Low-res two-view results

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

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

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

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

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

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

MonSter	0.13 2	0.09 8	0.20 2	0.17 5	0.09 7	0.15 12	0.12 6	0.25 38	0.20 19	0.09 1	0.11 5	0.08 1	0.07 1	0.20 42	0.13 15	0.05 1	0.24 426	0.05 1	0.09 225	0.05 1	0.13 229

FoundationStereo	0.13 2	0.08 2	0.18 1	0.29 376	0.30 435	0.12 6	0.13 10	0.12 1	0.18 5	0.09 1	0.08 1	0.10 5	0.08 2	0.14 2	0.11 1	0.07 32	0.31 461	0.06 2	0.04 1	0.05 1	0.06 5

AIO_rvc	0.20 107	0.16 210	0.49 163	0.41 454	0.29 432	0.15 12	0.17 97	0.21 8	0.19 11	0.17 52	0.14 30	0.13 25	0.08 2	0.35 241	0.13 15	0.07 32	0.19 379	0.06 2	0.05 12	0.06 8	0.41 455

DEFOM-Stereo	0.11 1	0.10 20	0.21 3	0.18 11	0.09 7	0.21 115	0.14 25	0.14 2	0.17 2	0.11 4	0.10 4	0.09 2	0.08 2	0.21 50	0.12 4	0.06 2	0.05 3	0.06 2	0.04 1	0.05 1	0.06 5

dual_stereo	0.18 55	0.08 2	0.26 12	0.21 86	0.32 444	0.11 2	0.13 10	0.27 45	0.20 19	0.11 4	0.09 3	0.10 5	0.08 2	0.20 42	0.14 45	0.07 32	0.45 479	0.06 2	0.05 12	0.05 1	0.65 486

IGEV-BASED-STEREO-	0.20 107	0.74 476	0.71 350	0.17 5	0.08 3	0.15 12	0.15 43	0.19 6	0.18 5	0.13 11	0.12 11	0.10 5	0.08 2	0.16 6	0.14 45	0.34 465	0.12 273	0.08 103	0.07 83	0.11 287	0.24 377

AIO-Stereo	0.16 33	0.12 80	0.29 20	0.30 386	0.20 346	0.16 22	0.14 25	0.28 50	0.22 38	0.14 22	0.15 34	0.13 25	0.08 2	0.20 42	0.15 72	0.06 2	0.16 347	0.07 33	0.08 151	0.06 8	0.24 377

Selective-IGEV	0.15 17	0.10 20	0.34 42	0.32 407	0.19 324	0.16 22	0.14 25	0.29 67	0.20 19	0.13 11	0.14 30	0.13 25	0.08 2	0.23 80	0.14 45	0.06 2	0.13 292	0.07 33	0.06 39	0.06 8	0.11 168

HART	0.20 107	0.14 148	0.42 91	0.26 300	0.24 399	0.17 32	0.16 69	0.32 100	0.25 81	0.15 34	0.26 126	0.17 79	0.09 9	0.24 87	0.14 45	0.06 2	0.36 469	0.07 33	0.05 12	0.08 107	0.27 404

GREAT-IGEV	0.19 79	0.11 41	0.39 66	0.22 132	0.33 445	0.14 7	0.15 43	0.18 4	0.22 38	0.14 22	0.16 37	0.09 2	0.09 9	0.23 80	0.14 45	0.06 2	0.50 480	0.06 2	0.06 39	0.07 53	0.53 476

SCV_C0	0.19 79	0.14 148	0.40 75	0.30 386	0.20 346	0.15 12	0.16 69	0.35 134	0.26 92	0.17 52	0.16 37	0.13 25	0.09 9	0.31 200	0.14 45	0.07 32	0.22 406	0.06 2	0.06 39	0.09 177	0.25 388

SCV	0.18 55	0.15 179	0.37 58	0.26 300	0.20 346	0.16 22	0.16 69	0.35 134	0.23 47	0.14 22	0.16 37	0.13 25	0.09 9	0.31 200	0.12 4	0.08 132	0.19 379	0.07 33	0.07 83	0.09 177	0.26 400

StereoAnything_RVC	0.22 155	0.47 444	0.67 331	0.30 386	0.31 441	0.11 2	0.11 3	0.18 4	0.15 1	0.09 1	0.11 5	0.09 2	0.09 9	0.27 132	0.12 4	0.09 199	0.39 471	0.06 2	0.04 1	0.24 439	0.49 471

AIO_test	0.20 107	0.12 80	0.46 122	0.45 461	0.38 458	0.15 12	0.17 97	0.28 50	0.20 19	0.19 71	0.13 16	0.14 47	0.09 9	0.39 261	0.13 15	0.07 32	0.21 395	0.06 2	0.06 39	0.06 8	0.34 435

GIP-stereo	0.16 33	0.12 80	0.25 7	0.24 225	0.22 376	0.15 12	0.14 25	0.32 100	0.21 32	0.11 4	0.16 37	0.13 25	0.09 9	0.20 42	0.13 15	0.07 32	0.13 292	0.06 2	0.05 12	0.06 8	0.32 428

mms	0.15 17	0.14 148	0.25 7	0.20 58	0.15 205	0.17 32	0.17 97	0.21 8	0.19 11	0.14 22	0.18 56	0.14 47	0.09 9	0.26 120	0.15 72	0.06 2	0.07 110	0.08 103	0.06 39	0.07 53	0.19 318

RAStereo	0.14 5	0.15 179	0.40 75	0.22 132	0.11 36	0.15 12	0.18 148	0.25 38	0.24 58	0.13 11	0.17 46	0.11 12	0.09 9	0.15 3	0.13 15	0.08 132	0.06 45	0.08 103	0.06 39	0.07 53	0.05 1

U	1.02 480	0.10 20	0.26 12	0.22 132	3.66 507	6.41 509	0.13 10	0.22 14	0.21 32	0.11 4	0.11 5	0.10 5	0.09 9	0.12 1	0.11 1	0.07 32	0.05 3	5.35 513	2.86 510	0.07 53	0.06 5

RSM++	0.14 5	0.11 41	0.25 7	0.32 407	0.17 271	0.17 32	0.15 43	0.23 15	0.21 32	0.12 9	0.12 11	0.14 47	0.09 9	0.21 50	0.13 15	0.06 2	0.05 3	0.07 33	0.07 83	0.07 53	0.11 168

RSM	0.14 5	0.11 41	0.25 7	0.29 376	0.16 241	0.16 22	0.15 43	0.24 27	0.20 19	0.13 11	0.13 16	0.15 60	0.09 9	0.22 66	0.13 15	0.06 2	0.06 45	0.07 33	0.07 83	0.07 53	0.11 168

EGLCR-Stereo	0.19 79	0.09 8	0.34 42	0.29 376	0.17 271	0.28 236	0.16 69	0.30 79	0.23 47	0.22 105	0.11 5	0.16 68	0.09 9	0.28 153	0.15 72	0.07 32	0.25 429	0.07 33	0.07 83	0.06 8	0.37 447

castereo++	0.14 5	0.13 105	0.25 7	0.19 26	0.10 24	0.27 219	0.13 10	0.24 27	0.26 92	0.11 4	0.13 16	0.16 68	0.10 22	0.18 20	0.11 1	0.07 32	0.08 165	0.07 33	0.06 39	0.05 1	0.07 17

fffft	0.14 5	0.12 80	0.30 26	0.19 26	0.10 24	0.17 32	0.18 148	0.23 15	0.17 2	0.14 22	0.11 5	0.13 25	0.10 22	0.24 87	0.18 136	0.06 2	0.05 3	0.07 33	0.06 39	0.07 53	0.09 85
1: 1. 1
tt45	0.15 17	0.14 148	0.29 20	0.19 26	0.11 36	0.23 160	0.18 148	0.23 15	0.18 5	0.16 41	0.13 16	0.14 47	0.10 22	0.31 200	0.15 72	0.07 32	0.05 3	0.08 103	0.06 39	0.07 53	0.08 51

ours_stereo	0.15 17	0.14 148	0.29 20	0.21 86	0.14 146	0.17 32	0.18 148	0.21 8	0.20 19	0.13 11	0.18 56	0.14 47	0.10 22	0.24 87	0.15 72	0.06 2	0.06 45	0.08 103	0.06 39	0.07 53	0.13 229

IGEV-Stereo+	0.14 5	0.08 2	0.26 12	0.18 11	0.14 146	0.09 1	0.10 1	0.16 3	0.17 2	0.14 22	0.08 1	0.10 5	0.10 22	0.22 66	0.14 45	0.07 32	0.15 336	0.06 2	0.06 39	0.16 376	0.29 416

RAFT-Stereo-weight	0.17 47	0.10 20	0.31 32	0.20 58	0.12 66	0.20 90	0.16 69	0.38 171	0.33 187	0.25 131	0.20 71	0.19 99	0.10 22	0.19 31	0.16 89	0.07 32	0.13 292	0.07 33	0.06 39	0.06 8	0.09 85

CAS++	0.17 47	0.13 105	0.35 47	0.18 11	0.13 110	0.17 32	0.16 69	0.42 220	0.25 81	0.19 71	0.18 56	0.13 25	0.10 22	0.22 66	0.12 4	0.12 334	0.10 230	0.11 304	0.08 151	0.10 235	0.09 85
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MGS-Stereo	0.15 17	0.12 80	0.38 60	0.19 26	0.11 36	0.18 48	0.17 97	0.21 8	0.23 47	0.14 22	0.24 111	0.16 68	0.10 22	0.19 31	0.13 15	0.07 32	0.06 45	0.07 33	0.06 39	0.10 235	0.07 17

MSKI-zero shot	0.19 79	0.10 20	0.47 128	0.30 386	0.14 146	0.21 115	0.14 25	0.33 118	0.22 38	0.24 119	0.25 118	0.22 129	0.10 22	0.32 209	0.14 45	0.07 32	0.30 457	0.07 33	0.07 83	0.06 8	0.09 85

DLNR_Zeroshot_test	10.53 513	12.28 519	20.32 520	105.84 528	23.88 525	0.14 7	0.13 10	3.20 508	0.20 19	0.16 41	0.23 104	0.16 68	0.10 22	0.32 209	0.16 89	2.54 508	0.32 463	0.07 33	0.07 83	40.17 526	0.28 411

4D-IteraStereo	0.20 107	0.21 294	0.62 310	0.21 86	0.14 146	0.19 60	0.17 97	0.29 67	0.28 119	0.24 119	0.20 71	0.20 110	0.10 22	0.22 66	0.18 136	0.07 32	0.07 110	0.10 251	0.08 151	0.08 107	0.33 432

CAS	0.16 33	0.07 1	0.29 20	0.42 457	0.17 271	0.20 90	0.18 148	0.23 15	0.20 19	0.15 34	0.19 63	0.11 12	0.10 22	0.15 3	0.14 45	0.31 462	0.04 1	0.06 2	0.04 1	0.06 8	0.16 284

CES	0.14 5	0.08 2	0.24 6	0.17 5	0.23 387	0.18 48	0.15 43	0.24 27	0.20 19	0.14 22	0.18 56	0.14 47	0.10 22	0.19 31	0.12 4	0.07 32	0.05 3	0.06 2	0.04 1	0.08 107	0.20 334

XX-Stereo	0.25 241	0.11 41	1.09 439	0.35 429	0.38 458	0.23 160	0.13 10	0.43 229	0.19 11	0.20 80	0.40 282	0.31 250	0.10 22	0.33 219	0.13 15	0.08 132	0.11 256	0.08 103	0.09 225	0.07 53	0.10 134

MM-Stereo_test2	0.19 79	0.11 41	0.47 128	0.25 261	0.11 36	0.21 115	0.20 222	0.28 50	0.24 58	0.16 41	0.17 46	0.13 25	0.11 36	0.21 50	0.14 45	0.06 2	0.26 436	0.07 33	0.06 39	0.09 177	0.41 455

HUF	0.26 263	0.15 179	0.79 374	0.39 445	0.31 441	0.16 22	0.17 97	0.36 146	0.25 81	0.19 71	0.14 30	0.23 143	0.11 36	0.32 209	0.14 45	0.08 132	0.60 492	0.06 2	0.05 12	0.07 53	0.56 477

AIO-test2	0.22 155	0.27 367	0.54 245	0.29 376	0.16 241	0.22 141	0.16 69	0.44 250	0.43 304	0.17 52	0.29 153	0.16 68	0.11 36	0.27 132	0.14 45	0.19 431	0.07 110	0.10 251	0.11 309	0.08 107	0.09 85

SMoEStereo_RVC	0.14 5	0.15 179	0.29 20	0.19 26	0.10 24	0.19 60	0.17 97	0.21 8	0.21 32	0.15 34	0.13 16	0.12 15	0.11 36	0.25 101	0.16 89	0.06 2	0.05 3	0.08 103	0.06 39	0.06 8	0.08 51

999	0.15 17	0.13 105	0.30 26	0.19 26	0.12 66	0.20 90	0.17 97	0.25 38	0.20 19	0.14 22	0.16 37	0.14 47	0.11 36	0.36 246	0.16 89	0.07 32	0.05 3	0.07 33	0.06 39	0.06 8	0.08 51

IGEV-Stereo++	0.15 17	0.09 8	0.27 17	0.21 86	0.13 110	0.14 7	0.11 3	0.23 15	0.19 11	0.15 34	0.14 30	0.11 12	0.11 36	0.19 31	0.12 4	0.06 2	0.21 395	0.06 2	0.05 12	0.06 8	0.28 411

Occ-G	0.18 55	0.10 20	0.38 60	0.23 181	0.15 205	0.16 22	0.18 148	0.23 15	0.26 92	0.15 34	0.20 71	0.21 124	0.11 36	0.22 66	0.19 162	0.07 32	0.17 366	0.07 33	0.06 39	0.08 107	0.30 419

Pointernet	0.15 17	0.08 2	0.35 47	0.19 26	0.12 66	0.20 90	0.12 6	0.34 125	0.25 81	0.15 34	0.16 37	0.13 25	0.11 36	0.18 20	0.13 15	0.08 132	0.06 45	0.06 2	0.05 12	0.06 8	0.08 51

test_for_model	0.33 353	0.91 483	0.48 143	0.74 483	0.50 468	0.20 90	0.16 69	0.33 118	0.27 109	0.29 186	0.15 34	0.13 25	0.11 36	0.17 13	0.14 45	0.31 462	0.27 440	0.06 2	0.05 12	0.97 496	0.31 423

IGEV++	0.19 79	0.13 105	0.38 60	0.30 386	0.19 324	0.15 12	0.15 43	0.32 100	0.18 5	0.13 11	0.16 37	0.12 15	0.11 36	0.24 87	0.15 72	0.07 32	0.32 463	0.07 33	0.05 12	0.07 53	0.42 458

MaDis-Stereo	0.15 17	0.17 240	0.39 66	0.19 26	0.15 205	0.16 22	0.13 10	0.26 42	0.22 38	0.13 11	0.15 34	0.14 47	0.11 36	0.17 13	0.17 112	0.08 132	0.07 110	0.08 103	0.06 39	0.07 53	0.06 5

UniTT-Stereo	0.15 17	0.12 80	0.45 108	0.21 86	0.14 146	0.17 32	0.13 10	0.20 7	0.19 11	0.16 41	0.20 71	0.10 5	0.11 36	0.18 20	0.17 112	0.08 132	0.06 45	0.07 33	0.06 39	0.08 107	0.07 17

CASnet	0.15 17	0.13 105	0.30 26	0.22 132	0.08 3	0.15 12	0.14 25	0.28 50	0.26 92	0.23 112	0.20 71	0.15 60	0.11 36	0.18 20	0.13 15	0.07 32	0.05 3	0.11 304	0.09 225	0.08 107	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala	0.17 47	0.11 41	0.49 163	0.20 58	0.13 110	0.23 160	0.15 43	0.33 118	0.22 38	0.25 131	0.20 71	0.14 47	0.11 36	0.17 13	0.14 45	0.07 32	0.23 416	0.07 33	0.06 39	0.05 1	0.07 17

CroCo-Stereo Lap2	0.16 33	0.18 261	0.39 66	0.26 300	0.18 298	0.11 2	0.19 189	0.30 79	0.22 38	0.13 11	0.16 37	0.15 60	0.11 36	0.17 13	0.15 72	0.07 32	0.07 110	0.08 103	0.06 39	0.08 107	0.07 17

GLC_STEREO	0.15 17	0.11 41	0.31 32	0.22 132	0.09 7	0.17 32	0.15 43	0.24 27	0.28 119	0.17 52	0.20 71	0.17 79	0.11 36	0.24 87	0.17 112	0.07 32	0.09 203	0.09 180	0.08 151	0.07 53	0.07 17

CREStereo++_RVC	0.16 33	0.09 8	0.42 91	0.17 5	0.11 36	0.18 48	0.13 10	0.23 15	0.31 162	0.21 87	0.31 177	0.13 25	0.11 36	0.17 13	0.16 89	0.07 32	0.04 1	0.06 2	0.15 404	0.06 8	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
MM-Stereo_test3	0.19 79	0.15 179	0.39 66	0.25 261	0.15 205	0.19 60	0.22 279	0.42 220	0.40 273	0.17 52	0.24 111	0.17 79	0.12 53	0.22 66	0.16 89	0.08 132	0.21 395	0.08 103	0.06 39	0.09 177	0.11 168

AIO-test1	0.21 137	0.22 312	0.56 263	0.31 401	0.24 399	0.21 115	0.16 69	0.42 220	0.37 238	0.17 52	0.26 126	0.18 90	0.12 53	0.29 174	0.15 72	0.08 132	0.07 110	0.10 251	0.11 309	0.07 53	0.10 134

tg	0.18 55	0.15 179	0.34 42	0.22 132	0.11 36	0.23 160	0.15 43	0.35 134	0.27 109	0.20 80	0.25 118	0.20 110	0.12 53	0.25 101	0.16 89	0.07 32	0.07 110	0.09 180	0.09 225	0.08 107	0.13 229

WCG-NET	0.15 17	0.12 80	0.31 32	0.18 11	0.09 7	0.18 48	0.17 97	0.23 15	0.29 137	0.18 68	0.22 97	0.15 60	0.12 53	0.19 31	0.13 15	0.06 2	0.12 273	0.07 33	0.05 12	0.06 8	0.06 5

model_zeroshot	0.21 137	0.14 148	0.51 201	0.34 423	0.18 298	0.26 212	0.16 69	0.41 216	0.24 58	0.33 262	0.20 71	0.25 172	0.12 53	0.26 120	0.16 89	0.09 199	0.21 395	0.07 33	0.08 151	0.07 53	0.13 229

GCAP-BAT	0.20 107	0.12 80	0.48 143	0.25 261	0.17 271	0.24 182	0.16 69	0.32 100	0.21 32	0.28 162	0.30 166	0.26 191	0.12 53	0.28 153	0.19 162	0.07 32	0.25 429	0.07 33	0.08 151	0.06 8	0.19 318

WCG-NET（raft）	0.16 33	0.14 148	0.32 37	0.18 11	0.09 7	0.19 60	0.16 69	0.24 27	0.27 109	0.19 71	0.19 63	0.20 110	0.12 53	0.22 66	0.13 15	0.06 2	0.17 366	0.06 2	0.05 12	0.07 53	0.07 17

testlalala2	0.19 79	0.11 41	0.49 163	0.37 434	0.26 416	0.24 182	0.14 25	0.37 160	0.26 92	0.25 131	0.27 139	0.21 124	0.12 53	0.17 13	0.17 112	0.07 32	0.07 110	0.07 33	0.07 83	0.07 53	0.08 51

Former-RAFT_DAM_RVC	0.18 55	0.15 179	0.27 17	0.20 58	0.13 110	0.24 182	0.17 97	0.31 94	0.37 238	0.43 385	0.17 46	0.13 25	0.12 53	0.20 42	0.16 89	0.08 132	0.07 110	0.09 180	0.07 83	0.09 177	0.08 51

ff7	0.18 55	0.13 105	0.41 82	0.21 86	0.15 205	0.21 115	0.17 97	0.28 50	0.23 47	0.21 87	0.13 16	0.12 15	0.12 53	0.27 132	0.13 15	0.07 32	0.25 429	0.08 103	0.07 83	0.08 107	0.36 439

IGEVStereo-DCA	0.20 107	0.17 240	0.41 82	0.22 132	0.15 205	0.20 90	0.17 97	0.28 50	0.23 47	0.19 71	0.12 11	0.14 47	0.12 53	0.38 258	0.31 316	0.07 32	0.16 347	0.08 103	0.07 83	0.08 107	0.36 439

ffff	0.18 55	0.13 105	0.41 82	0.21 86	0.15 205	0.21 115	0.17 97	0.28 50	0.23 47	0.21 87	0.13 16	0.12 15	0.12 53	0.27 132	0.13 15	0.07 32	0.25 429	0.08 103	0.07 83	0.08 107	0.36 439

rrr	0.22 155	0.17 240	0.79 374	0.22 132	0.15 205	0.20 90	0.18 148	0.40 198	0.27 109	0.19 71	0.12 11	0.14 47	0.12 53	0.38 258	0.31 316	0.07 32	0.16 347	0.08 103	0.07 83	0.08 107	0.28 411

11t	0.18 55	0.13 105	0.41 82	0.21 86	0.15 205	0.21 115	0.17 97	0.28 50	0.23 47	0.21 87	0.13 16	0.12 15	0.12 53	0.27 132	0.13 15	0.07 32	0.25 429	0.08 103	0.07 83	0.08 107	0.36 439

LL-Strereo2	0.21 137	0.25 351	0.53 233	0.32 407	0.20 346	0.25 197	0.14 25	0.32 100	0.25 81	0.25 131	0.20 71	0.24 160	0.12 53	0.28 153	0.18 136	0.07 32	0.07 110	0.12 337	0.09 225	0.09 177	0.16 284

anonymousdsp	0.20 107	0.13 105	0.49 163	0.28 363	0.20 346	0.21 115	0.17 97	0.29 67	0.24 58	0.22 105	0.13 16	0.12 15	0.12 53	0.32 209	0.13 15	0.07 32	0.26 436	0.08 103	0.07 83	0.08 107	0.48 469

ProNet	0.16 33	0.13 105	0.36 53	0.21 86	0.15 205	0.20 90	0.19 189	0.29 67	0.23 47	0.14 22	0.13 16	0.13 25	0.12 53	0.25 101	0.13 15	0.06 2	0.09 203	0.07 33	0.06 39	0.07 53	0.22 356

ccc-4	0.18 55	0.13 105	0.41 82	0.21 86	0.15 205	0.21 115	0.17 97	0.28 50	0.23 47	0.21 87	0.13 16	0.12 15	0.12 53	0.27 132	0.13 15	0.07 32	0.25 429	0.08 103	0.07 83	0.08 107	0.36 439

IGEV-Stereo	0.20 107	0.13 105	0.49 163	0.28 363	0.20 346	0.21 115	0.17 97	0.29 67	0.24 58	0.22 105	0.13 16	0.12 15	0.12 53	0.32 209	0.13 15	0.07 32	0.26 436	0.08 103	0.07 83	0.08 107	0.48 469
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CroCo-Stereo	0.15 17	0.16 210	0.34 42	0.25 261	0.12 66	0.11 2	0.18 148	0.35 134	0.24 58	0.13 11	0.13 16	0.18 90	0.12 53	0.15 3	0.13 15	0.08 132	0.06 45	0.07 33	0.05 12	0.07 53	0.06 5
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
iRaftStereo_RVC	0.17 47	0.16 210	0.35 47	0.21 86	0.11 36	0.20 90	0.17 97	0.34 125	0.25 81	0.20 80	0.25 118	0.19 99	0.12 53	0.21 50	0.16 89	0.07 32	0.12 273	0.10 251	0.09 225	0.09 177	0.14 255

TANstereo	0.16 33	0.11 41	0.43 97	0.16 4	0.08 3	0.25 197	0.14 25	0.23 15	0.29 137	0.25 131	0.30 166	0.16 68	0.12 53	0.18 20	0.13 15	0.08 132	0.07 110	0.06 2	0.05 12	0.07 53	0.08 51

XX-TBD	0.16 33	0.21 294	0.43 97	0.22 132	0.10 24	0.23 160	0.15 43	0.23 15	0.28 119	0.22 105	0.26 126	0.14 47	0.12 53	0.16 6	0.14 45	0.08 132	0.05 3	0.06 2	0.04 1	0.07 53	0.06 5

test_xeample3	0.22 155	0.17 240	0.81 379	0.21 86	0.15 205	0.20 90	0.18 148	0.40 198	0.25 81	0.19 71	0.12 11	0.13 25	0.12 53	0.34 234	0.33 332	0.07 32	0.20 390	0.07 33	0.08 151	0.08 107	0.34 435

DEFOM-Stereo_RVC	0.13 2	0.15 179	0.21 3	0.27 336	0.09 7	0.15 12	0.13 10	0.23 15	0.21 32	0.12 9	0.11 5	0.10 5	0.13 77	0.22 66	0.13 15	0.07 32	0.05 3	0.06 2	0.05 12	0.07 53	0.07 17

fffy	0.15 17	0.14 148	0.31 32	0.21 86	0.14 146	0.19 60	0.18 148	0.24 27	0.19 11	0.13 11	0.17 46	0.15 60	0.13 77	0.25 101	0.15 72	0.06 2	0.08 165	0.08 103	0.06 39	0.07 53	0.15 269

trnet	0.14 5	0.09 8	0.26 12	0.15 2	0.07 1	0.21 115	0.12 6	0.25 38	0.26 92	0.16 41	0.21 88	0.15 60	0.13 77	0.19 31	0.14 45	0.09 199	0.05 3	0.06 2	0.04 1	0.06 8	0.06 5

MoCha-V2	0.18 55	0.12 80	0.40 75	0.30 386	0.24 399	0.16 22	0.15 43	0.28 50	0.19 11	0.16 41	0.16 37	0.13 25	0.13 77	0.30 189	0.13 15	0.06 2	0.28 445	0.06 2	0.06 39	0.06 8	0.25 388

MyStereo07	0.18 55	0.15 179	0.44 105	0.22 132	0.16 241	0.25 197	0.22 279	0.31 94	0.26 92	0.22 105	0.13 16	0.12 15	0.13 77	0.33 219	0.14 45	0.07 32	0.13 292	0.09 180	0.09 225	0.09 177	0.11 168

AE-Stereo	0.21 137	0.12 80	0.50 185	0.25 261	0.15 205	0.24 182	0.18 148	0.40 198	0.34 198	0.19 71	0.26 126	0.21 124	0.13 77	0.22 66	0.16 89	0.07 32	0.26 436	0.09 180	0.10 277	0.07 53	0.31 423

MIM_Stereo	0.20 107	0.17 240	0.55 253	0.20 58	0.21 361	0.17 32	0.14 25	0.37 160	0.27 109	0.28 162	0.35 223	0.23 143	0.13 77	0.28 153	0.16 89	0.06 2	0.08 165	0.09 180	0.08 151	0.08 107	0.15 269

GCAP-Stereo	0.18 55	0.21 294	0.47 128	0.23 181	0.18 298	0.21 115	0.10 1	0.28 50	0.24 58	0.20 80	0.22 97	0.15 60	0.13 77	0.21 50	0.16 89	0.07 32	0.19 379	0.07 33	0.05 12	0.06 8	0.09 85

MC-Stereo	0.18 55	0.10 20	0.36 53	0.28 363	0.14 146	0.18 48	0.15 43	0.24 27	0.20 19	0.21 87	0.24 111	0.16 68	0.13 77	0.25 101	0.14 45	0.07 32	0.17 366	0.07 33	0.07 83	0.06 8	0.30 419

test_4	0.19 79	0.16 210	0.39 66	0.24 225	0.13 110	0.19 60	0.21 247	0.27 45	0.24 58	0.24 119	0.47 357	0.22 129	0.13 77	0.27 132	0.18 136	0.06 2	0.06 45	0.09 180	0.09 225	0.07 53	0.06 5

test-3	0.18 55	0.10 20	0.48 143	0.23 181	0.14 146	0.18 48	0.16 69	0.32 100	0.29 137	0.26 141	0.17 46	0.22 129	0.13 77	0.26 120	0.19 162	0.06 2	0.14 307	0.08 103	0.08 151	0.06 8	0.10 134

test_1	0.18 55	0.10 20	0.48 143	0.23 181	0.14 146	0.18 48	0.16 69	0.32 100	0.29 137	0.26 141	0.17 46	0.22 129	0.13 77	0.26 120	0.19 162	0.06 2	0.14 307	0.08 103	0.08 151	0.06 8	0.10 134

test_3	0.20 107	0.12 80	0.49 163	0.26 300	0.14 146	0.22 141	0.25 344	0.34 125	0.33 187	0.25 131	0.18 56	0.23 143	0.13 77	0.25 101	0.20 181	0.06 2	0.14 307	0.09 180	0.10 277	0.07 53	0.10 134

TRStereo	0.22 155	0.21 294	0.62 310	0.40 450	0.19 324	0.22 141	0.16 69	0.58 387	0.30 153	0.21 87	0.21 88	0.22 129	0.13 77	0.27 132	0.14 45	0.09 199	0.09 203	0.09 180	0.11 309	0.06 8	0.19 318

CREStereo	0.14 5	0.09 8	0.27 17	0.14 1	0.08 3	0.22 141	0.15 43	0.26 42	0.26 92	0.16 41	0.21 88	0.14 47	0.13 77	0.19 31	0.14 45	0.09 199	0.05 3	0.06 2	0.04 1	0.07 53	0.06 5
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
MM-Stereo_test1	0.20 107	0.13 105	0.45 108	0.24 225	0.12 66	0.20 90	0.21 247	0.36 146	0.32 172	0.23 112	0.22 97	0.15 60	0.14 92	0.28 153	0.16 89	0.07 32	0.24 426	0.08 103	0.07 83	0.09 177	0.21 343

rvit_stereo_0081_aga	0.17 47	0.17 240	0.40 75	0.21 86	0.14 146	0.20 90	0.17 97	0.24 27	0.26 92	0.18 68	0.21 88	0.20 110	0.14 92	0.20 42	0.15 72	0.12 334	0.08 165	0.09 180	0.08 151	0.10 235	0.08 51

rvit_stereo_0080	0.16 33	0.17 240	0.35 47	0.19 26	0.13 110	0.14 7	0.20 222	0.29 67	0.26 92	0.16 41	0.17 46	0.19 99	0.14 92	0.19 31	0.16 89	0.11 296	0.08 165	0.08 103	0.08 151	0.10 235	0.08 51

whm_eth	0.16 33	0.17 240	0.35 47	0.19 26	0.13 110	0.14 7	0.20 222	0.29 67	0.26 92	0.16 41	0.17 46	0.19 99	0.14 92	0.19 31	0.16 89	0.11 296	0.08 165	0.08 103	0.08 151	0.10 235	0.08 51

IGEV_Zeroshot_test	0.23 188	0.11 41	0.82 382	0.21 86	0.23 387	0.20 90	0.19 189	0.38 171	0.23 47	0.34 280	0.22 97	0.29 222	0.14 92	0.24 87	0.20 181	0.07 32	0.09 203	0.08 103	0.08 151	0.08 107	0.35 438

testlalala_base	0.23 188	0.14 148	0.48 143	0.26 300	0.16 241	0.25 197	0.17 97	0.37 160	0.19 11	0.20 80	0.26 126	0.17 79	0.14 92	0.19 31	0.18 136	0.42 475	0.23 416	0.07 33	0.06 39	0.50 469	0.14 255

RAFT-Test	0.19 79	0.11 41	0.41 82	0.26 300	0.21 361	0.26 212	0.17 97	0.37 160	0.26 92	0.24 119	0.29 153	0.32 261	0.14 92	0.22 66	0.15 72	0.07 32	0.08 165	0.07 33	0.07 83	0.06 8	0.07 17

LoS	0.15 17	0.09 8	0.34 42	0.17 5	0.09 7	0.22 141	0.14 25	0.27 45	0.27 109	0.15 34	0.18 56	0.19 99	0.14 92	0.23 80	0.14 45	0.08 132	0.06 45	0.06 2	0.04 1	0.06 8	0.06 5
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
AnonymousM	0.19 79	0.20 286	0.30 26	0.18 11	0.10 24	0.19 60	0.17 97	0.32 100	0.27 109	0.27 152	0.21 88	0.18 90	0.14 92	0.21 50	0.16 89	0.09 199	0.08 165	0.38 467	0.15 404	0.06 8	0.08 51

test-1	0.20 107	0.12 80	0.49 163	0.23 181	0.23 387	0.22 141	0.23 307	0.36 146	0.29 137	0.21 87	0.25 118	0.24 160	0.14 92	0.18 20	0.22 220	0.07 32	0.14 307	0.08 103	0.07 83	0.06 8	0.14 255

sCroCo_RVC	0.19 79	0.15 179	0.60 301	0.27 336	0.18 298	0.23 160	0.16 69	0.28 50	0.24 58	0.14 22	0.22 97	0.17 79	0.14 92	0.22 66	0.16 89	0.11 296	0.11 256	0.09 180	0.09 225	0.09 177	0.10 134

PMTNet	0.16 33	0.09 8	0.31 32	0.15 2	0.09 7	0.23 160	0.15 43	0.26 42	0.24 58	0.17 52	0.21 88	0.16 68	0.14 92	0.23 80	0.14 45	0.29 458	0.05 3	0.06 2	0.04 1	0.07 53	0.07 17

R-Stereo Train	0.19 79	0.10 20	0.49 163	0.22 132	0.12 66	0.23 160	0.18 148	0.43 229	0.20 19	0.31 224	0.45 338	0.20 110	0.14 92	0.18 20	0.18 136	0.08 132	0.06 45	0.07 33	0.06 39	0.06 8	0.07 17

RAFT-Stereo	0.19 79	0.10 20	0.49 163	0.22 132	0.12 66	0.23 160	0.18 148	0.43 229	0.20 19	0.31 224	0.45 338	0.20 110	0.14 92	0.18 20	0.18 136	0.08 132	0.06 45	0.07 33	0.06 39	0.06 8	0.07 17
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
rvit_stereo_0081	0.16 33	0.13 105	0.30 26	0.21 86	0.12 66	0.17 32	0.17 97	0.24 27	0.34 198	0.17 52	0.19 63	0.18 90	0.15 106	0.20 42	0.17 112	0.11 296	0.08 165	0.09 180	0.08 151	0.09 177	0.07 17

rvit_stereo_0082	0.16 33	0.13 105	0.30 26	0.21 86	0.12 66	0.17 32	0.17 97	0.24 27	0.34 198	0.17 52	0.19 63	0.18 90	0.15 106	0.20 42	0.17 112	0.11 296	0.08 165	0.09 180	0.08 151	0.09 177	0.07 17

gcap-zeroshot	0.19 79	0.14 148	0.51 201	0.21 86	0.15 205	0.27 219	0.15 43	0.32 100	0.24 58	0.26 141	0.20 71	0.34 276	0.15 106	0.22 66	0.14 45	0.07 32	0.08 165	0.07 33	0.07 83	0.06 8	0.09 85

EKT-Stereo	0.39 386	0.13 105	0.53 233	0.42 457	3.94 508	0.22 141	0.17 97	0.38 171	0.30 153	0.21 87	0.20 71	0.23 143	0.15 106	0.30 189	0.18 136	0.10 260	0.08 165	0.09 180	0.08 151	0.09 177	0.12 208

anonymousdsp2	0.23 188	0.11 41	0.42 91	0.26 300	0.24 399	0.25 197	0.17 97	0.43 229	0.37 238	0.30 209	0.23 104	0.24 160	0.15 106	0.32 209	0.17 112	0.07 32	0.28 445	0.07 33	0.05 12	0.08 107	0.44 462

CIPLG	0.23 188	0.28 375	0.75 359	0.24 225	0.16 241	0.25 197	0.20 222	0.38 171	0.33 187	0.32 249	0.34 215	0.23 143	0.15 106	0.27 132	0.22 220	0.09 199	0.07 110	0.08 103	0.07 83	0.08 107	0.09 85

IPLGR_C	0.23 188	0.29 378	0.81 379	0.24 225	0.16 241	0.24 182	0.20 222	0.38 171	0.33 187	0.32 249	0.33 205	0.23 143	0.15 106	0.26 120	0.22 220	0.09 199	0.07 110	0.08 103	0.07 83	0.08 107	0.09 85

ACRE	0.23 188	0.27 367	0.83 387	0.24 225	0.15 205	0.24 182	0.20 222	0.38 171	0.32 172	0.32 249	0.33 205	0.23 143	0.15 106	0.26 120	0.22 220	0.09 199	0.07 110	0.08 103	0.07 83	0.08 107	0.09 85

Pruner-Stereo	0.20 107	0.12 80	0.49 163	0.29 376	0.12 66	0.19 60	0.17 97	0.32 100	0.31 162	0.33 262	0.32 186	0.25 172	0.15 106	0.25 101	0.22 220	0.09 199	0.06 45	0.09 180	0.08 151	0.08 107	0.10 134

cross-raft	0.18 55	0.12 80	0.40 75	0.27 336	0.16 241	0.20 90	0.24 331	0.34 125	0.24 58	0.23 112	0.28 145	0.29 222	0.15 106	0.19 31	0.16 89	0.06 2	0.05 3	0.08 103	0.07 83	0.07 53	0.07 17

raft+_RVC	0.21 137	0.21 294	0.46 122	0.22 132	0.35 450	0.21 115	0.16 69	0.39 189	0.35 208	0.22 105	0.28 145	0.20 110	0.15 106	0.25 101	0.20 181	0.08 132	0.16 347	0.08 103	0.07 83	0.07 53	0.12 208

RALCasStereoNet	0.22 155	0.22 312	0.48 143	0.23 181	0.23 387	0.22 141	0.18 148	0.32 100	0.27 109	0.22 105	0.30 166	0.22 129	0.15 106	0.29 174	0.20 181	0.08 132	0.22 406	0.07 33	0.06 39	0.10 235	0.25 388

RALAANet	0.21 137	0.24 336	0.53 233	0.23 181	0.14 146	0.22 141	0.13 10	0.38 171	0.30 153	0.29 186	0.26 126	0.25 172	0.15 106	0.28 153	0.20 181	0.08 132	0.08 165	0.09 180	0.08 151	0.10 235	0.07 17

CFNet-RSSM	0.18 55	0.10 20	0.45 108	0.20 58	0.12 66	0.20 90	0.16 69	0.40 198	0.31 162	0.23 112	0.21 88	0.26 191	0.15 106	0.21 50	0.14 45	0.07 32	0.05 3	0.07 33	0.07 83	0.06 8	0.06 5

Gwc-CoAtRS	0.17 47	0.10 20	0.41 82	0.20 58	0.12 66	0.20 90	0.15 43	0.34 125	0.29 137	0.23 112	0.23 104	0.27 196	0.15 106	0.21 50	0.14 45	0.07 32	0.06 45	0.07 33	0.07 83	0.06 8	0.07 17

castereo	0.14 5	0.11 41	0.22 5	0.19 26	0.10 24	0.20 90	0.19 189	0.32 100	0.28 119	0.13 11	0.18 56	0.16 68	0.16 121	0.16 6	0.14 45	0.07 32	0.06 45	0.07 33	0.06 39	0.06 8	0.07 17

tt1	0.22 155	0.16 210	0.49 163	0.26 300	0.15 205	0.31 290	0.19 189	0.38 171	0.46 337	0.21 87	0.19 63	0.13 25	0.16 121	0.28 153	0.12 4	0.08 132	0.28 445	0.08 103	0.06 39	0.08 107	0.37 447

StereoVision	0.23 188	0.23 326	0.55 253	0.27 336	0.17 271	0.23 160	0.22 279	0.40 198	0.32 172	0.21 87	0.51 373	0.22 129	0.16 121	0.29 174	0.19 162	0.11 296	0.12 273	0.13 362	0.13 378	0.10 235	0.08 51

AEACV	0.20 107	0.09 8	0.32 37	0.39 445	0.34 447	0.21 115	0.16 69	0.30 79	0.18 5	0.17 52	0.17 46	0.13 25	0.16 121	0.27 132	0.13 15	0.07 32	0.29 456	0.07 33	0.09 225	0.07 53	0.37 447

Any-RAFT	0.18 55	0.09 8	0.33 40	0.19 26	0.10 24	0.29 257	0.16 69	0.44 250	0.32 172	0.25 131	0.27 139	0.29 222	0.16 121	0.23 80	0.13 15	0.08 132	0.07 110	0.06 2	0.05 12	0.07 53	0.07 17

DCRE	0.24 216	0.15 179	0.45 108	0.26 300	0.26 416	0.23 160	0.21 247	0.37 160	0.29 137	0.23 112	0.81 451	0.23 143	0.16 121	0.24 87	0.18 136	0.07 32	0.14 307	0.07 33	0.08 151	0.07 53	0.25 388

knoymous	0.18 55	0.10 20	0.35 47	0.17 5	0.11 36	0.21 115	0.17 97	0.33 118	0.24 58	0.24 119	0.28 145	0.27 196	0.16 121	0.24 87	0.17 112	0.09 199	0.06 45	0.09 180	0.06 39	0.09 177	0.10 134

DisPM	0.20 107	0.11 41	0.52 222	0.24 225	0.13 110	0.18 48	0.19 189	0.30 79	0.31 162	0.33 262	0.34 215	0.23 143	0.16 121	0.34 234	0.17 112	0.09 199	0.06 45	0.09 180	0.08 151	0.08 107	0.12 208

PFNet+	0.21 137	0.11 41	0.54 245	0.22 132	0.12 66	0.17 32	0.18 148	0.31 94	0.36 223	0.33 262	0.32 186	0.24 160	0.16 121	0.33 219	0.18 136	0.10 260	0.07 110	0.11 304	0.10 277	0.08 107	0.12 208

PSM-softLoss	0.22 155	0.11 41	0.53 233	0.25 261	0.12 66	0.20 90	0.17 97	0.39 189	0.29 137	0.29 186	0.32 186	0.24 160	0.16 121	0.53 312	0.21 203	0.09 199	0.06 45	0.10 251	0.09 225	0.08 107	0.12 208

KMStereo	0.22 155	0.11 41	0.53 233	0.25 261	0.12 66	0.20 90	0.17 97	0.39 189	0.29 137	0.29 186	0.32 186	0.24 160	0.16 121	0.53 312	0.21 203	0.09 199	0.06 45	0.10 251	0.09 225	0.08 107	0.12 208

rafts_anoy	0.21 137	0.22 312	0.49 163	0.25 261	0.24 399	0.19 60	0.17 97	0.34 125	0.32 172	0.24 119	0.25 118	0.20 110	0.16 121	0.25 101	0.21 203	0.08 132	0.19 379	0.11 304	0.12 350	0.09 177	0.09 85

sAnonymous2	0.21 137	0.24 336	0.79 374	0.24 225	0.17 271	0.22 141	0.20 222	0.36 146	0.29 137	0.17 52	0.19 63	0.17 79	0.16 121	0.18 20	0.15 72	0.10 260	0.07 110	0.09 180	0.08 151	0.23 435	0.18 304

CroCo_RVC	0.21 137	0.24 336	0.79 374	0.24 225	0.17 271	0.22 141	0.20 222	0.36 146	0.29 137	0.17 52	0.19 63	0.17 79	0.16 121	0.18 20	0.15 72	0.10 260	0.07 110	0.09 180	0.08 151	0.23 435	0.18 304

GMStereo	0.21 137	0.30 384	0.57 272	0.21 86	0.12 66	0.24 182	0.18 148	0.30 79	0.41 281	0.26 141	0.24 111	0.17 79	0.16 121	0.25 101	0.19 162	0.10 260	0.07 110	0.08 103	0.08 151	0.11 287	0.09 85
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
EAI-Stereo	0.29 316	0.11 41	0.38 60	0.22 132	0.18 298	0.33 313	1.66 504	0.53 328	0.27 109	0.27 152	0.50 370	0.17 79	0.16 121	0.25 101	0.25 260	0.07 32	0.07 110	0.07 33	0.11 309	0.07 53	0.10 134

rvit_stereo_0083	0.17 47	0.13 105	0.29 20	0.21 86	0.13 110	0.17 32	0.17 97	0.23 15	0.36 223	0.16 41	0.22 97	0.19 99	0.17 137	0.21 50	0.17 112	0.11 296	0.10 230	0.10 251	0.08 151	0.09 177	0.08 51

rvit_stereo_ft	0.18 55	0.19 273	0.43 97	0.25 261	0.14 146	0.17 32	0.21 247	0.30 79	0.28 119	0.17 52	0.19 63	0.20 110	0.17 137	0.22 66	0.18 136	0.11 296	0.07 110	0.09 180	0.09 225	0.10 235	0.08 51

ACVNet-DCA	0.21 137	0.16 210	0.50 185	0.27 336	0.13 110	0.31 290	0.19 189	0.43 229	0.32 172	0.21 87	0.20 71	0.13 25	0.17 137	0.28 153	0.12 4	0.08 132	0.28 445	0.08 103	0.06 39	0.09 177	0.23 364

1test111	0.22 155	0.16 210	0.50 185	0.27 336	0.13 110	0.31 290	0.19 189	0.43 229	0.32 172	0.21 87	0.20 71	0.13 25	0.17 137	0.36 246	0.28 290	0.08 132	0.28 445	0.08 103	0.06 39	0.09 177	0.23 364

cc1	0.22 155	0.16 210	0.50 185	0.27 336	0.13 110	0.31 290	0.19 189	0.39 189	0.48 356	0.21 87	0.20 71	0.13 25	0.17 137	0.28 153	0.12 4	0.08 132	0.28 445	0.08 103	0.06 39	0.08 107	0.37 447

GMStereo_Zeroshot	0.25 241	0.22 312	0.51 201	0.27 336	0.14 146	0.28 236	0.15 43	0.40 198	0.36 223	0.37 325	0.43 314	0.40 324	0.17 137	0.35 241	0.21 203	0.12 334	0.07 110	0.13 362	0.07 83	0.17 390	0.10 134

plain	0.18 55	0.16 210	0.59 294	0.21 86	0.13 110	0.16 22	0.17 97	0.29 67	0.23 47	0.16 41	0.26 126	0.13 25	0.17 137	0.27 132	0.17 112	0.09 199	0.06 45	0.10 251	0.07 83	0.10 235	0.07 17

MIF-Stereo (partial)	0.18 55	0.13 105	0.50 185	0.22 132	0.15 205	0.16 22	0.13 10	0.29 67	0.26 92	0.17 52	0.26 126	0.16 68	0.17 137	0.25 101	0.18 136	0.09 199	0.06 45	0.10 251	0.08 151	0.09 177	0.08 51

LoS_RVC	0.14 5	0.11 41	0.32 37	0.18 11	0.16 241	0.20 90	0.18 148	0.21 8	0.18 5	0.14 22	0.20 71	0.12 15	0.17 137	0.17 13	0.14 45	0.06 2	0.05 3	0.06 2	0.04 1	0.05 1	0.14 255

RCA-Stereo	0.17 47	0.10 20	0.33 40	0.20 58	0.11 36	0.19 60	0.17 97	0.39 189	0.36 223	0.21 87	0.25 118	0.17 79	0.17 137	0.18 20	0.15 72	0.07 32	0.14 307	0.07 33	0.06 39	0.06 8	0.08 51

RAFT_CTSACE	0.23 188	0.21 294	0.57 272	0.26 300	0.15 205	0.22 141	0.23 307	0.34 125	0.30 153	0.34 280	0.51 373	0.31 250	0.17 137	0.33 219	0.15 72	0.06 2	0.09 203	0.09 180	0.08 151	0.08 107	0.07 17

RAFT+CT+SA	0.23 188	0.24 336	0.48 143	0.25 261	0.18 298	0.23 160	0.29 381	0.42 220	0.38 247	0.24 119	0.39 273	0.20 110	0.17 137	0.34 234	0.17 112	0.07 32	0.07 110	0.09 180	0.12 350	0.09 177	0.13 229

dd	0.23 188	0.32 394	0.55 253	0.23 181	0.12 66	0.27 219	0.21 247	0.32 100	0.45 326	0.30 209	0.29 153	0.25 172	0.17 137	0.31 200	0.26 271	0.13 353	0.07 110	0.10 251	0.08 151	0.12 324	0.09 85

IPLG	0.23 188	0.19 273	0.65 323	0.21 86	0.12 66	0.28 236	0.17 97	0.45 259	0.32 172	0.33 262	0.32 186	0.16 68	0.17 137	0.50 296	0.23 238	0.07 32	0.06 45	0.08 103	0.07 83	0.07 53	0.08 51

GMOStereo	0.20 107	0.17 240	0.45 108	0.23 181	0.18 298	0.21 115	0.27 363	0.28 50	0.28 119	0.31 224	0.32 186	0.28 209	0.17 137	0.16 6	0.13 15	0.07 32	0.23 416	0.10 251	0.08 151	0.08 107	0.07 17

error version	0.20 107	0.17 240	0.45 108	0.23 181	0.18 298	0.21 115	0.27 363	0.28 50	0.28 119	0.31 224	0.32 186	0.28 209	0.17 137	0.16 6	0.13 15	0.07 32	0.23 416	0.10 251	0.08 151	0.08 107	0.07 17

test-v	0.20 107	0.17 240	0.45 108	0.23 181	0.18 298	0.21 115	0.27 363	0.28 50	0.28 119	0.31 224	0.32 186	0.28 209	0.17 137	0.16 6	0.13 15	0.07 32	0.23 416	0.10 251	0.08 151	0.08 107	0.07 17

NF-Stereo	0.22 155	0.11 41	0.52 222	0.25 261	0.12 66	0.21 115	0.18 148	0.40 198	0.35 208	0.28 162	0.30 166	0.22 129	0.17 137	0.52 309	0.21 203	0.09 199	0.06 45	0.09 180	0.08 151	0.08 107	0.13 229

OCTAStereo	0.22 155	0.11 41	0.52 222	0.25 261	0.12 66	0.21 115	0.18 148	0.40 198	0.35 208	0.28 162	0.30 166	0.22 129	0.17 137	0.51 302	0.21 203	0.09 199	0.06 45	0.09 180	0.08 151	0.08 107	0.13 229

RE-Stereo	0.22 155	0.11 41	0.52 222	0.25 261	0.12 66	0.21 115	0.18 148	0.40 198	0.35 208	0.28 162	0.30 166	0.22 129	0.17 137	0.51 302	0.21 203	0.09 199	0.06 45	0.09 180	0.08 151	0.08 107	0.13 229

TVStereo	0.22 155	0.11 41	0.52 222	0.25 261	0.12 66	0.21 115	0.18 148	0.40 198	0.35 208	0.28 162	0.30 166	0.22 129	0.17 137	0.51 302	0.21 203	0.09 199	0.06 45	0.09 180	0.08 151	0.08 107	0.13 229

RAFT-345	0.22 155	0.11 41	0.55 253	0.22 132	0.12 66	0.20 90	0.16 69	0.27 45	0.28 119	0.27 152	0.65 427	0.20 110	0.17 137	0.55 322	0.22 220	0.07 32	0.06 45	0.08 103	0.07 83	0.06 8	0.07 17

CRE-IMP	0.19 79	0.13 105	0.51 201	0.23 181	0.11 36	0.24 182	0.17 97	0.31 94	0.24 58	0.27 152	0.26 126	0.24 160	0.17 137	0.24 87	0.19 162	0.09 199	0.05 3	0.10 251	0.07 83	0.10 235	0.10 134

test-2	0.20 107	0.17 240	0.45 108	0.23 181	0.18 298	0.21 115	0.27 363	0.28 50	0.28 119	0.31 224	0.32 186	0.28 209	0.17 137	0.16 6	0.13 15	0.07 32	0.23 416	0.10 251	0.08 151	0.08 107	0.07 17

raftrobust	0.19 79	0.19 273	0.42 91	0.23 181	0.24 399	0.19 60	0.13 10	0.33 118	0.28 119	0.26 141	0.20 71	0.19 99	0.17 137	0.23 80	0.17 112	0.08 132	0.10 230	0.07 33	0.06 39	0.07 53	0.09 85

RAFT-Stereo + iAFF	0.20 107	0.23 326	0.49 163	0.21 86	0.16 241	0.19 60	0.17 97	0.35 134	0.32 172	0.26 141	0.33 205	0.20 110	0.17 137	0.21 50	0.17 112	0.06 2	0.10 230	0.07 33	0.07 83	0.07 53	0.11 168

AFF-stereo	0.20 107	0.24 336	0.49 163	0.22 132	0.11 36	0.18 48	0.18 148	0.35 134	0.29 137	0.25 131	0.36 238	0.25 172	0.17 137	0.25 101	0.17 112	0.06 2	0.09 203	0.08 103	0.08 151	0.08 107	0.11 168

DIP-Stereo	0.20 107	0.13 105	0.48 143	0.20 58	0.13 110	0.28 236	0.12 6	0.43 229	0.26 92	0.27 152	0.32 186	0.21 124	0.17 137	0.26 120	0.20 181	0.08 132	0.06 45	0.08 103	0.06 39	0.07 53	0.10 134
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
Reg-Stereo(zero)	0.18 55	0.08 2	0.39 66	0.19 26	0.19 324	0.24 182	0.18 148	0.29 67	0.29 137	0.24 119	0.21 88	0.24 160	0.18 165	0.22 66	0.21 203	0.07 32	0.11 256	0.06 2	0.07 83	0.06 8	0.11 168

rvit_0105_6	0.20 107	0.16 210	0.41 82	0.23 181	0.14 146	0.18 48	0.20 222	0.31 94	0.39 263	0.18 68	0.22 97	0.23 143	0.18 165	0.26 120	0.18 136	0.16 397	0.13 292	0.13 362	0.11 309	0.11 287	0.09 85

AIO-Stereo-zeroshot1	0.28 297	0.17 240	0.96 421	0.29 376	0.31 441	0.29 257	0.21 247	0.53 328	0.28 119	0.27 152	0.55 395	0.41 330	0.18 165	0.30 189	0.22 220	0.08 132	0.10 230	0.08 103	0.13 378	0.12 324	0.20 334

GCST	0.50 430	0.67 470	0.82 382	1.04 493	0.55 474	0.38 364	0.11 3	0.42 220	0.33 187	0.42 374	0.35 223	0.29 222	0.18 165	0.50 296	0.23 238	0.70 487	0.42 475	0.79 488	0.62 491	0.63 476	0.47 466

MyStereo06	0.23 188	0.15 179	0.74 356	0.22 132	0.14 146	0.25 197	0.22 279	0.43 229	0.25 81	0.36 309	0.24 111	0.34 276	0.18 165	0.24 87	0.20 181	0.07 32	0.12 273	0.09 180	0.09 225	0.09 177	0.11 168

HH	0.22 155	0.12 80	0.55 253	0.32 407	0.16 241	0.27 219	0.18 148	0.36 146	0.25 81	0.20 80	0.26 126	0.34 276	0.18 165	0.33 219	0.15 72	0.07 32	0.16 347	0.07 33	0.07 83	0.07 53	0.31 423

HanStereo	0.22 155	0.12 80	0.55 253	0.32 407	0.16 241	0.27 219	0.18 148	0.36 146	0.25 81	0.20 80	0.26 126	0.34 276	0.18 165	0.33 219	0.15 72	0.07 32	0.16 347	0.07 33	0.07 83	0.07 53	0.31 423

Selective-RAFT	0.19 79	0.14 148	0.37 58	0.24 225	0.11 36	0.30 270	0.15 43	0.35 134	0.34 198	0.17 52	0.17 46	0.22 129	0.18 165	0.29 174	0.18 136	0.07 32	0.16 347	0.07 33	0.07 83	0.08 107	0.08 51

Patchmatch Stereo++	0.19 79	0.13 105	0.51 201	0.22 132	0.11 36	0.19 60	0.14 25	0.30 79	0.24 58	0.28 162	0.29 153	0.25 172	0.18 165	0.27 132	0.18 136	0.09 199	0.06 45	0.10 251	0.08 151	0.10 235	0.09 85
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
NRIStereo	0.20 107	0.12 80	0.50 185	0.23 181	0.11 36	0.24 182	0.19 189	0.30 79	0.28 119	0.26 141	0.26 126	0.25 172	0.18 165	0.34 234	0.19 162	0.08 132	0.06 45	0.09 180	0.07 83	0.09 177	0.09 85

PSM-adaLoss	0.19 79	0.13 105	0.51 201	0.22 132	0.11 36	0.19 60	0.15 43	0.30 79	0.24 58	0.28 162	0.29 153	0.25 172	0.18 165	0.25 101	0.17 112	0.09 199	0.06 45	0.10 251	0.08 151	0.10 235	0.09 85

ROB_FTStereo_v2	0.19 79	0.13 105	0.51 201	0.22 132	0.11 36	0.19 60	0.15 43	0.30 79	0.24 58	0.28 162	0.29 153	0.25 172	0.18 165	0.25 101	0.18 136	0.09 199	0.06 45	0.10 251	0.08 151	0.10 235	0.09 85

ROB_FTStereo	0.19 79	0.13 105	0.51 201	0.22 132	0.11 36	0.19 60	0.13 10	0.30 79	0.24 58	0.28 162	0.29 153	0.25 172	0.18 165	0.25 101	0.17 112	0.09 199	0.06 45	0.10 251	0.08 151	0.10 235	0.09 85

HUI-Stereo	0.19 79	0.13 105	0.52 222	0.22 132	0.11 36	0.19 60	0.14 25	0.30 79	0.24 58	0.28 162	0.29 153	0.25 172	0.18 165	0.23 80	0.17 112	0.09 199	0.06 45	0.10 251	0.08 151	0.10 235	0.09 85

iGMRVC	0.19 79	0.13 105	0.51 201	0.22 132	0.11 36	0.19 60	0.15 43	0.30 79	0.24 58	0.28 162	0.29 153	0.25 172	0.18 165	0.27 132	0.18 136	0.09 199	0.06 45	0.10 251	0.08 151	0.10 235	0.09 85

RAFT-RH_RVC	0.26 263	0.13 105	0.57 272	0.22 132	0.12 66	0.25 197	0.14 25	0.27 45	0.29 137	0.38 333	1.14 471	0.23 143	0.18 165	0.58 334	0.24 246	0.07 32	0.06 45	0.10 251	0.07 83	0.06 8	0.08 51

iRAFT	0.19 79	0.13 105	0.51 201	0.22 132	0.11 36	0.19 60	0.14 25	0.30 79	0.24 58	0.28 162	0.29 153	0.25 172	0.18 165	0.27 132	0.18 136	0.09 199	0.06 45	0.10 251	0.08 151	0.10 235	0.09 85

RAFT-IKP	0.19 79	0.13 105	0.51 201	0.22 132	0.11 36	0.18 48	0.15 43	0.30 79	0.24 58	0.28 162	0.29 153	0.25 172	0.18 165	0.26 120	0.18 136	0.09 199	0.06 45	0.10 251	0.08 151	0.10 235	0.09 85

Anonymous3	0.24 216	0.19 273	0.76 363	0.27 336	0.18 298	0.41 378	0.24 331	0.45 259	0.36 223	0.23 112	0.27 139	0.20 110	0.18 165	0.28 153	0.19 162	0.12 334	0.11 256	0.10 251	0.10 277	0.11 287	0.13 229

s12784h	0.18 55	0.09 8	0.38 60	0.18 11	0.07 1	0.33 313	0.19 189	0.39 189	0.34 198	0.24 119	0.25 118	0.18 90	0.18 165	0.25 101	0.17 112	0.07 32	0.05 3	0.07 33	0.05 12	0.06 8	0.05 1

MyStereo8	0.25 241	0.20 286	0.69 338	0.24 225	0.17 271	0.31 290	0.16 69	0.50 303	0.32 172	0.29 186	0.38 256	0.25 172	0.19 185	0.33 219	0.29 303	0.08 132	0.20 390	0.08 103	0.08 151	0.10 235	0.16 284

Sa-1000	0.24 216	0.20 286	0.53 233	0.23 181	0.14 146	0.30 270	0.23 307	0.50 303	0.41 281	0.30 209	0.50 370	0.26 191	0.19 185	0.33 219	0.16 89	0.08 132	0.10 230	0.10 251	0.11 309	0.08 107	0.08 51

iRaft-Stereo_20w	0.29 316	0.11 41	0.86 398	0.33 418	0.24 399	0.32 306	0.26 355	0.60 406	0.26 92	0.41 370	0.21 88	0.28 209	0.19 185	0.32 209	0.24 246	0.07 32	0.31 461	0.07 33	0.09 225	0.08 107	0.47 466

IPLGR	0.22 155	0.14 148	0.75 359	0.21 86	0.11 36	0.25 197	0.18 148	0.44 250	0.38 247	0.29 186	0.28 145	0.21 124	0.19 185	0.37 256	0.19 162	0.07 32	0.06 45	0.08 103	0.07 83	0.07 53	0.07 17

TestStereo	0.22 155	0.24 336	0.48 143	0.25 261	0.11 36	0.22 141	0.22 279	0.32 100	0.31 162	0.24 119	0.34 215	0.23 143	0.19 185	0.62 360	0.19 162	0.08 132	0.07 110	0.10 251	0.07 83	0.11 287	0.07 17

rvit_0105_5	0.22 155	0.18 261	0.51 201	0.23 181	0.13 110	0.22 141	0.25 344	0.38 171	0.40 273	0.21 87	0.23 104	0.27 196	0.20 190	0.27 132	0.20 181	0.15 387	0.13 292	0.12 337	0.12 350	0.10 235	0.10 134

rvit_0105_4	0.21 137	0.17 240	0.49 163	0.23 181	0.14 146	0.20 90	0.23 307	0.35 134	0.40 273	0.19 71	0.24 111	0.25 172	0.20 190	0.28 153	0.18 136	0.16 397	0.13 292	0.12 337	0.11 309	0.11 287	0.10 134

H2IRNET	0.19 79	0.18 261	0.50 185	0.22 132	0.12 66	0.20 90	0.16 69	0.28 50	0.31 162	0.17 52	0.32 186	0.25 172	0.20 190	0.24 87	0.19 162	0.08 132	0.06 45	0.09 180	0.10 277	0.10 235	0.08 51

UDGNet	0.24 216	0.37 419	0.53 233	0.25 261	0.14 146	0.24 182	0.18 148	0.32 100	0.44 315	0.29 186	0.28 145	0.24 160	0.20 190	0.30 189	0.21 203	0.16 397	0.07 110	0.21 436	0.11 309	0.16 376	0.11 168

GwcNet-ADL	0.23 188	0.15 179	0.58 287	0.24 225	0.13 110	0.23 160	0.24 331	0.51 313	0.41 281	0.28 162	0.29 153	0.30 240	0.20 190	0.27 132	0.28 290	0.09 199	0.07 110	0.07 33	0.07 83	0.09 177	0.11 168

GANet-ADL	0.22 155	0.14 148	0.51 201	0.23 181	0.14 146	0.29 257	0.19 189	0.48 287	0.36 223	0.26 141	0.33 205	0.32 261	0.20 190	0.26 120	0.22 220	0.11 296	0.07 110	0.07 33	0.06 39	0.09 177	0.11 168

OMP-Stereo	0.24 216	0.16 210	0.48 143	0.30 386	0.13 110	0.21 115	0.16 69	0.38 171	0.35 208	0.34 280	0.30 166	0.33 268	0.20 190	0.70 389	0.24 246	0.08 132	0.06 45	0.09 180	0.07 83	0.08 107	0.07 17

PFNet	0.24 216	0.11 41	0.63 315	0.25 261	0.14 146	0.22 141	0.19 189	0.40 198	0.35 208	0.36 309	0.32 186	0.27 196	0.20 190	0.63 363	0.23 238	0.09 199	0.05 3	0.09 180	0.08 151	0.08 107	0.08 51

ARAFT	0.26 263	0.30 384	0.87 400	0.22 132	0.12 66	0.30 270	0.24 331	0.46 266	0.34 198	0.33 262	0.28 145	0.29 222	0.20 190	0.49 292	0.19 162	0.08 132	0.06 45	0.12 337	0.11 309	0.09 177	0.09 85

DN-CSS_ROB	0.24 216	0.33 398	0.69 338	0.25 261	0.14 146	0.26 212	0.13 10	0.42 220	0.35 208	0.30 209	0.42 301	0.22 129	0.20 190	0.34 234	0.22 220	0.07 32	0.06 45	0.11 304	0.11 309	0.11 287	0.09 85

DDVS	0.26 263	0.16 210	0.45 108	0.25 261	0.17 271	0.34 328	0.21 247	0.43 229	0.31 162	0.34 280	0.41 293	0.47 376	0.21 200	0.52 309	0.29 303	0.11 296	0.09 203	0.11 304	0.09 225	0.13 338	0.16 284

rvit_stereo_0075_2	0.25 241	0.18 261	0.65 323	0.27 336	0.22 376	0.22 141	0.15 43	0.41 216	0.36 223	0.27 152	0.37 249	0.29 222	0.21 200	0.29 174	0.20 181	0.17 411	0.12 273	0.19 429	0.12 350	0.14 360	0.14 255

TestStereo1	0.23 188	0.22 312	0.50 185	0.27 336	0.14 146	0.26 212	0.27 363	0.43 229	0.38 247	0.29 186	0.39 273	0.23 143	0.21 200	0.33 219	0.18 136	0.08 132	0.08 165	0.09 180	0.08 151	0.08 107	0.10 134

SA-5K	0.23 188	0.22 312	0.50 185	0.27 336	0.14 146	0.26 212	0.27 363	0.43 229	0.38 247	0.29 186	0.39 273	0.23 143	0.21 200	0.33 219	0.18 136	0.08 132	0.08 165	0.09 180	0.08 151	0.08 107	0.10 134

HHNet	0.23 188	0.12 80	0.66 328	0.19 26	0.18 298	0.20 90	0.20 222	0.36 146	0.32 172	0.33 262	0.59 409	0.19 99	0.21 200	0.24 87	0.31 316	0.08 132	0.06 45	0.09 180	0.07 83	0.08 107	0.12 208

GMM-Stereo	0.22 155	0.10 20	0.56 263	0.23 181	0.13 110	0.24 182	0.24 331	0.38 171	0.29 137	0.31 224	0.44 324	0.27 196	0.21 200	0.31 200	0.17 112	0.07 32	0.05 3	0.10 251	0.09 225	0.08 107	0.19 318

AdaStereo	0.25 241	0.17 240	0.47 128	0.25 261	0.13 110	0.33 313	0.17 97	0.57 374	0.43 304	0.34 280	0.38 256	0.35 290	0.21 200	0.32 209	0.24 246	0.14 374	0.06 45	0.13 362	0.09 225	0.11 287	0.09 85
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
rvit_0105_3	0.24 216	0.21 294	0.57 272	0.25 261	0.15 205	0.24 182	0.28 376	0.40 198	0.43 304	0.25 131	0.26 126	0.29 222	0.22 207	0.29 174	0.21 203	0.15 387	0.13 292	0.14 382	0.15 404	0.10 235	0.10 134

UGAM	0.28 297	0.18 261	0.57 272	0.26 300	0.13 110	0.23 160	0.26 355	0.33 118	0.45 326	0.32 249	0.42 301	0.45 360	0.22 207	0.92 451	0.23 238	0.08 132	0.09 203	0.14 382	0.13 378	0.10 235	0.10 134

DCANet-4	0.20 107	0.11 41	0.58 287	0.19 26	0.09 7	0.19 60	0.18 148	0.39 189	0.42 293	0.29 186	0.31 177	0.17 79	0.22 207	0.21 50	0.20 181	0.07 32	0.05 3	0.07 33	0.05 12	0.06 8	0.09 85

BUS	0.24 216	0.13 105	0.36 53	0.25 261	0.14 146	0.44 392	0.17 97	0.59 396	0.36 223	0.34 280	0.35 223	0.31 250	0.22 207	0.27 132	0.22 220	0.10 260	0.07 110	0.11 304	0.10 277	0.09 177	0.10 134

NINENet	0.27 289	0.16 210	0.49 163	0.23 181	0.16 241	0.44 392	0.17 97	0.63 425	0.49 369	0.33 262	0.38 256	0.31 250	0.22 207	0.43 273	0.22 220	0.11 296	0.10 230	0.12 337	0.08 151	0.12 324	0.11 168

IIG-Stereo	0.24 216	0.16 210	0.47 128	0.29 376	0.12 66	0.23 160	0.14 25	0.40 198	0.33 187	0.35 298	0.37 249	0.33 268	0.22 207	0.70 389	0.26 271	0.08 132	0.06 45	0.09 180	0.07 83	0.08 107	0.07 17

RAFT	0.24 216	0.24 336	0.46 122	0.27 336	0.15 205	0.26 212	0.26 355	0.37 160	0.31 162	0.34 280	0.34 215	0.41 330	0.22 207	0.30 189	0.18 136	0.08 132	0.15 336	0.11 304	0.10 277	0.11 287	0.13 229

111	0.22 155	0.22 312	0.57 272	0.19 26	0.09 7	0.24 182	0.17 97	0.44 250	0.46 337	0.24 119	0.30 166	0.29 222	0.22 207	0.25 101	0.19 162	0.08 132	0.05 3	0.07 33	0.06 39	0.07 53	0.15 269

SFCPSM	0.23 188	0.12 80	0.51 201	0.21 86	0.14 146	0.34 328	0.22 279	0.57 374	0.41 281	0.29 186	0.32 186	0.23 143	0.22 207	0.28 153	0.20 181	0.10 260	0.07 110	0.09 180	0.10 277	0.09 177	0.09 85

HITNet	0.22 155	0.23 326	0.60 301	0.20 58	0.09 7	0.27 219	0.15 43	0.45 259	0.33 187	0.29 186	0.33 205	0.27 196	0.22 207	0.29 174	0.27 282	0.07 32	0.05 3	0.07 33	0.06 39	0.09 177	0.11 168
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
MLCV	0.25 241	0.23 326	0.59 294	0.22 132	0.09 7	0.30 270	0.18 148	0.40 198	0.38 247	0.38 333	0.44 324	0.31 250	0.22 207	0.44 277	0.32 324	0.07 32	0.05 3	0.07 33	0.06 39	0.07 53	0.08 51

AIO-Stereo-zeroshot	0.26 263	0.15 179	0.96 421	0.21 86	0.25 412	0.30 270	0.21 247	0.54 340	0.28 119	0.25 131	0.29 153	0.46 367	0.23 218	0.28 153	0.20 181	0.08 132	0.10 230	0.08 103	0.12 350	0.11 287	0.17 301

MyStereo05	0.24 216	0.15 179	0.58 287	0.22 132	0.14 146	0.25 197	0.22 279	0.50 303	0.54 397	0.32 249	0.23 104	0.26 191	0.23 218	0.32 209	0.25 260	0.07 32	0.12 273	0.09 180	0.09 225	0.09 177	0.11 168

MyStereo04	0.24 216	0.15 179	0.58 287	0.22 132	0.16 241	0.25 197	0.22 279	0.51 313	0.54 397	0.29 186	0.23 104	0.27 196	0.23 218	0.32 209	0.25 260	0.07 32	0.13 292	0.09 180	0.09 225	0.09 177	0.11 168

CoDeX	0.24 216	0.13 105	0.48 143	0.22 132	0.14 146	0.29 257	0.21 247	0.55 356	0.42 293	0.29 186	0.36 238	0.28 209	0.23 218	0.48 290	0.20 181	0.09 199	0.06 45	0.08 103	0.07 83	0.08 107	0.08 51

11t1	0.21 137	0.12 80	0.45 108	0.20 58	0.15 205	0.27 219	0.17 97	0.37 160	0.28 119	0.27 152	0.25 118	0.24 160	0.23 218	0.28 153	0.25 260	0.09 199	0.19 379	0.07 33	0.07 83	0.09 177	0.23 364

ttt	0.33 353	0.14 148	0.54 245	0.22 132	0.14 146	0.30 270	0.22 279	0.59 396	0.51 380	0.31 224	0.46 350	0.30 240	0.23 218	0.71 394	1.07 461	0.13 353	0.22 406	0.10 251	0.11 309	0.12 324	0.24 377

CFNet_ucs	0.25 241	0.14 148	0.51 201	0.20 58	0.15 205	0.29 257	0.18 148	0.51 313	0.46 337	0.32 249	0.42 301	0.38 307	0.23 218	0.31 200	0.22 220	0.11 296	0.08 165	0.12 337	0.09 225	0.13 338	0.13 229

raft_robust	0.25 241	0.23 326	0.44 105	0.22 132	0.13 110	0.23 160	0.22 279	0.52 318	0.50 374	0.33 262	0.32 186	0.33 268	0.23 218	0.55 322	0.18 136	0.07 32	0.11 256	0.08 103	0.10 277	0.08 107	0.07 17

test_5	0.25 241	0.25 351	0.57 272	0.27 336	0.18 298	0.25 197	0.29 381	0.42 220	0.39 263	0.29 186	0.40 282	0.27 196	0.23 218	0.35 241	0.19 162	0.07 32	0.07 110	0.09 180	0.09 225	0.10 235	0.14 255

SA	0.24 216	0.22 312	0.55 253	0.23 181	0.14 146	0.25 197	0.23 307	0.48 287	0.42 293	0.28 162	0.44 324	0.23 143	0.23 218	0.34 234	0.17 112	0.07 32	0.09 203	0.11 304	0.11 309	0.08 107	0.09 85

iRaft-Stereo_5w	0.25 241	0.24 336	0.50 185	0.23 181	0.18 298	0.19 60	0.19 189	0.39 189	0.35 208	0.28 162	0.36 238	0.34 276	0.23 218	0.66 378	0.28 290	0.07 32	0.07 110	0.08 103	0.07 83	0.09 177	0.14 255

dad	0.30 329	0.38 425	0.60 301	0.22 132	0.14 146	0.32 306	0.21 247	0.35 134	0.51 380	0.45 398	0.45 338	0.46 367	0.23 218	0.41 266	0.27 282	0.21 436	0.11 256	0.20 434	0.11 309	0.15 368	0.11 168

RAFT_R40	0.22 155	0.11 41	0.52 222	0.25 261	0.13 110	0.18 48	0.18 148	0.32 100	0.31 162	0.33 262	0.33 205	0.30 240	0.23 218	0.55 322	0.19 162	0.08 132	0.05 3	0.10 251	0.08 151	0.09 177	0.07 17

CFNet_pseudo	0.23 188	0.14 148	0.48 143	0.20 58	0.13 110	0.27 219	0.17 97	0.46 266	0.45 326	0.30 209	0.37 249	0.38 307	0.23 218	0.30 189	0.22 220	0.09 199	0.06 45	0.11 304	0.08 151	0.11 287	0.11 168

HCRNet	0.25 241	0.27 367	0.42 91	0.34 423	0.17 271	0.27 219	0.18 148	0.45 259	0.37 238	0.31 224	0.35 223	0.32 261	0.23 218	0.44 277	0.21 203	0.13 353	0.08 165	0.13 362	0.11 309	0.11 287	0.09 85

DCANet	0.20 107	0.15 179	0.57 272	0.19 26	0.09 7	0.19 60	0.18 148	0.37 160	0.41 281	0.30 209	0.31 177	0.19 99	0.23 218	0.21 50	0.20 181	0.07 32	0.05 3	0.07 33	0.05 12	0.07 53	0.10 134

FENet	0.22 155	0.13 105	0.48 143	0.22 132	0.12 66	0.27 219	0.18 148	0.43 229	0.37 238	0.31 224	0.32 186	0.29 222	0.23 218	0.27 132	0.24 246	0.10 260	0.07 110	0.09 180	0.09 225	0.09 177	0.11 168

ccs_rob	0.23 188	0.14 148	0.48 143	0.20 58	0.13 110	0.27 219	0.17 97	0.46 266	0.45 326	0.30 209	0.37 249	0.38 307	0.23 218	0.30 189	0.22 220	0.09 199	0.06 45	0.11 304	0.08 151	0.12 324	0.11 168

iResNet	0.25 241	0.22 312	0.62 310	0.26 300	0.11 36	0.31 290	0.23 307	0.46 266	0.45 326	0.34 280	0.43 314	0.27 196	0.23 218	0.36 246	0.37 353	0.08 132	0.05 3	0.07 33	0.06 39	0.08 107	0.10 134

HI	0.21 137	0.16 210	0.50 185	0.18 11	0.15 205	0.17 32	0.16 69	0.35 134	0.22 38	0.38 333	0.38 256	0.36 295	0.24 237	0.29 174	0.22 220	0.06 2	0.05 3	0.08 103	0.09 225	0.09 177	0.08 51

CoSv	0.21 137	0.16 210	0.50 185	0.18 11	0.15 205	0.17 32	0.16 69	0.35 134	0.22 38	0.38 333	0.38 256	0.36 295	0.24 237	0.29 174	0.22 220	0.06 2	0.05 3	0.08 103	0.09 225	0.09 177	0.08 51

test_sample3	0.25 241	0.14 148	0.52 222	0.20 58	0.12 66	0.33 313	0.20 222	0.53 328	0.38 247	0.32 249	0.35 223	0.29 222	0.24 237	0.54 317	0.25 260	0.10 260	0.14 307	0.09 180	0.09 225	0.11 287	0.15 269

mmm	0.25 241	0.15 179	0.44 105	0.23 181	0.20 346	0.28 236	0.21 247	0.43 229	0.32 172	0.31 224	0.40 282	0.30 240	0.24 237	0.31 200	0.28 290	0.09 199	0.21 395	0.11 304	0.12 350	0.10 235	0.26 400

ffm	0.27 289	0.17 240	0.84 391	0.21 86	0.13 110	0.29 257	0.21 247	0.38 171	0.46 337	0.31 224	0.44 324	0.34 276	0.24 237	0.28 153	0.12 4	0.08 132	0.28 445	0.12 337	0.11 309	0.08 107	0.37 447

ff1	0.36 369	0.17 240	0.84 391	0.21 86	0.13 110	0.29 257	0.21 247	0.38 171	0.46 337	0.31 224	0.44 324	0.34 276	0.24 237	0.91 446	1.30 472	0.08 132	0.28 445	0.12 337	0.11 309	0.08 107	0.37 447

mmx	0.37 376	0.17 240	0.84 391	0.21 86	0.13 110	0.29 257	0.21 247	0.57 374	0.48 356	0.31 224	0.44 324	0.34 276	0.24 237	0.91 446	1.30 472	0.10 260	0.20 390	0.12 337	0.11 309	0.11 287	0.23 364

xxx	0.37 376	0.17 240	0.84 391	0.21 86	0.13 110	0.29 257	0.21 247	0.57 374	0.48 356	0.31 224	0.44 324	0.34 276	0.24 237	0.91 446	1.30 472	0.10 260	0.20 390	0.12 337	0.11 309	0.11 287	0.23 364

PCWNet_CMD	0.23 188	0.14 148	0.48 143	0.21 86	0.13 110	0.28 236	0.17 97	0.47 276	0.47 350	0.30 209	0.36 238	0.37 301	0.24 237	0.29 174	0.21 203	0.09 199	0.06 45	0.10 251	0.08 151	0.11 287	0.11 168

MIPNet	0.22 155	0.19 273	0.64 320	0.22 132	0.12 66	0.28 236	0.20 222	0.48 287	0.39 263	0.31 224	0.24 111	0.19 99	0.24 237	0.28 153	0.20 181	0.07 32	0.05 3	0.08 103	0.07 83	0.07 53	0.08 51

IRAFT_RVC	0.23 188	0.15 179	0.54 245	0.26 300	0.12 66	0.19 60	0.23 307	0.41 216	0.39 263	0.31 224	0.30 166	0.29 222	0.24 237	0.55 322	0.23 238	0.08 132	0.06 45	0.10 251	0.08 151	0.08 107	0.08 51

GES	0.23 188	0.14 148	0.54 245	0.21 86	0.14 146	0.28 236	0.19 189	0.51 313	0.35 208	0.31 224	0.36 238	0.25 172	0.24 237	0.30 189	0.23 238	0.11 296	0.09 203	0.08 103	0.08 151	0.10 235	0.12 208

MSMDNet	0.23 188	0.14 148	0.49 163	0.20 58	0.13 110	0.28 236	0.17 97	0.47 276	0.47 350	0.30 209	0.36 238	0.37 301	0.24 237	0.29 174	0.21 203	0.09 199	0.07 110	0.09 180	0.08 151	0.11 287	0.11 168

FACV-RUCA	0.22 155	0.15 179	0.38 60	0.24 225	0.23 387	0.26 212	0.19 189	0.41 216	0.35 208	0.26 141	0.32 186	0.22 129	0.25 250	0.24 87	0.19 162	0.10 260	0.07 110	0.15 398	0.08 151	0.16 376	0.14 255

test_sample6	0.27 289	0.15 179	0.50 185	0.22 132	0.12 66	0.30 270	0.22 279	0.54 340	0.39 263	0.34 280	0.44 324	0.29 222	0.25 250	0.58 334	0.26 271	0.11 296	0.14 307	0.10 251	0.10 277	0.11 287	0.16 284

test_sample5	0.26 263	0.14 148	0.51 201	0.21 86	0.12 66	0.31 290	0.21 247	0.53 328	0.38 247	0.33 262	0.43 314	0.29 222	0.25 250	0.56 328	0.24 246	0.10 260	0.14 307	0.10 251	0.10 277	0.11 287	0.16 284

test_sample4	0.26 263	0.14 148	0.53 233	0.21 86	0.12 66	0.32 306	0.21 247	0.53 328	0.38 247	0.33 262	0.38 256	0.28 209	0.25 250	0.54 317	0.25 260	0.10 260	0.14 307	0.10 251	0.09 225	0.11 287	0.16 284

test_sample2	0.23 188	0.12 80	0.39 66	0.20 58	0.11 36	0.28 236	0.22 279	0.45 259	0.33 187	0.27 152	0.34 215	0.30 240	0.25 250	0.46 285	0.23 238	0.09 199	0.15 336	0.09 180	0.08 151	0.10 235	0.19 318

xx1	0.23 188	0.16 210	0.50 185	0.27 336	0.13 110	0.31 290	0.19 189	0.39 189	0.48 356	0.21 87	0.20 71	0.28 209	0.25 250	0.28 153	0.12 4	0.08 132	0.28 445	0.10 251	0.11 309	0.09 177	0.23 364

DualNet	0.26 263	0.14 148	0.51 201	0.21 86	0.12 66	0.31 290	0.21 247	0.53 328	0.38 247	0.34 280	0.44 324	0.29 222	0.25 250	0.56 328	0.24 246	0.10 260	0.14 307	0.10 251	0.10 277	0.11 287	0.16 284

CASS	0.22 155	0.16 210	0.40 75	0.26 300	0.12 66	0.29 257	0.19 189	0.40 198	0.32 172	0.34 280	0.35 223	0.25 172	0.25 250	0.26 120	0.21 203	0.13 353	0.08 165	0.11 304	0.09 225	0.11 287	0.12 208
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
riskmin	0.24 216	0.10 20	0.43 97	0.32 407	0.26 416	0.33 313	0.19 189	0.44 250	0.30 153	0.24 119	0.27 139	0.37 301	0.25 250	0.30 189	0.22 220	0.09 199	0.18 375	0.09 180	0.13 378	0.10 235	0.27 404

qqq	0.24 216	0.16 210	0.46 122	0.20 58	0.15 205	0.23 160	0.20 222	0.43 229	0.32 172	0.26 141	0.31 177	0.28 209	0.25 250	0.36 246	0.28 290	0.08 132	0.22 406	0.10 251	0.11 309	0.09 177	0.23 364

x	0.23 188	0.15 179	0.45 108	0.20 58	0.15 205	0.27 219	0.17 97	0.43 229	0.35 208	0.26 141	0.31 177	0.29 222	0.25 250	0.29 174	0.30 306	0.09 199	0.22 406	0.08 103	0.09 225	0.09 177	0.24 377

BSDual-CNN	0.24 216	0.13 105	0.36 53	0.25 261	0.14 146	0.35 343	0.22 279	0.59 396	0.36 223	0.34 280	0.35 223	0.38 307	0.25 250	0.27 132	0.28 290	0.10 260	0.07 110	0.11 304	0.10 277	0.09 177	0.10 134

psmg	0.24 216	0.13 105	0.36 53	0.21 86	0.14 146	0.35 343	0.23 307	0.54 340	0.36 223	0.36 309	0.38 256	0.38 307	0.25 250	0.27 132	0.28 290	0.10 260	0.08 165	0.10 251	0.10 277	0.09 177	0.09 85

SST-Stereo	0.22 155	0.11 41	0.52 222	0.25 261	0.14 146	0.19 60	0.17 97	0.32 100	0.26 92	0.34 280	0.33 205	0.29 222	0.25 250	0.56 328	0.18 136	0.08 132	0.05 3	0.10 251	0.08 151	0.09 177	0.07 17

ICVP	0.24 216	0.13 105	0.45 108	0.26 300	0.14 146	0.30 270	0.25 344	0.47 276	0.35 208	0.29 186	0.43 314	0.35 290	0.25 250	0.28 153	0.25 260	0.12 334	0.09 203	0.09 180	0.09 225	0.09 177	0.11 168
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.29 316	0.24 336	0.60 301	0.27 336	0.16 241	0.33 313	0.25 344	0.58 387	0.56 408	0.35 298	0.38 256	0.34 276	0.25 250	0.51 302	0.29 303	0.12 334	0.08 165	0.09 180	0.08 151	0.11 287	0.13 229

xxxx	0.39 386	0.14 148	0.47 128	0.20 58	0.16 241	0.38 364	0.20 222	0.61 413	0.43 304	0.30 209	0.44 324	0.38 307	0.25 250	0.50 296	2.41 500	0.11 296	0.21 395	0.09 180	0.10 277	0.10 235	0.26 400

DMCA	0.24 216	0.18 261	0.51 201	0.23 181	0.14 146	0.27 219	0.20 222	0.45 259	0.40 273	0.32 249	0.33 205	0.33 268	0.25 250	0.27 132	0.30 306	0.11 296	0.08 165	0.10 251	0.08 151	0.11 287	0.12 208

PAM	0.26 263	0.11 41	0.63 315	0.25 261	0.18 298	0.53 430	0.29 381	0.44 250	0.28 119	0.36 309	0.27 139	0.59 417	0.26 268	0.28 153	0.20 181	0.08 132	0.12 273	0.07 33	0.10 277	0.07 53	0.13 229

AASNet	0.29 316	0.27 367	0.67 331	0.26 300	0.18 298	0.34 328	0.21 247	0.64 430	0.49 369	0.36 309	0.41 293	0.32 261	0.26 268	0.33 219	0.39 359	0.12 334	0.09 203	0.10 251	0.08 151	0.14 360	0.12 208

KYRaft	0.23 188	0.11 41	0.43 97	0.23 181	0.12 66	0.23 160	0.23 307	0.37 160	0.26 92	0.35 298	0.53 387	0.34 276	0.26 268	0.29 174	0.16 89	0.07 32	0.05 3	0.09 180	0.10 277	0.08 107	0.30 419

ASMatch	0.23 188	0.11 41	0.55 253	0.25 261	0.14 146	0.19 60	0.16 69	0.32 100	0.30 153	0.28 162	0.68 433	0.28 209	0.26 268	0.50 296	0.22 220	0.07 32	0.06 45	0.08 103	0.07 83	0.06 8	0.11 168

BEATNet_4x	0.25 241	0.25 351	0.66 328	0.23 181	0.10 24	0.29 257	0.14 25	0.49 295	0.34 198	0.31 224	0.35 223	0.32 261	0.26 268	0.34 234	0.33 332	0.08 132	0.06 45	0.08 103	0.07 83	0.11 287	0.13 229

UCFNet_RVC	0.25 241	0.21 294	0.49 163	0.19 26	0.15 205	0.34 328	0.18 148	0.47 276	0.36 223	0.30 209	0.35 223	0.40 324	0.26 268	0.35 241	0.24 246	0.13 353	0.08 165	0.13 362	0.14 394	0.13 338	0.13 229

DeepPruner_ROB	0.28 297	0.25 351	0.64 320	0.22 132	0.16 241	0.30 270	0.21 247	0.54 340	0.33 187	0.36 309	0.38 256	0.38 307	0.26 268	0.45 283	0.28 290	0.15 387	0.11 256	0.11 304	0.11 309	0.14 360	0.14 255

ISRNet	0.28 297	0.15 179	0.54 245	0.27 336	0.19 324	0.24 182	0.15 43	0.47 276	0.45 326	0.40 358	0.49 367	0.42 341	0.27 275	0.33 219	0.30 306	0.20 434	0.12 273	0.17 414	0.16 414	0.16 376	0.21 343

rvit_105_1	0.28 297	0.24 336	0.65 323	0.27 336	0.19 324	0.31 290	0.35 413	0.46 266	0.53 392	0.31 224	0.32 186	0.32 261	0.27 275	0.36 246	0.26 271	0.16 397	0.14 307	0.15 398	0.17 425	0.11 287	0.11 168

SMFormer	0.27 289	0.13 105	0.47 128	0.20 58	0.10 24	0.28 236	0.19 189	0.54 340	0.48 356	0.35 298	0.42 301	0.31 250	0.27 275	0.60 346	0.34 336	0.10 260	0.16 347	0.08 103	0.09 225	0.10 235	0.16 284

tta	0.27 289	0.13 105	0.47 128	0.20 58	0.10 24	0.28 236	0.19 189	0.54 340	0.48 356	0.35 298	0.42 301	0.31 250	0.27 275	0.60 346	0.34 336	0.10 260	0.16 347	0.08 103	0.09 225	0.08 107	0.13 229

qqq1	0.26 263	0.13 105	0.47 128	0.20 58	0.10 24	0.28 236	0.19 189	0.54 340	0.48 356	0.35 298	0.42 301	0.31 250	0.27 275	0.60 346	0.21 203	0.10 260	0.16 347	0.07 33	0.07 83	0.08 107	0.13 229

fff1	0.26 263	0.13 105	0.47 128	0.20 58	0.10 24	0.28 236	0.19 189	0.54 340	0.48 356	0.35 298	0.42 301	0.31 250	0.27 275	0.60 346	0.21 203	0.10 260	0.16 347	0.07 33	0.07 83	0.08 107	0.13 229

gwcnet-sp	0.25 241	0.16 210	0.70 344	0.23 181	0.14 146	0.34 328	0.22 279	0.46 266	0.41 281	0.37 325	0.35 223	0.27 196	0.27 275	0.36 246	0.26 271	0.09 199	0.08 165	0.09 180	0.09 225	0.10 235	0.10 134

scenet	0.25 241	0.16 210	0.70 344	0.23 181	0.14 146	0.34 328	0.22 279	0.46 266	0.41 281	0.37 325	0.35 223	0.27 196	0.27 275	0.36 246	0.26 271	0.09 199	0.08 165	0.09 180	0.09 225	0.10 235	0.10 134

anonymousa	0.26 263	0.13 105	0.56 263	0.29 376	0.30 435	0.31 290	0.20 222	0.38 171	0.36 223	0.33 262	0.51 373	0.41 330	0.27 275	0.25 101	0.24 246	0.08 132	0.18 375	0.09 180	0.18 430	0.08 107	0.17 301

ssnet	0.25 241	0.16 210	0.70 344	0.23 181	0.14 146	0.34 328	0.22 279	0.46 266	0.41 281	0.37 325	0.35 223	0.27 196	0.27 275	0.36 246	0.26 271	0.09 199	0.08 165	0.09 180	0.09 225	0.10 235	0.10 134

CSP-Net	0.28 297	0.17 240	0.41 82	0.22 132	0.14 146	0.44 392	0.24 331	0.52 318	0.42 293	0.42 374	0.44 324	0.42 341	0.27 275	0.66 378	0.30 306	0.12 334	0.09 203	0.08 103	0.08 151	0.10 235	0.10 134

test_xeample	0.39 386	0.14 148	0.46 122	0.19 26	0.16 241	0.34 328	0.22 279	0.59 396	0.43 304	0.33 262	0.47 357	0.30 240	0.27 275	0.60 346	2.44 501	0.10 260	0.21 395	0.09 180	0.09 225	0.09 177	0.25 388

cf-r	0.26 263	0.22 312	0.66 328	0.22 132	0.14 146	0.28 236	0.22 279	0.44 250	0.42 293	0.32 249	0.42 301	0.43 348	0.27 275	0.44 277	0.27 282	0.11 296	0.07 110	0.08 103	0.10 277	0.08 107	0.09 85

PSMNet-RSSM	0.26 263	0.21 294	0.50 185	0.21 86	0.14 146	0.25 197	0.21 247	0.50 303	0.38 247	0.31 224	0.45 338	0.40 324	0.27 275	0.53 312	0.24 246	0.12 334	0.08 165	0.11 304	0.13 378	0.10 235	0.10 134

CFNet-ft	0.26 263	0.21 294	0.51 201	0.19 26	0.16 241	0.31 290	0.21 247	0.40 198	0.37 238	0.29 186	0.40 282	0.46 367	0.27 275	0.49 292	0.28 290	0.12 334	0.07 110	0.12 337	0.11 309	0.12 324	0.11 168

FADNet-RVC-Resample	0.31 340	0.32 394	1.16 447	0.27 336	0.17 271	0.33 313	0.21 247	0.49 295	0.40 273	0.36 309	0.38 256	0.34 276	0.27 275	0.54 317	0.27 282	0.10 260	0.10 230	0.14 382	0.13 378	0.13 338	0.18 304

MaskLacGwcNet_RVC	0.38 381	0.43 438	0.72 355	0.35 429	0.19 324	0.51 421	0.25 344	0.56 365	0.39 263	0.42 374	0.47 357	0.47 376	0.27 275	0.74 402	0.32 324	0.38 471	0.19 379	0.27 448	0.17 425	0.29 455	0.27 404

HSM-Net_RVC	0.28 297	0.12 80	0.48 143	0.19 26	0.11 36	0.35 343	0.21 247	0.64 430	0.44 315	0.40 358	0.43 314	0.50 390	0.27 275	0.75 407	0.25 260	0.08 132	0.07 110	0.08 103	0.07 83	0.08 107	0.09 85
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.29 316	0.29 378	0.57 272	0.23 181	0.14 146	0.34 328	0.15 43	0.53 328	0.46 337	0.31 224	0.40 282	0.38 307	0.27 275	0.76 413	0.28 290	0.10 260	0.07 110	0.11 304	0.11 309	0.11 287	0.09 85

CFNet_RVC	0.26 263	0.21 294	0.51 201	0.19 26	0.16 241	0.31 290	0.21 247	0.40 198	0.37 238	0.29 186	0.40 282	0.46 367	0.27 275	0.49 292	0.28 290	0.12 334	0.07 110	0.12 337	0.11 309	0.12 324	0.11 168

iResNetv2_ROB	0.29 316	0.37 419	0.92 412	0.24 225	0.13 110	0.30 270	0.19 189	0.55 356	0.51 380	0.39 349	0.46 350	0.39 321	0.27 275	0.36 246	0.30 306	0.09 199	0.06 45	0.07 33	0.05 12	0.13 338	0.11 168

PAM_32	0.26 263	0.10 20	0.63 315	0.24 225	0.19 324	0.51 421	0.26 355	0.43 229	0.30 153	0.32 249	0.28 145	0.60 423	0.28 296	0.29 174	0.20 181	0.08 132	0.14 307	0.08 103	0.10 277	0.07 53	0.15 269

ITSA-stereo	0.26 263	0.16 210	0.39 66	0.24 225	0.11 36	0.28 236	0.18 148	0.58 387	0.59 419	0.32 249	0.32 186	0.33 268	0.28 296	0.51 302	0.34 336	0.11 296	0.08 165	0.11 304	0.11 309	0.11 287	0.15 269

test_sample1	0.24 216	0.13 105	0.40 75	0.20 58	0.13 110	0.29 257	0.19 189	0.43 229	0.30 153	0.27 152	0.34 215	0.31 250	0.28 296	0.45 283	0.27 282	0.09 199	0.16 347	0.08 103	0.08 151	0.09 177	0.22 356

DispNO	0.29 316	0.24 336	0.83 387	0.23 181	0.17 271	0.25 197	0.22 279	0.47 276	0.42 293	0.33 262	0.39 273	0.38 307	0.28 296	0.78 417	0.35 343	0.09 199	0.07 110	0.10 251	0.10 277	0.09 177	0.09 85

SDNR	0.47 425	0.29 378	0.92 412	0.24 225	0.37 455	1.27 487	0.17 97	0.54 340	0.58 412	0.44 391	0.85 455	0.55 405	0.28 296	1.19 473	0.52 400	0.23 440	0.24 426	0.17 414	0.13 378	0.19 413	0.26 400

fff	0.20 107	0.15 179	0.57 272	0.19 26	0.09 7	0.19 60	0.18 148	0.38 171	0.46 337	0.29 186	0.31 177	0.18 90	0.28 296	0.21 50	0.20 181	0.07 32	0.05 3	0.07 33	0.05 12	0.06 8	0.09 85

hknet	0.26 263	0.15 179	0.49 163	0.25 261	0.16 241	0.35 343	0.22 279	0.59 396	0.40 273	0.34 280	0.35 223	0.43 348	0.28 296	0.38 258	0.26 271	0.09 199	0.07 110	0.11 304	0.10 277	0.09 177	0.10 134

PSMNet-ADL	0.26 263	0.16 210	0.39 66	0.27 336	0.14 146	0.32 306	0.22 279	0.45 259	0.37 238	0.28 162	0.34 215	0.41 330	0.28 296	0.61 352	0.32 324	0.11 296	0.10 230	0.09 180	0.11 309	0.10 235	0.13 229

DeepStereo_RVC	0.19 79	0.12 80	0.47 128	0.22 132	0.11 36	0.19 60	0.16 69	0.29 67	0.24 58	0.28 162	0.27 139	0.23 143	0.28 296	0.24 87	0.19 162	0.08 132	0.06 45	0.09 180	0.07 83	0.09 177	0.10 134

Prome-Stereo	0.22 155	0.10 20	0.43 97	0.24 225	0.13 110	0.23 160	0.23 307	0.37 160	0.27 109	0.33 262	0.58 405	0.24 160	0.28 296	0.30 189	0.16 89	0.07 32	0.05 3	0.08 103	0.07 83	0.08 107	0.20 334

ADLNet	0.30 329	0.19 273	0.59 294	0.23 181	0.19 324	0.34 328	0.23 307	0.56 365	0.44 315	0.43 385	0.41 293	0.43 348	0.28 296	0.56 328	0.36 347	0.11 296	0.08 165	0.11 304	0.11 309	0.11 287	0.15 269

csc	0.20 107	0.15 179	0.57 272	0.19 26	0.09 7	0.19 60	0.18 148	0.38 171	0.46 337	0.29 186	0.31 177	0.18 90	0.28 296	0.21 50	0.20 181	0.07 32	0.05 3	0.07 33	0.05 12	0.06 8	0.09 85

cscssc	0.20 107	0.15 179	0.57 272	0.19 26	0.09 7	0.19 60	0.18 148	0.38 171	0.46 337	0.29 186	0.31 177	0.18 90	0.28 296	0.21 50	0.20 181	0.07 32	0.05 3	0.07 33	0.05 12	0.06 8	0.09 85

222	0.45 415	0.14 148	0.43 97	0.19 26	0.15 205	0.36 350	0.20 222	0.60 406	0.43 304	0.37 325	0.45 338	0.30 240	0.28 296	0.59 341	3.72 506	0.11 296	0.19 379	0.08 103	0.09 225	0.09 177	0.27 404

ACVNet	0.24 216	0.18 261	0.51 201	0.18 11	0.15 205	0.27 219	0.23 307	0.40 198	0.45 326	0.29 186	0.41 293	0.38 307	0.28 296	0.28 153	0.35 343	0.09 199	0.07 110	0.08 103	0.07 83	0.10 235	0.09 85

acv_ft	0.26 263	0.18 261	0.56 263	0.24 225	0.19 324	0.34 328	0.21 247	0.47 276	0.45 326	0.39 349	0.41 293	0.38 307	0.28 296	0.28 153	0.36 347	0.09 199	0.07 110	0.08 103	0.07 83	0.11 287	0.09 85

GwcNet-RSSM	0.28 297	0.25 351	0.61 307	0.22 132	0.14 146	0.28 236	0.24 331	0.46 266	0.44 315	0.33 262	0.46 350	0.41 330	0.28 296	0.55 322	0.31 316	0.11 296	0.07 110	0.09 180	0.10 277	0.10 235	0.09 85

STTStereo	0.30 329	0.24 336	0.83 387	0.25 261	0.17 271	0.30 270	0.24 331	0.49 295	0.39 263	0.39 349	0.41 293	0.44 354	0.28 296	0.41 266	0.30 306	0.13 353	0.13 292	0.13 362	0.16 414	0.12 324	0.12 208

NLCA_NET_v2_RVC	0.29 316	0.24 336	0.81 379	0.26 300	0.18 298	0.30 270	0.22 279	0.52 318	0.41 281	0.38 333	0.42 301	0.42 341	0.28 296	0.46 285	0.31 316	0.11 296	0.08 165	0.10 251	0.11 309	0.10 235	0.12 208
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNet_ROB	0.27 289	0.27 367	0.48 143	0.21 86	0.12 66	0.32 306	0.17 97	0.57 374	0.55 404	0.39 349	0.44 324	0.37 301	0.28 296	0.43 273	0.28 290	0.08 132	0.06 45	0.06 2	0.05 12	0.09 177	0.11 168

1111x	0.39 386	0.17 240	0.80 378	0.23 181	0.15 205	0.33 313	0.27 363	0.62 421	0.48 356	0.32 249	0.43 314	0.40 324	0.29 316	0.86 436	1.60 487	0.09 199	0.23 416	0.09 180	0.12 350	0.10 235	0.23 364

AACVNet	0.28 297	0.22 312	0.55 253	0.23 181	0.14 146	0.30 270	0.19 189	0.43 229	0.33 187	0.39 349	0.42 301	0.44 354	0.29 316	0.73 398	0.28 290	0.11 296	0.09 203	0.11 304	0.09 225	0.13 338	0.12 208

pcwnet_v2	0.32 346	0.16 210	1.22 458	0.23 181	0.19 324	0.32 306	0.19 189	0.61 413	0.61 423	0.37 325	0.45 338	0.35 290	0.29 316	0.37 256	0.26 271	0.14 374	0.11 256	0.12 337	0.11 309	0.14 360	0.18 304

UPFNet	0.27 289	0.15 179	0.47 128	0.25 261	0.20 346	0.37 358	0.27 363	0.50 303	0.40 273	0.36 309	0.38 256	0.37 301	0.29 316	0.40 263	0.34 336	0.10 260	0.10 230	0.10 251	0.10 277	0.10 235	0.08 51

FADNet_RVC	0.31 340	0.35 410	0.98 425	0.24 225	0.16 241	0.30 270	0.17 97	0.52 318	0.39 263	0.30 209	0.38 256	0.30 240	0.29 316	0.54 317	0.33 332	0.14 374	0.14 307	0.14 382	0.16 414	0.21 426	0.24 377

FADNet-RVC	0.34 361	0.43 438	0.97 423	0.25 261	0.20 346	0.33 313	0.20 222	0.51 313	0.42 293	0.34 280	0.40 282	0.41 330	0.29 316	0.65 372	0.36 347	0.14 374	0.14 307	0.14 382	0.15 404	0.19 413	0.20 334

DCVSM-stereo	0.25 241	0.14 148	0.53 233	0.21 86	0.14 146	0.27 219	0.14 25	0.35 134	0.35 208	0.42 374	0.33 205	0.46 367	0.30 322	0.31 200	0.27 282	0.11 296	0.10 230	0.12 337	0.10 277	0.12 324	0.15 269

GASNet	0.39 386	0.58 464	1.27 460	0.35 429	0.23 387	0.35 343	0.23 307	0.63 425	0.56 408	0.41 370	0.38 256	0.45 360	0.30 322	0.81 427	0.42 368	0.16 397	0.11 256	0.14 382	0.14 394	0.23 435	0.12 208

ssnet_v2	0.30 329	0.21 294	0.63 315	0.23 181	0.15 205	0.40 374	0.30 388	0.59 396	0.48 356	0.40 358	0.37 249	0.46 367	0.30 322	0.41 266	0.44 378	0.13 353	0.11 256	0.11 304	0.11 309	0.12 324	0.11 168

LCNet	0.22 155	0.12 80	0.42 91	0.26 300	0.12 66	0.23 160	0.19 189	0.36 146	0.28 119	0.28 162	0.35 223	0.26 191	0.30 322	0.35 241	0.17 112	0.07 32	0.05 3	0.09 180	0.10 277	0.13 338	0.22 356

AAGNet	0.34 361	0.12 80	0.53 233	0.26 300	0.16 241	0.20 90	0.19 189	0.31 94	0.29 137	0.35 298	0.35 223	0.27 196	0.30 322	0.44 277	2.56 502	0.08 132	0.05 3	0.10 251	0.07 83	0.09 177	0.07 17

LMCR-Stereo	0.28 297	0.22 312	0.56 263	0.29 376	0.14 146	0.37 358	0.23 307	0.57 374	0.36 223	0.40 358	0.40 282	0.29 222	0.30 322	0.41 266	0.38 355	0.11 296	0.07 110	0.09 180	0.07 83	0.13 338	0.10 134

ac_64	0.28 297	0.16 210	0.62 310	0.25 261	0.17 271	0.36 350	0.22 279	0.48 287	0.35 208	0.36 309	0.37 249	0.51 393	0.30 322	0.62 360	0.34 336	0.11 296	0.09 203	0.10 251	0.10 277	0.09 177	0.09 85

GANet-RSSM	0.26 263	0.19 273	0.54 245	0.21 86	0.14 146	0.27 219	0.22 279	0.47 276	0.34 198	0.30 209	0.40 282	0.41 330	0.30 322	0.59 341	0.25 260	0.11 296	0.08 165	0.09 180	0.09 225	0.10 235	0.10 134

DSFCA	0.29 316	0.18 261	0.48 143	0.21 86	0.17 271	0.39 368	0.32 402	0.49 295	0.44 315	0.44 391	0.38 256	0.40 324	0.30 322	0.53 312	0.38 355	0.12 334	0.10 230	0.10 251	0.11 309	0.11 287	0.11 168

TDLM	0.32 346	0.27 367	0.52 222	0.30 386	0.15 205	0.33 313	0.32 402	0.54 340	0.50 374	0.44 391	0.43 314	0.39 321	0.30 322	0.92 451	0.30 306	0.14 374	0.09 203	0.13 362	0.12 350	0.13 338	0.14 255

AANet_RVC	0.33 353	0.31 387	0.69 338	0.23 181	0.14 146	0.30 270	0.23 307	0.49 295	0.55 404	0.39 349	0.60 413	0.43 348	0.30 322	0.88 439	0.54 408	0.11 296	0.08 165	0.07 33	0.07 83	0.10 235	0.12 208

NVstereo2D	0.32 346	0.18 261	0.63 315	0.24 225	0.23 387	0.43 387	0.28 376	0.60 406	0.58 412	0.28 162	0.39 273	0.42 341	0.30 322	0.71 394	0.30 306	0.13 353	0.09 203	0.13 362	0.10 277	0.20 420	0.18 304

StereoDRNet-Refined	0.28 297	0.19 273	0.47 128	0.25 261	0.14 146	0.36 350	0.21 247	0.49 295	0.43 304	0.46 403	0.52 380	0.42 341	0.30 322	0.46 285	0.38 355	0.10 260	0.07 110	0.11 304	0.11 309	0.10 235	0.11 168
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NOSS_ROB	0.33 353	0.24 336	0.49 163	0.27 336	0.16 241	0.34 328	0.19 189	0.55 356	0.50 374	0.34 280	0.37 249	0.42 341	0.30 322	0.93 453	0.25 260	0.19 431	0.20 390	0.24 445	0.22 446	0.17 390	0.25 388

ADStereo(finetuned)	0.21 137	0.15 179	0.59 294	0.19 26	0.09 7	0.19 60	0.18 148	0.37 160	0.41 281	0.30 209	0.31 177	0.19 99	0.31 336	0.21 50	0.20 181	0.07 32	0.05 3	0.07 33	0.05 12	0.07 53	0.10 134

Wz-Net-LNSev-Ref	0.33 353	0.25 351	0.82 382	0.22 132	0.17 271	0.46 402	0.28 376	0.53 328	0.53 392	0.43 385	0.57 402	0.44 354	0.31 336	0.50 296	0.48 389	0.10 260	0.06 45	0.08 103	0.06 39	0.11 287	0.12 208

DAS	0.28 297	0.13 105	0.49 163	0.24 225	0.18 298	0.30 270	0.24 331	0.48 287	0.48 356	0.42 374	0.45 338	0.34 276	0.31 336	0.76 413	0.24 246	0.09 199	0.07 110	0.09 180	0.07 83	0.10 235	0.11 168

SepStereo	0.27 289	0.13 105	0.49 163	0.24 225	0.18 298	0.30 270	0.24 331	0.48 287	0.48 356	0.42 374	0.45 338	0.34 276	0.31 336	0.64 368	0.24 246	0.09 199	0.07 110	0.09 180	0.07 83	0.10 235	0.11 168

ADLNet2	0.31 340	0.23 326	0.77 369	0.23 181	0.18 298	0.36 350	0.24 331	0.55 356	0.54 397	0.33 262	0.38 256	0.45 360	0.31 336	0.70 389	0.36 347	0.10 260	0.08 165	0.09 180	0.09 225	0.12 324	0.11 168

TransformOpticalFlow	0.24 216	0.14 148	0.57 272	0.24 225	0.11 36	0.21 115	0.19 189	0.43 229	0.34 198	0.30 209	0.43 314	0.36 295	0.31 336	0.61 352	0.20 181	0.07 32	0.05 3	0.08 103	0.07 83	0.06 8	0.08 51

RAFT + AFF	0.30 329	0.33 398	0.76 363	0.25 261	0.17 271	0.30 270	0.33 407	0.55 356	0.42 293	0.28 162	0.30 166	0.31 250	0.31 336	0.64 368	0.32 324	0.09 199	0.11 256	0.11 304	0.10 277	0.12 324	0.16 284

delet	0.29 316	0.18 261	0.58 287	0.24 225	0.19 324	0.41 378	0.30 388	0.52 318	0.51 380	0.35 298	0.42 301	0.37 301	0.31 336	0.49 292	0.36 347	0.10 260	0.09 203	0.11 304	0.12 350	0.09 177	0.09 85

CVANet_RVC	0.34 361	0.25 351	0.77 369	0.27 336	0.17 271	0.34 328	0.28 376	0.55 356	0.50 374	0.43 385	0.46 350	0.44 354	0.31 336	0.90 444	0.27 282	0.15 387	0.10 230	0.14 382	0.14 394	0.15 368	0.15 269

PS-NSSS	0.33 353	0.36 416	0.61 307	0.24 225	0.18 298	0.33 313	0.24 331	0.59 396	0.42 293	0.38 333	0.52 380	0.36 295	0.31 336	0.80 424	0.32 324	0.18 422	0.14 307	0.21 436	0.15 404	0.17 390	0.14 255

StereoDRNet	0.34 361	0.28 375	0.70 344	0.28 363	0.21 361	0.43 387	0.30 388	0.63 425	0.51 380	0.47 409	0.40 282	0.48 380	0.31 336	0.58 334	0.44 378	0.12 334	0.10 230	0.12 337	0.11 309	0.13 338	0.13 229

UGAM-zero	0.26 263	0.11 41	0.56 263	0.20 58	0.16 241	0.28 236	0.18 148	0.48 287	0.25 81	0.31 224	0.28 145	0.56 409	0.32 347	0.66 378	0.17 112	0.07 32	0.10 230	0.07 33	0.09 225	0.07 53	0.31 423

DualNet (step1)	0.31 340	0.21 294	0.69 338	0.18 11	0.17 271	0.36 350	0.21 247	0.54 340	0.43 304	0.38 333	0.36 238	0.38 307	0.32 347	0.41 266	0.26 271	0.24 442	0.21 395	0.28 454	0.24 452	0.18 405	0.21 343

test_sample9	0.45 415	0.21 294	0.69 338	0.18 11	0.17 271	0.36 350	0.21 247	0.54 340	0.43 304	0.38 333	0.36 238	0.38 307	0.32 347	0.70 389	1.01 454	0.24 442	1.93 506	0.28 454	0.24 452	0.18 405	0.21 343

test_sample7	0.28 297	0.16 210	0.47 128	0.21 86	0.14 146	0.29 257	0.22 279	0.54 340	0.43 304	0.38 333	0.36 238	0.38 307	0.32 347	0.41 266	0.26 271	0.14 374	0.21 395	0.13 362	0.12 350	0.13 338	0.25 388

ToySt	0.28 297	0.19 273	0.68 337	0.22 132	0.19 324	0.31 290	0.31 397	0.43 229	0.43 304	0.28 162	0.38 256	0.42 341	0.32 347	0.33 219	0.32 324	0.08 132	0.14 307	0.10 251	0.12 350	0.11 287	0.24 377

FADNet	0.34 361	0.43 438	0.88 406	0.24 225	0.22 376	0.37 358	0.19 189	0.56 365	0.49 369	0.32 249	0.36 238	0.43 348	0.32 347	0.65 372	0.30 306	0.17 411	0.16 347	0.14 382	0.16 414	0.25 441	0.21 343

HSM	0.29 316	0.18 261	0.48 143	0.21 86	0.15 205	0.33 313	0.20 222	0.55 356	0.39 263	0.36 309	0.39 273	0.67 448	0.32 347	0.88 439	0.24 246	0.09 199	0.07 110	0.08 103	0.07 83	0.09 177	0.10 134

PSMNet_ROB	0.36 369	0.31 387	0.71 350	0.31 401	0.21 361	0.44 392	0.44 445	0.61 413	0.49 369	0.39 349	0.45 338	0.49 386	0.32 347	0.66 378	0.53 404	0.14 374	0.10 230	0.15 398	0.14 394	0.13 338	0.13 229

PSMNet-RUCA	0.39 386	0.47 444	0.84 391	0.46 464	0.41 463	0.34 328	0.26 355	0.59 396	0.46 337	0.40 358	0.51 373	0.44 354	0.33 355	0.43 273	0.31 316	0.25 449	0.14 307	0.33 464	0.21 438	0.32 460	0.23 364

UNet	0.28 297	0.16 210	0.70 344	0.24 225	0.20 346	0.44 392	0.21 247	0.52 318	0.42 293	0.36 309	0.40 282	0.43 348	0.33 355	0.41 266	0.32 324	0.09 199	0.07 110	0.10 251	0.09 225	0.10 235	0.09 85

SQANet	0.44 412	0.57 462	0.89 408	0.49 467	0.39 460	0.47 408	0.23 307	0.53 328	0.44 315	0.41 370	0.48 366	0.47 376	0.34 357	0.58 334	0.43 371	0.38 471	0.15 336	0.40 469	0.21 438	0.50 469	0.34 435

IER	0.24 216	0.15 179	0.50 185	0.21 86	0.15 205	0.31 290	0.20 222	0.44 250	0.38 247	0.34 280	0.41 293	0.32 261	0.34 357	0.31 200	0.23 238	0.09 199	0.07 110	0.08 103	0.08 151	0.09 177	0.09 85

SACVNet	0.32 346	0.25 351	0.59 294	0.26 300	0.19 324	0.35 343	0.25 344	0.54 340	0.41 281	0.43 385	0.45 338	0.46 367	0.34 357	0.71 394	0.30 306	0.14 374	0.10 230	0.12 337	0.12 350	0.16 376	0.20 334

DGSMNet	0.63 458	0.32 394	1.01 428	0.54 470	0.73 484	0.62 444	1.36 502	0.62 421	0.58 412	0.38 333	0.62 423	0.52 398	0.34 357	0.65 372	0.47 387	0.54 477	0.61 493	0.67 482	0.61 490	0.65 478	0.69 490

MMNet	0.28 297	0.19 273	0.54 245	0.24 225	0.17 271	0.47 408	0.22 279	0.47 276	0.53 392	0.40 358	0.43 314	0.36 295	0.34 357	0.40 263	0.35 343	0.08 132	0.08 165	0.09 180	0.09 225	0.10 235	0.09 85

GwcNet	0.37 376	0.29 378	1.12 441	0.25 261	0.24 399	0.48 414	0.27 363	0.58 387	0.60 421	0.39 349	0.54 390	0.51 393	0.34 357	0.60 346	0.46 384	0.13 353	0.12 273	0.12 337	0.11 309	0.13 338	0.15 269

DLCB_ROB	0.30 329	0.20 286	0.45 108	0.28 363	0.17 271	0.37 358	0.25 344	0.50 303	0.45 326	0.46 403	0.47 357	0.51 393	0.34 357	0.56 328	0.38 355	0.10 260	0.10 230	0.11 304	0.11 309	0.10 235	0.11 168

iinet-f	0.31 340	0.23 326	1.16 447	0.20 58	0.16 241	0.44 392	0.23 307	0.47 276	0.38 247	0.36 309	0.44 324	0.41 330	0.35 364	0.36 246	0.43 371	0.10 260	0.09 203	0.08 103	0.08 151	0.13 338	0.12 208

STrans-v2	0.25 241	0.14 148	0.56 263	0.21 86	0.12 66	0.23 160	0.20 222	0.50 303	0.31 162	0.31 224	0.42 301	0.35 290	0.35 364	0.62 360	0.24 246	0.07 32	0.05 3	0.08 103	0.07 83	0.06 8	0.08 51

HGLStereo	0.29 316	0.19 273	0.60 301	0.24 225	0.21 361	0.33 313	0.23 307	0.52 318	0.44 315	0.36 309	0.49 367	0.41 330	0.35 364	0.46 285	0.34 336	0.11 296	0.11 256	0.09 180	0.09 225	0.11 287	0.12 208

hitnet-ft	0.31 340	0.21 294	0.56 263	0.19 26	0.14 146	0.40 374	0.23 307	0.46 266	0.42 293	0.37 325	0.46 350	0.53 402	0.35 364	0.76 413	0.35 343	0.14 374	0.10 230	0.14 382	0.10 277	0.15 368	0.14 255

DRN-Test	0.35 367	0.20 286	0.75 359	0.28 363	0.19 324	0.46 402	0.29 381	0.68 447	0.54 397	0.49 415	0.47 357	0.44 354	0.35 364	0.63 363	0.44 378	0.13 353	0.09 203	0.13 362	0.12 350	0.13 338	0.13 229

fast-acv-ft	0.33 353	0.26 361	0.88 406	0.25 261	0.18 298	0.49 418	0.27 363	0.44 250	0.50 374	0.40 358	0.55 395	0.49 386	0.36 369	0.39 261	0.41 365	0.11 296	0.11 256	0.11 304	0.12 350	0.13 338	0.11 168

DMCA-RVC	0.30 329	0.27 367	0.93 416	0.28 363	0.17 271	0.30 270	0.21 247	0.43 229	0.36 223	0.40 358	0.38 256	0.39 321	0.36 369	0.44 277	0.34 336	0.13 353	0.10 230	0.16 405	0.12 350	0.13 338	0.11 168

RTSC	0.43 410	0.37 419	0.95 420	0.30 386	0.20 346	0.50 420	0.23 307	0.65 436	0.86 462	0.56 437	0.54 390	0.51 393	0.36 369	0.71 394	0.92 446	0.13 353	0.14 307	0.11 304	0.13 378	0.18 405	0.19 318

PA-Net	0.40 397	0.35 410	1.05 431	0.32 407	0.28 422	0.39 368	0.43 443	0.53 328	0.56 408	0.35 298	0.43 314	0.41 330	0.36 369	0.83 432	0.61 421	0.12 334	0.23 416	0.16 405	0.23 450	0.13 338	0.20 334
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LALA_ROB	0.38 381	0.31 387	0.65 323	0.30 386	0.21 361	0.46 402	0.39 432	0.63 425	0.54 397	0.53 430	0.52 380	0.69 452	0.36 369	0.52 309	0.48 389	0.18 422	0.11 256	0.16 405	0.14 394	0.17 390	0.16 284

Wz-Net-LNSev	0.36 369	0.35 410	1.06 433	0.26 300	0.21 361	0.47 408	0.33 407	0.56 365	0.58 412	0.45 398	0.54 390	0.50 390	0.37 374	0.40 263	0.42 368	0.12 334	0.11 256	0.10 251	0.09 225	0.14 360	0.15 269

Wz-Net-MNSev	0.39 386	0.35 410	0.99 427	0.26 300	0.21 361	0.59 441	0.39 432	0.58 387	0.61 423	0.49 415	0.56 400	0.53 402	0.37 374	0.61 352	0.47 387	0.11 296	0.09 203	0.11 304	0.11 309	0.15 368	0.15 269

DISCO	0.33 353	0.16 210	0.55 253	0.26 300	0.16 241	0.48 414	0.25 344	0.52 318	0.58 412	0.38 333	0.45 338	0.63 433	0.37 374	0.65 372	0.50 396	0.10 260	0.07 110	0.09 180	0.08 151	0.13 338	0.13 229

MDST_ROB	0.51 433	0.16 210	0.97 423	0.31 401	0.21 361	1.35 491	0.34 411	0.80 467	0.59 419	1.09 479	0.74 443	0.49 386	0.37 374	1.31 481	0.60 418	0.14 374	0.12 273	0.16 405	0.13 378	0.13 338	0.18 304

ETE_ROB	0.36 369	0.32 394	0.64 320	0.30 386	0.18 298	0.40 374	0.38 429	0.59 396	0.49 369	0.50 418	0.52 380	0.62 429	0.37 374	0.58 334	0.43 371	0.13 353	0.10 230	0.14 382	0.12 350	0.17 390	0.18 304

CBFPSM	0.28 297	0.23 326	0.76 363	0.21 86	0.14 146	0.38 364	0.26 355	0.42 220	0.37 238	0.34 280	0.36 238	0.55 405	0.38 379	0.33 219	0.40 361	0.08 132	0.08 165	0.07 33	0.08 151	0.09 177	0.12 208

Anonymous_2	0.44 412	0.23 326	0.57 272	0.34 423	0.34 447	0.53 430	0.28 376	0.49 295	0.39 263	0.36 309	0.34 215	0.48 380	0.38 379	0.43 273	0.33 332	0.26 451	0.41 474	0.44 471	1.45 506	0.33 462	0.37 447

DDUNet	0.45 415	0.60 467	0.71 350	0.45 461	0.39 460	0.46 402	0.32 402	0.53 328	0.44 315	0.46 403	0.53 387	0.57 411	0.38 379	0.51 302	0.43 371	0.34 465	0.21 395	0.56 477	0.25 455	0.41 466	0.36 439

RASNet	0.30 329	0.19 273	0.59 294	0.23 181	0.19 324	0.33 313	0.20 222	0.50 303	0.41 281	0.31 224	0.44 324	0.47 376	0.38 379	0.79 421	0.40 361	0.09 199	0.07 110	0.07 33	0.09 225	0.08 107	0.10 134

CC-Net-ROB	0.46 422	0.55 456	0.86 398	0.38 443	0.23 387	0.51 421	0.30 388	0.69 453	0.51 380	0.46 403	0.51 373	0.48 380	0.38 379	0.96 456	0.40 361	0.36 468	0.23 416	0.56 477	0.25 455	0.34 463	0.22 356

XPNet_ROB	0.35 367	0.26 361	0.58 287	0.28 363	0.19 324	0.37 358	0.31 397	0.57 374	0.51 380	0.52 424	0.54 390	0.57 411	0.38 379	0.65 372	0.48 389	0.17 411	0.12 273	0.13 362	0.12 350	0.16 376	0.17 301

PWCDC_ROB	0.41 402	0.41 434	0.77 369	0.34 423	0.21 361	0.43 387	0.20 222	0.60 406	0.90 466	0.44 391	1.24 476	0.36 295	0.38 379	0.56 328	0.48 389	0.18 422	0.11 256	0.11 304	0.10 277	0.20 420	0.16 284

APVNet	0.38 381	0.26 361	0.87 400	0.26 300	0.22 376	0.52 427	0.35 413	0.64 430	0.46 337	0.40 358	0.52 380	0.48 380	0.39 386	0.84 433	0.48 389	0.13 353	0.14 307	0.15 398	0.16 414	0.16 376	0.16 284

NCCL2	0.37 376	0.33 398	0.59 294	0.37 434	0.23 387	0.42 383	0.41 440	0.56 365	0.44 315	0.47 409	0.47 357	0.61 426	0.39 386	0.58 334	0.41 365	0.16 397	0.13 292	0.21 436	0.22 446	0.16 376	0.18 304

pmcnn	0.54 440	0.24 336	1.06 433	0.25 261	0.26 416	0.40 374	0.31 397	0.55 356	0.55 404	0.56 437	1.22 475	2.53 499	0.39 386	0.84 433	1.08 463	0.09 199	0.06 45	0.06 2	0.05 12	0.10 235	0.14 255

LL-Strereo	0.32 346	0.33 398	0.77 369	0.26 300	0.24 399	0.22 141	0.23 307	0.58 387	0.44 315	0.35 298	0.32 186	0.41 330	0.40 389	0.93 453	0.25 260	0.08 132	0.13 292	0.11 304	0.09 225	0.09 177	0.22 356

Wz-Net-SNSev	0.45 415	0.53 454	1.42 469	0.31 401	0.21 361	0.44 392	0.45 446	0.64 430	0.68 440	0.46 403	0.66 429	0.62 429	0.40 389	0.78 417	0.65 426	0.12 334	0.11 256	0.12 337	0.13 378	0.17 390	0.19 318

psm_up	0.30 329	0.21 294	0.58 287	0.26 300	0.18 298	0.32 306	0.27 363	0.57 374	0.45 326	0.38 333	0.41 293	0.45 360	0.40 389	0.59 341	0.32 324	0.11 296	0.12 273	0.13 362	0.12 350	0.11 287	0.11 168

RYNet	0.38 381	0.23 326	0.65 323	0.26 300	0.28 422	0.62 444	0.33 407	0.61 413	0.62 427	0.42 374	0.39 273	0.58 416	0.40 389	0.89 441	0.57 414	0.11 296	0.09 203	0.12 337	0.11 309	0.19 413	0.22 356

PDISCO_ROB	0.45 415	0.37 419	0.89 408	0.44 459	0.37 455	0.70 452	0.35 413	0.75 462	0.78 454	0.45 398	0.53 387	0.65 440	0.40 389	0.68 385	0.52 400	0.22 439	0.12 273	0.21 436	0.19 432	0.26 445	0.22 356

HBP-ISP	0.34 361	0.35 410	0.76 363	0.23 181	0.17 271	0.33 313	0.22 279	0.56 365	0.47 350	0.42 374	0.49 367	0.33 268	0.41 394	0.73 398	0.27 282	0.18 422	0.19 379	0.24 445	0.20 436	0.16 376	0.16 284

DRaft	0.25 241	0.11 41	0.47 128	0.18 11	0.12 66	0.28 236	0.23 307	0.34 125	0.40 273	0.38 333	0.60 413	0.20 110	0.41 394	0.48 290	0.41 365	0.07 32	0.06 45	0.08 103	0.08 151	0.07 53	0.08 51

S-Stereo	0.39 386	0.20 286	1.04 430	0.28 363	0.22 376	0.39 368	0.31 397	0.58 387	0.69 442	0.40 358	0.59 409	0.48 380	0.41 394	0.75 407	0.42 368	0.12 334	0.15 336	0.13 362	0.13 378	0.16 376	0.25 388

DeepPrunerF	0.46 422	0.37 419	1.50 473	0.34 423	0.30 435	0.36 350	0.37 421	0.64 430	1.15 485	0.41 370	0.45 338	0.40 324	0.41 394	0.82 428	0.53 404	0.18 422	0.14 307	0.23 443	0.21 438	0.17 390	0.18 304

MFN_U_SF_DS_RVC	0.53 438	0.60 467	0.98 425	0.40 450	0.25 412	0.87 468	0.57 467	0.60 406	0.64 431	0.60 442	0.67 431	0.63 433	0.42 398	1.13 468	0.50 396	0.23 440	0.28 445	0.27 448	0.35 469	0.25 441	0.33 432

DANet	0.37 376	0.25 351	0.67 331	0.37 434	0.22 376	0.42 383	0.25 344	0.50 303	0.44 315	0.52 424	0.50 370	0.59 417	0.42 398	0.78 417	0.53 404	0.13 353	0.12 273	0.14 382	0.12 350	0.17 390	0.21 343
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NaN_ROB	0.44 412	0.38 425	0.94 419	0.30 386	0.20 346	0.52 427	0.49 456	0.61 413	0.60 421	0.56 437	0.47 357	0.49 386	0.42 398	1.24 475	0.76 436	0.12 334	0.18 375	0.12 337	0.13 378	0.12 324	0.18 304

ACV-stereo	0.30 329	0.20 286	0.82 382	0.23 181	0.16 241	0.48 414	0.20 222	0.38 171	0.34 198	0.29 186	0.33 205	0.66 444	0.43 401	0.55 322	0.31 316	0.10 260	0.09 203	0.09 180	0.09 225	0.11 287	0.12 208

ACVNet-4b	0.76 470	0.90 482	1.67 480	0.73 480	0.51 472	0.80 465	0.31 397	0.74 461	0.81 457	0.51 421	0.72 439	0.94 466	0.43 401	1.01 460	1.32 476	1.18 504	0.22 406	0.77 486	0.45 476	0.70 484	0.50 473

GANetREF_RVC	0.45 415	0.52 452	0.87 400	0.39 445	0.20 346	0.51 421	0.50 458	0.68 447	0.67 436	0.47 409	0.46 350	0.50 390	0.43 401	0.91 446	0.40 361	0.28 457	0.21 395	0.32 461	0.19 432	0.28 453	0.23 364
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
FBW_ROB	0.46 422	0.34 406	0.71 350	0.32 407	0.20 346	0.51 421	0.32 402	0.73 459	0.63 429	0.60 442	0.57 402	0.65 440	0.44 404	1.42 486	0.62 422	0.14 374	0.17 366	0.22 441	0.16 414	0.17 390	0.23 364

PWC_ROB	0.41 402	0.38 425	0.92 412	0.26 300	0.20 346	0.39 368	0.19 189	0.61 413	0.69 442	0.58 441	0.84 454	0.52 398	0.44 404	0.74 402	0.62 422	0.13 353	0.09 203	0.14 382	0.10 277	0.17 390	0.18 304

UDG	0.42 406	0.54 455	0.67 331	0.41 454	0.35 450	0.47 408	0.27 363	0.57 374	0.48 356	0.40 358	0.46 350	0.59 417	0.45 406	0.47 289	0.46 384	0.26 451	0.19 379	0.49 473	0.22 446	0.37 464	0.30 419

CrosDoStereo	0.32 346	0.11 41	0.53 233	0.19 26	0.12 66	0.22 141	1.07 494	0.36 146	0.38 247	0.38 333	0.60 413	0.28 209	0.45 406	0.61 352	0.56 412	0.08 132	0.06 45	0.08 103	0.09 225	0.08 107	0.09 85

DeepStereo_LL	0.32 346	0.11 41	0.53 233	0.19 26	0.12 66	0.22 141	1.07 494	0.36 146	0.38 247	0.38 333	0.60 413	0.28 209	0.45 406	0.61 352	0.56 412	0.08 132	0.06 45	0.08 103	0.09 225	0.08 107	0.09 85

Syn2CoEx	0.39 386	0.39 429	1.08 438	0.35 429	0.21 361	0.41 378	0.29 381	0.63 425	0.51 380	0.43 385	0.56 400	0.45 360	0.45 406	0.69 386	0.39 359	0.17 411	0.14 307	0.16 405	0.12 350	0.13 338	0.16 284

SuperB	0.50 430	0.37 419	2.16 491	0.23 181	0.15 205	0.41 378	0.32 402	0.50 303	0.83 459	0.44 391	0.51 373	0.33 268	0.45 406	0.69 386	1.07 461	0.10 260	0.08 165	0.09 180	0.08 151	0.95 495	0.18 304

stereogan	0.39 386	0.20 286	0.78 373	0.28 363	0.22 376	0.65 449	0.26 355	0.62 421	0.65 432	0.45 398	0.60 413	0.67 448	0.45 406	0.69 386	0.37 353	0.14 374	0.14 307	0.14 382	0.12 350	0.20 420	0.19 318

GANet	0.40 397	0.28 375	0.67 331	0.31 401	0.18 298	0.43 387	0.39 432	0.60 406	0.46 337	0.48 414	0.78 447	0.55 405	0.45 406	0.96 456	0.55 411	0.13 353	0.14 307	0.13 362	0.12 350	0.15 368	0.16 284

otaku	0.60 452	0.73 474	1.13 443	0.64 474	0.45 466	0.73 456	0.37 421	0.67 442	0.67 436	0.52 424	0.75 445	0.66 444	0.46 413	0.74 402	0.59 417	0.55 478	0.34 467	0.56 477	0.36 471	0.65 478	0.49 471

ccnet	0.43 410	0.34 406	0.62 310	0.28 363	0.33 445	0.60 442	0.34 411	0.68 447	0.47 350	0.54 433	0.66 429	0.56 409	0.46 413	0.73 398	0.66 428	0.26 451	0.19 379	0.24 445	0.22 446	0.27 450	0.25 388

CRFU-Net	0.29 316	0.14 148	0.48 143	0.26 300	0.15 205	0.46 402	0.22 279	0.52 318	0.32 172	0.44 391	0.42 301	0.48 380	0.47 415	0.44 277	0.31 316	0.12 334	0.10 230	0.09 180	0.08 151	0.10 235	0.11 168

RGC	0.41 402	0.35 410	0.76 363	0.35 429	0.28 422	0.41 378	0.29 381	0.60 406	0.55 404	0.47 409	0.64 425	0.63 433	0.47 415	0.74 402	0.46 384	0.16 397	0.15 336	0.21 436	0.21 438	0.19 413	0.21 343

XQC	0.47 425	0.45 442	1.07 435	0.40 450	0.28 422	0.58 439	0.38 429	0.67 442	0.76 453	0.53 430	0.47 357	0.59 417	0.47 415	0.74 402	0.80 440	0.18 422	0.14 307	0.18 422	0.16 414	0.26 445	0.24 377

ADCRef	0.41 402	0.33 398	1.05 431	0.26 300	0.21 361	0.49 418	0.27 363	0.54 340	0.51 380	0.51 421	0.59 409	0.35 290	0.47 415	0.54 317	1.35 478	0.09 199	0.08 165	0.12 337	0.12 350	0.12 324	0.13 229

IGEV-RUCA	0.21 137	0.09 8	0.26 12	0.20 58	0.19 324	0.28 236	0.23 307	0.24 27	0.22 38	0.21 87	0.23 104	0.29 222	0.48 419	0.26 120	0.19 162	0.09 199	0.08 165	0.18 422	0.14 394	0.18 405	0.19 318

DEmStereo	0.26 263	0.10 20	0.52 222	0.19 26	0.13 110	0.31 290	0.25 344	0.29 67	0.38 247	0.36 309	0.57 402	0.24 160	0.48 419	0.53 312	0.44 378	0.07 32	0.06 45	0.08 103	0.08 151	0.07 53	0.08 51

Nwc_Net	0.39 386	0.29 378	0.84 391	0.32 407	0.24 399	0.45 400	0.30 388	0.67 442	0.51 380	0.39 349	0.70 437	0.59 417	0.48 419	0.61 352	0.45 383	0.16 397	0.12 273	0.19 429	0.21 438	0.14 360	0.15 269

SHD	0.45 415	0.34 406	0.89 408	0.37 434	0.28 422	0.46 402	0.23 307	0.72 458	0.96 473	0.65 448	0.61 421	0.61 426	0.48 419	0.64 368	0.69 431	0.16 397	0.16 347	0.16 405	0.16 414	0.21 426	0.25 388

PASM	0.49 429	0.41 434	1.15 445	0.37 434	0.35 450	0.42 383	0.42 441	0.54 340	0.65 432	0.54 433	0.54 390	0.63 433	0.48 419	0.94 455	0.51 399	0.27 455	0.30 457	0.30 457	0.33 467	0.29 455	0.29 416

THIR-Stereo	0.30 329	0.15 179	0.46 122	0.19 26	0.11 36	0.28 236	0.70 475	0.33 118	0.36 223	0.37 325	0.64 425	0.33 268	0.49 424	0.58 334	0.44 378	0.08 132	0.06 45	0.08 103	0.09 225	0.07 53	0.08 51

FAT-Stereo	0.36 369	0.19 273	0.75 359	0.26 300	0.18 298	0.34 328	0.30 388	0.62 421	0.61 423	0.47 409	0.61 421	0.59 417	0.50 425	0.61 352	0.36 347	0.13 353	0.14 307	0.13 362	0.12 350	0.14 360	0.20 334

edge stereo	0.40 397	0.22 312	0.87 400	0.27 336	0.22 376	0.38 364	0.26 355	0.59 396	0.56 408	0.53 430	0.60 413	0.71 456	0.50 425	0.78 417	0.43 371	0.16 397	0.15 336	0.19 429	0.14 394	0.17 390	0.19 318

RP	0.38 381	0.26 361	0.67 331	0.31 401	0.24 399	0.37 358	0.29 381	0.53 328	0.61 423	0.42 374	0.65 427	0.62 429	0.51 427	0.63 363	0.43 371	0.17 411	0.15 336	0.17 414	0.15 404	0.17 390	0.19 318

SGM-Forest	0.42 406	0.44 441	0.92 412	0.24 225	0.16 241	0.45 400	0.40 436	0.58 387	0.50 374	0.54 433	0.63 424	0.52 398	0.51 427	0.91 446	0.66 428	0.17 411	0.17 366	0.17 414	0.15 404	0.15 368	0.21 343
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Ntro	0.61 454	0.75 477	1.16 447	0.67 476	0.50 468	0.76 457	0.37 421	0.68 447	0.71 446	0.50 418	0.59 409	0.65 440	0.52 429	0.79 421	0.58 416	0.58 481	0.32 463	0.57 480	0.34 468	0.69 483	0.50 473

psmorigin	0.52 436	0.29 378	3.10 500	0.24 225	0.19 324	0.39 368	0.24 331	0.52 318	0.45 326	0.66 450	0.68 433	0.70 455	0.52 429	0.86 436	0.49 395	0.15 387	0.17 366	0.13 362	0.14 394	0.16 376	0.23 364

AF-Net	0.40 397	0.31 387	0.74 356	0.33 418	0.24 399	0.43 387	0.30 388	0.64 430	0.67 436	0.44 391	0.69 436	0.65 440	0.52 429	0.59 341	0.48 389	0.16 397	0.12 273	0.19 429	0.14 394	0.16 376	0.14 255

NCC-stereo	0.42 406	0.31 387	0.87 400	0.32 407	0.29 432	0.47 408	0.37 421	0.68 447	0.53 392	0.42 374	0.58 405	0.57 411	0.52 429	0.75 407	0.54 408	0.18 422	0.14 307	0.18 422	0.25 455	0.17 390	0.18 304

Abc-Net	0.42 406	0.31 387	0.87 400	0.32 407	0.29 432	0.47 408	0.37 421	0.68 447	0.53 392	0.42 374	0.58 405	0.57 411	0.52 429	0.75 407	0.54 408	0.18 422	0.14 307	0.18 422	0.25 455	0.17 390	0.18 304
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCP+	0.48 428	0.36 416	1.47 471	0.26 300	0.22 376	0.57 437	0.40 436	0.56 365	0.54 397	0.46 403	0.52 380	0.46 367	0.53 434	0.59 341	1.93 493	0.10 260	0.08 165	0.11 304	0.11 309	0.14 360	0.15 269

CBMV_ROB	0.36 369	0.21 294	0.57 272	0.22 132	0.14 146	0.35 343	0.20 222	0.55 356	0.47 350	0.52 424	0.58 405	0.45 360	0.53 434	0.75 407	0.50 396	0.18 422	0.19 379	0.23 443	0.21 438	0.15 368	0.20 334

AnyNet_C32	0.55 441	0.51 451	1.34 464	0.29 376	0.28 422	0.61 443	0.62 470	0.57 374	0.62 427	0.63 445	0.68 433	0.54 404	0.55 436	0.82 428	1.81 490	0.15 387	0.15 336	0.15 398	0.18 430	0.21 426	0.25 388

LSM	1.68 498	0.48 448	2.91 498	2.28 509	17.60 518	0.52 427	0.55 465	0.65 436	0.78 454	0.84 464	1.11 469	0.63 433	0.55 436	0.79 421	0.53 404	0.16 397	0.25 429	0.18 422	0.21 438	0.25 441	2.37 510

FTStereo	0.28 297	0.11 41	0.56 263	0.24 225	0.13 110	0.21 115	0.52 461	0.36 146	0.28 119	0.38 333	0.94 463	0.30 240	0.56 438	0.33 219	0.18 136	0.08 132	0.06 45	0.09 180	0.08 151	0.08 107	0.19 318

aanetorigin	0.40 397	0.33 398	1.14 444	0.25 261	0.19 324	0.30 270	0.37 421	0.34 125	0.47 350	0.95 470	0.82 452	0.52 398	0.56 438	0.50 296	0.52 400	0.11 296	0.09 203	0.10 251	0.10 277	0.16 376	0.19 318

ADCPNet	0.51 433	0.36 416	1.82 485	0.27 336	0.23 387	0.71 453	0.39 432	0.56 365	0.54 397	0.52 424	0.60 413	0.66 444	0.57 440	0.64 368	1.23 468	0.15 387	0.18 375	0.14 382	0.23 450	0.19 413	0.22 356

SAMSARA	0.62 455	0.47 444	0.93 416	0.70 479	0.50 468	1.15 482	1.29 501	0.79 466	0.70 444	0.77 461	0.55 395	0.92 465	0.58 441	0.87 438	0.77 437	0.19 431	0.27 440	0.18 422	0.19 432	0.27 450	0.28 411

CBMV	0.36 369	0.25 351	0.61 307	0.24 225	0.14 146	0.42 383	0.33 407	0.56 365	0.52 391	0.54 433	0.52 380	0.51 393	0.58 441	0.63 363	0.43 371	0.15 387	0.16 347	0.18 422	0.16 414	0.13 338	0.19 318
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
G-Net	0.47 425	0.26 361	1.02 429	0.34 423	0.28 422	0.89 470	0.35 413	0.47 276	0.46 337	0.68 452	1.20 473	0.64 438	0.59 443	0.61 352	0.60 418	0.16 397	0.14 307	0.17 414	0.13 378	0.22 430	0.21 343

WZ-Net	0.56 445	0.49 450	2.14 490	0.30 386	0.24 399	0.58 439	0.48 453	0.65 436	0.80 456	0.51 421	0.72 439	0.68 450	0.60 444	1.06 465	1.01 454	0.13 353	0.10 230	0.11 304	0.12 350	0.19 413	0.23 364

Consistency-Raft	0.56 445	0.52 452	1.12 441	0.45 461	0.49 467	0.48 414	0.45 446	0.73 459	0.74 452	0.45 398	0.82 452	0.46 367	0.60 444	0.51 302	0.63 425	0.39 473	0.40 472	0.44 471	0.51 482	0.53 472	0.38 454

MFN_U_SF_RVC	0.58 449	0.58 464	1.31 463	0.39 445	0.23 387	0.72 454	0.30 388	0.83 472	0.68 440	0.74 456	0.74 443	0.86 462	0.60 444	0.84 433	0.83 442	0.29 458	0.27 440	0.32 461	0.37 473	0.31 457	0.33 432

ADCL	0.50 430	0.30 384	1.15 445	0.28 363	0.19 324	0.77 460	0.64 471	0.57 374	0.73 451	0.57 440	0.73 442	0.55 405	0.60 444	0.66 378	1.53 484	0.11 296	0.10 230	0.13 362	0.13 378	0.15 368	0.16 284

anonymity	0.57 447	0.55 456	0.74 356	0.48 466	0.63 478	0.56 435	0.43 443	0.71 455	0.51 380	0.64 447	0.55 395	0.57 411	0.61 448	0.65 372	0.57 414	0.55 478	0.55 487	0.50 474	0.54 483	0.51 471	0.61 480

FINET	0.58 449	0.48 448	1.35 465	0.38 443	0.37 455	0.96 475	1.13 498	0.84 474	1.05 476	0.50 418	0.70 437	0.45 360	0.61 448	0.63 363	0.62 422	0.26 451	0.28 445	0.14 382	0.13 378	0.20 420	0.44 462

RTS	0.81 475	0.56 458	4.76 503	0.37 434	0.30 435	1.11 479	0.52 461	0.67 442	1.07 478	0.76 459	0.91 460	0.60 423	0.61 448	1.64 489	1.24 469	0.15 387	0.13 292	0.15 398	0.15 404	0.22 430	0.24 377

RTSA	0.81 475	0.56 458	4.76 503	0.37 434	0.30 435	1.11 479	0.52 461	0.67 442	1.07 478	0.76 459	0.91 460	0.60 423	0.61 448	1.64 489	1.24 469	0.15 387	0.13 292	0.15 398	0.15 404	0.22 430	0.24 377

RainbowNet	0.76 470	1.00 489	1.29 461	0.82 485	0.63 478	0.79 462	0.52 461	0.83 472	0.93 469	0.61 444	0.79 450	0.79 459	0.62 452	0.82 428	0.67 430	0.80 492	0.55 487	0.79 488	0.49 478	0.81 487	0.62 481

ADCS	0.62 455	0.56 458	1.54 476	0.30 386	0.25 412	0.56 435	0.46 449	0.71 455	0.86 462	0.77 461	0.72 439	0.68 450	0.62 452	0.82 428	2.33 499	0.17 411	0.16 347	0.16 405	0.17 425	0.23 435	0.27 404

Wz-Net-TNSev	0.55 441	0.72 472	1.90 486	0.26 300	0.21 361	0.64 448	0.45 446	0.66 440	0.71 446	0.52 424	0.55 395	0.71 456	0.63 454	1.04 463	0.94 449	0.16 397	0.15 336	0.13 362	0.15 404	0.21 426	0.24 377

AnyNet_C01	0.68 463	0.69 471	2.64 495	0.33 418	0.27 421	0.93 471	0.64 471	0.66 440	0.65 432	0.70 454	0.97 464	0.75 458	0.63 454	1.01 460	1.52 483	0.17 411	0.16 347	0.17 414	0.17 425	0.24 439	0.28 411

CSAN	0.55 441	0.47 444	1.19 455	0.37 434	0.23 387	0.57 437	0.61 469	0.65 436	0.72 448	0.65 448	0.78 447	0.66 444	0.65 456	1.41 485	0.77 437	0.21 436	0.17 366	0.20 434	0.21 438	0.18 405	0.21 343

ADCMid	0.53 438	0.45 442	1.46 470	0.27 336	0.22 376	0.51 421	0.38 429	0.61 413	0.58 412	0.75 457	0.67 431	0.62 429	0.66 457	0.66 378	1.75 489	0.13 353	0.12 273	0.17 414	0.17 425	0.20 420	0.21 343

test_sample8	0.52 436	0.21 294	0.69 338	0.18 11	0.17 271	0.36 350	0.21 247	0.57 374	0.38 247	0.63 445	0.39 273	1.16 473	0.68 458	0.70 389	1.01 454	0.24 442	1.93 506	0.28 454	0.24 452	0.18 405	0.21 343

MSC_U_SF_DS_RVC	0.70 464	0.73 474	1.26 459	0.47 465	0.28 422	1.42 493	0.60 468	0.82 470	0.94 472	0.85 465	0.86 456	0.88 464	0.70 459	1.32 482	0.75 435	0.37 469	0.30 457	0.34 465	0.36 471	0.44 467	0.42 458

SPS-STEREO	0.74 466	0.72 472	1.18 454	0.52 469	0.57 476	0.76 457	0.50 458	0.80 467	0.66 435	0.97 472	0.88 459	0.94 466	0.74 460	1.08 466	1.04 459	0.58 481	0.51 481	0.50 474	0.50 481	0.56 473	0.72 492
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PSM-AAD	0.26 263	0.11 41	0.43 97	0.24 225	0.12 66	0.27 219	0.37 421	0.36 146	0.30 153	0.36 309	0.39 273	0.28 209	0.77 461	0.30 189	0.16 89	0.07 32	0.06 45	0.12 337	0.11 309	0.09 177	0.21 343

GrayStereo	0.26 263	0.10 20	0.45 108	0.27 336	0.14 146	0.23 160	0.46 449	0.36 146	0.33 187	0.40 358	0.47 357	0.30 240	0.78 462	0.29 174	0.17 112	0.07 32	0.06 45	0.08 103	0.09 225	0.07 53	0.15 269

SANet	0.58 449	0.41 434	1.38 466	0.27 336	0.16 241	0.72 454	0.48 453	0.71 455	1.34 487	0.69 453	0.97 464	0.94 466	0.78 462	0.97 458	0.93 447	0.14 374	0.12 273	0.12 337	0.12 350	0.18 405	0.20 334

ACVNet_1	0.77 472	0.92 484	1.79 484	0.73 480	0.53 473	0.78 461	0.42 441	0.88 477	0.90 466	0.75 457	0.76 446	1.32 479	0.80 464	1.04 463	0.70 432	0.57 480	0.32 463	0.72 484	0.35 469	0.70 484	0.50 473

MFMNet_re	0.74 466	0.84 479	1.16 447	0.64 474	0.70 483	0.79 462	0.71 476	0.77 465	0.85 461	0.79 463	0.86 456	0.69 452	0.80 464	0.73 398	0.65 426	0.66 485	0.59 491	0.61 481	0.58 488	0.68 481	0.71 491

DPSNet	0.51 433	0.26 361	1.16 447	0.28 363	0.21 361	0.76 457	0.56 466	0.89 479	0.82 458	0.49 415	0.51 373	0.64 438	0.81 466	0.89 441	0.85 444	0.17 411	0.16 347	0.13 362	0.13 378	0.26 445	0.27 404

MeshStereo	0.60 452	0.31 387	0.71 350	0.22 132	0.17 271	0.66 450	0.36 419	0.81 469	0.63 429	1.48 498	1.32 478	1.65 485	0.83 467	1.18 472	0.74 434	0.17 411	0.17 366	0.17 414	0.14 394	0.17 390	0.19 318
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
PVD	0.62 455	0.41 434	0.93 416	0.44 459	0.39 460	0.63 447	0.51 460	0.86 475	1.27 486	0.93 469	1.09 468	0.81 460	0.85 468	0.89 441	0.89 445	0.21 436	0.23 416	0.22 441	0.19 432	0.28 453	0.41 455

MADNet+	1.05 481	1.26 499	4.77 505	0.73 480	0.50 468	1.25 486	0.97 489	1.05 482	0.93 469	0.67 451	0.78 447	0.87 463	0.85 468	2.14 499	1.83 491	0.40 474	0.42 475	0.32 461	0.28 463	0.45 468	0.43 460

ACVNet_2	0.94 477	0.98 488	1.71 482	0.83 486	0.63 478	1.02 477	0.64 471	1.16 485	1.43 490	1.02 474	1.39 479	1.47 482	0.86 470	1.16 471	0.79 439	0.63 484	0.43 478	0.78 487	0.49 478	0.80 486	0.57 478

EDNetEfficientorigin	7.48 510	0.57 462	139.59 528	0.25 261	0.17 271	0.44 392	0.30 388	0.48 287	1.04 475	1.29 484	1.02 466	0.82 461	0.87 471	0.76 413	1.02 457	0.10 260	0.09 203	0.12 337	0.11 309	0.22 430	0.25 388

DispFullNet	0.67 461	0.94 485	1.63 478	0.77 484	1.19 501	0.53 430	0.25 344	0.61 413	0.72 448	0.70 454	0.60 413	0.69 452	0.90 472	0.80 424	0.52 400	0.27 455	0.13 292	0.74 485	0.31 466	0.68 481	0.44 462

PWCK	1.05 481	1.29 500	2.12 489	0.92 488	0.42 464	1.27 487	1.01 491	1.14 484	1.14 484	1.16 483	1.14 471	1.25 476	0.90 472	1.77 494	1.15 465	0.89 495	0.51 481	0.87 490	0.54 483	1.02 498	0.57 478

SGM_RVC	0.57 447	0.22 312	0.60 301	0.26 300	0.16 241	0.97 476	0.46 449	0.76 464	0.90 466	1.03 476	0.92 462	1.16 473	0.93 474	1.21 474	0.72 433	0.17 411	0.16 347	0.16 405	0.16 414	0.16 376	0.24 377
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
WCMA_ROB	0.55 441	0.27 367	0.76 363	0.26 300	0.22 376	0.62 444	0.36 419	0.57 374	0.58 412	0.97 472	1.40 481	1.28 478	0.94 475	0.80 424	0.80 440	0.20 434	0.17 366	0.16 405	0.16 414	0.19 413	0.29 416

EDNetEfficient	0.64 460	0.39 429	2.52 493	0.26 300	0.26 416	0.39 368	0.49 456	0.42 220	1.06 477	1.38 487	0.86 456	0.61 426	0.97 476	0.66 378	1.62 488	0.11 296	0.10 230	0.10 251	0.12 350	0.20 420	0.19 318

IMH-64-1	0.94 477	0.95 486	1.07 435	0.98 490	0.76 485	0.93 471	0.72 477	1.30 487	1.11 481	0.91 467	1.45 482	1.14 471	1.00 477	1.25 477	0.97 451	0.77 488	0.51 481	0.97 492	0.55 486	0.90 489	0.66 487

IMH-64	0.94 477	0.95 486	1.07 435	0.98 490	0.76 485	0.93 471	0.72 477	1.30 487	1.11 481	0.91 467	1.45 482	1.14 471	1.00 477	1.25 477	0.97 451	0.77 488	0.51 481	0.97 492	0.55 486	0.90 489	0.66 487

NVStereoNet_ROB	0.74 466	0.64 469	1.20 457	0.55 471	0.43 465	0.54 434	0.48 453	0.75 462	0.87 465	0.88 466	1.72 492	1.06 470	1.03 479	1.29 479	0.98 453	0.35 467	0.42 475	0.41 470	0.48 477	0.38 465	0.43 460
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MSMD_ROB	0.63 458	0.34 406	0.70 344	0.30 386	0.25 412	0.88 469	0.35 413	0.58 387	0.67 436	1.13 480	1.52 485	1.75 488	1.05 480	0.90 444	0.60 418	0.24 442	0.22 406	0.27 448	0.27 462	0.25 441	0.27 404

LVE	1.18 487	1.16 494	1.67 480	1.04 493	0.81 492	1.32 490	0.82 485	1.49 493	1.94 494	1.08 478	1.90 495	1.89 489	1.07 481	1.51 487	1.04 459	0.96 498	0.61 493	0.94 491	0.69 494	0.92 491	0.79 497

KSHMR	1.92 501	1.47 505	1.97 487	1.48 505	1.22 502	1.39 492	1.06 493	1.81 499	5.83 509	1.43 490	5.56 509	2.95 503	1.17 482	2.24 501	1.33 477	1.29 505	1.13 504	1.47 506	1.11 505	1.37 503	1.21 505

Dean	1.22 489	1.17 495	1.97 487	1.04 493	0.79 488	1.21 484	0.76 479	1.51 494	1.96 495	1.30 486	1.98 497	2.14 493	1.18 483	1.30 480	1.15 465	0.83 493	0.61 493	1.01 495	0.69 494	0.97 496	0.77 496

IMH	1.09 484	1.04 492	1.29 461	1.03 492	0.79 488	1.11 479	0.69 474	1.40 490	1.42 489	1.02 474	1.71 491	1.42 480	1.19 484	1.78 495	1.03 458	1.14 502	0.56 490	1.00 494	0.58 488	0.93 492	0.68 489

WAO-7	1.05 481	1.00 489	1.19 455	0.83 486	0.67 482	1.22 485	0.84 486	1.43 491	1.56 491	1.13 480	1.75 493	1.46 481	1.25 485	1.56 488	1.28 471	0.61 483	0.62 496	0.70 483	0.68 493	0.66 480	0.62 481

JetBlue	1.20 488	0.89 481	2.53 494	0.59 472	0.76 485	3.16 506	2.09 507	1.16 485	0.93 469	0.95 470	1.12 470	1.65 485	1.27 486	2.15 500	1.87 492	0.43 476	0.37 470	0.38 467	0.39 475	0.62 475	0.63 483

WAO-6	1.11 485	1.01 491	1.17 453	0.96 489	0.79 488	1.30 489	0.78 481	1.36 489	1.99 496	1.04 477	1.54 487	1.59 484	1.27 486	1.37 484	1.30 472	0.78 490	0.55 487	1.03 496	0.75 497	0.87 488	0.72 492

ELAS	0.80 473	0.40 432	0.91 411	0.39 445	0.35 450	1.52 495	0.81 484	0.97 481	0.98 474	1.47 497	1.58 488	1.19 475	1.33 488	1.01 460	1.21 467	0.29 458	0.27 440	0.30 457	0.29 465	0.32 460	0.36 439
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FCDSN-DC	0.67 461	0.38 425	0.83 387	0.37 434	0.30 435	0.66 450	0.37 421	0.69 453	0.70 444	1.15 482	1.53 486	1.70 487	1.38 489	1.00 459	0.83 442	0.24 442	0.22 406	0.27 448	0.26 459	0.27 450	0.32 428
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.73 465	0.33 398	0.84 391	0.33 418	0.28 422	0.82 466	0.40 436	0.82 470	0.83 459	1.43 490	1.60 489	1.97 490	1.38 489	1.10 467	0.93 447	0.24 442	0.22 406	0.27 448	0.26 459	0.26 445	0.32 428

FC-DCNN v2	0.75 469	0.33 398	0.82 382	0.33 418	0.28 422	0.85 467	0.40 436	0.88 477	0.86 462	1.46 492	1.65 490	2.08 492	1.40 491	1.14 470	0.95 450	0.24 442	0.22 406	0.27 448	0.26 459	0.26 445	0.32 428

TorneroNet-64	1.47 490	1.15 493	1.51 474	1.11 498	0.86 495	2.27 502	0.76 479	1.84 500	3.76 503	1.29 484	2.22 501	2.68 501	1.46 492	1.81 496	1.55 485	0.79 491	0.51 481	1.10 497	0.67 492	1.31 501	0.81 498

ktn	1.80 499	1.46 504	1.49 472	1.44 504	1.14 500	1.50 494	1.07 494	1.53 496	3.90 506	2.77 505	4.62 506	3.42 504	1.49 493	1.74 492	1.40 481	1.45 506	0.77 503	1.46 505	0.99 503	1.41 505	1.00 501

WAO-8	1.50 492	1.22 497	1.39 467	1.10 496	0.85 493	2.15 499	0.78 481	1.84 500	3.76 503	1.46 492	2.18 499	2.15 494	1.50 494	3.20 506	1.35 478	0.92 496	0.66 499	1.10 497	0.79 498	0.94 493	0.74 494

Venus	1.50 492	1.22 497	1.39 467	1.10 496	0.85 493	2.15 499	0.78 481	1.84 500	3.76 503	1.46 492	2.18 499	2.15 494	1.50 494	3.20 506	1.35 478	0.92 496	0.66 499	1.10 497	0.79 498	0.94 493	0.74 494

SGM+DAISY	1.12 486	0.86 480	1.64 479	0.68 477	0.80 491	1.68 497	1.68 506	1.08 483	1.10 480	1.53 499	1.76 494	1.47 482	1.53 496	1.24 475	1.42 482	0.66 485	0.65 498	0.52 476	0.54 483	0.57 474	0.91 499

ELAS_RVC	0.80 473	0.40 432	1.10 440	0.40 450	0.35 450	0.93 471	1.10 497	0.87 476	1.12 483	1.40 488	1.39 479	1.27 477	1.55 497	1.13 468	1.13 464	0.29 458	0.27 440	0.30 457	0.28 463	0.31 457	0.36 439
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetRed	2.35 504	2.70 508	6.11 506	1.14 499	1.38 504	6.03 508	3.61 509	2.12 504	1.72 492	1.99 501	1.97 496	2.15 494	1.59 498	2.49 503	4.19 508	1.05 499	1.60 505	1.10 497	1.02 504	1.72 506	1.41 507

notaker	1.49 491	1.44 503	1.77 483	1.42 503	1.08 499	1.19 483	0.87 488	1.51 494	1.40 488	1.53 499	3.41 505	2.40 497	1.94 499	1.83 497	1.57 486	1.14 502	0.69 502	1.38 504	0.88 500	1.39 504	1.03 502

TorneroNet	2.26 502	1.20 496	1.55 477	1.15 500	0.91 496	5.84 507	0.84 486	2.12 504	8.45 512	2.59 504	5.32 508	3.84 506	2.15 500	1.84 498	1.98 495	0.88 494	0.54 486	1.16 501	0.74 496	1.31 501	0.91 499

UNDER WATER-64	1.61 495	1.30 501	2.93 499	1.33 501	0.96 497	2.20 501	1.25 500	1.47 492	3.15 500	1.46 492	1.31 477	2.61 500	2.22 501	1.69 491	1.93 493	1.13 501	0.67 501	1.29 502	0.94 501	1.26 499	1.09 503

UNDER WATER	1.64 497	1.34 502	2.72 497	1.40 502	1.04 498	1.70 498	1.14 499	1.57 497	3.58 501	1.46 492	1.46 484	2.82 502	2.43 502	1.74 492	2.04 496	1.08 500	0.63 497	1.31 503	0.94 501	1.29 500	1.10 504

coex-ft	3.48 506	0.81 478	48.53 526	0.24 225	0.19 324	0.53 430	0.47 452	0.49 295	2.36 498	7.18 511	1.20 473	0.96 469	2.53 503	0.75 407	2.14 497	0.13 353	0.15 336	0.14 382	0.12 350	0.22 430	0.47 466

MADNet++	2.34 503	1.81 506	2.24 492	2.15 508	1.97 506	2.79 505	2.19 508	2.42 506	2.26 497	2.79 506	2.70 503	2.43 498	2.60 504	3.18 505	3.32 504	2.19 507	1.97 508	1.93 507	1.62 507	2.02 507	2.10 508

SGM-ForestM	1.59 494	0.56 458	1.52 475	0.41 454	0.34 447	2.77 504	1.67 505	1.69 498	1.73 493	2.48 503	2.27 502	6.02 511	2.90 505	3.08 504	2.83 503	0.25 449	0.30 457	0.19 429	0.20 436	0.18 405	0.45 465

MANE	1.63 496	0.58 464	1.16 447	0.59 472	0.60 477	2.71 503	1.53 503	2.63 507	3.62 502	2.33 502	3.26 504	3.66 505	2.98 506	2.26 502	2.26 498	0.37 469	0.40 472	0.31 460	0.49 478	0.31 457	0.63 483

tt	4.71 507	0.11 41	3.94 502	2.06 507	1.54 505	10.14 514	16.85 515	9.28 515	4.99 507	1.41 489	1.05 467	4.68 507	4.89 507	3.36 508	5.86 511	5.73 513	9.15 518	2.23 509	2.51 509	3.02 509	1.34 506

LE_ROB	1.82 500	0.39 429	3.15 501	0.50 468	0.55 474	0.79 462	1.00 490	0.89 479	6.48 510	7.40 512	2.07 498	2.07 491	5.08 508	1.33 483	3.96 507	0.11 296	0.09 203	0.12 337	0.11 309	0.11 287	0.13 229

LRCNet_RVC	10.94 514	14.45 521	9.66 509	15.38 517	8.02 511	1.08 478	0.35 413	8.72 514	0.72 448	12.63 520	15.84 520	9.73 513	6.52 509	8.58 514	6.38 512	20.33 524	5.39 512	23.79 522	21.95 521	15.35 519	13.96 521

HanzoNet	3.08 505	1.87 507	2.70 496	1.81 506	1.34 503	1.60 496	1.05 492	2.06 503	2.62 499	5.63 509	5.12 507	5.96 510	7.09 510	4.39 510	3.43 505	3.29 509	2.06 510	1.98 508	2.94 511	2.47 508	2.15 509

BEATNet-Init1	4.91 508	3.27 509	14.39 518	0.69 478	0.65 481	10.19 515	3.83 510	5.04 510	5.11 508	8.73 513	8.52 511	13.95 520	7.66 511	7.79 513	5.79 510	0.32 464	0.34 467	0.34 465	0.38 474	0.64 477	0.64 485

DPSimNet_ROB	6.21 509	5.16 510	9.50 508	5.59 512	5.56 509	7.64 510	10.02 512	4.07 509	7.33 511	6.84 510	6.26 510	7.17 512	10.55 512	4.07 509	5.68 509	5.50 512	4.29 511	5.24 512	3.66 512	4.05 510	5.96 512

DPSMNet_ROB	8.44 512	5.25 512	10.87 517	5.59 512	10.27 513	8.34 511	23.51 520	6.12 513	13.47 519	4.96 508	10.94 517	5.65 509	10.55 512	6.25 512	12.77 516	4.01 511	7.62 514	3.75 511	7.27 516	4.16 512	7.54 514

DGTPSM_ROB	8.38 511	5.24 511	10.71 516	5.32 511	10.19 512	8.34 511	23.49 519	6.11 512	13.43 518	4.93 507	10.93 516	5.64 508	10.55 512	6.17 511	12.73 515	3.74 510	7.56 513	3.68 510	7.24 515	4.09 511	7.49 513

xxxxx1	15.30 517	9.78 514	10.23 513	20.34 520	19.47 519	17.10 517	23.00 516	10.36 516	11.04 514	9.25 514	9.66 512	10.74 515	10.66 515	10.60 516	13.72 519	8.14 517	9.35 519	31.88 525	44.61 525	12.63 516	13.46 518

tt_ll	15.30 517	9.78 514	10.23 513	20.34 520	19.47 519	17.10 517	23.00 516	10.36 516	11.04 514	9.25 514	9.66 512	10.74 515	10.66 515	10.60 516	13.72 519	8.14 517	9.35 519	31.88 525	44.61 525	12.63 516	13.46 518

Anonymous_1	16.44 521	9.26 513	9.67 510	10.63 514	14.54 516	18.62 521	26.98 521	12.68 519	13.53 520	10.78 519	10.37 515	10.15 514	10.66 515	10.99 519	12.64 514	15.61 523	7.73 515	16.87 520	43.01 524	56.14 527	7.86 517

ff	15.30 517	9.78 514	10.23 513	20.34 520	19.47 519	17.10 517	23.00 516	10.36 516	11.04 514	9.25 514	9.66 512	10.74 515	10.66 515	10.60 516	13.72 519	8.14 517	9.35 519	31.88 525	44.61 525	12.63 516	13.46 518

DPSM_ROB	11.46 515	9.79 517	10.18 511	11.11 515	11.31 514	19.08 522	27.38 522	13.42 520	14.23 521	10.34 517	11.13 518	10.97 518	11.33 519	11.89 520	13.49 517	6.74 515	8.19 516	6.00 514	7.05 513	7.74 513	7.76 515

DPSM	11.46 515	9.79 517	10.18 511	11.11 515	11.31 514	19.08 522	27.38 522	13.42 520	14.23 521	10.34 517	11.13 518	10.97 518	11.33 519	11.89 520	13.49 517	6.74 515	8.19 516	6.00 514	7.05 513	7.74 513	7.76 515

PML	15.86 520	13.12 520	7.07 507	5.22 510	7.66 510	32.93 524	64.30 527	5.37 511	10.12 513	25.87 526	67.29 527	20.25 522	13.20 521	10.09 515	6.81 513	5.94 514	2.00 509	6.03 516	2.18 508	9.13 515	2.62 511

HaxPig	17.72 522	20.23 525	19.76 519	16.55 518	16.52 517	9.46 513	9.42 511	14.48 522	13.31 517	18.59 521	18.67 521	17.39 521	16.68 522	17.07 522	16.43 522	21.99 525	20.86 525	22.28 521	21.55 520	21.30 523	21.88 525

MEDIAN_ROB	21.20 523	24.56 526	23.42 524	19.57 519	19.62 522	13.29 516	11.21 513	18.04 523	17.02 523	22.07 525	21.92 522	20.84 523	20.24 523	21.02 523	19.68 523	25.59 526	24.08 526	26.20 523	25.19 522	25.31 524	25.19 526

CasAABBNet	23.04 524	19.69 522	20.32 520	22.42 523	22.73 523	38.35 525	55.23 526	26.99 525	28.74 526	20.67 523	22.28 524	22.11 524	22.86 524	23.84 524	27.17 526	13.52 520	16.47 523	12.08 517	14.21 518	15.57 520	15.60 522

LSM0	24.21 526	19.88 524	22.33 523	24.42 525	40.13 527	38.41 526	54.99 524	27.05 526	28.61 525	20.59 522	22.00 523	22.29 526	22.86 524	24.12 526	27.16 525	13.59 522	16.33 522	12.13 519	14.08 517	15.72 522	17.53 524

Selective-RAFT-Error	23.11 525	19.77 523	20.60 522	22.49 524	22.80 524	38.46 527	55.19 525	27.13 527	28.90 527	20.73 524	22.38 525	22.11 524	22.91 526	23.94 525	27.18 527	13.54 521	16.57 524	12.09 518	14.21 518	15.61 521	15.65 523

AVERAGE_ROB	25.43 527	29.01 527	27.22 525	24.60 526	24.16 526	17.78 520	12.87 514	22.39 524	21.40 524	26.72 527	26.08 526	25.18 527	24.52 527	25.07 527	23.57 524	29.94 527	28.36 527	30.60 524	29.57 523	29.83 525	29.66 527

test_example2	100.95 528	107.33 528	67.16 527	98.17 527	106.88 528	89.44 528	101.34 528	37.23 528	97.88 528	129.56 528	131.26 528	65.41 528	67.34 528	91.22 528	79.29 528	143.32 528	199.32 528	81.12 528	102.17 528	121.89 528	101.70 528

ccccc		256.25 529		351.50 529	361.31 529	144.22 529		153.19 529		152.98 529		161.94 529		268.06 529		387.64 529	346.97 529	244.11 529	219.32 529	413.57 529

Low-res two-view benchmark