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

Wz-Net-TNSev	0.02 14	0.05 41	0.04 34	0.07 38	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 46	0.04 36	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 28	0.09 54	0.07 48	0.09 44	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 56	0.07 47	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 34	0.24 105	0.20 144	0.23 127	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 153	0.21 154	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 34	0.54 187	0.10 59	0.12 70	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.11 83	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 32	0.50 174	0.10 59	0.12 70	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.10 63	0.01 9	0.01 9	0.01 9	0.01 9

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

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

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

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

PSMNet-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

FACV-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

test_sample6	0.09 41	0.97 233	0.10 59	0.10 47	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

test_sample2	0.09 41	1.03 249	0.11 78	0.11 64	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

SMFormer	0.09 41	1.01 243	0.09 55	0.09 44	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

tta	0.09 41	0.95 230	0.09 55	0.10 47	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

xxx	0.09 41	1.01 243	0.10 59	0.10 47	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.03 46

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

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

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

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

Wz-Net-LNSev-Ref	0.11 73	0.44 153	0.33 193	0.39 176	0.02 20	0.03 39	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 220	0.36 213	0.02 18	0.02 20	0.02 19	0.02 19

BSDual-CNN	0.81 301	1.91 349	0.92 325	4.48 444	0.02 20	0.42 247	0.06 89	0.41 222	0.02 20	0.48 258	0.03 47	0.02 19	0.02 21	0.03 36	0.02 19	1.97 424	4.19 464	0.33 192	0.23 174	0.34 182	0.27 183

psmg	0.43 219	1.91 349	0.92 325	1.91 402	0.02 20	0.02 18	0.03 43	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 36	0.02 19	1.97 424	1.44 414	0.04 62	0.03 49	0.02 19	0.03 46

CSP-Net	0.34 170	1.29 323	1.19 349	1.36 384	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 393	1.21 400	0.03 37	0.09 94	0.02 19	0.09 92

Syn2CoEx	0.25 138	1.31 325	0.74 305	0.92 290	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 41	0.02 21	0.02 19	0.02 19	0.87 318	0.75 308	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

RYNet	0.02 14	0.02 12	0.02 13	0.03 28	0.03 43	0.03 39	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.03 47	0.03 36	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

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

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

DualNet (step1)	0.10 52	1.05 253	0.12 89	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.03 49	0.03 42	0.03 46

test_sample9	0.10 52	1.05 253	0.12 89	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.03 49	0.03 42	0.03 46

test_sample8	0.10 52	1.05 253	0.12 89	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.03 49	0.03 42	0.03 46

test_sample7	0.09 41	1.00 237	0.11 78	0.11 64	0.02 20	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.03 49	0.03 42	0.03 46

test_sample5	0.10 52	1.07 256	0.11 78	0.10 47	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

test_sample4	0.10 52	1.03 249	0.12 89	0.10 47	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.13 121	0.03 37	0.03 49	0.03 42	0.03 46

test_sample3	0.09 41	0.87 213	0.10 59	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

test_sample1	0.09 41	0.87 213	0.12 89	0.11 64	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

DualNet	0.10 52	1.07 256	0.11 78	0.10 47	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

ttt	0.10 52	1.09 258	0.12 89	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.02 20	0.03 42	0.02 19

1111x	0.10 52	1.14 263	0.13 108	0.14 87	0.03 43	0.04 65	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.11 83	0.03 37	0.02 20	0.03 42	0.02 19

qqq	0.16 114	2.01 357	0.12 89	0.15 96	0.04 68	0.06 77	0.05 77	0.06 79	0.04 69	0.06 81	0.03 47	0.06 82	0.03 47	0.06 73	0.03 42	0.12 81	0.14 124	0.04 62	0.04 66	0.03 42	0.03 46

x	0.11 73	1.15 265	0.15 128	0.14 87	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.15 127	0.03 37	0.03 49	0.03 42	0.03 46

hknet	1.10 341	1.85 343	3.49 466	4.48 444	0.02 20	0.42 247	0.06 89	0.41 222	0.02 20	0.48 258	0.03 47	0.41 229	0.03 47	0.42 244	0.03 42	4.39 453	4.19 464	0.33 192	0.23 174	0.34 182	0.27 183

222	0.10 52	0.99 236	0.12 89	0.13 83	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.02 20	0.04 65	0.03 46

xxxx	0.11 73	1.16 266	0.16 129	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.16 129	0.03 37	0.04 66	0.04 65	0.04 67

test_xeample	0.10 52	1.09 258	0.13 108	0.12 70	0.03 43	0.03 39	0.03 43	0.04 65	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.14 124	0.03 37	0.03 49	0.03 42	0.03 46

EDNetEfficient	0.04 29	0.05 41	0.04 34	0.04 29	0.03 43	0.04 65	0.03 43	0.04 65	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.04 60	0.03 42	0.05 42	0.03 31	0.05 72	0.03 49	0.04 65	0.03 46

GwcNet	0.12 82	0.07 47	0.05 47	0.08 40	0.05 83	0.08 87	1.20 371	0.07 88	0.05 82	0.05 77	0.05 84	0.08 88	0.05 78	0.08 89	0.03 42	0.07 48	0.05 46	0.06 78	0.05 80	0.07 88	0.05 81

BEATNet_4x	0.11 73	0.03 30	0.03 31	1.60 392	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 68	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

ADCL	0.11 73	0.03 30	0.03 31	1.60 392	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 68	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

mmm	0.14 96	1.83 342	0.12 89	0.11 64	0.03 43	0.03 39	0.03 43	0.03 41	0.04 69	0.03 39	0.03 47	0.03 41	0.03 47	0.06 73	0.04 63	0.12 81	0.11 83	0.05 72	0.04 66	0.05 77	0.04 67

GASNet	0.05 32	0.04 34	0.12 89	0.04 29	0.04 68	0.04 65	0.05 77	0.04 65	0.04 69	0.12 106	0.04 76	0.06 82	0.04 72	0.04 60	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

APVNet	0.09 41	0.05 41	0.04 34	0.05 35	0.04 68	0.05 75	0.90 343	0.06 79	0.04 69	0.05 77	0.04 76	0.05 77	0.04 72	0.05 68	0.04 63	0.05 42	0.04 36	0.05 72	0.04 66	0.05 77	0.05 81

EDNetEfficientorigin	0.04 29	0.06 46	0.04 34	0.05 35	0.04 68	0.05 75	0.04 68	0.05 75	0.04 69	0.05 77	0.04 76	0.05 77	0.04 72	0.05 68	0.04 63	0.05 42	0.03 31	0.06 78	0.03 49	0.04 65	0.03 46

ADCRef	0.12 82	0.03 30	0.04 34	1.71 398	0.04 68	0.03 39	0.03 43	0.04 65	0.04 69	0.04 63	0.03 47	0.04 65	0.03 47	0.06 73	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.03 42	0.04 67

AnyNet_C01	0.11 73	0.02 12	0.02 13	1.62 395	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.02 21	0.06 73	0.04 63	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 46

AnyNet_C32	0.14 96	0.04 34	0.03 31	2.22 413	0.04 68	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.04 65	0.02 21	0.07 86	0.04 63	0.02 14	0.02 14	0.03 37	0.03 49	0.02 19	0.03 46

ADCP+	0.15 106	0.04 34	0.04 34	2.20 412	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.05 84	0.04 65	0.04 72	0.08 89	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

ADCPNet	0.10 52	0.03 30	0.04 34	1.27 378	0.03 43	0.04 65	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.08 89	0.04 63	0.04 35	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

NVStereoNet_ROB	0.04 29	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.04 72	0.04 60	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
qqq1	0.25 138	3.70 408	0.14 113	0.14 87	0.04 68	0.06 77	0.05 77	0.06 79	0.05 82	0.06 81	0.05 84	0.04 65	0.05 78	0.06 73	0.05 73	0.13 97	0.12 97	0.06 78	0.05 80	0.03 42	0.04 67

fff1	0.25 138	3.70 408	0.14 113	0.14 87	0.04 68	0.06 77	0.05 77	0.06 79	0.05 82	0.06 81	0.05 84	0.04 65	0.05 78	0.06 73	0.05 73	0.13 97	0.12 97	0.06 78	0.05 80	0.03 42	0.04 67

11t1	0.17 117	2.16 366	0.13 108	0.13 83	0.04 68	0.06 77	0.04 68	0.06 79	0.04 69	0.06 81	0.03 47	0.06 82	0.03 47	0.06 73	0.05 73	0.18 132	0.12 97	0.06 78	0.03 49	0.05 77	0.03 46

ffm	0.25 138	3.83 414	0.12 89	0.12 70	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 82	0.05 78	0.06 73	0.05 73	0.12 81	0.12 97	0.05 72	0.04 66	0.06 80	0.04 67

ff1	0.25 138	3.83 414	0.12 89	0.12 70	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 82	0.05 78	0.06 73	0.05 73	0.12 81	0.12 97	0.05 72	0.04 66	0.06 80	0.04 67

mmx	0.25 138	3.83 414	0.12 89	0.12 70	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 82	0.05 78	0.06 73	0.05 73	0.12 81	0.12 97	0.05 72	0.04 66	0.06 80	0.04 67

BUS	0.83 308	1.91 349	0.92 325	4.48 444	0.02 20	0.40 213	0.04 68	0.41 222	0.02 20	0.48 258	0.03 47	0.41 229	0.05 78	0.03 36	0.05 73	1.97 424	4.19 464	0.33 192	0.23 174	0.34 182	0.27 183

NINENet	0.69 276	3.87 417	1.20 352	1.98 406	0.05 83	0.40 213	0.04 68	0.40 207	0.05 82	0.41 221	0.04 76	0.41 229	0.05 78	0.40 217	0.05 73	1.79 417	1.56 420	0.34 199	0.22 169	0.34 182	0.23 159

AASNet	0.06 34	0.08 48	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 90	0.06 81	0.06 90	0.05 77	0.06 90	0.06 73	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

SACVNet	0.06 34	0.08 48	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 90	0.06 81	0.06 90	0.05 77	0.06 90	0.06 73	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

AACVNet	0.06 34	0.08 48	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 90	0.06 81	0.06 90	0.05 77	0.06 90	0.06 73	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

FINET	0.07 39	0.08 48	0.07 48	0.07 38	0.07 92	0.08 87	0.06 89	0.08 91	0.07 93	0.08 88	0.07 93	0.08 88	0.06 90	0.07 86	0.07 84	0.08 50	0.07 47	0.07 83	0.07 88	0.06 80	0.06 86

SuperB	0.21 128	0.10 56	2.51 449	0.12 70	0.09 96	0.10 92	0.09 94	0.08 91	0.07 93	0.10 92	0.09 96	0.09 92	0.07 94	0.07 86	0.07 84	0.07 48	0.08 49	0.07 83	0.07 88	0.08 90	0.07 88

SepStereo	0.09 41	0.09 54	0.10 59	0.09 44	0.09 96	0.09 91	0.09 94	0.10 93	0.08 95	0.10 92	0.09 96	0.09 92	0.09 97	0.09 92	0.08 86	0.09 56	0.08 49	0.09 90	0.08 92	0.09 93	0.08 89

BEATNet-Init1	0.19 120	0.08 48	0.08 50	2.23 414	0.08 94	0.08 87	0.07 92	0.07 88	0.08 95	0.08 88	0.07 93	0.08 88	0.07 94	0.11 105	0.08 86	0.08 50	0.08 49	0.08 85	0.07 88	0.08 90	0.08 89

DeepPrunerF	0.19 120	0.08 48	0.08 50	2.23 414	0.08 94	0.08 87	0.07 92	0.07 88	0.08 95	0.08 88	0.07 93	0.08 88	0.07 94	0.11 105	0.08 86	0.08 50	0.08 49	0.08 85	0.07 88	0.08 90	0.08 89

ISRNet	0.11 73	0.05 41	0.36 210	0.24 132	0.07 92	0.13 107	0.05 77	0.06 79	0.05 82	0.05 77	0.05 84	0.13 108	0.05 78	0.05 68	0.09 89	0.24 158	0.20 151	0.10 91	0.05 80	0.06 80	0.13 129

ac_64	0.22 131	0.13 70	0.19 141	0.23 127	0.10 102	0.26 168	1.02 358	0.14 109	0.10 99	0.28 169	0.14 140	0.17 127	0.19 161	0.28 178	0.09 89	0.22 142	0.16 129	0.23 156	0.17 160	0.11 104	0.12 123

ADCMid	0.08 40	0.02 12	0.02 13	1.01 307	0.03 43	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 60	0.09 89	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

PASM	0.39 199	3.06 394	1.36 412	1.58 390	0.09 96	0.11 103	0.11 111	0.11 105	0.11 113	0.09 91	0.09 96	0.11 104	0.09 97	0.09 92	0.09 89	0.11 76	0.11 83	0.11 102	0.09 94	0.11 104	0.11 108

DRN-Test	0.14 96	0.13 70	0.09 55	0.14 87	0.09 96	0.15 114	0.09 94	0.14 109	0.10 99	0.14 108	0.09 96	0.14 109	0.09 97	0.13 110	0.09 89	0.12 81	0.09 58	0.12 105	0.09 94	0.12 108	0.73 325

StereoDRNet	0.15 106	0.14 74	0.10 59	0.14 87	0.09 96	0.15 114	0.09 94	0.14 109	0.09 98	0.14 108	0.10 100	0.14 109	0.09 97	0.14 111	0.09 89	0.13 97	0.10 63	0.13 108	0.09 94	0.13 110	0.82 336

AnonymousM	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

UNet	0.29 151	0.90 220	0.10 59	0.14 87	0.10 102	0.14 108	0.10 99	0.91 323	0.69 323	0.14 108	0.11 113	0.14 109	0.11 112	0.14 111	0.10 95	0.12 81	0.09 58	0.12 105	0.09 94	0.88 311	0.76 330

PVD	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

SHD	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

SAMSARA	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

XQC	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTSC	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTS	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTSA	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

MADNet+	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

MADNet++	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

test_for_model	0.15 106	0.23 98	0.18 138	0.21 124	0.11 116	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 119	0.11 112	0.16 120	0.11 106	0.21 139	0.18 148	0.14 109	0.11 112	0.14 111	0.11 108

testlalala2	0.13 87	0.16 75	0.11 78	0.15 96	0.11 116	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 119	0.11 112	0.16 120	0.11 106	0.14 103	0.11 83	0.14 109	0.11 112	0.14 111	0.11 108

JetRed	0.11 73	0.12 69	0.11 78	0.11 64	0.11 116	0.11 103	0.14 131	0.11 105	0.11 113	0.12 106	0.11 113	0.11 104	0.11 112	0.11 105	0.11 106	0.11 76	0.16 129	0.11 102	0.11 112	0.11 104	0.11 108

testlalala_base	0.13 87	0.16 75	0.11 78	0.15 96	0.11 116	0.15 114	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 119	0.11 112	0.16 120	0.11 106	0.14 103	0.11 83	0.14 109	0.11 112	0.14 111	0.11 108

CIPLG	0.13 87	0.21 93	0.12 89	0.16 104	0.11 116	0.15 114	0.11 111	0.14 109	0.11 113	0.15 114	0.12 123	0.15 118	0.11 112	0.14 111	0.11 106	0.15 112	0.12 97	0.14 109	0.11 112	0.14 111	0.11 108

IPLG	0.13 87	0.20 88	0.14 113	0.15 96	0.11 116	0.14 108	0.11 111	0.14 109	0.11 113	0.14 108	0.11 113	0.14 109	0.11 112	0.14 111	0.11 106	0.15 112	0.12 97	0.14 109	0.11 112	0.14 111	0.11 108

IPLGR_C	0.14 96	0.20 88	0.12 89	0.15 96	0.11 116	0.14 108	0.15 136	0.14 109	0.11 113	0.15 114	0.12 123	0.14 109	0.11 112	0.16 120	0.11 106	0.15 112	0.12 97	0.14 109	0.12 128	0.15 121	0.12 123

MIPNet	0.14 96	0.21 93	0.17 133	0.16 104	0.11 116	0.15 114	0.12 126	0.14 109	0.11 113	0.16 118	0.11 113	0.14 109	0.11 112	0.14 111	0.11 106	0.14 103	0.12 97	0.14 109	0.11 112	0.14 111	0.11 108

IPLGR	0.14 96	0.24 105	0.14 113	0.16 104	0.12 131	0.15 114	0.12 126	0.14 109	0.11 113	0.15 114	0.12 123	0.14 109	0.11 112	0.14 111	0.11 106	0.15 112	0.12 97	0.14 109	0.11 112	0.14 111	0.11 108

ACRE	0.13 87	0.21 93	0.14 113	0.15 96	0.11 116	0.14 108	0.11 111	0.14 109	0.11 113	0.14 108	0.12 123	0.14 109	0.11 112	0.14 111	0.11 106	0.15 112	0.12 97	0.14 109	0.11 112	0.14 111	0.11 108

ICVP	0.15 106	0.53 184	0.11 78	0.16 104	0.11 116	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 119	0.11 112	0.16 120	0.11 106	0.16 119	0.11 83	0.16 125	0.11 112	0.16 125	0.11 108
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
LRCNet_RVC	0.13 87	0.13 70	0.09 55	0.13 83	0.10 102	0.14 108	0.10 99	0.14 109	0.10 99	0.23 150	0.10 100	0.20 136	0.10 101	0.24 158	0.11 106	0.11 76	0.09 58	0.12 105	0.14 139	0.12 108	0.09 92

aanetorigin	0.13 87	0.11 67	0.11 78	0.11 64	0.11 116	0.11 103	0.11 111	0.11 105	0.11 113	0.11 104	0.12 123	0.11 104	0.11 112	0.11 105	0.11 106	0.11 76	0.11 83	0.14 109	0.11 112	0.49 259	0.11 108

ELAS	0.13 87	0.16 75	0.11 78	0.15 96	0.09 96	0.18 130	0.11 111	0.18 129	0.11 113	0.17 125	0.11 113	0.18 130	0.11 112	0.18 129	0.11 106	0.14 103	0.08 49	0.14 109	0.08 92	0.14 111	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	0.11 73	0.11 67	0.12 89	0.13 83	0.14 136	0.11 103	0.11 111	0.11 105	0.11 113	0.11 104	0.11 113	0.11 104	0.11 112	0.12 109	0.12 120	0.11 76	0.11 83	0.11 102	0.11 112	0.11 104	0.11 108

ProNet	0.14 96	0.20 88	0.14 113	0.16 104	0.11 116	0.16 121	0.11 111	0.17 127	0.11 113	0.17 125	0.12 123	0.17 127	0.13 133	0.17 127	0.12 120	0.15 112	0.11 83	0.16 125	0.11 112	0.15 121	0.12 123

cf-r	0.66 268	2.17 367	0.12 89	0.18 111	0.12 131	0.18 130	2.70 455	2.60 441	0.12 131	0.18 128	0.12 123	0.18 130	0.12 128	0.18 129	0.12 120	0.15 112	0.11 83	0.15 122	0.11 112	1.81 410	1.74 442

HSM	0.14 96	0.16 75	0.12 89	0.17 110	0.12 131	0.17 127	0.11 111	0.17 127	0.11 113	0.17 125	0.12 123	0.17 127	0.12 128	0.17 127	0.12 120	0.16 119	0.11 83	0.16 125	0.11 112	0.16 125	0.12 123

ELAS_RVC	0.14 96	0.16 75	0.10 59	0.15 96	0.10 102	0.18 130	0.11 111	0.19 131	0.11 113	0.19 130	0.12 123	0.18 130	0.11 112	0.19 132	0.12 120	0.14 103	0.08 49	0.14 109	0.09 94	0.15 121	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 106	0.17 81	0.11 78	0.18 111	0.11 116	0.19 133	0.11 111	0.19 131	0.12 131	0.19 130	0.12 123	0.20 136	0.12 128	0.19 132	0.12 120	0.16 119	0.11 83	0.17 130	0.10 100	0.17 128	0.10 96
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.30 152	3.10 395	0.14 113	0.19 114	0.14 136	0.19 133	0.14 131	0.20 136	0.14 136	0.19 130	0.13 135	0.16 119	0.13 133	0.19 132	0.13 126	0.17 124	0.13 121	0.17 130	0.13 136	0.17 128	0.13 129

DeepPruner_ROB	0.16 114	0.18 83	0.13 108	0.19 114	0.13 134	0.19 133	0.13 129	0.19 131	0.13 134	0.19 130	0.13 135	0.19 134	0.13 133	0.19 132	0.13 126	0.18 132	0.13 121	0.18 139	0.13 136	0.18 132	0.13 129

PDISCO_ROB	0.83 308	2.80 391	3.49 466	0.14 87	0.11 116	0.17 127	0.09 94	0.15 120	0.10 99	0.15 114	0.12 123	0.16 119	0.14 137	3.30 451	0.13 126	0.14 103	2.34 442	0.16 125	0.12 128	2.62 432	0.10 96

LALA_ROB	0.15 106	0.19 84	0.12 89	0.18 111	0.11 116	0.20 138	0.12 126	0.21 142	0.12 131	0.20 135	0.12 123	0.20 136	0.12 128	0.21 146	0.13 126	0.17 124	0.10 63	0.18 139	0.11 112	0.18 132	0.11 108

castereo++	0.54 251	3.59 405	1.15 343	1.31 380	0.14 136	0.16 121	0.14 131	0.16 121	0.14 136	0.16 118	0.14 140	0.16 119	0.13 133	0.16 120	0.14 130	1.45 405	1.16 349	0.15 122	0.14 139	0.15 121	0.13 129

ITSA-stereo	0.15 106	0.17 81	0.13 108	0.20 116	0.13 134	0.19 133	0.13 129	0.18 129	0.13 134	0.19 130	0.13 135	0.18 130	0.14 137	0.18 129	0.14 130	0.16 119	0.11 83	0.15 122	0.14 139	0.18 132	0.11 108

GMStereo	0.14 96	0.13 70	0.14 113	0.14 87	0.14 136	0.14 108	0.14 131	0.14 109	0.14 136	0.14 108	0.14 140	0.14 109	0.14 137	0.14 111	0.14 130	0.14 103	0.14 124	0.14 109	0.14 139	0.14 111	0.14 134
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 122	0.19 84	0.14 113	0.20 116	0.14 136	0.20 138	0.96 350	0.21 142	0.14 136	0.20 135	0.13 135	0.21 143	0.14 137	0.20 136	0.14 130	0.17 124	0.12 97	0.17 130	0.12 128	0.17 128	0.12 123

acv_ft	0.20 122	0.19 84	0.14 113	0.20 116	0.14 136	0.20 138	0.96 350	0.21 142	0.14 136	0.20 135	0.13 135	0.21 143	0.14 137	0.20 136	0.14 130	0.17 124	0.12 97	0.17 130	0.12 128	0.17 128	0.12 123

hitnet-ft	0.79 294	2.78 390	0.14 113	0.20 116	0.14 136	0.21 145	2.89 456	2.80 445	0.14 136	0.20 135	0.14 140	0.20 136	0.14 137	0.20 136	0.14 130	0.17 124	0.12 97	0.17 130	0.12 128	2.54 431	2.33 452

GANet-RSSM	0.75 285	1.91 349	0.14 113	0.47 218	0.14 136	0.21 145	3.21 472	2.30 435	0.14 136	0.46 247	0.14 140	0.23 153	0.18 156	0.21 146	0.14 130	0.18 132	0.27 173	0.37 219	0.13 136	2.13 419	2.12 445

PSMNet-RSSM	0.77 290	2.76 387	0.14 113	0.20 116	0.14 136	0.20 138	2.66 453	2.79 444	0.14 136	0.21 144	0.14 140	0.21 143	0.14 137	0.20 136	0.14 130	0.17 124	0.12 97	0.17 130	0.12 128	2.52 429	2.31 450

GwcNet-RSSM	0.77 290	2.77 389	0.14 113	0.20 116	0.14 136	0.20 138	2.67 454	2.78 443	0.14 136	0.20 135	0.14 140	0.20 136	0.14 137	0.21 146	0.14 130	0.17 124	0.12 97	0.17 130	0.12 128	2.52 429	2.31 450

CFNet-ft	0.55 255	1.57 332	0.14 113	0.20 116	0.14 136	0.20 138	2.53 452	1.61 414	0.14 136	0.20 135	0.14 140	0.20 136	0.14 137	0.20 136	0.14 130	0.17 124	0.12 97	0.17 130	0.12 128	1.56 405	1.24 419

DEFOM-Stereo_RVC	0.83 308	5.18 434	1.98 440	2.19 411	0.17 154	0.19 133	0.18 147	0.19 131	0.16 148	0.20 135	0.19 163	0.22 149	0.22 170	0.20 136	0.15 140	2.28 432	2.13 437	0.24 163	0.17 160	0.18 132	0.16 135

gwcnet-sp	0.82 305	1.72 336	1.48 419	0.39 176	0.15 147	0.31 178	0.21 159	0.20 136	0.25 179	1.61 418	0.23 176	0.28 173	0.26 191	0.20 136	0.15 140	0.24 158	1.33 405	0.32 184	0.16 144	6.75 475	0.23 159

scenet	0.82 305	1.72 336	1.48 419	0.39 176	0.15 147	0.31 178	0.21 159	0.20 136	0.25 179	1.61 418	0.23 176	0.28 173	0.26 191	0.20 136	0.15 140	0.24 158	1.33 405	0.32 184	0.16 144	6.75 475	0.23 159

ssnet	0.82 305	1.72 336	1.48 419	0.39 176	0.15 147	0.31 178	0.21 159	0.20 136	0.25 179	1.61 418	0.23 176	0.28 173	0.26 191	0.20 136	0.15 140	0.24 158	1.33 405	0.32 184	0.16 144	6.75 475	0.23 159

dd	0.23 135	0.98 234	0.16 129	0.23 127	0.15 147	0.23 153	0.15 136	0.23 149	0.15 146	0.23 150	0.15 148	0.24 157	0.17 149	0.23 154	0.15 140	0.22 142	0.15 127	0.21 145	0.15 143	0.22 144	0.16 135

dad	0.23 135	1.03 249	0.16 129	0.23 127	0.15 147	0.24 154	0.15 136	0.24 152	0.16 148	0.23 150	0.16 149	0.24 157	0.16 147	0.23 154	0.15 140	0.22 142	0.16 129	0.22 150	0.16 144	0.22 144	0.16 135

GMStereo_Zeroshot	0.16 114	0.16 75	0.16 129	0.16 104	0.16 153	0.16 121	0.16 139	0.16 121	0.16 148	0.16 118	0.16 149	0.16 119	0.16 147	0.16 120	0.16 146	0.16 119	0.16 129	0.16 125	0.16 144	0.16 125	0.16 135

castereo	0.61 261	3.79 413	1.35 407	1.52 389	0.15 147	0.17 127	0.16 139	0.20 136	0.21 163	0.18 128	0.16 149	0.21 143	0.12 128	0.26 173	0.17 147	1.43 404	1.38 411	0.17 130	0.16 144	0.18 132	0.16 135

tg	0.21 128	0.25 107	0.21 147	0.26 144	0.17 154	0.24 154	0.17 141	0.24 152	0.17 151	0.24 155	0.17 152	0.24 157	0.17 149	0.24 158	0.17 147	0.24 158	0.17 142	0.23 156	0.16 144	0.23 153	0.16 135

ACV-stereo	0.30 152	2.08 359	0.25 161	0.25 137	0.18 161	0.24 154	0.17 141	0.24 152	0.18 153	0.24 155	0.17 152	0.25 162	0.17 149	0.24 158	0.17 147	0.22 142	0.16 129	0.22 150	0.16 144	0.22 144	0.16 135

IGEV_Zeroshot_test	0.20 122	0.19 84	0.40 225	0.30 149	0.17 154	0.22 147	0.17 141	0.21 142	0.17 151	0.20 135	0.17 152	0.21 143	0.18 156	0.21 146	0.17 147	0.20 135	0.16 129	0.20 143	0.16 144	0.20 139	0.17 145

MIM_Stereo	0.25 138	0.23 98	0.66 292	0.80 275	0.17 154	0.22 147	0.17 141	0.23 149	0.18 153	0.26 166	0.17 152	0.21 143	0.17 149	0.25 163	0.17 147	0.23 153	0.16 129	0.21 145	0.17 160	0.22 144	0.17 145

MMNet	0.44 222	1.24 321	0.17 133	0.25 137	0.17 154	0.25 161	0.18 147	1.26 403	0.93 352	0.25 159	0.17 152	0.25 162	0.18 156	0.25 163	0.17 147	0.23 153	0.16 129	0.23 156	0.16 144	1.20 346	0.99 350

delet	0.43 219	1.21 317	0.17 133	0.25 137	0.17 154	0.25 161	0.18 147	1.26 403	0.95 354	0.25 159	0.17 152	0.25 162	0.17 149	0.25 163	0.17 147	0.23 153	0.16 129	0.22 150	0.16 144	1.18 343	0.98 349

psm_up	0.43 219	1.19 270	0.17 133	0.25 137	0.18 161	0.25 161	0.19 151	1.26 403	0.91 347	0.26 166	0.17 152	0.25 162	0.17 149	0.25 163	0.17 147	0.22 142	0.17 142	0.23 156	0.16 144	1.18 343	0.99 350

UPFNet	0.42 218	1.20 271	0.17 133	0.24 132	0.17 154	0.25 161	0.17 141	1.19 351	0.90 346	0.25 159	0.17 152	0.24 157	0.17 149	0.25 163	0.17 147	0.22 142	0.17 142	0.22 150	0.16 144	1.15 335	0.93 345

MSKI-zero shot	0.24 137	0.21 93	0.49 260	0.65 258	0.18 161	0.22 147	0.17 141	0.23 149	0.18 153	0.21 144	0.17 152	0.23 153	0.28 205	0.23 154	0.18 156	0.21 139	0.16 129	0.21 145	0.16 144	0.21 142	0.16 135

iResNetv2_ROB	0.20 122	0.23 98	0.18 138	0.24 132	0.20 167	0.24 154	0.18 147	0.24 152	0.18 153	0.24 155	0.18 162	0.23 153	0.19 161	0.24 158	0.18 156	0.21 139	0.16 129	0.21 145	0.16 144	0.22 144	0.16 135

iResNet	0.20 122	0.23 98	0.18 138	0.24 132	0.18 161	0.24 154	0.20 154	0.24 152	0.18 153	0.23 150	0.17 152	0.23 153	0.18 156	0.23 154	0.18 156	0.22 142	0.16 129	0.21 145	0.16 144	0.21 142	0.16 135

Pointernet	0.21 128	0.22 97	0.19 141	0.24 132	0.19 165	0.24 154	0.19 151	0.24 152	0.19 159	0.24 155	0.19 163	0.24 157	0.19 161	0.24 158	0.19 159	0.22 142	0.17 142	0.22 150	0.17 160	0.22 144	0.17 145

CAS++	0.17 117	0.27 109	0.21 147	0.10 47	0.21 173	0.15 114	0.22 164	0.10 93	0.21 163	0.22 146	0.10 100	0.19 134	0.18 156	0.10 94	0.19 159	0.20 135	0.19 149	0.18 139	0.10 100	0.19 138	0.18 149
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
CFNet	1.37 401	5.27 437	0.19 141	5.49 463	0.19 165	0.28 172	0.19 151	0.28 165	0.19 159	0.28 169	0.19 163	0.28 173	4.35 473	0.28 178	0.19 159	0.23 153	0.17 142	0.23 156	4.21 482	4.81 461	0.17 145

DAS	0.20 122	0.20 88	0.20 144	0.20 116	0.20 167	0.20 138	0.20 154	0.20 136	0.20 161	0.20 135	0.20 167	0.20 136	0.20 165	0.20 136	0.20 162	0.20 135	0.20 151	0.20 143	0.20 165	0.20 139	0.20 152

AANet_RVC	1.26 396	0.31 116	4.99 474	5.93 466	0.20 167	0.25 161	0.20 154	0.25 158	0.20 161	0.23 150	0.19 163	0.25 162	0.20 165	0.25 163	0.20 162	5.66 474	4.76 467	0.26 167	0.30 222	0.24 154	0.27 183

GEStereo_RVC	0.86 314	4.45 425	0.20 144	0.27 146	0.20 167	0.27 171	0.20 154	0.26 162	0.18 153	5.03 478	0.20 167	0.27 172	0.19 161	0.27 176	0.21 164	0.20 135	0.19 149	0.19 142	4.02 480	0.20 139	0.18 149

HGLStereo	0.28 148	0.29 114	0.22 149	0.36 165	0.22 175	0.36 197	0.21 159	0.36 188	0.21 163	0.42 233	0.21 171	0.36 199	0.22 170	0.36 201	0.21 164	0.34 187	0.21 154	0.34 199	0.21 166	0.34 182	0.21 154

DCVSM-stereo	0.36 180	1.89 346	0.22 149	0.40 189	0.22 175	0.40 213	0.22 164	0.40 207	0.22 166	0.40 208	0.22 172	0.40 217	0.22 170	0.40 217	0.22 166	0.28 170	0.21 154	0.28 173	0.21 166	0.28 162	0.20 152

WAO-6	0.22 131	0.23 98	0.22 149	0.23 127	0.22 175	0.22 147	0.22 164	0.22 146	0.22 166	0.22 146	0.22 172	0.22 149	0.22 170	0.22 150	0.22 166	0.22 142	0.22 158	0.22 150	0.22 169	0.22 144	0.22 157

IMH-64-1	0.22 131	0.23 98	0.23 152	0.22 125	0.22 175	0.22 147	0.22 164	0.22 146	0.22 166	0.22 146	0.22 172	0.22 149	0.22 170	0.22 150	0.22 166	0.22 142	0.22 158	0.23 156	0.22 169	0.22 144	0.23 159

IMH-64	0.22 131	0.23 98	0.23 152	0.22 125	0.22 175	0.22 147	0.22 164	0.22 146	0.22 166	0.22 146	0.22 172	0.22 149	0.22 170	0.22 150	0.22 166	0.22 142	0.22 158	0.23 156	0.22 169	0.22 144	0.23 159

ssnet_v2	0.68 273	1.96 356	1.25 403	0.29 148	0.20 167	0.30 175	0.20 154	0.29 169	0.22 166	1.50 416	0.20 167	0.31 183	0.20 165	0.27 176	0.22 166	0.24 158	1.49 417	0.26 167	0.18 164	3.90 440	0.19 151

DISCO	1.11 343	0.39 133	5.28 476	0.39 176	0.20 167	0.39 212	0.27 190	0.39 203	0.22 166	0.38 199	0.20 167	0.38 207	0.20 165	6.95 487	0.22 166	0.30 178	0.21 154	0.27 171	0.21 166	5.25 468	0.21 154

PAM	0.39 199	1.88 345	0.34 201	0.37 168	0.41 271	0.45 254	0.22 164	0.28 165	0.23 172	0.28 169	0.24 182	0.29 178	0.23 176	0.29 181	0.23 172	0.38 211	0.32 201	0.38 226	0.37 255	0.32 172	0.22 157

DLNR_Zeroshot_test	0.31 157	0.28 112	0.47 252	0.79 273	0.24 185	0.30 175	0.26 187	0.30 171	0.24 174	0.32 180	0.23 176	0.31 183	0.24 179	0.30 183	0.23 172	0.29 177	0.26 168	0.29 178	0.24 182	0.33 178	0.23 159

testlalala	0.32 165	0.81 208	0.31 184	0.39 176	0.26 195	0.33 188	0.24 176	0.33 177	0.26 192	0.32 180	0.26 194	0.33 187	0.23 176	0.33 191	0.23 172	0.35 196	0.31 199	0.30 180	0.24 182	0.31 171	0.21 154

FENet	0.54 251	1.52 331	1.19 349	1.41 387	0.23 180	0.35 194	0.23 171	0.35 184	0.23 172	0.34 186	0.23 176	0.35 193	0.23 176	0.35 195	0.23 172	1.40 403	1.07 333	0.32 184	0.23 174	0.33 178	0.23 159

WCG-NET（raft）	0.32 165	1.24 321	0.24 158	0.32 155	0.24 185	0.32 186	0.23 171	0.32 174	0.24 174	0.32 180	0.24 182	0.32 185	0.24 179	0.32 186	0.24 176	0.30 178	0.23 162	0.30 180	0.23 174	0.30 168	0.23 159

tt1	0.31 157	0.93 228	0.24 158	0.33 158	0.23 180	0.31 178	0.24 176	0.32 174	0.24 174	0.32 180	0.23 176	0.32 185	0.25 182	0.32 186	0.24 176	0.27 168	0.26 168	0.27 171	0.26 193	0.27 160	0.27 183

xxxxx1	0.31 157	0.91 221	0.23 152	0.31 152	0.23 180	0.31 178	0.23 171	0.33 177	0.25 179	0.31 175	0.24 182	0.33 187	0.25 182	0.32 186	0.24 176	0.28 170	0.28 178	0.28 173	0.28 203	0.29 165	0.27 183

tt_ll	0.31 157	0.91 221	0.23 152	0.31 152	0.23 180	0.31 178	0.23 171	0.33 177	0.25 179	0.31 175	0.24 182	0.33 187	0.25 182	0.32 186	0.24 176	0.28 170	0.28 178	0.28 173	0.28 203	0.29 165	0.27 183

ff	0.31 157	0.91 221	0.23 152	0.31 152	0.23 180	0.31 178	0.23 171	0.33 177	0.25 179	0.31 175	0.24 182	0.33 187	0.25 182	0.32 186	0.24 176	0.28 170	0.28 178	0.28 173	0.28 203	0.29 165	0.27 183

iResNet_ROB	0.28 148	0.32 117	0.24 158	0.32 155	0.25 187	0.32 186	0.24 176	0.32 174	0.24 174	0.33 184	0.24 182	0.35 193	0.24 179	0.33 191	0.24 176	0.31 181	0.24 164	0.32 184	0.24 182	0.32 172	0.24 169

UNDER WATER-64	0.25 138	0.26 108	0.25 161	0.26 144	0.25 187	0.25 161	0.25 179	0.25 158	0.25 179	0.25 159	0.25 188	0.25 162	0.25 182	0.26 173	0.25 182	0.25 164	0.25 165	0.25 164	0.25 187	0.25 155	0.25 170

LoS_RVC	0.30 152	1.14 263	0.25 161	0.25 137	0.25 187	0.26 168	0.25 179	0.25 158	0.25 179	0.25 159	0.25 188	0.26 171	0.26 191	0.26 173	0.25 182	0.26 165	0.26 168	0.25 164	0.25 187	0.26 157	0.26 176

CAS	0.30 152	1.17 267	0.25 161	0.25 137	0.25 187	0.26 168	0.25 179	0.25 158	0.26 192	0.25 159	0.25 188	0.25 162	0.25 182	0.25 163	0.25 182	0.26 165	0.26 168	0.26 167	0.25 187	0.26 157	0.25 170

LoS	0.25 138	0.27 109	0.25 161	0.25 137	0.25 187	0.25 161	0.25 179	0.26 162	0.25 179	0.25 159	0.25 188	0.25 162	0.25 182	0.25 163	0.25 182	0.26 165	0.25 165	0.25 164	0.26 193	0.26 157	0.25 170
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CroCo-Stereo	0.73 283	1.22 320	0.25 161	1.22 374	0.25 187	1.22 407	0.25 179	1.22 400	0.25 179	1.22 407	0.25 188	1.22 411	0.25 182	1.22 410	0.25 182	1.22 392	0.26 168	1.21 414	0.25 187	1.22 393	0.25 170
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
StereoDRNet-Refined	0.33 168	0.39 133	0.26 167	0.39 176	0.26 195	0.40 213	0.26 187	0.40 207	0.26 192	0.39 204	0.26 194	0.39 211	0.26 191	0.39 214	0.26 187	0.37 204	0.25 165	0.37 219	0.25 187	0.37 202	0.37 241
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
model_zeroshot	0.27 147	0.20 88	0.27 168	0.33 158	0.21 173	0.37 202	0.22 164	0.37 194	0.24 174	0.26 166	0.27 198	0.33 187	0.21 169	0.25 163	0.27 188	0.32 182	0.20 151	0.34 199	0.23 174	0.25 155	0.26 176

GCAP-BAT	0.33 168	0.78 202	0.32 188	0.38 171	0.25 187	0.34 190	0.25 179	0.34 181	0.26 192	0.34 186	0.25 188	0.35 193	0.26 191	0.35 195	0.27 188	0.36 200	0.30 195	0.32 184	0.24 182	0.32 172	0.26 176

TorneroNet-64	0.45 223	0.27 109	0.30 178	0.58 249	0.27 197	0.70 312	0.30 206	0.28 165	0.73 333	0.73 313	0.28 204	0.71 313	0.66 315	0.75 317	0.27 188	0.27 168	0.29 187	0.37 219	0.75 336	0.28 162	0.30 211

CroCo-Stereo Lap2	0.77 290	1.29 323	0.29 174	1.27 378	0.29 206	1.27 410	0.26 187	1.26 403	0.26 192	1.26 408	0.26 194	1.27 412	0.26 191	1.26 411	0.27 188	1.27 394	0.27 173	1.27 417	0.27 199	1.27 395	0.27 183

CRFU-Net	0.65 266	1.67 335	1.22 399	1.96 405	0.27 197	0.41 229	0.27 190	0.41 222	0.27 197	0.40 208	0.26 194	0.41 229	0.27 199	0.40 217	0.27 188	1.80 418	1.62 422	0.34 199	0.23 174	0.33 178	0.23 159

MLCV	0.31 157	0.35 120	0.27 168	0.35 161	0.28 200	0.35 194	0.27 190	0.35 184	0.28 200	0.36 193	0.27 198	0.35 193	0.27 199	0.35 195	0.27 188	0.34 187	0.27 173	0.34 199	0.27 199	0.34 182	0.27 183

GIP-stereo	0.36 180	0.49 171	0.39 222	0.48 221	0.32 221	0.41 229	0.28 195	0.40 207	0.30 214	0.41 221	0.28 204	0.40 217	0.28 205	0.42 244	0.28 194	0.45 248	0.32 201	0.38 226	0.30 222	0.37 202	0.27 183

DEFOM-Stereo	0.68 273	3.11 396	1.40 417	1.63 396	0.25 187	0.31 178	0.25 179	0.31 173	0.28 200	0.31 175	0.29 207	0.29 178	0.27 199	0.31 185	0.28 194	1.59 411	1.47 416	0.30 180	0.29 212	0.30 168	0.28 196

RSM	0.36 180	0.36 123	0.43 239	0.37 168	0.42 280	0.49 273	0.42 270	0.37 194	0.28 200	0.36 193	0.29 207	0.36 199	0.30 216	0.37 205	0.28 194	0.34 187	0.31 199	0.34 199	0.35 247	0.40 222	0.29 201

ACVNet-DCA	0.37 185	1.00 237	0.30 178	0.40 189	0.29 206	0.40 213	0.29 201	0.40 207	0.29 204	0.40 208	0.29 207	0.40 217	0.29 210	0.39 214	0.28 194	0.33 184	0.32 201	0.33 192	0.32 232	0.33 178	0.32 220

SQANet	0.28 148	0.28 112	0.28 172	0.28 147	0.28 200	0.28 172	0.28 195	0.28 165	0.28 200	0.28 169	0.28 204	0.28 173	0.28 205	0.28 178	0.28 194	0.28 170	0.28 178	0.28 173	0.28 203	0.28 162	0.28 196

Any-RAFT	0.32 165	0.36 123	0.27 168	0.36 165	0.27 197	0.36 197	0.27 190	0.36 188	0.27 197	0.36 193	0.27 198	0.36 199	0.27 199	0.36 201	0.28 194	0.36 200	0.28 178	0.36 217	0.28 203	0.36 200	0.28 196

IER	0.88 315	7.04 451	2.23 443	2.75 429	0.28 200	0.43 251	0.25 179	0.39 203	0.25 179	0.41 221	0.27 198	0.39 211	0.25 182	0.40 217	0.28 194	0.37 204	0.28 178	0.37 219	0.25 187	0.37 202	0.25 170

DGSMNet	0.34 170	0.41 142	0.27 168	0.41 199	0.28 200	0.41 229	0.28 195	0.41 222	0.27 197	0.41 221	0.27 198	0.42 245	0.27 199	0.41 231	0.28 194	0.40 224	0.29 187	0.40 240	0.28 203	0.40 222	0.27 183

DN-CSS_ROB	0.31 157	0.35 120	0.28 172	0.35 161	0.28 200	0.34 190	0.27 190	0.34 181	0.25 179	0.35 190	0.27 198	0.36 199	0.26 191	0.34 193	0.28 194	0.35 196	0.28 178	0.34 199	0.28 203	0.34 182	0.27 183

xx1	0.38 191	1.03 249	0.31 184	0.40 189	0.31 219	0.41 229	0.28 195	0.40 207	0.29 204	0.40 208	0.29 207	0.40 217	0.29 210	0.40 217	0.29 203	0.34 187	0.33 208	0.34 199	0.32 232	0.34 182	0.32 220

1test111	0.37 185	1.02 247	0.30 178	0.39 176	0.29 206	0.40 213	0.28 195	0.39 203	0.29 204	0.39 204	0.29 207	0.39 211	0.28 205	0.40 217	0.29 203	0.33 184	0.32 201	0.33 192	0.31 228	0.32 172	0.31 216

cc1	0.37 185	1.02 247	0.30 178	0.39 176	0.29 206	0.40 213	0.28 195	0.39 203	0.29 204	0.39 204	0.29 207	0.39 211	0.28 205	0.40 217	0.29 203	0.33 184	0.32 201	0.33 192	0.31 228	0.32 172	0.31 216

EKT-Stereo	0.37 185	0.40 135	0.44 241	1.07 310	0.29 206	0.34 190	0.31 210	0.36 188	0.29 204	0.38 199	0.31 221	0.37 205	0.30 216	0.36 201	0.29 203	0.34 187	0.28 178	0.39 236	0.30 222	0.37 202	0.30 211

PML	0.46 226	1.36 328	0.29 174	0.58 249	0.30 215	0.57 299	0.29 201	0.57 285	0.29 204	0.57 294	0.29 207	0.57 299	0.29 210	0.56 293	0.29 203	0.52 275	0.30 195	0.53 299	0.31 228	0.53 272	0.30 211

GES	0.66 268	2.34 374	0.29 174	0.41 199	0.29 206	0.41 229	0.29 201	0.42 238	0.29 204	0.40 208	0.41 268	0.41 229	0.30 216	0.51 284	0.29 203	0.32 182	0.29 187	0.32 184	2.46 456	2.49 428	0.30 211

UCFNet_RVC	2.75 447	10.06 473	0.29 174	10.31 490	0.29 206	0.42 247	0.29 201	0.43 242	0.29 204	0.42 233	0.29 207	0.42 245	9.87 490	0.43 246	0.29 203	0.36 200	9.84 490	0.36 217	0.26 193	9.77 489	0.26 176

IGEV++	0.34 170	0.43 150	0.30 178	0.40 189	0.29 206	0.40 213	0.29 201	0.40 207	0.29 204	0.40 208	0.29 207	0.40 217	0.29 210	0.40 217	0.30 210	0.38 211	0.29 187	0.37 219	0.29 212	0.37 202	0.29 201

IGEV-Stereo	0.35 176	0.44 153	0.45 243	0.49 227	0.30 215	0.37 202	0.30 206	0.36 188	0.30 214	0.36 193	0.29 207	0.36 199	0.29 210	0.36 201	0.30 210	0.46 249	0.39 228	0.32 184	0.24 182	0.32 172	0.25 170
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.34 170	0.42 149	0.31 184	0.39 176	0.30 215	0.38 206	0.30 206	0.40 207	0.29 204	0.40 208	0.37 251	0.41 229	0.34 232	0.38 207	0.30 210	0.34 187	0.27 173	0.34 199	0.26 193	0.34 182	0.26 176

RAFT + AFF	0.31 157	0.45 156	0.34 201	0.39 176	0.28 200	0.38 206	0.33 220	0.29 169	0.31 217	0.30 173	0.30 218	0.29 178	0.27 199	0.29 181	0.30 210	0.28 170	0.29 187	0.29 178	0.29 212	0.27 160	0.32 220

DANet	0.30 152	0.30 115	0.30 178	0.30 149	0.30 215	0.30 175	0.30 206	0.30 171	0.30 214	0.30 173	0.30 218	0.30 181	0.30 216	0.30 183	0.30 210	0.30 178	0.30 195	0.30 180	0.30 222	0.30 168	0.30 211
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GREAT-IGEV	0.38 191	0.43 150	0.36 210	0.48 221	0.32 221	0.45 254	0.32 211	0.45 244	0.32 220	0.45 244	0.32 222	0.45 251	0.32 222	0.45 251	0.32 215	0.44 247	0.33 208	0.41 252	0.29 212	0.41 232	0.29 201

mms	0.40 203	0.45 156	0.35 208	0.48 221	0.36 249	0.47 263	0.34 229	0.45 244	0.38 250	0.47 252	0.33 227	0.45 251	0.32 222	0.45 251	0.32 215	0.39 220	0.38 221	0.38 226	0.37 255	0.39 218	0.39 249

fffy	0.38 191	0.43 150	0.33 193	0.46 212	0.33 232	0.45 254	0.32 211	0.45 244	0.32 220	0.45 244	0.32 222	0.45 251	0.33 228	0.45 251	0.32 215	0.38 211	0.38 221	0.38 226	0.37 255	0.37 202	0.36 237

iRaft-Stereo_20w	0.34 170	0.41 142	0.31 184	0.39 176	0.29 206	0.40 213	0.32 211	0.41 222	0.32 220	0.38 199	0.30 218	0.39 211	0.30 216	0.38 207	0.32 215	0.35 196	0.27 173	0.34 199	0.27 199	0.34 182	0.29 201

FCDSN-DC	0.41 210	0.59 190	0.64 288	0.54 243	0.33 232	0.50 281	0.37 245	0.42 238	0.40 258	0.61 298	0.43 277	0.50 283	0.49 290	0.38 207	0.32 215	0.28 170	0.23 162	0.26 167	0.22 169	0.35 194	0.28 196
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Gwc-CoAtRS	0.41 210	1.49 330	0.32 188	0.42 207	0.32 221	0.41 229	0.32 211	0.41 222	0.33 225	0.41 221	0.32 222	0.41 229	0.32 222	0.41 231	0.32 215	0.39 220	0.28 178	0.39 236	0.28 203	0.40 222	0.28 196

MyStereo04	0.56 257	3.72 411	0.59 280	0.49 227	0.41 271	0.36 197	0.32 211	0.37 194	0.31 217	0.34 186	0.46 284	0.35 193	0.32 222	0.35 195	0.33 221	0.49 261	0.45 249	0.34 199	0.32 232	0.35 194	0.43 266

PCWNet_CMD	2.80 449	9.82 471	0.32 188	10.09 489	0.32 221	0.49 273	0.33 220	3.34 451	0.33 225	0.49 265	0.33 227	0.49 269	8.73 486	0.48 265	0.33 221	0.41 232	9.22 485	0.42 262	0.29 212	9.55 488	0.31 216

CFNet_ucs	2.73 446	9.64 470	0.33 193	9.92 487	0.32 221	0.49 273	0.33 220	0.49 260	0.33 225	0.49 265	0.33 227	0.49 269	8.98 488	0.48 265	0.33 221	0.41 232	9.96 491	0.40 240	0.29 212	10.12 491	0.54 296

RAFT-Test	0.36 180	0.37 125	0.33 193	0.41 199	0.32 221	0.41 229	0.32 211	0.41 222	0.32 220	0.41 221	0.32 222	0.41 229	0.32 222	0.41 231	0.33 221	0.37 204	0.29 187	0.37 219	0.29 212	0.38 211	0.31 216

RCA-Stereo	0.51 247	3.22 400	0.34 201	0.44 210	0.34 240	0.44 253	0.34 229	0.43 242	0.34 233	0.43 239	0.34 234	0.44 249	0.33 228	0.43 246	0.33 221	0.38 211	0.29 187	0.38 226	0.29 212	0.38 211	0.29 201

CFNet_pseudo	2.67 445	9.36 468	0.32 188	10.99 491	0.33 232	0.85 325	0.33 220	0.49 260	0.33 225	0.49 265	0.32 222	0.49 269	7.26 484	0.49 271	0.33 221	0.41 232	9.62 488	0.41 252	0.29 212	10.03 490	0.29 201

pcwnet_v2	2.66 444	9.89 472	0.33 193	9.89 486	0.32 221	0.50 281	0.32 211	0.49 260	0.33 225	0.49 265	0.34 234	0.49 269	8.76 487	0.48 265	0.33 221	0.41 232	9.58 487	0.40 240	0.29 212	9.01 486	0.63 310

HCRNet	1.22 394	7.11 452	3.00 451	3.55 439	0.33 232	0.29 174	0.14 131	0.19 131	0.15 146	0.33 184	0.29 207	0.25 162	0.14 137	0.22 150	0.33 221	3.64 448	3.00 445	0.76 323	0.32 232	0.18 132	0.13 129

ccnet	0.80 296	2.28 372	0.33 193	0.50 234	0.33 232	0.50 281	0.33 220	0.50 268	0.33 225	0.49 265	0.33 227	0.49 269	1.56 426	2.38 439	0.33 221	0.41 232	0.29 187	0.42 262	1.57 435	2.28 424	0.29 201

CFNet-RSSM	0.91 318	4.89 430	0.34 201	0.44 210	1.07 370	1.62 424	1.40 431	0.91 323	0.35 236	1.60 417	1.39 430	0.64 306	0.34 232	0.44 248	0.33 221	0.41 232	0.35 211	0.75 321	0.30 222	0.41 232	0.29 201

psmorigin	0.41 210	0.46 160	0.33 193	0.49 227	0.33 232	0.49 273	0.33 220	0.49 260	0.33 225	0.49 265	0.33 227	0.49 269	0.33 228	0.51 284	0.33 221	0.41 232	0.30 195	0.41 252	0.30 222	0.79 299	0.29 201

MSMDNet	2.65 443	10.14 474	0.33 193	9.74 485	0.32 221	0.87 327	0.33 220	2.95 447	0.68 320	0.49 265	0.34 234	0.49 269	5.70 480	0.49 271	0.33 221	0.42 246	9.57 486	0.41 252	0.31 228	8.36 483	0.65 312

ccs_rob	2.79 448	10.17 475	0.32 188	10.00 488	0.33 232	0.49 273	0.33 220	1.90 421	0.32 220	0.51 281	0.33 227	0.49 269	9.24 489	0.49 271	0.33 221	0.41 232	9.82 489	0.41 252	0.28 203	9.34 487	0.29 201

RAFT-Stereo-weight	0.45 223	1.90 348	0.34 201	0.42 207	0.36 249	0.43 251	0.35 234	0.42 238	0.34 233	0.42 233	0.34 234	0.44 249	0.34 232	0.41 231	0.34 234	0.38 211	0.32 201	0.38 226	0.32 232	0.38 211	0.33 224

H2IRNET	0.34 170	0.34 119	0.34 201	0.34 160	0.34 240	0.34 190	0.34 229	0.34 181	0.34 233	0.34 186	0.34 234	0.34 192	0.34 232	0.34 193	0.34 234	0.34 187	0.34 210	0.34 199	0.34 241	0.34 182	0.34 230

GCST	0.50 242	2.08 359	0.38 216	0.53 241	0.35 243	0.49 273	0.35 234	0.50 268	0.35 236	0.49 265	0.35 242	0.49 269	0.35 237	0.49 271	0.35 236	0.48 258	0.37 215	0.45 269	0.33 239	0.44 241	0.33 224

Former-RAFT_DAM_RVC	0.49 240	0.98 234	0.64 288	0.84 280	0.46 287	0.45 254	0.35 234	0.47 252	0.47 282	0.45 244	0.34 234	0.46 254	0.48 285	0.46 254	0.35 236	0.39 220	0.71 303	0.39 236	0.35 247	0.41 232	0.41 258

ETE_ROB	0.35 176	0.35 120	0.35 208	0.35 161	0.35 243	0.35 194	0.35 234	0.35 184	0.35 236	0.35 190	0.35 242	0.35 193	0.35 237	0.35 195	0.35 236	0.35 196	0.35 211	0.35 212	0.35 247	0.35 194	0.35 236

UGAM-zero	0.51 247	2.17 367	0.39 222	0.53 241	0.36 249	0.50 281	0.36 240	0.50 268	0.36 245	0.49 265	0.36 245	0.50 283	0.35 237	0.50 278	0.36 239	0.49 261	0.37 215	0.47 276	0.35 247	0.46 246	0.34 230

UGAM	0.51 247	2.23 370	0.39 222	0.54 243	0.35 243	0.50 281	0.35 234	0.49 260	0.35 236	0.49 265	0.35 242	0.49 269	0.36 240	0.50 278	0.36 239	0.49 261	0.37 215	0.45 269	0.34 241	0.45 245	0.34 230

CES	0.39 199	0.47 164	0.36 210	0.36 165	0.37 252	0.45 254	0.35 234	0.35 184	0.40 258	0.36 193	0.44 279	0.47 259	0.36 240	0.44 248	0.36 239	0.37 204	0.39 228	0.44 265	0.35 247	0.37 202	0.36 237

GMOStereo	0.37 185	0.45 156	0.23 152	0.30 149	0.37 252	0.41 229	0.36 240	0.41 222	0.35 236	0.43 239	0.36 245	0.41 229	0.40 253	0.41 231	0.36 239	0.34 187	0.22 158	0.47 276	0.37 255	0.39 218	0.33 224

error version	0.93 324	4.47 426	2.35 446	1.99 407	0.37 252	0.41 229	0.36 240	0.41 222	0.35 236	0.43 239	0.36 245	0.41 229	0.40 253	0.41 231	0.36 239	1.87 420	2.16 438	0.47 276	0.37 255	0.39 218	0.33 224

test_1	0.93 324	4.47 426	2.35 446	1.99 407	0.37 252	0.41 229	0.36 240	0.41 222	0.35 236	0.43 239	0.36 245	0.41 229	0.40 253	0.41 231	0.36 239	1.87 420	2.16 438	0.47 276	0.37 255	0.39 218	0.33 224

DMCA	0.36 180	0.38 127	0.37 213	0.35 161	0.35 243	0.36 197	0.36 240	0.36 188	0.35 236	0.35 190	0.37 251	0.36 199	0.36 240	0.35 195	0.36 239	0.36 200	0.36 213	0.35 212	0.36 253	0.36 200	0.36 237

ADCS	0.09 41	0.02 12	0.04 34	0.90 285	0.06 91	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 111	0.36 239	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

SCV_C0	0.45 223	0.88 215	0.49 260	0.54 243	0.37 252	0.48 268	0.37 245	0.48 256	0.37 246	0.48 258	0.36 245	0.48 265	0.37 244	0.49 271	0.37 247	0.50 267	0.41 240	0.44 265	0.34 241	0.44 241	0.34 230

SCV	0.46 226	0.94 229	0.45 243	0.54 243	0.37 252	0.48 268	0.38 251	0.48 256	0.37 246	0.48 258	0.39 260	0.48 265	0.37 244	0.49 271	0.37 247	0.50 267	0.46 251	0.44 265	0.34 241	0.44 241	0.34 230

XPNet_ROB	0.37 185	0.37 125	0.37 213	0.37 168	0.37 252	0.37 202	0.37 245	0.37 194	0.37 246	0.37 198	0.37 251	0.37 205	0.37 244	0.37 205	0.37 247	0.37 204	0.37 215	0.37 219	0.37 255	0.37 202	0.37 241

HART	0.38 191	0.45 156	0.34 201	0.42 207	0.33 232	0.41 229	0.34 229	0.42 238	0.33 225	0.43 239	0.34 234	0.42 245	0.34 232	0.41 231	0.38 250	0.40 224	0.32 201	0.42 262	0.32 232	0.40 222	0.32 220

WAO-8	0.38 191	0.38 127	0.38 216	0.38 171	0.38 259	0.38 206	0.38 251	0.38 199	0.38 250	0.38 199	0.38 256	0.38 207	0.38 248	0.38 207	0.38 250	0.38 211	0.38 221	0.38 226	0.37 255	0.38 211	0.38 245

WAO-7	0.38 191	0.38 127	0.38 216	0.38 171	0.38 259	0.38 206	0.38 251	0.38 199	0.38 250	0.38 199	0.38 256	0.38 207	0.38 248	0.38 207	0.38 250	0.38 211	0.38 221	0.38 226	0.38 264	0.38 211	0.38 245

Venus	0.38 191	0.38 127	0.38 216	0.38 171	0.38 259	0.37 202	0.38 251	0.37 194	0.37 246	0.41 221	0.37 251	0.39 211	0.37 244	0.38 207	0.38 250	0.37 204	0.38 221	0.38 226	0.37 255	0.37 202	0.38 245

IMH	0.38 191	0.38 127	0.38 216	0.38 171	0.38 259	0.38 206	0.38 251	0.38 199	0.38 250	0.42 233	0.38 256	0.40 217	0.38 248	0.38 207	0.38 250	0.38 211	0.38 221	0.39 236	0.38 264	0.38 211	0.38 245

iRaftStereo_RVC	0.97 328	3.17 399	2.30 445	2.42 423	0.38 259	0.54 293	0.38 251	0.54 281	0.38 250	0.54 288	0.38 256	0.54 291	0.38 248	0.54 289	0.38 250	2.38 438	2.34 442	0.49 288	0.36 253	0.49 259	0.36 237

gcap-zeroshot	0.35 176	0.32 117	0.37 213	0.49 227	0.39 264	0.33 188	0.21 159	0.26 162	0.35 236	0.42 233	0.34 234	0.49 269	0.29 210	0.47 258	0.39 256	0.34 187	0.17 142	0.38 226	0.23 174	0.48 256	0.34 230

GCAP-Stereo	0.75 285	4.15 422	0.42 238	0.75 271	0.35 243	0.78 319	0.40 258	0.79 310	0.38 250	0.78 320	0.36 245	0.78 323	0.36 240	0.79 319	0.39 256	0.75 303	0.39 228	0.76 323	0.39 267	0.75 294	0.39 249

LL-Strereo2	0.48 236	1.73 340	0.51 268	0.59 251	0.34 240	0.42 247	0.33 220	0.40 207	0.31 217	0.42 233	0.33 227	0.42 245	0.31 221	0.44 248	0.39 256	0.60 282	0.51 273	0.44 265	0.33 239	0.44 241	0.33 224

HanzoNet	0.39 199	0.38 127	0.40 225	0.39 176	0.41 271	0.38 206	0.38 251	0.38 199	0.38 250	0.39 204	0.39 260	0.38 207	0.38 248	0.39 214	0.40 259	0.38 211	0.38 221	0.40 240	0.38 264	0.38 211	0.40 251

knoymous	0.40 203	0.40 135	0.40 225	0.40 189	0.40 265	0.40 213	0.40 258	0.40 207	0.40 258	0.40 208	0.40 262	0.40 217	0.40 253	0.40 217	0.40 259	0.40 224	0.40 231	0.40 240	0.40 268	0.40 222	0.40 251

anonymousa	0.40 203	0.40 135	0.40 225	0.40 189	0.40 265	0.40 213	0.40 258	0.40 207	0.40 258	0.40 208	0.40 262	0.40 217	0.40 253	0.40 217	0.40 259	0.40 224	0.40 231	0.40 240	0.40 268	0.40 222	0.40 251

riskmin	0.40 203	0.40 135	0.40 225	0.40 189	0.40 265	0.40 213	0.40 258	0.40 207	0.40 258	0.40 208	0.40 262	0.40 217	0.40 253	0.40 217	0.40 259	0.40 224	0.40 231	0.40 240	0.40 268	0.40 222	0.40 251

Anonymous_2	0.40 203	0.40 135	0.40 225	0.40 189	0.40 265	0.40 213	0.40 258	0.40 207	0.40 258	0.40 208	0.40 262	0.40 217	0.40 253	0.40 217	0.40 259	0.40 224	0.40 231	0.40 240	0.40 268	0.40 222	0.40 251

Anonymous_1	0.40 203	0.40 135	0.40 225	0.40 189	0.40 265	0.40 213	0.40 258	0.40 207	0.40 258	0.40 208	0.40 262	0.40 217	0.40 253	0.40 217	0.40 259	0.40 224	0.40 231	0.40 240	0.40 268	0.40 222	0.40 251

AdaStereo	0.40 203	0.40 135	0.40 225	0.40 189	0.40 265	0.40 213	0.40 258	0.40 207	0.40 258	0.40 208	0.40 262	0.40 217	0.40 253	0.40 217	0.40 259	0.40 224	0.40 231	0.40 240	0.40 268	0.40 222	0.40 251
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
GwcNet-ADL	0.41 210	0.41 142	0.41 233	0.41 199	0.41 271	0.41 229	0.41 265	0.41 222	0.41 267	0.41 221	0.41 268	0.41 229	0.41 264	0.41 231	0.41 266	0.41 232	0.41 240	0.41 252	0.41 275	0.41 232	0.41 258

PSMNet-ADL	0.41 210	0.41 142	0.41 233	0.41 199	0.41 271	0.41 229	0.41 265	0.41 222	0.41 267	0.41 221	0.41 268	0.41 229	0.41 264	0.41 231	0.41 266	0.41 232	0.41 240	0.41 252	0.41 275	0.41 232	0.41 258

GANet-ADL	0.41 210	0.41 142	0.41 233	0.41 199	0.41 271	0.41 229	0.41 265	0.41 222	0.41 267	0.41 221	0.41 268	0.41 229	0.41 264	0.41 231	0.41 266	0.41 232	0.41 240	0.41 252	0.41 275	0.41 232	0.41 258

ADLNet2	0.41 210	0.41 142	0.41 233	0.41 199	0.41 271	0.41 229	0.41 265	0.41 222	0.41 267	0.41 221	0.41 268	0.41 229	0.41 264	0.41 231	0.41 266	0.41 232	0.41 240	0.41 252	0.41 275	0.41 232	0.41 258

ADLNet	0.41 210	0.41 142	0.41 233	0.41 199	0.41 271	0.41 229	0.41 265	0.41 222	0.41 267	0.41 221	0.41 268	0.41 229	0.41 264	0.41 231	0.41 266	0.41 232	0.41 240	0.41 252	0.41 275	0.41 232	0.41 258

Occ-G	1.12 344	0.52 182	3.72 469	3.50 438	0.50 302	0.56 295	0.47 283	0.54 281	0.46 277	0.54 288	0.41 268	0.54 291	0.42 269	0.52 287	0.42 271	3.42 447	4.02 463	0.52 298	0.45 285	0.51 269	0.44 269

CFNet_RVC	2.38 437	8.71 463	0.38 216	9.33 482	0.42 280	0.56 295	0.42 270	0.60 291	0.38 250	0.62 301	0.42 275	0.56 298	7.29 485	0.62 300	0.42 271	0.53 276	0.37 215	0.49 288	0.34 241	8.30 482	6.87 488

DispNO	1.00 331	0.63 193	0.43 239	3.45 437	0.44 283	0.65 308	0.43 272	0.64 296	0.43 272	0.64 304	0.43 277	0.64 306	3.03 449	0.64 305	0.43 273	4.55 455	0.43 248	0.63 308	0.43 283	0.63 280	0.43 266

MonSter	0.60 259	0.64 195	0.52 271	0.62 255	0.44 283	2.07 433	0.44 273	0.62 294	0.44 275	0.62 301	0.44 279	0.62 305	0.44 271	0.62 300	0.44 274	0.58 280	0.42 247	0.62 306	0.46 287	0.58 276	0.42 265

AIO-test1	0.54 251	0.60 192	0.52 271	0.66 261	0.47 293	0.61 302	0.47 283	0.58 287	0.46 277	0.61 298	0.46 284	0.61 303	0.45 273	0.62 300	0.45 275	0.61 285	0.52 274	0.57 302	0.48 297	0.57 275	0.48 280

AIO-Stereo	0.84 311	0.66 196	0.70 298	0.83 279	0.67 331	0.98 339	0.82 339	1.14 343	0.72 330	1.03 345	0.74 339	1.03 350	1.09 353	0.99 344	0.45 275	1.04 331	0.73 305	0.95 346	0.74 335	0.94 320	0.46 272

MyStereo06	0.75 285	4.12 419	0.60 282	0.63 256	0.61 321	0.62 305	0.66 315	0.56 283	0.45 276	0.55 291	0.48 296	0.54 291	0.46 276	0.57 296	0.45 275	0.60 282	0.57 282	0.64 309	0.55 308	0.72 290	0.55 300

CASnet	0.35 176	0.51 180	0.44 241	0.32 155	0.31 219	0.24 154	0.34 229	0.36 188	0.25 179	0.31 175	0.37 251	0.30 181	0.33 228	0.25 163	0.45 275	0.37 204	0.37 215	0.33 192	0.35 247	0.34 182	0.37 241
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
fffft	0.48 236	0.51 180	0.45 243	0.52 240	0.45 285	0.52 290	0.45 276	0.52 279	0.48 289	0.53 286	0.45 282	0.52 289	0.45 273	0.52 287	0.46 279	0.51 273	0.41 240	0.50 291	0.41 275	0.50 263	0.41 258
1: 1. 1
PAM_32	0.64 265	2.38 376	0.51 268	0.92 290	0.43 282	0.53 291	0.44 273	0.87 317	0.43 272	0.52 284	0.45 282	0.53 290	0.40 253	0.54 289	0.46 279	0.62 288	0.56 280	0.48 284	0.45 285	0.76 295	0.44 269

otaku	0.46 226	0.46 160	0.46 247	0.46 212	0.46 287	0.46 259	0.46 278	0.46 247	0.46 277	0.46 247	0.46 284	0.46 254	0.46 276	0.46 254	0.46 279	0.46 249	0.46 251	0.46 272	0.46 287	0.46 246	0.46 272

Dean	0.46 226	0.46 160	0.46 247	0.46 212	0.46 287	0.46 259	0.46 278	0.46 247	0.46 277	0.47 252	0.46 284	0.46 254	0.46 276	0.46 254	0.46 279	0.46 249	0.46 251	0.46 272	0.46 287	0.46 246	0.46 272

ACVNet_1	0.46 226	0.47 164	0.46 247	0.46 212	0.46 287	0.46 259	0.46 278	0.46 247	0.47 282	0.46 247	0.46 284	0.46 254	0.46 276	0.46 254	0.46 279	0.46 249	0.46 251	0.47 276	0.46 287	0.46 246	0.46 272

ACVNet-4b	0.46 226	0.46 160	0.46 247	0.46 212	0.46 287	0.46 259	0.46 278	0.46 247	0.46 277	0.46 247	0.46 284	0.46 254	0.46 276	0.47 258	0.46 279	0.46 249	0.46 251	0.46 272	0.46 287	0.46 246	0.46 272

AIO-test2	0.55 255	0.59 190	0.52 271	0.67 262	0.47 293	0.61 302	0.47 283	0.61 293	0.47 282	0.61 298	0.47 292	0.61 303	0.48 285	0.62 300	0.47 285	0.64 290	0.53 276	0.58 303	0.47 294	0.58 276	0.48 280

Ntro	0.47 232	0.47 164	0.46 247	0.46 212	0.46 287	0.47 263	0.47 283	0.46 247	0.47 282	0.46 247	0.46 284	0.47 259	0.46 276	0.47 258	0.47 285	0.47 254	0.46 251	0.46 272	0.46 287	0.46 246	0.46 272

HaxPig	0.47 232	0.47 164	0.47 252	0.49 227	0.47 293	0.47 263	0.47 283	0.47 252	0.47 282	0.47 252	0.47 292	0.47 259	0.47 284	0.47 258	0.47 285	0.47 254	0.47 258	0.47 276	0.47 294	0.47 253	0.48 280

UNDER WATER	0.47 232	0.47 164	0.47 252	0.47 218	0.47 293	0.47 263	0.47 283	0.47 252	0.47 282	0.47 252	0.47 292	0.47 259	0.46 276	0.47 258	0.47 285	0.47 254	0.47 258	0.47 276	0.46 287	0.47 253	0.47 278

LVE	0.47 232	0.47 164	0.47 252	0.47 218	0.49 299	0.47 263	0.47 283	0.47 252	0.49 291	0.47 252	0.47 292	0.47 259	0.46 276	0.47 258	0.47 285	0.47 254	0.47 258	0.48 284	0.47 294	0.47 253	0.47 278

AEACV	1.12 344	0.52 182	3.12 463	3.24 434	0.86 349	0.53 291	0.49 294	0.60 291	0.47 282	0.53 286	0.49 299	0.55 295	0.45 273	0.55 292	0.47 285	3.01 443	3.88 461	0.71 318	0.60 315	0.80 302	0.48 280

RainbowNet	0.48 236	0.48 170	0.48 256	0.48 221	0.48 297	0.48 268	0.48 292	0.48 256	0.48 289	0.48 258	0.48 296	0.48 265	0.48 285	0.48 265	0.48 291	0.48 258	0.48 261	0.48 284	0.48 297	0.48 256	0.48 280

notaker	0.48 236	0.49 171	0.48 256	0.48 221	0.48 297	0.48 268	0.48 292	0.48 256	0.49 291	0.48 258	0.48 296	0.48 265	0.48 285	0.48 265	0.48 291	0.48 258	0.48 261	0.48 284	0.48 297	0.48 256	0.49 285

ACVNet_2	0.49 240	0.49 171	0.49 260	0.49 227	0.49 299	0.49 273	0.49 294	0.49 260	0.49 291	0.49 265	0.49 299	0.49 269	0.49 290	0.49 271	0.49 293	0.49 261	0.49 264	0.49 288	0.49 300	0.49 259	0.49 285

FoundationStereo	0.50 242	0.50 174	0.50 263	0.50 234	0.50 302	0.50 281	0.50 296	0.50 268	0.50 294	0.50 277	0.50 301	0.50 283	0.50 293	0.50 278	0.50 294	0.50 267	0.50 269	0.50 291	0.50 302	0.50 263	0.50 288

StereoAnything_RVC	0.50 242	0.50 174	0.50 263	0.50 234	0.50 302	0.50 281	0.50 296	0.50 268	0.50 294	0.50 277	0.50 301	0.50 283	0.50 293	0.50 278	0.50 294	0.50 267	0.50 269	0.50 291	0.50 302	0.50 263	0.50 288

dual_stereo	0.50 242	0.50 174	0.50 263	0.50 234	0.50 302	0.50 281	0.50 296	0.50 268	0.50 294	0.50 277	0.50 301	0.50 283	0.50 293	0.50 278	0.50 294	0.50 267	0.50 269	0.50 291	0.50 302	0.50 263	0.50 288

LL-Strereo	1.01 336	5.06 432	1.63 423	0.70 265	1.43 437	0.56 295	0.46 278	0.57 285	0.50 294	0.57 294	0.50 301	1.58 421	0.49 290	0.59 298	0.50 294	1.64 414	0.52 274	0.51 296	1.37 426	0.52 270	0.45 271

SANet	0.50 242	0.50 174	0.50 263	0.50 234	0.50 302	0.50 281	0.50 296	0.50 268	0.50 294	0.50 277	0.50 301	0.50 283	0.50 293	0.50 278	0.50 294	0.50 267	0.50 269	0.50 291	0.50 302	0.50 263	0.50 288

SMoEStereo_RVC	0.63 263	0.75 201	0.51 268	0.73 269	0.53 311	0.71 314	0.47 283	0.67 300	0.58 307	0.74 317	0.60 314	0.72 316	0.53 300	0.74 316	0.51 299	0.61 285	0.62 289	0.62 306	0.61 317	0.63 280	0.61 306

ktn	0.72 282	0.53 184	1.08 338	1.14 318	0.51 307	1.22 407	1.36 425	0.51 277	0.59 308	0.51 281	0.51 307	0.69 312	1.20 365	0.67 309	0.51 299	0.51 273	0.49 264	0.58 303	0.66 322	0.52 270	0.53 295

WCG-NET	0.61 261	1.21 317	0.54 275	0.61 254	0.53 311	0.67 310	0.53 302	0.66 299	0.53 302	0.64 304	0.53 310	0.65 309	0.53 300	0.59 298	0.52 301	0.65 291	0.48 261	0.64 309	0.52 306	0.58 276	0.50 288

MyStereo8	0.71 279	3.92 418	0.52 271	0.59 251	0.52 308	0.57 299	0.53 302	0.59 289	0.50 294	0.59 297	0.51 307	0.57 299	0.50 293	0.56 293	0.52 301	0.54 277	0.49 264	0.54 300	0.49 300	0.55 274	0.50 288

KSHMR	0.66 268	0.50 174	0.48 256	1.15 320	0.52 308	0.49 273	0.51 300	0.49 260	0.71 329	0.67 308	0.50 301	1.16 362	1.11 354	0.66 307	0.52 301	0.49 261	0.49 264	0.51 296	0.66 322	0.50 263	1.14 366

test-3	0.98 330	4.13 421	1.85 434	1.85 399	0.61 321	0.69 311	0.37 245	0.63 295	0.61 311	0.66 307	0.51 307	0.73 318	0.44 271	0.57 296	0.54 304	1.68 415	1.81 432	0.40 240	0.43 283	0.66 282	0.50 288

PSMNet_ROB	0.54 251	0.54 187	0.54 275	0.54 243	0.53 311	0.54 293	0.54 304	0.53 280	0.54 304	0.54 288	0.54 311	0.54 291	0.53 300	0.54 289	0.54 304	0.54 277	0.53 276	0.54 300	0.54 307	0.54 273	0.54 296

MyStereo05	0.80 296	4.12 419	0.63 286	0.63 256	0.61 321	0.62 305	0.66 315	0.65 297	0.62 312	0.67 308	0.61 317	0.65 309	0.58 305	0.67 309	0.55 306	0.60 282	0.57 282	0.64 309	0.55 308	0.72 290	0.55 300

CASS	0.57 258	0.89 218	0.56 277	0.57 248	0.56 314	0.56 295	0.56 305	0.56 283	0.53 302	0.57 294	0.57 313	0.59 301	0.48 285	0.56 293	0.57 307	0.55 279	0.56 280	0.47 276	0.56 311	0.62 279	0.56 303
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 263	0.69 197	0.56 277	0.71 267	0.56 314	0.71 314	0.56 305	0.71 305	0.56 305	0.72 312	0.56 312	0.71 313	0.56 304	0.71 312	0.58 308	0.68 295	0.55 278	0.68 314	0.55 308	0.68 284	0.54 296

UDG	0.80 296	2.21 369	0.60 282	0.91 287	0.60 317	0.90 331	0.58 307	0.88 320	0.60 309	0.90 328	0.60 314	0.88 332	0.60 307	0.90 332	0.58 308	0.86 317	0.60 284	0.84 335	0.59 314	0.84 308	0.61 306

DDUNet	0.81 301	2.45 377	0.57 279	0.90 285	0.60 317	0.88 328	0.59 308	0.90 321	0.60 309	0.88 327	0.60 314	0.90 335	0.58 305	0.88 329	0.60 310	0.84 315	0.60 284	0.86 337	0.57 312	0.86 309	0.60 305

ARAFT	0.68 273	0.81 208	0.63 286	0.74 270	0.60 317	0.78 319	0.62 310	0.77 309	0.66 318	0.74 317	0.63 319	0.75 320	0.62 309	0.83 323	0.60 310	0.70 299	0.55 278	0.70 317	0.60 315	0.78 297	0.55 300

RAFT-Stereo + iAFF	0.70 277	0.72 199	0.71 301	0.80 275	0.62 324	0.82 324	0.61 309	0.81 315	0.62 312	0.81 324	0.63 319	0.80 326	0.70 320	0.73 314	0.61 312	0.76 304	0.61 288	0.74 320	0.61 317	0.77 296	0.61 306

MyStereo07	0.60 259	3.72 411	0.48 256	0.49 227	0.41 271	0.36 197	0.32 211	0.49 260	0.43 272	0.51 281	0.42 275	0.49 269	0.43 270	0.51 284	0.64 313	0.49 261	0.45 249	0.34 199	0.32 232	0.35 194	0.43 266

RSM++	0.76 289	0.82 210	0.66 292	0.85 282	0.64 325	0.85 325	0.71 326	0.94 330	0.64 315	0.87 326	0.67 326	0.87 331	0.65 312	0.84 324	0.65 314	0.81 310	0.70 299	0.79 326	0.71 333	0.83 307	0.70 318

plain	1.88 415	3.16 398	0.64 288	3.10 432	0.65 327	3.10 450	0.64 312	3.12 448	0.65 316	3.10 449	0.65 323	3.11 449	0.65 312	3.12 448	0.65 314	3.12 444	0.65 292	3.13 449	0.65 320	3.13 435	0.65 312

DSFCA	0.66 268	0.73 200	0.78 310	0.65 258	0.65 327	0.64 307	0.64 312	0.65 297	0.63 314	0.64 304	0.64 321	0.64 306	0.64 310	0.65 306	0.65 314	0.65 291	0.65 292	0.65 312	0.65 320	0.66 282	0.64 311

LMCR-Stereo	0.65 266	0.63 193	0.65 291	0.65 258	0.65 327	0.66 309	0.63 311	0.58 287	0.65 316	0.63 303	0.64 321	0.65 309	0.65 312	0.66 307	0.66 317	0.66 293	0.64 291	0.65 312	0.67 325	0.68 284	0.73 325

CoDeX	0.15 106	0.70 198	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 318	0.02 14	0.69 298	0.75 321	0.01 9	0.02 19	0.02 19

Selective-IGEV	0.51 247	0.55 189	0.45 243	0.69 263	0.45 285	0.61 302	0.45 276	0.50 268	0.40 258	0.56 293	0.44 279	0.55 295	0.40 253	0.72 313	0.67 318	0.59 281	0.46 251	0.45 269	0.34 241	0.46 246	0.37 241

AFF-stereo	0.73 283	0.88 215	0.67 295	0.75 271	0.68 334	0.75 316	0.64 312	0.80 312	0.72 330	0.83 325	0.70 331	0.82 329	0.64 310	0.84 324	0.67 318	0.77 305	0.63 290	0.81 331	0.63 319	0.78 297	0.62 309

MIF-Stereo (partial)	2.58 442	3.31 402	0.66 292	3.18 433	0.66 330	3.18 451	0.66 315	3.21 449	0.67 319	3.19 450	0.66 325	3.19 450	0.66 315	3.31 452	0.68 321	5.09 470	1.79 431	8.23 489	1.67 439	6.18 473	1.38 430

UniTT-Stereo	2.03 420	3.43 404	0.72 302	3.42 436	0.73 340	3.27 453	0.68 320	3.38 452	0.69 323	3.29 452	0.72 336	3.28 452	0.70 320	3.35 453	0.68 321	3.39 446	0.68 294	3.31 451	0.69 328	3.37 436	0.73 325

R-Stereo Train	0.81 301	0.96 231	0.67 295	0.95 297	0.67 331	0.95 336	0.68 320	0.95 332	0.68 320	0.95 338	0.68 327	0.96 343	0.68 318	0.96 342	0.68 321	0.94 325	0.68 294	0.94 344	0.68 326	0.94 320	0.68 316

RAFT-Stereo	0.81 301	0.96 231	0.67 295	0.95 297	0.67 331	0.95 336	0.68 320	0.95 332	0.68 320	0.95 338	0.68 327	0.96 343	0.68 318	0.96 342	0.68 321	0.94 325	0.68 294	0.94 344	0.68 326	0.94 320	0.68 316
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HH	0.71 279	2.54 379	0.74 305	1.10 312	0.32 221	0.41 229	0.37 245	0.69 302	0.78 336	0.73 313	0.90 348	0.75 320	1.00 344	0.84 324	0.69 325	0.69 296	0.40 231	0.35 212	0.26 193	0.35 194	0.26 176

HanStereo	0.71 279	2.54 379	0.74 305	1.10 312	0.32 221	0.41 229	0.37 245	0.69 302	0.78 336	0.73 313	0.90 348	0.75 320	1.00 344	0.84 324	0.69 325	0.69 296	0.40 231	0.35 212	0.26 193	0.35 194	0.26 176

DMCA-RVC	0.70 277	0.80 205	0.70 298	0.70 265	0.70 336	0.70 312	0.70 323	0.71 305	0.70 326	0.70 311	0.71 334	0.71 313	0.70 320	0.70 311	0.69 325	0.69 296	0.70 299	0.69 315	0.70 330	0.69 288	0.70 318

MSMD_ROB	1.19 346	1.10 261	0.70 298	1.10 312	0.60 317	1.10 353	0.70 323	1.10 342	0.70 326	1.10 349	0.70 331	1.10 356	0.70 320	7.00 488	0.70 328	1.10 336	0.70 299	1.10 358	0.70 330	1.10 331	0.70 318

MoCha-V2	2.11 422	26.97 494	0.78 310	0.92 290	0.77 343	0.96 338	0.72 327	0.90 321	0.72 330	0.94 336	0.70 331	0.90 335	0.71 324	0.91 333	0.71 329	0.85 316	0.71 303	0.88 338	0.69 328	0.87 310	0.67 315

DCRE	0.84 311	1.89 346	0.77 309	0.94 295	0.72 339	0.88 328	0.73 328	0.87 317	0.78 336	0.90 328	0.71 334	0.88 332	0.67 317	0.88 329	0.73 330	0.81 310	0.68 294	0.81 331	0.70 330	0.82 306	0.70 318

iGMRVC	0.84 311	2.85 392	0.72 302	0.72 268	0.73 340	0.77 317	0.79 333	0.73 307	0.74 335	0.73 313	0.72 336	0.73 318	0.76 329	0.73 314	0.73 330	0.72 301	0.73 305	0.73 319	0.72 334	0.73 293	0.72 322

PA-Net	11.80 490	223.51 516	0.62 285	0.59 251	0.71 337	0.59 301	0.73 328	0.67 300	0.73 333	0.55 291	0.61 317	0.60 302	0.74 326	0.63 304	0.73 330	0.66 293	0.60 284	0.69 315	0.66 322	0.72 290	0.65 312
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
tt45	1.04 338	0.88 215	1.36 412	0.92 290	1.03 368	1.51 422	0.79 333	0.70 304	0.88 345	0.74 317	0.90 348	1.60 422	0.72 325	1.60 419	0.75 333	0.91 319	0.78 311	1.52 429	0.79 340	1.14 333	1.32 423

RAStereo	2.23 427	3.64 407	0.76 308	3.65 441	0.86 349	3.66 457	0.76 331	3.67 456	0.81 343	3.66 453	0.76 341	3.66 454	0.77 330	3.68 455	0.77 334	3.68 449	0.77 310	3.69 456	0.77 337	3.70 438	0.77 331

SFCPSM	0.17 117	0.78 202	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 335	0.02 14	0.75 308	0.76 323	0.02 20	0.02 19	0.02 19

G-Net	0.79 294	0.79 204	0.79 313	0.79 273	0.79 345	0.79 321	0.79 333	0.79 310	0.79 339	0.79 321	0.79 343	0.79 325	0.79 332	0.79 319	0.79 335	0.79 306	0.79 312	0.79 326	0.79 340	0.79 299	0.79 332

HSM-Net_RVC	0.95 327	1.17 267	0.78 310	1.18 327	0.71 337	1.16 360	0.75 330	1.09 341	0.80 340	1.10 349	0.75 340	1.17 363	0.74 326	1.17 362	0.80 337	1.13 342	0.73 305	1.17 365	0.77 337	1.16 337	0.72 322
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	0.80 296	0.80 205	0.80 314	0.80 275	0.80 347	0.80 322	0.80 336	0.80 312	0.80 340	0.80 322	0.80 344	0.80 326	0.80 333	0.80 321	0.80 337	0.80 307	0.80 315	0.80 329	0.80 342	0.80 302	0.80 333

CSAN	0.80 296	0.80 205	0.80 314	0.80 275	0.80 347	0.80 322	0.80 336	0.80 312	0.80 340	0.80 322	0.80 344	0.80 326	0.80 333	0.80 321	0.80 337	0.80 307	0.80 315	0.80 329	0.80 342	0.80 302	0.80 333

ours_stereo	1.20 347	1.21 317	0.90 321	1.64 397	1.11 371	1.35 413	0.67 319	1.76 419	0.93 352	1.70 423	1.10 364	1.39 416	0.75 328	1.41 416	0.81 340	1.60 413	1.03 331	1.33 419	1.00 356	1.61 407	0.72 322

AIO-Stereo-zeroshot1	0.75 285	0.92 226	0.85 317	0.96 300	0.59 316	1.27 410	0.44 273	0.59 289	0.69 323	0.91 330	0.68 327	0.55 295	0.61 308	1.06 350	0.83 341	0.62 288	0.70 299	0.90 339	0.41 275	0.89 312	0.56 303

999	1.00 331	1.12 262	0.59 280	1.10 312	1.21 427	1.09 352	0.52 301	1.08 339	1.43 435	1.18 359	1.35 425	0.98 345	0.52 299	0.91 333	0.85 342	0.72 301	1.46 415	0.83 334	0.98 354	0.68 284	1.41 431

ToySt	0.92 320	2.11 362	0.90 321	0.95 297	0.79 345	0.99 340	0.78 332	0.94 330	0.81 343	0.94 336	0.78 342	0.95 342	0.77 330	0.94 338	0.86 343	0.91 319	0.79 312	0.85 336	0.77 337	0.89 312	0.73 325

DPSimNet_ROB	0.97 328	1.18 269	0.81 316	1.10 312	0.91 355	1.02 345	0.82 339	1.04 338	0.91 347	1.03 345	0.86 347	1.28 413	0.82 335	1.03 349	0.89 344	1.17 344	0.81 317	1.02 355	0.82 345	1.08 330	0.81 335

DGTPSM_ROB	0.93 324	1.00 237	0.92 325	0.94 295	0.96 360	0.91 332	0.92 345	0.91 323	0.96 356	0.91 330	0.96 355	0.93 341	0.92 339	0.94 338	0.92 345	0.92 321	0.92 323	0.90 339	0.92 349	0.94 320	0.91 343

DPSM_ROB	0.92 320	0.91 221	0.91 323	0.91 287	0.92 356	0.92 333	0.92 345	0.92 326	0.91 347	0.93 334	0.91 351	0.92 338	0.90 337	0.91 333	0.92 345	0.92 321	0.91 321	0.91 341	0.92 349	0.93 318	0.93 345

DPSM	0.92 320	0.91 221	0.91 323	0.91 287	0.92 356	0.92 333	0.92 345	0.92 326	0.91 347	0.93 334	0.91 351	0.92 338	0.90 337	0.91 333	0.92 345	0.92 321	0.91 321	0.91 341	0.92 349	0.93 318	0.93 345

pmcnn	0.92 320	0.92 226	0.92 325	0.92 290	0.92 356	0.92 333	0.92 345	0.92 326	0.92 351	0.92 332	0.92 354	0.92 338	0.92 339	0.92 337	0.92 345	0.92 321	0.92 323	0.92 343	0.92 349	0.92 317	0.92 344

Selective-RAFT	0.89 317	0.89 218	0.72 302	1.16 325	0.78 344	1.06 347	0.82 339	0.87 317	0.97 357	1.00 340	0.91 351	0.90 335	1.00 344	0.89 331	0.93 349	0.83 313	0.83 318	0.82 333	0.82 345	0.81 305	0.82 336

MM-Stereo_test2	1.20 347	1.85 343	1.05 336	1.46 388	0.94 359	1.36 415	0.99 352	1.36 408	0.95 354	1.41 413	0.98 357	1.40 418	0.96 341	1.37 414	0.95 350	1.37 402	1.06 332	1.33 419	0.93 353	1.29 396	0.89 341

AIO-Stereo-zeroshot	0.91 318	0.86 212	0.89 318	1.25 377	0.69 335	1.05 346	0.81 338	1.16 346	0.50 294	1.12 354	0.97 356	0.72 316	0.82 335	1.06 350	0.95 350	0.61 285	0.87 320	1.03 356	0.85 348	1.04 328	1.01 355

Selective-RAFT-Error	0.88 315	0.84 211	0.98 330	0.86 283	0.97 361	0.88 328	0.95 349	0.84 316	0.99 359	0.92 332	0.82 346	0.84 330	0.98 343	0.87 328	0.97 352	0.81 310	0.83 318	0.79 326	0.82 345	0.79 299	0.85 338

4D-IteraStereo	0.78 293	3.13 397	0.89 318	0.69 263	0.32 221	0.40 213	0.32 211	0.76 308	0.97 357	0.52 284	0.65 323	0.89 334	0.32 222	0.76 318	0.98 353	0.83 313	0.94 325	0.35 212	0.27 199	0.70 289	0.89 341

MaDis-Stereo	3.19 451	6.02 450	1.12 339	5.61 465	1.16 377	5.43 482	1.02 358	5.15 481	0.70 326	5.43 479	1.21 418	5.03 481	0.97 342	4.85 476	0.99 354	4.53 454	1.16 349	5.53 481	1.25 420	5.37 469	1.30 421

GANet	1.00 331	1.00 237	1.00 332	1.00 304	1.00 362	1.00 341	1.00 353	1.00 334	1.00 360	1.00 340	1.00 358	1.00 346	1.00 344	1.00 345	1.00 355	1.00 327	1.00 326	1.00 351	1.00 356	1.00 324	1.00 352

TDLM	1.00 331	1.00 237	1.00 332	1.00 304	1.00 362	1.00 341	1.00 353	1.00 334	1.00 360	1.00 340	1.00 358	1.00 346	1.00 344	1.00 345	1.00 355	1.00 327	1.00 326	1.00 351	1.00 356	1.00 324	1.00 352

CVANet_RVC	1.00 331	1.00 237	1.00 332	1.00 304	1.00 362	1.00 341	1.00 353	1.00 334	1.00 360	1.00 340	1.00 358	1.00 346	1.00 344	1.00 345	1.00 355	1.00 327	1.00 326	1.00 351	1.00 356	1.00 324	1.00 352

trnet	1.01 336	1.01 243	1.01 335	1.01 307	1.01 366	1.01 344	1.01 356	1.01 337	1.01 363	1.01 344	1.01 361	1.01 349	1.01 350	1.01 348	1.01 358	1.01 330	1.01 329	1.01 354	1.01 360	1.01 327	1.01 355

MM-Stereo_test3	1.27 397	2.07 358	1.18 347	1.60 392	1.02 367	1.45 420	1.01 356	1.40 412	1.04 365	1.44 414	1.03 362	1.46 420	1.02 351	1.44 417	1.02 359	1.51 409	1.12 346	1.32 418	0.98 354	1.38 400	0.97 348

FC-DCNN	1.07 339	1.09 258	0.98 330	0.89 284	0.52 308	1.41 419	0.91 344	1.21 399	1.24 424	1.96 426	2.05 454	1.91 426	1.30 418	1.27 412	1.08 360	0.80 307	0.60 284	0.58 303	0.41 275	0.68 284	0.54 296

GLC_STEREO	1.07 339	1.01 243	1.06 337	1.07 310	1.05 369	1.06 347	1.08 360	1.08 339	1.05 366	1.07 347	1.06 363	1.08 352	1.05 352	1.06 350	1.10 361	1.07 333	1.09 339	1.05 357	1.05 361	1.06 329	1.12 362

IGEVStereo-DCA	1.77 411	4.21 423	1.84 432	2.49 426	2.11 454	2.54 445	1.36 425	1.65 416	1.17 373	2.75 446	1.90 446	2.54 444	1.15 358	0.94 338	1.11 362	1.50 407	1.32 402	0.96 347	1.46 433	1.49 403	0.88 339

rrr	1.77 411	4.21 423	1.84 432	2.49 426	2.11 454	2.54 445	1.36 425	1.65 416	1.17 373	2.75 446	1.90 446	2.54 444	1.15 358	0.94 338	1.11 362	1.50 407	1.32 402	0.96 347	1.46 433	1.49 403	0.88 339

NCC-stereo	2.36 433	25.52 489	1.17 345	1.15 320	1.17 378	1.11 356	1.11 361	1.15 344	1.16 369	1.10 349	1.16 368	1.10 356	1.15 358	1.14 360	1.13 364	1.09 334	1.11 343	1.15 360	1.16 368	1.17 342	1.17 368

Nwc_Net	2.37 435	25.95 491	1.15 343	1.14 318	1.15 373	1.08 350	1.14 364	1.17 348	1.16 369	1.14 357	1.15 365	1.08 352	1.15 358	1.11 358	1.14 365	1.10 336	1.11 343	1.16 361	1.09 363	1.16 337	1.15 367

TorneroNet	0.66 268	0.53 184	0.50 263	0.50 234	0.64 325	1.06 347	0.70 323	0.50 268	0.51 301	0.49 265	0.69 330	0.49 269	0.50 293	0.48 265	1.15 366	0.71 300	0.49 264	1.14 359	1.08 362	0.49 259	0.49 285

AF-Net	2.37 435	25.71 490	1.17 345	1.13 317	1.15 373	1.15 359	1.18 369	1.19 351	1.16 369	1.10 349	1.15 365	1.10 356	1.18 363	1.12 359	1.15 366	1.10 336	1.10 342	1.17 365	1.15 366	1.16 337	1.12 362

RP	2.33 431	25.00 487	1.13 340	1.15 320	1.15 373	1.10 353	1.15 365	1.15 344	1.15 368	1.12 354	1.15 365	1.09 354	1.13 355	1.10 356	1.15 366	1.11 341	1.09 339	1.16 361	1.12 364	1.16 337	1.17 368

edge stereo	2.43 438	27.07 495	1.14 341	1.06 309	1.14 372	1.08 350	1.17 368	1.16 346	1.14 367	1.10 349	1.16 368	1.09 354	1.16 362	1.10 356	1.16 369	1.10 336	1.11 343	1.16 361	1.19 370	1.13 332	1.11 360

Abc-Net	2.32 430	24.75 486	1.14 341	1.17 326	1.17 378	1.11 356	1.15 365	1.17 348	1.21 421	1.08 348	1.16 368	1.12 360	1.14 357	1.09 354	1.17 370	1.09 334	1.16 349	1.17 365	1.17 369	1.16 337	1.11 360
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	2.36 433	25.48 488	1.19 349	1.15 320	1.15 373	1.10 353	1.16 367	1.17 348	1.16 369	1.12 354	1.16 368	1.11 359	1.13 355	1.09 354	1.18 371	1.10 336	1.15 348	1.16 361	1.12 364	1.14 333	1.12 362

stereogan	2.33 431	24.38 485	1.18 347	1.18 327	1.18 380	1.14 358	1.18 369	1.19 351	1.19 375	1.14 357	1.18 372	1.14 361	1.18 363	1.14 360	1.18 371	1.14 343	1.14 347	1.19 368	1.19 370	1.15 335	1.19 370

DisPM	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

CrosDoStereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

PFNet+	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

LCNet	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

HHNet	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

Patchmatch Stereo++	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371
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	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

STrans-v2	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

TransformOpticalFlow	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

OMP-Stereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

IIG-Stereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

NF-Stereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

OCTAStereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

PSM-softLoss	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

KMStereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

NRIStereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

PSM-adaLoss	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

PSM-AAD	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

FTStereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

ROB_FTStereo_v2	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

ROB_FTStereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

Consistency-Raft	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

KYRaft	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

HUI-Stereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

ASMatch	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

DeepStereo_LL	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

DEmStereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

SST-Stereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

THIR-Stereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

RAFT_R40	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

DRaft	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

PFNet	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

GrayStereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

RE-Stereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

Pruner-Stereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

TVStereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

DeepStereo_RVC	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

RAFT-RH_RVC	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

IRAFT_RVC	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

RAFT-345	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

iRAFT	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

CRE-IMP	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

GMM-Stereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

RAFT-IKP	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

Prome-Stereo	1.20 347	1.20 271	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

HBP-ISP	1.24 395	1.72 336	1.65 424	1.15 320	0.76 342	1.40 418	0.88 342	1.67 418	1.02 364	1.69 422	1.38 429	1.69 424	1.21 411	1.87 423	1.21 418	1.05 332	0.79 312	0.97 349	0.80 342	1.19 345	0.75 329

GANetREF_RVC	1.55 404	1.94 355	1.22 399	1.88 400	1.21 427	1.88 428	1.22 417	1.88 420	1.22 422	1.88 424	1.22 419	1.88 425	1.22 412	1.89 424	1.22 419	1.87 420	1.22 401	1.88 432	1.22 419	1.88 412	1.22 417
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
StereoVision	3.15 450	5.00 431	0.89 318	4.83 459	1.00 362	3.93 458	1.27 421	6.37 482	1.34 427	5.67 482	1.26 423	5.84 483	1.27 415	5.03 480	1.24 420	5.10 471	1.09 339	4.61 468	0.57 312	5.62 471	1.12 362

FAT-Stereo	2.46 439	26.05 492	1.23 401	1.23 376	1.22 429	1.20 361	1.24 419	1.23 402	1.23 423	1.19 360	1.22 419	1.21 410	1.24 413	1.20 364	1.24 420	1.21 391	1.17 352	1.22 415	1.25 420	1.20 346	1.24 419

S-Stereo	2.51 440	26.86 493	1.23 401	1.22 374	1.22 429	1.24 409	1.25 420	1.22 400	1.24 424	1.21 406	1.24 421	1.19 364	1.27 415	1.19 363	1.24 420	1.19 345	1.20 354	1.25 416	1.19 370	1.24 394	1.23 418

11t	1.27 397	2.70 386	1.34 405	1.32 381	0.89 351	1.30 412	1.34 423	1.64 415	0.57 306	1.45 415	0.72 336	1.05 351	1.29 417	1.07 353	1.29 423	1.49 406	1.02 330	0.97 349	1.15 366	1.48 402	1.31 422

SPS-STEREO	1.59 405	1.91 349	1.21 398	1.94 403	1.20 381	2.00 430	1.23 418	1.99 423	1.24 424	2.00 428	1.25 422	2.03 429	1.26 414	2.00 427	1.29 423	1.90 423	1.18 353	1.89 433	1.21 418	1.89 413	1.20 371
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MaskLacGwcNet_RVC	1.35 399	1.35 327	1.35 407	1.35 383	1.35 431	1.35 413	1.35 424	1.36 408	1.35 429	1.36 411	1.35 425	1.36 414	1.36 420	1.36 413	1.35 425	1.35 399	1.35 408	1.35 422	1.35 423	1.35 398	1.35 427

MC-Stereo	1.76 410	2.96 393	1.37 414	2.14 410	1.37 433	2.14 434	1.36 425	2.14 428	1.37 431	2.14 434	1.37 428	2.14 431	1.37 421	2.14 432	1.37 426	1.97 424	1.32 402	1.97 435	1.32 422	1.98 414	1.33 424

CC-Net-ROB	1.36 400	1.33 326	1.33 404	1.36 384	1.38 434	1.36 415	1.33 422	1.37 410	1.34 427	1.35 410	1.36 427	1.38 415	1.34 419	1.38 415	1.38 427	1.35 399	1.38 411	1.33 419	1.35 423	1.43 401	1.34 426

sCroCo_RVC	2.10 421	2.76 387	1.92 439	2.78 430	1.39 435	2.73 447	1.41 432	2.73 442	1.40 433	2.77 448	1.41 431	2.74 447	1.40 423	2.74 446	1.40 428	2.72 441	1.42 413	2.72 447	1.44 432	2.79 433	1.42 432

PS-NSSS	1.38 402	1.39 329	1.34 405	1.34 382	1.35 431	1.38 417	1.37 430	1.35 407	1.38 432	1.34 409	1.34 424	1.39 416	1.38 422	1.70 421	1.40 428	1.36 401	1.36 409	1.36 424	1.37 426	1.37 399	1.36 428

MM-Stereo_test1	1.80 413	3.41 403	1.52 422	2.12 409	1.41 436	2.04 431	1.41 432	2.05 424	1.46 436	2.04 430	1.41 431	2.05 430	1.42 424	2.05 428	1.43 430	2.04 428	1.54 419	1.94 434	1.38 428	1.99 415	1.33 424

test_xeample3	1.10 341	1.81 341	0.61 284	0.84 280	0.49 299	0.77 317	0.66 315	0.92 326	1.40 433	0.68 310	0.46 284	0.78 323	0.54 303	1.72 422	1.48 431	1.34 398	1.52 418	1.35 422	1.67 439	1.33 397	1.55 434

FADNet-RVC-Resample	0.12 82	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.04 72	0.04 60	1.57 432	0.04 35	0.04 36	0.04 62	0.05 80	0.04 65	0.06 86

DPSMNet_ROB	1.60 406	1.59 333	1.70 426	1.59 391	1.59 439	1.61 423	1.61 435	1.60 413	1.60 437	1.62 421	1.59 436	1.60 422	1.60 427	1.60 419	1.59 433	1.59 411	1.60 421	1.59 430	1.59 436	1.59 406	1.59 435

RAFT_CTSACE	1.92 416	3.71 410	1.72 428	1.88 400	1.72 443	2.04 431	1.42 434	2.18 429	1.89 449	2.02 429	1.97 450	1.95 427	2.06 439	1.93 425	1.62 434	1.76 416	1.66 425	2.02 436	1.73 445	1.73 409	1.43 433

Anonymous3	2.55 441	3.26 401	1.65 424	3.28 435	1.63 440	3.24 452	1.68 436	3.27 450	1.66 438	3.28 451	1.67 438	3.25 451	1.66 428	3.27 450	1.64 435	3.26 445	1.65 424	3.30 450	1.65 437	4.95 464	1.65 438

FADNet_RVC	0.12 82	0.04 34	0.04 34	0.05 35	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.05 78	0.04 60	1.65 436	0.05 42	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

FADNet	0.12 82	0.05 41	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.05 78	0.04 60	1.66 437	0.06 46	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

UDGNet	2.23 427	5.40 441	1.72 428	2.48 425	1.69 441	2.51 444	1.69 437	2.51 440	1.72 439	2.50 442	1.69 439	2.52 443	1.69 429	2.50 443	1.68 438	2.41 440	1.70 426	2.42 446	1.69 441	2.42 427	1.64 436

FADNet-RVC	0.13 87	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.05 77	0.04 65	0.04 69	0.04 63	0.05 84	0.04 65	0.05 78	0.04 60	1.71 439	0.04 35	0.04 36	0.04 62	0.04 66	0.07 88	0.04 67

MFMNet_re	1.81 414	1.91 349	1.71 427	1.95 404	1.70 442	1.95 429	1.70 438	1.96 422	1.74 440	1.97 427	1.72 440	1.95 427	1.71 430	1.97 426	1.71 439	1.86 419	1.62 422	1.85 431	1.66 438	1.86 411	1.64 436

TRStereo	2.00 417	2.13 363	1.85 434	2.27 416	1.84 446	2.28 436	1.84 441	2.29 431	1.86 446	2.30 436	1.87 443	2.30 433	1.87 433	2.08 429	1.72 441	2.08 429	1.72 427	2.08 437	1.72 442	2.08 416	1.72 439

XX-Stereo	2.00 417	2.13 363	1.85 434	2.27 416	1.84 446	2.28 436	1.84 441	2.29 431	1.86 446	2.30 436	1.87 443	2.30 433	1.87 433	2.08 429	1.72 441	2.08 429	1.72 427	2.08 437	1.72 442	2.08 416	1.72 439

EAI-Stereo	2.00 417	2.13 363	1.85 434	2.27 416	1.84 446	2.28 436	1.84 441	2.29 431	1.86 446	2.30 436	1.87 443	2.30 433	1.87 433	2.08 429	1.72 441	2.08 429	1.72 427	2.08 437	1.72 442	2.08 416	1.72 439

U	5.15 482	8.49 462	1.81 431	8.49 479	1.77 444	8.49 490	1.77 439	8.51 490	1.77 441	8.49 490	1.77 441	8.50 490	1.78 431	8.58 490	1.77 444	8.54 488	1.78 430	8.55 490	1.78 446	8.55 484	1.84 443

FBW_ROB	2.12 423	2.46 378	1.77 430	2.49 426	1.79 445	2.38 440	1.83 440	2.46 439	1.78 442	2.48 441	1.97 450	2.40 440	1.78 431	2.42 442	1.83 445	2.31 435	1.85 433	2.38 445	1.82 447	2.35 426	1.84 443

AIO_test	2.18 424	2.09 361	2.04 442	2.42 423	2.01 452	2.47 443	1.94 445	2.34 436	2.03 451	2.56 444	1.94 448	2.43 441	1.94 436	2.41 440	1.87 446	2.39 439	2.10 436	2.35 444	1.91 448	2.25 422	2.19 447

AIO_rvc	2.18 424	2.34 374	1.87 438	2.32 420	1.94 451	2.40 441	1.89 444	2.37 437	2.07 452	2.52 443	1.95 449	2.44 442	1.99 438	2.41 440	1.89 447	2.32 436	2.09 435	2.24 440	2.18 450	2.21 420	2.23 448

HUF	2.18 424	2.30 373	1.99 441	2.34 421	2.02 453	2.41 442	2.06 446	2.38 438	1.89 449	2.36 440	1.85 442	2.56 446	1.98 437	2.31 438	1.97 448	2.30 434	2.03 434	2.30 442	2.11 449	2.23 421	2.16 446

RASNet	1.49 403	1.65 334	1.45 418	1.38 386	1.43 437	1.47 421	1.36 425	1.38 411	1.36 430	1.39 412	1.60 437	1.45 419	1.45 425	1.51 418	2.21 449	1.53 410	1.36 409	1.36 424	1.36 425	1.66 408	1.36 428

ff7	1.68 407	2.68 383	1.35 407	0.97 301	0.89 351	1.84 425	2.15 447	2.12 425	1.80 443	2.05 431	1.56 433	2.33 436	2.12 440	2.23 433	2.25 450	1.31 395	1.07 333	1.48 426	1.41 429	0.90 314	1.04 357

ffff	1.68 407	2.68 383	1.35 407	0.97 301	0.89 351	1.84 425	2.15 447	2.12 425	1.80 443	2.05 431	1.56 433	2.33 436	2.12 440	2.23 433	2.25 450	1.31 395	1.07 333	1.48 426	1.41 429	0.90 314	1.04 357

ccc-4	1.68 407	2.68 383	1.35 407	0.97 301	0.89 351	1.84 425	2.15 447	2.12 425	1.80 443	2.05 431	1.56 433	2.33 436	2.12 440	2.23 433	2.25 450	1.31 395	1.07 333	1.48 426	1.41 429	0.90 314	1.04 357

STTStereo	3.73 455	30.40 499	2.37 448	2.39 422	2.31 458	2.35 439	2.33 451	2.29 431	2.42 454	2.32 439	2.34 456	2.33 436	2.36 444	2.30 437	2.27 453	2.35 437	2.22 440	2.31 443	2.22 451	2.29 425	2.34 453

NCCL2	2.28 429	2.27 371	2.28 444	2.28 419	2.28 456	2.27 435	2.29 450	2.28 430	2.28 453	2.27 435	2.28 455	2.28 432	2.27 443	2.27 436	2.28 454	2.28 432	2.28 441	2.27 441	2.29 454	2.27 423	2.29 449

NLCA_NET_v2_RVC	5.04 480	50.87 509	2.78 450	2.87 431	2.71 459	2.78 448	0.47 283	2.88 446	2.86 458	1.89 425	2.67 457	2.79 448	2.79 448	2.78 447	2.83 455	2.82 442	2.82 444	2.83 448	2.77 457	2.83 434	2.76 457
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
rvit_105_1	3.83 456	5.22 435	3.01 452	4.53 447	3.01 461	4.51 464	3.01 458	4.56 465	3.04 459	4.53 464	3.03 460	4.55 466	3.03 449	4.56 465	3.04 456	4.57 456	3.05 446	4.57 463	3.05 458	4.57 451	3.05 458

rvit_stereo_0081	3.83 456	5.23 436	3.01 452	4.53 447	3.03 463	4.55 470	3.02 459	4.56 465	3.04 459	4.52 462	3.02 458	4.54 464	3.03 449	4.56 465	3.04 456	4.57 456	3.05 446	4.57 463	3.05 458	4.58 452	3.05 458

rvit_0105_6	3.87 460	5.73 447	3.10 462	4.69 457	3.12 471	4.54 466	3.02 459	4.56 465	3.04 459	4.54 466	3.03 460	4.54 464	3.04 452	4.56 465	3.05 458	4.58 459	3.05 446	4.58 465	3.05 458	4.58 452	3.05 458

rvit_stereo_0082	3.86 458	5.82 448	3.01 452	4.53 447	3.03 463	4.54 466	3.02 459	4.56 465	3.04 459	4.53 464	3.02 458	4.55 466	3.04 452	4.57 468	3.05 458	4.57 456	3.05 446	4.58 465	3.05 458	4.58 452	3.06 461

RAFT+CT+SA	4.28 468	7.62 456	4.91 473	5.55 464	2.28 456	3.09 449	3.64 474	4.49 463	3.07 464	4.80 475	3.35 471	4.77 477	3.70 465	4.29 462	3.05 458	5.58 473	5.98 474	3.58 454	3.78 477	4.26 445	3.72 474

rvit_stereo_0081_aga	3.86 458	5.33 439	3.02 455	4.55 453	3.04 467	4.54 466	3.02 459	4.64 472	3.06 463	4.54 466	3.04 462	4.62 473	3.08 456	4.62 471	3.07 461	4.58 459	3.06 450	4.60 467	3.08 462	4.63 455	3.07 462

rvit_stereo_0080	3.89 461	5.70 445	3.04 457	4.54 450	3.03 463	4.56 471	3.05 465	4.60 469	3.07 464	4.58 469	3.06 463	4.59 468	3.06 454	4.61 469	3.08 462	4.63 461	3.09 451	4.64 469	3.10 463	4.65 456	3.10 463

whm_eth	3.89 461	5.70 445	3.04 457	4.54 450	3.03 463	4.56 471	3.05 465	4.60 469	3.07 464	4.58 469	3.06 463	4.59 468	3.06 454	4.61 469	3.08 462	4.63 461	3.09 451	4.64 469	3.10 463	4.65 456	3.10 463

rvit_0105_4	3.91 463	5.47 444	3.02 455	4.54 450	3.02 462	4.54 466	3.03 463	4.75 475	3.17 470	4.57 468	3.06 463	4.61 472	3.16 460	4.65 472	3.09 464	4.66 463	3.11 453	4.68 472	3.18 468	4.81 461	3.16 467

rvit_0105_3	3.91 463	5.33 439	3.06 460	4.60 455	3.07 469	4.60 473	3.06 467	4.62 471	3.08 467	4.60 471	3.07 466	4.62 473	3.08 456	4.67 473	3.10 465	4.70 464	3.11 453	4.77 474	3.19 469	4.77 460	3.14 466

rvit_stereo_ft	3.93 466	5.44 443	3.05 459	4.59 454	3.06 468	4.61 474	3.08 468	4.67 474	3.12 469	4.63 473	3.10 468	4.65 475	3.11 458	4.69 475	3.13 466	4.70 464	3.14 455	4.71 473	3.15 467	4.74 459	3.16 467

rvit_stereo_0083	3.92 465	5.30 438	3.06 460	4.61 456	3.09 470	4.67 475	3.08 468	4.66 473	3.09 468	4.62 472	3.10 468	4.66 476	3.11 458	4.67 473	3.16 467	4.72 466	3.16 456	4.77 474	3.11 465	4.66 458	3.11 465

test_5	4.62 474	7.55 455	6.23 479	6.32 469	3.40 475	5.29 481	3.50 473	3.53 454	4.11 479	4.28 459	4.47 482	4.26 462	4.38 474	3.68 455	3.24 468	5.89 475	5.60 471	4.84 476	3.50 471	4.33 446	3.93 480

rvit_0105_5	4.10 467	5.40 441	3.13 465	4.71 458	3.15 472	4.72 478	3.10 470	4.90 479	3.27 471	4.69 474	3.16 470	4.84 478	3.25 461	4.96 477	3.34 469	5.05 469	3.39 458	5.10 478	3.40 470	5.11 466	3.42 470

DispFullNet	4.61 473	4.84 429	3.12 463	5.00 461	3.57 476	4.75 479	3.03 463	7.75 488	4.17 480	4.91 477	3.09 467	6.20 484	3.95 469	6.71 484	3.51 470	5.30 472	3.67 460	5.86 485	3.63 472	5.61 470	3.46 471

DPSNet	3.66 454	3.60 406	3.62 468	3.63 440	3.64 477	3.65 456	3.65 475	3.66 455	3.67 473	3.67 454	3.65 474	3.67 455	3.66 464	3.66 454	3.68 471	3.68 449	3.66 459	3.67 455	3.68 475	3.67 437	3.67 473

TestStereo1	4.60 471	8.41 460	6.44 481	6.86 472	3.79 478	3.97 459	3.78 476	3.99 459	3.74 474	3.97 456	3.52 472	3.94 458	3.58 462	3.98 458	3.72 472	6.82 481	6.50 477	3.76 457	3.66 473	3.90 440	3.74 476

SA-5K	4.60 471	8.41 460	6.44 481	6.86 472	3.79 478	3.97 459	3.78 476	3.99 459	3.74 474	3.97 456	3.52 472	3.94 458	3.58 462	3.98 458	3.72 472	6.82 481	6.50 477	3.76 457	3.66 473	3.90 440	3.74 476

Sa-1000	4.34 470	8.37 459	6.84 483	6.98 474	4.45 484	3.58 454	3.00 457	3.42 453	3.39 472	2.61 445	4.00 478	3.83 457	4.01 471	3.90 457	3.90 474	5.98 477	5.62 472	3.76 457	2.34 455	4.35 447	2.47 456

cross-raft	4.83 476	7.52 454	6.43 480	6.63 470	3.96 480	4.51 464	3.99 479	4.49 463	3.96 478	4.52 462	3.96 477	4.50 463	3.97 470	4.50 464	3.97 475	6.65 479	6.44 476	4.33 460	3.92 479	4.35 447	3.91 479

SA	4.33 469	7.35 453	6.85 484	5.96 467	4.09 481	3.59 455	3.15 471	3.82 457	2.64 455	3.91 455	3.85 475	3.57 453	2.72 447	3.13 449	4.03 476	7.09 484	6.86 479	3.57 453	3.12 466	3.85 439	3.51 472

test_4	4.88 477	8.13 458	6.98 485	7.46 475	4.44 483	4.25 462	3.85 478	4.04 461	3.92 477	4.13 458	3.91 476	4.18 461	3.84 467	4.14 460	4.06 477	7.01 483	7.13 480	4.53 461	3.72 476	4.09 443	3.72 474

test_3	5.01 479	8.86 465	7.77 487	8.09 477	2.76 460	4.13 461	4.05 480	3.88 458	3.76 476	4.33 460	4.13 479	3.71 456	3.91 468	4.21 461	4.06 477	7.93 485	7.69 482	4.53 461	3.91 478	4.17 444	4.29 482

raft_robust	4.71 475	7.75 457	5.40 478	6.81 471	3.31 473	4.28 463	4.20 481	4.32 462	4.37 482	4.35 461	4.35 481	4.14 460	3.75 466	4.30 463	4.20 479	6.67 480	6.37 475	3.36 452	4.24 483	4.86 463	3.25 469

SGM-Forest	5.21 483	5.92 449	4.08 470	6.18 468	4.16 482	6.31 484	4.34 482	6.50 483	4.33 481	6.14 484	4.21 480	6.61 487	4.55 475	6.67 483	4.48 480	5.94 476	3.94 462	5.85 484	4.03 481	5.79 472	4.17 481
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.88 477	4.75 428	4.79 472	4.87 460	4.92 485	4.81 480	4.90 484	4.78 476	4.77 483	4.87 476	4.89 483	4.90 479	4.91 476	4.99 478	4.79 481	4.98 467	4.87 468	4.87 477	4.92 485	5.00 465	5.00 483

rvit_stereo_0075_2	6.64 485	8.80 464	5.25 475	7.89 476	5.27 487	7.90 489	5.27 485	7.92 489	5.28 485	7.91 489	5.29 486	7.93 489	5.27 477	7.92 489	5.28 482	7.93 485	5.28 470	7.93 488	5.29 487	7.93 481	5.28 485

SGM+DAISY	7.06 487	9.15 466	5.38 477	8.84 481	5.18 486	8.80 491	5.31 486	8.79 491	5.28 485	8.89 491	5.20 485	8.93 491	5.33 478	8.95 491	5.36 483	8.70 489	5.21 469	8.74 491	5.20 486	8.89 485	5.15 484

FC-DCNN v2	5.10 481	5.15 433	4.49 471	5.07 462	3.37 474	6.87 485	4.75 483	5.04 480	6.34 487	7.84 488	5.06 484	6.72 488	4.09 472	4.99 478	5.44 484	5.03 468	3.16 456	4.67 471	4.86 484	5.15 467	3.89 478

sAnonymous2	3.31 452	2.63 381	1.38 415	3.71 442	1.86 449	4.70 476	1.11 361	4.82 477	2.72 456	5.45 480	1.98 452	4.59 468	2.64 445	2.65 444	6.21 485	4.37 451	1.08 337	5.16 479	2.24 452	4.52 449	2.39 454

CroCo_RVC	3.31 452	2.63 381	1.38 415	3.71 442	1.86 449	4.70 476	1.11 361	4.82 477	2.72 456	5.45 480	1.98 452	4.59 468	2.64 445	2.65 444	6.21 485	4.37 451	1.08 337	5.16 479	2.24 452	4.52 449	2.39 454

test-1	6.46 484	9.16 467	8.03 490	8.09 477	5.62 488	6.11 483	6.35 487	6.85 485	4.94 484	6.08 483	6.29 489	4.98 480	6.43 481	6.22 481	6.36 487	6.16 478	7.47 481	5.82 483	5.44 488	7.11 478	5.68 486

RAFT	6.73 486	9.36 468	7.40 486	8.51 480	6.55 489	6.88 486	6.60 488	6.79 484	6.60 488	6.80 485	6.72 490	5.31 482	5.50 479	6.61 482	6.61 488	8.42 487	5.89 473	5.73 482	5.45 489	6.61 474	6.24 487

test-v	7.53 488	11.89 476	7.98 488	9.36 483	7.14 490	7.06 487	7.09 489	7.37 486	6.91 489	7.29 486	5.71 487	6.45 485	6.93 482	6.73 485	7.27 489	8.93 490	7.85 483	6.98 486	6.80 490	7.56 479	7.34 489

test-2	7.53 488	11.89 476	7.98 488	9.36 483	7.14 490	7.06 487	7.09 489	7.37 486	6.91 489	7.29 486	5.71 487	6.45 485	6.93 482	6.73 485	7.27 489	8.93 490	7.85 483	6.98 486	6.80 490	7.56 479	7.34 489

MANE	19.05 491	23.00 484	15.00 491	23.00 498	15.00 492	24.00 498	16.00 491	24.00 498	16.00 491	22.00 498	15.00 491	23.00 498	16.00 491	23.00 498	15.00 491	22.00 498	15.00 492	22.00 498	15.00 492	22.00 498	15.00 491

rafts_anoy	20.00 492	20.00 478	20.00 492	20.00 492	20.00 493	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 493	20.00 492	20.00 493	20.00 492	20.00 492

raft+_RVC	20.00 492	20.00 478	20.00 492	20.00 492	20.00 493	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 493	20.00 492	20.00 493	20.00 492	20.00 492

raftrobust	20.00 492	20.00 478	20.00 492	20.00 492	20.00 493	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 493	20.00 492	20.00 493	20.00 492	20.00 492

CasAABBNet	20.00 492	20.00 478	20.00 492	20.00 492	20.00 493	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 493	20.00 492	20.00 493	20.00 492	20.00 492

RALCasStereoNet	20.00 492	20.00 478	20.00 492	20.00 492	20.00 493	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 493	20.00 492	20.00 493	20.00 492	20.00 492

RALAANet	20.00 492	20.00 478	20.00 492	20.00 492	20.00 493	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 493	20.00 492	20.00 493	20.00 492	20.00 492

WCMA_ROB	31.10 499	35.43 504	27.12 498	39.51 510	23.10 499	38.78 510	25.30 498	37.49 510	25.39 498	37.29 509	27.02 498	38.52 510	26.48 498	37.80 509	26.44 498	36.28 506	22.65 499	33.90 503	22.30 499	37.10 507	24.18 498

fff	1000028.16 518	29.62 496	29.72 499	32.61 499	30.02 500	35.13 501	31.83 500	32.07 500	10000000.00 518	35.27 502	29.82 500	32.45 500	30.15 499	32.35 500	30.09 499	31.04 500	29.55 501	30.64 500	30.14 500	10000000.00 519	30.77 500

csc	1000028.16 518	29.62 496	29.72 499	32.61 499	30.02 500	35.13 501	31.83 500	32.07 500	10000000.00 518	35.27 502	29.82 500	32.45 500	30.15 499	32.35 500	30.09 499	31.04 500	29.55 501	30.64 500	30.14 500	10000000.00 519	30.77 500

cscssc	1000028.16 518	29.62 496	29.72 499	32.61 499	30.02 500	35.13 501	31.83 500	32.07 500	10000000.00 518	35.27 502	29.82 500	32.45 500	30.15 499	32.35 500	30.09 499	31.04 500	29.55 501	30.64 500	30.14 500	10000000.00 519	30.77 500

111	30.40 498	30.94 500	29.72 499	32.61 499	30.02 500	33.57 499	30.47 499	31.50 499	29.39 499	30.98 499	29.11 499	29.78 499	30.39 502	29.45 499	30.76 502	30.08 499	29.02 500	29.92 499	30.32 503	29.86 499	30.17 499

tt	500032.53 516	34.60 502	29.72 499	37.47 508	34.41 505	36.85 505	35.22 504	34.71 503	33.55 501	34.50 500	35.43 503	33.81 503	10000000.00 519	33.57 503	33.13 503	33.68 503	35.00 505	34.03 504	35.26 506	30.96 500	34.63 504

DCANet	500032.53 516	34.60 502	29.72 499	37.47 508	34.41 505	36.85 505	35.22 504	34.71 503	33.55 501	34.50 500	35.43 503	33.81 503	10000000.00 519	33.57 503	33.13 503	33.68 503	35.00 505	34.03 504	35.26 506	30.96 500	34.63 504

Reg-Stereo(zero)	37.00 502	37.00 506	37.00 506	37.00 505	37.00 508	37.00 507	37.00 507	37.00 507	37.00 504	37.00 506	37.00 507	37.00 507	37.00 505	37.00 506	37.00 505	37.00 507	37.00 508	37.00 508	37.00 508	37.00 504	37.00 507

HI	37.00 502	37.00 506	37.00 506	37.00 505	37.00 508	37.00 507	37.00 507	37.00 507	37.00 504	37.00 506	37.00 507	37.00 507	37.00 505	37.00 506	37.00 505	37.00 507	37.00 508	37.00 508	37.00 508	37.00 504	37.00 507

CoSv	37.00 502	37.00 506	37.00 506	37.00 505	37.00 508	37.00 507	37.00 507	37.00 507	37.00 504	37.00 506	37.00 507	37.00 507	37.00 505	37.00 506	37.00 505	37.00 507	37.00 508	37.00 508	37.00 508	37.00 504	37.00 507

DCANet-4	35.22 500	34.54 501	35.08 505	33.58 503	35.47 507	34.55 500	35.53 506	36.08 505	35.85 503	35.92 505	35.77 505	35.18 505	35.48 504	35.39 505	37.15 508	34.55 505	33.92 504	35.02 506	34.90 505	35.79 503	34.74 506

ADStereo(finetuned)	36.13 501	36.63 505	38.07 509	36.97 504	33.25 504	35.91 504	34.45 503	36.36 506	32.99 500	38.14 510	36.71 506	36.69 506	34.13 503	38.57 510	40.79 509	37.60 510	36.58 507	35.90 507	33.36 504	35.42 502	34.04 503

MDST_ROB	69.83 505	87.70 510	41.95 510	113.75 513	65.62 513	75.05 511	55.25 511	75.64 512	45.04 507	71.61 511	41.75 510	72.81 511	44.06 508	68.38 511	44.63 510	101.89 513	59.57 513	107.10 513	61.05 513	104.38 510	59.38 512

CBMV	128.50 507	1422.70 521	53.10 511	79.50 512	51.30 512	77.30 512	49.70 510	74.00 511	48.20 508	77.20 512	48.80 511	73.90 512	48.00 509	73.80 512	48.80 511	70.40 512	45.10 512	68.90 512	46.10 512	68.20 509	45.00 511
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 506	153.00 514	121.00 513	51.00 511	44.00 511	165.00 514	127.00 512	153.00 513	119.00 509	164.00 514	125.00 512	168.00 514	120.00 510	153.00 513	117.00 512	49.00 511	44.00 511	49.00 511	44.00 511	49.00 508	44.00 510

MeshStereo	159.24 508	171.00 515	160.68 516	162.58 514	160.59 514	164.01 513	160.35 513	158.51 514	158.56 510	158.34 513	160.12 513	158.56 513	159.92 511	157.26 514	158.94 513	154.38 514	158.36 514	155.75 514	159.13 515	153.67 511	154.07 513
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	201.80 509	123.00 511	115.00 512	219.00 515	218.00 516	223.00 515	244.00 515	217.00 515	236.00 512	202.00 515	203.00 514	205.00 515	208.00 512	225.00 515	204.00 514	210.00 515	198.00 515	197.00 515	184.00 516	204.00 512	201.00 514

DLCB_ROB	284.23 512	354.61 517	207.27 517	363.24 518	206.46 515	364.72 518	210.41 514	364.72 518	210.41 511	364.81 518	208.64 515	364.81 518	208.64 513	364.72 518	210.41 515	354.70 518	205.53 516	354.70 518	205.53 517	354.70 515	205.53 515

MGS-Stereo	239.45 510	123.00 511	135.00 514	266.00 516	286.00 517	277.00 516	305.00 516	271.00 516	242.00 513	274.00 516	279.00 516	255.00 516	270.00 514	268.00 516	297.00 516	221.00 516	247.00 517	216.00 516	123.00 514	217.00 513	217.00 516

EGLCR-Stereo	246.90 511	129.00 513	139.00 515	266.00 516	286.00 517	277.00 516	305.00 516	271.00 516	242.00 513	274.00 516	279.00 516	255.00 516	270.00 514	268.00 516	297.00 516	230.00 517	247.00 517	216.00 516	223.00 518	237.00 514	227.00 517

LE_ROB	396.57 513	471.28 518	329.84 518	471.48 519	308.15 519	526.83 519	322.10 518	488.15 519	323.76 515	495.46 519	317.97 518	497.17 519	320.10 516	481.62 519	326.76 518	462.71 519	298.97 519	466.16 519	285.98 519	447.62 516	289.21 518

SGM-ForestM	596.69 514	677.77 519	444.52 519	699.85 520	517.25 520	732.94 520	488.29 519	770.79 520	460.11 516	750.81 520	487.98 519	792.79 520	499.41 517	730.90 520	475.81 519	720.03 520	491.16 520	663.96 520	418.60 520	674.76 517	436.05 519

CBMV_ROB	818.48 515	913.88 520	709.52 520	862.84 521	597.78 521	1073.99 521	700.52 520	1015.66 521	702.59 517	1115.65 521	760.02 520	1130.24 521	721.57 518	1037.41 521	692.65 520	814.05 521	564.29 521	843.28 521	595.31 521	915.51 518	602.92 520

IGEV-Stereo++	10000000.00 521	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

IGEV-BASED-STEREO-	10000000.00 521	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

IGEV-Stereo+	10000000.00 521	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

SDNR	10000000.00 521	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

anonymousdsp2	10000000.00 521	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

anonymousdsp	10000000.00 521	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

test_example2	10000000.00 521	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

DIP-Stereo	10000000.00 521	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ccccc		0.44 153		0.48 221	0.35 243	0.48 268		0.51 277		0.47 252		0.47 259		0.47 258		0.41 232	0.40 231	0.40 240	0.40 268	0.41 232

Low-res two-view benchmark