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

StereoAnything_RVC	1.22 440	1.71 453	3.17 409	2.52 497	2.63 498	0.26 5	0.15 5	0.47 32	0.54 88	0.49 139	0.71 356	0.52 220	0.19 32	1.60 348	0.57 245	0.11 158	4.13 506	0.08 7	0.05 1	0.76 463	3.79 504

trnet	0.31 5	0.31 10	1.65 36	0.20 2	0.12 3	0.55 147	0.15 5	0.50 49	0.51 63	0.28 46	0.34 77	0.24 38	0.21 49	0.34 28	0.24 25	0.11 158	0.07 8	0.08 7	0.05 1	0.09 9	0.12 15

LoS_RVC	0.34 14	0.38 70	1.96 81	0.27 39	0.35 267	0.43 49	0.22 75	0.43 18	0.34 3	0.24 25	0.34 77	0.23 28	0.28 133	0.34 28	0.22 7	0.08 4	0.07 8	0.07 1	0.05 1	0.10 18	0.35 184

CAS	0.39 36	0.31 10	1.79 44	0.81 415	0.34 259	0.51 100	0.23 108	0.49 37	0.42 20	0.23 18	0.31 58	0.20 11	0.17 11	0.30 7	0.25 36	0.77 468	0.06 1	0.07 1	0.05 1	0.10 18	0.41 222

CES	0.33 10	0.32 20	1.46 23	0.25 12	0.50 330	0.40 40	0.20 39	0.48 34	0.48 45	0.22 13	0.29 42	0.26 56	0.19 32	0.35 38	0.22 7	0.09 26	0.07 8	0.08 7	0.05 1	0.16 101	0.54 289

CREStereo	0.31 5	0.35 45	1.66 37	0.19 1	0.13 7	0.55 147	0.17 16	0.50 49	0.50 58	0.28 46	0.34 77	0.24 38	0.21 49	0.34 28	0.23 22	0.11 158	0.07 8	0.08 7	0.05 1	0.10 18	0.12 15
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.35 19	0.38 70	1.75 41	0.21 3	0.14 11	0.57 176	0.24 133	0.48 34	0.44 32	0.28 46	0.32 68	0.26 56	0.24 76	0.41 66	0.24 25	0.42 444	0.07 8	0.08 7	0.05 1	0.18 148	0.15 38

FoundationStereo	0.61 205	0.37 60	0.91 2	1.96 492	2.40 496	0.20 2	0.16 12	0.26 1	0.86 383	0.16 1	0.12 1	0.19 9	0.17 11	0.58 148	0.32 114	0.10 77	2.98 501	0.08 7	0.06 8	0.07 1	0.20 80

HUF	1.33 451	0.96 306	4.06 469	2.73 501	2.17 493	0.35 27	0.24 133	1.87 481	0.75 296	1.28 455	0.29 42	1.35 456	0.19 32	1.97 408	0.43 182	0.15 308	3.91 504	0.08 7	0.06 8	0.31 341	3.41 502

GIP-stereo	0.61 205	0.68 201	1.05 4	0.95 430	1.46 472	0.42 46	0.17 16	0.69 141	0.49 49	0.19 3	0.24 14	0.23 28	0.18 24	0.95 247	0.59 254	0.10 77	1.33 439	0.08 7	0.06 8	0.18 148	2.21 480

DEFOM-Stereo	0.26 1	0.61 176	1.22 10	0.24 6	0.14 11	0.49 84	0.18 22	0.31 2	0.31 1	0.20 4	0.18 2	0.15 1	0.14 2	0.42 73	0.19 1	0.08 4	0.06 1	0.08 7	0.06 8	0.09 9	0.16 51

IGEV-Stereo++	0.58 171	0.29 3	1.66 37	0.37 224	0.53 342	0.47 73	0.13 1	0.54 69	0.37 7	1.02 422	0.25 22	0.17 5	0.22 57	1.04 256	0.27 59	0.08 4	1.98 474	0.08 7	0.06 8	0.17 124	1.92 463

Any-RAFT	0.42 47	0.33 30	1.89 66	0.28 55	0.21 114	0.69 329	0.21 60	0.83 226	0.60 133	0.45 106	0.43 120	0.62 271	0.30 160	0.48 98	0.24 25	0.11 158	0.40 323	0.08 7	0.06 8	0.10 18	0.16 51

LoS	0.34 14	0.35 45	1.88 64	0.25 12	0.13 7	0.53 125	0.20 39	0.50 49	0.53 84	0.26 38	0.28 37	0.37 119	0.24 76	0.40 57	0.25 36	0.10 77	0.08 42	0.08 7	0.06 8	0.15 82	0.10 5
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
s12784h	0.41 43	0.34 37	2.17 126	0.24 6	0.11 1	0.64 285	0.24 133	0.85 247	0.70 242	0.45 106	0.54 214	0.28 74	0.27 119	0.51 117	0.27 59	0.11 158	0.06 1	0.09 35	0.06 8	0.16 101	0.14 30

XX-TBD	0.40 41	1.04 322	2.49 244	0.35 195	0.13 7	0.51 100	0.17 16	0.44 21	0.52 73	0.38 71	0.51 181	0.23 28	0.19 32	0.31 9	0.25 36	0.10 77	0.07 8	0.08 7	0.06 8	0.09 9	0.18 67

iResNet_ROB	0.60 197	1.59 438	2.04 96	0.32 129	0.21 114	0.60 218	0.22 75	0.99 353	0.85 376	0.61 279	0.63 292	0.58 254	0.42 250	1.08 260	0.98 353	0.11 158	0.08 42	0.09 35	0.06 8	0.23 242	0.33 170

pmcnn	1.44 458	1.25 377	3.57 448	0.74 403	1.42 467	0.72 343	0.56 392	1.04 393	1.06 440	1.03 423	2.89 491	6.01 503	0.75 399	2.54 452	3.60 482	0.14 278	0.11 145	0.08 7	0.06 8	0.34 360	0.81 371

HART	0.75 328	0.75 239	2.22 140	0.94 427	1.59 479	0.30 10	0.19 27	0.72 158	0.85 376	0.30 53	0.52 190	0.39 129	0.16 7	0.81 227	0.43 182	0.08 4	2.61 498	0.10 86	0.07 19	0.36 377	1.61 454

WCG-NET	0.41 43	0.80 255	1.77 42	0.25 12	0.13 7	0.43 49	0.24 133	0.42 15	0.59 127	0.38 71	0.41 114	0.26 56	0.24 76	0.37 44	0.24 25	0.08 4	0.81 385	0.08 7	0.07 19	0.26 289	0.31 161

RAFT-Stereo-weight	0.46 75	0.37 60	1.60 33	0.29 73	0.51 333	0.57 176	0.22 75	0.84 234	0.67 193	0.48 123	0.38 98	0.36 114	0.17 11	0.39 50	0.27 59	0.09 26	1.28 431	0.09 35	0.07 19	0.09 9	0.41 222

GCAP-Stereo	0.59 188	1.35 396	2.44 202	0.49 328	1.02 436	0.52 117	0.14 3	0.53 59	0.54 88	0.44 102	0.50 178	0.30 83	0.22 57	0.68 184	0.41 170	0.09 26	1.30 436	0.09 35	0.07 19	0.23 242	0.54 289

knoymous	0.37 29	0.34 37	1.83 51	0.25 12	0.18 60	0.45 55	0.24 133	0.60 106	0.40 14	0.42 87	0.39 103	0.54 230	0.25 94	0.41 66	0.29 82	0.12 198	0.08 42	0.12 201	0.07 19	0.13 51	0.20 80

RCA-Stereo	0.45 67	0.38 70	1.80 46	0.27 39	0.25 168	0.58 187	0.23 108	0.84 234	0.66 180	0.42 87	0.44 132	0.28 74	0.35 187	0.31 9	0.21 4	0.09 26	1.01 401	0.09 35	0.07 19	0.21 210	0.53 286

DCANet-4	0.43 50	0.32 20	2.31 159	0.26 28	0.14 11	0.51 100	0.22 75	0.84 234	0.78 321	0.55 206	0.48 152	0.28 74	0.37 196	0.40 57	0.37 152	0.10 77	0.07 8	0.09 35	0.07 19	0.08 4	0.43 234

fff	0.50 110	0.90 291	2.63 296	0.25 12	0.15 18	0.51 100	0.22 75	0.85 247	0.82 355	0.55 206	0.48 152	0.31 90	0.65 369	0.39 50	0.37 152	0.10 77	0.07 8	0.09 35	0.07 19	0.08 4	0.43 234

ADStereo(finetuned)	0.50 110	0.91 294	2.43 194	0.26 28	0.14 11	0.51 100	0.22 75	0.84 234	0.78 321	0.56 218	0.49 166	0.32 96	0.75 399	0.40 57	0.40 165	0.10 77	0.07 8	0.09 35	0.07 19	0.13 51	0.45 253

CroCo-Stereo	0.35 19	0.71 216	1.67 39	0.32 129	0.17 46	0.19 1	0.21 60	0.79 193	0.54 88	0.22 13	0.25 22	0.55 239	0.22 57	0.28 3	0.28 72	0.10 77	0.08 42	0.08 7	0.07 19	0.12 36	0.10 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
TANstereo	0.39 36	0.70 212	2.48 239	0.23 5	0.12 3	0.54 135	0.16 12	0.41 11	0.47 41	0.45 106	0.51 181	0.26 56	0.22 57	0.34 28	0.21 4	0.10 77	0.10 119	0.08 7	0.07 19	0.09 9	0.18 67

DCANet	0.49 106	0.91 294	2.63 296	0.26 28	0.14 11	0.51 100	0.22 75	0.84 234	0.78 321	0.56 218	0.49 166	0.32 96	0.41 238	0.39 50	0.41 170	0.10 77	0.07 8	0.09 35	0.07 19	0.14 71	0.45 253

csc	0.50 110	0.90 291	2.63 296	0.25 12	0.15 18	0.51 100	0.22 75	0.85 247	0.82 355	0.55 206	0.48 152	0.31 90	0.65 369	0.39 50	0.37 152	0.10 77	0.07 8	0.09 35	0.07 19	0.08 4	0.43 234

cscssc	0.50 110	0.90 291	2.63 296	0.25 12	0.15 18	0.51 100	0.22 75	0.85 247	0.82 355	0.55 206	0.48 152	0.31 90	0.65 369	0.39 50	0.37 152	0.10 77	0.07 8	0.09 35	0.07 19	0.08 4	0.43 234

111	0.57 163	1.41 412	2.63 296	0.25 12	0.15 18	0.59 205	0.26 175	0.90 292	0.83 362	0.50 158	0.54 214	0.57 250	0.38 205	0.54 134	0.41 170	0.10 77	0.07 8	0.09 35	0.07 19	0.24 249	0.81 371

R-Stereo Train	0.42 47	0.31 10	2.51 250	0.30 93	0.18 60	0.56 154	0.25 158	0.82 215	0.41 15	0.57 234	0.67 323	0.33 104	0.24 76	0.34 28	0.33 127	0.10 77	0.08 42	0.09 35	0.07 19	0.09 9	0.18 67

RAFT-Stereo	0.42 47	0.31 10	2.51 250	0.30 93	0.18 60	0.56 154	0.25 158	0.82 215	0.41 15	0.57 234	0.67 323	0.33 104	0.24 76	0.34 28	0.33 127	0.10 77	0.08 42	0.09 35	0.07 19	0.09 9	0.18 67
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
iResNetv2_ROB	0.71 302	1.90 465	3.48 441	0.43 294	0.22 124	0.60 218	0.29 232	0.96 329	0.78 321	0.60 270	0.65 311	0.60 264	0.46 289	0.80 224	1.21 382	0.12 198	0.08 42	0.10 86	0.07 19	0.44 421	0.33 170

MLCV	0.59 188	1.41 412	2.41 185	0.31 109	0.15 18	0.60 218	0.23 108	0.77 177	0.63 157	0.67 335	0.66 318	0.55 239	0.37 196	1.16 273	1.09 367	0.10 77	0.07 8	0.09 35	0.07 19	0.21 210	0.29 143

MM-Stereo_test3	0.59 188	0.85 270	2.28 151	0.53 342	0.31 231	0.45 55	0.30 247	0.78 184	0.76 305	0.33 60	0.43 120	0.32 96	0.23 72	0.61 158	0.54 236	0.10 77	1.65 459	0.10 86	0.08 38	0.42 414	0.68 332

fffft	0.36 25	0.70 212	1.51 28	0.25 12	0.15 18	0.42 46	0.24 133	0.46 29	0.42 20	0.22 13	0.19 5	0.20 11	0.16 7	0.47 85	0.69 290	0.07 2	0.09 91	0.10 86	0.08 38	0.30 332	0.45 253
1: 1. 1
SMoEStereo_RVC	0.36 25	0.83 262	1.48 26	0.26 28	0.15 18	0.46 62	0.22 75	0.40 8	0.43 25	0.23 18	0.24 14	0.21 19	0.18 24	0.47 85	0.59 254	0.07 2	0.07 8	0.10 86	0.08 38	0.24 249	0.42 227

tt45	0.35 19	0.80 255	1.46 23	0.26 28	0.17 46	0.55 147	0.22 75	0.44 21	0.39 11	0.24 25	0.26 27	0.25 46	0.18 24	0.64 170	0.36 147	0.09 26	0.08 42	0.10 86	0.08 38	0.24 249	0.29 143

999	0.35 19	0.74 234	1.38 17	0.27 39	0.18 60	0.50 94	0.23 108	0.40 8	0.41 15	0.21 7	0.33 71	0.23 28	0.18 24	0.74 204	0.37 152	0.09 26	0.08 42	0.09 35	0.08 38	0.26 289	0.26 124

mms	0.39 36	0.63 183	1.31 14	0.34 173	0.65 382	0.32 14	0.22 75	0.39 6	0.39 11	0.27 45	0.31 58	0.23 28	0.17 11	0.57 142	0.22 7	0.08 4	0.21 268	0.10 86	0.08 38	0.24 249	1.16 414

ours_stereo	0.37 29	0.67 192	1.63 34	0.30 93	0.50 330	0.35 27	0.22 75	0.41 11	0.38 9	0.21 7	0.32 68	0.23 28	0.17 11	0.47 85	0.22 7	0.08 4	0.09 91	0.10 86	0.08 38	0.24 249	0.77 355

fffy	0.39 36	0.67 192	1.57 29	0.45 306	0.52 336	0.37 33	0.22 75	0.45 23	0.35 4	0.21 7	0.30 49	0.26 56	0.20 42	0.45 79	0.24 25	0.08 4	0.29 300	0.10 86	0.08 38	0.25 270	0.77 355

RAStereo	0.33 10	0.81 259	2.22 140	0.27 39	0.18 60	0.25 4	0.20 39	0.45 23	0.38 9	0.21 7	0.26 27	0.20 11	0.16 7	0.26 2	0.26 50	0.10 77	0.08 42	0.10 86	0.08 38	0.13 51	0.09 2

WCG-NET（raft）	0.44 63	0.97 308	1.78 43	0.24 6	0.17 46	0.43 49	0.24 133	0.42 15	0.52 73	0.38 71	0.35 84	0.46 186	0.25 94	0.41 66	0.26 50	0.08 4	1.08 409	0.08 7	0.08 38	0.27 303	0.40 214

test_for_model	0.82 353	1.62 443	2.47 233	1.36 457	1.04 438	0.53 125	0.22 75	0.82 215	0.63 157	0.60 270	0.29 42	0.25 46	0.21 49	0.28 3	0.25 36	0.80 469	1.87 466	0.08 7	0.08 38	1.81 493	1.18 415

MGS-Stereo	0.35 19	0.48 119	1.99 86	0.26 28	0.14 11	0.41 41	0.22 75	0.41 11	0.48 45	0.24 25	0.51 181	0.25 46	0.18 24	0.33 23	0.22 7	0.10 77	0.08 42	0.09 35	0.08 38	0.47 432	0.10 5

MaDis-Stereo	0.35 19	0.89 286	2.15 123	0.25 12	0.29 210	0.29 8	0.17 16	0.47 32	0.41 15	0.21 7	0.22 10	0.28 74	0.21 49	0.32 19	0.31 104	0.10 77	0.09 91	0.10 86	0.08 38	0.11 26	0.12 15

UniTT-Stereo	0.36 25	0.66 191	2.43 194	0.28 55	0.24 161	0.30 10	0.18 22	0.35 4	0.36 6	0.26 38	0.37 92	0.18 7	0.18 24	0.33 23	0.30 88	0.11 158	0.08 42	0.09 35	0.08 38	0.25 270	0.09 2

CroCo-Stereo Lap2	0.38 33	0.91 294	2.02 92	0.33 150	0.38 289	0.23 3	0.21 60	0.63 122	0.51 63	0.23 18	0.28 37	0.29 81	0.23 72	0.34 28	0.28 72	0.10 77	0.09 91	0.10 86	0.08 38	0.22 227	0.15 38

Wz-Net-LNSev-Ref	0.65 255	1.15 349	2.40 180	0.33 150	0.30 223	0.83 391	0.40 329	0.94 313	0.82 355	0.67 335	0.76 376	0.68 311	0.58 347	1.13 269	1.25 389	0.14 278	0.08 42	0.10 86	0.08 38	0.18 148	0.28 137

raftrobust	0.52 122	1.14 343	2.15 123	0.33 150	0.99 429	0.53 125	0.21 60	0.59 99	0.50 58	0.53 188	0.36 86	0.31 90	0.33 177	0.47 85	0.42 175	0.10 77	0.55 350	0.09 35	0.08 38	0.22 227	0.46 257

RALCasStereoNet	0.65 255	1.34 393	2.56 272	0.43 294	0.96 425	0.50 94	0.26 175	0.62 115	0.56 103	0.43 95	0.49 166	0.36 114	0.28 133	0.72 200	0.53 231	0.10 77	1.18 415	0.09 35	0.08 38	0.27 303	1.27 429

DIP-Stereo	0.43 50	0.50 130	2.21 138	0.27 39	0.18 60	0.63 274	0.17 16	0.94 313	0.58 117	0.49 139	0.48 152	0.30 83	0.30 160	0.40 57	0.31 104	0.10 77	0.08 42	0.10 86	0.08 38	0.15 82	0.33 170
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.55 148	1.28 382	2.73 346	0.35 195	0.14 11	0.56 154	0.23 108	0.89 283	0.62 146	0.52 179	0.51 181	0.49 205	0.38 205	0.52 121	0.60 258	0.09 26	0.07 8	0.10 86	0.08 38	0.25 270	0.61 311
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
HSM	0.67 278	0.92 299	2.29 154	0.30 93	0.29 210	0.65 300	0.29 232	0.98 344	0.67 193	0.59 259	0.58 255	1.39 459	0.65 369	2.56 453	0.45 191	0.11 158	0.09 91	0.10 86	0.08 38	0.18 148	0.24 112

iResNet	0.59 188	1.09 330	2.54 261	0.44 299	0.18 60	0.65 300	0.29 232	0.89 283	0.75 296	0.59 259	0.64 304	0.43 150	0.39 220	0.73 201	1.24 388	0.11 158	0.08 42	0.09 35	0.08 38	0.21 210	0.40 214

MM-Stereo_test1	0.63 237	0.64 186	2.51 250	0.54 349	0.37 281	0.44 53	0.28 205	0.68 138	0.59 127	0.43 95	0.33 71	0.26 56	0.25 94	0.89 239	0.52 224	0.10 77	1.84 465	0.10 86	0.09 60	0.41 411	1.40 442

Former-RAFT_DAM_RVC	0.52 122	0.51 137	1.12 6	0.26 28	0.22 124	0.46 62	0.20 39	1.10 425	1.33 462	3.13 500	0.33 71	0.22 21	0.20 42	0.34 28	0.26 50	0.11 158	0.09 91	0.11 150	0.09 60	0.17 124	0.21 87

ACVNet-DCA	0.67 278	0.73 224	2.43 194	0.67 393	0.52 336	0.76 358	0.24 133	0.81 207	0.83 362	0.77 374	0.39 103	0.25 46	0.38 205	0.70 188	0.22 7	0.10 77	2.13 482	0.11 150	0.09 60	0.16 101	1.18 415

1test111	0.72 311	0.73 224	2.43 194	0.67 393	0.52 336	0.76 358	0.24 133	0.81 207	0.83 362	0.77 374	0.39 103	0.25 46	0.38 205	1.03 254	0.75 310	0.10 77	2.13 482	0.11 150	0.09 60	0.16 101	1.18 415

cc1	0.74 317	0.73 224	2.43 194	0.67 393	0.52 336	0.76 358	0.24 133	0.85 247	1.05 438	0.77 374	0.39 103	0.25 46	0.38 205	0.70 188	0.22 7	0.10 77	2.13 482	0.11 150	0.09 60	0.25 270	2.20 479

tt1	0.74 317	0.73 224	2.34 164	0.67 393	0.63 375	0.75 354	0.24 133	0.85 247	0.96 419	0.81 389	0.38 98	0.26 56	0.35 187	0.64 170	0.22 7	0.10 77	2.16 487	0.11 150	0.09 60	0.25 270	2.19 476

GMStereo_Zeroshot	0.44 63	0.44 105	1.84 54	0.44 299	0.20 102	0.52 117	0.19 27	0.60 106	0.54 88	0.58 240	0.59 260	0.63 275	0.29 150	0.59 149	0.34 136	0.16 325	0.09 91	0.16 341	0.09 60	0.26 289	0.26 124

plain	0.43 50	0.73 224	2.80 360	0.28 55	0.19 91	0.33 20	0.21 60	0.63 122	0.50 58	0.24 25	0.38 98	0.24 38	0.25 94	0.48 98	0.32 114	0.12 198	0.08 42	0.13 261	0.09 60	0.43 417	0.13 18

HH	0.79 345	0.52 141	2.72 341	1.45 462	0.80 406	0.91 411	0.23 108	0.76 170	0.76 305	0.64 310	0.55 224	0.87 386	0.41 238	0.94 244	0.45 191	0.09 26	1.20 417	0.10 86	0.09 60	0.16 101	2.16 474

HanStereo	0.79 345	0.52 141	2.72 341	1.45 462	0.80 406	0.91 411	0.23 108	0.76 170	0.76 305	0.64 310	0.55 224	0.87 386	0.41 238	0.94 244	0.45 191	0.09 26	1.20 417	0.10 86	0.09 60	0.16 101	2.16 474

EGLCR-Stereo	0.90 390	0.31 10	1.90 67	1.60 472	0.95 424	1.14 440	0.42 337	0.85 247	0.43 25	1.74 475	0.21 8	0.27 67	0.17 11	1.56 333	0.30 88	0.10 77	2.60 496	0.10 86	0.09 60	0.10 18	3.10 498

ProNet	0.46 75	0.60 170	1.85 58	0.35 195	0.67 384	0.49 84	0.25 158	0.53 59	0.57 110	0.21 7	0.24 14	0.22 21	0.20 42	0.52 121	0.22 7	0.09 26	0.47 334	0.10 86	0.09 60	0.23 242	1.33 434

DAS	0.61 205	0.42 90	1.85 58	0.34 173	0.34 259	0.52 117	0.42 337	0.89 283	0.80 341	0.85 399	0.69 330	0.57 250	0.51 316	2.38 442	0.57 245	0.13 244	0.09 91	0.12 201	0.09 60	0.18 148	0.37 193

SepStereo	0.57 163	0.42 90	1.85 58	0.34 173	0.34 259	0.52 117	0.42 337	0.89 283	0.80 341	0.85 399	0.69 330	0.57 250	0.51 316	1.55 331	0.57 245	0.13 244	0.09 91	0.12 201	0.09 60	0.18 148	0.37 193

IPLGR	0.58 171	0.64 186	3.12 405	0.37 224	0.18 60	0.62 260	0.54 384	1.06 414	0.69 231	0.73 361	0.46 139	0.50 209	0.44 271	1.12 268	0.31 104	0.10 77	0.08 42	0.11 150	0.09 60	0.21 210	0.20 80

GwcNet-ADL	0.54 144	0.78 249	2.85 372	0.31 109	0.20 102	0.58 187	0.29 232	0.93 308	0.67 193	0.48 123	0.47 145	0.56 246	0.33 177	0.48 98	0.80 324	0.13 244	0.12 162	0.09 35	0.09 60	0.14 71	0.40 214

GANet-ADL	0.48 91	0.56 158	2.51 250	0.34 173	0.20 102	0.58 187	0.25 158	0.80 199	0.57 110	0.43 95	0.61 277	0.56 246	0.31 165	0.44 78	0.44 187	0.14 278	0.11 145	0.10 86	0.09 60	0.22 227	0.38 202

STrans-v2	0.69 291	0.62 181	2.66 310	0.28 55	0.23 149	0.57 176	0.32 269	1.01 372	0.77 316	0.92 408	0.84 391	0.88 390	0.92 426	1.81 380	1.19 380	0.10 77	0.07 8	0.10 86	0.09 60	0.12 36	0.30 152

TransformOpticalFlow	0.65 255	0.61 176	2.67 318	0.45 306	0.26 183	0.62 260	0.28 205	0.88 275	0.76 305	0.76 372	0.74 366	0.90 395	0.84 411	1.82 383	0.80 324	0.10 77	0.07 8	0.11 150	0.09 60	0.12 36	0.19 72

OMP-Stereo	0.64 247	0.87 277	2.38 171	0.56 360	0.37 281	0.60 218	0.26 175	0.75 167	0.71 256	0.65 326	0.60 269	0.68 311	0.32 172	2.07 416	1.18 378	0.11 158	0.08 42	0.12 201	0.09 60	0.17 124	0.28 137

IIG-Stereo	0.65 255	0.87 277	2.32 161	0.55 351	0.23 149	0.62 260	0.21 60	0.78 184	0.71 256	0.64 310	0.69 330	0.69 322	0.38 205	2.07 416	1.37 400	0.11 158	0.08 42	0.11 150	0.09 60	0.15 82	0.27 131

NRIStereo	0.50 110	0.34 37	2.44 202	0.52 338	0.16 27	0.94 417	0.73 433	0.52 54	0.65 173	0.48 123	0.40 112	0.59 257	0.29 150	0.78 217	0.33 127	0.11 158	0.13 177	0.11 150	0.09 60	0.22 227	0.25 116

DeepStereo_RVC	0.47 80	0.37 60	2.19 131	0.55 351	0.18 60	0.60 218	0.58 397	0.52 54	0.62 146	0.49 139	0.45 135	0.39 129	0.85 414	0.47 85	0.34 136	0.12 198	0.08 42	0.11 150	0.09 60	0.15 82	0.19 72

RAFT-345	0.56 156	0.37 60	2.68 324	0.40 270	0.34 259	0.58 187	0.41 331	0.49 37	0.70 242	0.51 169	0.99 423	0.43 150	0.28 133	1.56 333	0.81 328	0.10 77	0.07 8	0.11 150	0.09 60	0.11 26	0.09 2

CRE-IMP	0.46 75	0.31 10	2.40 180	0.53 342	0.17 46	0.79 378	0.68 425	0.54 69	0.66 180	0.47 120	0.43 120	0.44 165	0.26 105	0.43 75	0.33 127	0.12 198	0.07 8	0.12 201	0.09 60	0.17 124	0.23 103

Prome-Stereo	0.53 136	0.36 49	2.39 178	0.60 367	0.23 149	0.63 274	0.41 331	0.66 131	0.67 193	0.59 259	1.02 427	0.43 150	0.71 387	0.61 158	0.34 136	0.10 77	0.07 8	0.10 86	0.09 60	0.13 51	0.44 248

LMCR-Stereo	0.61 205	1.00 310	2.60 285	0.42 284	0.22 124	0.74 352	0.31 258	1.06 414	0.70 242	0.62 291	0.64 304	0.40 138	0.52 323	0.84 230	1.27 391	0.20 379	0.09 91	0.12 201	0.09 60	0.26 289	0.16 51

TestStereo	0.49 106	0.88 281	2.38 171	0.30 93	0.16 27	0.43 49	0.25 158	0.55 78	0.46 35	0.38 71	0.46 139	0.34 109	0.28 133	1.96 407	0.28 72	0.11 158	0.08 42	0.12 201	0.09 60	0.15 82	0.13 18

raft+_RVC	0.62 224	1.18 357	2.43 194	0.36 212	2.08 490	0.52 117	0.25 158	0.66 131	0.54 88	0.36 64	0.46 139	0.32 96	0.28 133	0.49 111	0.43 182	0.10 77	0.91 393	0.10 86	0.09 60	0.22 227	0.70 341

RAFT-Stereo + iAFF	0.58 171	1.48 426	2.53 256	0.29 73	0.78 404	0.52 117	0.20 39	0.68 138	0.66 180	0.51 169	0.61 277	0.40 138	0.32 172	0.40 57	0.43 182	0.08 4	0.63 363	0.09 35	0.09 60	0.37 384	0.58 303

ACVNet	0.54 144	0.87 277	2.45 220	0.28 55	0.22 124	0.59 205	0.36 308	0.69 141	0.73 270	0.49 139	0.59 260	0.69 322	0.42 250	0.47 85	0.70 292	0.11 158	0.10 119	0.10 86	0.09 60	0.36 377	0.39 209

acv_ft	0.57 163	0.87 277	2.45 220	0.33 150	0.41 302	0.63 274	0.29 232	0.86 258	0.73 270	0.64 310	0.59 260	0.69 322	0.45 279	0.47 85	0.68 288	0.11 158	0.10 119	0.10 86	0.09 60	0.43 417	0.39 209

BEATNet_4x	0.57 163	1.16 351	2.56 272	0.35 195	0.16 27	0.56 154	0.25 158	0.91 299	0.64 166	0.55 206	0.53 196	0.59 257	0.43 262	0.67 180	0.76 313	0.12 198	0.09 91	0.12 201	0.09 60	0.23 242	0.58 303

HSM-Net_RVC	0.70 298	0.40 81	2.45 220	0.27 39	0.19 91	0.68 326	0.30 247	1.29 454	0.73 270	0.73 361	0.70 343	0.77 348	0.45 279	3.73 495	0.46 196	0.13 244	0.09 91	0.10 86	0.09 60	0.13 51	0.32 166
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.79 345	1.46 423	2.72 341	0.34 173	0.25 168	0.59 205	0.32 269	0.88 275	0.83 362	0.62 291	0.95 415	0.80 361	0.43 262	2.46 448	1.72 417	0.38 441	0.26 290	0.10 86	0.09 60	0.25 270	0.43 234

MM-Stereo_test2	0.65 255	0.43 98	2.54 261	0.62 375	0.18 60	0.50 94	0.25 158	0.49 37	0.47 41	0.36 64	0.26 27	0.24 38	0.23 72	0.40 57	0.38 159	0.08 4	2.33 491	0.09 35	0.10 95	0.38 391	2.66 491

rvit_stereo_0083	0.28 2	0.37 60	0.88 1	0.28 55	0.18 60	0.28 6	0.22 75	0.40 8	0.58 117	0.25 30	0.30 49	0.27 67	0.27 119	0.38 47	0.25 36	0.14 278	0.12 162	0.13 261	0.10 95	0.13 51	0.14 30

rvit_stereo_0081_aga	0.34 14	0.67 192	1.79 44	0.27 39	0.20 102	0.34 22	0.21 60	0.43 18	0.48 45	0.26 38	0.28 37	0.27 67	0.21 49	0.33 23	0.25 36	0.14 278	0.11 145	0.11 150	0.10 95	0.14 71	0.18 67

rvit_stereo_0081	0.29 3	0.46 113	1.13 7	0.28 55	0.17 46	0.32 14	0.22 75	0.45 23	0.58 117	0.25 30	0.26 27	0.26 56	0.22 57	0.36 41	0.25 36	0.14 278	0.10 119	0.11 150	0.10 95	0.13 51	0.11 12

rvit_stereo_0082	0.29 3	0.46 113	1.13 7	0.28 55	0.17 46	0.32 14	0.22 75	0.45 23	0.58 117	0.25 30	0.26 27	0.26 56	0.22 57	0.36 41	0.25 36	0.14 278	0.10 119	0.11 150	0.10 95	0.13 51	0.11 12

rvit_stereo_0080	0.33 10	0.77 243	1.43 19	0.24 6	0.18 60	0.34 22	0.27 192	0.58 90	0.51 63	0.25 30	0.27 33	0.27 67	0.22 57	0.32 19	0.27 59	0.14 278	0.10 119	0.10 86	0.10 95	0.15 82	0.17 58

CAS++	0.34 14	0.39 76	1.90 67	0.25 12	0.18 60	0.32 14	0.20 39	0.78 184	0.44 32	0.31 55	0.31 58	0.21 19	0.16 7	0.34 28	0.20 3	0.15 308	0.13 177	0.13 261	0.10 95	0.15 82	0.14 30
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
CoDeX	0.54 144	0.52 141	2.25 147	0.30 93	0.26 183	0.61 238	0.32 269	1.03 387	0.73 270	0.49 139	0.56 237	0.52 220	0.40 227	1.59 345	0.38 159	0.12 198	0.09 91	0.11 150	0.10 95	0.15 82	0.22 94

whm_eth	0.33 10	0.77 243	1.43 19	0.24 6	0.18 60	0.34 22	0.27 192	0.58 90	0.51 63	0.25 30	0.27 33	0.27 67	0.22 57	0.32 19	0.27 59	0.14 278	0.10 119	0.10 86	0.10 95	0.15 82	0.17 58

MIF-Stereo (partial)	0.41 43	0.71 216	2.67 318	0.27 39	0.24 161	0.32 14	0.17 16	0.56 81	0.46 35	0.26 38	0.37 92	0.25 46	0.26 105	0.46 81	0.35 144	0.11 158	0.08 42	0.12 201	0.10 95	0.21 210	0.15 38

MIM_Stereo	0.55 148	0.92 299	2.65 306	0.32 129	1.09 446	0.51 100	0.19 27	0.67 134	0.52 73	0.48 123	0.54 214	0.43 150	0.27 119	0.57 142	0.30 88	0.08 4	0.17 234	0.11 150	0.10 95	0.28 316	0.80 366

PCWNet_CMD	0.48 91	0.50 130	2.23 142	0.27 39	0.20 102	0.56 154	0.22 75	0.78 184	0.67 193	0.49 139	0.55 224	0.68 311	0.56 335	0.48 98	0.32 114	0.11 158	0.10 119	0.14 296	0.10 95	0.19 178	0.43 234

CBFPSM	0.62 224	1.34 393	2.12 117	0.30 93	0.23 149	0.71 337	0.38 320	0.77 177	0.68 220	0.51 169	0.49 166	1.03 424	0.82 408	0.63 164	1.35 396	0.11 158	0.12 162	0.10 86	0.10 95	0.19 178	0.37 193

iinet-f	0.62 224	1.18 357	2.55 269	0.33 150	0.25 168	0.82 390	0.34 291	0.87 267	0.69 231	0.56 218	0.64 304	0.73 336	0.67 377	0.80 224	0.81 328	0.14 278	0.13 177	0.11 150	0.10 95	0.44 421	0.26 124

TestStereo1	0.59 188	1.21 364	2.63 296	0.40 270	0.60 363	0.56 154	0.34 291	0.82 215	0.73 270	0.45 106	0.63 292	0.36 114	0.42 250	0.66 177	0.42 175	0.10 77	0.32 304	0.12 201	0.10 95	0.34 360	0.52 282

RAFT_CTSACE	0.58 171	1.16 351	2.76 354	0.36 212	0.29 210	0.54 135	0.29 232	0.69 141	0.51 63	0.51 169	0.75 373	0.67 297	0.37 196	0.63 164	0.47 201	0.08 4	0.49 338	0.11 150	0.10 95	0.41 411	0.32 166

CRFU-Net	0.58 171	0.42 90	1.90 67	0.49 328	0.27 194	0.83 391	0.35 300	0.94 313	0.54 88	0.65 326	0.60 269	0.78 352	1.34 448	1.00 249	0.51 222	0.17 344	0.14 192	0.17 356	0.10 95	0.19 178	0.20 80

SA-5K	0.59 188	1.21 364	2.63 296	0.40 270	0.60 363	0.56 154	0.34 291	0.82 215	0.73 270	0.45 106	0.63 292	0.36 114	0.42 250	0.66 177	0.42 175	0.10 77	0.32 304	0.12 201	0.10 95	0.34 360	0.52 282

CSP-Net	0.55 148	0.61 176	1.81 50	0.30 93	0.23 149	0.77 368	0.35 300	0.90 292	0.62 146	0.62 291	0.60 269	0.65 285	0.42 250	1.76 367	0.47 201	0.17 344	0.12 162	0.10 86	0.10 95	0.21 210	0.16 51

GLC_STEREO	0.31 5	0.30 8	1.80 46	0.29 73	0.12 3	0.41 41	0.20 39	0.39 6	0.42 20	0.26 38	0.31 58	0.25 46	0.19 32	0.36 41	0.26 50	0.09 26	0.11 145	0.12 201	0.10 95	0.13 51	0.15 38

HHNet	0.63 237	0.67 192	3.10 403	0.37 224	0.25 168	0.64 285	0.60 404	0.70 151	0.67 193	0.55 206	1.12 437	0.32 96	0.60 358	0.43 75	1.75 420	0.16 325	0.08 42	0.12 201	0.10 95	0.18 148	0.22 94

Patchmatch Stereo++	0.43 50	0.36 49	2.44 202	0.48 317	0.17 46	0.61 238	0.26 175	0.53 59	0.61 137	0.48 123	0.43 120	0.43 150	0.28 133	0.56 138	0.30 88	0.12 198	0.08 42	0.12 201	0.10 95	0.17 124	0.13 18
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
AAGNet	0.92 394	0.40 81	2.53 256	0.60 367	1.01 434	0.62 260	0.45 354	0.52 54	0.68 220	0.58 240	0.53 196	0.50 209	0.72 388	1.22 282	7.32 505	0.12 198	0.07 8	0.12 201	0.10 95	0.16 101	0.10 5

NF-Stereo	0.53 136	0.33 30	2.55 269	0.55 351	0.16 27	0.61 238	0.43 344	0.70 151	0.70 242	0.50 158	0.47 145	0.37 119	0.26 105	1.44 319	0.78 319	0.12 198	0.07 8	0.12 201	0.10 95	0.13 51	0.17 58

OCTAStereo	0.53 136	0.33 30	2.54 261	0.56 360	0.16 27	0.61 238	0.42 337	0.70 151	0.70 242	0.50 158	0.47 145	0.37 119	0.26 105	1.43 315	0.79 322	0.12 198	0.07 8	0.12 201	0.10 95	0.13 51	0.17 58

PSM-adaLoss	0.43 50	0.36 49	2.44 202	0.48 317	0.18 60	0.61 238	0.28 205	0.53 59	0.61 137	0.48 123	0.43 120	0.43 150	0.28 133	0.49 111	0.30 88	0.12 198	0.08 42	0.12 201	0.10 95	0.17 124	0.13 18

ROB_FTStereo_v2	0.43 50	0.36 49	2.44 202	0.49 328	0.17 46	0.61 238	0.28 205	0.53 59	0.61 137	0.48 123	0.43 120	0.44 165	0.28 133	0.48 98	0.30 88	0.12 198	0.08 42	0.12 201	0.10 95	0.17 124	0.13 18

ROB_FTStereo	0.43 50	0.36 49	2.44 202	0.48 317	0.18 60	0.61 238	0.26 175	0.53 59	0.61 137	0.48 123	0.43 120	0.43 150	0.28 133	0.51 117	0.30 88	0.12 198	0.08 42	0.12 201	0.10 95	0.17 124	0.13 18

HUI-Stereo	0.43 50	0.36 49	2.45 220	0.48 317	0.18 60	0.61 238	0.27 192	0.53 59	0.61 137	0.48 123	0.43 120	0.44 165	0.28 133	0.47 85	0.30 88	0.12 198	0.08 42	0.12 201	0.10 95	0.17 124	0.13 18

DEmStereo	0.69 291	0.40 81	2.42 189	0.42 284	0.18 60	0.66 313	0.88 446	0.54 69	0.64 166	0.60 270	1.00 424	0.45 177	1.24 446	1.53 329	2.21 445	0.10 77	0.08 42	0.10 86	0.10 95	0.11 26	0.14 30

SST-Stereo	0.56 156	0.30 8	2.44 202	0.71 402	0.55 346	0.62 260	0.65 416	0.57 87	0.67 193	0.59 259	0.53 196	0.51 213	0.59 350	1.57 338	0.31 104	0.12 198	0.07 8	0.12 201	0.10 95	0.17 124	0.11 12

RAFT_R40	0.55 148	0.31 10	2.44 202	0.57 364	0.42 312	0.62 260	0.52 378	0.58 90	0.66 180	0.56 218	0.54 214	0.54 230	0.50 312	1.56 333	0.53 231	0.11 158	0.07 8	0.12 201	0.10 95	0.16 101	0.10 5

RE-Stereo	0.53 136	0.33 30	2.54 261	0.56 360	0.16 27	0.61 238	0.43 344	0.70 151	0.70 242	0.50 158	0.47 145	0.37 119	0.26 105	1.43 315	0.77 315	0.12 198	0.07 8	0.12 201	0.10 95	0.13 51	0.17 58

Pruner-Stereo	0.55 148	0.38 70	2.49 244	1.78 482	0.19 91	0.63 274	0.45 354	0.59 99	0.67 193	0.61 279	0.48 152	0.41 144	0.25 94	0.49 111	0.99 355	0.13 244	0.07 8	0.12 201	0.10 95	0.13 51	0.14 30

TVStereo	0.53 136	0.33 30	2.54 261	0.56 360	0.16 27	0.61 238	0.43 344	0.70 151	0.70 242	0.50 158	0.47 145	0.37 119	0.26 105	1.43 315	0.77 315	0.12 198	0.07 8	0.12 201	0.10 95	0.13 51	0.17 58

iGMRVC	0.43 50	0.36 49	2.44 202	0.48 317	0.18 60	0.61 238	0.27 192	0.53 59	0.61 137	0.48 123	0.43 120	0.43 150	0.28 133	0.57 142	0.31 104	0.12 198	0.08 42	0.12 201	0.10 95	0.17 124	0.13 18

IRAFT_RVC	0.59 188	0.74 234	2.42 189	0.47 316	0.21 114	0.59 205	0.42 337	0.68 138	0.73 270	0.54 194	0.50 178	0.49 205	0.51 316	1.57 338	1.00 357	0.11 158	0.25 287	0.13 261	0.10 95	0.15 82	0.14 30

iRAFT	0.43 50	0.36 49	2.44 202	0.48 317	0.17 46	0.61 238	0.26 175	0.53 59	0.61 137	0.48 123	0.43 120	0.43 150	0.28 133	0.56 138	0.30 88	0.12 198	0.08 42	0.12 201	0.10 95	0.17 124	0.13 18

RAFT-IKP	0.43 50	0.36 49	2.44 202	0.48 317	0.16 27	0.60 218	0.28 205	0.53 59	0.61 137	0.48 123	0.43 120	0.43 150	0.28 133	0.51 117	0.31 104	0.12 198	0.08 42	0.12 201	0.10 95	0.17 124	0.13 18

CFNet_pseudo	0.47 80	0.50 130	2.19 131	0.26 28	0.20 102	0.56 154	0.22 75	0.80 199	0.62 146	0.50 158	0.56 237	0.68 311	0.47 297	0.53 128	0.33 127	0.11 158	0.10 119	0.15 322	0.10 95	0.18 148	0.33 170

GES	0.49 106	0.54 147	2.37 168	0.31 109	0.19 91	0.61 238	0.30 247	0.93 308	0.52 73	0.49 139	0.53 196	0.40 138	0.43 262	0.59 149	0.67 286	0.16 325	0.11 145	0.12 201	0.10 95	0.20 198	0.30 152

AFF-stereo	0.57 163	1.51 429	2.59 280	0.33 150	0.23 149	0.51 100	0.21 60	0.69 141	0.68 220	0.49 139	0.63 292	0.49 205	0.34 185	0.50 116	0.37 152	0.08 4	0.54 347	0.10 86	0.10 95	0.40 405	0.60 310

DMCA	0.50 110	0.83 262	1.95 77	0.32 129	0.24 161	0.59 205	0.26 175	0.81 207	0.68 220	0.59 259	0.49 166	0.56 246	0.36 190	0.65 174	0.65 280	0.14 278	0.10 119	0.14 296	0.10 95	0.19 178	0.29 143

MSMDNet	0.48 91	0.50 130	2.23 142	0.27 39	0.20 102	0.56 154	0.22 75	0.78 184	0.67 193	0.49 139	0.55 224	0.68 311	0.56 335	0.48 98	0.32 114	0.11 158	0.10 119	0.13 261	0.10 95	0.18 148	0.43 234

ccs_rob	0.47 80	0.50 130	2.19 131	0.26 28	0.20 102	0.56 154	0.22 75	0.80 199	0.62 146	0.50 158	0.56 237	0.68 311	0.47 297	0.53 128	0.33 127	0.11 158	0.10 119	0.16 341	0.10 95	0.18 148	0.33 170

DISCO	0.61 205	0.63 183	1.98 84	0.46 310	0.34 259	0.84 396	0.35 300	0.88 275	0.81 349	0.61 279	0.64 304	1.06 432	0.53 326	1.11 266	0.83 333	0.13 244	0.10 119	0.11 150	0.10 95	0.26 289	0.37 193

HI	0.47 80	0.82 260	2.49 244	0.29 73	0.22 124	0.45 55	0.20 39	0.59 99	0.43 25	0.59 259	0.59 260	0.65 285	0.45 279	0.48 98	0.40 165	0.08 4	0.09 91	0.10 86	0.11 141	0.24 249	0.20 80

CoSv	0.47 80	0.82 260	2.49 244	0.29 73	0.22 124	0.45 55	0.20 39	0.59 99	0.43 25	0.59 259	0.59 260	0.65 285	0.45 279	0.48 98	0.40 165	0.08 4	0.09 91	0.10 86	0.11 141	0.24 249	0.20 80

AIO_rvc	0.95 404	1.02 315	2.57 276	2.80 503	1.91 487	0.37 33	0.24 133	0.52 54	0.60 133	0.98 414	0.29 42	0.25 46	0.18 24	2.16 427	0.29 82	0.11 158	1.39 446	0.08 7	0.11 141	0.26 289	2.87 494

tg	0.45 67	0.83 262	1.85 58	0.29 73	0.16 27	0.57 176	0.18 22	0.60 106	0.56 103	0.37 67	0.44 132	0.38 125	0.24 76	0.48 98	0.28 72	0.09 26	0.30 301	0.11 150	0.11 141	0.44 421	0.77 355

ACV-stereo	0.71 302	0.85 270	3.01 394	0.33 150	0.25 168	1.01 425	0.59 400	0.62 115	0.54 88	0.42 87	0.45 135	1.54 466	1.44 456	1.40 309	0.73 304	0.14 278	0.13 177	0.12 201	0.11 141	0.20 198	0.35 184

rvit_stereo_ft	0.38 33	1.01 313	1.86 62	0.33 150	0.21 114	0.28 6	0.27 192	0.59 99	0.55 97	0.24 25	0.28 37	0.28 74	0.27 119	0.35 38	0.28 72	0.14 278	0.09 91	0.11 150	0.11 141	0.14 71	0.31 161

CFNet_ucs	0.50 110	0.55 155	2.28 151	0.27 39	0.22 124	0.58 187	0.23 108	0.90 292	0.69 231	0.54 194	0.64 304	0.68 311	0.44 271	0.55 135	0.34 136	0.14 278	0.12 162	0.16 341	0.11 141	0.19 178	0.38 202

4D-IteraStereo	0.62 224	1.29 384	3.04 398	0.27 39	0.30 223	0.46 62	0.26 175	0.54 69	0.51 63	0.41 81	0.31 58	0.39 129	0.19 32	0.53 128	0.65 280	0.09 26	0.47 334	0.12 201	0.11 141	0.21 210	2.14 473

gwcnet-sp	0.52 122	0.71 216	2.66 310	0.32 129	0.22 124	0.66 313	0.31 258	0.84 234	0.69 231	0.61 279	0.49 166	0.46 186	0.43 262	0.77 210	0.48 206	0.12 198	0.11 145	0.11 150	0.11 141	0.19 178	0.19 72

scenet	0.52 122	0.71 216	2.66 310	0.32 129	0.22 124	0.66 313	0.31 258	0.84 234	0.69 231	0.61 279	0.49 166	0.46 186	0.43 262	0.77 210	0.48 206	0.12 198	0.11 145	0.11 150	0.11 141	0.19 178	0.19 72

CASS	0.43 50	0.34 37	2.01 89	0.33 150	0.17 46	0.54 135	0.24 133	0.71 157	0.52 73	0.62 291	0.55 224	0.40 138	0.41 238	0.43 75	0.33 127	0.17 344	0.10 119	0.14 296	0.11 141	0.18 148	0.23 103
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.52 122	0.71 216	2.66 310	0.32 129	0.22 124	0.66 313	0.31 258	0.84 234	0.69 231	0.61 279	0.49 166	0.46 186	0.43 262	0.77 210	0.48 206	0.12 198	0.11 145	0.11 150	0.11 141	0.19 178	0.19 72

DisPM	0.48 91	0.41 87	2.54 261	0.61 373	0.18 60	0.59 205	0.62 411	0.54 69	0.67 193	0.61 279	0.53 196	0.38 125	0.26 105	0.76 208	0.31 104	0.13 244	0.07 8	0.12 201	0.11 141	0.12 36	0.15 38

IER	0.49 106	0.73 224	2.12 117	0.27 39	0.25 168	0.65 300	0.27 192	0.76 170	0.59 127	0.56 218	0.59 260	0.60 264	0.53 326	0.64 170	0.44 187	0.12 198	0.09 91	0.11 150	0.11 141	0.18 148	0.15 38

NINENet	0.54 144	0.40 81	2.19 131	0.55 351	0.26 183	0.91 411	0.23 108	1.05 401	0.77 316	0.54 194	0.57 248	0.65 285	0.32 172	1.22 282	0.34 136	0.16 325	0.13 177	0.16 341	0.11 141	0.16 101	0.14 30

AASNet	0.66 274	1.49 428	2.97 387	0.37 224	0.33 249	0.65 300	0.30 247	1.00 363	0.78 321	0.56 218	0.60 269	0.55 239	0.39 220	0.88 237	0.96 346	0.15 308	0.12 162	0.13 261	0.11 141	0.45 424	0.35 184

GMOStereo	0.58 171	0.89 286	2.46 228	0.29 73	0.99 429	0.51 100	0.32 269	0.58 90	0.46 35	0.58 240	0.48 152	0.54 230	0.27 119	0.31 9	0.25 36	0.09 26	1.64 455	0.13 261	0.11 141	0.34 360	0.42 227

error version	0.58 171	0.89 286	2.46 228	0.29 73	0.99 429	0.51 100	0.32 269	0.58 90	0.46 35	0.58 240	0.48 152	0.54 230	0.27 119	0.31 9	0.25 36	0.09 26	1.64 455	0.13 261	0.11 141	0.34 360	0.42 227

test-v	0.58 171	0.89 286	2.46 228	0.29 73	0.99 429	0.51 100	0.32 269	0.58 90	0.46 35	0.58 240	0.48 152	0.54 230	0.27 119	0.31 9	0.25 36	0.09 26	1.64 455	0.13 261	0.11 141	0.34 360	0.42 227

AACVNet	0.61 205	1.13 342	2.47 233	0.37 224	0.21 114	0.57 176	0.25 158	0.75 167	0.55 97	0.56 218	0.60 269	0.66 294	0.44 271	2.11 423	0.49 215	0.14 278	0.11 145	0.14 296	0.11 141	0.35 372	0.23 103

ADLNet2	0.73 313	1.22 369	3.28 417	0.34 173	0.36 275	0.65 300	0.37 311	0.94 313	0.87 389	0.57 234	0.65 311	0.92 396	0.48 304	2.05 414	0.60 258	0.13 244	0.11 145	0.11 150	0.11 141	0.37 384	0.38 202

CrosDoStereo	0.96 407	0.49 123	2.66 310	0.27 39	0.33 249	0.54 135	3.69 500	0.77 177	0.66 180	0.70 349	1.39 452	0.53 223	1.47 459	1.77 370	3.02 472	0.10 77	0.08 42	0.11 150	0.11 141	0.22 227	0.30 152

FTStereo	0.79 345	0.32 20	2.83 368	0.70 400	0.21 114	0.73 347	1.75 490	0.61 111	0.60 133	1.07 427	1.62 460	1.28 451	2.11 481	0.75 206	0.30 88	0.19 370	0.08 42	0.12 201	0.11 141	0.12 36	0.39 209

ASMatch	0.61 205	0.47 116	2.72 341	0.91 425	0.36 275	0.56 154	0.24 133	0.54 69	0.67 193	0.48 123	1.20 440	0.47 195	0.65 369	1.33 303	0.93 344	0.10 77	0.08 42	0.11 150	0.11 141	0.10 18	0.17 58

DeepStereo_LL	0.96 407	0.49 123	2.66 310	0.27 39	0.33 249	0.54 135	3.69 500	0.77 177	0.66 180	0.70 349	1.39 452	0.53 223	1.47 459	1.77 370	3.02 472	0.10 77	0.08 42	0.11 150	0.11 141	0.22 227	0.30 152

THIR-Stereo	0.88 380	0.85 270	2.33 163	0.26 28	0.16 27	0.59 205	2.69 496	0.62 115	0.54 88	0.62 291	1.61 459	0.96 410	1.77 472	1.67 356	2.20 444	0.10 77	0.08 42	0.14 296	0.11 141	0.16 101	0.21 87

test-2	0.58 171	0.89 286	2.46 228	0.29 73	0.99 429	0.51 100	0.32 269	0.58 90	0.46 35	0.58 240	0.48 152	0.54 230	0.27 119	0.31 9	0.25 36	0.09 26	1.64 455	0.13 261	0.11 141	0.34 360	0.42 227

ICVP	0.48 91	0.33 30	2.37 168	0.34 173	0.22 124	0.60 218	0.55 388	0.79 193	0.53 84	0.45 106	0.60 269	0.49 205	0.36 190	0.55 135	0.46 196	0.16 325	0.16 222	0.14 296	0.11 141	0.16 101	0.32 166
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iRaftStereo_RVC	0.47 80	0.84 266	1.91 70	0.29 73	0.15 18	0.53 125	0.20 39	0.58 90	0.50 58	0.37 67	0.43 120	0.42 149	0.23 72	0.38 47	0.28 72	0.09 26	0.70 374	0.12 201	0.11 141	0.43 417	0.77 355

GEStereo_RVC	0.61 205	1.19 360	2.61 290	0.48 317	0.25 168	0.63 274	0.37 311	1.05 401	0.79 333	0.55 206	0.55 224	0.59 257	0.44 271	1.10 262	0.48 206	0.16 325	0.11 145	0.12 201	0.11 141	0.27 303	0.43 234

sCroCo_RVC	0.37 29	0.39 76	2.38 171	0.35 195	0.27 194	0.31 13	0.22 75	0.49 37	0.48 45	0.23 18	0.34 77	0.25 46	0.24 76	0.35 38	0.25 36	0.15 308	0.17 234	0.12 201	0.11 141	0.15 82	0.15 38

MMNet	0.55 148	0.92 299	2.03 93	0.34 173	0.27 194	0.79 378	0.28 205	0.86 258	0.79 333	0.62 291	0.58 255	0.59 257	0.56 335	0.80 224	0.61 264	0.11 158	0.11 145	0.12 201	0.11 141	0.21 210	0.22 94

UNet	0.56 156	0.58 162	2.81 364	0.32 129	0.33 249	0.74 352	0.27 192	0.86 258	0.67 193	0.55 206	0.55 224	0.72 331	0.55 333	0.79 220	0.58 250	0.12 198	0.09 91	0.13 261	0.11 141	0.20 198	0.19 72

FENet	0.48 91	0.58 162	2.46 228	0.33 150	0.18 60	0.58 187	0.22 75	0.83 226	0.64 166	0.49 139	0.42 117	0.55 239	0.38 205	0.52 121	0.51 222	0.12 198	0.09 91	0.12 201	0.11 141	0.17 124	0.31 161

RASNet	0.69 291	1.05 324	2.59 280	0.37 224	0.47 327	0.66 313	0.33 283	0.82 215	0.76 305	0.51 169	0.65 311	0.93 401	0.62 362	2.20 430	0.80 324	0.14 278	0.09 91	0.09 35	0.11 141	0.18 148	0.37 193

AdaStereo	0.48 91	0.44 105	2.18 129	0.36 212	0.20 102	0.59 205	0.29 232	0.97 337	0.74 290	0.52 179	0.55 224	0.61 266	0.33 177	0.52 121	0.44 187	0.18 355	0.08 42	0.17 356	0.11 141	0.18 148	0.24 112
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.
FACV-RUCA	0.61 205	0.44 105	2.11 116	0.43 294	1.73 483	0.49 84	0.28 205	0.74 163	0.68 220	0.41 81	0.53 196	0.34 109	0.64 366	0.41 66	0.33 127	0.13 244	0.11 145	0.62 463	0.12 177	0.72 458	1.02 404

DDVS	0.67 278	0.46 113	1.74 40	2.40 495	0.35 267	0.86 398	0.98 454	0.72 158	0.52 73	0.53 188	0.57 248	0.89 393	0.37 196	1.22 282	0.57 245	0.15 308	0.14 192	0.14 296	0.12 177	0.19 178	0.42 227

CASnet	0.32 8	0.40 81	1.80 46	0.28 55	0.11 1	0.47 73	0.19 27	0.45 23	0.47 41	0.39 76	0.31 58	0.23 28	0.17 11	0.31 9	0.21 4	0.11 158	0.06 1	0.15 322	0.12 177	0.16 101	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo	0.85 370	1.73 454	3.06 402	0.37 224	0.61 372	0.54 135	0.33 283	1.01 372	0.76 305	0.69 345	0.58 255	0.85 380	0.78 403	2.65 462	0.54 236	0.14 278	0.58 356	0.14 296	0.12 177	0.42 414	1.05 407

BUS	0.45 67	0.32 20	1.58 30	0.31 109	0.22 124	0.91 411	0.23 108	1.05 401	0.67 193	0.64 310	0.53 196	0.65 285	0.32 172	0.48 98	0.34 136	0.13 244	0.10 119	0.14 296	0.12 177	0.13 51	0.15 38

Wz-Net-LNSev	0.66 274	1.30 385	2.81 364	0.35 195	0.37 281	0.80 381	0.48 366	0.91 299	0.87 389	0.63 300	0.70 343	0.80 361	0.59 350	0.67 180	0.68 288	0.15 308	0.14 192	0.12 201	0.12 177	0.24 249	0.38 202

test_5	0.61 205	1.25 377	2.76 354	0.39 257	0.64 379	0.58 187	0.35 300	0.85 247	0.66 180	0.49 139	0.56 237	0.55 239	0.40 227	0.79 220	0.32 114	0.10 77	0.19 246	0.12 201	0.12 177	0.33 353	0.85 378

BSDual-CNN	0.48 91	0.32 20	1.58 30	0.31 109	0.22 124	0.76 358	0.32 269	1.05 401	0.67 193	0.64 310	0.53 196	0.63 275	0.38 205	0.48 98	0.97 347	0.13 244	0.10 119	0.14 296	0.12 177	0.13 51	0.15 38

hknet	0.53 136	0.39 76	2.04 96	0.31 109	0.24 161	0.76 358	0.32 269	1.05 401	0.71 256	0.64 310	0.53 196	0.79 354	0.40 227	0.84 230	0.78 319	0.12 198	0.10 119	0.14 296	0.12 177	0.13 51	0.15 38

iRaft-Stereo_5w	0.65 255	1.35 396	2.21 138	0.30 93	0.63 375	0.49 84	0.28 205	0.78 184	0.64 166	0.41 81	0.61 277	0.62 271	0.46 289	1.79 377	0.48 206	0.10 77	0.25 287	0.11 150	0.12 177	0.40 405	0.94 390

dd	0.48 91	1.32 387	2.41 185	0.31 109	0.17 46	0.58 187	0.26 175	0.50 49	0.71 256	0.42 87	0.41 114	0.34 109	0.28 133	0.47 85	0.41 170	0.18 355	0.10 119	0.13 261	0.12 177	0.22 227	0.16 51

IPLG	0.74 317	1.09 330	2.87 375	0.36 212	0.21 114	1.63 465	0.60 404	1.39 463	0.63 157	1.39 461	0.51 181	0.40 138	0.86 416	1.40 309	0.37 152	0.09 26	0.07 8	0.14 296	0.12 177	0.34 360	0.23 103

PSM-softLoss	0.52 122	0.34 37	2.47 233	0.55 351	0.17 46	0.61 238	0.39 326	0.64 125	0.67 193	0.52 179	0.48 152	0.39 129	0.25 94	1.46 320	0.77 315	0.13 244	0.08 42	0.13 261	0.12 177	0.12 36	0.15 38

KMStereo	0.52 122	0.34 37	2.47 233	0.55 351	0.17 46	0.61 238	0.39 326	0.64 125	0.67 193	0.52 179	0.48 152	0.39 129	0.25 94	1.46 320	0.77 315	0.13 244	0.08 42	0.13 261	0.12 177	0.12 36	0.15 38

GMStereo	0.44 63	1.32 387	2.65 306	0.28 55	0.16 27	0.42 46	0.22 75	0.48 34	0.63 157	0.41 81	0.36 86	0.26 56	0.25 94	0.41 66	0.30 88	0.14 278	0.08 42	0.10 86	0.12 177	0.17 124	0.13 18
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.63 237	0.77 243	2.71 339	0.37 224	0.34 259	0.64 285	0.30 247	0.86 258	0.67 193	0.58 240	0.53 196	0.88 390	0.48 304	1.84 386	0.71 298	0.15 308	0.12 162	0.12 201	0.12 177	0.21 210	0.25 116

HGLStereo	0.61 205	1.20 362	2.59 280	0.36 212	0.40 297	0.65 300	0.30 247	0.87 267	0.67 193	0.60 270	0.70 343	0.69 322	0.56 335	1.07 259	0.59 254	0.14 278	0.13 177	0.13 261	0.12 177	0.23 242	0.23 103

cf-r	0.62 224	1.27 380	2.99 392	0.34 173	0.28 205	0.60 218	0.28 205	0.82 215	0.70 242	0.55 206	0.61 277	0.77 348	0.41 238	1.32 301	0.52 224	0.13 244	0.09 91	0.11 150	0.12 177	0.22 227	0.27 131

GANet-RSSM	0.63 237	1.14 343	2.67 318	0.38 243	0.26 183	0.59 205	0.29 232	0.81 207	0.56 103	0.50 158	0.57 248	0.67 297	0.50 312	1.91 403	0.50 219	0.14 278	0.10 119	0.24 413	0.12 177	0.36 377	0.28 137

PWCDC_ROB	0.83 359	1.57 434	2.63 296	0.48 317	0.37 281	0.78 374	0.29 232	1.04 393	1.36 464	0.63 300	2.05 469	0.64 282	0.70 386	1.10 262	1.20 381	0.33 436	0.14 192	0.15 322	0.12 177	0.63 452	0.46 257

rvit_0105_6	0.36 25	0.55 155	1.48 26	0.31 109	0.18 60	0.35 27	0.26 175	0.56 81	0.66 180	0.26 38	0.29 42	0.33 104	0.26 105	0.41 66	0.27 59	0.18 355	0.16 222	0.15 322	0.13 197	0.15 82	0.25 116

DCVSM-stereo	0.52 122	0.37 60	2.45 220	0.30 93	0.22 124	0.54 135	0.52 378	0.60 106	0.52 73	0.69 345	0.47 145	0.79 354	0.49 308	0.56 138	0.90 342	0.13 244	0.14 192	0.15 322	0.13 197	0.20 198	0.21 87

Pointernet	0.37 29	0.31 10	1.91 70	0.25 12	0.37 281	0.47 73	0.15 5	0.67 134	0.52 73	0.23 18	0.30 49	0.28 74	0.20 42	0.32 19	0.23 22	0.10 77	0.24 278	0.07 1	0.13 197	0.10 18	0.51 276

IGEV-BASED-STEREO-	0.45 67	1.36 401	1.30 13	0.24 6	0.12 3	0.33 20	0.20 39	0.41 11	0.37 7	0.32 58	0.21 8	0.16 4	0.14 2	0.29 5	0.62 267	0.55 455	1.42 448	0.11 150	0.13 197	0.25 270	0.56 297

anonymousdsp2	0.88 380	0.31 10	1.96 81	1.06 441	1.56 476	0.57 176	0.22 75	0.84 234	0.98 426	1.20 444	0.37 92	0.65 285	0.26 105	1.19 280	0.46 196	0.10 77	2.40 494	0.10 86	0.13 197	0.19 178	2.96 496

psmg	0.48 91	0.32 20	1.58 30	0.28 55	0.22 124	0.75 354	0.35 300	0.94 313	0.67 193	0.61 279	0.59 260	0.63 275	0.38 205	0.48 98	0.97 347	0.13 244	0.11 145	0.13 261	0.13 197	0.14 71	0.15 38

CIPLG	0.63 237	1.59 438	3.16 408	0.79 412	0.31 231	0.62 260	0.57 395	0.82 215	0.68 220	0.58 240	0.63 292	0.43 150	0.31 165	0.48 98	0.42 175	0.12 198	0.20 259	0.13 261	0.13 197	0.36 377	0.21 87

PSMNet-ADL	0.56 156	0.47 116	2.03 93	0.35 195	0.22 124	0.67 320	0.27 192	0.77 177	0.58 117	0.43 95	0.53 196	0.70 328	0.45 279	1.89 397	0.64 275	0.16 325	0.13 177	0.11 150	0.13 197	0.15 82	0.51 276

PFNet+	0.50 110	0.43 98	2.54 261	0.49 328	0.18 60	0.58 187	0.76 435	0.54 69	0.72 265	0.56 218	0.48 152	0.39 129	0.26 105	0.94 244	0.33 127	0.14 278	0.09 91	0.14 296	0.13 197	0.12 36	0.16 51

RAFT-RH_RVC	0.65 255	0.73 224	2.78 358	0.39 257	0.29 210	0.60 218	0.18 22	0.45 23	0.63 157	0.75 370	1.89 465	0.47 195	0.29 150	1.59 345	1.21 382	0.15 308	0.07 8	0.13 261	0.13 197	0.11 26	0.10 5

RAFT	0.62 224	1.35 396	2.26 148	0.62 375	0.53 342	0.47 73	0.35 300	0.70 151	0.58 117	0.50 158	0.50 178	0.79 354	0.40 227	0.49 111	0.36 147	0.11 158	0.79 380	0.14 296	0.13 197	0.52 441	0.72 344

GMM-Stereo	0.53 136	0.33 30	2.89 377	0.53 342	0.24 161	0.77 368	0.46 360	0.62 115	0.65 173	0.58 240	0.73 363	0.47 195	0.43 262	0.68 184	0.29 82	0.10 77	0.06 1	0.13 261	0.13 197	0.14 71	0.44 248

Anonymous3	0.47 80	0.49 123	2.61 290	0.33 150	0.25 168	0.72 343	0.32 269	0.80 199	0.60 133	0.36 64	0.41 114	0.33 104	0.29 150	0.46 81	0.30 88	0.19 370	0.18 241	0.13 261	0.13 197	0.18 148	0.22 94

sAnonymous2	0.45 67	0.88 281	2.97 387	0.31 109	0.25 168	0.34 22	0.28 205	0.56 81	0.49 49	0.25 30	0.30 49	0.23 28	0.29 150	0.31 9	0.22 7	0.12 198	0.09 91	0.12 201	0.13 197	0.38 391	0.43 234

CroCo_RVC	0.45 67	0.88 281	2.97 387	0.31 109	0.25 168	0.34 22	0.28 205	0.56 81	0.49 49	0.25 30	0.30 49	0.23 28	0.29 150	0.31 9	0.22 7	0.12 198	0.09 91	0.12 201	0.13 197	0.38 391	0.43 234

HCRNet	0.50 110	0.75 239	2.08 104	0.39 257	0.29 210	0.58 187	0.22 75	0.79 193	0.67 193	0.49 139	0.49 166	0.48 203	0.37 196	1.13 269	0.40 165	0.15 308	0.10 119	0.15 322	0.13 197	0.21 210	0.19 72

ARAFT	0.65 255	1.69 452	3.34 422	0.29 73	0.16 27	0.65 300	0.36 308	0.96 329	0.73 270	0.63 300	0.49 166	0.56 246	0.31 165	1.23 285	0.35 144	0.11 158	0.08 42	0.14 296	0.13 197	0.38 391	0.50 272

UPFNet	0.51 120	0.67 192	2.04 96	0.34 173	0.33 249	0.65 300	0.37 311	0.88 275	0.65 173	0.60 270	0.53 196	0.61 266	0.41 238	0.77 210	0.55 239	0.13 244	0.13 177	0.13 261	0.13 197	0.20 198	0.16 51

hitnet-ft	0.73 313	1.09 330	2.59 280	0.28 55	0.22 124	0.71 337	0.36 308	0.89 283	0.67 193	0.58 240	0.83 389	1.03 424	0.94 429	2.31 435	0.70 292	0.23 402	0.14 192	0.41 449	0.13 197	0.24 249	0.28 137

GwcNet-RSSM	0.64 247	1.38 410	2.69 331	0.33 150	0.26 183	0.60 218	0.32 269	0.84 234	0.73 270	0.56 218	0.65 311	0.72 331	0.42 250	1.78 373	0.60 258	0.14 278	0.10 119	0.12 201	0.13 197	0.26 289	0.26 124

DN-CSS_ROB	0.56 156	1.64 447	2.75 351	0.42 284	0.22 124	0.57 176	0.19 27	0.79 193	0.66 180	0.46 117	0.62 284	0.41 144	0.32 172	0.73 201	0.49 215	0.12 198	0.08 42	0.14 296	0.13 197	0.38 391	0.17 58

PWC_ROB	0.81 350	1.41 412	2.60 285	0.41 280	0.40 297	0.63 274	0.31 258	1.04 393	0.99 429	0.92 408	1.29 445	0.78 352	0.68 379	1.65 355	1.50 407	0.19 370	0.12 162	0.18 375	0.13 197	0.51 438	0.54 289

rvit_0105_4	0.40 41	0.64 186	1.98 84	0.31 109	0.18 60	0.37 33	0.29 232	0.64 125	0.67 193	0.28 46	0.32 68	0.36 114	0.28 133	0.45 79	0.27 59	0.18 355	0.16 222	0.15 322	0.14 219	0.15 82	0.25 116

H2IRNET	0.48 91	1.04 322	2.57 276	0.31 109	0.19 91	0.54 135	0.19 27	0.55 78	0.53 84	0.28 46	0.56 237	0.47 195	0.35 187	0.47 85	0.40 165	0.11 158	0.08 42	0.12 201	0.14 219	0.37 384	0.26 124

LL-Strereo2	0.62 224	1.36 401	2.47 233	1.37 458	0.96 425	0.54 135	0.28 205	0.61 111	0.49 49	0.42 87	0.34 77	0.44 165	0.21 49	0.57 142	0.53 231	0.11 158	0.26 290	0.16 341	0.14 219	0.18 148	0.98 400

ssnet_v2	0.64 247	0.99 309	2.67 318	0.33 150	0.22 124	0.72 343	0.45 354	1.00 363	0.80 341	0.66 333	0.54 214	0.81 364	0.48 304	0.91 241	1.08 366	0.16 325	0.14 192	0.14 296	0.14 219	0.33 353	0.31 161

Wz-Net-MNSev	0.74 317	1.42 416	2.75 351	0.38 243	0.33 249	0.90 410	0.61 409	0.98 344	0.94 412	0.77 374	0.75 373	0.75 342	0.66 375	1.39 307	0.76 313	0.17 344	0.13 177	0.14 296	0.14 219	0.28 316	0.48 264

ACRE	0.63 237	1.55 432	3.41 435	0.76 405	0.28 205	0.60 218	0.56 392	0.82 215	0.68 220	0.57 234	0.62 284	0.43 150	0.30 160	0.47 85	0.42 175	0.12 198	0.19 246	0.13 261	0.14 219	0.36 377	0.20 80

KYRaft	0.52 122	0.35 45	2.40 180	0.34 173	0.21 114	0.75 354	0.43 344	0.62 115	0.63 157	0.64 310	0.92 410	0.53 223	0.72 388	0.60 155	0.26 50	0.10 77	0.07 8	0.12 201	0.14 219	0.13 51	0.54 289

DRaft	0.65 255	0.47 116	2.38 171	0.25 12	0.17 46	0.64 285	0.65 416	0.56 81	0.57 110	0.67 335	0.98 420	0.38 125	0.99 432	1.42 314	2.06 434	0.11 158	0.14 192	0.10 86	0.14 219	0.18 148	0.21 87

pcwnet_v2	0.65 255	0.54 147	4.29 481	0.33 150	0.27 194	0.60 218	0.25 158	1.02 380	0.92 405	0.61 279	0.69 330	0.62 271	0.54 328	0.67 180	0.38 159	0.18 355	0.15 208	0.15 322	0.14 219	0.21 210	0.49 270

ADLNet	0.68 284	1.02 315	2.68 324	0.35 195	0.34 259	0.67 320	0.34 291	0.95 326	0.79 333	0.70 349	0.62 284	0.80 361	0.46 289	1.77 370	0.69 290	0.15 308	0.12 162	0.14 296	0.14 219	0.31 341	0.54 289

RAFT + AFF	0.79 345	1.73 454	2.99 392	0.34 173	0.35 267	0.67 320	0.51 374	1.05 401	0.79 333	0.54 194	0.58 255	0.59 257	0.81 406	1.80 378	1.21 382	0.13 244	0.27 297	0.15 322	0.14 219	0.45 424	0.69 338

delet	0.60 197	0.84 266	2.45 220	0.33 150	0.35 267	0.73 347	0.46 360	0.89 283	0.80 341	0.58 240	0.62 284	0.67 297	0.51 316	1.14 271	0.64 275	0.12 198	0.12 162	0.13 261	0.14 219	0.22 227	0.29 143

CFNet-ft	0.60 197	1.16 351	2.45 220	0.29 73	0.30 223	0.64 285	0.28 205	0.69 141	0.57 110	0.49 139	0.57 248	0.79 354	0.44 271	1.48 323	0.62 267	0.15 308	0.10 119	0.28 423	0.14 219	0.21 210	0.29 143

DSFCA	0.62 224	0.77 243	1.95 77	0.29 73	0.29 210	0.79 378	0.86 443	0.81 207	0.73 270	0.73 361	0.66 318	0.67 297	0.57 340	1.17 276	1.03 360	0.16 325	0.15 208	0.13 261	0.14 219	0.19 178	0.28 137

RYNet	0.77 339	0.91 294	2.36 166	0.37 224	0.41 302	0.88 405	0.44 350	0.99 353	0.88 393	0.65 326	0.54 214	0.92 396	0.61 360	2.70 466	1.23 386	0.15 308	0.14 192	0.17 356	0.14 219	0.27 303	0.55 296

CFNet	0.65 255	1.45 421	2.27 149	0.34 173	0.25 168	0.64 285	0.23 108	0.93 308	0.79 333	0.48 123	0.59 260	0.58 254	0.40 227	2.28 433	0.63 273	0.13 244	0.09 91	0.15 322	0.14 219	0.34 360	0.26 124

CFNet_RVC	0.60 197	1.16 351	2.45 220	0.29 73	0.30 223	0.64 285	0.28 205	0.69 141	0.57 110	0.49 139	0.57 248	0.79 354	0.44 271	1.48 323	0.62 267	0.15 308	0.10 119	0.28 423	0.14 219	0.21 210	0.29 143

DeepPruner_ROB	0.58 171	1.06 325	2.68 324	0.30 93	0.26 183	0.63 274	0.31 258	0.83 226	0.51 63	0.62 291	0.56 237	0.65 285	0.39 220	1.06 257	0.56 242	0.19 370	0.14 192	0.14 296	0.14 219	0.24 249	0.33 170

StereoDRNet-Refined	0.55 148	0.61 176	2.07 102	0.34 173	0.21 114	0.68 326	0.26 175	0.87 267	0.73 270	0.70 349	0.69 330	0.74 338	0.45 279	1.10 262	0.62 267	0.12 198	0.09 91	0.14 296	0.14 219	0.27 303	0.24 112
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.61 205	0.96 306	2.00 87	0.37 224	0.25 168	0.65 300	0.37 311	0.86 258	0.76 305	0.73 361	0.70 343	0.84 375	0.47 297	1.57 338	0.72 302	0.13 244	0.13 177	0.14 296	0.14 219	0.18 148	0.33 170

rvit_0105_5	0.43 50	0.73 224	2.10 114	0.31 109	0.18 60	0.41 41	0.31 258	0.69 141	0.67 193	0.32 58	0.34 77	0.38 125	0.30 160	0.42 73	0.30 88	0.18 355	0.16 222	0.15 322	0.15 239	0.15 82	0.30 152

rvit_stereo_0075_2	0.45 67	0.45 111	2.60 285	0.34 173	0.32 243	0.41 41	0.21 60	0.60 106	0.54 88	0.39 76	0.51 181	0.40 138	0.29 150	0.46 81	0.31 104	0.21 388	0.15 208	0.22 400	0.15 239	0.18 148	0.33 170

test_sample7	0.65 255	0.41 87	2.08 104	0.36 212	0.20 102	0.52 117	0.32 269	0.99 353	0.86 383	0.64 310	0.63 292	0.67 297	0.49 308	1.18 278	0.52 224	0.18 355	1.21 420	0.16 341	0.15 239	0.19 178	1.22 424

IGEV++	0.74 317	0.70 212	2.05 99	1.11 445	1.09 446	0.32 14	0.21 60	0.75 167	0.43 25	0.30 53	0.30 49	0.22 21	0.27 119	0.98 248	0.31 104	0.10 77	2.50 495	0.08 7	0.15 239	0.27 303	2.70 492

StereoVision	0.52 122	1.12 339	2.70 338	0.34 173	0.32 243	0.47 73	0.26 175	0.73 161	0.61 137	0.33 60	0.89 404	0.45 177	0.26 105	0.52 121	0.39 163	0.14 278	0.15 208	0.16 341	0.15 239	0.22 227	0.14 30

Selective-IGEV	0.57 163	0.42 90	1.87 63	1.67 477	1.33 463	0.36 31	0.20 39	0.61 111	0.71 256	0.22 13	0.31 58	0.22 21	0.19 32	0.52 121	0.36 147	0.09 26	0.97 397	0.09 35	0.15 239	0.20 198	0.85 378

test_4	0.47 80	0.80 255	2.15 123	0.36 212	0.29 210	0.59 205	0.28 205	0.50 49	0.42 20	0.43 95	0.76 376	0.39 129	0.22 57	0.73 201	0.49 215	0.08 4	0.18 241	0.11 150	0.15 239	0.29 324	0.27 131

IPLGR_C	0.64 247	1.66 450	3.36 423	0.80 413	0.31 231	0.60 218	0.60 404	0.82 215	0.69 231	0.58 240	0.62 284	0.44 165	0.31 165	0.47 85	0.43 182	0.12 198	0.22 271	0.13 261	0.15 239	0.35 372	0.21 87

SACVNet	0.68 284	1.08 329	2.58 278	0.38 243	0.28 205	0.65 300	0.37 311	0.91 299	0.65 173	0.67 335	0.62 284	0.69 322	0.47 297	2.07 416	0.65 280	0.18 355	0.14 192	0.16 341	0.15 239	0.39 399	0.41 222

PSM-AAD	0.67 278	0.29 3	2.41 185	0.37 224	0.23 149	0.86 398	1.15 469	0.62 115	0.66 180	0.64 310	0.71 356	0.67 297	2.90 489	0.65 174	0.32 114	0.10 77	0.08 42	0.17 356	0.15 239	0.14 71	0.34 178

rafts_anoy	0.60 197	1.33 391	2.59 280	0.53 342	1.09 446	0.49 84	0.25 158	0.67 134	0.53 84	0.41 81	0.38 98	0.33 104	0.30 160	0.68 184	0.41 170	0.10 77	1.13 414	0.13 261	0.15 239	0.20 198	0.29 143

Syn2CoEx	0.78 341	1.43 419	3.54 447	0.44 299	0.31 231	0.64 285	0.43 344	1.04 393	0.83 362	0.64 310	0.77 380	0.74 338	0.74 395	1.91 403	0.64 275	0.20 379	0.17 234	0.19 382	0.15 239	0.30 332	0.59 306

psm_up	0.65 255	1.02 315	2.53 256	0.36 212	0.31 231	0.64 285	0.38 320	0.96 329	0.73 270	0.63 300	0.57 248	0.68 311	0.57 340	1.90 402	0.52 224	0.17 344	0.15 208	0.16 341	0.15 239	0.27 303	0.22 94

GwcNet	0.76 333	1.09 330	3.68 454	0.38 243	0.45 318	0.81 385	0.45 354	0.91 299	0.89 398	0.63 300	0.77 380	0.82 369	0.51 316	1.64 352	0.85 335	0.17 344	0.16 222	0.15 322	0.15 239	0.33 353	0.34 178

DMCA-RVC	0.70 298	1.30 385	3.59 450	0.37 224	0.89 416	0.57 176	0.31 258	0.73 161	0.59 127	0.69 345	0.54 214	0.59 257	0.57 340	1.25 291	0.66 283	0.16 325	0.38 317	0.20 391	0.15 239	0.22 227	0.23 103

ADCP+	1.03 421	1.68 451	3.83 462	0.35 195	0.39 291	1.05 430	0.79 440	0.94 313	0.86 383	0.69 345	0.68 326	0.85 380	1.53 465	1.02 252	4.56 494	0.13 244	0.12 162	0.16 341	0.15 239	0.28 316	0.44 248

TDLM	0.83 359	1.28 382	2.38 171	0.46 310	0.26 183	0.66 313	0.55 388	0.87 267	0.80 341	2.54 492	0.62 284	0.61 266	0.51 316	2.68 465	0.67 286	0.20 379	0.11 145	0.35 441	0.15 239	0.33 353	0.48 264

NLCA_NET_v2_RVC	0.62 224	1.15 349	3.11 404	0.39 257	0.37 281	0.60 218	0.28 205	0.87 267	0.64 166	0.63 300	0.56 237	0.71 330	0.45 279	1.08 260	0.52 224	0.15 308	0.12 162	0.14 296	0.15 239	0.18 148	0.25 116
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet	0.71 302	1.24 374	2.56 272	0.42 284	0.45 318	0.73 347	0.46 360	0.98 344	0.81 349	0.77 374	0.56 237	0.74 338	0.48 304	1.69 360	0.91 343	0.15 308	0.14 192	0.15 322	0.15 239	0.26 289	0.51 276

SANet	1.35 452	1.80 459	4.39 483	0.41 280	0.29 210	1.72 469	0.89 448	1.17 445	2.47 488	1.22 448	1.82 463	1.72 469	1.70 469	2.57 454	3.30 474	0.18 355	0.16 222	0.16 341	0.15 239	0.34 360	0.62 313

XPNet_ROB	0.68 284	1.11 337	2.28 151	0.38 243	0.27 194	0.67 320	0.47 364	0.94 313	0.75 296	0.80 385	0.71 356	0.81 364	0.54 328	1.72 361	0.84 334	0.22 394	0.16 222	0.16 341	0.15 239	0.25 270	0.45 253

AIO-test1	0.58 171	1.37 406	2.77 356	0.66 390	1.08 444	0.50 94	0.23 108	0.86 258	0.69 231	0.31 55	0.42 117	0.29 81	0.22 57	0.77 210	0.34 136	0.13 244	0.15 208	0.12 201	0.16 260	0.31 341	0.30 152

ITSA-stereo	0.52 122	0.42 90	1.46 23	0.34 173	0.18 60	0.60 218	0.29 232	0.99 353	0.82 355	0.51 169	0.48 152	0.53 223	0.59 350	1.25 291	0.73 304	0.15 308	0.12 162	0.17 356	0.16 260	0.19 178	0.32 166

Occ-G	0.68 284	0.54 147	2.08 104	0.99 438	0.74 394	0.38 37	0.25 158	0.46 29	0.78 321	0.40 79	0.36 86	0.46 186	0.22 57	0.90 240	0.70 292	0.09 26	1.53 452	0.09 35	0.16 260	0.31 341	2.06 469

EKT-Stereo	1.56 469	0.55 155	2.60 285	2.54 498	19.66 515	0.55 147	0.22 75	0.76 170	0.51 63	0.40 79	0.36 86	0.43 150	0.27 119	0.74 204	0.42 175	0.13 244	0.17 234	0.11 150	0.16 260	0.20 198	0.50 272

MC-Stereo	0.58 171	0.37 60	2.00 87	0.88 418	0.64 379	0.54 135	0.19 27	0.46 29	0.39 11	0.58 240	0.39 103	0.27 67	0.27 119	0.71 195	0.32 114	0.09 26	1.20 417	0.09 35	0.16 260	0.22 227	1.92 463

WZ-Net	1.04 422	1.83 461	4.20 475	0.42 284	0.36 275	0.88 405	0.71 430	1.05 401	1.11 446	0.84 397	0.94 412	1.06 432	1.17 444	2.37 439	2.24 447	0.20 379	0.14 192	0.15 322	0.16 260	0.36 377	0.53 286

PFNet	0.62 224	0.42 90	2.69 331	0.43 294	0.55 346	0.62 260	0.27 192	0.64 125	0.72 265	0.61 279	0.56 237	0.45 177	0.33 177	1.86 390	1.12 371	0.28 426	0.09 91	0.12 201	0.16 260	0.26 289	0.27 131

SFCPSM	0.48 91	0.39 76	2.30 156	0.28 55	0.27 194	0.70 332	0.32 269	1.00 363	0.69 231	0.50 158	0.52 190	0.43 150	0.36 190	0.53 128	0.44 187	0.12 198	0.09 91	0.12 201	0.16 260	0.18 148	0.23 103

PSMNet-RSSM	0.61 205	1.19 360	2.43 194	0.33 150	0.25 168	0.59 205	0.28 205	0.88 275	0.65 173	0.54 194	0.62 284	0.69 322	0.46 289	1.67 356	0.50 219	0.15 308	0.10 119	0.14 296	0.16 260	0.20 198	0.28 137

FAT-Stereo	0.72 311	0.60 170	2.86 374	0.37 224	0.29 210	0.64 285	0.55 388	1.01 372	0.91 403	0.76 372	0.94 412	0.93 401	0.79 405	1.82 383	0.60 258	0.19 370	0.19 246	0.17 356	0.16 260	0.23 242	0.47 259

SuperB	1.19 438	1.62 443	5.29 494	0.37 224	0.26 183	0.81 385	0.87 444	0.94 313	1.19 454	0.68 341	0.68 326	0.63 275	1.37 452	1.73 362	3.30 474	0.16 325	0.12 162	0.17 356	0.16 260	2.74 503	0.63 317

stereogan	0.74 317	0.68 201	2.82 366	0.40 270	0.40 297	1.05 430	0.42 337	0.99 353	0.96 419	0.78 382	0.86 399	1.15 446	0.73 391	1.57 338	0.56 242	0.20 379	0.19 246	0.20 391	0.16 260	0.37 384	0.34 178

DANet	0.85 370	0.68 201	2.41 185	1.18 451	0.48 328	0.77 368	1.23 477	0.93 308	1.53 471	0.90 405	0.72 361	0.97 412	0.57 340	1.86 390	1.05 362	0.18 355	0.16 222	0.19 382	0.16 260	0.26 289	0.67 327
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NVstereo2D	0.63 237	0.57 160	2.29 154	0.37 224	0.35 267	0.69 329	0.49 371	0.96 329	0.88 393	0.49 139	0.54 214	0.72 331	0.46 289	1.98 409	0.50 219	0.19 370	0.20 259	0.18 375	0.16 260	0.28 316	0.34 178

DRN-Test	0.71 302	0.79 253	2.83 368	0.40 270	0.44 315	0.80 381	0.41 331	1.07 417	0.83 362	0.82 393	0.64 304	0.68 311	0.57 340	1.78 373	0.79 322	0.16 325	0.13 177	0.17 356	0.16 260	0.24 249	0.51 276

ETE_ROB	0.68 284	1.09 330	2.32 161	0.38 243	0.26 183	0.69 329	0.51 374	1.49 468	0.75 296	0.81 389	0.71 356	0.85 380	0.51 316	1.39 307	0.70 292	0.17 344	0.14 192	0.19 382	0.16 260	0.24 249	0.35 184

AIO-test2	0.60 197	1.55 432	2.73 346	0.63 378	0.42 312	0.50 94	0.23 108	0.84 234	0.73 270	0.34 63	0.53 196	0.37 119	0.22 57	0.70 188	0.32 114	0.75 466	0.16 222	0.13 261	0.17 276	0.21 210	0.47 259

SDNR	2.06 482	2.93 505	2.94 384	1.55 471	5.13 504	1.98 481	0.24 133	1.95 487	2.62 490	0.92 408	2.71 487	5.76 502	0.68 379	3.61 493	3.84 485	0.33 436	0.38 317	0.22 400	0.17 276	1.13 474	2.04 468

fast-acv-ft	0.67 278	1.24 374	3.26 415	0.39 257	0.30 223	0.80 381	0.48 366	0.74 163	0.76 305	0.60 270	0.78 384	0.76 346	0.60 358	0.70 188	0.78 319	0.16 325	0.15 208	0.18 375	0.17 276	0.38 391	0.24 112

GASNet	0.84 361	1.98 468	4.07 470	0.48 317	0.33 249	0.58 187	0.34 291	0.97 337	0.81 349	0.60 270	0.59 260	0.74 338	0.55 333	2.08 419	1.18 378	0.22 394	0.15 208	0.19 382	0.17 276	0.55 444	0.29 143

Wz-Net-SNSev	0.85 370	1.83 461	3.36 423	0.42 284	0.31 231	0.71 337	0.66 418	1.04 393	0.94 412	0.68 341	0.85 394	0.96 410	0.62 362	1.75 365	1.14 373	0.16 325	0.15 208	0.16 341	0.17 276	0.39 399	0.63 317

test-1	0.61 205	0.54 147	2.09 108	0.31 109	1.37 465	0.51 100	0.28 205	0.83 226	0.50 58	0.42 87	0.55 224	0.54 230	0.24 76	0.38 47	1.25 389	0.10 77	1.08 409	0.10 86	0.17 276	0.11 26	0.77 355

RALAANet	0.52 122	1.37 406	2.63 296	0.33 150	0.23 149	0.48 79	0.19 27	0.69 141	0.55 97	0.49 139	0.46 139	0.39 129	0.31 165	0.53 128	0.53 231	0.10 77	0.33 308	0.11 150	0.17 276	0.29 324	0.13 18

UCFNet_RVC	0.55 148	1.16 351	2.48 239	0.31 109	0.27 194	0.65 300	0.28 205	0.76 170	0.58 117	0.51 169	0.53 196	0.67 297	0.42 250	0.91 241	0.45 191	0.16 325	0.11 145	0.17 356	0.17 276	0.20 198	0.23 103

MDST_ROB	1.28 445	0.53 145	3.84 463	0.55 351	0.45 318	4.06 500	0.60 404	1.36 460	0.89 398	2.18 483	1.17 438	0.98 413	0.72 388	4.28 498	2.12 438	0.20 379	0.16 222	0.19 382	0.17 276	0.20 198	0.84 374

rvit_0105_3	0.46 75	0.86 275	2.24 144	0.33 150	0.19 91	0.44 53	0.35 300	0.74 163	0.70 242	0.38 71	0.38 98	0.41 144	0.33 177	0.46 81	0.32 114	0.19 370	0.17 234	0.17 356	0.18 285	0.15 82	0.22 94

ff7	0.65 255	0.58 162	2.09 108	0.39 257	0.60 363	0.56 154	0.23 108	0.49 37	0.62 146	1.00 417	0.24 14	0.20 11	0.24 76	0.71 195	0.24 25	0.09 26	2.09 476	0.10 86	0.18 285	0.24 249	2.22 481

IGEVStereo-DCA	0.74 317	0.74 234	2.09 108	0.76 405	0.77 401	0.45 55	0.23 108	0.49 37	0.62 146	0.71 358	0.22 10	0.30 83	0.28 133	1.29 298	1.53 410	0.10 77	1.50 450	0.10 86	0.18 285	0.24 249	2.22 481

ffff	0.65 255	0.58 162	2.09 108	0.39 257	0.60 363	0.56 154	0.23 108	0.49 37	0.62 146	1.00 417	0.24 14	0.20 11	0.24 76	0.71 195	0.24 25	0.09 26	2.09 476	0.10 86	0.18 285	0.24 249	2.22 481

11t	0.65 255	0.58 162	2.09 108	0.39 257	0.60 363	0.56 154	0.23 108	0.49 37	0.62 146	1.00 417	0.24 14	0.20 11	0.24 76	0.71 195	0.24 25	0.09 26	2.09 476	0.10 86	0.18 285	0.24 249	2.22 481

anonymousdsp	0.86 373	0.59 169	2.65 306	1.33 454	1.25 459	0.56 154	0.23 108	0.54 69	0.71 256	1.13 433	0.25 22	0.22 21	0.24 76	1.24 287	0.24 25	0.09 26	2.34 492	0.10 86	0.18 285	0.25 270	3.12 499

ccc-4	0.65 255	0.58 162	2.09 108	0.39 257	0.60 363	0.56 154	0.23 108	0.49 37	0.62 146	1.00 417	0.24 14	0.20 11	0.24 76	0.71 195	0.24 25	0.09 26	2.09 476	0.10 86	0.18 285	0.24 249	2.22 481

IGEV-Stereo	0.86 373	0.60 170	2.65 306	1.35 456	1.25 459	0.56 154	0.23 108	0.54 69	0.71 256	1.14 434	0.25 22	0.22 21	0.24 76	1.24 287	0.24 25	0.09 26	2.34 492	0.10 86	0.18 285	0.25 270	3.13 500
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
dad	0.58 171	1.35 396	2.39 178	0.31 109	0.20 102	0.62 260	0.26 175	0.56 81	0.79 333	0.66 333	0.64 304	0.64 282	0.36 190	0.87 233	0.48 206	0.28 426	0.15 208	0.40 447	0.18 285	0.24 249	0.22 94

LCNet	0.58 171	0.43 98	2.42 189	0.91 425	0.22 124	0.95 419	0.29 232	0.62 115	0.64 166	0.52 179	0.55 224	0.41 144	0.75 399	0.84 230	0.27 59	0.10 77	0.07 8	0.12 201	0.18 285	0.97 472	0.40 214

EDNetEfficientorigin	8.19 508	1.27 380	145.54 528	0.51 337	0.96 425	0.75 354	0.49 371	0.86 258	1.57 473	2.12 481	1.49 456	1.28 451	1.35 449	1.84 386	2.15 441	0.14 278	0.13 177	0.17 356	0.18 285	0.39 399	0.64 322

FADNet-RVC	0.69 291	1.65 448	2.74 349	0.35 195	0.26 183	0.60 218	0.29 232	0.91 299	0.67 193	0.46 117	0.51 181	0.62 271	0.46 289	1.75 365	0.81 328	0.17 344	0.20 259	0.17 356	0.18 285	0.60 448	0.39 209

S-Stereo	0.82 353	0.73 224	3.79 459	0.40 270	0.37 281	0.70 332	0.69 427	1.00 363	1.03 434	0.63 300	0.92 410	0.82 369	0.59 350	2.35 438	0.71 298	0.18 355	0.22 271	0.17 356	0.18 285	0.30 332	0.67 327

AF-Net	0.76 333	1.14 343	2.74 349	0.42 284	0.41 302	0.70 332	0.41 331	1.07 417	0.94 412	0.73 361	1.05 433	1.04 428	0.86 416	1.23 285	1.00 357	0.23 402	0.15 208	0.25 418	0.18 285	0.32 349	0.35 184

edge stereo	0.84 361	0.74 234	3.42 438	0.38 243	1.21 457	0.63 274	0.41 331	0.98 344	0.83 362	0.81 389	0.88 402	1.14 444	0.73 391	2.16 427	0.89 340	0.22 394	0.20 259	0.26 420	0.18 285	0.38 391	0.43 234

PS-NSSS	0.69 291	1.37 406	2.44 202	0.31 109	0.32 243	0.64 285	0.34 291	1.04 393	0.74 290	0.56 218	0.75 373	0.51 213	0.42 250	2.41 446	0.54 236	0.24 409	0.17 234	0.27 421	0.18 285	0.30 332	0.23 103

LALA_ROB	0.68 284	1.14 343	2.50 249	0.37 224	0.29 210	0.78 374	0.55 388	0.99 353	0.84 374	0.82 393	0.68 326	0.93 401	0.50 312	1.01 251	0.89 340	0.21 388	0.15 208	0.21 395	0.18 285	0.26 289	0.30 152

UGAM	0.69 291	0.84 266	2.66 310	0.40 270	0.20 102	0.53 125	0.34 291	0.63 122	0.74 290	0.45 106	0.74 366	0.95 409	0.36 190	2.57 454	0.42 175	0.11 158	0.45 330	0.17 356	0.19 302	0.43 417	0.57 301

coex-ft	6.14 506	1.98 468	60.80 526	0.34 173	0.30 223	0.80 381	1.17 473	0.76 170	4.34 498	19.82 518	2.15 472	1.61 467	8.77 508	1.82 383	10.36 510	0.44 448	2.05 475	0.18 375	0.19 302	0.39 399	4.61 509

UDGNet	0.50 110	1.36 401	2.44 202	0.37 224	0.19 91	0.58 187	0.23 108	0.49 37	0.69 231	0.42 87	0.39 103	0.34 109	0.29 150	0.55 135	0.32 114	0.25 415	0.10 119	0.37 444	0.19 302	0.30 332	0.17 58

APVNet	0.76 333	1.11 337	3.23 411	0.39 257	0.36 275	0.85 397	0.44 350	0.96 329	0.73 270	0.58 240	0.69 330	0.76 346	0.56 335	2.29 434	0.82 331	0.17 344	0.18 241	0.24 413	0.19 302	0.35 372	0.27 131

psmorigin	1.41 456	0.91 294	13.83 512	0.37 224	0.30 223	0.63 274	0.37 311	0.80 199	0.64 166	0.98 414	0.87 400	1.16 448	0.78 403	3.95 496	1.09 367	0.19 370	0.22 271	0.17 356	0.19 302	0.25 270	0.47 259

FADNet-RVC-Resample	0.74 317	1.54 431	3.81 461	0.38 243	0.29 210	0.62 260	0.38 320	0.91 299	0.67 193	0.52 179	0.51 181	0.63 275	0.44 271	1.56 333	0.59 254	0.24 409	0.32 304	0.22 400	0.19 302	0.30 332	0.71 343

ADCRef	0.88 380	1.45 421	2.68 324	0.38 243	0.35 267	0.95 419	0.51 374	0.92 306	0.81 349	0.89 403	0.84 391	0.61 266	1.35 449	1.26 295	3.38 477	0.14 278	0.12 162	0.17 356	0.19 302	0.28 316	0.34 178

SGM-Forest	1.84 477	7.91 510	10.36 506	0.42 284	0.33 249	1.04 428	1.29 479	1.01 372	0.88 393	1.19 439	2.30 477	1.03 424	1.79 473	2.60 458	2.81 467	0.22 394	0.21 268	0.21 395	0.19 302	0.25 270	0.79 364
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.86 373	1.00 310	2.82 366	0.35 195	0.21 114	0.78 374	0.78 438	1.05 401	0.87 389	0.90 405	0.74 366	0.87 386	1.89 476	1.67 356	1.38 402	0.19 370	0.20 259	0.21 395	0.19 302	0.28 316	0.84 374
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	1.29 446	1.34 393	3.04 398	0.35 195	0.28 205	1.10 437	0.69 427	1.42 465	1.07 441	2.71 495	2.43 479	2.95 482	1.50 462	2.92 479	2.03 431	0.23 402	0.22 271	0.22 400	0.19 302	0.50 436	0.69 338
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
ISRNet	0.51 120	0.58 162	1.96 81	0.38 243	0.31 231	0.49 84	0.21 60	0.80 199	0.71 256	0.64 310	0.71 356	0.66 294	0.40 227	0.59 149	0.45 191	0.23 402	0.16 222	0.21 395	0.20 312	0.21 210	0.37 193

MyStereo06	0.70 298	0.72 221	3.51 443	0.31 109	0.25 168	0.60 218	0.30 247	0.90 292	0.67 193	1.48 469	0.53 196	0.84 375	0.57 340	0.60 155	1.11 369	0.09 26	0.55 350	0.12 201	0.20 312	0.16 101	0.56 297

MyStereo05	0.57 163	0.72 221	2.72 341	0.31 109	0.25 168	0.60 218	0.30 247	0.87 267	0.82 355	0.54 194	0.37 92	0.53 223	0.42 250	0.63 164	0.73 304	0.09 26	0.55 350	0.12 201	0.20 312	0.16 101	0.56 297

Wz-Net-TNSev	1.02 417	2.26 489	3.69 455	0.38 243	0.31 231	1.00 424	0.71 430	1.12 432	1.02 432	0.74 367	0.73 363	1.09 438	0.91 423	2.46 448	2.15 441	0.21 388	0.20 259	0.16 341	0.20 312	0.48 433	0.62 313

FADNet	0.71 302	1.60 442	2.53 256	0.33 150	0.30 223	0.67 320	0.29 232	0.92 306	0.75 296	0.45 106	0.49 166	0.66 294	0.57 340	1.85 388	0.85 335	0.46 451	0.20 259	0.17 356	0.20 312	0.60 448	0.37 193

STTStereo	0.58 171	0.95 305	2.95 385	0.37 224	0.31 231	0.62 260	0.32 269	0.81 207	0.63 157	0.61 279	0.55 224	0.67 297	0.43 262	0.87 233	0.48 206	0.16 325	0.16 222	0.17 356	0.20 312	0.17 124	0.25 116

RP	0.74 317	1.01 313	2.48 239	0.44 299	0.45 318	0.66 313	0.45 354	0.95 326	0.87 389	0.70 349	0.95 415	0.99 416	0.82 408	1.55 331	0.82 331	0.26 419	0.19 246	0.23 408	0.20 312	0.34 360	0.38 202

RTS	1.29 446	1.59 438	6.48 501	0.63 378	0.57 353	1.59 462	0.90 449	1.15 439	1.44 466	1.20 444	1.31 447	1.10 440	0.87 419	2.67 463	2.27 449	0.21 388	0.38 317	0.19 382	0.20 312	0.46 428	0.68 332

RTSA	1.29 446	1.59 438	6.48 501	0.63 378	0.57 353	1.59 462	0.90 449	1.15 439	1.44 466	1.20 444	1.31 447	1.10 440	0.87 419	2.67 463	2.27 449	0.21 388	0.38 317	0.19 382	0.20 312	0.46 428	0.68 332

GANet	0.92 394	1.20 362	2.68 324	0.45 306	0.27 194	0.76 358	0.66 418	0.94 313	0.77 316	0.79 383	1.17 438	0.84 375	0.91 423	2.72 467	1.76 421	0.18 355	0.42 325	0.44 454	0.20 312	0.33 353	0.94 390

PSMNet_ROB	0.75 328	1.42 416	2.93 382	0.39 257	0.32 243	0.73 347	0.56 392	0.90 292	0.74 290	0.56 218	0.60 269	0.75 342	0.47 297	2.00 410	1.31 392	0.18 355	0.13 177	0.19 382	0.20 312	0.26 289	0.40 214

AIO_test	1.11 432	0.77 243	2.51 250	3.32 505	2.81 499	0.35 27	0.25 158	1.29 454	0.68 220	1.28 455	0.27 33	0.32 96	0.17 11	2.86 477	0.27 59	0.12 198	1.72 461	0.08 7	0.21 323	0.15 82	2.81 493

test_sample6	0.64 247	0.51 137	2.17 126	0.35 195	0.18 60	0.56 154	0.27 192	1.00 363	0.80 341	0.56 218	0.66 318	0.47 195	0.39 220	1.95 405	0.60 258	0.14 278	0.80 382	0.13 261	0.21 323	0.18 148	0.78 361

test_sample4	0.62 224	0.49 123	2.24 144	0.34 173	0.19 91	0.57 176	0.25 158	0.98 344	0.76 305	0.56 218	0.55 224	0.45 177	0.38 205	1.78 373	0.56 242	0.13 244	0.80 382	0.13 261	0.21 323	0.17 124	0.76 352

test_sample3	0.61 205	0.48 119	2.24 144	0.34 173	0.19 91	0.58 187	0.25 158	0.97 337	0.76 305	0.54 194	0.52 190	0.46 186	0.37 196	1.78 373	0.57 245	0.13 244	0.79 380	0.12 201	0.21 323	0.17 124	0.73 348

MyStereo8	0.73 313	1.16 351	2.89 377	0.53 342	0.34 259	0.71 337	0.20 39	1.87 481	0.59 127	0.53 188	0.66 318	0.50 209	0.33 177	1.27 296	0.62 267	0.10 77	1.19 416	0.10 86	0.21 323	0.21 210	0.61 311

MyStereo07	0.56 156	0.68 201	2.42 189	0.30 93	0.41 302	0.61 238	0.31 258	0.58 90	0.72 265	1.17 438	0.26 27	0.20 11	0.27 119	1.28 297	0.28 72	0.09 26	0.59 357	0.12 201	0.21 323	0.16 101	0.48 264

MyStereo04	0.57 163	0.68 201	2.66 310	0.30 93	0.41 302	0.61 238	0.31 258	0.88 275	0.80 341	0.48 123	0.37 92	0.54 230	0.42 250	0.61 158	0.71 298	0.09 26	0.59 357	0.12 201	0.21 323	0.16 101	0.48 264

GrayStereo	0.71 302	0.27 2	2.40 180	0.89 419	0.23 149	0.62 260	1.40 485	0.67 134	0.70 242	0.72 360	0.77 380	0.55 239	3.03 490	0.60 155	0.28 72	0.10 77	0.08 42	0.10 86	0.21 323	0.12 36	0.37 193

aanetorigin	0.81 350	1.03 319	2.64 305	0.44 299	0.44 315	0.59 205	1.00 459	0.59 99	0.70 242	1.54 471	1.22 442	0.82 369	1.08 439	1.06 257	1.07 365	0.18 355	0.15 208	0.17 356	0.21 323	0.53 442	0.65 323

MaskLacGwcNet_RVC	0.84 361	1.41 412	2.80 360	0.94 427	0.35 267	0.89 407	0.41 331	0.89 283	0.66 180	0.57 234	0.63 292	0.75 342	0.38 205	2.37 439	0.55 239	1.16 485	0.31 303	0.36 442	0.21 323	0.59 447	0.63 317

ADCL	1.07 426	1.22 369	2.80 360	0.40 270	0.33 249	1.50 457	1.87 493	0.97 337	1.04 437	1.26 453	1.28 444	0.99 416	1.41 455	1.36 306	3.51 480	0.17 344	0.14 192	0.22 400	0.21 323	0.32 349	0.43 234

rvit_105_1	0.52 122	0.93 303	2.30 156	0.36 212	0.24 161	0.51 100	0.45 354	0.81 207	0.79 333	0.46 117	0.44 132	0.45 177	0.38 205	0.63 164	0.39 163	0.20 379	0.18 241	0.18 375	0.22 334	0.18 148	0.21 87

IGEV-Stereo+	0.48 91	0.32 20	1.43 19	0.26 28	0.46 325	0.30 10	0.13 1	0.32 3	0.57 110	0.80 385	0.24 14	0.19 9	0.19 32	0.57 142	0.46 196	0.10 77	1.36 441	0.08 7	0.22 334	0.46 428	1.04 406

test_sample5	0.63 237	0.50 130	2.19 131	0.34 173	0.19 91	0.56 154	0.26 175	0.98 344	0.77 316	0.55 206	0.63 292	0.45 177	0.38 205	1.87 394	0.58 250	0.14 278	0.82 387	0.13 261	0.22 334	0.18 148	0.76 352

DualNet	0.63 237	0.50 130	2.19 131	0.34 173	0.19 91	0.56 154	0.26 175	0.98 344	0.77 316	0.56 218	0.66 318	0.45 177	0.38 205	1.87 394	0.58 250	0.14 278	0.82 387	0.13 261	0.22 334	0.18 148	0.76 352

testlalala_base	0.61 205	0.35 45	2.44 202	0.35 195	0.33 249	0.55 147	0.21 60	0.88 275	0.41 15	0.41 81	0.39 103	0.31 90	0.24 76	0.33 23	0.36 147	0.98 478	1.61 454	0.09 35	0.22 334	1.11 473	0.68 332

model_zeroshot	0.75 328	0.94 304	2.48 239	1.88 487	0.68 387	0.72 343	0.22 75	1.01 372	0.51 63	1.10 429	0.35 84	0.63 275	0.20 42	0.78 217	0.32 114	0.12 198	1.97 473	0.10 86	0.23 339	0.12 36	0.56 297

cross-raft	0.47 80	0.34 37	2.17 126	0.70 400	0.84 411	0.50 94	0.35 300	0.74 163	0.43 25	0.44 102	0.45 135	0.63 275	0.25 94	0.37 44	0.27 59	0.08 4	0.14 192	0.10 86	0.23 339	0.11 26	0.27 131

ADCS	1.14 435	2.02 473	3.36 423	0.43 294	0.37 281	0.96 421	0.81 441	1.12 432	1.17 453	1.25 452	0.98 420	1.08 435	0.92 426	1.41 313	4.97 497	0.23 402	0.21 268	0.22 400	0.23 339	0.40 405	0.67 327

test_sample2	0.59 188	0.42 90	1.84 54	0.33 150	0.18 60	0.52 117	0.28 205	0.86 258	0.70 242	0.47 120	0.53 196	0.46 186	0.41 238	1.51 327	0.66 283	0.12 198	0.93 395	0.11 150	0.24 342	0.16 101	1.01 402

test_sample1	0.61 205	0.45 111	1.84 54	0.33 150	0.29 210	0.49 84	0.24 133	0.83 226	0.73 270	0.51 169	0.53 196	0.52 220	0.45 279	1.40 309	0.72 302	0.11 158	0.96 396	0.10 86	0.24 342	0.15 82	1.25 427

qqq1	0.62 224	0.54 147	1.92 72	0.32 129	0.16 27	0.46 62	0.24 133	0.94 313	0.85 376	0.58 240	0.70 343	0.51 213	0.41 238	1.89 397	0.64 275	0.13 244	1.01 401	0.09 35	0.24 342	0.19 178	0.59 306

fff1	0.62 224	0.54 147	1.92 72	0.32 129	0.16 27	0.46 62	0.24 133	0.94 313	0.85 376	0.58 240	0.70 343	0.51 213	0.41 238	1.89 397	0.64 275	0.13 244	1.01 401	0.09 35	0.24 342	0.19 178	0.59 306

testlalala	0.53 136	0.36 49	2.40 180	0.29 73	0.35 267	0.60 218	0.22 75	1.02 380	0.63 157	0.56 218	0.40 112	0.32 96	0.21 49	0.33 23	0.27 59	0.10 77	1.73 462	0.09 35	0.24 342	0.08 4	0.43 234

AnyNet_C01	1.20 439	1.89 464	4.25 477	0.55 351	0.54 344	1.57 460	1.39 484	1.10 425	1.13 448	1.19 439	1.34 451	1.15 446	1.11 441	1.73 362	2.89 469	0.26 419	0.24 278	0.28 423	0.24 342	0.50 436	0.68 332

NaN_ROB	1.25 443	1.46 423	3.84 463	0.54 349	0.56 348	1.12 438	0.99 455	1.05 401	1.03 434	1.10 429	0.87 400	0.77 348	1.07 438	5.85 503	2.98 470	0.16 325	0.23 276	0.16 341	0.24 342	0.28 316	0.66 324

PDISCO_ROB	0.84 361	1.46 423	2.84 370	0.65 385	0.59 358	1.17 443	0.48 366	1.19 447	1.08 443	0.67 335	0.72 361	1.00 419	0.61 360	1.24 287	1.05 362	0.38 441	0.18 241	0.28 423	0.24 342	0.58 446	0.44 248

DEFOM-Stereo_RVC	0.32 8	0.40 81	1.21 9	0.35 195	0.16 27	0.29 8	0.16 12	0.59 99	0.56 103	0.20 4	0.20 7	0.17 5	0.26 105	0.40 57	0.38 159	0.09 26	0.08 42	0.08 7	0.25 350	0.12 36	0.43 234

HBP-ISP	0.82 353	1.57 434	3.28 417	0.50 334	0.27 194	0.86 398	0.54 384	1.09 422	0.78 321	0.81 389	0.70 343	0.68 311	1.00 433	2.02 411	0.47 201	0.24 409	0.24 278	0.29 431	0.25 350	0.28 316	0.52 282

AnyNet_C32	1.08 430	1.76 458	3.01 394	0.50 334	0.54 344	1.17 443	1.16 471	0.97 337	0.95 417	1.11 431	0.98 420	0.87 386	0.93 428	1.57 338	4.11 491	0.22 394	0.20 259	0.25 418	0.25 350	0.40 405	0.68 332

GANetREF_RVC	0.81 350	1.44 420	3.04 398	0.49 328	0.27 194	0.83 391	0.63 412	1.03 387	0.92 405	0.63 300	0.61 277	0.72 331	0.59 350	2.40 444	0.58 250	0.33 436	0.25 287	0.37 444	0.25 350	0.41 411	0.36 192
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
NCCL2	0.71 302	1.32 387	2.30 156	0.44 299	0.31 231	0.71 337	0.67 423	0.89 283	0.69 231	0.70 349	0.61 277	0.85 380	0.54 328	1.58 344	0.70 292	0.20 379	0.17 234	0.66 465	0.25 350	0.26 289	0.38 202

CBMV_ROB	0.88 380	0.75 239	2.73 346	0.36 212	0.22 124	0.76 358	0.47 364	1.05 401	0.81 349	1.06 426	1.04 431	0.88 390	1.36 451	2.17 429	2.03 431	0.23 402	0.24 278	0.27 421	0.25 350	0.27 303	0.73 348

CSAN	1.38 454	1.74 457	4.12 471	0.53 342	0.38 289	1.06 433	1.15 469	1.29 454	1.12 447	1.19 439	1.90 466	1.04 428	1.44 456	5.92 504	2.82 468	0.26 419	0.22 271	0.24 413	0.25 350	0.35 372	0.54 289

GREAT-IGEV	0.92 394	0.56 158	2.08 104	0.98 433	2.29 495	0.47 73	0.18 22	0.35 4	0.78 321	0.74 367	0.33 71	0.15 1	0.18 24	1.00 249	0.55 239	0.09 26	3.79 503	0.07 1	0.26 357	0.22 227	3.26 501

SMFormer	0.64 247	0.54 147	1.92 72	0.32 129	0.16 27	0.46 62	0.24 133	0.94 313	0.85 376	0.58 240	0.70 343	0.51 213	0.41 238	1.89 397	0.86 337	0.13 244	1.01 401	0.11 150	0.26 357	0.17 124	0.84 374

tta	0.63 237	0.54 147	1.92 72	0.32 129	0.16 27	0.46 62	0.24 133	0.94 313	0.85 376	0.58 240	0.70 343	0.51 213	0.41 238	1.89 397	0.86 337	0.13 244	1.01 401	0.11 150	0.26 357	0.19 178	0.59 306

RGC	0.78 341	1.10 335	2.55 269	0.45 306	0.45 318	0.73 347	0.40 329	1.00 363	0.75 296	0.75 370	1.04 431	1.02 423	0.73 391	1.74 364	1.15 375	0.24 409	0.19 246	0.28 423	0.26 357	0.31 341	0.38 202

G-Net	1.02 417	0.70 212	3.23 411	0.60 367	0.66 383	2.00 482	0.71 430	0.78 184	0.70 242	1.14 434	2.53 481	1.29 453	1.01 434	1.47 322	1.74 419	0.25 415	0.24 278	0.24 413	0.26 357	0.37 384	0.40 214

Nwc_Net	0.75 328	1.10 335	2.96 386	0.42 284	0.39 291	0.77 368	0.39 326	1.06 414	0.73 270	0.65 326	1.00 424	0.99 416	0.74 395	1.43 315	0.99 355	0.24 409	0.15 208	0.23 408	0.26 357	0.27 303	0.30 152

XQC	0.84 361	1.32 387	2.61 290	0.78 411	0.44 315	0.89 407	0.53 381	1.16 442	1.07 441	0.85 399	0.69 330	0.92 396	0.73 391	1.40 309	1.44 404	0.24 409	0.35 310	0.23 408	0.26 357	0.45 424	0.39 209

FBW_ROB	0.94 401	1.23 373	2.35 165	0.46 310	0.32 243	0.87 403	0.46 360	1.15 439	0.97 425	0.83 396	0.78 384	1.01 420	0.64 366	3.65 494	1.65 414	0.27 423	0.24 278	0.40 447	0.26 357	0.32 349	0.88 383

NOSS_ROB	0.75 328	1.03 319	2.27 149	0.68 398	0.26 183	0.68 326	0.30 247	0.99 353	0.82 355	0.59 259	0.58 255	0.77 348	0.39 220	2.75 471	0.48 206	0.25 415	0.24 278	0.28 423	0.26 357	0.29 324	1.07 409

EDNetEfficient	1.29 446	0.78 249	4.27 478	0.65 385	1.03 437	0.94 417	1.38 483	0.87 267	1.75 478	2.33 489	1.32 449	1.04 428	2.21 483	1.59 345	4.07 490	0.16 325	0.19 246	0.15 322	0.27 366	0.38 391	0.40 214

SHD	0.84 361	1.14 343	2.54 261	0.80 413	0.52 336	0.76 358	0.34 291	1.16 442	1.29 459	1.11 431	0.85 394	0.98 413	0.74 395	1.25 291	1.48 406	0.22 394	0.37 313	0.20 391	0.27 366	0.36 377	0.41 222

Sa-1000	0.61 205	1.07 326	2.71 339	0.32 129	0.61 372	0.61 238	0.31 258	1.00 363	0.76 305	0.53 188	0.83 389	0.43 150	0.33 177	0.69 187	0.30 88	0.10 77	0.52 343	0.13 261	0.28 368	0.29 324	0.29 143

ccnet	0.77 339	0.61 176	2.01 89	0.40 270	0.46 325	1.05 430	0.59 400	1.02 380	0.74 290	0.90 405	0.97 417	0.82 369	0.89 421	1.68 359	1.16 377	0.32 434	0.26 290	0.32 436	0.28 368	0.35 372	0.47 259

DeepPrunerF	0.92 394	1.33 391	3.41 435	0.46 310	0.51 333	0.64 285	0.49 371	1.16 442	2.62 490	0.65 326	0.61 277	0.65 285	0.62 362	2.23 431	1.31 392	0.23 402	0.19 246	0.30 432	0.28 368	0.39 399	0.34 178

PA-Net	0.93 400	1.36 401	4.14 472	0.64 382	0.41 302	0.70 332	0.53 381	0.91 299	0.88 393	0.53 188	0.60 269	0.70 328	0.54 328	2.40 444	2.57 459	0.17 344	0.28 299	0.19 382	0.28 368	0.25 270	0.48 264
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
castereo++	0.39 36	0.83 262	1.38 17	0.29 73	0.18 60	0.53 125	0.20 39	0.57 87	0.58 117	0.20 4	0.27 33	0.32 96	0.17 11	0.34 28	0.22 7	0.09 26	0.54 347	0.09 35	0.29 372	0.15 82	0.52 282

PSMNet-RUCA	0.64 247	1.12 339	2.61 290	0.59 366	0.56 348	0.64 285	0.37 311	0.89 283	0.72 265	0.53 188	0.68 326	0.53 223	0.43 262	0.61 158	0.46 196	0.35 439	0.19 246	0.44 454	0.29 372	0.49 435	0.35 184

testlalala2	0.48 91	0.34 37	2.53 256	0.65 385	0.56 348	0.57 176	0.20 39	0.84 234	0.63 157	0.42 87	0.54 214	0.45 177	0.21 49	0.30 7	0.26 50	0.10 77	0.13 177	0.09 35	0.29 372	0.12 36	0.31 161

11t1	0.60 197	0.49 123	2.19 131	0.35 195	0.58 357	0.48 79	0.21 60	0.72 158	0.73 270	0.49 139	0.47 145	0.35 113	0.34 185	0.61 158	0.71 298	0.12 198	1.26 428	0.10 86	0.29 372	0.16 101	1.22 424

rrr	0.84 361	0.74 234	3.40 433	0.76 405	0.77 401	0.45 55	0.28 205	1.23 451	0.84 374	0.71 358	0.22 10	0.30 83	0.28 133	1.29 298	1.53 410	0.10 77	1.50 450	0.10 86	0.29 372	0.24 249	1.75 460

SQANet	0.92 394	1.96 466	3.23 411	0.77 408	0.83 409	0.76 358	0.38 320	0.87 267	0.68 220	0.64 310	0.69 330	0.73 336	0.52 323	1.35 305	1.36 398	0.80 469	0.30 301	0.60 462	0.29 372	0.93 470	0.70 341

FINET	1.92 479	1.96 466	4.49 486	1.62 473	1.39 466	3.51 498	4.39 503	2.89 496	2.58 489	1.39 461	1.98 467	1.35 456	2.12 482	1.64 352	2.12 438	0.84 472	1.03 407	0.18 375	0.29 372	0.54 443	2.12 472

CC-Net-ROB	0.95 404	1.57 434	2.93 382	0.90 421	0.39 291	0.87 403	0.44 350	1.12 432	0.83 362	0.59 259	0.69 330	0.64 282	0.50 312	2.73 469	0.93 344	0.97 477	0.40 323	0.87 475	0.29 372	0.61 451	0.66 324

LSM	3.40 497	1.42 416	5.81 498	9.98 512	30.74 522	0.86 398	1.14 467	0.99 353	1.26 456	1.40 463	2.18 473	0.93 401	0.85 414	1.76 367	1.03 360	0.22 394	0.35 310	0.24 413	0.29 372	0.40 405	6.21 510

SCV_C0	0.73 313	0.68 201	2.05 99	1.50 469	0.92 420	0.45 55	0.20 39	0.96 329	0.71 256	0.65 326	0.33 71	0.31 90	0.20 42	1.25 291	0.52 224	0.09 26	1.68 460	0.08 7	0.30 381	0.27 303	1.52 449

FC-DCNN v2	1.65 474	0.85 270	3.39 428	0.46 310	0.39 291	2.02 484	0.66 418	1.94 486	1.84 482	2.81 497	2.99 493	4.39 496	3.25 493	2.81 475	2.75 465	0.29 430	0.26 290	0.31 433	0.30 381	0.33 353	0.91 386

raft_robust	0.68 284	1.24 374	2.42 189	0.30 93	0.57 353	0.53 125	0.25 158	0.95 326	0.79 333	0.49 139	0.46 139	1.12 442	0.74 395	1.50 326	0.61 264	0.09 26	0.62 362	0.10 86	0.30 381	0.26 289	0.30 152

CREStereo++_RVC	0.38 33	0.37 60	2.47 233	0.25 12	0.16 27	0.54 135	0.15 5	0.42 15	0.57 110	0.37 67	0.52 190	0.24 38	0.19 32	0.31 9	0.27 59	0.09 26	0.06 1	0.08 7	0.30 381	0.09 9	0.22 94
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
FCDSN-DC	1.45 460	1.12 339	3.30 420	0.48 317	0.41 302	1.13 439	0.60 404	1.17 445	1.28 458	2.25 486	2.85 489	3.65 489	3.34 495	2.58 456	2.44 453	0.31 433	0.26 290	0.31 433	0.30 381	0.37 384	0.78 361
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RTSC	0.84 361	1.40 411	2.67 318	0.50 334	0.40 297	0.83 391	0.33 283	1.11 429	1.14 449	0.93 411	0.82 387	0.84 375	0.58 347	1.34 304	1.82 425	0.18 355	0.49 338	0.14 296	0.30 381	0.46 428	0.42 227

FC-DCNN	1.60 472	0.85 270	3.44 439	0.46 310	0.39 291	1.96 478	0.66 418	1.72 477	1.70 476	2.75 496	2.91 492	4.20 492	3.15 492	2.72 467	2.66 460	0.30 431	0.26 290	0.31 433	0.30 381	0.33 353	0.91 386

castereo	0.34 14	0.48 119	1.00 3	0.25 12	0.29 210	0.41 41	0.27 192	0.76 170	0.49 49	0.23 18	0.30 49	0.24 38	0.31 165	0.29 5	0.29 82	0.09 26	0.20 259	0.09 35	0.31 388	0.12 36	0.44 248

gcap-zeroshot	0.52 122	0.86 275	2.38 171	0.32 129	0.60 363	0.70 332	0.20 39	0.78 184	0.58 117	0.44 102	0.36 86	0.81 364	0.24 76	0.53 128	0.30 88	0.10 77	0.35 310	0.09 35	0.31 388	0.09 9	0.40 214

DispNO	0.76 333	1.36 401	3.15 407	0.32 129	0.27 194	0.59 205	0.29 232	0.88 275	0.72 265	0.55 206	0.79 386	0.83 374	0.47 297	2.46 448	1.23 386	0.12 198	0.10 119	0.18 375	0.31 388	0.20 198	0.25 116

ttt	0.89 387	0.51 137	2.51 250	0.36 212	0.31 231	0.61 238	0.28 205	1.07 417	0.92 405	0.56 218	0.77 380	0.55 239	0.37 196	2.27 432	3.51 480	0.16 325	1.21 420	0.13 261	0.31 388	0.18 148	1.26 428

test_xeample	0.98 412	0.65 190	2.12 117	0.29 73	0.67 384	0.60 218	0.28 205	1.08 420	0.85 376	0.62 291	0.70 343	0.44 165	0.41 238	1.95 405	5.45 499	0.12 198	1.33 439	0.11 150	0.31 388	0.18 148	1.42 444

Gwc-CoAtRS	0.41 43	0.37 60	2.06 101	0.28 55	0.41 302	0.48 79	0.19 27	0.64 125	0.49 49	0.45 106	0.39 103	0.57 250	0.26 105	0.37 44	0.28 72	0.09 26	0.19 246	0.09 35	0.31 388	0.11 26	0.25 116

NCC-stereo	0.88 380	1.22 369	2.97 387	0.60 367	0.45 318	1.88 476	0.48 366	1.04 393	0.75 296	0.70 349	0.85 394	0.93 401	0.84 411	1.81 380	1.51 408	0.28 426	0.19 246	0.23 408	0.31 388	0.27 303	0.35 184

Abc-Net	0.88 380	1.22 369	2.97 387	0.60 367	0.45 318	1.88 476	0.48 366	1.04 393	0.75 296	0.70 349	0.85 394	0.93 401	0.84 411	1.81 380	1.51 408	0.28 426	0.19 246	0.23 408	0.31 388	0.27 303	0.35 184
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SCV	0.69 291	0.68 201	1.95 77	0.90 421	1.04 438	0.49 84	0.24 133	0.98 344	0.73 270	0.54 194	0.31 58	0.24 38	0.20 42	1.32 301	0.26 50	0.11 158	1.59 453	0.09 35	0.32 396	0.34 360	1.58 451

MSKI-zero shot	0.70 298	0.44 105	2.62 295	1.47 465	0.75 396	0.56 154	0.20 39	0.80 199	0.45 34	0.60 270	0.52 190	0.44 165	0.17 11	0.70 188	0.26 50	0.09 26	2.87 499	0.09 35	0.32 396	0.14 71	0.50 272

DCRE	0.76 333	0.80 255	2.31 159	1.05 440	1.18 455	0.63 274	0.26 175	1.03 387	0.59 127	0.52 179	2.12 470	0.44 165	0.27 119	0.41 66	0.53 231	0.09 26	1.02 406	0.10 86	0.32 396	0.16 101	1.47 447

SA	0.61 205	1.14 343	2.79 359	0.32 129	0.63 375	0.57 176	0.30 247	0.97 337	0.78 321	0.43 95	0.63 292	0.39 129	0.46 289	0.70 188	0.31 104	0.10 77	0.44 329	0.13 261	0.32 396	0.31 341	0.51 276

MIPNet	0.88 380	1.07 326	2.85 372	0.61 373	0.18 60	1.46 455	1.37 481	1.65 474	0.78 321	1.93 477	0.85 394	0.75 342	1.66 466	0.87 233	0.34 136	0.10 77	0.08 42	0.11 150	0.32 396	0.27 303	0.26 124

XX-Stereo	0.98 412	0.57 160	4.45 485	1.64 475	5.33 505	0.55 147	0.16 12	0.96 329	0.43 25	0.45 106	0.65 311	0.85 380	0.19 32	0.79 220	0.26 50	0.11 158	0.80 382	0.10 86	0.32 396	0.17 124	0.78 361

222	1.02 417	0.60 170	1.95 77	0.29 73	0.51 333	0.62 260	0.24 133	1.09 422	0.86 383	0.64 310	0.67 323	0.47 195	0.42 250	1.86 390	6.73 503	0.13 244	1.21 420	0.11 150	0.32 396	0.17 124	1.44 445

xxxx	0.97 410	0.64 186	2.14 122	0.30 93	0.67 384	0.64 285	0.24 133	1.09 422	0.91 403	0.57 234	0.65 311	0.58 254	0.39 220	1.57 338	5.49 500	0.13 244	1.38 443	0.11 150	0.32 396	0.17 124	1.41 443

ADCMid	1.06 424	1.82 460	3.53 446	0.39 257	0.36 275	0.99 422	0.58 397	1.01 372	0.94 412	1.23 450	1.02 427	1.01 420	1.01 434	1.11 266	4.04 489	0.22 394	0.19 246	0.42 451	0.32 396	0.42 414	0.53 286

MSMD_ROB	1.41 456	1.03 319	2.75 351	0.41 280	0.32 243	2.00 482	0.61 409	0.96 329	1.43 465	2.97 498	2.63 485	4.76 498	2.04 480	2.44 447	1.78 423	0.30 431	0.26 290	0.32 436	0.32 396	0.32 349	0.63 317

WCMA_ROB	1.29 446	1.21 364	3.13 406	0.65 385	0.36 275	1.20 446	0.78 438	1.00 363	0.98 426	1.78 476	2.62 484	3.08 486	2.01 479	1.86 390	2.35 451	0.38 441	0.38 317	0.32 436	0.32 396	0.31 341	1.06 408

ffm	0.78 341	0.67 192	3.39 428	0.32 129	0.22 124	0.58 187	0.28 205	0.85 247	0.96 419	0.54 194	0.74 366	0.67 297	0.40 227	0.64 170	0.22 7	0.10 77	2.16 487	0.15 322	0.33 407	0.25 270	2.19 476

ff1	1.07 426	0.67 192	3.39 428	0.32 129	0.22 124	0.58 187	0.28 205	0.85 247	0.96 419	0.54 194	0.74 366	0.67 297	0.40 227	2.75 471	3.86 486	0.10 77	2.16 487	0.15 322	0.33 407	0.25 270	2.19 476

mmx	0.99 414	0.67 192	3.39 428	0.32 129	0.22 124	0.58 187	0.28 205	1.05 401	0.92 405	0.54 194	0.74 366	0.67 297	0.40 227	2.75 471	3.86 486	0.13 244	1.25 424	0.15 322	0.33 407	0.19 178	1.28 431

xxx	0.99 414	0.67 192	3.39 428	0.32 129	0.22 124	0.58 187	0.28 205	1.05 401	0.92 405	0.54 194	0.74 366	0.67 297	0.40 227	2.75 471	3.86 486	0.13 244	1.25 424	0.15 322	0.33 407	0.19 178	1.28 431

ToySt	0.67 278	0.88 281	2.61 290	0.39 257	0.73 393	0.61 238	0.38 320	0.78 184	0.73 270	0.43 95	0.70 343	0.72 331	0.45 279	0.66 177	0.62 267	0.14 278	0.63 363	0.13 261	0.33 407	0.24 249	1.18 415

IGEV_Zeroshot_test	0.91 392	0.39 76	3.80 460	0.42 284	1.95 488	0.56 154	0.64 413	0.84 234	0.55 97	1.45 466	0.53 196	0.79 354	0.42 250	0.57 142	1.13 372	0.10 77	0.49 338	0.10 86	0.34 412	0.19 178	2.97 497

SAMSARA	1.11 432	1.35 396	2.60 285	1.34 455	0.77 401	1.67 467	1.41 487	1.47 467	0.99 429	1.54 471	0.89 404	1.44 462	0.90 422	1.88 396	1.71 415	0.25 415	0.55 350	0.22 400	0.34 412	0.39 399	0.50 272

RSM++	0.48 91	0.52 141	1.27 11	1.62 473	1.27 462	0.39 39	0.20 39	0.49 37	0.56 103	0.22 13	0.25 22	0.24 38	0.17 11	0.39 50	0.23 22	0.09 26	0.11 145	0.09 35	0.35 414	0.29 324	0.80 366

RSM	0.47 80	0.51 137	1.36 15	1.37 458	1.04 438	0.37 33	0.21 60	0.52 54	0.55 97	0.23 18	0.28 37	0.28 74	0.17 11	0.40 57	0.22 7	0.09 26	0.24 278	0.09 35	0.35 414	0.24 249	0.80 366

Selective-RAFT	0.46 75	0.48 119	1.88 64	0.32 129	0.16 27	0.61 238	0.19 27	0.66 131	0.62 146	0.28 46	0.30 49	0.41 144	0.33 177	0.51 117	0.32 114	0.11 158	1.09 411	0.09 35	0.35 414	0.19 178	0.37 193

test-3	0.58 171	0.43 98	2.44 202	0.52 338	0.59 358	0.46 62	0.23 108	0.77 177	0.49 49	0.52 179	0.29 42	0.44 165	0.22 57	0.59 149	0.97 347	0.08 4	1.27 429	0.10 86	0.35 414	0.29 324	0.62 313

test_1	0.58 171	0.43 98	2.44 202	0.52 338	0.59 358	0.46 62	0.23 108	0.77 177	0.49 49	0.51 169	0.29 42	0.44 165	0.22 57	0.59 149	0.97 347	0.08 4	1.27 429	0.10 86	0.35 414	0.29 324	0.63 317

test_3	0.59 188	0.44 105	2.44 202	0.53 342	0.59 358	0.48 79	0.30 247	0.79 193	0.52 73	0.51 169	0.30 49	0.45 177	0.22 57	0.59 149	0.97 347	0.08 4	1.25 424	0.11 150	0.35 414	0.30 332	0.62 313

PVD	1.05 423	1.21 364	2.36 166	0.84 416	0.91 419	1.04 428	0.64 413	1.32 458	1.68 475	1.43 465	1.41 454	1.14 444	1.15 443	1.49 325	1.77 422	0.27 423	0.65 365	0.28 423	0.35 414	0.40 405	0.73 348

Reg-Stereo(zero)	0.66 274	0.26 1	2.13 121	0.25 12	1.15 454	0.99 422	0.97 453	0.57 87	0.81 349	0.52 179	0.46 139	0.54 230	0.59 350	0.47 85	1.14 373	0.08 4	0.88 391	0.08 7	0.36 421	0.12 36	0.80 366

MADNet+	1.44 458	2.19 482	6.00 499	0.89 419	0.70 391	1.58 461	1.11 464	1.56 472	1.30 461	0.89 403	1.03 429	1.25 450	1.12 442	3.29 486	2.80 466	0.48 452	0.57 354	0.39 446	0.36 421	0.63 452	0.69 338

MoCha-V2	0.74 317	0.78 249	2.18 129	1.01 439	1.55 475	0.36 31	0.19 27	0.61 111	0.49 49	0.33 60	0.34 77	0.30 83	0.27 119	1.56 333	0.47 201	0.09 26	1.94 471	0.08 7	0.37 423	0.18 148	1.62 455

AnonymousM	0.45 67	0.49 123	1.83 51	0.29 73	0.15 18	0.53 125	0.22 75	0.64 125	0.66 180	0.47 120	0.33 71	0.30 83	0.25 94	0.49 111	0.29 82	0.12 198	0.27 297	0.71 468	0.37 423	0.12 36	0.41 222

CVANet_RVC	0.82 353	1.18 357	3.98 466	0.40 270	0.28 205	0.63 274	0.43 344	0.90 292	0.78 321	1.14 434	0.69 330	0.68 311	0.52 323	2.62 459	0.48 206	0.20 379	0.13 177	0.22 400	0.37 423	0.37 384	0.48 264

ELAS_RVC	1.51 466	0.88 281	3.36 423	0.63 378	0.56 348	1.53 458	2.73 497	1.53 469	1.76 479	2.26 487	2.21 476	2.10 474	3.07 491	2.08 419	2.52 455	0.42 444	0.42 325	0.42 451	0.37 423	0.51 438	0.84 374
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DLNR_Zeroshot_test	13.74 514	20.06 517	23.92 518	121.50 528	35.20 523	0.46 62	0.15 5	7.96 511	0.47 41	0.29 52	0.37 92	0.26 56	0.17 11	0.79 220	0.36 147	7.16 513	2.95 500	0.09 35	0.38 427	50.40 526	1.95 465

RAFT-Test	0.56 156	0.41 87	2.01 89	0.90 421	1.07 443	0.65 300	0.37 311	0.83 226	0.65 173	0.49 139	0.49 166	0.93 401	0.24 76	0.52 121	0.30 88	0.10 77	0.38 317	0.09 35	0.38 427	0.11 26	0.19 72

CFNet-RSSM	0.44 63	0.36 49	2.38 171	0.28 55	0.43 314	0.53 125	0.20 39	0.86 258	0.52 73	0.44 102	0.36 86	0.53 223	0.26 105	0.40 57	0.27 59	0.09 26	0.08 42	0.09 35	0.38 427	0.10 18	0.22 94

x	0.65 255	0.62 181	2.12 117	0.36 212	0.61 372	0.48 79	0.24 133	0.80 199	0.89 398	0.50 158	0.56 237	0.44 165	0.36 190	0.62 163	0.80 324	0.11 158	1.44 449	0.11 150	0.39 430	0.16 101	1.34 436

otaku	1.15 436	2.10 478	3.51 443	0.98 433	0.74 394	1.02 427	0.59 400	1.03 387	0.89 398	0.70 349	1.60 458	0.98 413	0.65 369	1.63 349	1.80 424	0.99 479	0.46 331	0.73 469	0.40 431	1.30 483	0.88 383

iRaft-Stereo_20w	1.50 463	0.42 90	4.81 488	2.24 493	2.09 491	1.36 449	1.27 478	1.38 462	0.94 412	2.07 478	0.42 117	0.85 380	0.69 384	0.87 233	1.37 400	0.10 77	4.04 505	0.09 35	0.40 431	0.17 124	4.53 507

test_xeample3	0.86 373	0.75 239	3.36 423	0.65 385	0.76 399	0.49 84	0.33 283	1.21 450	0.80 341	0.61 279	0.23 13	0.30 83	0.29 150	1.17 276	1.57 412	0.10 77	1.79 463	0.10 86	0.40 431	0.25 270	2.09 470

ELAS	1.52 467	0.92 299	2.91 380	0.62 375	0.57 353	3.13 495	2.21 495	1.67 475	1.58 474	2.42 490	2.43 479	1.87 471	2.49 486	1.85 388	2.70 462	0.42 444	0.43 328	0.41 449	0.40 431	0.51 438	0.85 378
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AIO-Stereo	0.64 247	0.60 170	1.63 34	1.31 452	1.45 469	0.38 37	0.20 39	0.55 78	0.83 362	0.31 55	0.31 58	0.23 28	0.15 5	0.39 50	0.63 273	0.10 77	1.25 424	0.09 35	0.41 435	0.21 210	1.73 459

xx1	0.71 302	0.73 224	2.43 194	0.67 393	0.52 336	0.76 358	0.24 133	0.85 247	1.05 438	0.77 374	0.39 103	0.46 186	0.37 196	0.70 188	0.22 7	0.10 77	2.13 482	0.12 201	0.41 435	0.16 101	1.18 415

Ntro	1.11 432	2.10 478	3.52 445	0.97 432	0.87 415	1.06 433	0.54 384	1.02 380	0.93 411	0.63 300	0.76 376	0.93 401	0.67 377	1.76 367	1.71 415	1.03 480	0.46 331	0.76 470	0.41 435	1.29 481	0.86 381

qqq	0.65 255	0.63 183	2.10 114	0.30 93	0.64 379	0.46 62	0.27 192	0.81 207	0.83 362	0.48 123	0.56 237	0.46 186	0.37 196	1.03 254	0.75 310	0.11 158	1.41 447	0.12 201	0.41 435	0.16 101	1.18 415

PASM	0.82 353	1.00 310	2.68 324	0.52 338	0.48 328	0.65 300	0.59 400	0.83 226	0.89 398	0.82 393	0.73 363	0.89 393	0.68 379	2.39 443	0.73 304	0.35 439	0.37 313	0.36 442	0.41 435	0.45 424	0.51 276

AIO-Stereo-zeroshot	0.82 353	0.78 249	3.67 453	0.35 195	0.81 408	1.25 447	0.88 446	1.13 436	0.58 117	0.84 397	0.52 190	1.24 449	0.64 366	0.77 210	0.70 292	0.10 77	0.53 345	0.11 150	0.45 440	0.29 324	0.81 371

AE-Stereo	0.71 302	0.32 20	2.44 202	0.44 299	0.50 330	0.58 187	0.23 108	1.08 420	0.67 193	0.67 335	0.51 181	0.47 195	0.24 76	0.63 164	0.32 114	0.09 26	2.15 486	0.11 150	0.45 440	0.22 227	2.01 466

mmm	0.66 274	0.53 145	1.83 51	0.38 243	0.86 412	0.49 84	0.27 192	0.82 215	0.83 362	0.59 259	0.69 330	0.47 195	0.38 205	0.81 227	0.73 304	0.12 198	1.37 442	0.14 296	0.45 440	0.18 148	1.35 437

SGM-ForestM	3.67 500	2.70 504	5.34 495	1.65 476	1.72 482	6.02 506	5.08 505	4.10 505	3.47 496	4.59 504	4.21 501	9.81 508	5.79 504	6.44 505	6.97 504	0.88 473	1.09 411	0.33 440	0.45 440	0.68 456	2.10 471

AIO-Stereo-zeroshot1	0.94 401	0.84 266	3.40 433	1.46 464	0.78 404	1.37 451	0.70 429	1.11 429	0.68 220	0.80 385	1.29 445	1.09 438	0.59 350	1.16 273	1.01 359	0.14 278	0.53 345	0.11 150	0.46 444	0.31 341	0.86 381

dual_stereo	0.94 401	0.31 10	1.80 46	0.90 421	2.52 497	0.54 135	0.15 5	0.69 141	1.02 432	0.25 30	0.18 2	0.18 7	0.14 2	0.63 164	0.35 144	0.09 26	3.76 502	0.07 1	0.47 445	0.07 1	4.59 508

UGAM-zero	0.97 410	0.44 105	2.48 239	0.33 150	0.86 412	1.26 448	0.76 435	1.05 401	0.52 73	0.93 411	0.45 135	1.32 455	0.81 406	2.08 419	0.49 215	0.10 77	0.52 343	0.09 35	0.47 445	0.11 26	4.43 506

SGM_RVC	2.11 484	1.07 326	2.87 375	0.98 433	0.92 420	2.72 494	1.88 494	1.91 484	12.27 507	2.09 479	1.99 468	2.47 479	2.24 484	2.87 478	2.03 431	0.54 453	0.47 334	0.42 451	0.47 445	0.74 460	1.22 424
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ACVNet_1	1.47 462	2.27 490	4.92 490	1.11 445	0.89 416	1.19 445	0.66 418	1.28 453	1.19 454	0.98 414	0.97 417	3.06 485	1.48 461	2.37 439	1.82 425	1.08 482	0.49 338	1.03 482	0.48 448	1.20 477	0.95 393

TRStereo	0.89 387	1.02 315	2.91 380	4.59 507	0.31 231	0.93 415	0.23 108	1.93 485	0.66 180	0.37 67	0.54 214	0.48 203	0.40 227	0.67 180	0.29 82	0.13 244	0.37 313	0.11 150	0.48 448	0.13 51	1.21 422

JetBlue	1.89 478	2.09 477	4.16 473	0.74 403	1.23 458	4.52 504	3.86 502	1.68 476	1.26 456	1.28 455	1.54 457	2.36 478	1.86 475	3.35 488	3.37 476	0.54 453	0.49 338	0.48 456	0.49 450	1.39 487	1.21 422

1111x	1.06 424	0.79 253	3.29 419	0.33 150	0.60 363	0.64 285	0.33 283	1.10 425	0.92 405	0.59 259	0.69 330	0.59 257	0.47 297	2.64 461	4.61 495	0.12 198	1.38 443	0.11 150	0.49 450	0.18 148	1.30 433

PAM_32	0.95 404	0.43 98	2.68 324	0.64 382	1.10 450	1.78 472	1.16 471	1.12 432	0.96 419	1.07 427	0.90 407	1.38 458	0.76 402	0.78 217	1.11 369	0.10 77	1.29 433	0.10 86	0.50 452	0.16 101	0.98 400

PAM	0.91 392	0.43 98	2.67 318	0.77 408	0.89 416	1.81 473	1.22 476	1.13 436	0.78 321	1.16 437	0.91 409	1.39 459	0.68 379	0.76 208	1.06 364	0.10 77	0.98 399	0.10 86	0.50 452	0.14 71	0.66 324

GCAP-BAT	0.78 341	0.38 70	2.37 168	0.98 433	0.60 363	0.77 368	0.22 75	1.13 436	0.51 63	0.80 385	0.90 407	0.81 364	0.25 94	0.77 210	0.88 339	0.10 77	1.94 471	0.09 35	0.50 452	0.17 124	1.35 437

DPSNet	1.02 417	0.72 221	2.84 370	0.60 367	0.39 291	1.08 435	0.75 434	1.41 464	1.14 449	0.74 367	0.69 330	1.05 431	1.67 467	2.09 422	2.22 446	0.27 423	0.61 359	0.20 391	0.50 452	0.48 433	1.03 405

RAFT+CT+SA	0.60 197	1.25 377	2.49 244	0.38 243	0.75 396	0.55 147	0.34 291	0.83 226	0.68 220	0.39 76	0.55 224	0.44 165	0.29 150	0.75 206	0.28 72	0.09 26	0.24 278	0.11 150	0.51 456	0.30 332	0.74 351

UDG	0.86 373	1.57 434	2.80 360	0.68 398	0.59 358	0.78 374	0.38 320	0.97 337	0.74 290	0.63 300	0.70 343	1.01 420	0.68 379	1.02 252	1.22 385	0.45 449	0.34 309	0.89 476	0.51 456	0.73 459	0.58 303

DDUNet	0.90 390	1.63 446	2.77 356	0.77 408	0.69 389	0.83 391	0.44 350	0.90 292	0.70 242	0.68 341	0.76 376	0.92 396	0.54 328	1.14 271	1.35 396	0.61 457	0.37 313	0.96 478	0.52 458	0.77 465	0.67 327

EAI-Stereo	1.16 437	0.29 3	1.94 76	0.55 351	0.97 428	1.96 478	7.94 509	1.34 459	1.03 434	1.01 421	1.48 455	0.51 213	0.66 375	0.65 174	1.42 403	0.09 26	0.23 276	0.09 35	0.53 459	0.13 51	0.49 270

AEACV	0.89 387	0.29 3	1.84 54	2.50 496	1.68 481	0.53 125	0.21 60	1.01 372	0.42 20	0.68 341	0.31 58	0.22 21	0.39 220	1.63 349	0.25 36	0.09 26	2.60 496	0.09 35	0.54 460	0.23 242	2.27 486

ACVNet-4b	2.00 481	2.19 482	4.85 489	1.09 442	0.86 412	1.15 441	0.53 381	1.11 429	1.15 451	0.65 326	1.09 435	1.97 472	0.69 384	2.31 435	9.78 509	5.73 508	0.42 325	1.03 482	0.55 461	1.89 494	0.92 389

MFN_U_SF_DS_RVC	1.08 430	2.01 472	2.56 272	0.49 328	0.40 297	1.49 456	0.96 452	1.02 380	0.95 417	0.85 399	0.94 412	1.06 432	0.59 350	2.92 479	1.15 375	0.43 447	0.74 378	0.32 436	0.55 461	0.74 460	1.35 437

DualNet (step1)	0.76 333	0.69 209	2.69 331	0.28 55	0.23 149	0.81 385	0.33 283	0.99 353	0.86 383	0.64 310	0.63 292	0.67 297	0.49 308	1.18 278	0.52 224	0.65 459	1.21 420	0.86 472	0.56 463	0.25 270	0.72 344

test_sample9	1.07 426	0.69 209	2.69 331	0.28 55	0.23 149	0.81 385	0.33 283	0.99 353	0.86 383	0.64 310	0.63 292	0.67 297	0.49 308	2.02 411	2.70 462	0.65 459	4.33 507	0.86 472	0.56 463	0.25 270	0.72 344

test_sample8	1.23 442	0.69 209	2.69 331	0.28 55	0.23 149	0.81 385	0.33 283	1.01 372	0.75 296	1.23 450	0.63 292	2.53 480	1.31 447	2.02 411	2.70 462	0.65 459	4.33 507	0.86 472	0.56 463	0.25 270	0.72 344

ACVNet_2	1.54 468	2.20 484	4.42 484	1.10 444	0.93 423	1.37 451	0.87 444	1.53 469	1.71 477	1.22 448	1.72 461	2.12 475	1.06 437	2.58 456	1.93 427	0.94 474	0.54 347	1.00 480	0.56 463	2.11 498	0.96 395

SPS-STEREO	1.22 440	1.65 448	3.41 435	0.66 390	0.69 389	1.01 425	0.68 425	1.10 425	0.96 419	1.40 463	1.25 443	1.46 463	1.08 439	2.05 414	2.24 447	0.66 462	0.61 359	0.58 460	0.57 467	0.66 455	1.65 457
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	1.27 444	2.22 485	3.58 449	1.14 449	0.92 420	1.08 435	0.76 435	1.19 447	1.15 451	0.77 374	0.97 417	1.08 435	0.83 410	1.64 352	1.72 417	1.20 487	1.30 436	1.01 481	0.58 468	1.23 478	0.97 398

Consistency-Raft	0.92 394	1.21 364	3.50 442	0.98 433	0.63 375	0.77 368	0.54 384	1.02 380	1.01 431	0.62 291	1.03 429	0.65 285	1.04 436	0.81 227	1.36 398	0.45 449	0.47 334	0.51 458	0.59 469	0.65 454	0.47 259

PWCK	1.62 473	2.32 494	4.27 478	1.11 445	0.56 348	1.81 473	1.84 491	1.55 471	1.54 472	1.45 466	1.81 462	1.82 470	1.38 453	3.34 487	2.14 440	1.09 483	0.57 354	0.98 479	0.59 469	1.50 489	0.79 364

MFMNet_re	1.01 416	1.73 454	3.04 398	0.85 417	0.76 399	0.93 415	0.81 441	1.02 380	1.10 444	1.05 424	1.06 434	0.84 375	0.96 430	0.93 243	0.97 347	0.68 464	0.61 359	0.63 464	0.60 471	0.77 465	0.80 366

GCST	0.84 361	1.48 426	3.02 396	1.12 448	1.09 446	0.62 260	0.19 27	0.79 193	0.56 103	0.60 270	0.65 311	0.50 209	0.31 165	1.24 287	0.74 309	0.76 467	0.46 331	0.84 471	0.64 472	0.71 457	0.57 301

DispFullNet	1.69 475	2.25 487	5.23 492	1.53 470	8.78 506	0.89 407	0.37 311	1.03 387	0.98 426	1.37 459	1.00 424	1.13 443	1.97 478	1.51 327	0.98 353	0.55 455	0.32 304	1.19 485	0.64 472	1.16 476	0.88 383

IMH-64-1	1.50 463	1.98 468	2.69 331	1.39 460	1.12 451	1.39 453	1.19 474	1.80 478	1.47 468	1.19 439	2.20 474	1.53 464	1.51 463	2.12 424	1.98 428	1.34 490	0.68 368	1.28 488	0.70 474	1.37 485	1.12 411

IMH-64	1.50 463	1.98 468	2.69 331	1.39 460	1.12 451	1.39 453	1.19 474	1.80 478	1.47 468	1.19 439	2.20 474	1.53 464	1.51 463	2.12 424	1.98 428	1.34 490	0.68 368	1.28 488	0.70 474	1.37 485	1.12 411

NVStereoNet_ROB	1.45 460	1.62 443	3.59 450	1.09 442	0.70 391	0.86 398	0.67 423	1.19 447	1.51 470	1.20 444	4.05 499	1.61 467	1.94 477	2.97 481	2.07 435	0.67 463	0.69 371	0.55 459	0.70 474	0.57 445	0.67 327
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SGM+DAISY	2.67 488	2.14 480	4.28 480	1.92 489	2.11 492	4.36 503	5.22 506	3.17 497	3.00 495	3.24 501	3.81 498	3.03 484	3.61 496	2.53 451	3.79 484	1.15 484	1.29 433	0.66 465	0.71 477	0.95 471	2.44 489

IMH	2.14 485	2.46 498	3.60 452	1.70 478	1.13 453	1.65 466	0.93 451	2.13 489	1.93 483	1.37 459	2.64 486	2.19 476	1.82 474	5.77 502	2.18 443	5.70 507	1.05 408	1.31 490	0.72 478	1.39 487	1.13 413

WAO-7	1.58 471	2.04 475	3.25 414	0.94 427	0.75 396	1.75 470	1.13 466	1.87 481	1.97 484	1.46 468	2.53 481	1.98 473	1.75 470	3.13 483	2.48 454	0.69 465	0.67 367	0.94 477	0.74 479	0.80 468	0.77 355

Dean	1.92 479	2.31 493	5.03 491	1.31 452	1.08 444	1.55 459	0.99 455	1.98 488	2.33 487	1.51 470	4.15 500	4.23 495	1.39 454	2.31 435	2.10 436	1.18 486	0.69 371	1.18 484	0.75 480	1.30 483	1.07 409

TorneroNet-64	2.74 489	2.23 486	4.18 474	1.48 466	1.20 456	3.88 499	1.01 461	3.48 504	6.61 504	2.62 494	4.55 502	4.20 492	3.84 498	3.39 490	3.40 478	1.23 488	0.66 366	1.39 493	0.80 481	3.42 505	1.27 429

MonSter	0.47 80	0.29 3	1.07 5	0.22 4	0.18 60	0.51 100	0.14 3	0.49 37	0.35 4	0.26 38	0.18 2	0.15 1	0.11 1	0.88 237	0.47 201	0.06 1	2.11 480	0.07 1	0.81 482	0.07 1	1.01 402

WAO-6	1.69 475	1.87 463	3.21 410	1.15 450	1.01 434	2.29 488	1.06 463	1.85 480	2.84 494	1.30 458	2.59 483	2.19 476	1.67 467	2.62 459	2.52 455	0.96 476	0.68 368	1.19 485	0.84 483	1.13 474	0.95 393

MANE	3.51 499	2.03 474	3.88 465	1.89 488	2.01 489	5.98 505	4.72 504	5.87 508	7.13 505	3.80 503	5.10 504	6.11 504	5.34 502	4.39 499	5.05 498	1.07 481	1.28 431	0.50 457	0.85 484	0.76 463	2.36 487

TorneroNet	5.60 505	2.30 492	3.98 466	1.49 468	1.26 461	14.47 512	1.11 464	4.85 506	20.66 522	10.12 507	16.30 514	11.78 512	7.35 505	3.41 491	4.38 493	1.36 492	0.70 374	1.46 495	0.87 485	2.73 502	1.33 434

MSC_U_SF_DS_RVC	1.40 455	2.04 475	3.02 396	0.58 365	0.41 302	2.15 487	1.00 459	1.31 457	1.29 459	1.05 424	1.10 436	1.29 453	0.91 423	3.07 482	1.34 394	1.65 497	0.84 389	0.68 467	0.88 486	1.55 490	1.91 462

WAO-8	2.91 492	2.55 500	3.77 457	1.93 490	1.04 438	4.08 501	0.99 455	3.25 500	6.09 501	2.20 484	3.34 495	3.33 487	2.64 487	11.73 510	2.52 455	2.12 501	1.92 468	1.55 496	0.93 487	1.27 479	0.96 395

Venus	2.91 492	2.55 500	3.77 457	1.93 490	1.04 438	4.08 501	0.99 455	3.25 500	6.09 501	2.20 484	3.34 495	3.33 487	2.64 487	11.73 510	2.52 455	2.12 501	1.92 468	1.55 496	0.93 487	1.27 479	0.96 395

ADCPNet	1.07 426	1.37 406	4.54 487	0.38 243	0.68 387	1.36 449	0.64 413	0.93 308	0.83 362	0.79 383	0.82 387	1.08 435	1.18 445	1.30 300	2.68 461	0.21 388	0.69 371	0.21 395	0.95 489	0.30 332	0.54 289

LE_ROB	4.55 503	2.43 497	9.94 504	2.79 502	4.03 502	2.40 491	3.54 499	2.72 493	11.04 506	11.64 511	4.69 503	5.25 500	10.74 509	4.52 501	9.73 508	0.82 471	0.70 374	1.34 491	0.97 490	0.74 460	0.94 390

anonymousa	0.74 317	0.60 170	2.58 278	0.96 431	1.33 463	0.61 238	0.26 175	0.69 141	0.56 103	0.55 206	0.84 391	0.82 369	0.46 289	0.56 138	0.61 264	0.10 77	1.11 413	0.12 201	0.98 491	0.14 71	0.97 398

FADNet_RVC	0.87 379	1.51 429	2.90 379	0.31 109	0.24 161	0.71 337	0.25 158	1.00 363	0.65 173	0.45 106	0.57 248	0.61 266	0.44 271	1.53 329	0.75 310	0.94 474	0.97 397	0.28 423	1.00 492	0.89 469	1.36 440

UNDER WATER	2.84 491	2.25 487	5.25 493	1.84 485	1.45 469	2.36 490	1.44 488	3.23 499	6.51 503	2.61 493	2.73 488	5.69 501	5.64 503	3.14 484	4.18 492	1.48 493	0.81 385	1.60 499	1.07 493	1.91 495	1.67 458

notaker	2.77 490	2.35 495	4.02 468	2.61 500	1.44 468	1.77 471	1.14 467	2.77 495	1.81 481	2.30 488	11.41 509	3.95 490	4.70 500	3.24 485	3.01 471	1.58 496	0.88 391	1.71 501	1.08 494	2.10 497	1.44 445

UNDER WATER-64	2.59 487	2.28 491	5.63 496	1.85 486	1.45 469	3.28 496	1.60 489	2.62 492	5.57 500	2.09 479	2.12 470	4.10 491	4.21 499	2.74 470	3.64 483	1.49 494	0.86 390	1.58 498	1.09 495	1.91 495	1.62 455

ktn	4.44 502	2.47 499	3.70 456	1.82 484	1.49 474	2.11 486	1.40 485	2.30 490	12.56 508	11.36 510	16.25 513	11.30 511	3.77 497	4.41 500	3.47 479	1.86 499	0.99 400	1.74 502	1.21 496	3.28 504	1.39 441

JetRed	3.37 496	4.96 507	10.08 505	1.48 466	1.73 483	7.63 507	5.47 507	3.47 502	2.20 485	2.42 490	2.40 478	2.98 483	2.35 485	3.52 492	6.60 502	1.33 489	1.90 467	1.38 492	1.23 497	2.30 499	2.02 467

KSHMR	4.19 501	2.37 496	6.24 500	1.73 481	1.48 473	1.97 480	1.29 479	3.18 498	17.06 517	2.15 482	15.74 512	9.09 507	1.75 470	8.33 508	2.37 452	1.55 495	1.29 433	1.70 500	1.23 497	1.75 492	1.60 453

riskmin	0.96 407	0.32 20	2.07 102	1.72 480	1.61 480	1.62 464	0.57 395	1.45 466	0.55 97	0.73 361	0.89 404	0.92 396	0.45 279	1.16 273	0.60 258	0.11 158	1.30 436	0.12 201	1.38 499	0.14 71	1.51 448

anonymity	0.86 373	0.68 201	1.44 22	0.64 382	0.83 409	0.67 320	0.52 378	0.98 344	0.73 270	0.96 413	0.70 343	0.81 364	0.86 416	1.10 262	1.34 394	0.64 458	0.72 377	0.58 460	1.44 500	0.60 448	0.91 386

LVE	2.10 483	2.61 503	4.30 482	1.79 483	1.81 485	1.68 468	1.04 462	2.35 491	2.78 493	1.27 454	2.87 490	4.21 494	1.46 458	2.83 476	2.02 430	2.87 504	0.92 394	1.19 485	1.47 501	1.29 481	1.18 415

IGEV-RUCA	2.30 486	0.38 70	1.36 15	0.41 280	1.90 486	2.03 485	1.86 492	1.37 461	1.78 480	3.73 502	3.72 497	5.06 499	8.09 506	2.15 426	1.63 413	0.26 419	0.77 379	2.71 505	1.91 502	2.43 501	2.42 488

MFN_U_SF_RVC	1.57 470	2.56 502	3.30 420	0.66 390	0.41 302	1.15 441	0.51 374	1.27 452	1.35 463	1.61 473	1.20 440	1.43 461	0.97 431	1.80 378	2.10 436	1.88 500	1.79 463	1.97 503	2.14 503	1.61 491	1.76 461

PML	22.99 518	17.34 515	8.24 503	5.48 508	9.84 507	50.35 527	102.65 527	5.84 507	13.52 509	37.08 527	104.84 527	30.61 527	23.20 522	12.09 512	7.96 506	6.27 510	2.12 481	6.31 512	2.42 504	10.67 514	2.95 495

MADNet++	2.94 495	2.17 481	3.27 416	2.55 499	2.28 494	3.29 497	3.37 498	2.76 494	2.67 492	3.10 499	3.20 494	2.78 481	3.25 493	4.11 497	4.68 496	2.72 503	2.27 490	3.03 507	2.43 505	2.34 500	2.59 490

BEATNet-Init1	12.32 511	12.82 514	28.66 523	3.22 504	3.71 500	21.59 522	11.42 510	14.54 517	13.73 513	20.24 519	20.16 519	26.14 524	19.85 517	19.08 521	15.33 517	1.81 498	1.93 470	2.05 504	2.48 506	4.25 507	3.41 502

tt	4.94 504	0.32 20	4.22 476	2.29 494	1.58 477	10.19 510	16.94 514	9.44 512	5.03 499	1.69 474	1.33 450	4.68 497	5.02 501	3.38 489	5.91 501	6.15 509	9.47 516	2.80 506	3.16 507	3.54 506	1.58 451

Anonymous_2	1.36 453	0.49 123	2.03 93	1.71 479	1.58 477	2.49 492	0.58 397	1.59 473	2.31 486	0.77 374	0.88 402	1.03 424	0.58 347	1.20 281	0.66 283	0.32 434	1.38 443	1.42 494	3.87 508	0.78 467	1.56 450

DGSMNet	2.93 494	0.77 243	3.44 439	3.58 506	4.25 503	2.53 493	6.86 508	1.03 387	0.88 393	0.58 240	1.85 464	0.79 354	0.62 362	1.63 349	1.46 405	4.62 506	4.98 509	5.15 510	4.71 509	4.52 509	4.37 505

DPSM_ROB	12.32 511	11.13 512	12.31 508	12.90 514	12.80 511	19.81 520	28.13 521	14.50 515	14.31 514	10.62 508	11.34 507	12.03 513	11.89 513	13.08 515	15.22 515	7.09 511	8.31 513	6.47 513	7.32 510	8.69 512	8.43 514

DPSM	12.32 511	11.13 512	12.31 508	12.90 514	12.80 511	19.81 520	28.13 521	14.50 515	14.31 514	10.62 508	11.34 507	12.03 513	11.89 513	13.08 515	15.22 515	7.09 511	8.31 513	6.47 513	7.32 510	8.69 512	8.43 514

DGTPSM_ROB	8.97 509	5.94 508	13.01 510	5.95 509	11.34 508	8.54 508	24.06 515	6.47 509	13.52 509	5.19 505	11.52 510	6.18 505	11.04 510	7.02 506	13.92 512	4.47 505	7.66 510	3.90 508	7.43 512	4.34 508	7.98 512

DPSMNet_ROB	9.58 510	5.96 509	13.98 513	8.88 511	11.87 509	8.54 508	24.08 516	6.48 510	13.67 512	5.35 506	11.53 511	6.31 506	11.04 510	7.69 507	14.09 513	7.61 514	8.23 512	5.03 509	7.75 513	5.24 510	8.36 513

U	3.41 498	0.37 60	1.27 11	0.27 39	13.75 513	19.65 519	0.15 5	0.43 18	0.33 2	0.18 2	0.19 5	0.27 67	0.15 5	0.23 1	0.19 1	0.10 77	0.06 1	17.75 518	12.73 514	0.11 26	0.10 5

HanzoNet	7.85 507	3.30 506	5.75 497	7.47 510	3.97 501	2.34 489	1.37 481	3.47 502	4.02 497	13.30 512	10.49 505	10.86 509	16.67 515	8.50 509	10.51 511	10.80 515	9.84 517	5.83 511	13.69 515	7.24 511	7.51 511

DPSimNet_ROB	24.35 520	23.81 525	31.38 525	25.93 520	22.83 517	31.30 523	34.38 523	20.78 520	28.92 526	27.39 525	22.99 524	28.29 526	35.76 527	15.47 517	17.82 518	24.28 524	17.90 521	22.23 519	14.12 516	19.38 518	22.12 521

LSM0	26.57 523	22.53 524	25.76 521	30.62 523	52.30 527	39.86 526	56.49 524	29.18 526	28.76 524	21.26 522	22.46 521	24.42 523	23.97 523	26.42 526	30.66 527	14.29 518	16.56 518	13.06 517	14.65 517	17.62 517	20.52 520

Selective-RAFT-Error	24.83 522	22.44 523	24.80 520	26.10 522	25.82 520	39.85 525	56.72 525	29.21 527	29.03 527	21.29 523	22.80 523	24.25 522	24.07 525	26.28 525	30.60 525	14.24 517	16.85 520	13.04 516	14.75 518	17.53 516	17.02 518

CasAABBNet	24.76 521	22.38 521	24.44 519	26.05 521	25.75 519	39.79 524	56.76 526	29.10 525	28.88 525	21.22 521	22.69 522	24.21 521	23.99 524	26.23 524	30.62 526	14.22 516	16.71 519	13.03 515	14.75 518	17.49 515	16.97 517

HaxPig	19.88 516	22.39 522	22.30 517	17.98 516	17.98 514	12.06 511	12.06 511	16.25 518	15.97 516	21.05 520	21.41 520	18.85 519	18.35 516	20.07 522	19.64 519	23.57 523	23.19 522	24.07 520	23.71 520	22.95 520	23.72 522

LRCNet_RVC	13.78 515	19.34 516	13.01 510	19.47 517	12.67 510	1.85 475	0.42 337	12.28 513	1.10 444	15.76 514	18.69 518	12.52 515	8.65 507	12.22 513	9.64 507	22.29 519	8.38 515	25.92 521	24.06 521	19.72 519	17.59 519

MEDIAN_ROB	23.95 519	26.96 526	26.29 522	22.14 518	22.09 516	16.18 513	14.23 512	20.47 519	20.09 518	25.43 524	25.22 525	22.96 520	22.54 521	24.33 523	23.18 523	28.15 525	27.16 526	28.60 522	27.73 522	27.59 521	27.58 523

AVERAGE_ROB	26.91 524	30.28 527	29.18 524	25.78 519	25.30 518	19.49 518	15.38 513	23.70 524	23.02 523	28.38 526	27.78 526	26.23 525	25.76 526	26.95 527	25.55 524	31.27 526	30.02 527	31.76 523	30.80 523	30.88 525	30.77 524

Anonymous_1	22.76 517	11.11 511	11.93 507	12.73 513	26.05 521	19.39 517	27.77 520	14.18 514	13.64 511	14.92 513	10.66 506	11.26 510	11.24 512	12.48 514	14.45 514	37.82 527	7.87 511	34.92 524	63.61 524	87.51 527	11.75 516

xxxxx1	29.05 525	20.74 518	14.05 514	50.10 524	40.25 524	19.01 514	26.60 517	21.83 521	20.22 519	16.52 515	17.56 515	18.33 516	21.41 518	16.11 518	20.77 520	23.48 520	26.77 523	66.36 525	78.56 525	30.19 522	32.23 525

tt_ll	29.05 525	20.74 518	14.05 514	50.10 524	40.25 524	19.01 514	26.60 517	21.83 521	20.22 519	16.52 515	17.56 515	18.33 516	21.41 518	16.11 518	20.77 520	23.48 520	26.77 523	66.36 525	78.56 525	30.19 522	32.23 525

ff	29.05 525	20.74 518	14.05 514	50.10 524	40.25 524	19.01 514	26.60 517	21.83 521	20.22 519	16.52 515	17.56 515	18.33 516	21.41 518	16.11 518	20.77 520	23.48 520	26.77 523	66.36 525	78.56 525	30.19 522	32.23 525

test_example2	115.17 528	122.38 528	93.45 527	115.38 527	123.53 528	101.24 528	113.11 528	54.67 528	99.94 528	135.50 528	136.43 528	85.67 528	85.40 528	110.44 528	104.91 528	152.17 528	205.21 528	99.17 528	114.27 528	138.55 528	112.04 528

ccccc		297.53 529		372.50 529	377.87 529	200.30 529		217.33 529		202.36 529		213.34 529		312.79 529		409.97 529	354.33 529	255.69 529	227.31 529	431.13 529

Low-res two-view benchmark