Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

USTest	0.01 9	0.02 12	0.00 1	0.14 98	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

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

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

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

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

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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 48	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 64	0.07 58	0.09 55	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 68	0.07 59	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 120	0.20 161	0.23 146	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 171	0.21 172	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 209	0.10 69	0.12 81	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.11 96	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 194	0.10 69	0.12 81	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

CoDeX	0.15 123	0.70 225	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 355	0.02 15	0.69 340	0.75 359	0.01 9	0.02 20	0.02 20

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

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

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

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

Wz-Net-LNSev-Ref	0.11 86	0.44 171	0.33 213	0.39 199	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 244	0.36 241	0.02 18	0.02 20	0.02 20	0.02 20

psmg	0.43 246	1.91 394	0.92 367	1.91 444	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 469	1.44 462	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 195	1.29 360	1.19 391	1.36 424	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 432	1.21 442	0.03 38	0.09 110	0.02 20	0.09 110

SFCPSM	0.17 135	0.78 229	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 376	0.02 15	0.75 350	0.76 361	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 160	1.31 362	0.74 346	0.92 327	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 354	0.75 350	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 50	0.02 12	0.02 14	1.01 345	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 107	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 51	0.02 12	0.04 43	0.90 322	0.06 109	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 129	0.36 271	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 86	0.02 12	0.02 14	1.62 437	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

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

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

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

zh-sn7	0.10 64	0.98 266	0.14 125	0.15 108	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 125	0.13 135	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 95	1.14 296	0.17 149	0.20 134	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 149	0.16 144	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 111	1.22 356	0.28 189	0.32 176	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 202	0.27 192	0.04 73	0.03 54	0.03 43	0.03 51

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

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

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

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

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

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

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

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

DualNet (step1)	0.10 64	1.05 286	0.12 100	0.12 81	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 111	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 64	1.05 286	0.12 100	0.12 81	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 111	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 64	1.05 286	0.12 100	0.12 81	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 111	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 51	1.00 270	0.11 89	0.11 75	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 111	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 51	0.97 265	0.10 69	0.10 58	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 64	1.07 289	0.11 89	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 64	1.03 282	0.12 100	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.13 135	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 51	0.87 243	0.10 69	0.12 81	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 51	1.03 282	0.11 89	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 243	0.12 100	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 276	0.09 65	0.09 55	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 262	0.09 65	0.10 58	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 111	1.83 385	0.12 100	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 93	0.11 96	0.05 86	0.04 78	0.05 92	0.04 79

DualNet	0.10 64	1.07 289	0.11 89	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 64	1.09 291	0.12 100	0.12 81	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 111	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 64	1.14 296	0.13 120	0.14 98	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.11 96	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 276	0.10 69	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.03 51

x	0.11 86	1.15 299	0.15 141	0.14 98	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.15 142	0.03 38	0.03 54	0.03 43	0.03 51

222	0.10 64	0.99 269	0.12 100	0.13 94	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 111	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 86	1.16 300	0.16 142	0.12 81	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.16 144	0.03 38	0.04 78	0.04 77	0.04 79

BEATNet_4x	0.11 86	0.03 31	0.03 36	1.60 434	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 86	0.03 31	0.03 36	1.60 434	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C32	0.14 111	0.04 37	0.03 36	2.22 455	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 103	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCPNet	0.10 64	0.03 31	0.04 43	1.27 417	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 107	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

z-mn7	0.16 131	1.21 351	0.33 213	0.41 225	0.04 79	0.04 77	0.03 50	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 218	0.31 222	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 138	1.47 370	0.33 213	0.40 213	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 234	0.32 226	0.05 86	0.04 78	0.04 77	0.04 79

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.12 124	0.04 88	0.06 97	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

test_xeample	0.10 64	1.09 291	0.13 120	0.12 81	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.14 139	0.03 38	0.03 54	0.03 43	0.03 51

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

FADNet-RVC-Resample	0.12 95	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 482	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 104

FADNet_RVC	0.12 95	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 486	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 102	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 491	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

FADNet	0.12 95	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 488	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 95	0.03 31	0.04 43	1.71 440	0.04 79	0.03 40	0.03 50	0.04 77	0.04 81	0.04 74	0.03 52	0.04 77	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

ADCP+	0.15 123	0.04 37	0.04 43	2.20 454	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 107	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
z-ln-s-r	0.21 149	1.40 368	0.53 308	0.56 279	0.04 79	0.05 89	0.04 81	0.05 89	0.05 97	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 88	0.57 311	0.44 282	0.04 73	0.04 78	0.04 77	0.04 79

AASNet	0.06 44	0.08 58	0.08 60	0.08 50	0.05 99	0.06 92	0.05 93	0.05 89	0.06 108	0.06 96	0.06 108	0.05 91	0.06 108	0.06 88	0.05 88	0.08 62	0.08 61	0.08 101	0.05 96	0.06 97	0.05 97

SACVNet	0.06 44	0.08 58	0.08 60	0.08 50	0.05 99	0.06 92	0.05 93	0.05 89	0.06 108	0.06 96	0.06 108	0.05 91	0.06 108	0.06 88	0.05 88	0.08 62	0.08 61	0.08 101	0.05 96	0.06 97	0.05 97

AACVNet	0.06 44	0.08 58	0.08 60	0.08 50	0.05 99	0.06 92	0.05 93	0.05 89	0.06 108	0.06 96	0.06 108	0.05 91	0.06 108	0.06 88	0.05 88	0.08 62	0.08 61	0.08 101	0.05 96	0.06 97	0.05 97

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

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

ISRNet	0.11 86	0.05 49	0.36 232	0.24 151	0.07 110	0.13 125	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 126	0.05 94	0.05 82	0.09 107	0.24 176	0.20 169	0.10 107	0.05 96	0.06 97	0.13 149

qqq1	0.25 160	3.70 476	0.14 125	0.14 98	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 109	0.12 111	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 160	3.70 476	0.14 125	0.14 98	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 109	0.12 111	0.06 94	0.05 96	0.03 43	0.04 79

11t1	0.17 135	2.16 411	0.13 120	0.13 94	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.05 88	0.18 149	0.12 111	0.06 94	0.03 54	0.05 92	0.03 51

ffm	0.25 160	3.83 482	0.12 100	0.12 81	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 93	0.12 111	0.05 86	0.04 78	0.06 97	0.04 79

ff1	0.25 160	3.83 482	0.12 100	0.12 81	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 93	0.12 111	0.05 86	0.04 78	0.06 97	0.04 79

mmx	0.25 160	3.83 482	0.12 100	0.12 81	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 93	0.12 111	0.05 86	0.04 78	0.06 97	0.04 79

qqq	0.16 131	2.01 402	0.12 100	0.15 108	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.03 48	0.12 93	0.14 139	0.04 73	0.04 78	0.03 43	0.03 51

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 385	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

GwcNet	0.12 95	0.07 57	0.05 57	0.08 50	0.05 99	0.08 105	1.20 413	0.07 104	0.05 97	0.05 91	0.05 100	0.08 106	0.05 94	0.08 107	0.03 48	0.07 60	0.05 56	0.06 94	0.05 96	0.07 106	0.05 97

BEATNet-Init1	0.19 141	0.08 58	0.08 60	2.23 456	0.08 112	0.08 105	0.07 110	0.07 104	0.08 113	0.08 106	0.07 111	0.08 106	0.07 112	0.11 123	0.08 104	0.08 62	0.08 61	0.08 101	0.07 104	0.08 108	0.08 107

DeepPrunerF	0.19 141	0.08 58	0.08 60	2.23 456	0.08 112	0.08 105	0.07 110	0.07 104	0.08 113	0.08 106	0.07 111	0.08 106	0.07 112	0.11 123	0.08 104	0.08 62	0.08 61	0.08 101	0.07 104	0.08 108	0.08 107

FINET	0.07 49	0.08 58	0.07 58	0.07 48	0.07 110	0.08 105	0.06 107	0.08 107	0.07 111	0.08 106	0.07 111	0.08 106	0.06 108	0.07 103	0.07 102	0.08 62	0.07 59	0.07 99	0.07 104	0.06 97	0.06 104

SuperB	0.21 149	0.10 66	2.51 516	0.12 81	0.09 114	0.10 110	0.09 112	0.08 107	0.07 111	0.10 110	0.09 114	0.09 110	0.07 112	0.07 103	0.07 102	0.07 60	0.08 61	0.07 99	0.07 104	0.08 108	0.07 106

CAS++	0.17 135	0.27 124	0.21 164	0.10 58	0.21 196	0.15 133	0.22 187	0.10 109	0.21 185	0.22 168	0.10 118	0.19 156	0.18 178	0.10 112	0.19 181	0.20 153	0.19 167	0.18 161	0.10 117	0.19 160	0.18 171
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
SepStereo	0.09 51	0.09 64	0.10 69	0.09 55	0.09 114	0.09 109	0.09 112	0.10 109	0.08 113	0.10 110	0.09 114	0.09 110	0.09 115	0.09 110	0.08 104	0.09 68	0.08 61	0.09 106	0.08 108	0.09 111	0.08 107

AnonymousM	0.10 64	0.10 66	0.10 69	0.10 58	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 112	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

PVD	0.10 64	0.10 66	0.10 69	0.10 58	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 112	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

SHD	0.10 64	0.10 66	0.10 69	0.10 58	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 112	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

SAMSARA	0.10 64	0.10 66	0.10 69	0.10 58	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 112	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

XQC	0.10 64	0.10 66	0.10 69	0.10 58	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 112	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

RTSC	0.10 64	0.10 66	0.10 69	0.10 58	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 112	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

RTS	0.10 64	0.10 66	0.10 69	0.10 58	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 112	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

RTSA	0.10 64	0.10 66	0.10 69	0.10 58	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 112	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

MADNet+	0.10 64	0.10 66	0.10 69	0.10 58	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 112	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

MADNet++	0.10 64	0.10 66	0.10 69	0.10 58	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 112	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

JetRed	0.11 86	0.12 79	0.11 89	0.11 75	0.11 135	0.11 121	0.14 151	0.11 121	0.11 132	0.12 124	0.11 132	0.11 122	0.11 131	0.11 123	0.11 125	0.11 88	0.16 144	0.11 118	0.11 129	0.11 122	0.11 127

JetBlue	0.11 86	0.11 77	0.12 100	0.13 94	0.14 156	0.11 121	0.11 130	0.11 121	0.11 132	0.11 122	0.11 132	0.11 122	0.11 131	0.12 127	0.12 140	0.11 88	0.11 96	0.11 118	0.11 129	0.11 122	0.11 127

aanetorigin	0.13 102	0.11 77	0.11 89	0.11 75	0.11 135	0.11 121	0.11 130	0.11 121	0.11 132	0.11 122	0.12 143	0.11 122	0.11 131	0.11 123	0.11 125	0.11 88	0.11 96	0.14 126	0.11 129	0.49 293	0.11 127

PASM	0.39 225	3.06 462	1.36 457	1.58 430	0.09 114	0.11 121	0.11 130	0.11 121	0.11 132	0.09 109	0.09 114	0.11 122	0.09 115	0.09 110	0.09 107	0.11 88	0.11 96	0.11 118	0.09 110	0.11 122	0.11 127

GGEV	0.09 51	0.13 80	0.40 249	0.06 46	0.05 99	0.06 92	0.05 93	0.13 125	0.05 97	0.06 96	0.05 100	0.06 97	0.05 94	0.07 103	0.05 88	0.06 55	0.05 56	0.14 126	0.13 154	0.05 92	0.05 97

DA2	0.09 51	0.13 80	0.39 245	0.08 50	0.05 99	0.07 104	0.05 93	0.13 125	0.05 97	0.06 96	0.05 100	0.06 97	0.05 94	0.06 88	0.05 88	0.06 55	0.05 56	0.14 126	0.13 154	0.06 97	0.05 97

S2M2_L	0.12 95	0.14 86	0.10 69	0.15 108	0.10 120	0.14 126	0.10 117	0.14 127	0.10 117	0.15 132	0.10 118	0.14 127	0.10 119	0.14 129	0.10 113	0.13 109	0.10 75	0.13 124	0.09 110	0.13 128	0.09 110
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CIPLG	0.13 102	0.21 108	0.12 100	0.16 119	0.11 135	0.15 133	0.11 130	0.14 127	0.11 132	0.15 132	0.12 143	0.15 137	0.11 131	0.14 129	0.11 125	0.15 125	0.12 111	0.14 126	0.11 129	0.14 130	0.11 127

IPLG	0.13 102	0.20 102	0.14 125	0.15 108	0.11 135	0.14 126	0.11 130	0.14 127	0.11 132	0.14 126	0.11 132	0.14 127	0.11 131	0.14 129	0.11 125	0.15 125	0.12 111	0.14 126	0.11 129	0.14 130	0.11 127

IPLGR_C	0.14 111	0.20 102	0.12 100	0.15 108	0.11 135	0.14 126	0.15 156	0.14 127	0.11 132	0.15 132	0.12 143	0.14 127	0.11 131	0.16 139	0.11 125	0.15 125	0.12 111	0.14 126	0.12 146	0.15 140	0.12 143

MIPNet	0.14 111	0.21 108	0.17 149	0.16 119	0.11 135	0.15 133	0.12 146	0.14 127	0.11 132	0.16 137	0.11 132	0.14 127	0.11 131	0.14 129	0.11 125	0.14 116	0.12 111	0.14 126	0.11 129	0.14 130	0.11 127

IPLGR	0.14 111	0.24 120	0.14 125	0.16 119	0.12 151	0.15 133	0.12 146	0.14 127	0.11 132	0.15 132	0.12 143	0.14 127	0.11 131	0.14 129	0.11 125	0.15 125	0.12 111	0.14 126	0.11 129	0.14 130	0.11 127

ACRE	0.13 102	0.21 108	0.14 125	0.15 108	0.11 135	0.14 126	0.11 130	0.14 127	0.11 132	0.14 126	0.12 143	0.14 127	0.11 131	0.14 129	0.11 125	0.15 125	0.12 111	0.14 126	0.11 129	0.14 130	0.11 127

LRCNet_RVC	0.13 102	0.13 80	0.09 65	0.13 94	0.10 120	0.14 126	0.10 117	0.14 127	0.10 117	0.23 172	0.10 118	0.20 158	0.10 119	0.24 180	0.11 125	0.11 88	0.09 70	0.12 121	0.14 159	0.12 126	0.09 110

GMStereo	0.14 111	0.13 80	0.14 125	0.14 98	0.14 156	0.14 126	0.14 151	0.14 127	0.14 156	0.14 126	0.14 160	0.14 127	0.14 157	0.14 129	0.14 150	0.14 116	0.14 139	0.14 126	0.14 159	0.14 130	0.14 154
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 153	0.13 80	0.19 158	0.23 146	0.10 120	0.26 191	1.02 400	0.14 127	0.10 117	0.28 191	0.14 160	0.17 148	0.19 183	0.28 200	0.09 107	0.22 160	0.16 144	0.23 178	0.17 182	0.11 122	0.12 143

DRN-Test	0.14 111	0.13 80	0.09 65	0.14 98	0.09 114	0.15 133	0.09 112	0.14 127	0.10 117	0.14 126	0.09 114	0.14 127	0.09 115	0.13 128	0.09 107	0.12 93	0.09 70	0.12 121	0.09 110	0.12 126	0.73 367

StereoDRNet	0.15 123	0.14 86	0.10 69	0.14 98	0.09 114	0.15 133	0.09 112	0.14 127	0.09 116	0.14 126	0.10 118	0.14 127	0.09 115	0.14 129	0.09 107	0.13 109	0.10 75	0.13 124	0.09 110	0.13 128	0.82 378

PDISCO_ROB	0.83 346	2.80 459	3.49 533	0.14 98	0.11 135	0.17 149	0.09 112	0.15 139	0.10 117	0.15 132	0.12 143	0.16 138	0.14 157	3.30 518	0.13 146	0.14 116	2.34 509	0.16 144	0.12 146	2.62 499	0.10 115

xyz-stereo-finetune2	0.18 138	0.48 188	0.16 142	0.16 119	0.15 167	0.15 133	0.16 159	0.16 140	0.16 168	0.16 137	0.16 169	0.16 138	0.16 167	0.16 139	0.16 166	0.16 133	0.16 144	0.16 144	0.16 164	0.16 144	0.16 155

xyz-stereo	0.18 138	0.50 194	0.16 142	0.15 108	0.16 174	0.16 141	0.16 159	0.16 140	0.16 168	0.16 137	0.16 169	0.16 138	0.16 167	0.16 139	0.16 166	0.16 133	0.16 144	0.16 144	0.16 164	0.16 144	0.16 155

castereo++	0.54 287	3.59 473	1.15 385	1.31 420	0.14 156	0.16 141	0.14 151	0.16 140	0.14 156	0.16 137	0.14 160	0.16 138	0.13 153	0.16 139	0.14 150	1.45 446	1.16 391	0.15 141	0.14 159	0.15 140	0.13 149

test_for_model	0.15 123	0.23 113	0.18 155	0.21 143	0.11 135	0.16 141	0.11 130	0.16 140	0.11 132	0.16 137	0.11 132	0.16 138	0.11 131	0.16 139	0.11 125	0.21 157	0.18 166	0.14 126	0.11 129	0.14 130	0.11 127

testlalala2	0.13 102	0.16 88	0.11 89	0.15 108	0.11 135	0.16 141	0.11 130	0.16 140	0.11 132	0.16 137	0.11 132	0.16 138	0.11 131	0.16 139	0.11 125	0.14 116	0.11 96	0.14 126	0.11 129	0.14 130	0.11 127

GMStereo_Zeroshot	0.16 131	0.16 88	0.16 142	0.16 119	0.16 174	0.16 141	0.16 159	0.16 140	0.16 168	0.16 137	0.16 169	0.16 138	0.16 167	0.16 139	0.16 166	0.16 133	0.16 144	0.16 144	0.16 164	0.16 144	0.16 155

testlalala_base	0.13 102	0.16 88	0.11 89	0.15 108	0.11 135	0.15 133	0.11 130	0.16 140	0.11 132	0.16 137	0.11 132	0.16 138	0.11 131	0.16 139	0.11 125	0.14 116	0.11 96	0.14 126	0.11 129	0.14 130	0.11 127

ICVP	0.15 123	0.53 206	0.11 89	0.16 119	0.11 135	0.16 141	0.11 130	0.16 140	0.11 132	0.16 137	0.11 132	0.16 138	0.11 131	0.16 139	0.11 125	0.16 133	0.11 96	0.16 144	0.11 129	0.16 144	0.11 127
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 111	0.17 94	0.12 100	0.17 127	0.11 135	0.17 149	0.11 130	0.17 148	0.11 132	0.17 146	0.11 132	0.17 148	0.11 131	0.17 148	0.11 125	0.16 133	0.11 96	0.16 144	0.11 129	0.16 144	0.11 127
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
ProNet	0.14 111	0.20 102	0.14 125	0.16 119	0.11 135	0.16 141	0.11 130	0.17 148	0.11 132	0.17 146	0.12 143	0.17 148	0.13 153	0.17 148	0.12 140	0.15 125	0.11 96	0.16 144	0.11 129	0.15 140	0.12 143

HSM	0.14 111	0.16 88	0.12 100	0.17 127	0.12 151	0.17 149	0.11 130	0.17 148	0.11 132	0.17 146	0.12 143	0.17 148	0.12 148	0.17 148	0.12 140	0.16 133	0.11 96	0.16 144	0.11 129	0.16 144	0.12 143

ITSA-stereo	0.15 123	0.17 94	0.13 120	0.20 134	0.13 154	0.19 156	0.13 149	0.18 151	0.13 154	0.19 152	0.13 155	0.18 152	0.14 157	0.18 151	0.14 150	0.16 133	0.11 96	0.15 141	0.14 159	0.18 154	0.11 127

ELAS	0.13 102	0.16 88	0.11 89	0.15 108	0.09 114	0.18 153	0.11 130	0.18 151	0.11 132	0.17 146	0.11 132	0.18 152	0.11 131	0.18 151	0.11 125	0.14 116	0.08 61	0.14 126	0.08 108	0.14 130	0.09 110
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DEFOM-Stereo_RVC	0.83 346	5.18 503	1.98 505	2.19 453	0.17 177	0.19 156	0.18 170	0.19 153	0.16 168	0.20 157	0.19 185	0.22 171	0.22 192	0.20 158	0.15 160	2.28 486	2.13 504	0.24 185	0.17 182	0.18 154	0.16 155

HCRNet	1.22 436	7.11 523	3.00 518	3.55 502	0.33 261	0.29 197	0.14 151	0.19 153	0.15 166	0.33 209	0.29 231	0.25 184	0.14 157	0.22 172	0.33 251	3.64 515	3.00 512	0.76 361	0.32 261	0.18 154	0.13 149

DeepPruner_ROB	0.16 131	0.18 97	0.13 120	0.19 132	0.13 154	0.19 156	0.13 149	0.19 153	0.13 154	0.19 152	0.13 155	0.19 156	0.13 153	0.19 154	0.13 146	0.18 149	0.13 135	0.18 161	0.13 154	0.18 154	0.13 149

ELAS_RVC	0.14 111	0.16 88	0.10 69	0.15 108	0.10 120	0.18 153	0.11 130	0.19 153	0.11 132	0.19 152	0.12 143	0.18 152	0.11 131	0.19 154	0.12 140	0.14 116	0.08 61	0.14 126	0.09 110	0.15 140	0.09 110
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 123	0.17 94	0.11 89	0.18 129	0.11 135	0.19 156	0.11 130	0.19 153	0.12 151	0.19 152	0.12 143	0.20 158	0.12 148	0.19 154	0.12 140	0.16 133	0.11 96	0.17 152	0.10 117	0.17 150	0.10 115
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
castereo	0.61 298	3.79 481	1.35 449	1.52 429	0.15 167	0.17 149	0.16 159	0.20 158	0.21 185	0.18 150	0.16 169	0.21 165	0.12 148	0.26 195	0.17 169	1.43 445	1.38 459	0.17 152	0.16 164	0.18 154	0.16 155

DDVS	0.30 175	3.10 463	0.14 125	0.19 132	0.14 156	0.19 156	0.14 151	0.20 158	0.14 156	0.19 152	0.13 155	0.16 138	0.13 153	0.19 154	0.13 146	0.17 141	0.13 135	0.17 152	0.13 154	0.17 150	0.13 149

gwcnet-sp	0.82 343	1.72 378	1.48 467	0.39 199	0.15 167	0.31 203	0.21 182	0.20 158	0.25 201	1.61 460	0.23 198	0.28 195	0.26 213	0.20 158	0.15 160	0.24 176	1.33 451	0.32 209	0.16 164	6.75 545	0.23 181

scenet	0.82 343	1.72 378	1.48 467	0.39 199	0.15 167	0.31 203	0.21 182	0.20 158	0.25 201	1.61 460	0.23 198	0.28 195	0.26 213	0.20 158	0.15 160	0.24 176	1.33 451	0.32 209	0.16 164	6.75 545	0.23 181

ssnet	0.82 343	1.72 378	1.48 467	0.39 199	0.15 167	0.31 203	0.21 182	0.20 158	0.25 201	1.61 460	0.23 198	0.28 195	0.26 213	0.20 158	0.15 160	0.24 176	1.33 451	0.32 209	0.16 164	6.75 545	0.23 181

DAS	0.20 143	0.20 102	0.20 161	0.20 134	0.20 190	0.20 161	0.20 177	0.20 158	0.20 183	0.20 157	0.20 189	0.20 158	0.20 187	0.20 158	0.20 184	0.20 153	0.20 169	0.20 165	0.20 187	0.20 161	0.20 174

IGEV_Zeroshot_test	0.20 143	0.19 98	0.40 249	0.30 168	0.17 177	0.22 170	0.17 164	0.21 164	0.17 173	0.20 157	0.17 174	0.21 165	0.18 178	0.21 168	0.17 169	0.20 153	0.16 144	0.20 165	0.16 164	0.20 161	0.17 167

ACVNet	0.20 143	0.19 98	0.14 125	0.20 134	0.14 156	0.20 161	0.96 392	0.21 164	0.14 156	0.20 157	0.13 155	0.21 165	0.14 157	0.20 158	0.14 150	0.17 141	0.12 111	0.17 152	0.12 146	0.17 150	0.12 143

acv_ft	0.20 143	0.19 98	0.14 125	0.20 134	0.14 156	0.20 161	0.96 392	0.21 164	0.14 156	0.20 157	0.13 155	0.21 165	0.14 157	0.20 158	0.14 150	0.17 141	0.12 111	0.17 152	0.12 146	0.17 150	0.12 143

LALA_ROB	0.15 123	0.19 98	0.12 100	0.18 129	0.11 135	0.20 161	0.12 146	0.21 164	0.12 151	0.20 157	0.12 143	0.20 158	0.12 148	0.21 168	0.13 146	0.17 141	0.10 75	0.18 161	0.11 129	0.18 154	0.11 127

xyz-stereo-finetune	0.28 170	0.49 190	0.16 142	0.16 119	0.16 174	0.16 141	0.16 159	0.22 168	0.30 238	0.32 204	0.31 248	0.32 209	0.31 249	0.32 210	0.32 243	0.32 202	0.33 234	0.31 208	0.32 261	0.31 195	0.32 245

WAO-6	0.22 153	0.23 113	0.22 166	0.23 146	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.22 172	0.22 191	0.22 166	0.22 179

IMH-64-1	0.22 153	0.23 113	0.23 169	0.22 144	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 181

IMH-64	0.22 153	0.23 113	0.23 169	0.22 144	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 181

MSKI-zero shot	0.24 159	0.21 108	0.49 292	0.65 295	0.18 184	0.22 170	0.17 164	0.23 172	0.18 175	0.21 166	0.17 174	0.23 175	0.28 227	0.23 176	0.18 178	0.21 157	0.16 144	0.21 167	0.16 164	0.21 164	0.16 155

MIM_Stereo	0.25 160	0.23 113	0.66 329	0.80 312	0.17 177	0.22 170	0.17 164	0.23 172	0.18 175	0.26 188	0.17 174	0.21 165	0.17 171	0.25 185	0.17 169	0.23 171	0.16 144	0.21 167	0.17 182	0.22 166	0.17 167

dd	0.23 157	0.98 266	0.16 142	0.23 146	0.15 167	0.23 176	0.15 156	0.23 172	0.15 166	0.23 172	0.15 168	0.24 179	0.17 171	0.23 176	0.15 160	0.22 160	0.15 142	0.21 167	0.15 163	0.22 166	0.16 155

tg	0.21 149	0.25 122	0.21 164	0.26 163	0.17 177	0.24 177	0.17 164	0.24 175	0.17 173	0.24 177	0.17 174	0.24 179	0.17 171	0.24 180	0.17 169	0.24 176	0.17 160	0.23 178	0.16 164	0.23 175	0.16 155

ACV-stereo	0.30 175	2.08 404	0.25 178	0.25 156	0.18 184	0.24 177	0.17 164	0.24 175	0.18 175	0.24 177	0.17 174	0.25 184	0.17 171	0.24 180	0.17 169	0.22 160	0.16 144	0.22 172	0.16 164	0.22 166	0.16 155

Pointernet	0.21 149	0.22 112	0.19 158	0.24 151	0.19 188	0.24 177	0.19 174	0.24 175	0.19 181	0.24 177	0.19 185	0.24 179	0.19 183	0.24 180	0.19 181	0.22 160	0.17 160	0.22 172	0.17 182	0.22 166	0.17 167

dad	0.23 157	1.03 282	0.16 142	0.23 146	0.15 167	0.24 177	0.15 156	0.24 175	0.16 168	0.23 172	0.16 169	0.24 179	0.16 167	0.23 176	0.15 160	0.22 160	0.16 144	0.22 172	0.16 164	0.22 166	0.16 155

iResNetv2_ROB	0.20 143	0.23 113	0.18 155	0.24 151	0.20 190	0.24 177	0.18 170	0.24 175	0.18 175	0.24 177	0.18 184	0.23 175	0.19 183	0.24 180	0.18 178	0.21 157	0.16 144	0.21 167	0.16 164	0.22 166	0.16 155

iResNet	0.20 143	0.23 113	0.18 155	0.24 151	0.18 184	0.24 177	0.20 177	0.24 175	0.18 175	0.23 172	0.17 174	0.23 175	0.18 178	0.23 176	0.18 178	0.22 160	0.16 144	0.21 167	0.16 164	0.21 164	0.16 155

UNDER WATER-64	0.25 160	0.26 123	0.25 178	0.26 163	0.25 210	0.25 184	0.25 202	0.25 181	0.25 201	0.25 181	0.25 210	0.25 184	0.25 204	0.26 195	0.25 204	0.25 182	0.25 183	0.25 186	0.25 209	0.25 177	0.25 192

LoS_RVC	0.30 175	1.14 296	0.25 178	0.25 156	0.25 210	0.26 191	0.25 202	0.25 181	0.25 201	0.25 181	0.25 210	0.26 193	0.26 213	0.26 195	0.25 204	0.26 183	0.26 186	0.25 186	0.25 209	0.26 179	0.26 198

CAS	0.30 175	1.17 301	0.25 178	0.25 156	0.25 210	0.26 191	0.25 202	0.25 181	0.26 214	0.25 181	0.25 210	0.25 184	0.25 204	0.25 185	0.25 204	0.26 183	0.26 186	0.26 189	0.25 209	0.26 179	0.25 192

AANet_RVC	1.26 438	0.31 133	4.99 544	5.93 536	0.20 190	0.25 184	0.20 177	0.25 181	0.20 183	0.23 172	0.19 185	0.25 184	0.20 187	0.25 185	0.20 184	5.66 544	4.76 537	0.26 189	0.30 247	0.24 176	0.27 206

gcap-zeroshot	0.35 202	0.32 134	0.37 235	0.49 255	0.39 297	0.33 213	0.21 182	0.26 185	0.35 267	0.42 262	0.34 265	0.49 301	0.29 233	0.47 285	0.39 289	0.34 209	0.17 160	0.38 255	0.23 196	0.48 289	0.34 258

LoS	0.25 160	0.27 124	0.25 178	0.25 156	0.25 210	0.25 184	0.25 202	0.26 185	0.25 201	0.25 181	0.25 210	0.25 184	0.25 204	0.25 185	0.25 204	0.26 183	0.25 183	0.25 186	0.26 215	0.26 179	0.25 192
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
GEStereo_RVC	0.86 352	4.45 493	0.20 161	0.27 165	0.20 190	0.27 194	0.20 177	0.26 185	0.18 175	5.03 546	0.20 189	0.27 194	0.19 183	0.27 198	0.21 186	0.20 153	0.19 167	0.19 164	4.02 550	0.20 161	0.18 171

PAM	0.39 225	1.88 390	0.34 223	0.37 190	0.41 306	0.45 283	0.22 187	0.28 188	0.23 194	0.28 191	0.24 204	0.29 200	0.23 198	0.29 203	0.23 194	0.38 234	0.32 226	0.38 255	0.37 288	0.32 197	0.22 179

TorneroNet-64	0.45 253	0.27 124	0.30 196	0.58 282	0.27 220	0.70 348	0.30 233	0.28 188	0.73 374	0.73 350	0.28 227	0.71 350	0.66 354	0.75 351	0.27 210	0.27 186	0.29 208	0.37 248	0.75 378	0.28 184	0.30 234

SQANet	0.28 170	0.28 127	0.28 189	0.28 166	0.28 224	0.28 195	0.28 220	0.28 188	0.28 222	0.28 191	0.28 227	0.28 195	0.28 227	0.28 200	0.28 219	0.28 188	0.28 198	0.28 195	0.28 227	0.28 184	0.28 219

CFNet	1.37 443	5.27 506	0.19 158	5.49 533	0.19 188	0.28 195	0.19 174	0.28 188	0.19 181	0.28 191	0.19 185	0.28 195	4.35 543	0.28 200	0.19 181	0.23 171	0.17 160	0.23 178	4.21 552	4.81 529	0.17 167

ssnet_v2	0.68 310	1.96 401	1.25 445	0.29 167	0.20 190	0.30 198	0.20 177	0.29 192	0.22 188	1.50 456	0.20 189	0.31 207	0.20 187	0.27 198	0.22 188	0.24 176	1.49 465	0.26 189	0.18 186	3.90 507	0.19 173

RAFT + AFF	0.31 182	0.45 174	0.34 223	0.39 199	0.28 224	0.38 234	0.33 249	0.29 192	0.31 246	0.30 195	0.30 243	0.29 200	0.27 221	0.29 203	0.30 236	0.28 188	0.29 208	0.29 200	0.29 237	0.27 182	0.32 245

MultiAttention	0.30 175	0.30 130	0.30 196	0.30 168	0.30 242	0.30 198	0.30 233	0.30 194	0.30 238	0.30 195	0.30 243	0.30 203	0.30 240	0.30 205	0.30 236	0.30 196	0.30 216	0.30 202	0.30 247	0.30 190	0.30 234

MSAF-DinoV2	0.30 175	0.30 130	0.30 196	0.30 168	0.30 242	0.30 198	0.30 233	0.30 194	0.30 238	0.30 195	0.30 243	0.30 203	0.30 240	0.30 205	0.30 236	0.30 196	0.30 216	0.30 202	0.30 247	0.30 190	0.30 234

DLNR_Zeroshot_test	0.31 182	0.28 127	0.47 279	0.79 310	0.24 208	0.30 198	0.26 210	0.30 194	0.24 196	0.32 204	0.23 198	0.31 207	0.24 201	0.30 205	0.23 194	0.29 195	0.26 186	0.29 200	0.24 204	0.33 203	0.23 181

DANet	0.30 175	0.30 130	0.30 196	0.30 168	0.30 242	0.30 198	0.30 233	0.30 194	0.30 238	0.30 195	0.30 243	0.30 203	0.30 240	0.30 205	0.30 236	0.30 196	0.30 216	0.30 202	0.30 247	0.30 190	0.30 234
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DEFOM-Stereo	0.68 310	3.11 464	1.40 463	1.63 438	0.25 210	0.31 203	0.25 202	0.31 198	0.28 222	0.31 199	0.29 231	0.29 200	0.27 221	0.31 209	0.28 219	1.59 453	1.47 464	0.30 202	0.29 237	0.30 190	0.28 219

WCG-NET（raft）	0.32 190	1.24 358	0.24 175	0.32 176	0.24 208	0.32 211	0.23 194	0.32 199	0.24 196	0.32 204	0.24 204	0.32 209	0.24 201	0.32 210	0.24 198	0.30 196	0.23 180	0.30 202	0.23 196	0.30 190	0.23 181

tt1	0.31 182	0.93 259	0.24 175	0.33 180	0.23 203	0.31 203	0.24 199	0.32 199	0.24 196	0.32 204	0.23 198	0.32 209	0.25 204	0.32 210	0.24 198	0.27 186	0.26 186	0.27 193	0.26 215	0.27 182	0.27 206

iResNet_ROB	0.28 170	0.32 134	0.24 175	0.32 176	0.25 210	0.32 211	0.24 199	0.32 199	0.24 196	0.33 209	0.24 204	0.35 218	0.24 201	0.33 216	0.24 198	0.31 201	0.24 182	0.32 209	0.24 204	0.32 197	0.24 191

xxxxx1	0.31 182	0.91 252	0.23 169	0.31 173	0.23 203	0.31 203	0.23 194	0.33 202	0.25 201	0.31 199	0.24 204	0.33 212	0.25 204	0.32 210	0.24 198	0.28 188	0.28 198	0.28 195	0.28 227	0.29 187	0.27 206

testlalala	0.32 190	0.81 235	0.31 204	0.39 199	0.26 218	0.33 213	0.24 199	0.33 202	0.26 214	0.32 204	0.26 216	0.33 212	0.23 198	0.33 216	0.23 194	0.35 218	0.31 222	0.30 202	0.24 204	0.31 195	0.21 176

tt_ll	0.31 182	0.91 252	0.23 169	0.31 173	0.23 203	0.31 203	0.23 194	0.33 202	0.25 201	0.31 199	0.24 204	0.33 212	0.25 204	0.32 210	0.24 198	0.28 188	0.28 198	0.28 195	0.28 227	0.29 187	0.27 206

ff	0.31 182	0.91 252	0.23 169	0.31 173	0.23 203	0.31 203	0.23 194	0.33 202	0.25 201	0.31 199	0.24 204	0.33 212	0.25 204	0.32 210	0.24 198	0.28 188	0.28 198	0.28 195	0.28 227	0.29 187	0.27 206

GCAP-BAT	0.33 193	0.78 229	0.32 208	0.38 193	0.25 210	0.34 215	0.25 202	0.34 206	0.26 214	0.34 211	0.25 210	0.35 218	0.26 213	0.35 220	0.27 210	0.36 223	0.30 216	0.32 209	0.24 204	0.32 197	0.26 198

H2IRNET	0.34 195	0.34 136	0.34 223	0.34 182	0.34 271	0.34 215	0.34 260	0.34 206	0.34 264	0.34 211	0.34 265	0.34 217	0.34 263	0.34 218	0.34 264	0.34 209	0.34 237	0.34 224	0.34 273	0.34 207	0.34 258

DN-CSS_ROB	0.31 182	0.35 137	0.28 189	0.35 183	0.28 224	0.34 215	0.27 213	0.34 206	0.25 201	0.35 215	0.27 220	0.36 224	0.26 213	0.34 218	0.28 219	0.35 218	0.28 198	0.34 224	0.28 227	0.34 207	0.27 206

CES	0.39 225	0.47 182	0.36 232	0.36 187	0.37 283	0.45 283	0.35 265	0.35 209	0.40 292	0.36 218	0.44 316	0.47 290	0.36 272	0.44 274	0.36 271	0.37 227	0.39 256	0.44 297	0.35 280	0.37 230	0.36 266

FENet	0.54 287	1.52 372	1.19 391	1.41 427	0.23 203	0.35 219	0.23 194	0.35 209	0.23 194	0.34 211	0.23 198	0.35 218	0.23 198	0.35 220	0.23 194	1.40 443	1.07 375	0.32 209	0.23 196	0.33 203	0.23 181

MLCV	0.31 182	0.35 137	0.27 185	0.35 183	0.28 224	0.35 219	0.27 213	0.35 209	0.28 222	0.36 218	0.27 220	0.35 218	0.27 221	0.35 220	0.27 210	0.34 209	0.27 192	0.34 224	0.27 223	0.34 207	0.27 206

ETE_ROB	0.35 202	0.35 137	0.35 230	0.35 183	0.35 274	0.35 219	0.35 265	0.35 209	0.35 267	0.35 215	0.35 274	0.35 218	0.35 269	0.35 220	0.35 268	0.35 218	0.35 238	0.35 240	0.35 280	0.35 219	0.35 265

EKT-Stereo	0.37 211	0.40 153	0.44 266	1.07 349	0.29 232	0.34 215	0.31 239	0.36 213	0.29 227	0.38 224	0.31 248	0.37 230	0.30 240	0.36 226	0.29 229	0.34 209	0.28 198	0.39 265	0.30 247	0.37 230	0.30 234

CASnet	0.35 202	0.51 201	0.44 266	0.32 176	0.31 248	0.24 177	0.34 260	0.36 213	0.25 201	0.31 199	0.37 283	0.30 203	0.33 258	0.25 185	0.45 311	0.37 227	0.37 243	0.33 217	0.35 280	0.34 207	0.37 270
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.32 190	0.36 140	0.27 185	0.36 187	0.27 220	0.36 222	0.27 213	0.36 213	0.27 219	0.36 218	0.27 220	0.36 224	0.27 221	0.36 226	0.28 219	0.36 223	0.28 198	0.36 245	0.28 227	0.36 226	0.28 219

IGEV-Stereo	0.35 202	0.44 171	0.45 268	0.49 255	0.30 242	0.37 227	0.30 233	0.36 213	0.30 238	0.36 218	0.29 231	0.36 224	0.29 233	0.36 226	0.30 236	0.46 277	0.39 256	0.32 209	0.24 204	0.32 197	0.25 192
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HGLStereo	0.28 170	0.29 129	0.22 166	0.36 187	0.22 198	0.36 222	0.21 182	0.36 213	0.21 185	0.42 262	0.21 193	0.36 224	0.22 192	0.36 226	0.21 186	0.34 209	0.21 172	0.34 224	0.21 188	0.34 207	0.21 176

DMCA	0.36 206	0.38 145	0.37 235	0.35 183	0.35 274	0.36 222	0.36 271	0.36 213	0.35 267	0.35 215	0.37 283	0.36 224	0.36 272	0.35 220	0.36 271	0.36 223	0.36 241	0.35 240	0.36 286	0.36 226	0.36 266

Monster-pub-eth3d	0.45 253	0.57 214	0.60 316	0.39 199	0.28 224	0.37 227	0.28 220	0.37 219	0.30 238	0.39 230	0.29 231	0.39 237	0.30 240	0.92 373	0.27 210	1.42 444	0.28 198	0.34 224	0.28 227	0.37 230	0.53 331

Monster-pub-mixall	0.44 250	0.56 213	0.60 316	0.38 193	0.27 220	0.37 227	0.27 213	0.37 219	0.29 227	0.38 224	0.27 220	0.38 232	0.29 233	0.85 363	0.27 210	1.46 447	0.26 186	0.34 224	0.26 215	0.36 226	0.53 331

Replicate-Monster	0.45 253	0.57 214	0.60 316	0.40 213	0.29 232	0.37 227	0.27 213	0.37 219	0.30 238	0.40 236	0.31 248	0.40 245	0.30 240	0.99 381	0.27 210	1.36 440	0.31 222	0.34 224	0.30 247	0.36 226	0.54 334

model_zeroshot	0.27 169	0.20 102	0.27 185	0.33 180	0.21 196	0.37 227	0.22 187	0.37 219	0.24 196	0.26 188	0.27 220	0.33 212	0.21 191	0.25 185	0.27 210	0.32 202	0.20 169	0.34 224	0.23 196	0.25 177	0.26 198

RSM	0.36 206	0.36 140	0.43 264	0.37 190	0.42 316	0.49 304	0.42 305	0.37 219	0.28 222	0.36 218	0.29 231	0.36 224	0.30 240	0.37 230	0.28 219	0.34 209	0.31 222	0.34 224	0.35 280	0.40 252	0.29 224

MyStereo04	0.56 293	3.72 479	0.59 314	0.49 255	0.41 306	0.36 222	0.32 240	0.37 219	0.31 246	0.34 211	0.46 321	0.35 218	0.32 251	0.35 220	0.33 251	0.49 289	0.45 283	0.34 224	0.32 261	0.35 219	0.43 300

Venus	0.38 217	0.38 145	0.38 238	0.38 193	0.38 290	0.37 227	0.38 282	0.37 219	0.37 278	0.41 250	0.37 283	0.39 237	0.37 276	0.38 232	0.38 282	0.37 227	0.38 249	0.38 255	0.37 288	0.37 230	0.38 277

XPNet_ROB	0.37 211	0.37 142	0.37 235	0.37 190	0.37 283	0.37 227	0.37 276	0.37 219	0.37 278	0.37 223	0.37 283	0.37 230	0.37 276	0.37 230	0.37 279	0.37 227	0.37 243	0.37 248	0.37 288	0.37 230	0.37 270

WAO-8	0.38 217	0.38 145	0.38 238	0.38 193	0.38 290	0.38 234	0.38 282	0.38 227	0.38 282	0.38 224	0.38 288	0.38 232	0.38 280	0.38 232	0.38 282	0.38 234	0.38 249	0.38 255	0.37 288	0.38 240	0.38 277

WAO-7	0.38 217	0.38 145	0.38 238	0.38 193	0.38 290	0.38 234	0.38 282	0.38 227	0.38 282	0.38 224	0.38 288	0.38 232	0.38 280	0.38 232	0.38 282	0.38 234	0.38 249	0.38 255	0.38 301	0.38 240	0.38 277

HanzoNet	0.39 225	0.38 145	0.40 249	0.39 199	0.41 306	0.38 234	0.38 282	0.38 227	0.38 282	0.39 230	0.39 293	0.38 232	0.38 280	0.39 240	0.40 293	0.38 234	0.38 249	0.40 270	0.38 301	0.38 240	0.40 285

IMH	0.38 217	0.38 145	0.38 238	0.38 193	0.38 290	0.38 234	0.38 282	0.38 227	0.38 282	0.42 262	0.38 288	0.40 245	0.38 280	0.38 232	0.38 282	0.38 234	0.38 249	0.39 265	0.38 301	0.38 240	0.38 277

LG-Stereo_L2	0.34 195	0.37 142	0.38 238	0.47 245	0.28 224	0.39 240	0.28 220	0.39 231	0.28 222	0.39 230	0.28 227	0.39 237	0.28 227	0.38 232	0.28 219	0.42 270	0.35 238	0.36 245	0.26 215	0.35 219	0.26 198

1test111	0.37 211	1.02 280	0.30 196	0.39 199	0.29 232	0.40 242	0.28 220	0.39 231	0.29 227	0.39 230	0.29 231	0.39 237	0.28 227	0.40 243	0.29 229	0.33 206	0.32 226	0.33 217	0.31 256	0.32 197	0.31 241

cc1	0.37 211	1.02 280	0.30 196	0.39 199	0.29 232	0.40 242	0.28 220	0.39 231	0.29 227	0.39 230	0.29 231	0.39 237	0.28 227	0.40 243	0.29 229	0.33 206	0.32 226	0.33 217	0.31 256	0.32 197	0.31 241

IER	0.88 354	7.04 522	2.23 510	2.75 471	0.28 224	0.43 280	0.25 202	0.39 231	0.25 201	0.41 250	0.27 220	0.39 237	0.25 204	0.40 243	0.28 219	0.37 227	0.28 198	0.37 248	0.25 209	0.37 230	0.25 192

DISCO	1.11 385	0.39 151	5.28 546	0.39 199	0.20 190	0.39 240	0.27 213	0.39 231	0.22 188	0.38 224	0.20 189	0.38 232	0.20 187	6.95 557	0.22 188	0.30 196	0.21 172	0.27 193	0.21 188	5.25 538	0.21 176

GIP-stereo	0.36 206	0.49 190	0.39 245	0.48 249	0.32 250	0.41 258	0.28 220	0.40 236	0.30 238	0.41 250	0.28 227	0.40 245	0.28 227	0.42 270	0.28 219	0.45 274	0.32 226	0.38 255	0.30 247	0.37 230	0.27 206

DCVSM-stereo	0.36 206	1.89 391	0.22 166	0.40 213	0.22 198	0.40 242	0.22 187	0.40 236	0.22 188	0.40 236	0.22 194	0.40 245	0.22 192	0.40 243	0.22 188	0.28 188	0.21 172	0.28 195	0.21 188	0.28 184	0.20 174

IGEV++	0.34 195	0.43 168	0.30 196	0.40 213	0.29 232	0.40 242	0.29 228	0.40 236	0.29 227	0.40 236	0.29 231	0.40 245	0.29 233	0.40 243	0.30 236	0.38 234	0.29 208	0.37 248	0.29 237	0.37 230	0.29 224

ACVNet-DCA	0.37 211	1.00 270	0.30 196	0.40 213	0.29 232	0.40 242	0.29 228	0.40 236	0.29 227	0.40 236	0.29 231	0.40 245	0.29 233	0.39 240	0.28 219	0.33 206	0.32 226	0.33 217	0.32 261	0.33 203	0.32 245

xx1	0.38 217	1.03 282	0.31 204	0.40 213	0.31 248	0.41 258	0.28 220	0.40 236	0.29 227	0.40 236	0.29 231	0.40 245	0.29 233	0.40 243	0.29 229	0.34 209	0.33 234	0.34 224	0.32 261	0.34 207	0.32 245

LL-Strereo2	0.48 269	1.73 383	0.51 301	0.59 285	0.34 271	0.42 276	0.33 249	0.40 236	0.31 246	0.42 262	0.33 257	0.42 274	0.31 249	0.44 274	0.39 289	0.60 314	0.51 310	0.44 297	0.33 269	0.44 272	0.33 252

knoymous	0.40 229	0.40 153	0.40 249	0.40 213	0.40 299	0.40 242	0.40 292	0.40 236	0.40 292	0.40 236	0.40 296	0.40 245	0.40 287	0.40 243	0.40 293	0.40 248	0.40 259	0.40 270	0.40 305	0.40 252	0.40 285

anonymousa	0.40 229	0.40 153	0.40 249	0.40 213	0.40 299	0.40 242	0.40 292	0.40 236	0.40 292	0.40 236	0.40 296	0.40 245	0.40 287	0.40 243	0.40 293	0.40 248	0.40 259	0.40 270	0.40 305	0.40 252	0.40 285

riskmin	0.40 229	0.40 153	0.40 249	0.40 213	0.40 299	0.40 242	0.40 292	0.40 236	0.40 292	0.40 236	0.40 296	0.40 245	0.40 287	0.40 243	0.40 293	0.40 248	0.40 259	0.40 270	0.40 305	0.40 252	0.40 285

Anonymous_2	0.40 229	0.40 153	0.40 249	0.40 213	0.40 299	0.40 242	0.40 292	0.40 236	0.40 292	0.40 236	0.40 296	0.40 245	0.40 287	0.40 243	0.40 293	0.40 248	0.40 259	0.40 270	0.40 305	0.40 252	0.40 285

Anonymous_1	0.40 229	0.40 153	0.40 249	0.40 213	0.40 299	0.40 242	0.40 292	0.40 236	0.40 292	0.40 236	0.40 296	0.40 245	0.40 287	0.40 243	0.40 293	0.40 248	0.40 259	0.40 270	0.40 305	0.40 252	0.40 285

NINENet	0.69 313	3.87 485	1.20 394	1.98 448	0.05 99	0.40 242	0.04 81	0.40 236	0.05 97	0.41 250	0.04 88	0.41 258	0.05 94	0.40 243	0.05 88	1.79 459	1.56 471	0.34 224	0.22 191	0.34 207	0.23 181

iRaft-Stereo_5w	0.34 195	0.42 167	0.31 204	0.39 199	0.30 242	0.38 234	0.30 233	0.40 236	0.29 227	0.40 236	0.37 283	0.41 258	0.34 263	0.38 232	0.30 236	0.34 209	0.27 192	0.34 224	0.26 215	0.34 207	0.26 198

AdaStereo	0.40 229	0.40 153	0.40 249	0.40 213	0.40 299	0.40 242	0.40 292	0.40 236	0.40 292	0.40 236	0.40 296	0.40 245	0.40 287	0.40 243	0.40 293	0.40 248	0.40 259	0.40 270	0.40 305	0.40 252	0.40 285
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
StereoDRNet-Refined	0.33 193	0.39 151	0.26 184	0.39 199	0.26 218	0.40 242	0.26 210	0.40 236	0.26 214	0.39 230	0.26 216	0.39 237	0.26 213	0.39 240	0.26 209	0.37 227	0.25 183	0.37 248	0.25 209	0.37 230	0.37 270
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
RAFT-Test	0.36 206	0.37 142	0.33 213	0.41 225	0.32 250	0.41 258	0.32 240	0.41 251	0.32 249	0.41 250	0.32 251	0.41 258	0.32 251	0.41 257	0.33 251	0.37 227	0.29 208	0.37 248	0.29 237	0.38 240	0.31 241

BUS	0.83 346	1.91 394	0.92 367	4.48 511	0.02 21	0.40 242	0.04 81	0.41 251	0.02 21	0.48 290	0.03 52	0.41 258	0.05 94	0.03 39	0.05 88	1.97 469	4.19 534	0.33 217	0.23 196	0.34 207	0.27 206

CRFU-Net	0.65 303	1.67 376	1.22 441	1.96 447	0.27 220	0.41 258	0.27 213	0.41 251	0.27 219	0.40 236	0.26 216	0.41 258	0.27 221	0.40 243	0.27 210	1.80 460	1.62 478	0.34 224	0.23 196	0.33 203	0.23 181

BSDual-CNN	0.81 339	1.91 394	0.92 367	4.48 511	0.02 21	0.42 276	0.06 107	0.41 251	0.02 21	0.48 290	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 469	4.19 534	0.33 217	0.23 196	0.34 207	0.27 206

hknet	1.10 383	1.85 387	3.49 533	4.48 511	0.02 21	0.42 276	0.06 107	0.41 251	0.02 21	0.48 290	0.03 52	0.41 258	0.03 52	0.42 270	0.03 48	4.39 520	4.19 534	0.33 217	0.23 196	0.34 207	0.27 206

iRaft-Stereo_20w	0.34 195	0.41 160	0.31 204	0.39 199	0.29 232	0.40 242	0.32 240	0.41 251	0.32 249	0.38 224	0.30 243	0.39 237	0.30 240	0.38 232	0.32 243	0.35 218	0.27 192	0.34 224	0.27 223	0.34 207	0.29 224

GMOStereo	0.37 211	0.45 174	0.23 169	0.30 168	0.37 283	0.41 258	0.36 271	0.41 251	0.35 267	0.43 268	0.36 277	0.41 258	0.40 287	0.41 257	0.36 271	0.34 209	0.22 176	0.47 309	0.37 288	0.39 247	0.33 252

error version	0.93 364	4.47 494	2.35 513	1.99 449	0.37 283	0.41 258	0.36 271	0.41 251	0.35 267	0.43 268	0.36 277	0.41 258	0.40 287	0.41 257	0.36 271	1.87 462	2.16 505	0.47 309	0.37 288	0.39 247	0.33 252

test_1	0.93 364	4.47 494	2.35 513	1.99 449	0.37 283	0.41 258	0.36 271	0.41 251	0.35 267	0.43 268	0.36 277	0.41 258	0.40 287	0.41 257	0.36 271	1.87 462	2.16 505	0.47 309	0.37 288	0.39 247	0.33 252

GwcNet-ADL	0.41 236	0.41 160	0.41 258	0.41 225	0.41 306	0.41 258	0.41 300	0.41 251	0.41 301	0.41 250	0.41 302	0.41 258	0.41 298	0.41 257	0.41 300	0.41 256	0.41 268	0.41 283	0.41 312	0.41 262	0.41 292

PSMNet-ADL	0.41 236	0.41 160	0.41 258	0.41 225	0.41 306	0.41 258	0.41 300	0.41 251	0.41 301	0.41 250	0.41 302	0.41 258	0.41 298	0.41 257	0.41 300	0.41 256	0.41 268	0.41 283	0.41 312	0.41 262	0.41 292

GANet-ADL	0.41 236	0.41 160	0.41 258	0.41 225	0.41 306	0.41 258	0.41 300	0.41 251	0.41 301	0.41 250	0.41 302	0.41 258	0.41 298	0.41 257	0.41 300	0.41 256	0.41 268	0.41 283	0.41 312	0.41 262	0.41 292

ADLNet2	0.41 236	0.41 160	0.41 258	0.41 225	0.41 306	0.41 258	0.41 300	0.41 251	0.41 301	0.41 250	0.41 302	0.41 258	0.41 298	0.41 257	0.41 300	0.41 256	0.41 268	0.41 283	0.41 312	0.41 262	0.41 292

ADLNet	0.41 236	0.41 160	0.41 258	0.41 225	0.41 306	0.41 258	0.41 300	0.41 251	0.41 301	0.41 250	0.41 302	0.41 258	0.41 298	0.41 257	0.41 300	0.41 256	0.41 268	0.41 283	0.41 312	0.41 262	0.41 292

DGSMNet	0.34 195	0.41 160	0.27 185	0.41 225	0.28 224	0.41 258	0.28 220	0.41 251	0.27 219	0.41 250	0.27 220	0.42 274	0.27 221	0.41 257	0.28 219	0.40 248	0.29 208	0.40 270	0.28 227	0.40 252	0.27 206

Gwc-CoAtRS	0.41 236	1.49 371	0.32 208	0.42 234	0.32 250	0.41 258	0.32 240	0.41 251	0.33 255	0.41 250	0.32 251	0.41 258	0.32 251	0.41 257	0.32 243	0.39 244	0.28 198	0.39 265	0.28 227	0.40 252	0.28 219

HART	0.38 217	0.45 174	0.34 223	0.42 234	0.33 261	0.41 258	0.34 260	0.42 267	0.33 255	0.43 268	0.34 265	0.42 274	0.34 263	0.41 257	0.38 282	0.40 248	0.32 226	0.42 294	0.32 261	0.40 252	0.32 245

RAFT-Stereo-weight	0.45 253	1.90 393	0.34 223	0.42 234	0.36 280	0.43 280	0.35 265	0.42 267	0.34 264	0.42 262	0.34 265	0.44 278	0.34 263	0.41 257	0.34 264	0.38 234	0.32 226	0.38 255	0.32 261	0.38 240	0.33 252

GES	0.66 305	2.34 428	0.29 192	0.41 225	0.29 232	0.41 258	0.29 228	0.42 267	0.29 227	0.40 236	0.41 302	0.41 258	0.30 240	0.51 314	0.29 229	0.32 202	0.29 208	0.32 209	2.46 523	2.49 486	0.30 234

FCDSN-DC	0.41 236	0.59 217	0.64 325	0.54 273	0.33 261	0.50 312	0.37 276	0.42 267	0.40 292	0.61 335	0.43 314	0.50 315	0.49 328	0.38 232	0.32 243	0.28 188	0.23 180	0.26 189	0.22 191	0.35 219	0.28 219
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RCA-Stereo	0.51 282	3.22 468	0.34 223	0.44 237	0.34 271	0.44 282	0.34 260	0.43 271	0.34 264	0.43 268	0.34 265	0.44 278	0.33 258	0.43 272	0.33 251	0.38 234	0.29 208	0.38 255	0.29 237	0.38 240	0.29 224

UCFNet_RVC	2.75 514	10.06 544	0.29 192	10.31 560	0.29 232	0.42 276	0.29 228	0.43 271	0.29 227	0.42 262	0.29 231	0.42 274	9.87 560	0.43 272	0.29 229	0.36 223	9.84 560	0.36 245	0.26 215	9.77 559	0.26 198

water-stereo	0.41 236	0.84 238	0.46 272	0.50 262	0.33 261	0.45 283	0.33 249	0.45 273	0.32 249	0.45 273	0.32 251	0.45 280	0.32 251	0.45 277	0.32 243	0.44 272	0.41 268	0.39 265	0.31 256	0.39 247	0.32 245

GREAT-IGEV	0.38 217	0.43 168	0.36 232	0.48 249	0.32 250	0.45 283	0.32 240	0.45 273	0.32 249	0.45 273	0.32 251	0.45 280	0.32 251	0.45 277	0.32 243	0.44 272	0.33 234	0.41 283	0.29 237	0.41 262	0.29 224

mms	0.40 229	0.45 174	0.35 230	0.48 249	0.36 280	0.47 294	0.34 260	0.45 273	0.38 282	0.47 283	0.33 257	0.45 280	0.32 251	0.45 277	0.32 243	0.39 244	0.38 249	0.38 255	0.37 288	0.39 247	0.39 283

fffy	0.38 217	0.43 168	0.33 213	0.46 239	0.33 261	0.45 283	0.32 240	0.45 273	0.32 249	0.45 273	0.32 251	0.45 280	0.33 258	0.45 277	0.32 243	0.38 234	0.38 249	0.38 255	0.37 288	0.37 230	0.36 266

DilatedVolume-Stereo	0.43 246	0.86 241	0.48 287	0.50 262	0.33 261	0.46 289	0.33 249	0.46 277	0.33 255	0.46 277	0.33 257	0.47 290	0.33 258	0.47 285	0.34 264	0.45 274	0.42 276	0.40 270	0.33 269	0.47 285	0.38 277

otaku	0.46 258	0.46 178	0.46 272	0.46 239	0.46 323	0.46 289	0.46 314	0.46 277	0.46 314	0.46 277	0.46 321	0.46 284	0.46 314	0.46 281	0.46 315	0.46 277	0.46 285	0.46 304	0.46 324	0.46 277	0.46 306

Ntro	0.47 264	0.47 182	0.46 272	0.46 239	0.46 323	0.47 294	0.47 319	0.46 277	0.47 319	0.46 277	0.46 321	0.47 290	0.46 314	0.47 285	0.47 321	0.47 282	0.46 285	0.46 304	0.46 324	0.46 277	0.46 306

Dean	0.46 258	0.46 178	0.46 272	0.46 239	0.46 323	0.46 289	0.46 314	0.46 277	0.46 314	0.47 283	0.46 321	0.46 284	0.46 314	0.46 281	0.46 315	0.46 277	0.46 285	0.46 304	0.46 324	0.46 277	0.46 306

ACVNet_1	0.46 258	0.47 182	0.46 272	0.46 239	0.46 323	0.46 289	0.46 314	0.46 277	0.47 319	0.46 277	0.46 321	0.46 284	0.46 314	0.46 281	0.46 315	0.46 277	0.46 285	0.47 309	0.46 324	0.46 277	0.46 306

ACVNet-4b	0.46 258	0.46 178	0.46 272	0.46 239	0.46 323	0.46 289	0.46 314	0.46 277	0.46 314	0.46 277	0.46 321	0.46 284	0.46 314	0.47 285	0.46 315	0.46 277	0.46 285	0.46 304	0.46 324	0.46 277	0.46 306

Former-RAFT_DAM_RVC	0.49 275	0.98 266	0.64 325	0.84 317	0.46 323	0.45 283	0.35 265	0.47 283	0.47 319	0.45 273	0.34 265	0.46 284	0.48 323	0.46 281	0.35 268	0.39 244	0.71 345	0.39 265	0.35 280	0.41 262	0.41 292

HaxPig	0.47 264	0.47 182	0.47 279	0.49 255	0.47 329	0.47 294	0.47 319	0.47 283	0.47 319	0.47 283	0.47 329	0.47 290	0.47 322	0.47 285	0.47 321	0.47 282	0.47 293	0.47 309	0.47 331	0.47 285	0.48 315

UNDER WATER	0.47 264	0.47 182	0.47 279	0.47 245	0.47 329	0.47 294	0.47 319	0.47 283	0.47 319	0.47 283	0.47 329	0.47 290	0.46 314	0.47 285	0.47 321	0.47 282	0.47 293	0.47 309	0.46 324	0.47 285	0.47 313

LVE	0.47 264	0.47 182	0.47 279	0.47 245	0.49 335	0.47 294	0.47 319	0.47 283	0.49 328	0.47 283	0.47 329	0.47 290	0.46 314	0.47 285	0.47 321	0.47 282	0.47 293	0.48 317	0.47 331	0.47 285	0.47 313

SCV_C0	0.45 253	0.88 245	0.49 292	0.54 273	0.37 283	0.48 299	0.37 276	0.48 287	0.37 278	0.48 290	0.36 277	0.48 297	0.37 276	0.49 300	0.37 279	0.50 295	0.41 268	0.44 297	0.34 273	0.44 272	0.34 258

SCV	0.46 258	0.94 261	0.45 268	0.54 273	0.37 283	0.48 299	0.38 282	0.48 287	0.37 278	0.48 290	0.39 293	0.48 297	0.37 276	0.49 300	0.37 279	0.50 295	0.46 285	0.44 297	0.34 273	0.44 272	0.34 258

RainbowNet	0.48 269	0.48 188	0.48 287	0.48 249	0.48 333	0.48 299	0.48 328	0.48 287	0.48 326	0.48 290	0.48 333	0.48 297	0.48 323	0.48 294	0.48 327	0.48 286	0.48 297	0.48 317	0.48 334	0.48 289	0.48 315

notaker	0.48 269	0.49 190	0.48 287	0.48 249	0.48 333	0.48 299	0.48 328	0.48 287	0.49 328	0.48 290	0.48 333	0.48 297	0.48 323	0.48 294	0.48 327	0.48 286	0.48 297	0.48 317	0.48 334	0.48 289	0.49 320

UGAM	0.51 282	2.23 417	0.39 245	0.54 273	0.35 274	0.50 312	0.35 265	0.49 291	0.35 267	0.49 297	0.35 274	0.49 301	0.36 272	0.50 307	0.36 271	0.49 289	0.37 243	0.45 301	0.34 273	0.45 276	0.34 258

MyStereo07	0.60 295	3.72 479	0.48 287	0.49 255	0.41 306	0.36 222	0.32 240	0.49 291	0.43 309	0.51 314	0.42 312	0.49 301	0.43 307	0.51 314	0.64 350	0.49 289	0.45 283	0.34 224	0.32 261	0.35 219	0.43 300

KSHMR	0.66 305	0.50 194	0.48 287	1.15 359	0.52 345	0.49 304	0.51 336	0.49 291	0.71 369	0.67 345	0.50 338	1.16 401	1.11 396	0.66 340	0.52 337	0.49 289	0.49 300	0.51 331	0.66 363	0.50 298	1.14 408

ACVNet_2	0.49 275	0.49 190	0.49 292	0.49 255	0.49 335	0.49 304	0.49 330	0.49 291	0.49 328	0.49 297	0.49 336	0.49 301	0.49 328	0.49 300	0.49 329	0.49 289	0.49 300	0.49 322	0.49 337	0.49 293	0.49 320

CFNet_ucs	2.73 513	9.64 541	0.33 213	9.92 557	0.32 250	0.49 304	0.33 249	0.49 291	0.33 255	0.49 297	0.33 257	0.49 301	8.98 558	0.48 294	0.33 251	0.41 256	9.96 561	0.40 270	0.29 237	10.12 561	0.54 334

CFNet_pseudo	2.67 512	9.36 539	0.32 208	10.99 561	0.33 261	0.85 362	0.33 249	0.49 291	0.33 255	0.49 297	0.32 251	0.49 301	7.26 554	0.49 300	0.33 251	0.41 256	9.62 558	0.41 283	0.29 237	10.03 560	0.29 224

pcwnet_v2	2.66 511	9.89 543	0.33 213	9.89 556	0.32 250	0.50 312	0.32 240	0.49 291	0.33 255	0.49 297	0.34 265	0.49 301	8.76 557	0.48 294	0.33 251	0.41 256	9.58 557	0.40 270	0.29 237	9.01 556	0.63 351

psmorigin	0.41 236	0.46 178	0.33 213	0.49 255	0.33 261	0.49 304	0.33 249	0.49 291	0.33 255	0.49 297	0.33 257	0.49 301	0.33 258	0.51 314	0.33 251	0.41 256	0.30 216	0.41 283	0.30 247	0.79 337	0.29 224

GASTEREO	0.48 269	1.21 351	0.47 279	0.57 280	0.38 290	0.50 312	0.38 282	0.50 299	0.38 282	0.50 309	0.38 288	0.50 315	0.38 280	0.50 307	0.38 282	0.52 303	0.42 276	0.46 304	0.34 273	0.46 277	0.34 258

FoundationStereo	0.50 277	0.50 194	0.50 296	0.50 262	0.50 339	0.50 312	0.50 332	0.50 299	0.50 331	0.50 309	0.50 338	0.50 315	0.50 331	0.50 307	0.50 330	0.50 295	0.50 306	0.50 326	0.50 339	0.50 298	0.50 323

StereoAnything_RVC	0.50 277	0.50 194	0.50 296	0.50 262	0.50 339	0.50 312	0.50 332	0.50 299	0.50 331	0.50 309	0.50 338	0.50 315	0.50 331	0.50 307	0.50 330	0.50 295	0.50 306	0.50 326	0.50 339	0.50 298	0.50 323

dual_stereo	0.50 277	0.50 194	0.50 296	0.50 262	0.50 339	0.50 312	0.50 332	0.50 299	0.50 331	0.50 309	0.50 338	0.50 315	0.50 331	0.50 307	0.50 330	0.50 295	0.50 306	0.50 326	0.50 339	0.50 298	0.50 323

UGAM-zero	0.51 282	2.17 412	0.39 245	0.53 271	0.36 280	0.50 312	0.36 271	0.50 299	0.36 277	0.49 297	0.36 277	0.50 315	0.35 269	0.50 307	0.36 271	0.49 289	0.37 243	0.47 309	0.35 280	0.46 277	0.34 258

GCST	0.50 277	2.08 404	0.38 238	0.53 271	0.35 274	0.49 304	0.35 265	0.50 299	0.35 267	0.49 297	0.35 274	0.49 301	0.35 269	0.49 300	0.35 268	0.48 286	0.37 243	0.45 301	0.33 269	0.44 272	0.33 252

TorneroNet	0.66 305	0.53 206	0.50 296	0.50 262	0.64 363	1.06 386	0.70 363	0.50 299	0.51 338	0.49 297	0.69 368	0.49 301	0.50 331	0.48 294	1.15 408	0.71 333	0.49 300	1.14 400	1.08 404	0.49 293	0.49 320

Selective-IGEV	0.51 282	0.55 211	0.45 268	0.69 300	0.45 321	0.61 338	0.45 312	0.50 299	0.40 292	0.56 328	0.44 316	0.55 330	0.40 287	0.72 346	0.67 355	0.59 313	0.46 285	0.45 301	0.34 273	0.46 277	0.37 270

ccnet	0.80 334	2.28 420	0.33 213	0.50 262	0.33 261	0.50 312	0.33 249	0.50 299	0.33 255	0.49 297	0.33 257	0.49 301	1.56 472	2.38 489	0.33 251	0.41 256	0.29 208	0.42 294	1.57 484	2.28 474	0.29 224

SANet	0.50 277	0.50 194	0.50 296	0.50 262	0.50 339	0.50 312	0.50 332	0.50 299	0.50 331	0.50 309	0.50 338	0.50 315	0.50 331	0.50 307	0.50 330	0.50 295	0.50 306	0.50 326	0.50 339	0.50 298	0.50 323

ccccc		0.44 171		0.48 249	0.35 274	0.48 299		0.51 309		0.47 283		0.47 290		0.47 285		0.41 256	0.40 259	0.40 270	0.40 305	0.41 262

ktn	0.72 319	0.53 206	1.08 380	1.14 357	0.51 344	1.22 446	1.36 471	0.51 309	0.59 346	0.51 314	0.51 344	0.69 349	1.20 407	0.67 342	0.51 335	0.51 301	0.49 300	0.58 340	0.66 363	0.52 306	0.53 331

depthmonostereo	0.44 250	0.85 240	0.46 272	0.54 273	0.40 299	0.52 323	0.38 282	0.52 311	0.35 267	0.47 283	0.34 265	0.46 284	0.34 263	0.47 285	0.34 264	0.45 274	0.43 279	0.41 283	0.33 269	0.41 262	0.32 245

fffft	0.48 269	0.51 201	0.45 268	0.52 270	0.45 321	0.52 323	0.45 312	0.52 311	0.48 326	0.53 320	0.45 319	0.52 322	0.45 311	0.52 317	0.46 315	0.51 301	0.41 268	0.50 326	0.41 312	0.50 298	0.41 292
1: 1. 1
LG-Stereo_L1	0.47 264	0.52 203	0.47 279	0.62 289	0.39 297	0.53 325	0.40 292	0.53 313	0.39 291	0.53 320	0.39 293	0.53 323	0.39 286	0.53 319	0.39 289	0.55 308	0.46 285	0.49 322	0.37 288	0.49 293	0.37 270

PSMNet_ROB	0.54 287	0.54 209	0.54 309	0.54 273	0.53 348	0.54 328	0.54 340	0.53 313	0.54 341	0.54 323	0.54 348	0.54 326	0.53 338	0.54 321	0.54 340	0.54 306	0.53 314	0.54 337	0.54 345	0.54 310	0.54 334

MSCF	0.51 282	1.40 368	0.49 292	0.58 282	0.38 290	0.50 312	0.38 282	0.54 315	0.41 301	0.52 317	0.41 302	0.53 323	0.42 304	0.53 319	0.41 300	0.60 314	0.47 293	0.48 317	0.37 288	0.48 289	0.38 277

Occ-G	1.12 386	0.52 203	3.72 538	3.50 501	0.50 339	0.56 330	0.47 319	0.54 315	0.46 314	0.54 323	0.41 302	0.54 326	0.42 304	0.52 317	0.42 307	3.42 514	4.02 533	0.52 334	0.45 322	0.51 304	0.44 303

iRaftStereo_RVC	0.97 368	3.17 467	2.30 512	2.42 465	0.38 290	0.54 328	0.38 282	0.54 315	0.38 282	0.54 323	0.38 288	0.54 326	0.38 280	0.54 321	0.38 282	2.38 493	2.34 509	0.49 322	0.36 286	0.49 293	0.36 266

LG-Stereo_Zeroshot	0.48 269	0.55 211	0.47 279	0.63 291	0.41 306	0.56 330	0.44 308	0.56 318	0.41 301	0.56 328	0.41 302	0.57 334	0.42 304	0.56 325	0.41 300	0.55 308	0.43 279	0.51 331	0.37 288	0.51 304	0.37 270

MyStereo06	0.75 323	4.12 487	0.60 316	0.63 291	0.61 359	0.62 341	0.66 352	0.56 318	0.45 313	0.55 326	0.48 333	0.54 326	0.46 314	0.57 329	0.45 311	0.60 314	0.57 320	0.64 346	0.55 346	0.72 327	0.55 339

CASS	0.57 294	0.89 248	0.56 311	0.57 280	0.56 351	0.56 330	0.56 341	0.56 318	0.53 339	0.57 330	0.57 350	0.59 338	0.48 323	0.56 325	0.57 343	0.55 308	0.56 318	0.47 309	0.56 350	0.62 316	0.56 342
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
LG-Stereo	0.60 295	0.58 216	0.47 279	0.64 294	0.74 382	1.00 378	0.69 360	0.57 321	0.41 301	0.57 330	0.41 302	0.57 334	0.41 298	1.00 383	0.75 373	0.91 355	0.51 310	0.52 334	0.37 288	0.52 306	0.37 270

LL-Strereo	1.01 376	5.06 501	1.63 474	0.70 302	1.43 479	0.56 330	0.46 314	0.57 321	0.50 331	0.57 330	0.50 338	1.58 461	0.49 328	0.59 331	0.50 330	1.64 456	0.52 312	0.51 331	1.37 472	0.52 306	0.45 305

PML	0.46 258	1.36 366	0.29 192	0.58 282	0.30 242	0.57 335	0.29 228	0.57 321	0.29 227	0.57 330	0.29 231	0.57 334	0.29 233	0.56 325	0.29 229	0.52 303	0.30 216	0.53 336	0.31 256	0.53 309	0.30 234

AIO-test1	0.54 287	0.60 219	0.52 304	0.66 298	0.47 329	0.61 338	0.47 319	0.58 324	0.46 314	0.61 335	0.46 321	0.61 340	0.45 311	0.62 333	0.45 311	0.61 318	0.52 312	0.57 339	0.48 334	0.57 312	0.48 315

LMCR-Stereo	0.65 303	0.63 220	0.65 328	0.65 295	0.65 365	0.66 345	0.63 348	0.58 324	0.65 354	0.63 340	0.64 359	0.65 346	0.65 351	0.66 340	0.66 354	0.66 326	0.64 332	0.65 349	0.67 367	0.68 321	0.73 367

AIO-Stereo-zeroshot1	0.75 323	0.92 257	0.85 359	0.96 338	0.59 353	1.27 449	0.44 308	0.59 326	0.69 361	0.91 369	0.68 365	0.55 330	0.61 347	1.06 389	0.83 382	0.62 321	0.70 341	0.90 379	0.41 312	0.89 352	0.56 342

MyStereo8	0.71 316	3.92 486	0.52 304	0.59 285	0.52 345	0.57 335	0.53 338	0.59 326	0.50 331	0.59 334	0.51 344	0.57 334	0.50 331	0.56 325	0.52 337	0.54 306	0.49 300	0.54 337	0.49 337	0.55 311	0.50 323

AEACV	1.12 386	0.52 203	3.12 530	3.24 486	0.86 390	0.53 325	0.49 330	0.60 328	0.47 319	0.53 320	0.49 336	0.55 330	0.45 311	0.55 324	0.47 321	3.01 510	3.88 531	0.71 355	0.60 355	0.80 340	0.48 315

CFNet_RVC	2.38 504	8.71 534	0.38 238	9.33 552	0.42 316	0.56 330	0.42 305	0.60 328	0.38 282	0.62 338	0.42 312	0.56 333	7.29 555	0.62 333	0.42 307	0.53 305	0.37 243	0.49 322	0.34 273	8.30 552	6.87 558

AIO-test2	0.55 291	0.59 217	0.52 304	0.67 299	0.47 329	0.61 338	0.47 319	0.61 330	0.47 319	0.61 335	0.47 329	0.61 340	0.48 323	0.62 333	0.47 321	0.64 323	0.53 314	0.58 340	0.47 331	0.58 313	0.48 315

MonSter	0.60 295	0.64 222	0.52 304	0.62 289	0.44 319	2.07 481	0.44 308	0.62 331	0.44 312	0.62 338	0.44 316	0.62 342	0.44 309	0.62 333	0.44 310	0.58 312	0.42 276	0.62 343	0.46 324	0.58 313	0.42 299

test-3	0.98 370	4.13 489	1.85 494	1.85 441	0.61 359	0.69 347	0.37 276	0.63 332	0.61 349	0.66 344	0.51 344	0.73 355	0.44 309	0.57 329	0.54 340	1.68 457	1.81 489	0.40 270	0.43 320	0.66 319	0.50 323

DispNO	1.00 371	0.63 220	0.43 264	3.45 497	0.44 319	0.65 344	0.43 307	0.64 333	0.43 309	0.64 341	0.43 314	0.64 343	3.03 516	0.64 338	0.43 309	4.55 523	0.43 279	0.63 345	0.43 320	0.63 317	0.43 300

MyStereo05	0.80 334	4.12 487	0.63 323	0.63 291	0.61 359	0.62 341	0.66 352	0.65 334	0.62 350	0.67 345	0.61 355	0.65 346	0.58 343	0.67 342	0.55 342	0.60 314	0.57 320	0.64 346	0.55 346	0.72 327	0.55 339

DSFCA	0.66 305	0.73 227	0.78 351	0.65 295	0.65 365	0.64 343	0.64 349	0.65 334	0.63 352	0.64 341	0.64 359	0.64 343	0.64 349	0.65 339	0.65 351	0.65 324	0.65 334	0.65 349	0.65 361	0.66 319	0.64 352

WCG-NET	0.61 298	1.21 351	0.54 309	0.61 288	0.53 348	0.67 346	0.53 338	0.66 336	0.53 339	0.64 341	0.53 347	0.65 346	0.53 338	0.59 331	0.52 337	0.65 324	0.48 297	0.64 346	0.52 343	0.58 313	0.50 323

SMoEStereo_RVC	0.63 300	0.75 228	0.51 301	0.73 306	0.53 348	0.71 350	0.47 319	0.67 337	0.58 344	0.74 355	0.60 351	0.72 353	0.53 338	0.74 350	0.51 335	0.61 318	0.62 330	0.62 343	0.61 357	0.63 317	0.61 347

PA-Net	11.80 560	223.51 587	0.62 322	0.59 285	0.71 377	0.59 337	0.73 369	0.67 337	0.73 374	0.55 326	0.61 355	0.60 339	0.74 368	0.63 337	0.73 370	0.66 326	0.60 325	0.69 352	0.66 363	0.72 327	0.65 353
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
HH	0.71 316	2.54 437	0.74 346	1.10 351	0.32 250	0.41 258	0.37 276	0.69 339	0.78 377	0.73 350	0.90 389	0.75 357	1.00 386	0.84 359	0.69 362	0.69 329	0.40 259	0.35 240	0.26 215	0.35 219	0.26 198

HanStereo	0.71 316	2.54 437	0.74 346	1.10 351	0.32 250	0.41 258	0.37 276	0.69 339	0.78 377	0.73 350	0.90 389	0.75 357	1.00 386	0.84 359	0.69 362	0.69 329	0.40 259	0.35 240	0.26 215	0.35 219	0.26 198

tt45	1.04 380	0.88 245	1.36 457	0.92 327	1.03 409	1.51 462	0.79 374	0.70 341	0.88 386	0.74 355	0.90 389	1.60 462	0.72 366	1.60 459	0.75 373	0.91 355	0.78 353	1.52 471	0.79 382	1.14 375	1.32 472

anonymity	0.63 300	0.69 224	0.56 311	0.71 304	0.56 351	0.71 350	0.56 341	0.71 342	0.56 342	0.72 349	0.56 349	0.71 350	0.56 342	0.71 345	0.58 344	0.68 328	0.55 316	0.68 351	0.55 346	0.68 321	0.54 334

DMCA-RVC	0.70 314	0.80 232	0.70 336	0.70 302	0.70 375	0.70 348	0.70 363	0.71 342	0.70 364	0.70 348	0.71 374	0.71 350	0.70 361	0.70 344	0.69 362	0.69 329	0.70 341	0.69 352	0.70 372	0.69 325	0.70 360

iGMRVC	0.84 349	2.85 460	0.72 342	0.72 305	0.73 380	0.77 353	0.79 374	0.73 344	0.74 376	0.73 350	0.72 377	0.73 355	0.76 371	0.73 348	0.73 370	0.72 334	0.73 347	0.73 356	0.72 376	0.73 330	0.72 364

4D-IteraStereo	0.78 331	3.13 465	0.89 360	0.69 300	0.32 250	0.40 242	0.32 240	0.76 345	0.97 398	0.52 317	0.65 361	0.89 372	0.32 251	0.76 352	0.98 394	0.83 349	0.94 367	0.35 240	0.27 223	0.70 326	0.89 383

ARAFT	0.68 310	0.81 235	0.63 323	0.74 307	0.60 354	0.78 355	0.62 347	0.77 346	0.66 356	0.74 355	0.63 357	0.75 357	0.62 348	0.83 358	0.60 347	0.70 332	0.55 316	0.70 354	0.60 355	0.78 335	0.55 339

GCAP-Stereo	0.75 323	4.15 490	0.42 263	0.75 308	0.35 274	0.78 355	0.40 292	0.79 347	0.38 282	0.78 358	0.36 277	0.78 360	0.36 272	0.79 353	0.39 289	0.75 337	0.39 256	0.76 361	0.39 304	0.75 331	0.39 283

G-Net	0.79 332	0.79 231	0.79 354	0.79 310	0.79 386	0.79 357	0.79 374	0.79 347	0.79 380	0.79 359	0.79 384	0.79 362	0.79 374	0.79 353	0.79 376	0.79 340	0.79 354	0.79 364	0.79 382	0.79 337	0.79 374

AFF-stereo	0.73 321	0.88 245	0.67 333	0.75 308	0.68 372	0.75 352	0.64 349	0.80 349	0.72 371	0.83 364	0.70 370	0.82 367	0.64 349	0.84 359	0.67 355	0.77 339	0.63 331	0.81 369	0.63 359	0.78 335	0.62 350

NaN_ROB	0.80 334	0.80 232	0.80 355	0.80 312	0.80 388	0.80 358	0.80 377	0.80 349	0.80 381	0.80 360	0.80 385	0.80 363	0.80 375	0.80 355	0.80 378	0.80 341	0.80 357	0.80 367	0.80 384	0.80 340	0.80 375

CSAN	0.80 334	0.80 232	0.80 355	0.80 312	0.80 388	0.80 358	0.80 377	0.80 349	0.80 381	0.80 360	0.80 385	0.80 363	0.80 375	0.80 355	0.80 378	0.80 341	0.80 357	0.80 367	0.80 384	0.80 340	0.80 375

RAFT-Stereo + iAFF	0.70 314	0.72 226	0.71 339	0.80 312	0.62 362	0.82 360	0.61 346	0.81 352	0.62 350	0.81 362	0.63 357	0.80 363	0.70 361	0.73 348	0.61 349	0.76 338	0.61 329	0.74 358	0.61 357	0.77 334	0.61 347

zero-FE	0.72 319	1.31 362	0.66 329	0.92 327	0.60 354	0.82 360	0.58 343	0.82 353	0.58 344	0.81 362	0.60 351	0.81 366	0.60 345	0.82 357	0.58 344	0.74 336	0.59 324	0.73 356	0.52 343	0.76 332	0.51 330

Selective-RAFT-Error	0.88 354	0.84 238	0.98 372	0.86 320	0.97 402	0.88 365	0.95 391	0.84 354	0.99 401	0.92 371	0.82 387	0.84 368	0.98 385	0.87 364	0.97 393	0.81 344	0.83 360	0.79 364	0.82 387	0.79 337	0.85 380

PAM_32	0.64 302	2.38 432	0.51 301	0.92 327	0.43 318	0.53 325	0.44 308	0.87 355	0.43 309	0.52 317	0.45 319	0.53 323	0.40 287	0.54 321	0.46 315	0.62 321	0.56 318	0.48 317	0.45 322	0.76 332	0.44 303

DCRE	0.84 349	1.89 391	0.77 350	0.94 333	0.72 379	0.88 365	0.73 369	0.87 355	0.78 377	0.90 367	0.71 374	0.88 370	0.67 356	0.88 365	0.73 370	0.81 344	0.68 336	0.81 369	0.70 372	0.82 345	0.70 360

Selective-RAFT	0.89 356	0.89 248	0.72 342	1.16 364	0.78 385	1.06 386	0.82 380	0.87 355	0.97 398	1.00 379	0.91 392	0.90 373	1.00 386	0.89 367	0.93 390	0.83 349	0.83 360	0.82 373	0.82 387	0.81 343	0.82 378

UDG	0.80 334	2.21 416	0.60 316	0.91 324	0.60 354	0.90 368	0.58 343	0.88 358	0.60 347	0.90 367	0.60 351	0.88 370	0.60 345	0.90 368	0.58 344	0.86 353	0.60 325	0.84 375	0.59 354	0.84 348	0.61 347

MoCha-V2	2.11 481	26.97 565	0.78 351	0.92 327	0.77 384	0.96 375	0.72 368	0.90 359	0.72 371	0.94 375	0.70 370	0.90 373	0.71 365	0.91 369	0.71 368	0.85 352	0.71 345	0.88 378	0.69 370	0.87 350	0.67 356

DDUNet	0.81 339	2.45 435	0.57 313	0.90 322	0.60 354	0.88 365	0.59 345	0.90 359	0.60 347	0.88 366	0.60 351	0.90 373	0.58 343	0.88 365	0.60 347	0.84 351	0.60 325	0.86 377	0.57 352	0.86 349	0.60 346

CFNet-RSSM	0.91 357	4.89 499	0.34 223	0.44 237	1.07 411	1.62 466	1.40 478	0.91 361	0.35 267	1.60 457	1.39 478	0.64 343	0.34 263	0.44 274	0.33 251	0.41 256	0.35 238	0.75 359	0.30 247	0.41 262	0.29 224

UNet	0.29 174	0.90 250	0.10 69	0.14 98	0.10 120	0.14 126	0.10 117	0.91 361	0.69 361	0.14 126	0.11 132	0.14 127	0.11 131	0.14 129	0.10 113	0.12 93	0.09 70	0.12 121	0.09 110	0.88 351	0.76 372

DGTPSM_ROB	0.93 364	1.00 270	0.92 367	0.94 333	0.96 401	0.91 369	0.92 387	0.91 361	0.96 397	0.91 369	0.96 396	0.93 379	0.92 381	0.94 375	0.92 386	0.92 358	0.92 365	0.90 379	0.92 391	0.94 361	0.91 385

test_xeample3	1.10 383	1.81 384	0.61 321	0.84 317	0.49 335	0.77 353	0.66 352	0.92 364	1.40 478	0.68 347	0.46 321	0.78 360	0.54 341	1.72 464	1.48 480	1.34 437	1.52 467	1.35 464	1.67 497	1.33 439	1.55 484

DPSM_ROB	0.92 359	0.91 252	0.91 365	0.91 324	0.92 397	0.92 370	0.92 387	0.92 364	0.91 388	0.93 373	0.91 392	0.92 376	0.90 379	0.91 369	0.92 386	0.92 358	0.91 363	0.91 382	0.92 391	0.93 359	0.93 387

DPSM	0.92 359	0.91 252	0.91 365	0.91 324	0.92 397	0.92 370	0.92 387	0.92 364	0.91 388	0.93 373	0.91 392	0.92 376	0.90 379	0.91 369	0.92 386	0.92 358	0.91 363	0.91 382	0.92 391	0.93 359	0.93 387

pmcnn	0.92 359	0.92 257	0.92 367	0.92 327	0.92 397	0.92 370	0.92 387	0.92 364	0.92 392	0.92 371	0.92 395	0.92 376	0.92 381	0.92 373	0.92 386	0.92 358	0.92 365	0.92 384	0.92 391	0.92 358	0.92 386

RSM++	0.76 327	0.82 237	0.66 329	0.85 319	0.64 363	0.85 362	0.71 366	0.94 368	0.64 353	0.87 365	0.67 364	0.87 369	0.65 351	0.84 359	0.65 351	0.81 344	0.70 341	0.79 364	0.71 375	0.83 347	0.70 360

ToySt	0.92 359	2.11 407	0.90 363	0.95 335	0.79 386	0.99 377	0.78 373	0.94 368	0.81 384	0.94 375	0.78 383	0.95 380	0.77 372	0.94 375	0.86 384	0.91 355	0.79 354	0.85 376	0.77 379	0.89 352	0.73 367

R-Stereo Train	0.81 339	0.96 263	0.67 333	0.95 335	0.67 369	0.95 373	0.68 357	0.95 370	0.68 358	0.95 377	0.68 365	0.96 381	0.68 357	0.96 379	0.68 358	0.94 363	0.68 336	0.94 385	0.68 368	0.94 361	0.68 357

RAFT-Stereo	0.81 339	0.96 263	0.67 333	0.95 335	0.67 369	0.95 373	0.68 357	0.95 370	0.68 358	0.95 377	0.68 365	0.96 381	0.68 357	0.96 379	0.68 358	0.94 363	0.68 336	0.94 385	0.68 368	0.94 361	0.68 357
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AdaDepth	0.86 352	0.93 259	0.71 339	1.01 345	1.07 411	1.02 383	0.71 366	1.00 372	0.71 369	1.01 383	0.71 374	1.00 384	0.72 366	1.14 399	0.71 368	0.92 358	0.64 332	0.90 379	0.64 360	0.89 352	0.69 359

GANet	1.00 371	1.00 270	1.00 374	1.00 342	1.00 403	1.00 378	1.00 395	1.00 372	1.00 402	1.00 379	1.00 399	1.00 384	1.00 386	1.00 383	1.00 396	1.00 365	1.00 368	1.00 392	1.00 398	1.00 365	1.00 394

TDLM	1.00 371	1.00 270	1.00 374	1.00 342	1.00 403	1.00 378	1.00 395	1.00 372	1.00 402	1.00 379	1.00 399	1.00 384	1.00 386	1.00 383	1.00 396	1.00 365	1.00 368	1.00 392	1.00 398	1.00 365	1.00 394

CVANet_RVC	1.00 371	1.00 270	1.00 374	1.00 342	1.00 403	1.00 378	1.00 395	1.00 372	1.00 402	1.00 379	1.00 399	1.00 384	1.00 386	1.00 383	1.00 396	1.00 365	1.00 368	1.00 392	1.00 398	1.00 365	1.00 394

trnet	1.01 376	1.01 276	1.01 377	1.01 345	1.01 407	1.01 382	1.01 398	1.01 376	1.01 405	1.01 383	1.01 402	1.01 388	1.01 392	1.01 387	1.01 399	1.01 368	1.01 371	1.01 395	1.01 402	1.01 368	1.01 397

DPSimNet_ROB	0.97 368	1.18 303	0.81 357	1.10 351	0.91 396	1.02 383	0.82 380	1.04 377	0.91 388	1.03 385	0.86 388	1.28 453	0.82 377	1.03 388	0.89 385	1.17 383	0.81 359	1.02 396	0.82 387	1.08 372	0.81 377

999	1.00 371	1.12 295	0.59 314	1.10 351	1.21 469	1.09 391	0.52 337	1.08 378	1.43 480	1.18 399	1.35 472	0.98 383	0.52 337	0.91 369	0.85 383	0.72 334	1.46 463	0.83 374	0.98 396	0.68 321	1.41 480

GLC_STEREO	1.07 381	1.01 276	1.06 379	1.07 349	1.05 410	1.06 386	1.08 402	1.08 378	1.05 408	1.07 387	1.06 404	1.08 391	1.05 394	1.06 389	1.10 403	1.07 371	1.09 381	1.05 398	1.05 403	1.06 371	1.12 404

HSM-Net_RVC	0.95 367	1.17 301	0.78 351	1.18 366	0.71 377	1.16 399	0.75 371	1.09 380	0.80 381	1.10 389	0.75 381	1.17 402	0.74 368	1.17 402	0.80 378	1.13 380	0.73 347	1.17 406	0.77 379	1.16 379	0.72 364
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MSMD_ROB	1.19 388	1.10 294	0.70 336	1.10 351	0.60 354	1.10 392	0.70 363	1.10 381	0.70 364	1.10 389	0.70 370	1.10 395	0.70 361	7.00 558	0.70 366	1.10 374	0.70 341	1.10 399	0.70 372	1.10 373	0.70 360

AIO-Stereo	0.84 349	0.66 223	0.70 336	0.83 316	0.67 369	0.98 376	0.82 380	1.14 382	0.72 371	1.03 385	0.74 380	1.03 389	1.09 395	0.99 381	0.45 311	1.04 369	0.73 347	0.95 387	0.74 377	0.94 361	0.46 306

RP	2.33 498	25.00 558	1.13 382	1.15 359	1.15 415	1.10 392	1.15 407	1.15 383	1.15 410	1.12 394	1.15 407	1.09 393	1.13 397	1.10 395	1.15 408	1.11 379	1.09 381	1.16 402	1.12 406	1.16 379	1.17 413

NCC-stereo	2.36 500	25.52 560	1.17 387	1.15 359	1.17 420	1.11 395	1.11 403	1.15 383	1.16 411	1.10 389	1.16 410	1.10 395	1.15 400	1.14 399	1.13 406	1.09 372	1.11 385	1.15 401	1.16 410	1.17 384	1.17 413

AIO-Stereo-zeroshot	0.91 357	0.86 241	0.89 360	1.25 416	0.69 373	1.05 385	0.81 379	1.16 385	0.50 331	1.12 394	0.97 397	0.72 353	0.82 377	1.06 389	0.95 391	0.61 318	0.87 362	1.03 397	0.85 390	1.04 370	1.01 397

edge stereo	2.43 505	27.07 566	1.14 383	1.06 348	1.14 414	1.08 389	1.17 410	1.16 385	1.14 409	1.10 389	1.16 410	1.09 393	1.16 404	1.10 395	1.16 411	1.10 374	1.11 385	1.16 402	1.19 412	1.13 374	1.11 402

RGC	2.36 500	25.48 559	1.19 391	1.15 359	1.15 415	1.10 392	1.16 409	1.17 387	1.16 411	1.12 394	1.16 410	1.11 398	1.13 397	1.09 393	1.18 413	1.10 374	1.15 390	1.16 402	1.12 406	1.14 375	1.12 404

Nwc_Net	2.37 502	25.95 562	1.15 385	1.14 357	1.15 415	1.08 389	1.14 406	1.17 387	1.16 411	1.14 397	1.15 407	1.08 391	1.15 400	1.11 397	1.14 407	1.10 374	1.11 385	1.16 402	1.09 405	1.16 379	1.15 409

Abc-Net	2.32 497	24.75 557	1.14 383	1.17 365	1.17 420	1.11 395	1.15 407	1.17 387	1.21 463	1.08 388	1.16 410	1.12 399	1.14 399	1.09 393	1.17 412	1.09 372	1.16 391	1.17 406	1.17 411	1.16 379	1.11 402
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
UPFNet	0.42 245	1.20 305	0.17 149	0.24 151	0.17 177	0.25 184	0.17 164	1.19 390	0.90 387	0.25 181	0.17 174	0.24 179	0.17 171	0.25 185	0.17 169	0.22 160	0.17 160	0.22 172	0.16 164	1.15 377	0.93 387

AF-Net	2.37 502	25.71 561	1.17 387	1.13 356	1.15 415	1.15 398	1.18 411	1.19 390	1.16 411	1.10 389	1.15 407	1.10 395	1.18 405	1.12 398	1.15 408	1.10 374	1.10 384	1.17 406	1.15 408	1.16 379	1.12 404

stereogan	2.33 498	24.38 556	1.18 389	1.18 366	1.18 422	1.14 397	1.18 411	1.19 390	1.19 417	1.14 397	1.18 414	1.14 400	1.18 405	1.14 399	1.18 413	1.14 382	1.14 389	1.19 410	1.19 412	1.15 377	1.19 417

DisPM	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

CrosDoStereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

PFNet+	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

LCNet	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

HHNet	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

Patchmatch Stereo++	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

STrans-v2	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

TransformOpticalFlow	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

OMP-Stereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

IIG-Stereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

NF-Stereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

OCTAStereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

PSM-softLoss	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

KMStereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

NRIStereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

PSM-adaLoss	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

PSM-AAD	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

FTStereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

ROB_FTStereo_v2	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

ROB_FTStereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

Consistency-Raft	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

KYRaft	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

HUI-Stereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

ASMatch	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

DeepStereo_LL	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

DEmStereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

SST-Stereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

THIR-Stereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

RAFT_R40	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

DRaft	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

PFNet	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

GrayStereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

RE-Stereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

Pruner-Stereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

TVStereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

DeepStereo_RVC	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

RAFT-RH_RVC	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

IRAFT_RVC	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

RAFT-345	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

iRAFT	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

CRE-IMP	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

GMM-Stereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

RAFT-IKP	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

Prome-Stereo	1.20 389	1.20 305	1.20 394	1.20 368	1.20 423	1.20 400	1.20 413	1.20 393	1.20 418	1.20 401	1.20 415	1.20 404	1.20 407	1.20 404	1.20 415	1.20 385	1.20 396	1.20 411	1.20 415	1.20 388	1.20 418

FC-DCNN	1.07 381	1.09 291	0.98 372	0.89 321	0.52 345	1.41 459	0.91 386	1.21 438	1.24 466	1.96 469	2.05 521	1.91 470	1.30 460	1.27 452	1.08 402	0.80 341	0.60 325	0.58 340	0.41 312	0.68 321	0.54 334

CroCo-Stereo	0.73 321	1.22 356	0.25 178	1.22 413	0.25 210	1.22 446	0.25 202	1.22 439	0.25 201	1.22 447	0.25 210	1.22 450	0.25 204	1.22 450	0.25 204	1.22 431	0.26 186	1.21 456	0.25 209	1.22 435	0.25 192
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
S-Stereo	2.51 507	26.86 564	1.23 443	1.22 413	1.22 471	1.24 448	1.25 462	1.22 439	1.24 466	1.21 446	1.24 463	1.19 403	1.27 457	1.19 403	1.24 462	1.19 384	1.20 396	1.25 458	1.19 412	1.24 436	1.23 466

FAT-Stereo	2.46 506	26.05 563	1.23 443	1.23 415	1.22 471	1.20 400	1.24 461	1.23 441	1.23 465	1.19 400	1.22 461	1.21 449	1.24 455	1.20 404	1.24 462	1.21 430	1.17 394	1.22 457	1.25 465	1.20 388	1.24 467

CroCo-Stereo Lap2	0.77 328	1.29 360	0.29 192	1.27 417	0.29 232	1.27 449	0.26 210	1.26 442	0.26 214	1.26 448	0.26 216	1.27 452	0.26 213	1.26 451	0.27 210	1.27 433	0.27 192	1.27 459	0.27 223	1.27 437	0.27 206

MMNet	0.44 250	1.24 358	0.17 149	0.25 156	0.17 177	0.25 184	0.18 170	1.26 442	0.93 393	0.25 181	0.17 174	0.25 184	0.18 178	0.25 185	0.17 169	0.23 171	0.16 144	0.23 178	0.16 164	1.20 388	0.99 392

delet	0.43 246	1.21 351	0.17 149	0.25 156	0.17 177	0.25 184	0.18 170	1.26 442	0.95 395	0.25 181	0.17 174	0.25 184	0.17 171	0.25 185	0.17 169	0.23 171	0.16 144	0.22 172	0.16 164	1.18 385	0.98 391

psm_up	0.43 246	1.19 304	0.17 149	0.25 156	0.18 184	0.25 184	0.19 174	1.26 442	0.91 388	0.26 188	0.17 174	0.25 184	0.17 171	0.25 185	0.17 169	0.22 160	0.17 160	0.23 178	0.16 164	1.18 385	0.99 392

PS-NSSS	1.38 444	1.39 367	1.34 447	1.34 422	1.35 473	1.38 456	1.37 476	1.35 446	1.38 477	1.34 449	1.34 471	1.39 456	1.38 468	1.70 463	1.40 477	1.36 440	1.36 457	1.36 466	1.37 472	1.37 441	1.36 477

MM-Stereo_test2	1.20 389	1.85 387	1.05 378	1.46 428	0.94 400	1.36 454	0.99 394	1.36 447	0.95 395	1.41 453	0.98 398	1.40 458	0.96 383	1.37 454	0.95 391	1.37 442	1.06 374	1.33 461	0.93 395	1.29 438	0.89 383

MaskLacGwcNet_RVC	1.35 441	1.35 365	1.35 449	1.35 423	1.35 473	1.35 452	1.35 469	1.36 447	1.35 474	1.36 451	1.35 472	1.36 454	1.36 465	1.36 453	1.35 473	1.35 438	1.35 456	1.35 464	1.35 469	1.35 440	1.35 476

CC-Net-ROB	1.36 442	1.33 364	1.33 446	1.36 424	1.38 476	1.36 454	1.33 467	1.37 449	1.34 471	1.35 450	1.36 474	1.38 455	1.34 463	1.38 455	1.38 476	1.35 438	1.38 459	1.33 461	1.35 469	1.43 443	1.34 475

RASNet	1.49 445	1.65 375	1.45 465	1.38 426	1.43 479	1.47 461	1.36 471	1.38 450	1.36 475	1.39 452	1.60 487	1.45 459	1.45 471	1.51 458	2.21 516	1.53 452	1.36 457	1.36 466	1.36 471	1.66 452	1.36 477

MM-Stereo_test3	1.27 439	2.07 403	1.18 389	1.60 434	1.02 408	1.45 460	1.01 398	1.40 451	1.04 407	1.44 454	1.03 403	1.46 460	1.02 393	1.44 457	1.02 400	1.51 451	1.12 388	1.32 460	0.98 396	1.38 442	0.97 390

MLG-Stereo	0.92 359	0.90 250	0.84 358	1.27 417	0.49 335	1.38 456	0.88 383	1.41 452	0.97 398	0.73 350	1.09 405	1.26 451	0.43 307	0.72 346	1.05 401	1.13 380	0.49 300	1.18 409	0.66 363	1.01 368	0.46 306

DPSMNet_ROB	1.60 448	1.59 374	1.70 477	1.59 431	1.59 484	1.61 464	1.61 486	1.60 453	1.60 483	1.62 463	1.59 486	1.60 462	1.60 473	1.60 459	1.59 483	1.59 453	1.60 477	1.59 472	1.59 489	1.59 448	1.59 489

FlowAnything_test	1.02 378	1.72 378	0.71 339	1.59 431	0.70 375	1.61 464	0.69 360	1.61 454	0.70 364	1.60 457	0.70 370	1.61 465	0.69 359	1.61 461	0.70 366	0.81 344	0.58 322	0.81 369	0.55 346	0.81 343	0.56 342

FlowAnything	1.02 378	1.71 377	0.72 342	1.59 431	0.69 373	1.60 463	0.69 360	1.61 454	0.70 364	1.60 457	0.69 368	1.60 462	0.69 359	1.61 461	0.69 362	0.81 344	0.58 322	0.81 369	0.56 350	0.82 345	0.56 342

CFNet-ft	0.55 291	1.57 373	0.14 125	0.20 134	0.14 156	0.20 161	2.53 519	1.61 454	0.14 156	0.20 157	0.14 160	0.20 158	0.14 157	0.20 158	0.14 150	0.17 141	0.12 111	0.17 152	0.12 146	1.56 447	1.24 467

11t	1.27 439	2.70 446	1.34 447	1.32 421	0.89 392	1.30 451	1.34 468	1.64 457	0.57 343	1.45 455	0.72 377	1.05 390	1.29 459	1.07 392	1.29 469	1.49 448	1.02 372	0.97 390	1.15 408	1.48 444	1.31 471

IGEVStereo-DCA	1.77 453	4.21 491	1.84 492	2.49 468	2.11 516	2.54 503	1.36 471	1.65 458	1.17 415	2.75 510	1.90 504	2.54 496	1.15 400	0.94 375	1.11 404	1.50 449	1.32 444	0.96 388	1.46 481	1.49 445	0.88 381

rrr	1.77 453	4.21 491	1.84 492	2.49 468	2.11 516	2.54 503	1.36 471	1.65 458	1.17 415	2.75 510	1.90 504	2.54 496	1.15 400	0.94 375	1.11 404	1.50 449	1.32 444	0.96 388	1.46 481	1.49 445	0.88 381

HBP-ISP	1.24 437	1.72 378	1.65 475	1.15 359	0.76 383	1.40 458	0.88 383	1.67 460	1.02 406	1.69 464	1.38 477	1.69 466	1.21 453	1.87 471	1.21 460	1.05 370	0.79 354	0.97 390	0.80 384	1.19 387	0.75 371

ours_stereo	1.20 389	1.21 351	0.90 363	1.64 439	1.11 413	1.35 452	0.67 356	1.76 461	0.93 393	1.70 465	1.10 406	1.39 456	0.75 370	1.41 456	0.81 381	1.60 455	1.03 373	1.33 461	1.00 398	1.61 449	0.72 364

2.5w	2.01 471	2.40 433	1.37 459	3.28 488	2.01 510	2.71 507	1.43 483	1.82 462	1.83 502	1.90 468	1.41 479	2.71 505	1.35 464	2.71 505	1.85 503	2.66 504	1.53 468	1.64 473	1.23 462	2.53 493	1.87 508

1w_stereo	2.05 479	2.32 423	1.35 449	3.74 509	2.01 510	2.73 510	1.42 481	1.88 463	1.93 512	2.03 477	1.28 467	2.71 505	1.99 502	2.72 507	1.72 493	2.20 479	1.32 444	1.87 481	1.86 508	2.45 482	1.54 483

GANetREF_RVC	1.55 446	1.94 400	1.22 441	1.88 442	1.21 469	1.88 470	1.22 459	1.88 463	1.22 464	1.88 466	1.22 461	1.88 468	1.22 454	1.89 472	1.22 461	1.87 462	1.22 443	1.88 484	1.22 461	1.88 461	1.22 464
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
ccs_rob	2.79 515	10.17 546	0.32 208	10.00 558	0.33 261	0.49 304	0.33 249	1.90 465	0.32 249	0.51 314	0.33 257	0.49 301	9.24 559	0.49 300	0.33 251	0.41 256	9.82 559	0.41 283	0.28 227	9.34 557	0.29 224

3.25w	2.04 477	2.20 414	1.48 467	3.03 480	2.17 520	2.63 506	1.39 477	1.96 466	1.95 513	1.96 469	1.37 475	2.71 505	1.96 499	2.71 505	1.73 498	2.26 482	1.32 444	1.87 481	1.87 509	2.51 489	1.63 494

MFMNet_re	1.81 456	1.91 394	1.71 479	1.95 446	1.70 494	1.95 475	1.70 491	1.96 466	1.74 496	1.97 471	1.72 494	1.95 471	1.71 480	1.97 475	1.71 491	1.86 461	1.62 478	1.85 478	1.66 496	1.86 460	1.64 495

SPS-STEREO	1.59 447	1.91 394	1.21 440	1.94 445	1.20 423	2.00 478	1.23 460	1.99 468	1.24 466	2.00 474	1.25 464	2.03 478	1.26 456	2.00 476	1.29 469	1.90 466	1.18 395	1.89 485	1.21 460	1.89 462	1.20 418
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IGEV	2.02 472	2.20 414	1.82 488	2.90 478	2.16 518	2.41 493	1.25 462	2.00 469	1.98 514	1.99 473	1.31 469	2.72 509	1.93 496	2.67 504	1.69 490	2.26 482	1.32 444	1.83 477	1.87 509	2.53 493	1.61 492

3.5w_stereo	2.03 474	2.72 450	1.35 449	3.41 495	1.57 482	2.72 508	1.49 484	2.01 470	1.34 471	2.15 484	1.61 489	2.63 502	1.36 465	2.72 507	1.99 514	2.66 504	1.58 473	1.68 475	1.24 463	2.53 493	1.87 508

3w_stereo	2.04 477	2.24 418	1.70 477	3.15 483	2.18 522	2.49 497	1.26 464	2.03 471	1.98 514	1.98 472	1.33 470	2.72 509	1.99 502	2.59 499	1.72 493	2.22 481	1.33 451	1.85 478	1.88 514	2.50 488	1.58 488

MM-Stereo_test1	1.80 455	3.41 471	1.52 471	2.12 451	1.41 478	2.04 479	1.41 479	2.05 472	1.46 481	2.04 478	1.41 479	2.05 479	1.42 470	2.05 477	1.43 479	2.04 473	1.54 470	1.94 486	1.38 474	1.99 464	1.33 473

4.5_new	2.00 464	1.84 386	1.98 505	2.77 473	2.16 518	2.27 485	1.28 466	2.09 473	1.98 514	2.01 475	1.28 467	2.71 505	1.98 500	2.51 496	1.65 486	2.26 482	1.33 451	1.87 481	1.87 509	2.49 486	1.60 490

ff7	1.68 449	2.68 443	1.35 449	0.97 339	0.89 392	1.84 467	2.15 514	2.12 474	1.80 499	2.05 479	1.56 483	2.33 485	2.12 507	2.23 482	2.25 517	1.31 434	1.07 375	1.48 468	1.41 475	0.90 355	1.04 399

ffff	1.68 449	2.68 443	1.35 449	0.97 339	0.89 392	1.84 467	2.15 514	2.12 474	1.80 499	2.05 479	1.56 483	2.33 485	2.12 507	2.23 482	2.25 517	1.31 434	1.07 375	1.48 468	1.41 475	0.90 355	1.04 399

ccc-4	1.68 449	2.68 443	1.35 449	0.97 339	0.89 392	1.84 467	2.15 514	2.12 474	1.80 499	2.05 479	1.56 483	2.33 485	2.12 507	2.23 482	2.25 517	1.31 434	1.07 375	1.48 468	1.41 475	0.90 355	1.04 399

MC-Stereo	1.76 452	2.96 461	1.37 459	2.14 452	1.37 475	2.14 483	1.36 471	2.14 477	1.37 476	2.14 483	1.37 475	2.14 480	1.37 467	2.14 481	1.37 475	1.97 469	1.32 444	1.97 487	1.32 468	1.98 463	1.33 473

3.25w_new	2.03 474	2.72 450	1.35 449	3.33 493	1.57 482	2.72 508	1.53 485	2.15 478	1.33 470	2.15 484	1.60 487	2.63 502	1.30 460	2.72 507	1.99 514	2.67 506	1.53 468	1.75 476	1.25 465	2.53 493	1.87 508

RAFT_CTSACE	1.92 458	3.71 478	1.72 480	1.88 442	1.72 495	2.04 479	1.42 481	2.18 479	1.89 510	2.02 476	1.97 510	1.95 471	2.06 506	1.93 473	1.62 484	1.76 458	1.66 481	2.02 488	1.73 505	1.73 455	1.43 482

4w-stereo	2.02 472	2.72 450	1.44 464	3.36 494	1.59 484	2.48 496	1.72 492	2.28 480	1.24 466	2.24 486	1.65 491	2.56 498	1.32 462	2.39 490	1.98 513	2.67 506	1.51 466	1.66 474	1.24 463	2.53 493	1.88 511

NCCL2	2.28 496	2.27 419	2.28 511	2.28 461	2.28 523	2.27 485	2.29 517	2.28 480	2.28 520	2.27 487	2.28 522	2.28 481	2.27 510	2.27 485	2.28 521	2.28 486	2.28 508	2.27 495	2.29 521	2.27 473	2.29 516

TRStereo	2.00 464	2.13 408	1.85 494	2.27 458	1.84 499	2.28 487	1.84 495	2.29 482	1.86 504	2.30 488	1.87 499	2.30 482	1.87 490	2.08 478	1.72 493	2.08 474	1.72 484	2.08 490	1.72 502	2.08 465	1.72 499

XX-Stereo	2.00 464	2.13 408	1.85 494	2.27 458	1.84 499	2.28 487	1.84 495	2.29 482	1.86 504	2.30 488	1.87 499	2.30 482	1.87 490	2.08 478	1.72 493	2.08 474	1.72 484	2.08 490	1.72 502	2.08 465	1.72 499

EAI-Stereo	2.00 464	2.13 408	1.85 494	2.27 458	1.84 499	2.28 487	1.84 495	2.29 482	1.86 504	2.30 488	1.87 499	2.30 482	1.87 490	2.08 478	1.72 493	2.08 474	1.72 484	2.08 490	1.72 502	2.08 465	1.72 499

STTStereo	3.73 522	30.40 570	2.37 515	2.39 464	2.31 525	2.35 490	2.33 518	2.29 482	2.42 521	2.32 491	2.34 523	2.33 485	2.36 511	2.30 487	2.27 520	2.35 491	2.22 507	2.31 498	2.22 518	2.29 475	2.34 520

GANet-RSSM	0.75 323	1.91 394	0.14 125	0.47 245	0.14 156	0.21 168	3.21 539	2.30 486	0.14 156	0.46 277	0.14 160	0.23 175	0.18 178	0.21 168	0.14 150	0.18 149	0.27 192	0.37 248	0.13 154	2.13 468	2.12 512

AIO_test	2.18 484	2.09 406	2.04 509	2.42 465	2.01 510	2.47 495	1.94 505	2.34 487	2.03 518	2.56 500	1.94 507	2.43 491	1.94 497	2.41 491	1.87 507	2.39 494	2.10 503	2.35 502	1.91 515	2.25 472	2.19 514

AIO_rvc	2.18 484	2.34 428	1.87 498	2.32 462	1.94 508	2.40 492	1.89 503	2.37 488	2.07 519	2.52 499	1.95 509	2.44 492	1.99 502	2.41 491	1.89 509	2.32 490	2.09 502	2.24 494	2.18 517	2.21 469	2.23 515

HUF	2.18 484	2.30 421	1.99 508	2.34 463	2.02 513	2.41 493	2.06 513	2.38 489	1.89 510	2.36 492	1.85 497	2.56 498	1.98 500	2.31 488	1.97 512	2.30 488	2.03 501	2.30 497	2.11 516	2.23 470	2.16 513

asd	2.18 484	2.77 456	1.58 472	3.59 503	2.00 509	2.58 505	1.85 498	2.39 490	1.71 489	2.47 496	1.97 510	2.59 500	1.61 474	2.56 497	1.79 500	2.51 501	1.99 493	2.11 493	1.62 493	2.36 478	1.60 490

2.25w	2.00 464	1.86 389	1.98 505	2.95 479	2.17 520	2.26 484	1.35 469	2.42 491	2.00 517	2.07 482	1.27 466	2.53 494	1.99 502	2.29 486	1.49 481	2.21 480	1.32 444	1.85 478	1.87 509	2.52 490	1.62 493

FBW_ROB	2.12 482	2.46 436	1.77 482	2.49 468	1.79 498	2.38 491	1.83 494	2.46 492	1.78 498	2.48 497	1.97 510	2.40 490	1.78 487	2.42 493	1.83 501	2.31 489	1.85 491	2.38 503	1.82 507	2.35 477	1.84 504

qwe	2.18 484	2.60 440	1.58 472	3.83 510	1.90 507	2.53 501	1.90 504	2.48 493	1.73 494	2.37 493	1.92 506	2.53 494	1.68 477	2.56 497	1.83 501	2.52 503	1.87 492	2.07 489	1.68 499	2.32 476	1.71 498

monsterstereo	2.20 490	2.33 424	1.95 503	3.65 505	2.07 515	2.49 497	1.61 486	2.48 493	1.83 502	2.45 495	1.61 489	2.67 504	1.86 489	2.64 501	1.94 510	2.48 500	1.66 481	2.34 500	1.68 499	2.40 479	1.86 506

monsters	2.18 484	2.41 434	1.96 504	3.47 498	2.03 514	2.53 501	1.64 488	2.48 493	1.73 494	2.40 494	1.50 482	2.62 501	1.94 497	2.59 499	1.94 510	2.44 496	1.57 472	2.28 496	1.87 509	2.42 480	1.86 506

UDGNet	2.23 494	5.40 511	1.72 480	2.48 467	1.69 491	2.51 500	1.69 490	2.51 496	1.72 493	2.50 498	1.69 493	2.52 493	1.69 479	2.50 495	1.68 489	2.41 495	1.70 483	2.42 505	1.69 501	2.42 480	1.64 495

4.25w-stereo	1.98 459	2.72 450	1.46 466	3.47 498	1.43 479	2.07 481	1.98 506	2.53 497	1.52 482	2.71 503	1.98 516	1.81 467	1.62 475	1.96 474	1.36 474	1.88 465	2.00 494	2.53 511	1.61 491	1.74 456	1.15 409

cf-r	0.66 305	2.17 412	0.12 100	0.18 129	0.12 151	0.18 153	2.70 522	2.60 498	0.12 151	0.18 150	0.12 143	0.18 152	0.12 148	0.18 151	0.12 140	0.15 125	0.11 96	0.15 141	0.11 129	1.81 459	1.74 502

asda	2.17 483	2.54 437	1.81 483	3.47 498	1.78 497	2.50 499	1.86 499	2.61 499	1.68 485	2.61 501	1.83 496	2.37 489	1.73 482	2.44 494	1.88 508	2.51 501	1.84 490	2.34 500	1.62 493	2.23 470	1.77 503

4.25_new	2.00 464	2.33 424	1.82 488	3.32 491	1.69 491	1.95 475	1.99 509	2.72 500	1.71 489	2.72 504	1.97 510	2.01 476	1.74 484	1.77 466	1.28 467	2.18 477	2.01 496	2.48 509	1.58 487	1.65 450	1.17 413

4.5w_new	2.00 464	2.33 424	1.82 488	3.32 491	1.69 491	1.95 475	1.99 509	2.72 500	1.71 489	2.72 504	1.97 510	2.01 476	1.74 484	1.77 466	1.28 467	2.18 477	2.01 496	2.48 509	1.58 487	1.65 450	1.17 413

4.5w-stereo	1.99 460	2.33 424	1.81 483	3.28 488	1.68 490	1.94 472	1.99 509	2.72 500	1.70 488	2.72 504	1.99 519	1.97 473	1.68 477	1.76 465	1.29 469	1.91 467	2.02 500	2.53 511	1.61 491	1.75 457	1.16 412

2.75w_new	1.99 460	2.34 428	1.81 483	3.14 482	1.62 486	1.94 472	1.99 509	2.72 500	1.71 489	2.72 504	1.99 519	1.90 469	1.73 482	1.82 470	1.29 469	2.37 492	2.01 496	2.31 498	1.42 478	1.77 458	1.22 464

3.75w	1.99 460	2.31 422	1.83 491	3.16 484	1.65 488	1.93 471	1.98 506	2.72 500	1.68 485	2.73 509	1.97 510	2.00 475	1.72 481	1.81 469	1.25 465	2.27 485	2.01 496	2.38 503	1.42 478	1.71 454	1.24 467

2w_stereo	1.99 460	2.36 431	1.81 483	3.24 486	1.67 489	1.94 472	1.98 506	2.72 500	1.68 485	2.72 504	1.94 507	1.98 474	1.74 484	1.79 468	1.27 466	1.95 468	2.00 494	2.53 511	1.60 490	1.68 453	1.15 409

sCroCo_RVC	2.10 480	2.76 454	1.92 502	2.78 476	1.39 477	2.73 510	1.41 479	2.73 506	1.40 478	2.77 515	1.41 479	2.74 511	1.40 469	2.74 510	1.40 477	2.72 508	1.42 461	2.72 514	1.44 480	2.79 500	1.42 481

LGtest1	2.22 491	2.70 446	1.89 499	2.76 472	1.86 502	2.75 512	1.86 499	2.75 507	1.86 504	2.75 510	1.86 498	2.77 514	1.87 490	2.75 511	1.86 504	2.46 497	1.58 473	2.45 506	1.56 483	2.45 482	1.56 485

LG-G_1	2.22 491	2.71 448	1.89 499	2.77 473	1.87 505	2.75 512	1.87 501	2.76 508	1.87 508	2.75 510	1.87 499	2.76 512	1.87 490	2.75 511	1.86 504	2.47 498	1.58 473	2.45 506	1.57 484	2.45 482	1.57 486

LG-G	2.22 491	2.71 448	1.89 499	2.77 473	1.87 505	2.75 512	1.87 501	2.76 508	1.87 508	2.75 510	1.87 499	2.76 512	1.87 490	2.75 511	1.86 504	2.47 498	1.58 473	2.45 506	1.57 484	2.45 482	1.57 486

GwcNet-RSSM	0.77 328	2.77 456	0.14 125	0.20 134	0.14 156	0.20 161	2.67 521	2.78 510	0.14 156	0.20 157	0.14 160	0.20 158	0.14 157	0.21 168	0.14 150	0.17 141	0.12 111	0.17 152	0.12 146	2.52 490	2.31 517

PSMNet-RSSM	0.77 328	2.76 454	0.14 125	0.20 134	0.14 156	0.20 161	2.66 520	2.79 511	0.14 156	0.21 166	0.14 160	0.21 165	0.14 157	0.20 158	0.14 150	0.17 141	0.12 111	0.17 152	0.12 146	2.52 490	2.31 517

hitnet-ft	0.79 332	2.78 458	0.14 125	0.20 134	0.14 156	0.21 168	2.89 523	2.80 512	0.14 156	0.20 157	0.14 160	0.20 158	0.14 157	0.20 158	0.14 150	0.17 141	0.12 111	0.17 152	0.12 146	2.54 498	2.33 519

NLCA_NET_v2_RVC	5.04 550	50.87 580	2.78 517	2.87 477	2.71 526	2.78 515	0.47 319	2.88 513	2.86 525	1.89 467	2.67 524	2.79 515	2.79 515	2.78 514	2.83 522	2.82 509	2.82 511	2.83 515	2.77 524	2.83 501	2.76 524
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MSMDNet	2.65 510	10.14 545	0.33 213	9.74 555	0.32 250	0.87 364	0.33 249	2.95 514	0.68 358	0.49 297	0.34 265	0.49 301	5.70 550	0.49 300	0.33 251	0.42 270	9.57 556	0.41 283	0.31 256	8.36 553	0.65 353

plain	1.88 457	3.16 466	0.64 325	3.10 481	0.65 365	3.10 517	0.64 349	3.12 515	0.65 354	3.10 516	0.65 361	3.11 516	0.65 351	3.12 515	0.65 351	3.12 511	0.65 334	3.13 516	0.65 361	3.13 502	0.65 353

MIF-Stereo (partial)	2.58 509	3.31 470	0.66 329	3.18 485	0.66 368	3.18 518	0.66 352	3.21 516	0.67 357	3.19 517	0.66 363	3.19 517	0.66 354	3.31 519	0.68 358	5.09 540	1.79 488	8.23 559	1.67 497	6.18 543	1.38 479

Anonymous3	2.55 508	3.26 469	1.65 475	3.28 488	1.63 487	3.24 519	1.68 489	3.27 517	1.66 484	3.28 518	1.67 492	3.25 518	1.66 476	3.27 517	1.64 485	3.26 512	1.65 480	3.30 517	1.65 495	4.95 534	1.65 497

PCWNet_CMD	2.80 516	9.82 542	0.32 208	10.09 559	0.32 250	0.49 304	0.33 249	3.34 518	0.33 255	0.49 297	0.33 257	0.49 301	8.73 556	0.48 294	0.33 251	0.41 256	9.22 555	0.42 294	0.29 237	9.55 558	0.31 241

UniTT-Stereo	2.03 474	3.43 472	0.72 342	3.42 496	0.73 380	3.27 520	0.68 357	3.38 519	0.69 361	3.29 519	0.72 377	3.28 519	0.70 361	3.35 520	0.68 358	3.39 513	0.68 336	3.31 518	0.69 370	3.37 503	0.73 367

Sa-1000	4.34 540	8.37 530	6.84 553	6.98 544	4.45 554	3.58 521	3.00 524	3.42 520	3.39 539	2.61 501	4.00 548	3.83 524	4.01 541	3.90 524	3.90 544	5.98 547	5.62 542	3.76 524	2.34 522	4.35 514	2.47 523

test_5	4.62 544	7.55 526	6.23 549	6.32 539	3.40 542	5.29 550	3.50 541	3.53 521	4.11 549	4.28 526	4.47 552	4.26 529	4.38 544	3.68 522	3.24 535	5.89 545	5.60 541	4.84 545	3.50 541	4.33 513	3.93 550

DPSNet	3.66 521	3.60 474	3.62 536	3.63 504	3.64 546	3.65 523	3.65 544	3.66 522	3.67 541	3.67 521	3.65 542	3.67 522	3.66 532	3.66 521	3.68 539	3.68 516	3.66 529	3.67 522	3.68 545	3.67 504	3.67 543

RAStereo	2.23 494	3.64 475	0.76 349	3.65 505	0.86 390	3.66 524	0.76 372	3.67 523	0.81 384	3.66 520	0.76 382	3.66 521	0.77 372	3.68 522	0.77 375	3.68 516	0.77 352	3.69 523	0.77 379	3.70 505	0.77 373

SA	4.33 539	7.35 524	6.85 554	5.96 537	4.09 551	3.59 522	3.15 538	3.82 524	2.64 522	3.91 522	3.85 545	3.57 520	2.72 514	3.13 516	4.03 546	7.09 554	6.86 549	3.57 520	3.12 536	3.85 506	3.51 542

test_3	5.01 549	8.86 536	7.77 557	8.09 547	2.76 527	4.13 528	4.05 550	3.88 525	3.76 545	4.33 527	4.13 549	3.71 523	3.91 538	4.21 528	4.06 547	7.93 555	7.69 552	4.53 528	3.91 548	4.17 511	4.29 552

TestStereo1	4.60 541	8.41 531	6.44 551	6.86 542	3.79 548	3.97 526	3.78 546	3.99 526	3.74 543	3.97 523	3.52 540	3.94 525	3.58 529	3.98 525	3.72 541	6.82 551	6.50 547	3.76 524	3.66 543	3.90 507	3.74 546

SA-5K	4.60 541	8.41 531	6.44 551	6.86 542	3.79 548	3.97 526	3.78 546	3.99 526	3.74 543	3.97 523	3.52 540	3.94 525	3.58 529	3.98 525	3.72 541	6.82 551	6.50 547	3.76 524	3.66 543	3.90 507	3.74 546

test_4	4.88 547	8.13 529	6.98 555	7.46 545	4.44 553	4.25 529	3.85 548	4.04 528	3.92 547	4.13 525	3.91 546	4.18 528	3.84 537	4.14 527	4.06 547	7.01 553	7.13 550	4.53 528	3.72 546	4.09 510	3.72 544

raft_robust	4.71 545	7.75 528	5.40 548	6.81 541	3.31 540	4.28 530	4.20 551	4.32 529	4.37 552	4.35 528	4.35 551	4.14 527	3.75 536	4.30 530	4.20 549	6.67 550	6.37 545	3.36 519	4.24 553	4.86 532	3.25 539

RAFT+CT+SA	4.28 537	7.62 527	4.91 543	5.55 534	2.28 523	3.09 516	3.64 543	4.49 530	3.07 531	4.80 542	3.35 538	4.77 545	3.70 534	4.29 529	3.05 525	5.58 543	5.98 544	3.58 521	3.78 547	4.26 512	3.72 544

cross-raft	4.83 546	7.52 525	6.43 550	6.63 540	3.96 550	4.51 531	3.99 549	4.49 530	3.96 548	4.52 529	3.96 547	4.50 530	3.97 540	4.50 531	3.97 545	6.65 549	6.44 546	4.33 527	3.92 549	4.35 514	3.91 549

rvit_0105_6	3.87 527	5.73 518	3.10 529	4.69 524	3.12 538	4.54 533	3.02 526	4.56 532	3.04 526	4.54 533	3.03 527	4.54 531	3.04 519	4.56 532	3.05 525	4.58 527	3.05 513	4.58 532	3.05 528	4.58 519	3.05 527

rvit_105_1	3.83 523	5.22 504	3.01 519	4.53 514	3.01 528	4.51 531	3.01 525	4.56 532	3.04 526	4.53 531	3.03 527	4.55 533	3.03 516	4.56 532	3.04 523	4.57 524	3.05 513	4.57 530	3.05 528	4.57 518	3.05 527

rvit_stereo_0081	3.83 523	5.23 505	3.01 519	4.53 514	3.03 530	4.55 537	3.02 526	4.56 532	3.04 526	4.52 529	3.02 525	4.54 531	3.03 516	4.56 532	3.04 523	4.57 524	3.05 513	4.57 530	3.05 528	4.58 519	3.05 527

rvit_stereo_0082	3.86 525	5.82 519	3.01 519	4.53 514	3.03 530	4.54 533	3.02 526	4.56 532	3.04 526	4.53 531	3.02 525	4.55 533	3.04 519	4.57 535	3.05 525	4.57 524	3.05 513	4.58 532	3.05 528	4.58 519	3.06 530

rvit_stereo_0080	3.89 528	5.70 516	3.04 524	4.54 517	3.03 530	4.56 538	3.05 532	4.60 536	3.07 531	4.58 536	3.06 530	4.59 535	3.06 521	4.61 536	3.08 529	4.63 529	3.09 518	4.64 536	3.10 533	4.65 523	3.10 532

whm_eth	3.89 528	5.70 516	3.04 524	4.54 517	3.03 530	4.56 538	3.05 532	4.60 536	3.07 531	4.58 536	3.06 530	4.59 535	3.06 521	4.61 536	3.08 529	4.63 529	3.09 518	4.64 536	3.10 533	4.65 523	3.10 532

rvit_0105_3	3.91 530	5.33 508	3.06 527	4.60 522	3.07 536	4.60 540	3.06 534	4.62 538	3.08 534	4.60 538	3.07 533	4.62 540	3.08 523	4.67 540	3.10 532	4.70 532	3.11 520	4.77 543	3.19 539	4.77 528	3.14 536

rvit_stereo_0081_aga	3.86 525	5.33 508	3.02 522	4.55 520	3.04 534	4.54 533	3.02 526	4.64 539	3.06 530	4.54 533	3.04 529	4.62 540	3.08 523	4.62 538	3.07 528	4.58 527	3.06 517	4.60 534	3.08 532	4.63 522	3.07 531

rvit_stereo_0083	3.92 532	5.30 507	3.06 527	4.61 523	3.09 537	4.67 542	3.08 535	4.66 540	3.09 535	4.62 539	3.10 535	4.66 543	3.11 525	4.67 540	3.16 534	4.72 534	3.16 523	4.77 543	3.11 535	4.66 525	3.11 534

rvit_stereo_ft	3.93 533	5.44 513	3.05 526	4.59 521	3.06 535	4.61 541	3.08 535	4.67 541	3.12 536	4.63 540	3.10 535	4.65 542	3.11 525	4.69 542	3.13 533	4.70 532	3.14 522	4.71 541	3.15 537	4.74 526	3.16 537

rvit_0105_4	3.91 530	5.47 515	3.02 522	4.54 517	3.02 529	4.54 533	3.03 530	4.75 542	3.17 537	4.57 535	3.06 530	4.61 539	3.16 527	4.65 539	3.09 531	4.66 531	3.11 520	4.68 539	3.18 538	4.81 529	3.16 537

TestStereo	4.88 547	4.75 496	4.79 542	4.87 528	4.92 555	4.81 548	4.90 554	4.78 543	4.77 553	4.87 544	4.89 553	4.90 548	4.91 546	4.99 547	4.79 551	4.98 537	4.87 538	4.87 546	4.92 555	5.00 535	5.00 553

MLG-Stereo_test2	4.28 537	5.46 514	3.69 537	4.86 527	3.72 547	5.58 552	3.42 540	4.81 544	3.77 546	4.85 543	3.72 544	5.55 552	3.63 531	5.58 550	3.53 538	4.41 521	3.28 527	4.99 547	2.95 526	4.75 527	3.13 535

sAnonymous2	3.31 519	2.63 441	1.38 461	3.71 507	1.86 502	4.70 543	1.11 403	4.82 545	2.72 523	5.45 550	1.98 516	4.59 535	2.64 512	2.65 502	6.21 555	4.37 518	1.08 379	5.16 549	2.24 519	4.52 516	2.39 521

CroCo_RVC	3.31 519	2.63 441	1.38 461	3.71 507	1.86 502	4.70 543	1.11 403	4.82 545	2.72 523	5.45 550	1.98 516	4.59 535	2.64 512	2.65 502	6.21 555	4.37 518	1.08 379	5.16 549	2.24 519	4.52 516	2.39 521

rvit_0105_5	4.10 534	5.40 511	3.13 532	4.71 525	3.15 539	4.72 545	3.10 537	4.90 547	3.27 538	4.69 541	3.16 537	4.84 547	3.25 528	4.96 546	3.34 536	5.05 539	3.39 528	5.10 548	3.40 540	5.11 536	3.42 540

FC-DCNN v2	5.10 551	5.15 502	4.49 541	5.07 530	3.37 541	6.87 555	4.75 553	5.04 548	6.34 557	7.84 558	5.06 554	6.72 558	4.09 542	4.99 547	5.44 554	5.03 538	3.16 523	4.67 538	4.86 554	5.15 537	3.89 548

MaDis-Stereo	3.19 518	6.02 521	1.12 381	5.61 535	1.16 419	5.43 551	1.02 400	5.15 549	0.70 364	5.43 549	1.21 460	5.03 550	0.97 384	4.85 543	0.99 395	4.53 522	1.16 391	5.53 551	1.25 465	5.37 539	1.30 470

MLG-Stereo_test1	4.25 535	5.34 510	3.61 535	5.31 531	3.63 545	5.23 549	3.57 542	5.38 550	3.65 540	5.23 547	3.47 539	4.76 544	3.74 535	4.85 543	3.71 540	4.96 536	3.18 525	4.71 541	2.92 525	4.86 532	2.90 525

MLG-Stereo_test3	4.26 536	4.85 498	3.95 539	5.35 532	3.60 544	4.75 546	3.76 545	5.49 551	3.71 542	5.39 548	3.69 543	4.82 546	3.66 532	4.85 543	3.73 543	4.93 535	3.19 526	4.69 540	2.99 527	4.84 531	2.98 526

StereoVision	3.15 517	5.00 500	0.89 360	4.83 526	1.00 403	3.93 525	1.27 465	6.37 552	1.34 471	5.67 552	1.26 465	5.84 553	1.27 457	5.03 549	1.24 462	5.10 541	1.09 381	4.61 535	0.57 352	5.62 541	1.12 404

SGM-Forest	5.21 553	5.92 520	4.08 540	6.18 538	4.16 552	6.31 554	4.34 552	6.50 553	4.33 551	6.14 554	4.21 550	6.61 557	4.55 545	6.67 553	4.48 550	5.94 546	3.94 532	5.85 554	4.03 551	5.79 542	4.17 551
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
RAFT	6.73 556	9.36 539	7.40 556	8.51 550	6.55 559	6.88 556	6.60 558	6.79 554	6.60 558	6.80 555	6.72 560	5.31 551	5.50 549	6.61 552	6.61 558	8.42 557	5.89 543	5.73 552	5.45 559	6.61 544	6.24 557

test-1	6.46 554	9.16 538	8.03 560	8.09 547	5.62 558	6.11 553	6.35 557	6.85 555	4.94 554	6.08 553	6.29 559	4.98 549	6.43 551	6.22 551	6.36 557	6.16 548	7.47 551	5.82 553	5.44 558	7.11 548	5.68 556

test-v	7.53 558	11.89 547	7.98 558	9.36 553	7.14 560	7.06 557	7.09 559	7.37 556	6.91 559	7.29 556	5.71 557	6.45 555	6.93 552	6.73 555	7.27 559	8.93 560	7.85 553	6.98 556	6.80 560	7.56 549	7.34 559

test-2	7.53 558	11.89 547	7.98 558	9.36 553	7.14 560	7.06 557	7.09 559	7.37 556	6.91 559	7.29 556	5.71 557	6.45 555	6.93 552	6.73 555	7.27 559	8.93 560	7.85 553	6.98 556	6.80 560	7.56 549	7.34 559

DispFullNet	4.61 543	4.84 497	3.12 530	5.00 529	3.57 543	4.75 546	3.03 530	7.75 558	4.17 550	4.91 545	3.09 534	6.20 554	3.95 539	6.71 554	3.51 537	5.30 542	3.67 530	5.86 555	3.63 542	5.61 540	3.46 541

rvit_stereo_0075_2	6.64 555	8.80 535	5.25 545	7.89 546	5.27 557	7.90 559	5.27 555	7.92 559	5.28 555	7.91 559	5.29 556	7.93 559	5.27 547	7.92 559	5.28 552	7.93 555	5.28 540	7.93 558	5.29 557	7.93 551	5.28 555

U	5.15 552	8.49 533	1.81 483	8.49 549	1.77 496	8.49 560	1.77 493	8.51 560	1.77 497	8.49 560	1.77 495	8.50 560	1.78 487	8.58 560	1.77 499	8.54 558	1.78 487	8.55 560	1.78 506	8.55 554	1.84 504

SGM+DAISY	7.06 557	9.15 537	5.38 547	8.84 551	5.18 556	8.80 561	5.31 556	8.79 561	5.28 555	8.89 561	5.20 555	8.93 561	5.33 548	8.95 561	5.36 553	8.70 559	5.21 539	8.74 561	5.20 556	8.89 555	5.15 554

rafts_anoy	20.00 562	20.00 549	20.00 562	20.00 562	20.00 563	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 563	20.00 562	20.00 563	20.00 562	20.00 562

raft+_RVC	20.00 562	20.00 549	20.00 562	20.00 562	20.00 563	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 563	20.00 562	20.00 563	20.00 562	20.00 562

raftrobust	20.00 562	20.00 549	20.00 562	20.00 562	20.00 563	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 563	20.00 562	20.00 563	20.00 562	20.00 562

CasAABBNet	20.00 562	20.00 549	20.00 562	20.00 562	20.00 563	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 563	20.00 562	20.00 563	20.00 562	20.00 562

RALCasStereoNet	20.00 562	20.00 549	20.00 562	20.00 562	20.00 563	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 563	20.00 562	20.00 563	20.00 562	20.00 562

RALAANet	20.00 562	20.00 549	20.00 562	20.00 562	20.00 563	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 562	20.00 563	20.00 562	20.00 563	20.00 562	20.00 562

MANE	19.05 561	23.00 555	15.00 561	23.00 568	15.00 562	24.00 568	16.00 561	24.00 568	16.00 561	22.00 568	15.00 561	23.00 568	16.00 561	23.00 568	15.00 561	22.00 568	15.00 562	22.00 568	15.00 562	22.00 568	15.00 561

111	30.40 568	30.94 571	29.72 569	32.61 569	30.02 570	33.57 569	30.47 569	31.50 569	29.39 569	30.98 569	29.11 569	29.78 569	30.39 572	29.45 569	30.76 572	30.08 569	29.02 570	29.92 569	30.32 573	29.86 569	30.17 569

fff	1000028.16 588	29.62 567	29.72 569	32.61 569	30.02 570	35.13 571	31.83 570	32.07 570	10000000.00 588	35.27 572	29.82 570	32.45 570	30.15 569	32.35 570	30.09 569	31.04 570	29.55 571	30.64 570	30.14 570	10000000.00 589	30.77 570

csc	1000028.16 588	29.62 567	29.72 569	32.61 569	30.02 570	35.13 571	31.83 570	32.07 570	10000000.00 588	35.27 572	29.82 570	32.45 570	30.15 569	32.35 570	30.09 569	31.04 570	29.55 571	30.64 570	30.14 570	10000000.00 589	30.77 570

cscssc	1000028.16 588	29.62 567	29.72 569	32.61 569	30.02 570	35.13 571	31.83 570	32.07 570	10000000.00 588	35.27 572	29.82 570	32.45 570	30.15 569	32.35 570	30.09 569	31.04 570	29.55 571	30.64 570	30.14 570	10000000.00 589	30.77 570

tt	500032.53 586	34.60 573	29.72 569	37.47 578	34.41 575	36.85 575	35.22 574	34.71 573	33.55 571	34.50 570	35.43 573	33.81 573	10000000.00 589	33.57 573	33.13 573	33.68 573	35.00 575	34.03 574	35.26 576	30.96 570	34.63 574

DCANet	500032.53 586	34.60 573	29.72 569	37.47 578	34.41 575	36.85 575	35.22 574	34.71 573	33.55 571	34.50 570	35.43 573	33.81 573	10000000.00 589	33.57 573	33.13 573	33.68 573	35.00 575	34.03 574	35.26 576	30.96 570	34.63 574

DCANet-4	35.22 570	34.54 572	35.08 575	33.58 573	35.47 577	34.55 570	35.53 576	36.08 575	35.85 573	35.92 575	35.77 575	35.18 575	35.48 574	35.39 575	37.15 578	34.55 575	33.92 574	35.02 576	34.90 575	35.79 573	34.74 576

ADStereo(finetuned)	36.13 571	36.63 576	38.07 579	36.97 574	33.25 574	35.91 574	34.45 573	36.36 576	32.99 570	38.14 580	36.71 576	36.69 576	34.13 573	38.57 580	40.79 579	37.60 580	36.58 577	35.90 577	33.36 574	35.42 572	34.04 573

Reg-Stereo(zero)	37.00 572	37.00 577	37.00 576	37.00 575	37.00 578	37.00 577	37.00 577	37.00 577	37.00 574	37.00 576	37.00 577	37.00 577	37.00 575	37.00 576	37.00 575	37.00 577	37.00 578	37.00 578	37.00 578	37.00 574	37.00 577

HI	37.00 572	37.00 577	37.00 576	37.00 575	37.00 578	37.00 577	37.00 577	37.00 577	37.00 574	37.00 576	37.00 577	37.00 577	37.00 575	37.00 576	37.00 575	37.00 577	37.00 578	37.00 578	37.00 578	37.00 574	37.00 577

CoSv	37.00 572	37.00 577	37.00 576	37.00 575	37.00 578	37.00 577	37.00 577	37.00 577	37.00 574	37.00 576	37.00 577	37.00 577	37.00 575	37.00 576	37.00 575	37.00 577	37.00 578	37.00 578	37.00 578	37.00 574	37.00 577

WCMA_ROB	31.10 569	35.43 575	27.12 568	39.51 580	23.10 569	38.78 580	25.30 568	37.49 580	25.39 568	37.29 579	27.02 568	38.52 580	26.48 568	37.80 579	26.44 568	36.28 576	22.65 569	33.90 573	22.30 569	37.10 577	24.18 568

CBMV	128.50 577	1422.70 592	53.10 581	79.50 582	51.30 582	77.30 582	49.70 580	74.00 581	48.20 578	77.20 582	48.80 581	73.90 582	48.00 579	73.80 582	48.80 581	70.40 582	45.10 582	68.90 582	46.10 582	68.20 579	45.00 581
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 575	87.70 581	41.95 580	113.75 583	65.62 583	75.05 581	55.25 581	75.64 582	45.04 577	71.61 581	41.75 580	72.81 581	44.06 578	68.38 581	44.63 580	101.89 583	59.57 583	107.10 583	61.05 583	104.38 580	59.38 582

NOSS_ROB	102.95 576	153.00 585	121.00 583	51.00 581	44.00 581	165.00 584	127.00 582	153.00 583	119.00 579	164.00 584	125.00 582	168.00 584	120.00 580	153.00 583	117.00 582	49.00 581	44.00 581	49.00 581	44.00 581	49.00 578	44.00 580

MeshStereo	159.24 578	171.00 586	160.68 586	162.58 584	160.59 584	164.01 583	160.35 583	158.51 584	158.56 580	158.34 583	160.12 583	158.56 583	159.92 581	157.26 584	158.94 583	154.38 584	158.36 584	155.75 584	159.13 585	153.67 581	154.07 583
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 579	123.00 582	115.00 582	219.00 585	218.00 586	223.00 585	244.00 585	217.00 585	236.00 582	202.00 585	203.00 584	205.00 585	208.00 582	225.00 585	204.00 584	210.00 585	198.00 585	197.00 585	184.00 586	204.00 582	201.00 584

MGS-Stereo	239.45 580	123.00 582	135.00 584	266.00 586	286.00 587	277.00 586	305.00 586	271.00 586	242.00 583	274.00 586	279.00 586	255.00 586	270.00 584	268.00 586	297.00 586	221.00 586	247.00 587	216.00 586	123.00 584	217.00 583	217.00 586

EGLCR-Stereo	246.90 581	129.00 584	139.00 585	266.00 586	286.00 587	277.00 586	305.00 586	271.00 586	242.00 583	274.00 586	279.00 586	255.00 586	270.00 584	268.00 586	297.00 586	230.00 587	247.00 587	216.00 586	223.00 588	237.00 584	227.00 587

DLCB_ROB	284.23 582	354.61 588	207.27 587	363.24 588	206.46 585	364.72 588	210.41 584	364.72 588	210.41 581	364.81 588	208.64 585	364.81 588	208.64 583	364.72 588	210.41 585	354.70 588	205.53 586	354.70 588	205.53 587	354.70 585	205.53 585

LE_ROB	396.57 583	471.28 589	329.84 588	471.48 589	308.15 589	526.83 589	322.10 588	488.15 589	323.76 585	495.46 589	317.97 588	497.17 589	320.10 586	481.62 589	326.76 588	462.71 589	298.97 589	466.16 589	285.98 589	447.62 586	289.21 588

SGM-ForestM	596.69 584	677.77 590	444.52 589	699.85 590	517.25 590	732.94 590	488.29 589	770.79 590	460.11 586	750.81 590	487.98 589	792.79 590	499.41 587	730.90 590	475.81 589	720.03 590	491.16 590	663.96 590	418.60 590	674.76 587	436.05 589

CBMV_ROB	818.48 585	913.88 591	709.52 590	862.84 591	597.78 591	1073.99 591	700.52 590	1015.66 591	702.59 587	1115.65 591	760.02 590	1130.24 591	721.57 588	1037.41 591	692.65 590	814.05 591	564.29 591	843.28 591	595.31 591	915.51 588	602.92 590

111111	10000000.00 591	10000000.00 593	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 588	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 589	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 589	10000000.00 591

SGD-Stereo	10000000.00 591	10000000.00 593	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 588	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 589	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 589	10000000.00 591

IGEV-Stereo++	10000000.00 591	10000000.00 593	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 588	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 589	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 589	10000000.00 591

IGEV-BASED-STEREO-	10000000.00 591	10000000.00 593	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 588	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 589	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 589	10000000.00 591

IGEV-Stereo+	10000000.00 591	10000000.00 593	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 588	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 589	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 589	10000000.00 591

SDNR	10000000.00 591	10000000.00 593	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 588	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 589	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 589	10000000.00 591

anonymousdsp2	10000000.00 591	10000000.00 593	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 588	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 589	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 589	10000000.00 591

anonymousdsp	10000000.00 591	10000000.00 593	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 588	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 589	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 589	10000000.00 591

test_example2	10000000.00 591	10000000.00 593	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 588	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 589	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 589	10000000.00 591

DIP-Stereo	10000000.00 591	10000000.00 593	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 588	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 589	10000000.00 592	10000000.00 591	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 592	10000000.00 589	10000000.00 591
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ASD4		0.20 102

Low-res two-view benchmark