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 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
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 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWC_ROB	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCDC_ROB	0.01 9	0.01 9	0.02 14	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCK	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PSMNet-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CoDeX	0.15 121	0.70 222	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 353	0.02 15	0.69 338	0.75 357	0.01 9	0.02 20	0.02 20

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CBFPSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

SFCPSM	0.17 133	0.78 226	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 374	0.02 15	0.75 348	0.76 359	0.02 20	0.02 20	0.02 20

MFN_U_SF_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MSC_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM0	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

G2L-ROB	0.03 29	0.06 54	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo_test	0.03 29	0.04 37	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.02 20	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet_1	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 48	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 52	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.12 122	0.04 88	0.06 97	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

EDNetEfficient	0.04 38	0.05 49	0.04 43	0.04 37	0.03 48	0.04 77	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

FADNet-RVC-Resample	0.12 93	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 480	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FADNet-RVC	0.13 100	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 489	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

FADNet	0.12 93	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 486	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 383	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 79	0.05 89	0.04 81	0.05 89	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

FADNet_RVC	0.12 93	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 484	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 97	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 108	0.08 103	0.06 105	0.08 107	0.07 109	0.08 104	0.07 109	0.08 104	0.06 106	0.07 102	0.07 100	0.08 60	0.07 57	0.07 99	0.07 104	0.06 96	0.06 102

AASNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

GwcNet	0.12 93	0.07 57	0.05 57	0.08 49	0.05 99	0.08 103	1.20 411	0.07 104	0.05 97	0.05 91	0.05 100	0.08 104	0.05 94	0.08 105	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

SMFormer	0.09 51	1.01 273	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

Wz-Net-SNSev	0.03 29	0.09 64	0.07 58	0.09 53	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

SepStereo	0.09 51	0.09 64	0.10 69	0.09 53	0.09 112	0.09 107	0.09 110	0.10 109	0.08 111	0.10 108	0.09 112	0.09 108	0.09 113	0.09 108	0.08 102	0.09 66	0.08 59	0.09 106	0.08 108	0.09 109	0.08 105

test_sample6	0.09 51	0.97 262	0.10 69	0.10 56	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 62	1.07 286	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 62	1.03 279	0.12 100	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

CAS++	0.17 133	0.27 121	0.21 164	0.10 56	0.21 194	0.15 131	0.22 185	0.10 109	0.21 183	0.22 166	0.10 116	0.19 154	0.18 176	0.10 110	0.19 179	0.20 151	0.19 165	0.18 159	0.10 117	0.19 158	0.18 169
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
tta	0.09 51	0.95 259	0.09 65	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

DualNet	0.10 62	1.07 286	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

xxx	0.09 51	1.01 273	0.10 69	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

AnonymousM	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

PVD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SHD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SAMSARA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

XQC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTS	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet+	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet++	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

test_sample7	0.09 51	1.00 267	0.11 89	0.11 73	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample2	0.09 51	1.03 279	0.11 89	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 240	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

JetRed	0.11 84	0.12 79	0.11 89	0.11 73	0.11 133	0.11 119	0.14 149	0.11 121	0.11 130	0.12 122	0.11 130	0.11 120	0.11 129	0.11 121	0.11 123	0.11 86	0.16 142	0.11 118	0.11 129	0.11 120	0.11 125

mmm	0.14 109	1.83 382	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 91	0.11 94	0.05 86	0.04 78	0.05 92	0.04 79

aanetorigin	0.13 100	0.11 77	0.11 89	0.11 73	0.11 133	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.12 141	0.11 120	0.11 129	0.11 121	0.11 123	0.11 86	0.11 94	0.14 126	0.11 129	0.49 291	0.11 125

DualNet (step1)	0.10 62	1.05 283	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 283	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 283	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 51	0.87 240	0.10 69	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

ffm	0.25 158	3.83 479	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 158	3.83 479	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 158	3.83 479	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

ttt	0.10 62	1.09 288	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.03 43	0.02 20

Wz-Net-MNSev	0.06 44	0.54 206	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 94	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 191	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

xxxx	0.11 84	1.16 297	0.16 142	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 142	0.03 38	0.04 78	0.04 77	0.04 79

test_xeample	0.10 62	1.09 288	0.13 120	0.12 79	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 137	0.03 38	0.03 54	0.03 43	0.03 51

SuperB	0.21 147	0.10 66	2.51 514	0.12 79	0.09 112	0.10 108	0.09 110	0.08 107	0.07 109	0.10 108	0.09 112	0.09 108	0.07 110	0.07 102	0.07 100	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

JetBlue	0.11 84	0.11 77	0.12 100	0.13 92	0.14 154	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.11 130	0.11 120	0.11 129	0.12 125	0.12 138	0.11 86	0.11 94	0.11 118	0.11 129	0.11 120	0.11 125

11t1	0.17 133	2.16 408	0.13 120	0.13 92	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.05 88	0.18 147	0.12 109	0.06 94	0.03 54	0.05 92	0.03 51

LRCNet_RVC	0.13 100	0.13 80	0.09 65	0.13 92	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.23 170	0.10 116	0.20 156	0.10 117	0.24 178	0.11 123	0.11 86	0.09 68	0.12 121	0.14 157	0.12 124	0.09 108

222	0.10 62	0.99 266	0.12 100	0.13 92	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.04 77	0.03 51

USTest	0.01 9	0.02 12	0.00 1	0.14 96	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

qqq1	0.25 158	3.70 473	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 158	3.70 473	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

1111x	0.10 62	1.14 293	0.13 120	0.14 96	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

x	0.11 84	1.15 296	0.15 141	0.14 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 140	0.03 38	0.03 54	0.03 43	0.03 51

GMStereo	0.14 109	0.13 80	0.14 125	0.14 96	0.14 154	0.14 124	0.14 149	0.14 125	0.14 154	0.14 124	0.14 158	0.14 125	0.14 155	0.14 127	0.14 148	0.14 114	0.14 137	0.14 126	0.14 157	0.14 128	0.14 152
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 172	0.90 247	0.10 69	0.14 96	0.10 118	0.14 124	0.10 115	0.91 359	0.69 359	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.10 111	0.12 91	0.09 68	0.12 121	0.09 110	0.88 349	0.76 370

DRN-Test	0.14 109	0.13 80	0.09 65	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.10 115	0.14 124	0.09 112	0.14 125	0.09 113	0.13 126	0.09 105	0.12 91	0.09 68	0.12 121	0.09 110	0.12 124	0.73 365

StereoDRNet	0.15 121	0.14 84	0.10 69	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.09 114	0.14 124	0.10 116	0.14 125	0.09 113	0.14 127	0.09 105	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.82 376

PDISCO_ROB	0.83 344	2.80 456	3.49 531	0.14 96	0.11 133	0.17 147	0.09 110	0.15 137	0.10 115	0.15 130	0.12 141	0.16 136	0.14 155	3.30 516	0.13 144	0.14 114	2.34 507	0.16 142	0.12 146	2.62 497	0.10 113

zh-sn7	0.10 62	0.98 263	0.14 125	0.15 106	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

xyz-stereo	0.18 136	0.50 191	0.16 142	0.15 106	0.16 172	0.16 139	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

S2M2	0.12 93	0.14 84	0.10 69	0.15 106	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.15 130	0.10 116	0.14 125	0.10 117	0.14 127	0.10 111	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.09 108

testlalala2	0.13 100	0.16 86	0.11 89	0.15 106	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.14 114	0.11 94	0.14 126	0.11 129	0.14 128	0.11 125

testlalala_base	0.13 100	0.16 86	0.11 89	0.15 106	0.11 133	0.15 131	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.14 114	0.11 94	0.14 126	0.11 129	0.14 128	0.11 125

qqq	0.16 129	2.01 399	0.12 100	0.15 106	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.03 48	0.12 91	0.14 137	0.04 73	0.04 78	0.03 43	0.03 51

IPLG	0.13 100	0.20 100	0.14 125	0.15 106	0.11 133	0.14 124	0.11 128	0.14 125	0.11 130	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

IPLGR_C	0.14 109	0.20 100	0.12 100	0.15 106	0.11 133	0.14 124	0.15 154	0.14 125	0.11 130	0.15 130	0.12 141	0.14 125	0.11 129	0.16 137	0.11 123	0.15 123	0.12 109	0.14 126	0.12 146	0.15 138	0.12 141

ACRE	0.13 100	0.21 105	0.14 125	0.15 106	0.11 133	0.14 124	0.11 128	0.14 125	0.11 130	0.14 124	0.12 141	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

ELAS_RVC	0.14 109	0.16 86	0.10 69	0.15 106	0.10 118	0.18 151	0.11 128	0.19 151	0.11 130	0.19 150	0.12 141	0.18 150	0.11 129	0.19 152	0.12 138	0.14 114	0.08 59	0.14 126	0.09 110	0.15 138	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 100	0.16 86	0.11 89	0.15 106	0.09 112	0.18 151	0.11 128	0.18 149	0.11 130	0.17 144	0.11 130	0.18 150	0.11 129	0.18 149	0.11 123	0.14 114	0.08 59	0.14 126	0.08 108	0.14 128	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
xyz-stereo-finetune2	0.18 136	0.48 185	0.16 142	0.16 117	0.15 165	0.15 131	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

xyz-stereo-finetune	0.28 168	0.49 187	0.16 142	0.16 117	0.16 172	0.16 139	0.16 157	0.22 166	0.30 236	0.32 202	0.31 246	0.32 207	0.31 247	0.32 208	0.32 241	0.32 200	0.33 232	0.31 206	0.32 259	0.31 193	0.32 243

GMStereo_Zeroshot	0.16 129	0.16 86	0.16 142	0.16 117	0.16 172	0.16 139	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

ProNet	0.14 109	0.20 100	0.14 125	0.16 117	0.11 133	0.16 139	0.11 128	0.17 146	0.11 130	0.17 144	0.12 141	0.17 146	0.13 151	0.17 146	0.12 138	0.15 123	0.11 94	0.16 142	0.11 129	0.15 138	0.12 141

CIPLG	0.13 100	0.21 105	0.12 100	0.16 117	0.11 133	0.15 131	0.11 128	0.14 125	0.11 130	0.15 130	0.12 141	0.15 135	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

MIPNet	0.14 109	0.21 105	0.17 149	0.16 117	0.11 133	0.15 131	0.12 144	0.14 125	0.11 130	0.16 135	0.11 130	0.14 125	0.11 129	0.14 127	0.11 123	0.14 114	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

IPLGR	0.14 109	0.24 117	0.14 125	0.16 117	0.12 149	0.15 131	0.12 144	0.14 125	0.11 130	0.15 130	0.12 141	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

ICVP	0.15 121	0.53 203	0.11 89	0.16 117	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 109	0.17 92	0.12 100	0.17 125	0.11 133	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.11 130	0.17 146	0.11 129	0.17 146	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125

HSM	0.14 109	0.16 86	0.12 100	0.17 125	0.12 149	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.12 141	0.17 146	0.12 146	0.17 146	0.12 138	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.12 141

cf-r	0.66 303	2.17 409	0.12 100	0.18 127	0.12 149	0.18 151	2.70 520	2.60 496	0.12 149	0.18 148	0.12 141	0.18 150	0.12 146	0.18 149	0.12 138	0.15 123	0.11 94	0.15 139	0.11 129	1.81 457	1.74 500

LALA_ROB	0.15 121	0.19 96	0.12 100	0.18 127	0.11 133	0.20 159	0.12 144	0.21 162	0.12 149	0.20 155	0.12 141	0.20 156	0.12 146	0.21 166	0.13 144	0.17 139	0.10 73	0.18 159	0.11 129	0.18 152	0.11 125

SGM_RVC	0.15 121	0.17 92	0.11 89	0.18 127	0.11 133	0.19 154	0.11 128	0.19 151	0.12 149	0.19 150	0.12 141	0.20 156	0.12 146	0.19 152	0.12 138	0.16 131	0.11 94	0.17 150	0.10 117	0.17 148	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.30 173	3.10 460	0.14 125	0.19 130	0.14 154	0.19 154	0.14 149	0.20 156	0.14 154	0.19 150	0.13 153	0.16 136	0.13 151	0.19 152	0.13 144	0.17 139	0.13 133	0.17 150	0.13 154	0.17 148	0.13 147

DeepPruner_ROB	0.16 129	0.18 95	0.13 120	0.19 130	0.13 152	0.19 154	0.13 147	0.19 151	0.13 152	0.19 150	0.13 153	0.19 154	0.13 151	0.19 152	0.13 144	0.18 147	0.13 133	0.18 159	0.13 154	0.18 152	0.13 147

zh-mn7	0.12 93	1.14 293	0.17 149	0.20 132	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 147	0.16 142	0.03 38	0.03 54	0.03 43	0.03 51

ITSA-stereo	0.15 121	0.17 92	0.13 120	0.20 132	0.13 152	0.19 154	0.13 147	0.18 149	0.13 152	0.19 150	0.13 153	0.18 150	0.14 155	0.18 149	0.14 148	0.16 131	0.11 94	0.15 139	0.14 157	0.18 152	0.11 125

DAS	0.20 141	0.20 100	0.20 161	0.20 132	0.20 188	0.20 159	0.20 175	0.20 156	0.20 181	0.20 155	0.20 187	0.20 156	0.20 185	0.20 156	0.20 182	0.20 151	0.20 167	0.20 163	0.20 185	0.20 159	0.20 172

ACVNet	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 390	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

acv_ft	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 390	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

hitnet-ft	0.79 330	2.78 455	0.14 125	0.20 132	0.14 154	0.21 166	2.89 521	2.80 510	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.54 496	2.33 517

PSMNet-RSSM	0.77 326	2.76 451	0.14 125	0.20 132	0.14 154	0.20 159	2.66 518	2.79 509	0.14 154	0.21 164	0.14 158	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 488	2.31 515

GwcNet-RSSM	0.77 326	2.77 453	0.14 125	0.20 132	0.14 154	0.20 159	2.67 519	2.78 508	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.21 166	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 488	2.31 515

CFNet-ft	0.55 289	1.57 370	0.14 125	0.20 132	0.14 154	0.20 159	2.53 517	1.61 452	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	1.56 445	1.24 465

test_for_model	0.15 121	0.23 110	0.18 155	0.21 141	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.21 155	0.18 164	0.14 126	0.11 129	0.14 128	0.11 125

IMH-64-1	0.22 151	0.23 110	0.23 169	0.22 142	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.23 176	0.22 189	0.22 164	0.23 179

IMH-64	0.22 151	0.23 110	0.23 169	0.22 142	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.23 176	0.22 189	0.22 164	0.23 179

WAO-6	0.22 151	0.23 110	0.22 166	0.23 144	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.22 170	0.22 189	0.22 164	0.22 177

Wz-Net-LNSev	0.06 44	0.24 117	0.20 161	0.23 144	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 169	0.21 170	0.02 18	0.01 9	0.01 10	0.01 10

dd	0.23 155	0.98 263	0.16 142	0.23 144	0.15 165	0.23 174	0.15 154	0.23 170	0.15 164	0.23 170	0.15 166	0.24 177	0.17 169	0.23 174	0.15 158	0.22 158	0.15 140	0.21 165	0.15 161	0.22 164	0.16 153

dad	0.23 155	1.03 279	0.16 142	0.23 144	0.15 165	0.24 175	0.15 154	0.24 173	0.16 166	0.23 170	0.16 167	0.24 177	0.16 165	0.23 174	0.15 158	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

ac_64	0.22 151	0.13 80	0.19 158	0.23 144	0.10 118	0.26 189	1.02 398	0.14 125	0.10 115	0.28 189	0.14 158	0.17 146	0.19 181	0.28 198	0.09 105	0.22 158	0.16 142	0.23 176	0.17 180	0.11 120	0.12 141

ISRNet	0.11 84	0.05 49	0.36 232	0.24 149	0.07 108	0.13 123	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 124	0.05 94	0.05 82	0.09 105	0.24 174	0.20 167	0.10 107	0.05 96	0.06 96	0.13 147

Pointernet	0.21 147	0.22 109	0.19 158	0.24 149	0.19 186	0.24 175	0.19 172	0.24 173	0.19 179	0.24 175	0.19 183	0.24 177	0.19 181	0.24 178	0.19 179	0.22 158	0.17 158	0.22 170	0.17 180	0.22 164	0.17 165

UPFNet	0.42 243	1.20 302	0.17 149	0.24 149	0.17 175	0.25 182	0.17 162	1.19 388	0.90 385	0.25 179	0.17 172	0.24 177	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.22 170	0.16 162	1.15 375	0.93 385

iResNetv2_ROB	0.20 141	0.23 110	0.18 155	0.24 149	0.20 188	0.24 175	0.18 168	0.24 173	0.18 173	0.24 175	0.18 182	0.23 173	0.19 181	0.24 178	0.18 176	0.21 155	0.16 142	0.21 165	0.16 162	0.22 164	0.16 153

iResNet	0.20 141	0.23 110	0.18 155	0.24 149	0.18 182	0.24 175	0.20 175	0.24 173	0.18 173	0.23 170	0.17 172	0.23 173	0.18 176	0.23 174	0.18 176	0.22 158	0.16 142	0.21 165	0.16 162	0.21 162	0.16 153

ACV-stereo	0.30 173	2.08 401	0.25 178	0.25 154	0.18 182	0.24 175	0.17 162	0.24 173	0.18 173	0.24 175	0.17 172	0.25 182	0.17 169	0.24 178	0.17 167	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

LoS_RVC	0.30 173	1.14 293	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.26 191	0.26 211	0.26 193	0.25 202	0.26 181	0.26 184	0.25 184	0.25 207	0.26 177	0.26 196

CAS	0.30 173	1.17 298	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.26 212	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.26 184	0.26 187	0.25 207	0.26 177	0.25 190

LoS	0.25 158	0.27 121	0.25 178	0.25 154	0.25 208	0.25 182	0.25 200	0.26 183	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.25 181	0.25 184	0.26 213	0.26 177	0.25 190
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 248	1.24 355	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 440	0.93 391	0.25 179	0.17 172	0.25 182	0.18 176	0.25 183	0.17 167	0.23 169	0.16 142	0.23 176	0.16 162	1.20 386	0.99 390

delet	0.43 244	1.21 348	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 440	0.95 393	0.25 179	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.22 170	0.16 162	1.18 383	0.98 389

psm_up	0.43 244	1.19 301	0.17 149	0.25 154	0.18 182	0.25 182	0.19 172	1.26 440	0.91 386	0.26 186	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.23 176	0.16 162	1.18 383	0.99 390

tg	0.21 147	0.25 119	0.21 164	0.26 161	0.17 175	0.24 175	0.17 162	0.24 173	0.17 171	0.24 175	0.17 172	0.24 177	0.17 169	0.24 178	0.17 167	0.24 174	0.17 158	0.23 176	0.16 162	0.23 173	0.16 153

UNDER WATER-64	0.25 158	0.26 120	0.25 178	0.26 161	0.25 208	0.25 182	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.26 193	0.25 202	0.25 180	0.25 181	0.25 184	0.25 207	0.25 175	0.25 190

GEStereo_RVC	0.86 350	4.45 490	0.20 161	0.27 163	0.20 188	0.27 192	0.20 175	0.26 183	0.18 173	5.03 544	0.20 187	0.27 192	0.19 181	0.27 196	0.21 184	0.20 151	0.19 165	0.19 162	4.02 548	0.20 159	0.18 169

SQANet	0.28 168	0.28 124	0.28 189	0.28 164	0.28 222	0.28 193	0.28 218	0.28 186	0.28 220	0.28 189	0.28 225	0.28 193	0.28 225	0.28 198	0.28 217	0.28 186	0.28 196	0.28 193	0.28 225	0.28 182	0.28 217

ssnet_v2	0.68 308	1.96 398	1.25 443	0.29 165	0.20 188	0.30 196	0.20 175	0.29 190	0.22 186	1.50 454	0.20 187	0.31 205	0.20 185	0.27 196	0.22 186	0.24 174	1.49 463	0.26 187	0.18 184	3.90 505	0.19 171

MultiAttention	0.30 173	0.30 127	0.30 196	0.30 166	0.30 240	0.30 196	0.30 231	0.30 192	0.30 236	0.30 193	0.30 241	0.30 201	0.30 238	0.30 203	0.30 234	0.30 194	0.30 214	0.30 200	0.30 245	0.30 188	0.30 232

MSAF-DinoV2	0.30 173	0.30 127	0.30 196	0.30 166	0.30 240	0.30 196	0.30 231	0.30 192	0.30 236	0.30 193	0.30 241	0.30 201	0.30 238	0.30 203	0.30 234	0.30 194	0.30 214	0.30 200	0.30 245	0.30 188	0.30 232

IGEV_Zeroshot_test	0.20 141	0.19 96	0.40 248	0.30 166	0.17 175	0.22 168	0.17 162	0.21 162	0.17 171	0.20 155	0.17 172	0.21 163	0.18 176	0.21 166	0.17 167	0.20 151	0.16 142	0.20 163	0.16 162	0.20 159	0.17 165

GMOStereo	0.37 209	0.45 171	0.23 169	0.30 166	0.37 281	0.41 256	0.36 269	0.41 249	0.35 265	0.43 266	0.36 275	0.41 256	0.40 285	0.41 255	0.36 269	0.34 207	0.22 174	0.47 307	0.37 286	0.39 245	0.33 250

DANet	0.30 173	0.30 127	0.30 196	0.30 166	0.30 240	0.30 196	0.30 231	0.30 192	0.30 236	0.30 193	0.30 241	0.30 201	0.30 238	0.30 203	0.30 234	0.30 194	0.30 214	0.30 200	0.30 245	0.30 188	0.30 232
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xxxxx1	0.31 180	0.91 249	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

tt_ll	0.31 180	0.91 249	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

ff	0.31 180	0.91 249	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

w-ln-seven-2	0.14 109	1.22 353	0.28 189	0.32 174	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 200	0.27 190	0.04 73	0.03 54	0.03 43	0.03 51

WCG-NET（raft）	0.32 188	1.24 355	0.24 175	0.32 174	0.24 206	0.32 209	0.23 192	0.32 197	0.24 194	0.32 202	0.24 202	0.32 207	0.24 199	0.32 208	0.24 196	0.30 194	0.23 178	0.30 200	0.23 194	0.30 188	0.23 179

CASnet	0.35 200	0.51 198	0.44 264	0.32 174	0.31 246	0.24 175	0.34 258	0.36 211	0.25 199	0.31 197	0.37 281	0.30 201	0.33 256	0.25 183	0.45 309	0.37 225	0.37 241	0.33 215	0.35 278	0.34 205	0.37 268
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iResNet_ROB	0.28 168	0.32 131	0.24 175	0.32 174	0.25 208	0.32 209	0.24 197	0.32 197	0.24 194	0.33 207	0.24 202	0.35 216	0.24 199	0.33 214	0.24 196	0.31 199	0.24 180	0.32 207	0.24 202	0.32 195	0.24 189

model_zeroshot	0.27 167	0.20 100	0.27 185	0.33 178	0.21 194	0.37 225	0.22 185	0.37 217	0.24 194	0.26 186	0.27 218	0.33 210	0.21 189	0.25 183	0.27 208	0.32 200	0.20 167	0.34 222	0.23 194	0.25 175	0.26 196

tt1	0.31 180	0.93 256	0.24 175	0.33 178	0.23 201	0.31 201	0.24 197	0.32 197	0.24 194	0.32 202	0.23 196	0.32 207	0.25 202	0.32 208	0.24 196	0.27 184	0.26 184	0.27 191	0.26 213	0.27 180	0.27 204

H2IRNET	0.34 193	0.34 133	0.34 223	0.34 180	0.34 269	0.34 213	0.34 258	0.34 204	0.34 262	0.34 209	0.34 263	0.34 215	0.34 261	0.34 216	0.34 262	0.34 207	0.34 235	0.34 222	0.34 271	0.34 205	0.34 256

DMCA	0.36 204	0.38 142	0.37 235	0.35 181	0.35 272	0.36 220	0.36 269	0.36 211	0.35 265	0.35 213	0.37 281	0.36 222	0.36 270	0.35 218	0.36 269	0.36 221	0.36 239	0.35 238	0.36 284	0.36 224	0.36 264

MLCV	0.31 180	0.35 134	0.27 185	0.35 181	0.28 222	0.35 217	0.27 211	0.35 207	0.28 220	0.36 216	0.27 218	0.35 216	0.27 219	0.35 218	0.27 208	0.34 207	0.27 190	0.34 222	0.27 221	0.34 205	0.27 204

ETE_ROB	0.35 200	0.35 134	0.35 230	0.35 181	0.35 272	0.35 217	0.35 263	0.35 207	0.35 265	0.35 213	0.35 272	0.35 216	0.35 267	0.35 218	0.35 266	0.35 216	0.35 236	0.35 238	0.35 278	0.35 217	0.35 263

DN-CSS_ROB	0.31 180	0.35 134	0.28 189	0.35 181	0.28 222	0.34 213	0.27 211	0.34 204	0.25 199	0.35 213	0.27 218	0.36 222	0.26 211	0.34 216	0.28 217	0.35 216	0.28 196	0.34 222	0.28 225	0.34 205	0.27 204

Any-RAFT	0.32 188	0.36 137	0.27 185	0.36 185	0.27 218	0.36 220	0.27 211	0.36 211	0.27 217	0.36 216	0.27 218	0.36 222	0.27 219	0.36 224	0.28 217	0.36 221	0.28 196	0.36 243	0.28 225	0.36 224	0.28 217

CES	0.39 223	0.47 179	0.36 232	0.36 185	0.37 281	0.45 281	0.35 263	0.35 207	0.40 290	0.36 216	0.44 314	0.47 288	0.36 270	0.44 272	0.36 269	0.37 225	0.39 254	0.44 295	0.35 278	0.37 228	0.36 264

HGLStereo	0.28 168	0.29 126	0.22 166	0.36 185	0.22 196	0.36 220	0.21 180	0.36 211	0.21 183	0.42 260	0.21 191	0.36 222	0.22 190	0.36 224	0.21 184	0.34 207	0.21 170	0.34 222	0.21 186	0.34 205	0.21 174

PAM	0.39 223	1.88 387	0.34 223	0.37 188	0.41 304	0.45 281	0.22 185	0.28 186	0.23 192	0.28 189	0.24 202	0.29 198	0.23 196	0.29 201	0.23 192	0.38 232	0.32 224	0.38 253	0.37 286	0.32 195	0.22 177

RSM	0.36 204	0.36 137	0.43 262	0.37 188	0.42 314	0.49 302	0.42 303	0.37 217	0.28 220	0.36 216	0.29 229	0.36 222	0.30 238	0.37 228	0.28 217	0.34 207	0.31 220	0.34 222	0.35 278	0.40 250	0.29 222

XPNet_ROB	0.37 209	0.37 139	0.37 235	0.37 188	0.37 281	0.37 225	0.37 274	0.37 217	0.37 276	0.37 221	0.37 281	0.37 228	0.37 274	0.37 228	0.37 277	0.37 225	0.37 241	0.37 246	0.37 286	0.37 228	0.37 268

Monster-pub-mixall	0.44 248	0.56 210	0.60 314	0.38 191	0.27 218	0.37 225	0.27 211	0.37 217	0.29 225	0.38 222	0.27 218	0.38 230	0.29 231	0.85 361	0.27 208	1.46 445	0.26 184	0.34 222	0.26 213	0.36 224	0.53 329

GCAP-BAT	0.33 191	0.78 226	0.32 208	0.38 191	0.25 208	0.34 213	0.25 200	0.34 204	0.26 212	0.34 209	0.25 208	0.35 216	0.26 211	0.35 218	0.27 208	0.36 221	0.30 214	0.32 207	0.24 202	0.32 195	0.26 196

WAO-8	0.38 215	0.38 142	0.38 238	0.38 191	0.38 288	0.38 232	0.38 280	0.38 225	0.38 280	0.38 222	0.38 286	0.38 230	0.38 278	0.38 230	0.38 280	0.38 232	0.38 247	0.38 253	0.37 286	0.38 238	0.38 275

WAO-7	0.38 215	0.38 142	0.38 238	0.38 191	0.38 288	0.38 232	0.38 280	0.38 225	0.38 280	0.38 222	0.38 286	0.38 230	0.38 278	0.38 230	0.38 280	0.38 232	0.38 247	0.38 253	0.38 299	0.38 238	0.38 275

Venus	0.38 215	0.38 142	0.38 238	0.38 191	0.38 288	0.37 225	0.38 280	0.37 217	0.37 276	0.41 248	0.37 281	0.39 235	0.37 274	0.38 230	0.38 280	0.37 225	0.38 247	0.38 253	0.37 286	0.37 228	0.38 275

IMH	0.38 215	0.38 142	0.38 238	0.38 191	0.38 288	0.38 232	0.38 280	0.38 225	0.38 280	0.42 260	0.38 286	0.40 243	0.38 278	0.38 230	0.38 280	0.38 232	0.38 247	0.39 263	0.38 299	0.38 238	0.38 275

Monster-pub-eth3d	0.45 251	0.57 211	0.60 314	0.39 197	0.28 222	0.37 225	0.28 218	0.37 217	0.30 236	0.39 228	0.29 229	0.39 235	0.30 238	0.92 371	0.27 208	1.42 442	0.28 196	0.34 222	0.28 225	0.37 228	0.53 329

1test111	0.37 209	1.02 277	0.30 196	0.39 197	0.29 230	0.40 240	0.28 218	0.39 229	0.29 225	0.39 228	0.29 229	0.39 235	0.28 225	0.40 241	0.29 227	0.33 204	0.32 224	0.33 215	0.31 254	0.32 195	0.31 239

cc1	0.37 209	1.02 277	0.30 196	0.39 197	0.29 230	0.40 240	0.28 218	0.39 229	0.29 225	0.39 228	0.29 229	0.39 235	0.28 225	0.40 241	0.29 227	0.33 204	0.32 224	0.33 215	0.31 254	0.32 195	0.31 239

HanzoNet	0.39 223	0.38 142	0.40 248	0.39 197	0.41 304	0.38 232	0.38 280	0.38 225	0.38 280	0.39 228	0.39 291	0.38 230	0.38 278	0.39 238	0.40 291	0.38 232	0.38 247	0.40 268	0.38 299	0.38 238	0.40 283

testlalala	0.32 188	0.81 232	0.31 204	0.39 197	0.26 216	0.33 211	0.24 197	0.33 200	0.26 212	0.32 202	0.26 214	0.33 210	0.23 196	0.33 214	0.23 192	0.35 216	0.31 220	0.30 200	0.24 202	0.31 193	0.21 174

gwcnet-sp	0.82 341	1.72 375	1.48 465	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 458	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 449	0.32 207	0.16 162	6.75 543	0.23 179

scenet	0.82 341	1.72 375	1.48 465	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 458	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 449	0.32 207	0.16 162	6.75 543	0.23 179

ssnet	0.82 341	1.72 375	1.48 465	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 458	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 449	0.32 207	0.16 162	6.75 543	0.23 179

Wz-Net-LNSev-Ref	0.11 84	0.44 168	0.33 213	0.39 197	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 242	0.36 239	0.02 18	0.02 20	0.02 20	0.02 20

iRaft-Stereo_5w	0.34 193	0.42 164	0.31 204	0.39 197	0.30 240	0.38 232	0.30 231	0.40 234	0.29 225	0.40 234	0.37 281	0.41 256	0.34 261	0.38 230	0.30 234	0.34 207	0.27 190	0.34 222	0.26 213	0.34 205	0.26 196

iRaft-Stereo_20w	0.34 193	0.41 157	0.31 204	0.39 197	0.29 230	0.40 240	0.32 238	0.41 249	0.32 247	0.38 222	0.30 241	0.39 235	0.30 238	0.38 230	0.32 241	0.35 216	0.27 190	0.34 222	0.27 221	0.34 205	0.29 222

RAFT + AFF	0.31 180	0.45 171	0.34 223	0.39 197	0.28 222	0.38 232	0.33 247	0.29 190	0.31 244	0.30 193	0.30 241	0.29 198	0.27 219	0.29 201	0.30 234	0.28 186	0.29 206	0.29 198	0.29 235	0.27 180	0.32 243

StereoDRNet-Refined	0.33 191	0.39 148	0.26 184	0.39 197	0.26 216	0.40 240	0.26 208	0.40 234	0.26 212	0.39 228	0.26 214	0.39 235	0.26 211	0.39 238	0.26 207	0.37 225	0.25 181	0.37 246	0.25 207	0.37 228	0.37 268
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 383	0.39 148	5.28 544	0.39 197	0.20 188	0.39 238	0.27 211	0.39 229	0.22 186	0.38 222	0.20 187	0.38 230	0.20 185	6.95 555	0.22 186	0.30 194	0.21 170	0.27 191	0.21 186	5.25 536	0.21 174

Replicate-Monster	0.45 251	0.57 211	0.60 314	0.40 211	0.29 230	0.37 225	0.27 211	0.37 217	0.30 236	0.40 234	0.31 246	0.40 243	0.30 238	0.99 379	0.27 208	1.36 438	0.31 220	0.34 222	0.30 245	0.36 224	0.54 332

w-ln-seven	0.18 136	1.47 367	0.33 213	0.40 211	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 232	0.32 224	0.05 86	0.04 78	0.04 77	0.04 79

DCVSM-stereo	0.36 204	1.89 388	0.22 166	0.40 211	0.22 196	0.40 240	0.22 185	0.40 234	0.22 186	0.40 234	0.22 192	0.40 243	0.22 190	0.40 241	0.22 186	0.28 186	0.21 170	0.28 193	0.21 186	0.28 182	0.20 172

IGEV++	0.34 193	0.43 165	0.30 196	0.40 211	0.29 230	0.40 240	0.29 226	0.40 234	0.29 225	0.40 234	0.29 229	0.40 243	0.29 231	0.40 241	0.30 234	0.38 232	0.29 206	0.37 246	0.29 235	0.37 228	0.29 222

ACVNet-DCA	0.37 209	1.00 267	0.30 196	0.40 211	0.29 230	0.40 240	0.29 226	0.40 234	0.29 225	0.40 234	0.29 229	0.40 243	0.29 231	0.39 238	0.28 217	0.33 204	0.32 224	0.33 215	0.32 259	0.33 201	0.32 243

xx1	0.38 215	1.03 279	0.31 204	0.40 211	0.31 246	0.41 256	0.28 218	0.40 234	0.29 225	0.40 234	0.29 229	0.40 243	0.29 231	0.40 241	0.29 227	0.34 207	0.33 232	0.34 222	0.32 259	0.34 205	0.32 243

knoymous	0.40 227	0.40 150	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283

anonymousa	0.40 227	0.40 150	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283

riskmin	0.40 227	0.40 150	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283

Anonymous_2	0.40 227	0.40 150	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283

Anonymous_1	0.40 227	0.40 150	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283

AdaStereo	0.40 227	0.40 150	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283
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.
z-mn7	0.16 129	1.21 348	0.33 213	0.41 223	0.04 79	0.04 77	0.03 50	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 216	0.31 220	0.04 73	0.04 78	0.04 77	0.04 79

RAFT-Test	0.36 204	0.37 139	0.33 213	0.41 223	0.32 248	0.41 256	0.32 238	0.41 249	0.32 247	0.41 248	0.32 249	0.41 256	0.32 249	0.41 255	0.33 249	0.37 225	0.29 206	0.37 246	0.29 235	0.38 238	0.31 239

GwcNet-ADL	0.41 234	0.41 157	0.41 256	0.41 223	0.41 304	0.41 256	0.41 298	0.41 249	0.41 299	0.41 248	0.41 300	0.41 256	0.41 296	0.41 255	0.41 298	0.41 254	0.41 266	0.41 281	0.41 310	0.41 260	0.41 290

PSMNet-ADL	0.41 234	0.41 157	0.41 256	0.41 223	0.41 304	0.41 256	0.41 298	0.41 249	0.41 299	0.41 248	0.41 300	0.41 256	0.41 296	0.41 255	0.41 298	0.41 254	0.41 266	0.41 281	0.41 310	0.41 260	0.41 290

GANet-ADL	0.41 234	0.41 157	0.41 256	0.41 223	0.41 304	0.41 256	0.41 298	0.41 249	0.41 299	0.41 248	0.41 300	0.41 256	0.41 296	0.41 255	0.41 298	0.41 254	0.41 266	0.41 281	0.41 310	0.41 260	0.41 290

ADLNet2	0.41 234	0.41 157	0.41 256	0.41 223	0.41 304	0.41 256	0.41 298	0.41 249	0.41 299	0.41 248	0.41 300	0.41 256	0.41 296	0.41 255	0.41 298	0.41 254	0.41 266	0.41 281	0.41 310	0.41 260	0.41 290

ADLNet	0.41 234	0.41 157	0.41 256	0.41 223	0.41 304	0.41 256	0.41 298	0.41 249	0.41 299	0.41 248	0.41 300	0.41 256	0.41 296	0.41 255	0.41 298	0.41 254	0.41 266	0.41 281	0.41 310	0.41 260	0.41 290

GES	0.66 303	2.34 425	0.29 192	0.41 223	0.29 230	0.41 256	0.29 226	0.42 265	0.29 225	0.40 234	0.41 300	0.41 256	0.30 238	0.51 312	0.29 227	0.32 200	0.29 206	0.32 207	2.46 521	2.49 484	0.30 232

DGSMNet	0.34 193	0.41 157	0.27 185	0.41 223	0.28 222	0.41 256	0.28 218	0.41 249	0.27 217	0.41 248	0.27 218	0.42 272	0.27 219	0.41 255	0.28 217	0.40 246	0.29 206	0.40 268	0.28 225	0.40 250	0.27 204

HART	0.38 215	0.45 171	0.34 223	0.42 232	0.33 259	0.41 256	0.34 258	0.42 265	0.33 253	0.43 266	0.34 263	0.42 272	0.34 261	0.41 255	0.38 280	0.40 246	0.32 224	0.42 292	0.32 259	0.40 250	0.32 243

RAFT-Stereo-weight	0.45 251	1.90 390	0.34 223	0.42 232	0.36 278	0.43 278	0.35 263	0.42 265	0.34 262	0.42 260	0.34 263	0.44 276	0.34 261	0.41 255	0.34 262	0.38 232	0.32 224	0.38 253	0.32 259	0.38 238	0.33 250

Gwc-CoAtRS	0.41 234	1.49 368	0.32 208	0.42 232	0.32 248	0.41 256	0.32 238	0.41 249	0.33 253	0.41 248	0.32 249	0.41 256	0.32 249	0.41 255	0.32 241	0.39 242	0.28 196	0.39 263	0.28 225	0.40 250	0.28 217

RCA-Stereo	0.51 280	3.22 465	0.34 223	0.44 235	0.34 269	0.44 280	0.34 258	0.43 269	0.34 262	0.43 266	0.34 263	0.44 276	0.33 256	0.43 270	0.33 249	0.38 232	0.29 206	0.38 253	0.29 235	0.38 238	0.29 222

CFNet-RSSM	0.91 355	4.89 496	0.34 223	0.44 235	1.07 409	1.62 464	1.40 476	0.91 359	0.35 265	1.60 455	1.39 476	0.64 341	0.34 261	0.44 272	0.33 249	0.41 254	0.35 236	0.75 357	0.30 245	0.41 260	0.29 222

fffy	0.38 215	0.43 165	0.33 213	0.46 237	0.33 259	0.45 281	0.32 238	0.45 271	0.32 247	0.45 271	0.32 249	0.45 278	0.33 256	0.45 275	0.32 241	0.38 232	0.38 247	0.38 253	0.37 286	0.37 228	0.36 264

otaku	0.46 256	0.46 175	0.46 270	0.46 237	0.46 321	0.46 287	0.46 312	0.46 275	0.46 312	0.46 275	0.46 319	0.46 282	0.46 312	0.46 279	0.46 313	0.46 275	0.46 283	0.46 302	0.46 322	0.46 275	0.46 304

Ntro	0.47 262	0.47 179	0.46 270	0.46 237	0.46 321	0.47 292	0.47 317	0.46 275	0.47 317	0.46 275	0.46 319	0.47 288	0.46 312	0.47 283	0.47 319	0.47 280	0.46 283	0.46 302	0.46 322	0.46 275	0.46 304

Dean	0.46 256	0.46 175	0.46 270	0.46 237	0.46 321	0.46 287	0.46 312	0.46 275	0.46 312	0.47 281	0.46 319	0.46 282	0.46 312	0.46 279	0.46 313	0.46 275	0.46 283	0.46 302	0.46 322	0.46 275	0.46 304

ACVNet_1	0.46 256	0.47 179	0.46 270	0.46 237	0.46 321	0.46 287	0.46 312	0.46 275	0.47 317	0.46 275	0.46 319	0.46 282	0.46 312	0.46 279	0.46 313	0.46 275	0.46 283	0.47 307	0.46 322	0.46 275	0.46 304

ACVNet-4b	0.46 256	0.46 175	0.46 270	0.46 237	0.46 321	0.46 287	0.46 312	0.46 275	0.46 312	0.46 275	0.46 319	0.46 282	0.46 312	0.47 283	0.46 313	0.46 275	0.46 283	0.46 302	0.46 322	0.46 275	0.46 304

LG-Stereo_L2	0.34 193	0.37 139	0.38 238	0.47 243	0.28 222	0.39 238	0.28 218	0.39 229	0.28 220	0.39 228	0.28 225	0.39 235	0.28 225	0.38 230	0.28 217	0.42 268	0.35 236	0.36 243	0.26 213	0.35 217	0.26 196

UNDER WATER	0.47 262	0.47 179	0.47 277	0.47 243	0.47 327	0.47 292	0.47 317	0.47 281	0.47 317	0.47 281	0.47 327	0.47 288	0.46 312	0.47 283	0.47 319	0.47 280	0.47 291	0.47 307	0.46 322	0.47 283	0.47 311

LVE	0.47 262	0.47 179	0.47 277	0.47 243	0.49 333	0.47 292	0.47 317	0.47 281	0.49 326	0.47 281	0.47 327	0.47 288	0.46 312	0.47 283	0.47 319	0.47 280	0.47 291	0.48 315	0.47 329	0.47 283	0.47 311

GANet-RSSM	0.75 321	1.91 391	0.14 125	0.47 243	0.14 154	0.21 166	3.21 537	2.30 484	0.14 154	0.46 275	0.14 158	0.23 173	0.18 176	0.21 166	0.14 148	0.18 147	0.27 190	0.37 246	0.13 154	2.13 466	2.12 510

GREAT-IGEV	0.38 215	0.43 165	0.36 232	0.48 247	0.32 248	0.45 281	0.32 238	0.45 271	0.32 247	0.45 271	0.32 249	0.45 278	0.32 249	0.45 275	0.32 241	0.44 270	0.33 232	0.41 281	0.29 235	0.41 260	0.29 222

GIP-stereo	0.36 204	0.49 187	0.39 245	0.48 247	0.32 248	0.41 256	0.28 218	0.40 234	0.30 236	0.41 248	0.28 225	0.40 243	0.28 225	0.42 268	0.28 217	0.45 272	0.32 224	0.38 253	0.30 245	0.37 228	0.27 204

mms	0.40 227	0.45 171	0.35 230	0.48 247	0.36 278	0.47 292	0.34 258	0.45 271	0.38 280	0.47 281	0.33 255	0.45 278	0.32 249	0.45 275	0.32 241	0.39 242	0.38 247	0.38 253	0.37 286	0.39 245	0.39 281

ccccc		0.44 168		0.48 247	0.35 272	0.48 297		0.51 307		0.47 281		0.47 288		0.47 283		0.41 254	0.40 257	0.40 268	0.40 303	0.41 260

RainbowNet	0.48 267	0.48 185	0.48 285	0.48 247	0.48 331	0.48 297	0.48 326	0.48 285	0.48 324	0.48 288	0.48 331	0.48 295	0.48 321	0.48 292	0.48 325	0.48 284	0.48 295	0.48 315	0.48 332	0.48 287	0.48 313

notaker	0.48 267	0.49 187	0.48 285	0.48 247	0.48 331	0.48 297	0.48 326	0.48 285	0.49 326	0.48 288	0.48 331	0.48 295	0.48 321	0.48 292	0.48 325	0.48 284	0.48 295	0.48 315	0.48 332	0.48 287	0.49 318

gcap-zeroshot	0.35 200	0.32 131	0.37 235	0.49 253	0.39 295	0.33 211	0.21 180	0.26 183	0.35 265	0.42 260	0.34 263	0.49 299	0.29 231	0.47 283	0.39 287	0.34 207	0.17 158	0.38 253	0.23 194	0.48 287	0.34 256

MyStereo07	0.60 293	3.72 476	0.48 285	0.49 253	0.41 304	0.36 220	0.32 238	0.49 289	0.43 307	0.51 312	0.42 310	0.49 299	0.43 305	0.51 312	0.64 348	0.49 287	0.45 281	0.34 222	0.32 259	0.35 217	0.43 298

MyStereo04	0.56 291	3.72 476	0.59 312	0.49 253	0.41 304	0.36 220	0.32 238	0.37 217	0.31 244	0.34 209	0.46 319	0.35 216	0.32 249	0.35 218	0.33 249	0.49 287	0.45 281	0.34 222	0.32 259	0.35 217	0.43 298

HaxPig	0.47 262	0.47 179	0.47 277	0.49 253	0.47 327	0.47 292	0.47 317	0.47 281	0.47 317	0.47 281	0.47 327	0.47 288	0.47 320	0.47 283	0.47 319	0.47 280	0.47 291	0.47 307	0.47 329	0.47 283	0.48 313

ACVNet_2	0.49 273	0.49 187	0.49 290	0.49 253	0.49 333	0.49 302	0.49 328	0.49 289	0.49 326	0.49 295	0.49 334	0.49 299	0.49 326	0.49 298	0.49 327	0.49 287	0.49 298	0.49 320	0.49 335	0.49 291	0.49 318

IGEV-Stereo	0.35 200	0.44 168	0.45 266	0.49 253	0.30 240	0.37 225	0.30 231	0.36 211	0.30 236	0.36 216	0.29 229	0.36 222	0.29 231	0.36 224	0.30 234	0.46 275	0.39 254	0.32 207	0.24 202	0.32 195	0.25 190
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
psmorigin	0.41 234	0.46 175	0.33 213	0.49 253	0.33 259	0.49 302	0.33 247	0.49 289	0.33 253	0.49 295	0.33 255	0.49 299	0.33 256	0.51 312	0.33 249	0.41 254	0.30 214	0.41 281	0.30 245	0.79 335	0.29 222

water-stereo	0.41 234	0.84 235	0.46 270	0.50 260	0.33 259	0.45 281	0.33 247	0.45 271	0.32 247	0.45 271	0.32 249	0.45 278	0.32 249	0.45 275	0.32 241	0.44 270	0.41 266	0.39 263	0.31 254	0.39 245	0.32 243

DilatedVolume-Stereo	0.43 244	0.86 238	0.48 285	0.50 260	0.33 259	0.46 287	0.33 247	0.46 275	0.33 253	0.46 275	0.33 255	0.47 288	0.33 256	0.47 283	0.34 262	0.45 272	0.42 274	0.40 268	0.33 267	0.47 283	0.38 275

FoundationStereo	0.50 275	0.50 191	0.50 294	0.50 260	0.50 337	0.50 310	0.50 330	0.50 297	0.50 329	0.50 307	0.50 336	0.50 313	0.50 329	0.50 305	0.50 328	0.50 293	0.50 304	0.50 324	0.50 337	0.50 296	0.50 321

StereoAnything_RVC	0.50 275	0.50 191	0.50 294	0.50 260	0.50 337	0.50 310	0.50 330	0.50 297	0.50 329	0.50 307	0.50 336	0.50 313	0.50 329	0.50 305	0.50 328	0.50 293	0.50 304	0.50 324	0.50 337	0.50 296	0.50 321

dual_stereo	0.50 275	0.50 191	0.50 294	0.50 260	0.50 337	0.50 310	0.50 330	0.50 297	0.50 329	0.50 307	0.50 336	0.50 313	0.50 329	0.50 305	0.50 328	0.50 293	0.50 304	0.50 324	0.50 337	0.50 296	0.50 321

TorneroNet	0.66 303	0.53 203	0.50 294	0.50 260	0.64 361	1.06 384	0.70 361	0.50 297	0.51 336	0.49 295	0.69 366	0.49 299	0.50 329	0.48 292	1.15 406	0.71 331	0.49 298	1.14 398	1.08 402	0.49 291	0.49 318

ccnet	0.80 332	2.28 417	0.33 213	0.50 260	0.33 259	0.50 310	0.33 247	0.50 297	0.33 253	0.49 295	0.33 255	0.49 299	1.56 470	2.38 487	0.33 249	0.41 254	0.29 206	0.42 292	1.57 482	2.28 472	0.29 222

SANet	0.50 275	0.50 191	0.50 294	0.50 260	0.50 337	0.50 310	0.50 330	0.50 297	0.50 329	0.50 307	0.50 336	0.50 313	0.50 329	0.50 305	0.50 328	0.50 293	0.50 304	0.50 324	0.50 337	0.50 296	0.50 321

fffft	0.48 267	0.51 198	0.45 266	0.52 268	0.45 319	0.52 321	0.45 310	0.52 309	0.48 324	0.53 318	0.45 317	0.52 320	0.45 309	0.52 315	0.46 313	0.51 299	0.41 266	0.50 324	0.41 310	0.50 296	0.41 290
1: 1. 1
UGAM-zero	0.51 280	2.17 409	0.39 245	0.53 269	0.36 278	0.50 310	0.36 269	0.50 297	0.36 275	0.49 295	0.36 275	0.50 313	0.35 267	0.50 305	0.36 269	0.49 287	0.37 241	0.47 307	0.35 278	0.46 275	0.34 256

GCST	0.50 275	2.08 401	0.38 238	0.53 269	0.35 272	0.49 302	0.35 263	0.50 297	0.35 265	0.49 295	0.35 272	0.49 299	0.35 267	0.49 298	0.35 266	0.48 284	0.37 241	0.45 299	0.33 267	0.44 270	0.33 250

depthmonostereo	0.44 248	0.85 237	0.46 270	0.54 271	0.40 297	0.52 321	0.38 280	0.52 309	0.35 265	0.47 281	0.34 263	0.46 282	0.34 261	0.47 283	0.34 262	0.45 272	0.43 277	0.41 281	0.33 267	0.41 260	0.32 243

SCV_C0	0.45 251	0.88 242	0.49 290	0.54 271	0.37 281	0.48 297	0.37 274	0.48 285	0.37 276	0.48 288	0.36 275	0.48 295	0.37 274	0.49 298	0.37 277	0.50 293	0.41 266	0.44 295	0.34 271	0.44 270	0.34 256

SCV	0.46 256	0.94 258	0.45 266	0.54 271	0.37 281	0.48 297	0.38 280	0.48 285	0.37 276	0.48 288	0.39 291	0.48 295	0.37 274	0.49 298	0.37 277	0.50 293	0.46 283	0.44 295	0.34 271	0.44 270	0.34 256

UGAM	0.51 280	2.23 414	0.39 245	0.54 271	0.35 272	0.50 310	0.35 263	0.49 289	0.35 265	0.49 295	0.35 272	0.49 299	0.36 270	0.50 305	0.36 269	0.49 287	0.37 241	0.45 299	0.34 271	0.45 274	0.34 256

FCDSN-DC	0.41 234	0.59 214	0.64 323	0.54 271	0.33 259	0.50 310	0.37 274	0.42 265	0.40 290	0.61 333	0.43 312	0.50 313	0.49 326	0.38 230	0.32 241	0.28 186	0.23 178	0.26 187	0.22 189	0.35 217	0.28 217
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PSMNet_ROB	0.54 285	0.54 206	0.54 307	0.54 271	0.53 346	0.54 326	0.54 338	0.53 311	0.54 339	0.54 321	0.54 346	0.54 324	0.53 336	0.54 319	0.54 338	0.54 304	0.53 312	0.54 335	0.54 343	0.54 308	0.54 332

z-ln-s-r	0.21 147	1.40 365	0.53 306	0.56 277	0.04 79	0.05 89	0.04 81	0.05 89	0.05 97	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 88	0.57 309	0.44 280	0.04 73	0.04 78	0.04 77	0.04 79

GASTEREO	0.48 267	1.21 348	0.47 277	0.57 278	0.38 288	0.50 310	0.38 280	0.50 297	0.38 280	0.50 307	0.38 286	0.50 313	0.38 278	0.50 305	0.38 280	0.52 301	0.42 274	0.46 302	0.34 271	0.46 275	0.34 256

CASS	0.57 292	0.89 245	0.56 309	0.57 278	0.56 349	0.56 328	0.56 339	0.56 316	0.53 337	0.57 328	0.57 348	0.59 336	0.48 321	0.56 323	0.57 341	0.55 306	0.56 316	0.47 307	0.56 348	0.62 314	0.56 340
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MSCF	0.51 280	1.40 365	0.49 290	0.58 280	0.38 288	0.50 310	0.38 280	0.54 313	0.41 299	0.52 315	0.41 300	0.53 321	0.42 302	0.53 317	0.41 298	0.60 312	0.47 291	0.48 315	0.37 286	0.48 287	0.38 275

TorneroNet-64	0.45 251	0.27 121	0.30 196	0.58 280	0.27 218	0.70 346	0.30 231	0.28 186	0.73 372	0.73 348	0.28 225	0.71 348	0.66 352	0.75 349	0.27 208	0.27 184	0.29 206	0.37 246	0.75 376	0.28 182	0.30 232

PML	0.46 256	1.36 363	0.29 192	0.58 280	0.30 240	0.57 333	0.29 226	0.57 319	0.29 225	0.57 328	0.29 229	0.57 332	0.29 231	0.56 323	0.29 227	0.52 301	0.30 214	0.53 334	0.31 254	0.53 307	0.30 232

MyStereo8	0.71 314	3.92 483	0.52 302	0.59 283	0.52 343	0.57 333	0.53 336	0.59 324	0.50 329	0.59 332	0.51 342	0.57 332	0.50 329	0.56 323	0.52 335	0.54 304	0.49 298	0.54 335	0.49 335	0.55 309	0.50 321

LL-Strereo2	0.48 267	1.73 380	0.51 299	0.59 283	0.34 269	0.42 274	0.33 247	0.40 234	0.31 244	0.42 260	0.33 255	0.42 272	0.31 247	0.44 272	0.39 287	0.60 312	0.51 308	0.44 295	0.33 267	0.44 270	0.33 250

PA-Net	11.80 558	223.51 584	0.62 320	0.59 283	0.71 375	0.59 335	0.73 367	0.67 335	0.73 372	0.55 324	0.61 353	0.60 337	0.74 366	0.63 335	0.73 368	0.66 324	0.60 323	0.69 350	0.66 361	0.72 325	0.65 351
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
WCG-NET	0.61 296	1.21 348	0.54 307	0.61 286	0.53 346	0.67 344	0.53 336	0.66 334	0.53 337	0.64 339	0.53 345	0.65 344	0.53 336	0.59 329	0.52 335	0.65 322	0.48 295	0.64 344	0.52 341	0.58 311	0.50 321

LG-Stereo_L1	0.47 262	0.52 200	0.47 277	0.62 287	0.39 295	0.53 323	0.40 290	0.53 311	0.39 289	0.53 318	0.39 291	0.53 321	0.39 284	0.53 317	0.39 287	0.55 306	0.46 283	0.49 320	0.37 286	0.49 291	0.37 268

MonSter	0.60 293	0.64 219	0.52 302	0.62 287	0.44 317	2.07 479	0.44 306	0.62 329	0.44 310	0.62 336	0.44 314	0.62 340	0.44 307	0.62 331	0.44 308	0.58 310	0.42 274	0.62 341	0.46 322	0.58 311	0.42 297

LG-Stereo_Zeroshot	0.48 267	0.55 208	0.47 277	0.63 289	0.41 304	0.56 328	0.44 306	0.56 316	0.41 299	0.56 326	0.41 300	0.57 332	0.42 302	0.56 323	0.41 298	0.55 306	0.43 277	0.51 329	0.37 286	0.51 302	0.37 268

MyStereo06	0.75 321	4.12 484	0.60 314	0.63 289	0.61 357	0.62 339	0.66 350	0.56 316	0.45 311	0.55 324	0.48 331	0.54 324	0.46 312	0.57 327	0.45 309	0.60 312	0.57 318	0.64 344	0.55 344	0.72 325	0.55 337

MyStereo05	0.80 332	4.12 484	0.63 321	0.63 289	0.61 357	0.62 339	0.66 350	0.65 332	0.62 348	0.67 343	0.61 353	0.65 344	0.58 341	0.67 340	0.55 340	0.60 312	0.57 318	0.64 344	0.55 344	0.72 325	0.55 337

LG-Stereo	0.60 293	0.58 213	0.47 277	0.64 292	0.74 380	1.00 376	0.69 358	0.57 319	0.41 299	0.57 328	0.41 300	0.57 332	0.41 296	1.00 381	0.75 371	0.91 353	0.51 308	0.52 332	0.37 286	0.52 304	0.37 268

MSKI-zero shot	0.24 157	0.21 105	0.49 290	0.65 293	0.18 182	0.22 168	0.17 162	0.23 170	0.18 173	0.21 164	0.17 172	0.23 173	0.28 225	0.23 174	0.18 176	0.21 155	0.16 142	0.21 165	0.16 162	0.21 162	0.16 153

LMCR-Stereo	0.65 301	0.63 217	0.65 326	0.65 293	0.65 363	0.66 343	0.63 346	0.58 322	0.65 352	0.63 338	0.64 357	0.65 344	0.65 349	0.66 338	0.66 352	0.66 324	0.64 330	0.65 347	0.67 365	0.68 319	0.73 365

DSFCA	0.66 303	0.73 224	0.78 349	0.65 293	0.65 363	0.64 341	0.64 347	0.65 332	0.63 350	0.64 339	0.64 357	0.64 341	0.64 347	0.65 337	0.65 349	0.65 322	0.65 332	0.65 347	0.65 359	0.66 317	0.64 350

AIO-test1	0.54 285	0.60 216	0.52 302	0.66 296	0.47 327	0.61 336	0.47 317	0.58 322	0.46 312	0.61 333	0.46 319	0.61 338	0.45 309	0.62 331	0.45 309	0.61 316	0.52 310	0.57 337	0.48 332	0.57 310	0.48 313

AIO-test2	0.55 289	0.59 214	0.52 302	0.67 297	0.47 327	0.61 336	0.47 317	0.61 328	0.47 317	0.61 333	0.47 327	0.61 338	0.48 321	0.62 331	0.47 319	0.64 321	0.53 312	0.58 338	0.47 329	0.58 311	0.48 313

4D-IteraStereo	0.78 329	3.13 462	0.89 358	0.69 298	0.32 248	0.40 240	0.32 238	0.76 343	0.97 396	0.52 315	0.65 359	0.89 370	0.32 249	0.76 350	0.98 392	0.83 347	0.94 365	0.35 238	0.27 221	0.70 324	0.89 381

Selective-IGEV	0.51 280	0.55 208	0.45 266	0.69 298	0.45 319	0.61 336	0.45 310	0.50 297	0.40 290	0.56 326	0.44 314	0.55 328	0.40 285	0.72 344	0.67 353	0.59 311	0.46 283	0.45 299	0.34 271	0.46 275	0.37 268

LL-Strereo	1.01 374	5.06 498	1.63 472	0.70 300	1.43 477	0.56 328	0.46 312	0.57 319	0.50 329	0.57 328	0.50 336	1.58 459	0.49 326	0.59 329	0.50 328	1.64 454	0.52 310	0.51 329	1.37 470	0.52 304	0.45 303

DMCA-RVC	0.70 312	0.80 229	0.70 334	0.70 300	0.70 373	0.70 346	0.70 361	0.71 340	0.70 362	0.70 346	0.71 372	0.71 348	0.70 359	0.70 342	0.69 360	0.69 327	0.70 339	0.69 350	0.70 370	0.69 323	0.70 358

anonymity	0.63 298	0.69 221	0.56 309	0.71 302	0.56 349	0.71 348	0.56 339	0.71 340	0.56 340	0.72 347	0.56 347	0.71 348	0.56 340	0.71 343	0.58 342	0.68 326	0.55 314	0.68 349	0.55 344	0.68 319	0.54 332

iGMRVC	0.84 347	2.85 457	0.72 340	0.72 303	0.73 378	0.77 351	0.79 372	0.73 342	0.74 374	0.73 348	0.72 375	0.73 353	0.76 369	0.73 346	0.73 368	0.72 332	0.73 345	0.73 354	0.72 374	0.73 328	0.72 362

SMoEStereo_RVC	0.63 298	0.75 225	0.51 299	0.73 304	0.53 346	0.71 348	0.47 317	0.67 335	0.58 342	0.74 353	0.60 349	0.72 351	0.53 336	0.74 348	0.51 333	0.61 316	0.62 328	0.62 341	0.61 355	0.63 315	0.61 345

ARAFT	0.68 308	0.81 232	0.63 321	0.74 305	0.60 352	0.78 353	0.62 345	0.77 344	0.66 354	0.74 353	0.63 355	0.75 355	0.62 346	0.83 356	0.60 345	0.70 330	0.55 314	0.70 352	0.60 353	0.78 333	0.55 337

GCAP-Stereo	0.75 321	4.15 487	0.42 261	0.75 306	0.35 272	0.78 353	0.40 290	0.79 345	0.38 280	0.78 356	0.36 275	0.78 358	0.36 270	0.79 351	0.39 287	0.75 335	0.39 254	0.76 359	0.39 302	0.75 329	0.39 281

AFF-stereo	0.73 319	0.88 242	0.67 331	0.75 306	0.68 370	0.75 350	0.64 347	0.80 347	0.72 369	0.83 362	0.70 368	0.82 365	0.64 347	0.84 357	0.67 353	0.77 337	0.63 329	0.81 367	0.63 357	0.78 333	0.62 348

DLNR_Zeroshot_test	0.31 180	0.28 124	0.47 277	0.79 308	0.24 206	0.30 196	0.26 208	0.30 192	0.24 194	0.32 202	0.23 196	0.31 205	0.24 199	0.30 203	0.23 192	0.29 193	0.26 184	0.29 198	0.24 202	0.33 201	0.23 179

G-Net	0.79 330	0.79 228	0.79 352	0.79 308	0.79 384	0.79 355	0.79 372	0.79 345	0.79 378	0.79 357	0.79 382	0.79 360	0.79 372	0.79 351	0.79 374	0.79 338	0.79 352	0.79 362	0.79 380	0.79 335	0.79 372

MIM_Stereo	0.25 158	0.23 110	0.66 327	0.80 310	0.17 175	0.22 168	0.17 162	0.23 170	0.18 173	0.26 186	0.17 172	0.21 163	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.21 165	0.17 180	0.22 164	0.17 165

RAFT-Stereo + iAFF	0.70 312	0.72 223	0.71 337	0.80 310	0.62 360	0.82 358	0.61 344	0.81 350	0.62 348	0.81 360	0.63 355	0.80 361	0.70 359	0.73 346	0.61 347	0.76 336	0.61 327	0.74 356	0.61 355	0.77 332	0.61 345

NaN_ROB	0.80 332	0.80 229	0.80 353	0.80 310	0.80 386	0.80 356	0.80 375	0.80 347	0.80 379	0.80 358	0.80 383	0.80 361	0.80 373	0.80 353	0.80 376	0.80 339	0.80 355	0.80 365	0.80 382	0.80 338	0.80 373

CSAN	0.80 332	0.80 229	0.80 353	0.80 310	0.80 386	0.80 356	0.80 375	0.80 347	0.80 379	0.80 358	0.80 383	0.80 361	0.80 373	0.80 353	0.80 376	0.80 339	0.80 355	0.80 365	0.80 382	0.80 338	0.80 373

AIO-Stereo	0.84 347	0.66 220	0.70 334	0.83 314	0.67 367	0.98 374	0.82 378	1.14 380	0.72 369	1.03 383	0.74 378	1.03 387	1.09 393	0.99 379	0.45 309	1.04 367	0.73 345	0.95 385	0.74 375	0.94 359	0.46 304

Former-RAFT_DAM_RVC	0.49 273	0.98 263	0.64 323	0.84 315	0.46 321	0.45 281	0.35 263	0.47 281	0.47 317	0.45 271	0.34 263	0.46 282	0.48 321	0.46 279	0.35 266	0.39 242	0.71 343	0.39 263	0.35 278	0.41 260	0.41 290

test_xeample3	1.10 381	1.81 381	0.61 319	0.84 315	0.49 333	0.77 351	0.66 350	0.92 362	1.40 476	0.68 345	0.46 319	0.78 358	0.54 339	1.72 462	1.48 478	1.34 435	1.52 465	1.35 462	1.67 495	1.33 437	1.55 482

RSM++	0.76 325	0.82 234	0.66 327	0.85 317	0.64 361	0.85 360	0.71 364	0.94 366	0.64 351	0.87 363	0.67 362	0.87 367	0.65 349	0.84 357	0.65 349	0.81 342	0.70 339	0.79 362	0.71 373	0.83 345	0.70 358

Selective-RAFT-Error	0.88 352	0.84 235	0.98 370	0.86 318	0.97 400	0.88 363	0.95 389	0.84 352	0.99 399	0.92 369	0.82 385	0.84 366	0.98 383	0.87 362	0.97 391	0.81 342	0.83 358	0.79 362	0.82 385	0.79 335	0.85 378

FC-DCNN	1.07 379	1.09 288	0.98 370	0.89 319	0.52 343	1.41 457	0.91 384	1.21 436	1.24 464	1.96 467	2.05 519	1.91 468	1.30 458	1.27 450	1.08 400	0.80 339	0.60 323	0.58 338	0.41 310	0.68 319	0.54 332

DDUNet	0.81 337	2.45 432	0.57 311	0.90 320	0.60 352	0.88 363	0.59 343	0.90 357	0.60 345	0.88 364	0.60 349	0.90 371	0.58 341	0.88 363	0.60 345	0.84 349	0.60 323	0.86 375	0.57 350	0.86 347	0.60 344

ADCS	0.09 51	0.02 12	0.04 43	0.90 320	0.06 107	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 127	0.36 269	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

UDG	0.80 332	2.21 413	0.60 314	0.91 322	0.60 352	0.90 366	0.58 341	0.88 356	0.60 345	0.90 365	0.60 349	0.88 368	0.60 343	0.90 366	0.58 342	0.86 351	0.60 323	0.84 373	0.59 352	0.84 346	0.61 345

DPSM_ROB	0.92 357	0.91 249	0.91 363	0.91 322	0.92 395	0.92 368	0.92 385	0.92 362	0.91 386	0.93 371	0.91 390	0.92 374	0.90 377	0.91 367	0.92 384	0.92 356	0.91 361	0.91 380	0.92 389	0.93 357	0.93 385

DPSM	0.92 357	0.91 249	0.91 363	0.91 322	0.92 395	0.92 368	0.92 385	0.92 362	0.91 386	0.93 371	0.91 390	0.92 374	0.90 377	0.91 367	0.92 384	0.92 356	0.91 361	0.91 380	0.92 389	0.93 357	0.93 385

zero-FE	0.72 317	1.31 359	0.66 327	0.92 325	0.60 352	0.82 358	0.58 341	0.82 351	0.58 342	0.81 360	0.60 349	0.81 364	0.60 343	0.82 355	0.58 342	0.74 334	0.59 322	0.73 354	0.52 341	0.76 330	0.51 328

tt45	1.04 378	0.88 242	1.36 455	0.92 325	1.03 407	1.51 460	0.79 372	0.70 339	0.88 384	0.74 353	0.90 387	1.60 460	0.72 364	1.60 457	0.75 371	0.91 353	0.78 351	1.52 469	0.79 380	1.14 373	1.32 470

PAM_32	0.64 300	2.38 429	0.51 299	0.92 325	0.43 316	0.53 323	0.44 306	0.87 353	0.43 307	0.52 315	0.45 317	0.53 321	0.40 285	0.54 319	0.46 313	0.62 319	0.56 316	0.48 315	0.45 320	0.76 330	0.44 301

MoCha-V2	2.11 479	26.97 562	0.78 349	0.92 325	0.77 382	0.96 373	0.72 366	0.90 357	0.72 369	0.94 373	0.70 368	0.90 371	0.71 363	0.91 367	0.71 366	0.85 350	0.71 343	0.88 376	0.69 368	0.87 348	0.67 354

Syn2CoEx	0.25 158	1.31 359	0.74 344	0.92 325	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 352	0.75 348	0.02 18	0.02 20	0.02 20	0.02 20

pmcnn	0.92 357	0.92 254	0.92 365	0.92 325	0.92 395	0.92 368	0.92 385	0.92 362	0.92 390	0.92 369	0.92 393	0.92 374	0.92 379	0.92 371	0.92 384	0.92 356	0.92 363	0.92 382	0.92 389	0.92 356	0.92 384

DCRE	0.84 347	1.89 388	0.77 348	0.94 331	0.72 377	0.88 363	0.73 367	0.87 353	0.78 375	0.90 365	0.71 372	0.88 368	0.67 354	0.88 363	0.73 368	0.81 342	0.68 334	0.81 367	0.70 370	0.82 343	0.70 358

DGTPSM_ROB	0.93 362	1.00 267	0.92 365	0.94 331	0.96 399	0.91 367	0.92 385	0.91 359	0.96 395	0.91 367	0.96 394	0.93 377	0.92 379	0.94 373	0.92 384	0.92 356	0.92 363	0.90 377	0.92 389	0.94 359	0.91 383

ToySt	0.92 357	2.11 404	0.90 361	0.95 333	0.79 384	0.99 375	0.78 371	0.94 366	0.81 382	0.94 373	0.78 381	0.95 378	0.77 370	0.94 373	0.86 382	0.91 353	0.79 352	0.85 374	0.77 377	0.89 350	0.73 365

R-Stereo Train	0.81 337	0.96 260	0.67 331	0.95 333	0.67 367	0.95 371	0.68 355	0.95 368	0.68 356	0.95 375	0.68 363	0.96 379	0.68 355	0.96 377	0.68 356	0.94 361	0.68 334	0.94 383	0.68 366	0.94 359	0.68 355

RAFT-Stereo	0.81 337	0.96 260	0.67 331	0.95 333	0.67 367	0.95 371	0.68 355	0.95 368	0.68 356	0.95 375	0.68 363	0.96 379	0.68 355	0.96 377	0.68 356	0.94 361	0.68 334	0.94 383	0.68 366	0.94 359	0.68 355
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AIO-Stereo-zeroshot1	0.75 321	0.92 254	0.85 357	0.96 336	0.59 351	1.27 447	0.44 306	0.59 324	0.69 359	0.91 367	0.68 363	0.55 328	0.61 345	1.06 387	0.83 380	0.62 319	0.70 339	0.90 377	0.41 310	0.89 350	0.56 340

ff7	1.68 447	2.68 440	1.35 447	0.97 337	0.89 390	1.84 465	2.15 512	2.12 472	1.80 497	2.05 477	1.56 481	2.33 483	2.12 505	2.23 480	2.25 515	1.31 432	1.07 373	1.48 466	1.41 473	0.90 353	1.04 397

ffff	1.68 447	2.68 440	1.35 447	0.97 337	0.89 390	1.84 465	2.15 512	2.12 472	1.80 497	2.05 477	1.56 481	2.33 483	2.12 505	2.23 480	2.25 515	1.31 432	1.07 373	1.48 466	1.41 473	0.90 353	1.04 397

ccc-4	1.68 447	2.68 440	1.35 447	0.97 337	0.89 390	1.84 465	2.15 512	2.12 472	1.80 497	2.05 477	1.56 481	2.33 483	2.12 505	2.23 480	2.25 515	1.31 432	1.07 373	1.48 466	1.41 473	0.90 353	1.04 397

GANet	1.00 369	1.00 267	1.00 372	1.00 340	1.00 401	1.00 376	1.00 393	1.00 370	1.00 400	1.00 377	1.00 397	1.00 382	1.00 384	1.00 381	1.00 394	1.00 363	1.00 366	1.00 390	1.00 396	1.00 363	1.00 392

TDLM	1.00 369	1.00 267	1.00 372	1.00 340	1.00 401	1.00 376	1.00 393	1.00 370	1.00 400	1.00 377	1.00 397	1.00 382	1.00 384	1.00 381	1.00 394	1.00 363	1.00 366	1.00 390	1.00 396	1.00 363	1.00 392

CVANet_RVC	1.00 369	1.00 267	1.00 372	1.00 340	1.00 401	1.00 376	1.00 393	1.00 370	1.00 400	1.00 377	1.00 397	1.00 382	1.00 384	1.00 381	1.00 394	1.00 363	1.00 366	1.00 390	1.00 396	1.00 363	1.00 392

AdaDepth	0.86 350	0.93 256	0.71 337	1.01 343	1.07 409	1.02 381	0.71 364	1.00 370	0.71 367	1.01 381	0.71 372	1.00 382	0.72 364	1.14 397	0.71 366	0.92 356	0.64 330	0.90 377	0.64 358	0.89 350	0.69 357

trnet	1.01 374	1.01 273	1.01 375	1.01 343	1.01 405	1.01 380	1.01 396	1.01 374	1.01 403	1.01 381	1.01 400	1.01 386	1.01 390	1.01 385	1.01 397	1.01 366	1.01 369	1.01 393	1.01 400	1.01 366	1.01 395

ADCMid	0.08 50	0.02 12	0.02 14	1.01 343	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 105	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

edge stereo	2.43 503	27.07 563	1.14 381	1.06 346	1.14 412	1.08 387	1.17 408	1.16 383	1.14 407	1.10 387	1.16 408	1.09 391	1.16 402	1.10 393	1.16 409	1.10 372	1.11 383	1.16 400	1.19 410	1.13 372	1.11 400

EKT-Stereo	0.37 209	0.40 150	0.44 264	1.07 347	0.29 230	0.34 213	0.31 237	0.36 211	0.29 225	0.38 222	0.31 246	0.37 228	0.30 238	0.36 224	0.29 227	0.34 207	0.28 196	0.39 263	0.30 245	0.37 228	0.30 232

GLC_STEREO	1.07 379	1.01 273	1.06 377	1.07 347	1.05 408	1.06 384	1.08 400	1.08 376	1.05 406	1.07 385	1.06 402	1.08 389	1.05 392	1.06 387	1.10 401	1.07 369	1.09 379	1.05 396	1.05 401	1.06 369	1.12 402

999	1.00 369	1.12 292	0.59 312	1.10 349	1.21 467	1.09 389	0.52 335	1.08 376	1.43 478	1.18 397	1.35 470	0.98 381	0.52 335	0.91 367	0.85 381	0.72 332	1.46 461	0.83 372	0.98 394	0.68 319	1.41 478

HH	0.71 314	2.54 434	0.74 344	1.10 349	0.32 248	0.41 256	0.37 274	0.69 337	0.78 375	0.73 348	0.90 387	0.75 355	1.00 384	0.84 357	0.69 360	0.69 327	0.40 257	0.35 238	0.26 213	0.35 217	0.26 196

HanStereo	0.71 314	2.54 434	0.74 344	1.10 349	0.32 248	0.41 256	0.37 274	0.69 337	0.78 375	0.73 348	0.90 387	0.75 355	1.00 384	0.84 357	0.69 360	0.69 327	0.40 257	0.35 238	0.26 213	0.35 217	0.26 196

DPSimNet_ROB	0.97 366	1.18 300	0.81 355	1.10 349	0.91 394	1.02 381	0.82 378	1.04 375	0.91 386	1.03 383	0.86 386	1.28 451	0.82 375	1.03 386	0.89 383	1.17 381	0.81 357	1.02 394	0.82 385	1.08 370	0.81 375

MSMD_ROB	1.19 386	1.10 291	0.70 334	1.10 349	0.60 352	1.10 390	0.70 361	1.10 379	0.70 362	1.10 387	0.70 368	1.10 393	0.70 359	7.00 556	0.70 364	1.10 372	0.70 339	1.10 397	0.70 370	1.10 371	0.70 358

AF-Net	2.37 500	25.71 558	1.17 385	1.13 354	1.15 413	1.15 396	1.18 409	1.19 388	1.16 409	1.10 387	1.15 405	1.10 393	1.18 403	1.12 396	1.15 406	1.10 372	1.10 382	1.17 404	1.15 406	1.16 377	1.12 402

ktn	0.72 317	0.53 203	1.08 378	1.14 355	0.51 342	1.22 444	1.36 469	0.51 307	0.59 344	0.51 312	0.51 342	0.69 347	1.20 405	0.67 340	0.51 333	0.51 299	0.49 298	0.58 338	0.66 361	0.52 304	0.53 329

Nwc_Net	2.37 500	25.95 559	1.15 383	1.14 355	1.15 413	1.08 387	1.14 404	1.17 385	1.16 409	1.14 395	1.15 405	1.08 389	1.15 398	1.11 395	1.14 405	1.10 372	1.11 383	1.16 400	1.09 403	1.16 377	1.15 407

KSHMR	0.66 303	0.50 191	0.48 285	1.15 357	0.52 343	0.49 302	0.51 334	0.49 289	0.71 367	0.67 343	0.50 336	1.16 399	1.11 394	0.66 338	0.52 335	0.49 287	0.49 298	0.51 329	0.66 361	0.50 296	1.14 406

HBP-ISP	1.24 435	1.72 375	1.65 473	1.15 357	0.76 381	1.40 456	0.88 381	1.67 458	1.02 404	1.69 462	1.38 475	1.69 464	1.21 451	1.87 469	1.21 458	1.05 368	0.79 352	0.97 388	0.80 382	1.19 385	0.75 369

RP	2.33 496	25.00 555	1.13 380	1.15 357	1.15 413	1.10 390	1.15 405	1.15 381	1.15 408	1.12 392	1.15 405	1.09 391	1.13 395	1.10 393	1.15 406	1.11 377	1.09 379	1.16 400	1.12 404	1.16 377	1.17 411

RGC	2.36 498	25.48 556	1.19 389	1.15 357	1.15 413	1.10 390	1.16 407	1.17 385	1.16 409	1.12 392	1.16 408	1.11 396	1.13 395	1.09 391	1.18 411	1.10 372	1.15 388	1.16 400	1.12 404	1.14 373	1.12 402

NCC-stereo	2.36 498	25.52 557	1.17 385	1.15 357	1.17 418	1.11 393	1.11 401	1.15 381	1.16 409	1.10 387	1.16 408	1.10 393	1.15 398	1.14 397	1.13 404	1.09 370	1.11 383	1.15 399	1.16 408	1.17 382	1.17 411

Selective-RAFT	0.89 354	0.89 245	0.72 340	1.16 362	0.78 383	1.06 384	0.82 378	0.87 353	0.97 396	1.00 377	0.91 390	0.90 371	1.00 384	0.89 365	0.93 388	0.83 347	0.83 358	0.82 371	0.82 385	0.81 341	0.82 376

Abc-Net	2.32 495	24.75 554	1.14 381	1.17 363	1.17 418	1.11 393	1.15 405	1.17 385	1.21 461	1.08 386	1.16 408	1.12 397	1.14 397	1.09 391	1.17 410	1.09 370	1.16 389	1.17 404	1.17 409	1.16 377	1.11 400
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 496	24.38 553	1.18 387	1.18 364	1.18 420	1.14 395	1.18 409	1.19 388	1.19 415	1.14 395	1.18 412	1.14 398	1.18 403	1.14 397	1.18 411	1.14 380	1.14 387	1.19 408	1.19 410	1.15 375	1.19 415

HSM-Net_RVC	0.95 365	1.17 298	0.78 349	1.18 364	0.71 375	1.16 397	0.75 369	1.09 378	0.80 379	1.10 387	0.75 379	1.17 400	0.74 366	1.17 400	0.80 376	1.13 378	0.73 345	1.17 404	0.77 377	1.16 377	0.72 362
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DisPM	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

CrosDoStereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

PFNet+	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

LCNet	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

HHNet	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

Patchmatch Stereo++	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416
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	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

STrans-v2	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

TransformOpticalFlow	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

OMP-Stereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

IIG-Stereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

NF-Stereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

OCTAStereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

PSM-softLoss	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

KMStereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

NRIStereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

PSM-adaLoss	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

PSM-AAD	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

FTStereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

ROB_FTStereo_v2	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

ROB_FTStereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

Consistency-Raft	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

KYRaft	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

HUI-Stereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

ASMatch	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

DeepStereo_LL	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

DEmStereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

SST-Stereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

THIR-Stereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

RAFT_R40	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

DRaft	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

PFNet	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

GrayStereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

RE-Stereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

Pruner-Stereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

TVStereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

DeepStereo_RVC	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

RAFT-RH_RVC	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

IRAFT_RVC	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

RAFT-345	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

iRAFT	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

CRE-IMP	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

GMM-Stereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

RAFT-IKP	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

Prome-Stereo	1.20 387	1.20 302	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

CroCo-Stereo	0.73 319	1.22 353	0.25 178	1.22 411	0.25 208	1.22 444	0.25 200	1.22 437	0.25 199	1.22 445	0.25 208	1.22 448	0.25 202	1.22 448	0.25 202	1.22 429	0.26 184	1.21 454	0.25 207	1.22 433	0.25 190
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
S-Stereo	2.51 505	26.86 561	1.23 441	1.22 411	1.22 469	1.24 446	1.25 460	1.22 437	1.24 464	1.21 444	1.24 461	1.19 401	1.27 455	1.19 401	1.24 460	1.19 382	1.20 394	1.25 456	1.19 410	1.24 434	1.23 464

FAT-Stereo	2.46 504	26.05 560	1.23 441	1.23 413	1.22 469	1.20 398	1.24 459	1.23 439	1.23 463	1.19 398	1.22 459	1.21 447	1.24 453	1.20 402	1.24 460	1.21 428	1.17 392	1.22 455	1.25 463	1.20 386	1.24 465

AIO-Stereo-zeroshot	0.91 355	0.86 238	0.89 358	1.25 414	0.69 371	1.05 383	0.81 377	1.16 383	0.50 329	1.12 392	0.97 395	0.72 351	0.82 375	1.06 387	0.95 389	0.61 316	0.87 360	1.03 395	0.85 388	1.04 368	1.01 395

MLG-Stereo	0.92 357	0.90 247	0.84 356	1.27 415	0.49 333	1.38 454	0.88 381	1.41 450	0.97 396	0.73 348	1.09 403	1.26 449	0.43 305	0.72 344	1.05 399	1.13 378	0.49 298	1.18 407	0.66 361	1.01 366	0.46 304

CroCo-Stereo Lap2	0.77 326	1.29 357	0.29 192	1.27 415	0.29 230	1.27 447	0.26 208	1.26 440	0.26 212	1.26 446	0.26 214	1.27 450	0.26 211	1.26 449	0.27 208	1.27 431	0.27 190	1.27 457	0.27 221	1.27 435	0.27 204

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 415	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 105	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

castereo++	0.54 285	3.59 470	1.15 383	1.31 418	0.14 154	0.16 139	0.14 149	0.16 138	0.14 154	0.16 135	0.14 158	0.16 136	0.13 151	0.16 137	0.14 148	1.45 444	1.16 389	0.15 139	0.14 157	0.15 138	0.13 147

11t	1.27 437	2.70 443	1.34 445	1.32 419	0.89 390	1.30 449	1.34 466	1.64 455	0.57 341	1.45 453	0.72 375	1.05 388	1.29 457	1.07 390	1.29 467	1.49 446	1.02 370	0.97 388	1.15 406	1.48 442	1.31 469

PS-NSSS	1.38 442	1.39 364	1.34 445	1.34 420	1.35 471	1.38 454	1.37 474	1.35 444	1.38 475	1.34 447	1.34 469	1.39 454	1.38 466	1.70 461	1.40 475	1.36 438	1.36 455	1.36 464	1.37 470	1.37 439	1.36 475

MaskLacGwcNet_RVC	1.35 439	1.35 362	1.35 447	1.35 421	1.35 471	1.35 450	1.35 467	1.36 445	1.35 472	1.36 449	1.35 470	1.36 452	1.36 463	1.36 451	1.35 471	1.35 436	1.35 454	1.35 462	1.35 467	1.35 438	1.35 474

CSP-Net	0.34 193	1.29 357	1.19 389	1.36 422	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 430	1.21 440	0.03 38	0.09 110	0.02 20	0.09 108

CC-Net-ROB	1.36 440	1.33 361	1.33 444	1.36 422	1.38 474	1.36 452	1.33 465	1.37 447	1.34 469	1.35 448	1.36 472	1.38 453	1.34 461	1.38 453	1.38 474	1.35 436	1.38 457	1.33 459	1.35 467	1.43 441	1.34 473

RASNet	1.49 443	1.65 372	1.45 463	1.38 424	1.43 477	1.47 459	1.36 469	1.38 448	1.36 473	1.39 450	1.60 485	1.45 457	1.45 469	1.51 456	2.21 514	1.53 450	1.36 455	1.36 464	1.36 469	1.66 450	1.36 475

FENet	0.54 285	1.52 369	1.19 389	1.41 425	0.23 201	0.35 217	0.23 192	0.35 207	0.23 192	0.34 209	0.23 196	0.35 216	0.23 196	0.35 218	0.23 192	1.40 441	1.07 373	0.32 207	0.23 194	0.33 201	0.23 179

MM-Stereo_test2	1.20 387	1.85 384	1.05 376	1.46 426	0.94 398	1.36 452	0.99 392	1.36 445	0.95 393	1.41 451	0.98 396	1.40 456	0.96 381	1.37 452	0.95 389	1.37 440	1.06 372	1.33 459	0.93 393	1.29 436	0.89 381

castereo	0.61 296	3.79 478	1.35 447	1.52 427	0.15 165	0.17 147	0.16 157	0.20 156	0.21 183	0.18 148	0.16 167	0.21 163	0.12 146	0.26 193	0.17 167	1.43 443	1.38 457	0.17 150	0.16 162	0.18 152	0.16 153

PASM	0.39 223	3.06 459	1.36 455	1.58 428	0.09 112	0.11 119	0.11 128	0.11 121	0.11 130	0.09 107	0.09 112	0.11 120	0.09 113	0.09 108	0.09 105	0.11 86	0.11 94	0.11 118	0.09 110	0.11 120	0.11 125

FlowAnything_test	1.02 376	1.72 375	0.71 337	1.59 429	0.70 373	1.61 462	0.69 358	1.61 452	0.70 362	1.60 455	0.70 368	1.61 463	0.69 357	1.61 459	0.70 364	0.81 342	0.58 320	0.81 367	0.55 344	0.81 341	0.56 340

FlowAnything	1.02 376	1.71 374	0.72 340	1.59 429	0.69 371	1.60 461	0.69 358	1.61 452	0.70 362	1.60 455	0.69 366	1.60 460	0.69 357	1.61 459	0.69 360	0.81 342	0.58 320	0.81 367	0.56 348	0.82 343	0.56 340

DPSMNet_ROB	1.60 446	1.59 371	1.70 475	1.59 429	1.59 482	1.61 462	1.61 484	1.60 451	1.60 481	1.62 461	1.59 484	1.60 460	1.60 471	1.60 457	1.59 481	1.59 451	1.60 475	1.59 470	1.59 487	1.59 446	1.59 487

MM-Stereo_test3	1.27 437	2.07 400	1.18 387	1.60 432	1.02 406	1.45 458	1.01 396	1.40 449	1.04 405	1.44 452	1.03 401	1.46 458	1.02 391	1.44 455	1.02 398	1.51 449	1.12 386	1.32 458	0.98 394	1.38 440	0.97 388

BEATNet_4x	0.11 84	0.03 31	0.03 36	1.60 432	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 84	0.03 31	0.03 36	1.60 432	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 435	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

DEFOM-Stereo	0.68 308	3.11 461	1.40 461	1.63 436	0.25 208	0.31 201	0.25 200	0.31 196	0.28 220	0.31 197	0.29 229	0.29 198	0.27 219	0.31 207	0.28 217	1.59 451	1.47 462	0.30 200	0.29 235	0.30 188	0.28 217

ours_stereo	1.20 387	1.21 348	0.90 361	1.64 437	1.11 411	1.35 450	0.67 354	1.76 459	0.93 391	1.70 463	1.10 404	1.39 454	0.75 368	1.41 454	0.81 379	1.60 453	1.03 371	1.33 459	1.00 396	1.61 447	0.72 362

ADCRef	0.12 93	0.03 31	0.04 43	1.71 438	0.04 79	0.03 40	0.03 50	0.04 77	0.04 81	0.04 74	0.03 52	0.04 77	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

test-3	0.98 368	4.13 486	1.85 492	1.85 439	0.61 357	0.69 345	0.37 274	0.63 330	0.61 347	0.66 342	0.51 342	0.73 353	0.44 307	0.57 327	0.54 338	1.68 455	1.81 487	0.40 268	0.43 318	0.66 317	0.50 321

RAFT_CTSACE	1.92 456	3.71 475	1.72 478	1.88 440	1.72 493	2.04 477	1.42 479	2.18 477	1.89 508	2.02 474	1.97 508	1.95 469	2.06 504	1.93 471	1.62 482	1.76 456	1.66 479	2.02 486	1.73 503	1.73 453	1.43 480

GANetREF_RVC	1.55 444	1.94 397	1.22 439	1.88 440	1.21 467	1.88 468	1.22 457	1.88 461	1.22 462	1.88 464	1.22 459	1.88 466	1.22 452	1.89 470	1.22 459	1.87 460	1.22 441	1.88 482	1.22 459	1.88 459	1.22 462
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
psmg	0.43 244	1.91 391	0.92 365	1.91 442	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 467	1.44 460	0.04 73	0.03 54	0.02 20	0.03 51

SPS-STEREO	1.59 445	1.91 391	1.21 438	1.94 443	1.20 421	2.00 476	1.23 458	1.99 466	1.24 464	2.00 472	1.25 462	2.03 476	1.26 454	2.00 474	1.29 467	1.90 464	1.18 393	1.89 483	1.21 458	1.89 460	1.20 416
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	1.81 454	1.91 391	1.71 477	1.95 444	1.70 492	1.95 473	1.70 489	1.96 464	1.74 494	1.97 469	1.72 492	1.95 469	1.71 478	1.97 473	1.71 489	1.86 459	1.62 476	1.85 476	1.66 494	1.86 458	1.64 493

CRFU-Net	0.65 301	1.67 373	1.22 439	1.96 445	0.27 218	0.41 256	0.27 211	0.41 249	0.27 217	0.40 234	0.26 214	0.41 256	0.27 219	0.40 241	0.27 208	1.80 458	1.62 476	0.34 222	0.23 194	0.33 201	0.23 179

NINENet	0.69 311	3.87 482	1.20 392	1.98 446	0.05 99	0.40 240	0.04 81	0.40 234	0.05 97	0.41 248	0.04 88	0.41 256	0.05 94	0.40 241	0.05 88	1.79 457	1.56 469	0.34 222	0.22 189	0.34 205	0.23 179

error version	0.93 362	4.47 491	2.35 511	1.99 447	0.37 281	0.41 256	0.36 269	0.41 249	0.35 265	0.43 266	0.36 275	0.41 256	0.40 285	0.41 255	0.36 269	1.87 460	2.16 503	0.47 307	0.37 286	0.39 245	0.33 250

test_1	0.93 362	4.47 491	2.35 511	1.99 447	0.37 281	0.41 256	0.36 269	0.41 249	0.35 265	0.43 266	0.36 275	0.41 256	0.40 285	0.41 255	0.36 269	1.87 460	2.16 503	0.47 307	0.37 286	0.39 245	0.33 250

MM-Stereo_test1	1.80 453	3.41 468	1.52 469	2.12 449	1.41 476	2.04 477	1.41 477	2.05 470	1.46 479	2.04 476	1.41 477	2.05 477	1.42 468	2.05 475	1.43 477	2.04 471	1.54 468	1.94 484	1.38 472	1.99 462	1.33 471

MC-Stereo	1.76 450	2.96 458	1.37 457	2.14 450	1.37 473	2.14 481	1.36 469	2.14 475	1.37 474	2.14 481	1.37 473	2.14 478	1.37 465	2.14 479	1.37 473	1.97 467	1.32 442	1.97 485	1.32 466	1.98 461	1.33 471

DEFOM-Stereo_RVC	0.83 344	5.18 500	1.98 503	2.19 451	0.17 175	0.19 154	0.18 168	0.19 151	0.16 166	0.20 155	0.19 183	0.22 169	0.22 190	0.20 156	0.15 158	2.28 484	2.13 502	0.24 183	0.17 180	0.18 152	0.16 153

ADCP+	0.15 121	0.04 37	0.04 43	2.20 452	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 105	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

AnyNet_C32	0.14 109	0.04 37	0.03 36	2.22 453	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 102	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

BEATNet-Init1	0.19 139	0.08 58	0.08 60	2.23 454	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

DeepPrunerF	0.19 139	0.08 58	0.08 60	2.23 454	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

TRStereo	2.00 462	2.13 405	1.85 492	2.27 456	1.84 497	2.28 485	1.84 493	2.29 480	1.86 502	2.30 486	1.87 497	2.30 480	1.87 488	2.08 476	1.72 491	2.08 472	1.72 482	2.08 488	1.72 500	2.08 463	1.72 497

XX-Stereo	2.00 462	2.13 405	1.85 492	2.27 456	1.84 497	2.28 485	1.84 493	2.29 480	1.86 502	2.30 486	1.87 497	2.30 480	1.87 488	2.08 476	1.72 491	2.08 472	1.72 482	2.08 488	1.72 500	2.08 463	1.72 497

EAI-Stereo	2.00 462	2.13 405	1.85 492	2.27 456	1.84 497	2.28 485	1.84 493	2.29 480	1.86 502	2.30 486	1.87 497	2.30 480	1.87 488	2.08 476	1.72 491	2.08 472	1.72 482	2.08 488	1.72 500	2.08 463	1.72 497

NCCL2	2.28 494	2.27 416	2.28 509	2.28 459	2.28 521	2.27 483	2.29 515	2.28 478	2.28 518	2.27 485	2.28 520	2.28 479	2.27 508	2.27 483	2.28 519	2.28 484	2.28 506	2.27 493	2.29 519	2.27 471	2.29 514

AIO_rvc	2.18 482	2.34 425	1.87 496	2.32 460	1.94 506	2.40 490	1.89 501	2.37 486	2.07 517	2.52 497	1.95 507	2.44 490	1.99 500	2.41 489	1.89 507	2.32 488	2.09 500	2.24 492	2.18 515	2.21 467	2.23 513

HUF	2.18 482	2.30 418	1.99 506	2.34 461	2.02 511	2.41 491	2.06 511	2.38 487	1.89 508	2.36 490	1.85 495	2.56 496	1.98 498	2.31 486	1.97 510	2.30 486	2.03 499	2.30 495	2.11 514	2.23 468	2.16 511

STTStereo	3.73 520	30.40 567	2.37 513	2.39 462	2.31 523	2.35 488	2.33 516	2.29 480	2.42 519	2.32 489	2.34 521	2.33 483	2.36 509	2.30 485	2.27 518	2.35 489	2.22 505	2.31 496	2.22 516	2.29 473	2.34 518

AIO_test	2.18 482	2.09 403	2.04 507	2.42 463	2.01 508	2.47 493	1.94 503	2.34 485	2.03 516	2.56 498	1.94 505	2.43 489	1.94 495	2.41 489	1.87 505	2.39 492	2.10 501	2.35 500	1.91 513	2.25 470	2.19 512

iRaftStereo_RVC	0.97 366	3.17 464	2.30 510	2.42 463	0.38 288	0.54 326	0.38 280	0.54 313	0.38 280	0.54 321	0.38 286	0.54 324	0.38 278	0.54 319	0.38 280	2.38 491	2.34 507	0.49 320	0.36 284	0.49 291	0.36 264

UDGNet	2.23 492	5.40 508	1.72 478	2.48 465	1.69 489	2.51 498	1.69 488	2.51 494	1.72 491	2.50 496	1.69 491	2.52 491	1.69 477	2.50 493	1.68 487	2.41 493	1.70 481	2.42 503	1.69 499	2.42 478	1.64 493

IGEVStereo-DCA	1.77 451	4.21 488	1.84 490	2.49 466	2.11 514	2.54 501	1.36 469	1.65 456	1.17 413	2.75 508	1.90 502	2.54 494	1.15 398	0.94 373	1.11 402	1.50 447	1.32 442	0.96 386	1.46 479	1.49 443	0.88 379

rrr	1.77 451	4.21 488	1.84 490	2.49 466	2.11 514	2.54 501	1.36 469	1.65 456	1.17 413	2.75 508	1.90 502	2.54 494	1.15 398	0.94 373	1.11 402	1.50 447	1.32 442	0.96 386	1.46 479	1.49 443	0.88 379

FBW_ROB	2.12 480	2.46 433	1.77 480	2.49 466	1.79 496	2.38 489	1.83 492	2.46 490	1.78 496	2.48 495	1.97 508	2.40 488	1.78 485	2.42 491	1.83 499	2.31 487	1.85 489	2.38 501	1.82 505	2.35 475	1.84 502

IER	0.88 352	7.04 519	2.23 508	2.75 469	0.28 222	0.43 278	0.25 200	0.39 229	0.25 199	0.41 248	0.27 218	0.39 235	0.25 202	0.40 241	0.28 217	0.37 225	0.28 196	0.37 246	0.25 207	0.37 228	0.25 190

LGtest1	2.22 489	2.70 443	1.89 497	2.76 470	1.86 500	2.75 510	1.86 497	2.75 505	1.86 502	2.75 508	1.86 496	2.77 512	1.87 488	2.75 509	1.86 502	2.46 495	1.58 471	2.45 504	1.56 481	2.45 480	1.56 483

4.5_new	2.00 462	1.84 383	1.98 503	2.77 471	2.16 516	2.27 483	1.28 464	2.09 471	1.98 512	2.01 473	1.28 465	2.71 503	1.98 498	2.51 494	1.65 484	2.26 480	1.33 449	1.87 479	1.87 507	2.49 484	1.60 488

LG-G_1	2.22 489	2.71 445	1.89 497	2.77 471	1.87 503	2.75 510	1.87 499	2.76 506	1.87 506	2.75 508	1.87 497	2.76 510	1.87 488	2.75 509	1.86 502	2.47 496	1.58 471	2.45 504	1.57 482	2.45 480	1.57 484

LG-G	2.22 489	2.71 445	1.89 497	2.77 471	1.87 503	2.75 510	1.87 499	2.76 506	1.87 506	2.75 508	1.87 497	2.76 510	1.87 488	2.75 509	1.86 502	2.47 496	1.58 471	2.45 504	1.57 482	2.45 480	1.57 484

sCroCo_RVC	2.10 478	2.76 451	1.92 500	2.78 474	1.39 475	2.73 508	1.41 477	2.73 504	1.40 476	2.77 513	1.41 477	2.74 509	1.40 467	2.74 508	1.40 475	2.72 506	1.42 459	2.72 512	1.44 478	2.79 498	1.42 479

NLCA_NET_v2_RVC	5.04 548	50.87 577	2.78 515	2.87 475	2.71 524	2.78 513	0.47 317	2.88 511	2.86 523	1.89 465	2.67 522	2.79 513	2.79 513	2.78 512	2.83 520	2.82 507	2.82 509	2.83 513	2.77 522	2.83 499	2.76 522
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
IGEV	2.02 470	2.20 411	1.82 486	2.90 476	2.16 516	2.41 491	1.25 460	2.00 467	1.98 512	1.99 471	1.31 467	2.72 507	1.93 494	2.67 502	1.69 488	2.26 480	1.32 442	1.83 475	1.87 507	2.53 491	1.61 490

2.25w	2.00 462	1.86 386	1.98 503	2.95 477	2.17 518	2.26 482	1.35 467	2.42 489	2.00 515	2.07 480	1.27 464	2.53 492	1.99 500	2.29 484	1.49 479	2.21 478	1.32 442	1.85 476	1.87 507	2.52 488	1.62 491

3.25w	2.04 475	2.20 411	1.48 465	3.03 478	2.17 518	2.63 504	1.39 475	1.96 464	1.95 511	1.96 467	1.37 473	2.71 503	1.96 497	2.71 503	1.73 496	2.26 480	1.32 442	1.87 479	1.87 507	2.51 487	1.63 492

plain	1.88 455	3.16 463	0.64 323	3.10 479	0.65 363	3.10 515	0.64 347	3.12 513	0.65 352	3.10 514	0.65 359	3.11 514	0.65 349	3.12 513	0.65 349	3.12 509	0.65 332	3.13 514	0.65 359	3.13 500	0.65 351

2.75w_new	1.99 458	2.34 425	1.81 481	3.14 480	1.62 484	1.94 470	1.99 507	2.72 498	1.71 487	2.72 502	1.99 517	1.90 467	1.73 480	1.82 468	1.29 467	2.37 490	2.01 494	2.31 496	1.42 476	1.77 456	1.22 462

3w_stereo	2.04 475	2.24 415	1.70 475	3.15 481	2.18 520	2.49 495	1.26 462	2.03 469	1.98 512	1.98 470	1.33 468	2.72 507	1.99 500	2.59 497	1.72 491	2.22 479	1.33 449	1.85 476	1.88 512	2.50 486	1.58 486

3.75w	1.99 458	2.31 419	1.83 489	3.16 482	1.65 486	1.93 469	1.98 504	2.72 498	1.68 483	2.73 507	1.97 508	2.00 473	1.72 479	1.81 467	1.25 463	2.27 483	2.01 494	2.38 501	1.42 476	1.71 452	1.24 465

MIF-Stereo (partial)	2.58 507	3.31 467	0.66 327	3.18 483	0.66 366	3.18 516	0.66 350	3.21 514	0.67 355	3.19 515	0.66 361	3.19 515	0.66 352	3.31 517	0.68 356	5.09 538	1.79 486	8.23 557	1.67 495	6.18 541	1.38 477

2w_stereo	1.99 458	2.36 428	1.81 481	3.24 484	1.67 487	1.94 470	1.98 504	2.72 498	1.68 483	2.72 502	1.94 505	1.98 472	1.74 482	1.79 466	1.27 464	1.95 466	2.00 492	2.53 509	1.60 488	1.68 451	1.15 407

AEACV	1.12 384	0.52 200	3.12 528	3.24 484	0.86 388	0.53 323	0.49 328	0.60 326	0.47 317	0.53 318	0.49 334	0.55 328	0.45 309	0.55 322	0.47 319	3.01 508	3.88 529	0.71 353	0.60 353	0.80 338	0.48 313

4.5w-stereo	1.99 458	2.33 421	1.81 481	3.28 486	1.68 488	1.94 470	1.99 507	2.72 498	1.70 486	2.72 502	1.99 517	1.97 471	1.68 475	1.76 463	1.29 467	1.91 465	2.02 498	2.53 509	1.61 489	1.75 455	1.16 410

2.5w	2.01 469	2.40 430	1.37 457	3.28 486	2.01 508	2.71 505	1.43 481	1.82 460	1.83 500	1.90 466	1.41 477	2.71 503	1.35 462	2.71 503	1.85 501	2.66 502	1.53 466	1.64 471	1.23 460	2.53 491	1.87 506

Anonymous3	2.55 506	3.26 466	1.65 473	3.28 486	1.63 485	3.24 517	1.68 487	3.27 515	1.66 482	3.28 516	1.67 490	3.25 516	1.66 474	3.27 515	1.64 483	3.26 510	1.65 478	3.30 515	1.65 493	4.95 532	1.65 495

4.25_new	2.00 462	2.33 421	1.82 486	3.32 489	1.69 489	1.95 473	1.99 507	2.72 498	1.71 487	2.72 502	1.97 508	2.01 474	1.74 482	1.77 464	1.28 465	2.18 475	2.01 494	2.48 507	1.58 485	1.65 448	1.17 411

4.5w_new	2.00 462	2.33 421	1.82 486	3.32 489	1.69 489	1.95 473	1.99 507	2.72 498	1.71 487	2.72 502	1.97 508	2.01 474	1.74 482	1.77 464	1.28 465	2.18 475	2.01 494	2.48 507	1.58 485	1.65 448	1.17 411

3.25w_new	2.03 472	2.72 447	1.35 447	3.33 491	1.57 480	2.72 506	1.53 483	2.15 476	1.33 468	2.15 482	1.60 485	2.63 500	1.30 458	2.72 505	1.99 512	2.67 504	1.53 466	1.75 474	1.25 463	2.53 491	1.87 506

4w-stereo	2.02 470	2.72 447	1.44 462	3.36 492	1.59 482	2.48 494	1.72 490	2.28 478	1.24 464	2.24 484	1.65 489	2.56 496	1.32 460	2.39 488	1.98 511	2.67 504	1.51 464	1.66 472	1.24 461	2.53 491	1.88 509

3.5w_stereo	2.03 472	2.72 447	1.35 447	3.41 493	1.57 480	2.72 506	1.49 482	2.01 468	1.34 469	2.15 482	1.61 487	2.63 500	1.36 463	2.72 505	1.99 512	2.66 502	1.58 471	1.68 473	1.24 461	2.53 491	1.87 506

UniTT-Stereo	2.03 472	3.43 469	0.72 340	3.42 494	0.73 378	3.27 518	0.68 355	3.38 517	0.69 359	3.29 517	0.72 375	3.28 517	0.70 359	3.35 518	0.68 356	3.39 511	0.68 334	3.31 516	0.69 368	3.37 501	0.73 365

DispNO	1.00 369	0.63 217	0.43 262	3.45 495	0.44 317	0.65 342	0.43 305	0.64 331	0.43 307	0.64 339	0.43 312	0.64 341	3.03 514	0.64 336	0.43 307	4.55 521	0.43 277	0.63 343	0.43 318	0.63 315	0.43 298

asda	2.17 481	2.54 434	1.81 481	3.47 496	1.78 495	2.50 497	1.86 497	2.61 497	1.68 483	2.61 499	1.83 494	2.37 487	1.73 480	2.44 492	1.88 506	2.51 499	1.84 488	2.34 498	1.62 491	2.23 468	1.77 501

4.25w-stereo	1.98 457	2.72 447	1.46 464	3.47 496	1.43 477	2.07 479	1.98 504	2.53 495	1.52 480	2.71 501	1.98 514	1.81 465	1.62 473	1.96 472	1.36 472	1.88 463	2.00 492	2.53 509	1.61 489	1.74 454	1.15 407

monsters	2.18 482	2.41 431	1.96 502	3.47 496	2.03 512	2.53 499	1.64 486	2.48 491	1.73 492	2.40 492	1.50 480	2.62 499	1.94 495	2.59 497	1.94 508	2.44 494	1.57 470	2.28 494	1.87 507	2.42 478	1.86 504

Occ-G	1.12 384	0.52 200	3.72 536	3.50 499	0.50 337	0.56 328	0.47 317	0.54 313	0.46 312	0.54 321	0.41 300	0.54 324	0.42 302	0.52 315	0.42 305	3.42 512	4.02 531	0.52 332	0.45 320	0.51 302	0.44 301

HCRNet	1.22 434	7.11 520	3.00 516	3.55 500	0.33 259	0.29 195	0.14 149	0.19 151	0.15 164	0.33 207	0.29 229	0.25 182	0.14 155	0.22 170	0.33 249	3.64 513	3.00 510	0.76 359	0.32 259	0.18 152	0.13 147

asd	2.18 482	2.77 453	1.58 470	3.59 501	2.00 507	2.58 503	1.85 496	2.39 488	1.71 487	2.47 494	1.97 508	2.59 498	1.61 472	2.56 495	1.79 498	2.51 499	1.99 491	2.11 491	1.62 491	2.36 476	1.60 488

DPSNet	3.66 519	3.60 471	3.62 534	3.63 502	3.64 544	3.65 521	3.65 542	3.66 520	3.67 539	3.67 519	3.65 540	3.67 520	3.66 530	3.66 519	3.68 537	3.68 514	3.66 527	3.67 520	3.68 543	3.67 502	3.67 541

monsterstereo	2.20 488	2.33 421	1.95 501	3.65 503	2.07 513	2.49 495	1.61 484	2.48 491	1.83 500	2.45 493	1.61 487	2.67 502	1.86 487	2.64 499	1.94 508	2.48 498	1.66 479	2.34 498	1.68 497	2.40 477	1.86 504

RAStereo	2.23 492	3.64 472	0.76 347	3.65 503	0.86 388	3.66 522	0.76 370	3.67 521	0.81 382	3.66 518	0.76 380	3.66 519	0.77 370	3.68 520	0.77 373	3.68 514	0.77 350	3.69 521	0.77 377	3.70 503	0.77 371

sAnonymous2	3.31 517	2.63 438	1.38 459	3.71 505	1.86 500	4.70 541	1.11 401	4.82 543	2.72 521	5.45 548	1.98 514	4.59 533	2.64 510	2.65 500	6.21 553	4.37 516	1.08 377	5.16 547	2.24 517	4.52 514	2.39 519

CroCo_RVC	3.31 517	2.63 438	1.38 459	3.71 505	1.86 500	4.70 541	1.11 401	4.82 543	2.72 521	5.45 548	1.98 514	4.59 533	2.64 510	2.65 500	6.21 553	4.37 516	1.08 377	5.16 547	2.24 517	4.52 514	2.39 519

1w_stereo	2.05 477	2.32 420	1.35 447	3.74 507	2.01 508	2.73 508	1.42 479	1.88 461	1.93 510	2.03 475	1.28 465	2.71 503	1.99 500	2.72 505	1.72 491	2.20 477	1.32 442	1.87 479	1.86 506	2.45 480	1.54 481

qwe	2.18 482	2.60 437	1.58 470	3.83 508	1.90 505	2.53 499	1.90 502	2.48 491	1.73 492	2.37 491	1.92 504	2.53 492	1.68 475	2.56 495	1.83 499	2.52 501	1.87 490	2.07 487	1.68 497	2.32 474	1.71 496

BUS	0.83 344	1.91 391	0.92 365	4.48 509	0.02 21	0.40 240	0.04 81	0.41 249	0.02 21	0.48 288	0.03 52	0.41 256	0.05 94	0.03 39	0.05 88	1.97 467	4.19 532	0.33 215	0.23 194	0.34 205	0.27 204

BSDual-CNN	0.81 337	1.91 391	0.92 365	4.48 509	0.02 21	0.42 274	0.06 105	0.41 249	0.02 21	0.48 288	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 467	4.19 532	0.33 215	0.23 194	0.34 205	0.27 204

hknet	1.10 381	1.85 384	3.49 531	4.48 509	0.02 21	0.42 274	0.06 105	0.41 249	0.02 21	0.48 288	0.03 52	0.41 256	0.03 52	0.42 268	0.03 48	4.39 518	4.19 532	0.33 215	0.23 194	0.34 205	0.27 204

rvit_105_1	3.83 521	5.22 501	3.01 517	4.53 512	3.01 526	4.51 529	3.01 523	4.56 530	3.04 524	4.53 529	3.03 525	4.55 531	3.03 514	4.56 530	3.04 521	4.57 522	3.05 511	4.57 528	3.05 526	4.57 516	3.05 525

rvit_stereo_0081	3.83 521	5.23 502	3.01 517	4.53 512	3.03 528	4.55 535	3.02 524	4.56 530	3.04 524	4.52 527	3.02 523	4.54 529	3.03 514	4.56 530	3.04 521	4.57 522	3.05 511	4.57 528	3.05 526	4.58 517	3.05 525

rvit_stereo_0082	3.86 523	5.82 516	3.01 517	4.53 512	3.03 528	4.54 531	3.02 524	4.56 530	3.04 524	4.53 529	3.02 523	4.55 531	3.04 517	4.57 533	3.05 523	4.57 522	3.05 511	4.58 530	3.05 526	4.58 517	3.06 528

rvit_0105_4	3.91 528	5.47 512	3.02 520	4.54 515	3.02 527	4.54 531	3.03 528	4.75 540	3.17 535	4.57 533	3.06 528	4.61 537	3.16 525	4.65 537	3.09 529	4.66 529	3.11 518	4.68 537	3.18 536	4.81 527	3.16 535

rvit_stereo_0080	3.89 526	5.70 513	3.04 522	4.54 515	3.03 528	4.56 536	3.05 530	4.60 534	3.07 529	4.58 534	3.06 528	4.59 533	3.06 519	4.61 534	3.08 527	4.63 527	3.09 516	4.64 534	3.10 531	4.65 521	3.10 530

whm_eth	3.89 526	5.70 513	3.04 522	4.54 515	3.03 528	4.56 536	3.05 530	4.60 534	3.07 529	4.58 534	3.06 528	4.59 533	3.06 519	4.61 534	3.08 527	4.63 527	3.09 516	4.64 534	3.10 531	4.65 521	3.10 530

rvit_stereo_0081_aga	3.86 523	5.33 505	3.02 520	4.55 518	3.04 532	4.54 531	3.02 524	4.64 537	3.06 528	4.54 531	3.04 527	4.62 538	3.08 521	4.62 536	3.07 526	4.58 525	3.06 515	4.60 532	3.08 530	4.63 520	3.07 529

rvit_stereo_ft	3.93 531	5.44 510	3.05 524	4.59 519	3.06 533	4.61 539	3.08 533	4.67 539	3.12 534	4.63 538	3.10 533	4.65 540	3.11 523	4.69 540	3.13 531	4.70 530	3.14 520	4.71 539	3.15 535	4.74 524	3.16 535

rvit_0105_3	3.91 528	5.33 505	3.06 525	4.60 520	3.07 534	4.60 538	3.06 532	4.62 536	3.08 532	4.60 536	3.07 531	4.62 538	3.08 521	4.67 538	3.10 530	4.70 530	3.11 518	4.77 541	3.19 537	4.77 526	3.14 534

rvit_stereo_0083	3.92 530	5.30 504	3.06 525	4.61 521	3.09 535	4.67 540	3.08 533	4.66 538	3.09 533	4.62 537	3.10 533	4.66 541	3.11 523	4.67 538	3.16 532	4.72 532	3.16 521	4.77 541	3.11 533	4.66 523	3.11 532

rvit_0105_6	3.87 525	5.73 515	3.10 527	4.69 522	3.12 536	4.54 531	3.02 524	4.56 530	3.04 524	4.54 531	3.03 525	4.54 529	3.04 517	4.56 530	3.05 523	4.58 525	3.05 511	4.58 530	3.05 526	4.58 517	3.05 525

rvit_0105_5	4.10 532	5.40 508	3.13 530	4.71 523	3.15 537	4.72 543	3.10 535	4.90 545	3.27 536	4.69 539	3.16 535	4.84 545	3.25 526	4.96 544	3.34 534	5.05 537	3.39 526	5.10 546	3.40 538	5.11 534	3.42 538

StereoVision	3.15 515	5.00 497	0.89 358	4.83 524	1.00 401	3.93 523	1.27 463	6.37 550	1.34 469	5.67 550	1.26 463	5.84 551	1.27 455	5.03 547	1.24 460	5.10 539	1.09 379	4.61 533	0.57 350	5.62 539	1.12 402

MLG-Stereo_test2	4.28 535	5.46 511	3.69 535	4.86 525	3.72 545	5.58 550	3.42 538	4.81 542	3.77 544	4.85 541	3.72 542	5.55 550	3.63 529	5.58 548	3.53 536	4.41 519	3.28 525	4.99 545	2.95 524	4.75 525	3.13 533

TestStereo	4.88 545	4.75 493	4.79 540	4.87 526	4.92 553	4.81 546	4.90 552	4.78 541	4.77 551	4.87 542	4.89 551	4.90 546	4.91 544	4.99 545	4.79 549	4.98 535	4.87 536	4.87 544	4.92 553	5.00 533	5.00 551

DispFullNet	4.61 541	4.84 494	3.12 528	5.00 527	3.57 541	4.75 544	3.03 528	7.75 556	4.17 548	4.91 543	3.09 532	6.20 552	3.95 537	6.71 552	3.51 535	5.30 540	3.67 528	5.86 553	3.63 540	5.61 538	3.46 539

FC-DCNN v2	5.10 549	5.15 499	4.49 539	5.07 528	3.37 539	6.87 553	4.75 551	5.04 546	6.34 555	7.84 556	5.06 552	6.72 556	4.09 540	4.99 545	5.44 552	5.03 536	3.16 521	4.67 536	4.86 552	5.15 535	3.89 546

MLG-Stereo_test1	4.25 533	5.34 507	3.61 533	5.31 529	3.63 543	5.23 547	3.57 540	5.38 548	3.65 538	5.23 545	3.47 537	4.76 542	3.74 533	4.85 541	3.71 538	4.96 534	3.18 523	4.71 539	2.92 523	4.86 530	2.90 523

MLG-Stereo_test3	4.26 534	4.85 495	3.95 537	5.35 530	3.60 542	4.75 544	3.76 543	5.49 549	3.71 540	5.39 546	3.69 541	4.82 544	3.66 530	4.85 541	3.73 541	4.93 533	3.19 524	4.69 538	2.99 525	4.84 529	2.98 524

CFNet	1.37 441	5.27 503	0.19 158	5.49 531	0.19 186	0.28 193	0.19 172	0.28 186	0.19 179	0.28 189	0.19 183	0.28 193	4.35 541	0.28 198	0.19 179	0.23 169	0.17 158	0.23 176	4.21 550	4.81 527	0.17 165

RAFT+CT+SA	4.28 535	7.62 524	4.91 541	5.55 532	2.28 521	3.09 514	3.64 541	4.49 528	3.07 529	4.80 540	3.35 536	4.77 543	3.70 532	4.29 527	3.05 523	5.58 541	5.98 542	3.58 519	3.78 545	4.26 510	3.72 542

MaDis-Stereo	3.19 516	6.02 518	1.12 379	5.61 533	1.16 417	5.43 549	1.02 398	5.15 547	0.70 362	5.43 547	1.21 458	5.03 548	0.97 382	4.85 541	0.99 393	4.53 520	1.16 389	5.53 549	1.25 463	5.37 537	1.30 468

AANet_RVC	1.26 436	0.31 130	4.99 542	5.93 534	0.20 188	0.25 182	0.20 175	0.25 179	0.20 181	0.23 170	0.19 183	0.25 182	0.20 185	0.25 183	0.20 182	5.66 542	4.76 535	0.26 187	0.30 245	0.24 174	0.27 204

SA	4.33 537	7.35 521	6.85 552	5.96 535	4.09 549	3.59 520	3.15 536	3.82 522	2.64 520	3.91 520	3.85 543	3.57 518	2.72 512	3.13 514	4.03 544	7.09 552	6.86 547	3.57 518	3.12 534	3.85 504	3.51 540

SGM-Forest	5.21 551	5.92 517	4.08 538	6.18 536	4.16 550	6.31 552	4.34 550	6.50 551	4.33 549	6.14 552	4.21 548	6.61 555	4.55 543	6.67 551	4.48 548	5.94 544	3.94 530	5.85 552	4.03 549	5.79 540	4.17 549
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test_5	4.62 542	7.55 523	6.23 547	6.32 537	3.40 540	5.29 548	3.50 539	3.53 519	4.11 547	4.28 524	4.47 550	4.26 527	4.38 542	3.68 520	3.24 533	5.89 543	5.60 539	4.84 543	3.50 539	4.33 511	3.93 548

cross-raft	4.83 544	7.52 522	6.43 548	6.63 538	3.96 548	4.51 529	3.99 547	4.49 528	3.96 546	4.52 527	3.96 545	4.50 528	3.97 538	4.50 529	3.97 543	6.65 547	6.44 544	4.33 525	3.92 547	4.35 512	3.91 547

raft_robust	4.71 543	7.75 525	5.40 546	6.81 539	3.31 538	4.28 528	4.20 549	4.32 527	4.37 550	4.35 526	4.35 549	4.14 525	3.75 534	4.30 528	4.20 547	6.67 548	6.37 543	3.36 517	4.24 551	4.86 530	3.25 537

TestStereo1	4.60 539	8.41 528	6.44 549	6.86 540	3.79 546	3.97 524	3.78 544	3.99 524	3.74 541	3.97 521	3.52 538	3.94 523	3.58 527	3.98 523	3.72 539	6.82 549	6.50 545	3.76 522	3.66 541	3.90 505	3.74 544

SA-5K	4.60 539	8.41 528	6.44 549	6.86 540	3.79 546	3.97 524	3.78 544	3.99 524	3.74 541	3.97 521	3.52 538	3.94 523	3.58 527	3.98 523	3.72 539	6.82 549	6.50 545	3.76 522	3.66 541	3.90 505	3.74 544

Sa-1000	4.34 538	8.37 527	6.84 551	6.98 542	4.45 552	3.58 519	3.00 522	3.42 518	3.39 537	2.61 499	4.00 546	3.83 522	4.01 539	3.90 522	3.90 542	5.98 545	5.62 540	3.76 522	2.34 520	4.35 512	2.47 521

test_4	4.88 545	8.13 526	6.98 553	7.46 543	4.44 551	4.25 527	3.85 546	4.04 526	3.92 545	4.13 523	3.91 544	4.18 526	3.84 535	4.14 525	4.06 545	7.01 551	7.13 548	4.53 526	3.72 544	4.09 508	3.72 542

rvit_stereo_0075_2	6.64 553	8.80 532	5.25 543	7.89 544	5.27 555	7.90 557	5.27 553	7.92 557	5.28 553	7.91 557	5.29 554	7.93 557	5.27 545	7.92 557	5.28 550	7.93 553	5.28 538	7.93 556	5.29 555	7.93 549	5.28 553

test_3	5.01 547	8.86 533	7.77 555	8.09 545	2.76 525	4.13 526	4.05 548	3.88 523	3.76 543	4.33 525	4.13 547	3.71 521	3.91 536	4.21 526	4.06 545	7.93 553	7.69 550	4.53 526	3.91 546	4.17 509	4.29 550

test-1	6.46 552	9.16 535	8.03 558	8.09 545	5.62 556	6.11 551	6.35 555	6.85 553	4.94 552	6.08 551	6.29 557	4.98 547	6.43 549	6.22 549	6.36 555	6.16 546	7.47 549	5.82 551	5.44 556	7.11 546	5.68 554

U	5.15 550	8.49 530	1.81 481	8.49 547	1.77 494	8.49 558	1.77 491	8.51 558	1.77 495	8.49 558	1.77 493	8.50 558	1.78 485	8.58 558	1.77 497	8.54 556	1.78 485	8.55 558	1.78 504	8.55 552	1.84 502

RAFT	6.73 554	9.36 536	7.40 554	8.51 548	6.55 557	6.88 554	6.60 556	6.79 552	6.60 556	6.80 553	6.72 558	5.31 549	5.50 547	6.61 550	6.61 556	8.42 555	5.89 541	5.73 550	5.45 557	6.61 542	6.24 555

SGM+DAISY	7.06 555	9.15 534	5.38 545	8.84 549	5.18 554	8.80 559	5.31 554	8.79 559	5.28 553	8.89 559	5.20 553	8.93 559	5.33 546	8.95 559	5.36 551	8.70 557	5.21 537	8.74 559	5.20 554	8.89 553	5.15 552

CFNet_RVC	2.38 502	8.71 531	0.38 238	9.33 550	0.42 314	0.56 328	0.42 303	0.60 326	0.38 280	0.62 336	0.42 310	0.56 331	7.29 553	0.62 331	0.42 305	0.53 303	0.37 241	0.49 320	0.34 271	8.30 550	6.87 556

test-v	7.53 556	11.89 544	7.98 556	9.36 551	7.14 558	7.06 555	7.09 557	7.37 554	6.91 557	7.29 554	5.71 555	6.45 553	6.93 550	6.73 553	7.27 557	8.93 558	7.85 551	6.98 554	6.80 558	7.56 547	7.34 557

test-2	7.53 556	11.89 544	7.98 556	9.36 551	7.14 558	7.06 555	7.09 557	7.37 554	6.91 557	7.29 554	5.71 555	6.45 553	6.93 550	6.73 553	7.27 557	8.93 558	7.85 551	6.98 554	6.80 558	7.56 547	7.34 557

MSMDNet	2.65 508	10.14 542	0.33 213	9.74 553	0.32 248	0.87 362	0.33 247	2.95 512	0.68 356	0.49 295	0.34 263	0.49 299	5.70 548	0.49 298	0.33 249	0.42 268	9.57 554	0.41 281	0.31 254	8.36 551	0.65 351

pcwnet_v2	2.66 509	9.89 540	0.33 213	9.89 554	0.32 248	0.50 310	0.32 238	0.49 289	0.33 253	0.49 295	0.34 263	0.49 299	8.76 555	0.48 292	0.33 249	0.41 254	9.58 555	0.40 268	0.29 235	9.01 554	0.63 349

CFNet_ucs	2.73 511	9.64 538	0.33 213	9.92 555	0.32 248	0.49 302	0.33 247	0.49 289	0.33 253	0.49 295	0.33 255	0.49 299	8.98 556	0.48 292	0.33 249	0.41 254	9.96 559	0.40 268	0.29 235	10.12 559	0.54 332

ccs_rob	2.79 513	10.17 543	0.32 208	10.00 556	0.33 259	0.49 302	0.33 247	1.90 463	0.32 247	0.51 312	0.33 255	0.49 299	9.24 557	0.49 298	0.33 249	0.41 254	9.82 557	0.41 281	0.28 225	9.34 555	0.29 222

PCWNet_CMD	2.80 514	9.82 539	0.32 208	10.09 557	0.32 248	0.49 302	0.33 247	3.34 516	0.33 253	0.49 295	0.33 255	0.49 299	8.73 554	0.48 292	0.33 249	0.41 254	9.22 553	0.42 292	0.29 235	9.55 556	0.31 239

UCFNet_RVC	2.75 512	10.06 541	0.29 192	10.31 558	0.29 230	0.42 274	0.29 226	0.43 269	0.29 225	0.42 260	0.29 229	0.42 272	9.87 558	0.43 270	0.29 227	0.36 221	9.84 558	0.36 243	0.26 213	9.77 557	0.26 196

CFNet_pseudo	2.67 510	9.36 536	0.32 208	10.99 559	0.33 259	0.85 360	0.33 247	0.49 289	0.33 253	0.49 295	0.32 249	0.49 299	7.26 552	0.49 298	0.33 249	0.41 254	9.62 556	0.41 281	0.29 235	10.03 558	0.29 222

rafts_anoy	20.00 560	20.00 546	20.00 560	20.00 560	20.00 561	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 560

raft+_RVC	20.00 560	20.00 546	20.00 560	20.00 560	20.00 561	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 560

raftrobust	20.00 560	20.00 546	20.00 560	20.00 560	20.00 561	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 560

CasAABBNet	20.00 560	20.00 546	20.00 560	20.00 560	20.00 561	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 560

RALCasStereoNet	20.00 560	20.00 546	20.00 560	20.00 560	20.00 561	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 560

RALAANet	20.00 560	20.00 546	20.00 560	20.00 560	20.00 561	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 560

MANE	19.05 559	23.00 552	15.00 559	23.00 566	15.00 560	24.00 566	16.00 559	24.00 566	16.00 559	22.00 566	15.00 559	23.00 566	16.00 559	23.00 566	15.00 559	22.00 566	15.00 560	22.00 566	15.00 560	22.00 566	15.00 559

fff	1000028.16 586	29.62 564	29.72 567	32.61 567	30.02 568	35.13 569	31.83 568	32.07 568	10000000.00 586	35.27 570	29.82 568	32.45 568	30.15 567	32.35 568	30.09 567	31.04 568	29.55 569	30.64 568	30.14 568	10000000.00 587	30.77 568

csc	1000028.16 586	29.62 564	29.72 567	32.61 567	30.02 568	35.13 569	31.83 568	32.07 568	10000000.00 586	35.27 570	29.82 568	32.45 568	30.15 567	32.35 568	30.09 567	31.04 568	29.55 569	30.64 568	30.14 568	10000000.00 587	30.77 568

cscssc	1000028.16 586	29.62 564	29.72 567	32.61 567	30.02 568	35.13 569	31.83 568	32.07 568	10000000.00 586	35.27 570	29.82 568	32.45 568	30.15 567	32.35 568	30.09 567	31.04 568	29.55 569	30.64 568	30.14 568	10000000.00 587	30.77 568

111	30.40 566	30.94 568	29.72 567	32.61 567	30.02 568	33.57 567	30.47 567	31.50 567	29.39 567	30.98 567	29.11 567	29.78 567	30.39 570	29.45 567	30.76 570	30.08 567	29.02 568	29.92 567	30.32 571	29.86 567	30.17 567

DCANet-4	35.22 568	34.54 569	35.08 573	33.58 571	35.47 575	34.55 568	35.53 574	36.08 573	35.85 571	35.92 573	35.77 573	35.18 573	35.48 572	35.39 573	37.15 576	34.55 573	33.92 572	35.02 574	34.90 573	35.79 571	34.74 574

ADStereo(finetuned)	36.13 569	36.63 573	38.07 577	36.97 572	33.25 572	35.91 572	34.45 571	36.36 574	32.99 568	38.14 578	36.71 574	36.69 574	34.13 571	38.57 578	40.79 577	37.60 578	36.58 575	35.90 575	33.36 572	35.42 570	34.04 571

Reg-Stereo(zero)	37.00 570	37.00 574	37.00 574	37.00 573	37.00 576	37.00 575	37.00 575	37.00 575	37.00 572	37.00 574	37.00 575	37.00 575	37.00 573	37.00 574	37.00 573	37.00 575	37.00 576	37.00 576	37.00 576	37.00 572	37.00 575

HI	37.00 570	37.00 574	37.00 574	37.00 573	37.00 576	37.00 575	37.00 575	37.00 575	37.00 572	37.00 574	37.00 575	37.00 575	37.00 573	37.00 574	37.00 573	37.00 575	37.00 576	37.00 576	37.00 576	37.00 572	37.00 575

CoSv	37.00 570	37.00 574	37.00 574	37.00 573	37.00 576	37.00 575	37.00 575	37.00 575	37.00 572	37.00 574	37.00 575	37.00 575	37.00 573	37.00 574	37.00 573	37.00 575	37.00 576	37.00 576	37.00 576	37.00 572	37.00 575

tt	500032.53 584	34.60 570	29.72 567	37.47 576	34.41 573	36.85 573	35.22 572	34.71 571	33.55 569	34.50 568	35.43 571	33.81 571	10000000.00 587	33.57 571	33.13 571	33.68 571	35.00 573	34.03 572	35.26 574	30.96 568	34.63 572

DCANet	500032.53 584	34.60 570	29.72 567	37.47 576	34.41 573	36.85 573	35.22 572	34.71 571	33.55 569	34.50 568	35.43 571	33.81 571	10000000.00 587	33.57 571	33.13 571	33.68 571	35.00 573	34.03 572	35.26 574	30.96 568	34.63 572

WCMA_ROB	31.10 567	35.43 572	27.12 566	39.51 578	23.10 567	38.78 578	25.30 566	37.49 578	25.39 566	37.29 577	27.02 566	38.52 578	26.48 566	37.80 577	26.44 566	36.28 574	22.65 567	33.90 571	22.30 567	37.10 575	24.18 566

NOSS_ROB	102.95 574	153.00 582	121.00 581	51.00 579	44.00 579	165.00 582	127.00 580	153.00 581	119.00 577	164.00 582	125.00 580	168.00 582	120.00 578	153.00 581	117.00 580	49.00 579	44.00 579	49.00 579	44.00 579	49.00 576	44.00 578

CBMV	128.50 575	1422.70 589	53.10 579	79.50 580	51.30 580	77.30 580	49.70 578	74.00 579	48.20 576	77.20 580	48.80 579	73.90 580	48.00 577	73.80 580	48.80 579	70.40 580	45.10 580	68.90 580	46.10 580	68.20 577	45.00 579
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 573	87.70 578	41.95 578	113.75 581	65.62 581	75.05 579	55.25 579	75.64 580	45.04 575	71.61 579	41.75 578	72.81 579	44.06 576	68.38 579	44.63 578	101.89 581	59.57 581	107.10 581	61.05 581	104.38 578	59.38 580

MeshStereo	159.24 576	171.00 583	160.68 584	162.58 582	160.59 582	164.01 581	160.35 581	158.51 582	158.56 578	158.34 581	160.12 581	158.56 581	159.92 579	157.26 582	158.94 581	154.38 582	158.36 582	155.75 582	159.13 583	153.67 579	154.07 581
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	201.80 577	123.00 579	115.00 580	219.00 583	218.00 584	223.00 583	244.00 583	217.00 583	236.00 580	202.00 583	203.00 582	205.00 583	208.00 580	225.00 583	204.00 582	210.00 583	198.00 583	197.00 583	184.00 584	204.00 580	201.00 582

MGS-Stereo	239.45 578	123.00 579	135.00 582	266.00 584	286.00 585	277.00 584	305.00 584	271.00 584	242.00 581	274.00 584	279.00 584	255.00 584	270.00 582	268.00 584	297.00 584	221.00 584	247.00 585	216.00 584	123.00 582	217.00 581	217.00 584

EGLCR-Stereo	246.90 579	129.00 581	139.00 583	266.00 584	286.00 585	277.00 584	305.00 584	271.00 584	242.00 581	274.00 584	279.00 584	255.00 584	270.00 582	268.00 584	297.00 584	230.00 585	247.00 585	216.00 584	223.00 586	237.00 582	227.00 585

DLCB_ROB	284.23 580	354.61 585	207.27 585	363.24 586	206.46 583	364.72 586	210.41 582	364.72 586	210.41 579	364.81 586	208.64 583	364.81 586	208.64 581	364.72 586	210.41 583	354.70 586	205.53 584	354.70 586	205.53 585	354.70 583	205.53 583

LE_ROB	396.57 581	471.28 586	329.84 586	471.48 587	308.15 587	526.83 587	322.10 586	488.15 587	323.76 583	495.46 587	317.97 586	497.17 587	320.10 584	481.62 587	326.76 586	462.71 587	298.97 587	466.16 587	285.98 587	447.62 584	289.21 586

SGM-ForestM	596.69 582	677.77 587	444.52 587	699.85 588	517.25 588	732.94 588	488.29 587	770.79 588	460.11 584	750.81 588	487.98 587	792.79 588	499.41 585	730.90 588	475.81 587	720.03 588	491.16 588	663.96 588	418.60 588	674.76 585	436.05 587

CBMV_ROB	818.48 583	913.88 588	709.52 588	862.84 589	597.78 589	1073.99 589	700.52 588	1015.66 589	702.59 585	1115.65 589	760.02 588	1130.24 589	721.57 586	1037.41 589	692.65 588	814.05 589	564.29 589	843.28 589	595.31 589	915.51 586	602.92 588

111111	10000000.00 589	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

SGD-Stereo	10000000.00 589	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

IGEV-Stereo++	10000000.00 589	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

IGEV-BASED-STEREO-	10000000.00 589	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

IGEV-Stereo+	10000000.00 589	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

SDNR	10000000.00 589	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

anonymousdsp2	10000000.00 589	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

anonymousdsp	10000000.00 589	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

test_example2	10000000.00 589	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

DIP-Stereo	10000000.00 589	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589
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