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

RAStereo	0.75 1	0.52 24	2.86 145	0.58 1	0.62 141	1.19 8	0.32 3	1.81 27	0.99 4	0.75 10	1.05 32	0.64 9	0.47 2	0.80 1	0.94 118	0.22 5	0.20 69	0.27 72	0.21 44	0.34 149	0.22 17

CREStereo	0.92 24	0.53 35	1.45 28	0.61 2	0.34 6	4.42 364	0.40 13	2.21 50	1.54 96	0.94 45	1.12 41	0.87 49	0.87 65	1.12 23	0.72 45	0.28 76	0.19 44	0.22 6	0.15 4	0.22 5	0.19 3
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
trnet	0.91 23	0.48 9	1.46 29	0.62 3	0.31 2	4.40 360	0.41 14	2.20 48	1.53 88	0.94 45	1.14 43	0.88 51	0.89 70	1.09 19	0.71 40	0.27 47	0.19 44	0.22 6	0.15 4	0.21 3	0.19 3

PMTNet	0.99 43	0.48 9	1.73 48	0.62 3	0.56 112	4.20 332	0.43 18	1.88 28	1.58 116	1.00 50	1.05 32	0.78 31	0.98 88	1.50 87	0.85 79	1.21 419	0.20 69	0.23 11	0.15 4	0.22 5	0.19 3

rvit_stereo_0080	0.94 28	0.72 193	2.56 124	0.64 5	0.59 132	1.90 49	0.75 130	2.71 100	1.40 29	0.91 41	1.04 28	0.85 44	0.82 54	1.14 28	0.78 58	0.35 214	0.29 238	0.25 38	0.27 151	0.45 271	0.29 98

whm_eth	0.94 28	0.72 193	2.56 124	0.64 5	0.59 132	1.90 49	0.75 130	2.71 100	1.40 29	0.91 41	1.04 28	0.85 44	0.82 54	1.14 28	0.78 58	0.35 214	0.29 238	0.25 38	0.27 151	0.45 271	0.29 98

HHNet	2.48 290	0.71 190	20.52 418	0.64 5	0.64 145	4.07 289	0.93 238	3.76 217	1.56 108	2.15 246	4.92 419	0.98 63	3.37 381	1.66 115	1.79 280	0.32 169	0.20 69	0.31 149	0.27 151	0.36 178	0.42 241

plain	1.55 132	0.69 169	13.59 281	0.65 8	0.73 178	1.66 40	0.57 42	3.17 142	1.94 199	0.77 23	1.24 57	0.80 36	0.86 62	1.60 101	0.96 123	0.33 183	0.21 98	0.32 167	0.25 110	0.42 246	0.28 88

MaDis-Stereo	0.82 13	0.66 151	1.53 34	0.65 8	1.87 412	1.24 13	0.36 8	2.13 44	1.27 16	0.67 7	0.75 6	0.88 51	0.70 24	1.15 32	1.07 140	0.29 95	0.23 148	0.26 52	0.20 34	0.31 92	0.22 17

DIP-Stereo	1.24 89	0.69 169	1.77 53	0.65 8	0.61 138	4.29 345	0.58 50	4.44 406	2.53 322	1.98 185	1.33 76	0.91 56	0.86 62	1.25 53	1.25 180	0.36 225	0.23 148	0.32 167	0.23 79	0.32 115	0.29 98
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
U	12.82 464	0.38 1	1.99 71	0.66 11	58.94 480	63.38 486	0.34 6	1.91 31	0.94 3	0.59 1	0.80 11	0.46 1	0.57 6	0.83 2	0.44 3	0.29 95	0.17 10	63.35 484	59.81 483	0.29 58	0.20 7

IGEV-Stereo++	0.93 26	0.44 3	1.08 4	0.70 12	1.20 308	3.87 244	0.33 4	3.36 164	1.43 37	0.75 10	1.17 46	0.68 14	1.04 100	0.95 6	0.42 1	0.22 5	0.16 5	0.23 11	0.17 10	0.24 7	0.20 7

TestStereo	2.00 207	1.02 303	12.25 270	0.70 12	0.61 138	1.88 48	0.55 38	2.31 57	1.52 83	1.41 84	1.33 76	1.27 100	0.90 72	11.62 415	0.81 68	0.34 195	0.19 44	0.33 201	0.24 101	0.44 263	0.24 34

MIF-Stereo (partial)	0.98 37	0.55 46	2.83 142	0.71 14	1.03 268	1.08 6	0.49 25	2.55 83	1.66 148	0.79 25	1.20 49	0.80 36	0.90 72	1.61 106	1.56 243	0.36 225	0.24 178	0.33 201	0.25 110	0.40 205	0.28 88

s12784h	1.31 112	0.45 5	2.41 118	0.71 14	0.35 7	4.42 364	0.50 26	4.22 336	2.73 347	2.01 204	2.48 346	0.91 56	0.96 83	2.01 148	0.70 37	0.29 95	0.18 27	0.24 24	0.16 8	0.27 33	0.18 2

rvit_stereo_0081_aga	0.81 12	0.75 224	1.84 59	0.72 16	0.73 178	1.21 9	0.63 70	1.92 32	1.39 27	0.87 39	0.80 11	0.79 34	0.69 23	1.27 57	0.69 31	0.35 214	0.29 238	0.26 52	0.25 110	0.40 205	0.27 71

AIO-Stereo	0.76 2	0.54 41	1.07 3	0.73 17	0.40 34	1.28 20	0.82 171	2.26 54	1.49 64	0.70 9	1.58 133	0.89 53	0.45 1	1.03 13	0.55 4	0.24 16	0.18 27	0.25 38	0.20 34	0.26 24	0.21 15

DRaft	2.28 247	0.56 55	2.64 134	0.74 18	0.46 63	3.94 258	1.23 310	2.32 58	1.55 102	2.64 357	2.80 375	1.60 143	5.34 419	6.96 296	10.99 424	0.34 195	0.22 124	0.27 72	0.27 151	0.29 58	0.37 192

Selective-IGEV	0.80 7	0.52 24	1.05 2	0.75 19	0.61 138	1.31 22	0.82 171	2.60 91	1.41 32	0.82 31	1.64 151	0.71 22	0.62 14	1.22 49	0.64 14	0.22 5	0.19 44	0.24 24	0.18 13	0.25 16	0.20 7

GMOStereo	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 316	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

error version	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 316	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

test-v	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 316	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

Patchmatch Stereo++	1.25 93	0.65 141	2.06 87	0.75 19	0.37 20	4.68 409	0.76 133	2.53 73	1.58 116	1.99 190	1.47 107	1.78 171	1.14 134	2.44 179	0.90 99	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98
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
PSM-adaLoss	1.24 89	0.65 141	2.03 75	0.75 19	0.37 20	4.68 409	0.73 110	2.53 73	1.58 116	1.99 190	1.47 107	1.78 171	1.13 128	2.18 166	0.87 90	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

ROB_FTStereo_v2	1.23 84	0.66 151	2.02 74	0.75 19	0.37 20	4.67 408	0.76 133	2.53 73	1.58 116	1.99 190	1.46 103	1.78 171	1.14 134	2.08 152	0.88 93	0.48 329	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

ROB_FTStereo	1.25 93	0.66 151	2.14 92	0.75 19	0.37 20	4.65 405	0.77 144	2.53 73	1.58 116	1.99 190	1.47 107	1.78 171	1.13 128	2.26 175	0.86 85	0.47 325	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

HUI-Stereo	1.25 93	0.66 151	2.33 112	0.75 19	0.37 20	4.68 409	0.78 147	2.53 73	1.58 116	1.99 190	1.46 103	1.79 178	1.13 128	2.17 164	0.85 79	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

iGMRVC	1.26 100	0.66 151	2.14 92	0.75 19	0.37 20	4.66 406	0.74 121	2.53 73	1.58 116	1.99 190	1.46 103	1.78 171	1.14 134	2.46 181	0.92 109	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

iRAFT	1.25 93	0.65 141	2.06 87	0.75 19	0.37 20	4.68 409	0.76 133	2.53 73	1.58 116	1.99 190	1.47 107	1.78 171	1.14 134	2.44 179	0.90 99	0.48 329	0.23 148	0.32 167	0.27 151	0.40 205	0.29 98

test-2	1.13 61	0.70 179	2.26 103	0.75 19	0.44 52	3.05 110	0.91 225	2.78 109	1.45 39	2.37 316	1.52 116	1.53 132	1.05 104	1.17 38	0.92 109	0.25 27	0.19 44	0.35 236	0.28 178	0.34 149	0.26 59

RAFT-IKP	1.25 93	0.66 151	2.23 101	0.75 19	0.37 20	4.64 403	0.74 121	2.53 73	1.58 116	1.99 190	1.47 107	1.78 171	1.13 128	2.22 172	0.92 109	0.48 329	0.22 124	0.32 167	0.27 151	0.40 205	0.29 98

TANstereo	1.01 47	0.55 46	1.73 48	0.76 32	0.36 8	4.04 281	0.38 9	1.48 5	1.62 138	2.03 212	2.10 286	0.84 41	0.93 78	0.98 9	0.62 11	0.28 76	0.36 295	0.23 11	0.20 34	0.25 16	0.46 272

DeepStereo_RVC	1.55 132	0.63 124	3.32 163	0.77 33	0.42 42	4.49 376	0.72 105	2.50 71	1.58 116	2.02 208	1.81 215	1.54 136	6.38 434	1.73 123	1.19 162	0.46 316	0.22 124	0.29 109	0.28 178	0.35 166	0.38 206

4D-IteraStereo	1.97 201	0.84 262	20.43 416	0.78 34	1.56 372	2.09 65	1.05 272	2.43 65	1.56 108	1.41 84	1.00 20	1.94 200	0.61 12	1.22 49	1.06 137	0.27 47	0.18 27	0.31 149	0.26 126	0.27 33	0.23 24

HCRNet	1.60 145	0.56 55	2.47 120	0.78 34	1.36 338	4.11 297	0.71 102	3.57 185	2.79 355	1.75 133	1.61 145	1.58 140	1.41 185	5.79 266	1.56 243	0.34 195	0.28 228	0.36 249	0.29 205	0.33 131	0.37 192

DEmStereo	2.97 349	0.58 76	13.42 279	0.79 36	0.51 87	3.84 233	1.84 377	2.42 63	1.60 131	2.25 282	2.74 368	2.03 218	6.04 426	6.79 294	12.80 433	0.35 214	0.26 209	0.26 52	0.27 151	0.27 33	0.37 192

CAS++	0.89 21	0.64 133	1.46 29	0.81 37	0.51 87	1.24 13	0.86 190	3.44 168	1.46 46	1.14 65	1.29 71	0.62 7	0.58 8	1.13 26	0.59 7	0.34 195	0.30 251	0.34 218	0.26 126	0.41 228	0.29 98
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
CASnet	0.78 5	0.51 18	1.29 17	0.81 37	0.29 1	1.28 20	0.74 121	1.51 6	1.89 194	1.64 112	1.09 38	0.65 11	0.64 17	0.91 4	0.76 54	0.29 95	0.17 10	0.41 296	0.31 237	0.32 115	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
fff	1.74 163	0.70 179	9.08 233	0.81 37	0.36 8	4.15 306	0.57 42	4.23 340	2.09 227	2.30 293	1.80 203	1.19 90	3.02 365	1.44 77	1.46 219	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

iRaft-Stereo_5w	2.10 222	0.83 258	8.57 227	0.81 37	0.76 184	3.21 123	0.84 179	3.71 211	1.65 146	1.56 98	2.50 348	2.20 235	2.23 325	9.13 331	2.01 306	0.38 248	0.19 44	0.35 236	0.27 151	0.45 271	0.39 212

STrans-v2	3.03 358	0.77 231	20.91 430	0.81 37	0.63 143	3.89 246	1.01 261	4.27 358	2.64 337	2.28 287	3.70 406	4.13 387	5.20 416	7.33 299	1.27 186	0.31 151	0.18 27	0.29 109	0.25 110	0.29 58	0.41 238

csc	1.74 163	0.70 179	9.08 233	0.81 37	0.36 8	4.15 306	0.57 42	4.23 340	2.09 227	2.30 293	1.80 203	1.19 90	3.02 365	1.44 77	1.46 219	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

cscssc	1.74 163	0.70 179	9.08 233	0.81 37	0.36 8	4.15 306	0.57 42	4.23 340	2.09 227	2.30 293	1.80 203	1.19 90	3.02 365	1.44 77	1.46 219	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

111	1.83 175	0.92 279	9.08 233	0.81 37	0.36 8	4.25 337	0.91 225	4.44 406	2.70 344	2.39 321	1.96 256	2.30 245	1.64 254	1.28 58	1.82 282	0.28 76	0.22 124	0.24 24	0.20 34	0.31 92	0.54 312

Occ-G	0.86 16	0.52 24	1.39 24	0.82 45	0.66 156	1.37 24	0.79 153	1.58 10	1.31 21	1.56 98	0.87 13	2.18 234	0.89 70	0.97 7	0.88 93	0.26 37	0.19 44	0.26 52	0.19 25	0.25 16	0.24 34

IGEV-BASED-STEREO-	1.09 57	3.30 426	2.61 129	0.82 45	0.38 29	1.27 16	0.62 68	1.51 6	1.29 18	0.91 41	0.92 16	0.65 11	0.57 6	1.08 18	0.59 7	1.55 433	0.15 2	0.32 167	0.28 178	1.10 406	1.98 431

DCANet-4	1.96 199	0.51 18	14.31 299	0.82 45	0.40 34	4.16 315	0.57 42	4.29 366	2.98 382	2.30 293	1.80 203	1.03 69	1.54 226	1.44 77	1.44 215	0.29 95	0.23 148	0.23 11	0.18 13	0.24 7	0.42 241

ADStereo(finetuned)	2.04 214	0.73 204	13.28 277	0.82 45	0.40 34	4.16 315	0.59 51	4.25 350	2.97 379	2.35 311	1.84 227	1.18 86	3.40 382	1.52 91	1.54 241	0.29 95	0.24 178	0.23 11	0.18 13	0.30 77	0.51 299

IPLGR	2.53 298	0.58 76	20.46 417	0.82 45	0.52 96	4.56 393	0.50 26	4.30 374	2.38 295	1.87 154	1.53 122	1.68 152	1.72 270	6.95 295	1.15 153	0.28 76	0.21 98	0.27 72	0.23 79	0.33 131	0.32 139

CrosDoStereo	5.24 425	0.60 92	20.23 402	0.82 45	0.51 87	3.39 148	18.11 467	3.82 227	2.27 266	1.98 185	8.74 438	1.96 207	6.96 438	7.35 300	26.35 470	0.30 132	0.22 124	0.30 128	0.28 178	0.33 131	0.38 206

DeepStereo_LL	5.24 425	0.60 92	20.23 402	0.82 45	0.51 87	3.39 148	18.11 467	3.82 227	2.27 266	1.98 185	8.74 438	1.96 207	6.96 438	7.35 300	26.35 470	0.30 132	0.22 124	0.30 128	0.28 178	0.33 131	0.38 206

CRE-IMP	1.23 84	0.61 106	2.14 92	0.82 45	0.39 31	4.54 385	0.83 176	2.63 94	1.55 102	1.95 179	1.46 103	1.87 196	0.96 83	1.48 86	1.33 199	0.45 311	0.21 98	0.31 149	0.26 126	0.41 228	0.31 132

DCANet	1.74 163	0.73 204	9.08 233	0.82 45	0.40 34	4.18 323	0.59 51	4.25 350	2.97 379	2.35 311	1.84 227	1.18 86	1.63 251	1.51 89	1.55 242	0.29 95	0.24 178	0.23 11	0.18 13	0.30 77	0.53 306

RSM	0.80 7	0.50 15	1.08 4	0.83 54	0.51 87	1.31 22	0.77 144	2.28 56	1.43 37	0.82 31	1.44 100	1.22 96	0.62 14	1.17 38	0.63 13	0.22 5	0.18 27	0.24 24	0.19 25	0.27 33	0.20 7

PCWNet_CMD	2.23 234	0.65 141	17.36 338	0.83 54	0.76 184	3.51 172	0.64 73	3.60 188	1.97 202	1.70 123	1.63 149	3.22 329	3.05 368	2.09 155	1.11 147	0.31 151	0.36 295	0.47 325	0.26 126	0.64 345	0.47 277

anonymousdsp	0.95 33	0.69 169	1.27 15	0.83 54	0.52 96	4.54 385	0.84 179	1.76 22	1.24 8	0.76 19	1.06 34	0.78 31	0.77 39	1.67 118	0.69 31	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.26 59

GLC_STEREO	0.76 2	0.52 24	1.12 7	0.83 54	0.33 5	1.86 47	0.82 171	1.46 4	1.38 26	0.95 47	1.04 28	0.68 14	0.72 27	0.97 7	0.80 63	0.23 12	0.25 197	0.32 167	0.25 110	0.32 115	0.30 124

Anonymous3	1.72 160	0.76 229	11.61 266	0.83 54	0.84 212	4.46 368	0.84 179	3.57 185	1.16 5	1.34 74	1.37 87	1.11 76	1.03 96	1.58 96	1.13 151	0.70 390	0.58 389	0.33 201	0.35 276	0.47 286	0.42 241

CREStereo++_RVC	1.02 51	0.49 14	1.54 37	0.83 54	0.55 108	4.01 277	0.31 2	1.63 16	1.99 205	1.63 110	2.13 294	0.84 41	0.65 19	0.88 3	0.70 37	0.27 47	0.15 2	0.23 11	1.22 430	0.24 7	0.17 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
GMStereo	1.01 47	1.00 301	2.86 145	0.83 54	0.45 56	1.47 29	0.57 42	1.89 29	2.11 237	1.52 93	1.24 57	0.87 49	0.74 33	1.58 96	0.94 118	0.40 266	0.21 98	0.30 128	0.30 221	0.47 286	0.36 178
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
Pointernet	0.88 20	0.44 3	2.26 103	0.84 61	0.37 20	2.29 73	0.38 9	3.06 132	1.46 46	0.66 5	1.39 91	0.91 56	0.73 30	1.01 12	0.72 45	0.23 12	0.19 44	0.20 1	0.18 13	0.19 1	0.20 7

WCG-NET（raft）	0.95 33	0.55 46	1.20 11	0.84 61	0.31 2	1.44 27	1.01 261	1.55 9	2.37 292	1.64 112	1.42 97	2.38 254	1.01 93	1.29 60	0.76 54	0.22 5	0.19 44	0.22 6	0.20 34	0.25 16	0.21 15

ff7	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 388	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

ffff	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 388	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

11t	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 388	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

LoS_RVC	0.94 28	1.30 357	1.31 18	0.84 61	1.63 383	2.02 56	0.59 51	1.51 6	1.36 25	0.81 29	1.33 76	0.84 41	0.88 66	1.36 69	0.73 47	0.21 1	0.17 10	0.20 1	0.14 2	0.20 2	1.45 417

ccc-4	0.98 37	0.69 169	2.05 78	0.84 61	0.52 96	4.55 388	0.86 190	1.62 11	1.24 8	0.75 10	1.03 24	0.70 18	0.77 39	1.84 133	0.68 26	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.27 71

test_4	1.30 108	0.50 15	6.16 206	0.84 61	0.45 56	1.61 37	1.12 288	2.14 45	1.42 33	1.52 93	2.31 331	1.84 192	0.79 47	2.52 191	1.19 162	0.27 47	0.17 10	0.29 109	0.29 205	0.29 58	0.25 41

IGEV-Stereo	0.95 33	0.69 169	1.27 15	0.84 61	0.52 96	4.54 385	0.84 179	1.76 22	1.24 8	0.75 10	1.06 34	0.79 34	0.77 39	1.68 119	0.69 31	0.27 47	0.17 10	0.29 109	0.21 44	0.31 92	0.26 59
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
MSMDNet	2.23 234	0.64 133	17.32 334	0.84 61	0.75 181	3.53 176	0.64 73	3.61 190	1.98 204	1.71 127	1.64 151	3.22 329	2.99 362	2.08 152	1.11 147	0.31 151	0.37 308	0.45 317	0.26 126	0.62 337	0.45 262

ccs_rob	2.13 225	0.67 160	15.11 311	0.84 61	0.75 181	3.96 268	0.65 82	3.95 264	1.78 175	1.88 157	1.79 200	3.26 333	1.64 254	2.51 187	1.16 156	0.31 151	0.36 295	0.54 367	0.27 151	0.65 348	0.45 262

SPstereo	0.93 26	0.68 167	1.35 22	0.85 72	0.41 38	3.61 194	0.52 33	2.20 48	1.50 69	1.11 63	1.04 28	1.17 82	0.84 58	1.11 21	0.71 40	0.25 27	0.20 69	0.27 72	0.18 13	0.28 48	0.23 24

CFNet_pseudo	2.12 223	0.67 160	15.14 312	0.85 72	0.74 180	3.95 263	0.64 73	3.95 264	1.78 175	1.90 163	1.79 200	3.27 334	1.62 239	2.51 187	1.16 156	0.31 151	0.36 295	0.53 360	0.27 151	0.63 338	0.44 256

IGEV-Stereo+	0.94 28	0.47 7	1.19 8	0.86 74	2.02 422	1.40 26	0.39 11	1.17 2	0.88 1	0.61 2	0.44 1	0.47 2	0.79 47	2.14 160	0.42 1	0.27 47	0.19 44	0.22 6	0.17 10	2.26 434	2.41 438

LoS	0.94 28	0.52 24	1.88 61	0.86 74	0.36 8	4.15 306	0.51 30	2.18 47	1.45 39	0.97 49	0.88 14	0.62 7	0.79 47	1.59 99	0.86 85	0.26 37	0.19 44	0.24 24	0.16 8	0.21 3	0.20 7
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.82 13	0.71 190	1.50 33	0.86 74	0.45 56	1.78 42	0.83 176	1.75 21	1.28 17	0.66 5	1.13 42	0.78 31	0.76 38	1.66 115	0.71 40	0.24 16	0.20 69	0.25 38	0.23 79	0.29 58	0.25 41

THIR-Stereo	4.14 406	0.82 255	10.85 258	0.86 74	0.43 47	2.16 68	16.77 465	3.22 147	1.54 96	2.04 215	12.05 455	2.68 283	7.53 443	7.30 298	12.62 432	0.30 132	0.21 98	0.29 109	0.28 178	0.33 131	0.41 238

rvit_stereo_0083	0.86 16	0.67 160	1.42 26	0.87 78	0.65 152	1.23 10	0.64 73	1.67 18	2.28 269	0.79 25	0.93 17	0.93 59	1.07 114	1.46 83	0.75 51	0.32 169	0.36 295	0.30 128	0.26 126	0.33 131	0.28 88

BUS	1.49 131	0.59 83	1.94 67	0.87 78	0.85 214	4.50 379	0.76 133	4.48 412	1.88 190	2.93 378	1.83 222	3.63 364	0.97 86	1.60 101	1.17 159	0.34 195	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

BSDual-CNN	1.46 127	0.59 83	1.94 67	0.87 78	0.85 214	4.16 315	1.16 295	4.48 412	1.88 190	2.93 378	1.83 222	2.60 278	1.31 165	1.60 101	1.21 169	0.34 195	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

hknet	1.98 203	0.64 133	8.70 230	0.87 78	1.07 278	4.16 315	1.16 295	4.48 412	1.73 166	2.93 378	1.83 222	3.48 348	1.30 164	3.91 232	1.51 237	0.31 151	0.25 197	0.31 149	0.28 178	0.35 166	0.33 151

CroCo-Stereo	0.98 37	0.87 269	3.44 166	0.87 78	0.53 104	0.49 1	0.50 26	3.99 276	1.49 64	0.81 29	1.25 61	1.00 65	0.75 34	1.10 20	1.09 145	0.24 16	0.21 98	0.24 24	0.19 25	0.35 166	0.27 71
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
MoCha-V2	0.87 19	0.48 9	1.87 60	0.88 83	0.32 4	1.37 24	0.55 38	2.71 100	1.42 33	0.92 44	1.75 181	0.65 11	1.17 142	1.45 81	0.57 5	0.21 1	0.21 98	0.20 1	0.19 25	0.24 7	0.23 24

knoymous	1.30 108	0.60 92	5.57 204	0.88 83	0.75 181	3.04 108	0.90 217	2.68 98	1.33 23	1.48 90	1.07 36	2.78 299	0.88 66	1.29 60	0.85 79	0.31 151	0.22 124	0.35 236	0.20 34	0.45 271	0.37 192

AnonymousM	1.22 83	1.32 361	0.97 1	0.88 83	0.56 112	4.03 280	0.69 94	2.41 61	1.68 151	1.48 90	1.31 74	1.15 80	1.00 91	1.18 43	0.73 47	0.32 169	0.40 328	2.07 436	1.70 438	0.24 7	0.22 17

SFCPSM	2.18 230	0.63 124	17.03 333	0.88 83	0.98 255	3.74 213	1.28 316	4.09 304	2.16 245	1.85 147	1.83 222	1.65 148	1.39 176	2.50 184	1.50 231	0.33 183	0.27 219	0.39 280	0.36 286	0.34 149	0.37 192

UGAM	2.58 309	0.56 55	18.55 359	0.89 87	0.71 173	3.23 126	1.03 266	2.75 106	1.75 173	1.36 77	2.77 372	2.69 284	1.28 158	10.75 377	1.40 206	0.28 76	0.24 178	0.40 286	0.31 237	0.35 166	0.30 124

CFNet_ucs	2.36 275	0.68 167	18.42 357	0.89 87	0.81 196	3.85 239	0.68 89	4.29 366	2.37 292	2.09 225	2.04 273	3.31 338	1.24 154	2.63 199	1.14 152	0.36 225	0.45 352	0.56 370	0.29 205	0.66 353	0.49 285

MIPNet	2.33 261	0.71 190	19.82 385	0.89 87	0.56 112	4.76 427	0.61 57	4.32 381	2.37 292	1.83 145	1.48 113	1.48 129	1.98 303	2.63 199	1.44 215	0.29 95	0.20 69	0.26 52	0.23 79	0.30 77	0.39 212

GMM-Stereo	2.45 283	0.52 24	20.38 412	0.89 87	0.82 204	4.18 323	1.91 379	2.45 67	1.48 56	2.48 332	2.30 324	1.69 157	1.86 293	2.93 211	1.08 142	0.28 76	0.18 27	0.33 201	0.48 356	0.35 166	2.41 438

ARAFT	2.56 305	1.13 326	19.50 377	0.89 87	0.48 79	4.15 306	1.40 333	4.36 392	2.82 367	2.36 315	1.88 239	1.70 159	1.04 100	6.45 281	1.22 172	0.29 95	0.18 27	0.37 261	0.35 276	0.35 166	0.25 41

rvit_stereo_0075_2	1.18 69	0.74 212	2.66 135	0.90 92	1.27 322	2.51 81	0.69 94	2.25 53	2.06 221	1.40 82	1.86 236	1.46 128	0.84 58	1.42 74	0.94 118	0.46 316	0.40 328	0.48 333	0.38 311	0.46 282	0.51 299

IGEVStereo-DCA	0.86 16	0.65 141	2.05 78	0.90 92	0.46 63	1.57 35	0.86 190	1.62 11	1.24 8	0.65 3	0.77 8	0.74 28	0.72 27	2.59 197	0.86 85	0.28 76	0.21 98	0.28 94	0.21 44	0.29 58	0.27 71

rrr	2.27 242	0.65 141	23.82 465	0.90 92	0.46 63	1.57 35	0.96 252	7.98 455	1.19 6	0.65 3	0.77 8	0.74 28	0.72 27	2.59 197	0.86 85	0.28 76	0.21 98	0.28 94	0.21 44	0.29 58	0.25 41

RCA-Stereo	1.21 79	0.52 24	1.58 40	0.90 92	0.46 63	4.68 409	0.79 153	4.13 314	1.74 172	1.92 170	1.80 203	0.94 61	1.48 206	1.14 28	0.70 37	0.27 47	0.18 27	0.25 38	0.19 25	0.25 16	0.23 24

iRaft-Stereo_20w	1.88 183	0.62 115	10.58 255	0.90 92	0.83 205	2.96 105	0.78 147	4.90 436	1.58 116	2.29 289	1.60 141	1.25 98	4.51 409	2.28 176	0.90 99	0.29 95	0.21 98	0.26 52	0.24 101	0.41 228	0.31 132

rvit_0105_5	1.13 61	0.93 283	2.60 126	0.91 97	0.56 112	1.92 52	0.91 225	3.02 127	2.63 335	0.95 47	1.20 49	1.18 86	0.93 78	1.51 89	0.93 116	0.40 266	0.43 342	0.37 261	0.35 276	0.42 246	0.44 256

rvit_stereo_0081	0.80 7	0.63 124	1.19 8	0.91 97	0.64 145	1.27 16	0.61 57	2.05 38	1.71 160	0.82 31	0.73 4	0.85 44	0.75 34	1.30 64	0.80 63	0.31 151	0.26 209	0.27 72	0.25 110	0.38 190	0.27 71

rvit_stereo_0082	0.80 7	0.63 124	1.19 8	0.91 97	0.64 145	1.27 16	0.61 57	2.05 38	1.71 160	0.82 31	0.73 4	0.85 44	0.75 34	1.30 64	0.80 63	0.31 151	0.26 209	0.27 72	0.25 110	0.38 190	0.27 71

IPLG	2.48 290	0.65 141	19.63 380	0.91 97	0.79 191	4.60 398	0.56 41	4.31 377	1.84 186	1.91 168	2.00 267	1.31 106	1.38 173	6.61 284	1.53 240	0.27 47	0.20 69	0.27 72	0.23 79	0.31 92	0.36 178

ACRE	2.27 242	1.11 324	19.45 374	0.91 97	1.30 324	3.94 258	0.87 207	4.21 333	1.80 178	2.28 287	2.62 360	1.17 82	1.04 100	1.52 91	1.30 192	0.37 232	0.23 148	0.27 72	0.22 69	0.31 92	0.46 272

test_xeample3	2.12 223	0.63 124	21.55 448	0.91 97	0.47 73	1.85 46	0.94 243	7.96 454	1.23 7	0.75 10	0.76 7	0.64 9	0.70 24	1.77 126	0.83 74	0.30 132	0.21 98	0.27 72	0.21 44	0.27 33	0.24 34

rvit_0105_6	1.00 45	0.93 283	2.21 97	0.92 103	0.55 108	1.52 33	0.79 153	2.41 61	2.96 378	0.76 19	0.72 3	1.02 67	0.75 34	1.42 74	0.81 68	0.40 266	0.43 342	0.34 218	0.31 237	0.43 256	0.34 162

Former-RAFT_DAM_RVC	0.92 24	0.73 204	1.42 26	0.92 103	1.08 280	2.97 106	0.53 34	1.77 24	1.39 27	1.16 66	1.54 124	0.58 4	0.65 19	1.03 13	0.84 76	0.25 27	0.23 148	0.30 128	0.24 101	0.43 256	0.29 98

CES	1.01 47	0.55 46	1.74 51	0.92 103	2.15 425	2.15 67	0.50 26	2.01 36	1.45 39	0.76 19	1.02 21	0.61 6	0.47 2	1.29 60	0.79 62	0.22 5	0.17 10	0.24 24	0.14 2	0.63 338	2.29 435

psmg	1.47 130	0.59 83	1.94 67	0.92 103	0.85 214	4.30 347	1.42 338	4.10 312	1.88 190	2.64 357	2.09 285	2.60 278	1.31 165	1.60 101	1.21 169	0.34 195	0.27 219	0.33 201	0.34 262	0.36 178	0.34 162

CIPLG	2.27 242	1.18 335	19.24 368	0.92 103	1.34 335	3.95 263	0.89 213	4.23 340	1.82 180	2.31 299	2.67 364	1.17 82	1.06 112	1.53 93	1.32 195	0.37 232	0.23 148	0.27 72	0.22 69	0.31 92	0.45 262

dd	1.26 100	1.15 330	2.47 120	0.92 103	0.49 83	4.35 351	0.75 130	1.92 32	2.11 237	1.44 87	1.24 57	1.19 90	1.05 104	1.78 127	1.70 267	0.57 363	0.34 287	0.35 236	0.33 255	0.60 330	0.46 272

IPLGR_C	2.28 247	1.31 359	19.46 375	0.92 103	1.32 330	3.93 253	0.89 213	4.20 328	1.82 180	2.30 293	2.63 362	1.16 81	1.07 114	1.41 73	1.29 191	0.37 232	0.23 148	0.27 72	0.22 69	0.31 92	0.45 262

PFNet+	1.46 127	0.57 63	2.84 143	0.92 103	0.47 73	4.64 403	0.84 179	2.46 68	1.99 205	2.14 238	1.64 151	1.34 110	1.03 96	4.68 245	1.23 175	0.45 311	0.33 276	0.37 261	0.39 317	0.32 115	0.49 285

PSM-AAD	2.43 281	0.54 41	1.32 19	0.92 103	0.54 105	4.48 370	7.47 452	2.96 122	1.55 102	2.31 299	2.56 356	1.26 99	16.23 460	2.46 181	0.89 96	0.28 76	0.21 98	0.58 373	0.41 334	0.34 149	1.32 411

sAnonymous2	1.37 117	1.22 346	9.79 243	0.92 103	0.88 227	1.23 10	0.61 57	2.56 85	1.69 156	0.85 37	1.02 21	0.73 26	1.23 152	0.98 9	0.78 58	0.29 95	0.25 197	0.31 149	0.30 221	1.06 401	0.71 355

CroCo_RVC	1.37 117	1.22 346	9.79 243	0.92 103	0.88 227	1.23 10	0.61 57	2.56 85	1.69 156	0.85 37	1.02 21	0.73 26	1.23 152	0.98 9	0.78 58	0.29 95	0.25 197	0.31 149	0.30 221	1.06 401	0.71 355

HSM-Net_RVC	2.87 335	0.57 63	17.46 342	0.92 103	0.90 235	3.70 206	1.20 306	5.64 450	2.51 320	3.22 398	2.43 342	2.54 273	1.59 231	11.41 406	1.65 262	0.34 195	0.25 197	0.26 52	0.23 79	0.30 77	0.29 98
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
rvit_0105_4	1.07 56	0.99 298	2.39 116	0.93 115	0.54 105	1.62 39	0.84 179	2.77 108	2.91 373	0.80 27	0.91 15	1.09 73	0.86 62	1.63 110	0.85 79	0.40 266	0.45 352	0.35 236	0.31 237	0.43 256	0.40 232

WCG-NET	0.96 36	0.62 115	1.24 13	0.93 115	0.84 212	1.91 51	0.64 73	2.56 85	2.23 256	1.62 108	0.98 19	1.31 106	1.05 104	1.20 45	0.59 7	0.26 37	0.17 10	0.22 6	0.20 34	0.26 24	0.29 98

MGS-Stereo	0.80 7	0.56 55	1.53 34	0.93 115	0.39 31	1.26 15	0.73 110	1.45 3	1.30 20	1.01 51	2.26 313	0.80 36	0.56 5	1.16 33	0.65 18	0.27 47	0.23 148	0.26 52	0.22 69	0.27 33	0.25 41

LL-Strereo2	1.23 84	0.85 266	2.38 115	0.93 115	0.68 167	3.72 209	1.37 328	2.54 82	1.99 205	1.75 133	1.40 94	1.82 186	0.73 30	1.40 70	0.99 130	0.31 151	0.23 148	0.55 368	0.35 276	0.29 58	0.24 34

ACVNet	1.46 127	0.64 133	3.56 172	0.93 115	0.85 214	4.22 333	0.80 161	2.85 115	2.08 224	1.78 137	1.88 239	3.10 321	1.46 202	1.33 66	1.89 290	0.29 95	0.26 209	0.30 128	0.26 126	0.39 200	0.27 71

gcap-zeroshot	1.30 108	0.61 106	4.09 182	0.94 120	0.56 112	3.50 169	0.84 179	3.12 136	1.72 163	1.84 146	1.22 52	2.72 289	0.88 66	1.46 83	0.80 63	0.29 95	0.30 251	0.27 72	0.21 44	0.29 58	0.25 41

IGEV++	0.90 22	0.58 76	1.32 19	0.94 120	0.45 56	1.27 16	1.00 259	3.32 160	1.55 102	0.82 31	1.34 81	0.86 48	1.09 117	1.16 33	0.89 96	0.33 183	0.18 27	0.23 11	0.19 25	0.29 58	0.22 17

IER	1.69 158	0.65 141	7.19 214	0.94 120	1.15 291	3.28 138	0.89 213	3.48 170	1.97 202	2.10 228	1.98 264	2.28 239	2.12 312	2.25 174	1.75 276	0.29 95	0.23 148	0.36 249	0.30 221	0.32 115	0.34 162

GCAP-BAT	1.21 79	0.74 212	3.23 157	0.95 123	0.70 172	3.86 241	0.93 238	1.89 29	1.48 56	1.85 147	1.96 256	1.68 152	0.79 47	1.78 127	0.81 68	0.29 95	0.20 69	0.24 24	0.20 34	0.26 24	0.35 174

RSM++	0.77 4	0.51 18	1.08 4	0.95 123	0.42 42	1.52 33	0.71 102	2.11 43	1.40 29	0.80 27	1.23 56	0.90 55	0.59 9	1.14 28	0.69 31	0.24 16	0.19 44	0.25 38	0.21 44	0.28 48	0.20 7

CASS	1.29 107	0.66 151	2.62 132	0.95 123	0.66 156	2.84 92	0.69 94	3.00 125	1.79 177	2.57 343	1.95 255	1.39 117	1.55 228	1.59 99	1.06 137	0.50 341	0.28 228	0.34 218	0.28 178	0.46 282	0.63 339
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
KYRaft	1.59 144	0.52 24	1.73 48	0.95 123	0.49 83	4.38 353	1.79 370	2.43 65	1.51 75	2.49 333	2.98 383	2.00 214	3.41 383	2.14 160	0.82 71	0.30 132	0.21 98	0.33 201	0.46 349	0.35 166	2.45 441

iRaftStereo_RVC	1.09 57	0.70 179	1.39 24	0.95 123	0.45 56	3.83 228	0.42 15	2.37 60	1.58 116	1.69 121	1.76 189	1.80 181	0.83 57	1.50 87	0.98 127	0.28 76	0.18 27	0.29 109	0.26 126	0.30 77	0.31 132

EAI-Stereo	2.35 270	0.63 124	2.97 148	0.95 123	0.65 152	3.84 233	14.27 463	5.04 438	2.19 250	2.06 221	7.25 426	1.10 75	0.94 80	1.65 114	1.37 204	0.31 151	0.22 124	0.27 72	0.60 386	0.27 33	0.32 139

MSKI-zero shot	2.22 232	0.64 133	20.09 398	0.96 129	0.56 112	4.04 281	0.70 100	3.91 253	1.50 69	1.92 170	2.28 317	1.92 199	0.71 26	2.93 211	0.67 24	0.26 37	0.23 148	0.26 52	0.21 44	0.28 48	0.26 59

UniTT-Stereo	0.82 13	0.47 7	2.63 133	0.96 129	1.19 303	0.78 3	0.39 11	1.12 1	1.54 96	1.19 68	1.26 62	0.51 3	0.64 17	1.13 26	1.03 134	0.30 132	0.20 69	0.24 24	0.21 44	0.40 205	0.25 41

GwcNet-ADL	2.47 288	0.67 160	21.48 447	0.96 129	0.72 174	4.61 399	0.95 247	4.42 402	2.36 286	1.98 185	1.80 203	2.55 274	1.24 154	1.90 139	1.41 210	0.40 266	0.46 360	0.24 24	0.27 151	0.41 228	0.49 285

FTStereo	3.71 392	0.53 35	20.37 411	0.96 129	0.65 152	4.34 350	11.29 459	2.62 93	1.50 69	2.58 346	5.04 420	1.90 197	13.84 458	3.71 226	1.25 180	0.38 248	0.24 178	0.31 149	0.32 247	0.30 77	2.10 432

RAFT	1.23 84	0.84 262	2.05 78	0.96 129	0.47 73	1.80 44	0.94 243	3.18 144	1.46 46	1.60 101	1.71 170	3.04 317	1.59 231	1.64 112	1.32 195	0.38 248	0.24 178	0.40 286	0.32 247	0.40 205	0.35 174

test-1	1.23 84	0.65 141	1.88 61	0.96 129	0.52 96	3.84 233	0.62 68	4.01 280	1.47 51	1.93 174	1.78 197	1.83 189	0.92 76	1.19 44	1.28 189	0.26 37	0.29 238	0.31 149	0.24 101	0.29 58	0.36 178

hitnet-ft	2.37 276	0.73 204	8.34 224	0.96 129	0.89 232	3.77 217	0.80 161	3.55 183	2.58 330	2.24 279	2.04 273	3.65 366	1.49 212	11.71 425	1.89 290	0.44 302	0.53 377	0.44 311	0.35 276	0.52 301	0.48 281

rvit_0105_3	1.24 89	0.93 283	2.84 143	0.97 136	0.58 130	2.38 76	1.08 279	3.26 152	2.53 322	1.18 67	1.40 94	1.24 97	1.04 100	1.73 123	0.97 124	0.44 302	0.44 347	0.40 286	0.42 339	0.42 246	0.50 292

rvit_stereo_ft	1.00 45	0.87 269	3.55 170	0.97 136	0.66 156	1.06 5	0.80 161	2.78 109	1.67 149	0.78 24	0.96 18	0.95 62	1.14 134	1.06 17	0.90 99	0.32 169	0.24 178	0.27 72	0.28 178	0.39 200	0.27 71

AEACV	0.79 6	0.54 41	1.35 22	0.97 136	0.63 143	1.13 7	0.92 237	2.02 37	0.91 2	0.76 19	0.79 10	0.80 36	1.61 236	1.28 58	0.61 10	0.22 5	0.18 27	0.26 52	0.23 79	0.27 33	0.23 24

RAFT+CT+SA	1.62 147	0.72 193	7.42 215	0.97 136	1.42 353	4.04 281	0.94 243	3.90 249	1.61 135	1.61 106	1.63 149	1.33 109	1.18 143	2.73 207	1.10 146	0.27 47	0.19 44	0.31 149	0.34 262	0.33 131	0.33 151

PS-NSSS	2.22 232	1.33 364	2.90 147	0.97 136	1.53 364	4.11 297	1.08 279	4.55 422	2.65 338	2.10 228	2.32 336	1.77 170	1.40 180	11.79 428	1.61 252	0.68 386	0.45 352	0.96 417	0.43 341	0.95 393	0.92 388

UGAM-zero	2.79 327	0.57 63	20.87 429	0.98 141	0.77 189	2.08 64	0.35 7	3.88 242	1.51 75	2.05 216	1.64 151	5.07 423	3.42 386	9.83 347	1.24 177	0.28 76	0.21 98	0.27 72	0.29 205	0.29 58	0.28 88

HH	2.23 234	0.86 267	21.59 449	0.98 141	0.51 87	1.49 30	0.82 171	2.74 104	1.54 96	1.10 60	1.69 164	4.62 410	1.86 293	2.55 193	0.69 31	0.26 37	0.22 124	0.29 109	0.23 79	0.34 149	0.27 71

HanStereo	2.23 234	0.86 267	21.59 449	0.98 141	0.51 87	1.49 30	0.82 171	2.74 104	1.54 96	1.10 60	1.69 164	4.62 410	1.86 293	2.55 193	0.69 31	0.26 37	0.22 124	0.29 109	0.23 79	0.34 149	0.27 71

dad	1.65 152	1.19 337	3.04 152	0.98 141	0.56 112	4.22 333	0.84 179	1.99 35	2.48 312	2.14 238	1.68 161	1.62 146	1.13 128	3.85 228	2.04 308	1.03 413	0.40 328	2.04 435	0.48 356	0.75 374	0.53 306

Prome-Stereo	1.61 146	0.55 46	1.71 47	0.98 141	0.60 134	4.41 362	1.82 374	3.03 128	1.53 88	2.18 257	3.45 402	1.72 162	3.49 389	2.23 173	1.08 142	0.29 95	0.20 69	0.26 52	0.25 110	0.34 149	2.16 433

FADNet_RVC	2.65 314	2.28 412	16.51 325	0.98 141	0.92 237	4.09 291	0.83 176	4.26 357	1.73 166	1.46 88	1.78 197	1.60 143	1.50 213	8.88 324	2.39 336	0.47 325	0.38 314	0.44 311	0.58 382	0.89 388	0.97 391

RAFT-Stereo-weight	1.11 59	0.48 9	1.22 12	0.99 147	0.42 42	4.17 320	0.80 161	3.60 188	1.50 69	1.97 183	1.50 114	1.30 105	0.65 19	1.24 51	0.85 79	0.25 27	0.19 44	0.26 52	0.22 69	0.27 33	0.23 24

Selective-RAFT	1.15 67	0.46 6	1.64 44	0.99 147	0.45 56	4.17 320	0.51 30	3.21 145	1.69 156	1.12 64	1.34 81	1.45 126	1.40 180	2.08 152	0.94 118	0.41 280	0.20 69	0.24 24	0.23 79	0.27 33	0.25 41

CroCo-Stereo Lap2	0.99 43	0.89 272	2.55 123	0.99 147	1.80 409	0.54 2	0.46 21	3.10 134	1.24 8	1.07 58	1.21 51	1.05 72	0.78 45	1.26 54	1.08 142	0.27 47	0.23 148	0.27 72	0.21 44	0.43 256	0.34 162

test_3	1.19 71	0.51 18	2.08 90	0.99 147	0.41 38	2.05 62	0.87 207	4.40 400	1.42 33	1.99 190	1.18 47	2.03 218	0.79 47	2.70 204	0.75 51	0.27 47	0.17 10	0.29 109	0.29 205	0.30 77	0.27 71

LCNet	1.55 132	0.54 41	1.88 61	0.99 147	0.55 108	3.60 190	1.21 309	2.86 118	1.53 88	2.18 257	1.74 177	1.43 125	4.17 401	3.62 223	0.87 90	0.29 95	0.20 69	0.28 94	0.77 404	0.47 286	1.85 427

ICVP	2.26 240	0.66 151	21.18 440	0.99 147	0.88 227	4.28 344	0.95 247	3.32 160	1.60 131	1.66 117	1.76 189	1.34 110	1.14 134	1.62 107	1.32 195	0.53 355	0.35 291	0.33 201	0.29 205	0.40 205	0.51 299
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
R-Stereo Train	1.20 76	0.58 76	1.81 57	0.99 147	0.67 162	3.78 219	0.90 217	4.09 304	1.51 75	2.16 251	1.71 170	1.13 77	0.94 80	1.40 70	0.91 106	0.30 132	0.24 178	0.26 52	0.21 44	0.26 24	0.25 41

RAFT-Stereo	1.20 76	0.58 76	1.81 57	0.99 147	0.67 162	3.78 219	0.90 217	4.09 304	1.51 75	2.16 251	1.71 170	1.13 77	0.94 80	1.40 70	0.91 106	0.30 132	0.24 178	0.26 52	0.21 44	0.26 24	0.25 41
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MyStereo07	1.01 47	0.80 244	1.26 14	1.00 155	1.04 271	3.95 263	0.95 247	2.07 42	1.42 33	0.75 10	1.22 52	0.68 14	0.91 74	1.63 110	0.67 24	0.24 16	0.24 178	0.34 218	0.26 126	0.41 228	0.37 192

MyStereo04	2.29 250	0.80 244	18.77 361	1.00 155	1.04 271	3.95 263	0.95 247	3.91 253	2.54 326	1.99 190	1.27 68	2.31 246	1.65 256	2.02 149	1.77 277	0.24 16	0.24 178	0.34 218	0.26 126	0.41 228	0.37 192

CoDeX	2.40 278	0.78 237	13.21 276	1.00 155	1.18 297	3.24 129	1.32 319	4.14 320	2.41 300	1.74 131	1.84 227	2.05 222	1.47 204	10.03 358	1.60 249	0.34 195	0.28 228	0.32 167	0.27 151	0.32 115	0.39 212

testlalala	1.14 66	0.62 115	1.34 21	1.00 155	0.78 190	4.38 353	0.93 238	2.46 68	2.20 252	2.44 327	1.52 116	1.31 106	0.61 12	1.04 16	0.65 18	0.35 214	0.19 44	0.24 24	0.19 25	0.24 7	0.23 24

TransformOpticalFlow	3.03 358	0.77 231	20.99 433	1.00 155	0.55 108	4.18 323	0.64 73	4.33 383	3.02 386	2.18 257	3.09 390	4.35 398	5.07 414	7.36 302	1.27 186	0.32 169	0.18 27	0.32 167	0.26 126	0.28 48	0.46 272

StereoVision	1.65 152	0.75 224	7.47 216	1.01 160	1.80 409	2.61 87	0.61 57	3.06 132	1.96 200	1.25 70	3.46 403	1.85 194	0.88 66	2.07 150	1.93 294	0.43 295	0.36 295	0.37 261	0.36 286	0.48 289	0.33 151

RAFT-Test	1.44 124	0.59 83	6.10 205	1.01 160	0.69 170	2.90 96	0.80 161	3.68 200	1.70 159	1.85 147	1.68 161	3.15 326	1.03 96	1.20 45	0.99 130	0.27 47	0.22 124	0.25 38	0.23 79	0.27 33	0.25 41

ToySt	1.35 115	0.72 193	3.65 178	1.01 160	0.50 86	3.31 143	1.01 261	3.46 169	1.73 166	1.30 71	1.55 127	2.07 227	1.47 204	1.88 138	1.40 206	0.27 47	0.27 219	0.30 128	0.32 247	0.42 246	0.39 212

test-3	1.19 71	0.52 24	2.00 72	1.01 160	0.42 42	1.95 54	0.91 225	4.35 387	1.47 51	2.24 279	1.16 44	2.06 224	0.79 47	2.68 202	0.76 54	0.27 47	0.18 27	0.28 94	0.26 126	0.26 24	0.25 41

test_1	1.19 71	0.52 24	2.00 72	1.01 160	0.42 42	1.95 54	0.90 217	4.36 392	1.47 51	2.17 255	1.16 44	2.06 224	0.78 45	2.68 202	0.76 54	0.27 47	0.18 27	0.28 94	0.26 126	0.26 24	0.25 41

CFNet-RSSM	2.08 221	0.52 24	20.06 394	1.01 160	0.56 112	3.39 148	0.64 73	3.67 198	1.55 102	1.72 128	1.37 87	2.57 275	1.19 147	1.11 21	0.86 85	0.27 47	0.20 69	0.25 38	0.23 79	0.27 33	0.23 24

delet	1.92 192	0.76 229	5.14 196	1.01 160	1.65 389	3.44 154	2.03 386	3.76 217	2.48 312	2.01 204	2.05 279	2.63 282	1.90 298	5.34 254	2.12 318	0.28 76	0.29 238	0.40 286	0.31 237	0.41 228	0.45 262

Gwc-CoAtRS	1.58 139	0.57 63	11.69 267	1.01 160	0.60 134	2.53 83	0.64 73	2.36 59	1.56 108	1.80 141	1.47 107	2.74 290	1.18 143	1.12 23	0.90 99	0.27 47	0.21 98	0.25 38	0.22 69	0.27 33	0.23 24

DeepPruner_ROB	2.05 216	1.09 320	10.50 254	1.01 160	1.20 308	4.39 356	0.91 225	3.14 138	1.72 163	2.60 350	1.54 124	2.78 299	1.27 156	4.52 241	1.72 269	0.51 347	0.40 328	0.37 261	0.34 262	0.48 289	0.52 304

MyStereo06	2.46 285	0.72 193	19.97 391	1.02 169	0.99 258	4.26 338	0.86 190	3.51 178	1.68 151	1.92 170	1.73 175	4.01 380	4.22 402	1.62 107	0.88 93	0.24 16	0.23 148	0.34 218	0.26 126	0.42 246	0.36 178

MyStereo05	2.37 276	0.72 193	19.94 389	1.02 169	0.99 258	4.26 338	0.86 190	4.01 280	2.62 333	2.14 238	1.26 62	2.28 239	1.63 251	2.07 150	1.68 265	0.24 16	0.23 148	0.34 218	0.26 126	0.42 246	0.36 178

anonymousdsp2	1.26 100	0.60 92	3.74 179	1.02 169	0.41 38	3.60 190	0.72 105	3.68 200	1.47 51	1.37 78	1.56 130	1.83 189	1.01 93	2.00 145	0.66 22	0.29 95	0.20 69	0.28 94	0.20 34	0.32 115	0.29 98

EGLCR-Stereo	1.06 53	0.51 18	1.56 39	1.02 169	0.39 31	4.27 343	0.42 15	4.08 302	1.48 56	0.90 40	0.68 2	1.09 73	0.66 22	1.81 130	0.62 11	0.27 47	0.19 44	0.29 109	0.23 79	0.37 186	0.25 41

raft_robust	1.92 192	1.15 330	3.34 165	1.02 169	0.43 47	3.84 233	0.46 21	4.42 402	2.52 321	1.67 119	1.36 86	2.17 233	6.37 432	6.78 292	1.04 135	0.28 76	0.24 178	0.30 128	0.35 276	0.31 92	0.32 139

RAFT-345	2.46 285	0.55 46	19.69 382	1.02 169	0.49 83	4.43 366	0.78 147	1.64 17	2.34 281	2.09 225	3.12 391	1.96 207	1.31 165	6.65 286	1.43 213	0.36 225	0.23 148	0.32 167	0.25 110	0.28 48	0.25 41

sCroCo_RVC	1.06 53	0.82 255	5.05 195	1.02 169	1.05 273	0.98 4	0.61 57	2.06 40	1.29 18	0.69 8	1.26 62	0.82 40	1.10 122	1.20 45	0.90 99	0.42 290	0.40 328	0.33 201	0.30 221	0.46 282	0.38 206

cross-raft	2.01 210	0.57 63	19.01 366	1.03 176	0.56 112	2.11 66	0.72 105	3.63 191	1.57 114	1.77 135	1.51 115	3.17 327	1.13 128	1.16 33	0.85 79	0.23 12	0.21 98	0.26 52	0.23 79	0.28 48	0.25 41

anonymousa	2.16 227	0.67 160	19.19 367	1.04 177	1.67 393	2.06 63	0.79 153	2.86 118	1.96 200	1.85 147	2.14 295	3.23 331	1.81 286	1.12 23	1.15 153	0.26 37	0.26 209	0.34 218	0.32 247	0.30 77	0.28 88

model_zeroshot	1.21 79	0.60 92	3.55 170	1.05 178	0.57 123	3.46 159	0.63 70	2.73 103	1.55 102	2.05 216	1.38 89	1.50 131	0.82 54	1.69 120	0.87 90	0.29 95	0.23 148	0.30 128	0.23 79	0.27 33	0.32 139

MIM_Stereo	1.20 76	0.78 237	3.30 162	1.05 178	0.43 47	3.04 108	0.60 54	2.46 68	1.51 75	1.60 101	1.58 133	1.82 186	1.29 161	2.00 145	1.07 140	0.24 16	0.24 178	0.28 94	0.25 110	0.27 33	0.27 71

riskmin	1.25 93	0.56 55	2.05 78	1.05 178	0.93 242	2.86 94	0.55 38	3.23 148	1.34 24	1.55 96	1.07 36	3.56 362	2.03 304	1.29 60	1.00 132	0.28 76	0.27 219	0.34 218	0.21 44	0.41 228	0.43 250

RAFT-Stereo + iAFF	1.25 93	0.72 193	1.74 51	1.05 178	0.36 8	4.13 302	0.42 15	2.95 121	2.84 369	2.02 208	2.40 341	1.61 145	1.11 125	1.26 54	0.97 124	0.21 1	0.15 2	0.26 52	0.23 79	0.29 58	0.23 24

LALA_ROB	1.95 197	1.48 377	3.11 154	1.05 178	0.98 255	3.99 274	1.82 374	4.44 406	2.28 269	3.31 400	1.85 234	2.76 298	1.67 260	4.04 236	3.23 371	0.46 316	0.41 335	0.55 368	0.52 369	0.60 330	0.57 320

Anonymous_2	3.01 356	0.89 272	4.53 191	1.06 183	1.18 297	2.93 101	0.87 207	3.24 150	1.46 46	1.86 152	1.35 84	4.11 386	2.35 332	1.64 112	1.28 189	0.82 401	0.90 420	8.71 472	15.84 475	4.44 454	0.74 363

DualNet (step1)	2.34 265	1.05 309	7.87 218	1.07 184	0.86 219	3.93 253	1.19 302	4.35 387	2.11 237	2.14 238	1.75 181	1.75 165	1.67 260	6.26 278	1.26 183	1.23 421	0.48 370	4.27 463	2.09 449	0.70 361	0.69 351

test_sample9	3.79 394	1.05 309	7.87 218	1.07 184	0.86 219	3.93 253	1.19 302	4.35 387	2.11 237	2.14 238	1.75 181	1.75 165	1.67 260	11.06 393	11.61 428	1.23 421	14.45 476	4.27 463	2.09 449	0.70 361	0.69 351

test_sample8	4.76 418	1.05 309	7.87 218	1.07 184	0.86 219	3.93 253	1.19 302	4.38 396	2.05 219	5.49 435	1.89 245	12.98 452	6.37 432	11.06 393	11.61 428	1.23 421	14.45 476	4.27 463	2.09 449	0.70 361	0.69 351

CBFPSM	2.05 216	0.95 290	10.12 249	1.07 184	1.05 273	2.84 92	1.20 306	3.28 153	1.73 166	1.82 144	1.30 73	4.56 408	4.06 398	2.34 177	2.34 335	0.25 27	0.38 314	0.32 167	0.27 151	0.37 186	0.79 374

SA	1.62 147	0.75 224	3.78 181	1.07 184	0.43 47	4.26 338	1.36 324	4.45 409	3.12 392	1.63 110	1.97 262	1.68 152	2.26 326	2.55 193	1.27 186	0.27 47	0.22 124	0.37 261	0.37 298	0.35 166	0.30 124

CFNet-ft	1.90 186	0.95 290	3.56 172	1.07 184	1.54 365	4.09 291	0.90 217	2.85 115	1.82 180	1.78 137	1.70 166	2.75 292	1.48 206	9.33 335	1.72 269	0.33 183	0.30 251	0.61 384	0.36 286	0.52 301	0.39 212

CFNet_RVC	1.90 186	0.95 290	3.56 172	1.07 184	1.54 365	4.09 291	0.90 217	2.85 115	1.82 180	1.78 137	1.70 166	2.75 292	1.48 206	9.33 335	1.72 269	0.33 183	0.30 251	0.61 384	0.36 286	0.52 301	0.39 212

rvit_105_1	1.43 123	0.90 274	3.27 160	1.08 191	0.68 167	2.79 91	1.27 314	3.52 179	2.35 283	1.38 80	1.54 124	1.28 101	1.14 134	2.91 209	1.40 206	0.54 357	0.47 364	0.45 317	0.59 384	0.44 263	0.58 324

AIO-Stereo-zeroshot1	2.68 321	1.26 353	22.01 456	1.08 191	0.99 258	1.61 37	0.86 190	3.69 205	1.64 142	1.52 93	5.62 424	3.35 341	3.44 387	2.20 168	1.33 199	0.26 37	0.21 98	0.30 128	0.62 390	0.93 392	0.67 346

gwcnet-sp	2.31 254	1.21 340	17.34 335	1.08 191	0.92 237	3.56 183	1.04 269	3.69 205	2.09 227	2.55 339	1.60 141	1.80 181	1.62 239	3.87 229	1.95 298	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

scenet	2.31 254	1.21 340	17.34 335	1.08 191	0.92 237	3.56 183	1.04 269	3.69 205	2.09 227	2.55 339	1.60 141	1.80 181	1.62 239	3.87 229	1.95 298	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

ssnet	2.31 254	1.21 340	17.34 335	1.08 191	0.92 237	3.56 183	1.04 269	3.69 205	2.09 227	2.55 339	1.60 141	1.80 181	1.62 239	3.87 229	1.95 298	0.29 95	0.29 238	0.30 128	0.28 178	0.38 190	0.39 212

pcwnet_v2	2.70 324	0.65 141	22.48 458	1.08 191	1.03 268	3.56 183	0.81 168	4.29 366	3.14 395	2.29 289	2.29 320	3.01 315	1.71 268	3.32 217	1.43 213	0.43 295	0.50 375	0.41 296	0.34 262	0.61 335	0.56 316

AIO-Stereo-zeroshot	2.35 270	0.99 298	19.62 379	1.09 197	0.96 247	1.51 32	0.44 19	4.05 293	1.64 142	1.31 72	1.67 158	4.93 417	2.45 339	2.52 191	1.40 206	0.30 132	0.20 69	0.31 149	0.50 363	0.57 322	0.60 329

Any-RAFT	1.40 120	0.53 35	2.78 141	1.09 197	0.64 145	4.41 362	0.81 168	3.97 270	2.78 353	1.99 190	1.34 81	2.36 252	1.56 230	1.56 95	0.75 51	0.27 47	0.20 69	0.25 38	0.18 13	0.25 16	0.28 88

PSMNet-ADL	1.91 189	0.72 193	1.78 55	1.09 197	0.86 219	4.18 323	0.78 147	3.77 219	2.10 235	1.72 128	1.85 234	2.91 308	1.82 288	10.38 368	1.91 293	0.48 329	0.46 360	0.28 94	0.29 205	0.38 190	0.51 299

GES	1.38 119	0.64 133	2.61 129	1.09 197	0.57 123	4.30 347	1.02 265	3.86 237	1.51 75	1.72 128	1.74 177	1.28 101	1.77 275	1.62 107	1.61 252	0.39 260	0.27 219	0.33 201	0.30 221	0.41 228	0.47 277

test_xeample	2.67 318	0.56 55	2.05 78	1.09 197	0.81 196	3.24 129	0.80 161	4.55 422	2.70 344	2.42 325	2.27 314	1.39 117	1.40 180	10.75 377	17.51 452	0.30 132	0.30 251	0.32 167	0.28 178	0.34 149	0.33 151

FADNet-RVC	2.51 294	2.27 410	14.03 292	1.09 197	0.81 196	3.54 180	1.10 284	4.13 314	2.48 312	1.39 81	1.22 52	1.85 194	1.77 275	9.78 346	2.06 311	0.38 248	0.37 308	0.40 286	0.40 328	0.67 355	0.48 281

ADCP+	3.74 393	1.96 402	16.90 331	1.09 197	1.55 369	4.35 351	3.65 439	3.93 259	2.98 382	2.22 273	1.66 157	3.95 375	4.83 412	3.41 218	18.87 460	0.38 248	0.41 335	0.63 388	0.53 373	0.64 345	0.81 376

ETE_ROB	2.07 219	1.40 371	3.01 151	1.09 197	0.92 237	3.94 258	1.53 349	4.25 350	2.23 256	3.31 400	2.06 283	2.35 250	1.52 218	8.74 322	2.07 314	0.44 302	0.36 295	0.51 352	0.48 356	0.54 310	0.62 335

SGM-Forest	2.96 345	0.62 115	3.49 167	1.09 197	0.80 193	4.06 284	3.30 427	4.37 395	3.09 391	4.18 425	3.27 398	4.67 414	3.86 395	11.69 424	7.91 411	0.51 347	0.46 360	0.49 346	0.39 317	0.48 289	0.49 285
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
AE-Stereo	1.18 69	0.60 92	2.05 78	1.10 206	0.60 134	4.39 356	0.72 105	3.74 214	1.62 138	1.10 60	1.90 250	1.01 66	0.92 76	1.45 81	0.82 71	0.28 76	0.22 124	0.28 94	0.28 178	0.26 24	0.22 17

AFF-stereo	1.31 112	0.77 231	1.46 29	1.10 206	0.45 56	3.93 253	0.48 24	2.92 120	2.92 375	1.90 163	2.21 307	2.11 231	1.52 218	1.93 141	1.12 150	0.21 1	0.16 5	0.25 38	0.25 110	0.29 58	0.20 7

DSFCA	1.89 184	0.69 169	3.14 155	1.10 206	1.18 297	3.99 274	1.79 370	3.50 175	2.16 245	3.10 390	1.64 151	2.91 308	2.50 342	5.38 255	2.26 329	0.43 295	0.38 314	0.37 261	0.36 286	0.50 296	0.42 241

MLCV	1.87 179	0.91 277	8.59 228	1.10 206	0.57 123	3.59 188	0.53 34	3.70 210	2.20 252	2.80 371	2.25 312	2.00 214	1.42 189	4.13 237	1.86 287	0.30 132	0.20 69	0.32 167	0.21 44	0.33 131	0.36 178

DCVSM-stereo	2.31 254	0.66 151	20.69 425	1.11 210	0.93 242	2.58 86	0.73 110	2.61 92	1.60 131	2.57 343	1.53 122	3.30 337	1.72 270	2.19 167	1.23 175	0.34 195	0.53 377	0.41 296	0.32 247	0.45 271	0.62 335

Sa-1000	1.63 151	0.79 240	3.56 172	1.11 210	0.48 79	4.06 284	1.41 336	4.49 415	2.75 350	2.00 202	2.80 375	1.84 192	1.43 192	2.64 201	1.50 231	0.27 47	0.19 44	0.36 249	0.33 255	0.36 178	0.30 124

222	2.68 321	0.57 63	2.03 75	1.11 210	0.81 196	3.23 126	0.65 82	4.52 420	2.45 308	2.34 310	2.29 320	1.41 122	1.44 195	10.50 369	18.47 457	0.32 169	0.30 251	0.32 167	0.27 151	0.32 115	0.34 162

LL-Strereo	3.01 356	1.81 397	17.59 345	1.12 213	2.10 424	2.90 96	1.09 282	4.33 383	2.00 209	3.12 392	2.24 310	3.29 335	3.15 371	11.31 403	1.84 285	0.30 132	0.28 228	0.46 322	0.34 262	0.49 295	0.45 262

NINENet	1.87 179	0.74 212	2.60 126	1.12 213	1.06 276	4.50 379	0.76 133	4.41 401	2.24 259	2.16 251	1.86 236	3.63 364	0.97 86	8.00 312	1.17 159	0.41 280	0.30 251	0.41 296	0.30 221	0.41 228	0.36 178

RALCasStereoNet	1.19 71	1.02 303	2.06 87	1.12 213	1.14 289	3.08 115	0.70 100	2.99 124	1.73 166	1.34 74	1.68 161	1.18 86	0.91 74	2.16 162	1.00 132	0.30 132	0.26 209	0.24 24	0.21 44	0.29 58	0.30 124

MMNet	2.02 211	0.81 248	10.76 256	1.12 213	1.23 314	3.53 176	0.89 213	3.79 223	2.08 224	2.15 246	1.76 189	2.15 232	2.12 312	3.69 225	2.32 333	0.31 151	0.29 238	0.34 218	0.27 151	0.38 190	0.42 241

FADNet-RVC-Resample	2.83 330	2.02 405	21.07 434	1.12 213	0.91 236	3.53 176	1.37 328	4.08 302	2.09 227	1.68 120	1.33 76	2.03 218	1.51 216	9.54 340	1.69 266	0.38 248	0.37 308	0.42 303	0.44 343	0.56 318	0.56 316

RYNet	2.97 349	0.93 283	15.09 310	1.12 213	1.38 342	3.66 202	1.42 338	4.03 285	2.29 272	2.10 228	1.70 166	3.79 369	2.16 319	13.64 455	3.02 367	0.37 232	0.41 335	0.48 333	0.34 262	0.81 382	0.75 366

NaN_ROB	4.06 404	1.13 326	16.64 326	1.12 213	1.25 319	3.50 169	3.05 422	4.29 366	3.26 407	3.64 408	2.56 356	2.97 311	4.79 411	13.33 449	16.91 448	0.37 232	0.41 335	0.38 277	0.39 317	0.48 289	0.81 376

DCRE	1.44 124	0.74 212	3.50 169	1.13 220	0.72 174	1.78 42	0.67 85	2.14 45	1.56 108	1.99 190	8.09 433	1.73 163	1.07 114	1.24 51	0.83 74	0.23 12	0.25 197	0.26 52	0.26 126	0.28 48	0.30 124

H2IRNET	1.90 186	0.53 35	14.29 298	1.14 221	0.60 134	4.48 370	0.44 19	2.65 95	1.81 179	1.05 57	2.30 324	1.67 150	1.40 180	2.17 164	1.50 231	0.36 225	0.21 98	0.33 201	0.37 298	0.34 149	0.29 98

ffm	1.72 160	0.60 92	5.21 199	1.14 221	0.99 258	3.62 195	0.86 190	4.22 336	3.37 413	2.20 263	2.30 324	3.48 348	1.62 239	2.21 170	0.65 18	0.29 95	0.16 5	0.48 333	0.37 298	0.30 77	0.29 98

ff1	2.96 345	0.60 92	5.21 199	1.14 221	0.99 258	3.62 195	0.86 190	4.22 336	3.37 413	2.20 263	2.30 324	3.48 348	1.62 239	11.62 415	16.09 442	0.29 95	0.16 5	0.48 333	0.37 298	0.30 77	0.29 98

mmx	2.98 351	0.60 92	5.21 199	1.14 221	0.99 258	3.62 195	0.86 190	4.49 415	3.05 388	2.20 263	2.30 324	3.48 348	1.62 239	11.62 415	16.09 442	0.33 183	0.28 228	0.48 333	0.37 298	0.44 263	0.37 192

xxx	2.98 351	0.60 92	5.21 199	1.14 221	0.99 258	3.62 195	0.86 190	4.49 415	3.05 388	2.20 263	2.30 324	3.48 348	1.62 239	11.62 415	16.09 442	0.33 183	0.28 228	0.48 333	0.37 298	0.44 263	0.37 192

iinet-f	2.26 240	1.18 335	13.71 282	1.14 221	1.11 286	3.77 217	1.10 284	4.14 320	2.17 247	2.06 221	1.76 189	2.99 313	2.99 362	2.50 184	2.49 344	0.35 214	0.39 323	0.27 72	0.28 178	0.45 271	0.39 212

test_5	1.87 179	0.75 224	10.23 250	1.14 221	1.40 345	3.85 239	1.27 314	3.91 253	1.93 198	1.69 121	1.78 197	1.67 150	1.79 278	2.99 214	1.17 159	0.30 132	0.18 27	0.35 236	0.33 255	0.34 149	0.33 151

DAS	2.31 254	0.67 160	4.79 193	1.14 221	1.64 385	2.93 101	2.13 391	4.09 304	2.74 348	4.17 422	2.52 351	2.46 266	1.79 278	11.55 412	1.63 257	0.37 232	0.22 124	0.39 280	0.25 110	0.41 228	0.34 162

SepStereo	2.15 226	0.67 160	4.79 193	1.14 221	1.64 385	2.93 101	2.13 391	4.09 304	2.74 348	4.17 422	2.52 351	2.46 266	1.79 278	8.36 315	1.63 257	0.37 232	0.22 124	0.39 280	0.25 110	0.41 228	0.34 162

UNet	2.51 294	0.74 212	20.17 400	1.14 221	1.44 354	3.48 164	0.76 133	3.77 219	1.87 189	2.05 216	1.57 132	2.75 292	2.39 334	3.51 220	2.51 346	0.32 169	0.26 209	0.41 296	0.26 126	0.38 190	0.39 212

acv_ft	1.55 132	0.64 133	3.29 161	1.14 221	2.01 419	2.93 101	0.97 255	3.81 226	2.08 224	2.22 273	1.88 239	3.10 321	1.66 258	1.33 66	2.22 327	0.29 95	0.26 209	0.30 128	0.26 126	0.39 200	0.27 71

DMCA	1.72 160	0.74 212	6.63 208	1.14 221	0.96 247	3.98 273	0.90 217	3.75 215	2.76 351	2.83 374	1.58 133	2.35 250	1.18 143	1.58 96	1.98 303	0.40 266	0.27 219	0.42 303	0.26 126	0.36 178	0.38 206

HSM	2.35 270	0.81 248	2.21 97	1.14 221	1.55 369	3.44 154	1.03 266	3.99 276	2.25 261	2.29 289	2.11 290	8.04 441	3.05 368	11.60 413	1.71 268	0.33 183	0.22 124	0.28 94	0.23 79	0.32 115	0.35 174

MC-Stereo	1.06 53	0.48 9	1.55 38	1.15 234	0.41 38	4.56 393	0.61 57	2.06 40	1.46 46	1.90 163	1.61 145	0.89 53	1.12 126	1.35 68	0.73 47	0.25 27	0.18 27	0.26 52	0.22 69	0.25 16	0.24 34

qqq	1.30 108	0.57 63	1.67 45	1.15 234	0.51 87	2.18 69	0.91 225	3.98 272	1.53 88	1.50 92	1.24 57	1.79 178	1.34 169	4.66 243	0.98 127	0.28 76	0.31 261	0.33 201	0.33 255	0.33 131	0.32 139

NRIStereo	1.28 105	0.61 106	1.67 45	1.15 234	0.38 29	4.73 422	0.90 217	2.42 63	1.50 69	1.93 174	1.33 76	1.75 165	1.22 149	2.96 213	1.33 199	0.46 316	0.22 124	0.29 109	0.26 126	0.30 77	0.28 88

RAFT + AFF	2.51 294	2.66 420	4.48 190	1.15 234	1.95 416	4.15 306	2.01 385	4.46 410	3.30 411	2.19 261	2.51 350	2.22 236	4.87 413	8.91 326	2.06 311	0.30 132	0.60 394	0.48 333	0.38 311	0.77 376	0.69 351

NCCL2	2.53 298	1.35 365	10.90 259	1.15 234	0.97 251	3.53 176	2.56 406	3.65 194	2.23 256	2.76 367	1.80 203	2.41 257	1.66 258	10.35 365	2.07 314	0.44 302	0.40 328	0.57 372	0.53 373	0.59 326	0.65 344

CSP-Net	1.78 171	1.32 361	1.92 66	1.16 239	1.03 268	3.38 147	1.31 318	3.52 179	1.75 173	1.96 181	1.93 254	2.40 255	1.48 206	8.58 320	1.58 245	0.46 316	0.34 287	0.27 72	0.26 126	0.41 228	0.50 292

DispNO	3.00 354	0.75 224	18.92 364	1.17 240	1.10 285	3.72 209	0.94 243	4.29 366	2.54 326	2.24 279	2.28 317	4.51 404	2.12 312	11.40 405	2.09 316	0.31 151	0.28 228	0.31 149	0.28 178	0.36 178	0.39 212

coex-ft	18.59 469	6.62 442	113.53 487	1.17 240	1.31 326	2.33 75	1.93 380	2.81 114	14.00 460	124.82 488	8.45 436	5.90 432	51.74 482	9.99 356	22.69 465	0.57 363	0.62 397	0.50 349	0.49 359	1.08 405	1.28 407

rafts_anoy	1.24 89	0.80 244	3.61 176	1.17 240	1.20 308	3.00 107	0.61 57	3.17 142	1.58 116	1.37 78	1.26 62	1.19 90	1.12 126	1.78 127	1.25 180	0.32 169	0.23 148	0.32 167	0.32 247	0.31 92	0.30 124

FADNet	2.49 292	1.76 394	13.17 275	1.17 240	0.95 246	3.27 135	0.88 211	3.94 262	2.27 266	1.40 82	1.29 71	2.51 271	2.06 308	9.93 353	1.94 296	0.43 295	0.45 352	0.40 286	0.43 341	1.06 401	0.53 306

ADCRef	3.30 377	1.23 350	14.90 305	1.17 240	1.41 352	3.95 263	1.64 360	3.88 242	2.36 286	3.05 388	2.21 307	2.40 255	2.81 356	5.04 248	16.63 447	0.46 316	0.34 287	0.63 388	0.62 390	0.54 310	0.67 346

AANet_RVC	3.03 358	1.72 391	12.78 273	1.17 240	1.12 287	3.79 222	1.10 284	3.86 237	3.13 393	2.62 353	4.26 413	3.96 377	1.41 185	11.43 408	5.23 394	0.94 408	0.47 364	0.34 218	0.23 79	0.40 205	0.55 314

Wz-Net-LNSev	2.30 253	1.67 390	14.88 304	1.18 246	1.65 389	3.49 166	1.54 352	3.63 191	2.03 212	1.88 157	1.64 151	3.29 335	2.06 308	2.71 205	2.02 307	0.40 266	0.33 276	0.32 167	0.31 237	0.53 307	0.49 285

aanetorigin	3.30 377	1.66 388	17.52 344	1.18 246	1.58 377	2.57 85	3.80 441	2.65 95	2.03 212	6.12 442	4.30 414	2.82 302	5.70 422	5.47 258	4.67 385	0.50 341	0.44 347	0.43 307	0.47 352	1.17 415	0.92 388

testlalala_base	1.62 147	0.74 212	1.63 42	1.19 248	1.40 345	2.63 88	0.84 179	4.09 304	1.31 21	1.22 69	1.42 97	1.21 95	0.85 60	1.16 33	0.73 47	3.92 456	2.10 444	0.27 72	0.18 13	4.49 455	1.11 401

EDNetEfficientorigin	12.35 462	2.51 414	179.47 489	1.19 248	0.96 247	2.91 98	1.81 373	3.00 125	5.35 443	8.91 454	4.79 417	4.18 390	4.64 410	9.98 355	11.30 425	0.37 232	0.38 314	0.60 381	0.85 410	1.32 422	2.43 440

CSAN	4.71 417	1.39 370	20.23 402	1.19 248	0.87 224	3.65 201	3.50 433	4.57 424	3.87 425	3.89 414	7.82 430	3.54 361	6.16 430	23.47 471	6.82 402	0.52 353	0.45 352	0.49 346	0.52 369	0.63 338	0.66 345

PSMNet_ROB	2.95 342	1.38 368	18.46 358	1.19 248	1.20 308	3.80 224	1.65 363	3.54 182	2.35 283	1.98 185	1.71 170	2.75 292	1.79 278	11.43 408	2.78 360	0.42 290	0.36 295	0.50 349	0.60 386	0.59 326	0.49 285

ITSA-stereo	1.86 178	0.72 193	3.74 179	1.20 252	0.66 156	4.09 291	0.91 225	4.24 348	2.53 322	1.93 174	1.77 194	1.59 142	2.15 316	6.12 275	2.44 340	0.40 266	0.38 314	0.40 286	0.40 328	0.50 296	0.98 393

1111x	3.13 367	0.57 63	8.38 226	1.20 252	0.76 184	3.80 224	0.88 211	4.61 427	2.63 335	2.31 299	2.16 298	1.95 202	1.81 286	11.54 411	18.13 455	0.32 169	0.31 261	0.32 167	0.30 221	0.35 166	0.34 162

ssnet_v2	2.04 214	0.88 271	7.87 218	1.20 252	0.87 224	3.86 241	1.64 360	4.01 280	2.60 332	2.61 352	1.96 256	3.79 369	1.71 268	2.20 168	2.96 364	0.41 280	0.35 291	0.42 303	0.37 298	0.55 312	0.52 304

ADLNet2	3.15 370	0.92 279	20.06 394	1.20 252	1.79 406	3.83 228	1.48 342	3.94 262	3.59 419	2.19 261	2.47 345	4.65 413	1.93 301	10.69 376	1.96 301	0.39 260	0.37 308	0.28 94	0.30 221	0.48 289	0.43 250

GEStereo_RVC	1.91 189	0.80 244	6.57 207	1.20 252	1.06 276	4.02 279	1.43 340	4.13 314	1.89 194	2.03 212	1.80 203	2.34 248	1.86 293	4.94 247	1.77 277	0.48 329	0.38 314	0.32 167	0.28 178	0.42 246	0.50 292

BEATNet_4x	1.92 192	1.36 366	8.75 231	1.20 252	0.56 112	3.46 159	1.03 266	4.00 278	2.43 303	2.25 282	1.70 166	2.10 229	1.59 231	2.57 196	3.05 368	0.37 232	0.22 124	0.47 325	0.29 205	0.60 330	0.40 232

StereoDRNet-Refined	1.77 170	0.81 248	2.22 99	1.21 258	0.76 184	3.26 133	0.71 102	3.82 227	2.05 219	2.29 289	2.05 279	2.98 312	1.44 195	7.15 297	2.27 330	0.30 132	0.23 148	0.42 303	0.33 255	0.45 271	0.64 342
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
CBMV_ROB	3.62 387	0.70 179	21.42 446	1.21 258	0.89 232	4.43 366	1.76 369	4.39 398	2.79 355	5.88 439	3.38 400	4.18 390	5.12 415	10.75 377	2.32 333	0.56 361	0.55 381	0.53 360	0.51 366	0.55 312	0.46 272

MSMD_ROB	5.61 431	1.08 317	16.68 327	1.21 258	0.83 205	10.14 457	2.07 389	3.93 259	6.22 449	10.37 462	8.03 432	22.22 464	9.45 452	11.66 421	4.52 384	0.66 380	0.58 389	0.66 394	0.68 396	0.65 348	0.63 339

MyStereo8	2.33 261	1.13 326	19.26 371	1.22 261	1.62 381	4.16 315	0.57 42	3.50 175	2.36 286	2.15 246	1.75 181	2.28 239	1.14 134	1.46 83	2.20 326	0.24 16	0.21 98	0.32 167	0.27 151	0.36 178	0.43 250

IGEV_Zeroshot_test	2.16 227	0.69 169	20.60 423	1.22 261	0.54 105	2.18 69	0.53 34	3.38 166	1.61 135	1.93 174	1.55 127	3.76 368	1.05 104	1.55 94	0.91 106	0.29 95	0.20 69	0.27 72	0.29 205	0.40 205	0.32 139

xxxx	2.67 318	0.54 41	2.03 75	1.22 261	0.81 196	3.49 166	0.63 70	4.49 415	2.49 316	2.22 273	2.23 309	2.05 222	1.38 173	10.05 359	17.91 453	0.32 169	0.32 269	0.30 128	0.27 151	0.33 131	0.34 162

GwcNet-RSSM	2.66 316	1.05 309	15.91 317	1.22 261	1.19 303	4.12 299	1.12 288	3.84 231	2.02 210	1.93 174	1.79 200	3.12 324	1.46 202	10.37 366	2.05 310	0.33 183	0.27 219	0.35 236	0.30 221	0.40 205	0.36 178

HGLStereo	2.03 212	0.74 212	7.50 217	1.23 265	1.56 372	3.62 195	0.95 247	3.78 222	1.89 194	2.03 212	2.20 305	3.12 324	2.14 315	5.68 264	2.04 308	0.37 232	0.31 261	0.32 167	0.29 205	0.40 205	0.45 262

DMCA-RVC	2.45 283	1.22 346	18.29 352	1.23 265	1.14 289	2.49 80	0.85 188	3.29 154	1.68 151	3.02 385	1.41 96	2.00 214	1.53 225	6.39 280	2.00 304	0.38 248	0.30 251	0.44 311	0.35 276	0.45 271	0.44 256

FCDSN-DC	6.04 438	0.84 262	19.25 369	1.24 267	1.09 283	4.38 353	2.62 408	4.38 396	4.71 436	9.59 459	11.22 450	19.19 459	17.40 462	12.30 437	8.55 415	0.69 389	0.57 384	0.60 381	0.60 386	0.70 361	0.78 372
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DLCB_ROB	2.05 216	0.95 290	2.37 114	1.24 267	1.02 267	2.92 100	1.30 317	3.68 200	2.30 273	2.91 376	2.17 300	3.32 339	1.52 218	10.37 366	2.50 345	0.40 266	0.33 276	0.40 286	0.36 286	0.41 228	0.47 277

GANet-ADL	2.20 231	0.73 204	20.11 399	1.25 269	0.69 170	3.83 228	0.76 133	3.49 173	1.71 160	1.65 116	1.99 266	2.10 229	1.10 122	1.42 74	1.26 183	0.38 248	0.33 276	0.25 38	0.22 69	0.42 246	0.36 178

RALAANet	1.28 105	1.08 317	3.21 156	1.25 269	0.94 244	1.44 27	0.69 94	3.15 139	2.57 329	2.01 204	1.80 203	1.29 104	1.05 104	2.00 145	1.48 227	0.27 47	0.20 69	0.27 72	0.24 101	0.40 205	0.27 71

UPFNet	1.81 174	0.63 124	6.71 209	1.25 269	1.44 354	3.50 169	1.35 322	4.02 284	1.85 187	2.40 323	1.52 116	2.41 257	1.40 180	3.62 223	1.88 289	0.34 195	0.33 276	0.37 261	0.31 237	0.41 228	0.39 212

FAT-Stereo	3.34 380	0.81 248	20.05 393	1.25 269	1.20 308	3.44 154	1.99 384	4.23 340	2.67 341	3.14 393	3.82 409	3.51 356	3.32 380	11.68 423	1.94 296	0.64 375	0.67 405	0.48 333	0.52 369	0.61 335	0.81 376

NCC-stereo	3.16 371	1.28 355	18.31 354	1.25 269	1.75 401	4.06 284	1.40 333	3.89 244	2.22 254	2.72 364	2.55 354	3.49 354	2.65 350	9.91 351	2.99 365	1.29 427	0.65 401	0.64 391	0.86 411	0.65 348	0.71 355

Abc-Net	3.16 371	1.28 355	18.31 354	1.25 269	1.75 401	4.06 284	1.40 333	3.89 244	2.22 254	2.72 364	2.55 354	3.49 354	2.65 350	9.91 351	2.99 365	1.29 427	0.65 401	0.64 391	0.86 411	0.65 348	0.71 355
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DDVS	1.68 157	0.79 240	2.52 122	1.26 275	1.16 295	3.17 121	0.78 147	3.12 136	1.82 180	1.86 152	1.91 251	2.92 310	1.43 192	6.20 276	1.63 257	0.45 311	0.65 401	0.34 218	0.38 311	0.48 289	0.79 374

RAFT-RH_RVC	2.63 312	0.55 46	19.97 391	1.26 275	0.47 73	4.46 368	0.57 42	1.71 19	1.64 142	3.06 389	5.51 422	2.03 218	1.28 158	6.70 288	1.52 239	0.42 290	0.22 124	0.37 261	0.34 262	0.28 48	0.29 98

raftrobust	1.19 71	0.72 193	2.30 109	1.26 275	1.31 326	3.55 181	0.68 89	2.75 106	1.47 51	2.21 271	1.38 89	1.17 82	1.22 149	1.20 45	1.11 147	0.28 76	0.24 178	0.21 4	0.19 25	0.25 16	0.28 88

psm_up	2.28 247	0.81 248	5.45 203	1.26 275	1.50 361	3.84 233	1.23 310	4.23 340	2.03 212	2.55 339	1.80 203	2.44 263	1.65 256	12.90 446	1.58 245	0.37 232	0.38 314	0.41 296	0.34 262	0.43 256	0.39 212

MFN_U_SF_DS_RVC	3.94 399	10.88 463	12.30 271	1.26 275	1.55 369	5.19 436	3.33 429	4.42 402	2.82 367	2.58 346	2.62 360	5.00 420	2.11 311	14.03 459	2.73 357	1.28 426	2.34 452	0.67 396	1.83 443	0.81 382	1.03 395

ADCMid	3.96 400	3.27 425	15.48 315	1.26 275	1.40 345	4.66 406	2.28 396	4.06 297	3.54 418	3.94 415	3.02 385	3.85 372	3.67 392	4.03 235	18.65 458	0.68 386	0.61 396	1.09 424	1.18 428	1.38 423	1.08 398

SANet	5.65 433	1.72 391	20.94 431	1.26 275	0.88 227	7.20 449	3.81 442	4.60 426	11.23 455	4.56 429	8.78 440	7.49 438	6.95 437	11.85 431	18.11 454	0.49 339	0.44 347	0.50 349	0.42 339	0.90 390	0.82 380

edge stereo	3.37 382	1.01 302	21.99 455	1.28 282	1.37 339	2.67 89	1.39 331	3.98 272	2.87 370	2.93 378	3.27 398	4.35 398	2.43 337	11.62 415	2.39 336	0.60 367	0.63 399	0.79 409	0.55 376	0.68 358	0.67 346

ADCPNet	3.89 396	1.63 384	20.25 406	1.28 282	1.27 322	6.43 445	2.65 409	3.93 259	2.70 344	2.78 369	2.20 305	4.28 396	6.16 430	5.56 261	10.27 422	0.65 378	1.18 427	0.71 400	1.70 438	0.84 386	1.37 413

AdaStereo	1.45 126	0.83 258	2.34 113	1.28 282	0.81 196	3.21 123	1.14 293	4.20 328	2.46 311	2.05 216	1.77 194	2.48 268	1.18 143	1.71 121	1.44 215	0.43 295	0.25 197	0.43 307	0.28 178	0.44 263	0.34 162
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.
test_sample5	2.33 261	0.62 115	11.29 262	1.29 285	0.83 205	3.09 116	0.74 121	4.28 363	2.31 276	2.20 263	1.97 262	1.68 152	1.39 176	11.19 399	1.47 224	0.37 232	0.31 261	0.37 261	0.37 298	0.41 228	0.39 212

DualNet	2.33 261	0.62 115	11.29 262	1.29 285	0.83 205	3.09 116	0.74 121	4.28 363	2.31 276	2.26 285	2.04 273	1.68 152	1.39 176	11.19 399	1.47 224	0.37 232	0.31 261	0.37 261	0.37 298	0.41 228	0.39 212

GMStereo_Zeroshot	1.41 122	1.21 340	3.33 164	1.29 285	0.72 174	3.35 145	0.53 34	2.58 90	1.68 151	2.35 311	1.56 130	2.42 260	0.96 83	2.50 184	1.16 156	0.45 311	0.23 148	0.40 286	0.24 101	0.79 380	0.33 151

FINET	2.96 345	1.07 315	23.18 463	1.29 285	1.86 411	2.03 57	1.52 347	4.30 374	4.71 436	2.23 277	2.34 338	1.65 148	1.48 206	5.89 268	2.81 362	0.51 347	0.47 364	0.49 346	0.40 328	0.59 326	0.49 285

PSMNet-RSSM	1.96 199	0.77 231	3.26 159	1.29 285	1.31 326	4.19 327	0.96 252	3.68 200	1.89 194	2.05 216	1.80 203	2.60 278	1.70 266	9.84 348	1.81 281	0.35 214	0.29 238	0.35 236	0.37 298	0.42 246	0.35 174

ADCL	4.35 410	1.63 384	14.21 296	1.29 285	1.26 321	5.56 440	11.16 458	3.97 270	3.37 413	6.07 440	4.67 416	4.30 397	5.72 423	5.08 250	14.51 437	0.50 341	0.48 370	0.89 415	0.77 404	0.78 378	0.76 368

TDLM	2.29 250	1.08 317	4.61 192	1.29 285	1.01 266	4.26 338	2.17 393	3.75 215	2.79 355	2.31 299	1.98 264	2.06 224	1.59 231	12.45 441	1.72 269	0.51 347	0.28 228	0.52 358	0.35 276	0.56 318	0.50 292

test_sample4	2.34 265	0.63 124	11.59 265	1.30 292	0.83 205	3.07 114	0.72 105	4.27 358	2.30 273	2.30 293	1.88 239	1.73 163	1.42 189	11.14 398	1.46 219	0.35 214	0.29 238	0.35 236	0.36 286	0.40 205	0.38 206

Wz-Net-LNSev-Ref	2.42 280	1.47 376	14.14 294	1.30 292	1.35 336	3.51 172	1.64 360	4.04 289	2.10 235	2.46 329	1.88 239	2.28 239	2.51 343	4.73 246	3.17 370	0.38 248	0.19 44	0.35 236	0.20 34	0.40 205	0.36 178

XX-TBD	1.03 52	0.95 290	1.94 67	1.30 292	0.43 47	3.97 271	0.33 4	1.74 20	1.73 166	1.59 100	2.02 269	0.69 17	0.60 10	1.16 33	0.66 22	0.30 132	0.25 197	0.23 11	0.15 4	0.31 92	0.22 17

SDNR	3.97 401	1.93 400	20.28 408	1.31 295	0.94 244	5.16 435	0.67 85	4.33 383	2.58 330	4.82 433	5.94 425	5.01 421	1.45 199	17.52 463	2.53 348	0.79 396	0.72 411	0.59 376	0.45 347	1.15 413	1.17 403

APVNet	3.13 367	1.25 352	21.14 436	1.31 295	1.52 363	3.94 258	1.13 291	3.32 160	2.14 242	2.20 263	2.03 270	3.05 320	1.96 302	11.79 428	2.53 348	0.42 290	0.45 352	0.64 391	0.46 349	0.67 355	0.57 320

GwcNet	3.00 354	1.63 384	19.83 386	1.32 297	2.04 423	3.27 135	1.55 353	3.65 194	2.33 280	2.00 202	2.12 293	3.56 362	1.68 264	9.47 338	2.45 341	0.44 302	0.45 352	0.46 322	0.38 311	0.60 330	0.76 368

ac_64	2.35 270	0.62 115	9.77 242	1.32 297	1.71 397	3.27 135	0.93 238	3.48 170	2.50 317	1.74 131	1.73 175	3.91 374	1.77 275	10.21 362	1.86 287	0.40 266	0.31 261	0.33 201	0.30 221	0.34 149	0.39 212

NVstereo2D	2.54 300	0.90 274	11.10 260	1.32 297	1.47 358	3.58 187	1.38 330	4.13 314	2.45 308	1.90 163	1.71 170	2.86 304	1.76 274	10.86 382	1.66 263	0.60 367	0.43 342	0.53 360	0.41 334	0.78 378	0.94 390

CBMV	3.32 379	0.96 296	21.16 438	1.32 297	0.83 205	3.81 226	3.91 444	4.47 411	2.53 322	3.34 402	2.24 310	4.45 401	2.58 347	10.07 360	1.96 301	0.45 311	0.43 342	0.48 333	0.38 311	0.52 301	0.53 306
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ACV-stereo	2.92 340	0.92 279	20.27 407	1.33 301	1.05 273	4.68 409	1.10 284	2.66 97	1.64 142	1.46 88	1.32 75	5.41 429	4.24 403	7.83 310	1.90 292	0.44 302	0.52 376	0.32 167	0.29 205	0.45 271	0.63 339

test_sample6	2.35 270	0.62 115	10.78 257	1.33 301	0.83 205	3.15 120	0.79 153	4.36 392	2.43 303	2.26 285	2.04 273	1.69 157	1.39 176	11.48 410	1.61 252	0.38 248	0.32 269	0.37 261	0.39 317	0.41 228	0.42 241

test_sample3	2.34 265	0.61 106	11.94 268	1.33 301	0.85 214	3.10 118	0.73 110	4.24 348	2.19 250	2.21 271	1.75 181	1.80 181	1.41 185	11.11 397	1.46 219	0.35 214	0.29 238	0.34 218	0.35 276	0.39 200	0.37 192

AF-Net	2.87 335	1.30 357	16.24 320	1.33 301	1.75 401	3.26 133	1.59 355	4.09 304	2.43 303	2.69 362	2.94 381	4.51 404	3.20 375	5.84 267	2.75 359	0.76 394	0.36 295	0.72 404	0.49 359	0.70 361	0.56 316

DeepPrunerF	3.70 390	1.72 391	14.87 303	1.33 301	1.74 400	3.70 206	1.55 353	4.20 328	14.00 460	2.02 208	1.77 194	2.74 290	2.30 327	10.88 383	6.88 404	0.68 386	0.60 394	0.78 408	0.78 407	0.81 382	0.71 355

StereoDRNet	2.84 331	1.49 378	14.48 300	1.33 301	1.57 376	3.44 154	2.06 387	3.69 205	2.36 286	3.26 399	1.84 227	2.79 301	1.80 283	10.88 383	3.16 369	0.41 280	0.33 276	0.39 280	0.36 286	0.59 326	0.58 324

PWC_ROB	2.69 323	2.01 404	8.36 225	1.33 301	1.90 414	3.23 126	1.18 299	4.33 383	3.25 406	3.11 391	3.41 401	2.71 287	2.18 323	9.15 332	4.48 383	0.56 361	0.31 261	0.61 384	0.36 286	0.69 360	0.74 363

Syn2CoEx	3.08 362	2.55 419	19.88 387	1.34 308	1.18 297	2.43 79	1.65 363	3.91 253	2.40 298	2.39 321	2.27 314	2.90 306	3.17 374	9.57 342	2.54 350	0.50 341	0.45 352	0.53 360	0.39 317	0.74 372	0.72 361

CFNet	2.34 265	1.10 321	8.96 232	1.34 308	1.24 316	4.09 291	0.73 110	4.04 289	2.77 352	1.62 108	1.87 238	2.27 238	1.45 199	11.41 406	1.82 282	0.31 151	0.24 178	0.43 307	0.36 286	0.43 256	0.33 151

HITNet	2.07 219	0.82 255	14.77 301	1.34 308	0.56 112	3.47 162	0.80 161	4.07 298	2.35 283	2.16 251	1.61 145	1.64 147	1.44 195	2.09 155	2.56 352	0.26 37	0.18 27	0.41 296	0.26 126	0.45 271	0.25 41
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
MeshStereo	5.35 427	1.32 361	21.34 443	1.34 308	1.15 291	4.40 360	3.90 443	5.18 440	4.55 434	10.14 461	11.82 454	11.47 447	5.84 424	13.84 457	7.03 406	0.61 369	0.58 389	0.60 381	0.58 382	0.72 371	0.59 328
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
AASNet	2.44 282	0.92 279	19.79 384	1.35 312	1.49 359	3.81 226	1.07 275	3.85 234	2.93 376	1.95 179	2.29 320	1.96 207	1.29 161	1.73 123	1.93 294	0.39 260	0.33 276	0.45 317	0.30 221	0.55 312	0.45 262

raft+_RVC	1.21 79	0.83 258	2.61 129	1.35 312	0.97 251	3.60 190	0.76 133	3.23 148	1.51 75	1.33 73	1.67 158	1.03 69	1.10 122	1.87 137	0.92 109	0.24 16	0.22 124	0.25 38	0.24 101	0.26 24	0.25 41

ADLNet	2.29 250	0.83 258	3.62 177	1.35 312	1.60 378	3.67 203	1.24 312	3.95 264	2.98 382	2.58 346	2.29 320	4.01 380	1.79 278	11.23 401	2.09 316	0.37 232	0.38 314	0.36 249	0.34 262	0.45 271	0.71 355

FENet	2.25 238	0.50 15	20.29 409	1.35 312	0.67 162	4.01 277	0.60 54	3.95 264	1.99 205	1.96 181	1.11 40	2.43 261	1.43 192	1.60 101	1.39 205	0.32 169	0.22 124	0.33 201	0.26 126	0.29 58	0.39 212

Nwc_Net	2.88 337	1.16 333	18.30 353	1.35 312	1.68 394	3.52 175	1.18 299	3.90 249	2.06 221	2.52 337	2.82 378	3.82 371	2.34 331	6.78 292	2.55 351	0.86 405	0.40 328	0.59 376	0.67 393	0.57 322	0.55 314

DRN-Test	3.03 358	0.99 298	18.18 350	1.35 312	1.60 378	3.59 188	1.48 342	4.13 314	2.45 308	3.47 407	1.92 253	2.58 277	2.53 344	10.88 383	2.80 361	0.39 260	0.36 295	0.44 311	0.41 334	0.55 312	0.57 320

SMFormer	2.00 207	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 350	2.80 359	2.32 303	2.31 331	1.95 202	1.52 218	10.99 389	2.13 321	0.34 195	0.32 269	0.36 249	0.31 237	0.38 190	0.36 178

tta	2.00 207	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 350	2.80 359	2.32 303	2.31 331	1.95 202	1.52 218	10.99 389	2.13 321	0.34 195	0.32 269	0.36 249	0.31 237	0.29 58	0.29 98

qqq1	1.92 192	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 350	2.80 359	2.32 303	2.31 331	1.95 202	1.52 218	10.99 389	0.71 40	0.34 195	0.32 269	0.30 128	0.23 79	0.29 58	0.29 98

fff1	1.92 192	0.57 63	4.46 186	1.36 318	0.57 123	2.03 57	0.73 110	4.25 350	2.80 359	2.32 303	2.31 331	1.95 202	1.52 218	10.99 389	0.71 40	0.34 195	0.32 269	0.30 128	0.23 79	0.29 58	0.29 98

S-Stereo	3.48 384	0.91 277	22.06 457	1.36 318	1.50 361	3.55 181	2.53 405	4.21 333	2.81 365	2.37 316	3.81 408	3.75 367	1.84 290	11.90 433	2.51 346	0.63 372	0.71 410	0.48 333	0.76 402	0.67 355	1.19 405

XQC	2.96 345	2.42 413	14.85 302	1.36 318	1.32 330	3.29 142	1.53 349	4.28 363	2.78 353	3.21 397	2.46 343	3.53 358	2.92 360	6.58 283	4.67 385	0.70 390	0.41 335	0.59 376	0.56 378	0.96 397	0.83 381

UCFNet_RVC	1.57 138	0.84 262	3.25 158	1.36 318	1.40 345	4.07 289	1.01 261	2.68 98	1.50 69	2.11 232	1.88 239	2.37 253	1.50 213	3.41 218	1.42 212	0.36 225	0.28 228	0.52 358	0.40 328	0.53 307	0.43 250

XPNet_ROB	2.27 242	1.11 324	4.10 183	1.36 318	0.97 251	3.94 258	1.63 358	4.07 298	2.14 242	2.82 373	2.00 267	2.32 247	1.73 273	10.81 381	3.39 372	0.51 347	0.47 364	0.48 333	0.40 328	0.51 298	0.56 316

ASMatch	2.62 311	0.60 92	20.65 424	1.37 326	0.64 145	4.39 356	0.78 147	1.97 34	1.58 116	1.70 123	3.89 410	1.94 200	3.79 393	5.46 257	1.64 260	0.31 151	0.24 178	0.34 218	0.28 178	0.33 131	0.50 292

stereogan	3.09 363	0.93 283	16.43 323	1.37 326	1.66 392	3.70 206	1.67 365	3.87 239	3.15 397	3.04 386	2.70 367	5.04 422	2.79 354	9.96 354	1.78 279	0.63 372	0.49 374	0.69 397	0.47 352	0.83 385	0.68 349

UDGNet	1.40 120	1.52 379	2.22 99	1.38 328	0.62 141	4.39 356	0.68 89	1.80 26	2.18 249	1.34 74	1.18 47	0.99 64	1.00 91	2.16 162	1.19 162	1.09 414	0.34 287	1.30 428	0.98 418	1.10 406	0.58 324

PA-Net	3.09 363	1.24 351	18.84 362	1.38 328	1.19 303	3.42 152	1.75 368	3.89 244	3.27 410	1.88 157	2.10 286	3.03 316	1.88 297	11.60 413	2.88 363	0.40 266	0.54 379	0.44 311	0.62 390	0.52 301	1.02 394
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DPSNet	3.43 383	1.37 367	12.19 269	1.39 330	1.24 316	4.15 306	2.06 387	4.51 419	3.34 412	2.69 362	1.96 256	3.52 357	5.56 421	10.68 375	9.68 419	0.93 407	0.73 412	0.40 286	0.37 298	1.06 401	0.86 382

iResNet_ROB	1.89 184	1.02 303	8.60 229	1.39 330	0.98 255	3.72 209	0.66 84	3.84 231	2.65 338	1.88 157	2.05 279	1.98 211	1.27 156	4.52 241	1.67 264	0.30 132	0.20 69	0.28 94	0.18 13	0.31 92	0.40 232

Consistency-Raft	2.86 332	1.66 388	19.61 378	1.40 332	1.75 401	3.84 233	1.32 319	4.07 298	2.25 261	1.78 137	2.67 364	1.82 186	4.41 406	1.94 143	2.06 311	0.83 403	0.94 421	1.03 419	1.12 424	1.70 429	1.09 399

test_sample2	1.75 167	0.56 55	2.25 102	1.41 333	0.80 193	2.91 98	0.86 190	4.05 293	2.04 216	1.91 168	1.39 91	1.57 138	1.55 228	10.65 374	1.06 137	0.32 169	0.28 228	0.32 167	0.30 221	0.36 178	0.33 151

mmm	1.27 104	0.58 76	2.20 96	1.41 333	0.68 167	2.39 78	0.85 188	3.90 249	1.63 141	2.20 263	1.84 227	1.28 101	1.50 213	1.91 140	0.89 96	0.31 151	0.27 219	0.45 317	0.37 298	0.38 190	0.34 162

ttt	2.76 326	0.56 55	2.28 108	1.41 333	1.21 313	3.67 203	0.77 144	4.59 425	2.94 377	2.35 311	2.30 324	2.45 264	1.54 226	11.25 402	15.56 440	0.43 295	0.36 295	0.37 261	0.33 255	0.40 205	0.40 232

fast-acv-ft	2.54 300	1.19 337	20.08 397	1.41 333	1.40 345	3.18 122	1.17 298	3.37 165	2.28 269	1.90 163	2.15 297	2.69 284	2.17 321	2.91 209	2.31 332	0.37 232	0.39 323	0.45 317	0.39 317	0.57 322	0.45 262

WZ-Net	3.62 387	4.87 434	16.77 330	1.43 337	1.40 345	3.75 214	2.29 397	4.12 313	2.50 317	2.74 366	2.19 303	4.06 383	5.29 418	10.19 361	7.36 408	0.54 357	0.37 308	0.47 325	0.49 359	0.77 376	0.73 362

STTStereo	2.34 265	0.95 290	14.93 307	1.43 337	1.54 365	3.86 241	0.86 190	3.65 194	2.44 307	2.15 246	1.55 127	2.49 270	1.59 231	5.14 251	1.44 215	0.38 248	0.39 323	0.47 325	0.51 366	0.52 301	0.51 299

test_sample1	1.62 147	0.55 46	1.88 61	1.44 339	0.79 191	2.27 72	0.64 73	4.00 278	1.82 180	1.87 154	1.35 84	1.57 138	1.62 239	9.55 341	1.24 177	0.30 132	0.27 219	0.31 149	0.28 178	0.32 115	0.32 139

x	1.15 67	0.57 63	1.53 34	1.44 339	0.67 162	1.94 53	0.97 255	3.87 239	1.57 114	1.61 106	1.28 69	1.58 140	1.22 149	1.93 141	1.04 135	0.28 76	0.30 251	0.34 218	0.29 205	0.32 115	0.31 132

SACVNet	2.46 285	1.14 329	9.47 240	1.44 339	1.18 297	4.06 284	1.49 346	3.84 231	2.24 259	2.62 353	1.89 245	2.57 275	1.28 158	11.35 404	1.64 260	0.50 341	0.39 323	0.48 333	0.41 334	0.55 312	0.75 366

SST-Stereo	1.76 168	0.58 76	3.10 153	1.44 339	0.46 63	4.71 421	0.76 133	2.22 51	2.79 355	2.07 224	2.18 301	2.43 261	3.22 376	6.66 287	0.84 76	0.42 290	0.19 44	0.30 128	0.27 151	0.35 166	0.26 59

AACVNet	1.83 175	1.02 303	2.41 118	1.45 343	0.87 224	3.21 123	0.73 110	3.16 140	1.61 135	2.01 204	1.82 221	2.28 239	1.33 168	10.98 388	1.49 230	0.39 260	0.32 269	0.38 277	0.32 247	0.43 256	0.44 256

SuperB	4.79 419	4.41 433	21.08 435	1.45 343	1.08 280	3.91 248	3.08 424	4.18 325	3.01 385	2.50 334	2.10 286	2.75 292	3.49 389	8.80 323	19.60 462	0.44 302	0.33 276	0.53 360	0.39 317	12.01 472	0.64 342

RAFT_R40	1.70 159	0.59 83	2.99 149	1.46 345	0.46 63	4.74 425	0.98 258	2.23 52	1.56 108	2.02 208	2.35 339	2.71 287	2.56 346	6.71 290	0.90 99	0.40 266	0.19 44	0.30 128	0.27 151	0.33 131	0.26 59

RGC	3.10 365	1.45 375	14.90 305	1.46 345	1.79 406	3.33 144	1.39 331	4.04 289	2.26 264	2.77 368	3.26 397	4.00 379	2.71 352	11.63 420	2.62 355	0.82 401	0.46 360	0.79 409	0.79 408	0.71 368	0.78 372

CVANet_RVC	2.55 304	1.10 321	9.13 238	1.46 345	1.15 291	3.96 268	1.53 349	3.91 253	2.50 317	3.04 386	2.04 273	2.60 278	1.72 270	12.46 442	1.50 231	0.49 339	0.30 251	0.51 352	0.41 334	0.63 338	0.50 292

NVStereoNet_ROB	4.91 422	1.40 371	16.46 324	1.47 348	1.72 399	3.46 159	1.96 381	3.89 244	3.61 420	2.90 375	24.61 470	4.81 415	4.49 408	13.57 453	4.87 390	1.33 430	1.29 432	1.70 433	1.68 436	1.41 425	1.66 421
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
test_sample7	1.65 152	0.70 179	2.60 126	1.48 349	0.76 184	2.38 76	1.07 275	4.35 387	2.11 237	2.14 238	1.75 181	1.75 165	1.67 260	6.26 278	1.26 183	0.44 302	0.48 370	0.43 307	0.40 328	0.46 282	0.43 250

Wz-Net-TNSev	3.67 389	8.83 449	13.47 280	1.48 349	1.18 297	3.60 190	2.49 403	4.27 358	3.13 393	2.18 257	1.89 245	4.21 394	2.80 355	12.10 435	7.58 410	0.57 363	0.55 381	0.47 325	0.54 375	0.91 391	1.05 396

cf-r	2.57 308	0.79 240	16.09 319	1.48 349	1.35 336	4.19 327	0.93 238	3.68 200	2.36 286	1.97 183	1.81 215	3.42 345	1.45 199	8.24 314	1.83 284	0.32 169	0.26 209	0.33 201	0.30 221	0.34 149	0.37 192

FBW_ROB	3.24 374	1.02 303	9.21 239	1.49 352	1.07 278	3.78 219	1.48 342	4.31 377	3.08 390	2.46 329	2.32 336	4.20 393	2.08 310	15.19 461	7.16 407	0.84 404	0.62 397	1.33 429	0.92 414	0.99 398	1.31 409

WCMA_ROB	5.12 423	0.90 274	21.33 442	1.50 353	1.33 333	4.09 291	3.49 432	4.03 285	4.59 435	6.57 444	10.95 449	12.92 451	8.41 450	9.86 349	8.78 416	0.75 393	0.58 389	0.51 352	0.50 363	0.68 358	0.57 320

GANetREF_RVC	3.20 373	1.93 400	18.84 362	1.51 354	0.80 193	4.12 299	1.82 374	4.16 324	2.91 373	1.87 154	1.74 177	2.48 268	1.84 290	13.18 447	1.74 274	0.80 398	0.57 384	0.79 409	0.74 400	1.20 418	0.86 382
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
Wz-Net-MNSev	2.71 325	2.54 418	13.91 291	1.52 355	1.37 339	3.28 138	2.47 401	4.03 285	2.32 279	2.57 343	2.07 284	2.29 244	3.01 364	7.55 305	2.74 358	0.38 248	0.36 295	0.36 249	0.37 298	0.57 322	0.47 277

psmorigin	6.59 441	1.15 330	88.11 485	1.52 355	0.97 251	2.88 95	1.20 306	3.21 145	2.04 216	3.73 411	2.46 343	5.15 426	2.55 345	10.60 372	2.47 343	0.55 359	0.68 408	0.48 333	0.51 366	0.70 361	0.88 386

TRStereo	2.31 254	1.87 398	19.74 383	1.53 357	1.16 295	4.26 338	1.08 279	4.73 432	1.45 39	1.55 96	1.28 69	1.75 165	0.85 60	1.81 130	1.20 165	0.36 225	0.26 209	0.32 167	0.36 286	0.34 149	0.33 151

NLCA_NET_v2_RVC	2.54 300	1.04 308	16.73 328	1.53 357	2.00 418	3.96 268	0.87 207	3.87 239	2.31 276	2.54 338	1.67 158	2.85 303	1.63 251	5.55 260	1.62 255	0.46 316	0.33 276	0.38 277	0.38 311	0.53 307	0.62 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HBP-ISP	3.25 376	1.10 321	20.86 428	1.54 359	1.15 291	4.50 379	2.89 416	4.43 405	2.38 295	4.14 421	1.96 256	1.90 197	2.04 306	11.08 396	1.32 195	0.66 380	0.57 384	0.66 394	0.61 389	0.64 345	0.61 332

DisPM	1.36 116	0.55 46	2.39 116	1.54 359	0.51 87	4.59 396	0.79 153	2.50 71	1.88 190	2.50 334	1.83 222	1.45 126	1.01 93	2.71 205	0.93 116	0.46 316	0.20 69	0.32 167	0.31 237	0.31 92	0.44 256

ccnet	2.66 316	0.97 297	8.01 222	1.54 359	1.24 316	3.75 214	2.18 394	4.07 298	2.41 300	2.66 360	3.25 396	2.87 305	2.31 330	9.89 350	3.50 373	0.78 395	0.75 414	0.71 400	0.67 393	0.76 375	0.81 376

RP	2.79 327	1.20 339	10.36 251	1.54 359	1.93 415	3.44 154	1.97 382	4.05 293	2.34 281	2.66 360	2.79 373	3.98 378	2.58 347	10.21 362	2.61 353	0.95 409	0.47 364	0.71 400	0.57 381	0.71 368	0.68 349

RTSC	2.95 342	2.51 414	15.49 316	1.54 359	1.30 324	3.51 172	0.86 190	3.89 244	2.48 312	3.64 408	3.12 391	3.04 317	2.30 327	5.70 265	6.67 398	0.55 359	0.35 291	0.37 261	0.39 317	0.70 361	0.60 329

11t1	1.11 59	0.53 35	1.80 56	1.55 364	0.65 152	2.20 71	0.60 54	3.66 197	1.49 64	1.60 101	1.26 62	1.03 69	1.35 171	1.72 122	0.97 124	0.28 76	0.31 261	0.29 109	0.23 79	0.30 77	0.34 162

MSC_U_SF_DS_RVC	4.48 412	10.62 461	15.18 313	1.55 364	1.45 357	6.16 442	3.54 436	5.41 448	3.68 423	2.59 349	2.74 368	4.81 415	2.20 324	13.79 456	4.40 382	2.04 434	3.36 465	1.05 421	1.20 429	2.09 431	1.72 424

GASNet	3.24 374	5.55 439	20.58 422	1.56 366	1.25 319	2.32 74	1.12 288	4.04 289	2.67 341	1.88 157	2.10 286	3.00 314	2.16 319	10.59 371	2.43 339	0.65 378	0.37 308	0.61 384	0.45 347	0.87 387	0.58 324

Wz-Net-SNSev	2.98 351	4.36 432	15.98 318	1.57 367	1.19 303	3.28 138	1.80 372	3.96 269	2.40 298	2.32 303	2.28 317	3.48 348	2.05 307	7.84 311	3.82 378	0.47 325	0.39 323	0.53 360	0.49 359	0.71 368	0.60 329

GrayStereo	2.58 309	0.53 35	1.63 42	1.58 368	0.89 232	4.17 320	8.17 456	3.03 128	1.52 83	2.80 371	2.50 348	1.70 159	17.10 461	2.83 208	1.15 153	0.33 183	0.21 98	0.27 72	0.32 247	0.28 48	0.53 306

LMCR-Stereo	2.40 278	1.31 359	18.61 360	1.59 369	0.86 219	3.87 244	1.15 294	4.32 381	1.60 131	2.25 282	2.27 314	1.13 77	2.43 337	2.48 183	1.60 249	0.88 406	0.24 178	0.29 109	0.24 101	0.56 318	0.30 124

PWCDC_ROB	2.95 342	3.26 424	14.06 293	1.59 369	1.56 372	4.19 327	0.86 190	4.30 374	4.08 431	2.06 221	7.37 427	2.75 292	2.42 336	3.59 222	2.67 356	1.34 431	0.36 295	0.39 280	0.34 262	1.13 409	0.62 335

AnyNet_C32	4.17 407	5.75 440	12.62 272	1.60 371	1.54 365	5.51 439	4.09 445	3.90 249	3.23 405	4.22 426	3.03 386	3.10 321	3.41 383	8.01 313	18.85 459	0.53 355	0.58 389	0.53 360	0.74 400	1.19 417	0.97 391

RASNet	2.56 305	0.70 179	10.06 247	1.60 371	2.25 429	3.67 203	1.00 259	3.38 166	3.14 395	1.81 142	2.11 290	4.60 409	2.30 327	10.25 364	2.61 353	0.37 232	0.24 178	0.25 38	0.24 101	0.28 48	0.26 59

pmcnn	5.45 429	1.22 346	17.40 339	1.60 371	2.41 432	3.48 164	2.12 390	4.52 420	3.26 407	3.67 410	13.15 458	22.10 463	3.46 388	11.92 434	17.16 450	0.34 195	0.21 98	0.23 11	0.19 25	0.36 178	0.28 88

TestStereo1	1.56 136	0.81 248	2.32 110	1.61 374	0.64 145	4.13 302	1.36 324	3.79 223	3.20 403	1.60 101	2.57 358	1.39 117	2.15 316	2.51 187	1.30 192	0.29 95	0.20 69	0.34 218	0.25 110	0.40 205	0.36 178

SA-5K	1.56 136	0.81 248	2.32 110	1.61 374	0.64 145	4.13 302	1.36 324	3.79 223	3.20 403	1.60 101	2.57 358	1.39 117	2.15 316	2.51 187	1.30 192	0.29 95	0.20 69	0.34 218	0.25 110	0.40 205	0.36 178

ADCS	4.22 409	5.33 436	16.32 321	1.64 376	1.31 326	3.91 248	3.64 438	4.21 333	2.89 371	5.11 434	2.81 377	4.46 402	3.06 370	5.21 252	19.50 461	0.63 372	0.64 400	0.69 397	0.69 398	1.12 408	1.26 406

GANet	2.93 341	1.05 309	11.29 262	1.64 376	0.96 247	3.91 248	2.52 404	3.72 212	2.41 300	2.95 383	3.00 384	3.21 328	2.03 304	12.42 440	4.72 387	0.51 347	0.41 335	0.46 322	0.39 317	0.60 330	0.50 292

anonymity	1.76 168	1.26 353	2.73 140	1.66 378	1.32 330	1.84 45	1.07 275	3.49 173	2.30 273	2.11 232	2.11 290	1.71 161	3.90 396	1.82 132	1.48 227	1.10 415	1.09 424	1.08 423	1.08 423	1.05 400	1.09 399

EDNetEfficient	5.61 431	2.14 408	16.75 329	1.67 379	3.64 450	4.12 299	7.51 453	3.05 130	5.63 447	11.57 466	4.83 418	3.95 375	12.72 455	8.44 318	20.78 464	0.41 280	0.43 342	0.47 325	1.01 419	1.66 428	1.39 416

FC-DCNN	6.64 442	0.77 231	19.26 371	1.68 380	1.64 385	8.27 454	2.35 399	6.35 451	9.23 453	10.85 463	11.27 451	19.89 460	13.33 456	12.51 443	11.79 430	0.66 380	0.57 384	0.58 373	0.56 378	0.63 338	0.61 332

FC-DCNN v2	6.91 447	0.77 231	19.25 369	1.69 381	1.64 385	9.13 456	2.40 400	7.20 453	9.47 454	11.07 465	11.62 453	20.05 462	15.79 459	12.55 444	11.99 431	0.66 380	0.57 384	0.58 373	0.56 378	0.63 338	0.61 332

GANet-RSSM	1.98 203	0.62 115	3.49 167	1.69 381	1.23 314	4.22 333	0.91 225	3.31 156	1.86 188	1.81 142	1.74 177	2.34 248	1.82 288	10.92 386	1.73 273	0.34 195	0.29 238	0.31 149	0.28 178	0.39 200	0.40 232

SHD	2.82 329	2.04 406	13.80 288	1.69 381	1.79 406	2.73 90	1.07 275	3.85 234	3.18 399	4.63 430	2.74 368	3.38 344	2.77 353	5.48 259	3.66 376	0.62 371	0.47 364	0.51 352	0.55 376	0.65 348	0.74 363

RAFT_CTSACE	1.80 173	1.06 314	10.00 246	1.71 384	1.39 343	3.49 166	1.06 273	3.05 130	1.62 138	1.70 123	2.04 273	2.51 271	1.80 283	1.98 144	0.94 118	0.25 27	0.22 124	0.28 94	0.30 221	0.30 77	0.26 59

NOSS_ROB	2.27 242	0.73 204	3.00 150	1.71 384	1.00 265	3.90 247	0.97 255	4.29 366	2.81 365	2.94 382	2.19 303	3.88 373	1.19 147	11.77 427	1.62 255	0.59 366	0.54 379	0.56 370	0.52 369	0.56 318	0.54 312

SPS-STEREO	3.97 401	1.44 374	20.85 427	1.72 386	1.71 397	3.24 129	2.30 398	3.55 183	2.68 343	4.79 432	3.66 405	5.44 430	2.97 361	9.11 330	9.35 418	1.15 418	1.10 425	1.06 422	1.02 421	1.16 414	1.18 404
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PASM	2.67 318	2.05 407	9.71 241	1.73 387	1.37 339	2.53 83	1.52 347	3.10 134	2.17 247	2.79 370	1.84 227	2.90 306	1.85 292	11.89 432	2.19 325	0.81 400	0.85 418	0.87 414	1.01 419	1.14 410	1.05 396

tt1	1.79 172	0.73 204	10.41 253	1.75 388	0.36 8	4.55 388	0.79 153	4.22 336	3.37 413	1.08 59	1.80 203	0.74 28	1.48 206	2.21 170	0.65 18	0.29 95	0.16 5	0.31 149	0.22 69	0.30 77	0.29 98

DISCO	2.25 238	0.73 204	10.06 247	1.76 389	1.12 287	3.47 162	1.25 313	3.24 150	2.26 264	2.65 359	1.96 256	4.53 406	1.92 300	4.17 239	3.61 375	0.32 169	0.25 197	0.31 149	0.29 205	0.66 353	0.41 238

EKT-Stereo	6.79 444	0.64 133	4.24 184	1.77 390	106.39 483	4.51 383	0.61 57	3.16 140	1.53 88	1.88 157	1.22 52	1.98 211	1.36 172	3.81 227	0.84 76	0.35 214	0.24 178	0.29 109	0.26 126	0.34 149	0.48 281

ACVNet-DCA	1.85 177	0.74 212	13.77 284	1.78 391	0.36 8	4.48 370	0.74 121	3.98 272	1.53 88	1.01 51	1.81 215	0.72 23	1.62 239	2.13 157	0.64 14	0.29 95	0.17 10	0.32 167	0.21 44	0.33 131	0.32 139

xx1	2.03 212	0.74 212	13.77 284	1.78 391	0.36 8	4.48 370	0.74 121	4.23 340	3.95 429	1.01 51	1.81 215	1.79 178	1.34 169	2.13 157	0.64 14	0.29 95	0.17 10	0.33 201	0.33 255	0.33 131	0.32 139

1test111	1.99 206	0.74 212	13.77 284	1.78 391	0.36 8	4.48 370	0.74 121	3.98 272	1.53 88	1.01 51	1.81 215	0.72 23	1.62 239	4.66 243	0.98 127	0.29 95	0.17 10	0.32 167	0.21 44	0.33 131	0.32 139

cc1	1.98 203	0.74 212	13.77 284	1.78 391	0.36 8	4.48 370	0.74 121	4.23 340	3.95 429	1.01 51	1.81 215	0.72 23	1.62 239	2.13 157	0.64 14	0.29 95	0.17 10	0.32 167	0.21 44	0.31 92	0.29 98

XX-Stereo	2.54 300	0.61 106	20.21 401	1.78 391	1.19 303	4.30 347	0.46 21	4.39 398	1.58 116	2.32 303	1.89 245	4.64 412	0.60 10	4.16 238	0.82 71	0.31 151	0.21 98	0.28 94	0.27 151	0.51 298	0.26 59

Pruner-Stereo	1.32 114	0.59 83	2.11 91	1.79 396	0.47 73	4.73 422	0.79 153	2.53 73	1.72 163	2.47 331	1.58 133	1.48 129	1.03 96	1.66 115	1.47 224	0.44 302	0.21 98	0.34 218	0.30 221	0.30 77	0.39 212

PVD	3.12 366	1.97 403	12.80 274	1.79 396	1.63 383	3.83 228	1.34 321	3.48 170	3.88 426	5.77 437	3.56 404	3.45 347	3.29 378	5.58 263	5.30 395	0.71 392	0.69 409	0.74 407	0.77 404	0.79 380	1.13 402

DN-CSS_ROB	1.91 189	1.55 381	11.13 261	1.82 398	0.88 227	3.99 274	0.61 57	4.01 280	1.67 149	1.64 112	1.89 245	1.39 117	1.06 112	3.23 215	1.50 231	0.31 151	0.19 44	0.44 311	0.29 205	0.37 186	0.31 132

DANet	2.63 312	1.07 315	8.10 223	1.83 399	1.70 396	3.25 132	1.16 295	4.31 377	2.38 295	3.40 405	2.18 301	4.08 384	1.80 283	9.77 344	3.89 379	0.52 353	0.55 381	0.59 376	0.44 343	0.63 338	0.86 382
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MFN_U_SF_RVC	3.81 395	10.78 462	15.01 308	1.84 400	1.39 343	3.73 212	1.63 358	4.05 293	3.26 407	2.91 376	2.38 340	4.36 400	3.65 391	8.43 317	4.91 391	1.11 417	1.04 422	0.99 418	1.31 431	1.58 426	1.75 426

iResNet	2.52 297	0.94 289	21.17 439	1.84 400	0.72 174	3.75 214	0.81 168	4.14 320	2.55 328	2.33 309	2.03 270	1.35 112	1.44 195	3.27 216	2.16 324	0.35 214	0.23 148	0.28 94	0.22 69	0.44 263	0.45 262

SGM_RVC	4.57 414	0.72 193	17.46 342	1.84 400	0.58 130	4.23 336	3.45 431	4.66 429	3.66 422	7.99 451	8.82 441	7.56 439	8.74 451	12.30 437	6.84 403	0.43 295	0.38 314	0.39 280	0.35 276	0.51 298	0.48 281
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SAMSARA	3.55 385	2.16 409	14.18 295	1.86 403	1.49 359	4.62 400	2.65 409	3.58 187	2.80 359	7.05 446	3.05 387	5.16 427	4.07 399	9.18 333	4.80 389	0.64 375	0.67 405	0.59 376	0.68 396	0.89 388	0.91 387

MADNet+	3.97 401	9.54 458	13.83 289	1.87 404	1.69 395	4.19 327	2.87 415	4.80 435	4.10 432	2.51 336	2.67 364	4.55 407	3.41 383	8.72 321	6.92 405	1.25 424	1.27 431	1.04 420	0.93 415	1.39 424	1.85 427

WAO-7	5.16 424	3.21 423	18.98 365	1.88 405	1.44 354	5.34 437	3.09 425	4.91 437	5.81 448	4.35 427	8.92 442	6.55 434	6.06 427	13.40 451	10.81 423	1.34 431	1.20 430	1.48 432	1.35 434	1.60 427	1.45 417

GCST	2.56 305	1.79 396	18.02 349	1.92 406	1.33 333	1.72 41	0.51 30	3.67 198	2.03 212	1.70 123	1.61 145	1.55 137	1.29 161	5.06 249	1.24 177	2.06 435	0.77 415	1.45 431	0.97 417	1.14 410	1.34 412

DGSMNet	7.55 450	1.62 382	17.42 340	1.92 406	12.73 467	7.45 452	42.99 480	4.13 314	2.07 223	2.10 228	3.16 394	3.42 345	1.70 266	9.24 334	2.30 331	3.70 453	10.89 474	11.80 476	5.54 467	4.24 450	2.66 442

RTS	3.90 397	7.04 443	17.94 347	1.92 406	2.19 426	5.00 433	2.96 418	4.29 366	3.19 400	4.05 418	3.08 388	4.94 418	3.16 372	7.64 306	6.72 399	0.66 380	0.44 347	0.51 352	0.47 352	0.95 393	0.76 368

RTSA	3.90 397	7.04 443	17.94 347	1.92 406	2.19 426	5.00 433	2.96 418	4.29 366	3.19 400	4.05 418	3.08 388	4.94 418	3.16 372	7.64 306	6.72 399	0.66 380	0.44 347	0.51 352	0.47 352	0.95 393	0.76 368

JetBlue	6.27 440	9.15 455	13.76 283	1.94 410	4.60 463	11.91 459	12.00 461	5.12 439	3.45 417	3.79 412	4.52 415	9.54 445	6.56 436	9.40 337	13.48 435	1.26 425	1.37 433	1.17 427	1.34 433	7.06 467	3.95 462

ELAS	5.99 437	1.62 382	20.29 409	1.96 411	2.01 419	15.09 466	8.38 457	5.23 441	5.54 445	9.02 455	8.61 437	6.74 435	9.75 453	7.48 303	11.40 427	0.96 410	1.18 427	0.72 404	0.93 415	1.30 421	1.67 422
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AnyNet_C01	4.37 411	7.80 445	16.40 322	1.98 412	1.40 345	6.37 444	6.47 451	4.09 304	5.03 441	4.06 420	3.78 407	4.16 389	3.31 379	6.62 285	10.00 420	0.61 369	0.67 405	0.63 388	0.67 393	2.01 430	1.31 409

PDISCO_ROB	2.86 332	1.53 380	14.27 297	1.98 412	2.19 426	4.52 384	1.35 322	4.65 428	3.19 400	2.09 225	2.16 298	3.53 358	2.45 339	5.32 253	2.12 318	1.30 429	0.78 416	0.72 404	0.59 384	1.24 419	1.28 407

SGM+DAISY	8.36 452	3.82 429	24.83 467	2.02 414	1.75 401	14.80 465	17.22 466	4.27 358	11.79 458	13.88 467	14.38 461	11.74 450	13.83 457	10.56 370	15.12 438	1.21 419	1.19 429	1.14 426	1.13 426	1.17 415	1.37 413

AAGNet	2.86 332	0.60 92	1.77 53	2.05 415	0.46 63	4.76 427	1.09 282	2.27 55	1.56 108	2.17 255	1.84 227	2.41 257	4.00 397	6.23 277	24.22 468	0.46 316	0.19 44	0.30 128	0.29 205	0.32 115	0.24 34

iResNetv2_ROB	2.65 314	5.00 435	19.28 373	2.06 416	1.09 283	3.83 228	1.13 291	4.14 320	2.09 227	1.85 147	2.03 270	2.01 217	1.51 216	3.58 221	1.58 245	0.34 195	0.21 98	0.32 167	0.21 44	0.44 263	0.29 98

ELAS_RVC	5.72 434	1.64 387	20.40 413	2.09 417	2.01 419	4.95 432	11.47 460	4.66 429	6.31 451	8.09 452	8.01 431	8.06 443	11.65 454	8.36 315	10.22 421	0.99 412	1.17 426	0.81 412	0.76 402	1.14 410	1.58 420
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM-ForestM	11.55 459	1.16 333	21.62 451	2.14 418	0.81 196	22.25 472	19.08 469	16.50 472	11.34 456	15.94 470	14.44 462	27.12 472	22.61 471	24.76 472	28.39 476	0.50 341	0.48 370	0.47 325	0.44 343	0.55 312	0.53 306

PFNet	2.47 288	0.60 92	16.95 332	2.15 419	0.81 196	4.63 402	0.91 225	2.55 83	1.52 83	2.40 323	2.79 373	1.83 189	1.42 189	7.54 304	1.34 202	0.33 183	0.21 98	0.36 249	0.27 151	0.32 115	0.39 212

PSM-softLoss	1.66 155	0.59 83	5.15 197	2.25 420	0.48 79	4.68 409	0.69 94	2.57 88	1.52 83	2.14 238	1.45 101	1.42 123	0.99 89	6.04 272	1.20 165	0.41 280	0.23 148	0.37 261	0.39 317	0.32 115	0.31 132

KMStereo	1.66 155	0.59 83	5.15 197	2.25 420	0.48 79	4.68 409	0.69 94	2.57 88	1.52 83	2.14 238	1.45 101	1.42 123	0.99 89	6.04 272	1.20 165	0.41 280	0.23 148	0.37 261	0.39 317	0.32 115	0.31 132

NF-Stereo	1.58 139	0.61 106	2.66 135	2.26 422	0.47 73	4.68 409	0.67 85	3.31 156	1.48 56	2.11 232	1.59 137	1.36 113	1.09 117	6.08 274	1.20 165	0.40 266	0.20 69	0.36 249	0.34 262	0.31 92	0.36 178

RE-Stereo	1.58 139	0.61 106	2.72 137	2.26 422	0.46 63	4.68 409	0.68 89	3.31 156	1.48 56	2.11 232	1.59 137	1.36 113	1.09 117	6.01 269	1.22 172	0.41 280	0.20 69	0.36 249	0.34 262	0.31 92	0.37 192

TVStereo	1.58 139	0.61 106	2.72 137	2.26 422	0.46 63	4.68 409	0.68 89	3.31 156	1.48 56	2.11 232	1.59 137	1.36 113	1.09 117	6.01 269	1.22 172	0.41 280	0.20 69	0.36 249	0.34 262	0.31 92	0.37 192

OCTAStereo	1.58 139	0.61 106	2.72 137	2.27 425	0.46 63	4.68 409	0.67 85	3.30 155	1.48 56	2.11 232	1.59 137	1.36 113	1.09 117	6.02 271	1.21 169	0.41 280	0.20 69	0.36 249	0.34 262	0.31 92	0.37 192

CRFU-Net	2.49 292	0.78 237	10.36 251	2.30 426	1.08 280	3.91 248	1.41 336	3.85 234	1.65 146	2.15 246	1.76 189	3.34 340	7.95 446	5.56 261	1.48 227	0.47 325	0.35 291	0.30 128	0.28 178	0.37 186	0.43 250

G-Net	4.11 405	1.21 340	19.47 376	2.31 427	2.94 439	4.74 425	2.95 417	3.33 163	2.14 242	4.44 428	9.43 443	6.93 437	3.84 394	9.01 329	4.92 392	0.79 396	0.80 417	0.70 399	0.50 363	0.95 393	0.87 385

CC-Net-ROB	3.35 381	1.76 394	13.89 290	2.33 428	1.65 389	4.49 376	1.62 357	4.73 432	2.90 372	1.92 170	2.05 279	1.99 213	1.61 236	12.57 445	1.60 249	2.46 438	2.18 445	2.68 446	1.04 422	2.11 432	1.38 415

IRAFT_RVC	1.87 179	0.60 92	4.33 185	2.40 429	0.66 156	4.59 396	1.59 355	2.96 122	1.51 75	2.23 277	1.75 181	2.09 228	2.63 349	6.70 288	1.50 231	0.33 183	0.21 98	0.33 201	0.29 205	0.32 115	0.32 139

MaskLacGwcNet_RVC	3.13 367	1.43 373	9.93 245	2.50 430	1.62 381	4.29 345	1.68 367	3.95 264	2.43 303	1.66 117	1.91 251	3.04 317	1.41 185	13.26 448	1.58 245	3.82 454	1.59 436	1.12 425	0.46 349	2.21 433	2.74 447

MDST_ROB	5.53 430	0.59 83	23.11 461	2.55 431	2.69 434	21.20 470	1.98 383	4.77 434	2.65 338	9.36 456	4.25 412	4.14 388	4.45 407	22.57 466	3.68 377	0.48 329	0.33 276	0.47 325	0.44 343	0.44 263	0.44 256

testlalala2	2.31 254	0.63 124	20.54 419	2.56 432	2.87 438	3.79 222	0.76 133	4.20 328	1.48 56	1.42 86	1.43 99	2.45 264	0.80 53	1.03 13	0.68 26	0.27 47	0.25 197	0.24 24	0.21 44	0.33 131	0.28 88

UDG	3.55 385	2.81 422	17.45 341	2.69 433	1.98 417	3.97 271	1.19 302	4.35 387	2.02 210	2.42 325	2.53 353	4.50 403	2.46 341	6.53 282	2.41 338	2.12 436	1.77 440	2.63 445	2.57 457	2.64 436	1.95 429

SQANet	3.70 390	9.34 457	18.41 356	2.75 434	2.74 435	3.40 151	1.47 341	3.50 175	1.68 151	2.60 350	1.75 181	2.69 284	1.91 299	6.72 291	1.74 274	2.96 441	1.41 434	1.85 434	1.12 424	3.17 438	2.70 446

OMP-Stereo	1.97 201	0.93 283	1.88 61	2.76 435	0.67 162	4.58 395	1.48 342	4.31 377	1.54 96	3.15 395	2.76 371	3.25 332	1.38 173	7.66 309	1.35 203	0.40 266	0.20 69	0.33 201	0.26 126	0.33 131	0.24 34

IIG-Stereo	1.95 197	0.79 240	2.14 92	2.78 436	0.66 156	4.62 400	0.76 133	4.27 358	1.53 88	2.63 356	3.14 393	3.35 341	1.61 236	7.65 308	1.41 210	0.39 260	0.20 69	0.31 149	0.25 110	0.33 131	0.22 17

PWCK	5.85 435	9.95 459	15.22 314	2.90 437	1.56 372	5.66 441	7.69 454	5.27 442	4.74 438	3.88 413	7.51 428	8.04 441	5.28 417	15.18 460	8.40 414	3.08 444	1.51 435	2.24 439	1.37 435	5.55 460	1.96 430

WAO-6	5.87 436	2.27 410	15.05 309	2.96 438	2.77 436	12.01 460	3.58 437	5.37 447	11.91 459	3.34 402	9.69 444	6.78 436	5.84 424	11.82 430	8.89 417	2.87 440	2.35 453	2.50 440	1.84 444	2.85 437	2.67 443

CAS	1.26 100	0.40 2	1.46 29	2.97 439	1.61 380	4.13 302	0.73 110	1.78 25	1.49 64	0.83 36	1.10 39	0.59 5	0.53 4	1.26 54	0.80 63	2.99 443	0.13 1	0.21 4	0.13 1	0.31 92	1.72 424

MFMNet_re	2.91 338	1.91 399	18.25 351	3.06 440	1.89 413	3.13 119	1.67 365	3.52 179	2.97 379	3.14 393	2.87 380	2.26 237	2.41 335	2.42 178	2.00 304	1.10 415	1.05 423	0.94 416	0.90 413	1.28 420	1.46 419

otaku	4.58 415	8.93 452	19.95 390	3.11 441	2.67 433	3.91 248	2.57 407	3.82 227	2.25 261	2.22 273	9.72 445	4.08 384	2.35 332	8.57 319	2.13 321	3.51 449	1.65 438	2.15 438	1.17 427	3.69 444	3.15 450

Ntro	4.21 408	8.94 453	19.89 388	3.22 442	2.96 440	4.15 306	1.89 378	3.92 258	2.36 286	1.77 135	2.14 295	3.35 341	2.17 321	9.48 339	2.24 328	3.52 450	1.76 439	2.13 437	1.31 431	3.83 447	3.09 448

ACVNet_2	5.41 428	12.60 465	20.42 415	3.27 443	3.15 446	4.50 379	3.02 421	4.66 429	3.73 424	3.35 404	5.36 421	7.86 440	2.88 357	12.33 439	4.76 388	3.12 445	2.22 447	2.70 447	1.69 437	3.49 440	3.10 449

WAO-8	11.95 460	13.02 466	20.56 420	3.50 444	3.08 443	15.11 467	2.80 412	12.91 463	19.11 469	7.69 448	13.12 456	11.62 448	7.01 440	84.40 487	7.91 411	3.42 447	1.92 442	3.54 459	1.93 447	3.68 442	2.69 444

Venus	11.95 460	13.02 466	20.56 420	3.50 444	3.08 443	15.11 467	2.80 412	12.91 463	19.11 469	7.69 448	13.12 456	11.62 448	7.01 440	84.40 487	7.91 411	3.42 447	1.92 442	3.54 459	1.93 447	3.68 442	2.69 444

DDUNet	2.91 338	2.78 421	6.94 213	3.53 446	2.26 430	3.28 138	1.36 324	3.77 219	2.04 216	2.62 353	2.49 347	4.18 390	1.69 265	5.38 255	1.85 286	2.21 437	1.77 440	2.61 444	2.43 455	2.60 435	2.34 437

ACVNet-4b	6.73 443	13.67 469	21.87 454	3.54 447	3.07 442	4.19 327	2.25 395	4.03 285	3.65 421	1.64 112	3.98 411	5.88 431	2.89 358	10.01 357	16.98 449	23.29 478	2.24 448	2.53 441	1.78 441	3.87 448	3.21 453

ACVNet_1	6.04 438	13.97 470	21.36 444	3.58 448	3.14 445	4.73 422	2.48 402	4.20 328	3.17 398	2.98 384	2.83 379	23.31 465	4.34 405	11.06 393	2.45 341	3.68 451	2.33 451	2.60 443	1.79 442	3.69 444	3.19 452

LVE	6.88 446	9.31 456	21.14 436	3.61 449	3.18 447	4.49 376	2.79 411	10.21 458	11.69 457	3.16 396	11.53 452	18.33 458	4.31 404	11.66 421	3.52 374	4.45 462	2.93 457	2.56 442	1.91 446	3.62 441	3.16 451

RainbowNet	4.56 413	8.28 446	20.07 396	3.64 450	3.23 448	4.15 306	2.99 420	4.18 325	3.03 387	2.20 263	2.65 363	4.26 395	2.90 359	9.77 344	2.12 318	3.88 455	2.27 449	2.71 448	1.72 440	3.78 446	3.31 455

Dean	7.52 449	9.08 454	21.41 445	3.74 451	3.53 449	4.81 429	3.53 434	5.33 446	5.25 442	4.17 422	26.53 471	25.62 471	4.09 400	10.97 387	4.32 381	3.69 452	2.30 450	2.91 449	1.87 445	4.03 449	3.24 454

DispFullNet	4.64 416	3.48 427	23.95 466	3.99 452	3.03 441	3.35 145	1.06 273	4.18 325	2.80 359	6.33 443	2.94 381	4.04 382	7.81 445	3.92 233	5.16 393	2.75 439	1.61 437	3.10 453	2.68 460	3.32 439	3.31 455

tt	7.19 448	0.51 18	6.83 210	4.03 453	2.30 431	12.05 461	20.19 471	15.46 470	6.58 452	3.42 406	3.22 395	5.37 428	6.39 435	4.20 240	7.46 409	9.81 471	11.53 475	7.05 469	7.46 470	6.31 462	3.71 460

test_for_model	2.16 227	3.87 430	1.58 40	4.16 454	3.64 450	2.51 81	0.96 252	3.63 191	2.62 333	2.45 328	1.39 91	1.02 67	0.73 30	0.92 5	0.57 5	2.97 442	2.19 446	0.26 52	0.17 10	5.32 459	2.24 434

TorneroNet	25.88 474	11.28 464	21.62 451	4.20 455	4.07 458	55.25 482	3.15 426	15.16 469	76.94 484	58.09 480	82.72 485	86.88 486	41.15 477	13.35 450	18.13 455	4.32 458	2.85 455	3.45 455	2.62 458	8.33 471	4.14 464

JetRed	10.48 456	27.10 475	35.70 473	4.27 456	4.09 459	15.55 469	12.83 462	12.16 460	5.50 444	5.83 438	5.56 423	10.14 446	7.43 442	8.88 324	26.39 472	3.32 446	3.81 466	3.51 457	2.96 465	7.85 468	6.69 471

TorneroNet-64	10.12 454	8.74 448	20.95 432	4.27 456	3.76 455	13.86 464	2.85 414	15.05 468	23.15 472	10.07 460	23.84 469	13.47 453	8.24 449	13.96 458	17.21 451	3.96 457	2.72 454	3.23 454	2.48 456	6.29 461	4.27 465

IMH-64-1	4.84 420	2.53 416	6.83 210	4.30 458	3.74 452	4.81 429	6.05 448	5.30 443	3.92 427	3.95 416	8.33 434	5.08 424	6.06 427	8.96 327	6.30 396	4.57 464	2.96 459	3.04 450	2.12 452	4.28 451	3.62 458

IMH-64	4.84 420	2.53 416	6.83 210	4.30 458	3.74 452	4.81 429	6.05 448	5.30 443	3.92 427	3.95 416	8.33 434	5.08 424	6.06 427	8.96 327	6.30 396	4.57 464	2.96 459	3.04 450	2.12 452	4.28 451	3.62 458

IMH	6.81 445	13.66 468	20.41 414	4.33 460	3.74 452	5.50 438	3.06 423	5.49 449	6.22 449	4.64 431	10.35 447	9.30 444	8.03 448	13.61 454	6.81 401	4.80 467	2.99 462	3.09 452	2.12 452	4.36 453	3.61 457

KSHMR	16.96 467	5.37 437	21.64 453	4.46 461	4.50 461	8.30 455	3.32 428	15.58 471	76.24 483	6.62 445	61.47 481	56.53 481	5.43 420	35.17 478	11.37 426	4.39 460	2.97 461	3.63 461	2.74 462	5.10 458	4.34 466

ktn	21.74 472	10.34 460	19.68 381	4.53 462	4.00 457	6.53 446	4.51 446	6.79 452	78.82 485	84.69 485	100.86 488	58.49 482	7.57 444	12.11 436	13.35 434	4.58 466	3.24 464	3.49 456	2.62 458	4.65 456	3.84 461

notaker	10.50 457	8.60 447	20.23 402	4.54 463	3.95 456	6.27 443	3.44 430	8.07 456	4.75 439	8.73 453	46.45 476	13.86 456	27.86 472	13.49 452	13.61 436	4.56 463	3.18 463	3.52 458	2.68 460	8.13 470	4.05 463

BEATNet-Init1	49.72 483	64.32 485	97.77 486	4.68 464	4.28 460	84.75 487	60.42 481	73.38 486	68.59 482	88.29 486	88.51 487	91.94 487	97.99 487	85.26 489	70.96 488	0.80 398	0.65 401	0.85 413	0.70 399	7.96 469	2.33 436

MANE	11.39 458	1.38 368	23.16 462	4.82 465	2.79 437	22.02 471	14.51 464	25.81 473	26.28 473	10.93 464	13.17 459	19.90 461	18.03 465	15.69 462	20.41 463	0.96 410	0.74 413	1.42 430	3.24 466	0.74 372	1.71 423

UNDER WATER	10.47 455	3.95 431	22.62 460	5.07 466	4.51 462	7.78 453	3.77 440	12.56 462	21.72 471	7.84 450	10.78 448	23.96 467	31.66 473	10.78 380	16.19 445	4.44 461	2.93 457	4.24 462	2.86 463	6.33 463	5.47 470

UNDER WATER-64	9.33 453	5.37 437	22.60 459	5.22 467	4.86 464	10.75 458	4.61 447	11.45 459	17.30 464	7.59 447	9.80 446	15.99 457	17.90 464	10.63 373	15.72 441	4.36 459	2.87 456	4.39 466	2.86 463	7.01 466	5.36 469

MADNet++	7.57 451	5.80 441	13.28 277	6.38 468	5.26 465	7.18 448	7.77 455	5.32 445	5.62 446	6.11 441	7.78 429	6.02 433	8.01 447	11.74 426	16.36 446	9.36 470	4.95 468	8.57 471	5.66 468	4.83 457	5.34 468

HanzoNet	31.60 476	17.23 471	21.22 441	7.32 469	5.84 466	7.25 450	3.53 434	13.82 467	14.20 462	50.38 478	47.01 477	44.45 475	56.61 483	36.61 479	32.00 477	63.89 484	56.57 485	7.97 470	89.20 485	28.69 475	28.25 478

PML	64.32 485	53.22 483	17.88 346	8.10 470	32.94 474	148.46 489	247.79 490	12.18 461	45.42 480	111.41 487	288.92 490	101.47 488	101.31 488	31.67 474	15.55 439	14.03 474	4.83 467	10.98 473	6.18 469	28.82 476	5.17 467

LE_ROB	18.58 468	1.21 340	48.38 479	8.60 471	23.00 472	7.32 451	19.74 470	9.94 457	38.69 477	43.53 475	21.91 466	28.40 473	40.92 476	23.18 468	54.71 481	0.34 195	0.33 276	0.32 167	0.36 286	0.42 246	0.40 232

DGTPSM_ROB	15.31 465	8.85 450	28.14 471	9.90 472	18.89 468	12.44 462	33.21 474	13.48 465	17.86 467	9.50 457	22.89 467	13.78 454	19.67 466	21.26 464	23.68 466	5.08 468	8.84 469	5.62 467	11.50 471	6.72 464	14.87 472

DPSMNet_ROB	15.52 466	8.89 451	31.44 472	10.07 473	18.91 469	12.44 462	33.22 475	13.51 466	17.94 468	9.58 458	22.91 468	13.79 455	19.67 466	21.43 465	23.73 467	5.17 469	8.84 469	5.63 468	11.52 474	6.79 465	14.90 473

Anonymous_1	57.11 484	19.68 472	26.15 468	23.10 474	142.31 486	30.84 473	39.75 477	33.86 479	16.98 463	70.53 484	15.42 463	23.46 466	19.75 468	23.04 467	27.23 473	164.73 489	9.02 471	130.38 486	137.40 486	161.27 489	27.24 477

DPSM_ROB	20.78 470	20.03 473	26.57 469	23.62 475	22.46 470	31.10 474	39.97 478	33.52 477	17.41 465	15.25 468	15.80 464	24.06 468	20.71 469	23.30 469	27.62 474	10.78 472	9.41 472	11.69 474	11.50 471	14.49 473	16.36 474

DPSM	20.78 470	20.03 473	26.57 469	23.62 475	22.46 470	31.10 474	39.97 478	33.52 477	17.41 465	15.25 468	15.80 464	24.06 468	20.71 469	23.30 469	27.62 474	10.78 472	9.41 472	11.69 474	11.50 471	14.49 473	16.36 474

LRCNet_RVC	25.52 473	33.45 476	23.21 464	31.79 477	32.78 473	6.74 447	1.18 299	25.88 474	4.46 433	28.94 471	30.89 472	24.91 470	17.57 463	27.66 473	24.34 469	35.26 480	25.60 481	35.91 480	33.81 479	31.90 480	34.10 481

HaxPig	43.25 479	43.65 480	45.00 477	33.85 478	35.61 475	32.69 476	30.52 472	45.09 480	42.97 478	48.77 476	48.17 478	43.00 474	40.26 475	44.58 480	43.61 478	47.18 481	49.30 482	51.54 482	50.25 481	43.73 481	45.29 482

MEDIAN_ROB	47.37 481	49.08 482	49.92 480	40.32 479	39.97 477	34.95 478	33.43 476	49.17 482	46.39 481	53.06 479	52.65 480	47.65 477	42.23 481	48.35 485	47.29 480	52.10 483	54.04 484	54.28 483	53.48 482	48.76 483	50.33 484

AVERAGE_ROB	44.46 480	45.91 481	46.59 478	40.59 480	38.66 476	32.99 477	30.52 472	46.19 481	43.26 479	49.59 477	48.97 479	44.62 476	39.89 474	45.04 481	43.94 479	48.74 482	50.69 483	50.80 481	49.79 480	45.54 482	46.97 483

Selective-RAFT-Error	41.77 477	40.16 478	53.34 482	47.73 481	45.25 479	62.51 483	80.64 486	67.22 483	34.93 475	30.64 473	31.81 473	48.11 478	42.11 480	46.57 482	54.95 482	21.61 476	18.87 478	23.48 477	23.15 477	29.16 477	33.08 480

CasAABBNet	41.80 478	40.20 479	53.41 483	47.73 481	45.18 478	62.51 483	80.71 487	67.26 484	34.80 474	30.49 472	31.88 474	48.24 479	41.81 479	46.63 484	55.64 484	21.60 475	18.88 479	23.48 477	23.22 478	29.19 478	33.05 479

LSM	12.71 463	3.52 428	20.79 426	55.63 483	84.76 481	3.63 200	6.30 450	3.73 213	4.93 440	5.55 436	13.92 460	3.53 358	3.25 377	9.72 343	4.12 380	0.64 375	0.85 418	0.71 400	0.81 409	1.03 399	26.84 476

LSM0	49.58 482	40.04 477	53.62 484	97.15 484	128.68 485	62.75 485	79.89 485	67.63 485	35.11 476	33.02 474	32.61 475	48.43 480	41.60 478	46.60 483	55.43 483	21.63 477	18.99 480	23.62 479	23.13 476	29.47 479	52.26 485

DPSimNet_ROB	102.30 486	119.72 490	143.59 488	109.42 485	94.10 482	127.22 488	127.15 488	26.62 475	102.36 489	149.58 489	83.99 486	139.34 489	137.54 489	64.62 486	82.36 489	105.18 485	66.15 486	120.15 485	69.61 484	99.58 485	77.72 486

DLNR_Zeroshot_test	28.62 475	55.50 484	49.94 481	183.62 486	115.05 484	3.43 153	0.28 1	29.49 476	1.49 64	1.01 51	1.26 62	0.93 59	0.63 16	3.92 233	1.51 237	29.81 479	0.41 335	0.26 52	0.23 79	93.28 484	0.32 139

test_example2	212.63 490	219.92 491	221.87 490	213.67 487	221.17 490	199.47 490	200.74 489	185.30 490	141.66 490	209.52 490	213.45 489	210.82 490	205.48 490	221.27 490	216.64 490	236.83 490	242.07 490	213.93 487	217.01 487	235.69 490	226.10 490

xxxxx1	112.33 487	88.53 486	37.76 474	227.84 488	157.23 487	39.05 479	61.41 482	93.76 487	79.29 486	62.45 481	74.79 482	78.32 483	70.96 484	33.47 475	70.69 485	114.00 486	130.36 487	259.31 488	274.34 488	145.54 486	147.50 487

tt_ll	112.33 487	88.53 486	37.76 474	227.84 488	157.23 487	39.05 479	61.41 482	93.76 487	79.29 486	62.45 481	74.79 482	78.32 483	70.96 484	33.47 475	70.69 485	114.00 486	130.36 487	259.31 488	274.34 488	145.54 486	147.50 487

ff	112.33 487	88.53 486	37.76 474	227.84 488	157.23 487	39.05 479	61.41 482	93.76 487	79.29 486	62.45 481	74.79 482	78.32 483	70.96 484	33.47 475	70.69 485	114.00 486	130.36 487	259.31 488	274.34 488	145.54 486	147.50 487

ASD4		113.98 489

Low-res two-view benchmark