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

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

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

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

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

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

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

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

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NVstereo2D	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ADCMid	0.08 50	0.02 12	0.02 14	1.01 344	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 105	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

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

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 437	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 109	0.04 37	0.03 36	2.22 456	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 102	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

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

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

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

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

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

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

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

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

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

BEATNet_4x	0.11 84	0.03 31	0.03 36	1.60 434	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 84	0.03 31	0.03 36	1.60 434	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 417	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 105	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

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

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

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 386	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

FADNet-RVC-Resample	0.12 93	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 483	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FADNet_RVC	0.12 93	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 487	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 100	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 492	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

FADNet	0.12 93	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 489	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 93	0.03 31	0.04 43	1.71 440	0.04 79	0.03 40	0.03 50	0.04 77	0.04 81	0.04 74	0.03 52	0.04 77	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

ADCP+	0.15 121	0.04 37	0.04 43	2.20 455	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 105	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
GwcNet	0.12 93	0.07 57	0.05 57	0.08 49	0.05 99	0.08 103	1.20 414	0.07 104	0.05 97	0.05 91	0.05 100	0.08 104	0.05 94	0.08 105	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

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

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

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

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

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

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

BEATNet-Init1	0.19 139	0.08 58	0.08 60	2.23 457	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

SuperB	0.21 147	0.10 66	2.51 517	0.12 79	0.09 112	0.10 108	0.09 110	0.08 107	0.07 109	0.10 108	0.09 112	0.09 108	0.07 110	0.07 102	0.07 100	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

DeepPrunerF	0.19 139	0.08 58	0.08 60	2.23 457	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

ELAS_RVC	0.14 109	0.16 86	0.10 69	0.15 106	0.10 118	0.18 151	0.11 128	0.19 151	0.11 130	0.19 150	0.12 141	0.18 150	0.11 129	0.19 152	0.12 138	0.14 114	0.08 59	0.14 126	0.09 110	0.15 138	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 100	0.16 86	0.11 89	0.15 106	0.09 112	0.18 151	0.11 128	0.18 149	0.11 130	0.17 144	0.11 130	0.18 150	0.11 129	0.18 149	0.11 123	0.14 114	0.08 59	0.14 126	0.08 108	0.14 128	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
test_sample2	0.09 51	1.03 281	0.11 89	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 275	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

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

UNet	0.29 172	0.90 249	0.10 69	0.14 96	0.10 118	0.14 124	0.10 115	0.91 359	0.69 360	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.10 111	0.12 91	0.09 68	0.12 121	0.09 110	0.88 351	0.76 372

DRN-Test	0.14 109	0.13 80	0.09 65	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.10 115	0.14 124	0.09 112	0.14 125	0.09 113	0.13 126	0.09 105	0.12 91	0.09 68	0.12 121	0.09 110	0.12 124	0.73 366

S2M2_L	0.12 93	0.14 84	0.10 69	0.15 106	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.15 130	0.10 116	0.14 125	0.10 117	0.14 127	0.10 111	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.09 108
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
test_sample6	0.09 51	0.97 264	0.10 69	0.10 56	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 62	1.07 288	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

test_sample3	0.09 51	0.87 241	0.10 69	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 241	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 261	0.09 65	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

DualNet	0.10 62	1.07 288	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

xxx	0.09 51	1.01 275	0.10 69	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

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

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

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

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

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

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

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

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

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

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

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

StereoDRNet	0.15 121	0.14 84	0.10 69	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.09 114	0.14 124	0.10 116	0.14 125	0.09 113	0.14 127	0.09 105	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.82 379

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

S2M2_XL	0.14 109	0.17 92	0.12 100	0.17 125	0.11 133	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.11 130	0.17 146	0.11 129	0.17 146	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
ITSA-stereo	0.15 121	0.17 92	0.13 120	0.20 132	0.13 152	0.19 154	0.13 147	0.18 149	0.13 152	0.19 150	0.13 153	0.18 150	0.14 155	0.18 149	0.14 148	0.16 131	0.11 94	0.15 139	0.14 157	0.18 152	0.11 125

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

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

mmm	0.14 109	1.83 385	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 91	0.11 94	0.05 86	0.04 78	0.05 92	0.04 79

1111x	0.10 62	1.14 295	0.13 120	0.14 96	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

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

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

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

ICVP	0.15 121	0.53 203	0.11 89	0.16 117	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 100	0.11 77	0.11 89	0.11 73	0.11 133	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.12 141	0.11 120	0.11 129	0.11 121	0.11 123	0.11 86	0.11 94	0.14 126	0.11 129	0.49 291	0.11 125

cf-r	0.66 303	2.17 412	0.12 100	0.18 127	0.12 149	0.18 151	2.70 523	2.60 499	0.12 149	0.18 148	0.12 141	0.18 150	0.12 146	0.18 149	0.12 138	0.15 123	0.11 94	0.15 139	0.11 129	1.81 460	1.74 503

PASM	0.39 223	3.06 462	1.36 458	1.58 430	0.09 112	0.11 119	0.11 128	0.11 121	0.11 130	0.09 107	0.09 112	0.11 120	0.09 113	0.09 108	0.09 105	0.11 86	0.11 94	0.11 118	0.09 110	0.11 120	0.11 125

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

SGM_RVC	0.15 121	0.17 92	0.11 89	0.18 127	0.11 133	0.19 154	0.11 128	0.19 151	0.12 149	0.19 150	0.12 141	0.20 156	0.12 146	0.19 152	0.12 138	0.16 131	0.11 94	0.17 150	0.10 117	0.17 148	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DualNet (step1)	0.10 62	1.05 285	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 285	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 285	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 51	1.00 269	0.11 89	0.11 73	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

qqq1	0.25 158	3.70 476	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 158	3.70 476	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

11t1	0.17 133	2.16 411	0.13 120	0.13 92	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.05 88	0.18 147	0.12 109	0.06 94	0.03 54	0.05 92	0.03 51

ffm	0.25 158	3.83 482	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 158	3.83 482	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 158	3.83 482	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

ttt	0.10 62	1.09 290	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.03 43	0.02 20

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

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

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

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

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

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

222	0.10 62	0.99 268	0.12 100	0.13 92	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.04 77	0.03 51

ACVNet	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 393	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

acv_ft	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 393	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

hitnet-ft	0.79 330	2.78 458	0.14 125	0.20 132	0.14 154	0.21 166	2.89 524	2.80 513	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.54 499	2.33 520

PSMNet-RSSM	0.77 326	2.76 454	0.14 125	0.20 132	0.14 154	0.20 159	2.66 521	2.79 512	0.14 154	0.21 164	0.14 158	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 491	2.31 518

GwcNet-RSSM	0.77 326	2.77 456	0.14 125	0.20 132	0.14 154	0.20 159	2.67 522	2.78 511	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.21 166	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 491	2.31 518

CFNet-ft	0.55 289	1.57 373	0.14 125	0.20 132	0.14 154	0.20 159	2.53 520	1.61 455	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	1.56 448	1.24 468

zh-sn7	0.10 62	0.98 265	0.14 125	0.15 106	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

DDVS	0.30 173	3.10 463	0.14 125	0.19 130	0.14 154	0.19 154	0.14 149	0.20 156	0.14 154	0.19 150	0.13 153	0.16 136	0.13 151	0.19 152	0.13 144	0.17 139	0.13 133	0.17 150	0.13 154	0.17 148	0.13 147

test_sample4	0.10 62	1.03 281	0.12 100	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

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

qqq	0.16 129	2.01 402	0.12 100	0.15 106	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.03 48	0.12 91	0.14 137	0.04 73	0.04 78	0.03 43	0.03 51

test_xeample	0.10 62	1.09 290	0.13 120	0.12 79	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 137	0.03 38	0.03 54	0.03 43	0.03 51

GMStereo	0.14 109	0.13 80	0.14 125	0.14 96	0.14 154	0.14 124	0.14 149	0.14 125	0.14 154	0.14 124	0.14 158	0.14 125	0.14 155	0.14 127	0.14 148	0.14 114	0.14 137	0.14 126	0.14 157	0.14 128	0.14 152
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
x	0.11 84	1.15 298	0.15 141	0.14 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 140	0.03 38	0.03 54	0.03 43	0.03 51

dd	0.23 155	0.98 265	0.16 142	0.23 144	0.15 165	0.23 174	0.15 154	0.23 170	0.15 164	0.23 170	0.15 166	0.24 177	0.17 169	0.23 174	0.15 158	0.22 158	0.15 140	0.21 165	0.15 161	0.22 164	0.16 153

zh-mn7	0.12 93	1.14 295	0.17 149	0.20 132	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 147	0.16 142	0.03 38	0.03 54	0.03 43	0.03 51

xyz-stereo-finetune2	0.18 136	0.48 185	0.16 142	0.16 117	0.15 165	0.15 131	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

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

ACV-stereo	0.30 173	2.08 404	0.25 178	0.25 154	0.18 182	0.24 175	0.17 162	0.24 173	0.18 173	0.24 175	0.17 172	0.25 182	0.17 169	0.24 178	0.17 167	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

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

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

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

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

MIM_Stereo	0.25 158	0.23 110	0.66 328	0.80 310	0.17 175	0.22 168	0.17 162	0.23 170	0.18 173	0.26 186	0.17 172	0.21 163	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.21 165	0.17 180	0.22 164	0.17 165

dad	0.23 155	1.03 281	0.16 142	0.23 144	0.15 165	0.24 175	0.15 154	0.24 173	0.16 166	0.23 170	0.16 167	0.24 177	0.16 165	0.23 174	0.15 158	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

xxxx	0.11 84	1.16 299	0.16 142	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 142	0.03 38	0.04 78	0.04 77	0.04 79

MMNet	0.44 248	1.24 357	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 443	0.93 394	0.25 179	0.17 172	0.25 182	0.18 176	0.25 183	0.17 167	0.23 169	0.16 142	0.23 176	0.16 162	1.20 389	0.99 393

delet	0.43 244	1.21 350	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 443	0.95 396	0.25 179	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.22 170	0.16 162	1.18 386	0.98 392

ac_64	0.22 151	0.13 80	0.19 158	0.23 144	0.10 118	0.26 189	1.02 401	0.14 125	0.10 115	0.28 189	0.14 158	0.17 146	0.19 181	0.28 198	0.09 105	0.22 158	0.16 142	0.23 176	0.17 180	0.11 120	0.12 141

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

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

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

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

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

psm_up	0.43 244	1.19 303	0.17 149	0.25 154	0.18 182	0.25 182	0.19 172	1.26 443	0.91 389	0.26 186	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.23 176	0.16 162	1.18 386	0.99 393

UPFNet	0.42 243	1.20 304	0.17 149	0.24 149	0.17 175	0.25 182	0.17 162	1.19 391	0.90 388	0.25 179	0.17 172	0.24 177	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.22 170	0.16 162	1.15 378	0.93 388

CFNet	1.37 444	5.27 506	0.19 158	5.49 534	0.19 186	0.28 193	0.19 172	0.28 186	0.19 179	0.28 189	0.19 183	0.28 193	4.35 544	0.28 198	0.19 179	0.23 169	0.17 158	0.23 176	4.21 553	4.81 530	0.17 165

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

CAS++	0.17 133	0.27 121	0.21 164	0.10 56	0.21 194	0.15 131	0.22 185	0.10 109	0.21 183	0.22 166	0.10 116	0.19 154	0.18 176	0.10 110	0.19 179	0.20 151	0.19 165	0.18 159	0.10 117	0.19 158	0.18 169
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
GEStereo_RVC	0.86 350	4.45 493	0.20 161	0.27 163	0.20 188	0.27 192	0.20 175	0.26 183	0.18 173	5.03 547	0.20 187	0.27 192	0.19 181	0.27 196	0.21 184	0.20 151	0.19 165	0.19 162	4.02 551	0.20 159	0.18 169

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

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

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

DCVSM-stereo	0.36 204	1.89 391	0.22 166	0.40 211	0.22 196	0.40 240	0.22 185	0.40 234	0.22 186	0.40 234	0.22 192	0.40 243	0.22 190	0.40 241	0.22 186	0.28 186	0.21 170	0.28 193	0.21 186	0.28 182	0.20 172

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

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

DISCO	1.11 386	0.39 148	5.28 547	0.39 197	0.20 188	0.39 238	0.27 211	0.39 229	0.22 186	0.38 222	0.20 187	0.38 230	0.20 185	6.95 558	0.22 186	0.30 194	0.21 170	0.27 191	0.21 186	5.25 539	0.21 174

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

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

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

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

WCG-NET（raft）	0.32 188	1.24 357	0.24 175	0.32 174	0.24 206	0.32 209	0.23 192	0.32 197	0.24 194	0.32 202	0.24 202	0.32 207	0.24 199	0.32 208	0.24 196	0.30 194	0.23 178	0.30 200	0.23 194	0.30 188	0.23 179

FCDSN-DC	0.41 234	0.59 214	0.64 324	0.54 271	0.33 259	0.50 310	0.37 274	0.42 265	0.40 290	0.61 333	0.43 312	0.50 313	0.49 326	0.38 230	0.32 241	0.28 186	0.23 178	0.26 187	0.22 189	0.35 217	0.28 217
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
iResNet_ROB	0.28 168	0.32 131	0.24 175	0.32 174	0.25 208	0.32 209	0.24 197	0.32 197	0.24 194	0.33 207	0.24 202	0.35 216	0.24 199	0.33 214	0.24 196	0.31 199	0.24 180	0.32 207	0.24 202	0.32 195	0.24 189

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

LoS	0.25 158	0.27 121	0.25 178	0.25 154	0.25 208	0.25 182	0.25 200	0.26 183	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.25 181	0.25 184	0.26 213	0.26 177	0.25 190
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
StereoDRNet-Refined	0.33 191	0.39 148	0.26 184	0.39 197	0.26 216	0.40 240	0.26 208	0.40 234	0.26 212	0.39 228	0.26 214	0.39 235	0.26 211	0.39 238	0.26 207	0.37 225	0.25 181	0.37 246	0.25 207	0.37 228	0.37 268
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Monster-pub-mixall	0.44 248	0.56 210	0.60 314	0.38 191	0.27 218	0.37 225	0.27 211	0.37 217	0.29 225	0.38 222	0.27 218	0.38 230	0.29 231	0.85 361	0.27 208	1.46 446	0.26 184	0.34 222	0.26 213	0.36 224	0.53 329

tt1	0.31 180	0.93 258	0.24 175	0.33 178	0.23 201	0.31 201	0.24 197	0.32 197	0.24 194	0.32 202	0.23 196	0.32 207	0.25 202	0.32 208	0.24 196	0.27 184	0.26 184	0.27 191	0.26 213	0.27 180	0.27 204

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

LoS_RVC	0.30 173	1.14 295	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.26 191	0.26 211	0.26 193	0.25 202	0.26 181	0.26 184	0.25 184	0.25 207	0.26 177	0.26 196

CAS	0.30 173	1.17 300	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.26 212	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.26 184	0.26 187	0.25 207	0.26 177	0.25 190

CroCo-Stereo	0.73 319	1.22 355	0.25 178	1.22 413	0.25 208	1.22 447	0.25 200	1.22 440	0.25 199	1.22 448	0.25 208	1.22 451	0.25 202	1.22 451	0.25 202	1.22 430	0.26 184	1.21 457	0.25 207	1.22 436	0.25 190
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
w-ln-seven-2	0.14 109	1.22 355	0.28 189	0.32 174	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 200	0.27 190	0.04 73	0.03 54	0.03 43	0.03 51

CroCo-Stereo Lap2	0.77 326	1.29 359	0.29 192	1.27 417	0.29 230	1.27 450	0.26 208	1.26 443	0.26 212	1.26 449	0.26 214	1.27 453	0.26 211	1.26 452	0.27 208	1.27 432	0.27 190	1.27 460	0.27 221	1.27 438	0.27 204

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

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

GANet-RSSM	0.75 321	1.91 394	0.14 125	0.47 243	0.14 154	0.21 166	3.21 540	2.30 487	0.14 154	0.46 275	0.14 158	0.23 173	0.18 176	0.21 166	0.14 148	0.18 147	0.27 190	0.37 246	0.13 154	2.13 469	2.12 513

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

Monster-pub-eth3d	0.45 251	0.57 211	0.60 314	0.39 197	0.28 222	0.37 225	0.28 218	0.37 217	0.30 236	0.39 228	0.29 229	0.39 235	0.30 238	0.92 372	0.27 208	1.42 443	0.28 196	0.34 222	0.28 225	0.37 228	0.53 329

xxxxx1	0.31 180	0.91 251	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

EKT-Stereo	0.37 209	0.40 150	0.44 264	1.07 349	0.29 230	0.34 213	0.31 237	0.36 211	0.29 225	0.38 222	0.31 246	0.37 228	0.30 238	0.36 224	0.29 227	0.34 207	0.28 196	0.39 263	0.30 245	0.37 228	0.30 232

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

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

tt_ll	0.31 180	0.91 251	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

ff	0.31 180	0.91 251	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

IER	0.88 352	7.04 522	2.23 511	2.75 472	0.28 222	0.43 278	0.25 200	0.39 229	0.25 199	0.41 248	0.27 218	0.39 235	0.25 202	0.40 241	0.28 217	0.37 225	0.28 196	0.37 246	0.25 207	0.37 228	0.25 190

Gwc-CoAtRS	0.41 234	1.49 371	0.32 208	0.42 232	0.32 248	0.41 256	0.32 238	0.41 249	0.33 253	0.41 248	0.32 249	0.41 256	0.32 249	0.41 255	0.32 241	0.39 242	0.28 196	0.39 263	0.28 225	0.40 250	0.28 217

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

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

TorneroNet-64	0.45 251	0.27 121	0.30 196	0.58 280	0.27 218	0.70 346	0.30 231	0.28 186	0.73 374	0.73 348	0.28 225	0.71 348	0.66 352	0.75 349	0.27 208	0.27 184	0.29 206	0.37 246	0.75 378	0.28 182	0.30 232

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

RCA-Stereo	0.51 280	3.22 468	0.34 223	0.44 235	0.34 269	0.44 280	0.34 258	0.43 269	0.34 262	0.43 266	0.34 263	0.44 276	0.33 256	0.43 270	0.33 249	0.38 232	0.29 206	0.38 253	0.29 235	0.38 238	0.29 222

GES	0.66 303	2.34 428	0.29 192	0.41 223	0.29 230	0.41 256	0.29 226	0.42 265	0.29 225	0.40 234	0.41 300	0.41 256	0.30 238	0.51 312	0.29 227	0.32 200	0.29 206	0.32 207	2.46 524	2.49 487	0.30 232

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

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

ccnet	0.80 332	2.28 420	0.33 213	0.50 260	0.33 259	0.50 310	0.33 247	0.50 297	0.33 253	0.49 295	0.33 255	0.49 299	1.56 473	2.38 490	0.33 249	0.41 254	0.29 206	0.42 292	1.57 485	2.28 475	0.29 222

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

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

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

PML	0.46 256	1.36 366	0.29 192	0.58 280	0.30 240	0.57 333	0.29 226	0.57 319	0.29 225	0.57 328	0.29 229	0.57 332	0.29 231	0.56 323	0.29 227	0.52 301	0.30 214	0.53 334	0.31 254	0.53 307	0.30 232

psmorigin	0.41 234	0.46 175	0.33 213	0.49 253	0.33 259	0.49 302	0.33 247	0.49 289	0.33 253	0.49 295	0.33 255	0.49 299	0.33 256	0.51 312	0.33 249	0.41 254	0.30 214	0.41 281	0.30 245	0.79 336	0.29 222

DANet	0.30 173	0.30 127	0.30 196	0.30 166	0.30 240	0.30 196	0.30 231	0.30 192	0.30 236	0.30 193	0.30 241	0.30 201	0.30 238	0.30 203	0.30 234	0.30 194	0.30 214	0.30 200	0.30 245	0.30 188	0.30 232
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Replicate-Monster	0.45 251	0.57 211	0.60 314	0.40 211	0.29 230	0.37 225	0.27 211	0.37 217	0.30 236	0.40 234	0.31 246	0.40 243	0.30 238	0.99 381	0.27 208	1.36 439	0.31 220	0.34 222	0.30 245	0.36 224	0.54 332

z-mn7	0.16 129	1.21 350	0.33 213	0.41 223	0.04 79	0.04 77	0.03 50	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 216	0.31 220	0.04 73	0.04 78	0.04 77	0.04 79

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

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

w-ln-seven	0.18 136	1.47 370	0.33 213	0.40 211	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 232	0.32 224	0.05 86	0.04 78	0.04 77	0.04 79

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

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

PAM	0.39 223	1.88 390	0.34 223	0.37 188	0.41 304	0.45 281	0.22 185	0.28 186	0.23 192	0.28 189	0.24 202	0.29 198	0.23 196	0.29 201	0.23 192	0.38 232	0.32 224	0.38 253	0.37 286	0.32 195	0.22 177

RAFT-Stereo-weight	0.45 251	1.90 393	0.34 223	0.42 232	0.36 278	0.43 278	0.35 263	0.42 265	0.34 262	0.42 260	0.34 263	0.44 276	0.34 261	0.41 255	0.34 262	0.38 232	0.32 224	0.38 253	0.32 259	0.38 238	0.33 250

ACVNet-DCA	0.37 209	1.00 269	0.30 196	0.40 211	0.29 230	0.40 240	0.29 226	0.40 234	0.29 225	0.40 234	0.29 229	0.40 243	0.29 231	0.39 238	0.28 217	0.33 204	0.32 224	0.33 215	0.32 259	0.33 201	0.32 243

1test111	0.37 209	1.02 279	0.30 196	0.39 197	0.29 230	0.40 240	0.28 218	0.39 229	0.29 225	0.39 228	0.29 229	0.39 235	0.28 225	0.40 241	0.29 227	0.33 204	0.32 224	0.33 215	0.31 254	0.32 195	0.31 239

cc1	0.37 209	1.02 279	0.30 196	0.39 197	0.29 230	0.40 240	0.28 218	0.39 229	0.29 225	0.39 228	0.29 229	0.39 235	0.28 225	0.40 241	0.29 227	0.33 204	0.32 224	0.33 215	0.31 254	0.32 195	0.31 239

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

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

xx1	0.38 215	1.03 281	0.31 204	0.40 211	0.31 246	0.41 256	0.28 218	0.40 234	0.29 225	0.40 234	0.29 229	0.40 243	0.29 231	0.40 241	0.29 227	0.34 207	0.33 232	0.34 222	0.32 259	0.34 205	0.32 243

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

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

CFNet-RSSM	0.91 357	4.89 499	0.34 223	0.44 235	1.07 412	1.62 467	1.40 479	0.91 359	0.35 265	1.60 458	1.39 479	0.64 341	0.34 261	0.44 272	0.33 249	0.41 254	0.35 236	0.75 357	0.30 245	0.41 260	0.29 222

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

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

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

UGAM-zero	0.51 280	2.17 412	0.39 245	0.53 269	0.36 278	0.50 310	0.36 269	0.50 297	0.36 275	0.49 295	0.36 275	0.50 313	0.35 267	0.50 305	0.36 269	0.49 287	0.37 241	0.47 307	0.35 278	0.46 275	0.34 256

UGAM	0.51 280	2.23 417	0.39 245	0.54 271	0.35 272	0.50 310	0.35 263	0.49 289	0.35 265	0.49 295	0.35 272	0.49 299	0.36 270	0.50 305	0.36 269	0.49 287	0.37 241	0.45 299	0.34 271	0.45 274	0.34 256

GCST	0.50 275	2.08 404	0.38 238	0.53 269	0.35 272	0.49 302	0.35 263	0.50 297	0.35 265	0.49 295	0.35 272	0.49 299	0.35 267	0.49 298	0.35 266	0.48 284	0.37 241	0.45 299	0.33 267	0.44 270	0.33 250

CASnet	0.35 200	0.51 198	0.44 264	0.32 174	0.31 246	0.24 175	0.34 258	0.36 211	0.25 199	0.31 197	0.37 281	0.30 201	0.33 256	0.25 183	0.45 309	0.37 225	0.37 241	0.33 215	0.35 278	0.34 205	0.37 268
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CFNet_RVC	2.38 505	8.71 534	0.38 238	9.33 553	0.42 314	0.56 328	0.42 303	0.60 326	0.38 280	0.62 336	0.42 310	0.56 331	7.29 556	0.62 331	0.42 305	0.53 303	0.37 241	0.49 320	0.34 271	8.30 553	6.87 559

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

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

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

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

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

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

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

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

GCAP-Stereo	0.75 321	4.15 490	0.42 261	0.75 306	0.35 272	0.78 353	0.40 290	0.79 345	0.38 280	0.78 356	0.36 275	0.78 358	0.36 270	0.79 351	0.39 287	0.75 335	0.39 254	0.76 359	0.39 302	0.75 329	0.39 281

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

IGEV-Stereo	0.35 200	0.44 168	0.45 266	0.49 253	0.30 240	0.37 225	0.30 231	0.36 211	0.30 236	0.36 216	0.29 229	0.36 222	0.29 231	0.36 224	0.30 234	0.46 275	0.39 254	0.32 207	0.24 202	0.32 195	0.25 190
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ccccc		0.44 168		0.48 247	0.35 272	0.48 297		0.51 307		0.47 281		0.47 288		0.47 283		0.41 254	0.40 257	0.40 268	0.40 303	0.41 260

HH	0.71 314	2.54 437	0.74 346	1.10 351	0.32 248	0.41 256	0.37 274	0.69 337	0.78 378	0.73 348	0.90 390	0.75 355	1.00 387	0.84 357	0.69 361	0.69 327	0.40 257	0.35 238	0.26 213	0.35 217	0.26 196

HanStereo	0.71 314	2.54 437	0.74 346	1.10 351	0.32 248	0.41 256	0.37 274	0.69 337	0.78 378	0.73 348	0.90 390	0.75 355	1.00 387	0.84 357	0.69 361	0.69 327	0.40 257	0.35 238	0.26 213	0.35 217	0.26 196

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

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

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

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

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

AdaStereo	0.40 227	0.40 150	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
water-stereo	0.41 234	0.84 235	0.46 270	0.50 260	0.33 259	0.45 281	0.33 247	0.45 271	0.32 247	0.45 271	0.32 249	0.45 278	0.32 249	0.45 275	0.32 241	0.44 270	0.41 266	0.39 263	0.31 254	0.39 245	0.32 243

SCV_C0	0.45 251	0.88 244	0.49 290	0.54 271	0.37 281	0.48 297	0.37 274	0.48 285	0.37 276	0.48 288	0.36 275	0.48 295	0.37 274	0.49 298	0.37 277	0.50 293	0.41 266	0.44 295	0.34 271	0.44 270	0.34 256

fffft	0.48 267	0.51 198	0.45 266	0.52 268	0.45 319	0.52 321	0.45 310	0.52 309	0.48 324	0.53 318	0.45 317	0.52 320	0.45 309	0.52 315	0.46 313	0.51 299	0.41 266	0.50 324	0.41 310	0.50 296	0.41 290
1: 1. 1
GwcNet-ADL	0.41 234	0.41 157	0.41 256	0.41 223	0.41 304	0.41 256	0.41 298	0.41 249	0.41 299	0.41 248	0.41 300	0.41 256	0.41 296	0.41 255	0.41 298	0.41 254	0.41 266	0.41 281	0.41 310	0.41 260	0.41 290

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

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

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

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

GASTEREO	0.48 267	1.21 350	0.47 277	0.57 278	0.38 288	0.50 310	0.38 280	0.50 297	0.38 280	0.50 307	0.38 286	0.50 313	0.38 278	0.50 305	0.38 280	0.52 301	0.42 274	0.46 302	0.34 271	0.46 275	0.34 256

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

MonSter	0.60 293	0.64 219	0.52 302	0.62 287	0.44 317	2.07 482	0.44 306	0.62 329	0.44 310	0.62 336	0.44 314	0.62 340	0.44 307	0.62 331	0.44 308	0.58 310	0.42 274	0.62 341	0.46 322	0.58 311	0.42 297

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

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

DispNO	1.00 371	0.63 217	0.43 262	3.45 498	0.44 317	0.65 342	0.43 305	0.64 331	0.43 307	0.64 339	0.43 312	0.64 341	3.03 517	0.64 336	0.43 307	4.55 524	0.43 277	0.63 343	0.43 318	0.63 315	0.43 298

z-ln-s-r	0.21 147	1.40 368	0.53 306	0.56 277	0.04 79	0.05 89	0.04 81	0.05 89	0.05 97	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 88	0.57 309	0.44 280	0.04 73	0.04 78	0.04 77	0.04 79

MyStereo07	0.60 293	3.72 479	0.48 285	0.49 253	0.41 304	0.36 220	0.32 238	0.49 289	0.43 307	0.51 312	0.42 310	0.49 299	0.43 305	0.51 312	0.64 349	0.49 287	0.45 281	0.34 222	0.32 259	0.35 217	0.43 298

MyStereo04	0.56 291	3.72 479	0.59 312	0.49 253	0.41 304	0.36 220	0.32 238	0.37 217	0.31 244	0.34 209	0.46 319	0.35 216	0.32 249	0.35 218	0.33 249	0.49 287	0.45 281	0.34 222	0.32 259	0.35 217	0.43 298

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

SCV	0.46 256	0.94 260	0.45 266	0.54 271	0.37 281	0.48 297	0.38 280	0.48 285	0.37 276	0.48 288	0.39 291	0.48 295	0.37 274	0.49 298	0.37 277	0.50 293	0.46 283	0.44 295	0.34 271	0.44 270	0.34 256

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

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

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

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

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

Selective-IGEV	0.51 280	0.55 208	0.45 266	0.69 298	0.45 319	0.61 336	0.45 310	0.50 297	0.40 290	0.56 326	0.44 314	0.55 328	0.40 285	0.72 344	0.67 354	0.59 311	0.46 283	0.45 299	0.34 271	0.46 275	0.37 268

MSCF	0.51 280	1.40 368	0.49 290	0.58 280	0.38 288	0.50 310	0.38 280	0.54 313	0.41 299	0.52 315	0.41 300	0.53 321	0.42 302	0.53 317	0.41 298	0.60 312	0.47 291	0.48 315	0.37 286	0.48 287	0.38 275

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

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

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

WCG-NET	0.61 296	1.21 350	0.54 307	0.61 286	0.53 346	0.67 344	0.53 336	0.66 334	0.53 337	0.64 339	0.53 345	0.65 344	0.53 336	0.59 329	0.52 335	0.65 322	0.48 295	0.64 344	0.52 341	0.58 311	0.50 321

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

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

MLG-Stereo	0.92 359	0.90 249	0.84 359	1.27 417	0.49 333	1.38 457	0.88 384	1.41 453	0.97 399	0.73 348	1.09 406	1.26 452	0.43 305	0.72 344	1.05 402	1.13 378	0.49 298	1.18 410	0.66 363	1.01 368	0.46 304

MyStereo8	0.71 314	3.92 486	0.52 302	0.59 283	0.52 343	0.57 333	0.53 336	0.59 324	0.50 329	0.59 332	0.51 342	0.57 332	0.50 329	0.56 323	0.52 335	0.54 304	0.49 298	0.54 335	0.49 335	0.55 309	0.50 321

ktn	0.72 317	0.53 203	1.08 381	1.14 357	0.51 342	1.22 447	1.36 472	0.51 307	0.59 344	0.51 312	0.51 342	0.69 347	1.20 408	0.67 340	0.51 333	0.51 299	0.49 298	0.58 338	0.66 363	0.52 304	0.53 329

KSHMR	0.66 303	0.50 191	0.48 285	1.15 359	0.52 343	0.49 302	0.51 334	0.49 289	0.71 368	0.67 343	0.50 336	1.16 402	1.11 397	0.66 338	0.52 335	0.49 287	0.49 298	0.51 329	0.66 363	0.50 296	1.14 409

TorneroNet	0.66 303	0.53 203	0.50 294	0.50 260	0.64 362	1.06 386	0.70 362	0.50 297	0.51 336	0.49 295	0.69 368	0.49 299	0.50 329	0.48 292	1.15 409	0.71 331	0.49 298	1.14 401	1.08 405	0.49 291	0.49 318

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

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

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

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

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

LG-Stereo	0.60 293	0.58 213	0.47 277	0.64 292	0.74 382	1.00 378	0.69 359	0.57 319	0.41 299	0.57 328	0.41 300	0.57 332	0.41 296	1.00 383	0.75 373	0.91 353	0.51 308	0.52 332	0.37 286	0.52 304	0.37 268

LL-Strereo2	0.48 267	1.73 383	0.51 299	0.59 283	0.34 269	0.42 274	0.33 247	0.40 234	0.31 244	0.42 260	0.33 255	0.42 272	0.31 247	0.44 272	0.39 287	0.60 312	0.51 308	0.44 295	0.33 267	0.44 270	0.33 250

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

LL-Strereo	1.01 376	5.06 501	1.63 475	0.70 300	1.43 480	0.56 328	0.46 312	0.57 319	0.50 329	0.57 328	0.50 336	1.58 462	0.49 326	0.59 329	0.50 328	1.64 455	0.52 310	0.51 329	1.37 473	0.52 304	0.45 303

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

PSMNet_ROB	0.54 285	0.54 206	0.54 307	0.54 271	0.53 346	0.54 326	0.54 338	0.53 311	0.54 339	0.54 321	0.54 346	0.54 324	0.53 336	0.54 319	0.54 338	0.54 304	0.53 312	0.54 335	0.54 343	0.54 308	0.54 332

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

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

SM2	0.88 352	0.87 241	0.63 321	1.03 347	0.63 361	0.94 372	0.64 347	0.91 359	0.63 350	0.95 376	0.63 355	0.92 374	0.71 363	0.89 365	0.73 369	2.92 510	0.56 316	0.78 362	0.61 356	0.78 333	0.79 374

PAM_32	0.64 300	2.38 432	0.51 299	0.92 325	0.43 316	0.53 323	0.44 306	0.87 353	0.43 307	0.52 315	0.45 317	0.53 321	0.40 285	0.54 319	0.46 313	0.62 319	0.56 316	0.48 315	0.45 320	0.76 330	0.44 301

CASS	0.57 292	0.89 247	0.56 309	0.57 278	0.56 349	0.56 328	0.56 339	0.56 316	0.53 337	0.57 328	0.57 348	0.59 336	0.48 321	0.56 323	0.57 341	0.55 306	0.56 316	0.47 307	0.56 348	0.62 314	0.56 340
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MyStereo06	0.75 321	4.12 487	0.60 314	0.63 289	0.61 357	0.62 339	0.66 351	0.56 316	0.45 311	0.55 324	0.48 331	0.54 324	0.46 312	0.57 327	0.45 309	0.60 312	0.57 319	0.64 344	0.55 344	0.72 325	0.55 337

MyStereo05	0.80 332	4.12 487	0.63 321	0.63 289	0.61 357	0.62 339	0.66 351	0.65 332	0.62 348	0.67 343	0.61 353	0.65 344	0.58 341	0.67 340	0.55 340	0.60 312	0.57 319	0.64 344	0.55 344	0.72 325	0.55 337

FlowAnything_test	1.02 379	1.72 378	0.71 339	1.59 431	0.70 374	1.61 465	0.69 359	1.61 455	0.70 363	1.60 458	0.70 370	1.61 466	0.69 357	1.61 462	0.70 365	0.81 342	0.58 321	0.81 369	0.55 344	0.81 343	0.56 340

FlowAnything	1.02 379	1.71 377	0.72 342	1.59 431	0.69 372	1.60 464	0.69 359	1.61 455	0.70 363	1.60 458	0.69 368	1.60 463	0.69 357	1.61 462	0.69 361	0.81 342	0.58 321	0.81 369	0.56 348	0.82 345	0.56 340

zero-FE	0.72 317	1.31 362	0.66 328	0.92 325	0.60 352	0.82 358	0.58 341	0.82 351	0.58 342	0.81 360	0.60 349	0.81 364	0.60 343	0.82 355	0.58 342	0.74 334	0.59 323	0.73 354	0.52 341	0.76 330	0.51 328

DDUNet	0.81 337	2.45 435	0.57 311	0.90 320	0.60 352	0.88 363	0.59 343	0.90 357	0.60 345	0.88 365	0.60 349	0.90 371	0.58 341	0.88 363	0.60 345	0.84 349	0.60 324	0.86 377	0.57 350	0.86 349	0.60 344

UDG	0.80 332	2.21 416	0.60 314	0.91 322	0.60 352	0.90 367	0.58 341	0.88 356	0.60 345	0.90 366	0.60 349	0.88 368	0.60 343	0.90 367	0.58 342	0.86 351	0.60 324	0.84 375	0.59 352	0.84 348	0.61 345

PA-Net	11.80 561	223.51 587	0.62 320	0.59 283	0.71 376	0.59 335	0.73 368	0.67 335	0.73 374	0.55 324	0.61 353	0.60 337	0.74 367	0.63 335	0.73 369	0.66 324	0.60 324	0.69 350	0.66 363	0.72 325	0.65 351
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
FC-DCNN	1.07 382	1.09 290	0.98 373	0.89 319	0.52 343	1.41 460	0.91 387	1.21 439	1.24 467	1.96 470	2.05 522	1.91 471	1.30 461	1.27 453	1.08 403	0.80 339	0.60 324	0.58 338	0.41 310	0.68 319	0.54 332

RAFT-Stereo + iAFF	0.70 312	0.72 223	0.71 339	0.80 310	0.62 360	0.82 358	0.61 344	0.81 350	0.62 348	0.81 360	0.63 355	0.80 361	0.70 359	0.73 346	0.61 347	0.76 336	0.61 328	0.74 356	0.61 356	0.77 332	0.61 345

SMoEStereo_RVC	0.63 298	0.75 225	0.51 299	0.73 304	0.53 346	0.71 348	0.47 317	0.67 335	0.58 342	0.74 353	0.60 349	0.72 351	0.53 336	0.74 348	0.51 333	0.61 316	0.62 329	0.62 341	0.61 356	0.63 315	0.61 345

AFF-stereo	0.73 319	0.88 244	0.67 332	0.75 306	0.68 371	0.75 350	0.64 347	0.80 347	0.72 370	0.83 362	0.70 370	0.82 365	0.64 347	0.84 357	0.67 354	0.77 337	0.63 330	0.81 369	0.63 359	0.78 333	0.62 348

AdaDepth	0.86 350	0.93 258	0.71 339	1.01 344	1.07 412	1.02 383	0.71 365	1.00 372	0.71 368	1.01 383	0.71 374	1.00 384	0.72 365	1.14 400	0.71 367	0.92 356	0.64 331	0.90 379	0.64 360	0.89 352	0.69 357

LMCR-Stereo	0.65 301	0.63 217	0.65 327	0.65 293	0.65 364	0.66 343	0.63 346	0.58 322	0.65 353	0.63 338	0.64 358	0.65 344	0.65 349	0.66 338	0.66 353	0.66 324	0.64 331	0.65 347	0.67 367	0.68 319	0.73 366

plain	1.88 458	3.16 466	0.64 324	3.10 482	0.65 364	3.10 518	0.64 347	3.12 516	0.65 353	3.10 517	0.65 360	3.11 517	0.65 349	3.12 516	0.65 350	3.12 512	0.65 333	3.13 517	0.65 361	3.13 503	0.65 351

DSFCA	0.66 303	0.73 224	0.78 351	0.65 293	0.65 364	0.64 341	0.64 347	0.65 332	0.63 350	0.64 339	0.64 358	0.64 341	0.64 347	0.65 337	0.65 350	0.65 322	0.65 333	0.65 347	0.65 361	0.66 317	0.64 350

MS	0.88 352	0.86 238	0.69 335	0.94 331	0.71 376	0.89 366	0.77 372	0.91 359	0.72 370	0.87 363	0.65 360	0.93 378	0.74 367	0.93 374	0.63 348	2.77 508	0.66 335	0.80 366	0.59 352	0.79 336	0.75 370

UniTT-Stereo	2.03 475	3.43 472	0.72 342	3.42 497	0.73 380	3.27 521	0.68 356	3.38 520	0.69 360	3.29 520	0.72 377	3.28 520	0.70 359	3.35 521	0.68 357	3.39 514	0.68 336	3.31 519	0.69 370	3.37 504	0.73 366

DCRE	0.84 347	1.89 391	0.77 350	0.94 331	0.72 379	0.88 363	0.73 368	0.87 353	0.78 378	0.90 366	0.71 374	0.88 368	0.67 354	0.88 363	0.73 369	0.81 342	0.68 336	0.81 369	0.70 372	0.82 345	0.70 358

R-Stereo Train	0.81 337	0.96 262	0.67 332	0.95 334	0.67 368	0.95 373	0.68 356	0.95 370	0.68 357	0.95 376	0.68 365	0.96 381	0.68 355	0.96 379	0.68 357	0.94 361	0.68 336	0.94 385	0.68 368	0.94 361	0.68 355

RAFT-Stereo	0.81 337	0.96 262	0.67 332	0.95 334	0.67 368	0.95 373	0.68 356	0.95 370	0.68 357	0.95 376	0.68 365	0.96 381	0.68 355	0.96 379	0.68 357	0.94 361	0.68 336	0.94 385	0.68 368	0.94 361	0.68 355
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CoDeX	0.15 121	0.70 222	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 354	0.02 15	0.69 340	0.75 357	0.01 9	0.02 20	0.02 20

AIO-Stereo-zeroshot1	0.75 321	0.92 256	0.85 360	0.96 337	0.59 351	1.27 450	0.44 306	0.59 324	0.69 360	0.91 368	0.68 365	0.55 328	0.61 345	1.06 389	0.83 383	0.62 319	0.70 341	0.90 379	0.41 310	0.89 352	0.56 340

RSM++	0.76 325	0.82 234	0.66 328	0.85 317	0.64 362	0.85 360	0.71 365	0.94 368	0.64 352	0.87 363	0.67 364	0.87 367	0.65 349	0.84 357	0.65 350	0.81 342	0.70 341	0.79 363	0.71 375	0.83 347	0.70 358

DMCA-RVC	0.70 312	0.80 229	0.70 336	0.70 300	0.70 374	0.70 346	0.70 362	0.71 340	0.70 363	0.70 346	0.71 374	0.71 348	0.70 359	0.70 342	0.69 361	0.69 327	0.70 341	0.69 350	0.70 372	0.69 323	0.70 358

MSMD_ROB	1.19 389	1.10 293	0.70 336	1.10 351	0.60 352	1.10 392	0.70 362	1.10 381	0.70 363	1.10 389	0.70 370	1.10 395	0.70 359	7.00 559	0.70 365	1.10 372	0.70 341	1.10 400	0.70 372	1.10 374	0.70 358

MoCha-V2	2.11 482	26.97 565	0.78 351	0.92 325	0.77 384	0.96 375	0.72 367	0.90 357	0.72 370	0.94 374	0.70 370	0.90 371	0.71 363	0.91 368	0.71 367	0.85 350	0.71 345	0.88 378	0.69 370	0.87 350	0.67 354

Former-RAFT_DAM_RVC	0.49 273	0.98 265	0.64 324	0.84 315	0.46 321	0.45 281	0.35 263	0.47 281	0.47 317	0.45 271	0.34 263	0.46 282	0.48 321	0.46 279	0.35 266	0.39 242	0.71 345	0.39 263	0.35 278	0.41 260	0.41 290

AIO-Stereo	0.84 347	0.66 220	0.70 336	0.83 314	0.67 368	0.98 376	0.82 381	1.14 383	0.72 370	1.03 385	0.74 380	1.03 389	1.09 396	0.99 381	0.45 309	1.04 367	0.73 347	0.95 387	0.74 377	0.94 361	0.46 304

iGMRVC	0.84 347	2.85 460	0.72 342	0.72 303	0.73 380	0.77 351	0.79 375	0.73 342	0.74 376	0.73 348	0.72 377	0.73 353	0.76 371	0.73 346	0.73 369	0.72 332	0.73 347	0.73 354	0.72 376	0.73 328	0.72 363

HSM-Net_RVC	0.95 367	1.17 300	0.78 351	1.18 366	0.71 376	1.16 400	0.75 370	1.09 380	0.80 382	1.10 389	0.75 381	1.17 403	0.74 367	1.17 403	0.80 379	1.13 378	0.73 347	1.17 407	0.77 379	1.16 380	0.72 363
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
SFCPSM	0.17 133	0.78 226	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 377	0.02 15	0.75 350	0.76 359	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 158	1.31 362	0.74 346	0.92 325	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 352	0.75 350	0.02 18	0.02 20	0.02 20	0.02 20

RAStereo	2.23 495	3.64 475	0.76 349	3.65 506	0.86 390	3.66 525	0.76 371	3.67 524	0.81 385	3.66 521	0.76 382	3.66 522	0.77 372	3.68 523	0.77 375	3.68 517	0.77 352	3.69 524	0.77 379	3.70 506	0.77 373

tt45	1.04 381	0.88 244	1.36 458	0.92 325	1.03 409	1.51 463	0.79 375	0.70 339	0.88 387	0.74 353	0.90 390	1.60 463	0.72 365	1.60 460	0.75 373	0.91 353	0.78 353	1.52 472	0.79 383	1.14 376	1.32 473

ToySt	0.92 359	2.11 407	0.90 364	0.95 334	0.79 386	0.99 377	0.78 374	0.94 368	0.81 385	0.94 374	0.78 384	0.95 380	0.77 372	0.94 375	0.86 385	0.91 353	0.79 354	0.85 376	0.77 379	0.89 352	0.73 366

HBP-ISP	1.24 438	1.72 378	1.65 476	1.15 359	0.76 383	1.40 459	0.88 384	1.67 461	1.02 407	1.69 465	1.38 478	1.69 467	1.21 454	1.87 472	1.21 461	1.05 368	0.79 354	0.97 390	0.80 385	1.19 388	0.75 370

G-Net	0.79 330	0.79 228	0.79 354	0.79 308	0.79 386	0.79 355	0.79 375	0.79 345	0.79 381	0.79 357	0.79 385	0.79 360	0.79 375	0.79 351	0.79 377	0.79 338	0.79 354	0.79 363	0.79 383	0.79 336	0.79 374

NaN_ROB	0.80 332	0.80 229	0.80 355	0.80 310	0.80 388	0.80 356	0.80 378	0.80 347	0.80 382	0.80 358	0.80 386	0.80 361	0.80 376	0.80 353	0.80 379	0.80 339	0.80 357	0.80 366	0.80 385	0.80 340	0.80 376

CSAN	0.80 332	0.80 229	0.80 355	0.80 310	0.80 388	0.80 356	0.80 378	0.80 347	0.80 382	0.80 358	0.80 386	0.80 361	0.80 376	0.80 353	0.80 379	0.80 339	0.80 357	0.80 366	0.80 385	0.80 340	0.80 376

DPSimNet_ROB	0.97 368	1.18 302	0.81 357	1.10 351	0.91 396	1.02 383	0.82 381	1.04 377	0.91 389	1.03 385	0.86 389	1.28 454	0.82 378	1.03 388	0.89 386	1.17 381	0.81 359	1.02 396	0.82 388	1.08 373	0.81 378

Selective-RAFT-Error	0.88 352	0.84 235	0.98 373	0.86 318	0.97 402	0.88 363	0.95 392	0.84 352	0.99 402	0.92 370	0.82 388	0.84 366	0.98 386	0.87 362	0.97 394	0.81 342	0.83 360	0.79 363	0.82 388	0.79 336	0.85 381

Selective-RAFT	0.89 356	0.89 247	0.72 342	1.16 364	0.78 385	1.06 386	0.82 381	0.87 353	0.97 399	1.00 379	0.91 393	0.90 371	1.00 387	0.89 365	0.93 391	0.83 347	0.83 360	0.82 373	0.82 388	0.81 343	0.82 379

AIO-Stereo-zeroshot	0.91 357	0.86 238	0.89 361	1.25 416	0.69 372	1.05 385	0.81 380	1.16 386	0.50 329	1.12 395	0.97 398	0.72 351	0.82 378	1.06 389	0.95 392	0.61 316	0.87 362	1.03 397	0.85 391	1.04 371	1.01 398

DPSM_ROB	0.92 359	0.91 251	0.91 366	0.91 322	0.92 397	0.92 369	0.92 388	0.92 364	0.91 389	0.93 372	0.91 393	0.92 374	0.90 380	0.91 368	0.92 387	0.92 356	0.91 363	0.91 382	0.92 392	0.93 359	0.93 388

DPSM	0.92 359	0.91 251	0.91 366	0.91 322	0.92 397	0.92 369	0.92 388	0.92 364	0.91 389	0.93 372	0.91 393	0.92 374	0.90 380	0.91 368	0.92 387	0.92 356	0.91 363	0.91 382	0.92 392	0.93 359	0.93 388

DGTPSM_ROB	0.93 364	1.00 269	0.92 368	0.94 331	0.96 401	0.91 368	0.92 388	0.91 359	0.96 398	0.91 368	0.96 397	0.93 378	0.92 382	0.94 375	0.92 387	0.92 356	0.92 365	0.90 379	0.92 392	0.94 361	0.91 386

pmcnn	0.92 359	0.92 256	0.92 368	0.92 325	0.92 397	0.92 369	0.92 388	0.92 364	0.92 393	0.92 370	0.92 396	0.92 374	0.92 382	0.92 372	0.92 387	0.92 356	0.92 365	0.92 384	0.92 392	0.92 358	0.92 387

adal-stereo	1.01 376	1.30 361	0.81 357	1.96 447	1.06 411	1.13 397	0.77 372	1.11 382	0.76 377	1.11 394	0.77 383	1.11 398	0.77 372	1.11 397	0.77 375	1.19 382	0.94 367	1.06 399	0.77 379	1.02 370	0.71 362

4D-IteraStereo	0.78 329	3.13 465	0.89 361	0.69 298	0.32 248	0.40 240	0.32 238	0.76 343	0.97 399	0.52 315	0.65 360	0.89 370	0.32 249	0.76 350	0.98 395	0.83 347	0.94 367	0.35 238	0.27 221	0.70 324	0.89 384

GANet	1.00 371	1.00 269	1.00 375	1.00 341	1.00 403	1.00 378	1.00 396	1.00 372	1.00 403	1.00 379	1.00 400	1.00 384	1.00 387	1.00 383	1.00 397	1.00 363	1.00 369	1.00 392	1.00 399	1.00 365	1.00 395

TDLM	1.00 371	1.00 269	1.00 375	1.00 341	1.00 403	1.00 378	1.00 396	1.00 372	1.00 403	1.00 379	1.00 400	1.00 384	1.00 387	1.00 383	1.00 397	1.00 363	1.00 369	1.00 392	1.00 399	1.00 365	1.00 395

CVANet_RVC	1.00 371	1.00 269	1.00 375	1.00 341	1.00 403	1.00 378	1.00 396	1.00 372	1.00 403	1.00 379	1.00 400	1.00 384	1.00 387	1.00 383	1.00 397	1.00 363	1.00 369	1.00 392	1.00 399	1.00 365	1.00 395

trnet	1.01 376	1.01 275	1.01 378	1.01 344	1.01 407	1.01 382	1.01 399	1.01 376	1.01 406	1.01 383	1.01 403	1.01 388	1.01 393	1.01 387	1.01 400	1.01 366	1.01 372	1.01 395	1.01 403	1.01 368	1.01 398

11t	1.27 440	2.70 446	1.34 448	1.32 421	0.89 392	1.30 452	1.34 469	1.64 458	0.57 341	1.45 456	0.72 377	1.05 390	1.29 460	1.07 392	1.29 470	1.49 447	1.02 373	0.97 390	1.15 409	1.48 445	1.31 472

ours_stereo	1.20 390	1.21 350	0.90 364	1.64 439	1.11 414	1.35 453	0.67 355	1.76 462	0.93 394	1.70 466	1.10 407	1.39 457	0.75 370	1.41 457	0.81 382	1.60 454	1.03 374	1.33 462	1.00 399	1.61 450	0.72 363

MM-Stereo_test2	1.20 390	1.85 387	1.05 379	1.46 428	0.94 400	1.36 455	0.99 395	1.36 448	0.95 396	1.41 454	0.98 399	1.40 459	0.96 384	1.37 455	0.95 392	1.37 441	1.06 375	1.33 462	0.93 396	1.29 439	0.89 384

ff7	1.68 450	2.68 443	1.35 450	0.97 338	0.89 392	1.84 468	2.15 515	2.12 475	1.80 500	2.05 480	1.56 484	2.33 486	2.12 508	2.23 483	2.25 518	1.31 433	1.07 376	1.48 469	1.41 476	0.90 355	1.04 400

ffff	1.68 450	2.68 443	1.35 450	0.97 338	0.89 392	1.84 468	2.15 515	2.12 475	1.80 500	2.05 480	1.56 484	2.33 486	2.12 508	2.23 483	2.25 518	1.31 433	1.07 376	1.48 469	1.41 476	0.90 355	1.04 400

ccc-4	1.68 450	2.68 443	1.35 450	0.97 338	0.89 392	1.84 468	2.15 515	2.12 475	1.80 500	2.05 480	1.56 484	2.33 486	2.12 508	2.23 483	2.25 518	1.31 433	1.07 376	1.48 469	1.41 476	0.90 355	1.04 400

FENet	0.54 285	1.52 372	1.19 392	1.41 427	0.23 201	0.35 217	0.23 192	0.35 207	0.23 192	0.34 209	0.23 196	0.35 216	0.23 196	0.35 218	0.23 192	1.40 442	1.07 376	0.32 207	0.23 194	0.33 201	0.23 179

sAnonymous2	3.31 520	2.63 441	1.38 462	3.71 508	1.86 503	4.70 544	1.11 404	4.82 546	2.72 524	5.45 551	1.98 517	4.59 536	2.64 513	2.65 503	6.21 556	4.37 519	1.08 380	5.16 550	2.24 520	4.52 517	2.39 522

CroCo_RVC	3.31 520	2.63 441	1.38 462	3.71 508	1.86 503	4.70 544	1.11 404	4.82 546	2.72 524	5.45 551	1.98 517	4.59 536	2.64 513	2.65 503	6.21 556	4.37 519	1.08 380	5.16 550	2.24 520	4.52 517	2.39 522

StereoVision	3.15 518	5.00 500	0.89 361	4.83 527	1.00 403	3.93 526	1.27 466	6.37 553	1.34 472	5.67 553	1.26 466	5.84 554	1.27 458	5.03 550	1.24 463	5.10 542	1.09 382	4.61 536	0.57 350	5.62 542	1.12 405

GLC_STEREO	1.07 382	1.01 275	1.06 380	1.07 349	1.05 410	1.06 386	1.08 403	1.08 378	1.05 409	1.07 387	1.06 405	1.08 391	1.05 395	1.06 389	1.10 404	1.07 369	1.09 382	1.05 398	1.05 404	1.06 372	1.12 405

RP	2.33 499	25.00 558	1.13 383	1.15 359	1.15 416	1.10 392	1.15 408	1.15 384	1.15 411	1.12 395	1.15 408	1.09 393	1.13 398	1.10 395	1.15 409	1.11 377	1.09 382	1.16 403	1.12 407	1.16 380	1.17 414

AF-Net	2.37 503	25.71 561	1.17 388	1.13 356	1.15 416	1.15 399	1.18 412	1.19 391	1.16 412	1.10 389	1.15 408	1.10 395	1.18 406	1.12 399	1.15 409	1.10 372	1.10 385	1.17 407	1.15 409	1.16 380	1.12 405

NCC-stereo	2.36 501	25.52 560	1.17 388	1.15 359	1.17 421	1.11 395	1.11 404	1.15 384	1.16 412	1.10 389	1.16 411	1.10 395	1.15 401	1.14 400	1.13 407	1.09 370	1.11 386	1.15 402	1.16 411	1.17 385	1.17 414

edge stereo	2.43 506	27.07 566	1.14 384	1.06 348	1.14 415	1.08 389	1.17 411	1.16 386	1.14 410	1.10 389	1.16 411	1.09 393	1.16 405	1.10 395	1.16 412	1.10 372	1.11 386	1.16 403	1.19 413	1.13 375	1.11 403

Nwc_Net	2.37 503	25.95 562	1.15 386	1.14 357	1.15 416	1.08 389	1.14 407	1.17 388	1.16 412	1.14 398	1.15 408	1.08 391	1.15 401	1.11 397	1.14 408	1.10 372	1.11 386	1.16 403	1.09 406	1.16 380	1.15 410

MM-Stereo_test3	1.27 440	2.07 403	1.18 390	1.60 434	1.02 408	1.45 461	1.01 399	1.40 452	1.04 408	1.44 455	1.03 404	1.46 461	1.02 394	1.44 458	1.02 401	1.51 450	1.12 389	1.32 461	0.98 397	1.38 443	0.97 391

stereogan	2.33 499	24.38 556	1.18 390	1.18 366	1.18 423	1.14 398	1.18 412	1.19 391	1.19 418	1.14 398	1.18 415	1.14 401	1.18 406	1.14 400	1.18 414	1.14 380	1.14 390	1.19 411	1.19 413	1.15 378	1.19 418

RGC	2.36 501	25.48 559	1.19 392	1.15 359	1.15 416	1.10 392	1.16 410	1.17 388	1.16 412	1.12 395	1.16 411	1.11 398	1.13 398	1.09 393	1.18 414	1.10 372	1.15 391	1.16 403	1.12 407	1.14 376	1.12 405

castereo++	0.54 285	3.59 473	1.15 386	1.31 420	0.14 154	0.16 139	0.14 149	0.16 138	0.14 154	0.16 135	0.14 158	0.16 136	0.13 151	0.16 137	0.14 148	1.45 445	1.16 392	0.15 139	0.14 157	0.15 138	0.13 147

MaDis-Stereo	3.19 519	6.02 521	1.12 382	5.61 536	1.16 420	5.43 552	1.02 401	5.15 550	0.70 363	5.43 550	1.21 461	5.03 551	0.97 385	4.85 544	0.99 396	4.53 523	1.16 392	5.53 552	1.25 466	5.37 540	1.30 471

Abc-Net	2.32 498	24.75 557	1.14 384	1.17 365	1.17 421	1.11 395	1.15 408	1.17 388	1.21 464	1.08 388	1.16 411	1.12 400	1.14 400	1.09 393	1.17 413	1.09 370	1.16 392	1.17 407	1.17 412	1.16 380	1.11 403
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FAT-Stereo	2.46 507	26.05 563	1.23 444	1.23 415	1.22 472	1.20 401	1.24 462	1.23 442	1.23 466	1.19 401	1.22 462	1.21 450	1.24 456	1.20 405	1.24 463	1.21 429	1.17 395	1.22 458	1.25 466	1.20 389	1.24 468

SPS-STEREO	1.59 448	1.91 394	1.21 441	1.94 445	1.20 424	2.00 479	1.23 461	1.99 469	1.24 467	2.00 475	1.25 465	2.03 479	1.26 457	2.00 477	1.29 470	1.90 465	1.18 396	1.89 486	1.21 461	1.89 463	1.20 419
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DisPM	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

CrosDoStereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

PFNet+	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

LCNet	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

HHNet	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

Patchmatch Stereo++	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419
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	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

STrans-v2	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

TransformOpticalFlow	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

OMP-Stereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

IIG-Stereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

NF-Stereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

OCTAStereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

PSM-softLoss	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

KMStereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

NRIStereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

PSM-adaLoss	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

PSM-AAD	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

FTStereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

ROB_FTStereo_v2	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

ROB_FTStereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

Consistency-Raft	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

KYRaft	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

HUI-Stereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

ASMatch	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

DeepStereo_LL	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

DEmStereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

SST-Stereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

THIR-Stereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

RAFT_R40	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

DRaft	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

PFNet	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

GrayStereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

RE-Stereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

Pruner-Stereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

TVStereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

DeepStereo_RVC	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

RAFT-RH_RVC	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

IRAFT_RVC	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

RAFT-345	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

iRAFT	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

CRE-IMP	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

GMM-Stereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

RAFT-IKP	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

Prome-Stereo	1.20 390	1.20 304	1.20 395	1.20 368	1.20 424	1.20 401	1.20 414	1.20 394	1.20 419	1.20 402	1.20 416	1.20 405	1.20 408	1.20 405	1.20 416	1.20 384	1.20 397	1.20 412	1.20 416	1.20 389	1.20 419

S-Stereo	2.51 508	26.86 564	1.23 444	1.22 413	1.22 472	1.24 449	1.25 463	1.22 440	1.24 467	1.21 447	1.24 464	1.19 404	1.27 458	1.19 404	1.24 463	1.19 382	1.20 397	1.25 459	1.19 413	1.24 437	1.23 467

CSP-Net	0.34 193	1.29 359	1.19 392	1.36 424	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 431	1.21 443	0.03 38	0.09 110	0.02 20	0.09 108

GANetREF_RVC	1.55 447	1.94 400	1.22 442	1.88 442	1.21 470	1.88 471	1.22 460	1.88 464	1.22 465	1.88 467	1.22 462	1.88 469	1.22 455	1.89 473	1.22 462	1.87 461	1.22 444	1.88 485	1.22 462	1.88 462	1.22 465
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
2.25w	2.00 465	1.86 389	1.98 506	2.95 480	2.17 521	2.26 485	1.35 470	2.42 492	2.00 518	2.07 483	1.27 467	2.53 495	1.99 503	2.29 487	1.49 482	2.21 479	1.32 445	1.85 479	1.87 510	2.52 491	1.62 494

3.25w	2.04 478	2.20 414	1.48 468	3.03 481	2.17 521	2.63 507	1.39 478	1.96 467	1.95 514	1.96 470	1.37 476	2.71 506	1.96 500	2.71 506	1.73 499	2.26 481	1.32 445	1.87 482	1.87 510	2.51 490	1.63 495

1w_stereo	2.05 480	2.32 423	1.35 450	3.74 510	2.01 511	2.73 511	1.42 482	1.88 464	1.93 513	2.03 478	1.28 468	2.71 506	1.99 503	2.72 508	1.72 494	2.20 478	1.32 445	1.87 482	1.86 509	2.45 483	1.54 484

IGEV	2.02 473	2.20 414	1.82 489	2.90 479	2.16 519	2.41 494	1.25 463	2.00 470	1.98 515	1.99 474	1.31 470	2.72 510	1.93 497	2.67 505	1.69 491	2.26 481	1.32 445	1.83 478	1.87 510	2.53 494	1.61 493

IGEVStereo-DCA	1.77 454	4.21 491	1.84 493	2.49 469	2.11 517	2.54 504	1.36 472	1.65 459	1.17 416	2.75 511	1.90 505	2.54 497	1.15 401	0.94 375	1.11 405	1.50 448	1.32 445	0.96 388	1.46 482	1.49 446	0.88 382

rrr	1.77 454	4.21 491	1.84 493	2.49 469	2.11 517	2.54 504	1.36 472	1.65 459	1.17 416	2.75 511	1.90 505	2.54 497	1.15 401	0.94 375	1.11 405	1.50 448	1.32 445	0.96 388	1.46 482	1.49 446	0.88 382

MC-Stereo	1.76 453	2.96 461	1.37 460	2.14 453	1.37 476	2.14 484	1.36 472	2.14 478	1.37 477	2.14 484	1.37 476	2.14 481	1.37 468	2.14 482	1.37 476	1.97 468	1.32 445	1.97 488	1.32 469	1.98 464	1.33 474

4.5_new	2.00 465	1.84 386	1.98 506	2.77 474	2.16 519	2.27 486	1.28 467	2.09 474	1.98 515	2.01 476	1.28 468	2.71 506	1.98 501	2.51 497	1.65 487	2.26 481	1.33 452	1.87 482	1.87 510	2.49 487	1.60 491

3w_stereo	2.04 478	2.24 418	1.70 478	3.15 484	2.18 523	2.49 498	1.26 465	2.03 472	1.98 515	1.98 473	1.33 471	2.72 510	1.99 503	2.59 500	1.72 494	2.22 480	1.33 452	1.85 479	1.88 515	2.50 489	1.58 489

gwcnet-sp	0.82 341	1.72 378	1.48 468	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 461	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 452	0.32 207	0.16 162	6.75 546	0.23 179

scenet	0.82 341	1.72 378	1.48 468	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 461	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 452	0.32 207	0.16 162	6.75 546	0.23 179

ssnet	0.82 341	1.72 378	1.48 468	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 461	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 452	0.32 207	0.16 162	6.75 546	0.23 179

MaskLacGwcNet_RVC	1.35 442	1.35 365	1.35 450	1.35 423	1.35 474	1.35 453	1.35 470	1.36 448	1.35 475	1.36 452	1.35 473	1.36 455	1.36 466	1.36 454	1.35 474	1.35 437	1.35 457	1.35 465	1.35 470	1.35 441	1.35 477

RASNet	1.49 446	1.65 375	1.45 466	1.38 426	1.43 480	1.47 462	1.36 472	1.38 451	1.36 476	1.39 453	1.60 488	1.45 460	1.45 472	1.51 459	2.21 517	1.53 451	1.36 458	1.36 467	1.36 472	1.66 453	1.36 478

PS-NSSS	1.38 445	1.39 367	1.34 448	1.34 422	1.35 474	1.38 457	1.37 477	1.35 447	1.38 478	1.34 450	1.34 472	1.39 457	1.38 469	1.70 464	1.40 478	1.36 439	1.36 458	1.36 467	1.37 473	1.37 442	1.36 478

castereo	0.61 296	3.79 481	1.35 450	1.52 429	0.15 165	0.17 147	0.16 157	0.20 156	0.21 183	0.18 148	0.16 167	0.21 163	0.12 146	0.26 193	0.17 167	1.43 444	1.38 460	0.17 150	0.16 162	0.18 152	0.16 153

CC-Net-ROB	1.36 443	1.33 364	1.33 447	1.36 424	1.38 477	1.36 455	1.33 468	1.37 450	1.34 472	1.35 451	1.36 475	1.38 456	1.34 464	1.38 456	1.38 477	1.35 437	1.38 460	1.33 462	1.35 470	1.43 444	1.34 476

sCroCo_RVC	2.10 481	2.76 454	1.92 503	2.78 477	1.39 478	2.73 511	1.41 480	2.73 507	1.40 479	2.77 516	1.41 480	2.74 512	1.40 470	2.74 511	1.40 478	2.72 507	1.42 462	2.72 515	1.44 481	2.79 501	1.42 482

psmg	0.43 244	1.91 394	0.92 368	1.91 444	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 468	1.44 463	0.04 73	0.03 54	0.02 20	0.03 51

999	1.00 371	1.12 294	0.59 312	1.10 351	1.21 470	1.09 391	0.52 335	1.08 378	1.43 481	1.18 400	1.35 473	0.98 383	0.52 335	0.91 368	0.85 384	0.72 332	1.46 464	0.83 374	0.98 397	0.68 319	1.41 481

DEFOM-Stereo	0.68 308	3.11 464	1.40 464	1.63 438	0.25 208	0.31 201	0.25 200	0.31 196	0.28 220	0.31 197	0.29 229	0.29 198	0.27 219	0.31 207	0.28 217	1.59 452	1.47 465	0.30 200	0.29 235	0.30 188	0.28 217

ssnet_v2	0.68 308	1.96 401	1.25 446	0.29 165	0.20 188	0.30 196	0.20 175	0.29 190	0.22 186	1.50 457	0.20 187	0.31 205	0.20 185	0.27 196	0.22 186	0.24 174	1.49 466	0.26 187	0.18 184	3.90 508	0.19 171

4w-stereo	2.02 473	2.72 450	1.44 465	3.36 495	1.59 485	2.48 497	1.72 493	2.28 481	1.24 467	2.24 487	1.65 492	2.56 499	1.32 463	2.39 491	1.98 514	2.67 505	1.51 467	1.66 475	1.24 464	2.53 494	1.88 512

test_xeample3	1.10 384	1.81 384	0.61 319	0.84 315	0.49 333	0.77 351	0.66 351	0.92 364	1.40 479	0.68 345	0.46 319	0.78 358	0.54 339	1.72 465	1.48 481	1.34 436	1.52 468	1.35 465	1.67 498	1.33 440	1.55 485

2.5w	2.01 472	2.40 433	1.37 460	3.28 489	2.01 511	2.71 508	1.43 484	1.82 463	1.83 503	1.90 469	1.41 480	2.71 506	1.35 465	2.71 506	1.85 504	2.66 503	1.53 469	1.64 474	1.23 463	2.53 494	1.87 509

3.25w_new	2.03 475	2.72 450	1.35 450	3.33 494	1.57 483	2.72 509	1.53 486	2.15 479	1.33 471	2.15 485	1.60 488	2.63 503	1.30 461	2.72 508	1.99 515	2.67 505	1.53 469	1.75 477	1.25 466	2.53 494	1.87 509

MM-Stereo_test1	1.80 456	3.41 471	1.52 472	2.12 452	1.41 479	2.04 480	1.41 480	2.05 473	1.46 482	2.04 479	1.41 480	2.05 480	1.42 471	2.05 478	1.43 480	2.04 472	1.54 471	1.94 487	1.38 475	1.99 465	1.33 474

NINENet	0.69 311	3.87 485	1.20 395	1.98 449	0.05 99	0.40 240	0.04 81	0.40 234	0.05 97	0.41 248	0.04 88	0.41 256	0.05 94	0.40 241	0.05 88	1.79 458	1.56 472	0.34 222	0.22 189	0.34 205	0.23 179

monsters	2.18 485	2.41 434	1.96 505	3.47 499	2.03 515	2.53 502	1.64 489	2.48 494	1.73 495	2.40 495	1.50 483	2.62 502	1.94 498	2.59 500	1.94 511	2.44 495	1.57 473	2.28 497	1.87 510	2.42 481	1.86 507

3.5w_stereo	2.03 475	2.72 450	1.35 450	3.41 496	1.57 483	2.72 509	1.49 485	2.01 471	1.34 472	2.15 485	1.61 490	2.63 503	1.36 466	2.72 508	1.99 515	2.66 503	1.58 474	1.68 476	1.24 464	2.53 494	1.87 509

LG-G_1	2.22 492	2.71 448	1.89 500	2.77 474	1.87 506	2.75 513	1.87 502	2.76 509	1.87 509	2.75 511	1.87 500	2.76 513	1.87 491	2.75 512	1.86 505	2.47 497	1.58 474	2.45 507	1.57 485	2.45 483	1.57 487

LG-G	2.22 492	2.71 448	1.89 500	2.77 474	1.87 506	2.75 513	1.87 502	2.76 509	1.87 509	2.75 511	1.87 500	2.76 513	1.87 491	2.75 512	1.86 505	2.47 497	1.58 474	2.45 507	1.57 485	2.45 483	1.57 487

LGtest1	2.22 492	2.70 446	1.89 500	2.76 473	1.86 503	2.75 513	1.86 500	2.75 508	1.86 505	2.75 511	1.86 499	2.77 515	1.87 491	2.75 512	1.86 505	2.46 496	1.58 474	2.45 507	1.56 484	2.45 483	1.56 486

DPSMNet_ROB	1.60 449	1.59 374	1.70 478	1.59 431	1.59 485	1.61 465	1.61 487	1.60 454	1.60 484	1.62 464	1.59 487	1.60 463	1.60 474	1.60 460	1.59 484	1.59 452	1.60 478	1.59 473	1.59 490	1.59 449	1.59 490

CRFU-Net	0.65 301	1.67 376	1.22 442	1.96 447	0.27 218	0.41 256	0.27 211	0.41 249	0.27 217	0.40 234	0.26 214	0.41 256	0.27 219	0.40 241	0.27 208	1.80 459	1.62 479	0.34 222	0.23 194	0.33 201	0.23 179

MFMNet_re	1.81 457	1.91 394	1.71 480	1.95 446	1.70 495	1.95 476	1.70 492	1.96 467	1.74 497	1.97 472	1.72 495	1.95 472	1.71 481	1.97 476	1.71 492	1.86 460	1.62 479	1.85 479	1.66 497	1.86 461	1.64 496

Anonymous3	2.55 509	3.26 469	1.65 476	3.28 489	1.63 488	3.24 520	1.68 490	3.27 518	1.66 485	3.28 519	1.67 493	3.25 519	1.66 477	3.27 518	1.64 486	3.26 513	1.65 481	3.30 518	1.65 496	4.95 535	1.65 498

monsterstereo	2.20 491	2.33 424	1.95 504	3.65 506	2.07 516	2.49 498	1.61 487	2.48 494	1.83 503	2.45 496	1.61 490	2.67 505	1.86 490	2.64 502	1.94 511	2.48 499	1.66 482	2.34 501	1.68 500	2.40 480	1.86 507

RAFT_CTSACE	1.92 459	3.71 478	1.72 481	1.88 442	1.72 496	2.04 480	1.42 482	2.18 480	1.89 511	2.02 477	1.97 511	1.95 472	2.06 507	1.93 474	1.62 485	1.76 457	1.66 482	2.02 489	1.73 506	1.73 456	1.43 483

UDGNet	2.23 495	5.40 511	1.72 481	2.48 468	1.69 492	2.51 501	1.69 491	2.51 497	1.72 494	2.50 499	1.69 494	2.52 494	1.69 480	2.50 496	1.68 490	2.41 494	1.70 484	2.42 506	1.69 502	2.42 481	1.64 496

TRStereo	2.00 465	2.13 408	1.85 495	2.27 459	1.84 500	2.28 488	1.84 496	2.29 483	1.86 505	2.30 489	1.87 500	2.30 483	1.87 491	2.08 479	1.72 494	2.08 473	1.72 485	2.08 491	1.72 503	2.08 466	1.72 500

XX-Stereo	2.00 465	2.13 408	1.85 495	2.27 459	1.84 500	2.28 488	1.84 496	2.29 483	1.86 505	2.30 489	1.87 500	2.30 483	1.87 491	2.08 479	1.72 494	2.08 473	1.72 485	2.08 491	1.72 503	2.08 466	1.72 500

EAI-Stereo	2.00 465	2.13 408	1.85 495	2.27 459	1.84 500	2.28 488	1.84 496	2.29 483	1.86 505	2.30 489	1.87 500	2.30 483	1.87 491	2.08 479	1.72 494	2.08 473	1.72 485	2.08 491	1.72 503	2.08 466	1.72 500

U	5.15 553	8.49 533	1.81 484	8.49 550	1.77 497	8.49 561	1.77 494	8.51 561	1.77 498	8.49 561	1.77 496	8.50 561	1.78 488	8.58 561	1.77 500	8.54 559	1.78 488	8.55 561	1.78 507	8.55 555	1.84 505

MIF-Stereo (partial)	2.58 510	3.31 470	0.66 328	3.18 486	0.66 367	3.18 519	0.66 351	3.21 517	0.67 356	3.19 518	0.66 363	3.19 518	0.66 352	3.31 520	0.68 357	5.09 541	1.79 489	8.23 560	1.67 498	6.18 544	1.38 480

test-3	0.98 370	4.13 489	1.85 495	1.85 441	0.61 357	0.69 345	0.37 274	0.63 330	0.61 347	0.66 342	0.51 342	0.73 353	0.44 307	0.57 327	0.54 338	1.68 456	1.81 490	0.40 268	0.43 318	0.66 317	0.50 321

asda	2.17 484	2.54 437	1.81 484	3.47 499	1.78 498	2.50 500	1.86 500	2.61 500	1.68 486	2.61 502	1.83 497	2.37 490	1.73 483	2.44 495	1.88 509	2.51 500	1.84 491	2.34 501	1.62 494	2.23 471	1.77 504

FBW_ROB	2.12 483	2.46 436	1.77 483	2.49 469	1.79 499	2.38 492	1.83 495	2.46 493	1.78 499	2.48 498	1.97 511	2.40 491	1.78 488	2.42 494	1.83 502	2.31 488	1.85 492	2.38 504	1.82 508	2.35 478	1.84 505

qwe	2.18 485	2.60 440	1.58 473	3.83 511	1.90 508	2.53 502	1.90 505	2.48 494	1.73 495	2.37 494	1.92 507	2.53 495	1.68 478	2.56 498	1.83 502	2.52 502	1.87 493	2.07 490	1.68 500	2.32 477	1.71 499

asd	2.18 485	2.77 456	1.58 473	3.59 504	2.00 510	2.58 506	1.85 499	2.39 491	1.71 490	2.47 497	1.97 511	2.59 501	1.61 475	2.56 498	1.79 501	2.51 500	1.99 494	2.11 494	1.62 494	2.36 479	1.60 491

4.25w-stereo	1.98 460	2.72 450	1.46 467	3.47 499	1.43 480	2.07 482	1.98 507	2.53 498	1.52 483	2.71 504	1.98 517	1.81 468	1.62 476	1.96 475	1.36 475	1.88 464	2.00 495	2.53 512	1.61 492	1.74 457	1.15 410

2w_stereo	1.99 461	2.36 431	1.81 484	3.24 487	1.67 490	1.94 473	1.98 507	2.72 501	1.68 486	2.72 505	1.94 508	1.98 475	1.74 485	1.79 469	1.27 467	1.95 467	2.00 495	2.53 512	1.60 491	1.68 454	1.15 410

4.25_new	2.00 465	2.33 424	1.82 489	3.32 492	1.69 492	1.95 476	1.99 510	2.72 501	1.71 490	2.72 505	1.97 511	2.01 477	1.74 485	1.77 467	1.28 468	2.18 476	2.01 497	2.48 510	1.58 488	1.65 451	1.17 414

4.5w_new	2.00 465	2.33 424	1.82 489	3.32 492	1.69 492	1.95 476	1.99 510	2.72 501	1.71 490	2.72 505	1.97 511	2.01 477	1.74 485	1.77 467	1.28 468	2.18 476	2.01 497	2.48 510	1.58 488	1.65 451	1.17 414

2.75w_new	1.99 461	2.34 428	1.81 484	3.14 483	1.62 487	1.94 473	1.99 510	2.72 501	1.71 490	2.72 505	1.99 520	1.90 470	1.73 483	1.82 471	1.29 470	2.37 491	2.01 497	2.31 499	1.42 479	1.77 459	1.22 465

3.75w	1.99 461	2.31 422	1.83 492	3.16 485	1.65 489	1.93 472	1.98 507	2.72 501	1.68 486	2.73 510	1.97 511	2.00 476	1.72 482	1.81 470	1.25 466	2.27 484	2.01 497	2.38 504	1.42 479	1.71 455	1.24 468

4.5w-stereo	1.99 461	2.33 424	1.81 484	3.28 489	1.68 491	1.94 473	1.99 510	2.72 501	1.70 489	2.72 505	1.99 520	1.97 474	1.68 478	1.76 466	1.29 470	1.91 466	2.02 501	2.53 512	1.61 492	1.75 458	1.16 413

HUF	2.18 485	2.30 421	1.99 509	2.34 464	2.02 514	2.41 494	2.06 514	2.38 490	1.89 511	2.36 493	1.85 498	2.56 499	1.98 501	2.31 489	1.97 513	2.30 487	2.03 502	2.30 498	2.11 517	2.23 471	2.16 514

AIO_rvc	2.18 485	2.34 428	1.87 499	2.32 463	1.94 509	2.40 493	1.89 504	2.37 489	2.07 520	2.52 500	1.95 510	2.44 493	1.99 503	2.41 492	1.89 510	2.32 489	2.09 503	2.24 495	2.18 518	2.21 470	2.23 516

AIO_test	2.18 485	2.09 406	2.04 510	2.42 466	2.01 511	2.47 496	1.94 506	2.34 488	2.03 519	2.56 501	1.94 508	2.43 492	1.94 498	2.41 492	1.87 508	2.39 493	2.10 504	2.35 503	1.91 516	2.25 473	2.19 515

DEFOM-Stereo_RVC	0.83 344	5.18 503	1.98 506	2.19 454	0.17 175	0.19 154	0.18 168	0.19 151	0.16 166	0.20 155	0.19 183	0.22 169	0.22 190	0.20 156	0.15 158	2.28 485	2.13 505	0.24 183	0.17 180	0.18 152	0.16 153

error version	0.93 364	4.47 494	2.35 514	1.99 450	0.37 281	0.41 256	0.36 269	0.41 249	0.35 265	0.43 266	0.36 275	0.41 256	0.40 285	0.41 255	0.36 269	1.87 461	2.16 506	0.47 307	0.37 286	0.39 245	0.33 250

test_1	0.93 364	4.47 494	2.35 514	1.99 450	0.37 281	0.41 256	0.36 269	0.41 249	0.35 265	0.43 266	0.36 275	0.41 256	0.40 285	0.41 255	0.36 269	1.87 461	2.16 506	0.47 307	0.37 286	0.39 245	0.33 250

STTStereo	3.73 523	30.40 570	2.37 516	2.39 465	2.31 526	2.35 491	2.33 519	2.29 483	2.42 522	2.32 492	2.34 524	2.33 486	2.36 512	2.30 488	2.27 521	2.35 490	2.22 508	2.31 499	2.22 519	2.29 476	2.34 521

NCCL2	2.28 497	2.27 419	2.28 512	2.28 462	2.28 524	2.27 486	2.29 518	2.28 481	2.28 521	2.27 488	2.28 523	2.28 482	2.27 511	2.27 486	2.28 522	2.28 485	2.28 509	2.27 496	2.29 522	2.27 474	2.29 517

iRaftStereo_RVC	0.97 368	3.17 467	2.30 513	2.42 466	0.38 288	0.54 326	0.38 280	0.54 313	0.38 280	0.54 321	0.38 286	0.54 324	0.38 278	0.54 319	0.38 280	2.38 492	2.34 510	0.49 320	0.36 284	0.49 291	0.36 264

PDISCO_ROB	0.83 344	2.80 459	3.49 534	0.14 96	0.11 133	0.17 147	0.09 110	0.15 137	0.10 115	0.15 130	0.12 141	0.16 136	0.14 155	3.30 519	0.13 144	0.14 114	2.34 510	0.16 142	0.12 146	2.62 500	0.10 113

NLCA_NET_v2_RVC	5.04 551	50.87 580	2.78 518	2.87 478	2.71 527	2.78 516	0.47 317	2.88 514	2.86 526	1.89 468	2.67 525	2.79 516	2.79 516	2.78 515	2.83 523	2.82 509	2.82 512	2.83 516	2.77 525	2.83 502	2.76 525
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HCRNet	1.22 437	7.11 523	3.00 519	3.55 503	0.33 259	0.29 195	0.14 149	0.19 151	0.15 164	0.33 207	0.29 229	0.25 182	0.14 155	0.22 170	0.33 249	3.64 516	3.00 513	0.76 359	0.32 259	0.18 152	0.13 147

rvit_0105_6	3.87 528	5.73 518	3.10 530	4.69 525	3.12 539	4.54 534	3.02 527	4.56 533	3.04 527	4.54 534	3.03 528	4.54 532	3.04 520	4.56 533	3.05 526	4.58 528	3.05 514	4.58 533	3.05 529	4.58 520	3.05 528

rvit_105_1	3.83 524	5.22 504	3.01 520	4.53 515	3.01 529	4.51 532	3.01 526	4.56 533	3.04 527	4.53 532	3.03 528	4.55 534	3.03 517	4.56 533	3.04 524	4.57 525	3.05 514	4.57 531	3.05 529	4.57 519	3.05 528

rvit_stereo_0081	3.83 524	5.23 505	3.01 520	4.53 515	3.03 531	4.55 538	3.02 527	4.56 533	3.04 527	4.52 530	3.02 526	4.54 532	3.03 517	4.56 533	3.04 524	4.57 525	3.05 514	4.57 531	3.05 529	4.58 520	3.05 528

rvit_stereo_0082	3.86 526	5.82 519	3.01 520	4.53 515	3.03 531	4.54 534	3.02 527	4.56 533	3.04 527	4.53 532	3.02 526	4.55 534	3.04 520	4.57 536	3.05 526	4.57 525	3.05 514	4.58 533	3.05 529	4.58 520	3.06 531

rvit_stereo_0081_aga	3.86 526	5.33 508	3.02 523	4.55 521	3.04 535	4.54 534	3.02 527	4.64 540	3.06 531	4.54 534	3.04 530	4.62 541	3.08 524	4.62 539	3.07 529	4.58 528	3.06 518	4.60 535	3.08 533	4.63 523	3.07 532

rvit_stereo_0080	3.89 529	5.70 516	3.04 525	4.54 518	3.03 531	4.56 539	3.05 533	4.60 537	3.07 532	4.58 537	3.06 531	4.59 536	3.06 522	4.61 537	3.08 530	4.63 530	3.09 519	4.64 537	3.10 534	4.65 524	3.10 533

whm_eth	3.89 529	5.70 516	3.04 525	4.54 518	3.03 531	4.56 539	3.05 533	4.60 537	3.07 532	4.58 537	3.06 531	4.59 536	3.06 522	4.61 537	3.08 530	4.63 530	3.09 519	4.64 537	3.10 534	4.65 524	3.10 533

rvit_0105_4	3.91 531	5.47 515	3.02 523	4.54 518	3.02 530	4.54 534	3.03 531	4.75 543	3.17 538	4.57 536	3.06 531	4.61 540	3.16 528	4.65 540	3.09 532	4.66 532	3.11 521	4.68 540	3.18 539	4.81 530	3.16 538

rvit_0105_3	3.91 531	5.33 508	3.06 528	4.60 523	3.07 537	4.60 541	3.06 535	4.62 539	3.08 535	4.60 539	3.07 534	4.62 541	3.08 524	4.67 541	3.10 533	4.70 533	3.11 521	4.77 544	3.19 540	4.77 529	3.14 537

rvit_stereo_ft	3.93 534	5.44 513	3.05 527	4.59 522	3.06 536	4.61 542	3.08 536	4.67 542	3.12 537	4.63 541	3.10 536	4.65 543	3.11 526	4.69 543	3.13 534	4.70 533	3.14 523	4.71 542	3.15 538	4.74 527	3.16 538

rvit_stereo_0083	3.92 533	5.30 507	3.06 528	4.61 524	3.09 538	4.67 543	3.08 536	4.66 541	3.09 536	4.62 540	3.10 536	4.66 544	3.11 526	4.67 541	3.16 535	4.72 535	3.16 524	4.77 544	3.11 536	4.66 526	3.11 535

FC-DCNN v2	5.10 552	5.15 502	4.49 542	5.07 531	3.37 542	6.87 556	4.75 554	5.04 549	6.34 558	7.84 559	5.06 555	6.72 559	4.09 543	4.99 548	5.44 555	5.03 539	3.16 524	4.67 539	4.86 555	5.15 538	3.89 549

MLG-Stereo_test1	4.25 536	5.34 510	3.61 536	5.31 532	3.63 546	5.23 550	3.57 543	5.38 551	3.65 541	5.23 548	3.47 540	4.76 545	3.74 536	4.85 544	3.71 541	4.96 537	3.18 526	4.71 542	2.92 526	4.86 533	2.90 526

MLG-Stereo_test3	4.26 537	4.85 498	3.95 540	5.35 533	3.60 545	4.75 547	3.76 546	5.49 552	3.71 543	5.39 549	3.69 544	4.82 547	3.66 533	4.85 544	3.73 544	4.93 536	3.19 527	4.69 541	2.99 528	4.84 532	2.98 527

MLG-Stereo_test2	4.28 538	5.46 514	3.69 538	4.86 528	3.72 548	5.58 553	3.42 541	4.81 545	3.77 547	4.85 544	3.72 545	5.55 553	3.63 532	5.58 551	3.53 539	4.41 522	3.28 528	4.99 548	2.95 527	4.75 528	3.13 536

rvit_0105_5	4.10 535	5.40 511	3.13 533	4.71 526	3.15 540	4.72 546	3.10 538	4.90 548	3.27 539	4.69 542	3.16 538	4.84 548	3.25 529	4.96 547	3.34 537	5.05 540	3.39 529	5.10 549	3.40 541	5.11 537	3.42 541

DPSNet	3.66 522	3.60 474	3.62 537	3.63 505	3.64 547	3.65 524	3.65 545	3.66 523	3.67 542	3.67 522	3.65 543	3.67 523	3.66 533	3.66 522	3.68 540	3.68 517	3.66 530	3.67 523	3.68 546	3.67 505	3.67 544

DispFullNet	4.61 544	4.84 497	3.12 531	5.00 530	3.57 544	4.75 547	3.03 531	7.75 559	4.17 551	4.91 546	3.09 535	6.20 555	3.95 540	6.71 555	3.51 538	5.30 543	3.67 531	5.86 556	3.63 543	5.61 541	3.46 542

AEACV	1.12 387	0.52 200	3.12 531	3.24 487	0.86 390	0.53 323	0.49 328	0.60 326	0.47 317	0.53 318	0.49 334	0.55 328	0.45 309	0.55 322	0.47 319	3.01 511	3.88 532	0.71 353	0.60 354	0.80 340	0.48 313

SGM-Forest	5.21 554	5.92 520	4.08 541	6.18 539	4.16 553	6.31 555	4.34 553	6.50 554	4.33 552	6.14 555	4.21 551	6.61 558	4.55 546	6.67 554	4.48 551	5.94 547	3.94 533	5.85 555	4.03 552	5.79 543	4.17 552
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Occ-G	1.12 387	0.52 200	3.72 539	3.50 502	0.50 337	0.56 328	0.47 317	0.54 313	0.46 312	0.54 321	0.41 300	0.54 324	0.42 302	0.52 315	0.42 305	3.42 515	4.02 534	0.52 332	0.45 320	0.51 302	0.44 301

BUS	0.83 344	1.91 394	0.92 368	4.48 512	0.02 21	0.40 240	0.04 81	0.41 249	0.02 21	0.48 288	0.03 52	0.41 256	0.05 94	0.03 39	0.05 88	1.97 468	4.19 535	0.33 215	0.23 194	0.34 205	0.27 204

BSDual-CNN	0.81 337	1.91 394	0.92 368	4.48 512	0.02 21	0.42 274	0.06 105	0.41 249	0.02 21	0.48 288	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 468	4.19 535	0.33 215	0.23 194	0.34 205	0.27 204

hknet	1.10 384	1.85 387	3.49 534	4.48 512	0.02 21	0.42 274	0.06 105	0.41 249	0.02 21	0.48 288	0.03 52	0.41 256	0.03 52	0.42 268	0.03 48	4.39 521	4.19 535	0.33 215	0.23 194	0.34 205	0.27 204

AANet_RVC	1.26 439	0.31 130	4.99 545	5.93 537	0.20 188	0.25 182	0.20 175	0.25 179	0.20 181	0.23 170	0.19 183	0.25 182	0.20 185	0.25 183	0.20 182	5.66 545	4.76 538	0.26 187	0.30 245	0.24 174	0.27 204

TestStereo	4.88 548	4.75 496	4.79 543	4.87 529	4.92 556	4.81 549	4.90 555	4.78 544	4.77 554	4.87 545	4.89 554	4.90 549	4.91 547	4.99 548	4.79 552	4.98 538	4.87 539	4.87 547	4.92 556	5.00 536	5.00 554

SGM+DAISY	7.06 558	9.15 537	5.38 548	8.84 552	5.18 557	8.80 562	5.31 557	8.79 562	5.28 556	8.89 562	5.20 556	8.93 562	5.33 549	8.95 562	5.36 554	8.70 560	5.21 540	8.74 562	5.20 557	8.89 556	5.15 555

rvit_stereo_0075_2	6.64 556	8.80 535	5.25 546	7.89 547	5.27 558	7.90 560	5.27 556	7.92 560	5.28 556	7.91 560	5.29 557	7.93 560	5.27 548	7.92 560	5.28 553	7.93 556	5.28 541	7.93 559	5.29 558	7.93 552	5.28 556

test_5	4.62 545	7.55 526	6.23 550	6.32 540	3.40 543	5.29 551	3.50 542	3.53 522	4.11 550	4.28 527	4.47 553	4.26 530	4.38 545	3.68 523	3.24 536	5.89 546	5.60 542	4.84 546	3.50 542	4.33 514	3.93 551

Sa-1000	4.34 541	8.37 530	6.84 554	6.98 545	4.45 555	3.58 522	3.00 525	3.42 521	3.39 540	2.61 502	4.00 549	3.83 525	4.01 542	3.90 525	3.90 545	5.98 548	5.62 543	3.76 525	2.34 523	4.35 515	2.47 524

RAFT	6.73 557	9.36 539	7.40 557	8.51 551	6.55 560	6.88 557	6.60 559	6.79 555	6.60 559	6.80 556	6.72 561	5.31 552	5.50 550	6.61 553	6.61 559	8.42 558	5.89 544	5.73 553	5.45 560	6.61 545	6.24 558

RAFT+CT+SA	4.28 538	7.62 527	4.91 544	5.55 535	2.28 524	3.09 517	3.64 544	4.49 531	3.07 532	4.80 543	3.35 539	4.77 546	3.70 535	4.29 530	3.05 526	5.58 544	5.98 545	3.58 522	3.78 548	4.26 513	3.72 545

raft_robust	4.71 546	7.75 528	5.40 549	6.81 542	3.31 541	4.28 531	4.20 552	4.32 530	4.37 553	4.35 529	4.35 552	4.14 528	3.75 537	4.30 531	4.20 550	6.67 551	6.37 546	3.36 520	4.24 554	4.86 533	3.25 540

cross-raft	4.83 547	7.52 525	6.43 551	6.63 541	3.96 551	4.51 532	3.99 550	4.49 531	3.96 549	4.52 530	3.96 548	4.50 531	3.97 541	4.50 532	3.97 546	6.65 550	6.44 547	4.33 528	3.92 550	4.35 515	3.91 550

TestStereo1	4.60 542	8.41 531	6.44 552	6.86 543	3.79 549	3.97 527	3.78 547	3.99 527	3.74 544	3.97 524	3.52 541	3.94 526	3.58 530	3.98 526	3.72 542	6.82 552	6.50 548	3.76 525	3.66 544	3.90 508	3.74 547

SA-5K	4.60 542	8.41 531	6.44 552	6.86 543	3.79 549	3.97 527	3.78 547	3.99 527	3.74 544	3.97 524	3.52 541	3.94 526	3.58 530	3.98 526	3.72 542	6.82 552	6.50 548	3.76 525	3.66 544	3.90 508	3.74 547

SA	4.33 540	7.35 524	6.85 555	5.96 538	4.09 552	3.59 523	3.15 539	3.82 525	2.64 523	3.91 523	3.85 546	3.57 521	2.72 515	3.13 517	4.03 547	7.09 555	6.86 550	3.57 521	3.12 537	3.85 507	3.51 543

test_4	4.88 548	8.13 529	6.98 556	7.46 546	4.44 554	4.25 530	3.85 549	4.04 529	3.92 548	4.13 526	3.91 547	4.18 529	3.84 538	4.14 528	4.06 548	7.01 554	7.13 551	4.53 529	3.72 547	4.09 511	3.72 545

test-1	6.46 555	9.16 538	8.03 561	8.09 548	5.62 559	6.11 554	6.35 558	6.85 556	4.94 555	6.08 554	6.29 560	4.98 550	6.43 552	6.22 552	6.36 558	6.16 549	7.47 552	5.82 554	5.44 559	7.11 549	5.68 557

test_3	5.01 550	8.86 536	7.77 558	8.09 548	2.76 528	4.13 529	4.05 551	3.88 526	3.76 546	4.33 528	4.13 550	3.71 524	3.91 539	4.21 529	4.06 548	7.93 556	7.69 553	4.53 529	3.91 549	4.17 512	4.29 553

test-v	7.53 559	11.89 547	7.98 559	9.36 554	7.14 561	7.06 558	7.09 560	7.37 557	6.91 560	7.29 557	5.71 558	6.45 556	6.93 553	6.73 556	7.27 560	8.93 561	7.85 554	6.98 557	6.80 561	7.56 550	7.34 560

test-2	7.53 559	11.89 547	7.98 559	9.36 554	7.14 561	7.06 558	7.09 560	7.37 557	6.91 560	7.29 557	5.71 558	6.45 556	6.93 553	6.73 556	7.27 560	8.93 561	7.85 554	6.98 557	6.80 561	7.56 550	7.34 560

PCWNet_CMD	2.80 517	9.82 542	0.32 208	10.09 560	0.32 248	0.49 302	0.33 247	3.34 519	0.33 253	0.49 295	0.33 255	0.49 299	8.73 557	0.48 292	0.33 249	0.41 254	9.22 556	0.42 292	0.29 235	9.55 559	0.31 239

MSMDNet	2.65 511	10.14 545	0.33 213	9.74 556	0.32 248	0.87 362	0.33 247	2.95 515	0.68 357	0.49 295	0.34 263	0.49 299	5.70 551	0.49 298	0.33 249	0.42 268	9.57 557	0.41 281	0.31 254	8.36 554	0.65 351

pcwnet_v2	2.66 512	9.89 543	0.33 213	9.89 557	0.32 248	0.50 310	0.32 238	0.49 289	0.33 253	0.49 295	0.34 263	0.49 299	8.76 558	0.48 292	0.33 249	0.41 254	9.58 558	0.40 268	0.29 235	9.01 557	0.63 349

CFNet_pseudo	2.67 513	9.36 539	0.32 208	10.99 562	0.33 259	0.85 360	0.33 247	0.49 289	0.33 253	0.49 295	0.32 249	0.49 299	7.26 555	0.49 298	0.33 249	0.41 254	9.62 559	0.41 281	0.29 235	10.03 561	0.29 222

ccs_rob	2.79 516	10.17 546	0.32 208	10.00 559	0.33 259	0.49 302	0.33 247	1.90 466	0.32 247	0.51 312	0.33 255	0.49 299	9.24 560	0.49 298	0.33 249	0.41 254	9.82 560	0.41 281	0.28 225	9.34 558	0.29 222

UCFNet_RVC	2.75 515	10.06 544	0.29 192	10.31 561	0.29 230	0.42 274	0.29 226	0.43 269	0.29 225	0.42 260	0.29 229	0.42 272	9.87 561	0.43 270	0.29 227	0.36 221	9.84 561	0.36 243	0.26 213	9.77 560	0.26 196

CFNet_ucs	2.73 514	9.64 541	0.33 213	9.92 558	0.32 248	0.49 302	0.33 247	0.49 289	0.33 253	0.49 295	0.33 255	0.49 299	8.98 559	0.48 292	0.33 249	0.41 254	9.96 562	0.40 268	0.29 235	10.12 562	0.54 332

MANE	19.05 562	23.00 555	15.00 562	23.00 569	15.00 563	24.00 569	16.00 562	24.00 569	16.00 562	22.00 569	15.00 562	23.00 569	16.00 562	23.00 569	15.00 562	22.00 569	15.00 563	22.00 569	15.00 563	22.00 569	15.00 562

rafts_anoy	20.00 563	20.00 549	20.00 563	20.00 563	20.00 564	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 564	20.00 563	20.00 564	20.00 563	20.00 563

raft+_RVC	20.00 563	20.00 549	20.00 563	20.00 563	20.00 564	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 564	20.00 563	20.00 564	20.00 563	20.00 563

raftrobust	20.00 563	20.00 549	20.00 563	20.00 563	20.00 564	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 564	20.00 563	20.00 564	20.00 563	20.00 563

CasAABBNet	20.00 563	20.00 549	20.00 563	20.00 563	20.00 564	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 564	20.00 563	20.00 564	20.00 563	20.00 563

RALCasStereoNet	20.00 563	20.00 549	20.00 563	20.00 563	20.00 564	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 564	20.00 563	20.00 564	20.00 563	20.00 563

RALAANet	20.00 563	20.00 549	20.00 563	20.00 563	20.00 564	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 563	20.00 564	20.00 563	20.00 564	20.00 563	20.00 563

WCMA_ROB	31.10 570	35.43 575	27.12 569	39.51 581	23.10 570	38.78 581	25.30 569	37.49 581	25.39 569	37.29 580	27.02 569	38.52 581	26.48 569	37.80 580	26.44 569	36.28 577	22.65 570	33.90 574	22.30 570	37.10 578	24.18 569

111	30.40 569	30.94 571	29.72 570	32.61 570	30.02 571	33.57 570	30.47 570	31.50 570	29.39 570	30.98 570	29.11 570	29.78 570	30.39 573	29.45 570	30.76 573	30.08 570	29.02 571	29.92 570	30.32 574	29.86 570	30.17 570

fff	1000028.16 589	29.62 567	29.72 570	32.61 570	30.02 571	35.13 572	31.83 571	32.07 571	10000000.00 589	35.27 573	29.82 571	32.45 571	30.15 570	32.35 571	30.09 570	31.04 571	29.55 572	30.64 571	30.14 571	10000000.00 590	30.77 571

csc	1000028.16 589	29.62 567	29.72 570	32.61 570	30.02 571	35.13 572	31.83 571	32.07 571	10000000.00 589	35.27 573	29.82 571	32.45 571	30.15 570	32.35 571	30.09 570	31.04 571	29.55 572	30.64 571	30.14 571	10000000.00 590	30.77 571

cscssc	1000028.16 589	29.62 567	29.72 570	32.61 570	30.02 571	35.13 572	31.83 571	32.07 571	10000000.00 589	35.27 573	29.82 571	32.45 571	30.15 570	32.35 571	30.09 570	31.04 571	29.55 572	30.64 571	30.14 571	10000000.00 590	30.77 571

DCANet-4	35.22 571	34.54 572	35.08 576	33.58 574	35.47 578	34.55 571	35.53 577	36.08 576	35.85 574	35.92 576	35.77 576	35.18 576	35.48 575	35.39 576	37.15 579	34.55 576	33.92 575	35.02 577	34.90 576	35.79 574	34.74 577

tt	500032.53 587	34.60 573	29.72 570	37.47 579	34.41 576	36.85 576	35.22 575	34.71 574	33.55 572	34.50 571	35.43 574	33.81 574	10000000.00 590	33.57 574	33.13 574	33.68 574	35.00 576	34.03 575	35.26 577	30.96 571	34.63 575

DCANet	500032.53 587	34.60 573	29.72 570	37.47 579	34.41 576	36.85 576	35.22 575	34.71 574	33.55 572	34.50 571	35.43 574	33.81 574	10000000.00 590	33.57 574	33.13 574	33.68 574	35.00 576	34.03 575	35.26 577	30.96 571	34.63 575

ADStereo(finetuned)	36.13 572	36.63 576	38.07 580	36.97 575	33.25 575	35.91 575	34.45 574	36.36 577	32.99 571	38.14 581	36.71 577	36.69 577	34.13 574	38.57 581	40.79 580	37.60 581	36.58 578	35.90 578	33.36 575	35.42 573	34.04 574

Reg-Stereo(zero)	37.00 573	37.00 577	37.00 577	37.00 576	37.00 579	37.00 578	37.00 578	37.00 578	37.00 575	37.00 577	37.00 578	37.00 578	37.00 576	37.00 577	37.00 576	37.00 578	37.00 579	37.00 579	37.00 579	37.00 575	37.00 578

HI	37.00 573	37.00 577	37.00 577	37.00 576	37.00 579	37.00 578	37.00 578	37.00 578	37.00 575	37.00 577	37.00 578	37.00 578	37.00 576	37.00 577	37.00 576	37.00 578	37.00 579	37.00 579	37.00 579	37.00 575	37.00 578

CoSv	37.00 573	37.00 577	37.00 577	37.00 576	37.00 579	37.00 578	37.00 578	37.00 578	37.00 575	37.00 577	37.00 578	37.00 578	37.00 576	37.00 577	37.00 576	37.00 578	37.00 579	37.00 579	37.00 579	37.00 575	37.00 578

NOSS_ROB	102.95 577	153.00 585	121.00 584	51.00 582	44.00 582	165.00 585	127.00 583	153.00 584	119.00 580	164.00 585	125.00 583	168.00 585	120.00 581	153.00 584	117.00 583	49.00 582	44.00 582	49.00 582	44.00 582	49.00 579	44.00 581

CBMV	128.50 578	1422.70 592	53.10 582	79.50 583	51.30 583	77.30 583	49.70 581	74.00 582	48.20 579	77.20 583	48.80 582	73.90 583	48.00 580	73.80 583	48.80 582	70.40 583	45.10 583	68.90 583	46.10 583	68.20 580	45.00 582
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 576	87.70 581	41.95 581	113.75 584	65.62 584	75.05 582	55.25 582	75.64 583	45.04 578	71.61 582	41.75 581	72.81 582	44.06 579	68.38 582	44.63 581	101.89 584	59.57 584	107.10 584	61.05 584	104.38 581	59.38 583

MeshStereo	159.24 579	171.00 586	160.68 587	162.58 585	160.59 585	164.01 584	160.35 584	158.51 585	158.56 581	158.34 584	160.12 584	158.56 584	159.92 582	157.26 585	158.94 584	154.38 585	158.36 585	155.75 585	159.13 586	153.67 582	154.07 584
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	201.80 580	123.00 582	115.00 583	219.00 586	218.00 587	223.00 586	244.00 586	217.00 586	236.00 583	202.00 586	203.00 585	205.00 586	208.00 583	225.00 586	204.00 585	210.00 586	198.00 586	197.00 586	184.00 587	204.00 583	201.00 585

DLCB_ROB	284.23 583	354.61 588	207.27 588	363.24 589	206.46 586	364.72 589	210.41 585	364.72 589	210.41 582	364.81 589	208.64 586	364.81 589	208.64 584	364.72 589	210.41 586	354.70 589	205.53 587	354.70 589	205.53 588	354.70 586	205.53 586

MGS-Stereo	239.45 581	123.00 582	135.00 585	266.00 587	286.00 588	277.00 587	305.00 587	271.00 587	242.00 584	274.00 587	279.00 587	255.00 587	270.00 585	268.00 587	297.00 587	221.00 587	247.00 588	216.00 587	123.00 585	217.00 584	217.00 587

EGLCR-Stereo	246.90 582	129.00 584	139.00 586	266.00 587	286.00 588	277.00 587	305.00 587	271.00 587	242.00 584	274.00 587	279.00 587	255.00 587	270.00 585	268.00 587	297.00 587	230.00 588	247.00 588	216.00 587	223.00 589	237.00 585	227.00 588

LE_ROB	396.57 584	471.28 589	329.84 589	471.48 590	308.15 590	526.83 590	322.10 589	488.15 590	323.76 586	495.46 590	317.97 589	497.17 590	320.10 587	481.62 590	326.76 589	462.71 590	298.97 590	466.16 590	285.98 590	447.62 587	289.21 589

SGM-ForestM	596.69 585	677.77 590	444.52 590	699.85 591	517.25 591	732.94 591	488.29 590	770.79 591	460.11 587	750.81 591	487.98 590	792.79 591	499.41 588	730.90 591	475.81 590	720.03 591	491.16 591	663.96 591	418.60 591	674.76 588	436.05 590

CBMV_ROB	818.48 586	913.88 591	709.52 591	862.84 592	597.78 592	1073.99 592	700.52 591	1015.66 592	702.59 588	1115.65 592	760.02 591	1130.24 592	721.57 589	1037.41 592	692.65 591	814.05 592	564.29 592	843.28 592	595.31 592	915.51 589	602.92 591

111111	10000000.00 592	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 589	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 590	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 590	10000000.00 592

SGD-Stereo	10000000.00 592	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 589	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 590	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 590	10000000.00 592

IGEV-Stereo++	10000000.00 592	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 589	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 590	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 590	10000000.00 592

IGEV-BASED-STEREO-	10000000.00 592	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 589	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 590	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 590	10000000.00 592

IGEV-Stereo+	10000000.00 592	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 589	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 590	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 590	10000000.00 592

SDNR	10000000.00 592	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 589	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 590	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 590	10000000.00 592

anonymousdsp2	10000000.00 592	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 589	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 590	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 590	10000000.00 592

anonymousdsp	10000000.00 592	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 589	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 590	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 590	10000000.00 592

test_example2	10000000.00 592	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 589	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 590	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 590	10000000.00 592

DIP-Stereo	10000000.00 592	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 589	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 590	10000000.00 593	10000000.00 592	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 593	10000000.00 590	10000000.00 592
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark