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

LG-Stereo_L1	0.07 4	0.05 20	0.11 154	0.14 32	0.06 14	0.07 30	0.13 109	0.09 11	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 16	0.07 1	0.05 28	0.04 22	0.05 27	0.03 1	0.04 16	0.04 41

GREAT-IGEV	0.07 4	0.06 61	0.08 32	0.13 14	0.07 75	0.07 30	0.14 157	0.09 11	0.09 24	0.06 12	0.07 40	0.06 18	0.05 11	0.10 66	0.07 1	0.05 28	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

SCV_C0	0.08 48	0.07 145	0.07 7	0.16 148	0.09 244	0.08 53	0.15 225	0.11 30	0.12 89	0.08 68	0.07 40	0.06 18	0.05 11	0.11 113	0.07 1	0.05 28	0.05 188	0.05 27	0.04 38	0.06 196	0.05 124

FoundationStereo	0.06 1	0.04 1	0.08 32	0.12 4	0.05 1	0.09 84	0.13 109	0.06 1	0.09 24	0.05 1	0.05 7	0.06 18	0.04 1	0.06 1	0.07 1	0.06 117	0.04 22	0.05 27	0.03 1	0.05 103	0.04 41

GIP-stereo	0.08 48	0.06 61	0.11 154	0.14 32	0.06 14	0.09 84	0.13 109	0.14 80	0.11 63	0.07 35	0.08 76	0.05 1	0.04 1	0.10 66	0.07 1	0.05 28	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

IGEV-BASED-STEREO-	0.09 87	0.10 376	0.31 489	0.15 73	0.06 14	0.08 53	0.14 157	0.10 19	0.10 37	0.07 35	0.07 40	0.06 18	0.04 1	0.11 113	0.07 1	0.12 460	0.04 22	0.07 200	0.05 112	0.05 103	0.05 124

ACVNet-DCA	0.10 148	0.08 242	0.12 189	0.17 222	0.09 244	0.13 252	0.15 225	0.23 300	0.16 192	0.09 98	0.09 94	0.06 18	0.06 36	0.10 66	0.07 1	0.06 117	0.04 22	0.06 107	0.05 112	0.07 263	0.07 285

xx1	0.11 191	0.08 242	0.12 189	0.17 222	0.09 244	0.13 252	0.15 225	0.16 138	0.18 237	0.09 98	0.09 94	0.16 286	0.16 368	0.10 66	0.07 1	0.06 117	0.04 22	0.08 284	0.08 343	0.07 263	0.07 285

cc1	0.10 148	0.08 242	0.12 189	0.17 222	0.09 244	0.13 252	0.15 225	0.16 138	0.18 237	0.09 98	0.09 94	0.06 18	0.06 36	0.10 66	0.07 1	0.06 117	0.04 22	0.06 107	0.05 112	0.06 196	0.06 204

ffm	0.12 257	0.09 318	0.14 270	0.16 148	0.08 132	0.17 361	0.17 324	0.15 111	0.19 252	0.15 273	0.25 371	0.19 334	0.13 299	0.10 66	0.07 1	0.06 117	0.04 22	0.09 365	0.08 343	0.06 196	0.06 204

tt1	0.10 148	0.08 242	0.12 189	0.17 222	0.09 244	0.12 213	0.16 290	0.15 111	0.19 252	0.09 98	0.08 76	0.06 18	0.06 36	0.10 66	0.07 1	0.06 117	0.04 22	0.06 107	0.05 112	0.06 196	0.06 204

GMOStereo	0.11 191	0.09 318	0.07 7	0.19 361	0.08 132	0.12 213	0.28 515	0.13 63	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 41

error version	0.11 191	0.09 318	0.07 7	0.19 361	0.08 132	0.12 213	0.28 515	0.13 63	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 41

test-v	0.11 191	0.09 318	0.07 7	0.19 361	0.08 132	0.12 213	0.28 515	0.13 63	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 41

CroCo-Stereo	0.09 87	0.08 242	0.08 32	0.22 460	0.09 244	0.09 84	0.19 408	0.15 111	0.12 89	0.07 35	0.07 40	0.08 104	0.06 36	0.08 16	0.07 1	0.07 245	0.05 188	0.06 107	0.04 38	0.05 103	0.04 41
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
test-2	0.11 191	0.09 318	0.07 7	0.19 361	0.08 132	0.12 213	0.28 515	0.13 63	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 41

GASTEREO	0.08 48	0.05 20	0.09 74	0.19 361	0.07 75	0.07 30	0.12 68	0.14 80	0.11 63	0.10 131	0.09 94	0.07 66	0.04 1	0.12 195	0.08 17	0.06 117	0.05 188	0.05 27	0.04 38	0.04 16	0.05 124

MSCF	0.08 48	0.05 20	0.08 32	0.19 361	0.08 132	0.06 10	0.12 68	0.14 80	0.11 63	0.10 131	0.09 94	0.07 66	0.04 1	0.11 113	0.08 17	0.06 117	0.05 188	0.05 27	0.04 38	0.05 103	0.05 124

water-stereo	0.09 87	0.06 61	0.08 32	0.16 148	0.07 75	0.09 84	0.13 109	0.15 111	0.13 120	0.11 160	0.12 166	0.08 104	0.09 173	0.07 4	0.08 17	0.06 117	0.05 188	0.05 27	0.05 112	0.04 16	0.04 41

monsters	0.07 4	0.06 61	0.06 3	0.15 73	0.06 14	0.08 53	0.09 19	0.12 47	0.08 13	0.09 98	0.07 40	0.06 18	0.06 36	0.08 16	0.08 17	0.05 28	0.04 22	0.04 1	0.04 38	0.03 1	0.03 1

LG-Stereo_L2	0.07 4	0.05 20	0.10 113	0.14 32	0.06 14	0.07 30	0.12 68	0.09 11	0.09 24	0.06 12	0.04 1	0.05 1	0.05 11	0.08 16	0.08 17	0.05 28	0.04 22	0.05 27	0.03 1	0.04 16	0.03 1

LG-G_1	0.07 4	0.04 1	0.11 154	0.15 73	0.06 14	0.09 84	0.08 8	0.08 4	0.06 4	0.06 12	0.05 7	0.07 66	0.07 112	0.11 113	0.08 17	0.07 245	0.04 22	0.05 27	0.04 38	0.05 103	0.05 124

LG-G	0.07 4	0.04 1	0.11 154	0.15 73	0.06 14	0.09 84	0.08 8	0.08 4	0.06 4	0.06 12	0.05 7	0.07 66	0.07 112	0.11 113	0.08 17	0.07 245	0.04 22	0.05 27	0.04 38	0.05 103	0.05 124

SGD-Stereo	0.08 48	0.05 20	0.10 113	0.14 32	0.05 1	0.12 213	0.12 68	0.11 30	0.12 89	0.07 35	0.09 94	0.09 129	0.09 173	0.08 16	0.08 17	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.03 1

MM-Stereo_test3	0.10 148	0.07 145	0.07 7	0.18 304	0.07 75	0.12 213	0.19 408	0.24 322	0.19 252	0.06 12	0.10 123	0.08 104	0.06 36	0.11 113	0.08 17	0.06 117	0.06 313	0.07 200	0.05 112	0.05 103	0.04 41

HART	0.08 48	0.07 145	0.09 74	0.17 222	0.07 75	0.10 133	0.16 290	0.13 63	0.11 63	0.08 68	0.10 123	0.07 66	0.05 11	0.10 66	0.08 17	0.05 28	0.04 22	0.06 107	0.04 38	0.05 103	0.04 41

Reg-Stereo(zero)	0.08 48	0.05 20	0.08 32	0.16 148	0.06 14	0.12 213	0.11 50	0.15 111	0.10 37	0.12 198	0.09 94	0.10 160	0.08 147	0.11 113	0.08 17	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.05 124

HI	0.11 191	0.06 61	0.11 154	0.13 14	0.09 244	0.09 84	0.14 157	0.21 258	0.10 37	0.19 363	0.17 244	0.14 243	0.09 173	0.16 322	0.08 17	0.05 28	0.04 22	0.07 200	0.08 343	0.07 263	0.06 204

CoSv	0.11 191	0.06 61	0.11 154	0.13 14	0.09 244	0.09 84	0.14 157	0.21 258	0.10 37	0.19 363	0.17 244	0.14 243	0.09 173	0.16 322	0.08 17	0.05 28	0.04 22	0.07 200	0.08 343	0.07 263	0.06 204

SCV	0.08 48	0.09 318	0.08 32	0.15 73	0.08 132	0.10 133	0.13 109	0.10 19	0.12 89	0.07 35	0.07 40	0.06 18	0.04 1	0.09 35	0.08 17	0.05 28	0.04 22	0.06 107	0.04 38	0.06 196	0.04 41

StereoAnything_RVC	0.07 4	0.15 471	0.17 383	0.11 1	0.05 1	0.05 4	0.11 50	0.08 4	0.08 13	0.06 12	0.06 13	0.05 1	0.05 11	0.09 35	0.08 17	0.08 306	0.04 22	0.05 27	0.03 1	0.05 103	0.04 41

AIO_rvc	0.07 4	0.06 61	0.08 32	0.15 73	0.06 14	0.08 53	0.14 157	0.09 11	0.08 13	0.07 35	0.08 76	0.07 66	0.04 1	0.10 66	0.08 17	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

AIO-test2	0.10 148	0.08 242	0.10 113	0.23 481	0.08 132	0.11 178	0.10 30	0.23 300	0.23 314	0.08 68	0.09 94	0.08 104	0.05 11	0.10 66	0.08 17	0.06 117	0.05 188	0.08 284	0.09 389	0.05 103	0.05 124

castereo++	0.08 48	0.05 20	0.08 32	0.15 73	0.05 1	0.14 284	0.12 68	0.11 30	0.15 164	0.07 35	0.07 40	0.07 66	0.06 36	0.08 16	0.08 17	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

IGEV-RUCA	0.08 48	0.06 61	0.11 154	0.14 32	0.09 244	0.10 133	0.12 68	0.10 19	0.12 89	0.06 12	0.07 40	0.07 66	0.06 36	0.09 35	0.08 17	0.06 117	0.05 188	0.05 27	0.04 38	0.05 103	0.06 204

PAM_32	0.09 87	0.05 20	0.17 383	0.15 73	0.08 132	0.10 133	0.15 225	0.14 80	0.15 164	0.09 98	0.08 76	0.09 129	0.07 112	0.14 266	0.08 17	0.06 117	0.05 188	0.06 107	0.06 191	0.05 103	0.06 204

PAM	0.10 148	0.05 20	0.16 355	0.15 73	0.08 132	0.09 84	0.16 290	0.15 111	0.16 192	0.12 198	0.09 94	0.09 129	0.07 112	0.13 240	0.08 17	0.06 117	0.05 188	0.06 107	0.06 191	0.05 103	0.06 204

WCG-NET	0.08 48	0.05 20	0.09 74	0.15 73	0.06 14	0.11 178	0.14 157	0.13 63	0.13 120	0.06 12	0.09 94	0.07 66	0.06 36	0.13 240	0.08 17	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

RAStereo	0.10 148	0.09 318	0.08 32	0.20 416	0.08 132	0.13 252	0.18 369	0.15 111	0.17 211	0.10 131	0.12 166	0.05 1	0.06 36	0.09 35	0.08 17	0.07 245	0.05 188	0.07 200	0.05 112	0.05 103	0.04 41

AIO-Stereo-zeroshot1	0.11 191	0.05 20	0.14 270	0.15 73	0.20 524	0.09 84	0.17 324	0.21 258	0.15 164	0.11 160	0.14 194	0.10 160	0.07 112	0.10 66	0.08 17	0.06 117	0.05 188	0.07 200	0.07 278	0.07 263	0.09 393

U	0.08 48	0.07 145	0.09 74	0.19 361	0.10 346	0.10 133	0.13 109	0.12 47	0.17 211	0.07 35	0.07 40	0.06 18	0.05 11	0.07 4	0.08 17	0.06 117	0.04 22	0.06 107	0.04 38	0.06 196	0.05 124

IGEV-Stereo+	0.07 4	0.04 1	0.08 32	0.15 73	0.06 14	0.04 1	0.09 19	0.10 19	0.09 24	0.06 12	0.06 13	0.06 18	0.06 36	0.06 1	0.08 17	0.06 117	0.04 22	0.05 27	0.04 38	0.06 196	0.06 204

AIO-Stereo	0.08 48	0.06 61	0.09 74	0.18 304	0.06 14	0.08 53	0.12 68	0.15 111	0.09 24	0.08 68	0.08 76	0.07 66	0.05 11	0.11 113	0.08 17	0.05 28	0.05 188	0.05 27	0.04 38	0.04 16	0.04 41

WCG-NET（raft）	0.08 48	0.05 20	0.10 113	0.15 73	0.06 14	0.11 178	0.13 109	0.15 111	0.12 89	0.08 68	0.07 40	0.06 18	0.06 36	0.13 240	0.08 17	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.04 41

MoCha-V2	0.08 48	0.05 20	0.10 113	0.20 416	0.07 75	0.09 84	0.14 157	0.11 30	0.08 13	0.07 35	0.08 76	0.07 66	0.06 36	0.09 35	0.08 17	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.04 41

IGEVStereo-DCA	0.09 87	0.06 61	0.11 154	0.15 73	0.10 346	0.11 178	0.15 225	0.16 138	0.12 89	0.10 131	0.06 13	0.08 104	0.06 36	0.10 66	0.08 17	0.06 117	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204

rrr	0.09 87	0.06 61	0.12 189	0.15 73	0.10 346	0.11 178	0.16 290	0.16 138	0.15 164	0.10 131	0.06 13	0.08 104	0.06 36	0.10 66	0.08 17	0.06 117	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204

MIM_Stereo	0.09 87	0.07 145	0.11 154	0.15 73	0.07 75	0.06 10	0.12 68	0.20 235	0.14 147	0.13 225	0.13 180	0.09 129	0.05 11	0.12 195	0.08 17	0.05 28	0.06 313	0.07 200	0.06 191	0.06 196	0.05 124

CAS	0.08 48	0.04 1	0.07 7	0.17 222	0.08 132	0.10 133	0.13 109	0.12 47	0.09 24	0.09 98	0.10 123	0.08 104	0.06 36	0.09 35	0.08 17	0.08 306	0.04 22	0.05 27	0.03 1	0.05 103	0.04 41

CES	0.08 48	0.04 1	0.08 32	0.14 32	0.07 75	0.09 84	0.14 157	0.11 30	0.09 24	0.08 68	0.09 94	0.11 181	0.06 36	0.12 195	0.08 17	0.06 117	0.04 22	0.05 27	0.03 1	0.05 103	0.05 124

CroCo-Stereo Lap2	0.09 87	0.09 318	0.08 32	0.22 460	0.09 244	0.09 84	0.19 408	0.16 138	0.12 89	0.09 98	0.10 123	0.05 1	0.05 11	0.08 16	0.08 17	0.06 117	0.06 313	0.07 200	0.05 112	0.05 103	0.05 124

TRStereo	0.09 87	0.05 20	0.12 189	0.15 73	0.12 426	0.10 133	0.13 109	0.18 203	0.18 237	0.09 98	0.09 94	0.09 129	0.06 36	0.10 66	0.08 17	0.07 245	0.05 188	0.07 200	0.07 278	0.04 16	0.04 41

XX-Stereo	0.09 87	0.05 20	0.08 32	0.17 222	0.09 244	0.15 310	0.12 68	0.20 235	0.10 37	0.10 131	0.14 194	0.07 66	0.06 36	0.12 195	0.08 17	0.06 117	0.05 188	0.06 107	0.06 191	0.04 16	0.04 41

SM2	0.07 4	0.05 20	0.07 7	0.15 73	0.06 14	0.09 84	0.11 50	0.09 11	0.13 120	0.06 12	0.07 40	0.06 18	0.06 36	0.10 66	0.09 54	0.05 28	0.04 22	0.04 1	0.03 1	0.04 16	0.04 41

MS	0.08 48	0.04 1	0.12 189	0.12 4	0.07 75	0.09 84	0.07 3	0.11 30	0.13 120	0.05 1	0.07 40	0.07 66	0.06 36	0.09 35	0.09 54	0.06 117	0.04 22	0.04 1	0.05 112	0.06 196	0.06 204

Monster-pub-eth3d	0.07 4	0.06 61	0.05 1	0.15 73	0.05 1	0.08 53	0.10 30	0.15 111	0.15 164	0.05 1	0.06 13	0.05 1	0.06 36	0.07 4	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

Monster-pub-mixall	0.07 4	0.04 1	0.09 74	0.13 14	0.06 14	0.05 4	0.09 19	0.11 30	0.07 8	0.06 12	0.06 13	0.05 1	0.06 36	0.09 35	0.09 54	0.06 117	0.04 22	0.04 1	0.03 1	0.05 103	0.05 124

S2M2_XL	0.08 48	0.06 61	0.12 189	0.12 4	0.08 132	0.09 84	0.09 19	0.07 2	0.07 8	0.08 68	0.07 40	0.07 66	0.06 36	0.09 35	0.09 54	0.08 306	0.06 313	0.07 200	0.05 112	0.08 326	0.06 204

asd	0.07 4	0.08 242	0.07 7	0.16 148	0.07 75	0.08 53	0.08 8	0.11 30	0.08 13	0.07 35	0.07 40	0.06 18	0.06 36	0.10 66	0.09 54	0.03 1	0.03 1	0.04 1	0.04 38	0.04 16	0.03 1

qwe	0.07 4	0.08 242	0.07 7	0.15 73	0.06 14	0.07 30	0.10 30	0.18 203	0.11 63	0.07 35	0.07 40	0.06 18	0.06 36	0.10 66	0.09 54	0.03 1	0.03 1	0.04 1	0.04 38	0.04 16	0.03 1

depthmonostereo	0.09 87	0.06 61	0.09 74	0.15 73	0.06 14	0.10 133	0.13 109	0.14 80	0.14 147	0.10 131	0.10 123	0.09 129	0.11 230	0.08 16	0.09 54	0.06 117	0.05 188	0.06 107	0.04 38	0.04 16	0.03 1

2.5w	0.07 4	0.07 145	0.07 7	0.16 148	0.06 14	0.08 53	0.12 68	0.10 19	0.10 37	0.07 35	0.06 13	0.09 129	0.06 36	0.08 16	0.09 54	0.04 11	0.03 1	0.04 1	0.04 38	0.03 1	0.03 1

3.25w_new	0.07 4	0.06 61	0.07 7	0.15 73	0.06 14	0.10 133	0.07 3	0.12 47	0.11 63	0.08 68	0.06 13	0.07 66	0.06 36	0.11 113	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 61	0.07 7	0.15 73	0.06 14	0.10 133	0.07 3	0.12 47	0.11 63	0.08 68	0.06 13	0.07 66	0.06 36	0.11 113	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 145	0.07 7	0.15 73	0.07 75	0.09 84	0.06 1	0.13 63	0.11 63	0.07 35	0.07 40	0.06 18	0.07 112	0.10 66	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3w_stereo	0.08 48	0.09 318	0.10 113	0.17 222	0.07 75	0.08 53	0.10 30	0.20 235	0.13 120	0.06 12	0.07 40	0.05 1	0.06 36	0.08 16	0.09 54	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

2w_stereo	0.08 48	0.08 242	0.09 74	0.16 148	0.06 14	0.08 53	0.10 30	0.20 235	0.15 164	0.08 68	0.07 40	0.06 18	0.06 36	0.06 1	0.09 54	0.04 11	0.03 1	0.04 1	0.04 38	0.03 1	0.03 1

1w_stereo	0.07 4	0.06 61	0.07 7	0.16 148	0.06 14	0.07 30	0.10 30	0.14 80	0.14 147	0.07 35	0.08 76	0.05 1	0.06 36	0.09 35	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 41

monsterstereo	0.07 4	0.06 61	0.06 3	0.16 148	0.06 14	0.08 53	0.10 30	0.16 138	0.11 63	0.07 35	0.08 76	0.06 18	0.07 112	0.08 16	0.09 54	0.04 11	0.04 22	0.05 27	0.04 38	0.03 1	0.03 1

IGEV	0.07 4	0.04 1	0.08 32	0.13 14	0.06 14	0.09 84	0.12 68	0.14 80	0.10 37	0.06 12	0.09 94	0.07 66	0.05 11	0.09 35	0.09 54	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

111111	0.07 4	0.04 1	0.09 74	0.17 222	0.06 14	0.05 4	0.10 30	0.11 30	0.09 24	0.06 12	0.06 13	0.07 66	0.05 11	0.09 35	0.09 54	0.06 117	0.04 22	0.05 27	0.04 38	0.07 263	0.06 204

MLG-Stereo_test2	0.06 1	0.04 1	0.10 113	0.15 73	0.05 1	0.07 30	0.11 50	0.09 11	0.04 2	0.06 12	0.05 7	0.06 18	0.04 1	0.08 16	0.09 54	0.06 117	0.04 22	0.05 27	0.03 1	0.05 103	0.05 124

MLG-Stereo_test1	0.06 1	0.05 20	0.08 32	0.17 222	0.05 1	0.06 10	0.11 50	0.08 4	0.03 1	0.05 1	0.04 1	0.06 18	0.05 11	0.09 35	0.09 54	0.05 28	0.04 22	0.05 27	0.03 1	0.04 16	0.04 41

MLG-Stereo	0.07 4	0.05 20	0.08 32	0.17 222	0.05 1	0.07 30	0.11 50	0.08 4	0.04 2	0.05 1	0.04 1	0.06 18	0.05 11	0.10 66	0.09 54	0.05 28	0.04 22	0.05 27	0.03 1	0.04 16	0.04 41

LGtest1	0.07 4	0.04 1	0.10 113	0.15 73	0.06 14	0.07 30	0.09 19	0.08 4	0.06 4	0.05 1	0.04 1	0.06 18	0.06 36	0.10 66	0.09 54	0.07 245	0.04 22	0.05 27	0.04 38	0.06 196	0.06 204

LG-Stereo_Zeroshot	0.07 4	0.06 61	0.10 113	0.16 148	0.07 75	0.04 1	0.13 109	0.10 19	0.10 37	0.05 1	0.11 153	0.07 66	0.05 11	0.07 4	0.09 54	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

LG-Stereo	0.08 48	0.07 145	0.10 113	0.18 304	0.07 75	0.10 133	0.17 324	0.11 30	0.08 13	0.05 1	0.07 40	0.05 1	0.07 112	0.09 35	0.09 54	0.04 11	0.05 188	0.07 200	0.07 278	0.04 16	0.04 41

MM-Stereo_test2	0.09 87	0.06 61	0.09 74	0.19 361	0.08 132	0.12 213	0.18 369	0.15 111	0.14 147	0.07 35	0.10 123	0.07 66	0.06 36	0.12 195	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.03 1

DEFOM-Stereo_RVC	0.08 48	0.06 61	0.09 74	0.22 460	0.06 14	0.08 53	0.12 68	0.10 19	0.10 37	0.07 35	0.07 40	0.06 18	0.05 11	0.11 113	0.09 54	0.06 117	0.04 22	0.05 27	0.03 1	0.06 196	0.04 41

HUF	0.08 48	0.05 20	0.08 32	0.14 32	0.06 14	0.09 84	0.13 109	0.13 63	0.13 120	0.07 35	0.07 40	0.08 104	0.06 36	0.10 66	0.09 54	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

AIO-test1	0.10 148	0.07 145	0.10 113	0.23 481	0.07 75	0.09 84	0.13 109	0.21 258	0.14 147	0.11 160	0.12 166	0.09 129	0.07 112	0.11 113	0.09 54	0.06 117	0.05 188	0.09 365	0.10 428	0.03 1	0.06 204

MonSter	0.07 4	0.06 61	0.05 1	0.15 73	0.05 1	0.07 30	0.10 30	0.15 111	0.15 164	0.05 1	0.06 13	0.05 1	0.06 36	0.07 4	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

DEFOM-Stereo	0.07 4	0.05 20	0.07 7	0.14 32	0.06 14	0.10 133	0.13 109	0.07 2	0.13 120	0.06 12	0.07 40	0.06 18	0.05 11	0.10 66	0.09 54	0.04 11	0.04 22	0.05 27	0.03 1	0.04 16	0.04 41

dual_stereo	0.07 4	0.04 1	0.08 32	0.15 73	0.05 1	0.05 4	0.13 109	0.12 47	0.08 13	0.07 35	0.06 13	0.05 1	0.05 11	0.07 4	0.09 54	0.06 117	0.04 22	0.05 27	0.03 1	0.04 16	0.04 41

UGAM-zero	0.09 87	0.05 20	0.15 321	0.15 73	0.08 132	0.09 84	0.13 109	0.19 224	0.15 164	0.11 160	0.15 211	0.07 66	0.07 112	0.09 35	0.09 54	0.06 117	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204

rvit_stereo_0081_aga	0.11 191	0.09 318	0.14 270	0.18 304	0.09 244	0.13 252	0.14 157	0.14 80	0.19 252	0.10 131	0.18 269	0.16 286	0.09 173	0.12 195	0.09 54	0.10 406	0.06 313	0.08 284	0.07 278	0.07 263	0.06 204

IGEV-Stereo++	0.07 4	0.06 61	0.08 32	0.18 304	0.06 14	0.04 1	0.10 30	0.11 30	0.11 63	0.06 12	0.07 40	0.07 66	0.06 36	0.09 35	0.09 54	0.05 28	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

Pointernet	0.09 87	0.04 1	0.09 74	0.16 148	0.08 132	0.13 252	0.10 30	0.15 111	0.17 211	0.09 98	0.07 40	0.06 18	0.06 36	0.11 113	0.09 54	0.08 306	0.04 22	0.05 27	0.03 1	0.06 196	0.05 124

AIO-Stereo-zeroshot	0.11 191	0.05 20	0.11 154	0.15 73	0.13 449	0.13 252	0.16 290	0.23 300	0.17 211	0.10 131	0.12 166	0.10 160	0.07 112	0.11 113	0.09 54	0.06 117	0.05 188	0.06 107	0.06 191	0.07 263	0.08 349

RSM++	0.08 48	0.06 61	0.09 74	0.17 222	0.07 75	0.09 84	0.12 68	0.11 30	0.11 63	0.08 68	0.06 13	0.07 66	0.05 11	0.10 66	0.09 54	0.04 11	0.04 22	0.06 107	0.05 112	0.05 103	0.03 1

RSM	0.08 48	0.06 61	0.09 74	0.17 222	0.06 14	0.08 53	0.12 68	0.12 47	0.10 37	0.08 68	0.07 40	0.06 18	0.05 11	0.11 113	0.09 54	0.04 11	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

CAS++	0.11 191	0.07 145	0.11 154	0.14 32	0.09 244	0.12 213	0.14 157	0.24 322	0.14 147	0.11 160	0.09 94	0.11 181	0.07 112	0.14 266	0.09 54	0.11 435	0.09 440	0.09 365	0.07 278	0.07 263	0.08 349
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
gcap-zeroshot	0.09 87	0.05 20	0.10 113	0.16 148	0.07 75	0.13 252	0.13 109	0.11 30	0.12 89	0.13 225	0.12 166	0.09 129	0.08 147	0.09 35	0.09 54	0.06 117	0.05 188	0.06 107	0.05 112	0.04 16	0.04 41

MGS-Stereo	0.09 87	0.07 145	0.12 189	0.15 73	0.08 132	0.09 84	0.15 225	0.12 47	0.12 89	0.07 35	0.10 123	0.08 104	0.06 36	0.10 66	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.06 196	0.05 124

IGEV++	0.08 48	0.06 61	0.08 32	0.18 304	0.07 75	0.09 84	0.13 109	0.10 19	0.09 24	0.08 68	0.08 76	0.06 18	0.06 36	0.13 240	0.09 54	0.05 28	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

MyStereo07	0.10 148	0.07 145	0.10 113	0.17 222	0.09 244	0.14 284	0.18 369	0.15 111	0.15 164	0.09 98	0.06 13	0.06 18	0.07 112	0.12 195	0.09 54	0.06 117	0.05 188	0.08 284	0.07 278	0.06 196	0.06 204

MyStereo06	0.10 148	0.07 145	0.12 189	0.17 222	0.09 244	0.13 252	0.18 369	0.19 224	0.12 89	0.12 198	0.08 76	0.07 66	0.07 112	0.11 113	0.09 54	0.06 117	0.05 188	0.07 200	0.07 278	0.06 196	0.06 204

ff7	0.09 87	0.07 145	0.11 154	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.12 89	0.10 131	0.06 13	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

ffff	0.09 87	0.07 145	0.11 154	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.12 89	0.10 131	0.06 13	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

11t	0.09 87	0.07 145	0.11 154	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.12 89	0.10 131	0.06 13	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

IGEV_Zeroshot_test	0.09 87	0.05 20	0.12 189	0.13 14	0.08 132	0.12 213	0.13 109	0.17 174	0.11 63	0.10 131	0.06 13	0.09 129	0.06 36	0.11 113	0.09 54	0.06 117	0.04 22	0.06 107	0.06 191	0.05 103	0.05 124

UniTT-Stereo	0.09 87	0.07 145	0.08 32	0.18 304	0.08 132	0.13 252	0.11 50	0.12 47	0.11 63	0.10 131	0.12 166	0.05 1	0.07 112	0.09 35	0.09 54	0.07 245	0.05 188	0.05 27	0.05 112	0.05 103	0.05 124

DLNR_Zeroshot_test	10.40 588	1.82 580	19.49 595	120.77 600	13.11 592	0.06 10	0.13 109	0.23 300	0.10 37	0.07 35	0.10 123	0.09 129	0.06 36	0.10 66	0.09 54	0.13 483	0.04 22	0.06 107	0.04 38	51.54 599	0.04 41

testlalala	0.08 48	0.07 145	0.17 383	0.16 148	0.08 132	0.09 84	0.12 68	0.15 111	0.10 37	0.07 35	0.09 94	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.04 38	0.04 16	0.04 41

AEACV	0.08 48	0.05 20	0.08 32	0.14 32	0.13 449	0.14 284	0.13 109	0.14 80	0.09 24	0.07 35	0.09 94	0.07 66	0.08 147	0.10 66	0.09 54	0.06 117	0.04 22	0.06 107	0.05 112	0.05 103	0.04 41

Any-RAFT	0.10 148	0.05 20	0.09 74	0.14 32	0.07 75	0.13 252	0.14 157	0.21 258	0.15 164	0.11 160	0.12 166	0.12 198	0.09 173	0.12 195	0.09 54	0.07 245	0.04 22	0.05 27	0.04 38	0.06 196	0.05 124

RAFT-Test	0.09 87	0.06 61	0.10 113	0.15 73	0.07 75	0.11 178	0.15 225	0.16 138	0.13 120	0.09 98	0.10 123	0.10 160	0.09 173	0.12 195	0.09 54	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.05 124

HH	0.09 87	0.06 61	0.13 235	0.17 222	0.08 132	0.10 133	0.16 290	0.14 80	0.10 37	0.08 68	0.09 94	0.08 104	0.07 112	0.10 66	0.09 54	0.06 117	0.04 22	0.06 107	0.05 112	0.05 103	0.04 41

HanStereo	0.09 87	0.06 61	0.13 235	0.17 222	0.08 132	0.10 133	0.16 290	0.14 80	0.10 37	0.08 68	0.09 94	0.08 104	0.07 112	0.10 66	0.09 54	0.06 117	0.04 22	0.06 107	0.05 112	0.05 103	0.04 41

4D-IteraStereo	0.09 87	0.07 145	0.10 113	0.18 304	0.07 75	0.09 84	0.15 225	0.17 174	0.15 164	0.10 131	0.11 153	0.10 160	0.07 112	0.11 113	0.09 54	0.05 28	0.03 1	0.08 284	0.07 278	0.06 196	0.05 124

LoS_RVC	0.08 48	0.05 20	0.07 7	0.15 73	0.07 75	0.08 53	0.15 225	0.11 30	0.10 37	0.08 68	0.09 94	0.06 18	0.09 173	0.10 66	0.09 54	0.05 28	0.04 22	0.05 27	0.03 1	0.04 16	0.03 1

anonymousdsp	0.09 87	0.07 145	0.11 154	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.12 89	0.09 98	0.06 13	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

Selective-IGEV	0.07 4	0.06 61	0.08 32	0.17 222	0.06 14	0.08 53	0.12 68	0.13 63	0.07 8	0.08 68	0.07 40	0.06 18	0.04 1	0.10 66	0.09 54	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

ProNet	0.09 87	0.07 145	0.10 113	0.17 222	0.08 132	0.10 133	0.15 225	0.15 111	0.12 89	0.09 98	0.06 13	0.07 66	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.04 16	0.06 204

ccc-4	0.09 87	0.07 145	0.11 154	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.12 89	0.10 131	0.06 13	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

RAFT_CTSACE	0.12 257	0.09 318	0.10 113	0.22 460	0.08 132	0.12 213	0.24 479	0.18 203	0.16 192	0.20 386	0.27 396	0.13 223	0.07 112	0.13 240	0.09 54	0.05 28	0.06 313	0.08 284	0.07 278	0.04 16	0.04 41

IGEV-Stereo	0.09 87	0.07 145	0.11 154	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.12 89	0.09 98	0.06 13	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 87	0.05 20	0.13 235	0.14 32	0.08 132	0.12 213	0.15 225	0.18 203	0.10 37	0.11 160	0.08 76	0.08 104	0.05 11	0.10 66	0.09 54	0.06 117	0.04 22	0.06 107	0.05 112	0.06 196	0.05 124

RAFT	0.13 282	0.09 318	0.11 154	0.18 304	0.08 132	0.15 310	0.24 479	0.20 235	0.19 252	0.21 400	0.21 311	0.17 306	0.12 261	0.16 322	0.09 54	0.06 117	0.07 385	0.10 413	0.09 389	0.05 103	0.05 124

test-1	0.10 148	0.07 145	0.16 355	0.19 361	0.08 132	0.11 178	0.24 479	0.14 80	0.18 237	0.09 98	0.07 40	0.09 129	0.08 147	0.07 4	0.09 54	0.06 117	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

TANstereo	0.09 87	0.04 1	0.08 32	0.13 14	0.06 14	0.11 178	0.14 157	0.15 111	0.19 252	0.11 160	0.15 211	0.10 160	0.06 36	0.12 195	0.09 54	0.07 245	0.05 188	0.05 27	0.04 38	0.06 196	0.05 124

test_xeample3	0.09 87	0.06 61	0.12 189	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.13 120	0.10 131	0.06 13	0.08 104	0.06 36	0.10 66	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

RAFT-Stereo + iAFF	0.09 87	0.06 61	0.10 113	0.17 222	0.06 14	0.10 133	0.16 290	0.17 174	0.14 147	0.09 98	0.10 123	0.08 104	0.09 173	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.06 191	0.04 16	0.03 1

AFF-stereo	0.09 87	0.06 61	0.10 113	0.17 222	0.07 75	0.10 133	0.16 290	0.17 174	0.09 24	0.10 131	0.12 166	0.09 129	0.09 173	0.12 195	0.09 54	0.05 28	0.04 22	0.07 200	0.07 278	0.04 16	0.03 1

CFNet-RSSM	0.09 87	0.07 145	0.09 74	0.16 148	0.07 75	0.09 84	0.15 225	0.16 138	0.17 211	0.08 68	0.12 166	0.10 160	0.09 173	0.11 113	0.09 54	0.06 117	0.04 22	0.06 107	0.04 38	0.04 16	0.04 41

Gwc-CoAtRS	0.09 87	0.06 61	0.10 113	0.16 148	0.07 75	0.10 133	0.14 157	0.17 174	0.17 211	0.08 68	0.10 123	0.12 198	0.09 173	0.12 195	0.09 54	0.06 117	0.04 22	0.06 107	0.04 38	0.04 16	0.04 41

Replicate-Monster	0.07 4	0.05 20	0.09 74	0.14 32	0.06 14	0.08 53	0.09 19	0.13 63	0.13 120	0.05 1	0.07 40	0.06 18	0.06 36	0.08 16	0.10 127	0.05 28	0.04 22	0.05 27	0.03 1	0.04 16	0.04 41

zero-FE	0.08 48	0.04 1	0.09 74	0.15 73	0.10 346	0.05 4	0.14 157	0.09 11	0.14 147	0.07 35	0.06 13	0.07 66	0.06 36	0.09 35	0.10 127	0.06 117	0.04 22	0.06 107	0.04 38	0.08 326	0.05 124

AdaDepth	0.07 4	0.06 61	0.07 7	0.18 304	0.06 14	0.11 178	0.12 68	0.09 11	0.07 8	0.06 12	0.05 7	0.07 66	0.06 36	0.09 35	0.10 127	0.04 11	0.05 188	0.05 27	0.04 38	0.04 16	0.04 41

asda	0.07 4	0.08 242	0.08 32	0.16 148	0.06 14	0.06 10	0.10 30	0.16 138	0.10 37	0.06 12	0.06 13	0.05 1	0.05 11	0.10 66	0.10 127	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

DilatedVolume-Stereo	0.09 87	0.05 20	0.08 32	0.15 73	0.06 14	0.11 178	0.12 68	0.14 80	0.16 192	0.11 160	0.11 153	0.09 129	0.09 173	0.11 113	0.10 127	0.06 117	0.05 188	0.05 27	0.04 38	0.03 1	0.03 1

2.25w	0.07 4	0.06 61	0.07 7	0.14 32	0.06 14	0.08 53	0.08 8	0.10 19	0.15 164	0.08 68	0.10 123	0.07 66	0.06 36	0.08 16	0.10 127	0.05 28	0.03 1	0.04 1	0.04 38	0.03 1	0.04 41

4.25_new	0.07 4	0.08 242	0.09 74	0.15 73	0.06 14	0.09 84	0.08 8	0.14 80	0.08 13	0.07 35	0.07 40	0.06 18	0.06 36	0.12 195	0.10 127	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4.5w_new	0.07 4	0.08 242	0.09 74	0.15 73	0.06 14	0.09 84	0.08 8	0.14 80	0.08 13	0.07 35	0.07 40	0.06 18	0.06 36	0.12 195	0.10 127	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4.5_new	0.07 4	0.09 318	0.08 32	0.15 73	0.07 75	0.06 10	0.10 30	0.14 80	0.11 63	0.06 12	0.08 76	0.06 18	0.06 36	0.08 16	0.10 127	0.03 1	0.03 1	0.04 1	0.04 38	0.04 16	0.03 1

4.5w-stereo	0.07 4	0.09 318	0.08 32	0.15 73	0.07 75	0.06 10	0.10 30	0.14 80	0.11 63	0.06 12	0.08 76	0.06 18	0.06 36	0.08 16	0.10 127	0.03 1	0.03 1	0.04 1	0.04 38	0.04 16	0.03 1

4.25w-stereo	0.07 4	0.08 242	0.09 74	0.15 73	0.06 14	0.09 84	0.08 8	0.14 80	0.08 13	0.07 35	0.07 40	0.06 18	0.06 36	0.12 195	0.10 127	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4w-stereo	0.07 4	0.08 242	0.08 32	0.16 148	0.06 14	0.07 30	0.08 8	0.12 47	0.08 13	0.07 35	0.07 40	0.05 1	0.06 36	0.09 35	0.10 127	0.03 1	0.03 1	0.04 1	0.04 38	0.04 16	0.03 1

3.75w	0.07 4	0.07 145	0.08 32	0.16 148	0.07 75	0.07 30	0.09 19	0.16 138	0.09 24	0.07 35	0.06 13	0.05 1	0.06 36	0.09 35	0.10 127	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

MLG-Stereo_test3	0.07 4	0.05 20	0.10 113	0.14 32	0.06 14	0.07 30	0.11 50	0.08 4	0.06 4	0.06 12	0.04 1	0.06 18	0.06 36	0.07 4	0.10 127	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.06 204

MM-Stereo_test1	0.10 148	0.07 145	0.08 32	0.18 304	0.07 75	0.12 213	0.18 369	0.21 258	0.20 275	0.09 98	0.11 153	0.08 104	0.06 36	0.10 66	0.10 127	0.06 117	0.05 188	0.07 200	0.06 191	0.05 103	0.04 41

AIO_test	0.07 4	0.05 20	0.07 7	0.15 73	0.07 75	0.06 10	0.14 157	0.10 19	0.10 37	0.07 35	0.07 40	0.06 18	0.05 11	0.08 16	0.10 127	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

castereo	0.09 87	0.06 61	0.11 154	0.15 73	0.06 14	0.11 178	0.15 225	0.14 80	0.18 237	0.08 68	0.10 123	0.11 181	0.08 147	0.09 35	0.10 127	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

SMoEStereo_RVC	0.08 48	0.06 61	0.12 189	0.16 148	0.07 75	0.09 84	0.14 157	0.11 30	0.13 120	0.09 98	0.07 40	0.07 66	0.07 112	0.12 195	0.10 127	0.05 28	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

tt45	0.09 87	0.06 61	0.11 154	0.15 73	0.07 75	0.11 178	0.16 290	0.13 63	0.11 63	0.09 98	0.06 13	0.08 104	0.06 36	0.13 240	0.10 127	0.06 117	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

999	0.09 87	0.05 20	0.13 235	0.15 73	0.08 132	0.10 133	0.14 157	0.15 111	0.11 63	0.10 131	0.08 76	0.08 104	0.08 147	0.16 322	0.10 127	0.06 117	0.04 22	0.06 107	0.05 112	0.04 16	0.05 124

tg	0.10 148	0.06 61	0.10 113	0.18 304	0.08 132	0.11 178	0.16 290	0.20 235	0.12 89	0.08 68	0.11 153	0.11 181	0.07 112	0.11 113	0.10 127	0.05 28	0.04 22	0.08 284	0.08 343	0.04 16	0.04 41

model_zeroshot	0.10 148	0.04 1	0.11 154	0.15 73	0.09 244	0.12 213	0.14 157	0.20 235	0.13 120	0.11 160	0.10 123	0.12 198	0.07 112	0.12 195	0.10 127	0.07 245	0.06 313	0.06 107	0.05 112	0.06 196	0.06 204

GCAP-BAT	0.09 87	0.07 145	0.14 270	0.15 73	0.08 132	0.10 133	0.13 109	0.14 80	0.10 37	0.11 160	0.10 123	0.08 104	0.07 112	0.12 195	0.10 127	0.06 117	0.05 188	0.06 107	0.04 38	0.04 16	0.04 41

Occ-G	0.08 48	0.05 20	0.06 3	0.14 32	0.07 75	0.08 53	0.14 157	0.13 63	0.15 164	0.07 35	0.11 153	0.07 66	0.05 11	0.09 35	0.10 127	0.06 117	0.05 188	0.05 27	0.04 38	0.05 103	0.05 124

rvit_stereo_0080	0.10 148	0.08 242	0.14 270	0.15 73	0.09 244	0.07 30	0.15 225	0.16 138	0.16 192	0.11 160	0.10 123	0.14 243	0.08 147	0.12 195	0.10 127	0.09 365	0.07 385	0.07 200	0.06 191	0.07 263	0.05 124

test_for_model	0.09 87	0.12 420	0.14 270	0.23 481	0.11 395	0.08 53	0.13 109	0.12 47	0.12 89	0.10 131	0.07 40	0.07 66	0.06 36	0.11 113	0.10 127	0.06 117	0.05 188	0.05 27	0.03 1	0.07 263	0.04 41

trnet	0.08 48	0.05 20	0.07 7	0.12 4	0.05 1	0.12 213	0.11 50	0.13 63	0.10 37	0.08 68	0.13 180	0.09 129	0.08 147	0.11 113	0.10 127	0.08 306	0.05 188	0.05 27	0.03 1	0.06 196	0.05 124

H2IRNET	0.10 148	0.09 318	0.09 74	0.18 304	0.09 244	0.12 213	0.15 225	0.14 80	0.21 290	0.10 131	0.10 123	0.10 160	0.10 205	0.10 66	0.10 127	0.05 28	0.04 22	0.08 284	0.08 343	0.06 196	0.05 124

AE-Stereo	0.10 148	0.08 242	0.10 113	0.18 304	0.09 244	0.10 133	0.15 225	0.14 80	0.19 252	0.09 98	0.14 194	0.12 198	0.08 147	0.11 113	0.10 127	0.05 28	0.06 313	0.07 200	0.06 191	0.05 103	0.04 41

whm_eth	0.10 148	0.08 242	0.14 270	0.15 73	0.09 244	0.07 30	0.15 225	0.16 138	0.16 192	0.11 160	0.10 123	0.14 243	0.08 147	0.12 195	0.10 127	0.09 365	0.07 385	0.07 200	0.06 191	0.07 263	0.05 124

MSKI-zero shot	0.09 87	0.05 20	0.09 74	0.15 73	0.07 75	0.10 133	0.13 109	0.14 80	0.13 120	0.09 98	0.09 94	0.09 129	0.06 36	0.12 195	0.10 127	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.04 41

StereoVision	0.13 282	0.12 420	0.09 74	0.24 490	0.10 346	0.15 310	0.21 446	0.21 258	0.20 275	0.12 198	0.24 342	0.10 160	0.10 205	0.16 322	0.10 127	0.09 365	0.11 472	0.12 463	0.12 479	0.06 196	0.05 124

CASnet	0.09 87	0.09 318	0.09 74	0.19 361	0.06 14	0.07 30	0.11 50	0.18 203	0.14 147	0.11 160	0.10 123	0.09 129	0.07 112	0.10 66	0.10 127	0.06 117	0.04 22	0.10 413	0.08 343	0.05 103	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 87	0.07 145	0.13 235	0.18 304	0.06 14	0.11 178	0.07 3	0.13 63	0.12 89	0.09 98	0.10 123	0.07 66	0.09 173	0.13 240	0.10 127	0.06 117	0.05 188	0.05 27	0.04 38	0.04 16	0.05 124

LL-Strereo2	0.10 148	0.10 376	0.15 321	0.18 304	0.08 132	0.15 310	0.09 19	0.17 174	0.14 147	0.14 246	0.10 123	0.09 129	0.07 112	0.16 322	0.10 127	0.05 28	0.05 188	0.10 413	0.07 278	0.06 196	0.05 124

LoS	0.09 87	0.05 20	0.11 154	0.13 14	0.07 75	0.14 284	0.11 50	0.15 111	0.15 164	0.09 98	0.09 94	0.12 198	0.09 173	0.15 288	0.10 127	0.07 245	0.05 188	0.05 27	0.03 1	0.05 103	0.05 124
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MC-Stereo	0.08 48	0.06 61	0.09 74	0.17 222	0.06 14	0.10 133	0.14 157	0.12 47	0.10 37	0.09 98	0.12 166	0.09 129	0.06 36	0.11 113	0.10 127	0.06 117	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

DisPM	0.11 191	0.07 145	0.12 189	0.16 148	0.09 244	0.06 10	0.13 109	0.17 174	0.17 211	0.14 246	0.20 290	0.12 198	0.10 205	0.11 113	0.10 127	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.11 446

Sa-1000	0.12 257	0.08 242	0.08 32	0.18 304	0.08 132	0.14 284	0.22 456	0.22 280	0.18 237	0.15 273	0.20 290	0.17 306	0.11 230	0.10 66	0.10 127	0.06 117	0.05 188	0.09 365	0.09 389	0.05 103	0.05 124

test-3	0.08 48	0.06 61	0.09 74	0.17 222	0.07 75	0.07 30	0.14 157	0.12 47	0.15 164	0.09 98	0.08 76	0.07 66	0.08 147	0.11 113	0.10 127	0.05 28	0.04 22	0.07 200	0.05 112	0.04 16	0.04 41

test_1	0.08 48	0.06 61	0.09 74	0.17 222	0.07 75	0.07 30	0.14 157	0.12 47	0.15 164	0.09 98	0.08 76	0.07 66	0.08 147	0.11 113	0.10 127	0.05 28	0.04 22	0.07 200	0.05 112	0.04 16	0.04 41

HHNet	0.11 191	0.06 61	0.16 355	0.15 73	0.14 469	0.07 30	0.13 109	0.20 235	0.17 211	0.14 246	0.25 371	0.11 181	0.08 147	0.13 240	0.10 127	0.05 28	0.04 22	0.08 284	0.06 191	0.05 103	0.09 393

Patchmatch Stereo++	0.11 191	0.09 318	0.16 355	0.18 304	0.08 132	0.06 10	0.11 50	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285
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
TransformOpticalFlow	0.10 148	0.08 242	0.13 235	0.18 304	0.07 75	0.09 84	0.15 225	0.19 224	0.15 164	0.12 198	0.17 244	0.11 181	0.11 230	0.11 113	0.10 127	0.05 28	0.04 22	0.06 107	0.06 191	0.05 103	0.05 124

NRIStereo	0.11 191	0.08 242	0.14 270	0.18 304	0.08 132	0.10 133	0.14 157	0.16 138	0.15 164	0.12 198	0.14 194	0.13 223	0.12 261	0.13 240	0.10 127	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.07 285

PSM-adaLoss	0.11 191	0.09 318	0.16 355	0.18 304	0.08 132	0.06 10	0.12 68	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

PSM-AAD	0.11 191	0.07 145	0.10 113	0.19 361	0.09 244	0.10 133	0.15 225	0.20 235	0.13 120	0.12 198	0.14 194	0.18 320	0.11 230	0.11 113	0.10 127	0.05 28	0.05 188	0.09 365	0.08 343	0.06 196	0.14 495

ROB_FTStereo_v2	0.11 191	0.09 318	0.16 355	0.19 361	0.08 132	0.06 10	0.12 68	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

ROB_FTStereo	0.11 191	0.09 318	0.16 355	0.19 361	0.08 132	0.06 10	0.11 50	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

KYRaft	0.11 191	0.07 145	0.10 113	0.19 361	0.09 244	0.08 53	0.15 225	0.22 280	0.12 89	0.13 225	0.16 223	0.20 346	0.10 205	0.12 195	0.10 127	0.05 28	0.04 22	0.08 284	0.08 343	0.06 196	0.16 513

HUI-Stereo	0.11 191	0.09 318	0.16 355	0.18 304	0.08 132	0.06 10	0.12 68	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

ASMatch	0.11 191	0.06 61	0.13 235	0.16 148	0.10 346	0.07 30	0.14 157	0.17 174	0.17 211	0.12 198	0.16 223	0.16 286	0.10 205	0.13 240	0.10 127	0.05 28	0.04 22	0.06 107	0.05 112	0.04 16	0.08 349

iGMRVC	0.11 191	0.09 318	0.16 355	0.19 361	0.08 132	0.06 10	0.12 68	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

IRAFT_RVC	0.12 257	0.08 242	0.16 355	0.19 361	0.08 132	0.07 30	0.15 225	0.24 322	0.23 314	0.14 246	0.14 194	0.15 272	0.12 261	0.12 195	0.10 127	0.06 117	0.04 22	0.09 365	0.06 191	0.06 196	0.06 204

iRAFT	0.11 191	0.09 318	0.16 355	0.18 304	0.08 132	0.06 10	0.11 50	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

AnonymousM	0.09 87	0.05 20	0.10 113	0.14 32	0.06 14	0.09 84	0.13 109	0.19 224	0.14 147	0.13 225	0.11 153	0.09 129	0.08 147	0.13 240	0.10 127	0.08 306	0.05 188	0.08 284	0.05 112	0.05 103	0.05 124

RAFT-IKP	0.11 191	0.09 318	0.16 355	0.19 361	0.08 132	0.06 10	0.12 68	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

Prome-Stereo	0.11 191	0.06 61	0.10 113	0.18 304	0.08 132	0.12 213	0.15 225	0.22 280	0.13 120	0.12 198	0.17 244	0.13 223	0.08 147	0.12 195	0.10 127	0.05 28	0.04 22	0.07 200	0.06 191	0.06 196	0.09 393

iRaftStereo_RVC	0.10 148	0.07 145	0.09 74	0.17 222	0.09 244	0.11 178	0.17 324	0.18 203	0.12 89	0.09 98	0.12 166	0.10 160	0.07 112	0.11 113	0.10 127	0.05 28	0.04 22	0.08 284	0.08 343	0.04 16	0.04 41

XX-TBD	0.09 87	0.06 61	0.07 7	0.14 32	0.07 75	0.12 213	0.16 290	0.14 80	0.13 120	0.11 160	0.12 166	0.09 129	0.08 147	0.10 66	0.10 127	0.06 117	0.04 22	0.05 27	0.03 1	0.06 196	0.05 124

raftrobust	0.09 87	0.06 61	0.10 113	0.17 222	0.08 132	0.09 84	0.10 30	0.18 203	0.16 192	0.10 131	0.09 94	0.12 198	0.07 112	0.12 195	0.10 127	0.08 306	0.05 188	0.06 107	0.05 112	0.05 103	0.05 124

sAnonymous2	0.13 282	0.12 420	0.24 456	0.20 416	0.12 426	0.17 361	0.13 109	0.26 356	0.21 290	0.11 160	0.11 153	0.13 223	0.08 147	0.10 66	0.10 127	0.09 365	0.05 188	0.08 284	0.06 191	0.15 504	0.10 420

CroCo_RVC	0.13 282	0.12 420	0.24 456	0.20 416	0.12 426	0.17 361	0.13 109	0.26 356	0.21 290	0.11 160	0.11 153	0.13 223	0.08 147	0.10 66	0.10 127	0.09 365	0.05 188	0.08 284	0.06 191	0.15 504	0.10 420

111	0.10 148	0.06 61	0.12 189	0.15 73	0.07 75	0.10 133	0.14 157	0.21 258	0.23 314	0.11 160	0.12 166	0.14 243	0.11 230	0.13 240	0.10 127	0.06 117	0.04 22	0.06 107	0.04 38	0.05 103	0.05 124

CREStereo	0.09 87	0.04 1	0.08 32	0.11 1	0.06 14	0.13 252	0.14 157	0.14 80	0.10 37	0.08 68	0.13 180	0.09 129	0.08 147	0.11 113	0.10 127	0.08 306	0.04 22	0.05 27	0.03 1	0.06 196	0.06 204
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	0.09 87	0.05 20	0.09 74	0.12 4	0.06 14	0.12 213	0.14 157	0.15 111	0.11 63	0.09 98	0.13 180	0.10 160	0.07 112	0.13 240	0.10 127	0.15 500	0.04 22	0.05 27	0.03 1	0.07 263	0.06 204

FlowAnything_test	0.11 191	0.08 242	0.14 270	0.15 73	0.09 244	0.07 30	0.14 157	0.20 235	0.11 63	0.09 98	0.09 94	0.12 198	0.12 261	0.13 240	0.11 193	0.09 365	0.06 313	0.09 365	0.09 389	0.06 196	0.09 393

2.75w_new	0.07 4	0.07 145	0.07 7	0.13 14	0.06 14	0.08 53	0.08 8	0.18 203	0.12 89	0.07 35	0.08 76	0.06 18	0.06 36	0.09 35	0.11 193	0.04 11	0.04 22	0.04 1	0.03 1	0.03 1	0.04 41

xyz-stereo-finetune2	0.11 191	0.07 145	0.13 235	0.13 14	0.07 75	0.11 178	0.19 408	0.17 174	0.12 89	0.15 273	0.15 211	0.17 306	0.12 261	0.13 240	0.11 193	0.05 28	0.04 22	0.07 200	0.05 112	0.04 16	0.06 204

xyz-stereo-finetune	0.11 191	0.08 242	0.13 235	0.14 32	0.06 14	0.10 133	0.19 408	0.17 174	0.19 252	0.12 198	0.14 194	0.15 272	0.10 205	0.13 240	0.11 193	0.05 28	0.04 22	0.07 200	0.05 112	0.04 16	0.05 124

S2M2	0.09 87	0.08 242	0.11 154	0.13 14	0.10 346	0.08 53	0.06 1	0.10 19	0.10 37	0.10 131	0.09 94	0.10 160	0.09 173	0.11 113	0.11 193	0.13 483	0.07 385	0.08 284	0.09 389	0.10 420	0.08 349

fffy	0.09 87	0.08 242	0.09 74	0.16 148	0.07 75	0.13 252	0.17 324	0.13 63	0.12 89	0.08 68	0.09 94	0.08 104	0.09 173	0.13 240	0.11 193	0.05 28	0.05 188	0.07 200	0.05 112	0.04 16	0.05 124

RAFT-Stereo-weight	0.09 87	0.06 61	0.10 113	0.16 148	0.07 75	0.09 84	0.14 157	0.19 224	0.16 192	0.11 160	0.10 123	0.08 104	0.06 36	0.10 66	0.11 193	0.06 117	0.04 22	0.06 107	0.04 38	0.04 16	0.04 41

qqq1	0.13 282	0.07 145	0.17 383	0.14 32	0.08 132	0.16 340	0.17 324	0.26 356	0.27 374	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.11 193	0.08 306	0.05 188	0.05 27	0.05 112	0.06 196	0.06 204

fff1	0.13 282	0.07 145	0.17 383	0.14 32	0.08 132	0.16 340	0.17 324	0.26 356	0.27 374	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.11 193	0.08 306	0.05 188	0.05 27	0.05 112	0.06 196	0.06 204

CoDeX	0.12 257	0.07 145	0.12 189	0.17 222	0.08 132	0.12 213	0.15 225	0.23 300	0.27 374	0.13 225	0.17 244	0.16 286	0.11 230	0.14 266	0.11 193	0.07 245	0.05 188	0.07 200	0.06 191	0.06 196	0.05 124

LL-Strereo	0.13 282	0.09 318	0.11 154	0.20 416	0.10 346	0.11 178	0.18 369	0.32 442	0.24 330	0.15 273	0.15 211	0.14 243	0.13 299	0.19 390	0.11 193	0.06 117	0.04 22	0.09 365	0.08 343	0.04 16	0.05 124

anonymousdsp2	0.11 191	0.07 145	0.10 113	0.16 148	0.09 244	0.13 252	0.14 157	0.18 203	0.22 304	0.13 225	0.14 194	0.12 198	0.09 173	0.14 266	0.11 193	0.05 28	0.04 22	0.05 27	0.04 38	0.06 196	0.05 124

EGLCR-Stereo	0.08 48	0.05 20	0.08 32	0.14 32	0.06 14	0.10 133	0.12 68	0.11 30	0.16 192	0.06 12	0.05 7	0.07 66	0.05 11	0.10 66	0.11 193	0.06 117	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

DCRE	0.11 191	0.07 145	0.13 235	0.16 148	0.11 395	0.11 178	0.17 324	0.18 203	0.17 211	0.11 160	0.18 269	0.10 160	0.10 205	0.15 288	0.11 193	0.06 117	0.05 188	0.06 107	0.06 191	0.05 103	0.04 41

knoymous	0.11 191	0.05 20	0.12 189	0.13 14	0.07 75	0.15 310	0.14 157	0.19 224	0.13 120	0.11 160	0.17 244	0.13 223	0.09 173	0.13 240	0.11 193	0.08 306	0.05 188	0.06 107	0.05 112	0.08 326	0.07 285

Selective-RAFT	0.11 191	0.10 376	0.11 154	0.21 445	0.08 132	0.16 340	0.13 109	0.20 235	0.22 304	0.10 131	0.10 123	0.11 181	0.10 205	0.15 288	0.11 193	0.05 28	0.05 188	0.06 107	0.05 112	0.06 196	0.05 124

RCA-Stereo	0.09 87	0.06 61	0.09 74	0.16 148	0.06 14	0.09 84	0.13 109	0.18 203	0.14 147	0.09 98	0.10 123	0.08 104	0.07 112	0.12 195	0.11 193	0.06 117	0.04 22	0.06 107	0.05 112	0.05 103	0.04 41

SA	0.12 257	0.09 318	0.08 32	0.18 304	0.08 132	0.12 213	0.24 479	0.23 300	0.18 237	0.17 317	0.27 396	0.14 243	0.11 230	0.11 113	0.11 193	0.05 28	0.05 188	0.09 365	0.08 343	0.05 103	0.04 41

test_4	0.10 148	0.10 376	0.08 32	0.19 361	0.09 244	0.08 53	0.22 456	0.15 111	0.17 211	0.12 198	0.18 269	0.12 198	0.09 173	0.08 16	0.11 193	0.04 11	0.04 22	0.08 284	0.08 343	0.04 16	0.03 1

CIPLG	0.11 191	0.08 242	0.14 270	0.17 222	0.08 132	0.12 213	0.15 225	0.17 174	0.15 164	0.14 246	0.11 153	0.16 286	0.09 173	0.16 322	0.11 193	0.07 245	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204

GLC_STEREO	0.11 191	0.07 145	0.11 154	0.17 222	0.07 75	0.09 84	0.13 109	0.15 111	0.24 330	0.12 198	0.13 180	0.12 198	0.08 147	0.18 375	0.11 193	0.06 117	0.08 411	0.08 284	0.06 191	0.05 103	0.05 124

IPLGR_C	0.11 191	0.08 242	0.14 270	0.17 222	0.08 132	0.12 213	0.15 225	0.17 174	0.15 164	0.14 246	0.10 123	0.16 286	0.09 173	0.16 322	0.11 193	0.07 245	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204

ACRE	0.11 191	0.08 242	0.14 270	0.17 222	0.08 132	0.12 213	0.15 225	0.17 174	0.14 147	0.14 246	0.10 123	0.16 286	0.09 173	0.16 322	0.11 193	0.07 245	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204

test_3	0.10 148	0.09 318	0.10 113	0.20 416	0.08 132	0.13 252	0.26 502	0.14 80	0.21 290	0.10 131	0.10 123	0.09 129	0.09 173	0.08 16	0.11 193	0.05 28	0.04 22	0.08 284	0.07 278	0.04 16	0.04 41

PFNet+	0.11 191	0.06 61	0.13 235	0.16 148	0.09 244	0.05 4	0.12 68	0.17 174	0.21 290	0.16 301	0.19 278	0.14 243	0.10 205	0.11 113	0.11 193	0.08 306	0.05 188	0.09 365	0.08 343	0.06 196	0.11 446

LCNet	0.11 191	0.07 145	0.09 74	0.19 361	0.09 244	0.08 53	0.15 225	0.21 258	0.15 164	0.11 160	0.15 211	0.16 286	0.11 230	0.12 195	0.11 193	0.05 28	0.04 22	0.08 284	0.07 278	0.06 196	0.15 502

NF-Stereo	0.11 191	0.07 145	0.13 235	0.17 222	0.09 244	0.10 133	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 113	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.12 459

OCTAStereo	0.11 191	0.07 145	0.13 235	0.17 222	0.09 244	0.10 133	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 113	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.12 459

PSM-softLoss	0.12 257	0.07 145	0.15 321	0.17 222	0.09 244	0.08 53	0.13 109	0.24 322	0.17 211	0.14 246	0.19 278	0.13 223	0.11 230	0.11 113	0.11 193	0.07 245	0.05 188	0.08 284	0.07 278	0.06 196	0.12 459

KMStereo	0.12 257	0.07 145	0.15 321	0.17 222	0.09 244	0.08 53	0.13 109	0.24 322	0.17 211	0.14 246	0.19 278	0.13 223	0.11 230	0.11 113	0.11 193	0.07 245	0.05 188	0.08 284	0.07 278	0.06 196	0.12 459

SST-Stereo	0.10 148	0.07 145	0.15 321	0.18 304	0.09 244	0.06 10	0.12 68	0.17 174	0.11 63	0.15 273	0.17 244	0.13 223	0.12 261	0.10 66	0.11 193	0.06 117	0.04 22	0.09 365	0.06 191	0.06 196	0.05 124

RAFT_R40	0.11 191	0.07 145	0.14 270	0.18 304	0.09 244	0.06 10	0.13 109	0.17 174	0.16 192	0.14 246	0.18 269	0.15 272	0.12 261	0.10 66	0.11 193	0.06 117	0.04 22	0.09 365	0.06 191	0.06 196	0.05 124

PFNet	0.12 257	0.06 61	0.17 383	0.17 222	0.08 132	0.09 84	0.15 225	0.26 356	0.20 275	0.16 301	0.16 223	0.14 243	0.11 230	0.12 195	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.05 103	0.05 124

GrayStereo	0.11 191	0.06 61	0.11 154	0.19 361	0.09 244	0.09 84	0.16 290	0.18 203	0.17 211	0.14 246	0.17 244	0.17 306	0.11 230	0.12 195	0.11 193	0.05 28	0.05 188	0.07 200	0.06 191	0.05 103	0.10 420

RE-Stereo	0.11 191	0.07 145	0.13 235	0.17 222	0.09 244	0.10 133	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 113	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.12 459

Pruner-Stereo	0.11 191	0.07 145	0.12 189	0.17 222	0.09 244	0.06 10	0.12 68	0.17 174	0.17 211	0.13 225	0.19 278	0.13 223	0.09 173	0.11 113	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.08 349

TVStereo	0.11 191	0.07 145	0.13 235	0.17 222	0.09 244	0.10 133	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 113	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.12 459

DeepStereo_RVC	0.11 191	0.08 242	0.16 355	0.18 304	0.08 132	0.08 53	0.12 68	0.17 174	0.12 89	0.13 225	0.14 194	0.12 198	0.12 261	0.12 195	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.07 263	0.08 349

CRE-IMP	0.11 191	0.09 318	0.16 355	0.19 361	0.08 132	0.10 133	0.12 68	0.18 203	0.10 37	0.14 246	0.13 180	0.13 223	0.12 261	0.12 195	0.11 193	0.07 245	0.04 22	0.08 284	0.06 191	0.08 326	0.08 349

cross-raft	0.10 148	0.09 318	0.09 74	0.19 361	0.07 75	0.11 178	0.25 494	0.13 63	0.15 164	0.08 68	0.11 153	0.12 198	0.10 205	0.09 35	0.11 193	0.05 28	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

GMM-Stereo	0.11 191	0.07 145	0.10 113	0.18 304	0.09 244	0.08 53	0.15 225	0.23 300	0.16 192	0.11 160	0.15 211	0.13 223	0.11 230	0.11 113	0.11 193	0.05 28	0.04 22	0.08 284	0.07 278	0.06 196	0.09 393

CREStereo++_RVC	0.08 48	0.04 1	0.06 3	0.13 14	0.07 75	0.09 84	0.12 68	0.14 80	0.14 147	0.10 131	0.14 194	0.08 104	0.07 112	0.09 35	0.11 193	0.06 117	0.04 22	0.05 27	0.05 112	0.04 16	0.04 41
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
RALCasStereoNet	0.10 148	0.06 61	0.09 74	0.16 148	0.08 132	0.12 213	0.14 157	0.17 174	0.11 63	0.12 198	0.17 244	0.14 243	0.10 205	0.12 195	0.11 193	0.07 245	0.06 313	0.06 107	0.05 112	0.08 326	0.07 285

RALAANet	0.11 191	0.08 242	0.10 113	0.17 222	0.09 244	0.14 284	0.10 30	0.20 235	0.15 164	0.14 246	0.13 180	0.16 286	0.09 173	0.12 195	0.11 193	0.06 117	0.05 188	0.07 200	0.06 191	0.05 103	0.04 41

sCroCo_RVC	0.12 257	0.09 318	0.23 452	0.24 490	0.11 395	0.19 403	0.14 157	0.17 174	0.14 147	0.10 131	0.13 180	0.12 198	0.07 112	0.14 266	0.11 193	0.08 306	0.08 411	0.08 284	0.08 343	0.05 103	0.07 285

EAI-Stereo	0.09 87	0.07 145	0.11 154	0.15 73	0.06 14	0.10 133	0.15 225	0.16 138	0.09 24	0.08 68	0.09 94	0.08 104	0.07 112	0.09 35	0.11 193	0.05 28	0.04 22	0.05 27	0.05 112	0.05 103	0.04 41

SFCPSM	0.13 282	0.07 145	0.14 270	0.17 222	0.09 244	0.15 310	0.16 290	0.28 396	0.27 374	0.14 246	0.17 244	0.12 198	0.13 299	0.14 266	0.11 193	0.08 306	0.05 188	0.07 200	0.07 278	0.07 263	0.06 204

R-Stereo Train	0.10 148	0.06 61	0.10 113	0.17 222	0.08 132	0.11 178	0.14 157	0.23 300	0.11 63	0.12 198	0.19 278	0.11 181	0.08 147	0.09 35	0.11 193	0.07 245	0.05 188	0.06 107	0.05 112	0.05 103	0.05 124

RAFT-Stereo	0.10 148	0.06 61	0.10 113	0.17 222	0.08 132	0.11 178	0.14 157	0.23 300	0.11 63	0.12 198	0.19 278	0.11 181	0.08 147	0.09 35	0.11 193	0.07 245	0.05 188	0.06 107	0.05 112	0.05 103	0.05 124
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
xyz-stereo	0.13 282	0.07 145	0.20 429	0.15 73	0.05 1	0.20 418	0.15 225	0.17 174	0.31 412	0.15 273	0.29 422	0.26 420	0.16 368	0.13 240	0.12 242	0.05 28	0.05 188	0.06 107	0.05 112	0.04 16	0.04 41

fffft	0.09 87	0.06 61	0.12 189	0.16 148	0.07 75	0.09 84	0.17 324	0.12 47	0.11 63	0.08 68	0.07 40	0.09 129	0.06 36	0.11 113	0.12 242	0.05 28	0.04 22	0.06 107	0.05 112	0.04 16	0.05 124
1: 1. 1
mms	0.09 87	0.07 145	0.08 32	0.16 148	0.08 132	0.10 133	0.16 290	0.12 47	0.11 63	0.08 68	0.09 94	0.08 104	0.06 36	0.11 113	0.12 242	0.05 28	0.04 22	0.07 200	0.05 112	0.04 16	0.03 1

ours_stereo	0.09 87	0.07 145	0.09 74	0.17 222	0.08 132	0.11 178	0.16 290	0.11 30	0.12 89	0.08 68	0.10 123	0.08 104	0.06 36	0.12 195	0.12 242	0.05 28	0.04 22	0.06 107	0.05 112	0.04 16	0.03 1

rvit_0105_6	0.14 316	0.09 318	0.18 406	0.17 222	0.10 346	0.10 133	0.16 290	0.19 224	0.26 365	0.12 198	0.18 269	0.17 306	0.12 261	0.18 375	0.12 242	0.15 500	0.11 472	0.12 463	0.10 428	0.09 388	0.06 204

UGAM	0.13 282	0.10 376	0.09 74	0.22 460	0.08 132	0.12 213	0.20 429	0.17 174	0.23 314	0.21 400	0.16 223	0.13 223	0.13 299	0.19 390	0.12 242	0.07 245	0.05 188	0.13 478	0.11 460	0.07 263	0.05 124

rvit_stereo_0083	0.12 257	0.08 242	0.17 383	0.16 148	0.09 244	0.11 178	0.15 225	0.14 80	0.26 365	0.11 160	0.14 194	0.13 223	0.10 205	0.12 195	0.12 242	0.10 406	0.08 411	0.09 365	0.07 278	0.07 263	0.05 124

rvit_stereo_0081	0.11 191	0.08 242	0.15 321	0.16 148	0.09 244	0.10 133	0.14 157	0.14 80	0.24 330	0.11 160	0.13 180	0.13 223	0.09 173	0.11 113	0.12 242	0.10 406	0.07 385	0.08 284	0.07 278	0.07 263	0.05 124

rvit_stereo_0082	0.11 191	0.08 242	0.15 321	0.16 148	0.09 244	0.10 133	0.14 157	0.14 80	0.24 330	0.11 160	0.13 180	0.13 223	0.09 173	0.11 113	0.12 242	0.10 406	0.07 385	0.08 284	0.07 278	0.07 263	0.05 124

test_sample2	0.12 257	0.07 145	0.12 189	0.14 32	0.08 132	0.16 340	0.18 369	0.21 258	0.16 192	0.14 246	0.20 290	0.19 334	0.15 342	0.15 288	0.12 242	0.08 306	0.05 188	0.07 200	0.06 191	0.08 326	0.07 285

Former-RAFT_DAM_RVC	0.10 148	0.08 242	0.12 189	0.16 148	0.08 132	0.15 310	0.16 290	0.18 203	0.18 237	0.10 131	0.09 94	0.09 129	0.08 147	0.11 113	0.12 242	0.07 245	0.05 188	0.08 284	0.06 191	0.07 263	0.06 204

plain	0.10 148	0.08 242	0.10 113	0.19 361	0.09 244	0.10 133	0.15 225	0.14 80	0.13 120	0.13 225	0.15 211	0.09 129	0.12 261	0.13 240	0.12 242	0.07 245	0.05 188	0.09 365	0.06 191	0.06 196	0.06 204

MIF-Stereo (partial)	0.11 191	0.06 61	0.10 113	0.19 361	0.10 346	0.10 133	0.11 50	0.17 174	0.18 237	0.14 246	0.16 223	0.09 129	0.11 230	0.12 195	0.12 242	0.08 306	0.05 188	0.08 284	0.07 278	0.06 196	0.07 285

EKT-Stereo	0.11 191	0.07 145	0.14 270	0.15 73	0.10 346	0.13 252	0.14 157	0.18 203	0.21 290	0.11 160	0.08 76	0.12 198	0.09 173	0.11 113	0.12 242	0.08 306	0.06 313	0.07 200	0.06 191	0.08 326	0.07 285

testlalala_base	0.10 148	0.09 318	0.14 270	0.21 445	0.08 132	0.10 133	0.14 157	0.13 63	0.10 37	0.07 35	0.15 211	0.07 66	0.08 147	0.10 66	0.12 242	0.08 306	0.05 188	0.05 27	0.03 1	0.06 196	0.05 124

riskmin	0.11 191	0.06 61	0.13 235	0.14 32	0.08 132	0.14 284	0.14 157	0.18 203	0.14 147	0.11 160	0.14 194	0.16 286	0.11 230	0.14 266	0.12 242	0.09 365	0.05 188	0.07 200	0.05 112	0.08 326	0.08 349

DCANet-4	0.10 148	0.06 61	0.12 189	0.16 148	0.06 14	0.09 84	0.17 324	0.18 203	0.19 252	0.13 225	0.16 223	0.09 129	0.14 324	0.11 113	0.12 242	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.05 124

fff	0.10 148	0.06 61	0.12 189	0.15 73	0.07 75	0.09 84	0.17 324	0.16 138	0.20 275	0.13 225	0.16 223	0.10 160	0.11 230	0.11 113	0.12 242	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.05 124

ADStereo(finetuned)	0.10 148	0.06 61	0.12 189	0.16 148	0.06 14	0.09 84	0.17 324	0.15 111	0.19 252	0.13 225	0.17 244	0.10 160	0.12 261	0.11 113	0.12 242	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

raft_robust	0.13 282	0.10 376	0.07 7	0.18 304	0.08 132	0.13 252	0.24 479	0.28 396	0.33 426	0.20 386	0.19 278	0.14 243	0.10 205	0.11 113	0.12 242	0.05 28	0.05 188	0.07 200	0.07 278	0.05 103	0.04 41

RAFT+CT+SA	0.13 282	0.11 402	0.09 74	0.19 361	0.09 244	0.15 310	0.28 515	0.22 280	0.22 304	0.15 273	0.26 388	0.10 160	0.10 205	0.11 113	0.12 242	0.05 28	0.04 22	0.07 200	0.08 343	0.07 263	0.06 204

hknet	0.15 360	0.11 402	0.13 235	0.22 460	0.11 395	0.14 284	0.15 225	0.34 470	0.25 351	0.17 317	0.22 321	0.22 373	0.18 405	0.17 354	0.12 242	0.07 245	0.06 313	0.10 413	0.09 389	0.07 263	0.07 285

DAS	0.15 360	0.08 242	0.18 406	0.19 361	0.10 346	0.19 403	0.17 324	0.27 377	0.29 395	0.18 347	0.25 371	0.21 355	0.15 342	0.16 322	0.12 242	0.08 306	0.06 313	0.06 107	0.06 191	0.07 263	0.07 285

SepStereo	0.15 360	0.08 242	0.18 406	0.19 361	0.10 346	0.19 403	0.17 324	0.27 377	0.29 395	0.18 347	0.25 371	0.21 355	0.15 342	0.25 470	0.12 242	0.08 306	0.06 313	0.06 107	0.06 191	0.07 263	0.07 285

MIPNet	0.11 191	0.08 242	0.14 270	0.17 222	0.09 244	0.12 213	0.14 157	0.20 235	0.24 330	0.11 160	0.10 123	0.09 129	0.07 112	0.13 240	0.12 242	0.06 117	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

IPLGR	0.11 191	0.09 318	0.16 355	0.18 304	0.08 132	0.12 213	0.17 324	0.21 258	0.24 330	0.11 160	0.12 166	0.11 181	0.08 147	0.12 195	0.12 242	0.06 117	0.05 188	0.06 107	0.06 191	0.04 16	0.04 41

CrosDoStereo	0.12 257	0.06 61	0.12 189	0.14 32	0.08 132	0.12 213	0.15 225	0.17 174	0.22 304	0.19 363	0.24 342	0.15 272	0.11 230	0.11 113	0.12 242	0.06 117	0.04 22	0.07 200	0.07 278	0.05 103	0.05 124

STrans-v2	0.10 148	0.07 145	0.12 189	0.18 304	0.07 75	0.10 133	0.14 157	0.21 258	0.11 63	0.11 160	0.15 211	0.12 198	0.10 205	0.11 113	0.12 242	0.05 28	0.04 22	0.06 107	0.06 191	0.04 16	0.04 41

IIG-Stereo	0.11 191	0.06 61	0.13 235	0.17 222	0.08 132	0.11 178	0.12 68	0.22 280	0.17 211	0.14 246	0.17 244	0.11 181	0.12 261	0.12 195	0.12 242	0.06 117	0.05 188	0.07 200	0.06 191	0.05 103	0.04 41

DeepStereo_LL	0.12 257	0.06 61	0.12 189	0.14 32	0.08 132	0.12 213	0.15 225	0.17 174	0.22 304	0.19 363	0.24 342	0.15 272	0.11 230	0.11 113	0.12 242	0.06 117	0.04 22	0.07 200	0.07 278	0.05 103	0.05 124

DRaft	0.12 257	0.06 61	0.11 154	0.14 32	0.09 244	0.14 284	0.17 324	0.21 258	0.30 405	0.17 317	0.28 410	0.10 160	0.15 342	0.10 66	0.12 242	0.05 28	0.04 22	0.07 200	0.06 191	0.05 103	0.05 124

RAFT-RH_RVC	0.11 191	0.06 61	0.14 270	0.16 148	0.09 244	0.12 213	0.12 68	0.17 174	0.12 89	0.13 225	0.41 500	0.11 181	0.10 205	0.13 240	0.12 242	0.05 28	0.04 22	0.08 284	0.05 112	0.04 16	0.06 204

RAFT-345	0.11 191	0.07 145	0.15 321	0.16 148	0.08 132	0.08 53	0.12 68	0.15 111	0.10 37	0.11 160	0.36 463	0.09 129	0.09 173	0.11 113	0.12 242	0.05 28	0.05 188	0.07 200	0.06 191	0.04 16	0.05 124

rafts_anoy	0.11 191	0.06 61	0.10 113	0.17 222	0.08 132	0.10 133	0.14 157	0.17 174	0.14 147	0.13 225	0.13 180	0.12 198	0.10 205	0.11 113	0.12 242	0.07 245	0.04 22	0.09 365	0.11 460	0.07 263	0.06 204

Anonymous3	0.16 383	0.13 449	0.33 495	0.26 506	0.14 469	0.27 491	0.17 324	0.28 396	0.28 388	0.15 273	0.17 244	0.14 243	0.10 205	0.15 288	0.12 242	0.08 306	0.08 411	0.08 284	0.08 343	0.08 326	0.11 446

s12784h	0.09 87	0.06 61	0.07 7	0.15 73	0.05 1	0.16 340	0.18 369	0.15 111	0.15 164	0.10 131	0.11 153	0.11 181	0.11 230	0.10 66	0.12 242	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.04 41

DCANet	0.10 148	0.06 61	0.12 189	0.16 148	0.06 14	0.09 84	0.17 324	0.15 111	0.19 252	0.13 225	0.17 244	0.10 160	0.11 230	0.11 113	0.12 242	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

csc	0.10 148	0.06 61	0.12 189	0.15 73	0.07 75	0.09 84	0.17 324	0.16 138	0.20 275	0.13 225	0.16 223	0.10 160	0.11 230	0.11 113	0.12 242	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.05 124

cscssc	0.10 148	0.06 61	0.12 189	0.15 73	0.07 75	0.09 84	0.17 324	0.16 138	0.20 275	0.13 225	0.16 223	0.10 160	0.11 230	0.11 113	0.12 242	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.05 124

ARAFT	0.12 257	0.08 242	0.17 383	0.19 361	0.09 244	0.14 284	0.18 369	0.20 235	0.12 89	0.12 198	0.13 180	0.14 243	0.11 230	0.15 288	0.12 242	0.06 117	0.05 188	0.10 413	0.09 389	0.05 103	0.04 41

RAFT + AFF	0.13 282	0.07 145	0.20 429	0.20 416	0.10 346	0.14 284	0.24 479	0.26 356	0.20 275	0.11 160	0.10 123	0.12 198	0.10 205	0.15 288	0.12 242	0.07 245	0.06 313	0.09 365	0.08 343	0.06 196	0.08 349

FACV-RUCA	0.13 282	0.11 402	0.12 189	0.19 361	0.12 426	0.15 310	0.15 225	0.22 280	0.20 275	0.15 273	0.16 223	0.14 243	0.16 368	0.14 266	0.13 283	0.07 245	0.05 188	0.08 284	0.06 191	0.10 420	0.08 349

rvit_0105_4	0.14 316	0.09 318	0.17 383	0.17 222	0.10 346	0.12 213	0.19 408	0.23 300	0.27 374	0.14 246	0.20 290	0.17 306	0.13 299	0.17 354	0.13 283	0.15 500	0.11 472	0.11 444	0.10 428	0.09 388	0.06 204

rvit_stereo_0075_2	0.17 403	0.12 420	0.25 461	0.23 481	0.16 497	0.13 252	0.10 30	0.30 421	0.27 374	0.20 386	0.28 410	0.22 373	0.15 342	0.18 375	0.13 283	0.16 516	0.10 460	0.17 510	0.10 428	0.10 420	0.09 393

rvit_stereo_ft	0.12 257	0.07 145	0.13 235	0.19 361	0.10 346	0.12 213	0.17 324	0.16 138	0.16 192	0.12 198	0.13 180	0.15 272	0.10 205	0.14 266	0.13 283	0.09 365	0.06 313	0.08 284	0.07 278	0.07 263	0.05 124

test_sample6	0.14 316	0.08 242	0.13 235	0.16 148	0.08 132	0.17 361	0.19 408	0.25 338	0.17 211	0.17 317	0.27 396	0.19 334	0.14 324	0.15 288	0.13 283	0.08 306	0.05 188	0.08 284	0.07 278	0.08 326	0.08 349

test_sample5	0.14 316	0.08 242	0.14 270	0.16 148	0.08 132	0.18 380	0.18 369	0.25 338	0.17 211	0.17 317	0.27 396	0.18 320	0.14 324	0.16 322	0.13 283	0.08 306	0.05 188	0.08 284	0.07 278	0.08 326	0.08 349

test_sample4	0.14 316	0.08 242	0.14 270	0.15 73	0.08 132	0.19 403	0.18 369	0.26 356	0.17 211	0.16 301	0.25 371	0.18 320	0.14 324	0.16 322	0.13 283	0.08 306	0.06 313	0.08 284	0.06 191	0.08 326	0.08 349

test_sample3	0.14 316	0.08 242	0.15 321	0.14 32	0.09 244	0.19 403	0.17 324	0.26 356	0.18 237	0.16 301	0.22 321	0.19 334	0.15 342	0.17 354	0.13 283	0.08 306	0.06 313	0.07 200	0.06 191	0.09 388	0.08 349

testlalala2	0.10 148	0.06 61	0.11 154	0.20 416	0.10 346	0.10 133	0.12 68	0.17 174	0.12 89	0.12 198	0.13 180	0.09 129	0.07 112	0.11 113	0.13 283	0.06 117	0.05 188	0.05 27	0.04 38	0.05 103	0.05 124

MyStereo05	0.13 282	0.07 145	0.10 113	0.17 222	0.09 244	0.13 252	0.18 369	0.27 377	0.35 447	0.17 317	0.14 194	0.15 272	0.11 230	0.15 288	0.13 283	0.06 117	0.05 188	0.07 200	0.07 278	0.06 196	0.06 204

MyStereo04	0.13 282	0.07 145	0.10 113	0.17 222	0.09 244	0.14 284	0.18 369	0.29 407	0.38 465	0.17 317	0.14 194	0.16 286	0.10 205	0.15 288	0.13 283	0.06 117	0.05 188	0.08 284	0.07 278	0.06 196	0.06 204

11t1	0.12 257	0.06 61	0.13 235	0.14 32	0.08 132	0.17 361	0.15 225	0.18 203	0.15 164	0.15 273	0.15 211	0.16 286	0.16 368	0.15 288	0.13 283	0.08 306	0.05 188	0.06 107	0.05 112	0.08 326	0.07 285

DualNet	0.14 316	0.08 242	0.14 270	0.16 148	0.08 132	0.18 380	0.18 369	0.25 338	0.17 211	0.17 317	0.27 396	0.18 320	0.14 324	0.16 322	0.13 283	0.08 306	0.05 188	0.08 284	0.07 278	0.08 326	0.08 349

MaDis-Stereo	0.09 87	0.09 318	0.08 32	0.17 222	0.09 244	0.13 252	0.10 30	0.16 138	0.16 192	0.09 98	0.11 153	0.06 18	0.06 36	0.09 35	0.13 283	0.07 245	0.06 313	0.07 200	0.05 112	0.05 103	0.04 41

PCWNet_CMD	0.14 316	0.08 242	0.15 321	0.17 222	0.09 244	0.14 284	0.14 157	0.29 407	0.36 451	0.14 246	0.20 290	0.21 355	0.12 261	0.17 354	0.13 283	0.07 245	0.05 188	0.07 200	0.07 278	0.07 263	0.07 285

TestStereo1	0.13 282	0.08 242	0.08 32	0.19 361	0.08 132	0.18 380	0.29 524	0.23 300	0.16 192	0.17 317	0.20 290	0.16 286	0.10 205	0.12 195	0.13 283	0.06 117	0.06 313	0.08 284	0.06 191	0.05 103	0.05 124

BUS	0.14 316	0.09 318	0.14 270	0.22 460	0.10 346	0.19 403	0.14 157	0.34 470	0.19 252	0.17 317	0.22 321	0.16 286	0.13 299	0.15 288	0.13 283	0.08 306	0.06 313	0.10 413	0.09 389	0.07 263	0.07 285

test_5	0.14 316	0.12 420	0.08 32	0.20 416	0.10 346	0.14 284	0.29 524	0.21 258	0.24 330	0.18 347	0.28 410	0.11 181	0.15 342	0.12 195	0.13 283	0.06 117	0.05 188	0.07 200	0.08 343	0.08 326	0.07 285

NINENet	0.16 383	0.10 376	0.15 321	0.17 222	0.11 395	0.19 403	0.14 157	0.40 514	0.36 451	0.18 347	0.21 311	0.16 286	0.13 299	0.15 288	0.13 283	0.08 306	0.08 411	0.10 413	0.07 278	0.10 420	0.09 393

SA-5K	0.13 282	0.08 242	0.08 32	0.19 361	0.08 132	0.18 380	0.29 524	0.23 300	0.16 192	0.17 317	0.20 290	0.16 286	0.10 205	0.12 195	0.13 283	0.06 117	0.06 313	0.08 284	0.06 191	0.05 103	0.05 124

UDGNet	0.14 316	0.13 449	0.16 355	0.17 222	0.10 346	0.12 213	0.16 290	0.21 258	0.27 374	0.20 386	0.20 290	0.16 286	0.13 299	0.16 322	0.13 283	0.10 406	0.06 313	0.09 365	0.07 278	0.06 196	0.07 285

IPLG	0.10 148	0.07 145	0.15 321	0.17 222	0.08 132	0.11 178	0.14 157	0.20 235	0.15 164	0.12 198	0.17 244	0.07 66	0.07 112	0.14 266	0.13 283	0.06 117	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

GANet-ADL	0.13 282	0.07 145	0.15 321	0.17 222	0.10 346	0.18 380	0.15 225	0.30 421	0.20 275	0.13 225	0.18 269	0.19 334	0.12 261	0.16 322	0.13 283	0.08 306	0.06 313	0.06 107	0.05 112	0.07 263	0.08 349

OMP-Stereo	0.11 191	0.06 61	0.14 270	0.18 304	0.08 132	0.09 84	0.12 68	0.21 258	0.21 290	0.13 225	0.14 194	0.11 181	0.12 261	0.11 113	0.13 283	0.06 117	0.04 22	0.07 200	0.06 191	0.05 103	0.04 41

FTStereo	0.12 257	0.06 61	0.14 270	0.18 304	0.09 244	0.07 30	0.15 225	0.21 258	0.18 237	0.12 198	0.24 342	0.12 198	0.12 261	0.13 240	0.13 283	0.05 28	0.05 188	0.07 200	0.06 191	0.06 196	0.10 420

DEmStereo	0.12 257	0.06 61	0.14 270	0.14 32	0.10 346	0.16 340	0.15 225	0.16 138	0.24 330	0.17 317	0.24 342	0.13 223	0.14 324	0.12 195	0.13 283	0.05 28	0.04 22	0.07 200	0.06 191	0.05 103	0.05 124

raft+_RVC	0.11 191	0.07 145	0.09 74	0.16 148	0.07 75	0.10 133	0.11 50	0.24 322	0.20 275	0.12 198	0.15 211	0.12 198	0.08 147	0.12 195	0.13 283	0.07 245	0.04 22	0.07 200	0.06 191	0.05 103	0.05 124

GES	0.14 316	0.08 242	0.16 355	0.15 73	0.10 346	0.13 252	0.13 109	0.28 396	0.25 351	0.16 301	0.23 330	0.18 320	0.13 299	0.16 322	0.13 283	0.08 306	0.07 385	0.07 200	0.06 191	0.08 326	0.09 393

HCRNet	0.16 383	0.24 522	0.12 189	0.35 537	0.11 395	0.15 310	0.17 324	0.26 356	0.22 304	0.19 363	0.24 342	0.21 355	0.14 324	0.15 288	0.13 283	0.11 435	0.07 385	0.11 444	0.10 428	0.09 388	0.07 285

GMStereo	0.13 282	0.14 461	0.14 270	0.18 304	0.09 244	0.15 310	0.16 290	0.20 235	0.24 330	0.16 301	0.17 244	0.10 160	0.10 205	0.16 322	0.13 283	0.07 245	0.06 313	0.06 107	0.06 191	0.07 263	0.06 204
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.14 316	0.07 145	0.13 235	0.15 73	0.08 132	0.13 252	0.16 290	0.24 322	0.24 330	0.16 301	0.28 410	0.22 373	0.14 324	0.15 288	0.13 283	0.11 435	0.06 313	0.09 365	0.12 479	0.08 326	0.07 285

DIP-Stereo	0.11 191	0.07 145	0.14 270	0.17 222	0.09 244	0.13 252	0.09 19	0.16 138	0.16 192	0.11 160	0.16 223	0.14 243	0.12 261	0.15 288	0.13 283	0.06 117	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.14 316	0.08 242	0.11 154	0.15 73	0.08 132	0.15 310	0.15 225	0.27 377	0.29 395	0.19 363	0.21 311	0.29 446	0.14 324	0.17 354	0.13 283	0.06 117	0.06 313	0.06 107	0.06 191	0.07 263	0.06 204
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HITNet	0.10 148	0.06 61	0.12 189	0.14 32	0.06 14	0.11 178	0.10 30	0.18 203	0.18 237	0.13 225	0.16 223	0.14 243	0.11 230	0.15 288	0.13 283	0.06 117	0.04 22	0.04 1	0.04 38	0.06 196	0.05 124
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
MLCV	0.12 257	0.07 145	0.16 355	0.18 304	0.06 14	0.15 310	0.17 324	0.19 224	0.21 290	0.18 347	0.25 371	0.17 306	0.13 299	0.14 266	0.13 283	0.05 28	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

iResNet_ROB	0.14 316	0.07 145	0.13 235	0.14 32	0.07 75	0.18 380	0.14 157	0.26 356	0.31 412	0.22 416	0.25 371	0.23 391	0.15 342	0.15 288	0.13 283	0.07 245	0.05 188	0.05 27	0.04 38	0.08 326	0.08 349

DN-CSS_ROB	0.13 282	0.13 449	0.16 355	0.18 304	0.10 346	0.16 340	0.08 8	0.22 280	0.18 237	0.17 317	0.22 321	0.13 223	0.13 299	0.12 195	0.13 283	0.05 28	0.05 188	0.10 413	0.10 428	0.08 326	0.06 204

DFGA-Net	0.13 282	0.11 402	0.18 406	0.17 222	0.10 346	0.12 213	0.13 109	0.22 280	0.25 351	0.16 301	0.16 223	0.13 223	0.12 261	0.16 322	0.14 320	0.07 245	0.05 188	0.08 284	0.07 278	0.05 103	0.05 124

rvit_0105_5	0.14 316	0.09 318	0.13 235	0.17 222	0.09 244	0.14 284	0.23 467	0.24 322	0.27 374	0.14 246	0.15 211	0.18 320	0.12 261	0.17 354	0.14 320	0.14 496	0.11 472	0.10 413	0.10 428	0.08 326	0.06 204

rvit_0105_3	0.15 360	0.09 318	0.14 270	0.19 361	0.12 426	0.15 310	0.25 494	0.25 338	0.29 395	0.15 273	0.17 244	0.20 346	0.13 299	0.17 354	0.14 320	0.13 483	0.11 472	0.12 463	0.14 492	0.07 263	0.06 204

DCVSM-stereo	0.14 316	0.09 318	0.16 355	0.16 148	0.10 346	0.15 310	0.09 19	0.19 224	0.23 314	0.20 386	0.23 330	0.26 420	0.15 342	0.18 375	0.14 320	0.09 365	0.07 385	0.09 365	0.08 343	0.10 420	0.12 459

GCST	0.37 531	0.42 548	0.26 464	1.02 572	0.39 547	0.18 380	0.08 8	0.20 235	0.17 211	0.28 476	0.25 371	0.15 272	0.12 261	0.16 322	0.14 320	0.64 565	0.43 554	0.75 562	0.65 565	0.63 559	0.46 558

test_sample1	0.13 282	0.07 145	0.14 270	0.13 14	0.08 132	0.19 403	0.16 290	0.20 235	0.15 164	0.14 246	0.22 321	0.18 320	0.16 368	0.17 354	0.14 320	0.07 245	0.06 313	0.06 107	0.06 191	0.08 326	0.07 285

ttt	0.14 316	0.08 242	0.14 270	0.15 73	0.08 132	0.15 310	0.18 369	0.27 377	0.29 395	0.16 301	0.24 342	0.17 306	0.13 299	0.13 240	0.14 320	0.11 435	0.08 411	0.09 365	0.08 343	0.09 388	0.08 349

GMStereo_Zeroshot	0.16 383	0.13 449	0.24 456	0.20 416	0.10 346	0.17 361	0.13 109	0.29 407	0.25 351	0.23 428	0.32 440	0.25 411	0.11 230	0.19 390	0.14 320	0.09 365	0.06 313	0.11 444	0.06 191	0.12 458	0.08 349

CASS	0.13 282	0.12 420	0.11 154	0.23 481	0.09 244	0.15 310	0.17 324	0.18 203	0.19 252	0.17 317	0.18 269	0.15 272	0.15 342	0.14 266	0.14 320	0.09 365	0.06 313	0.10 413	0.08 343	0.09 388	0.07 285
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 282	0.07 145	0.13 235	0.18 304	0.09 244	0.13 252	0.17 324	0.19 224	0.29 395	0.15 273	0.24 342	0.15 272	0.14 324	0.14 266	0.14 320	0.07 245	0.05 188	0.07 200	0.09 389	0.05 103	0.06 204

IER	0.14 316	0.07 145	0.13 235	0.17 222	0.09 244	0.14 284	0.16 290	0.25 338	0.26 365	0.18 347	0.25 371	0.17 306	0.20 433	0.16 322	0.14 320	0.08 306	0.05 188	0.07 200	0.06 191	0.08 326	0.07 285

BSDual-CNN	0.15 360	0.09 318	0.14 270	0.22 460	0.10 346	0.14 284	0.15 225	0.34 470	0.19 252	0.17 317	0.22 321	0.25 411	0.16 368	0.15 288	0.14 320	0.08 306	0.06 313	0.10 413	0.09 389	0.07 263	0.07 285

psmg	0.14 316	0.09 318	0.14 270	0.17 222	0.10 346	0.15 310	0.17 324	0.29 407	0.19 252	0.17 317	0.21 311	0.25 411	0.16 368	0.15 288	0.14 320	0.08 306	0.06 313	0.08 284	0.08 343	0.07 263	0.06 204

GwcNet-ADL	0.13 282	0.08 242	0.14 270	0.20 416	0.09 244	0.11 178	0.20 429	0.30 421	0.24 330	0.13 225	0.14 194	0.18 320	0.14 324	0.13 240	0.14 320	0.07 245	0.05 188	0.06 107	0.05 112	0.07 263	0.06 204

AAGNet	0.11 191	0.07 145	0.16 355	0.19 361	0.09 244	0.08 53	0.13 109	0.18 203	0.13 120	0.16 301	0.21 311	0.13 223	0.14 324	0.11 113	0.14 320	0.06 117	0.04 22	0.09 365	0.06 191	0.06 196	0.05 124

THIR-Stereo	0.12 257	0.07 145	0.11 154	0.15 73	0.08 132	0.14 284	0.16 290	0.17 174	0.25 351	0.16 301	0.24 342	0.14 243	0.12 261	0.12 195	0.14 320	0.06 117	0.04 22	0.07 200	0.07 278	0.05 103	0.05 124

ICVP	0.15 360	0.09 318	0.12 189	0.22 460	0.09 244	0.17 361	0.21 446	0.25 338	0.23 314	0.18 347	0.30 428	0.26 420	0.18 405	0.17 354	0.14 320	0.09 365	0.07 385	0.08 284	0.07 278	0.07 263	0.07 285
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
TestStereo	0.13 282	0.14 461	0.11 154	0.23 481	0.08 132	0.15 310	0.21 446	0.20 235	0.23 314	0.14 246	0.24 342	0.16 286	0.12 261	0.16 322	0.14 320	0.05 28	0.06 313	0.08 284	0.06 191	0.09 388	0.05 124

CFNet_pseudo	0.14 316	0.08 242	0.15 321	0.16 148	0.09 244	0.13 252	0.14 157	0.27 377	0.34 438	0.14 246	0.21 311	0.22 373	0.13 299	0.18 375	0.14 320	0.07 245	0.05 188	0.08 284	0.06 191	0.07 263	0.07 285

cf-r	0.13 282	0.07 145	0.12 189	0.16 148	0.08 132	0.14 284	0.19 408	0.20 235	0.25 351	0.17 317	0.25 371	0.21 355	0.16 368	0.14 266	0.14 320	0.10 406	0.05 188	0.06 107	0.08 343	0.06 196	0.06 204

CFNet-ft	0.14 316	0.07 145	0.15 321	0.12 4	0.09 244	0.16 340	0.18 369	0.22 280	0.24 330	0.17 317	0.26 388	0.24 397	0.14 324	0.16 322	0.14 320	0.11 435	0.06 313	0.08 284	0.09 389	0.09 388	0.08 349

MSMDNet	0.14 316	0.08 242	0.15 321	0.17 222	0.09 244	0.14 284	0.14 157	0.29 407	0.36 451	0.14 246	0.21 311	0.21 355	0.12 261	0.17 354	0.14 320	0.07 245	0.05 188	0.07 200	0.07 278	0.07 263	0.07 285

CFNet	0.15 360	0.10 376	0.17 383	0.17 222	0.08 132	0.18 380	0.09 19	0.28 396	0.25 351	0.19 363	0.24 342	0.24 397	0.17 391	0.17 354	0.14 320	0.08 306	0.06 313	0.09 365	0.10 428	0.07 263	0.06 204

CFNet_RVC	0.14 316	0.07 145	0.15 321	0.12 4	0.09 244	0.16 340	0.18 369	0.22 280	0.24 330	0.17 317	0.26 388	0.24 397	0.14 324	0.16 322	0.14 320	0.11 435	0.06 313	0.08 284	0.09 389	0.09 388	0.08 349

ccs_rob	0.14 316	0.08 242	0.15 321	0.16 148	0.09 244	0.12 213	0.14 157	0.27 377	0.34 438	0.14 246	0.21 311	0.22 373	0.13 299	0.18 375	0.14 320	0.07 245	0.05 188	0.08 284	0.07 278	0.07 263	0.07 285

AdaStereo	0.15 360	0.11 402	0.15 321	0.18 304	0.09 244	0.20 418	0.11 50	0.32 442	0.28 388	0.20 386	0.23 330	0.20 346	0.13 299	0.19 390	0.14 320	0.12 460	0.05 188	0.10 413	0.07 278	0.09 388	0.07 285
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.
iResNetv2_ROB	0.14 316	0.08 242	0.15 321	0.16 148	0.08 132	0.16 340	0.12 68	0.25 338	0.35 447	0.21 400	0.29 422	0.24 397	0.13 299	0.14 266	0.14 320	0.06 117	0.05 188	0.06 107	0.04 38	0.09 388	0.08 349

iResNet	0.13 282	0.10 376	0.18 406	0.19 361	0.08 132	0.13 252	0.18 369	0.20 235	0.26 365	0.15 273	0.23 330	0.15 272	0.13 299	0.14 266	0.14 320	0.06 117	0.04 22	0.06 107	0.05 112	0.06 196	0.05 124

DDVS	0.15 360	0.10 376	0.21 437	0.16 148	0.12 426	0.15 310	0.14 157	0.25 338	0.19 252	0.18 347	0.29 422	0.27 428	0.12 261	0.19 390	0.15 348	0.09 365	0.06 313	0.09 365	0.07 278	0.11 443	0.11 446

DispNO	0.14 316	0.08 242	0.17 383	0.19 361	0.12 426	0.11 178	0.21 446	0.23 300	0.29 395	0.17 317	0.23 330	0.18 320	0.17 391	0.15 288	0.15 348	0.07 245	0.05 188	0.08 284	0.08 343	0.07 263	0.06 204

CFNet_ucs	0.15 360	0.08 242	0.16 355	0.16 148	0.11 395	0.14 284	0.14 157	0.30 421	0.34 438	0.16 301	0.24 342	0.23 391	0.14 324	0.18 375	0.15 348	0.09 365	0.06 313	0.08 284	0.07 278	0.09 388	0.09 393

SDNR	0.19 429	0.08 242	0.19 417	0.16 148	0.12 426	0.77 562	0.14 157	0.25 338	0.32 419	0.19 363	0.24 342	0.19 334	0.13 299	0.19 390	0.15 348	0.16 516	0.18 524	0.14 490	0.11 460	0.08 326	0.11 446

gwcnet-sp	0.14 316	0.07 145	0.12 189	0.18 304	0.09 244	0.16 340	0.17 324	0.24 322	0.24 330	0.18 347	0.24 342	0.15 272	0.16 368	0.15 288	0.15 348	0.08 306	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

scenet	0.14 316	0.07 145	0.12 189	0.18 304	0.09 244	0.16 340	0.17 324	0.24 322	0.24 330	0.18 347	0.24 342	0.15 272	0.16 368	0.15 288	0.15 348	0.08 306	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

ssnet	0.14 316	0.07 145	0.12 189	0.18 304	0.09 244	0.16 340	0.17 324	0.24 322	0.24 330	0.18 347	0.24 342	0.15 272	0.16 368	0.15 288	0.15 348	0.08 306	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

FENet	0.13 282	0.08 242	0.12 189	0.16 148	0.08 132	0.14 284	0.15 225	0.22 280	0.23 314	0.17 317	0.23 330	0.16 286	0.12 261	0.14 266	0.15 348	0.08 306	0.05 188	0.08 284	0.08 343	0.07 263	0.07 285

GANet-RSSM	0.14 316	0.07 145	0.13 235	0.13 14	0.08 132	0.14 284	0.17 324	0.22 280	0.21 290	0.17 317	0.24 342	0.23 391	0.15 342	0.16 322	0.15 348	0.10 406	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

GwcNet-RSSM	0.14 316	0.07 145	0.12 189	0.15 73	0.08 132	0.15 310	0.20 429	0.21 258	0.27 374	0.18 347	0.27 396	0.22 373	0.16 368	0.14 266	0.15 348	0.10 406	0.05 188	0.07 200	0.09 389	0.07 263	0.07 285

FADNet-RVC-Resample	0.16 383	0.11 402	0.31 489	0.22 460	0.11 395	0.19 403	0.14 157	0.25 338	0.24 330	0.24 437	0.27 396	0.20 346	0.15 342	0.16 322	0.15 348	0.07 245	0.08 411	0.12 463	0.10 428	0.09 388	0.10 420

FADNet	0.21 453	0.22 518	0.36 504	0.18 304	0.17 512	0.24 461	0.13 109	0.31 431	0.31 412	0.23 428	0.25 371	0.27 428	0.21 437	0.19 390	0.15 348	0.13 483	0.15 514	0.12 463	0.15 507	0.16 511	0.18 524

BEATNet_4x	0.12 257	0.08 242	0.14 270	0.18 304	0.07 75	0.15 310	0.07 3	0.22 280	0.18 237	0.16 301	0.19 278	0.18 320	0.14 324	0.16 322	0.15 348	0.07 245	0.05 188	0.05 27	0.05 112	0.06 196	0.06 204

UCFNet_RVC	0.14 316	0.08 242	0.13 235	0.11 1	0.10 346	0.20 418	0.10 30	0.24 322	0.22 304	0.17 317	0.20 290	0.23 391	0.15 342	0.17 354	0.15 348	0.12 460	0.07 385	0.10 413	0.13 489	0.11 443	0.10 420

DeepPruner_ROB	0.16 383	0.11 402	0.15 321	0.17 222	0.10 346	0.17 361	0.15 225	0.32 442	0.21 290	0.19 363	0.21 311	0.22 373	0.18 405	0.20 415	0.15 348	0.13 483	0.09 440	0.09 365	0.09 389	0.11 443	0.10 420

HSM	0.15 360	0.08 242	0.14 270	0.16 148	0.09 244	0.16 340	0.14 157	0.28 396	0.25 351	0.19 363	0.23 330	0.37 497	0.16 368	0.20 415	0.15 348	0.07 245	0.05 188	0.07 200	0.06 191	0.07 263	0.06 204

G2L-ROB	0.13 282	0.06 61	0.13 235	0.13 14	0.08 132	0.14 284	0.16 290	0.25 338	0.18 237	0.19 363	0.18 269	0.20 346	0.14 324	0.17 354	0.16 364	0.08 306	0.05 188	0.06 107	0.05 112	0.08 326	0.09 393

ITSA-stereo	0.15 360	0.10 376	0.14 270	0.19 361	0.08 132	0.12 213	0.14 157	0.30 421	0.49 509	0.17 317	0.19 278	0.22 373	0.15 342	0.17 354	0.16 364	0.10 406	0.06 313	0.08 284	0.08 343	0.08 326	0.08 349

DualNet (step1)	0.16 383	0.12 420	0.20 429	0.12 4	0.14 469	0.17 361	0.13 109	0.27 377	0.23 314	0.20 386	0.20 290	0.24 397	0.19 421	0.16 322	0.16 364	0.15 500	0.06 313	0.14 490	0.14 492	0.14 489	0.12 459

test_sample7	0.15 360	0.10 376	0.16 355	0.14 32	0.11 395	0.16 340	0.16 290	0.27 377	0.23 314	0.20 386	0.20 290	0.24 397	0.19 421	0.16 322	0.16 364	0.12 460	0.06 313	0.10 413	0.09 389	0.10 420	0.10 420

1test111	0.11 191	0.08 242	0.12 189	0.17 222	0.09 244	0.13 252	0.15 225	0.23 300	0.16 192	0.09 98	0.09 94	0.06 18	0.06 36	0.15 288	0.16 364	0.06 117	0.04 22	0.06 107	0.05 112	0.07 263	0.07 285

qqq	0.13 282	0.09 318	0.15 321	0.16 148	0.08 132	0.13 252	0.15 225	0.23 300	0.16 192	0.15 273	0.19 278	0.16 286	0.16 368	0.15 288	0.16 364	0.07 245	0.06 313	0.08 284	0.08 343	0.07 263	0.07 285

iRaft-Stereo_5w	0.12 257	0.09 318	0.12 189	0.19 361	0.08 132	0.09 84	0.12 68	0.21 258	0.21 290	0.19 363	0.14 194	0.11 181	0.09 173	0.20 415	0.16 364	0.05 28	0.05 188	0.07 200	0.06 191	0.05 103	0.06 204

dd	0.15 360	0.16 479	0.16 355	0.19 361	0.09 244	0.15 310	0.18 369	0.21 258	0.25 351	0.23 428	0.20 290	0.21 355	0.09 173	0.21 432	0.16 364	0.10 406	0.06 313	0.08 284	0.06 191	0.08 326	0.06 204

dad	0.17 403	0.20 508	0.20 429	0.16 148	0.11 395	0.20 418	0.18 369	0.21 258	0.28 388	0.30 488	0.24 342	0.29 446	0.13 299	0.19 390	0.16 364	0.18 522	0.09 440	0.11 444	0.09 389	0.11 443	0.07 285

AACVNet	0.16 383	0.08 242	0.14 270	0.15 73	0.10 346	0.18 380	0.15 225	0.23 300	0.24 330	0.27 461	0.27 396	0.28 438	0.17 391	0.19 390	0.16 364	0.09 365	0.07 385	0.09 365	0.07 278	0.10 420	0.09 393

GEStereo_RVC	0.17 403	0.12 420	0.15 321	0.22 460	0.11 395	0.19 403	0.17 324	0.32 442	0.48 503	0.20 386	0.25 371	0.17 306	0.13 299	0.21 432	0.16 364	0.10 406	0.06 313	0.08 284	0.07 278	0.09 388	0.08 349

FADNet_RVC	0.16 383	0.14 461	0.40 512	0.20 416	0.11 395	0.13 252	0.13 109	0.26 356	0.22 304	0.21 400	0.23 330	0.20 346	0.17 391	0.14 266	0.16 364	0.08 306	0.08 411	0.12 463	0.09 389	0.11 443	0.10 420

AANet_RVC	0.16 383	0.10 376	0.10 113	0.18 304	0.09 244	0.18 380	0.19 408	0.26 356	0.31 412	0.22 416	0.35 460	0.21 355	0.21 437	0.22 445	0.16 364	0.06 117	0.05 188	0.06 107	0.06 191	0.07 263	0.06 204

CBMV_ROB	0.19 429	0.13 449	0.17 383	0.16 148	0.11 395	0.15 310	0.13 109	0.26 356	0.28 388	0.27 461	0.30 428	0.27 428	0.24 460	0.23 456	0.16 364	0.15 500	0.17 522	0.22 528	0.20 524	0.10 420	0.11 446

NOSS_ROB	0.19 429	0.12 420	0.18 406	0.16 148	0.12 426	0.15 310	0.12 68	0.30 421	0.32 419	0.20 386	0.22 321	0.27 428	0.23 454	0.21 432	0.16 364	0.16 516	0.18 524	0.23 529	0.21 526	0.12 458	0.13 478

rvit_105_1	0.19 429	0.11 402	0.25 461	0.21 445	0.16 497	0.21 435	0.27 509	0.31 431	0.41 477	0.19 363	0.20 290	0.22 373	0.17 391	0.19 390	0.17 379	0.12 460	0.12 486	0.13 478	0.15 507	0.08 326	0.07 285

ACV-stereo	0.15 360	0.10 376	0.28 476	0.18 304	0.12 426	0.14 284	0.12 68	0.23 300	0.21 290	0.19 363	0.23 330	0.22 373	0.15 342	0.23 456	0.17 379	0.07 245	0.06 313	0.07 200	0.07 278	0.07 263	0.07 285

test_sample9	0.18 417	0.12 420	0.20 429	0.12 4	0.14 469	0.17 361	0.13 109	0.27 377	0.23 314	0.20 386	0.20 290	0.24 397	0.19 421	0.19 390	0.17 379	0.15 500	0.30 547	0.14 490	0.14 492	0.14 489	0.12 459

test_sample8	0.19 429	0.12 420	0.20 429	0.12 4	0.14 469	0.17 361	0.13 109	0.31 431	0.21 290	0.27 461	0.22 321	0.36 492	0.25 469	0.19 390	0.17 379	0.15 500	0.30 547	0.14 490	0.14 492	0.14 489	0.12 459

SMFormer	0.14 316	0.07 145	0.17 383	0.14 32	0.08 132	0.16 340	0.17 324	0.26 356	0.27 374	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.17 379	0.08 306	0.05 188	0.07 200	0.06 191	0.07 263	0.06 204

tta	0.14 316	0.07 145	0.17 383	0.14 32	0.08 132	0.16 340	0.17 324	0.26 356	0.27 374	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.17 379	0.08 306	0.05 188	0.07 200	0.06 191	0.06 196	0.06 204

mmm	0.14 316	0.08 242	0.17 383	0.17 222	0.09 244	0.17 361	0.18 369	0.21 258	0.15 164	0.15 273	0.23 330	0.21 355	0.16 368	0.16 322	0.17 379	0.08 306	0.05 188	0.08 284	0.07 278	0.07 263	0.07 285

HBP-ISP	0.18 417	0.13 449	0.16 355	0.15 73	0.11 395	0.08 53	0.13 109	0.28 396	0.29 395	0.22 416	0.33 452	0.21 355	0.25 469	0.23 456	0.17 379	0.14 496	0.16 517	0.21 524	0.17 518	0.10 420	0.08 349

CRFU-Net	0.16 383	0.08 242	0.14 270	0.17 222	0.09 244	0.19 403	0.14 157	0.26 356	0.20 275	0.28 476	0.27 396	0.29 446	0.17 391	0.19 390	0.17 379	0.09 365	0.09 440	0.07 200	0.07 278	0.08 326	0.08 349

SACVNet	0.18 417	0.12 420	0.14 270	0.17 222	0.13 449	0.22 443	0.18 369	0.31 431	0.30 405	0.23 428	0.31 436	0.30 455	0.22 446	0.22 445	0.17 379	0.11 435	0.08 411	0.10 413	0.10 428	0.12 458	0.14 495

PSMNet-ADL	0.15 360	0.12 420	0.13 235	0.22 460	0.09 244	0.13 252	0.20 429	0.26 356	0.23 314	0.18 347	0.20 290	0.24 397	0.16 368	0.18 375	0.17 379	0.08 306	0.08 411	0.08 284	0.11 460	0.08 326	0.07 285

LMCR-Stereo	0.15 360	0.08 242	0.13 235	0.21 445	0.09 244	0.17 361	0.20 429	0.27 377	0.19 252	0.24 437	0.24 342	0.23 391	0.17 391	0.20 415	0.17 379	0.07 245	0.06 313	0.08 284	0.06 191	0.10 420	0.08 349

FINET	0.21 453	0.18 501	0.26 464	0.18 304	0.16 497	0.23 456	0.23 467	0.32 442	0.48 503	0.25 450	0.32 440	0.22 373	0.22 446	0.22 445	0.17 379	0.18 522	0.16 517	0.11 444	0.10 428	0.15 504	0.13 478

DMCA	0.14 316	0.09 318	0.16 355	0.19 361	0.09 244	0.15 310	0.17 324	0.23 300	0.27 374	0.14 246	0.19 278	0.17 306	0.18 405	0.15 288	0.17 379	0.10 406	0.06 313	0.08 284	0.06 191	0.09 388	0.10 420

CVANet_RVC	0.18 417	0.10 376	0.14 270	0.21 445	0.10 346	0.18 380	0.17 324	0.34 470	0.33 426	0.22 416	0.31 436	0.28 438	0.18 405	0.23 456	0.17 379	0.12 460	0.08 411	0.12 463	0.11 460	0.09 388	0.07 285

NVstereo2D	0.19 429	0.10 376	0.15 321	0.17 222	0.15 487	0.28 498	0.23 467	0.44 531	0.42 484	0.15 273	0.27 396	0.25 411	0.19 421	0.22 445	0.17 379	0.09 365	0.06 313	0.10 413	0.08 343	0.15 504	0.09 393

SGM-Forest	0.20 441	0.14 461	0.18 406	0.19 361	0.13 449	0.20 418	0.22 456	0.33 461	0.30 405	0.24 437	0.29 422	0.28 438	0.19 421	0.23 456	0.17 379	0.15 500	0.16 517	0.15 502	0.14 492	0.12 458	0.12 459
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
pmcnn	0.15 360	0.07 145	0.19 417	0.15 73	0.07 75	0.20 418	0.15 225	0.24 322	0.26 365	0.21 400	0.34 456	0.28 438	0.18 405	0.18 375	0.17 379	0.07 245	0.05 188	0.05 27	0.04 38	0.07 263	0.06 204

MultiAttention	0.29 514	0.08 242	0.14 270	0.19 361	0.12 426	1.45 577	1.33 578	0.36 492	0.37 458	0.19 363	0.21 311	0.24 397	0.11 230	0.38 528	0.18 397	0.06 117	0.05 188	0.08 284	0.08 343	0.10 420	0.09 393

G2L-Stereo_test	0.14 316	0.07 145	0.11 154	0.13 14	0.08 132	0.12 213	0.16 290	0.30 421	0.28 388	0.20 386	0.23 330	0.20 346	0.16 368	0.17 354	0.18 397	0.07 245	0.05 188	0.05 27	0.05 112	0.07 263	0.06 204

coex_refinement	0.14 316	0.07 145	0.12 189	0.17 222	0.10 346	0.15 310	0.15 225	0.26 356	0.29 395	0.18 347	0.20 290	0.22 373	0.17 391	0.16 322	0.18 397	0.08 306	0.05 188	0.06 107	0.06 191	0.09 388	0.08 349

G2L-Stereo	0.14 316	0.07 145	0.13 235	0.17 222	0.09 244	0.13 252	0.12 68	0.27 377	0.22 304	0.16 301	0.27 396	0.21 355	0.13 299	0.17 354	0.18 397	0.09 365	0.08 411	0.08 284	0.07 278	0.07 263	0.07 285

MyStereo8	0.12 257	0.07 145	0.15 321	0.15 73	0.09 244	0.18 380	0.14 157	0.19 224	0.22 304	0.12 198	0.18 269	0.11 181	0.10 205	0.16 322	0.18 397	0.07 245	0.05 188	0.07 200	0.05 112	0.08 326	0.09 393

CBFPSM	0.14 316	0.06 61	0.26 464	0.17 222	0.09 244	0.13 252	0.15 225	0.22 280	0.23 314	0.20 386	0.27 396	0.24 397	0.16 368	0.16 322	0.18 397	0.06 117	0.06 313	0.06 107	0.07 278	0.07 263	0.07 285

GASNet	0.22 462	0.23 519	0.33 495	0.26 506	0.17 512	0.26 481	0.16 290	0.44 531	0.42 484	0.27 461	0.24 342	0.30 455	0.15 342	0.27 475	0.18 397	0.12 460	0.08 411	0.12 463	0.11 460	0.16 511	0.07 285

x	0.13 282	0.07 145	0.14 270	0.14 32	0.08 132	0.18 380	0.14 157	0.22 280	0.20 275	0.15 273	0.19 278	0.19 334	0.17 391	0.18 375	0.18 397	0.07 245	0.05 188	0.06 107	0.06 191	0.07 263	0.07 285

CSP-Net	0.16 383	0.09 318	0.14 270	0.16 148	0.09 244	0.19 403	0.17 324	0.25 338	0.32 419	0.25 450	0.30 428	0.24 397	0.15 342	0.21 432	0.18 397	0.09 365	0.06 313	0.07 200	0.07 278	0.08 326	0.07 285

UNet	0.17 403	0.09 318	0.18 406	0.19 361	0.12 426	0.27 491	0.19 408	0.33 461	0.29 395	0.21 400	0.24 342	0.23 391	0.19 421	0.19 390	0.18 397	0.07 245	0.06 313	0.08 284	0.07 278	0.08 326	0.06 204

acv_ft	0.15 360	0.09 318	0.15 321	0.19 361	0.10 346	0.16 340	0.17 324	0.25 338	0.33 426	0.19 363	0.26 388	0.21 355	0.17 391	0.17 354	0.18 397	0.07 245	0.06 313	0.06 107	0.06 191	0.08 326	0.06 204

TDLM	0.17 403	0.12 420	0.13 235	0.24 490	0.10 346	0.18 380	0.18 369	0.36 492	0.30 405	0.21 400	0.28 410	0.28 438	0.18 405	0.23 456	0.18 397	0.11 435	0.07 385	0.10 413	0.10 428	0.08 326	0.08 349

MDST_ROB	0.22 462	0.10 376	0.17 383	0.18 304	0.11 395	0.37 526	0.19 408	0.43 529	0.41 477	0.39 517	0.39 483	0.29 446	0.21 437	0.26 472	0.18 397	0.11 435	0.10 460	0.14 490	0.11 460	0.10 420	0.08 349

Wz-Net-LNSev-Ref	0.18 417	0.09 318	0.29 484	0.15 73	0.10 346	0.22 443	0.20 429	0.26 356	0.39 468	0.25 450	0.42 506	0.24 397	0.15 342	0.20 415	0.19 410	0.07 245	0.05 188	0.06 107	0.05 112	0.10 420	0.09 393

pcwnet_v2	0.19 429	0.10 376	0.26 464	0.17 222	0.14 469	0.18 380	0.15 225	0.37 498	0.46 501	0.19 363	0.24 342	0.21 355	0.19 421	0.20 415	0.19 410	0.13 483	0.10 460	0.10 413	0.10 428	0.11 443	0.13 478

FADNet-RVC	0.20 441	0.20 508	0.38 509	0.21 445	0.16 497	0.20 418	0.15 225	0.26 356	0.26 365	0.26 455	0.32 440	0.26 420	0.21 437	0.22 445	0.19 410	0.12 460	0.13 499	0.12 463	0.14 492	0.13 476	0.18 524

STTStereo	0.18 417	0.12 420	0.27 471	0.20 416	0.11 395	0.16 340	0.21 446	0.29 407	0.23 314	0.21 400	0.30 428	0.29 446	0.18 405	0.20 415	0.19 410	0.12 460	0.11 472	0.11 444	0.14 492	0.09 388	0.08 349

RASNet	0.14 316	0.07 145	0.14 270	0.16 148	0.08 132	0.18 380	0.14 157	0.29 407	0.20 275	0.17 317	0.25 371	0.21 355	0.18 405	0.20 415	0.19 410	0.07 245	0.06 313	0.06 107	0.08 343	0.06 196	0.06 204

CBMV	0.19 429	0.14 461	0.17 383	0.18 304	0.10 346	0.20 418	0.11 50	0.29 407	0.30 405	0.29 484	0.30 428	0.30 455	0.23 454	0.27 475	0.19 410	0.13 483	0.15 514	0.17 510	0.16 511	0.10 420	0.10 420
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ISRNet	0.18 417	0.08 242	0.19 417	0.19 361	0.13 449	0.15 310	0.12 68	0.30 421	0.32 419	0.21 400	0.25 371	0.27 428	0.17 391	0.17 354	0.20 416	0.20 529	0.08 411	0.14 490	0.14 492	0.14 489	0.17 521

PSMNet-RUCA	0.27 506	0.33 540	0.41 515	0.36 539	0.32 546	0.18 380	0.19 408	0.42 525	0.30 405	0.33 504	0.41 500	0.39 509	0.25 469	0.31 496	0.20 416	0.18 522	0.10 460	0.25 531	0.15 507	0.21 526	0.16 513

ff1	0.13 282	0.09 318	0.14 270	0.16 148	0.08 132	0.17 361	0.17 324	0.15 111	0.19 252	0.15 273	0.25 371	0.19 334	0.13 299	0.14 266	0.20 416	0.06 117	0.04 22	0.09 365	0.08 343	0.06 196	0.06 204

mmx	0.14 316	0.09 318	0.14 270	0.16 148	0.08 132	0.17 361	0.17 324	0.27 377	0.25 351	0.15 273	0.25 371	0.19 334	0.13 299	0.14 266	0.20 416	0.08 306	0.06 313	0.09 365	0.08 343	0.08 326	0.08 349

xxx	0.14 316	0.09 318	0.14 270	0.16 148	0.08 132	0.17 361	0.17 324	0.27 377	0.25 351	0.15 273	0.25 371	0.19 334	0.13 299	0.14 266	0.20 416	0.08 306	0.06 313	0.09 365	0.08 343	0.08 326	0.08 349

ToySt	0.17 403	0.11 402	0.18 406	0.17 222	0.11 395	0.16 340	0.25 494	0.24 322	0.33 426	0.19 363	0.24 342	0.26 420	0.24 460	0.19 390	0.20 416	0.07 245	0.08 411	0.09 365	0.10 428	0.09 388	0.08 349

ssnet_v2	0.17 403	0.10 376	0.17 383	0.17 222	0.11 395	0.21 435	0.21 446	0.33 461	0.25 351	0.22 416	0.22 321	0.27 428	0.18 405	0.22 445	0.20 416	0.11 435	0.09 440	0.09 365	0.09 389	0.08 326	0.08 349

DDUNet	0.22 462	0.17 490	0.21 437	0.22 460	0.15 487	0.25 472	0.24 479	0.29 407	0.30 405	0.31 494	0.36 463	0.33 480	0.25 469	0.24 465	0.20 416	0.18 522	0.13 499	0.17 510	0.11 460	0.16 511	0.16 513

AASNet	0.16 383	0.08 242	0.12 189	0.19 361	0.09 244	0.18 380	0.15 225	0.37 498	0.37 458	0.19 363	0.23 330	0.20 346	0.16 368	0.17 354	0.20 416	0.10 406	0.08 411	0.08 284	0.07 278	0.09 388	0.09 393

MMNet	0.17 403	0.09 318	0.16 355	0.20 416	0.11 395	0.27 491	0.20 429	0.25 338	0.41 477	0.22 416	0.30 428	0.21 355	0.20 433	0.17 354	0.20 416	0.06 117	0.06 313	0.07 200	0.07 278	0.08 326	0.07 285

HGLStereo	0.17 403	0.08 242	0.19 417	0.17 222	0.12 426	0.18 380	0.18 369	0.31 431	0.32 419	0.21 400	0.32 440	0.25 411	0.18 405	0.19 390	0.20 416	0.09 365	0.09 440	0.07 200	0.07 278	0.09 388	0.10 420

FAT-Stereo	0.20 441	0.12 420	0.22 443	0.21 445	0.12 426	0.17 361	0.18 369	0.34 470	0.39 468	0.27 461	0.37 469	0.34 486	0.32 512	0.21 432	0.20 416	0.09 365	0.11 472	0.10 413	0.09 389	0.11 443	0.14 495

DSFCA	0.16 383	0.09 318	0.14 270	0.16 148	0.10 346	0.20 418	0.19 408	0.28 396	0.31 412	0.23 428	0.24 342	0.22 373	0.15 342	0.19 390	0.20 416	0.10 406	0.07 385	0.09 365	0.09 389	0.08 326	0.08 349

DMCA-RVC	0.17 403	0.10 376	0.15 321	0.24 490	0.11 395	0.18 380	0.18 369	0.25 338	0.24 330	0.21 400	0.26 388	0.25 411	0.27 483	0.18 375	0.20 416	0.12 460	0.08 411	0.13 478	0.10 428	0.10 420	0.08 349

NLCA_NET_v2_RVC	0.17 403	0.10 376	0.22 443	0.20 416	0.10 346	0.15 310	0.18 369	0.31 431	0.25 351	0.21 400	0.30 428	0.25 411	0.17 391	0.21 432	0.20 416	0.09 365	0.06 313	0.08 284	0.08 343	0.07 263	0.08 349
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 441	0.21 514	0.23 452	0.20 416	0.10 346	0.19 403	0.17 324	0.36 492	0.25 351	0.27 461	0.33 452	0.27 428	0.24 460	0.20 415	0.20 416	0.15 500	0.12 486	0.17 510	0.14 492	0.10 420	0.08 349

StereoDRNet-Refined	0.17 403	0.12 420	0.15 321	0.20 416	0.09 244	0.18 380	0.18 369	0.26 356	0.23 314	0.26 455	0.40 489	0.22 373	0.17 391	0.21 432	0.20 416	0.08 306	0.05 188	0.09 365	0.10 428	0.07 263	0.07 285
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoDRNet	0.18 417	0.11 402	0.17 383	0.22 460	0.11 395	0.21 435	0.22 456	0.37 498	0.33 426	0.24 437	0.28 410	0.30 455	0.19 421	0.20 415	0.20 416	0.09 365	0.08 411	0.11 444	0.09 389	0.09 388	0.07 285

DLCB_ROB	0.18 417	0.10 376	0.15 321	0.23 481	0.11 395	0.24 461	0.18 369	0.29 407	0.28 388	0.27 461	0.28 410	0.28 438	0.24 460	0.19 390	0.20 416	0.08 306	0.08 411	0.09 365	0.09 389	0.07 263	0.07 285

PWCDC_ROB	0.20 441	0.13 449	0.22 443	0.24 490	0.11 395	0.19 403	0.15 225	0.33 461	0.54 521	0.29 484	0.50 521	0.21 355	0.15 342	0.27 475	0.20 416	0.11 435	0.09 440	0.10 413	0.08 343	0.11 443	0.09 393

iinet-f	0.16 383	0.06 61	0.45 519	0.14 32	0.10 346	0.21 435	0.14 157	0.27 377	0.23 314	0.21 400	0.24 342	0.21 355	0.15 342	0.18 375	0.21 436	0.09 365	0.07 385	0.07 200	0.06 191	0.09 388	0.10 420

ADLNet	0.16 383	0.08 242	0.15 321	0.16 148	0.10 346	0.16 340	0.17 324	0.32 442	0.27 374	0.22 416	0.27 396	0.24 397	0.16 368	0.18 375	0.21 436	0.10 406	0.06 313	0.10 413	0.10 428	0.08 326	0.09 393

delet	0.17 403	0.08 242	0.17 383	0.19 361	0.11 395	0.20 418	0.21 446	0.30 421	0.37 458	0.17 317	0.26 388	0.19 334	0.19 421	0.19 390	0.21 436	0.08 306	0.08 411	0.09 365	0.11 460	0.06 196	0.06 204

UPFNet	0.16 383	0.08 242	0.12 189	0.20 416	0.12 426	0.20 418	0.23 467	0.28 396	0.26 365	0.17 317	0.24 342	0.22 373	0.19 421	0.19 390	0.21 436	0.09 365	0.07 385	0.08 284	0.09 389	0.08 326	0.06 204

ACVNet	0.15 360	0.09 318	0.15 321	0.13 14	0.12 426	0.14 284	0.20 429	0.22 280	0.33 426	0.17 317	0.26 388	0.21 355	0.16 368	0.17 354	0.21 436	0.07 245	0.06 313	0.06 107	0.06 191	0.08 326	0.06 204

hitnet-ft	0.18 417	0.09 318	0.17 383	0.14 32	0.09 244	0.26 481	0.20 429	0.25 338	0.26 365	0.24 437	0.32 440	0.31 468	0.22 446	0.24 465	0.21 436	0.12 460	0.07 385	0.10 413	0.08 343	0.12 458	0.11 446

MaskLacGwcNet_RVC	0.22 462	0.21 514	0.24 456	0.26 506	0.11 395	0.23 456	0.14 157	0.39 510	0.24 330	0.32 500	0.36 463	0.30 455	0.21 437	0.19 390	0.21 436	0.17 521	0.14 508	0.21 524	0.16 511	0.12 458	0.12 459

SuperB	0.20 441	0.10 376	0.56 535	0.16 148	0.09 244	0.18 380	0.18 369	0.24 322	0.50 512	0.26 455	0.39 483	0.17 306	0.21 437	0.22 445	0.21 436	0.08 306	0.06 313	0.06 107	0.06 191	0.12 458	0.10 420

NaN_ROB	0.22 462	0.19 504	0.24 456	0.25 501	0.13 449	0.29 502	0.26 502	0.33 461	0.41 477	0.31 494	0.31 436	0.32 477	0.23 454	0.30 495	0.21 436	0.11 435	0.17 522	0.10 413	0.10 428	0.08 326	0.09 393

YMNet	0.20 441	0.12 420	0.19 417	0.20 416	0.14 469	0.26 481	0.23 467	0.32 442	0.34 438	0.27 461	0.34 456	0.30 455	0.18 405	0.18 375	0.22 445	0.10 406	0.13 499	0.10 413	0.10 428	0.08 326	0.09 393

YMNet_1	0.20 441	0.12 420	0.19 417	0.20 416	0.14 469	0.26 481	0.23 467	0.32 442	0.34 438	0.27 461	0.34 456	0.30 455	0.18 405	0.18 375	0.22 445	0.10 406	0.13 499	0.10 413	0.10 428	0.08 326	0.09 393

UDG	0.21 453	0.17 490	0.19 417	0.23 481	0.15 487	0.30 505	0.20 429	0.33 461	0.35 447	0.23 428	0.28 410	0.31 468	0.27 483	0.20 415	0.22 445	0.15 500	0.12 486	0.13 478	0.09 389	0.14 489	0.14 495

ADLNet2	0.16 383	0.09 318	0.13 235	0.16 148	0.09 244	0.20 418	0.16 290	0.31 431	0.39 468	0.16 301	0.20 290	0.20 346	0.18 405	0.21 432	0.22 445	0.08 306	0.06 313	0.07 200	0.07 278	0.09 388	0.07 285

psm_up	0.18 417	0.10 376	0.18 406	0.20 416	0.11 395	0.17 361	0.19 408	0.37 498	0.34 438	0.21 400	0.28 410	0.29 446	0.24 460	0.20 415	0.22 445	0.09 365	0.10 460	0.11 444	0.11 460	0.08 326	0.08 349

ac_64	0.16 383	0.08 242	0.15 321	0.18 304	0.10 346	0.22 443	0.18 369	0.24 322	0.21 290	0.18 347	0.24 342	0.29 446	0.18 405	0.19 390	0.22 445	0.09 365	0.07 385	0.08 284	0.09 389	0.07 263	0.06 204

S-Stereo	0.20 441	0.12 420	0.25 461	0.21 445	0.13 449	0.20 418	0.18 369	0.32 442	0.43 489	0.23 428	0.36 463	0.28 438	0.30 504	0.19 390	0.22 445	0.09 365	0.12 486	0.10 413	0.10 428	0.13 476	0.13 478

RGC	0.25 496	0.20 508	0.29 484	0.28 521	0.16 497	0.22 443	0.23 467	0.32 442	0.44 494	0.27 461	0.40 489	0.38 501	0.27 483	0.36 521	0.22 445	0.11 435	0.13 499	0.17 510	0.17 518	0.14 489	0.16 513

stereogan	0.22 462	0.11 402	0.21 437	0.20 416	0.12 426	0.31 506	0.19 408	0.35 485	0.44 494	0.22 416	0.39 483	0.35 490	0.27 483	0.33 506	0.22 445	0.10 406	0.12 486	0.10 413	0.10 428	0.14 489	0.13 478

DeepPrunerF	0.24 485	0.17 490	0.42 517	0.26 506	0.16 497	0.22 443	0.28 515	0.37 498	0.50 512	0.26 455	0.29 422	0.24 397	0.28 492	0.21 432	0.22 445	0.15 500	0.11 472	0.20 523	0.18 522	0.12 458	0.13 478

GANet	0.21 453	0.12 420	0.21 437	0.24 490	0.13 449	0.22 443	0.22 456	0.41 520	0.26 365	0.31 494	0.42 506	0.37 497	0.28 492	0.23 456	0.22 445	0.10 406	0.12 486	0.10 413	0.09 389	0.10 420	0.08 349

PWC_ROB	0.21 453	0.16 479	0.26 464	0.18 304	0.11 395	0.22 443	0.13 109	0.32 442	0.49 509	0.30 488	0.40 489	0.32 477	0.24 460	0.31 496	0.22 445	0.10 406	0.07 385	0.11 444	0.08 343	0.11 443	0.10 420

z-ln-s-r	0.17 403	0.10 376	0.40 512	0.19 361	0.08 132	0.17 361	0.18 369	0.22 280	0.33 426	0.18 347	0.40 489	0.22 373	0.17 391	0.20 415	0.23 457	0.07 245	0.05 188	0.07 200	0.07 278	0.07 263	0.05 124

w-ln-seven-2	0.20 441	0.14 461	0.37 508	0.22 460	0.12 426	0.20 418	0.21 446	0.28 396	0.37 458	0.25 450	0.37 469	0.27 428	0.22 446	0.21 432	0.23 457	0.08 306	0.08 411	0.09 365	0.09 389	0.10 420	0.09 393

TCMNet	0.19 429	0.12 420	0.19 417	0.20 416	0.18 518	0.20 418	0.24 479	0.27 377	0.36 451	0.23 428	0.26 388	0.25 411	0.19 421	0.19 390	0.23 457	0.13 483	0.11 472	0.11 444	0.12 479	0.13 476	0.12 459

1111x	0.15 360	0.08 242	0.12 189	0.18 304	0.07 75	0.18 380	0.25 494	0.31 431	0.24 330	0.17 317	0.24 342	0.26 420	0.15 342	0.13 240	0.23 457	0.07 245	0.07 385	0.08 284	0.09 389	0.07 263	0.06 204

SQANet	0.23 478	0.23 519	0.30 487	0.30 530	0.19 521	0.27 491	0.13 109	0.29 407	0.33 426	0.24 437	0.37 469	0.31 468	0.22 446	0.27 475	0.23 457	0.15 500	0.10 460	0.21 524	0.16 511	0.21 526	0.15 502

fast-acv-ft	0.18 417	0.11 402	0.19 417	0.19 361	0.12 426	0.24 461	0.21 446	0.25 338	0.34 438	0.22 416	0.34 456	0.27 428	0.20 433	0.21 432	0.23 457	0.09 365	0.09 440	0.08 284	0.10 428	0.08 326	0.07 285

Anonymous_2	0.22 462	0.17 490	0.28 476	0.15 73	0.16 497	0.32 507	0.22 456	0.22 280	0.17 211	0.23 428	0.24 342	0.26 420	0.27 483	0.27 475	0.23 457	0.22 537	0.25 543	0.17 510	0.17 518	0.17 518	0.17 521

DGSMNet	0.24 485	0.19 504	0.33 495	0.21 445	0.24 533	0.24 461	0.20 429	0.35 485	0.41 477	0.24 437	0.32 440	0.38 501	0.21 437	0.29 492	0.23 457	0.12 460	0.11 472	0.14 490	0.16 511	0.23 530	0.23 535

aanetorigin	0.22 462	0.17 490	0.56 535	0.17 222	0.10 346	0.15 310	0.19 408	0.20 235	0.33 426	0.49 536	0.48 516	0.29 446	0.27 483	0.20 415	0.23 457	0.08 306	0.07 385	0.08 284	0.07 278	0.10 420	0.09 393

DANet	0.21 453	0.15 471	0.28 476	0.25 501	0.13 449	0.22 443	0.19 408	0.27 377	0.27 374	0.28 476	0.32 440	0.35 490	0.31 508	0.31 496	0.23 457	0.11 435	0.09 440	0.11 444	0.10 428	0.13 476	0.11 446
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	0.28 510	0.16 479	0.31 489	0.18 304	0.13 449	0.54 541	0.42 550	0.51 543	0.67 545	0.29 484	0.38 475	0.38 501	0.29 500	0.31 496	0.23 457	0.11 435	0.10 460	0.11 444	0.08 343	0.20 525	0.16 513

FBW_ROB	0.24 485	0.17 490	0.22 443	0.26 506	0.14 469	0.25 472	0.22 456	0.41 520	0.41 477	0.41 524	0.41 500	0.42 516	0.27 483	0.31 496	0.23 457	0.09 365	0.14 508	0.14 490	0.12 479	0.11 443	0.09 393

DispFullNet	0.27 506	0.21 514	0.65 543	0.28 521	0.16 497	0.26 481	0.17 324	0.33 461	0.58 530	0.27 461	0.38 475	0.43 519	0.23 454	0.38 528	0.23 457	0.12 460	0.06 313	0.19 521	0.11 460	0.21 526	0.15 502

ACVNet-4b	0.39 532	0.53 551	0.55 532	0.45 547	0.24 533	0.47 535	0.18 369	0.49 540	0.64 541	0.42 527	0.45 512	0.60 542	0.27 483	0.34 509	0.24 470	0.33 548	0.14 508	0.48 551	0.42 551	0.30 544	0.26 543

Syn2CoEx	0.21 453	0.16 479	0.27 471	0.29 528	0.14 469	0.26 481	0.20 429	0.33 461	0.31 412	0.28 476	0.36 463	0.27 428	0.25 469	0.19 390	0.24 470	0.16 516	0.12 486	0.14 490	0.11 460	0.09 388	0.08 349

GwcNet	0.20 441	0.13 449	0.19 417	0.18 304	0.12 426	0.24 461	0.19 408	0.35 485	0.43 489	0.20 386	0.32 440	0.33 480	0.20 433	0.22 445	0.24 470	0.11 435	0.09 440	0.09 365	0.09 389	0.09 388	0.10 420

edge stereo	0.22 462	0.13 449	0.20 429	0.21 445	0.13 449	0.23 456	0.16 290	0.32 442	0.42 484	0.32 500	0.40 489	0.38 501	0.35 519	0.25 470	0.24 470	0.13 483	0.11 472	0.14 490	0.11 460	0.12 458	0.13 478

ADCRef	0.19 429	0.12 420	0.41 515	0.20 416	0.12 426	0.22 443	0.18 369	0.32 442	0.36 451	0.26 455	0.32 440	0.17 306	0.23 454	0.24 465	0.24 470	0.07 245	0.06 313	0.09 365	0.09 389	0.08 326	0.08 349

DRN-Test	0.19 429	0.11 402	0.20 429	0.22 460	0.10 346	0.22 443	0.22 456	0.39 510	0.37 458	0.24 437	0.32 440	0.26 420	0.21 437	0.22 445	0.24 470	0.11 435	0.07 385	0.11 444	0.10 428	0.09 388	0.07 285

NCCL2	0.23 478	0.15 471	0.17 383	0.34 535	0.18 518	0.24 461	0.23 467	0.34 470	0.28 388	0.31 494	0.38 475	0.38 501	0.28 492	0.23 456	0.24 470	0.15 500	0.12 486	0.18 519	0.21 526	0.13 476	0.13 478

SANet	0.24 485	0.14 461	0.28 476	0.21 445	0.11 395	0.27 491	0.24 479	0.38 506	0.64 541	0.36 510	0.40 489	0.43 519	0.26 475	0.27 475	0.24 470	0.12 460	0.09 440	0.10 413	0.09 389	0.13 476	0.11 446

SGM_RVC	0.23 478	0.12 420	0.15 321	0.15 73	0.09 244	0.33 513	0.18 369	0.34 470	0.31 412	0.44 531	0.37 469	0.53 538	0.35 519	0.35 515	0.24 470	0.13 483	0.13 499	0.13 478	0.13 489	0.10 420	0.11 446
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
zh-mn7	0.25 496	0.14 461	0.56 535	0.19 361	0.14 469	0.24 461	0.22 456	0.34 470	0.62 537	0.35 507	0.65 540	0.31 468	0.25 469	0.31 496	0.25 479	0.09 365	0.08 411	0.09 365	0.09 389	0.09 388	0.11 446

z-mn7	0.24 485	0.14 461	0.45 519	0.19 361	0.13 449	0.28 498	0.25 494	0.34 470	0.62 537	0.27 461	0.56 532	0.29 446	0.24 460	0.32 503	0.25 479	0.08 306	0.08 411	0.08 284	0.08 343	0.10 420	0.10 420

Wz-Net-LNSev	0.22 462	0.16 479	0.38 509	0.21 445	0.13 449	0.25 472	0.23 467	0.32 442	0.43 489	0.30 488	0.41 500	0.31 468	0.18 405	0.22 445	0.25 479	0.10 406	0.09 440	0.08 284	0.08 343	0.12 458	0.11 446

Wz-Net-MNSev	0.22 462	0.13 449	0.31 489	0.20 416	0.14 469	0.36 525	0.24 479	0.33 461	0.44 494	0.28 476	0.40 489	0.38 501	0.19 421	0.24 465	0.25 479	0.09 365	0.07 385	0.09 365	0.09 389	0.12 458	0.10 420

APVNet	0.22 462	0.12 420	0.19 417	0.18 304	0.14 469	0.32 507	0.31 537	0.39 510	0.32 419	0.27 461	0.40 489	0.30 455	0.29 500	0.26 472	0.25 479	0.11 435	0.12 486	0.11 444	0.14 492	0.12 458	0.12 459

AF-Net	0.22 462	0.17 490	0.17 383	0.26 506	0.13 449	0.25 472	0.24 479	0.32 442	0.50 512	0.25 450	0.33 452	0.38 501	0.26 475	0.28 486	0.25 479	0.11 435	0.10 460	0.16 508	0.11 460	0.11 443	0.10 420

RP	0.21 453	0.13 449	0.21 437	0.23 481	0.11 395	0.21 435	0.20 429	0.25 338	0.44 494	0.21 400	0.38 475	0.36 492	0.24 460	0.27 475	0.25 479	0.11 435	0.12 486	0.13 478	0.12 479	0.12 458	0.14 495

Nwc_Net	0.23 478	0.16 479	0.21 437	0.25 501	0.14 469	0.24 461	0.26 502	0.37 498	0.38 465	0.22 416	0.41 500	0.30 455	0.28 492	0.28 486	0.25 479	0.11 435	0.10 460	0.17 510	0.20 524	0.10 420	0.10 420

PA-Net	0.23 478	0.18 501	0.33 495	0.28 521	0.22 529	0.21 435	0.38 546	0.29 407	0.39 468	0.22 416	0.32 440	0.25 411	0.26 475	0.20 415	0.25 479	0.09 365	0.23 541	0.15 502	0.22 529	0.09 388	0.13 478
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LSM	0.33 526	0.20 508	0.58 538	0.26 506	0.60 563	0.34 516	0.25 494	0.42 525	0.48 503	0.45 532	0.58 537	0.42 516	0.36 521	0.35 515	0.25 479	0.12 460	0.20 530	0.14 490	0.16 511	0.19 524	0.33 550

WCMA_ROB	0.24 485	0.11 402	0.22 443	0.17 222	0.14 469	0.32 507	0.15 225	0.32 442	0.32 419	0.38 515	0.53 523	0.40 513	0.34 517	0.34 509	0.25 479	0.11 435	0.12 486	0.12 463	0.10 428	0.14 489	0.14 495

w-ln-seven	0.24 485	0.14 461	0.55 532	0.19 361	0.14 469	0.26 481	0.22 456	0.35 485	0.60 534	0.29 484	0.39 483	0.30 455	0.22 446	0.21 432	0.26 490	0.09 365	0.09 440	0.11 444	0.10 428	0.11 443	0.10 420

xxxx	0.15 360	0.07 145	0.14 270	0.14 32	0.08 132	0.23 456	0.18 369	0.31 431	0.19 252	0.14 246	0.28 410	0.22 373	0.14 324	0.15 288	0.26 490	0.09 365	0.05 188	0.07 200	0.07 278	0.08 326	0.07 285

test_xeample	0.15 360	0.06 61	0.13 235	0.14 32	0.08 132	0.21 435	0.20 429	0.28 396	0.20 275	0.16 301	0.29 422	0.19 334	0.16 368	0.15 288	0.26 490	0.09 365	0.05 188	0.07 200	0.07 278	0.07 263	0.07 285

G-Net	0.24 485	0.16 479	0.36 504	0.22 460	0.16 497	0.51 539	0.23 467	0.29 407	0.34 438	0.36 510	0.38 475	0.31 468	0.29 500	0.27 475	0.26 490	0.11 435	0.09 440	0.12 463	0.09 389	0.16 511	0.13 478

CC-Net-ROB	0.28 510	0.31 538	0.36 504	0.29 528	0.15 487	0.25 472	0.19 408	0.45 534	0.33 426	0.39 517	0.37 469	0.39 509	0.31 508	0.27 475	0.26 490	0.24 543	0.19 527	0.30 544	0.23 533	0.18 521	0.15 502

ETE_ROB	0.23 478	0.17 490	0.22 443	0.25 501	0.13 449	0.26 481	0.29 524	0.31 431	0.36 451	0.28 476	0.36 463	0.45 523	0.26 475	0.27 475	0.26 490	0.11 435	0.08 411	0.12 463	0.09 389	0.14 489	0.13 478

PSMNet_ROB	0.21 453	0.11 402	0.15 321	0.27 518	0.15 487	0.24 461	0.35 541	0.43 529	0.37 458	0.27 461	0.32 440	0.32 477	0.22 446	0.21 432	0.26 490	0.12 460	0.08 411	0.13 478	0.11 460	0.09 388	0.09 393

MeshStereo	0.27 506	0.13 449	0.18 406	0.15 73	0.11 395	0.32 507	0.24 479	0.40 514	0.36 451	0.52 538	0.57 535	0.67 549	0.40 529	0.35 515	0.26 490	0.14 496	0.13 499	0.13 478	0.11 460	0.11 443	0.10 420
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
psmorigin	0.25 496	0.15 471	0.34 503	0.17 222	0.13 449	0.23 456	0.14 157	0.34 470	0.33 426	0.41 524	0.55 527	0.41 515	0.37 523	0.34 509	0.27 498	0.11 435	0.15 514	0.11 444	0.11 460	0.12 458	0.16 513

NCC-stereo	0.24 485	0.15 471	0.31 489	0.26 506	0.16 497	0.20 418	0.30 531	0.40 514	0.40 474	0.24 437	0.38 475	0.33 480	0.28 492	0.36 521	0.27 498	0.12 460	0.11 472	0.15 502	0.22 529	0.13 476	0.13 478

Abc-Net	0.24 485	0.15 471	0.31 489	0.26 506	0.16 497	0.20 418	0.30 531	0.40 514	0.40 474	0.24 437	0.38 475	0.33 480	0.28 492	0.36 521	0.27 498	0.12 460	0.11 472	0.15 502	0.22 529	0.13 476	0.13 478
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCP+	0.20 441	0.10 376	0.33 495	0.20 416	0.12 426	0.22 443	0.26 502	0.31 431	0.34 438	0.26 455	0.37 469	0.22 373	0.22 446	0.27 475	0.27 498	0.09 365	0.06 313	0.08 284	0.08 343	0.09 388	0.10 420

SGM-ForestM	0.32 523	0.12 420	0.16 355	0.16 148	0.11 395	0.39 530	0.19 408	0.41 520	0.50 512	0.52 538	0.54 525	1.32 568	0.42 537	0.40 536	0.27 498	0.14 496	0.16 517	0.16 508	0.16 511	0.12 458	0.12 459

LALA_ROB	0.25 496	0.16 479	0.22 443	0.26 506	0.17 512	0.27 491	0.27 509	0.42 525	0.37 458	0.33 504	0.38 475	0.51 534	0.26 475	0.28 486	0.27 498	0.16 516	0.09 440	0.12 463	0.11 460	0.13 476	0.12 459

MSMD_ROB	0.31 521	0.26 528	0.26 464	0.24 490	0.21 527	0.34 516	0.25 494	0.34 470	0.39 468	0.40 520	0.69 544	0.45 523	0.40 529	0.34 509	0.27 498	0.20 529	0.19 527	0.26 532	0.25 535	0.23 530	0.22 534

MFN_U_SF_DS_RVC	0.30 520	0.24 522	0.29 484	0.36 539	0.16 497	0.34 516	0.30 531	0.32 442	0.42 484	0.40 520	0.46 513	0.38 501	0.31 508	0.34 509	0.28 505	0.19 527	0.20 530	0.26 532	0.29 542	0.18 521	0.19 529

DISCO	0.19 429	0.09 318	0.22 443	0.17 222	0.10 346	0.25 472	0.18 369	0.27 377	0.44 494	0.22 416	0.31 436	0.33 480	0.26 475	0.28 486	0.28 505	0.08 306	0.06 313	0.07 200	0.07 278	0.09 388	0.09 393

XPNet_ROB	0.22 462	0.11 402	0.19 417	0.22 460	0.13 449	0.22 443	0.19 408	0.34 470	0.40 474	0.30 488	0.39 483	0.39 509	0.26 475	0.26 472	0.28 505	0.15 500	0.10 460	0.10 413	0.10 428	0.13 476	0.12 459

FC-DCNN v2	0.33 526	0.27 529	0.28 476	0.26 506	0.23 531	0.37 526	0.28 515	0.40 514	0.43 489	0.45 532	0.56 532	0.51 534	0.40 529	0.37 526	0.29 508	0.21 533	0.20 530	0.27 535	0.26 536	0.25 537	0.24 536

SHD	0.26 504	0.15 471	0.30 487	0.24 490	0.18 518	0.22 443	0.15 225	0.38 506	0.71 548	0.32 500	0.41 500	0.36 492	0.28 492	0.32 503	0.29 508	0.12 460	0.11 472	0.14 490	0.13 489	0.16 511	0.20 530

RTSC	0.23 478	0.12 420	0.28 476	0.21 445	0.13 449	0.28 498	0.16 290	0.35 485	0.66 544	0.27 461	0.33 452	0.30 455	0.21 437	0.31 496	0.29 508	0.10 406	0.08 411	0.09 365	0.10 428	0.13 476	0.13 478

ADCL	0.24 485	0.11 402	0.47 524	0.22 460	0.12 426	0.34 516	0.29 524	0.29 407	0.56 525	0.24 437	0.46 513	0.30 455	0.30 504	0.29 492	0.29 508	0.08 306	0.07 385	0.09 365	0.09 389	0.10 420	0.10 420

LE_ROB	0.50 546	0.07 145	0.14 270	0.15 73	0.08 132	0.24 461	0.16 290	0.22 280	1.81 578	4.63 581	0.67 542	0.47 530	0.44 539	0.20 415	0.29 508	0.07 245	0.06 313	0.06 107	0.06 191	0.08 326	0.06 204

Wz-Net-TNSev	0.29 514	0.20 508	0.65 543	0.19 361	0.15 487	0.38 529	0.27 509	0.35 485	0.55 522	0.34 506	0.42 506	0.45 523	0.38 524	0.32 503	0.30 513	0.12 460	0.13 499	0.10 413	0.12 479	0.15 504	0.14 495

Wz-Net-SNSev	0.25 496	0.17 490	0.44 518	0.25 501	0.14 469	0.26 481	0.23 467	0.38 506	0.56 525	0.30 488	0.55 527	0.39 509	0.26 475	0.23 456	0.30 513	0.10 406	0.09 440	0.09 365	0.10 428	0.11 443	0.11 446

FCDSN-DC	0.33 526	0.28 533	0.28 476	0.30 530	0.24 533	0.39 530	0.28 515	0.42 525	0.42 484	0.43 530	0.53 523	0.51 534	0.41 534	0.36 521	0.30 513	0.21 533	0.20 530	0.27 535	0.26 536	0.25 537	0.24 536
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
EDNetEfficient	0.29 514	0.24 522	1.13 566	0.18 304	0.10 346	0.19 403	0.20 429	0.20 235	0.60 534	0.74 555	0.56 532	0.31 468	0.39 526	0.22 445	0.30 513	0.09 365	0.07 385	0.08 284	0.07 278	0.11 443	0.09 393

RYNet	0.22 462	0.12 420	0.22 443	0.19 361	0.17 512	0.46 533	0.26 502	0.38 506	0.48 503	0.24 437	0.28 410	0.34 486	0.23 454	0.20 415	0.30 513	0.10 406	0.06 313	0.09 365	0.09 389	0.13 476	0.15 502

FC-DCNN	0.33 526	0.27 529	0.28 476	0.26 506	0.23 531	0.37 526	0.28 515	0.40 514	0.43 489	0.45 532	0.55 527	0.51 534	0.40 529	0.37 526	0.30 513	0.21 533	0.20 530	0.27 535	0.26 536	0.25 537	0.24 536

CSAN	0.29 514	0.24 522	0.27 471	0.34 535	0.19 521	0.33 513	0.42 550	0.37 498	0.50 512	0.38 515	0.40 489	0.44 521	0.33 513	0.28 486	0.30 513	0.20 529	0.16 517	0.19 521	0.19 523	0.14 489	0.15 502

Ntro	0.40 535	0.40 546	0.53 529	0.46 550	0.30 544	0.65 549	0.24 479	0.46 536	0.68 546	0.41 524	0.49 517	0.48 532	0.42 537	0.39 532	0.31 520	0.32 547	0.28 545	0.37 547	0.30 544	0.32 548	0.29 545

zh-sn7	0.25 496	0.17 490	0.50 526	0.24 490	0.13 449	0.25 472	0.24 479	0.34 470	0.48 503	0.28 476	0.54 525	0.28 438	0.31 508	0.36 521	0.32 521	0.10 406	0.10 460	0.11 444	0.10 428	0.12 458	0.12 459

otaku	0.39 532	0.37 544	0.52 528	0.44 546	0.28 540	0.58 543	0.24 479	0.41 520	0.62 537	0.40 520	0.49 517	0.46 527	0.33 513	0.40 536	0.32 521	0.30 546	0.30 547	0.39 548	0.33 547	0.29 543	0.28 544

ADCPNet	0.25 496	0.16 479	0.61 540	0.21 445	0.15 487	0.35 524	0.25 494	0.32 442	0.35 447	0.30 488	0.40 489	0.36 492	0.28 492	0.28 486	0.32 521	0.12 460	0.10 460	0.11 444	0.12 479	0.14 489	0.13 478

GANetREF_RVC	0.31 521	0.34 541	0.27 471	0.35 537	0.16 497	0.32 507	0.41 547	0.48 538	0.51 519	0.35 507	0.35 460	0.34 486	0.33 513	0.39 532	0.32 521	0.27 545	0.20 530	0.29 542	0.15 507	0.18 521	0.17 521
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
ADCMid	0.25 496	0.15 471	0.40 512	0.20 416	0.14 469	0.25 472	0.26 502	0.34 470	0.38 465	0.36 510	0.44 511	0.34 486	0.40 529	0.35 515	0.33 525	0.10 406	0.09 440	0.11 444	0.11 460	0.13 476	0.12 459

AnyNet_C32	0.26 504	0.16 479	0.36 504	0.20 416	0.16 497	0.25 472	0.30 531	0.32 442	0.44 494	0.31 494	0.49 517	0.30 455	0.33 513	0.40 536	0.33 525	0.12 460	0.12 486	0.12 463	0.14 492	0.14 489	0.15 502

PDISCO_ROB	0.27 506	0.16 479	0.26 464	0.28 521	0.20 524	0.32 507	0.26 502	0.44 531	0.57 527	0.28 476	0.40 489	0.45 523	0.29 500	0.33 506	0.34 527	0.12 460	0.09 440	0.17 510	0.16 511	0.17 518	0.13 478

ACVNet_1	0.44 540	0.49 550	0.60 539	0.45 547	0.28 540	0.49 538	0.27 509	0.57 551	0.72 549	0.62 544	0.58 537	0.74 553	0.49 543	0.50 543	0.35 528	0.26 544	0.24 542	0.39 548	0.29 542	0.31 547	0.24 536

WZ-Net	0.28 510	0.17 490	0.78 557	0.22 460	0.16 497	0.34 516	0.29 524	0.39 510	0.57 527	0.24 437	0.55 527	0.37 497	0.24 460	0.33 506	0.35 528	0.09 365	0.08 411	0.09 365	0.10 428	0.14 489	0.16 513

RTS	0.45 542	0.19 504	3.26 575	0.24 490	0.15 487	0.74 556	0.20 429	0.36 492	0.76 555	0.42 527	0.43 509	0.31 468	0.41 534	0.53 548	0.35 528	0.10 406	0.08 411	0.13 478	0.12 479	0.15 504	0.15 502

RTSA	0.45 542	0.19 504	3.26 575	0.24 490	0.15 487	0.74 556	0.20 429	0.36 492	0.76 555	0.42 527	0.43 509	0.31 468	0.41 534	0.53 548	0.35 528	0.10 406	0.08 411	0.13 478	0.12 479	0.15 504	0.15 502

PASM	0.32 523	0.24 522	0.48 525	0.28 521	0.27 539	0.29 502	0.30 531	0.34 470	0.49 509	0.35 507	0.39 483	0.46 527	0.34 517	0.34 509	0.35 528	0.23 541	0.25 543	0.26 532	0.28 541	0.23 530	0.21 532

MFN_U_SF_RVC	0.32 523	0.21 514	0.55 532	0.30 530	0.15 487	0.34 516	0.17 324	0.52 544	0.46 501	0.46 535	0.55 527	0.59 541	0.39 526	0.35 515	0.37 533	0.15 500	0.14 508	0.18 519	0.21 526	0.16 511	0.15 502

MANE	0.45 542	0.27 529	0.27 471	0.27 518	0.24 533	0.47 535	0.31 537	0.55 548	0.59 531	0.72 551	1.13 570	1.15 562	0.61 553	0.52 546	0.37 533	0.21 533	0.20 530	0.27 535	0.31 546	0.25 537	0.24 536

PVD	0.39 532	0.20 508	0.39 511	0.31 534	0.22 529	0.29 502	0.43 552	0.52 544	0.96 562	0.55 541	0.79 554	0.53 538	0.59 552	0.52 546	0.38 535	0.19 527	0.14 508	0.17 510	0.14 492	0.24 536	0.31 548

XQC	0.28 510	0.23 519	0.51 527	0.28 521	0.19 521	0.34 516	0.27 509	0.36 492	0.57 527	0.31 494	0.30 428	0.37 497	0.30 504	0.38 528	0.38 535	0.13 483	0.09 440	0.15 502	0.12 479	0.17 518	0.18 524

MSAF-DinoV2	0.22 462	0.11 402	0.23 452	0.17 222	0.10 346	0.27 491	0.16 290	0.37 498	0.55 522	0.21 400	0.27 396	0.47 530	0.27 483	0.35 515	0.39 537	0.09 365	0.06 313	0.07 200	0.09 389	0.12 458	0.10 420

EDNetEfficientorigin	7.91 584	0.31 538	153.02 600	0.19 361	0.09 244	0.21 435	0.16 290	0.22 280	0.59 531	0.72 551	0.67 542	0.42 516	0.50 544	0.24 465	0.39 537	0.08 306	0.07 385	0.08 284	0.07 278	0.12 458	0.10 420

SAMSARA	0.40 535	0.28 533	0.33 495	0.55 553	0.39 547	0.82 563	1.23 577	0.47 537	0.51 519	0.36 510	0.35 460	0.55 540	0.39 526	0.38 528	0.39 537	0.15 500	0.20 530	0.15 502	0.14 492	0.23 530	0.20 530

222	0.16 383	0.07 145	0.14 270	0.14 32	0.08 132	0.24 461	0.18 369	0.30 421	0.20 275	0.17 317	0.28 410	0.17 306	0.16 368	0.15 288	0.40 540	0.10 406	0.05 188	0.07 200	0.06 191	0.07 263	0.08 349

ADCS	0.29 514	0.18 501	0.45 519	0.21 445	0.17 512	0.28 498	0.23 467	0.41 520	0.63 540	0.40 520	0.49 517	0.40 513	0.36 521	0.39 532	0.40 540	0.13 483	0.12 486	0.13 478	0.14 492	0.16 511	0.16 513

ELAS_RVC	0.41 537	0.29 536	0.33 495	0.28 521	0.24 533	0.54 541	0.36 542	0.49 540	0.59 531	0.72 551	0.74 550	0.65 547	0.54 546	0.54 550	0.40 540	0.22 537	0.20 530	0.27 535	0.26 536	0.26 541	0.25 541
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
coex-ft	3.30 577	0.34 541	59.09 599	0.18 304	0.13 449	0.26 481	0.22 456	0.27 377	0.72 549	1.90 579	0.70 546	0.44 521	0.45 540	0.29 492	0.41 543	0.09 365	0.09 440	0.12 463	0.09 389	0.14 489	0.13 478

ccnet	0.29 514	0.28 533	0.23 452	0.20 416	0.28 540	0.41 532	0.21 446	0.45 534	0.33 426	0.36 510	0.46 513	0.36 492	0.30 504	0.39 532	0.42 544	0.23 541	0.14 508	0.21 524	0.17 518	0.23 530	0.18 524

BEATNet-Init1	0.52 547	0.27 529	0.62 541	0.30 530	0.21 527	0.76 560	0.29 524	0.54 547	0.65 543	0.86 560	0.95 561	2.07 577	0.62 555	0.56 552	0.42 544	0.18 522	0.18 524	0.23 529	0.22 529	0.22 529	0.21 532

ELAS	0.41 537	0.29 536	0.33 495	0.27 518	0.24 533	0.60 546	0.36 542	0.50 542	0.50 512	0.71 549	0.79 554	0.67 549	0.54 546	0.51 544	0.42 544	0.22 537	0.20 530	0.27 535	0.26 536	0.26 541	0.25 541
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RainbowNet	0.54 549	0.61 555	0.70 555	0.57 554	0.43 551	0.65 549	0.37 545	0.60 553	0.87 559	0.50 537	0.66 541	0.64 545	0.47 541	0.49 542	0.43 547	0.47 556	0.48 560	0.52 555	0.41 550	0.52 553	0.40 555

MSC_U_SF_DS_RVC	0.43 539	0.39 545	0.54 530	0.40 542	0.20 524	0.64 548	0.32 539	0.53 546	0.72 549	0.71 549	0.72 547	0.61 543	0.54 546	0.51 544	0.46 548	0.20 529	0.19 527	0.29 542	0.30 544	0.23 530	0.18 524

ACVNet_2	0.66 555	0.66 559	0.68 551	0.63 555	0.41 549	0.71 554	0.49 554	0.96 566	1.39 571	0.89 561	1.09 566	1.04 558	0.73 559	0.54 550	0.47 549	0.43 554	0.40 553	0.53 556	0.44 552	0.47 551	0.35 552

AnyNet_C01	0.36 530	0.25 527	1.37 569	0.22 460	0.17 512	0.48 537	0.27 509	0.35 485	0.39 468	0.39 517	0.74 550	0.46 527	0.38 524	0.45 540	0.47 549	0.13 483	0.13 499	0.13 478	0.14 492	0.14 489	0.15 502

IMH-64-1	0.65 553	0.61 555	0.68 551	0.71 557	0.51 554	0.59 544	0.49 554	0.91 562	0.85 557	0.74 555	1.02 563	0.81 554	0.78 561	0.79 559	0.49 551	0.42 552	0.46 555	0.71 559	0.47 553	0.52 553	0.39 553

IMH-64	0.65 553	0.61 555	0.68 551	0.71 557	0.51 554	0.59 544	0.49 554	0.91 562	0.85 557	0.74 555	1.02 563	0.81 554	0.78 561	0.79 559	0.49 551	0.42 552	0.46 555	0.71 559	0.47 553	0.52 553	0.39 553

Consistency-Raft	0.44 540	0.40 546	0.45 519	0.37 541	0.43 551	0.46 533	0.41 547	0.57 551	0.55 522	0.32 500	0.73 548	0.33 480	0.48 542	0.42 539	0.49 551	0.39 550	0.35 551	0.45 550	0.51 558	0.42 550	0.29 545

anonymity	0.53 548	0.58 553	0.65 543	0.41 544	0.61 564	0.53 540	0.41 547	0.56 549	0.41 477	0.55 541	0.50 521	0.49 533	0.55 549	0.58 553	0.50 554	0.58 561	0.50 564	0.51 553	0.51 558	0.51 552	0.57 560

IMH	0.71 556	0.64 558	0.68 551	0.76 559	0.54 556	0.69 552	0.54 558	0.98 568	1.10 564	0.82 559	1.09 566	0.89 556	0.88 566	0.87 567	0.52 555	0.44 555	0.50 564	0.75 562	0.51 558	0.56 558	0.41 556

SGM+DAISY	0.56 550	0.57 552	0.65 543	0.40 542	0.54 556	0.66 551	0.49 554	0.56 549	0.45 500	0.66 545	0.69 544	0.67 549	0.56 550	0.63 555	0.56 556	0.59 562	0.48 560	0.50 552	0.50 557	0.52 553	0.58 561

ktn	1.01 571	1.21 575	0.80 560	1.23 576	0.86 574	1.01 571	0.87 572	0.94 565	1.39 571	1.04 567	1.12 569	1.15 562	1.07 572	0.94 571	0.59 557	1.28 578	0.71 576	1.38 578	0.83 572	1.02 575	0.75 573

MFMNet_re	0.64 552	0.66 559	0.65 543	0.51 551	0.69 568	0.69 552	0.57 560	0.64 555	0.73 553	0.60 543	0.73 548	0.62 544	0.67 557	0.65 556	0.60 558	0.66 566	0.58 573	0.63 557	0.59 561	0.68 564	0.69 570

NVStereoNet_ROB	0.46 545	0.36 543	0.46 523	0.41 544	0.28 540	0.34 516	0.34 540	0.48 538	0.60 534	0.72 551	0.93 559	0.70 552	0.66 556	0.47 541	0.60 558	0.22 537	0.33 550	0.34 546	0.34 549	0.30 544	0.30 547
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SPS-STEREO	0.57 551	0.58 553	0.65 543	0.45 547	0.55 558	0.62 547	0.44 553	0.62 554	0.50 512	0.68 547	0.64 539	0.66 548	0.57 551	0.61 554	0.60 558	0.62 564	0.47 559	0.51 553	0.49 555	0.55 557	0.58 561
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-7	0.79 561	0.78 564	0.54 530	0.85 565	0.67 567	0.74 556	0.68 568	1.05 571	1.32 569	0.90 562	1.20 573	1.04 558	0.92 567	0.69 557	0.66 561	0.60 563	0.62 574	0.67 558	0.68 567	0.64 560	0.58 561

WAO-6	0.81 562	0.80 565	0.62 541	0.86 566	0.63 565	0.76 560	0.58 561	0.98 568	1.54 576	0.90 562	0.96 562	1.07 560	1.03 571	0.70 558	0.66 561	0.72 567	0.49 562	0.90 570	0.71 568	0.68 564	0.58 561

PWCK	0.71 556	0.94 570	0.95 564	0.76 559	0.31 545	0.74 556	0.36 542	0.90 561	0.90 560	0.96 564	0.75 552	0.95 557	0.61 553	0.87 567	0.66 561	0.72 567	0.46 555	0.75 562	0.49 555	0.69 566	0.44 557

TorneroNet-64	0.76 560	0.72 562	0.74 556	0.78 561	0.58 562	0.91 567	0.56 559	0.84 560	1.29 568	0.66 545	0.90 557	1.40 570	0.75 560	0.85 565	0.67 564	0.49 557	0.46 555	0.72 561	0.59 561	0.67 563	0.53 559

notaker	0.97 569	1.11 573	0.98 565	1.13 574	0.81 572	0.73 555	0.68 568	0.93 564	1.16 565	1.18 574	1.18 572	1.41 571	1.16 576	1.08 576	0.69 565	0.81 572	0.64 575	1.17 574	0.79 571	0.98 573	0.80 574

LVE	0.83 564	0.85 568	0.85 562	0.80 562	0.56 559	1.04 573	0.65 565	1.05 571	1.47 574	0.96 564	1.22 574	1.10 561	0.85 564	0.83 562	0.71 566	0.49 557	0.55 570	0.76 565	0.60 563	0.65 561	0.59 566

WAO-8	0.91 566	0.81 566	0.65 543	0.94 569	0.69 568	0.90 564	0.67 566	1.07 574	1.83 579	1.06 569	1.45 576	1.30 565	1.07 572	0.84 563	0.78 567	0.74 569	0.53 567	0.86 568	0.75 569	0.69 566	0.62 567

Venus	0.91 566	0.81 566	0.65 543	0.94 569	0.69 568	0.90 564	0.67 566	1.07 574	1.83 579	1.06 569	1.45 576	1.30 565	1.07 572	0.84 563	0.78 567	0.74 569	0.53 567	0.86 568	0.75 569	0.69 566	0.62 567

TorneroNet	0.82 563	0.74 563	0.81 561	0.84 564	0.63 565	0.99 569	0.63 562	0.96 566	1.16 565	0.80 558	1.11 568	1.36 569	0.86 565	0.93 570	0.80 569	0.56 559	0.49 562	0.78 567	0.66 566	0.73 569	0.63 569

Dean	0.87 565	0.86 569	0.79 559	0.81 563	0.56 559	0.90 564	0.63 562	1.15 577	1.73 577	1.15 572	1.15 571	1.31 567	0.99 570	0.81 561	0.81 570	0.57 560	0.56 571	0.77 566	0.64 564	0.66 562	0.58 561

KSHMR	1.09 572	1.17 574	0.88 563	1.25 577	1.00 576	0.99 569	0.96 574	1.13 576	1.37 570	1.16 573	1.29 575	1.41 571	0.96 569	1.01 573	0.92 571	1.03 576	1.08 578	1.20 575	1.03 577	1.01 574	0.97 576

UNDER WATER-64	0.95 568	0.94 570	1.43 571	0.87 567	0.56 559	1.18 576	0.87 572	0.77 558	0.94 561	1.04 567	0.85 556	1.58 575	1.21 577	0.94 571	0.96 572	0.87 573	0.57 572	1.03 573	0.88 574	0.78 570	0.73 571

UNDER WATER	0.97 569	0.97 572	1.42 570	0.99 571	0.70 571	1.12 575	0.84 571	0.80 559	1.08 563	1.01 566	0.90 557	1.55 574	1.22 578	1.03 574	1.00 573	0.78 571	0.53 567	1.02 572	0.87 573	0.80 571	0.74 572

JetBlue	0.71 556	0.45 549	1.14 567	0.51 551	0.47 553	2.02 578	0.64 564	0.75 557	0.70 547	0.69 548	0.77 553	1.22 564	0.83 563	1.03 574	1.01 574	0.40 551	0.28 545	0.33 545	0.33 547	0.30 544	0.34 551

MADNet+	0.75 559	0.71 561	3.70 578	0.66 556	0.41 549	0.98 568	0.97 575	0.69 556	0.73 553	0.52 538	0.57 535	0.64 545	0.68 558	0.86 566	1.01 574	0.34 549	0.36 552	0.28 541	0.23 533	0.36 549	0.31 548

DPSimNet_ROB	1.11 573	1.23 576	0.78 557	1.13 574	0.88 575	1.10 574	1.13 576	1.16 578	1.23 567	1.43 576	1.02 563	1.41 571	1.10 575	0.90 569	1.60 576	1.46 579	0.51 566	1.21 576	1.03 577	0.90 572	1.01 578

HanzoNet	1.29 574	1.26 577	1.19 568	1.12 573	0.85 573	1.02 572	0.83 570	1.03 570	1.48 575	1.64 577	1.61 578	2.50 579	1.72 579	1.61 578	1.61 577	1.26 577	0.80 577	1.31 577	1.01 576	1.02 575	0.86 575

LRCNet_RVC	10.62 589	13.42 593	7.30 581	18.92 592	2.07 580	0.33 513	0.30 531	5.59 584	0.48 503	13.03 591	17.94 592	8.87 586	5.65 582	4.79 582	1.89 578	23.51 597	2.73 585	27.55 598	25.71 598	16.07 595	16.33 596

MADNet++	1.95 576	1.75 579	1.59 572	1.82 578	1.69 579	2.33 579	1.40 579	2.35 580	2.09 581	2.57 580	2.36 581	2.24 578	2.17 580	2.28 579	2.34 579	1.87 580	1.66 580	1.54 579	1.34 579	1.92 578	1.77 580

TCMNet-wrong-test	3.67 578	5.48 588	3.89 579	12.18 590	11.75 591	4.65 580	3.88 581	1.06 573	0.72 549	1.09 571	2.15 580	6.30 584	0.53 545	3.43 581	2.36 580	0.89 574	0.20 530	1.87 581	1.69 580	5.57 586	3.62 586

JetRed	1.62 575	1.46 578	2.98 573	0.92 568	1.21 577	4.99 581	1.53 580	1.27 579	1.39 571	1.83 578	1.74 579	1.60 576	0.95 568	1.41 577	2.45 581	0.90 575	1.60 579	0.93 571	0.90 575	1.35 577	0.99 577

PML	8.91 587	9.34 592	6.13 580	5.35 583	6.41 584	14.99 588	23.38 592	5.27 581	6.83 583	18.04 593	28.19 599	7.67 585	6.83 583	7.85 586	5.75 582	5.35 587	1.83 581	5.95 591	1.93 581	8.64 589	2.52 582

tt	4.67 579	0.06 61	3.55 577	2.02 579	1.55 578	10.25 585	16.71 585	8.91 589	5.03 582	1.31 575	0.94 560	4.71 580	4.76 581	3.33 580	5.87 583	6.06 588	10.30 592	1.88 582	2.11 582	2.75 580	1.21 579

USTest	6.22 580	2.73 581	3.00 574	6.57 586	7.29 585	14.37 587	21.57 586	7.00 588	9.56 587	5.34 584	6.10 582	5.72 583	7.64 584	6.41 585	6.96 584	1.97 581	3.42 586	1.64 580	2.15 583	2.66 579	2.36 581

xxxxx1	7.79 581	5.02 585	7.31 582	3.12 580	3.85 581	16.35 589	22.88 587	5.86 585	8.69 584	7.97 585	8.54 583	9.12 587	8.27 585	10.18 587	10.92 585	2.42 582	2.45 582	3.56 585	12.37 589	3.77 581	3.06 583

tt_ll	7.79 581	5.02 585	7.31 582	3.12 580	3.85 581	16.35 589	22.88 587	5.86 585	8.69 584	7.97 585	8.54 583	9.12 587	8.27 585	10.18 587	10.92 585	2.42 582	2.45 582	3.56 585	12.37 589	3.77 581	3.06 583

ff	7.79 581	5.02 585	7.31 582	3.12 580	3.85 581	16.35 589	22.88 587	5.86 585	8.69 584	7.97 585	8.54 583	9.12 587	8.27 585	10.18 587	10.92 585	2.42 582	2.45 582	3.56 585	12.37 589	3.77 581	3.06 583

DPSMNet_ROB	8.06 585	4.48 583	8.63 588	5.37 585	10.74 588	8.32 583	22.98 591	5.46 582	13.36 590	5.12 582	9.92 586	5.08 581	10.40 588	5.53 584	12.58 588	3.80 586	8.00 587	3.50 583	7.02 586	3.83 584	7.14 588

DGTPSM_ROB	8.06 585	4.48 583	8.63 588	5.35 583	10.72 587	8.32 583	22.97 590	5.46 582	13.35 589	5.12 582	9.92 586	5.08 581	10.40 588	5.52 583	12.58 588	3.79 585	8.00 587	3.50 583	7.02 586	3.83 584	7.14 588

Anonymous_1	10.96 590	7.92 589	7.46 585	10.33 587	10.06 586	18.65 593	26.34 593	11.06 590	13.44 591	9.40 588	10.05 588	9.67 590	11.23 590	10.73 590	12.72 590	6.42 589	8.38 589	5.77 588	10.61 588	12.12 590	6.77 587

DPSM_ROB	11.15 591	8.58 590	8.00 586	10.88 588	11.58 589	19.10 594	26.71 594	12.05 591	14.07 592	10.36 589	10.84 589	10.33 591	11.86 591	11.70 591	13.54 591	6.99 590	8.79 590	5.89 589	6.95 584	7.29 587	7.42 590

DPSM	11.15 591	8.58 590	8.00 586	10.88 588	11.58 589	19.10 594	26.71 594	12.05 591	14.07 592	10.36 589	10.84 589	10.33 591	11.86 591	11.70 591	13.54 591	6.99 590	8.79 590	5.89 589	6.95 584	7.29 587	7.42 590

HaxPig	15.71 593	18.52 598	19.18 594	16.89 591	15.89 593	7.73 582	7.60 582	13.31 593	10.82 588	15.42 592	14.91 591	15.98 593	14.92 593	15.58 593	15.98 593	18.95 596	16.73 593	19.46 596	18.08 596	19.26 596	19.05 597

MEDIAN_ROB	20.38 594	24.04 599	23.31 596	21.23 593	21.71 594	10.40 586	7.92 583	17.64 594	15.50 594	20.12 594	19.70 593	20.34 594	20.32 594	21.19 594	21.13 594	23.81 598	21.81 598	24.98 597	23.76 597	24.71 597	23.93 598

AVERAGE_ROB	24.90 599	29.20 600	28.14 597	24.89 598	24.64 598	17.75 592	11.12 584	21.45 595	19.93 595	25.12 599	24.46 598	25.12 599	25.46 599	24.69 599	22.83 595	29.76 599	27.13 599	28.97 599	27.95 599	29.91 598	29.47 599

FlowAnything	22.44 596	17.35 596	16.14 592	22.07 596	23.23 595	38.39 597	53.77 597	24.25 597	28.44 598	20.96 598	21.82 596	20.70 595	23.84 595	23.49 596	27.14 596	14.04 592	17.79 597	11.75 592	14.15 595	14.65 591	14.89 592

CasAABBNet	22.42 595	17.33 595	16.01 590	22.01 594	23.28 596	38.32 596	53.80 598	24.14 596	28.41 597	20.60 595	21.77 595	20.89 597	23.91 597	23.43 595	27.36 597	14.07 593	17.69 595	11.83 594	14.01 593	14.67 592	14.95 594

LSM0	22.87 598	17.28 594	18.96 593	22.19 597	29.04 599	38.42 599	53.71 596	24.28 598	28.31 596	20.78 597	21.00 594	21.43 598	24.16 598	23.50 597	27.39 598	14.09 595	17.38 594	11.84 595	14.04 594	14.73 594	14.89 592

Selective-RAFT-Error	22.47 597	17.37 597	16.09 591	22.06 595	23.34 597	38.39 597	53.83 599	24.29 599	28.47 599	20.74 596	21.83 597	20.81 596	23.90 596	23.54 598	27.53 599	14.08 594	17.69 595	11.82 593	14.00 592	14.69 593	15.00 595

test_example2	98.32 600	94.13 601	45.89 598	96.35 599	109.85 600	88.61 600	95.45 600	25.75 600	94.37 600	130.00 601	126.06 600	58.17 600	74.63 600	88.51 600	79.96 600	150.23 600	221.02 600	77.62 600	99.10 600	113.75 600	96.94 600

ccccc		285.66 602		368.85 601	370.60 601	123.16 601		115.05 601		126.68 600		122.83 601		252.94 601		384.56 601	353.86 601	254.69 601	223.00 601	425.87 601

ASD4		3.38 582

Low-res two-view benchmark