 358

AdaStereo	0.25 257	0.17 257	0.47 144	0.25 282	0.13 127	0.33 332	0.17 110	0.57 398	0.43 323	0.34 298	0.38 273	0.35 307	0.21 216	0.32 224	0.24 262	0.14 397	0.06 48	0.13 383	0.09 244	0.11 305	0.09 96
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.
iResNet	0.25 257	0.22 330	0.62 328	0.26 321	0.11 47	0.31 308	0.23 328	0.46 285	0.45 346	0.34 298	0.43 333	0.27 213	0.23 234	0.36 261	0.37 373	0.08 145	0.05 4	0.07 45	0.06 51	0.08 122	0.10 150

NOSS_ROB	0.33 373	0.24 356	0.49 179	0.27 357	0.16 262	0.34 348	0.19 205	0.55 380	0.50 397	0.34 298	0.37 266	0.42 361	0.30 341	0.93 477	0.25 276	0.19 455	0.20 414	0.24 469	0.22 470	0.17 413	0.25 412

coex_refinement	0.28 316	0.22 330	0.50 201	0.23 201	0.15 224	0.31 308	0.20 240	0.51 333	0.43 323	0.35 316	0.42 319	0.45 380	0.27 293	0.56 347	0.41 385	0.10 278	0.07 117	0.07 45	0.07 98	0.11 305	0.12 225

SMFormer	0.27 306	0.13 119	0.47 144	0.20 70	0.10 32	0.28 254	0.19 205	0.54 362	0.48 378	0.35 316	0.42 319	0.31 267	0.27 293	0.60 367	0.34 356	0.10 278	0.16 367	0.08 117	0.09 244	0.10 253	0.16 306

tta	0.27 306	0.13 119	0.47 144	0.20 70	0.10 32	0.28 254	0.19 205	0.54 362	0.48 378	0.35 316	0.42 319	0.31 267	0.27 293	0.60 367	0.34 356	0.10 278	0.16 367	0.08 117	0.09 244	0.08 122	0.13 249

qqq1	0.26 279	0.13 119	0.47 144	0.20 70	0.10 32	0.28 254	0.19 205	0.54 362	0.48 378	0.35 316	0.42 319	0.31 267	0.27 293	0.60 367	0.21 217	0.10 278	0.16 367	0.07 45	0.07 98	0.08 122	0.13 249

fff1	0.26 279	0.13 119	0.47 144	0.20 70	0.10 32	0.28 254	0.19 205	0.54 362	0.48 378	0.35 316	0.42 319	0.31 267	0.27 293	0.60 367	0.21 217	0.10 278	0.16 367	0.07 45	0.07 98	0.08 122	0.13 249

LL-Strereo	0.32 366	0.33 421	0.77 391	0.26 321	0.24 422	0.22 155	0.23 328	0.58 411	0.44 335	0.35 316	0.32 202	0.41 349	0.40 413	0.93 477	0.25 276	0.08 145	0.13 309	0.11 325	0.09 244	0.09 194	0.22 380

AAGNet	0.34 383	0.12 93	0.53 250	0.26 321	0.16 262	0.20 102	0.19 205	0.31 110	0.29 152	0.35 316	0.35 240	0.27 213	0.30 341	0.44 295	2.56 526	0.08 145	0.05 4	0.10 270	0.07 98	0.09 194	0.07 19

IIG-Stereo	0.24 232	0.16 226	0.47 144	0.29 399	0.12 80	0.23 174	0.14 37	0.40 215	0.33 203	0.35 316	0.37 266	0.33 285	0.22 223	0.70 413	0.26 287	0.08 145	0.06 48	0.09 197	0.07 98	0.08 122	0.07 19

KYRaft	0.23 204	0.11 53	0.43 113	0.23 201	0.12 80	0.23 174	0.23 328	0.37 177	0.26 107	0.35 316	0.53 408	0.34 293	0.26 286	0.29 188	0.16 102	0.07 39	0.05 4	0.09 197	0.10 297	0.08 122	0.30 443

GEStereo_RVC	0.29 336	0.24 356	0.60 318	0.27 357	0.16 262	0.33 332	0.25 365	0.58 411	0.56 432	0.35 316	0.38 273	0.34 293	0.25 268	0.51 320	0.29 319	0.12 354	0.08 174	0.09 197	0.08 168	0.11 305	0.13 249

delet	0.29 336	0.18 279	0.58 304	0.24 246	0.19 345	0.41 399	0.30 412	0.52 339	0.51 403	0.35 316	0.42 319	0.37 318	0.31 359	0.49 310	0.36 367	0.10 278	0.09 214	0.11 325	0.12 371	0.09 194	0.09 96

PA-Net	0.40 420	0.35 434	1.05 454	0.32 431	0.28 445	0.39 388	0.43 467	0.53 349	0.56 432	0.35 316	0.43 333	0.41 349	0.36 393	0.83 456	0.61 445	0.12 354	0.23 440	0.16 429	0.23 474	0.13 359	0.20 358
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
PAM	0.26 279	0.11 53	0.63 333	0.25 282	0.18 319	0.53 453	0.29 405	0.44 269	0.28 134	0.36 328	0.27 154	0.59 441	0.26 286	0.28 167	0.20 195	0.08 145	0.12 290	0.07 45	0.10 297	0.07 66	0.13 249

MyStereo06	0.23 204	0.15 195	0.74 378	0.22 150	0.14 164	0.25 212	0.22 299	0.43 248	0.25 96	0.36 328	0.24 126	0.34 293	0.18 180	0.24 101	0.20 195	0.07 39	0.12 290	0.09 197	0.09 244	0.09 194	0.11 184

iinet-f	0.31 360	0.23 345	1.16 470	0.20 70	0.16 262	0.44 413	0.23 328	0.47 295	0.38 265	0.36 328	0.44 343	0.41 349	0.35 388	0.36 261	0.43 393	0.10 278	0.09 214	0.08 117	0.08 168	0.13 359	0.12 225

Anonymous_2	0.44 435	0.23 345	0.57 289	0.34 447	0.34 471	0.53 453	0.28 399	0.49 315	0.39 281	0.36 328	0.34 232	0.48 402	0.38 403	0.43 291	0.33 349	0.26 475	0.41 498	0.44 495	1.45 530	0.33 486	0.37 471

psmg	0.24 232	0.13 119	0.36 69	0.21 101	0.14 164	0.35 363	0.23 328	0.54 362	0.36 240	0.36 328	0.38 273	0.38 324	0.25 268	0.27 146	0.28 306	0.10 278	0.08 174	0.10 270	0.10 297	0.09 194	0.09 96

AASNet	0.29 336	0.27 389	0.67 352	0.26 321	0.18 319	0.34 348	0.21 266	0.64 454	0.49 391	0.36 328	0.41 311	0.32 278	0.26 286	0.33 234	0.39 379	0.12 354	0.09 214	0.10 270	0.08 168	0.14 381	0.12 225

PSM-AAD	0.26 279	0.11 53	0.43 113	0.24 246	0.12 80	0.27 236	0.37 445	0.36 163	0.30 168	0.36 328	0.39 291	0.28 226	0.77 485	0.30 203	0.16 102	0.07 39	0.06 48	0.12 358	0.11 330	0.09 194	0.21 367

DEmStereo	0.26 279	0.10 31	0.52 239	0.19 35	0.13 127	0.31 308	0.25 365	0.29 81	0.38 265	0.36 328	0.57 425	0.24 177	0.48 443	0.53 330	0.44 400	0.07 39	0.06 48	0.08 117	0.08 168	0.07 66	0.08 60

PFNet	0.24 232	0.11 53	0.63 333	0.25 282	0.14 164	0.22 155	0.19 205	0.40 215	0.35 224	0.36 328	0.32 202	0.27 213	0.20 206	0.63 387	0.23 253	0.09 217	0.05 4	0.09 197	0.08 168	0.08 122	0.08 60

UNet	0.28 316	0.16 226	0.70 365	0.24 246	0.20 367	0.44 413	0.21 266	0.52 339	0.42 312	0.36 328	0.40 300	0.43 368	0.33 379	0.41 282	0.32 340	0.09 217	0.07 117	0.10 270	0.09 244	0.10 253	0.09 96

UPFNet	0.27 306	0.15 195	0.47 144	0.25 282	0.20 367	0.37 378	0.27 384	0.50 323	0.40 291	0.36 328	0.38 273	0.37 318	0.29 335	0.40 279	0.34 356	0.10 278	0.10 246	0.10 270	0.10 297	0.10 253	0.08 60

ac_64	0.28 316	0.16 226	0.62 328	0.25 282	0.17 292	0.36 370	0.22 299	0.48 306	0.35 224	0.36 328	0.37 266	0.51 415	0.30 341	0.62 384	0.34 356	0.11 315	0.09 214	0.10 270	0.10 297	0.09 194	0.09 96

HGLStereo	0.29 336	0.19 291	0.60 318	0.24 246	0.21 382	0.33 332	0.23 328	0.52 339	0.44 335	0.36 328	0.49 388	0.41 349	0.35 388	0.46 303	0.34 356	0.11 315	0.11 273	0.09 197	0.09 244	0.11 305	0.12 225

FADNet-RVC-Resample	0.31 360	0.32 417	1.16 470	0.27 357	0.17 292	0.33 332	0.21 266	0.49 315	0.40 291	0.36 328	0.38 273	0.34 293	0.27 293	0.54 336	0.27 298	0.10 278	0.10 246	0.14 405	0.13 401	0.13 359	0.18 327

DeepPruner_ROB	0.28 316	0.25 371	0.64 338	0.22 150	0.16 262	0.30 288	0.21 266	0.54 362	0.33 203	0.36 328	0.38 273	0.38 324	0.26 286	0.45 301	0.28 306	0.15 411	0.11 273	0.11 325	0.11 330	0.14 381	0.14 275

HSM	0.29 336	0.18 279	0.48 159	0.21 101	0.15 224	0.33 332	0.20 240	0.55 380	0.39 281	0.36 328	0.39 291	0.67 472	0.32 371	0.88 463	0.24 262	0.09 217	0.07 117	0.08 117	0.07 98	0.09 194	0.10 150

xyz-stereo	1.43 513	0.11 53	17.43 544	0.18 15	0.08 4	4.86 530	0.18 162	0.31 110	0.35 224	0.37 344	2.75 528	0.41 349	0.31 359	0.58 354	0.33 349	0.07 39	0.05 4	0.09 197	0.06 51	0.06 12	0.06 6

GMStereo_Zeroshot	0.25 257	0.22 330	0.51 218	0.27 357	0.14 164	0.28 254	0.15 56	0.40 215	0.36 240	0.37 344	0.43 333	0.40 341	0.17 152	0.35 256	0.21 217	0.12 354	0.07 117	0.13 383	0.07 98	0.17 413	0.10 150

gwcnet-sp	0.25 257	0.16 226	0.70 365	0.23 201	0.14 164	0.34 348	0.22 299	0.46 285	0.41 300	0.37 344	0.35 240	0.27 213	0.27 293	0.36 261	0.26 287	0.09 217	0.08 174	0.09 197	0.09 244	0.10 253	0.10 150

scenet	0.25 257	0.16 226	0.70 365	0.23 201	0.14 164	0.34 348	0.22 299	0.46 285	0.41 300	0.37 344	0.35 240	0.27 213	0.27 293	0.36 261	0.26 287	0.09 217	0.08 174	0.09 197	0.09 244	0.10 253	0.10 150

ssnet	0.25 257	0.16 226	0.70 365	0.23 201	0.14 164	0.34 348	0.22 299	0.46 285	0.41 300	0.37 344	0.35 240	0.27 213	0.27 293	0.36 261	0.26 287	0.09 217	0.08 174	0.09 197	0.09 244	0.10 253	0.10 150

THIR-Stereo	0.30 349	0.15 195	0.46 138	0.19 35	0.11 47	0.28 254	0.70 499	0.33 135	0.36 240	0.37 344	0.64 448	0.33 285	0.49 448	0.58 354	0.44 400	0.08 145	0.06 48	0.08 117	0.09 244	0.07 66	0.08 60

pcwnet_v2	0.32 366	0.16 226	1.22 481	0.23 201	0.19 345	0.32 325	0.19 205	0.61 437	0.61 447	0.37 344	0.45 358	0.35 307	0.29 335	0.37 271	0.26 287	0.14 397	0.11 273	0.12 358	0.11 330	0.14 381	0.18 327

222	0.45 438	0.14 164	0.43 113	0.19 35	0.15 224	0.36 370	0.20 240	0.60 430	0.43 323	0.37 344	0.45 358	0.30 257	0.28 315	0.59 362	3.72 530	0.11 315	0.19 403	0.08 117	0.09 244	0.09 194	0.27 428

hitnet-ft	0.31 360	0.21 312	0.56 280	0.19 35	0.14 164	0.40 394	0.23 328	0.46 285	0.42 312	0.37 344	0.46 370	0.53 426	0.35 388	0.76 437	0.35 363	0.14 397	0.10 246	0.14 405	0.10 297	0.15 391	0.14 275

TCMNet	0.34 383	0.28 397	0.81 401	0.29 399	0.30 458	0.40 394	0.28 399	0.53 349	0.49 391	0.38 353	0.46 370	0.40 341	0.30 341	0.61 373	0.42 389	0.14 397	0.13 309	0.15 421	0.14 417	0.18 428	0.19 341

HI	0.21 153	0.16 226	0.50 201	0.18 15	0.15 224	0.17 43	0.16 82	0.35 151	0.22 53	0.38 353	0.38 273	0.36 312	0.24 255	0.29 188	0.22 234	0.06 2	0.05 4	0.08 117	0.09 244	0.09 194	0.08 60

CoSv	0.21 153	0.16 226	0.50 201	0.18 15	0.15 224	0.17 43	0.16 82	0.35 151	0.22 53	0.38 353	0.38 273	0.36 312	0.24 255	0.29 188	0.22 234	0.06 2	0.05 4	0.08 117	0.09 244	0.09 194	0.08 60

DualNet (step1)	0.31 360	0.21 312	0.69 359	0.18 15	0.17 292	0.36 370	0.21 266	0.54 362	0.43 323	0.38 353	0.36 255	0.38 324	0.32 371	0.41 282	0.26 287	0.24 466	0.21 419	0.28 478	0.24 476	0.18 428	0.21 367

test_sample9	0.45 438	0.21 312	0.69 359	0.18 15	0.17 292	0.36 370	0.21 266	0.54 362	0.43 323	0.38 353	0.36 255	0.38 324	0.32 371	0.70 413	1.01 478	0.24 466	1.93 531	0.28 478	0.24 476	0.18 428	0.21 367

test_sample7	0.28 316	0.16 226	0.47 144	0.21 101	0.14 164	0.29 275	0.22 299	0.54 362	0.43 323	0.38 353	0.36 255	0.38 324	0.32 371	0.41 282	0.26 287	0.14 397	0.21 419	0.13 383	0.12 371	0.13 359	0.25 412

CrosDoStereo	0.32 366	0.11 53	0.53 250	0.19 35	0.12 80	0.22 155	1.07 518	0.36 163	0.38 265	0.38 353	0.60 436	0.28 226	0.45 430	0.61 373	0.56 436	0.08 145	0.06 48	0.08 117	0.09 244	0.08 122	0.09 96

FTStereo	0.28 316	0.11 53	0.56 280	0.24 246	0.13 127	0.21 127	0.52 485	0.36 163	0.28 134	0.38 353	0.94 486	0.30 257	0.56 462	0.33 234	0.18 150	0.08 145	0.06 48	0.09 197	0.08 168	0.08 122	0.19 341

DeepStereo_LL	0.32 366	0.11 53	0.53 250	0.19 35	0.12 80	0.22 155	1.07 518	0.36 163	0.38 265	0.38 353	0.60 436	0.28 226	0.45 430	0.61 373	0.56 436	0.08 145	0.06 48	0.08 117	0.09 244	0.08 122	0.09 96

DRaft	0.25 257	0.11 53	0.47 144	0.18 15	0.12 80	0.28 254	0.23 328	0.34 142	0.40 291	0.38 353	0.60 436	0.20 125	0.41 418	0.48 308	0.41 385	0.07 39	0.06 48	0.08 117	0.08 168	0.07 66	0.08 60

RAFT-RH_RVC	0.26 279	0.13 119	0.57 289	0.22 150	0.12 80	0.25 212	0.14 37	0.27 59	0.29 152	0.38 353	1.14 494	0.23 160	0.18 180	0.58 354	0.24 262	0.07 39	0.06 48	0.10 270	0.07 98	0.06 12	0.08 60

DGSMNet	0.63 481	0.32 417	1.01 451	0.54 494	0.73 508	0.62 467	1.36 526	0.62 445	0.58 436	0.38 353	0.62 446	0.52 422	0.34 381	0.65 396	0.47 411	0.54 501	0.61 518	0.67 506	0.61 514	0.65 502	0.69 514

psm_up	0.30 349	0.21 312	0.58 304	0.26 321	0.18 319	0.32 325	0.27 384	0.57 398	0.45 346	0.38 353	0.41 311	0.45 380	0.40 413	0.59 362	0.32 340	0.11 315	0.12 290	0.13 383	0.12 371	0.11 305	0.11 184

NLCA_NET_v2_RVC	0.29 336	0.24 356	0.81 401	0.26 321	0.18 319	0.30 288	0.22 299	0.52 339	0.41 300	0.38 353	0.42 319	0.42 361	0.28 315	0.46 303	0.31 332	0.11 315	0.08 174	0.10 270	0.11 330	0.10 253	0.12 225
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.33 373	0.36 440	0.61 324	0.24 246	0.18 319	0.33 332	0.24 352	0.59 420	0.42 312	0.38 353	0.52 401	0.36 312	0.31 359	0.80 448	0.32 340	0.18 446	0.14 326	0.21 460	0.15 428	0.17 413	0.14 275

MLCV	0.25 257	0.23 345	0.59 311	0.22 150	0.09 10	0.30 288	0.18 162	0.40 215	0.38 265	0.38 353	0.44 343	0.31 267	0.22 223	0.44 295	0.32 340	0.07 39	0.05 4	0.07 45	0.06 51	0.07 66	0.08 60

DISCO	0.33 373	0.16 226	0.55 270	0.26 321	0.16 262	0.48 435	0.25 365	0.52 339	0.58 436	0.38 353	0.45 358	0.63 457	0.37 398	0.65 396	0.50 420	0.10 278	0.07 117	0.09 197	0.08 168	0.13 359	0.13 249

AACVNet	0.28 316	0.22 330	0.55 270	0.23 201	0.14 164	0.30 288	0.19 205	0.43 248	0.33 203	0.39 370	0.42 319	0.44 374	0.29 335	0.73 422	0.28 306	0.11 315	0.09 214	0.11 325	0.09 244	0.13 359	0.12 225

GwcNet	0.37 399	0.29 401	1.12 464	0.25 282	0.24 422	0.48 435	0.27 384	0.58 411	0.60 445	0.39 370	0.54 411	0.51 415	0.34 381	0.60 367	0.46 408	0.13 373	0.12 290	0.12 358	0.11 330	0.13 359	0.15 291

acv_ft	0.26 279	0.18 279	0.56 280	0.24 246	0.19 345	0.34 348	0.21 266	0.47 295	0.45 346	0.39 370	0.41 311	0.38 324	0.28 315	0.28 167	0.36 367	0.09 217	0.07 117	0.08 117	0.07 98	0.11 305	0.09 96

STTStereo	0.30 349	0.24 356	0.83 410	0.25 282	0.17 292	0.30 288	0.24 352	0.49 315	0.39 281	0.39 370	0.41 311	0.44 374	0.28 315	0.41 282	0.30 322	0.13 373	0.13 309	0.13 383	0.16 438	0.12 345	0.12 225

Nwc_Net	0.39 409	0.29 401	0.84 414	0.32 431	0.24 422	0.45 421	0.30 412	0.67 466	0.51 403	0.39 370	0.70 460	0.59 441	0.48 443	0.61 373	0.45 407	0.16 421	0.12 290	0.19 453	0.21 462	0.14 381	0.15 291

AANet_RVC	0.33 373	0.31 410	0.69 359	0.23 201	0.14 164	0.30 288	0.23 328	0.49 315	0.55 428	0.39 370	0.60 436	0.43 368	0.30 341	0.88 463	0.54 432	0.11 315	0.08 174	0.07 45	0.07 98	0.10 253	0.12 225

iResNetv2_ROB	0.29 336	0.37 443	0.92 435	0.24 246	0.13 127	0.30 288	0.19 205	0.55 380	0.51 403	0.39 370	0.46 370	0.39 338	0.27 293	0.36 261	0.30 322	0.09 217	0.06 48	0.07 45	0.05 19	0.13 359	0.11 184

iResNet_ROB	0.27 306	0.27 389	0.48 159	0.21 101	0.12 80	0.32 325	0.17 110	0.57 398	0.55 428	0.39 370	0.44 343	0.37 318	0.28 315	0.43 291	0.28 306	0.08 145	0.06 48	0.06 2	0.05 19	0.09 194	0.11 184

PSMNet_ROB	0.36 392	0.31 410	0.71 372	0.31 425	0.21 382	0.44 413	0.44 469	0.61 437	0.49 391	0.39 370	0.45 358	0.49 408	0.32 371	0.66 402	0.53 428	0.14 397	0.10 246	0.15 421	0.14 417	0.13 359	0.13 249

ISRNet	0.28 316	0.15 195	0.54 262	0.27 357	0.19 345	0.24 196	0.15 56	0.47 295	0.45 346	0.40 379	0.49 388	0.42 361	0.27 293	0.33 234	0.30 322	0.20 458	0.12 290	0.17 438	0.16 438	0.16 399	0.21 367

PSMNet-RUCA	0.39 409	0.47 468	0.84 414	0.46 488	0.41 487	0.34 348	0.26 376	0.59 420	0.46 357	0.40 379	0.51 394	0.44 374	0.33 379	0.43 291	0.31 332	0.25 473	0.14 326	0.33 488	0.21 462	0.32 484	0.23 388

fast-acv-ft	0.33 373	0.26 381	0.88 429	0.25 282	0.18 319	0.49 441	0.27 384	0.44 269	0.50 397	0.40 379	0.55 416	0.49 408	0.36 393	0.39 277	0.41 385	0.11 315	0.11 273	0.11 325	0.12 371	0.13 359	0.11 184

ssnet_v2	0.30 349	0.21 312	0.63 333	0.23 201	0.15 224	0.40 394	0.30 412	0.59 420	0.48 378	0.40 379	0.37 266	0.46 388	0.30 341	0.41 282	0.44 400	0.13 373	0.11 273	0.11 325	0.11 330	0.12 345	0.11 184

UDG	0.42 429	0.54 479	0.67 352	0.41 478	0.35 474	0.47 429	0.27 384	0.57 398	0.48 378	0.40 379	0.46 370	0.59 441	0.45 430	0.47 307	0.46 408	0.26 475	0.19 403	0.49 497	0.22 470	0.37 488	0.30 443

GrayStereo	0.26 279	0.10 31	0.45 124	0.27 357	0.14 164	0.23 174	0.46 473	0.36 163	0.33 203	0.40 379	0.47 378	0.30 257	0.78 486	0.29 188	0.17 125	0.07 39	0.06 48	0.08 117	0.09 244	0.07 66	0.15 291

LMCR-Stereo	0.28 316	0.22 330	0.56 280	0.29 399	0.14 164	0.37 378	0.23 328	0.57 398	0.36 240	0.40 379	0.40 300	0.29 239	0.30 341	0.41 282	0.38 375	0.11 315	0.07 117	0.09 197	0.07 98	0.13 359	0.10 150

APVNet	0.38 404	0.26 381	0.87 423	0.26 321	0.22 397	0.52 450	0.35 437	0.64 454	0.46 357	0.40 379	0.52 401	0.48 402	0.39 410	0.84 457	0.48 413	0.13 373	0.14 326	0.15 421	0.16 438	0.16 399	0.16 306

MMNet	0.28 316	0.19 291	0.54 262	0.24 246	0.17 292	0.47 429	0.22 299	0.47 295	0.53 416	0.40 379	0.43 333	0.36 312	0.34 381	0.40 279	0.35 363	0.08 145	0.08 174	0.09 197	0.09 244	0.10 253	0.09 96

DMCA-RVC	0.30 349	0.27 389	0.93 439	0.28 384	0.17 292	0.30 288	0.21 266	0.43 248	0.36 240	0.40 379	0.38 273	0.39 338	0.36 393	0.44 295	0.34 356	0.13 373	0.10 246	0.16 429	0.12 371	0.13 359	0.11 184

S-Stereo	0.39 409	0.20 304	1.04 453	0.28 384	0.22 397	0.39 388	0.31 421	0.58 411	0.69 466	0.40 379	0.59 432	0.48 402	0.41 418	0.75 431	0.42 389	0.12 354	0.15 355	0.13 383	0.13 401	0.16 399	0.25 412

HSM-Net_RVC	0.28 316	0.12 93	0.48 159	0.19 35	0.11 47	0.35 363	0.21 266	0.64 454	0.44 335	0.40 379	0.43 333	0.50 412	0.27 293	0.75 431	0.25 276	0.08 145	0.07 117	0.08 117	0.07 98	0.08 122	0.09 96
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
G2L-Stereo_aug	0.27 306	0.13 119	0.65 343	0.19 35	0.12 80	0.33 332	0.22 299	0.42 238	0.52 414	0.41 391	0.44 343	0.46 388	0.30 341	0.53 330	0.32 340	0.08 145	0.06 48	0.06 2	0.05 19	0.08 122	0.09 96

SQANet	0.44 435	0.57 486	0.89 431	0.49 491	0.39 484	0.47 429	0.23 328	0.53 349	0.44 335	0.41 391	0.48 387	0.47 398	0.34 381	0.58 354	0.43 393	0.38 495	0.15 355	0.40 493	0.21 462	0.50 493	0.34 459

GASNet	0.39 409	0.58 488	1.27 483	0.35 453	0.23 408	0.35 363	0.23 328	0.63 449	0.56 432	0.41 391	0.38 273	0.45 380	0.30 341	0.81 451	0.42 389	0.16 421	0.11 273	0.14 405	0.14 417	0.23 459	0.12 225

iRaft-Stereo_20w	0.29 336	0.11 53	0.86 421	0.33 442	0.24 422	0.32 325	0.26 376	0.60 430	0.26 107	0.41 391	0.21 102	0.28 226	0.19 201	0.32 224	0.24 262	0.07 39	0.31 485	0.07 45	0.09 244	0.08 122	0.47 490

DeepPrunerF	0.46 445	0.37 443	1.50 496	0.34 447	0.30 458	0.36 370	0.37 445	0.64 454	1.15 510	0.41 391	0.45 358	0.40 341	0.41 418	0.82 452	0.53 428	0.18 446	0.14 326	0.23 467	0.21 462	0.17 413	0.18 327

DCVSM-stereo	0.25 257	0.14 164	0.53 250	0.21 101	0.14 164	0.27 236	0.14 37	0.35 151	0.35 224	0.42 396	0.33 222	0.46 388	0.30 341	0.31 215	0.27 298	0.11 315	0.10 246	0.12 358	0.10 297	0.12 345	0.15 291

GCST	0.50 453	0.67 494	0.82 405	1.04 517	0.55 498	0.38 384	0.11 8	0.42 238	0.33 203	0.42 396	0.35 240	0.29 239	0.18 180	0.50 314	0.23 253	0.70 511	0.42 499	0.79 512	0.62 515	0.63 500	0.47 490

HBP-ISP	0.34 383	0.35 434	0.76 385	0.23 201	0.17 292	0.33 332	0.22 299	0.56 389	0.47 370	0.42 396	0.49 388	0.33 285	0.41 418	0.73 422	0.27 298	0.18 446	0.19 403	0.24 469	0.20 460	0.16 399	0.16 306

CSP-Net	0.28 316	0.17 257	0.41 98	0.22 150	0.14 164	0.44 413	0.24 352	0.52 339	0.42 312	0.42 396	0.44 343	0.42 361	0.27 293	0.66 402	0.30 322	0.12 354	0.09 214	0.08 117	0.08 168	0.10 253	0.10 150

DAS	0.28 316	0.13 119	0.49 179	0.24 246	0.18 319	0.30 288	0.24 352	0.48 306	0.48 378	0.42 396	0.45 358	0.34 293	0.31 359	0.76 437	0.24 262	0.09 217	0.07 117	0.09 197	0.07 98	0.10 253	0.11 184

SepStereo	0.27 306	0.13 119	0.49 179	0.24 246	0.18 319	0.30 288	0.24 352	0.48 306	0.48 378	0.42 396	0.45 358	0.34 293	0.31 359	0.64 392	0.24 262	0.09 217	0.07 117	0.09 197	0.07 98	0.10 253	0.11 184

MaskLacGwcNet_RVC	0.38 404	0.43 462	0.72 377	0.35 453	0.19 345	0.51 444	0.25 365	0.56 389	0.39 281	0.42 396	0.47 378	0.47 398	0.27 293	0.74 426	0.32 340	0.38 495	0.19 403	0.27 472	0.17 449	0.29 479	0.27 428

RP	0.38 404	0.26 381	0.67 352	0.31 425	0.24 422	0.37 378	0.29 405	0.53 349	0.61 447	0.42 396	0.65 450	0.62 453	0.51 451	0.63 387	0.43 393	0.17 435	0.15 355	0.17 438	0.15 428	0.17 413	0.19 341

NCC-stereo	0.42 429	0.31 410	0.87 423	0.32 431	0.29 455	0.47 429	0.37 445	0.68 471	0.53 416	0.42 396	0.58 428	0.57 435	0.52 453	0.75 431	0.54 432	0.18 446	0.14 326	0.18 446	0.25 479	0.17 413	0.18 327

Abc-Net	0.42 429	0.31 410	0.87 423	0.32 431	0.29 455	0.47 429	0.37 445	0.68 471	0.53 416	0.42 396	0.58 428	0.57 435	0.52 453	0.75 431	0.54 432	0.18 446	0.14 326	0.18 446	0.25 479	0.17 413	0.18 327
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RYNet	0.38 404	0.23 345	0.65 343	0.26 321	0.28 445	0.62 467	0.33 431	0.61 437	0.62 451	0.42 396	0.39 291	0.58 440	0.40 413	0.89 465	0.57 438	0.11 315	0.09 214	0.12 358	0.11 330	0.19 437	0.22 380

Former-RAFT_DAM_RVC	0.18 70	0.15 195	0.27 26	0.20 70	0.13 127	0.24 196	0.17 110	0.31 110	0.37 255	0.43 407	0.17 58	0.13 37	0.12 65	0.20 54	0.16 102	0.08 145	0.07 117	0.09 197	0.07 98	0.09 194	0.08 60

Wz-Net-LNSev-Ref	0.33 373	0.25 371	0.82 405	0.22 150	0.17 292	0.46 423	0.28 399	0.53 349	0.53 416	0.43 407	0.57 425	0.44 374	0.31 359	0.50 314	0.48 413	0.10 278	0.06 48	0.08 117	0.06 51	0.11 305	0.12 225

SACVNet	0.32 366	0.25 371	0.59 311	0.26 321	0.19 345	0.35 363	0.25 365	0.54 362	0.41 300	0.43 407	0.45 358	0.46 388	0.34 381	0.71 418	0.30 322	0.14 397	0.10 246	0.12 358	0.12 371	0.16 399	0.20 358

ADLNet	0.30 349	0.19 291	0.59 311	0.23 201	0.19 345	0.34 348	0.23 328	0.56 389	0.44 335	0.43 407	0.41 311	0.43 368	0.28 315	0.56 347	0.36 367	0.11 315	0.08 174	0.11 325	0.11 330	0.11 305	0.15 291

Syn2CoEx	0.39 409	0.39 453	1.08 461	0.35 453	0.21 382	0.41 399	0.29 405	0.63 449	0.51 403	0.43 407	0.56 421	0.45 380	0.45 430	0.69 410	0.39 379	0.17 435	0.14 326	0.16 429	0.12 371	0.13 359	0.16 306

CVANet_RVC	0.34 383	0.25 371	0.77 391	0.27 357	0.17 292	0.34 348	0.28 399	0.55 380	0.50 397	0.43 407	0.46 370	0.44 374	0.31 359	0.90 468	0.27 298	0.15 411	0.10 246	0.14 405	0.14 417	0.15 391	0.15 291

SDNR	0.47 448	0.29 401	0.92 435	0.24 246	0.37 479	1.27 510	0.17 110	0.54 362	0.58 436	0.44 413	0.85 478	0.55 429	0.28 315	1.19 497	0.52 424	0.23 464	0.24 450	0.17 438	0.13 401	0.19 437	0.26 424

CRFU-Net	0.29 336	0.14 164	0.48 159	0.26 321	0.15 224	0.46 423	0.22 299	0.52 339	0.32 187	0.44 413	0.42 319	0.48 402	0.47 439	0.44 295	0.31 332	0.12 354	0.10 246	0.09 197	0.08 168	0.10 253	0.11 184

DSFCA	0.29 336	0.18 279	0.48 159	0.21 101	0.17 292	0.39 388	0.32 426	0.49 315	0.44 335	0.44 413	0.38 273	0.40 341	0.30 341	0.53 330	0.38 375	0.12 354	0.10 246	0.10 270	0.11 330	0.11 305	0.11 184

SuperB	0.50 453	0.37 443	2.16 514	0.23 201	0.15 224	0.41 399	0.32 426	0.50 323	0.83 483	0.44 413	0.51 394	0.33 285	0.45 430	0.69 410	1.07 485	0.10 278	0.08 174	0.09 197	0.08 168	0.95 519	0.18 327

AF-Net	0.40 420	0.31 410	0.74 378	0.33 442	0.24 422	0.43 408	0.30 412	0.64 454	0.67 460	0.44 413	0.69 459	0.65 464	0.52 453	0.59 362	0.48 413	0.16 421	0.12 290	0.19 453	0.14 417	0.16 399	0.14 275

TDLM	0.32 366	0.27 389	0.52 239	0.30 410	0.15 224	0.33 332	0.32 426	0.54 362	0.50 397	0.44 413	0.43 333	0.39 338	0.30 341	0.92 475	0.30 322	0.14 397	0.09 214	0.13 383	0.12 371	0.13 359	0.14 275

PWCDC_ROB	0.41 425	0.41 458	0.77 391	0.34 447	0.21 382	0.43 408	0.20 240	0.60 430	0.90 490	0.44 413	1.24 499	0.36 312	0.38 403	0.56 347	0.48 413	0.18 446	0.11 273	0.11 325	0.10 297	0.20 444	0.16 306

Wz-Net-LNSev	0.36 392	0.35 434	1.06 456	0.26 321	0.21 382	0.47 429	0.33 431	0.56 389	0.58 436	0.45 420	0.54 411	0.50 412	0.37 398	0.40 279	0.42 389	0.12 354	0.11 273	0.10 270	0.09 244	0.14 381	0.15 291

dad	0.30 349	0.38 449	0.60 318	0.22 150	0.14 164	0.32 325	0.21 266	0.35 151	0.51 403	0.45 420	0.45 358	0.46 388	0.23 234	0.41 282	0.27 298	0.21 460	0.11 273	0.20 458	0.11 330	0.15 391	0.11 184

Consistency-Raft	0.56 468	0.52 476	1.12 464	0.45 485	0.49 491	0.48 435	0.45 470	0.73 483	0.74 476	0.45 420	0.82 475	0.46 388	0.60 468	0.51 320	0.63 449	0.39 497	0.40 496	0.44 495	0.51 506	0.53 496	0.38 478

stereogan	0.39 409	0.20 304	0.78 395	0.28 384	0.22 397	0.65 472	0.26 376	0.62 445	0.65 456	0.45 420	0.60 436	0.67 472	0.45 430	0.69 410	0.37 373	0.14 397	0.14 326	0.14 405	0.12 371	0.20 444	0.19 341

PDISCO_ROB	0.45 438	0.37 443	0.89 431	0.44 483	0.37 479	0.70 475	0.35 437	0.75 486	0.78 478	0.45 420	0.53 408	0.65 464	0.40 413	0.68 409	0.52 424	0.22 463	0.12 290	0.21 460	0.19 456	0.26 469	0.22 380

Wz-Net-SNSev	0.45 438	0.53 478	1.42 492	0.31 425	0.21 382	0.44 413	0.45 470	0.64 454	0.68 464	0.46 425	0.66 452	0.62 453	0.40 413	0.78 441	0.65 450	0.12 354	0.11 273	0.12 358	0.13 401	0.17 413	0.19 341

DDUNet	0.45 438	0.60 491	0.71 372	0.45 485	0.39 484	0.46 423	0.32 426	0.53 349	0.44 335	0.46 425	0.53 408	0.57 435	0.38 403	0.51 320	0.43 393	0.34 489	0.21 419	0.56 501	0.25 479	0.41 490	0.36 463

ADCP+	0.48 451	0.36 440	1.47 494	0.26 321	0.22 397	0.57 460	0.40 460	0.56 389	0.54 421	0.46 425	0.52 401	0.46 388	0.53 458	0.59 362	1.93 517	0.10 278	0.08 174	0.11 325	0.11 330	0.14 381	0.15 291

CC-Net-ROB	0.46 445	0.55 480	0.86 421	0.38 467	0.23 408	0.51 444	0.30 412	0.69 477	0.51 403	0.46 425	0.51 394	0.48 402	0.38 403	0.96 480	0.40 381	0.36 492	0.23 440	0.56 501	0.25 479	0.34 487	0.22 380

StereoDRNet-Refined	0.28 316	0.19 291	0.47 144	0.25 282	0.14 164	0.36 370	0.21 266	0.49 315	0.43 323	0.46 425	0.52 401	0.42 361	0.30 341	0.46 303	0.38 375	0.10 278	0.07 117	0.11 325	0.11 330	0.10 253	0.11 184
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.30 349	0.20 304	0.45 124	0.28 384	0.17 292	0.37 378	0.25 365	0.50 323	0.45 346	0.46 425	0.47 378	0.51 415	0.34 381	0.56 347	0.38 375	0.10 278	0.10 246	0.11 325	0.11 330	0.10 253	0.11 184

FAT-Stereo	0.36 392	0.19 291	0.75 381	0.26 321	0.18 319	0.34 348	0.30 412	0.62 445	0.61 447	0.47 431	0.61 444	0.59 441	0.50 449	0.61 373	0.36 367	0.13 373	0.14 326	0.13 383	0.12 371	0.14 381	0.20 358

RGC	0.41 425	0.35 434	0.76 385	0.35 453	0.28 445	0.41 399	0.29 405	0.60 430	0.55 428	0.47 431	0.64 448	0.63 457	0.47 439	0.74 426	0.46 408	0.16 421	0.15 355	0.21 460	0.21 462	0.19 437	0.21 367

GANetREF_RVC	0.45 438	0.52 476	0.87 423	0.39 469	0.20 367	0.51 444	0.50 482	0.68 471	0.67 460	0.47 431	0.46 370	0.50 412	0.43 425	0.91 470	0.40 381	0.28 481	0.21 419	0.32 485	0.19 456	0.28 477	0.23 388
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
StereoDRNet	0.34 383	0.28 397	0.70 365	0.28 384	0.21 382	0.43 408	0.30 412	0.63 449	0.51 403	0.47 431	0.40 300	0.48 402	0.31 359	0.58 354	0.44 400	0.12 354	0.10 246	0.12 358	0.11 330	0.13 359	0.13 249

NCCL2	0.37 399	0.33 421	0.59 311	0.37 458	0.23 408	0.42 404	0.41 464	0.56 389	0.44 335	0.47 431	0.47 378	0.61 450	0.39 410	0.58 354	0.41 385	0.16 421	0.13 309	0.21 460	0.22 470	0.16 399	0.18 327

GANet	0.40 420	0.28 397	0.67 352	0.31 425	0.18 319	0.43 408	0.39 456	0.60 430	0.46 357	0.48 436	0.78 470	0.55 429	0.45 430	0.96 480	0.55 435	0.13 373	0.14 326	0.13 383	0.12 371	0.15 391	0.16 306

YMNet	0.33 373	0.26 381	0.64 338	0.28 384	0.23 408	0.48 435	0.27 384	0.54 362	0.47 370	0.49 437	0.56 421	0.51 415	0.30 341	0.41 282	0.44 400	0.13 373	0.16 367	0.13 383	0.12 371	0.14 381	0.14 275

YMNet_1	0.33 373	0.26 381	0.64 338	0.28 384	0.23 408	0.48 435	0.27 384	0.54 362	0.47 370	0.49 437	0.56 421	0.51 415	0.30 341	0.41 282	0.44 400	0.13 373	0.16 367	0.13 383	0.12 371	0.14 381	0.14 275

Wz-Net-MNSev	0.39 409	0.35 434	0.99 450	0.26 321	0.21 382	0.59 464	0.39 456	0.58 411	0.61 447	0.49 437	0.56 421	0.53 426	0.37 398	0.61 373	0.47 411	0.11 315	0.09 214	0.11 325	0.11 330	0.15 391	0.15 291

DPSNet	0.51 456	0.26 381	1.16 470	0.28 384	0.21 382	0.76 480	0.56 490	0.89 503	0.82 482	0.49 437	0.51 394	0.64 462	0.81 490	0.89 465	0.85 468	0.17 435	0.16 367	0.13 383	0.13 401	0.26 469	0.27 428

DRN-Test	0.35 390	0.20 304	0.75 381	0.28 384	0.19 345	0.46 423	0.29 405	0.68 471	0.54 421	0.49 437	0.47 378	0.44 374	0.35 388	0.63 387	0.44 400	0.13 373	0.09 214	0.13 383	0.12 371	0.13 359	0.13 249

Ntro	0.61 477	0.75 501	1.16 470	0.67 500	0.50 492	0.76 480	0.37 445	0.68 471	0.71 470	0.50 442	0.59 432	0.65 464	0.52 453	0.79 445	0.58 440	0.58 505	0.32 487	0.57 504	0.34 492	0.69 507	0.50 497

FINET	0.58 472	0.48 472	1.35 488	0.38 467	0.37 479	0.96 498	1.13 522	0.84 498	1.05 500	0.50 442	0.70 460	0.45 380	0.61 472	0.63 387	0.62 446	0.26 475	0.28 469	0.14 405	0.13 401	0.20 444	0.44 486

ETE_ROB	0.36 392	0.32 417	0.64 338	0.30 410	0.18 319	0.40 394	0.38 453	0.59 420	0.49 391	0.50 442	0.52 401	0.62 453	0.37 398	0.58 354	0.43 393	0.13 373	0.10 246	0.14 405	0.12 371	0.17 413	0.18 327

ACVNet-4b	0.76 493	0.90 506	1.67 503	0.73 504	0.51 496	0.80 488	0.31 421	0.74 485	0.81 481	0.51 445	0.72 462	0.94 490	0.43 425	1.01 484	1.32 500	1.18 528	0.22 430	0.77 510	0.45 500	0.70 508	0.50 497

WZ-Net	0.56 468	0.49 474	2.14 513	0.30 410	0.24 422	0.58 462	0.48 477	0.65 460	0.80 480	0.51 445	0.72 462	0.68 474	0.60 468	1.06 489	1.01 478	0.13 373	0.10 246	0.11 325	0.12 371	0.19 437	0.23 388

ADCRef	0.41 425	0.33 421	1.05 454	0.26 321	0.21 382	0.49 441	0.27 384	0.54 362	0.51 403	0.51 445	0.59 432	0.35 307	0.47 439	0.54 336	1.35 502	0.09 217	0.08 174	0.12 358	0.12 371	0.12 345	0.13 249

otaku	0.60 475	0.73 498	1.13 466	0.64 498	0.45 490	0.73 479	0.37 445	0.67 466	0.67 460	0.52 448	0.75 468	0.66 468	0.46 437	0.74 426	0.59 441	0.55 502	0.34 491	0.56 501	0.36 495	0.65 502	0.49 495

Wz-Net-TNSev	0.55 464	0.72 496	1.90 509	0.26 321	0.21 382	0.64 471	0.45 470	0.66 464	0.71 470	0.52 448	0.55 416	0.71 480	0.63 478	1.04 487	0.94 473	0.16 421	0.15 355	0.13 383	0.15 428	0.21 450	0.24 401

ADCPNet	0.51 456	0.36 440	1.82 508	0.27 357	0.23 408	0.71 476	0.39 456	0.56 389	0.54 421	0.52 448	0.60 436	0.66 468	0.57 464	0.64 392	1.23 492	0.15 411	0.18 399	0.14 405	0.23 474	0.19 437	0.22 380

DANet	0.37 399	0.25 371	0.67 352	0.37 458	0.22 397	0.42 404	0.25 365	0.50 323	0.44 335	0.52 448	0.50 391	0.59 441	0.42 422	0.78 441	0.53 428	0.13 373	0.12 290	0.14 405	0.12 371	0.17 413	0.21 367
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CBMV_ROB	0.36 392	0.21 312	0.57 289	0.22 150	0.14 164	0.35 363	0.20 240	0.55 380	0.47 370	0.52 448	0.58 428	0.45 380	0.53 458	0.75 431	0.50 420	0.18 446	0.19 403	0.23 467	0.21 462	0.15 391	0.20 358

XPNet_ROB	0.35 390	0.26 381	0.58 304	0.28 384	0.19 345	0.37 378	0.31 421	0.57 398	0.51 403	0.52 448	0.54 411	0.57 435	0.38 403	0.65 396	0.48 413	0.17 435	0.12 290	0.13 383	0.12 371	0.16 399	0.17 324

edge stereo	0.40 420	0.22 330	0.87 423	0.27 357	0.22 397	0.38 384	0.26 376	0.59 420	0.56 432	0.53 454	0.60 436	0.71 480	0.50 449	0.78 441	0.43 393	0.16 421	0.15 355	0.19 453	0.14 417	0.17 413	0.19 341

XQC	0.47 448	0.45 466	1.07 458	0.40 474	0.28 445	0.58 462	0.38 453	0.67 466	0.76 477	0.53 454	0.47 378	0.59 441	0.47 439	0.74 426	0.80 464	0.18 446	0.14 326	0.18 446	0.16 438	0.26 469	0.24 401

LALA_ROB	0.38 404	0.31 410	0.65 343	0.30 410	0.21 382	0.46 423	0.39 456	0.63 449	0.54 421	0.53 454	0.52 401	0.69 476	0.36 393	0.52 327	0.48 413	0.18 446	0.11 273	0.16 429	0.14 417	0.17 413	0.16 306

ccnet	0.43 433	0.34 430	0.62 328	0.28 384	0.33 469	0.60 465	0.34 435	0.68 471	0.47 370	0.54 457	0.66 452	0.56 433	0.46 437	0.73 422	0.66 452	0.26 475	0.19 403	0.24 469	0.22 470	0.27 474	0.25 412

PASM	0.49 452	0.41 458	1.15 468	0.37 458	0.35 474	0.42 404	0.42 465	0.54 362	0.65 456	0.54 457	0.54 411	0.63 457	0.48 443	0.94 479	0.51 423	0.27 479	0.30 481	0.30 481	0.33 491	0.29 479	0.29 440

SGM-Forest	0.42 429	0.44 465	0.92 435	0.24 246	0.16 262	0.45 421	0.40 460	0.58 411	0.50 397	0.54 457	0.63 447	0.52 422	0.51 451	0.91 470	0.66 452	0.17 435	0.17 390	0.17 438	0.15 428	0.15 391	0.21 367
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.36 392	0.25 371	0.61 324	0.24 246	0.14 164	0.42 404	0.33 431	0.56 389	0.52 414	0.54 457	0.52 401	0.51 415	0.58 465	0.63 387	0.43 393	0.15 411	0.16 367	0.18 446	0.16 438	0.13 359	0.19 341
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
RTSC	0.43 433	0.37 443	0.95 443	0.30 410	0.20 367	0.50 443	0.23 328	0.65 460	0.86 486	0.56 461	0.54 411	0.51 415	0.36 393	0.71 418	0.92 470	0.13 373	0.14 326	0.11 325	0.13 401	0.18 428	0.19 341

NaN_ROB	0.44 435	0.38 449	0.94 442	0.30 410	0.20 367	0.52 450	0.49 480	0.61 437	0.60 445	0.56 461	0.47 378	0.49 408	0.42 422	1.24 499	0.76 460	0.12 354	0.18 399	0.12 358	0.13 401	0.12 345	0.18 327

pmcnn	0.54 463	0.24 356	1.06 456	0.25 282	0.26 439	0.40 394	0.31 421	0.55 380	0.55 428	0.56 461	1.22 498	2.53 523	0.39 410	0.84 457	1.08 487	0.09 217	0.06 48	0.06 2	0.05 19	0.10 253	0.14 275

ADCL	0.50 453	0.30 407	1.15 468	0.28 384	0.19 345	0.77 483	0.64 495	0.57 398	0.73 475	0.57 464	0.73 465	0.55 429	0.60 468	0.66 402	1.53 508	0.11 315	0.10 246	0.13 383	0.13 401	0.15 391	0.16 306

PWC_ROB	0.41 425	0.38 449	0.92 435	0.26 321	0.20 367	0.39 388	0.19 205	0.61 437	0.69 466	0.58 465	0.84 477	0.52 422	0.44 428	0.74 426	0.62 446	0.13 373	0.09 214	0.14 405	0.10 297	0.17 413	0.18 327

MFN_U_SF_DS_RVC	0.53 461	0.60 491	0.98 448	0.40 474	0.25 435	0.87 491	0.57 491	0.60 430	0.64 455	0.60 466	0.67 454	0.63 457	0.42 422	1.13 492	0.50 420	0.23 464	0.28 469	0.27 472	0.35 493	0.25 465	0.33 456

FBW_ROB	0.46 445	0.34 430	0.71 372	0.32 431	0.20 367	0.51 444	0.32 426	0.73 483	0.63 453	0.60 466	0.57 425	0.65 464	0.44 428	1.42 510	0.62 446	0.14 397	0.17 390	0.22 465	0.16 438	0.17 413	0.23 388

RainbowNet	0.76 493	1.00 513	1.29 484	0.82 509	0.63 502	0.79 485	0.52 485	0.83 496	0.93 493	0.61 468	0.79 473	0.79 483	0.62 476	0.82 452	0.67 454	0.80 516	0.55 512	0.79 512	0.49 502	0.81 511	0.62 505

test_sample8	0.52 459	0.21 312	0.69 359	0.18 15	0.17 292	0.36 370	0.21 266	0.57 398	0.38 265	0.63 469	0.39 291	1.16 497	0.68 482	0.70 413	1.01 478	0.24 466	1.93 531	0.28 478	0.24 476	0.18 428	0.21 367

AnyNet_C32	0.55 464	0.51 475	1.34 487	0.29 399	0.28 445	0.61 466	0.62 494	0.57 398	0.62 451	0.63 469	0.68 456	0.54 428	0.55 460	0.82 452	1.81 514	0.15 411	0.15 355	0.15 421	0.18 454	0.21 450	0.25 412

anonymity	0.57 470	0.55 480	0.74 378	0.48 490	0.63 502	0.56 458	0.43 467	0.71 479	0.51 403	0.64 471	0.55 416	0.57 435	0.61 472	0.65 396	0.57 438	0.55 502	0.55 512	0.50 498	0.54 507	0.51 495	0.61 504

SHD	0.45 438	0.34 430	0.89 431	0.37 458	0.28 445	0.46 423	0.23 328	0.72 482	0.96 497	0.65 472	0.61 444	0.61 450	0.48 443	0.64 392	0.69 455	0.16 421	0.16 367	0.16 429	0.16 438	0.21 450	0.25 412

CSAN	0.55 464	0.47 468	1.19 478	0.37 458	0.23 408	0.57 460	0.61 493	0.65 460	0.72 472	0.65 472	0.78 470	0.66 468	0.65 480	1.41 509	0.77 461	0.21 460	0.17 390	0.20 458	0.21 462	0.18 428	0.21 367

psmorigin	0.52 459	0.29 401	3.10 523	0.24 246	0.19 345	0.39 388	0.24 352	0.52 339	0.45 346	0.66 474	0.68 456	0.70 479	0.52 453	0.86 460	0.49 419	0.15 411	0.17 390	0.13 383	0.14 417	0.16 399	0.23 388

MADNet+	1.05 504	1.26 523	4.77 529	0.73 504	0.50 492	1.25 509	0.97 513	1.05 506	0.93 493	0.67 475	0.78 470	0.87 487	0.85 492	2.14 523	1.83 515	0.40 498	0.42 499	0.32 485	0.28 487	0.45 492	0.43 484

G-Net	0.47 448	0.26 381	1.02 452	0.34 447	0.28 445	0.89 493	0.35 437	0.47 295	0.46 357	0.68 476	1.20 496	0.64 462	0.59 467	0.61 373	0.60 442	0.16 421	0.14 326	0.17 438	0.13 401	0.22 454	0.21 367

SANet	0.58 472	0.41 458	1.38 489	0.27 357	0.16 262	0.72 477	0.48 477	0.71 479	1.34 512	0.69 477	0.97 487	0.94 490	0.78 486	0.97 482	0.93 471	0.14 397	0.12 290	0.12 358	0.12 371	0.18 428	0.20 358

AnyNet_C01	0.68 486	0.69 495	2.64 518	0.33 442	0.27 444	0.93 494	0.64 495	0.66 464	0.65 456	0.70 478	0.97 487	0.75 482	0.63 478	1.01 484	1.52 507	0.17 435	0.16 367	0.17 438	0.17 449	0.24 463	0.28 435

DispFullNet	0.67 484	0.94 509	1.63 501	0.77 508	1.19 525	0.53 453	0.25 365	0.61 437	0.72 472	0.70 478	0.60 436	0.69 476	0.90 496	0.80 448	0.52 424	0.27 479	0.13 309	0.74 509	0.31 490	0.68 505	0.44 486

MFN_U_SF_RVC	0.58 472	0.58 488	1.31 486	0.39 469	0.23 408	0.72 477	0.30 412	0.83 496	0.68 464	0.74 480	0.74 466	0.86 486	0.60 468	0.84 457	0.83 466	0.29 482	0.27 464	0.32 485	0.37 497	0.31 481	0.33 456

ACVNet_1	0.77 495	0.92 508	1.79 507	0.73 504	0.53 497	0.78 484	0.42 465	0.88 501	0.90 490	0.75 481	0.76 469	1.32 503	0.80 488	1.04 487	0.70 456	0.57 504	0.32 487	0.72 508	0.35 493	0.70 508	0.50 497

ADCMid	0.53 461	0.45 466	1.46 493	0.27 357	0.22 397	0.51 444	0.38 453	0.61 437	0.58 436	0.75 481	0.67 454	0.62 453	0.66 481	0.66 402	1.75 513	0.13 373	0.12 290	0.17 438	0.17 449	0.20 444	0.21 367

RTS	0.81 498	0.56 482	4.76 526	0.37 458	0.30 458	1.11 502	0.52 485	0.67 466	1.07 502	0.76 483	0.91 483	0.60 447	0.61 472	1.64 513	1.24 493	0.15 411	0.13 309	0.15 421	0.15 428	0.22 454	0.24 401

RTSA	0.81 498	0.56 482	4.76 526	0.37 458	0.30 458	1.11 502	0.52 485	0.67 466	1.07 502	0.76 483	0.91 483	0.60 447	0.61 472	1.64 513	1.24 493	0.15 411	0.13 309	0.15 421	0.15 428	0.22 454	0.24 401

SAMSARA	0.62 478	0.47 468	0.93 439	0.70 503	0.50 492	1.15 505	1.29 525	0.79 490	0.70 468	0.77 485	0.55 416	0.92 489	0.58 465	0.87 462	0.77 461	0.19 455	0.27 464	0.18 446	0.19 456	0.27 474	0.28 435

ADCS	0.62 478	0.56 482	1.54 499	0.30 410	0.25 435	0.56 458	0.46 473	0.71 479	0.86 486	0.77 485	0.72 462	0.68 474	0.62 476	0.82 452	2.33 523	0.17 435	0.16 367	0.16 429	0.17 449	0.23 459	0.27 428

MFMNet_re	0.74 489	0.84 503	1.16 470	0.64 498	0.70 507	0.79 485	0.71 500	0.77 489	0.85 485	0.79 487	0.86 479	0.69 476	0.80 488	0.73 422	0.65 450	0.66 509	0.59 516	0.61 505	0.58 512	0.68 505	0.71 515

LSM	1.68 522	0.48 472	2.91 521	2.28 533	17.60 544	0.52 450	0.55 489	0.65 460	0.78 478	0.84 488	1.11 492	0.63 457	0.55 460	0.79 445	0.53 428	0.16 421	0.25 453	0.18 446	0.21 462	0.25 465	2.37 534

MSC_U_SF_DS_RVC	0.70 487	0.73 498	1.26 482	0.47 489	0.28 445	1.42 516	0.60 492	0.82 494	0.94 496	0.85 489	0.86 479	0.88 488	0.70 483	1.32 506	0.75 459	0.37 493	0.30 481	0.34 489	0.36 495	0.44 491	0.42 482

NVStereoNet_ROB	0.74 489	0.64 493	1.20 480	0.55 495	0.43 489	0.54 457	0.48 477	0.75 486	0.87 489	0.88 490	1.72 515	1.06 494	1.03 503	1.29 503	0.98 477	0.35 491	0.42 499	0.41 494	0.48 501	0.38 489	0.43 484
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
IMH-64-1	0.94 500	0.95 510	1.07 458	0.98 514	0.76 509	0.93 494	0.72 501	1.30 511	1.11 506	0.91 491	1.45 505	1.14 495	1.00 501	1.25 501	0.97 475	0.77 512	0.51 506	0.97 516	0.55 510	0.90 513	0.66 511

IMH-64	0.94 500	0.95 510	1.07 458	0.98 514	0.76 509	0.93 494	0.72 501	1.30 511	1.11 506	0.91 491	1.45 505	1.14 495	1.00 501	1.25 501	0.97 475	0.77 512	0.51 506	0.97 516	0.55 510	0.90 513	0.66 511

PVD	0.62 478	0.41 458	0.93 439	0.44 483	0.39 484	0.63 470	0.51 484	0.86 499	1.27 511	0.93 493	1.09 491	0.81 484	0.85 492	0.89 465	0.89 469	0.21 460	0.23 440	0.22 465	0.19 456	0.28 477	0.41 479

JetBlue	1.20 511	0.89 505	2.53 517	0.59 496	0.76 509	3.16 529	2.09 531	1.16 509	0.93 493	0.95 494	1.12 493	1.65 509	1.27 510	2.15 524	1.87 516	0.43 500	0.37 494	0.38 491	0.39 499	0.62 499	0.63 507

aanetorigin	0.40 420	0.33 421	1.14 467	0.25 282	0.19 345	0.30 288	0.37 445	0.34 142	0.47 370	0.95 494	0.82 475	0.52 422	0.56 462	0.50 314	0.52 424	0.11 315	0.09 214	0.10 270	0.10 297	0.16 399	0.19 341

WCMA_ROB	0.55 464	0.27 389	0.76 385	0.26 321	0.22 397	0.62 467	0.36 443	0.57 398	0.58 436	0.97 496	1.40 504	1.28 502	0.94 499	0.80 448	0.80 464	0.20 458	0.17 390	0.16 429	0.16 438	0.19 437	0.29 440

SPS-STEREO	0.74 489	0.72 496	1.18 477	0.52 493	0.57 500	0.76 480	0.50 482	0.80 491	0.66 459	0.97 496	0.88 482	0.94 490	0.74 484	1.08 490	1.04 483	0.58 505	0.51 506	0.50 498	0.50 505	0.56 497	0.72 516
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IMH	1.09 507	1.04 516	1.29 484	1.03 516	0.79 512	1.11 502	0.69 498	1.40 514	1.42 514	1.02 498	1.71 514	1.42 504	1.19 508	1.78 519	1.03 482	1.14 526	0.56 515	1.00 518	0.58 512	0.93 516	0.68 513

ACVNet_2	0.94 500	0.98 512	1.71 505	0.83 510	0.63 502	1.02 500	0.64 495	1.16 509	1.43 515	1.02 498	1.39 502	1.47 506	0.86 494	1.16 495	0.79 463	0.63 508	0.43 502	0.78 511	0.49 502	0.80 510	0.57 502

SGM_RVC	0.57 470	0.22 330	0.60 318	0.26 321	0.16 262	0.97 499	0.46 473	0.76 488	0.90 490	1.03 500	0.92 485	1.16 497	0.93 498	1.21 498	0.72 457	0.17 435	0.16 367	0.16 429	0.16 438	0.16 399	0.24 401
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
WAO-6	1.11 508	1.01 515	1.17 476	0.96 513	0.79 512	1.30 512	0.78 505	1.36 513	1.99 521	1.04 501	1.54 510	1.59 508	1.27 510	1.37 508	1.30 496	0.78 514	0.55 512	1.03 520	0.75 521	0.87 512	0.72 516

LVE	1.18 510	1.16 518	1.67 503	1.04 517	0.81 516	1.32 513	0.82 509	1.49 517	1.94 519	1.08 502	1.90 518	1.89 513	1.07 505	1.51 511	1.04 483	0.96 522	0.61 518	0.94 515	0.69 518	0.92 515	0.79 521

MDST_ROB	0.51 456	0.16 226	0.97 446	0.31 425	0.21 382	1.35 514	0.34 435	0.80 491	0.59 443	1.09 503	0.74 466	0.49 408	0.37 398	1.31 505	0.60 442	0.14 397	0.12 290	0.16 429	0.13 401	0.13 359	0.18 327

WAO-7	1.05 504	1.00 513	1.19 478	0.83 510	0.67 506	1.22 508	0.84 510	1.43 515	1.56 516	1.13 504	1.75 516	1.46 505	1.25 509	1.56 512	1.28 495	0.61 507	0.62 521	0.70 507	0.68 517	0.66 504	0.62 505

MSMD_ROB	0.63 481	0.34 430	0.70 365	0.30 410	0.25 435	0.88 492	0.35 437	0.58 411	0.67 460	1.13 504	1.52 508	1.75 512	1.05 504	0.90 468	0.60 442	0.24 466	0.22 430	0.27 472	0.27 486	0.25 465	0.27 428

FCDSN-DC	0.67 484	0.38 449	0.83 410	0.37 458	0.30 458	0.66 473	0.37 445	0.69 477	0.70 468	1.15 506	1.53 509	1.70 511	1.38 513	1.00 483	0.83 466	0.24 466	0.22 430	0.27 472	0.26 483	0.27 474	0.32 452
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PWCK	1.05 504	1.29 524	2.12 512	0.92 512	0.42 488	1.27 510	1.01 515	1.14 508	1.14 509	1.16 507	1.14 494	1.25 500	0.90 496	1.77 518	1.15 489	0.89 519	0.51 506	0.87 514	0.54 507	1.02 522	0.57 502

TorneroNet-64	1.47 514	1.15 517	1.51 497	1.11 522	0.86 519	2.27 525	0.76 503	1.84 524	3.76 528	1.29 508	2.22 524	2.68 525	1.46 516	1.81 520	1.55 509	0.79 515	0.51 506	1.10 521	0.67 516	1.31 525	0.81 522

EDNetEfficientorigin	7.48 536	0.57 486	139.59 554	0.25 282	0.17 292	0.44 413	0.30 412	0.48 306	1.04 499	1.29 508	1.02 489	0.82 485	0.87 495	0.76 437	1.02 481	0.10 278	0.09 214	0.12 358	0.11 330	0.22 454	0.25 412

Dean	1.22 512	1.17 519	1.97 510	1.04 517	0.79 512	1.21 507	0.76 503	1.51 518	1.96 520	1.30 510	1.98 520	2.14 517	1.18 507	1.30 504	1.15 489	0.83 517	0.61 518	1.01 519	0.69 518	0.97 520	0.77 520

EDNetEfficient	0.64 483	0.39 453	2.52 516	0.26 321	0.26 439	0.39 388	0.49 480	0.42 238	1.06 501	1.38 511	0.86 479	0.61 450	0.97 500	0.66 402	1.62 512	0.11 315	0.10 246	0.10 270	0.12 371	0.20 444	0.19 341

ELAS_RVC	0.80 496	0.40 456	1.10 463	0.40 474	0.35 474	0.93 494	1.10 521	0.87 500	1.12 508	1.40 512	1.39 502	1.27 501	1.55 521	1.13 492	1.13 488	0.29 482	0.27 464	0.30 481	0.28 487	0.31 481	0.36 463
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
tt	4.71 532	0.11 53	3.94 525	2.06 531	1.54 529	10.14 539	16.85 540	9.28 541	4.99 532	1.41 513	1.05 490	4.68 531	4.89 532	3.36 532	5.86 536	5.73 539	9.15 544	2.23 535	2.51 534	3.02 533	1.34 530

KSHMR	1.92 525	1.47 529	1.97 510	1.48 529	1.22 526	1.39 515	1.06 517	1.81 523	5.83 534	1.43 514	5.56 534	2.95 527	1.17 506	2.24 525	1.33 501	1.29 529	1.13 529	1.47 530	1.11 529	1.37 527	1.21 529

FC-DCNN	0.73 488	0.33 421	0.84 414	0.33 442	0.28 445	0.82 489	0.40 460	0.82 494	0.83 483	1.43 514	1.60 512	1.97 514	1.38 513	1.10 491	0.93 471	0.24 466	0.22 430	0.27 472	0.26 483	0.26 469	0.32 452

FC-DCNN v2	0.75 492	0.33 421	0.82 405	0.33 442	0.28 445	0.85 490	0.40 460	0.88 501	0.86 486	1.46 516	1.65 513	2.08 516	1.40 515	1.14 494	0.95 474	0.24 466	0.22 430	0.27 472	0.26 483	0.26 469	0.32 452

WAO-8	1.50 516	1.22 521	1.39 490	1.10 520	0.85 517	2.15 522	0.78 505	1.84 524	3.76 528	1.46 516	2.18 522	2.15 518	1.50 518	3.20 530	1.35 502	0.92 520	0.66 524	1.10 521	0.79 522	0.94 517	0.74 518

UNDER WATER-64	1.61 519	1.30 525	2.93 522	1.33 525	0.96 521	2.20 524	1.25 524	1.47 516	3.15 525	1.46 516	1.31 500	2.61 524	2.22 525	1.69 515	1.93 517	1.13 525	0.67 526	1.29 526	0.94 525	1.26 523	1.09 527

Venus	1.50 516	1.22 521	1.39 490	1.10 520	0.85 517	2.15 522	0.78 505	1.84 524	3.76 528	1.46 516	2.18 522	2.15 518	1.50 518	3.20 530	1.35 502	0.92 520	0.66 524	1.10 521	0.79 522	0.94 517	0.74 518

UNDER WATER	1.64 521	1.34 526	2.72 520	1.40 526	1.04 522	1.70 521	1.14 523	1.57 521	3.58 526	1.46 516	1.46 507	2.82 526	2.43 526	1.74 516	2.04 520	1.08 524	0.63 522	1.31 527	0.94 525	1.29 524	1.10 528

ELAS	0.80 496	0.40 456	0.91 434	0.39 469	0.35 474	1.52 518	0.81 508	0.97 505	0.98 498	1.47 521	1.58 511	1.19 499	1.33 512	1.01 484	1.21 491	0.29 482	0.27 464	0.30 481	0.29 489	0.32 484	0.36 463
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MeshStereo	0.60 475	0.31 410	0.71 372	0.22 150	0.17 292	0.66 473	0.36 443	0.81 493	0.63 453	1.48 522	1.32 501	1.65 509	0.83 491	1.18 496	0.74 458	0.17 435	0.17 390	0.17 438	0.14 417	0.17 413	0.19 341
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
notaker	1.49 515	1.44 527	1.77 506	1.42 527	1.08 523	1.19 506	0.87 512	1.51 518	1.40 513	1.53 523	3.41 530	2.40 521	1.94 523	1.83 521	1.57 510	1.14 526	0.69 527	1.38 528	0.88 524	1.39 528	1.03 526

SGM+DAISY	1.12 509	0.86 504	1.64 502	0.68 501	0.80 515	1.68 520	1.68 530	1.08 507	1.10 504	1.53 523	1.76 517	1.47 506	1.53 520	1.24 499	1.42 506	0.66 509	0.65 523	0.52 500	0.54 507	0.57 498	0.91 523

TCMNet-wrong-test	4.33 531	5.65 538	4.76 526	11.36 542	10.39 539	5.87 532	4.45 535	4.24 534	1.10 504	1.93 525	2.43 526	6.07 536	3.54 531	3.87 533	4.51 533	2.00 532	0.47 504	1.96 532	1.68 532	5.78 538	4.48 537

JetRed	2.35 528	2.70 532	6.11 531	1.14 523	1.38 528	6.03 533	3.61 533	2.12 528	1.72 517	1.99 526	1.97 519	2.15 518	1.59 522	2.49 527	4.19 532	1.05 523	1.60 530	1.10 521	1.02 528	1.72 530	1.41 531

MANE	1.63 520	0.58 488	1.16 470	0.59 496	0.60 501	2.71 526	1.53 527	2.63 531	3.62 527	2.33 527	3.26 529	3.66 529	2.98 530	2.26 526	2.26 522	0.37 493	0.40 496	0.31 484	0.49 502	0.31 481	0.63 507

SGM-ForestM	1.59 518	0.56 482	1.52 498	0.41 478	0.34 471	2.77 527	1.67 529	1.69 522	1.73 518	2.48 528	2.27 525	6.02 535	2.90 529	3.08 528	2.83 527	0.25 473	0.30 481	0.19 453	0.20 460	0.18 428	0.45 489

TorneroNet	2.26 526	1.20 520	1.55 500	1.15 524	0.91 520	5.84 531	0.84 510	2.12 528	8.45 537	2.59 529	5.32 533	3.84 530	2.15 524	1.84 522	1.98 519	0.88 518	0.54 511	1.16 525	0.74 520	1.31 525	0.91 523

ktn	1.80 523	1.46 528	1.49 495	1.44 528	1.14 524	1.50 517	1.07 518	1.53 520	3.90 531	2.77 530	4.62 531	3.42 528	1.49 517	1.74 516	1.40 505	1.45 530	0.77 528	1.46 529	0.99 527	1.41 529	1.00 525

MADNet++	2.34 527	1.81 530	2.24 515	2.15 532	1.97 530	2.79 528	2.19 532	2.42 530	2.26 522	2.79 531	2.70 527	2.43 522	2.60 528	3.18 529	3.32 528	2.19 533	1.97 533	1.93 531	1.62 531	2.02 531	2.10 532

DGTPSM_ROB	8.38 537	5.24 536	10.71 541	5.32 535	10.19 537	8.34 536	23.49 545	6.11 537	13.43 544	4.93 532	10.93 542	5.64 532	10.55 538	6.17 536	12.73 541	3.74 536	7.56 539	3.68 536	7.24 541	4.09 536	7.49 539

DPSMNet_ROB	8.44 538	5.25 537	10.87 542	5.59 536	10.27 538	8.34 536	23.51 546	6.12 538	13.47 545	4.96 533	10.94 543	5.65 533	10.55 538	6.25 537	12.77 542	4.01 537	7.62 540	3.75 537	7.27 542	4.16 537	7.54 540

USTest	6.84 535	5.16 534	5.45 530	7.18 538	7.26 534	14.27 542	22.53 541	8.48 539	9.29 538	5.44 534	6.42 536	6.27 537	6.69 535	6.83 538	8.49 539	1.95 531	3.27 536	2.16 534	2.54 535	3.76 534	3.31 536

HanzoNet	3.08 529	1.87 531	2.70 519	1.81 530	1.34 527	1.60 519	1.05 516	2.06 527	2.62 524	5.63 535	5.12 532	5.96 534	7.09 536	4.39 535	3.43 529	3.29 535	2.06 535	1.98 533	2.94 537	2.47 532	2.15 533

DPSimNet_ROB	6.21 534	5.16 534	9.50 533	5.59 536	5.56 533	7.64 535	10.02 537	4.07 533	7.33 536	6.84 536	6.26 535	7.17 538	10.55 538	4.07 534	5.68 534	5.50 538	4.29 537	5.24 538	3.66 538	4.05 535	5.96 538

coex-ft	3.48 530	0.81 502	48.53 552	0.24 246	0.19 345	0.53 453	0.47 476	0.49 315	2.36 523	7.18 537	1.20 496	0.96 493	2.53 527	0.75 431	2.14 521	0.13 373	0.15 355	0.14 405	0.12 371	0.22 454	0.47 490

LE_ROB	1.82 524	0.39 453	3.15 524	0.50 492	0.55 498	0.79 485	1.00 514	0.89 503	6.48 535	7.40 538	2.07 521	2.07 515	5.08 533	1.33 507	3.96 531	0.11 315	0.09 214	0.12 358	0.11 330	0.11 305	0.13 249

BEATNet-Init1	4.91 533	3.27 533	14.39 543	0.69 502	0.65 505	10.19 540	3.83 534	5.04 535	5.11 533	8.73 539	8.52 537	13.95 546	7.66 537	7.79 539	5.79 535	0.32 488	0.34 491	0.34 489	0.38 498	0.64 501	0.64 509

xxxxx1	15.30 543	9.78 540	10.23 538	20.34 546	19.47 545	17.10 543	23.00 542	10.36 542	11.04 540	9.25 540	9.66 538	10.74 541	10.66 541	10.60 542	13.72 545	8.14 543	9.35 545	31.88 551	44.61 551	12.63 542	13.46 544

tt_ll	15.30 543	9.78 540	10.23 538	20.34 546	19.47 545	17.10 543	23.00 542	10.36 542	11.04 540	9.25 540	9.66 538	10.74 541	10.66 541	10.60 542	13.72 545	8.14 543	9.35 545	31.88 551	44.61 551	12.63 542	13.46 544

ff	15.30 543	9.78 540	10.23 538	20.34 546	19.47 545	17.10 543	23.00 542	10.36 542	11.04 540	9.25 540	9.66 538	10.74 541	10.66 541	10.60 542	13.72 545	8.14 543	9.35 545	31.88 551	44.61 551	12.63 542	13.46 544

DPSM_ROB	11.46 541	9.79 543	10.18 536	11.11 540	11.31 540	19.08 548	27.38 548	13.42 546	14.23 547	10.34 543	11.13 544	10.97 544	11.33 545	11.89 546	13.49 543	6.74 541	8.19 542	6.00 540	7.05 539	7.74 539	7.76 541

DPSM	11.46 541	9.79 543	10.18 536	11.11 540	11.31 540	19.08 548	27.38 548	13.42 546	14.23 547	10.34 543	11.13 544	10.97 544	11.33 545	11.89 546	13.49 543	6.74 541	8.19 542	6.00 540	7.05 539	7.74 539	7.76 541

Anonymous_1	16.44 547	9.26 539	9.67 535	10.63 539	14.54 542	18.62 547	26.98 547	12.68 545	13.53 546	10.78 545	10.37 541	10.15 540	10.66 541	10.99 545	12.64 540	15.61 549	7.73 541	16.87 546	43.01 550	56.14 553	7.86 543

LRCNet_RVC	10.94 540	14.45 547	9.66 534	15.38 543	8.02 536	1.08 501	0.35 437	8.72 540	0.72 472	12.63 546	15.84 546	9.73 539	6.52 534	8.58 540	6.38 537	20.33 550	5.39 538	23.79 548	21.95 547	15.35 545	13.96 547

HaxPig	17.72 548	20.23 551	19.76 545	16.55 544	16.52 543	9.46 538	9.42 536	14.48 548	13.31 543	18.59 547	18.67 547	17.39 547	16.68 548	17.07 548	16.43 548	21.99 551	20.86 551	22.28 547	21.55 546	21.30 549	21.88 551

LSM0	24.21 552	19.88 550	22.33 549	24.42 551	40.13 553	38.41 552	54.99 550	27.05 552	28.61 551	20.59 548	22.00 549	22.29 552	22.86 550	24.12 552	27.16 551	13.59 548	16.33 548	12.13 545	14.08 543	15.72 548	17.53 550

CasAABBNet	23.04 550	19.69 548	20.32 546	22.42 549	22.73 549	38.35 551	55.23 552	26.99 551	28.74 552	20.67 549	22.28 550	22.11 550	22.86 550	23.84 550	27.17 552	13.52 546	16.47 549	12.08 543	14.21 544	15.57 546	15.60 548

Selective-RAFT-Error	23.11 551	19.77 549	20.60 548	22.49 550	22.80 550	38.46 553	55.19 551	27.13 553	28.90 553	20.73 550	22.38 551	22.11 550	22.91 552	23.94 551	27.18 553	13.54 547	16.57 550	12.09 544	14.21 544	15.61 547	15.65 549

MEDIAN_ROB	21.20 549	24.56 552	23.42 550	19.57 545	19.62 548	13.29 541	11.21 538	18.04 549	17.02 549	22.07 551	21.92 548	20.84 549	20.24 549	21.02 549	19.68 549	25.59 552	24.08 552	26.20 549	25.19 548	25.31 550	25.19 552

PML	15.86 546	13.12 546	7.07 532	5.22 534	7.66 535	32.93 550	64.30 553	5.37 536	10.12 539	25.87 552	67.29 553	20.25 548	13.20 547	10.09 541	6.81 538	5.94 540	2.00 534	6.03 542	2.18 533	9.13 541	2.62 535

AVERAGE_ROB	25.43 553	29.01 553	27.22 551	24.60 552	24.16 552	17.78 546	12.87 539	22.39 550	21.40 550	26.72 553	26.08 552	25.18 553	24.52 553	25.07 553	23.57 550	29.94 553	28.36 553	30.60 550	29.57 549	29.83 551	29.66 553

test_example2	100.95 554	107.33 554	67.16 553	98.17 553	106.88 554	89.44 554	101.34 554	37.23 554	97.88 554	129.56 554	131.26 554	65.41 554	67.34 554	91.22 554	79.29 554	143.32 554	199.32 554	81.12 554	102.17 554	121.89 554	101.70 554

ccccc		256.25 555		351.50 555	361.31 555	144.22 555		153.19 555		152.98 555		161.94 555		268.06 555		387.64 555	346.97 555	244.11 555	219.32 555	413.57 555

Low-res two-view benchmark