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

trnet	0.28 9	0.26 48	1.32 41	0.19 1	0.12 3	0.54 112	0.15 4	0.48 35	0.46 69	0.27 48	0.33 58	0.24 27	0.21 30	0.30 23	0.21 34	0.10 96	0.07 14	0.08 4	0.05 1	0.09 10	0.07 3

CREStereo	0.28 9	0.30 88	1.33 43	0.19 1	0.13 9	0.55 124	0.17 11	0.48 35	0.46 69	0.27 48	0.33 58	0.24 27	0.21 30	0.31 30	0.21 34	0.11 151	0.07 14	0.08 4	0.05 1	0.10 16	0.07 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
PMTNet	0.31 28	0.35 125	1.30 38	0.20 3	0.14 17	0.57 156	0.25 134	0.46 24	0.42 40	0.27 48	0.32 53	0.27 50	0.24 56	0.39 77	0.23 51	0.43 412	0.07 14	0.08 4	0.05 1	0.18 179	0.07 3

Occ-G	0.30 21	0.30 88	1.33 43	0.23 4	0.15 31	0.36 25	0.25 134	0.43 16	0.31 2	0.26 43	0.35 68	0.46 170	0.22 39	0.30 23	0.25 81	0.09 23	0.07 14	0.09 30	0.16 274	0.31 326	0.08 13

IGEV-BASED-STEREO-	0.37 68	1.34 427	1.24 31	0.23 4	0.12 3	0.33 15	0.20 34	0.40 6	0.33 6	0.25 35	0.21 4	0.16 1	0.14 1	0.27 5	0.63 296	0.55 423	0.06 1	0.11 120	0.13 205	0.25 273	0.49 413

WCG-NET（raft）	0.32 33	0.53 212	1.21 28	0.23 4	0.12 3	0.44 40	0.24 119	0.40 6	0.50 100	0.35 68	0.35 68	0.47 178	0.25 69	0.35 55	0.20 24	0.08 5	0.29 393	0.08 4	0.07 15	0.22 239	0.11 55

LoS	0.31 28	0.30 88	1.52 80	0.23 4	0.13 9	0.54 112	0.20 34	0.48 35	0.49 92	0.25 35	0.28 29	0.37 95	0.24 56	0.38 73	0.23 51	0.10 96	0.08 68	0.08 4	0.05 1	0.15 101	0.07 3
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.30 21	0.27 52	1.09 16	0.23 4	0.50 388	0.40 33	0.20 34	0.46 24	0.44 51	0.22 12	0.28 29	0.26 44	0.19 18	0.33 45	0.21 34	0.09 23	0.07 14	0.08 4	0.05 1	0.15 101	0.49 413

s12784h	0.36 62	0.28 73	1.58 87	0.23 4	0.11 1	0.62 239	0.24 119	0.79 232	0.64 236	0.44 113	0.52 183	0.28 58	0.26 83	0.50 141	0.24 70	0.11 151	0.06 1	0.09 30	0.06 8	0.16 134	0.06 1

TANstereo	0.33 40	0.49 198	1.75 127	0.23 4	0.12 3	0.54 112	0.16 9	0.40 6	0.45 64	0.45 123	0.51 171	0.26 44	0.22 39	0.29 18	0.20 24	0.10 96	0.10 159	0.08 4	0.06 8	0.08 1	0.11 55

IGEV-Stereo++	0.23 1	0.23 27	0.64 4	0.24 11	0.22 168	0.47 57	0.13 1	0.52 60	0.33 6	0.18 2	0.24 14	0.17 2	0.22 39	0.32 37	0.19 6	0.08 5	0.06 1	0.08 4	0.06 8	0.17 155	0.09 23

Pointernet	0.29 15	0.25 38	1.49 74	0.24 11	0.20 137	0.47 57	0.15 4	0.62 117	0.47 84	0.22 12	0.29 34	0.26 44	0.20 24	0.28 9	0.20 24	0.10 96	0.07 14	0.07 1	0.12 176	0.10 16	0.07 3

rvit_stereo_0080	0.27 5	0.38 138	0.76 5	0.24 11	0.18 96	0.34 18	0.27 178	0.54 78	0.44 51	0.24 22	0.26 24	0.27 50	0.22 39	0.29 18	0.23 51	0.13 228	0.10 159	0.10 70	0.10 86	0.15 101	0.11 55

whm_eth	0.27 5	0.38 138	0.76 5	0.24 11	0.18 96	0.34 18	0.27 178	0.54 78	0.44 51	0.24 22	0.26 24	0.27 50	0.22 39	0.29 18	0.23 51	0.13 228	0.10 159	0.10 70	0.10 86	0.15 101	0.11 55

MaDis-Stereo	0.29 15	0.54 216	1.44 62	0.24 11	0.29 255	0.29 6	0.16 9	0.45 22	0.37 17	0.19 4	0.21 4	0.28 58	0.22 39	0.30 23	0.29 119	0.10 96	0.09 127	0.10 70	0.08 36	0.11 29	0.11 55

knoymous	0.34 47	0.25 38	1.75 127	0.24 11	0.18 96	0.45 41	0.24 119	0.57 89	0.38 19	0.41 97	0.39 92	0.55 213	0.25 69	0.38 73	0.23 51	0.11 151	0.08 68	0.12 171	0.07 15	0.13 66	0.12 86

fff	0.43 119	0.77 301	1.95 233	0.24 11	0.13 9	0.51 82	0.22 69	0.77 202	0.75 337	0.54 212	0.47 130	0.31 69	0.65 341	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 271

DRaft	0.62 294	0.38 138	1.76 131	0.24 11	0.16 45	0.64 267	0.66 389	0.53 68	0.53 133	0.67 335	0.99 387	0.38 102	1.00 400	1.44 287	2.10 418	0.10 96	0.14 261	0.10 70	0.14 233	0.18 179	0.21 261

CREStereo++_RVC	0.33 40	0.29 78	1.74 121	0.24 11	0.16 45	0.54 112	0.15 4	0.40 6	0.55 150	0.37 76	0.51 171	0.24 27	0.19 18	0.27 5	0.26 88	0.09 23	0.06 1	0.08 4	0.30 376	0.08 1	0.06 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
csc	0.43 119	0.77 301	1.95 233	0.24 11	0.13 9	0.51 82	0.22 69	0.77 202	0.75 337	0.54 212	0.47 130	0.31 69	0.65 341	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 271

cscssc	0.43 119	0.77 301	1.95 233	0.24 11	0.13 9	0.51 82	0.22 69	0.77 202	0.75 337	0.54 212	0.47 130	0.31 69	0.65 341	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 271

111	0.48 175	1.09 393	1.95 233	0.24 11	0.13 9	0.59 188	0.26 153	0.83 251	0.78 355	0.48 151	0.52 183	0.56 225	0.38 186	0.49 135	0.38 192	0.09 23	0.07 14	0.09 30	0.07 15	0.23 248	0.35 372

WCG-NET	0.30 21	0.32 101	1.16 20	0.25 23	0.19 122	0.51 82	0.18 17	0.54 78	0.46 69	0.35 68	0.29 34	0.32 77	0.26 83	0.36 61	0.19 6	0.10 96	0.10 159	0.08 4	0.07 15	0.29 308	0.09 23

GCAP-BAT	0.43 119	0.31 97	1.82 177	0.25 23	0.26 227	0.65 279	0.23 92	0.48 35	0.37 17	0.67 335	0.82 358	0.44 148	0.24 56	0.48 125	0.87 342	0.09 23	0.13 245	0.09 30	0.22 342	0.08 1	0.09 23

IGEV-Stereo+	0.29 15	0.29 78	0.86 7	0.25 23	0.34 308	0.30 8	0.14 2	0.32 1	0.53 133	0.18 2	0.12 1	0.18 3	0.19 18	0.49 135	0.17 2	0.09 23	0.08 68	0.08 4	0.20 330	0.46 401	0.59 424

RSM	0.28 9	0.26 48	0.97 11	0.25 23	0.24 198	0.37 26	0.21 51	0.49 41	0.44 51	0.21 7	0.27 26	0.28 58	0.17 6	0.38 73	0.20 24	0.07 1	0.07 14	0.09 30	0.34 393	0.21 225	0.16 191

CAS++	0.31 28	0.33 107	1.43 60	0.25 23	0.17 69	0.31 10	0.20 34	0.78 216	0.41 34	0.30 56	0.30 42	0.21 12	0.16 4	0.33 45	0.18 3	0.15 283	0.12 228	0.13 228	0.10 86	0.15 101	0.11 55
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MGS-Stereo	0.32 33	0.34 118	1.70 109	0.25 23	0.14 17	0.40 33	0.22 69	0.38 4	0.43 48	0.24 22	0.51 171	0.25 35	0.18 14	0.31 30	0.20 24	0.09 23	0.08 68	0.09 30	0.08 36	0.47 402	0.08 13

ff7	0.32 33	0.52 207	1.38 50	0.25 23	0.16 45	0.56 138	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 301	0.23 248	0.22 271

ffff	0.32 33	0.52 207	1.38 50	0.25 23	0.16 45	0.56 138	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 301	0.23 248	0.22 271

11t	0.32 33	0.52 207	1.38 50	0.25 23	0.16 45	0.56 138	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 301	0.23 248	0.22 271

LoS_RVC	0.29 15	0.33 107	1.19 24	0.25 23	0.34 308	0.43 38	0.22 69	0.42 12	0.32 4	0.22 12	0.33 58	0.23 20	0.24 56	0.31 30	0.21 34	0.07 1	0.07 14	0.07 1	0.05 1	0.10 16	0.31 354

anonymousdsp	0.34 47	0.53 212	1.47 69	0.25 23	0.16 45	0.56 138	0.23 92	0.49 41	0.40 30	0.25 35	0.24 14	0.22 13	0.24 56	0.55 162	0.19 6	0.09 23	0.11 204	0.10 70	0.18 301	0.24 263	0.29 339

ProNet	0.30 21	0.54 216	1.29 36	0.25 23	0.15 31	0.47 57	0.25 134	0.48 35	0.39 25	0.21 7	0.23 8	0.22 13	0.20 24	0.44 98	0.19 6	0.08 5	0.08 68	0.10 70	0.08 36	0.23 248	0.12 86

DCANet-4	0.40 92	0.27 52	2.21 291	0.25 23	0.14 17	0.51 82	0.22 69	0.77 202	0.72 306	0.54 212	0.47 130	0.28 58	0.37 179	0.37 68	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 271

ccc-4	0.32 33	0.52 207	1.38 50	0.25 23	0.16 45	0.56 138	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 301	0.23 248	0.22 271

ADStereo(finetuned)	0.45 147	0.77 301	2.12 273	0.25 23	0.14 17	0.51 82	0.22 69	0.77 202	0.72 306	0.54 212	0.48 142	0.31 69	0.76 369	0.37 68	0.38 192	0.09 23	0.07 14	0.09 30	0.07 15	0.13 66	0.23 292

IGEV-Stereo	0.34 47	0.54 216	1.47 69	0.25 23	0.16 45	0.56 138	0.23 92	0.49 41	0.40 30	0.25 35	0.24 14	0.22 13	0.24 56	0.54 158	0.19 6	0.09 23	0.10 159	0.10 70	0.18 301	0.24 263	0.29 339
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CrosDoStereo	0.94 393	0.37 133	2.53 350	0.25 23	0.32 288	0.54 112	3.76 468	0.72 158	0.60 184	0.70 348	1.40 416	0.53 205	1.49 431	1.78 341	3.09 438	0.10 96	0.08 68	0.11 120	0.11 143	0.21 225	0.11 55

DeepStereo_LL	0.94 393	0.37 133	2.53 350	0.25 23	0.32 288	0.54 112	3.76 468	0.72 158	0.60 184	0.70 348	1.40 416	0.53 205	1.49 431	1.78 341	3.09 438	0.10 96	0.08 68	0.11 120	0.11 143	0.21 225	0.11 55

THIR-Stereo	0.86 383	0.62 242	2.13 275	0.25 23	0.16 45	0.58 172	2.74 464	0.59 101	0.51 108	0.62 305	1.62 423	0.97 385	1.80 442	1.69 329	2.25 423	0.10 96	0.08 68	0.14 262	0.11 143	0.15 101	0.11 55

AnonymousM	0.37 68	0.44 176	1.50 77	0.25 23	0.15 31	0.52 99	0.23 92	0.60 111	0.42 40	0.42 102	0.32 53	0.30 67	0.25 69	0.34 51	0.23 51	0.11 151	0.09 127	0.71 431	0.36 403	0.12 40	0.07 3

CFNet_pseudo	0.45 147	0.46 184	2.23 299	0.25 23	0.19 122	0.56 138	0.21 51	0.77 202	0.60 184	0.49 162	0.56 222	0.69 293	0.47 270	0.52 148	0.31 145	0.11 151	0.10 159	0.15 289	0.10 86	0.17 155	0.14 135

DCANet	0.42 113	0.77 301	1.95 233	0.25 23	0.14 17	0.51 82	0.22 69	0.77 202	0.72 306	0.54 212	0.48 142	0.31 69	0.41 217	0.36 61	0.39 203	0.09 23	0.07 14	0.09 30	0.07 15	0.13 66	0.23 292

rvit_stereo_0081_aga	0.27 5	0.29 78	1.08 14	0.26 45	0.20 137	0.33 15	0.21 51	0.41 10	0.42 40	0.26 43	0.28 29	0.27 50	0.21 30	0.31 30	0.21 34	0.14 266	0.10 159	0.11 120	0.10 86	0.14 85	0.10 41

RAStereo	0.28 9	0.48 195	1.52 80	0.26 45	0.18 96	0.25 3	0.19 21	0.42 12	0.35 10	0.20 5	0.25 19	0.20 5	0.16 4	0.24 2	0.24 70	0.09 23	0.08 68	0.10 70	0.08 36	0.12 40	0.08 13

U	3.37 462	0.17 1	0.91 9	0.26 45	13.79 475	19.19 479	0.15 4	0.41 10	0.31 2	0.17 1	0.18 2	0.27 50	0.15 3	0.21 1	0.16 1	0.09 23	0.06 1	17.88 480	12.81 477	0.10 16	0.08 13

Former-RAFT_DAM_RVC	0.50 203	0.33 107	0.93 10	0.26 45	0.22 168	0.46 54	0.20 34	1.10 415	1.34 429	3.16 464	0.32 53	0.22 13	0.20 24	0.30 23	0.22 44	0.10 96	0.09 127	0.11 120	0.09 53	0.15 101	0.19 239

MIF-Stereo (partial)	0.34 47	0.41 156	1.93 223	0.26 45	0.24 198	0.32 13	0.17 11	0.53 68	0.42 40	0.25 35	0.37 76	0.25 35	0.26 83	0.44 98	0.31 145	0.11 151	0.08 68	0.12 171	0.10 86	0.19 200	0.14 135

PCWNet_CMD	0.46 156	0.45 182	2.28 305	0.26 45	0.20 137	0.55 124	0.21 51	0.75 180	0.64 236	0.48 151	0.55 211	0.68 286	0.57 313	0.46 113	0.30 133	0.11 151	0.10 159	0.14 262	0.10 86	0.18 179	0.14 135

CFNet_ucs	0.48 175	0.50 204	2.32 309	0.26 45	0.22 168	0.57 156	0.22 69	0.85 265	0.65 249	0.53 199	0.64 291	0.68 286	0.44 250	0.54 158	0.31 145	0.13 228	0.12 228	0.16 307	0.11 143	0.19 200	0.17 208

SPstereo	0.34 47	0.89 341	1.76 131	0.26 45	0.12 3	0.52 99	0.14 2	0.49 41	0.38 19	0.29 55	0.30 42	0.29 65	0.22 39	0.30 23	0.20 24	0.09 23	0.17 318	0.09 30	0.07 15	0.21 225	0.11 55

RCA-Stereo	0.34 47	0.32 101	1.30 38	0.26 45	0.14 17	0.58 172	0.23 92	0.78 216	0.62 217	0.40 90	0.44 116	0.28 58	0.35 160	0.29 18	0.20 24	0.09 23	0.10 159	0.09 30	0.07 15	0.19 200	0.08 13

IER	0.43 119	0.38 138	1.69 105	0.26 45	0.25 213	0.66 285	0.26 153	0.71 153	0.55 150	0.54 212	0.59 239	0.60 246	0.53 296	0.52 148	0.39 203	0.11 151	0.08 68	0.11 120	0.11 143	0.14 85	0.11 55

MSMDNet	0.46 156	0.44 176	2.28 305	0.26 45	0.20 137	0.55 124	0.21 51	0.75 180	0.64 236	0.48 151	0.55 211	0.68 286	0.56 308	0.46 113	0.30 133	0.11 151	0.10 159	0.13 228	0.10 86	0.18 179	0.15 168

HSM-Net_RVC	0.67 318	0.34 118	2.23 299	0.26 45	0.19 122	0.67 291	0.29 214	1.26 429	0.69 281	0.72 355	0.70 330	0.78 331	0.42 233	3.77 457	0.41 215	0.13 228	0.09 127	0.10 70	0.09 53	0.12 40	0.11 55
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ccs_rob	0.45 147	0.46 184	2.22 295	0.26 45	0.19 122	0.56 138	0.21 51	0.77 202	0.60 184	0.49 162	0.56 222	0.69 293	0.47 270	0.52 148	0.31 145	0.11 151	0.09 127	0.16 307	0.10 86	0.17 155	0.14 135

AIO-Stereo	0.30 21	0.27 52	1.25 32	0.27 58	0.24 198	0.37 26	0.20 34	0.52 60	0.36 13	0.21 7	0.30 42	0.23 20	0.14 1	0.31 30	0.20 24	0.08 5	0.07 14	0.09 30	0.38 406	0.19 200	0.31 354

DualNet (step1)	0.59 276	0.62 242	1.93 223	0.27 58	0.22 168	0.68 303	0.31 234	0.93 327	0.66 263	0.57 250	0.51 171	0.55 213	0.45 254	1.11 256	0.38 192	0.61 425	0.14 261	0.87 435	0.56 430	0.25 273	0.23 292

test_sample9	0.94 393	0.62 242	1.93 223	0.27 58	0.22 168	0.68 303	0.31 234	0.93 327	0.66 263	0.57 250	0.51 171	0.55 213	0.45 254	1.91 370	2.55 430	0.61 425	4.16 469	0.87 435	0.56 430	0.25 273	0.23 292

test_sample8	1.12 408	0.62 242	1.93 223	0.27 58	0.22 168	0.68 303	0.31 234	0.95 348	0.61 199	1.18 420	0.56 222	2.53 444	1.31 419	1.91 370	2.55 430	0.61 425	4.16 469	0.87 435	0.56 430	0.25 273	0.23 292

IGEVStereo-DCA	0.33 40	0.34 118	1.38 50	0.27 58	0.16 45	0.45 41	0.23 92	0.46 24	0.41 34	0.24 22	0.21 4	0.26 44	0.25 69	0.64 185	0.52 262	0.09 23	0.07 14	0.10 70	0.18 301	0.16 134	0.22 271

rrr	0.46 156	0.34 118	3.08 415	0.27 58	0.16 45	0.45 41	0.28 193	1.09 414	0.51 108	0.24 22	0.21 4	0.26 44	0.25 69	0.64 185	0.52 262	0.09 23	0.07 14	0.10 70	0.29 370	0.16 134	0.25 312

plain	0.37 68	0.47 192	2.15 281	0.27 58	0.19 122	0.33 15	0.20 34	0.58 94	0.46 69	0.23 19	0.37 76	0.23 20	0.25 69	0.45 107	0.28 105	0.11 151	0.08 68	0.13 228	0.09 53	0.42 390	0.12 86

MSKI-zero shot	0.46 156	0.38 138	2.47 340	0.27 58	0.43 367	0.56 138	0.20 34	0.77 202	0.43 48	0.60 287	0.51 171	0.44 148	0.17 6	0.68 196	0.21 34	0.09 23	0.29 393	0.09 30	0.32 386	0.14 85	0.10 41

UniTT-Stereo	0.30 21	0.36 131	1.68 103	0.27 58	0.24 198	0.29 6	0.18 17	0.33 2	0.34 8	0.26 43	0.37 76	0.18 3	0.18 14	0.31 30	0.27 96	0.10 96	0.08 68	0.08 4	0.07 15	0.25 273	0.08 13

Any-RAFT	0.38 74	0.25 38	1.89 208	0.27 58	0.17 69	0.68 303	0.21 51	0.78 216	0.53 133	0.43 107	0.43 106	0.54 210	0.30 134	0.41 84	0.20 24	0.10 96	0.12 228	0.08 4	0.06 8	0.10 16	0.09 23

RAFT-Test	0.44 129	0.38 138	2.01 249	0.27 58	0.44 368	0.64 267	0.37 290	0.72 158	0.57 163	0.45 123	0.48 142	0.65 266	0.24 56	0.35 55	0.29 119	0.09 23	0.11 204	0.09 30	0.38 406	0.10 16	0.11 55

4D-IteraStereo	0.44 129	0.96 362	2.63 366	0.27 58	0.30 265	0.45 41	0.25 134	0.52 60	0.50 100	0.40 90	0.31 49	0.40 114	0.19 18	0.35 55	0.32 155	0.09 23	0.06 1	0.12 171	0.11 143	0.19 200	0.30 347

Selective-IGEV	0.29 15	0.23 27	1.28 35	0.27 58	0.30 265	0.35 22	0.20 34	0.56 86	0.38 19	0.21 7	0.30 42	0.22 13	0.18 14	0.37 68	0.18 3	0.07 1	0.06 1	0.08 4	0.15 255	0.16 134	0.29 339

iRaft-Stereo_5w	0.54 242	1.01 383	2.08 265	0.27 58	0.21 147	0.49 71	0.28 193	0.73 166	0.58 173	0.40 90	0.61 259	0.62 252	0.46 265	1.78 341	0.47 243	0.09 23	0.07 14	0.11 120	0.10 86	0.39 380	0.12 86

psmg	0.41 98	0.27 52	1.13 17	0.27 58	0.21 147	0.75 338	0.36 283	0.90 300	0.61 199	0.59 279	0.59 239	0.63 255	0.37 179	0.43 92	0.38 192	0.13 228	0.10 159	0.13 228	0.12 176	0.13 66	0.11 55

STrans-v2	0.67 318	0.56 226	2.64 368	0.27 58	0.23 185	0.57 156	0.33 265	0.96 353	0.69 281	0.92 394	0.85 366	0.89 366	0.93 392	1.83 353	1.21 376	0.09 23	0.07 14	0.10 70	0.09 53	0.11 29	0.12 86

test_xeample	0.72 343	0.21 13	1.36 47	0.27 58	0.17 69	0.59 188	0.28 193	1.01 393	0.70 289	0.55 229	0.67 305	0.44 148	0.39 200	1.88 367	5.17 461	0.12 199	0.10 159	0.11 120	0.10 86	0.13 66	0.15 168

GMStereo	0.38 74	0.99 377	1.91 217	0.27 58	0.16 45	0.39 31	0.23 92	0.47 32	0.62 217	0.38 82	0.34 64	0.25 35	0.25 69	0.39 77	0.29 119	0.14 266	0.08 68	0.10 70	0.12 176	0.15 101	0.11 55
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet-RSSM	0.41 98	0.32 101	2.20 290	0.27 58	0.44 368	0.52 99	0.19 21	0.76 192	0.48 86	0.43 107	0.36 73	0.54 210	0.26 83	0.33 45	0.25 81	0.09 23	0.08 68	0.09 30	0.38 406	0.10 16	0.09 23

SFCPSM	0.46 156	0.24 35	2.35 317	0.27 58	0.27 239	0.70 316	0.32 257	0.96 353	0.63 228	0.49 162	0.52 183	0.43 137	0.36 166	0.52 148	0.43 226	0.12 199	0.09 127	0.12 171	0.16 274	0.16 134	0.12 86

Gwc-CoAtRS	0.38 74	0.33 107	1.92 220	0.27 58	0.41 360	0.48 65	0.19 21	0.59 101	0.46 69	0.43 107	0.39 92	0.57 231	0.26 83	0.32 37	0.26 88	0.09 23	0.09 127	0.09 30	0.31 381	0.11 29	0.09 23

DIP-Stereo	0.37 68	0.34 118	1.50 77	0.27 58	0.18 96	0.63 256	0.17 11	0.92 319	0.53 133	0.49 162	0.48 142	0.30 67	0.30 134	0.39 77	0.30 133	0.10 96	0.08 68	0.10 70	0.08 36	0.15 101	0.12 86
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_stereo_0083	0.25 2	0.19 4	0.58 1	0.28 80	0.18 96	0.28 4	0.22 69	0.38 4	0.54 145	0.23 19	0.30 42	0.27 50	0.26 83	0.37 68	0.24 70	0.14 266	0.12 228	0.13 228	0.10 86	0.12 40	0.10 41

rvit_stereo_0081	0.25 2	0.21 13	0.61 2	0.28 80	0.17 69	0.31 10	0.22 69	0.42 12	0.53 133	0.24 22	0.25 19	0.25 35	0.21 30	0.34 51	0.23 51	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.09 23

model_zeroshot	0.44 129	0.68 270	1.97 245	0.28 80	0.18 96	0.69 309	0.21 51	0.63 122	0.40 30	1.00 401	0.34 64	0.42 133	0.20 24	0.69 202	0.24 70	0.10 96	0.22 360	0.10 70	0.22 342	0.12 40	0.10 41

rvit_stereo_0082	0.25 2	0.21 13	0.61 2	0.28 80	0.17 69	0.31 10	0.22 69	0.42 12	0.53 133	0.24 22	0.25 19	0.25 35	0.21 30	0.34 51	0.23 51	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.09 23

RSM++	0.27 5	0.26 48	0.87 8	0.28 80	0.13 9	0.39 31	0.20 34	0.45 22	0.45 64	0.20 5	0.24 14	0.24 27	0.17 6	0.36 61	0.20 24	0.08 5	0.07 14	0.09 30	0.35 396	0.26 291	0.18 227

RAFT-Stereo-weight	0.34 47	0.29 78	1.43 60	0.28 80	0.28 249	0.55 124	0.22 69	0.78 216	0.48 86	0.46 131	0.38 84	0.36 93	0.17 6	0.33 45	0.23 51	0.09 23	0.08 68	0.09 30	0.07 15	0.09 10	0.09 23

CASnet	0.28 9	0.31 97	1.20 26	0.28 80	0.11 1	0.47 57	0.19 21	0.44 19	0.44 51	0.38 82	0.31 49	0.23 20	0.17 6	0.29 18	0.19 6	0.10 96	0.06 1	0.15 289	0.12 176	0.16 134	0.07 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala	0.36 62	0.30 88	1.77 140	0.28 80	0.33 301	0.60 198	0.22 69	0.55 83	0.51 108	0.55 229	0.35 68	0.31 69	0.20 24	0.26 3	0.22 44	0.10 96	0.13 245	0.09 30	0.24 347	0.08 1	0.07 3

AEACV	0.33 40	0.24 35	1.44 62	0.28 80	0.35 319	0.47 57	0.21 51	0.43 16	0.28 1	0.26 43	0.25 19	0.22 13	0.38 186	0.30 23	0.18 3	0.09 23	0.35 406	0.09 30	0.36 403	0.23 248	0.25 312

anonymousdsp2	0.34 47	0.24 35	1.16 20	0.28 80	0.15 31	0.57 156	0.23 92	0.79 232	0.47 84	0.38 82	0.37 76	0.40 114	0.25 69	0.47 120	0.21 34	0.09 23	0.07 14	0.10 70	0.13 205	0.19 200	0.27 328

CBFPSM	0.56 260	0.91 345	1.82 177	0.28 80	0.23 185	0.71 318	0.37 290	0.72 158	0.64 236	0.50 169	0.49 159	1.03 396	0.83 377	0.62 180	1.35 384	0.10 96	0.12 228	0.10 70	0.10 86	0.18 179	0.19 239

qqq	0.38 74	0.21 13	1.34 46	0.28 80	0.15 31	0.45 41	0.26 153	0.76 192	0.52 114	0.39 88	0.41 101	0.46 170	0.36 166	0.96 239	0.30 133	0.11 151	0.14 261	0.12 171	0.12 176	0.12 40	0.14 135

raft_robust	0.55 254	0.84 327	1.73 117	0.28 80	0.54 397	0.53 106	0.25 134	0.88 288	0.75 337	0.48 151	0.46 126	0.76 326	0.75 368	1.46 292	0.27 96	0.09 23	0.10 159	0.10 70	0.30 376	0.26 291	0.16 191

GLC_STEREO	0.28 9	0.27 52	1.36 47	0.28 80	0.12 3	0.41 35	0.20 34	0.37 3	0.38 19	0.26 43	0.30 42	0.25 35	0.19 18	0.33 45	0.24 70	0.09 23	0.11 204	0.12 171	0.10 86	0.13 66	0.09 23

GMOStereo	0.41 98	0.62 242	1.78 145	0.28 80	0.36 327	0.51 82	0.31 234	0.53 68	0.44 51	0.57 250	0.48 142	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 412	0.13 228	0.11 143	0.34 347	0.11 55

error version	0.41 98	0.62 242	1.78 145	0.28 80	0.36 327	0.51 82	0.31 234	0.53 68	0.44 51	0.57 250	0.48 142	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 412	0.13 228	0.11 143	0.34 347	0.11 55

test-v	0.41 98	0.62 242	1.78 145	0.28 80	0.36 327	0.51 82	0.31 234	0.53 68	0.44 51	0.57 250	0.48 142	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 412	0.13 228	0.11 143	0.34 347	0.11 55

test-2	0.41 98	0.62 242	1.78 145	0.28 80	0.36 327	0.51 82	0.31 234	0.53 68	0.44 51	0.57 250	0.48 142	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 412	0.13 228	0.11 143	0.34 347	0.11 55

iRaftStereo_RVC	0.37 68	0.53 212	1.41 56	0.28 80	0.15 31	0.52 99	0.20 34	0.54 78	0.46 69	0.37 76	0.43 106	0.41 120	0.23 49	0.36 61	0.26 88	0.09 23	0.15 286	0.12 171	0.11 143	0.41 386	0.37 386

222	0.78 368	0.23 27	1.23 29	0.28 80	0.18 96	0.62 239	0.24 119	1.02 396	0.70 289	0.58 266	0.66 302	0.46 170	0.42 233	1.80 349	6.53 466	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.17 208

xxxx	0.70 333	0.21 13	1.33 43	0.28 80	0.18 96	0.63 256	0.24 119	1.02 396	0.69 281	0.50 169	0.62 264	0.58 238	0.38 186	1.47 299	5.21 462	0.13 228	0.12 228	0.11 120	0.10 86	0.12 40	0.15 168

ARAFT	0.60 281	1.23 413	3.10 417	0.28 80	0.16 45	0.64 267	0.36 283	0.90 300	0.67 270	0.61 294	0.49 159	0.55 213	0.31 142	1.24 274	0.32 155	0.10 96	0.08 68	0.14 262	0.13 205	0.37 366	0.21 261

RAFT-Stereo + iAFF	0.42 113	0.86 332	1.78 145	0.28 80	0.17 69	0.52 99	0.20 34	0.62 117	0.61 199	0.50 169	0.61 259	0.39 106	0.32 147	0.35 55	0.30 133	0.07 1	0.10 159	0.09 30	0.09 53	0.35 355	0.10 41

ACVNet	0.45 147	0.44 176	1.79 164	0.28 80	0.21 147	0.59 188	0.36 283	0.66 130	0.68 272	0.45 123	0.59 239	0.69 293	0.40 206	0.44 98	0.55 271	0.11 151	0.09 127	0.10 70	0.09 53	0.34 347	0.10 41

hitnet-ft	0.67 318	0.80 313	1.90 211	0.28 80	0.22 168	0.69 309	0.36 283	0.85 265	0.65 249	0.56 239	0.84 362	1.03 396	0.95 398	2.32 402	0.55 271	0.23 372	0.14 261	0.41 416	0.13 205	0.24 263	0.17 208

CFNet-ft	0.51 220	0.76 292	1.79 164	0.28 80	0.30 265	0.63 256	0.28 193	0.66 130	0.55 150	0.45 123	0.57 230	0.74 317	0.41 217	1.46 292	0.42 217	0.14 266	0.10 159	0.28 391	0.13 205	0.18 179	0.14 135

DSFCA	0.54 242	0.35 125	1.41 56	0.28 80	0.28 249	0.79 358	0.88 417	0.76 192	0.70 289	0.72 355	0.66 302	0.67 280	0.57 313	1.17 265	0.63 296	0.16 303	0.14 261	0.13 228	0.14 233	0.16 134	0.13 120

CFNet_RVC	0.51 220	0.76 292	1.79 164	0.28 80	0.30 265	0.63 256	0.28 193	0.66 130	0.55 150	0.45 123	0.57 230	0.74 317	0.41 217	1.46 292	0.42 217	0.14 266	0.10 159	0.28 391	0.13 205	0.18 179	0.14 135

DCVSM-stereo	0.49 193	0.29 78	2.49 343	0.29 108	0.22 168	0.53 106	0.52 352	0.58 94	0.49 92	0.69 344	0.46 126	0.79 336	0.48 278	0.53 154	0.42 217	0.13 228	0.14 261	0.15 289	0.12 176	0.20 215	0.20 254

H2IRNET	0.40 92	0.61 236	1.90 211	0.29 108	0.17 69	0.54 112	0.18 17	0.52 60	0.50 100	0.27 48	0.56 222	0.47 178	0.35 160	0.46 113	0.33 165	0.10 96	0.07 14	0.12 171	0.14 233	0.32 332	0.12 86

MyStereo07	0.34 47	0.40 151	1.46 65	0.29 108	0.23 185	0.60 198	0.31 234	0.53 68	0.42 40	0.25 35	0.25 19	0.20 5	0.26 83	0.57 165	0.19 6	0.09 23	0.18 328	0.12 171	0.11 143	0.16 134	0.19 239

MyStereo04	0.48 175	0.40 151	2.65 370	0.29 108	0.23 185	0.60 198	0.31 234	0.83 251	0.75 337	0.47 133	0.36 73	0.53 205	0.42 233	0.53 154	0.39 203	0.09 23	0.18 328	0.12 171	0.11 143	0.16 134	0.19 239

CoDeX	0.52 231	0.43 167	2.25 301	0.29 108	0.26 227	0.61 219	0.32 257	0.99 377	0.68 272	0.48 151	0.55 211	0.52 203	0.40 206	1.60 317	0.35 179	0.12 199	0.09 127	0.11 120	0.10 86	0.13 66	0.12 86

ToySt	0.44 129	0.61 236	1.89 208	0.29 108	0.18 96	0.55 124	0.35 276	0.67 139	0.53 133	0.39 88	0.50 167	0.59 240	0.43 243	0.51 144	0.49 252	0.10 96	0.12 228	0.13 228	0.16 274	0.24 263	0.19 239

anonymousa	0.48 175	0.46 184	2.44 335	0.29 108	0.34 308	0.61 219	0.25 134	0.66 130	0.54 145	0.53 199	0.77 351	0.73 311	0.46 265	0.33 45	0.31 145	0.10 96	0.09 127	0.12 171	0.29 370	0.10 16	0.19 239

test_4	0.40 92	0.37 133	2.01 249	0.29 108	0.21 147	0.50 76	0.28 193	0.47 32	0.39 25	0.42 102	0.76 348	0.38 102	0.22 39	0.52 148	0.33 165	0.08 5	0.07 14	0.11 120	0.15 255	0.28 305	0.07 3

CSP-Net	0.50 203	0.39 147	1.25 32	0.29 108	0.23 185	0.77 349	0.35 276	0.86 274	0.57 163	0.59 279	0.59 239	0.65 266	0.40 206	1.77 340	0.44 230	0.16 303	0.11 204	0.10 70	0.10 86	0.20 215	0.14 135

dad	0.51 220	1.01 383	1.74 121	0.29 108	0.19 122	0.60 198	0.26 153	0.52 60	0.75 337	0.63 313	0.63 276	0.63 255	0.33 150	0.85 232	0.47 243	0.27 392	0.15 286	0.40 415	0.18 301	0.22 239	0.14 135

TestStereo	0.45 147	0.54 216	2.11 270	0.29 108	0.16 45	0.43 38	0.24 119	0.54 78	0.45 64	0.37 76	0.46 126	0.34 86	0.27 99	1.98 377	0.27 96	0.11 151	0.08 68	0.12 171	0.09 53	0.14 85	0.08 13

R-Stereo Train	0.36 62	0.21 13	1.70 109	0.29 108	0.18 96	0.55 124	0.26 153	0.78 216	0.36 13	0.57 250	0.67 305	0.33 82	0.24 56	0.32 37	0.23 51	0.10 96	0.08 68	0.09 30	0.07 15	0.09 10	0.12 86

RAFT-Stereo	0.36 62	0.21 13	1.70 109	0.29 108	0.18 96	0.55 124	0.26 153	0.78 216	0.36 13	0.57 250	0.67 305	0.33 82	0.24 56	0.32 37	0.23 51	0.10 96	0.08 68	0.09 30	0.07 15	0.09 10	0.12 86
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DeepPruner_ROB	0.50 203	0.70 277	1.94 230	0.29 108	0.26 227	0.63 256	0.31 234	0.80 234	0.48 86	0.61 294	0.55 211	0.66 271	0.38 186	0.98 241	0.40 209	0.19 342	0.14 261	0.14 262	0.14 233	0.23 248	0.17 208

MLCV	0.48 175	0.89 341	1.85 187	0.29 108	0.14 17	0.59 188	0.23 92	0.72 158	0.59 180	0.66 331	0.66 302	0.55 213	0.36 166	1.03 247	0.49 252	0.09 23	0.06 1	0.09 30	0.07 15	0.19 200	0.11 55

rvit_0105_5	0.36 62	0.39 147	1.48 72	0.30 123	0.18 96	0.41 35	0.30 222	0.64 123	0.62 217	0.30 56	0.33 58	0.37 95	0.29 126	0.41 84	0.28 105	0.18 328	0.16 302	0.15 289	0.15 255	0.15 101	0.14 135

UGAM-zero	0.63 298	0.39 147	2.49 343	0.30 123	0.49 387	0.67 291	0.19 21	0.91 310	0.45 64	0.77 369	0.45 119	1.16 416	0.82 376	2.05 384	0.29 119	0.09 23	0.15 286	0.09 30	0.44 418	0.11 29	0.22 271

UGAM	0.58 271	0.47 192	2.21 291	0.30 123	0.19 122	0.53 106	0.34 269	0.59 101	0.63 228	0.44 113	0.73 340	0.78 331	0.37 179	2.58 426	0.39 203	0.10 96	0.08 68	0.17 324	0.14 233	0.42 390	0.17 208

SMFormer	0.50 203	0.46 184	1.60 90	0.30 123	0.15 31	0.45 41	0.24 119	0.90 300	0.72 306	0.56 239	0.64 291	0.51 197	0.41 217	1.87 360	0.49 252	0.13 228	0.10 159	0.11 120	0.10 86	0.15 101	0.16 191

tta	0.50 203	0.46 184	1.60 90	0.30 123	0.15 31	0.45 41	0.24 119	0.90 300	0.72 306	0.56 239	0.64 291	0.51 197	0.41 217	1.87 360	0.49 252	0.13 228	0.10 159	0.11 120	0.10 86	0.14 85	0.11 55

qqq1	0.48 175	0.46 184	1.60 90	0.30 123	0.15 31	0.45 41	0.24 119	0.90 300	0.72 306	0.56 239	0.64 291	0.51 197	0.41 217	1.87 360	0.23 51	0.13 228	0.10 159	0.09 30	0.08 36	0.14 85	0.11 55

fff1	0.48 175	0.46 184	1.60 90	0.30 123	0.15 31	0.45 41	0.24 119	0.90 300	0.72 306	0.56 239	0.64 291	0.51 197	0.41 217	1.87 360	0.23 51	0.13 228	0.10 159	0.09 30	0.08 36	0.14 85	0.11 55

MyStereo06	0.54 242	0.41 156	2.68 373	0.30 123	0.23 185	0.60 198	0.30 222	0.81 238	0.44 51	0.84 385	0.52 183	0.78 331	0.58 317	0.48 125	1.10 366	0.09 23	0.17 318	0.12 171	0.10 86	0.16 134	0.20 254

MyStereo05	0.49 193	0.41 156	2.72 379	0.30 123	0.23 185	0.60 198	0.30 222	0.82 245	0.77 350	0.52 189	0.37 76	0.51 197	0.42 233	0.52 148	0.38 192	0.09 23	0.17 318	0.12 171	0.10 86	0.16 134	0.20 254

ffm	0.47 170	0.23 27	2.01 249	0.30 123	0.21 147	0.57 156	0.26 153	0.74 170	0.88 383	0.53 199	0.63 276	0.66 271	0.39 200	0.63 183	0.19 6	0.10 96	0.24 369	0.15 289	0.13 205	0.25 273	0.36 380

ff1	0.73 352	0.23 27	2.01 249	0.30 123	0.21 147	0.57 156	0.26 153	0.74 170	0.88 383	0.53 199	0.63 276	0.66 271	0.39 200	2.52 422	3.43 448	0.10 96	0.24 369	0.15 289	0.13 205	0.25 273	0.36 380

mmx	0.72 343	0.23 27	2.01 249	0.30 123	0.21 147	0.57 156	0.26 153	0.99 377	0.76 346	0.53 199	0.63 276	0.66 271	0.39 200	2.52 422	3.43 448	0.13 228	0.10 159	0.15 289	0.13 205	0.15 101	0.15 168

xxx	0.72 343	0.23 27	2.01 249	0.30 123	0.21 147	0.57 156	0.26 153	0.99 377	0.76 346	0.53 199	0.63 276	0.66 271	0.39 200	2.52 422	3.43 448	0.13 228	0.10 159	0.15 289	0.13 205	0.15 101	0.15 168

EGLCR-Stereo	0.29 15	0.27 52	0.97 11	0.30 123	0.19 122	0.56 138	0.17 11	0.68 142	0.36 13	0.30 56	0.18 2	0.27 50	0.17 6	0.38 73	0.19 6	0.09 23	0.07 14	0.10 70	0.08 36	0.10 16	0.35 372

DCRE	0.50 203	0.63 253	2.13 275	0.30 123	0.23 185	0.45 41	0.24 119	0.59 101	0.53 133	0.50 169	2.10 434	0.42 133	0.26 83	0.35 55	0.23 51	0.09 23	0.14 261	0.10 70	0.32 386	0.16 134	0.15 168

BUS	0.41 98	0.27 52	1.13 17	0.30 123	0.21 147	0.91 388	0.23 92	1.00 385	0.61 199	0.63 313	0.53 192	0.66 271	0.30 134	0.43 92	0.32 155	0.13 228	0.10 159	0.14 262	0.12 176	0.12 40	0.11 55

BSDual-CNN	0.41 98	0.27 52	1.13 17	0.30 123	0.21 147	0.76 341	0.31 234	1.00 385	0.61 199	0.63 313	0.53 192	0.63 255	0.37 179	0.43 92	0.38 192	0.13 228	0.10 159	0.14 262	0.12 176	0.12 40	0.11 55

hknet	0.47 170	0.29 78	1.70 109	0.30 123	0.24 198	0.76 341	0.31 234	1.00 385	0.64 236	0.63 313	0.53 192	0.80 339	0.38 186	0.77 221	0.37 186	0.11 151	0.10 159	0.14 262	0.12 176	0.12 40	0.11 55

cross-raft	0.40 92	0.27 52	2.22 295	0.30 123	0.17 69	0.49 71	0.35 276	0.71 153	0.39 25	0.43 107	0.45 119	0.64 263	0.25 69	0.32 37	0.25 81	0.08 5	0.08 68	0.09 30	0.23 345	0.11 29	0.14 135

test-1	0.44 129	0.48 195	1.69 105	0.30 123	0.27 239	0.50 76	0.28 193	0.80 234	0.43 48	0.40 90	0.54 202	0.41 120	0.24 56	0.31 30	1.16 372	0.09 23	0.20 347	0.10 70	0.17 291	0.11 29	0.26 321

RALCasStereoNet	0.45 147	0.88 338	1.85 187	0.30 123	0.26 227	0.49 71	0.26 153	0.58 94	0.51 108	0.36 72	0.48 142	0.36 93	0.28 113	0.55 162	0.34 172	0.10 96	0.53 432	0.09 30	0.08 36	0.25 273	0.34 370

GES	0.44 129	0.28 73	1.88 201	0.30 123	0.18 96	0.61 219	0.30 222	0.88 288	0.46 69	0.47 133	0.52 183	0.39 106	0.42 233	0.58 168	0.67 306	0.15 283	0.11 204	0.12 171	0.10 86	0.15 101	0.17 208

FADNet_RVC	0.81 377	1.14 400	2.42 329	0.30 123	0.24 198	0.71 318	0.24 119	0.95 348	0.61 199	0.44 113	0.56 222	0.59 240	0.42 233	1.52 304	0.68 309	0.94 440	0.96 456	0.28 391	1.00 456	0.90 435	1.36 459

UCFNet_RVC	0.48 175	0.82 322	1.85 187	0.30 123	0.27 239	0.64 267	0.26 153	0.74 170	0.55 150	0.48 151	0.53 192	0.63 255	0.41 217	0.88 235	0.38 192	0.15 283	0.10 159	0.17 324	0.17 291	0.18 179	0.15 168

PS-NSSS	0.63 298	1.00 379	1.81 171	0.30 123	0.31 281	0.63 256	0.34 269	0.98 365	0.69 281	0.54 212	0.74 343	0.51 197	0.41 217	2.43 415	0.48 247	0.24 379	0.17 318	0.27 388	0.18 301	0.27 299	0.21 261

HSM	0.62 294	0.76 292	1.72 116	0.30 123	0.29 255	0.64 267	0.28 193	0.94 335	0.62 217	0.58 266	0.57 230	1.40 425	0.64 339	2.59 427	0.42 217	0.11 151	0.08 68	0.10 70	0.08 36	0.14 85	0.11 55

rvit_0105_6	0.31 28	0.29 78	1.00 13	0.31 149	0.18 96	0.35 22	0.25 134	0.51 49	0.61 199	0.25 35	0.28 29	0.32 77	0.25 69	0.39 77	0.25 81	0.18 328	0.16 302	0.15 289	0.13 205	0.14 85	0.13 120

rvit_0105_4	0.35 58	0.35 125	1.45 64	0.31 149	0.18 96	0.37 26	0.28 193	0.59 101	0.62 217	0.27 48	0.31 49	0.35 90	0.27 99	0.43 92	0.25 81	0.18 328	0.16 302	0.15 289	0.13 205	0.15 101	0.12 86

test_sample2	0.41 98	0.19 4	1.23 29	0.31 149	0.17 69	0.51 82	0.27 178	0.81 238	0.55 150	0.44 113	0.45 119	0.46 170	0.38 186	1.51 302	0.30 133	0.12 199	0.09 127	0.11 120	0.10 86	0.14 85	0.14 135

test_sample1	0.40 92	0.18 2	1.19 24	0.31 149	0.18 96	0.48 65	0.23 92	0.78 216	0.49 92	0.44 113	0.44 116	0.45 157	0.41 217	1.39 282	0.33 165	0.11 151	0.09 127	0.10 70	0.09 53	0.12 40	0.13 120

gcap-zeroshot	0.41 98	0.62 242	1.78 145	0.31 149	0.32 288	0.69 309	0.21 51	0.74 170	0.52 114	0.43 107	0.35 68	0.62 252	0.24 56	0.41 84	0.24 70	0.09 23	0.16 302	0.09 30	0.31 381	0.08 1	0.09 23

IGEV++	0.34 47	0.43 167	1.32 41	0.31 149	0.14 17	0.32 13	0.21 51	0.70 150	0.34 8	0.22 12	0.28 29	0.22 13	0.27 99	0.35 55	0.27 96	0.09 23	0.39 418	0.08 4	0.15 255	0.25 273	0.45 407

DispNO	0.67 318	0.98 373	2.58 360	0.31 149	0.27 239	0.59 188	0.29 214	0.83 251	0.68 272	0.53 199	0.79 355	0.83 348	0.47 270	2.46 417	0.68 309	0.12 199	0.10 159	0.19 350	0.31 381	0.16 134	0.17 208

1111x	0.74 355	0.21 13	1.93 223	0.31 149	0.17 69	0.63 256	0.32 257	1.03 403	0.74 324	0.52 189	0.62 264	0.57 231	0.47 270	2.38 407	4.25 456	0.12 199	0.14 261	0.11 120	0.12 176	0.12 40	0.14 135

MIM_Stereo	0.41 98	0.60 232	1.88 201	0.31 149	0.21 147	0.50 76	0.19 21	0.64 123	0.44 51	0.43 107	0.53 192	0.43 137	0.27 99	0.51 144	0.28 105	0.08 5	0.14 261	0.11 120	0.10 86	0.26 291	0.26 321

iinet-f	0.57 266	0.93 352	2.27 304	0.31 149	0.25 213	0.83 370	0.33 265	0.81 238	0.65 249	0.54 212	0.63 276	0.73 311	0.67 348	0.73 212	0.67 306	0.13 228	0.13 245	0.11 120	0.10 86	0.43 392	0.16 191

gwcnet-sp	0.49 193	0.43 167	2.54 356	0.31 149	0.22 168	0.67 291	0.31 234	0.78 216	0.65 249	0.58 266	0.47 130	0.46 170	0.43 243	0.76 217	0.46 234	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

scenet	0.49 193	0.43 167	2.54 356	0.31 149	0.22 168	0.67 291	0.31 234	0.78 216	0.65 249	0.58 266	0.47 130	0.46 170	0.43 243	0.76 217	0.46 234	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

Selective-RAFT	0.35 58	0.26 48	1.48 72	0.31 149	0.15 31	0.61 219	0.19 21	0.60 111	0.54 145	0.28 53	0.29 34	0.40 114	0.33 150	0.50 141	0.27 96	0.10 96	0.07 14	0.09 30	0.35 396	0.19 200	0.08 13

MC-Stereo	0.32 33	0.31 97	1.46 65	0.31 149	0.15 31	0.53 106	0.19 21	0.44 19	0.35 10	0.36 72	0.38 84	0.27 50	0.27 99	0.42 89	0.19 6	0.09 23	0.13 245	0.09 30	0.16 274	0.20 215	0.13 120

ssnet	0.49 193	0.43 167	2.54 356	0.31 149	0.22 168	0.67 291	0.31 234	0.78 216	0.65 249	0.58 266	0.47 130	0.46 170	0.43 243	0.76 217	0.46 234	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

Sa-1000	0.51 220	0.72 283	1.90 211	0.31 149	0.60 413	0.60 198	0.31 234	0.94 335	0.71 298	0.52 189	0.83 359	0.42 133	0.33 150	0.68 196	0.28 105	0.10 96	0.09 127	0.13 228	0.29 370	0.29 308	0.10 41

SA	0.50 203	0.75 291	1.95 233	0.31 149	0.61 415	0.57 156	0.31 234	0.91 310	0.73 320	0.42 102	0.62 264	0.38 102	0.47 270	0.68 196	0.29 119	0.09 23	0.09 127	0.13 228	0.32 386	0.30 319	0.10 41

dd	0.42 113	0.96 362	1.77 140	0.31 149	0.17 69	0.57 156	0.26 153	0.49 41	0.68 272	0.41 97	0.40 97	0.34 86	0.27 99	0.45 107	0.40 209	0.17 317	0.10 159	0.13 228	0.12 176	0.21 225	0.12 86

GwcNet-ADL	0.50 203	0.74 289	2.90 402	0.31 149	0.20 137	0.58 172	0.29 214	0.87 283	0.64 236	0.47 133	0.47 130	0.56 225	0.33 150	0.46 113	0.46 234	0.13 228	0.12 228	0.09 30	0.09 53	0.14 85	0.21 261

CroCo-Stereo	0.30 21	0.45 182	1.08 14	0.31 149	0.17 69	0.19 1	0.21 51	0.73 166	0.50 100	0.21 7	0.24 14	0.55 213	0.22 39	0.27 5	0.26 88	0.09 23	0.08 68	0.08 4	0.07 15	0.12 40	0.09 23
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
sAnonymous2	0.38 74	0.62 242	2.15 281	0.31 149	0.24 198	0.34 18	0.27 178	0.53 68	0.46 69	0.24 22	0.29 34	0.23 20	0.28 113	0.28 9	0.22 44	0.12 199	0.09 127	0.11 120	0.13 205	0.38 372	0.35 372

CroCo_RVC	0.38 74	0.62 242	2.15 281	0.31 149	0.24 198	0.34 18	0.27 178	0.53 68	0.46 69	0.24 22	0.29 34	0.23 20	0.28 113	0.28 9	0.22 44	0.12 199	0.09 127	0.11 120	0.13 205	0.38 372	0.35 372

AFF-stereo	0.44 129	0.96 362	1.78 145	0.31 149	0.15 31	0.50 76	0.21 51	0.64 123	0.63 228	0.47 133	0.64 291	0.49 191	0.34 158	0.46 113	0.31 145	0.08 5	0.09 127	0.10 70	0.10 86	0.37 366	0.10 41

delet	0.52 231	0.54 216	1.62 95	0.31 149	0.35 319	0.74 332	0.46 334	0.85 265	0.74 324	0.55 229	0.60 252	0.67 280	0.50 287	1.12 259	0.57 281	0.11 151	0.11 204	0.13 228	0.14 233	0.16 134	0.12 86

UNet	0.54 242	0.44 176	2.83 393	0.31 149	0.33 301	0.74 332	0.27 178	0.82 245	0.61 199	0.53 199	0.54 202	0.72 308	0.54 299	0.78 225	0.56 278	0.11 151	0.09 127	0.13 228	0.11 143	0.14 85	0.12 86

PSMNet-RSSM	0.53 237	0.82 322	1.78 145	0.31 149	0.25 213	0.58 172	0.28 193	0.84 261	0.60 184	0.50 169	0.61 259	0.67 280	0.43 243	1.68 327	0.42 217	0.15 283	0.10 159	0.14 262	0.16 274	0.15 101	0.13 120

DMCA	0.41 98	0.52 207	1.26 34	0.31 149	0.24 198	0.59 188	0.26 153	0.77 202	0.63 228	0.58 266	0.48 142	0.57 231	0.35 160	0.40 82	0.50 257	0.14 266	0.10 159	0.14 262	0.10 86	0.15 101	0.15 168

iResNet_ROB	0.50 203	1.15 404	1.73 117	0.31 149	0.21 147	0.58 172	0.22 69	0.95 348	0.82 369	0.58 266	0.62 264	0.57 231	0.39 200	0.84 230	0.40 209	0.11 151	0.08 68	0.09 30	0.06 8	0.21 225	0.13 120

ACV-stereo	0.66 314	0.76 292	2.86 394	0.32 177	0.25 213	1.01 400	0.60 377	0.59 101	0.52 114	0.41 97	0.45 119	1.55 431	0.94 395	1.40 284	0.69 311	0.14 266	0.13 245	0.12 171	0.11 143	0.20 215	0.19 239

rvit_stereo_ft	0.31 28	0.61 236	1.18 22	0.32 177	0.21 147	0.28 4	0.27 178	0.55 83	0.48 86	0.23 19	0.27 26	0.28 58	0.26 83	0.32 37	0.25 81	0.13 228	0.09 127	0.11 120	0.11 143	0.13 66	0.14 135

test_sample5	0.51 220	0.43 167	1.83 182	0.32 177	0.18 96	0.55 124	0.26 153	0.92 319	0.65 249	0.53 199	0.59 239	0.45 157	0.36 166	1.87 360	0.36 181	0.13 228	0.10 159	0.13 228	0.12 176	0.17 155	0.16 191

test_sample4	0.50 203	0.42 163	1.88 201	0.32 177	0.19 122	0.56 138	0.26 153	0.93 327	0.65 249	0.54 212	0.54 202	0.45 157	0.36 166	1.79 345	0.36 181	0.13 228	0.10 159	0.13 228	0.12 176	0.17 155	0.16 191

test_sample3	0.50 203	0.41 156	1.88 201	0.32 177	0.19 122	0.57 156	0.25 134	0.92 319	0.64 236	0.52 189	0.49 159	0.47 178	0.35 160	1.79 345	0.37 186	0.13 228	0.10 159	0.12 171	0.11 143	0.16 134	0.16 191

MyStereo8	0.54 242	0.80 313	2.76 385	0.32 177	0.33 301	0.71 318	0.20 34	0.87 283	0.57 163	0.51 182	0.59 239	0.50 194	0.33 150	0.68 196	0.55 271	0.10 96	0.29 393	0.10 70	0.13 205	0.21 225	0.34 370

DualNet	0.51 220	0.43 167	1.83 182	0.32 177	0.18 96	0.55 124	0.26 153	0.92 319	0.65 249	0.54 212	0.62 264	0.45 157	0.36 166	1.87 360	0.36 181	0.13 228	0.10 159	0.13 228	0.12 176	0.17 155	0.16 191

IGEV_Zeroshot_test	0.53 237	0.33 107	2.91 403	0.32 177	0.18 96	0.54 112	0.21 51	0.72 158	0.42 40	0.81 378	0.51 171	0.71 306	0.41 217	0.48 125	1.13 368	0.09 23	0.15 286	0.10 70	0.35 396	0.19 200	0.09 23

CASS	0.39 87	0.30 88	1.61 94	0.32 177	0.17 69	0.53 106	0.24 119	0.70 150	0.49 92	0.59 279	0.54 202	0.40 114	0.40 206	0.41 84	0.30 133	0.17 317	0.10 159	0.14 262	0.11 143	0.18 179	0.17 208
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
riskmin	0.37 68	0.22 23	1.74 121	0.32 177	0.20 137	0.48 65	0.20 34	0.66 130	0.46 69	0.36 72	0.34 64	0.69 293	0.45 254	0.39 77	0.27 96	0.11 151	0.08 68	0.12 171	0.08 36	0.13 66	0.16 191

ssnet_v2	0.55 254	0.60 232	1.86 195	0.32 177	0.22 168	0.72 324	0.44 325	0.94 335	0.74 324	0.63 313	0.54 202	0.81 342	0.47 270	0.77 221	0.70 313	0.16 303	0.14 261	0.14 262	0.14 233	0.30 319	0.30 347

CroCo-Stereo Lap2	0.33 40	0.61 236	1.47 69	0.32 177	0.38 343	0.23 2	0.22 69	0.58 94	0.46 69	0.22 12	0.27 26	0.29 65	0.23 49	0.32 37	0.26 88	0.09 23	0.09 127	0.10 70	0.08 36	0.21 225	0.14 135

Wz-Net-LNSev-Ref	0.57 266	0.87 335	2.11 270	0.32 177	0.30 265	0.84 372	0.40 302	0.88 288	0.72 306	0.65 329	0.73 340	0.66 271	0.57 313	0.93 236	0.71 315	0.13 228	0.07 14	0.10 70	0.08 36	0.15 101	0.14 135

rafts_anoy	0.43 119	0.89 341	1.96 242	0.32 177	0.30 265	0.48 65	0.24 119	0.62 117	0.49 92	0.37 76	0.38 84	0.33 82	0.30 134	0.51 144	0.34 172	0.10 96	0.39 418	0.13 228	0.15 255	0.17 155	0.15 168

raftrobust	0.38 74	0.68 270	1.54 82	0.32 177	0.46 382	0.52 99	0.21 51	0.56 86	0.42 40	0.52 189	0.35 68	0.31 69	0.33 150	0.37 68	0.30 133	0.10 96	0.11 204	0.08 4	0.07 15	0.21 225	0.19 239

pcwnet_v2	0.64 302	0.49 198	4.41 455	0.32 177	0.27 239	0.60 198	0.25 134	0.97 361	0.88 383	0.59 279	0.70 330	0.63 255	0.55 304	0.66 194	0.37 186	0.17 317	0.15 286	0.15 289	0.14 233	0.21 225	0.23 292

RALAANet	0.43 119	0.98 373	1.90 211	0.32 177	0.23 185	0.48 65	0.19 21	0.67 139	0.53 133	0.48 151	0.45 119	0.39 106	0.30 134	0.48 125	0.37 186	0.10 96	0.08 68	0.11 120	0.14 233	0.27 299	0.10 41

FENet	0.44 129	0.30 88	2.42 329	0.32 177	0.17 69	0.58 172	0.22 69	0.77 202	0.59 180	0.47 133	0.42 104	0.55 213	0.38 186	0.49 135	0.47 243	0.12 199	0.09 127	0.12 171	0.11 143	0.13 66	0.16 191

acv_ft	0.48 175	0.44 176	1.76 131	0.32 177	0.41 360	0.63 256	0.28 193	0.81 238	0.68 272	0.61 294	0.59 239	0.69 293	0.45 254	0.44 98	0.63 296	0.11 151	0.09 127	0.10 70	0.09 53	0.41 386	0.10 41

GwcNet-RSSM	0.57 266	0.94 354	2.13 275	0.32 177	0.25 213	0.60 198	0.30 222	0.80 234	0.66 263	0.52 189	0.64 291	0.71 306	0.40 206	1.79 345	0.50 257	0.13 228	0.09 127	0.12 171	0.12 176	0.21 225	0.15 168

FADNet	0.64 302	1.22 412	2.06 258	0.32 177	0.30 265	0.66 285	0.29 214	0.88 288	0.72 306	0.44 113	0.48 142	0.66 271	0.57 313	1.84 358	0.45 233	0.46 417	0.20 347	0.17 324	0.19 320	0.59 417	0.24 303

rvit_0105_3	0.39 87	0.47 192	1.46 65	0.33 198	0.19 122	0.45 41	0.35 276	0.69 144	0.65 249	0.37 76	0.37 76	0.40 114	0.31 142	0.44 98	0.30 133	0.18 328	0.17 318	0.17 324	0.18 301	0.15 101	0.15 168

ITSA-stereo	0.48 175	0.33 107	1.20 26	0.33 198	0.18 96	0.60 198	0.29 214	0.94 335	0.80 363	0.50 169	0.49 159	0.53 205	0.59 320	1.25 275	0.64 300	0.15 283	0.12 228	0.17 324	0.16 274	0.18 179	0.23 292

rvit_stereo_0075_2	0.40 92	0.40 151	1.88 201	0.33 198	0.32 288	0.41 35	0.22 69	0.58 94	0.53 133	0.38 82	0.51 171	0.40 114	0.27 99	0.44 98	0.29 119	0.20 350	0.15 286	0.22 366	0.15 255	0.18 179	0.23 292

AIO-Stereo-zeroshot	0.61 289	0.61 236	3.35 437	0.33 198	0.58 406	0.66 285	0.20 34	0.98 365	0.55 150	0.73 359	0.52 183	0.99 389	0.65 341	0.58 168	0.29 119	0.10 96	0.16 302	0.10 70	0.41 414	0.29 308	0.20 254

test_sample6	0.52 231	0.44 176	1.81 171	0.33 198	0.18 96	0.55 124	0.27 178	0.94 335	0.66 263	0.54 212	0.62 264	0.47 178	0.36 166	1.97 376	0.38 192	0.14 266	0.10 159	0.13 228	0.13 205	0.17 155	0.16 191

11t1	0.33 40	0.19 4	1.41 56	0.33 198	0.16 45	0.48 65	0.21 51	0.67 139	0.48 86	0.40 90	0.34 64	0.32 77	0.33 150	0.42 89	0.27 96	0.11 151	0.12 228	0.10 70	0.08 36	0.13 66	0.14 135

StereoVision	0.45 147	0.72 283	1.94 230	0.33 198	0.32 288	0.47 57	0.26 153	0.68 142	0.57 163	0.32 66	0.89 373	0.45 157	0.27 99	0.49 135	0.36 181	0.13 228	0.15 286	0.16 307	0.15 255	0.19 200	0.13 120

SDNR	1.22 420	0.80 313	2.71 377	0.33 198	1.48 458	1.98 448	0.23 92	1.93 451	2.44 452	0.89 391	2.52 444	1.36 423	0.51 289	3.65 455	1.93 408	0.30 400	0.31 399	0.22 366	0.16 274	0.33 340	0.36 380

Anonymous_2	0.74 355	0.32 101	1.65 97	0.33 198	0.30 265	0.67 291	0.32 257	0.69 144	0.46 69	0.48 151	0.41 101	0.84 351	0.58 317	0.51 144	0.40 209	0.32 403	0.38 412	1.43 457	3.69 470	0.80 432	0.27 328

x	0.35 58	0.20 8	1.36 47	0.33 198	0.17 69	0.47 57	0.24 119	0.75 180	0.54 145	0.40 90	0.40 97	0.42 133	0.34 158	0.45 107	0.32 155	0.11 151	0.14 261	0.11 120	0.09 53	0.12 40	0.14 135

DAS	0.56 260	0.35 125	1.55 84	0.33 198	0.34 308	0.50 76	0.42 311	0.83 251	0.74 324	0.83 383	0.68 313	0.56 225	0.48 278	2.40 411	0.46 234	0.12 199	0.08 68	0.12 171	0.09 53	0.18 179	0.15 168

SepStereo	0.52 231	0.35 125	1.55 84	0.33 198	0.34 308	0.50 76	0.42 311	0.83 251	0.74 324	0.83 383	0.68 313	0.56 225	0.48 278	1.56 308	0.46 234	0.12 199	0.08 68	0.12 171	0.09 53	0.18 179	0.15 168

GANet-ADL	0.44 129	0.41 156	2.31 308	0.33 198	0.20 137	0.57 156	0.25 134	0.75 180	0.54 145	0.42 102	0.59 239	0.56 225	0.30 134	0.40 82	0.38 192	0.14 266	0.11 204	0.09 30	0.08 36	0.22 239	0.17 208

ADLNet2	0.68 325	0.84 327	3.19 427	0.33 198	0.36 327	0.64 267	0.37 290	0.89 294	0.79 360	0.54 212	0.65 300	0.93 375	0.48 278	2.07 386	0.56 278	0.13 228	0.11 204	0.11 120	0.11 143	0.33 340	0.18 227

KYRaft	0.48 175	0.29 78	1.75 127	0.33 198	0.21 147	0.75 338	0.44 325	0.58 94	0.57 163	0.64 322	0.93 378	0.53 205	0.72 359	0.60 177	0.24 70	0.10 96	0.07 14	0.12 171	0.14 233	0.12 40	0.54 417

ICVP	0.46 156	0.29 78	2.41 327	0.33 198	0.22 168	0.59 188	0.55 362	0.75 180	0.50 100	0.44 113	0.60 252	0.49 191	0.35 160	0.53 154	0.37 186	0.16 303	0.16 302	0.14 262	0.11 143	0.15 101	0.15 168
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous3	0.42 113	0.35 125	2.09 266	0.33 198	0.24 198	0.72 324	0.31 234	0.74 170	0.55 150	0.35 68	0.40 97	0.33 82	0.29 126	0.44 98	0.28 105	0.18 328	0.18 328	0.13 228	0.13 205	0.17 155	0.17 208

MMNet	0.50 203	0.48 195	1.93 223	0.33 198	0.27 239	0.79 358	0.28 193	0.81 238	0.74 324	0.60 287	0.56 222	0.59 240	0.55 304	0.79 226	0.59 288	0.10 96	0.09 127	0.12 171	0.11 143	0.13 66	0.14 135

UPFNet	0.46 156	0.28 73	1.73 117	0.33 198	0.32 288	0.65 279	0.38 296	0.83 251	0.59 180	0.57 250	0.52 183	0.61 248	0.40 206	0.75 214	0.52 262	0.13 228	0.12 228	0.13 228	0.12 176	0.15 101	0.11 55

cf-r	0.53 237	0.81 318	2.15 281	0.33 198	0.28 249	0.60 198	0.28 193	0.78 216	0.64 236	0.51 182	0.60 252	0.75 322	0.40 206	1.32 277	0.43 226	0.13 228	0.09 127	0.11 120	0.12 176	0.15 101	0.14 135

FADNet-RVC	0.61 289	1.26 417	2.12 273	0.33 198	0.26 227	0.59 188	0.29 214	0.86 274	0.62 217	0.45 123	0.50 167	0.62 252	0.46 265	1.73 334	0.55 271	0.17 317	0.20 347	0.17 324	0.18 301	0.59 417	0.28 333

BEATNet_4x	0.47 170	0.73 286	1.91 217	0.33 198	0.15 31	0.56 138	0.25 134	0.85 265	0.58 173	0.54 212	0.51 171	0.57 231	0.42 233	0.57 165	0.61 292	0.11 151	0.08 68	0.12 171	0.09 53	0.20 215	0.16 191

CFNet	0.58 271	0.96 362	1.78 145	0.33 198	0.25 213	0.63 256	0.22 69	0.88 288	0.75 337	0.46 131	0.59 239	0.58 238	0.40 206	2.29 400	0.48 247	0.12 199	0.09 127	0.15 289	0.14 233	0.30 319	0.15 168

AANet_RVC	0.68 325	1.00 379	2.09 266	0.33 198	0.25 213	0.58 172	0.32 257	0.81 238	0.80 363	0.61 294	0.94 379	0.80 339	0.41 217	2.46 417	1.02 360	0.36 409	0.14 261	0.10 70	0.09 53	0.23 248	0.22 271

HITNet	0.46 156	0.92 346	2.09 266	0.33 198	0.14 17	0.55 124	0.22 69	0.83 251	0.56 160	0.51 182	0.49 159	0.48 189	0.37 179	0.48 125	0.54 270	0.09 23	0.06 1	0.10 70	0.08 36	0.23 248	0.09 23
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
StereoDRNet-Refined	0.50 203	0.41 156	1.50 77	0.33 198	0.21 147	0.68 303	0.26 153	0.81 238	0.68 272	0.67 335	0.68 313	0.73 311	0.42 233	1.10 253	0.59 288	0.11 151	0.08 68	0.14 262	0.14 233	0.25 273	0.21 261
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
CBMV_ROB	0.76 360	0.42 163	2.68 373	0.33 198	0.22 168	0.74 332	0.47 342	0.96 353	0.76 346	1.04 405	0.96 382	0.88 364	0.93 392	2.06 385	1.19 373	0.22 369	0.24 369	0.27 388	0.25 354	0.25 273	0.28 333

CBMV	0.71 340	0.76 292	2.64 368	0.33 198	0.20 137	0.78 354	0.79 410	0.98 365	0.78 355	0.85 388	0.71 334	0.86 358	1.10 410	1.46 292	0.62 294	0.18 328	0.20 347	0.21 364	0.19 320	0.25 273	0.33 366
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
test_sample7	0.47 170	0.33 107	1.49 74	0.34 226	0.20 137	0.51 82	0.30 222	0.93 327	0.66 263	0.57 250	0.51 171	0.55 213	0.45 254	1.11 256	0.38 192	0.17 317	0.14 261	0.16 307	0.15 255	0.19 200	0.18 227

ttt	0.66 314	0.22 23	1.68 103	0.34 226	0.24 198	0.60 198	0.26 153	1.00 385	0.77 350	0.55 229	0.67 305	0.54 210	0.36 166	2.14 392	3.03 437	0.16 303	0.13 245	0.13 228	0.12 176	0.15 101	0.17 208

testlalala_base	0.46 156	0.30 88	1.82 177	0.34 226	0.27 239	0.55 124	0.21 51	0.85 265	0.32 4	0.32 66	0.39 92	0.31 69	0.23 49	0.30 23	0.28 105	0.95 441	0.30 397	0.09 30	0.21 335	1.03 437	0.18 227

coex-ft	5.95 468	1.67 441	60.57 488	0.34 226	0.30 265	0.77 349	0.69 397	0.74 170	4.41 460	19.22 480	2.15 436	1.62 432	7.97 469	1.81 352	8.96 469	0.44 413	2.08 466	0.18 344	0.19 320	0.38 372	4.62 471

Wz-Net-LNSev	0.59 276	0.96 362	2.47 340	0.34 226	0.37 338	0.79 358	0.44 325	0.86 274	0.77 350	0.61 294	0.67 305	0.79 336	0.56 308	0.64 185	0.62 294	0.15 283	0.14 261	0.12 171	0.12 176	0.18 179	0.19 239

test-3	0.43 119	0.20 8	1.70 109	0.34 226	0.32 288	0.45 41	0.23 92	0.71 153	0.46 69	0.51 182	0.29 34	0.45 157	0.21 30	0.59 172	0.98 349	0.08 5	0.07 14	0.10 70	0.35 396	0.29 308	0.28 333

test_1	0.43 119	0.20 8	1.70 109	0.34 226	0.32 288	0.45 41	0.23 92	0.71 153	0.46 69	0.50 169	0.29 34	0.45 157	0.21 30	0.59 172	0.98 349	0.08 5	0.07 14	0.10 70	0.35 396	0.29 308	0.29 339

RAFT	0.45 147	0.92 346	1.59 88	0.34 226	0.19 122	0.46 54	0.35 276	0.65 128	0.49 92	0.49 162	0.49 159	0.70 303	0.40 206	0.47 120	0.32 155	0.11 151	0.16 302	0.14 262	0.13 205	0.51 409	0.13 120

raft+_RVC	0.44 129	0.67 268	1.85 187	0.34 226	0.71 422	0.51 82	0.25 134	0.64 123	0.51 108	0.35 68	0.45 119	0.32 77	0.28 113	0.43 92	0.32 155	0.09 23	0.19 338	0.10 70	0.09 53	0.20 215	0.40 397

XX-TBD	0.34 47	0.77 301	1.75 127	0.34 226	0.13 9	0.51 82	0.17 11	0.43 16	0.50 100	0.37 76	0.49 159	0.23 20	0.18 14	0.28 9	0.24 70	0.10 96	0.07 14	0.08 4	0.06 8	0.09 10	0.07 3

sCroCo_RVC	0.33 40	0.32 101	1.89 208	0.34 226	0.27 239	0.30 8	0.22 69	0.48 35	0.44 51	0.22 12	0.33 58	0.25 35	0.25 69	0.32 37	0.24 70	0.14 266	0.16 302	0.12 171	0.12 176	0.15 101	0.13 120

RAFT + AFF	0.64 302	1.20 410	1.95 233	0.34 226	0.33 301	0.67 291	0.52 352	0.99 377	0.74 324	0.53 199	0.58 236	0.57 231	0.80 373	1.76 338	0.51 260	0.12 199	0.27 390	0.15 289	0.14 233	0.43 392	0.29 339

ADCP+	0.94 393	1.12 396	3.14 421	0.34 226	0.39 345	1.06 404	0.79 410	0.89 294	0.80 363	0.66 331	0.67 305	0.85 354	1.55 434	0.93 236	4.55 458	0.13 228	0.11 204	0.16 307	0.15 255	0.26 291	0.25 312

AdaStereo	0.44 129	0.38 138	1.79 164	0.34 226	0.20 137	0.57 156	0.28 193	0.92 319	0.69 281	0.52 189	0.55 211	0.61 248	0.33 150	0.48 125	0.39 203	0.17 317	0.08 68	0.17 324	0.11 143	0.18 179	0.12 86
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.
MeshStereo	1.21 417	1.15 404	3.01 411	0.34 226	0.28 249	1.10 410	0.69 397	1.35 432	1.01 404	2.71 458	2.41 443	2.96 447	1.45 430	2.80 440	1.40 389	0.22 369	0.22 360	0.22 366	0.19 320	0.50 407	0.26 321
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
ACVNet-DCA	0.42 113	0.64 255	2.07 260	0.35 241	0.14 17	0.76 341	0.25 134	0.76 192	0.52 114	0.31 60	0.38 84	0.24 27	0.38 186	0.69 202	0.19 6	0.10 96	0.24 369	0.11 120	0.09 53	0.12 40	0.14 135

xx1	0.46 156	0.64 255	2.07 260	0.35 241	0.14 17	0.76 341	0.25 134	0.74 170	1.01 404	0.31 60	0.38 84	0.46 170	0.36 166	0.69 202	0.19 6	0.10 96	0.24 369	0.12 171	0.12 176	0.12 40	0.14 135

1test111	0.44 129	0.64 255	2.07 260	0.35 241	0.14 17	0.76 341	0.25 134	0.76 192	0.52 114	0.31 60	0.38 84	0.24 27	0.38 186	0.96 239	0.30 133	0.10 96	0.24 369	0.11 120	0.09 53	0.12 40	0.14 135

cc1	0.47 170	0.64 255	2.07 260	0.35 241	0.14 17	0.76 341	0.25 134	0.74 170	1.01 404	0.31 60	0.38 84	0.24 27	0.38 186	0.69 202	0.19 6	0.10 96	0.24 369	0.11 120	0.09 53	0.25 273	0.40 397

mmm	0.38 74	0.21 13	1.18 22	0.35 241	0.17 69	0.49 71	0.26 153	0.78 216	0.52 114	0.50 169	0.57 230	0.41 120	0.37 179	0.71 209	0.31 145	0.11 151	0.13 245	0.14 262	0.13 205	0.15 101	0.14 135

tt1	0.44 129	0.64 255	1.83 182	0.35 241	0.14 17	0.76 341	0.25 134	0.74 170	0.88 383	0.31 60	0.37 76	0.25 35	0.35 160	0.63 183	0.19 6	0.10 96	0.24 369	0.11 120	0.09 53	0.25 273	0.36 380

HBP-ISP	0.76 360	1.30 420	3.19 427	0.35 241	0.26 227	0.85 376	0.54 359	1.03 403	0.72 306	0.80 373	0.69 320	0.68 286	0.83 377	2.04 383	0.44 230	0.23 372	0.24 369	0.29 398	0.25 354	0.28 305	0.24 303

RAFT_CTSACE	0.46 156	0.76 292	2.07 260	0.35 241	0.30 265	0.54 112	0.30 222	0.61 113	0.48 86	0.49 162	0.76 348	0.55 213	0.36 166	0.58 168	0.22 44	0.08 5	0.13 245	0.11 120	0.10 86	0.41 386	0.08 13

UDGNet	0.44 129	1.02 386	1.74 121	0.35 241	0.19 122	0.58 172	0.23 92	0.49 41	0.66 263	0.41 97	0.38 84	0.34 86	0.29 126	0.53 154	0.30 133	0.24 379	0.10 159	0.37 412	0.19 320	0.27 299	0.15 168

IPLG	0.69 329	0.84 327	2.43 333	0.35 241	0.21 147	1.65 435	0.61 381	1.36 433	0.58 173	1.39 433	0.51 171	0.37 95	0.87 385	1.41 285	0.36 181	0.09 23	0.07 14	0.14 262	0.12 176	0.32 332	0.11 55

PSMNet-ADL	0.51 220	0.38 138	1.65 97	0.35 241	0.21 147	0.67 291	0.26 153	0.74 170	0.55 150	0.42 102	0.52 183	0.70 303	0.45 254	1.91 370	0.57 281	0.15 283	0.13 245	0.11 120	0.13 205	0.15 101	0.20 254

ADLNet	0.60 281	0.71 279	1.95 233	0.35 241	0.34 308	0.67 291	0.34 269	0.90 300	0.74 324	0.68 342	0.62 264	0.80 339	0.45 254	1.78 341	0.64 300	0.14 266	0.11 204	0.14 262	0.14 233	0.29 308	0.21 261

FINET	0.65 310	0.95 360	3.06 414	0.35 241	0.40 353	0.58 172	0.48 345	0.92 319	1.10 415	0.57 250	0.68 313	0.47 178	0.44 250	1.15 264	0.60 290	0.23 372	0.21 355	0.17 324	0.15 255	0.26 291	0.25 312

psm_up	0.57 266	0.61 236	1.83 182	0.35 241	0.30 265	0.64 267	0.37 290	0.90 300	0.68 272	0.59 279	0.55 211	0.68 286	0.54 299	1.91 370	0.46 234	0.16 303	0.15 286	0.16 307	0.15 255	0.23 248	0.13 120

HGLStereo	0.54 242	0.69 274	2.00 248	0.35 241	0.40 353	0.66 285	0.30 222	0.83 251	0.62 217	0.57 250	0.69 320	0.69 293	0.54 299	1.07 250	0.55 271	0.13 228	0.13 245	0.13 228	0.11 143	0.19 200	0.17 208

RASNet	0.61 289	0.68 270	2.03 256	0.35 241	0.46 382	0.65 279	0.28 193	0.78 216	0.70 289	0.48 151	0.64 291	0.93 375	0.61 331	2.21 396	0.73 322	0.12 199	0.09 127	0.09 30	0.10 86	0.14 85	0.11 55

RYNet	0.70 333	0.56 226	2.25 301	0.35 241	0.41 360	0.86 378	0.43 317	0.94 335	0.82 369	0.62 305	0.53 192	0.91 370	0.60 323	2.70 434	1.00 355	0.14 266	0.11 204	0.16 307	0.14 233	0.25 273	0.27 328

NVstereo2D	0.58 271	0.40 151	2.03 256	0.35 241	0.35 319	0.69 309	0.39 300	0.91 310	0.80 363	0.47 133	0.53 192	0.67 280	0.46 265	1.99 380	0.48 247	0.19 342	0.11 204	0.17 324	0.13 205	0.25 273	0.25 312

rvit_105_1	0.44 129	0.54 216	1.46 65	0.36 259	0.24 198	0.51 82	0.45 331	0.75 180	0.74 324	0.45 123	0.44 116	0.44 148	0.36 166	0.62 180	0.38 192	0.20 350	0.18 328	0.18 344	0.22 342	0.18 179	0.18 227

MoCha-V2	0.36 62	0.32 101	1.41 56	0.36 259	0.31 281	0.35 22	0.19 21	0.57 89	0.39 25	0.30 56	0.32 53	0.28 58	0.27 99	0.47 120	0.24 70	0.08 5	0.56 434	0.08 4	0.38 406	0.18 179	0.12 86

LL-Strereo	0.72 343	1.29 419	2.49 343	0.36 259	0.45 376	0.55 124	0.32 257	0.93 327	0.71 298	0.67 335	0.58 236	0.85 354	0.79 372	2.67 433	0.46 234	0.10 96	0.18 328	0.14 262	0.12 176	0.40 384	0.42 403

Wz-Net-TNSev	0.91 389	1.73 447	3.08 415	0.36 259	0.31 281	1.00 399	0.71 401	1.06 409	0.97 398	0.71 352	0.72 338	1.09 407	0.87 385	2.42 413	1.59 397	0.20 350	0.20 347	0.16 307	0.20 330	0.44 399	0.35 372

Wz-Net-MNSev	0.65 310	0.97 370	2.19 289	0.36 259	0.33 301	0.90 386	0.60 377	0.92 319	0.81 368	0.75 362	0.72 338	0.73 311	0.65 341	1.39 282	0.71 315	0.16 303	0.13 245	0.14 262	0.14 233	0.24 263	0.18 227

IPLGR	0.54 242	0.56 226	2.68 373	0.36 259	0.18 96	0.62 239	0.54 359	1.02 396	0.64 236	0.73 359	0.46 126	0.47 178	0.45 254	1.12 259	0.29 119	0.09 23	0.08 68	0.11 120	0.09 53	0.19 200	0.12 86

AACVNet	0.54 242	0.78 309	1.73 117	0.36 259	0.21 147	0.57 156	0.25 134	0.71 153	0.51 108	0.55 229	0.59 239	0.64 263	0.41 217	2.13 391	0.41 215	0.14 266	0.11 204	0.14 262	0.11 143	0.33 340	0.15 168

test_3	0.44 129	0.20 8	1.70 109	0.36 259	0.32 288	0.47 57	0.30 222	0.73 166	0.49 92	0.50 169	0.30 42	0.45 157	0.22 39	0.59 172	0.98 349	0.08 5	0.10 159	0.11 120	0.35 396	0.29 308	0.28 333

HHNet	0.60 281	0.65 261	2.60 365	0.36 259	0.25 213	0.64 267	0.61 381	0.64 123	0.62 217	0.55 229	1.13 403	0.32 77	0.60 323	0.42 89	1.79 405	0.15 283	0.07 14	0.12 171	0.10 86	0.18 179	0.15 168

RAFT-RH_RVC	0.61 289	0.50 204	2.33 312	0.36 259	0.29 255	0.60 198	0.18 17	0.44 19	0.58 173	0.76 365	1.91 430	0.47 178	0.29 126	1.60 317	1.23 378	0.14 266	0.07 14	0.13 228	0.13 205	0.10 16	0.09 23

GwcNet	0.69 329	0.71 279	3.12 420	0.36 259	0.45 376	0.81 365	0.44 325	0.86 274	0.84 374	0.60 287	0.74 343	0.82 346	0.49 284	1.65 323	0.66 303	0.16 303	0.15 286	0.15 289	0.15 255	0.31 326	0.24 303

ac_64	0.55 254	0.46 184	1.92 220	0.36 259	0.34 308	0.63 256	0.31 234	0.82 245	0.61 199	0.55 229	0.51 171	0.89 366	0.48 278	1.83 353	0.55 271	0.14 266	0.11 204	0.12 171	0.12 176	0.18 179	0.12 86

GANet-RSSM	0.55 254	0.73 286	1.90 211	0.36 259	0.26 227	0.59 188	0.27 178	0.78 216	0.52 114	0.47 133	0.57 230	0.63 255	0.45 254	1.92 374	0.43 226	0.14 266	0.10 159	0.25 384	0.11 143	0.34 347	0.14 135

FAT-Stereo	0.70 333	0.54 216	2.88 396	0.36 259	0.29 255	0.62 239	0.54 359	0.97 361	0.87 380	0.76 365	0.92 375	0.94 379	0.80 373	1.84 358	0.57 281	0.18 328	0.19 338	0.17 324	0.16 274	0.22 239	0.25 312

DMCA-RVC	0.62 294	0.96 362	2.63 366	0.36 259	0.90 433	0.56 138	0.31 234	0.69 144	0.57 163	0.68 342	0.52 183	0.59 240	0.56 308	1.23 271	0.53 266	0.16 303	0.38 412	0.20 358	0.15 255	0.20 215	0.15 168

STTStereo	0.51 220	0.69 274	2.14 280	0.36 259	0.30 265	0.61 219	0.32 257	0.77 202	0.60 184	0.60 287	0.54 202	0.67 280	0.43 243	0.86 233	0.42 217	0.16 303	0.15 286	0.17 324	0.20 330	0.16 134	0.15 168

SuperB	1.15 412	1.14 400	5.43 462	0.36 259	0.26 227	0.81 365	0.89 418	0.88 288	1.17 420	0.67 335	0.68 313	0.63 255	1.39 427	1.74 336	3.37 446	0.15 283	0.12 228	0.17 324	0.16 274	2.80 465	0.25 312

CVANet_RVC	0.65 310	0.80 313	2.13 275	0.36 259	0.26 227	0.62 239	0.42 311	0.84 261	0.72 306	0.69 344	0.68 313	0.68 286	0.52 294	2.64 429	0.42 217	0.19 342	0.12 228	0.22 366	0.17 291	0.37 366	0.15 168

DLCB_ROB	0.54 242	0.55 225	1.49 74	0.36 259	0.25 213	0.65 279	0.36 283	0.80 234	0.70 289	0.72 355	0.69 320	0.83 348	0.46 265	1.53 305	0.60 290	0.13 228	0.12 228	0.14 262	0.14 233	0.14 85	0.13 120

LALA_ROB	0.60 281	0.76 292	1.69 105	0.36 259	0.29 255	0.79 358	0.55 362	0.94 335	0.77 350	0.81 378	0.67 305	0.94 379	0.49 284	0.99 242	0.73 322	0.21 356	0.15 286	0.20 358	0.18 301	0.23 248	0.21 261

RAFT+CT+SA	0.50 203	0.86 332	1.82 177	0.37 279	0.75 424	0.54 112	0.34 269	0.77 202	0.63 228	0.38 82	0.55 211	0.34 86	0.29 126	0.68 196	0.27 96	0.09 23	0.07 14	0.11 120	0.51 424	0.29 308	0.41 402

test_5	0.51 220	0.87 335	1.99 246	0.37 279	0.65 417	0.58 172	0.35 276	0.78 216	0.62 217	0.48 151	0.55 211	0.45 157	0.40 206	0.72 211	0.30 133	0.09 23	0.07 14	0.12 171	0.12 176	0.33 340	0.38 389

AASNet	0.56 260	1.03 387	2.34 314	0.37 279	0.33 301	0.65 279	0.29 214	0.96 353	0.73 320	0.54 212	0.60 252	0.55 213	0.38 186	0.59 172	0.58 286	0.14 266	0.12 228	0.13 228	0.10 86	0.43 392	0.24 303

SACVNet	0.60 281	0.74 289	1.90 211	0.37 279	0.28 249	0.64 267	0.37 290	0.86 274	0.61 199	0.65 329	0.62 264	0.69 293	0.44 250	2.08 387	0.42 217	0.18 328	0.14 261	0.16 307	0.15 255	0.38 372	0.24 303

PSM-AAD	0.63 298	0.22 23	1.77 140	0.37 279	0.23 185	0.86 378	1.17 439	0.59 101	0.60 184	0.64 322	0.71 334	0.68 286	2.93 454	0.65 192	0.31 145	0.09 23	0.07 14	0.17 324	0.15 255	0.13 66	0.33 366

test_xeample3	0.46 156	0.34 118	2.99 410	0.37 279	0.16 45	0.49 71	0.33 265	1.06 409	0.44 51	0.25 35	0.23 8	0.24 27	0.25 69	0.49 135	0.56 278	0.09 23	0.07 14	0.10 70	0.40 411	0.17 155	0.26 321

psmorigin	1.36 428	0.60 232	13.80 475	0.37 279	0.29 255	0.62 239	0.33 265	0.77 202	0.61 199	0.96 399	0.88 371	1.17 417	0.73 362	4.00 458	0.86 341	0.19 342	0.22 360	0.17 324	0.18 301	0.24 263	0.29 339

FADNet-RVC-Resample	0.67 318	1.16 408	3.16 423	0.37 279	0.29 255	0.62 239	0.38 296	0.86 274	0.63 228	0.51 182	0.50 167	0.57 231	0.45 254	1.57 310	0.49 252	0.24 379	0.32 404	0.23 373	0.19 320	0.27 299	0.62 426

edge stereo	0.81 377	0.73 286	3.30 433	0.37 279	1.21 450	0.62 239	0.39 300	0.93 327	0.79 360	0.80 373	0.88 371	1.14 413	0.71 356	2.18 394	0.71 315	0.21 356	0.20 347	0.26 387	0.18 301	0.38 372	0.26 321

ADCRef	0.80 372	0.96 362	2.29 307	0.37 279	0.35 319	0.96 393	0.51 349	0.87 283	0.75 337	0.88 389	0.83 359	0.61 248	1.36 424	1.02 245	3.27 443	0.13 228	0.11 204	0.17 324	0.19 320	0.25 273	0.21 261

ADCPNet	0.99 398	0.99 377	3.93 449	0.37 279	0.68 419	1.36 421	0.62 385	0.87 283	0.76 346	0.78 371	0.81 356	1.08 405	1.18 413	1.14 262	2.49 429	0.21 356	0.69 446	0.21 364	0.95 454	0.29 308	0.37 386

TDLM	0.67 318	0.92 346	1.76 131	0.37 279	0.24 198	0.66 285	0.56 367	0.82 245	0.74 324	1.16 413	0.62 264	0.61 248	0.48 278	2.70 434	0.50 257	0.20 350	0.11 204	0.35 406	0.14 233	0.32 332	0.16 191

XPNet_ROB	0.61 289	0.72 283	1.66 101	0.37 279	0.27 239	0.67 291	0.47 342	0.89 294	0.71 298	0.78 371	0.70 330	0.81 342	0.53 296	1.70 330	0.76 326	0.21 356	0.16 302	0.16 307	0.15 255	0.20 215	0.21 261

ETE_ROB	0.60 281	0.71 279	1.55 84	0.37 279	0.25 213	0.69 309	0.51 349	1.47 436	0.70 289	0.80 373	0.69 320	0.85 354	0.49 284	1.36 281	0.58 286	0.16 303	0.13 245	0.19 350	0.16 274	0.21 225	0.23 292

fast-acv-ft	0.63 298	0.88 338	3.10 417	0.38 293	0.30 265	0.79 358	0.48 345	0.69 144	0.72 306	0.58 266	0.78 352	0.76 326	0.60 323	0.67 195	0.73 322	0.15 283	0.15 286	0.18 344	0.17 291	0.37 366	0.16 191

RAFT-345	0.53 237	0.30 88	2.34 314	0.38 293	0.34 308	0.58 172	0.42 311	0.47 32	0.61 199	0.51 182	1.00 389	0.43 137	0.28 113	1.57 310	0.82 337	0.10 96	0.07 14	0.11 120	0.09 53	0.10 16	0.08 13

HCRNet	0.46 156	0.49 198	1.65 97	0.38 293	0.29 255	0.58 172	0.22 69	0.75 180	0.62 217	0.47 133	0.49 159	0.48 189	0.36 166	1.12 259	0.37 186	0.15 283	0.10 159	0.15 289	0.13 205	0.17 155	0.17 208

APVNet	0.70 333	0.67 268	2.71 377	0.38 293	0.36 327	0.85 376	0.43 317	0.91 310	0.68 272	0.55 229	0.69 320	0.75 322	0.55 304	2.31 401	0.78 330	0.17 317	0.17 318	0.24 379	0.19 320	0.33 340	0.23 292

ADCMid	0.96 397	1.32 424	2.74 383	0.38 293	0.35 319	0.99 396	0.58 373	0.94 335	0.86 377	1.23 422	1.01 390	1.01 392	1.00 400	1.05 249	3.97 451	0.21 356	0.19 338	0.42 417	0.32 386	0.40 384	0.29 339

NLCA_NET_v2_RVC	0.55 254	0.92 346	2.36 320	0.38 293	0.37 338	0.60 198	0.28 193	0.82 245	0.62 217	0.62 305	0.55 211	0.72 308	0.45 254	1.00 243	0.43 226	0.15 283	0.11 204	0.14 262	0.14 233	0.15 101	0.16 191
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
SANet	1.20 416	1.21 411	3.33 436	0.38 293	0.27 239	1.73 439	0.85 415	1.10 415	2.49 454	1.16 413	1.83 428	1.72 433	1.50 433	2.37 404	2.84 435	0.18 328	0.16 302	0.16 307	0.15 255	0.32 332	0.32 359

PSMNet_ROB	0.66 314	1.01 383	2.33 312	0.38 293	0.31 281	0.72 324	0.55 362	0.86 274	0.69 281	0.54 212	0.60 252	0.75 322	0.47 270	2.00 381	0.82 337	0.17 317	0.13 245	0.19 350	0.19 320	0.24 263	0.27 328

TestStereo1	0.49 193	0.81 318	1.85 187	0.39 301	0.57 404	0.56 138	0.34 269	0.75 180	0.69 281	0.44 113	0.63 276	0.35 90	0.42 233	0.64 185	0.29 119	0.10 96	0.08 68	0.12 171	0.10 86	0.33 340	0.26 321

SA-5K	0.49 193	0.81 318	1.85 187	0.39 301	0.57 404	0.56 138	0.34 269	0.75 180	0.69 281	0.44 113	0.63 276	0.35 90	0.42 233	0.64 185	0.29 119	0.10 96	0.08 68	0.12 171	0.10 86	0.33 340	0.26 321

S-Stereo	0.80 372	0.69 274	3.89 446	0.39 301	0.37 338	0.69 309	0.70 400	0.94 335	0.98 401	0.62 305	0.91 374	0.83 348	0.60 323	2.37 404	0.66 303	0.18 328	0.21 355	0.17 324	0.18 301	0.30 319	0.35 372

stereogan	0.69 329	0.51 206	2.44 335	0.39 301	0.39 345	1.01 400	0.41 308	0.94 335	0.92 393	0.73 359	0.85 366	1.15 414	0.69 352	1.57 310	0.53 266	0.19 342	0.18 328	0.20 358	0.16 274	0.36 359	0.24 303

ADCL	0.99 398	0.79 311	2.43 333	0.39 301	0.32 288	1.50 427	1.90 457	0.92 319	0.97 398	1.26 426	1.27 408	1.00 391	1.42 429	1.14 262	3.31 444	0.17 317	0.14 261	0.22 366	0.21 335	0.30 319	0.22 271

DRN-Test	0.64 302	0.43 167	2.44 335	0.39 301	0.44 368	0.80 364	0.41 308	1.02 396	0.78 355	0.80 373	0.63 276	0.69 293	0.56 308	1.79 345	0.69 311	0.15 283	0.12 228	0.17 324	0.16 274	0.18 179	0.17 208

DN-CSS_ROB	0.48 175	1.23 413	1.99 246	0.39 301	0.22 168	0.56 138	0.19 21	0.75 180	0.61 199	0.45 123	0.62 264	0.41 120	0.31 142	0.70 207	0.32 155	0.11 151	0.08 68	0.14 262	0.13 205	0.36 359	0.12 86

MSMD_ROB	1.34 426	0.96 362	2.38 322	0.39 301	0.32 288	1.96 445	0.62 385	0.91 310	1.43 433	2.94 462	2.60 447	4.77 462	1.95 444	2.43 415	1.33 383	0.29 397	0.26 384	0.32 403	0.32 386	0.30 319	0.30 347

PWC_ROB	0.70 333	0.94 354	1.88 201	0.39 301	0.39 345	0.62 239	0.30 222	0.98 365	0.94 394	0.91 393	1.29 410	0.77 328	0.62 336	1.62 321	1.03 362	0.18 328	0.11 204	0.18 344	0.13 205	0.51 409	0.22 271

Wz-Net-SNSev	0.76 360	1.32 424	3.11 419	0.40 310	0.31 281	0.71 318	0.60 377	0.98 365	0.87 380	0.67 335	0.83 359	0.96 382	0.60 323	1.67 326	0.97 348	0.16 303	0.15 286	0.16 307	0.17 291	0.36 359	0.24 303

LMCR-Stereo	0.52 231	0.71 279	2.39 324	0.40 310	0.21 147	0.74 332	0.31 234	1.02 396	0.64 236	0.61 294	0.63 276	0.39 106	0.51 289	0.62 180	0.42 217	0.19 342	0.09 127	0.12 171	0.09 53	0.23 248	0.12 86

ccnet	0.71 340	0.41 156	1.59 88	0.40 310	0.45 376	1.06 404	0.55 362	0.98 365	0.71 298	0.88 389	0.97 384	0.82 346	0.88 388	1.68 327	0.94 345	0.32 403	0.26 384	0.32 403	0.27 364	0.34 347	0.30 347

RTSC	0.72 343	1.00 379	2.22 295	0.40 310	0.29 255	0.82 368	0.31 234	0.96 353	1.10 415	0.92 394	0.81 356	0.78 331	0.58 317	1.23 271	1.55 396	0.18 328	0.17 318	0.14 262	0.17 291	0.43 392	0.30 347

GANet	0.75 357	0.84 327	2.01 249	0.40 310	0.25 213	0.74 332	0.66 389	0.87 283	0.73 320	0.71 352	1.07 399	0.84 351	0.59 320	2.71 436	1.15 371	0.17 317	0.16 302	0.44 419	0.16 274	0.31 326	0.20 254

iResNetv2_ROB	0.59 276	1.43 430	2.96 405	0.40 310	0.22 168	0.58 172	0.28 193	0.91 310	0.73 320	0.57 250	0.63 276	0.60 246	0.41 217	0.74 213	0.35 179	0.11 151	0.08 68	0.10 70	0.07 15	0.43 392	0.17 208

GMStereo_Zeroshot	0.41 98	0.36 131	1.54 82	0.41 316	0.19 122	0.52 99	0.19 21	0.59 101	0.52 114	0.57 250	0.59 239	0.63 255	0.29 126	0.58 168	0.33 165	0.15 283	0.09 127	0.16 307	0.09 53	0.24 263	0.12 86

WZ-Net	0.92 391	1.31 421	3.76 443	0.41 316	0.36 327	0.86 378	0.71 401	1.00 385	1.06 411	0.82 382	0.92 375	1.06 403	1.05 405	2.16 393	1.61 398	0.19 342	0.13 245	0.15 289	0.16 274	0.32 332	0.28 333

PFNet	0.60 281	0.33 107	2.47 340	0.41 316	0.55 400	0.62 239	0.27 178	0.61 113	0.63 228	0.61 294	0.56 222	0.45 157	0.32 147	1.88 367	1.14 369	0.28 396	0.09 127	0.12 171	0.16 274	0.26 291	0.20 254

AF-Net	0.69 329	0.92 346	2.21 291	0.41 316	0.40 353	0.68 303	0.40 302	1.02 396	0.86 377	0.69 344	1.03 394	1.04 399	0.84 380	1.19 266	0.78 330	0.22 369	0.14 261	0.25 384	0.17 291	0.30 319	0.18 227

Nwc_Net	0.68 325	0.83 325	2.53 350	0.41 316	0.39 345	0.77 349	0.38 296	1.01 393	0.70 289	0.60 287	0.99 387	0.98 386	0.68 351	1.41 285	0.63 296	0.23 372	0.15 286	0.23 373	0.25 354	0.23 248	0.18 227

StereoDRNet	0.64 302	0.88 338	2.35 317	0.41 316	0.45 376	0.73 329	0.47 342	0.94 335	0.74 324	0.75 362	0.54 202	0.74 317	0.47 270	1.70 330	0.72 319	0.15 283	0.14 261	0.15 289	0.14 233	0.20 215	0.19 239

iResNet	0.51 220	0.76 292	2.59 362	0.41 316	0.17 69	0.64 267	0.27 178	0.82 245	0.70 289	0.57 250	0.64 291	0.43 137	0.36 166	0.70 207	0.52 262	0.10 96	0.07 14	0.09 30	0.08 36	0.21 225	0.13 120

SGM-Forest	1.04 405	0.42 163	3.59 442	0.41 316	0.32 288	1.05 403	1.32 445	0.94 335	0.83 372	1.16 413	2.23 440	1.03 396	1.39 427	2.49 420	2.35 426	0.21 356	0.21 355	0.20 358	0.19 320	0.23 248	0.32 359
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TRStereo	0.53 237	0.76 292	2.38 322	0.42 324	0.29 255	0.69 309	0.23 92	1.81 447	0.55 150	0.36 72	0.32 53	0.47 178	0.40 206	0.46 113	0.25 81	0.12 199	0.11 204	0.11 120	0.41 414	0.13 66	0.32 359

DEmStereo	0.68 325	0.31 97	2.25 301	0.42 324	0.17 69	0.66 285	0.89 418	0.51 49	0.59 180	0.60 287	1.01 390	0.45 157	1.26 415	1.54 306	2.26 424	0.10 96	0.08 68	0.10 70	0.10 86	0.10 16	0.11 55

ADCS	1.05 406	1.36 429	2.98 409	0.42 324	0.36 327	0.96 393	0.81 414	1.06 409	1.12 417	1.25 423	0.97 384	1.08 405	0.90 390	1.25 275	4.86 460	0.21 356	0.21 355	0.22 366	0.23 345	0.36 359	0.38 389

AE-Stereo	0.42 113	0.29 78	1.65 97	0.43 327	0.47 384	0.56 138	0.23 92	0.86 274	0.46 69	0.31 60	0.41 101	0.43 137	0.24 56	0.34 51	0.24 70	0.09 23	0.48 430	0.11 120	0.45 419	0.22 239	0.19 239

Syn2CoEx	0.70 333	1.07 392	2.74 383	0.43 327	0.30 265	0.64 267	0.42 311	0.99 377	0.78 355	0.62 305	0.78 352	0.74 317	0.72 359	1.92 374	0.61 292	0.20 350	0.17 318	0.19 350	0.15 255	0.29 308	0.22 271

aanetorigin	0.77 364	0.80 313	2.59 362	0.43 327	0.44 368	0.58 172	1.01 429	0.57 89	0.68 272	1.53 438	1.23 406	0.81 342	1.08 408	1.07 250	1.07 364	0.18 328	0.15 286	0.17 324	0.21 335	0.54 414	0.30 347

RP	0.67 318	0.82 322	1.94 230	0.43 327	0.44 368	0.65 279	0.45 331	0.89 294	0.82 369	0.66 331	0.92 375	0.99 389	0.76 369	1.55 307	0.66 303	0.25 384	0.18 328	0.23 373	0.20 330	0.31 326	0.22 271

NCCL2	0.65 310	0.94 354	1.96 242	0.43 327	0.30 265	0.71 318	0.68 395	0.84 261	0.65 249	0.70 348	0.60 252	0.86 358	0.54 299	1.56 308	0.57 281	0.20 350	0.16 302	0.67 429	0.25 354	0.22 239	0.24 303

FC-DCNN v2	1.54 439	0.58 230	2.80 391	0.44 332	0.39 345	2.05 450	0.66 389	1.90 450	1.84 447	2.79 460	2.97 456	4.41 460	3.07 457	2.65 430	2.30 425	0.29 397	0.26 384	0.31 400	0.30 376	0.32 332	0.38 389

LL-Strereo2	0.41 98	0.90 344	1.83 182	0.44 332	0.24 198	0.54 112	0.27 178	0.58 94	0.45 64	0.41 97	0.33 58	0.44 148	0.21 30	0.44 98	0.34 172	0.09 23	0.08 68	0.16 307	0.14 233	0.17 155	0.17 208

Patchmatch Stereo++	0.39 87	0.27 52	1.78 145	0.44 332	0.16 45	0.61 219	0.27 178	0.51 49	0.52 114	0.47 133	0.43 106	0.43 137	0.28 113	0.54 158	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
TransformOpticalFlow	0.64 302	0.56 226	2.66 371	0.44 332	0.26 227	0.62 239	0.28 193	0.83 251	0.71 298	0.76 365	0.74 343	0.91 370	0.85 381	1.83 353	0.81 336	0.10 96	0.07 14	0.11 120	0.09 53	0.11 29	0.12 86

PSM-adaLoss	0.38 74	0.27 52	1.78 145	0.44 332	0.17 69	0.60 198	0.29 214	0.51 49	0.52 114	0.47 133	0.43 106	0.44 148	0.28 113	0.47 120	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

ROB_FTStereo_v2	0.38 74	0.27 52	1.78 145	0.44 332	0.17 69	0.61 219	0.28 193	0.51 49	0.52 114	0.47 133	0.43 106	0.44 148	0.28 113	0.47 120	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

ROB_FTStereo	0.38 74	0.27 52	1.78 145	0.44 332	0.17 69	0.61 219	0.26 153	0.51 49	0.52 114	0.47 133	0.43 106	0.43 137	0.28 113	0.49 135	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

HUI-Stereo	0.38 74	0.27 52	1.79 164	0.44 332	0.17 69	0.61 219	0.28 193	0.51 49	0.52 114	0.47 133	0.43 106	0.44 148	0.28 113	0.45 107	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

iGMRVC	0.39 87	0.27 52	1.78 145	0.44 332	0.17 69	0.61 219	0.27 178	0.51 49	0.52 114	0.47 133	0.43 106	0.44 148	0.28 113	0.55 162	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

iRAFT	0.39 87	0.27 52	1.78 145	0.44 332	0.16 45	0.61 219	0.27 178	0.51 49	0.52 114	0.47 133	0.43 106	0.43 137	0.28 113	0.54 158	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

RAFT-IKP	0.38 74	0.27 52	1.79 164	0.44 332	0.16 45	0.60 198	0.28 193	0.51 49	0.52 114	0.47 133	0.43 106	0.43 137	0.28 113	0.50 141	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

RGC	0.71 340	0.97 370	2.18 288	0.44 332	0.44 368	0.73 329	0.40 302	0.94 335	0.71 298	0.71 352	1.04 397	1.01 392	0.71 356	1.74 336	0.70 313	0.23 372	0.18 328	0.28 391	0.26 360	0.29 308	0.27 328

FC-DCNN	1.49 437	0.59 231	2.88 396	0.44 332	0.39 345	1.97 447	0.66 389	1.67 444	1.70 442	2.72 459	2.89 453	4.22 456	2.97 456	2.55 425	2.19 420	0.29 397	0.26 384	0.31 400	0.30 376	0.32 332	0.39 393

FBW_ROB	0.83 379	0.77 301	1.77 140	0.44 332	0.30 265	0.87 382	0.46 334	1.10 415	0.91 390	0.81 378	0.75 346	1.01 392	0.61 331	3.66 456	1.23 378	0.26 387	0.23 366	0.36 408	0.25 354	0.27 299	0.62 426

iRaft-Stereo_20w	0.58 271	0.39 147	1.96 242	0.45 346	0.32 288	0.92 390	0.57 371	1.14 420	0.56 160	0.81 378	0.40 97	0.55 213	0.69 352	0.65 192	1.04 363	0.09 23	0.16 302	0.09 30	0.36 403	0.17 155	0.25 312

SHD	0.72 343	0.77 301	2.36 320	0.45 346	0.40 353	0.71 318	0.32 257	1.02 396	1.25 425	1.07 406	0.84 362	0.90 368	0.73 362	1.09 252	0.98 349	0.21 356	0.18 328	0.20 358	0.21 335	0.32 332	0.31 354

DeepPrunerF	0.86 383	0.86 332	2.91 403	0.45 346	0.50 388	0.64 267	0.48 345	1.14 420	2.64 455	0.63 313	0.61 259	0.65 266	0.62 336	2.21 396	1.31 381	0.23 372	0.19 338	0.30 399	0.28 367	0.36 359	0.25 312

DISCO	0.57 266	0.34 118	1.87 200	0.45 346	0.34 308	0.84 372	0.35 276	0.84 261	0.78 355	0.59 279	0.63 276	1.06 403	0.53 296	1.10 253	0.82 337	0.12 199	0.09 127	0.11 120	0.10 86	0.22 239	0.18 227

CRFU-Net	0.56 260	0.38 138	1.86 195	0.46 350	0.26 227	0.82 368	0.36 283	0.90 300	0.49 92	0.62 305	0.59 239	0.78 331	1.35 423	1.00 243	0.48 247	0.15 283	0.14 261	0.17 324	0.10 86	0.19 200	0.14 135

PFNet+	0.45 147	0.37 133	1.86 195	0.46 350	0.18 96	0.58 172	0.77 409	0.52 60	0.64 236	0.56 239	0.48 142	0.39 106	0.26 83	0.93 236	0.32 155	0.13 228	0.09 127	0.14 262	0.13 205	0.12 40	0.15 168

IRAFT_RVC	0.54 242	0.53 212	1.78 145	0.46 350	0.21 147	0.58 172	0.43 317	0.65 128	0.66 263	0.54 212	0.50 167	0.49 191	0.51 289	1.58 314	1.01 359	0.11 151	0.25 382	0.13 228	0.10 86	0.15 101	0.13 120

XQC	0.73 352	0.98 373	2.39 324	0.46 350	0.35 319	0.81 365	0.46 334	1.00 385	1.00 402	0.80 373	0.69 320	0.88 364	0.74 367	1.32 277	1.20 374	0.24 379	0.16 302	0.23 373	0.20 330	0.41 386	0.33 366

NOSS_ROB	0.64 302	0.65 261	1.62 95	0.46 350	0.25 213	0.67 291	0.30 222	0.93 327	0.77 350	0.59 279	0.57 230	0.77 328	0.38 186	2.78 438	0.44 230	0.23 372	0.24 369	0.28 391	0.26 360	0.27 299	0.39 393

GASNet	0.73 352	1.47 432	3.04 412	0.47 355	0.33 301	0.57 156	0.34 269	0.91 310	0.75 337	0.58 266	0.58 236	0.74 317	0.55 304	2.03 382	0.65 302	0.21 356	0.15 286	0.19 350	0.17 291	0.51 409	0.28 333

NRIStereo	0.46 156	0.25 38	1.77 140	0.47 355	0.16 45	0.95 392	0.74 405	0.51 49	0.56 160	0.48 151	0.39 92	0.59 240	0.29 126	0.77 221	0.32 155	0.11 151	0.13 245	0.11 120	0.09 53	0.21 225	0.24 303

GEStereo_RVC	0.54 242	0.87 335	1.95 233	0.47 355	0.25 213	0.62 239	0.37 290	1.00 385	0.74 324	0.53 199	0.54 202	0.59 240	0.44 250	1.10 253	0.46 234	0.15 283	0.11 204	0.12 171	0.10 86	0.26 291	0.19 239

FCDSN-DC	1.29 423	0.54 216	2.50 347	0.47 355	0.41 360	1.12 411	0.60 377	1.10 415	1.27 427	2.23 451	2.87 452	3.67 453	3.12 459	2.39 410	1.69 400	0.30 400	0.26 384	0.31 400	0.30 376	0.35 355	0.38 389
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_DS_RVC	1.01 403	1.67 441	2.32 309	0.47 355	0.39 345	1.47 424	0.95 421	0.95 348	0.91 390	0.84 385	0.94 379	1.05 401	0.60 323	2.95 443	0.72 319	0.41 411	0.72 450	0.32 403	0.55 427	0.74 427	1.22 456

GANetREF_RVC	0.75 357	1.15 404	2.46 338	0.47 355	0.26 227	0.83 370	0.61 381	0.97 361	0.89 387	0.62 305	0.61 259	0.72 308	0.59 320	2.42 413	0.55 271	0.32 403	0.25 382	0.36 408	0.24 347	0.39 380	0.31 354
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
PASM	0.72 343	0.68 270	1.91 217	0.47 355	0.44 368	0.60 198	0.51 349	0.76 192	0.80 363	0.77 369	0.67 305	0.87 360	0.61 331	2.40 411	0.67 306	0.32 403	0.35 406	0.36 408	0.41 414	0.45 400	0.39 393

PWCDC_ROB	0.72 343	1.06 390	2.09 266	0.47 355	0.36 327	0.78 354	0.26 153	0.98 365	1.34 429	0.61 294	2.07 432	0.64 263	0.61 331	0.83 228	0.71 315	0.31 402	0.14 261	0.15 289	0.12 176	0.60 420	0.21 261

CRE-IMP	0.41 98	0.22 23	1.76 131	0.48 363	0.17 69	0.79 358	0.69 397	0.52 60	0.52 114	0.47 133	0.42 104	0.45 157	0.26 83	0.41 84	0.31 145	0.11 151	0.07 14	0.12 171	0.09 53	0.17 155	0.23 292

XX-Stereo	0.55 254	0.54 216	3.50 440	0.48 363	0.39 345	0.54 112	0.17 11	0.89 294	0.40 30	0.44 113	0.65 300	0.85 354	0.19 18	0.77 221	0.21 34	0.10 96	0.14 261	0.10 70	0.32 386	0.17 155	0.14 135

DeepStereo_RVC	0.44 129	0.28 73	1.92 220	0.49 365	0.17 69	0.60 198	0.59 375	0.50 47	0.52 114	0.49 162	0.45 119	0.39 106	0.86 384	0.45 107	0.33 165	0.11 151	0.08 68	0.11 120	0.09 53	0.15 101	0.19 239

AnyNet_C32	1.00 401	1.33 426	2.53 350	0.49 365	0.54 397	1.15 415	1.14 437	0.91 310	0.89 387	1.11 409	0.95 381	0.87 360	0.93 392	1.50 301	4.07 453	0.21 356	0.20 347	0.25 384	0.24 347	0.38 372	0.33 366

AIO-Stereo-zeroshot1	0.70 333	0.65 261	3.45 438	0.50 367	0.60 413	0.75 338	0.23 92	0.96 353	0.60 184	0.76 365	1.30 411	0.81 342	0.60 323	0.57 165	0.82 337	0.10 96	0.16 302	0.11 120	0.43 417	0.31 326	0.22 271

HH	0.49 193	0.49 198	2.78 389	0.50 367	0.41 360	0.38 29	0.23 92	0.72 158	0.38 19	0.63 313	0.48 142	0.87 360	0.41 217	0.64 185	0.21 34	0.09 23	0.17 318	0.10 70	0.09 53	0.16 134	0.12 86

HanStereo	0.49 193	0.49 198	2.78 389	0.50 367	0.41 360	0.38 29	0.23 92	0.72 158	0.38 19	0.63 313	0.48 142	0.87 360	0.41 217	0.64 185	0.21 34	0.09 23	0.17 318	0.10 70	0.09 53	0.16 134	0.12 86

RAFT_R40	0.50 203	0.21 13	1.76 131	0.50 367	0.40 353	0.61 219	0.53 356	0.56 86	0.60 184	0.56 239	0.54 202	0.55 213	0.51 289	1.57 310	0.53 266	0.11 151	0.07 14	0.12 171	0.10 86	0.16 134	0.09 23

PSM-softLoss	0.48 175	0.27 52	1.85 187	0.51 371	0.17 69	0.61 219	0.40 302	0.61 113	0.57 163	0.52 189	0.48 142	0.39 106	0.25 69	1.46 292	0.77 328	0.12 199	0.08 68	0.13 228	0.12 176	0.12 40	0.14 135

KMStereo	0.48 175	0.27 52	1.85 187	0.51 371	0.17 69	0.61 219	0.40 302	0.61 113	0.57 163	0.52 189	0.48 142	0.39 106	0.25 69	1.46 292	0.77 328	0.12 199	0.08 68	0.13 228	0.12 176	0.12 40	0.14 135

EDNetEfficientorigin	8.18 470	0.98 373	145.96 490	0.51 371	0.89 432	0.72 324	0.48 345	0.85 265	1.56 439	2.12 445	1.49 419	1.29 419	1.31 419	1.83 353	2.13 419	0.13 228	0.12 228	0.17 324	0.18 301	0.39 380	0.45 407

CSAN	1.25 421	1.12 396	3.04 412	0.51 371	0.37 338	1.06 404	1.15 438	1.22 425	1.08 413	1.17 418	1.91 430	1.04 399	1.31 419	5.96 466	2.43 428	0.26 387	0.22 360	0.24 379	0.24 347	0.31 326	0.30 347

NF-Stereo	0.48 175	0.25 38	1.81 171	0.52 375	0.16 45	0.61 219	0.44 325	0.66 130	0.61 199	0.50 169	0.47 130	0.37 95	0.26 83	1.45 291	0.79 334	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.16 191

OCTAStereo	0.48 175	0.25 38	1.81 171	0.52 375	0.16 45	0.61 219	0.43 317	0.66 130	0.61 199	0.50 169	0.47 130	0.37 95	0.26 83	1.44 287	0.80 335	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

RE-Stereo	0.48 175	0.25 38	1.81 171	0.52 375	0.16 45	0.61 219	0.43 317	0.66 130	0.60 184	0.50 169	0.47 130	0.37 95	0.26 83	1.44 287	0.78 330	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

TVStereo	0.48 175	0.25 38	1.81 171	0.52 375	0.16 45	0.61 219	0.43 317	0.66 130	0.60 184	0.50 169	0.47 130	0.37 95	0.26 83	1.44 287	0.78 330	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

RTS	1.21 417	1.31 421	6.39 464	0.52 375	0.51 393	1.61 431	0.79 410	1.03 403	1.37 431	1.13 410	1.30 411	1.10 409	0.85 381	2.65 430	2.08 415	0.21 356	0.24 369	0.18 344	0.18 301	0.43 392	0.32 359

RTSA	1.21 417	1.31 421	6.39 464	0.52 375	0.51 393	1.61 431	0.79 410	1.03 403	1.37 431	1.13 410	1.30 411	1.10 409	0.85 381	2.65 430	2.08 415	0.21 356	0.24 369	0.18 344	0.18 301	0.43 392	0.32 359

PVD	0.90 388	0.85 331	2.15 281	0.53 381	0.50 388	0.99 396	0.56 367	1.15 423	1.64 440	1.41 434	1.41 418	1.11 411	1.13 412	1.35 280	1.31 381	0.26 387	0.28 392	0.28 391	0.26 360	0.37 366	0.49 413

NaN_ROB	1.14 410	0.94 354	2.96 405	0.53 381	0.56 402	1.13 413	0.99 424	0.98 365	1.00 402	1.09 408	0.87 369	0.77 328	1.06 407	5.90 465	2.72 432	0.16 303	0.23 366	0.16 307	0.24 347	0.22 239	0.36 380

ELAS	1.39 431	0.79 311	2.86 394	0.53 381	0.50 388	2.81 459	2.20 459	1.61 443	1.50 436	2.28 453	2.35 441	1.82 434	2.13 446	1.73 334	2.22 421	0.35 407	0.37 410	0.35 406	0.35 396	0.49 405	0.47 410
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AAGNet	0.88 386	0.33 107	1.79 164	0.54 384	0.98 437	0.62 239	0.46 334	0.50 47	0.60 184	0.58 266	0.53 192	0.50 194	0.73 362	1.23 271	7.48 467	0.11 151	0.07 14	0.12 171	0.10 86	0.14 85	0.09 23

IIG-Stereo	0.59 276	0.65 261	1.74 121	0.54 384	0.23 185	0.61 219	0.21 51	0.73 166	0.65 249	0.64 322	0.69 320	0.69 293	0.38 186	2.09 389	1.39 387	0.11 151	0.07 14	0.11 120	0.09 53	0.15 101	0.09 23

GMM-Stereo	0.50 203	0.23 27	2.41 327	0.54 384	0.24 198	0.77 349	0.46 334	0.59 101	0.57 163	0.58 266	0.73 340	0.47 178	0.43 243	0.68 196	0.27 96	0.10 96	0.06 1	0.13 228	0.13 205	0.14 85	0.44 406

EAI-Stereo	0.78 368	0.25 38	1.67 102	0.54 384	0.59 408	1.95 444	2.05 458	1.11 419	0.64 236	0.95 398	1.49 419	0.50 194	0.67 348	0.59 172	1.44 391	0.09 23	0.19 338	0.09 30	0.49 422	0.13 66	0.22 271

AnyNet_C01	1.14 410	1.49 433	4.23 454	0.54 384	0.53 395	1.51 428	1.37 447	1.04 407	1.07 412	1.17 418	1.33 414	1.15 414	1.08 408	1.61 320	2.74 433	0.25 384	0.22 360	0.28 391	0.24 347	0.48 403	0.40 397

MDST_ROB	1.17 415	0.42 163	3.87 445	0.54 384	0.44 368	4.11 465	0.58 373	1.31 431	0.84 374	2.12 445	1.12 402	0.98 386	0.71 356	4.24 461	0.99 354	0.16 303	0.14 261	0.19 350	0.17 291	0.18 179	0.35 372

NINENet	0.50 203	0.33 107	1.69 105	0.55 390	0.25 213	0.91 388	0.23 92	0.98 365	0.71 298	0.53 199	0.55 211	0.66 271	0.30 134	1.22 269	0.32 155	0.15 283	0.13 245	0.16 307	0.11 143	0.16 134	0.13 120

ELAS_RVC	1.37 430	0.78 309	3.21 429	0.55 390	0.50 388	1.49 426	2.48 462	1.48 437	1.71 443	2.13 448	2.09 433	2.07 438	2.56 452	1.90 369	2.02 412	0.35 407	0.36 408	0.37 412	0.34 393	0.49 405	0.47 410
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
OMP-Stereo	0.59 276	0.65 261	1.74 121	0.56 392	0.37 338	0.60 198	0.26 153	0.70 150	0.65 249	0.66 331	0.60 252	0.69 293	0.32 147	2.09 389	1.20 374	0.10 96	0.07 14	0.12 171	0.09 53	0.17 155	0.10 41

MSC_U_SF_DS_RVC	1.34 426	1.70 445	2.50 347	0.56 392	0.40 353	2.15 452	0.99 424	1.24 427	1.26 426	1.02 402	1.10 401	1.29 419	0.88 388	3.10 447	1.08 365	1.66 459	0.83 452	0.68 430	0.88 451	1.57 453	1.80 466

DisPM	0.43 119	0.33 107	1.78 145	0.57 394	0.18 96	0.59 188	0.63 387	0.53 68	0.61 199	0.60 287	0.53 192	0.38 102	0.26 83	0.75 214	0.29 119	0.12 199	0.07 14	0.12 171	0.11 143	0.11 29	0.14 135

G-Net	0.99 398	0.64 255	2.76 385	0.57 394	0.67 418	2.03 449	0.72 404	0.76 192	0.67 270	1.14 412	2.56 446	1.30 422	1.02 402	1.48 300	1.74 403	0.25 384	0.24 369	0.24 379	0.26 360	0.37 366	0.31 354

DPSNet	0.86 383	0.60 232	2.34 314	0.58 396	0.36 327	1.07 409	0.75 406	1.30 430	1.05 408	0.70 348	0.68 313	0.94 379	1.29 416	2.08 387	1.82 406	0.26 387	0.23 366	0.16 307	0.17 291	0.48 403	0.40 397

NVStereoNet_ROB	1.16 414	0.95 360	2.54 356	0.58 396	0.55 400	0.78 354	0.63 387	1.00 385	1.08 413	1.03 403	4.07 462	1.48 428	1.22 414	2.88 442	1.27 380	0.50 418	0.46 424	0.54 423	0.62 438	0.50 407	0.63 428
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WCMA_ROB	1.12 408	0.83 325	2.66 371	0.58 396	0.34 308	1.17 417	0.71 401	0.93 327	0.94 394	1.74 441	2.63 449	3.09 449	1.71 440	1.70 330	1.84 407	0.26 387	0.21 355	0.20 358	0.21 335	0.28 305	0.43 404

anonymity	0.80 372	0.66 267	1.29 36	0.59 399	0.75 424	0.67 291	0.52 352	0.95 348	0.71 298	0.94 396	0.70 330	0.67 280	0.87 385	0.71 209	1.35 384	0.64 428	0.62 438	0.58 424	1.44 463	0.60 420	0.65 429

NCC-stereo	0.79 370	0.94 354	2.42 329	0.59 399	0.45 376	1.90 442	0.46 334	0.99 377	0.72 306	0.64 322	0.84 362	0.91 370	0.73 362	1.80 349	1.00 355	0.27 392	0.19 338	0.23 373	0.31 381	0.24 263	0.22 271

Abc-Net	0.79 370	0.94 354	2.42 329	0.59 399	0.45 376	1.90 442	0.46 334	0.99 377	0.72 306	0.64 322	0.84 362	0.91 370	0.73 362	1.80 349	1.00 355	0.27 392	0.19 338	0.23 373	0.31 381	0.24 263	0.22 271
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Prome-Stereo	0.49 193	0.30 88	1.76 131	0.60 402	0.23 185	0.63 256	0.42 311	0.62 117	0.60 184	0.59 279	1.03 394	0.43 137	0.72 359	0.60 177	0.33 165	0.09 23	0.07 14	0.10 70	0.09 53	0.11 29	0.43 404

MIPNet	0.83 379	0.81 318	2.40 326	0.61 403	0.18 96	1.48 425	1.39 449	1.60 442	0.74 324	1.94 443	0.85 366	0.73 311	1.68 438	0.87 234	0.31 145	0.09 23	0.08 68	0.11 120	0.32 386	0.25 273	0.12 86

SST-Stereo	0.52 231	0.20 8	1.76 131	0.62 404	0.53 395	0.62 239	0.66 389	0.55 83	0.61 199	0.58 266	0.53 192	0.52 203	0.60 323	1.59 316	0.29 119	0.11 151	0.07 14	0.12 171	0.10 86	0.16 134	0.10 41

PA-Net	0.84 381	1.00 379	3.49 439	0.63 405	0.40 353	0.70 316	0.52 352	0.86 274	0.84 374	0.52 189	0.59 239	0.70 303	0.54 299	2.35 403	2.23 422	0.17 317	0.27 390	0.19 350	0.28 367	0.22 239	0.36 380
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
testlalala2	0.44 129	0.28 73	2.59 362	0.64 406	0.56 402	0.57 156	0.20 34	0.78 216	0.52 114	0.40 90	0.39 92	0.45 157	0.21 30	0.27 5	0.22 44	0.09 23	0.10 159	0.08 4	0.29 370	0.12 40	0.10 41

EDNetEfficient	1.27 422	0.70 277	4.05 451	0.64 406	0.98 437	0.94 391	1.40 450	0.85 265	1.75 444	2.34 454	1.33 414	1.05 401	2.21 448	1.58 314	4.15 454	0.15 283	0.19 338	0.14 262	0.27 364	0.38 372	0.32 359

PDISCO_ROB	0.75 357	1.06 390	2.11 270	0.64 406	0.59 408	1.13 413	0.43 317	1.14 420	1.05 408	0.64 322	0.71 334	0.96 382	0.61 331	1.21 267	0.76 326	0.37 410	0.18 328	0.27 388	0.24 347	0.56 416	0.32 359

MFN_U_SF_RVC	1.55 440	2.39 468	3.16 423	0.65 409	0.41 360	1.12 411	0.46 334	1.23 426	1.33 428	1.61 439	1.20 404	1.43 426	0.98 399	1.76 338	1.97 409	1.90 462	1.80 461	1.98 466	2.15 465	1.63 454	1.77 465

SPS-STEREO	1.07 407	1.13 399	2.88 396	0.65 409	0.69 420	0.99 396	0.68 395	1.05 408	0.87 380	1.36 429	1.23 406	1.46 427	0.94 395	1.87 360	1.72 402	0.66 429	0.61 437	0.58 424	0.57 433	0.65 422	0.77 436
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
UDG	0.77 364	1.23 413	2.15 281	0.67 411	0.59 408	0.78 354	0.38 296	0.90 300	0.70 289	0.61 294	0.69 320	1.01 392	0.67 348	1.02 245	0.73 322	0.45 415	0.34 405	0.87 435	0.51 424	0.67 424	0.46 409

SGM-ForestM	2.98 459	1.70 445	3.52 441	0.67 411	0.47 384	5.18 468	3.36 466	3.30 465	2.86 458	4.44 466	3.79 461	9.80 470	5.50 467	6.29 467	6.52 465	0.27 392	0.36 408	0.24 379	0.27 364	0.38 372	0.58 423

FTStereo	0.76 360	0.18 2	2.35 317	0.71 413	0.21 147	0.73 329	1.79 456	0.57 89	0.53 133	1.07 406	1.63 424	1.29 419	2.13 446	0.75 214	0.29 119	0.19 342	0.08 68	0.12 171	0.11 143	0.11 29	0.40 397

JetBlue	1.78 443	1.63 437	3.92 447	0.73 414	1.21 450	4.38 466	3.35 465	1.59 441	1.20 422	1.26 426	1.52 421	2.37 442	1.88 443	3.23 449	3.00 436	0.53 419	0.47 427	0.48 421	0.49 422	1.29 448	0.97 446

pmcnn	1.32 424	1.05 389	2.77 387	0.74 415	1.43 453	0.72 324	0.56 367	0.96 353	0.91 390	0.99 400	2.92 455	6.01 466	0.70 354	2.38 407	3.32 445	0.13 228	0.10 159	0.08 4	0.06 8	0.34 347	0.22 271

SQANet	0.80 372	1.58 435	2.53 350	0.76 416	0.83 428	0.76 341	0.36 283	0.83 251	0.64 236	0.63 313	0.69 320	0.73 311	0.51 289	1.21 267	0.53 266	0.77 436	0.29 393	0.59 426	0.29 370	0.86 434	0.61 425

DDUNet	0.77 364	1.12 396	1.88 201	0.76 416	0.69 420	0.84 372	0.43 317	0.85 265	0.65 249	0.67 335	0.75 346	0.91 370	0.52 294	1.03 247	0.57 281	0.54 421	0.37 410	0.95 441	0.52 426	0.71 426	0.57 421

ACRE	0.56 260	1.14 400	2.77 387	0.76 416	0.28 249	0.60 198	0.56 367	0.76 192	0.58 173	0.55 229	0.62 264	0.41 120	0.29 126	0.44 98	0.39 203	0.11 151	0.19 338	0.13 228	0.14 233	0.36 359	0.18 227

CAS	0.35 58	0.25 38	1.30 38	0.79 419	0.34 308	0.51 82	0.23 92	0.46 24	0.39 25	0.22 12	0.31 49	0.20 5	0.17 6	0.28 9	0.23 51	0.73 433	0.06 1	0.07 1	0.05 1	0.09 10	0.37 386

CIPLG	0.56 260	1.19 409	2.46 338	0.80 420	0.31 281	0.61 219	0.57 371	0.76 192	0.57 163	0.56 239	0.63 276	0.41 120	0.30 134	0.45 107	0.40 209	0.11 151	0.20 347	0.13 228	0.13 205	0.35 355	0.19 239

IPLGR_C	0.58 271	1.25 416	2.72 379	0.80 420	0.31 281	0.60 198	0.61 381	0.76 192	0.58 173	0.56 239	0.62 264	0.41 120	0.31 142	0.43 92	0.40 209	0.11 151	0.22 360	0.13 228	0.15 255	0.35 355	0.19 239

SAMSARA	0.91 389	0.97 370	2.22 295	0.80 420	0.58 406	1.32 419	1.31 444	1.01 393	0.94 394	1.36 429	0.87 369	1.38 424	0.90 390	1.72 333	1.02 360	0.24 379	0.30 397	0.22 366	0.25 354	0.36 359	0.35 372

MADNet+	1.36 428	1.93 458	5.95 463	0.81 423	0.59 408	1.57 430	1.09 433	1.39 435	1.22 423	0.84 385	1.01 390	1.25 418	1.12 411	3.19 448	2.36 427	0.45 415	0.47 427	0.38 414	0.34 393	0.59 417	0.57 421

MFMNet_re	0.92 391	1.28 418	2.53 350	0.82 424	0.76 427	0.90 386	0.75 406	0.98 365	1.04 407	1.03 403	1.05 398	0.84 351	0.94 395	0.83 228	0.72 319	0.68 430	0.60 436	0.63 427	0.60 437	0.77 430	0.74 432

SGM+DAISY	1.83 445	1.43 430	3.81 444	0.87 425	1.01 440	2.38 456	2.53 463	1.36 433	1.75 444	2.92 461	3.22 458	2.65 445	2.93 454	2.22 399	3.10 440	0.72 432	0.69 446	0.63 427	0.62 438	0.77 430	0.98 447

CC-Net-ROB	0.85 382	1.15 404	2.13 275	0.88 426	0.38 343	0.88 384	0.44 325	1.06 409	0.79 360	0.58 266	0.69 320	0.65 266	0.50 287	2.74 437	0.51 260	0.93 439	0.39 418	0.87 435	0.29 370	0.54 414	0.54 417

GrayStereo	0.66 314	0.19 4	1.76 131	0.90 427	0.23 185	0.62 239	1.42 453	0.62 117	0.60 184	0.72 355	0.78 352	0.56 225	3.07 457	0.60 177	0.26 88	0.09 23	0.08 68	0.10 70	0.21 335	0.11 29	0.18 227

ASMatch	0.60 281	0.43 167	2.58 360	0.91 428	0.36 327	0.56 138	0.25 134	0.52 60	0.61 199	0.47 133	1.21 405	0.47 178	0.66 346	1.34 279	0.94 345	0.10 96	0.08 68	0.11 120	0.11 143	0.10 16	0.16 191

LCNet	0.54 242	0.37 133	1.78 145	0.92 429	0.22 168	0.96 393	0.30 222	0.59 101	0.58 173	0.51 182	0.55 211	0.41 120	0.76 369	0.84 230	0.26 88	0.09 23	0.06 1	0.12 171	0.18 301	0.98 436	0.39 393

WAO-7	1.48 436	1.63 437	2.49 343	0.93 430	0.75 424	1.72 438	1.10 434	1.84 449	1.96 449	1.43 435	2.54 445	1.97 436	1.61 437	3.06 445	2.08 415	0.69 431	0.66 440	0.94 440	0.74 445	0.80 432	0.69 431

MaskLacGwcNet_RVC	0.77 364	1.04 388	2.06 258	0.94 431	0.35 319	0.89 385	0.40 302	0.85 265	0.63 228	0.55 229	0.63 276	0.75 322	0.38 186	2.38 407	0.48 247	1.10 447	0.31 399	0.36 408	0.21 335	0.53 413	0.55 420

otaku	1.03 404	1.68 443	2.72 379	0.95 432	0.73 423	1.03 402	0.59 375	0.99 377	0.86 377	0.69 344	1.61 422	0.98 386	0.64 339	1.46 292	1.14 369	0.95 441	0.46 424	0.72 432	0.40 411	1.24 446	0.78 437

Ntro	1.00 401	1.68 443	2.80 391	0.95 432	0.85 429	1.06 404	0.53 356	0.98 365	0.90 389	0.62 305	0.76 348	0.93 375	0.66 346	1.66 324	0.98 349	0.99 444	0.45 422	0.75 433	0.40 411	1.19 442	0.75 434

SGM_RVC	1.89 446	0.92 346	2.50 347	0.96 434	0.93 436	1.63 433	1.37 447	1.52 440	12.43 469	1.85 442	1.69 425	2.40 443	1.74 441	2.81 441	1.71 401	0.53 419	0.47 427	0.42 417	0.47 420	0.74 427	0.74 432
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
Consistency-Raft	0.88 386	0.93 352	3.23 431	0.99 435	0.64 416	0.77 349	0.55 362	0.98 365	0.97 398	0.61 294	1.03 394	0.65 266	1.05 405	0.79 226	1.38 386	0.44 413	0.46 424	0.51 422	0.58 435	0.65 422	0.47 410

MANE	2.90 458	1.14 400	2.96 405	1.03 436	1.01 440	5.01 467	2.45 461	5.36 469	6.88 467	3.58 465	4.76 466	5.99 465	4.99 464	4.23 460	4.61 459	0.56 424	0.67 441	0.44 419	0.78 447	0.51 409	1.03 452

ACVNet-4b	1.93 447	1.85 452	4.10 452	1.07 437	0.86 430	1.15 415	0.53 356	1.06 409	1.12 417	0.64 322	1.09 400	1.99 437	0.70 354	2.20 395	9.86 472	5.62 470	0.41 421	1.03 445	0.55 427	1.86 459	0.85 440

ACVNet_2	1.42 434	1.81 449	3.23 431	1.08 438	0.92 435	1.32 419	0.85 415	1.49 438	1.69 441	1.19 421	1.73 426	2.13 439	1.03 403	2.50 421	1.40 389	0.91 438	0.53 432	1.00 443	0.55 427	2.11 461	0.85 440

ACVNet_1	1.33 425	1.91 456	4.03 450	1.09 439	0.88 431	1.19 418	0.66 389	1.24 427	1.17 420	0.94 396	0.96 382	3.09 449	1.04 404	2.37 404	1.11 367	1.04 445	0.48 430	1.03 445	0.48 421	1.12 439	0.83 439

PWCK	1.49 437	1.90 455	3.22 430	1.09 439	0.54 397	1.71 437	1.73 455	1.49 438	1.53 437	1.44 436	1.80 427	1.82 434	1.30 418	3.34 451	1.76 404	1.07 446	0.56 434	0.97 442	0.58 435	1.38 452	0.65 429

GCST	0.72 343	1.10 394	2.15 281	1.11 441	0.59 408	0.62 239	0.19 21	0.75 180	0.53 133	0.56 239	0.63 276	0.47 178	0.31 142	1.11 256	0.33 165	0.75 434	0.45 422	0.84 434	0.64 441	0.69 425	0.54 417

RainbowNet	1.15 412	1.78 448	2.72 379	1.12 442	0.91 434	1.06 404	0.76 408	1.16 424	1.13 419	0.75 362	0.97 384	1.09 407	0.80 373	1.60 317	1.21 376	1.17 449	1.26 459	1.01 444	0.57 433	1.13 440	0.88 444

WAO-6	1.58 441	1.54 434	2.32 309	1.14 443	1.00 439	2.30 454	1.03 430	1.82 448	2.85 457	1.25 423	2.61 448	2.20 440	1.56 435	2.47 419	1.99 411	0.95 441	0.67 441	1.19 450	0.83 449	1.08 438	0.88 444

DANet	0.80 372	0.65 261	2.21 291	1.19 444	0.48 386	0.74 332	1.25 442	0.89 294	1.53 437	0.89 391	0.71 334	0.96 382	0.56 308	1.83 353	0.96 347	0.18 328	0.16 302	0.19 350	0.16 274	0.26 291	0.29 339
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
test_for_model	0.64 302	1.60 436	1.82 177	1.23 445	1.02 442	0.53 106	0.23 92	0.75 180	0.50 100	0.57 250	0.29 34	0.25 35	0.20 24	0.26 3	0.22 44	0.76 435	0.31 399	0.08 4	0.07 15	1.68 456	0.50 416

Dean	1.79 444	1.83 450	3.92 447	1.29 446	1.07 445	1.55 429	1.00 427	1.95 452	2.33 451	1.47 437	4.19 463	4.26 459	1.33 422	2.21 396	1.48 393	1.14 448	0.68 445	1.18 447	0.74 445	1.24 446	0.98 447

IMH-64-1	1.39 431	1.64 439	1.86 195	1.36 447	1.11 446	1.39 422	1.19 440	1.76 445	1.45 434	1.16 413	2.21 438	1.53 429	1.38 425	1.98 377	1.52 394	1.29 451	0.67 441	1.27 451	0.69 442	1.29 448	0.98 447

IMH-64	1.39 431	1.64 439	1.86 195	1.36 447	1.11 446	1.39 422	1.19 440	1.76 445	1.45 434	1.16 413	2.21 438	1.53 429	1.38 425	1.98 377	1.52 394	1.29 451	0.67 441	1.27 451	0.69 442	1.29 448	0.98 447

JetRed	3.29 460	4.93 470	10.17 468	1.45 449	1.72 461	7.44 469	5.05 470	3.06 460	2.12 450	2.41 455	2.39 442	2.99 448	2.37 449	3.51 454	6.44 464	1.32 454	1.90 465	1.37 455	1.23 462	2.21 462	1.76 464

TorneroNet-64	2.65 451	1.83 450	3.30 433	1.46 450	1.20 449	3.89 462	0.99 424	3.51 467	6.71 466	2.56 456	4.60 464	4.22 456	3.85 462	3.33 450	3.14 441	1.19 450	0.65 439	1.39 456	0.79 448	3.31 467	1.15 454

TorneroNet	5.50 467	1.92 457	3.16 423	1.47 451	1.25 452	14.07 474	1.06 432	4.90 468	20.99 485	10.17 469	16.48 477	11.88 474	6.93 468	3.34 451	4.20 455	1.30 453	0.69 446	1.45 458	0.86 450	2.61 464	1.20 455

DispFullNet	1.67 442	2.10 461	5.22 459	1.53 452	8.90 468	0.86 378	0.31 234	0.96 353	0.96 397	1.37 432	1.01 390	1.13 412	1.98 445	1.51 302	0.91 344	0.54 421	0.31 399	1.18 447	0.63 440	1.13 440	0.80 438

IMH	2.02 449	2.15 466	2.69 376	1.68 453	1.12 448	1.66 436	0.92 420	2.10 453	1.92 448	1.32 428	2.66 450	2.21 441	1.69 439	5.78 464	1.68 399	5.54 469	0.96 456	1.31 453	0.71 444	1.32 451	0.99 451

LVE	1.96 448	2.17 467	3.14 421	1.68 453	1.80 462	1.63 433	1.03 430	2.34 455	2.81 456	1.25 423	2.89 453	4.24 458	1.29 416	2.79 439	1.44 391	2.85 466	0.91 455	1.18 447	1.46 464	1.23 445	1.10 453

KSHMR	4.10 463	1.97 459	5.27 460	1.71 455	1.47 457	1.96 445	1.28 443	3.19 461	17.33 480	2.12 445	15.91 475	9.18 469	1.57 436	8.42 470	1.98 410	1.52 457	1.26 459	1.67 463	1.19 460	1.67 455	1.40 460

Pruner-Stereo	0.51 220	0.27 52	1.78 145	1.79 456	0.19 122	0.62 239	0.45 331	0.57 89	0.60 184	0.61 294	0.48 142	0.41 120	0.24 56	0.46 113	1.00 355	0.12 199	0.07 14	0.12 171	0.10 86	0.12 40	0.13 120

ktn	4.35 464	2.10 461	2.89 399	1.80 457	1.49 459	2.13 451	1.41 452	2.26 454	12.72 470	11.41 472	16.43 476	11.15 472	3.75 460	4.36 462	3.18 442	1.82 461	0.98 458	1.73 465	1.21 461	2.97 466	1.27 457

UNDER WATER	2.74 453	1.85 452	4.54 456	1.81 458	1.44 455	2.34 455	1.40 450	3.24 462	6.60 465	2.60 457	2.76 451	5.75 464	5.24 466	3.02 444	4.01 452	1.45 455	0.81 451	1.59 462	1.06 457	1.80 457	1.51 462

UNDER WATER-64	2.47 450	1.89 454	4.86 457	1.82 459	1.44 455	3.18 461	1.57 454	2.62 456	5.64 462	2.05 444	2.13 435	4.13 455	3.76 461	2.62 428	3.42 447	1.47 456	0.85 453	1.57 461	1.07 458	1.82 458	1.49 461

WAO-8	2.80 455	2.14 464	2.89 399	1.91 460	1.04 443	3.98 463	0.96 422	3.26 463	6.17 463	2.15 449	3.37 459	3.31 451	2.41 450	11.84 472	2.03 413	2.05 463	1.86 463	1.54 459	0.92 452	1.22 443	0.87 442

Venus	2.80 455	2.14 464	2.89 399	1.91 460	1.04 443	3.98 463	0.96 422	3.26 463	6.17 463	2.15 449	3.37 459	3.31 451	2.41 450	11.84 472	2.03 413	2.05 463	1.86 463	1.54 459	0.92 452	1.22 443	0.87 442

DDVS	0.62 294	0.40 151	1.40 55	2.21 462	0.35 319	0.87 382	1.00 427	0.69 144	0.50 100	0.53 199	0.56 222	0.90 368	0.37 179	1.22 269	0.47 243	0.15 283	0.14 261	0.14 262	0.12 176	0.19 200	0.22 271

tt	4.93 466	0.27 52	4.20 453	2.29 463	1.58 460	10.20 472	16.97 476	9.42 474	5.02 461	1.67 440	1.28 409	4.68 461	5.03 465	3.37 453	5.92 463	6.16 471	9.47 478	2.82 468	3.18 469	3.60 468	1.53 463

MADNet++	2.79 454	2.11 463	2.97 408	2.49 464	2.28 463	2.95 460	2.31 460	2.67 457	2.47 453	3.03 463	3.13 457	2.70 446	2.92 453	4.10 459	4.48 457	2.68 465	2.24 468	3.04 469	2.44 467	2.37 463	2.34 467

EKT-Stereo	1.47 435	0.49 198	1.93 223	2.57 465	19.31 478	0.55 124	0.22 69	0.69 144	0.42 40	0.38 82	0.36 73	0.43 137	0.27 99	0.69 202	0.26 88	0.12 199	0.14 261	0.11 120	0.16 274	0.20 215	0.15 168

notaker	2.66 452	2.07 460	3.31 435	2.61 466	1.43 453	1.76 440	1.11 435	2.76 459	1.79 446	2.26 452	11.53 473	3.96 454	4.29 463	3.09 446	2.76 434	1.55 458	0.88 454	1.70 464	1.07 458	2.00 460	1.35 458

LE_ROB	4.43 465	1.35 428	9.38 467	2.79 467	3.93 465	2.43 457	3.46 467	2.68 458	11.19 468	11.66 473	4.73 465	5.26 463	10.46 471	4.50 463	9.49 470	0.82 437	0.69 446	1.34 454	0.98 455	0.75 429	0.76 435

BEATNet-Init1	12.10 473	11.19 473	27.29 486	2.99 468	3.51 464	21.84 485	11.10 472	14.34 478	13.83 475	20.34 481	20.33 482	26.35 488	20.03 479	19.06 483	14.80 478	1.74 460	1.81 462	2.05 467	2.49 468	3.69 469	3.12 469

DGSMNet	2.89 457	0.63 253	3.18 426	3.43 469	4.17 467	2.57 458	6.98 471	0.97 361	0.83 372	0.56 239	1.86 429	0.79 336	0.62 336	1.64 322	1.39 387	4.61 468	5.01 471	5.17 472	4.71 471	4.44 471	4.19 470

PML	23.15 481	16.83 477	7.78 466	5.49 470	9.93 469	51.13 489	104.50 489	5.76 470	13.62 473	37.30 489	105.93 489	30.86 489	23.50 484	12.07 474	7.87 468	6.30 472	2.12 467	6.32 474	2.43 466	10.44 476	2.90 468

DGTPSM_ROB	8.89 471	5.62 471	12.25 470	5.92 471	11.32 470	8.54 470	24.18 478	6.40 471	13.49 471	5.15 467	11.46 471	6.19 467	10.92 472	7.00 468	13.72 474	4.47 467	7.65 472	3.92 470	7.45 474	4.38 470	7.87 474

HanzoNet	7.64 469	2.86 469	5.05 458	7.01 472	3.97 466	2.18 453	1.34 446	3.37 466	4.05 459	13.17 474	10.58 467	10.73 471	16.52 477	8.45 471	10.51 473	10.48 477	9.72 479	5.59 473	13.46 478	6.84 473	6.83 473

DPSMNet_ROB	9.48 472	5.64 472	13.01 474	8.82 473	11.82 471	8.54 470	24.20 479	6.41 472	13.65 474	5.32 468	11.47 472	6.33 468	10.92 472	7.69 469	13.89 475	7.25 476	8.19 474	5.06 471	7.78 475	5.31 472	8.26 475

LSM	3.31 461	1.11 395	5.29 461	9.40 474	30.65 484	0.84 372	1.12 436	0.91 310	1.22 423	1.36 429	2.19 437	0.93 375	0.83 377	1.66 324	0.90 343	0.21 356	0.31 399	0.24 379	0.28 367	0.39 380	6.33 472

Anonymous_1	22.91 480	11.20 474	12.13 469	12.75 475	26.28 483	19.43 480	27.92 483	14.08 477	13.61 472	14.96 475	10.58 467	11.26 473	11.19 474	12.55 476	14.57 477	38.28 489	7.88 473	34.96 486	63.99 486	89.57 489	10.94 478

DPSM_ROB	12.34 474	11.21 475	12.51 471	12.91 476	12.80 473	19.84 482	28.28 484	14.38 479	14.28 476	10.58 470	11.26 469	12.03 475	11.85 475	13.15 478	15.34 479	7.11 474	8.31 475	6.50 475	7.35 472	8.84 474	8.31 476

DPSM	12.34 474	11.21 475	12.51 471	12.91 476	12.80 473	19.84 482	28.28 484	14.38 479	14.28 476	10.58 470	11.26 469	12.03 475	11.85 475	13.15 478	15.34 479	7.11 474	8.31 475	6.50 475	7.35 472	8.84 474	8.31 476

DPSimNet_ROB	17.97 478	20.20 484	24.98 482	17.62 478	15.92 476	21.53 484	21.00 477	13.70 476	15.61 478	23.89 486	14.69 474	22.87 482	24.58 488	12.70 477	14.56 476	18.48 481	12.91 480	20.21 481	12.05 476	17.76 477	14.17 479

HaxPig	19.86 479	22.40 485	22.34 479	17.95 479	17.95 477	11.77 473	11.89 473	16.02 481	15.89 479	21.10 482	21.41 483	18.74 481	18.39 478	20.08 484	19.69 481	23.63 486	23.22 484	24.06 482	23.69 482	23.00 482	23.95 484

LRCNet_RVC	13.74 477	19.30 478	12.75 473	19.46 480	12.69 472	1.86 441	0.41 308	12.33 475	1.05 408	15.77 476	18.83 481	12.62 477	8.70 470	12.21 475	9.62 471	22.22 482	8.37 477	25.85 483	24.01 483	19.32 481	17.44 482

MEDIAN_ROB	23.96 482	27.05 489	26.39 485	22.16 481	22.13 479	16.12 475	13.97 474	20.24 482	20.05 481	25.50 487	25.31 487	22.96 483	22.63 483	24.39 485	23.24 485	28.20 487	27.23 488	28.62 484	27.75 484	27.50 483	27.76 485

AVERAGE_ROB	26.93 486	30.34 490	29.27 487	25.82 482	25.34 480	19.48 481	15.17 475	23.55 486	23.00 486	28.45 488	27.87 488	26.25 487	25.86 489	26.96 489	25.55 486	31.30 488	30.07 489	31.76 485	30.81 485	30.79 487	30.93 486

CasAABBNet	24.81 483	22.53 486	24.83 481	26.08 483	25.74 481	39.86 486	57.06 488	28.87 487	28.83 488	21.16 484	22.54 485	24.22 484	23.89 486	26.38 486	30.87 488	14.25 478	16.71 482	13.09 477	14.81 480	17.78 478	16.71 480

Selective-RAFT-Error	24.87 484	22.59 487	25.14 483	26.13 484	25.82 482	39.93 487	57.03 487	28.97 488	28.95 489	21.21 485	22.65 486	24.25 485	23.98 487	26.43 487	30.83 487	14.27 479	16.71 482	13.10 478	14.82 481	17.82 479	16.76 481

LSM0	26.58 485	22.63 488	25.88 484	30.13 485	52.21 489	39.94 488	56.74 486	28.97 488	28.72 487	21.14 483	22.26 484	24.43 486	23.88 485	26.54 488	30.87 488	14.32 480	16.55 481	13.12 479	14.71 479	17.92 480	20.60 483

xxxxx1	28.96 487	20.11 481	14.07 476	49.74 486	39.15 486	18.98 476	26.64 480	21.94 483	20.21 482	16.45 477	17.48 478	18.36 478	21.56 480	16.21 480	20.88 482	23.07 483	26.55 485	66.40 487	78.70 487	30.27 484	32.51 487

tt_ll	28.96 487	20.11 481	14.07 476	49.74 486	39.15 486	18.98 476	26.64 480	21.94 483	20.21 482	16.45 477	17.48 478	18.36 478	21.56 480	16.21 480	20.88 482	23.07 483	26.55 485	66.40 487	78.70 487	30.27 484	32.51 487

ff	28.96 487	20.11 481	14.07 476	49.74 486	39.15 486	18.98 476	26.64 480	21.94 483	20.21 482	16.45 477	17.48 478	18.36 478	21.56 480	16.21 480	20.88 482	23.07 483	26.55 485	66.40 487	78.70 487	30.27 484	32.51 487

test_example2	115.39 490	123.23 491	94.57 489	115.52 489	123.55 490	101.63 490	114.33 490	53.41 490	99.48 490	134.90 490	135.05 490	85.83 490	85.11 490	111.32 490	106.15 490	152.55 490	205.26 490	99.78 490	114.96 490	140.96 490	110.20 490

DLNR_Zeroshot_test	13.43 476	19.94 480	23.55 480	121.61 490	35.03 485	0.46 54	0.15 4	8.02 473	0.35 10	0.28 53	0.37 76	0.26 44	0.17 6	0.76 217	0.29 119	6.42 473	0.26 384	0.09 30	0.38 406	50.13 488	0.18 227

ASD4		19.65 479

Low-res two-view benchmark