Low-res two-view results

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

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

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

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

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

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

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWC_ROB	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCK	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 40	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 44	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-SNSev	0.03 25	0.09 50	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 65	0.05 72	0.04 65	0.05 72	0.04 66	0.05 74	0.04 73	0.05 74	0.04 69	0.05 65	0.04 60	0.05 39	0.03 28	0.06 75	0.03 46	0.04 62	0.03 43

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 40	0.04 62	0.03 40	0.04 62	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.04 57	0.03 39	0.05 39	0.03 28	0.05 69	0.03 46	0.04 62	0.03 43

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.04 73	0.04 62	0.04 69	0.04 57	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
GASNet	0.05 29	0.04 31	0.12 86	0.04 26	0.04 65	0.04 62	0.05 74	0.04 62	0.04 66	0.12 102	0.04 73	0.06 79	0.04 69	0.04 57	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

WZ-Net	0.05 29	0.50 163	0.10 56	0.12 67	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 78	0.10 60	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 101	0.20 141	0.23 124	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 150	0.21 149	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 172	0.10 56	0.12 67	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 78	0.11 80	0.01 9	0.01 9	0.01 9	0.01 9

AASNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 86	0.06 77	0.06 86	0.05 74	0.06 86	0.06 69	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

SACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 86	0.06 77	0.06 86	0.05 74	0.06 86	0.06 69	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

AACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 86	0.06 77	0.06 86	0.05 74	0.06 86	0.06 69	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

FINET	0.07 36	0.08 44	0.07 45	0.07 35	0.07 89	0.08 84	0.06 85	0.08 87	0.07 89	0.08 84	0.07 89	0.08 85	0.06 86	0.07 82	0.07 81	0.08 47	0.07 44	0.07 80	0.07 84	0.06 77	0.06 83

ADCMid	0.08 37	0.02 12	0.02 13	1.01 283	0.03 40	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 57	0.09 86	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

test_sample7	0.09 38	1.00 215	0.11 75	0.11 61	0.02 20	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.03 46	0.03 39	0.03 43

test_sample6	0.09 38	0.97 211	0.10 56	0.10 44	0.03 40	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.03 44	0.03 38	0.02 21	0.03 33	0.02 19	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

test_sample3	0.09 38	0.87 194	0.10 56	0.12 67	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

test_sample2	0.09 38	1.03 227	0.11 75	0.11 61	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

test_sample1	0.09 38	0.87 194	0.12 86	0.11 61	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

SMFormer	0.09 38	1.01 221	0.09 52	0.09 41	0.03 40	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 38	0.95 208	0.09 52	0.10 44	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 221	0.10 56	0.10 44	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.03 36	0.03 44	0.03 38	0.02 21	0.03 33	0.02 19	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.03 43

SepStereo	0.09 38	0.09 50	0.10 56	0.09 41	0.09 92	0.09 88	0.09 90	0.10 89	0.08 91	0.10 88	0.09 92	0.09 89	0.09 93	0.09 88	0.08 83	0.09 53	0.08 46	0.09 87	0.08 88	0.09 89	0.08 86

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 65	0.05 72	0.90 314	0.06 76	0.04 66	0.05 74	0.04 73	0.05 74	0.04 69	0.05 65	0.04 60	0.05 39	0.04 33	0.05 69	0.04 63	0.05 74	0.05 78

ADCS	0.09 38	0.02 12	0.04 31	0.90 263	0.06 88	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 107	0.36 225	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

DualNet (step1)	0.10 49	1.05 231	0.12 86	0.12 67	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.03 46	0.03 39	0.03 43

test_sample9	0.10 49	1.05 231	0.12 86	0.12 67	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.03 46	0.03 39	0.03 43

test_sample8	0.10 49	1.05 231	0.12 86	0.12 67	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.03 46	0.03 39	0.03 43

test_sample5	0.10 49	1.07 234	0.11 75	0.10 44	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.03 46	0.04 62	0.03 43

test_sample4	0.10 49	1.03 227	0.12 86	0.10 44	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.13 118	0.03 34	0.03 46	0.03 39	0.03 43

DualNet	0.10 49	1.07 234	0.11 75	0.10 44	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.03 46	0.04 62	0.03 43

ttt	0.10 49	1.09 236	0.12 86	0.12 67	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 49	1.14 240	0.13 105	0.14 84	0.03 40	0.04 62	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.11 80	0.03 34	0.02 20	0.03 39	0.02 19

AnonymousM	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

222	0.10 49	0.99 214	0.12 86	0.13 80	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.02 20	0.04 62	0.03 43

test_xeample	0.10 49	1.09 236	0.13 105	0.12 67	0.03 40	0.03 36	0.03 40	0.04 62	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.14 100	0.14 121	0.03 34	0.03 46	0.03 39	0.03 43

PVD	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SHD	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SAMSARA	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

XQC	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTSC	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTS	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTSA	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

MADNet+	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

MADNet++	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

ADCPNet	0.10 49	0.03 27	0.04 31	1.27 353	0.03 40	0.04 62	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.08 85	0.04 60	0.04 32	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

JetRed	0.11 70	0.12 65	0.11 75	0.11 61	0.11 112	0.11 100	0.14 127	0.11 101	0.11 109	0.12 102	0.11 109	0.11 101	0.11 108	0.11 101	0.11 102	0.11 73	0.16 126	0.11 98	0.11 108	0.11 100	0.11 105

JetBlue	0.11 70	0.11 63	0.12 86	0.13 80	0.14 132	0.11 100	0.11 107	0.11 101	0.11 109	0.11 100	0.11 109	0.11 101	0.11 108	0.12 105	0.12 116	0.11 73	0.11 80	0.11 98	0.11 108	0.11 100	0.11 105

x	0.11 70	1.15 242	0.15 125	0.14 84	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.14 100	0.15 124	0.03 34	0.03 46	0.03 39	0.03 43

Wz-Net-LNSev-Ref	0.11 70	0.44 146	0.33 190	0.39 171	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 213	0.36 205	0.02 18	0.02 20	0.02 19	0.02 19

xxxx	0.11 70	1.16 243	0.16 126	0.12 67	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.16 126	0.03 34	0.04 63	0.04 62	0.04 64

BEATNet_4x	0.11 70	0.03 27	0.03 28	1.60 364	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 65	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

ADCL	0.11 70	0.03 27	0.03 28	1.60 364	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 65	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

AnyNet_C01	0.11 70	0.02 12	0.02 13	1.62 366	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 69	0.04 60	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 43

GwcNet	0.12 78	0.07 43	0.05 44	0.08 37	0.05 80	0.08 84	1.20 340	0.07 84	0.05 79	0.05 74	0.05 81	0.08 85	0.05 75	0.08 85	0.03 39	0.07 45	0.05 43	0.06 75	0.05 77	0.07 84	0.05 78

FADNet-RVC-Resample	0.12 78	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.04 73	0.04 62	0.04 69	0.04 57	1.57 400	0.04 32	0.04 33	0.04 59	0.05 77	0.04 62	0.06 83

FADNet_RVC	0.12 78	0.04 31	0.04 31	0.05 32	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.04 73	0.04 62	0.05 75	0.04 57	1.65 404	0.05 39	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

FADNet	0.12 78	0.05 38	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.04 73	0.04 62	0.05 75	0.04 57	1.66 405	0.06 43	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

ADCRef	0.12 78	0.03 27	0.04 31	1.71 367	0.04 65	0.03 36	0.03 40	0.04 62	0.04 66	0.04 60	0.03 44	0.04 62	0.03 44	0.06 69	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.03 39	0.04 64

testlalala2	0.13 83	0.16 71	0.11 75	0.15 93	0.11 112	0.16 117	0.11 107	0.16 117	0.11 109	0.16 114	0.11 109	0.16 115	0.11 108	0.16 116	0.11 102	0.14 100	0.11 80	0.14 105	0.11 108	0.14 107	0.11 105

testlalala_base	0.13 83	0.16 71	0.11 75	0.15 93	0.11 112	0.15 110	0.11 107	0.16 117	0.11 109	0.16 114	0.11 109	0.16 115	0.11 108	0.16 116	0.11 102	0.14 100	0.11 80	0.14 105	0.11 108	0.14 107	0.11 105

CIPLG	0.13 83	0.21 89	0.12 86	0.16 101	0.11 112	0.15 110	0.11 107	0.14 105	0.11 109	0.15 110	0.12 119	0.15 114	0.11 108	0.14 107	0.11 102	0.15 109	0.12 94	0.14 105	0.11 108	0.14 107	0.11 105

IPLG	0.13 83	0.20 84	0.14 110	0.15 93	0.11 112	0.14 104	0.11 107	0.14 105	0.11 109	0.14 104	0.11 109	0.14 105	0.11 108	0.14 107	0.11 102	0.15 109	0.12 94	0.14 105	0.11 108	0.14 107	0.11 105

ACRE	0.13 83	0.21 89	0.14 110	0.15 93	0.11 112	0.14 104	0.11 107	0.14 105	0.11 109	0.14 104	0.12 119	0.14 105	0.11 108	0.14 107	0.11 102	0.15 109	0.12 94	0.14 105	0.11 108	0.14 107	0.11 105

LRCNet_RVC	0.13 83	0.13 66	0.09 52	0.13 80	0.10 98	0.14 104	0.10 95	0.14 105	0.10 95	0.23 143	0.10 96	0.20 131	0.10 97	0.24 152	0.11 102	0.11 73	0.09 55	0.12 101	0.14 135	0.12 104	0.09 89

aanetorigin	0.13 83	0.11 63	0.11 75	0.11 61	0.11 112	0.11 100	0.11 107	0.11 101	0.11 109	0.11 100	0.12 119	0.11 101	0.11 108	0.11 101	0.11 102	0.11 73	0.11 80	0.14 105	0.11 108	0.49 242	0.11 105

FADNet-RVC	0.13 83	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.05 74	0.04 62	0.04 66	0.04 60	0.05 81	0.04 62	0.05 75	0.04 57	1.71 407	0.04 32	0.04 33	0.04 59	0.04 63	0.07 84	0.04 64

ELAS	0.13 83	0.16 71	0.11 75	0.15 93	0.09 92	0.18 124	0.11 107	0.18 124	0.11 109	0.17 120	0.11 109	0.18 125	0.11 108	0.18 124	0.11 102	0.14 100	0.08 46	0.14 105	0.08 88	0.14 107	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
mmm	0.14 92	1.83 318	0.12 86	0.11 61	0.03 40	0.03 36	0.03 40	0.03 38	0.04 66	0.03 36	0.03 44	0.03 38	0.03 44	0.06 69	0.04 60	0.12 78	0.11 80	0.05 69	0.04 63	0.05 74	0.04 64

ProNet	0.14 92	0.20 84	0.14 110	0.16 101	0.11 112	0.16 117	0.11 107	0.17 122	0.11 109	0.17 120	0.12 119	0.17 122	0.13 128	0.17 122	0.12 116	0.15 109	0.11 80	0.16 120	0.11 108	0.15 117	0.12 120

IPLGR_C	0.14 92	0.20 84	0.12 86	0.15 93	0.11 112	0.14 104	0.15 131	0.14 105	0.11 109	0.15 110	0.12 119	0.14 105	0.11 108	0.16 116	0.11 102	0.15 109	0.12 94	0.14 105	0.12 124	0.15 117	0.12 120

MIPNet	0.14 92	0.21 89	0.17 130	0.16 101	0.11 112	0.15 110	0.12 122	0.14 105	0.11 109	0.16 114	0.11 109	0.14 105	0.11 108	0.14 107	0.11 102	0.14 100	0.12 94	0.14 105	0.11 108	0.14 107	0.11 105

IPLGR	0.14 92	0.24 101	0.14 110	0.16 101	0.12 127	0.15 110	0.12 122	0.14 105	0.11 109	0.15 110	0.12 119	0.14 105	0.11 108	0.14 107	0.11 102	0.15 109	0.12 94	0.14 105	0.11 108	0.14 107	0.11 105

GMStereo	0.14 92	0.13 66	0.14 110	0.14 84	0.14 132	0.14 104	0.14 127	0.14 105	0.14 132	0.14 104	0.14 136	0.14 105	0.14 131	0.14 107	0.14 126	0.14 100	0.14 121	0.14 105	0.14 135	0.14 107	0.14 129
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AnyNet_C32	0.14 92	0.04 31	0.03 28	2.22 380	0.04 65	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.04 62	0.02 21	0.07 82	0.04 60	0.02 14	0.02 14	0.03 34	0.03 46	0.02 19	0.03 43

HSM	0.14 92	0.16 71	0.12 86	0.17 107	0.12 127	0.17 122	0.11 107	0.17 122	0.11 109	0.17 120	0.12 119	0.17 122	0.12 124	0.17 122	0.12 116	0.16 116	0.11 80	0.16 120	0.11 108	0.16 120	0.12 120

DRN-Test	0.14 92	0.13 66	0.09 52	0.14 84	0.09 92	0.15 110	0.09 90	0.14 105	0.10 95	0.14 104	0.09 92	0.14 105	0.09 93	0.13 106	0.09 86	0.12 78	0.09 55	0.12 101	0.09 90	0.12 104	0.73 298

ELAS_RVC	0.14 92	0.16 71	0.10 56	0.15 93	0.10 98	0.18 124	0.11 107	0.19 126	0.11 109	0.19 124	0.12 119	0.18 125	0.11 108	0.19 127	0.12 116	0.14 100	0.08 46	0.14 105	0.09 90	0.15 117	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ITSA-stereo	0.15 102	0.17 77	0.13 105	0.20 113	0.13 130	0.19 127	0.13 125	0.18 124	0.13 130	0.19 124	0.13 131	0.18 125	0.14 131	0.18 124	0.14 126	0.16 116	0.11 80	0.15 118	0.14 135	0.18 127	0.11 105

test_for_model	0.15 102	0.23 94	0.18 135	0.21 121	0.11 112	0.16 117	0.11 107	0.16 117	0.11 109	0.16 114	0.11 109	0.16 115	0.11 108	0.16 116	0.11 102	0.21 136	0.18 144	0.14 105	0.11 108	0.14 107	0.11 105

CoDeX	0.15 102	0.70 180	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 292	0.02 14	0.69 275	0.75 294	0.01 9	0.02 19	0.02 19

ICVP	0.15 102	0.53 169	0.11 75	0.16 101	0.11 112	0.16 117	0.11 107	0.16 117	0.11 109	0.16 114	0.11 109	0.16 115	0.11 108	0.16 116	0.11 102	0.16 116	0.11 80	0.16 120	0.11 108	0.16 120	0.11 105
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	0.15 102	0.04 31	0.04 31	2.20 379	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.05 81	0.04 62	0.04 69	0.08 85	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

StereoDRNet	0.15 102	0.14 70	0.10 56	0.14 84	0.09 92	0.15 110	0.09 90	0.14 105	0.09 94	0.14 104	0.10 96	0.14 105	0.09 93	0.14 107	0.09 86	0.13 94	0.10 60	0.13 104	0.09 90	0.13 106	0.82 309

LALA_ROB	0.15 102	0.19 80	0.12 86	0.18 108	0.11 112	0.20 131	0.12 122	0.21 135	0.12 127	0.20 129	0.12 119	0.20 131	0.12 124	0.21 140	0.13 122	0.17 121	0.10 60	0.18 133	0.11 108	0.18 127	0.11 105

SGM_RVC	0.15 102	0.17 77	0.11 75	0.18 108	0.11 112	0.19 127	0.11 107	0.19 126	0.12 127	0.19 124	0.12 119	0.20 131	0.12 124	0.19 127	0.12 116	0.16 116	0.11 80	0.17 125	0.10 96	0.17 123	0.10 93
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.16 110	0.16 71	0.16 126	0.16 101	0.16 147	0.16 117	0.16 134	0.16 117	0.16 143	0.16 114	0.16 144	0.16 115	0.16 141	0.16 116	0.16 140	0.16 116	0.16 126	0.16 120	0.16 139	0.16 120	0.16 130

qqq	0.16 110	2.01 331	0.12 86	0.15 93	0.04 65	0.06 74	0.05 74	0.06 76	0.04 66	0.06 77	0.03 44	0.06 79	0.03 44	0.06 69	0.03 39	0.12 78	0.14 121	0.04 59	0.04 63	0.03 39	0.03 43

DeepPruner_ROB	0.16 110	0.18 79	0.13 105	0.19 111	0.13 130	0.19 127	0.13 125	0.19 126	0.13 130	0.19 124	0.13 131	0.19 129	0.13 128	0.19 127	0.13 122	0.18 129	0.13 118	0.18 133	0.13 132	0.18 127	0.13 126

CAS++	0.17 113	0.27 104	0.21 144	0.10 44	0.21 165	0.15 110	0.22 156	0.10 89	0.21 156	0.22 139	0.10 96	0.19 129	0.18 149	0.10 90	0.19 151	0.20 132	0.19 145	0.18 133	0.10 96	0.19 131	0.18 141
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
11t1	0.17 113	2.16 338	0.13 105	0.13 80	0.04 65	0.06 74	0.04 65	0.06 76	0.04 66	0.06 77	0.03 44	0.06 79	0.03 44	0.06 69	0.05 70	0.18 129	0.12 94	0.06 75	0.03 46	0.05 74	0.03 43

SFCPSM	0.17 113	0.78 183	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 308	0.02 14	0.75 285	0.76 296	0.02 20	0.02 19	0.02 19

BEATNet-Init1	0.19 116	0.08 44	0.08 47	2.23 381	0.08 90	0.08 84	0.07 88	0.07 84	0.08 91	0.08 84	0.07 89	0.08 85	0.07 90	0.11 101	0.08 83	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

DeepPrunerF	0.19 116	0.08 44	0.08 47	2.23 381	0.08 90	0.08 84	0.07 88	0.07 84	0.08 91	0.08 84	0.07 89	0.08 85	0.07 90	0.11 101	0.08 83	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

IGEV_Zeroshot_test	0.20 118	0.19 80	0.40 215	0.30 144	0.17 148	0.22 140	0.17 135	0.21 135	0.17 145	0.20 129	0.17 146	0.21 138	0.18 149	0.21 140	0.17 141	0.20 132	0.16 126	0.20 137	0.16 139	0.20 132	0.17 137

DAS	0.20 118	0.20 84	0.20 141	0.20 113	0.20 159	0.20 131	0.20 146	0.20 130	0.20 154	0.20 129	0.20 159	0.20 131	0.20 158	0.20 131	0.20 154	0.20 132	0.20 147	0.20 137	0.20 157	0.20 132	0.20 144

ACVNet	0.20 118	0.19 80	0.14 110	0.20 113	0.14 132	0.20 131	0.96 321	0.21 135	0.14 132	0.20 129	0.13 131	0.21 138	0.14 131	0.20 131	0.14 126	0.17 121	0.12 94	0.17 125	0.12 124	0.17 123	0.12 120

acv_ft	0.20 118	0.19 80	0.14 110	0.20 113	0.14 132	0.20 131	0.96 321	0.21 135	0.14 132	0.20 129	0.13 131	0.21 138	0.14 131	0.20 131	0.14 126	0.17 121	0.12 94	0.17 125	0.12 124	0.17 123	0.12 120

iResNetv2_ROB	0.20 118	0.23 94	0.18 135	0.24 129	0.20 159	0.24 147	0.18 140	0.24 145	0.18 146	0.24 148	0.18 155	0.23 146	0.19 154	0.24 152	0.18 148	0.21 136	0.16 126	0.21 139	0.16 139	0.22 137	0.16 130

iResNet	0.20 118	0.23 94	0.18 135	0.24 129	0.18 153	0.24 147	0.20 146	0.24 145	0.18 146	0.23 143	0.17 146	0.23 146	0.18 149	0.23 148	0.18 148	0.22 139	0.16 126	0.21 139	0.16 139	0.21 135	0.16 130

Pointernet	0.21 124	0.22 93	0.19 138	0.24 129	0.19 157	0.24 147	0.19 143	0.24 145	0.19 152	0.24 148	0.19 156	0.24 150	0.19 154	0.24 152	0.19 151	0.22 139	0.17 139	0.22 144	0.17 153	0.22 137	0.17 137

SuperB	0.21 124	0.10 52	2.51 414	0.12 67	0.09 92	0.10 89	0.09 90	0.08 87	0.07 89	0.10 88	0.09 92	0.09 89	0.07 90	0.07 82	0.07 81	0.07 45	0.08 46	0.07 80	0.07 84	0.08 86	0.07 85

WAO-6	0.22 126	0.23 94	0.22 145	0.23 124	0.22 167	0.22 140	0.22 156	0.22 139	0.22 158	0.22 139	0.22 164	0.22 143	0.22 163	0.22 144	0.22 158	0.22 139	0.22 153	0.22 144	0.22 161	0.22 137	0.22 149

IMH-64-1	0.22 126	0.23 94	0.23 148	0.22 122	0.22 167	0.22 140	0.22 156	0.22 139	0.22 158	0.22 139	0.22 164	0.22 143	0.22 163	0.22 144	0.22 158	0.22 139	0.22 153	0.23 150	0.22 161	0.22 137	0.23 150

IMH-64	0.22 126	0.23 94	0.23 148	0.22 122	0.22 167	0.22 140	0.22 156	0.22 139	0.22 158	0.22 139	0.22 164	0.22 143	0.22 163	0.22 144	0.22 158	0.22 139	0.22 153	0.23 150	0.22 161	0.22 137	0.23 150

ac_64	0.22 126	0.13 66	0.19 138	0.23 124	0.10 98	0.26 160	1.02 327	0.14 105	0.10 95	0.28 161	0.14 136	0.17 122	0.19 154	0.28 170	0.09 86	0.22 139	0.16 126	0.23 150	0.17 153	0.11 100	0.12 120

dd	0.23 130	0.98 212	0.16 126	0.23 124	0.15 142	0.23 146	0.15 131	0.23 142	0.15 141	0.23 143	0.15 143	0.24 150	0.17 143	0.23 148	0.15 135	0.22 139	0.15 124	0.21 139	0.15 138	0.22 137	0.16 130

dad	0.23 130	1.03 227	0.16 126	0.23 124	0.15 142	0.24 147	0.15 131	0.24 145	0.16 143	0.23 143	0.16 144	0.24 150	0.16 141	0.23 148	0.15 135	0.22 139	0.16 126	0.22 144	0.16 139	0.22 137	0.16 130

MSKI-zero shot	0.24 132	0.21 89	0.49 248	0.65 239	0.18 153	0.22 140	0.17 135	0.23 142	0.18 146	0.21 137	0.17 146	0.23 146	0.28 196	0.23 148	0.18 148	0.21 136	0.16 126	0.21 139	0.16 139	0.21 135	0.16 130

qqq1	0.25 133	3.70 374	0.14 110	0.14 84	0.04 65	0.06 74	0.05 74	0.06 76	0.05 79	0.06 77	0.05 81	0.04 62	0.05 75	0.06 69	0.05 70	0.13 94	0.12 94	0.06 75	0.05 77	0.03 39	0.04 64

fff1	0.25 133	3.70 374	0.14 110	0.14 84	0.04 65	0.06 74	0.05 74	0.06 76	0.05 79	0.06 77	0.05 81	0.04 62	0.05 75	0.06 69	0.05 70	0.13 94	0.12 94	0.06 75	0.05 77	0.03 39	0.04 64

UNDER WATER-64	0.25 133	0.26 103	0.25 158	0.26 140	0.25 179	0.25 153	0.25 170	0.25 150	0.25 170	0.25 151	0.25 179	0.25 154	0.25 173	0.26 166	0.25 173	0.25 159	0.25 160	0.25 156	0.25 179	0.25 147	0.25 161

ffm	0.25 133	3.83 379	0.12 86	0.12 67	0.05 80	0.06 74	0.05 74	0.06 76	0.05 79	0.03 36	0.03 44	0.06 79	0.05 75	0.06 69	0.05 70	0.12 78	0.12 94	0.05 69	0.04 63	0.06 77	0.04 64

ff1	0.25 133	3.83 379	0.12 86	0.12 67	0.05 80	0.06 74	0.05 74	0.06 76	0.05 79	0.03 36	0.03 44	0.06 79	0.05 75	0.06 69	0.05 70	0.12 78	0.12 94	0.05 69	0.04 63	0.06 77	0.04 64

mmx	0.25 133	3.83 379	0.12 86	0.12 67	0.05 80	0.06 74	0.05 74	0.06 76	0.05 79	0.03 36	0.03 44	0.06 79	0.05 75	0.06 69	0.05 70	0.12 78	0.12 94	0.05 69	0.04 63	0.06 77	0.04 64

MIM_Stereo	0.25 133	0.23 94	0.66 269	0.80 253	0.17 148	0.22 140	0.17 135	0.23 142	0.18 146	0.26 158	0.17 146	0.21 138	0.17 143	0.25 156	0.17 141	0.23 150	0.16 126	0.21 139	0.17 153	0.22 137	0.17 137

LoS	0.25 133	0.27 104	0.25 158	0.25 133	0.25 179	0.25 153	0.25 170	0.26 154	0.25 170	0.25 151	0.25 179	0.25 154	0.25 173	0.25 156	0.25 173	0.26 160	0.25 160	0.25 156	0.26 186	0.26 149	0.25 161
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Syn2CoEx	0.25 133	1.31 301	0.74 282	0.92 268	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 294	0.75 285	0.02 18	0.02 20	0.02 19	0.02 19

model_zeroshot	0.27 142	0.20 84	0.27 165	0.33 154	0.21 165	0.37 194	0.22 156	0.37 184	0.24 165	0.26 158	0.27 190	0.33 177	0.21 162	0.25 156	0.27 179	0.32 177	0.20 147	0.34 190	0.23 166	0.25 147	0.26 167

SQANet	0.28 143	0.28 107	0.28 169	0.28 142	0.28 192	0.28 164	0.28 186	0.28 157	0.28 191	0.28 161	0.28 196	0.28 165	0.28 196	0.28 170	0.28 185	0.28 165	0.28 174	0.28 165	0.28 196	0.28 154	0.28 187

HGLStereo	0.28 143	0.29 109	0.22 145	0.36 161	0.22 167	0.36 189	0.21 151	0.36 178	0.21 156	0.42 223	0.21 163	0.36 190	0.22 163	0.36 192	0.21 156	0.34 182	0.21 149	0.34 190	0.21 158	0.34 172	0.21 146

iResNet_ROB	0.28 143	0.32 112	0.24 154	0.32 150	0.25 179	0.32 177	0.24 167	0.32 164	0.24 165	0.33 174	0.24 174	0.35 183	0.24 170	0.33 181	0.24 167	0.31 176	0.24 159	0.32 175	0.24 174	0.32 163	0.24 160

UNet	0.29 146	0.90 199	0.10 56	0.14 84	0.10 98	0.14 104	0.10 95	0.91 295	0.69 297	0.14 104	0.11 109	0.14 105	0.11 108	0.14 107	0.10 91	0.12 78	0.09 55	0.12 101	0.09 90	0.88 283	0.76 303

DDVS	0.30 147	3.10 364	0.14 110	0.19 111	0.14 132	0.19 127	0.14 127	0.20 130	0.14 132	0.19 124	0.13 131	0.16 115	0.13 128	0.19 127	0.13 122	0.17 121	0.13 118	0.17 125	0.13 132	0.17 123	0.13 126

ACV-stereo	0.30 147	2.08 332	0.25 158	0.25 133	0.18 153	0.24 147	0.17 135	0.24 145	0.18 146	0.24 148	0.17 146	0.25 154	0.17 143	0.24 152	0.17 141	0.22 139	0.16 126	0.22 144	0.16 139	0.22 137	0.16 130

LoS_RVC	0.30 147	1.14 240	0.25 158	0.25 133	0.25 179	0.26 160	0.25 170	0.25 150	0.25 170	0.25 151	0.25 179	0.26 163	0.26 182	0.26 166	0.25 173	0.26 160	0.26 164	0.25 156	0.25 179	0.26 149	0.26 167

CAS	0.30 147	1.17 244	0.25 158	0.25 133	0.25 179	0.26 160	0.25 170	0.25 150	0.26 183	0.25 151	0.25 179	0.25 154	0.25 173	0.25 156	0.25 173	0.26 160	0.26 164	0.26 159	0.25 179	0.26 149	0.25 161

DANet	0.30 147	0.30 110	0.30 175	0.30 144	0.30 207	0.30 167	0.30 196	0.30 162	0.30 204	0.30 164	0.30 208	0.30 171	0.30 206	0.30 174	0.30 199	0.30 173	0.30 191	0.30 172	0.30 213	0.30 160	0.30 200
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 152	0.93 207	0.24 154	0.33 154	0.23 172	0.31 170	0.24 167	0.32 164	0.24 165	0.32 170	0.23 168	0.32 175	0.25 173	0.32 176	0.24 167	0.27 163	0.26 164	0.27 163	0.26 186	0.27 152	0.27 175

xxxxx1	0.31 152	0.91 200	0.23 148	0.31 147	0.23 172	0.31 170	0.23 162	0.33 167	0.25 170	0.31 166	0.24 174	0.33 177	0.25 173	0.32 176	0.24 167	0.28 165	0.28 174	0.28 165	0.28 196	0.29 157	0.27 175

DLNR_Zeroshot_test	0.31 152	0.28 107	0.47 240	0.79 251	0.24 177	0.30 167	0.26 177	0.30 162	0.24 165	0.32 170	0.23 168	0.31 173	0.24 170	0.30 174	0.23 164	0.29 172	0.26 164	0.29 170	0.24 174	0.33 168	0.23 150

tt_ll	0.31 152	0.91 200	0.23 148	0.31 147	0.23 172	0.31 170	0.23 162	0.33 167	0.25 170	0.31 166	0.24 174	0.33 177	0.25 173	0.32 176	0.24 167	0.28 165	0.28 174	0.28 165	0.28 196	0.29 157	0.27 175

ff	0.31 152	0.91 200	0.23 148	0.31 147	0.23 172	0.31 170	0.23 162	0.33 167	0.25 170	0.31 166	0.24 174	0.33 177	0.25 173	0.32 176	0.24 167	0.28 165	0.28 174	0.28 165	0.28 196	0.29 157	0.27 175

RAFT + AFF	0.31 152	0.45 148	0.34 197	0.39 171	0.28 192	0.38 198	0.33 208	0.29 160	0.31 206	0.30 164	0.30 208	0.29 170	0.27 190	0.29 173	0.30 199	0.28 165	0.29 183	0.29 170	0.29 205	0.27 152	0.32 209

MLCV	0.31 152	0.35 115	0.27 165	0.35 157	0.28 192	0.35 186	0.27 180	0.35 174	0.28 191	0.36 184	0.27 190	0.35 183	0.27 190	0.35 185	0.27 179	0.34 182	0.27 169	0.34 190	0.27 192	0.34 172	0.27 175

DN-CSS_ROB	0.31 152	0.35 115	0.28 169	0.35 157	0.28 192	0.34 182	0.27 180	0.34 171	0.25 170	0.35 180	0.27 190	0.36 190	0.26 182	0.34 183	0.28 185	0.35 191	0.28 174	0.34 190	0.28 196	0.34 172	0.27 175

WCG-NET（raft）	0.32 160	1.24 296	0.24 154	0.32 150	0.24 177	0.32 177	0.23 162	0.32 164	0.24 165	0.32 170	0.24 174	0.32 175	0.24 170	0.32 176	0.24 167	0.30 173	0.23 157	0.30 172	0.23 166	0.30 160	0.23 150

testlalala	0.32 160	0.81 189	0.31 181	0.39 171	0.26 187	0.33 180	0.24 167	0.33 167	0.26 183	0.32 170	0.26 185	0.33 177	0.23 168	0.33 181	0.23 164	0.35 191	0.31 195	0.30 172	0.24 174	0.31 162	0.21 146

Any-RAFT	0.32 160	0.36 118	0.27 165	0.36 161	0.27 189	0.36 189	0.27 180	0.36 178	0.27 188	0.36 184	0.27 190	0.36 190	0.27 190	0.36 192	0.28 185	0.36 195	0.28 174	0.36 208	0.28 196	0.36 190	0.28 187

GCAP-BAT	0.33 163	0.78 183	0.32 185	0.38 166	0.25 179	0.34 182	0.25 170	0.34 171	0.26 183	0.34 176	0.25 179	0.35 183	0.26 182	0.35 185	0.27 179	0.36 195	0.30 191	0.32 175	0.24 174	0.32 163	0.26 167

StereoDRNet-Refined	0.33 163	0.39 128	0.26 164	0.39 171	0.26 187	0.40 205	0.26 177	0.40 197	0.26 183	0.39 195	0.26 185	0.39 202	0.26 182	0.39 205	0.26 178	0.37 199	0.25 160	0.37 210	0.25 179	0.37 192	0.37 226
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
H2IRNET	0.34 165	0.34 114	0.34 197	0.34 156	0.34 228	0.34 182	0.34 217	0.34 171	0.34 219	0.34 176	0.34 221	0.34 182	0.34 219	0.34 183	0.34 220	0.34 182	0.34 202	0.34 190	0.34 230	0.34 172	0.34 218

IGEV++	0.34 165	0.43 145	0.30 175	0.40 184	0.29 198	0.40 205	0.29 191	0.40 197	0.29 194	0.40 199	0.29 198	0.40 208	0.29 200	0.40 208	0.30 199	0.38 206	0.29 183	0.37 210	0.29 205	0.37 192	0.29 191

iRaft-Stereo_5w	0.34 165	0.42 144	0.31 181	0.39 171	0.30 207	0.38 198	0.30 196	0.40 197	0.29 194	0.40 199	0.37 236	0.41 219	0.34 219	0.38 198	0.30 199	0.34 182	0.27 169	0.34 190	0.26 186	0.34 172	0.26 167

CSP-Net	0.34 165	1.29 298	1.19 322	1.36 358	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 368	1.21 372	0.03 34	0.09 90	0.02 19	0.09 89

iRaft-Stereo_20w	0.34 165	0.41 137	0.31 181	0.39 171	0.29 198	0.40 205	0.32 201	0.41 211	0.32 209	0.38 190	0.30 208	0.39 202	0.30 206	0.38 198	0.32 204	0.35 191	0.27 169	0.34 190	0.27 192	0.34 172	0.29 191

DGSMNet	0.34 165	0.41 137	0.27 165	0.41 194	0.28 192	0.41 221	0.28 186	0.41 211	0.27 188	0.41 212	0.27 190	0.42 235	0.27 190	0.41 222	0.28 185	0.40 216	0.29 183	0.40 227	0.28 196	0.40 209	0.27 175

gcap-zeroshot	0.35 171	0.32 112	0.37 204	0.49 216	0.39 248	0.33 180	0.21 151	0.26 154	0.35 222	0.42 223	0.34 221	0.49 252	0.29 200	0.47 244	0.39 239	0.34 182	0.17 139	0.38 217	0.23 166	0.48 238	0.34 218

CASnet	0.35 171	0.51 166	0.44 231	0.32 150	0.31 211	0.24 147	0.34 217	0.36 178	0.25 170	0.31 166	0.37 236	0.30 171	0.33 216	0.25 156	0.45 257	0.37 199	0.37 207	0.33 183	0.35 234	0.34 172	0.37 226
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
IGEV-Stereo	0.35 171	0.44 146	0.45 233	0.49 216	0.30 207	0.37 194	0.30 196	0.36 178	0.30 204	0.36 184	0.29 198	0.36 190	0.29 200	0.36 192	0.30 199	0.46 238	0.39 218	0.32 175	0.24 174	0.32 163	0.25 161
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ETE_ROB	0.35 171	0.35 115	0.35 202	0.35 157	0.35 231	0.35 186	0.35 220	0.35 174	0.35 222	0.35 180	0.35 228	0.35 183	0.35 223	0.35 185	0.35 222	0.35 191	0.35 203	0.35 203	0.35 234	0.35 184	0.35 222

DCVSM-stereo	0.36 175	1.89 320	0.22 145	0.40 184	0.22 167	0.40 205	0.22 156	0.40 197	0.22 158	0.40 199	0.22 164	0.40 208	0.22 163	0.40 208	0.22 158	0.28 165	0.21 149	0.28 165	0.21 158	0.28 154	0.20 144

RSM	0.36 175	0.36 118	0.43 229	0.37 164	0.42 263	0.49 256	0.42 254	0.37 184	0.28 191	0.36 184	0.29 198	0.36 190	0.30 206	0.37 196	0.28 185	0.34 182	0.31 195	0.34 190	0.35 234	0.40 209	0.29 191

RAFT-Test	0.36 175	0.37 120	0.33 190	0.41 194	0.32 213	0.41 221	0.32 201	0.41 211	0.32 209	0.41 212	0.32 212	0.41 219	0.32 212	0.41 222	0.33 207	0.37 199	0.29 183	0.37 210	0.29 205	0.38 199	0.31 205

DMCA	0.36 175	0.38 122	0.37 204	0.35 157	0.35 231	0.36 189	0.36 226	0.36 178	0.35 222	0.35 180	0.37 236	0.36 190	0.36 226	0.35 185	0.36 225	0.36 195	0.36 205	0.35 203	0.36 240	0.36 190	0.36 223

ACVNet-DCA	0.37 179	1.00 215	0.30 175	0.40 184	0.29 198	0.40 205	0.29 191	0.40 197	0.29 194	0.40 199	0.29 198	0.40 208	0.29 200	0.39 205	0.28 185	0.33 179	0.32 197	0.33 183	0.32 222	0.33 168	0.32 209

1test111	0.37 179	1.02 225	0.30 175	0.39 171	0.29 198	0.40 205	0.28 186	0.39 193	0.29 194	0.39 195	0.29 198	0.39 202	0.28 196	0.40 208	0.29 192	0.33 179	0.32 197	0.33 183	0.31 218	0.32 163	0.31 205

cc1	0.37 179	1.02 225	0.30 175	0.39 171	0.29 198	0.40 205	0.28 186	0.39 193	0.29 194	0.39 195	0.29 198	0.39 202	0.28 196	0.40 208	0.29 192	0.33 179	0.32 197	0.33 183	0.31 218	0.32 163	0.31 205

EKT-Stereo	0.37 179	0.40 130	0.44 231	1.07 286	0.29 198	0.34 182	0.31 200	0.36 178	0.29 194	0.38 190	0.31 211	0.37 196	0.30 206	0.36 192	0.29 192	0.34 182	0.28 174	0.39 223	0.30 213	0.37 192	0.30 200

GMOStereo	0.37 179	0.45 148	0.23 148	0.30 144	0.37 238	0.41 221	0.36 226	0.41 211	0.35 222	0.43 229	0.36 231	0.41 219	0.40 237	0.41 222	0.36 225	0.34 182	0.22 153	0.47 258	0.37 242	0.39 206	0.33 212

XPNet_ROB	0.37 179	0.37 120	0.37 204	0.37 164	0.37 238	0.37 194	0.37 231	0.37 184	0.37 232	0.37 189	0.37 236	0.37 196	0.37 230	0.37 196	0.37 233	0.37 199	0.37 207	0.37 210	0.37 242	0.37 192	0.37 226

WAO-8	0.38 185	0.38 122	0.38 207	0.38 166	0.38 243	0.38 198	0.38 236	0.38 189	0.38 234	0.38 190	0.38 241	0.38 198	0.38 232	0.38 198	0.38 234	0.38 206	0.38 213	0.38 217	0.37 242	0.38 199	0.38 230

WAO-7	0.38 185	0.38 122	0.38 207	0.38 166	0.38 243	0.38 198	0.38 236	0.38 189	0.38 234	0.38 190	0.38 241	0.38 198	0.38 232	0.38 198	0.38 234	0.38 206	0.38 213	0.38 217	0.38 248	0.38 199	0.38 230

xx1	0.38 185	1.03 227	0.31 181	0.40 184	0.31 211	0.41 221	0.28 186	0.40 197	0.29 194	0.40 199	0.29 198	0.40 208	0.29 200	0.40 208	0.29 192	0.34 182	0.33 201	0.34 190	0.32 222	0.34 172	0.32 209

Venus	0.38 185	0.38 122	0.38 207	0.38 166	0.38 243	0.37 194	0.38 236	0.37 184	0.37 232	0.41 212	0.37 236	0.39 202	0.37 230	0.38 198	0.38 234	0.37 199	0.38 213	0.38 217	0.37 242	0.37 192	0.38 230

IMH	0.38 185	0.38 122	0.38 207	0.38 166	0.38 243	0.38 198	0.38 236	0.38 189	0.38 234	0.42 223	0.38 241	0.40 208	0.38 232	0.38 198	0.38 234	0.38 206	0.38 213	0.39 223	0.38 248	0.38 199	0.38 230

HanzoNet	0.39 190	0.38 122	0.40 215	0.39 171	0.41 255	0.38 198	0.38 236	0.38 189	0.38 234	0.39 195	0.39 245	0.38 198	0.38 232	0.39 205	0.40 242	0.38 206	0.38 213	0.40 227	0.38 248	0.38 199	0.40 235

CES	0.39 190	0.47 154	0.36 203	0.36 161	0.37 238	0.45 244	0.35 220	0.35 174	0.40 241	0.36 184	0.44 263	0.47 245	0.36 226	0.44 237	0.36 225	0.37 199	0.39 218	0.44 249	0.35 234	0.37 192	0.36 223

PASM	0.39 190	3.06 363	1.36 384	1.58 362	0.09 92	0.11 100	0.11 107	0.11 101	0.11 109	0.09 87	0.09 92	0.11 101	0.09 93	0.09 88	0.09 86	0.11 73	0.11 80	0.11 98	0.09 90	0.11 100	0.11 105

WCG-NET	0.40 193	1.29 298	0.24 154	0.32 150	0.25 179	0.32 177	0.27 180	0.44 232	0.46 258	0.35 180	0.26 185	0.35 183	0.27 190	0.35 185	0.45 257	0.42 236	0.25 160	0.62 281	0.25 179	0.48 238	0.26 167

knoymous	0.40 193	0.40 130	0.40 215	0.40 184	0.40 249	0.40 205	0.40 242	0.40 197	0.40 241	0.40 199	0.40 246	0.40 208	0.40 237	0.40 208	0.40 242	0.40 216	0.40 221	0.40 227	0.40 252	0.40 209	0.40 235

anonymousa	0.40 193	0.40 130	0.40 215	0.40 184	0.40 249	0.40 205	0.40 242	0.40 197	0.40 241	0.40 199	0.40 246	0.40 208	0.40 237	0.40 208	0.40 242	0.40 216	0.40 221	0.40 227	0.40 252	0.40 209	0.40 235

riskmin	0.40 193	0.40 130	0.40 215	0.40 184	0.40 249	0.40 205	0.40 242	0.40 197	0.40 241	0.40 199	0.40 246	0.40 208	0.40 237	0.40 208	0.40 242	0.40 216	0.40 221	0.40 227	0.40 252	0.40 209	0.40 235

Anonymous_2	0.40 193	0.40 130	0.40 215	0.40 184	0.40 249	0.40 205	0.40 242	0.40 197	0.40 241	0.40 199	0.40 246	0.40 208	0.40 237	0.40 208	0.40 242	0.40 216	0.40 221	0.40 227	0.40 252	0.40 209	0.40 235

Anonymous_1	0.40 193	0.40 130	0.40 215	0.40 184	0.40 249	0.40 205	0.40 242	0.40 197	0.40 241	0.40 199	0.40 246	0.40 208	0.40 237	0.40 208	0.40 242	0.40 216	0.40 221	0.40 227	0.40 252	0.40 209	0.40 235

AdaStereo	0.40 193	0.40 130	0.40 215	0.40 184	0.40 249	0.40 205	0.40 242	0.40 197	0.40 241	0.40 199	0.40 246	0.40 208	0.40 237	0.40 208	0.40 242	0.40 216	0.40 221	0.40 227	0.40 252	0.40 209	0.40 235
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.
GwcNet-ADL	0.41 200	0.41 137	0.41 223	0.41 194	0.41 255	0.41 221	0.41 249	0.41 211	0.41 250	0.41 212	0.41 252	0.41 219	0.41 247	0.41 222	0.41 249	0.41 223	0.41 229	0.41 238	0.41 258	0.41 218	0.41 242

PSMNet-ADL	0.41 200	0.41 137	0.41 223	0.41 194	0.41 255	0.41 221	0.41 249	0.41 211	0.41 250	0.41 212	0.41 252	0.41 219	0.41 247	0.41 222	0.41 249	0.41 223	0.41 229	0.41 238	0.41 258	0.41 218	0.41 242

GANet-ADL	0.41 200	0.41 137	0.41 223	0.41 194	0.41 255	0.41 221	0.41 249	0.41 211	0.41 250	0.41 212	0.41 252	0.41 219	0.41 247	0.41 222	0.41 249	0.41 223	0.41 229	0.41 238	0.41 258	0.41 218	0.41 242

ADLNet2	0.41 200	0.41 137	0.41 223	0.41 194	0.41 255	0.41 221	0.41 249	0.41 211	0.41 250	0.41 212	0.41 252	0.41 219	0.41 247	0.41 222	0.41 249	0.41 223	0.41 229	0.41 238	0.41 258	0.41 218	0.41 242

ADLNet	0.41 200	0.41 137	0.41 223	0.41 194	0.41 255	0.41 221	0.41 249	0.41 211	0.41 250	0.41 212	0.41 252	0.41 219	0.41 247	0.41 222	0.41 249	0.41 223	0.41 229	0.41 238	0.41 258	0.41 218	0.41 242

FCDSN-DC	0.41 200	0.59 175	0.64 265	0.54 228	0.33 222	0.50 264	0.37 231	0.42 227	0.40 241	0.61 276	0.43 261	0.50 266	0.49 269	0.38 198	0.32 204	0.28 165	0.23 157	0.26 159	0.22 161	0.35 184	0.28 187
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 200	0.46 150	0.33 190	0.49 216	0.33 222	0.49 256	0.33 208	0.49 244	0.33 212	0.49 248	0.33 215	0.49 252	0.33 216	0.51 264	0.33 207	0.41 223	0.30 191	0.41 238	0.30 213	0.79 271	0.29 191

Gwc-CoAtRS	0.41 200	1.49 306	0.32 185	0.42 202	0.32 213	0.41 221	0.32 201	0.41 211	0.33 212	0.41 212	0.32 212	0.41 219	0.32 212	0.41 222	0.32 204	0.39 213	0.28 174	0.39 223	0.28 196	0.40 209	0.28 187

UPFNet	0.42 208	1.20 248	0.17 130	0.24 129	0.17 148	0.25 153	0.17 135	1.19 322	0.90 319	0.25 151	0.17 146	0.24 150	0.17 143	0.25 156	0.17 141	0.22 139	0.17 139	0.22 144	0.16 139	1.15 306	0.93 317

psmg	0.43 209	1.91 323	0.92 301	1.91 371	0.02 20	0.02 18	0.03 40	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 393	1.44 385	0.04 59	0.03 46	0.02 19	0.03 43

delet	0.43 209	1.21 294	0.17 130	0.25 133	0.17 148	0.25 153	0.18 140	1.26 374	0.95 326	0.25 151	0.17 146	0.25 154	0.17 143	0.25 156	0.17 141	0.23 150	0.16 126	0.22 144	0.16 139	1.18 314	0.98 320

psm_up	0.43 209	1.19 247	0.17 130	0.25 133	0.18 153	0.25 153	0.19 143	1.26 374	0.91 320	0.26 158	0.17 146	0.25 154	0.17 143	0.25 156	0.17 141	0.22 139	0.17 139	0.23 150	0.16 139	1.18 314	0.99 321

MMNet	0.44 212	1.24 296	0.17 130	0.25 133	0.17 148	0.25 153	0.18 140	1.26 374	0.93 325	0.25 151	0.17 146	0.25 154	0.18 149	0.25 156	0.17 141	0.23 150	0.16 126	0.23 150	0.16 139	1.20 317	0.99 321

RAFT-Stereo-weight	0.45 213	1.90 322	0.34 197	0.42 202	0.36 236	0.43 241	0.35 220	0.42 227	0.34 219	0.42 223	0.34 221	0.44 238	0.34 219	0.41 222	0.34 220	0.38 206	0.32 197	0.38 217	0.32 222	0.38 199	0.33 212

TorneroNet-64	0.45 213	0.27 104	0.30 175	0.58 232	0.27 189	0.70 287	0.30 196	0.28 157	0.73 307	0.73 287	0.28 196	0.71 287	0.66 288	0.75 290	0.27 179	0.27 163	0.29 183	0.37 210	0.75 309	0.28 154	0.30 200

otaku	0.46 215	0.46 150	0.46 235	0.46 206	0.46 267	0.46 246	0.46 259	0.46 233	0.46 258	0.46 234	0.46 265	0.46 240	0.46 256	0.46 240	0.46 261	0.46 238	0.46 237	0.46 254	0.46 268	0.46 228	0.46 253

Dean	0.46 215	0.46 150	0.46 235	0.46 206	0.46 267	0.46 246	0.46 259	0.46 233	0.46 258	0.47 239	0.46 265	0.46 240	0.46 256	0.46 240	0.46 261	0.46 238	0.46 237	0.46 254	0.46 268	0.46 228	0.46 253

ACVNet_1	0.46 215	0.47 154	0.46 235	0.46 206	0.46 267	0.46 246	0.46 259	0.46 233	0.47 263	0.46 234	0.46 265	0.46 240	0.46 256	0.46 240	0.46 261	0.46 238	0.46 237	0.47 258	0.46 268	0.46 228	0.46 253

ACVNet-4b	0.46 215	0.46 150	0.46 235	0.46 206	0.46 267	0.46 246	0.46 259	0.46 233	0.46 258	0.46 234	0.46 265	0.46 240	0.46 256	0.47 244	0.46 261	0.46 238	0.46 237	0.46 254	0.46 268	0.46 228	0.46 253

PML	0.46 215	1.36 304	0.29 171	0.58 232	0.30 207	0.57 277	0.29 191	0.57 264	0.29 194	0.57 272	0.29 198	0.57 277	0.29 200	0.56 271	0.29 192	0.52 258	0.30 191	0.53 276	0.31 218	0.53 251	0.30 200

Ntro	0.47 220	0.47 154	0.46 235	0.46 206	0.46 267	0.47 250	0.47 264	0.46 233	0.47 263	0.46 234	0.46 265	0.47 245	0.46 256	0.47 244	0.47 265	0.47 243	0.46 237	0.46 254	0.46 268	0.46 228	0.46 253

HaxPig	0.47 220	0.47 154	0.47 240	0.49 216	0.47 273	0.47 250	0.47 264	0.47 238	0.47 263	0.47 239	0.47 272	0.47 245	0.47 264	0.47 244	0.47 265	0.47 243	0.47 243	0.47 258	0.47 274	0.47 235	0.48 261

UNDER WATER	0.47 220	0.47 154	0.47 240	0.47 211	0.47 273	0.47 250	0.47 264	0.47 238	0.47 263	0.47 239	0.47 272	0.47 245	0.46 256	0.47 244	0.47 265	0.47 243	0.47 243	0.47 258	0.46 268	0.47 235	0.47 259

LVE	0.47 220	0.47 154	0.47 240	0.47 211	0.49 277	0.47 250	0.47 264	0.47 238	0.49 270	0.47 239	0.47 272	0.47 245	0.46 256	0.47 244	0.47 265	0.47 243	0.47 243	0.48 266	0.47 274	0.47 235	0.47 259

RainbowNet	0.48 224	0.48 160	0.48 244	0.48 214	0.48 275	0.48 254	0.48 270	0.48 242	0.48 269	0.48 243	0.48 275	0.48 250	0.48 265	0.48 250	0.48 270	0.48 247	0.48 246	0.48 266	0.48 276	0.48 238	0.48 261

notaker	0.48 224	0.49 161	0.48 244	0.48 214	0.48 275	0.48 254	0.48 270	0.48 242	0.49 270	0.48 243	0.48 275	0.48 250	0.48 265	0.48 250	0.48 270	0.48 247	0.48 246	0.48 266	0.48 276	0.48 238	0.49 264

LL-Strereo2	0.48 224	1.73 316	0.51 252	0.59 234	0.34 228	0.42 237	0.33 208	0.40 197	0.31 206	0.42 223	0.33 215	0.42 235	0.31 211	0.44 237	0.39 239	0.60 264	0.51 254	0.44 249	0.33 228	0.44 225	0.33 212

Former-RAFT_DAM_RVC	0.49 227	0.98 212	0.64 265	0.84 258	0.46 267	0.45 244	0.35 220	0.47 238	0.47 263	0.45 233	0.34 221	0.46 240	0.48 265	0.46 240	0.35 222	0.39 213	0.71 280	0.39 223	0.35 234	0.41 218	0.41 242

ACVNet_2	0.49 227	0.49 161	0.49 248	0.49 216	0.49 277	0.49 256	0.49 272	0.49 244	0.49 270	0.49 248	0.49 278	0.49 252	0.49 269	0.49 256	0.49 272	0.49 250	0.49 248	0.49 269	0.49 278	0.49 242	0.49 264

GCST	0.50 229	2.08 332	0.38 207	0.53 226	0.35 231	0.49 256	0.35 220	0.50 252	0.35 222	0.49 248	0.35 228	0.49 252	0.35 223	0.49 256	0.35 222	0.48 247	0.37 207	0.45 251	0.33 228	0.44 225	0.33 212

SANet	0.50 229	0.50 163	0.50 250	0.50 223	0.50 280	0.50 264	0.50 274	0.50 252	0.50 273	0.50 260	0.50 280	0.50 266	0.50 272	0.50 261	0.50 273	0.50 256	0.50 253	0.50 272	0.50 280	0.50 246	0.50 267

UGAM-zero	0.51 231	2.17 339	0.39 213	0.53 226	0.36 236	0.50 264	0.36 226	0.50 252	0.36 231	0.49 248	0.36 231	0.50 266	0.35 223	0.50 261	0.36 225	0.49 250	0.37 207	0.47 258	0.35 234	0.46 228	0.34 218

UGAM	0.51 231	2.23 342	0.39 213	0.54 228	0.35 231	0.50 264	0.35 220	0.49 244	0.35 222	0.49 248	0.35 228	0.49 252	0.36 226	0.50 261	0.36 225	0.49 250	0.37 207	0.45 251	0.34 230	0.45 227	0.34 218

Selective-IGEV	0.51 231	0.55 174	0.45 233	0.69 242	0.45 266	0.61 280	0.45 258	0.50 252	0.40 241	0.56 271	0.44 263	0.55 273	0.40 237	0.72 287	0.67 292	0.59 263	0.46 237	0.45 251	0.34 230	0.46 228	0.37 226

RCA-Stereo	0.51 231	3.22 368	0.34 197	0.44 204	0.34 228	0.44 243	0.34 217	0.43 230	0.34 219	0.43 229	0.34 221	0.44 238	0.33 216	0.43 235	0.33 207	0.38 206	0.29 183	0.38 217	0.29 205	0.38 199	0.29 191

FENet	0.54 235	1.52 307	1.19 322	1.41 361	0.23 172	0.35 186	0.23 162	0.35 174	0.23 164	0.34 176	0.23 168	0.35 183	0.23 168	0.35 185	0.23 164	1.40 377	1.07 307	0.32 175	0.23 166	0.33 168	0.23 150

PSMNet_ROB	0.54 235	0.54 172	0.54 254	0.54 228	0.53 286	0.54 271	0.54 277	0.53 259	0.54 279	0.54 266	0.54 286	0.54 269	0.53 275	0.54 268	0.54 278	0.54 260	0.53 256	0.54 277	0.54 281	0.54 252	0.54 271

CFNet-ft	0.55 237	1.57 308	0.14 110	0.20 113	0.14 132	0.20 131	2.53 417	1.61 383	0.14 132	0.20 129	0.14 136	0.20 131	0.14 131	0.20 131	0.14 126	0.17 121	0.12 94	0.17 125	0.12 124	1.56 374	1.24 390

MyStereo04	0.56 238	3.72 377	0.59 258	0.49 216	0.41 255	0.36 189	0.32 201	0.37 184	0.31 206	0.34 176	0.46 265	0.35 183	0.32 212	0.35 185	0.33 207	0.49 250	0.45 235	0.34 190	0.32 222	0.35 184	0.43 248

CASS	0.57 239	0.89 197	0.56 255	0.57 231	0.56 287	0.56 273	0.56 278	0.56 262	0.53 278	0.57 272	0.57 288	0.59 279	0.48 265	0.56 271	0.57 281	0.55 262	0.56 259	0.47 258	0.56 285	0.62 254	0.56 278
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MyStereo07	0.60 240	3.72 377	0.48 244	0.49 216	0.41 255	0.36 189	0.32 201	0.49 244	0.43 255	0.51 261	0.42 259	0.49 252	0.43 253	0.51 264	0.64 287	0.49 250	0.45 235	0.34 190	0.32 222	0.35 184	0.43 248

anonymity	0.63 241	0.69 179	0.56 255	0.71 246	0.56 287	0.71 289	0.56 278	0.71 278	0.56 280	0.72 286	0.56 287	0.71 287	0.56 277	0.71 286	0.58 282	0.68 272	0.55 257	0.68 287	0.55 282	0.68 258	0.54 271

CRFU-Net	0.65 242	1.67 311	1.22 372	1.96 374	0.27 189	0.41 221	0.27 180	0.41 211	0.27 188	0.40 199	0.26 185	0.41 219	0.27 190	0.40 208	0.27 179	1.80 387	1.62 390	0.34 190	0.23 166	0.33 168	0.23 150

LMCR-Stereo	0.65 242	0.63 176	0.65 268	0.65 239	0.65 300	0.66 285	0.63 284	0.58 266	0.65 290	0.63 278	0.64 295	0.65 284	0.65 285	0.66 281	0.66 291	0.66 270	0.64 268	0.65 285	0.67 298	0.68 258	0.73 298

KSHMR	0.66 244	0.50 163	0.48 244	1.15 295	0.52 283	0.49 256	0.51 275	0.49 244	0.71 303	0.67 282	0.50 280	1.16 334	1.11 323	0.66 281	0.52 276	0.49 250	0.49 248	0.51 273	0.66 295	0.50 246	1.14 337

TorneroNet	0.66 244	0.53 169	0.50 250	0.50 223	0.64 298	1.06 321	0.70 295	0.50 252	0.51 277	0.49 248	0.69 304	0.49 252	0.50 272	0.48 250	1.15 335	0.71 277	0.49 248	1.14 331	1.08 330	0.49 242	0.49 264

GES	0.66 244	2.34 345	0.29 171	0.41 194	0.29 198	0.41 221	0.29 191	0.42 227	0.29 194	0.40 199	0.41 252	0.41 219	0.30 206	0.51 264	0.29 192	0.32 177	0.29 183	0.32 175	2.46 420	2.49 392	0.30 200

cf-r	0.66 244	2.17 339	0.12 86	0.18 108	0.12 127	0.18 124	2.70 420	2.60 405	0.12 127	0.18 123	0.12 119	0.18 125	0.12 124	0.18 124	0.12 116	0.15 109	0.11 80	0.15 118	0.11 108	1.81 378	1.74 410

DSFCA	0.66 244	0.73 182	0.78 287	0.65 239	0.65 300	0.64 283	0.64 285	0.65 273	0.63 288	0.64 279	0.64 295	0.64 281	0.64 283	0.65 280	0.65 288	0.65 269	0.65 269	0.65 285	0.65 293	0.66 256	0.64 285

ssnet_v2	0.68 249	1.96 330	1.25 376	0.29 143	0.20 159	0.30 167	0.20 146	0.29 160	0.22 158	1.50 385	0.20 159	0.31 173	0.20 158	0.27 168	0.22 158	0.24 155	1.49 386	0.26 159	0.18 156	3.90 404	0.19 143

ARAFT	0.68 249	0.81 189	0.63 263	0.74 248	0.60 290	0.78 293	0.62 283	0.77 282	0.66 292	0.74 291	0.63 293	0.75 293	0.62 282	0.83 296	0.60 284	0.70 276	0.55 257	0.70 290	0.60 289	0.78 269	0.55 275

NINENet	0.69 251	3.87 382	1.20 325	1.98 375	0.05 80	0.40 205	0.04 65	0.40 197	0.05 79	0.41 212	0.04 73	0.41 219	0.05 75	0.40 208	0.05 70	1.79 386	1.56 388	0.34 190	0.22 161	0.34 172	0.23 150

RAFT-Stereo + iAFF	0.70 252	0.72 181	0.71 278	0.80 253	0.62 297	0.82 298	0.61 282	0.81 288	0.62 286	0.81 296	0.63 293	0.80 299	0.70 293	0.73 288	0.61 286	0.76 280	0.61 266	0.74 293	0.61 291	0.77 268	0.61 281

DMCA-RVC	0.70 252	0.80 186	0.70 275	0.70 244	0.70 309	0.70 287	0.70 295	0.71 278	0.70 300	0.70 285	0.71 308	0.71 287	0.70 293	0.70 285	0.69 299	0.69 273	0.70 276	0.69 288	0.70 303	0.69 261	0.70 292

MyStereo8	0.71 254	3.92 383	0.52 253	0.59 234	0.52 283	0.57 277	0.53 276	0.59 267	0.50 273	0.59 275	0.51 283	0.57 277	0.50 272	0.56 271	0.52 276	0.54 260	0.49 248	0.54 277	0.49 278	0.55 253	0.50 267

HH	0.71 254	2.54 348	0.74 282	1.10 288	0.32 213	0.41 221	0.37 231	0.69 276	0.78 310	0.73 287	0.90 322	0.75 293	1.00 314	0.84 297	0.69 299	0.69 273	0.40 221	0.35 203	0.26 186	0.35 184	0.26 167

HanStereo	0.71 254	2.54 348	0.74 282	1.10 288	0.32 213	0.41 221	0.37 231	0.69 276	0.78 310	0.73 287	0.90 322	0.75 293	1.00 314	0.84 297	0.69 299	0.69 273	0.40 221	0.35 203	0.26 186	0.35 184	0.26 167

ktn	0.72 257	0.53 169	1.08 313	1.14 293	0.51 282	1.22 380	1.36 394	0.51 258	0.59 282	0.51 261	0.51 283	0.69 286	1.20 334	0.67 283	0.51 275	0.51 257	0.49 248	0.58 279	0.66 295	0.52 249	0.53 270

CroCo-Stereo	0.73 258	1.22 295	0.25 158	1.22 349	0.25 179	1.22 380	0.25 170	1.22 371	0.25 170	1.22 378	0.25 179	1.22 383	0.25 173	1.22 382	0.25 173	1.22 367	0.26 164	1.21 386	0.25 179	1.22 364	0.25 161
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
AFF-stereo	0.73 258	0.88 196	0.67 272	0.75 249	0.68 307	0.75 290	0.64 285	0.80 285	0.72 304	0.83 297	0.70 305	0.82 302	0.64 283	0.84 297	0.67 292	0.77 281	0.63 267	0.81 304	0.63 292	0.78 269	0.62 283

AIO-Stereo-zeroshot1	0.75 260	0.92 205	0.85 294	0.96 276	0.59 289	1.27 383	0.44 257	0.59 267	0.69 297	0.91 302	0.68 301	0.55 273	0.61 281	1.06 322	0.83 313	0.62 268	0.70 276	0.90 311	0.41 258	0.89 284	0.56 278

MyStereo06	0.75 260	4.12 384	0.60 259	0.63 237	0.61 294	0.62 281	0.66 288	0.56 262	0.45 257	0.55 269	0.48 275	0.54 269	0.46 256	0.57 274	0.45 257	0.60 264	0.57 260	0.64 283	0.55 282	0.72 263	0.55 275

SPstereo	0.75 260	4.15 387	0.42 228	0.75 249	0.35 231	0.78 293	0.40 242	0.79 283	0.38 234	0.78 292	0.36 231	0.78 296	0.36 226	0.79 292	0.39 239	0.75 279	0.39 218	0.76 296	0.39 251	0.75 267	0.39 234

GANet-RSSM	0.75 260	1.91 323	0.14 110	0.47 211	0.14 132	0.21 138	3.21 437	2.30 402	0.14 132	0.46 234	0.14 136	0.23 146	0.18 149	0.21 140	0.14 126	0.18 129	0.27 169	0.37 210	0.13 132	2.13 386	2.12 413

RSM++	0.76 264	0.82 191	0.66 269	0.85 260	0.64 298	0.85 299	0.71 298	0.94 302	0.64 289	0.87 298	0.67 300	0.87 304	0.65 285	0.84 297	0.65 288	0.81 286	0.70 276	0.79 299	0.71 306	0.83 279	0.70 292

CroCo-Stereo Lap2	0.77 265	1.29 298	0.29 171	1.27 353	0.29 198	1.27 383	0.26 177	1.26 374	0.26 183	1.26 379	0.26 185	1.27 384	0.26 182	1.26 383	0.27 179	1.27 369	0.27 169	1.27 389	0.27 192	1.27 366	0.27 175

PSMNet-RSSM	0.77 265	2.76 356	0.14 110	0.20 113	0.14 132	0.20 131	2.66 418	2.79 408	0.14 132	0.21 137	0.14 136	0.21 138	0.14 131	0.20 131	0.14 126	0.17 121	0.12 94	0.17 125	0.12 124	2.52 393	2.31 415

GwcNet-RSSM	0.77 265	2.77 358	0.14 110	0.20 113	0.14 132	0.20 131	2.67 419	2.78 407	0.14 132	0.20 129	0.14 136	0.20 131	0.14 131	0.21 140	0.14 126	0.17 121	0.12 94	0.17 125	0.12 124	2.52 393	2.31 415

4D-IteraStereo	0.78 268	3.13 365	0.89 295	0.69 242	0.32 213	0.40 205	0.32 201	0.76 281	0.97 328	0.52 264	0.65 297	0.89 307	0.32 212	0.76 291	0.98 323	0.83 289	0.94 301	0.35 203	0.27 192	0.70 262	0.89 314

hitnet-ft	0.79 269	2.78 359	0.14 110	0.20 113	0.14 132	0.21 138	2.89 421	2.80 409	0.14 132	0.20 129	0.14 136	0.20 131	0.14 131	0.20 131	0.14 126	0.17 121	0.12 94	0.17 125	0.12 124	2.54 395	2.33 417

G-Net	0.79 269	0.79 185	0.79 290	0.79 251	0.79 318	0.79 295	0.79 305	0.79 283	0.79 313	0.79 293	0.79 317	0.79 298	0.79 303	0.79 292	0.79 308	0.79 282	0.79 288	0.79 299	0.79 313	0.79 271	0.79 305

MyStereo05	0.80 271	4.12 384	0.63 263	0.63 237	0.61 294	0.62 281	0.66 288	0.65 273	0.62 286	0.67 282	0.61 291	0.65 284	0.58 278	0.67 283	0.55 280	0.60 264	0.57 260	0.64 283	0.55 282	0.72 263	0.55 275

UDG	0.80 271	2.21 341	0.60 259	0.91 265	0.60 290	0.90 305	0.58 280	0.88 292	0.60 283	0.90 300	0.60 289	0.88 305	0.60 280	0.90 305	0.58 282	0.86 293	0.60 262	0.84 307	0.59 288	0.84 280	0.61 281

ccnet	0.80 271	2.28 344	0.33 190	0.50 223	0.33 222	0.50 264	0.33 208	0.50 252	0.33 212	0.49 248	0.33 215	0.49 252	1.56 394	2.38 405	0.33 207	0.41 223	0.29 183	0.42 247	1.57 402	2.28 388	0.29 191

NaN_ROB	0.80 271	0.80 186	0.80 291	0.80 253	0.80 320	0.80 296	0.80 307	0.80 285	0.80 314	0.80 294	0.80 318	0.80 299	0.80 304	0.80 294	0.80 310	0.80 283	0.80 291	0.80 302	0.80 314	0.80 274	0.80 306

CSAN	0.80 271	0.80 186	0.80 291	0.80 253	0.80 320	0.80 296	0.80 307	0.80 285	0.80 314	0.80 294	0.80 318	0.80 299	0.80 304	0.80 294	0.80 310	0.80 283	0.80 291	0.80 302	0.80 314	0.80 274	0.80 306

BSDual-CNN	0.81 276	1.91 323	0.92 301	4.48 408	0.02 20	0.42 237	0.06 85	0.41 211	0.02 20	0.48 243	0.03 44	0.02 19	0.02 21	0.03 33	0.02 19	1.97 393	4.19 428	0.33 183	0.23 166	0.34 172	0.27 175

DDUNet	0.81 276	2.45 346	0.57 257	0.90 263	0.60 290	0.88 302	0.59 281	0.90 293	0.60 283	0.88 299	0.60 289	0.90 308	0.58 278	0.88 302	0.60 284	0.84 291	0.60 262	0.86 309	0.57 286	0.86 281	0.60 280

R-Stereo Train	0.81 276	0.96 209	0.67 272	0.95 273	0.67 304	0.95 310	0.68 292	0.95 304	0.68 294	0.95 310	0.68 301	0.96 316	0.68 291	0.96 314	0.68 295	0.94 300	0.68 271	0.94 316	0.68 299	0.94 292	0.68 290

RAFT-Stereo	0.81 276	0.96 209	0.67 272	0.95 273	0.67 304	0.95 310	0.68 292	0.95 304	0.68 294	0.95 310	0.68 301	0.96 316	0.68 291	0.96 314	0.68 295	0.94 300	0.68 271	0.94 316	0.68 299	0.94 292	0.68 290
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gwcnet-sp	0.82 280	1.72 312	1.48 389	0.39 171	0.15 142	0.31 170	0.21 151	0.20 130	0.25 170	1.61 387	0.23 168	0.28 165	0.26 182	0.20 131	0.15 135	0.24 155	1.33 377	0.32 175	0.16 139	6.75 439	0.23 150

scenet	0.82 280	1.72 312	1.48 389	0.39 171	0.15 142	0.31 170	0.21 151	0.20 130	0.25 170	1.61 387	0.23 168	0.28 165	0.26 182	0.20 131	0.15 135	0.24 155	1.33 377	0.32 175	0.16 139	6.75 439	0.23 150

ssnet	0.82 280	1.72 312	1.48 389	0.39 171	0.15 142	0.31 170	0.21 151	0.20 130	0.25 170	1.61 387	0.23 168	0.28 165	0.26 182	0.20 131	0.15 135	0.24 155	1.33 377	0.32 175	0.16 139	6.75 439	0.23 150

BUS	0.83 283	1.91 323	0.92 301	4.48 408	0.02 20	0.40 205	0.04 65	0.41 211	0.02 20	0.48 243	0.03 44	0.41 219	0.05 75	0.03 33	0.05 70	1.97 393	4.19 428	0.33 183	0.23 166	0.34 172	0.27 175

PDISCO_ROB	0.83 283	2.80 360	3.49 431	0.14 84	0.11 112	0.17 122	0.09 90	0.15 116	0.10 95	0.15 110	0.12 119	0.16 115	0.14 131	3.30 415	0.13 122	0.14 100	2.34 406	0.16 120	0.12 124	2.62 396	0.10 93

AIO-Stereo	0.84 285	0.66 178	0.70 275	0.83 257	0.67 304	0.98 313	0.82 310	1.14 314	0.72 304	1.03 317	0.74 313	1.03 322	1.09 322	0.99 316	0.45 257	1.04 306	0.73 282	0.95 318	0.74 308	0.94 292	0.46 253

DCRE	0.84 285	1.89 320	0.77 286	0.94 271	0.72 312	0.88 302	0.73 300	0.87 290	0.78 310	0.90 300	0.71 308	0.88 305	0.67 290	0.88 302	0.73 304	0.81 286	0.68 271	0.81 304	0.70 303	0.82 278	0.70 292

iGMRVC	0.84 285	2.85 361	0.72 279	0.72 247	0.73 313	0.77 291	0.79 305	0.73 280	0.74 309	0.73 287	0.72 310	0.73 291	0.76 300	0.73 288	0.73 304	0.72 278	0.73 282	0.73 292	0.72 307	0.73 266	0.72 296

GEStereo_RVC	0.86 288	4.45 390	0.20 141	0.27 141	0.20 159	0.27 163	0.20 146	0.26 154	0.18 146	5.03 442	0.20 159	0.27 164	0.19 154	0.27 168	0.21 156	0.20 132	0.19 145	0.19 136	4.02 444	0.20 132	0.18 141

Selective-RAFT-Error	0.88 289	0.84 192	0.98 306	0.86 261	0.97 333	0.88 302	0.95 320	0.84 289	0.99 330	0.92 304	0.82 320	0.84 303	0.98 313	0.87 301	0.97 322	0.81 286	0.83 294	0.79 299	0.82 317	0.79 271	0.85 311

IER	0.88 289	7.04 415	2.23 408	2.75 393	0.28 192	0.43 241	0.25 170	0.39 193	0.25 170	0.41 212	0.27 190	0.39 202	0.25 173	0.40 208	0.28 185	0.37 199	0.28 174	0.37 210	0.25 179	0.37 192	0.25 161

Selective-RAFT	0.89 291	0.89 197	0.72 279	1.16 300	0.78 317	1.06 321	0.82 310	0.87 290	0.97 328	1.00 312	0.91 324	0.90 308	1.00 314	0.89 304	0.93 320	0.83 289	0.83 294	0.82 306	0.82 317	0.81 277	0.82 309

AIO-Stereo-zeroshot	0.91 292	0.86 193	0.89 295	1.25 352	0.69 308	1.05 320	0.81 309	1.16 317	0.50 273	1.12 326	0.97 329	0.72 290	0.82 306	1.06 322	0.95 321	0.61 267	0.87 296	1.03 328	0.85 320	1.04 300	1.01 326

CFNet-RSSM	0.91 292	4.89 395	0.34 197	0.44 204	1.07 340	1.62 393	1.40 400	0.91 295	0.35 222	1.60 386	1.39 399	0.64 281	0.34 219	0.44 237	0.33 207	0.41 223	0.35 203	0.75 294	0.30 213	0.41 218	0.29 191

ToySt	0.92 294	2.11 334	0.90 298	0.95 273	0.79 318	0.99 314	0.78 304	0.94 302	0.81 317	0.94 308	0.78 316	0.95 315	0.77 301	0.94 310	0.86 314	0.91 295	0.79 288	0.85 308	0.77 310	0.89 284	0.73 298

DPSM_ROB	0.92 294	0.91 200	0.91 299	0.91 265	0.92 329	0.92 307	0.92 316	0.92 298	0.91 320	0.93 306	0.91 324	0.92 311	0.90 308	0.91 306	0.92 316	0.92 296	0.91 297	0.91 313	0.92 321	0.93 290	0.93 317

DPSM	0.92 294	0.91 200	0.91 299	0.91 265	0.92 329	0.92 307	0.92 316	0.92 298	0.91 320	0.93 306	0.91 324	0.92 311	0.90 308	0.91 306	0.92 316	0.92 296	0.91 297	0.91 313	0.92 321	0.93 290	0.93 317

pmcnn	0.92 294	0.92 205	0.92 301	0.92 268	0.92 329	0.92 307	0.92 316	0.92 298	0.92 324	0.92 304	0.92 327	0.92 311	0.92 310	0.92 309	0.92 316	0.92 296	0.92 299	0.92 315	0.92 321	0.92 289	0.92 316

error version	0.93 298	4.47 391	2.35 411	1.99 376	0.37 238	0.41 221	0.36 226	0.41 211	0.35 222	0.43 229	0.36 231	0.41 219	0.40 237	0.41 222	0.36 225	1.87 389	2.16 402	0.47 258	0.37 242	0.39 206	0.33 212

test_1	0.93 298	4.47 391	2.35 411	1.99 376	0.37 238	0.41 221	0.36 226	0.41 211	0.35 222	0.43 229	0.36 231	0.41 219	0.40 237	0.41 222	0.36 225	1.87 389	2.16 402	0.47 258	0.37 242	0.39 206	0.33 212

DGTPSM_ROB	0.93 298	1.00 215	0.92 301	0.94 271	0.96 332	0.91 306	0.92 316	0.91 295	0.96 327	0.91 302	0.96 328	0.93 314	0.92 310	0.94 310	0.92 316	0.92 296	0.92 299	0.90 311	0.92 321	0.94 292	0.91 315

HSM-Net_RVC	0.95 301	1.17 244	0.78 287	1.18 302	0.71 310	1.16 333	0.75 302	1.09 312	0.80 314	1.10 321	0.75 314	1.17 335	0.74 298	1.17 334	0.80 310	1.13 317	0.73 282	1.17 337	0.77 310	1.16 308	0.72 296
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRaftStereo_RVC	0.97 302	3.17 367	2.30 410	2.42 388	0.38 243	0.54 271	0.38 236	0.54 260	0.38 234	0.54 266	0.38 241	0.54 269	0.38 232	0.54 268	0.38 234	2.38 403	2.34 406	0.49 269	0.36 240	0.49 242	0.36 223

DPSimNet_ROB	0.97 302	1.18 246	0.81 293	1.10 288	0.91 328	1.02 319	0.82 310	1.04 310	0.91 320	1.03 317	0.86 321	1.28 385	0.82 306	1.03 321	0.89 315	1.17 319	0.81 293	1.02 327	0.82 317	1.08 302	0.81 308

test-3	0.98 304	4.13 386	1.85 403	1.85 368	0.61 294	0.69 286	0.37 231	0.63 271	0.61 285	0.66 281	0.51 283	0.73 291	0.44 254	0.57 274	0.54 278	1.68 384	1.81 400	0.40 227	0.43 265	0.66 256	0.50 267

DispNO	1.00 305	0.63 176	0.43 229	3.45 401	0.44 265	0.65 284	0.43 256	0.64 272	0.43 255	0.64 279	0.43 261	0.64 281	3.03 414	0.64 279	0.43 256	4.55 419	0.43 234	0.63 282	0.43 265	0.63 255	0.43 248

GANet	1.00 305	1.00 215	1.00 308	1.00 280	1.00 334	1.00 315	1.00 323	1.00 306	1.00 331	1.00 312	1.00 330	1.00 318	1.00 314	1.00 317	1.00 325	1.00 302	1.00 302	1.00 323	1.00 325	1.00 296	1.00 323

TDLM	1.00 305	1.00 215	1.00 308	1.00 280	1.00 334	1.00 315	1.00 323	1.00 306	1.00 331	1.00 312	1.00 330	1.00 318	1.00 314	1.00 317	1.00 325	1.00 302	1.00 302	1.00 323	1.00 325	1.00 296	1.00 323

CVANet_RVC	1.00 305	1.00 215	1.00 308	1.00 280	1.00 334	1.00 315	1.00 323	1.00 306	1.00 331	1.00 312	1.00 330	1.00 318	1.00 314	1.00 317	1.00 325	1.00 302	1.00 302	1.00 323	1.00 325	1.00 296	1.00 323

trnet	1.01 309	1.01 221	1.01 311	1.01 283	1.01 338	1.01 318	1.01 326	1.01 309	1.01 334	1.01 316	1.01 333	1.01 321	1.01 320	1.01 320	1.01 328	1.01 305	1.01 305	1.01 326	1.01 328	1.01 299	1.01 326

LL-Strereo	1.01 309	5.06 397	1.63 392	0.70 244	1.43 404	0.56 273	0.46 259	0.57 264	0.50 273	0.57 272	0.50 280	1.58 390	0.49 269	0.59 276	0.50 273	1.64 383	0.52 255	0.51 273	1.37 394	0.52 249	0.45 252

GLC_STEREO	1.07 311	1.01 221	1.06 312	1.07 286	1.05 339	1.06 321	1.08 329	1.08 311	1.05 336	1.07 319	1.06 334	1.08 324	1.05 321	1.06 322	1.10 330	1.07 308	1.09 313	1.05 329	1.05 329	1.06 301	1.12 333

FC-DCNN	1.07 311	1.09 236	0.98 306	0.89 262	0.52 283	1.41 390	0.91 315	1.21 370	1.24 394	1.96 394	2.05 419	1.91 394	1.30 387	1.27 384	1.08 329	0.80 283	0.60 262	0.58 279	0.41 258	0.68 258	0.54 271

hknet	1.10 313	1.85 319	3.49 431	4.48 408	0.02 20	0.42 237	0.06 85	0.41 211	0.02 20	0.48 243	0.03 44	0.41 219	0.03 44	0.42 234	0.03 39	4.39 417	4.19 428	0.33 183	0.23 166	0.34 172	0.27 175

test_xeample3	1.10 313	1.81 317	0.61 261	0.84 258	0.49 277	0.77 291	0.66 288	0.92 298	1.40 403	0.68 284	0.46 265	0.78 296	0.54 276	1.72 390	1.48 399	1.34 373	1.52 387	1.35 391	1.67 406	1.33 367	1.55 402

DISCO	1.11 315	0.39 128	5.28 441	0.39 171	0.20 159	0.39 204	0.27 180	0.39 193	0.22 158	0.38 190	0.20 159	0.38 198	0.20 158	6.95 451	0.22 158	0.30 173	0.21 149	0.27 163	0.21 158	5.25 432	0.21 146

Occ-G	1.12 316	0.52 167	3.72 434	3.50 402	0.50 280	0.56 273	0.47 264	0.54 260	0.46 258	0.54 266	0.41 252	0.54 269	0.42 252	0.52 267	0.42 254	3.42 411	4.02 427	0.52 275	0.45 267	0.51 248	0.44 251

AEACV	1.12 316	0.52 167	3.12 428	3.24 398	0.86 322	0.53 270	0.49 272	0.60 269	0.47 263	0.53 265	0.49 278	0.55 273	0.45 255	0.55 270	0.47 265	3.01 407	3.88 425	0.71 291	0.60 289	0.80 274	0.48 261

MSMD_ROB	1.19 318	1.10 239	0.70 275	1.10 288	0.60 290	1.10 326	0.70 295	1.10 313	0.70 300	1.10 321	0.70 305	1.10 328	0.70 293	7.00 452	0.70 302	1.10 311	0.70 276	1.10 330	0.70 303	1.10 303	0.70 292

DisPM	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

CrosDoStereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

PFNet+	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

LCNet	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

HHNet	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

Patchmatch Stereo++	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342
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	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

STrans-v2	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

TransformOpticalFlow	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

OMP-Stereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

IIG-Stereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

NF-Stereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

OCTAStereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

PSM-softLoss	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

KMStereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

NRIStereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

PSM-adaLoss	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

PSM-AAD	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

FTStereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

ROB_FTStereo_v2	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

ROB_FTStereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

Consistency-Raft	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

KYRaft	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

HUI-Stereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

ASMatch	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

DeepStereo_LL	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

DEmStereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

SST-Stereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

THIR-Stereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

RAFT_R40	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

DRaft	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

PFNet	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

GrayStereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

RE-Stereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

Pruner-Stereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

TVStereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

DeepStereo_RVC	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

RAFT-RH_RVC	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

IRAFT_RVC	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

RAFT-345	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

iRAFT	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

CRE-IMP	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

GMM-Stereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

RAFT-IKP	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

Prome-Stereo	1.20 319	1.20 248	1.20 325	1.20 304	1.20 350	1.20 334	1.20 340	1.20 325	1.20 346	1.20 332	1.20 343	1.20 337	1.20 334	1.20 336	1.20 342	1.20 321	1.20 326	1.20 341	1.20 341	1.20 317	1.20 342

HCRNet	1.22 364	7.11 416	3.00 416	3.55 403	0.33 222	0.29 166	0.14 127	0.19 126	0.15 141	0.33 174	0.29 198	0.25 154	0.14 131	0.22 144	0.33 207	3.64 412	3.00 409	0.76 296	0.32 222	0.18 127	0.13 126

HBP-ISP	1.24 365	1.72 312	1.65 393	1.15 295	0.76 315	1.40 389	0.88 313	1.67 387	1.02 335	1.69 391	1.38 398	1.69 392	1.21 380	1.87 391	1.21 387	1.05 307	0.79 288	0.97 321	0.80 314	1.19 316	0.75 302

AANet_RVC	1.26 366	0.31 111	4.99 439	5.93 430	0.20 159	0.25 153	0.20 146	0.25 150	0.20 154	0.23 143	0.19 156	0.25 154	0.20 158	0.25 156	0.20 154	5.66 438	4.76 431	0.26 159	0.30 213	0.24 146	0.27 175

11t	1.27 367	2.70 355	1.34 378	1.32 355	0.89 324	1.30 385	1.34 392	1.64 384	0.57 281	1.45 384	0.72 310	1.05 323	1.29 386	1.07 325	1.29 392	1.49 378	1.02 306	0.97 321	1.15 334	1.48 371	1.31 393

MaskLacGwcNet_RVC	1.35 368	1.35 303	1.35 380	1.35 357	1.35 399	1.35 386	1.35 393	1.36 379	1.35 399	1.36 382	1.35 395	1.36 386	1.36 389	1.36 385	1.35 394	1.35 374	1.35 380	1.35 391	1.35 391	1.35 368	1.35 396

CC-Net-ROB	1.36 369	1.33 302	1.33 377	1.36 358	1.38 402	1.36 387	1.33 391	1.37 380	1.34 397	1.35 381	1.36 396	1.38 387	1.34 388	1.38 386	1.38 396	1.35 374	1.38 383	1.33 390	1.35 391	1.43 370	1.34 395

CFNet	1.37 370	5.27 401	0.19 138	5.49 427	0.19 157	0.28 164	0.19 143	0.28 157	0.19 152	0.28 161	0.19 156	0.28 165	4.35 438	0.28 170	0.19 151	0.23 150	0.17 139	0.23 150	4.21 446	4.81 425	0.17 137

PS-NSSS	1.38 371	1.39 305	1.34 378	1.34 356	1.35 399	1.38 388	1.37 399	1.35 378	1.38 402	1.34 380	1.34 394	1.39 388	1.38 391	1.70 389	1.40 397	1.36 376	1.36 381	1.36 393	1.37 394	1.37 369	1.36 397

RASNet	1.49 372	1.65 310	1.45 388	1.38 360	1.43 404	1.47 391	1.36 394	1.38 381	1.36 400	1.39 383	1.60 405	1.45 389	1.45 393	1.51 387	2.21 414	1.53 381	1.36 381	1.36 393	1.36 393	1.66 376	1.36 397

GANetREF_RVC	1.55 373	1.94 329	1.22 372	1.88 369	1.21 396	1.88 397	1.22 386	1.88 388	1.22 392	1.88 392	1.22 389	1.88 393	1.22 381	1.89 392	1.22 388	1.87 389	1.22 373	1.88 400	1.22 387	1.88 380	1.22 388
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SPS-STEREO	1.59 374	1.91 323	1.21 371	1.94 372	1.20 350	2.00 399	1.23 387	1.99 391	1.24 394	2.00 396	1.25 392	2.03 397	1.26 383	2.00 395	1.29 392	1.90 392	1.18 325	1.89 401	1.21 386	1.89 381	1.20 342
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.60 375	1.59 309	1.70 395	1.59 363	1.59 406	1.61 392	1.61 403	1.60 382	1.60 405	1.62 390	1.59 404	1.60 391	1.60 395	1.60 388	1.59 401	1.59 382	1.60 389	1.59 398	1.59 403	1.59 375	1.59 403

ff7	1.68 376	2.68 352	1.35 380	0.97 277	0.89 324	1.84 394	2.15 412	2.12 392	1.80 411	2.05 398	1.56 401	2.33 403	2.12 405	2.23 400	2.25 415	1.31 370	1.07 307	1.48 395	1.41 396	0.90 286	1.04 328

ffff	1.68 376	2.68 352	1.35 380	0.97 277	0.89 324	1.84 394	2.15 412	2.12 392	1.80 411	2.05 398	1.56 401	2.33 403	2.12 405	2.23 400	2.25 415	1.31 370	1.07 307	1.48 395	1.41 396	0.90 286	1.04 328

ccc-4	1.68 376	2.68 352	1.35 380	0.97 277	0.89 324	1.84 394	2.15 412	2.12 392	1.80 411	2.05 398	1.56 401	2.33 403	2.12 405	2.23 400	2.25 415	1.31 370	1.07 307	1.48 395	1.41 396	0.90 286	1.04 328

MC-Stereo	1.76 379	2.96 362	1.37 385	2.14 378	1.37 401	2.14 401	1.36 394	2.14 395	1.37 401	2.14 401	1.37 397	2.14 398	1.37 390	2.14 399	1.37 395	1.97 393	1.32 374	1.97 402	1.32 390	1.98 382	1.33 394

IGEVStereo-DCA	1.77 380	4.21 388	1.84 401	2.49 390	2.11 418	2.54 409	1.36 394	1.65 385	1.17 343	2.75 410	1.90 413	2.54 409	1.15 327	0.94 310	1.11 331	1.50 379	1.32 374	0.96 319	1.46 400	1.49 372	0.88 312

rrr	1.77 380	4.21 388	1.84 401	2.49 390	2.11 418	2.54 409	1.36 394	1.65 385	1.17 343	2.75 410	1.90 413	2.54 409	1.15 327	0.94 310	1.11 331	1.50 379	1.32 374	0.96 319	1.46 400	1.49 372	0.88 312

MFMNet_re	1.81 382	1.91 323	1.71 396	1.95 373	1.70 409	1.95 398	1.70 406	1.96 390	1.74 408	1.97 395	1.72 408	1.95 395	1.71 398	1.97 394	1.71 407	1.86 388	1.62 390	1.85 399	1.66 405	1.86 379	1.64 404

plain	1.88 383	3.16 366	0.64 265	3.10 396	0.65 300	3.10 414	0.64 285	3.12 412	0.65 290	3.10 413	0.65 297	3.11 413	0.65 285	3.12 412	0.65 288	3.12 408	0.65 269	3.13 413	0.65 293	3.13 399	0.65 286

RAFT_CTSACE	1.92 384	3.71 376	1.72 397	1.88 369	1.72 410	2.04 400	1.42 402	2.18 396	1.89 417	2.02 397	1.97 415	1.95 395	2.06 404	1.93 393	1.62 402	1.76 385	1.66 393	2.02 403	1.73 412	1.73 377	1.43 401

TRStereo	2.00 385	2.13 335	1.85 403	2.27 383	1.84 413	2.28 403	1.84 409	2.29 398	1.86 414	2.30 403	1.87 410	2.30 400	1.87 401	2.08 396	1.72 409	2.08 397	1.72 395	2.08 404	1.72 409	2.08 383	1.72 407

XX-Stereo	2.00 385	2.13 335	1.85 403	2.27 383	1.84 413	2.28 403	1.84 409	2.29 398	1.86 414	2.30 403	1.87 410	2.30 400	1.87 401	2.08 396	1.72 409	2.08 397	1.72 395	2.08 404	1.72 409	2.08 383	1.72 407

EAI-Stereo	2.00 385	2.13 335	1.85 403	2.27 383	1.84 413	2.28 403	1.84 409	2.29 398	1.86 414	2.30 403	1.87 410	2.30 400	1.87 401	2.08 396	1.72 409	2.08 397	1.72 395	2.08 404	1.72 409	2.08 383	1.72 407

UniTT-Stereo	2.03 388	3.43 371	0.72 279	3.42 400	0.73 313	3.27 417	0.68 292	3.38 416	0.69 297	3.29 416	0.72 310	3.28 416	0.70 293	3.35 417	0.68 295	3.39 410	0.68 271	3.31 415	0.69 301	3.37 400	0.73 298

sCroCo_RVC	2.10 389	2.76 356	1.92 407	2.78 394	1.39 403	2.73 411	1.41 401	2.73 406	1.40 403	2.77 412	1.41 400	2.74 411	1.40 392	2.74 410	1.40 397	2.72 405	1.42 384	2.72 411	1.44 399	2.79 397	1.42 400

MoCha-V2	2.11 390	26.97 458	0.78 287	0.92 268	0.77 316	0.96 312	0.72 299	0.90 293	0.72 304	0.94 308	0.70 305	0.90 308	0.71 297	0.91 306	0.71 303	0.85 292	0.71 280	0.88 310	0.69 301	0.87 282	0.67 289

FBW_ROB	2.12 391	2.46 347	1.77 399	2.49 390	1.79 412	2.38 407	1.83 408	2.46 403	1.78 410	2.48 407	1.97 415	2.40 407	1.78 399	2.42 406	1.83 413	2.31 401	1.85 401	2.38 409	1.82 414	2.35 390	1.84 411

RAStereo	2.23 392	3.64 373	0.76 285	3.65 405	0.86 322	3.66 421	0.76 303	3.67 420	0.81 317	3.66 417	0.76 315	3.66 418	0.77 301	3.68 419	0.77 307	3.68 413	0.77 287	3.69 420	0.77 310	3.70 402	0.77 304

UDGNet	2.23 392	5.40 405	1.72 397	2.48 389	1.69 408	2.51 408	1.69 405	2.51 404	1.72 407	2.50 408	1.69 407	2.52 408	1.69 397	2.50 407	1.68 406	2.41 404	1.70 394	2.42 410	1.69 408	2.42 391	1.64 404

NCCL2	2.28 394	2.27 343	2.28 409	2.28 386	2.28 420	2.27 402	2.29 415	2.28 397	2.28 418	2.27 402	2.28 420	2.28 399	2.27 408	2.27 403	2.28 419	2.28 400	2.28 405	2.27 407	2.29 418	2.27 387	2.29 414

Abc-Net	2.32 395	24.75 450	1.14 316	1.17 301	1.17 347	1.11 329	1.15 334	1.17 319	1.21 391	1.08 320	1.16 338	1.12 332	1.14 326	1.09 326	1.17 339	1.09 309	1.16 322	1.17 337	1.17 337	1.16 308	1.11 331
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 396	25.00 451	1.13 315	1.15 295	1.15 342	1.10 326	1.15 334	1.15 315	1.15 338	1.12 326	1.15 335	1.09 326	1.13 324	1.10 328	1.15 335	1.11 316	1.09 313	1.16 333	1.12 332	1.16 308	1.17 339

stereogan	2.33 396	24.38 449	1.18 321	1.18 302	1.18 349	1.14 331	1.18 338	1.19 322	1.19 345	1.14 329	1.18 342	1.14 333	1.18 332	1.14 332	1.18 340	1.14 318	1.14 320	1.19 340	1.19 338	1.15 306	1.19 341

RGC	2.36 398	25.48 452	1.19 322	1.15 295	1.15 342	1.10 326	1.16 336	1.17 319	1.16 339	1.12 326	1.16 338	1.11 331	1.13 324	1.09 326	1.18 340	1.10 311	1.15 321	1.16 333	1.12 332	1.14 305	1.12 333

NCC-stereo	2.36 398	25.52 453	1.17 319	1.15 295	1.17 347	1.11 329	1.11 330	1.15 315	1.16 339	1.10 321	1.16 338	1.10 328	1.15 327	1.14 332	1.13 333	1.09 309	1.11 317	1.15 332	1.16 336	1.17 313	1.17 339

AF-Net	2.37 400	25.71 454	1.17 319	1.13 292	1.15 342	1.15 332	1.18 338	1.19 322	1.16 339	1.10 321	1.15 335	1.10 328	1.18 332	1.12 331	1.15 335	1.10 311	1.10 316	1.17 337	1.15 334	1.16 308	1.12 333

Nwc_Net	2.37 400	25.95 455	1.15 318	1.14 293	1.15 342	1.08 324	1.14 333	1.17 319	1.16 339	1.14 329	1.15 335	1.08 324	1.15 327	1.11 330	1.14 334	1.10 311	1.11 317	1.16 333	1.09 331	1.16 308	1.15 338

CFNet_RVC	2.38 402	8.71 427	0.38 207	9.33 446	0.42 263	0.56 273	0.42 254	0.60 269	0.38 234	0.62 277	0.42 259	0.56 276	7.29 450	0.62 277	0.42 254	0.53 259	0.37 207	0.49 269	0.34 230	8.30 446	6.87 453

edge stereo	2.43 403	27.07 459	1.14 316	1.06 285	1.14 341	1.08 324	1.17 337	1.16 317	1.14 337	1.10 321	1.16 338	1.09 326	1.16 331	1.10 328	1.16 338	1.10 311	1.11 317	1.16 333	1.19 338	1.13 304	1.11 331

FAT-Stereo	2.46 404	26.05 456	1.23 374	1.23 351	1.22 397	1.20 334	1.24 388	1.23 373	1.23 393	1.19 331	1.22 389	1.21 382	1.24 382	1.20 336	1.24 389	1.21 366	1.17 324	1.22 387	1.25 388	1.20 317	1.24 390

S-Stereo	2.51 405	26.86 457	1.23 374	1.22 349	1.22 397	1.24 382	1.25 389	1.22 371	1.24 394	1.21 377	1.24 391	1.19 336	1.27 384	1.19 335	1.24 389	1.19 320	1.20 326	1.25 388	1.19 338	1.24 365	1.23 389

Anonymous3	2.55 406	3.26 369	1.65 393	3.28 399	1.63 407	3.24 416	1.68 404	3.27 414	1.66 406	3.28 415	1.67 406	3.25 415	1.66 396	3.27 414	1.64 403	3.26 409	1.65 392	3.30 414	1.65 404	4.95 428	1.65 406

MIF-Stereo (partial)	2.58 407	3.31 370	0.66 269	3.18 397	0.66 303	3.18 415	0.66 288	3.21 413	0.67 293	3.19 414	0.66 299	3.19 414	0.66 288	3.31 416	0.68 295	5.09 434	1.79 399	8.23 453	1.67 406	6.18 437	1.38 399

MSMDNet	2.65 408	10.14 438	0.33 190	9.74 449	0.32 213	0.87 301	0.33 208	2.95 411	0.68 294	0.49 248	0.34 221	0.49 252	5.70 445	0.49 256	0.33 207	0.42 236	9.57 450	0.41 238	0.31 218	8.36 447	0.65 286

pcwnet_v2	2.66 409	9.89 436	0.33 190	9.89 450	0.32 213	0.50 264	0.32 201	0.49 244	0.33 212	0.49 248	0.34 221	0.49 252	8.76 452	0.48 250	0.33 207	0.41 223	9.58 451	0.40 227	0.29 205	9.01 450	0.63 284

CFNet_pseudo	2.67 410	9.36 432	0.32 185	10.99 455	0.33 222	0.85 299	0.33 208	0.49 244	0.33 212	0.49 248	0.32 212	0.49 252	7.26 449	0.49 256	0.33 207	0.41 223	9.62 452	0.41 238	0.29 205	10.03 454	0.29 191

CFNet_ucs	2.73 411	9.64 434	0.33 190	9.92 451	0.32 213	0.49 256	0.33 208	0.49 244	0.33 212	0.49 248	0.33 215	0.49 252	8.98 453	0.48 250	0.33 207	0.41 223	9.96 455	0.40 227	0.29 205	10.12 455	0.54 271

UCFNet_RVC	2.75 412	10.06 437	0.29 171	10.31 454	0.29 198	0.42 237	0.29 191	0.43 230	0.29 194	0.42 223	0.29 198	0.42 235	9.87 455	0.43 235	0.29 192	0.36 195	9.84 454	0.36 208	0.26 186	9.77 453	0.26 167

ccs_rob	2.79 413	10.17 439	0.32 185	10.00 452	0.33 222	0.49 256	0.33 208	1.90 389	0.32 209	0.51 261	0.33 215	0.49 252	9.24 454	0.49 256	0.33 207	0.41 223	9.82 453	0.41 238	0.28 196	9.34 451	0.29 191

PCWNet_CMD	2.80 414	9.82 435	0.32 185	10.09 453	0.32 213	0.49 256	0.33 208	3.34 415	0.33 212	0.49 248	0.33 215	0.49 252	8.73 451	0.48 250	0.33 207	0.41 223	9.22 449	0.42 247	0.29 205	9.55 452	0.31 205

StereoVision	3.15 415	5.00 396	0.89 295	4.83 423	1.00 334	3.93 422	1.27 390	6.37 446	1.34 397	5.67 446	1.26 393	5.84 447	1.27 384	5.03 444	1.24 389	5.10 435	1.09 313	4.61 432	0.57 286	5.62 435	1.12 333

MaDis-Stereo	3.19 416	6.02 414	1.12 314	5.61 429	1.16 346	5.43 446	1.02 327	5.15 445	0.70 300	5.43 443	1.21 388	5.03 445	0.97 312	4.85 440	0.99 324	4.53 418	1.16 322	5.53 445	1.25 388	5.37 433	1.30 392

sAnonymous2	3.31 417	2.63 350	1.38 386	3.71 406	1.86 416	4.70 440	1.11 330	4.82 441	2.72 421	5.45 444	1.98 417	4.59 432	2.64 410	2.65 408	6.21 450	4.37 415	1.08 311	5.16 443	2.24 416	4.52 413	2.39 419

CroCo_RVC	3.31 417	2.63 350	1.38 386	3.71 406	1.86 416	4.70 440	1.11 330	4.82 441	2.72 421	5.45 444	1.98 417	4.59 432	2.64 410	2.65 408	6.21 450	4.37 415	1.08 311	5.16 443	2.24 416	4.52 413	2.39 419

DPSNet	3.66 419	3.60 372	3.62 433	3.63 404	3.64 441	3.65 420	3.65 440	3.66 419	3.67 438	3.67 418	3.65 439	3.67 419	3.66 429	3.66 418	3.68 436	3.68 413	3.66 423	3.67 419	3.68 439	3.67 401	3.67 438

STTStereo	3.73 420	30.40 463	2.37 413	2.39 387	2.31 422	2.35 406	2.33 416	2.29 398	2.42 419	2.32 406	2.34 421	2.33 403	2.36 409	2.30 404	2.27 418	2.35 402	2.22 404	2.31 408	2.22 415	2.29 389	2.34 418

rvit_105_1	3.83 421	5.22 399	3.01 417	4.53 411	3.01 425	4.51 428	3.01 423	4.56 429	3.04 424	4.53 428	3.03 425	4.55 430	3.03 414	4.56 429	3.04 421	4.57 420	3.05 410	4.57 427	3.05 422	4.57 415	3.05 423

rvit_stereo_0081	3.83 421	5.23 400	3.01 417	4.53 411	3.03 427	4.55 434	3.02 424	4.56 429	3.04 424	4.52 426	3.02 423	4.54 428	3.03 414	4.56 429	3.04 421	4.57 420	3.05 410	4.57 427	3.05 422	4.58 416	3.05 423

rvit_stereo_0081_aga	3.86 423	5.33 403	3.02 420	4.55 417	3.04 431	4.54 430	3.02 424	4.64 436	3.06 428	4.54 430	3.04 427	4.62 437	3.08 421	4.62 435	3.07 426	4.58 423	3.06 414	4.60 431	3.08 426	4.63 419	3.07 427

rvit_stereo_0082	3.86 423	5.82 412	3.01 417	4.53 411	3.03 427	4.54 430	3.02 424	4.56 429	3.04 424	4.53 428	3.02 423	4.55 430	3.04 417	4.57 432	3.05 423	4.57 420	3.05 410	4.58 429	3.05 422	4.58 416	3.06 426

rvit_0105_6	3.87 425	5.73 411	3.10 427	4.69 421	3.12 435	4.54 430	3.02 424	4.56 429	3.04 424	4.54 430	3.03 425	4.54 428	3.04 417	4.56 429	3.05 423	4.58 423	3.05 410	4.58 429	3.05 422	4.58 416	3.05 423

rvit_stereo_0080	3.89 426	5.70 409	3.04 422	4.54 414	3.03 427	4.56 435	3.05 430	4.60 433	3.07 429	4.58 433	3.06 428	4.59 432	3.06 419	4.61 433	3.08 427	4.63 425	3.09 415	4.64 433	3.10 427	4.65 420	3.10 428

whm_eth	3.89 426	5.70 409	3.04 422	4.54 414	3.03 427	4.56 435	3.05 430	4.60 433	3.07 429	4.58 433	3.06 428	4.59 432	3.06 419	4.61 433	3.08 427	4.63 425	3.09 415	4.64 433	3.10 427	4.65 420	3.10 428

rvit_0105_4	3.91 428	5.47 408	3.02 420	4.54 414	3.02 426	4.54 430	3.03 428	4.75 439	3.17 435	4.57 432	3.06 428	4.61 436	3.16 425	4.65 436	3.09 429	4.66 427	3.11 417	4.68 436	3.18 432	4.81 425	3.16 432

rvit_0105_3	3.91 428	5.33 403	3.06 425	4.60 419	3.07 433	4.60 437	3.06 432	4.62 435	3.08 432	4.60 435	3.07 431	4.62 437	3.08 421	4.67 437	3.10 430	4.70 428	3.11 417	4.77 438	3.19 433	4.77 424	3.14 431

rvit_stereo_0083	3.92 430	5.30 402	3.06 425	4.61 420	3.09 434	4.67 439	3.08 433	4.66 437	3.09 433	4.62 436	3.10 433	4.66 440	3.11 423	4.67 437	3.16 432	4.72 430	3.16 420	4.77 438	3.11 429	4.66 422	3.11 430

rvit_stereo_ft	3.93 431	5.44 407	3.05 424	4.59 418	3.06 432	4.61 438	3.08 433	4.67 438	3.12 434	4.63 437	3.10 433	4.65 439	3.11 423	4.69 439	3.13 431	4.70 428	3.14 419	4.71 437	3.15 431	4.74 423	3.16 432

rvit_0105_5	4.10 432	5.40 405	3.13 430	4.71 422	3.15 436	4.72 442	3.10 435	4.90 443	3.27 436	4.69 438	3.16 435	4.84 442	3.25 426	4.96 441	3.34 434	5.05 433	3.39 422	5.10 442	3.40 434	5.11 430	3.42 435

RAFT+CT+SA	4.28 433	7.62 420	4.91 438	5.55 428	2.28 420	3.09 413	3.64 439	4.49 427	3.07 429	4.80 439	3.35 436	4.77 441	3.70 430	4.29 426	3.05 423	5.58 437	5.98 438	3.58 418	3.78 441	4.26 409	3.72 439

SA	4.33 434	7.35 417	6.85 449	5.96 431	4.09 445	3.59 419	3.15 436	3.82 421	2.64 420	3.91 419	3.85 440	3.57 417	2.72 412	3.13 413	4.03 441	7.09 448	6.86 443	3.57 417	3.12 430	3.85 403	3.51 437

Sa-1000	4.34 435	8.37 423	6.84 448	6.98 438	4.45 448	3.58 418	3.00 422	3.42 417	3.39 437	2.61 409	4.00 443	3.83 421	4.01 436	3.90 421	3.90 439	5.98 441	5.62 436	3.76 421	2.34 419	4.35 411	2.47 421

TestStereo1	4.60 436	8.41 424	6.44 446	6.86 436	3.79 442	3.97 423	3.78 441	3.99 423	3.74 439	3.97 420	3.52 437	3.94 422	3.58 427	3.98 422	3.72 437	6.82 445	6.50 441	3.76 421	3.66 437	3.90 404	3.74 441

SA-5K	4.60 436	8.41 424	6.44 446	6.86 436	3.79 442	3.97 423	3.78 441	3.99 423	3.74 439	3.97 420	3.52 437	3.94 422	3.58 427	3.98 422	3.72 437	6.82 445	6.50 441	3.76 421	3.66 437	3.90 404	3.74 441

DispFullNet	4.61 438	4.84 394	3.12 428	5.00 425	3.57 440	4.75 443	3.03 428	7.75 452	4.17 445	4.91 441	3.09 432	6.20 448	3.95 434	6.71 448	3.51 435	5.30 436	3.67 424	5.86 449	3.63 436	5.61 434	3.46 436

test_5	4.62 439	7.55 419	6.23 444	6.32 433	3.40 439	5.29 445	3.50 438	3.53 418	4.11 444	4.28 423	4.47 447	4.26 426	4.38 439	3.68 419	3.24 433	5.89 439	5.60 435	4.84 440	3.50 435	4.33 410	3.93 445

raft_robust	4.71 440	7.75 421	5.40 443	6.81 435	3.31 437	4.28 427	4.20 446	4.32 426	4.37 447	4.35 425	4.35 446	4.14 424	3.75 431	4.30 427	4.20 444	6.67 444	6.37 439	3.36 416	4.24 447	4.86 427	3.25 434

cross-raft	4.83 441	7.52 418	6.43 445	6.63 434	3.96 444	4.51 428	3.99 444	4.49 427	3.96 443	4.52 426	3.96 442	4.50 427	3.97 435	4.50 428	3.97 440	6.65 443	6.44 440	4.33 424	3.92 443	4.35 411	3.91 444

test_4	4.88 442	8.13 422	6.98 450	7.46 439	4.44 447	4.25 426	3.85 443	4.04 425	3.92 442	4.13 422	3.91 441	4.18 425	3.84 432	4.14 424	4.06 442	7.01 447	7.13 444	4.53 425	3.72 440	4.09 407	3.72 439

TestStereo	4.88 442	4.75 393	4.79 437	4.87 424	4.92 449	4.81 444	4.90 449	4.78 440	4.77 448	4.87 440	4.89 448	4.90 443	4.91 441	4.99 442	4.79 446	4.98 431	4.87 432	4.87 441	4.92 449	5.00 429	5.00 448

test_3	5.01 444	8.86 429	7.77 452	8.09 441	2.76 424	4.13 425	4.05 445	3.88 422	3.76 441	4.33 424	4.13 444	3.71 420	3.91 433	4.21 425	4.06 442	7.93 449	7.69 446	4.53 425	3.91 442	4.17 408	4.29 447

NLCA_NET_v2_RVC	5.04 445	50.87 470	2.78 415	2.87 395	2.71 423	2.78 412	0.47 264	2.88 410	2.86 423	1.89 393	2.67 422	2.79 412	2.79 413	2.78 411	2.83 420	2.82 406	2.82 408	2.83 412	2.77 421	2.83 398	2.76 422
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
FC-DCNN v2	5.10 446	5.15 398	4.49 436	5.07 426	3.37 438	6.87 449	4.75 448	5.04 444	6.34 452	7.84 452	5.06 449	6.72 452	4.09 437	4.99 442	5.44 449	5.03 432	3.16 420	4.67 435	4.86 448	5.15 431	3.89 443

U	5.15 447	8.49 426	1.81 400	8.49 443	1.77 411	8.49 454	1.77 407	8.51 454	1.77 409	8.49 454	1.77 409	8.50 454	1.78 399	8.58 454	1.77 412	8.54 452	1.78 398	8.55 454	1.78 413	8.55 448	1.84 411

SGM-Forest	5.21 448	5.92 413	4.08 435	6.18 432	4.16 446	6.31 448	4.34 447	6.50 447	4.33 446	6.14 448	4.21 445	6.61 451	4.55 440	6.67 447	4.48 445	5.94 440	3.94 426	5.85 448	4.03 445	5.79 436	4.17 446
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-1	6.46 449	9.16 431	8.03 455	8.09 441	5.62 452	6.11 447	6.35 452	6.85 449	4.94 449	6.08 447	6.29 454	4.98 444	6.43 446	6.22 445	6.36 452	6.16 442	7.47 445	5.82 447	5.44 452	7.11 442	5.68 451

rvit_stereo_0075_2	6.64 450	8.80 428	5.25 440	7.89 440	5.27 451	7.90 453	5.27 450	7.92 453	5.28 450	7.91 453	5.29 451	7.93 453	5.27 442	7.92 453	5.28 447	7.93 449	5.28 434	7.93 452	5.29 451	7.93 445	5.28 450

RAFT	6.73 451	9.36 432	7.40 451	8.51 444	6.55 453	6.88 450	6.60 453	6.79 448	6.60 453	6.80 449	6.72 455	5.31 446	5.50 444	6.61 446	6.61 453	8.42 451	5.89 437	5.73 446	5.45 453	6.61 438	6.24 452

SGM+DAISY	7.06 452	9.15 430	5.38 442	8.84 445	5.18 450	8.80 455	5.31 451	8.79 455	5.28 450	8.89 455	5.20 450	8.93 455	5.33 443	8.95 455	5.36 448	8.70 453	5.21 433	8.74 455	5.20 450	8.89 449	5.15 449

test-v	7.53 453	11.89 440	7.98 453	9.36 447	7.14 454	7.06 451	7.09 454	7.37 450	6.91 454	7.29 450	5.71 452	6.45 449	6.93 447	6.73 449	7.27 454	8.93 454	7.85 447	6.98 450	6.80 454	7.56 443	7.34 454

test-2	7.53 453	11.89 440	7.98 453	9.36 447	7.14 454	7.06 451	7.09 454	7.37 450	6.91 454	7.29 450	5.71 452	6.45 449	6.93 447	6.73 449	7.27 454	8.93 454	7.85 447	6.98 450	6.80 454	7.56 443	7.34 454

PA-Net	11.80 455	223.51 477	0.62 262	0.59 234	0.71 310	0.59 279	0.73 300	0.67 275	0.73 307	0.55 269	0.61 291	0.60 280	0.74 298	0.63 278	0.73 304	0.66 270	0.60 262	0.69 288	0.66 295	0.72 263	0.65 286
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANE	19.05 456	23.00 448	15.00 456	23.00 462	15.00 456	24.00 462	16.00 456	24.00 462	16.00 456	22.00 462	15.00 456	23.00 462	16.00 456	23.00 462	15.00 456	22.00 462	15.00 456	22.00 462	15.00 456	22.00 462	15.00 456

rafts_anoy	20.00 457	20.00 442	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457

raft+_RVC	20.00 457	20.00 442	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457

raftrobust	20.00 457	20.00 442	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457

CasAABBNet	20.00 457	20.00 442	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457

RALCasStereoNet	20.00 457	20.00 442	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457

RALAANet	20.00 457	20.00 442	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457	20.00 456	20.00 457

111	30.40 463	30.94 464	29.72 464	32.61 463	30.02 464	33.57 463	30.47 464	31.50 463	29.39 464	30.98 463	29.11 464	29.78 463	30.39 467	29.45 463	30.76 467	30.08 463	29.02 464	29.92 463	30.32 467	29.86 463	30.17 464

WCMA_ROB	31.10 464	35.43 468	27.12 463	39.51 471	23.10 463	38.78 471	25.30 463	37.49 471	25.39 463	37.29 470	27.02 463	38.52 471	26.48 463	37.80 470	26.44 463	36.28 470	22.65 463	33.90 467	22.30 463	37.10 468	24.18 463

DCANet-4	35.22 465	34.54 465	35.08 470	33.58 467	35.47 471	34.55 464	35.53 471	36.08 469	35.85 468	35.92 469	35.77 470	35.18 469	35.48 469	35.39 469	37.15 470	34.55 469	33.92 468	35.02 470	34.90 469	35.79 467	34.74 471

ADStereo(finetuned)	36.13 466	36.63 469	38.07 471	36.97 468	33.25 468	35.91 468	34.45 468	36.36 470	32.99 465	38.14 471	36.71 471	36.69 470	34.13 468	38.57 471	40.79 471	37.60 471	36.58 471	35.90 471	33.36 468	35.42 466	34.04 468

MDST_ROB	69.83 467	87.70 471	41.95 472	113.75 474	65.62 474	75.05 472	55.25 473	75.64 473	45.04 469	71.61 472	41.75 472	72.81 472	44.06 470	68.38 472	44.63 472	101.89 474	59.57 474	107.10 474	61.05 474	104.38 471	59.38 474

NOSS_ROB	102.95 468	153.00 475	121.00 475	51.00 472	44.00 472	165.00 475	127.00 474	153.00 474	119.00 471	164.00 475	125.00 474	168.00 475	120.00 472	153.00 474	117.00 474	49.00 472	44.00 472	49.00 472	44.00 472	49.00 469	44.00 472

CBMV	128.50 469	1422.70 482	53.10 473	79.50 473	51.30 473	77.30 473	49.70 472	74.00 472	48.20 470	77.20 473	48.80 473	73.90 473	48.00 471	73.80 473	48.80 473	70.40 473	45.10 473	68.90 473	46.10 473	68.20 470	45.00 473
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 470	171.00 476	160.68 478	162.58 475	160.59 475	164.01 474	160.35 475	158.51 475	158.56 472	158.34 474	160.12 475	158.56 474	159.92 473	157.26 475	158.94 475	154.38 475	158.36 475	155.75 475	159.13 476	153.67 472	154.07 475
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
AE-Stereo	201.80 471	123.00 472	115.00 474	219.00 476	218.00 477	223.00 476	244.00 477	217.00 476	236.00 474	202.00 476	203.00 476	205.00 476	208.00 474	225.00 476	204.00 476	210.00 476	198.00 476	197.00 476	184.00 477	204.00 473	201.00 476

MGS-Stereo	239.45 472	123.00 472	135.00 476	266.00 477	286.00 478	277.00 477	305.00 478	271.00 477	242.00 475	274.00 477	279.00 478	255.00 477	270.00 476	268.00 477	297.00 478	221.00 477	247.00 478	216.00 477	123.00 475	217.00 474	217.00 478

EGLCR-Stereo	246.90 473	129.00 474	139.00 477	266.00 477	286.00 478	277.00 477	305.00 478	271.00 477	242.00 475	274.00 477	279.00 478	255.00 477	270.00 476	268.00 477	297.00 478	230.00 478	247.00 478	216.00 477	223.00 479	237.00 475	227.00 479

DLCB_ROB	284.23 474	354.61 478	207.27 479	363.24 479	206.46 476	364.72 479	210.41 476	364.72 479	210.41 473	364.81 479	208.64 477	364.81 479	208.64 475	364.72 479	210.41 477	354.70 479	205.53 477	354.70 479	205.53 478	354.70 476	205.53 477

LE_ROB	396.57 475	471.28 479	329.84 480	471.48 480	308.15 480	526.83 480	322.10 480	488.15 480	323.76 477	495.46 480	317.97 480	497.17 480	320.10 478	481.62 480	326.76 480	462.71 480	298.97 480	466.16 480	285.98 480	447.62 477	289.21 480

SGM-ForestM	596.69 476	677.77 480	444.52 481	699.85 481	517.25 481	732.94 481	488.29 481	770.79 481	460.11 478	750.81 481	487.98 481	792.79 481	499.41 479	730.90 481	475.81 481	720.03 481	491.16 481	663.96 481	418.60 481	674.76 478	436.05 481

CBMV_ROB	818.48 477	913.88 481	709.52 482	862.84 482	597.78 482	1073.99 482	700.52 482	1015.66 482	702.59 479	1115.65 482	760.02 482	1130.24 482	721.57 480	1037.41 482	692.65 482	814.05 482	564.29 482	843.28 482	595.31 482	915.51 479	602.92 482

tt	500032.53 478	34.60 466	29.72 464	37.47 469	34.41 469	36.85 469	35.22 469	34.71 467	33.55 466	34.50 464	35.43 468	33.81 467	10000000.00 481	33.57 467	33.13 468	33.68 467	35.00 469	34.03 468	35.26 470	30.96 464	34.63 469

DCANet	500032.53 478	34.60 466	29.72 464	37.47 469	34.41 469	36.85 469	35.22 469	34.71 467	33.55 466	34.50 464	35.43 468	33.81 467	10000000.00 481	33.57 467	33.13 468	33.68 467	35.00 469	34.03 468	35.26 470	30.96 464	34.63 469

fff	1000028.16 480	29.62 460	29.72 464	32.61 463	30.02 464	35.13 465	31.83 465	32.07 464	10000000.00 480	35.27 466	29.82 465	32.45 464	30.15 464	32.35 464	30.09 464	31.04 464	29.55 465	30.64 464	30.14 464	10000000.00 480	30.77 465

csc	1000028.16 480	29.62 460	29.72 464	32.61 463	30.02 464	35.13 465	31.83 465	32.07 464	10000000.00 480	35.27 466	29.82 465	32.45 464	30.15 464	32.35 464	30.09 464	31.04 464	29.55 465	30.64 464	30.14 464	10000000.00 480	30.77 465

cscssc	1000028.16 480	29.62 460	29.72 464	32.61 463	30.02 464	35.13 465	31.83 465	32.07 464	10000000.00 480	35.27 466	29.82 465	32.45 464	30.15 464	32.35 464	30.09 464	31.04 464	29.55 465	30.64 464	30.14 464	10000000.00 480	30.77 465

IGEV-Stereo++	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 481	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483

IGEV-BASED-STEREO-	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 481	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483

IGEV-Stereo+	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 481	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483

SDNR	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 481	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483

anonymousdsp2	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 481	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483

anonymousdsp	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 481	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483

test_example2	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 481	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483

DIP-Stereo	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 481	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 483	10000000.00 480	10000000.00 483
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark