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

StereoAnything_RVC	0.07 4	0.15 466	0.17 378	0.11 1	0.05 1	0.05 4	0.11 46	0.08 4	0.08 12	0.06 9	0.06 13	0.05 1	0.05 11	0.09 33	0.08 17	0.08 301	0.04 21	0.05 23	0.03 1	0.05 100	0.04 40

CREStereo	0.09 82	0.04 1	0.08 30	0.11 1	0.06 13	0.13 247	0.14 152	0.14 76	0.10 36	0.08 63	0.13 175	0.09 124	0.08 142	0.11 108	0.10 123	0.08 301	0.04 21	0.05 23	0.03 1	0.06 192	0.06 200
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
UCFNet_RVC	0.14 311	0.08 237	0.13 230	0.11 1	0.10 341	0.20 413	0.10 27	0.24 317	0.22 299	0.17 312	0.20 285	0.23 386	0.15 337	0.17 349	0.15 343	0.12 455	0.07 380	0.10 408	0.13 484	0.11 438	0.10 415

S2M2_XL	0.08 44	0.06 57	0.12 185	0.12 4	0.08 127	0.09 81	0.09 18	0.07 2	0.07 8	0.08 63	0.07 38	0.07 62	0.06 36	0.09 33	0.09 54	0.08 301	0.06 308	0.07 195	0.05 108	0.08 321	0.06 200

FoundationStereo	0.06 1	0.04 1	0.08 30	0.12 4	0.05 1	0.09 81	0.13 104	0.06 1	0.09 23	0.05 1	0.05 7	0.06 16	0.04 1	0.06 1	0.07 1	0.06 114	0.04 21	0.05 23	0.03 1	0.05 100	0.04 40

DualNet (step1)	0.16 378	0.12 415	0.20 424	0.12 4	0.14 464	0.17 356	0.13 104	0.27 372	0.23 309	0.20 381	0.20 285	0.24 392	0.19 416	0.16 317	0.16 359	0.15 495	0.06 308	0.14 485	0.14 487	0.14 484	0.12 454

test_sample9	0.18 412	0.12 415	0.20 424	0.12 4	0.14 464	0.17 356	0.13 104	0.27 372	0.23 309	0.20 381	0.20 285	0.24 392	0.19 416	0.19 385	0.17 374	0.15 495	0.30 542	0.14 485	0.14 487	0.14 484	0.12 454

test_sample8	0.19 424	0.12 415	0.20 424	0.12 4	0.14 464	0.17 356	0.13 104	0.31 426	0.21 285	0.27 456	0.22 316	0.36 487	0.25 464	0.19 385	0.17 374	0.15 495	0.30 542	0.14 485	0.14 487	0.14 484	0.12 454

trnet	0.08 44	0.05 18	0.07 6	0.12 4	0.05 1	0.12 208	0.11 46	0.13 60	0.10 36	0.08 63	0.13 175	0.09 124	0.08 142	0.11 108	0.10 123	0.08 301	0.05 183	0.05 23	0.03 1	0.06 192	0.05 121

CFNet-ft	0.14 311	0.07 140	0.15 316	0.12 4	0.09 239	0.16 335	0.18 364	0.22 275	0.24 325	0.17 312	0.26 383	0.24 392	0.14 319	0.16 317	0.14 315	0.11 430	0.06 308	0.08 279	0.09 384	0.09 383	0.08 344

PMTNet	0.09 82	0.05 18	0.09 72	0.12 4	0.06 13	0.12 208	0.14 152	0.15 107	0.11 62	0.09 93	0.13 175	0.10 155	0.07 107	0.13 235	0.10 123	0.15 495	0.04 21	0.05 23	0.03 1	0.07 258	0.06 200

CFNet_RVC	0.14 311	0.07 140	0.15 316	0.12 4	0.09 239	0.16 335	0.18 364	0.22 275	0.24 325	0.17 312	0.26 383	0.24 392	0.14 319	0.16 317	0.14 315	0.11 430	0.06 308	0.08 279	0.09 384	0.09 383	0.08 344

2.75w_new	0.07 4	0.07 140	0.07 6	0.13 13	0.06 13	0.08 52	0.08 7	0.18 198	0.12 88	0.07 30	0.08 71	0.06 16	0.06 36	0.09 33	0.11 188	0.04 11	0.04 21	0.04 1	0.03 1	0.03 1	0.04 40

G2L-ROB	0.13 277	0.06 57	0.13 230	0.13 13	0.08 127	0.14 279	0.16 285	0.25 333	0.18 232	0.19 358	0.18 264	0.20 341	0.14 319	0.17 349	0.16 359	0.08 301	0.05 183	0.06 102	0.05 108	0.08 321	0.09 388

IGEV	0.07 4	0.04 1	0.08 30	0.13 13	0.06 13	0.09 81	0.12 63	0.14 76	0.10 36	0.06 9	0.09 89	0.07 62	0.05 11	0.09 33	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

xyz-stereo-finetune2	0.11 186	0.07 140	0.13 230	0.13 13	0.07 71	0.11 173	0.19 403	0.17 169	0.12 88	0.15 268	0.15 206	0.17 301	0.12 256	0.13 235	0.11 188	0.05 27	0.04 21	0.07 195	0.05 108	0.04 15	0.06 200

G2L-Stereo_test	0.14 311	0.07 140	0.11 150	0.13 13	0.08 127	0.12 208	0.16 285	0.30 416	0.28 383	0.20 381	0.23 325	0.20 341	0.16 363	0.17 349	0.18 392	0.07 240	0.05 183	0.05 23	0.05 108	0.07 258	0.06 200

S2M2	0.09 82	0.08 237	0.11 150	0.13 13	0.10 341	0.08 52	0.06 1	0.10 18	0.10 36	0.10 126	0.09 89	0.10 155	0.09 168	0.11 108	0.11 188	0.13 478	0.07 380	0.08 279	0.09 384	0.10 415	0.08 344

GREAT-IGEV	0.07 4	0.06 57	0.08 30	0.13 13	0.07 71	0.07 29	0.14 152	0.09 11	0.09 23	0.06 9	0.07 38	0.06 16	0.05 11	0.10 62	0.07 1	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

HI	0.11 186	0.06 57	0.11 150	0.13 13	0.09 239	0.09 81	0.14 152	0.21 253	0.10 36	0.19 358	0.17 239	0.14 238	0.09 168	0.16 317	0.08 17	0.05 27	0.04 21	0.07 195	0.08 338	0.07 258	0.06 200

CoSv	0.11 186	0.06 57	0.11 150	0.13 13	0.09 239	0.09 81	0.14 152	0.21 253	0.10 36	0.19 358	0.17 239	0.14 238	0.09 168	0.16 317	0.08 17	0.05 27	0.04 21	0.07 195	0.08 338	0.07 258	0.06 200

test_sample1	0.13 277	0.07 140	0.14 265	0.13 13	0.08 127	0.19 398	0.16 285	0.20 230	0.15 160	0.14 241	0.22 316	0.18 315	0.16 363	0.17 349	0.14 315	0.07 240	0.06 308	0.06 102	0.06 186	0.08 321	0.07 280

IGEV_Zeroshot_test	0.09 82	0.05 18	0.12 185	0.13 13	0.08 127	0.12 208	0.13 104	0.17 169	0.11 62	0.10 126	0.06 13	0.09 124	0.06 36	0.11 108	0.09 54	0.06 114	0.04 21	0.06 102	0.06 186	0.05 100	0.05 121

LoS	0.09 82	0.05 18	0.11 150	0.13 13	0.07 71	0.14 279	0.11 46	0.15 107	0.15 160	0.09 93	0.09 89	0.12 193	0.09 168	0.15 283	0.10 123	0.07 240	0.05 183	0.05 23	0.03 1	0.05 100	0.05 121
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
knoymous	0.11 186	0.05 18	0.12 185	0.13 13	0.07 71	0.15 305	0.14 152	0.19 219	0.13 119	0.11 155	0.17 239	0.13 218	0.09 168	0.13 235	0.11 188	0.08 301	0.05 183	0.06 102	0.05 108	0.08 321	0.07 280

CREStereo++_RVC	0.08 44	0.04 1	0.06 2	0.13 13	0.07 71	0.09 81	0.12 63	0.14 76	0.14 143	0.10 126	0.14 189	0.08 99	0.07 107	0.09 33	0.11 188	0.06 114	0.04 21	0.05 23	0.05 108	0.04 15	0.04 40
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
TANstereo	0.09 82	0.04 1	0.08 30	0.13 13	0.06 13	0.11 173	0.14 152	0.15 107	0.19 247	0.11 155	0.15 206	0.10 155	0.06 36	0.12 190	0.09 54	0.07 240	0.05 183	0.05 23	0.04 34	0.06 192	0.05 121

ACVNet	0.15 355	0.09 313	0.15 316	0.13 13	0.12 421	0.14 279	0.20 424	0.22 275	0.33 421	0.17 312	0.26 383	0.21 350	0.16 363	0.17 349	0.21 431	0.07 240	0.06 308	0.06 102	0.06 186	0.08 321	0.06 200

GANet-RSSM	0.14 311	0.07 140	0.13 230	0.13 13	0.08 127	0.14 279	0.17 319	0.22 275	0.21 285	0.17 312	0.24 337	0.23 386	0.15 337	0.16 317	0.15 343	0.10 401	0.06 308	0.07 195	0.08 338	0.08 321	0.07 280

2.25w	0.07 4	0.06 57	0.07 6	0.14 30	0.06 13	0.08 52	0.08 7	0.10 18	0.15 160	0.08 63	0.10 118	0.07 62	0.06 36	0.08 15	0.10 123	0.05 27	0.03 1	0.04 1	0.04 34	0.03 1	0.04 40

xyz-stereo-finetune	0.11 186	0.08 237	0.13 230	0.14 30	0.06 13	0.10 128	0.19 403	0.17 169	0.19 247	0.12 193	0.14 189	0.15 267	0.10 200	0.13 235	0.11 188	0.05 27	0.04 21	0.07 195	0.05 108	0.04 15	0.05 121

LG-Stereo_L2	0.07 4	0.05 18	0.10 109	0.14 30	0.06 13	0.07 29	0.12 63	0.09 11	0.09 23	0.06 9	0.04 1	0.05 1	0.05 11	0.08 15	0.08 17	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

LG-Stereo_L1	0.07 4	0.05 18	0.11 150	0.14 30	0.06 13	0.07 29	0.13 104	0.09 11	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 15	0.07 1	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo_test3	0.07 4	0.05 18	0.10 109	0.14 30	0.06 13	0.07 29	0.11 46	0.08 4	0.06 4	0.06 9	0.04 1	0.06 16	0.06 36	0.07 4	0.10 123	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.06 200

SGD-Stereo	0.08 44	0.05 18	0.10 109	0.14 30	0.05 1	0.12 208	0.12 63	0.11 29	0.12 88	0.07 30	0.09 89	0.09 124	0.09 168	0.08 15	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.03 1

HUF	0.08 44	0.05 18	0.08 30	0.14 30	0.06 13	0.09 81	0.13 104	0.13 60	0.13 119	0.07 30	0.07 38	0.08 99	0.06 36	0.10 62	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

IGEV-RUCA	0.08 44	0.06 57	0.11 150	0.14 30	0.09 239	0.10 128	0.12 63	0.10 18	0.12 88	0.06 9	0.07 38	0.07 62	0.06 36	0.09 33	0.08 17	0.06 114	0.05 183	0.05 23	0.04 34	0.05 100	0.06 200

GIP-stereo	0.08 44	0.06 57	0.11 150	0.14 30	0.06 13	0.09 81	0.13 104	0.14 76	0.11 62	0.07 30	0.08 71	0.05 1	0.04 1	0.10 62	0.07 1	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

DEFOM-Stereo	0.07 4	0.05 18	0.07 6	0.14 30	0.06 13	0.10 128	0.13 104	0.07 2	0.13 119	0.06 9	0.07 38	0.06 16	0.05 11	0.10 62	0.09 54	0.04 11	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

Occ-G	0.08 44	0.05 18	0.06 2	0.14 30	0.07 71	0.08 52	0.14 152	0.13 60	0.15 160	0.07 30	0.11 148	0.07 62	0.05 11	0.09 33	0.10 123	0.06 114	0.05 183	0.05 23	0.04 34	0.05 100	0.05 121

test_sample7	0.15 355	0.10 371	0.16 350	0.14 30	0.11 390	0.16 335	0.16 285	0.27 372	0.23 309	0.20 381	0.20 285	0.24 392	0.19 416	0.16 317	0.16 359	0.12 455	0.06 308	0.10 408	0.09 384	0.10 415	0.10 415

test_sample3	0.14 311	0.08 237	0.15 316	0.14 30	0.09 239	0.19 398	0.17 319	0.26 351	0.18 232	0.16 296	0.22 316	0.19 329	0.15 337	0.17 349	0.13 278	0.08 301	0.06 308	0.07 195	0.06 186	0.09 383	0.08 344

test_sample2	0.12 252	0.07 140	0.12 185	0.14 30	0.08 127	0.16 335	0.18 364	0.21 253	0.16 187	0.14 241	0.20 285	0.19 329	0.15 337	0.15 283	0.12 237	0.08 301	0.05 183	0.07 195	0.06 186	0.08 321	0.07 280

CAS++	0.11 186	0.07 140	0.11 150	0.14 30	0.09 239	0.12 208	0.14 152	0.24 317	0.14 143	0.11 155	0.09 89	0.11 176	0.07 107	0.14 261	0.09 54	0.11 430	0.09 435	0.09 360	0.07 273	0.07 258	0.08 344
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
SMFormer	0.14 311	0.07 140	0.17 378	0.14 30	0.08 127	0.16 335	0.17 319	0.26 351	0.27 369	0.19 358	0.20 285	0.18 315	0.15 337	0.15 283	0.17 374	0.08 301	0.05 183	0.07 195	0.06 186	0.07 258	0.06 200

tta	0.14 311	0.07 140	0.17 378	0.14 30	0.08 127	0.16 335	0.17 319	0.26 351	0.27 369	0.19 358	0.20 285	0.18 315	0.15 337	0.15 283	0.17 374	0.08 301	0.05 183	0.07 195	0.06 186	0.06 192	0.06 200

qqq1	0.13 277	0.07 140	0.17 378	0.14 30	0.08 127	0.16 335	0.17 319	0.26 351	0.27 369	0.19 358	0.20 285	0.18 315	0.15 337	0.15 283	0.11 188	0.08 301	0.05 183	0.05 23	0.05 108	0.06 192	0.06 200

fff1	0.13 277	0.07 140	0.17 378	0.14 30	0.08 127	0.16 335	0.17 319	0.26 351	0.27 369	0.19 358	0.20 285	0.18 315	0.15 337	0.15 283	0.11 188	0.08 301	0.05 183	0.05 23	0.05 108	0.06 192	0.06 200

11t1	0.12 252	0.06 57	0.13 230	0.14 30	0.08 127	0.17 356	0.15 220	0.18 198	0.15 160	0.15 268	0.15 206	0.16 281	0.16 363	0.15 283	0.13 278	0.08 301	0.05 183	0.06 102	0.05 108	0.08 321	0.07 280

AEACV	0.08 44	0.05 18	0.08 30	0.14 30	0.13 444	0.14 279	0.13 104	0.14 76	0.09 23	0.07 30	0.09 89	0.07 62	0.08 142	0.10 62	0.09 54	0.06 114	0.04 21	0.06 102	0.05 108	0.05 100	0.04 40

Any-RAFT	0.10 143	0.05 18	0.09 72	0.14 30	0.07 71	0.13 247	0.14 152	0.21 253	0.15 160	0.11 155	0.12 161	0.12 193	0.09 168	0.12 190	0.09 54	0.07 240	0.04 21	0.05 23	0.04 34	0.06 192	0.05 121

iinet-f	0.16 378	0.06 57	0.45 514	0.14 30	0.10 341	0.21 430	0.14 152	0.27 372	0.23 309	0.21 395	0.24 337	0.21 350	0.15 337	0.18 370	0.21 431	0.09 360	0.07 380	0.07 195	0.06 186	0.09 383	0.10 415

CES	0.08 44	0.04 1	0.08 30	0.14 30	0.07 71	0.09 81	0.14 152	0.11 29	0.09 23	0.08 63	0.09 89	0.11 176	0.06 36	0.12 190	0.08 17	0.06 114	0.04 21	0.05 23	0.03 1	0.05 100	0.05 121

EGLCR-Stereo	0.08 44	0.05 18	0.08 30	0.14 30	0.06 13	0.10 128	0.12 63	0.11 29	0.16 187	0.06 9	0.05 7	0.07 62	0.05 11	0.10 62	0.11 188	0.06 114	0.04 21	0.06 102	0.05 108	0.04 15	0.04 40

riskmin	0.11 186	0.06 57	0.13 230	0.14 30	0.08 127	0.14 279	0.14 152	0.18 198	0.14 143	0.11 155	0.14 189	0.16 281	0.11 225	0.14 261	0.12 237	0.09 360	0.05 183	0.07 195	0.05 108	0.08 321	0.08 344

x	0.13 277	0.07 140	0.14 265	0.14 30	0.08 127	0.18 375	0.14 152	0.22 275	0.20 270	0.15 268	0.19 273	0.19 329	0.17 386	0.18 370	0.18 392	0.07 240	0.05 183	0.06 102	0.06 186	0.07 258	0.07 280

iRaft-Stereo_20w	0.09 82	0.05 18	0.13 230	0.14 30	0.08 127	0.12 208	0.15 220	0.18 198	0.10 36	0.11 155	0.08 71	0.08 99	0.05 11	0.10 62	0.09 54	0.06 114	0.04 21	0.06 102	0.05 108	0.06 192	0.05 121

CrosDoStereo	0.12 252	0.06 57	0.12 185	0.14 30	0.08 127	0.12 208	0.15 220	0.17 169	0.22 299	0.19 358	0.24 337	0.15 267	0.11 225	0.11 108	0.12 237	0.06 114	0.04 21	0.07 195	0.07 273	0.05 100	0.05 121

DeepStereo_LL	0.12 252	0.06 57	0.12 185	0.14 30	0.08 127	0.12 208	0.15 220	0.17 169	0.22 299	0.19 358	0.24 337	0.15 267	0.11 225	0.11 108	0.12 237	0.06 114	0.04 21	0.07 195	0.07 273	0.05 100	0.05 121

DEmStereo	0.12 252	0.06 57	0.14 265	0.14 30	0.10 341	0.16 335	0.15 220	0.16 133	0.24 325	0.17 312	0.24 337	0.13 218	0.14 319	0.12 190	0.13 278	0.05 27	0.04 21	0.07 195	0.06 186	0.05 100	0.05 121

DRaft	0.12 252	0.06 57	0.11 150	0.14 30	0.09 239	0.14 279	0.17 319	0.21 253	0.30 400	0.17 312	0.28 405	0.10 155	0.15 337	0.10 62	0.12 237	0.05 27	0.04 21	0.07 195	0.06 186	0.05 100	0.05 121

AnonymousM	0.09 82	0.05 18	0.10 109	0.14 30	0.06 13	0.09 81	0.13 104	0.19 219	0.14 143	0.13 220	0.11 148	0.09 124	0.08 142	0.13 235	0.10 123	0.08 301	0.05 183	0.08 279	0.05 108	0.05 100	0.05 121

XX-TBD	0.09 82	0.06 57	0.07 6	0.14 30	0.07 71	0.12 208	0.16 285	0.14 76	0.13 119	0.11 155	0.12 161	0.09 124	0.08 142	0.10 62	0.10 123	0.06 114	0.04 21	0.05 23	0.03 1	0.06 192	0.05 121

222	0.16 378	0.07 140	0.14 265	0.14 30	0.08 127	0.24 456	0.18 364	0.30 416	0.20 270	0.17 312	0.28 405	0.17 301	0.16 363	0.15 283	0.40 535	0.10 401	0.05 183	0.07 195	0.06 186	0.07 258	0.08 344

xxxx	0.15 355	0.07 140	0.14 265	0.14 30	0.08 127	0.23 451	0.18 364	0.31 426	0.19 247	0.14 241	0.28 405	0.22 368	0.14 319	0.15 283	0.26 485	0.09 360	0.05 183	0.07 195	0.07 273	0.08 321	0.07 280

test_xeample	0.15 355	0.06 57	0.13 230	0.14 30	0.08 127	0.21 430	0.20 424	0.28 391	0.20 270	0.16 296	0.29 417	0.19 329	0.16 363	0.15 283	0.26 485	0.09 360	0.05 183	0.07 195	0.07 273	0.07 258	0.07 280

hitnet-ft	0.18 412	0.09 313	0.17 378	0.14 30	0.09 239	0.26 476	0.20 424	0.25 333	0.26 360	0.24 432	0.32 435	0.31 463	0.22 441	0.24 460	0.21 431	0.12 455	0.07 380	0.10 408	0.08 338	0.12 453	0.11 441

HITNet	0.10 143	0.06 57	0.12 185	0.14 30	0.06 13	0.11 173	0.10 27	0.18 198	0.18 232	0.13 220	0.16 218	0.14 238	0.11 225	0.15 283	0.13 278	0.06 114	0.04 21	0.04 1	0.04 34	0.06 192	0.05 121
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
iResNet_ROB	0.14 311	0.07 140	0.13 230	0.14 30	0.07 71	0.18 375	0.14 152	0.26 351	0.31 407	0.22 411	0.25 366	0.23 386	0.15 337	0.15 283	0.13 278	0.07 240	0.05 183	0.05 23	0.04 34	0.08 321	0.08 344

zero-FE	0.08 44	0.04 1	0.09 72	0.15 70	0.10 341	0.05 4	0.14 152	0.09 11	0.14 143	0.07 30	0.06 13	0.07 62	0.06 36	0.09 33	0.10 123	0.06 114	0.04 21	0.06 102	0.04 34	0.08 321	0.05 121

FlowAnything_test	0.11 186	0.08 237	0.14 265	0.15 70	0.09 239	0.07 29	0.14 152	0.20 230	0.11 62	0.09 93	0.09 89	0.12 193	0.12 256	0.13 235	0.11 188	0.09 360	0.06 308	0.09 360	0.09 384	0.06 192	0.09 388

qwe	0.07 4	0.08 237	0.07 6	0.15 70	0.06 13	0.07 29	0.10 27	0.18 198	0.11 62	0.07 30	0.07 38	0.06 16	0.06 36	0.10 62	0.09 54	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

depthmonostereo	0.09 82	0.06 57	0.09 72	0.15 70	0.06 13	0.10 128	0.13 104	0.14 76	0.14 143	0.10 126	0.10 118	0.09 124	0.11 225	0.08 15	0.09 54	0.06 114	0.05 183	0.06 102	0.04 34	0.04 15	0.03 1

DilatedVolume-Stereo	0.09 82	0.05 18	0.08 30	0.15 70	0.06 13	0.11 173	0.12 63	0.14 76	0.16 187	0.11 155	0.11 148	0.09 124	0.09 168	0.11 108	0.10 123	0.06 114	0.05 183	0.05 23	0.04 34	0.03 1	0.03 1

4.25_new	0.07 4	0.08 237	0.09 72	0.15 70	0.06 13	0.09 81	0.08 7	0.14 76	0.08 12	0.07 30	0.07 38	0.06 16	0.06 36	0.12 190	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5w_new	0.07 4	0.08 237	0.09 72	0.15 70	0.06 13	0.09 81	0.08 7	0.14 76	0.08 12	0.07 30	0.07 38	0.06 16	0.06 36	0.12 190	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5_new	0.07 4	0.09 313	0.08 30	0.15 70	0.07 71	0.06 9	0.10 27	0.14 76	0.11 62	0.06 9	0.08 71	0.06 16	0.06 36	0.08 15	0.10 123	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.5w-stereo	0.07 4	0.09 313	0.08 30	0.15 70	0.07 71	0.06 9	0.10 27	0.14 76	0.11 62	0.06 9	0.08 71	0.06 16	0.06 36	0.08 15	0.10 123	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.25w-stereo	0.07 4	0.08 237	0.09 72	0.15 70	0.06 13	0.09 81	0.08 7	0.14 76	0.08 12	0.07 30	0.07 38	0.06 16	0.06 36	0.12 190	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

3.25w_new	0.07 4	0.06 57	0.07 6	0.15 70	0.06 13	0.10 128	0.07 3	0.12 44	0.11 62	0.08 63	0.06 13	0.07 62	0.06 36	0.11 108	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 57	0.07 6	0.15 70	0.06 13	0.10 128	0.07 3	0.12 44	0.11 62	0.08 63	0.06 13	0.07 62	0.06 36	0.11 108	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 140	0.07 6	0.15 70	0.07 71	0.09 81	0.06 1	0.13 60	0.11 62	0.07 30	0.07 38	0.06 16	0.07 107	0.10 62	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

monsters	0.07 4	0.06 57	0.06 2	0.15 70	0.06 13	0.08 52	0.09 18	0.12 44	0.08 12	0.09 93	0.07 38	0.06 16	0.06 36	0.08 15	0.08 17	0.05 27	0.04 21	0.04 1	0.04 34	0.03 1	0.03 1

xyz-stereo	0.13 277	0.07 140	0.20 424	0.15 70	0.05 1	0.20 413	0.15 220	0.17 169	0.31 407	0.15 268	0.29 417	0.26 415	0.16 363	0.13 235	0.12 237	0.05 27	0.05 183	0.06 102	0.05 108	0.04 15	0.04 40

MLG-Stereo_test2	0.06 1	0.04 1	0.10 109	0.15 70	0.05 1	0.07 29	0.11 46	0.09 11	0.04 2	0.06 9	0.05 7	0.06 16	0.04 1	0.08 15	0.09 54	0.06 114	0.04 21	0.05 23	0.03 1	0.05 100	0.05 121

LG-G_1	0.07 4	0.04 1	0.11 150	0.15 70	0.06 13	0.09 81	0.08 7	0.08 4	0.06 4	0.06 9	0.05 7	0.07 62	0.07 107	0.11 108	0.08 17	0.07 240	0.04 21	0.05 23	0.04 34	0.05 100	0.05 121

LG-G	0.07 4	0.04 1	0.11 150	0.15 70	0.06 13	0.09 81	0.08 7	0.08 4	0.06 4	0.06 9	0.05 7	0.07 62	0.07 107	0.11 108	0.08 17	0.07 240	0.04 21	0.05 23	0.04 34	0.05 100	0.05 121

LGtest1	0.07 4	0.04 1	0.10 109	0.15 70	0.06 13	0.07 29	0.09 18	0.08 4	0.06 4	0.05 1	0.04 1	0.06 16	0.06 36	0.10 62	0.09 54	0.07 240	0.04 21	0.05 23	0.04 34	0.06 192	0.06 200

SCV	0.08 44	0.09 313	0.08 30	0.15 70	0.08 127	0.10 128	0.13 104	0.10 18	0.12 88	0.07 30	0.07 38	0.06 16	0.04 1	0.09 33	0.08 17	0.05 27	0.04 21	0.06 102	0.04 34	0.06 192	0.04 40

AIO_rvc	0.07 4	0.06 57	0.08 30	0.15 70	0.06 13	0.08 52	0.14 152	0.09 11	0.08 12	0.07 30	0.08 71	0.07 62	0.04 1	0.10 62	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

AIO_test	0.07 4	0.05 18	0.07 6	0.15 70	0.07 71	0.06 9	0.14 152	0.10 18	0.10 36	0.07 30	0.07 38	0.06 16	0.05 11	0.08 15	0.10 123	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

castereo++	0.08 44	0.05 18	0.08 30	0.15 70	0.05 1	0.14 279	0.12 63	0.11 29	0.15 160	0.07 30	0.07 38	0.07 62	0.06 36	0.08 15	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

castereo	0.09 82	0.06 57	0.11 150	0.15 70	0.06 13	0.11 173	0.15 220	0.14 76	0.18 232	0.08 63	0.10 118	0.11 176	0.08 142	0.09 33	0.10 123	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

MonSter	0.07 4	0.06 57	0.05 1	0.15 70	0.05 1	0.07 29	0.10 27	0.15 107	0.15 160	0.05 1	0.06 13	0.05 1	0.06 36	0.07 4	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

tt45	0.09 82	0.06 57	0.11 150	0.15 70	0.07 71	0.11 173	0.16 285	0.13 60	0.11 62	0.09 93	0.06 13	0.08 99	0.06 36	0.13 235	0.10 123	0.06 114	0.04 21	0.06 102	0.05 108	0.05 100	0.06 200

999	0.09 82	0.05 18	0.13 230	0.15 70	0.08 127	0.10 128	0.14 152	0.15 107	0.11 62	0.10 126	0.08 71	0.08 99	0.08 142	0.16 317	0.10 123	0.06 114	0.04 21	0.06 102	0.05 108	0.04 15	0.05 121

PAM_32	0.09 82	0.05 18	0.17 378	0.15 70	0.08 127	0.10 128	0.15 220	0.14 76	0.15 160	0.09 93	0.08 71	0.09 124	0.07 107	0.14 261	0.08 17	0.06 114	0.05 183	0.06 102	0.06 186	0.05 100	0.06 200

PAM	0.10 143	0.05 18	0.16 350	0.15 70	0.08 127	0.09 81	0.16 285	0.15 107	0.16 187	0.12 193	0.09 89	0.09 124	0.07 107	0.13 235	0.08 17	0.06 114	0.05 183	0.06 102	0.06 186	0.05 100	0.06 200

dual_stereo	0.07 4	0.04 1	0.08 30	0.15 70	0.05 1	0.05 4	0.13 104	0.12 44	0.08 12	0.07 30	0.06 13	0.05 1	0.05 11	0.07 4	0.09 54	0.06 114	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

UGAM-zero	0.09 82	0.05 18	0.15 316	0.15 70	0.08 127	0.09 81	0.13 104	0.19 219	0.15 160	0.11 155	0.15 206	0.07 62	0.07 107	0.09 33	0.09 54	0.06 114	0.05 183	0.06 102	0.05 108	0.05 100	0.06 200

WCG-NET	0.08 44	0.05 18	0.09 72	0.15 70	0.06 13	0.11 173	0.14 152	0.13 60	0.13 119	0.06 9	0.09 89	0.07 62	0.06 36	0.13 235	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

model_zeroshot	0.10 143	0.04 1	0.11 150	0.15 70	0.09 239	0.12 208	0.14 152	0.20 230	0.13 119	0.11 155	0.10 118	0.12 193	0.07 107	0.12 190	0.10 123	0.07 240	0.06 308	0.06 102	0.05 108	0.06 192	0.06 200

GCAP-BAT	0.09 82	0.07 140	0.14 265	0.15 70	0.08 127	0.10 128	0.13 104	0.14 76	0.10 36	0.11 155	0.10 118	0.08 99	0.07 107	0.12 190	0.10 123	0.06 114	0.05 183	0.06 102	0.04 34	0.04 15	0.04 40

AIO-Stereo-zeroshot1	0.11 186	0.05 18	0.14 265	0.15 70	0.20 519	0.09 81	0.17 319	0.21 253	0.15 160	0.11 155	0.14 189	0.10 155	0.07 107	0.10 62	0.08 17	0.06 114	0.05 183	0.07 195	0.07 273	0.07 258	0.09 388

AIO-Stereo-zeroshot	0.11 186	0.05 18	0.11 150	0.15 70	0.13 444	0.13 247	0.16 285	0.23 295	0.17 206	0.10 126	0.12 161	0.10 155	0.07 107	0.11 108	0.09 54	0.06 114	0.05 183	0.06 102	0.06 186	0.07 258	0.08 344

rvit_stereo_0080	0.10 143	0.08 237	0.14 265	0.15 70	0.09 239	0.07 29	0.15 220	0.16 133	0.16 187	0.11 155	0.10 118	0.14 238	0.08 142	0.12 190	0.10 123	0.09 360	0.07 380	0.07 195	0.06 186	0.07 258	0.05 121

IGEV-BASED-STEREO-	0.09 82	0.10 371	0.31 484	0.15 70	0.06 13	0.08 52	0.14 152	0.10 18	0.10 36	0.07 30	0.07 38	0.06 16	0.04 1	0.11 108	0.07 1	0.12 455	0.04 21	0.07 195	0.05 108	0.05 100	0.05 121

IGEV-Stereo+	0.07 4	0.04 1	0.08 30	0.15 70	0.06 13	0.04 1	0.09 18	0.10 18	0.09 23	0.06 9	0.06 13	0.06 16	0.06 36	0.06 1	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.06 192	0.06 200

WCG-NET（raft）	0.08 44	0.05 18	0.10 109	0.15 70	0.06 13	0.11 173	0.13 104	0.15 107	0.12 88	0.08 63	0.07 38	0.06 16	0.06 36	0.13 235	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

test_sample4	0.14 311	0.08 237	0.14 265	0.15 70	0.08 127	0.19 398	0.18 364	0.26 351	0.17 206	0.16 296	0.25 366	0.18 315	0.14 319	0.16 317	0.13 278	0.08 301	0.06 308	0.08 279	0.06 186	0.08 321	0.08 344

MGS-Stereo	0.09 82	0.07 140	0.12 185	0.15 70	0.08 127	0.09 81	0.15 220	0.12 44	0.12 88	0.07 30	0.10 118	0.08 99	0.06 36	0.10 62	0.09 54	0.05 27	0.04 21	0.06 102	0.05 108	0.06 192	0.05 121

MyStereo8	0.12 252	0.07 140	0.15 316	0.15 70	0.09 239	0.18 375	0.14 152	0.19 219	0.22 299	0.12 193	0.18 264	0.11 176	0.10 200	0.16 317	0.18 392	0.07 240	0.05 183	0.07 195	0.05 108	0.08 321	0.09 388

IGEVStereo-DCA	0.09 82	0.06 57	0.11 150	0.15 70	0.10 341	0.11 173	0.15 220	0.16 133	0.12 88	0.10 126	0.06 13	0.08 99	0.06 36	0.10 62	0.08 17	0.06 114	0.05 183	0.06 102	0.05 108	0.05 100	0.06 200

rrr	0.09 82	0.06 57	0.12 185	0.15 70	0.10 341	0.11 173	0.16 285	0.16 133	0.15 160	0.10 126	0.06 13	0.08 99	0.06 36	0.10 62	0.08 17	0.06 114	0.05 183	0.06 102	0.05 108	0.05 100	0.06 200

ttt	0.14 311	0.08 237	0.14 265	0.15 70	0.08 127	0.15 305	0.18 364	0.27 372	0.29 390	0.16 296	0.24 337	0.17 301	0.13 294	0.13 235	0.14 315	0.11 430	0.08 406	0.09 360	0.08 338	0.09 383	0.08 344

whm_eth	0.10 143	0.08 237	0.14 265	0.15 70	0.09 239	0.07 29	0.15 220	0.16 133	0.16 187	0.11 155	0.10 118	0.14 238	0.08 142	0.12 190	0.10 123	0.09 360	0.07 380	0.07 195	0.06 186	0.07 258	0.05 121

MSKI-zero shot	0.09 82	0.05 18	0.09 72	0.15 70	0.07 71	0.10 128	0.13 104	0.14 76	0.13 119	0.09 93	0.09 89	0.09 124	0.06 36	0.12 190	0.10 123	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

EKT-Stereo	0.11 186	0.07 140	0.14 265	0.15 70	0.10 341	0.13 247	0.14 152	0.18 198	0.21 285	0.11 155	0.08 71	0.12 193	0.09 168	0.11 108	0.12 237	0.08 301	0.06 308	0.07 195	0.06 186	0.08 321	0.07 280

MIM_Stereo	0.09 82	0.07 140	0.11 150	0.15 70	0.07 71	0.06 9	0.12 63	0.20 230	0.14 143	0.13 220	0.13 175	0.09 124	0.05 11	0.12 190	0.08 17	0.05 27	0.06 308	0.07 195	0.06 186	0.06 192	0.05 121

RAFT-Test	0.09 82	0.06 57	0.10 109	0.15 70	0.07 71	0.11 173	0.15 220	0.16 133	0.13 119	0.09 93	0.10 118	0.10 155	0.09 168	0.12 190	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

LoS_RVC	0.08 44	0.05 18	0.07 6	0.15 70	0.07 71	0.08 52	0.15 220	0.11 29	0.10 36	0.08 63	0.09 89	0.06 16	0.09 168	0.10 62	0.09 54	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

Anonymous_2	0.22 457	0.17 485	0.28 471	0.15 70	0.16 492	0.32 502	0.22 451	0.22 275	0.17 206	0.23 423	0.24 337	0.26 415	0.27 478	0.27 470	0.23 452	0.22 532	0.25 538	0.17 505	0.17 513	0.17 513	0.17 516

HBP-ISP	0.18 412	0.13 444	0.16 350	0.15 70	0.11 390	0.08 52	0.13 104	0.28 391	0.29 390	0.22 411	0.33 447	0.21 350	0.25 464	0.23 451	0.17 374	0.14 491	0.16 512	0.21 519	0.17 513	0.10 415	0.08 344

fff	0.10 143	0.06 57	0.12 185	0.15 70	0.07 71	0.09 81	0.17 319	0.16 133	0.20 270	0.13 220	0.16 218	0.10 155	0.11 225	0.11 108	0.12 237	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

Wz-Net-LNSev-Ref	0.18 412	0.09 313	0.29 479	0.15 70	0.10 341	0.22 438	0.20 424	0.26 351	0.39 463	0.25 445	0.42 501	0.24 392	0.15 337	0.20 410	0.19 405	0.07 240	0.05 183	0.06 102	0.05 108	0.10 415	0.09 388

AACVNet	0.16 378	0.08 237	0.14 265	0.15 70	0.10 341	0.18 375	0.15 220	0.23 295	0.24 325	0.27 456	0.27 391	0.28 433	0.17 386	0.19 385	0.16 359	0.09 360	0.07 380	0.09 360	0.07 273	0.10 415	0.09 388

TRStereo	0.09 82	0.05 18	0.12 185	0.15 70	0.12 421	0.10 128	0.13 104	0.18 198	0.18 232	0.09 93	0.09 89	0.09 124	0.06 36	0.10 62	0.08 17	0.07 240	0.05 183	0.07 195	0.07 273	0.04 15	0.04 40

HHNet	0.11 186	0.06 57	0.16 350	0.15 70	0.14 464	0.07 29	0.13 104	0.20 230	0.17 206	0.14 241	0.25 366	0.11 176	0.08 142	0.13 235	0.10 123	0.05 27	0.04 21	0.08 279	0.06 186	0.05 100	0.09 388

THIR-Stereo	0.12 252	0.07 140	0.11 150	0.15 70	0.08 127	0.14 279	0.16 285	0.17 169	0.25 346	0.16 296	0.24 337	0.14 238	0.12 256	0.12 190	0.14 315	0.06 114	0.04 21	0.07 195	0.07 273	0.05 100	0.05 121

s12784h	0.09 82	0.06 57	0.07 6	0.15 70	0.05 1	0.16 335	0.18 364	0.15 107	0.15 160	0.10 126	0.11 148	0.11 176	0.11 225	0.10 62	0.12 237	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

GES	0.14 311	0.08 237	0.16 350	0.15 70	0.10 341	0.13 247	0.13 104	0.28 391	0.25 346	0.16 296	0.23 325	0.18 315	0.13 294	0.16 317	0.13 278	0.08 301	0.07 380	0.07 195	0.06 186	0.08 321	0.09 388

csc	0.10 143	0.06 57	0.12 185	0.15 70	0.07 71	0.09 81	0.17 319	0.16 133	0.20 270	0.13 220	0.16 218	0.10 155	0.11 225	0.11 108	0.12 237	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

cscssc	0.10 143	0.06 57	0.12 185	0.15 70	0.07 71	0.09 81	0.17 319	0.16 133	0.20 270	0.13 220	0.16 218	0.10 155	0.11 225	0.11 108	0.12 237	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

111	0.10 143	0.06 57	0.12 185	0.15 70	0.07 71	0.10 128	0.14 152	0.21 253	0.23 309	0.11 155	0.12 161	0.14 238	0.11 225	0.13 235	0.10 123	0.06 114	0.04 21	0.06 102	0.04 34	0.05 100	0.05 121

EAI-Stereo	0.09 82	0.07 140	0.11 150	0.15 70	0.06 13	0.10 128	0.15 220	0.16 133	0.09 23	0.08 63	0.09 89	0.08 99	0.07 107	0.09 33	0.11 188	0.05 27	0.04 21	0.05 23	0.05 108	0.05 100	0.04 40

PSMNet-RSSM	0.14 311	0.07 140	0.13 230	0.15 70	0.08 127	0.13 247	0.16 285	0.24 317	0.24 325	0.16 296	0.28 405	0.22 368	0.14 319	0.15 283	0.13 278	0.11 430	0.06 308	0.09 360	0.12 474	0.08 321	0.07 280

GwcNet-RSSM	0.14 311	0.07 140	0.12 185	0.15 70	0.08 127	0.15 305	0.20 424	0.21 253	0.27 369	0.18 342	0.27 391	0.22 368	0.16 363	0.14 261	0.15 343	0.10 401	0.05 183	0.07 195	0.09 384	0.07 258	0.07 280

HSM-Net_RVC	0.14 311	0.08 237	0.11 150	0.15 70	0.08 127	0.15 305	0.15 220	0.27 372	0.29 390	0.19 358	0.21 306	0.29 441	0.14 319	0.17 349	0.13 278	0.06 114	0.06 308	0.06 102	0.06 186	0.07 258	0.06 200
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
LE_ROB	0.50 541	0.07 140	0.14 265	0.15 70	0.08 127	0.24 456	0.16 285	0.22 275	1.81 573	4.63 576	0.67 537	0.47 525	0.44 534	0.20 410	0.29 503	0.07 240	0.06 308	0.06 102	0.06 186	0.08 321	0.06 200

SGM_RVC	0.23 473	0.12 415	0.15 316	0.15 70	0.09 239	0.33 508	0.18 364	0.34 465	0.31 407	0.44 526	0.37 464	0.53 533	0.35 514	0.35 510	0.24 465	0.13 478	0.13 494	0.13 473	0.13 484	0.10 415	0.11 441
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
pmcnn	0.15 355	0.07 140	0.19 412	0.15 70	0.07 71	0.20 413	0.15 220	0.24 317	0.26 360	0.21 395	0.34 451	0.28 433	0.18 400	0.18 370	0.17 374	0.07 240	0.05 183	0.05 23	0.04 34	0.07 258	0.06 200

MeshStereo	0.27 501	0.13 444	0.18 401	0.15 70	0.11 390	0.32 502	0.24 474	0.40 509	0.36 446	0.52 533	0.57 530	0.67 544	0.40 524	0.35 510	0.26 485	0.14 491	0.13 494	0.13 473	0.11 455	0.11 438	0.10 415
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
water-stereo	0.09 82	0.06 57	0.08 30	0.16 143	0.07 71	0.09 81	0.13 104	0.15 107	0.13 119	0.11 155	0.12 161	0.08 99	0.09 168	0.07 4	0.08 17	0.06 114	0.05 183	0.05 23	0.05 108	0.04 15	0.04 40

asda	0.07 4	0.08 237	0.08 30	0.16 143	0.06 13	0.06 9	0.10 27	0.16 133	0.10 36	0.06 9	0.06 13	0.05 1	0.05 11	0.10 62	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

asd	0.07 4	0.08 237	0.07 6	0.16 143	0.07 71	0.08 52	0.08 7	0.11 29	0.08 12	0.07 30	0.07 38	0.06 16	0.06 36	0.10 62	0.09 54	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4w-stereo	0.07 4	0.08 237	0.08 30	0.16 143	0.06 13	0.07 29	0.08 7	0.12 44	0.08 12	0.07 30	0.07 38	0.05 1	0.06 36	0.09 33	0.10 123	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

2.5w	0.07 4	0.07 140	0.07 6	0.16 143	0.06 13	0.08 52	0.12 63	0.10 18	0.10 36	0.07 30	0.06 13	0.09 124	0.06 36	0.08 15	0.09 54	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

3.75w	0.07 4	0.07 140	0.08 30	0.16 143	0.07 71	0.07 29	0.09 18	0.16 133	0.09 23	0.07 30	0.06 13	0.05 1	0.06 36	0.09 33	0.10 123	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

2w_stereo	0.08 44	0.08 237	0.09 72	0.16 143	0.06 13	0.08 52	0.10 27	0.20 230	0.15 160	0.08 63	0.07 38	0.06 16	0.06 36	0.06 1	0.09 54	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

1w_stereo	0.07 4	0.06 57	0.07 6	0.16 143	0.06 13	0.07 29	0.10 27	0.14 76	0.14 143	0.07 30	0.08 71	0.05 1	0.06 36	0.09 33	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 40

monsterstereo	0.07 4	0.06 57	0.06 2	0.16 143	0.06 13	0.08 52	0.10 27	0.16 133	0.11 62	0.07 30	0.08 71	0.06 16	0.07 107	0.08 15	0.09 54	0.04 11	0.04 21	0.05 23	0.04 34	0.03 1	0.03 1

LG-Stereo_Zeroshot	0.07 4	0.06 57	0.10 109	0.16 143	0.07 71	0.04 1	0.13 104	0.10 18	0.10 36	0.05 1	0.11 148	0.07 62	0.05 11	0.07 4	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

Reg-Stereo(zero)	0.08 44	0.05 18	0.08 30	0.16 143	0.06 13	0.12 208	0.11 46	0.15 107	0.10 36	0.12 193	0.09 89	0.10 155	0.08 142	0.11 108	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

SCV_C0	0.08 44	0.07 140	0.07 6	0.16 143	0.09 239	0.08 52	0.15 220	0.11 29	0.12 88	0.08 63	0.07 38	0.06 16	0.05 11	0.11 108	0.07 1	0.05 27	0.05 183	0.05 23	0.04 34	0.06 192	0.05 121

fffft	0.09 82	0.06 57	0.12 185	0.16 143	0.07 71	0.09 81	0.17 319	0.12 44	0.11 62	0.08 63	0.07 38	0.09 124	0.06 36	0.11 108	0.12 237	0.05 27	0.04 21	0.06 102	0.05 108	0.04 15	0.05 121
1: 1. 1
SMoEStereo_RVC	0.08 44	0.06 57	0.12 185	0.16 143	0.07 71	0.09 81	0.14 152	0.11 29	0.13 119	0.09 93	0.07 38	0.07 62	0.07 107	0.12 190	0.10 123	0.05 27	0.04 21	0.06 102	0.05 108	0.04 15	0.04 40

mms	0.09 82	0.07 140	0.08 30	0.16 143	0.08 127	0.10 128	0.16 285	0.12 44	0.11 62	0.08 63	0.09 89	0.08 99	0.06 36	0.11 108	0.12 237	0.05 27	0.04 21	0.07 195	0.05 108	0.04 15	0.03 1

fffy	0.09 82	0.08 237	0.09 72	0.16 143	0.07 71	0.13 247	0.17 319	0.13 60	0.12 88	0.08 63	0.09 89	0.08 99	0.09 168	0.13 235	0.11 188	0.05 27	0.05 183	0.07 195	0.05 108	0.04 15	0.05 121

DDVS	0.15 355	0.10 371	0.21 432	0.16 143	0.12 421	0.15 305	0.14 152	0.25 333	0.19 247	0.18 342	0.29 417	0.27 423	0.12 256	0.19 385	0.15 343	0.09 360	0.06 308	0.09 360	0.07 273	0.11 438	0.11 441

rvit_stereo_0083	0.12 252	0.08 237	0.17 378	0.16 143	0.09 239	0.11 173	0.15 220	0.14 76	0.26 360	0.11 155	0.14 189	0.13 218	0.10 200	0.12 190	0.12 237	0.10 401	0.08 406	0.09 360	0.07 273	0.07 258	0.05 121

rvit_stereo_0081	0.11 186	0.08 237	0.15 316	0.16 143	0.09 239	0.10 128	0.14 152	0.14 76	0.24 325	0.11 155	0.13 175	0.13 218	0.09 168	0.11 108	0.12 237	0.10 401	0.07 380	0.08 279	0.07 273	0.07 258	0.05 121

DCVSM-stereo	0.14 311	0.09 313	0.16 350	0.16 143	0.10 341	0.15 305	0.09 18	0.19 219	0.23 309	0.20 381	0.23 325	0.26 415	0.15 337	0.18 370	0.14 315	0.09 360	0.07 380	0.09 360	0.08 338	0.10 415	0.12 454

rvit_stereo_0082	0.11 186	0.08 237	0.15 316	0.16 143	0.09 239	0.10 128	0.14 152	0.14 76	0.24 325	0.11 155	0.13 175	0.13 218	0.09 168	0.11 108	0.12 237	0.10 401	0.07 380	0.08 279	0.07 273	0.07 258	0.05 121

Pointernet	0.09 82	0.04 1	0.09 72	0.16 143	0.08 127	0.13 247	0.10 27	0.15 107	0.17 206	0.09 93	0.07 38	0.06 16	0.06 36	0.11 108	0.09 54	0.08 301	0.04 21	0.05 23	0.03 1	0.06 192	0.05 121

RAFT-Stereo-weight	0.09 82	0.06 57	0.10 109	0.16 143	0.07 71	0.09 81	0.14 152	0.19 219	0.16 187	0.11 155	0.10 118	0.08 99	0.06 36	0.10 62	0.11 188	0.06 114	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

test_sample6	0.14 311	0.08 237	0.13 230	0.16 143	0.08 127	0.17 356	0.19 403	0.25 333	0.17 206	0.17 312	0.27 391	0.19 329	0.14 319	0.15 283	0.13 278	0.08 301	0.05 183	0.08 279	0.07 273	0.08 321	0.08 344

test_sample5	0.14 311	0.08 237	0.14 265	0.16 143	0.08 127	0.18 375	0.18 364	0.25 333	0.17 206	0.17 312	0.27 391	0.18 315	0.14 319	0.16 317	0.13 278	0.08 301	0.05 183	0.08 279	0.07 273	0.08 321	0.08 344

gcap-zeroshot	0.09 82	0.05 18	0.10 109	0.16 143	0.07 71	0.13 247	0.13 104	0.11 29	0.12 88	0.13 220	0.12 161	0.09 124	0.08 142	0.09 33	0.09 54	0.06 114	0.05 183	0.06 102	0.05 108	0.04 15	0.04 40

Former-RAFT_DAM_RVC	0.10 143	0.08 237	0.12 185	0.16 143	0.08 127	0.15 305	0.16 285	0.18 198	0.18 232	0.10 126	0.09 89	0.09 124	0.08 142	0.11 108	0.12 237	0.07 240	0.05 183	0.08 279	0.06 186	0.07 258	0.06 200

ff7	0.09 82	0.07 140	0.11 150	0.16 143	0.09 239	0.11 173	0.15 220	0.16 133	0.12 88	0.10 126	0.06 13	0.06 16	0.06 36	0.11 108	0.09 54	0.05 27	0.04 21	0.06 102	0.05 108	0.05 100	0.06 200

ffff	0.09 82	0.07 140	0.11 150	0.16 143	0.09 239	0.11 173	0.15 220	0.16 133	0.12 88	0.10 126	0.06 13	0.06 16	0.06 36	0.11 108	0.09 54	0.05 27	0.04 21	0.06 102	0.05 108	0.05 100	0.06 200

DualNet	0.14 311	0.08 237	0.14 265	0.16 143	0.08 127	0.18 375	0.18 364	0.25 333	0.17 206	0.17 312	0.27 391	0.18 315	0.14 319	0.16 317	0.13 278	0.08 301	0.05 183	0.08 279	0.07 273	0.08 321	0.08 344

ffm	0.12 252	0.09 313	0.14 265	0.16 143	0.08 127	0.17 356	0.17 319	0.15 107	0.19 247	0.15 268	0.25 366	0.19 329	0.13 294	0.10 62	0.07 1	0.06 114	0.04 21	0.09 360	0.08 338	0.06 192	0.06 200

ff1	0.13 277	0.09 313	0.14 265	0.16 143	0.08 127	0.17 356	0.17 319	0.15 107	0.19 247	0.15 268	0.25 366	0.19 329	0.13 294	0.14 261	0.20 411	0.06 114	0.04 21	0.09 360	0.08 338	0.06 192	0.06 200

mmx	0.14 311	0.09 313	0.14 265	0.16 143	0.08 127	0.17 356	0.17 319	0.27 372	0.25 346	0.15 268	0.25 366	0.19 329	0.13 294	0.14 261	0.20 411	0.08 301	0.06 308	0.09 360	0.08 338	0.08 321	0.08 344

11t	0.09 82	0.07 140	0.11 150	0.16 143	0.09 239	0.11 173	0.15 220	0.16 133	0.12 88	0.10 126	0.06 13	0.06 16	0.06 36	0.11 108	0.09 54	0.05 27	0.04 21	0.06 102	0.05 108	0.05 100	0.06 200

xxx	0.14 311	0.09 313	0.14 265	0.16 143	0.08 127	0.17 356	0.17 319	0.27 372	0.25 346	0.15 268	0.25 366	0.19 329	0.13 294	0.14 261	0.20 411	0.08 301	0.06 308	0.09 360	0.08 338	0.08 321	0.08 344

CFNet_ucs	0.15 355	0.08 237	0.16 350	0.16 143	0.11 390	0.14 279	0.14 152	0.30 416	0.34 433	0.16 296	0.24 337	0.23 386	0.14 319	0.18 370	0.15 343	0.09 360	0.06 308	0.08 279	0.07 273	0.09 383	0.09 388

testlalala	0.08 44	0.07 140	0.17 378	0.16 143	0.08 127	0.09 81	0.12 63	0.15 107	0.10 36	0.07 30	0.09 89	0.06 16	0.06 36	0.11 108	0.09 54	0.05 27	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

SDNR	0.19 424	0.08 237	0.19 412	0.16 143	0.12 421	0.77 557	0.14 152	0.25 333	0.32 414	0.19 358	0.24 337	0.19 329	0.13 294	0.19 385	0.15 343	0.16 511	0.18 519	0.14 485	0.11 455	0.08 321	0.11 441

anonymousdsp2	0.11 186	0.07 140	0.10 109	0.16 143	0.09 239	0.13 247	0.14 152	0.18 198	0.22 299	0.13 220	0.14 189	0.12 193	0.09 168	0.14 261	0.11 188	0.05 27	0.04 21	0.05 23	0.04 34	0.06 192	0.05 121

anonymousdsp	0.09 82	0.07 140	0.11 150	0.16 143	0.09 239	0.11 173	0.15 220	0.16 133	0.12 88	0.09 93	0.06 13	0.06 16	0.06 36	0.11 108	0.09 54	0.05 27	0.04 21	0.06 102	0.05 108	0.05 100	0.06 200

DCRE	0.11 186	0.07 140	0.13 230	0.16 143	0.11 390	0.11 173	0.17 319	0.18 198	0.17 206	0.11 155	0.18 264	0.10 155	0.10 200	0.15 283	0.11 188	0.06 114	0.05 183	0.06 102	0.06 186	0.05 100	0.04 40

RCA-Stereo	0.09 82	0.06 57	0.09 72	0.16 143	0.06 13	0.09 81	0.13 104	0.18 198	0.14 143	0.09 93	0.10 118	0.08 99	0.07 107	0.12 190	0.11 188	0.06 114	0.04 21	0.06 102	0.05 108	0.05 100	0.04 40

DCANet-4	0.10 143	0.06 57	0.12 185	0.16 143	0.06 13	0.09 81	0.17 319	0.18 198	0.19 247	0.13 220	0.16 218	0.09 124	0.14 319	0.11 108	0.12 237	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

qqq	0.13 277	0.09 313	0.15 316	0.16 143	0.08 127	0.13 247	0.15 220	0.23 295	0.16 187	0.15 268	0.19 273	0.16 281	0.16 363	0.15 283	0.16 359	0.07 240	0.06 308	0.08 279	0.08 338	0.07 258	0.07 280

ccc-4	0.09 82	0.07 140	0.11 150	0.16 143	0.09 239	0.11 173	0.15 220	0.16 133	0.12 88	0.10 126	0.06 13	0.06 16	0.06 36	0.11 108	0.09 54	0.05 27	0.04 21	0.06 102	0.05 108	0.05 100	0.06 200

ADStereo(finetuned)	0.10 143	0.06 57	0.12 185	0.16 143	0.06 13	0.09 81	0.17 319	0.15 107	0.19 247	0.13 220	0.17 239	0.10 155	0.12 256	0.11 108	0.12 237	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

DisPM	0.11 186	0.07 140	0.12 185	0.16 143	0.09 239	0.06 9	0.13 104	0.17 169	0.17 206	0.14 241	0.20 285	0.12 193	0.10 200	0.11 108	0.10 123	0.06 114	0.04 21	0.07 195	0.06 186	0.06 192	0.11 441

IGEV-Stereo	0.09 82	0.07 140	0.11 150	0.16 143	0.09 239	0.11 173	0.15 220	0.16 133	0.12 88	0.09 93	0.06 13	0.06 16	0.06 36	0.11 108	0.09 54	0.05 27	0.04 21	0.06 102	0.05 108	0.05 100	0.06 200
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CSP-Net	0.16 378	0.09 313	0.14 265	0.16 143	0.09 239	0.19 398	0.17 319	0.25 333	0.32 414	0.25 445	0.30 423	0.24 392	0.15 337	0.21 427	0.18 392	0.09 360	0.06 308	0.07 195	0.07 273	0.08 321	0.07 280

dad	0.17 398	0.20 503	0.20 424	0.16 143	0.11 390	0.20 413	0.18 364	0.21 253	0.28 383	0.30 483	0.24 337	0.29 441	0.13 294	0.19 385	0.16 359	0.18 517	0.09 435	0.11 439	0.09 384	0.11 438	0.07 280

ADLNet2	0.16 378	0.09 313	0.13 230	0.16 143	0.09 239	0.20 413	0.16 285	0.31 426	0.39 463	0.16 296	0.20 285	0.20 341	0.18 400	0.21 427	0.22 440	0.08 301	0.06 308	0.07 195	0.07 273	0.09 383	0.07 280

PFNet+	0.11 186	0.06 57	0.13 230	0.16 143	0.09 239	0.05 4	0.12 63	0.17 169	0.21 285	0.16 296	0.19 273	0.14 238	0.10 200	0.11 108	0.11 188	0.08 301	0.05 183	0.09 360	0.08 338	0.06 192	0.11 441

ASMatch	0.11 186	0.06 57	0.13 230	0.16 143	0.10 341	0.07 29	0.14 152	0.17 169	0.17 206	0.12 193	0.16 218	0.16 281	0.10 200	0.13 235	0.10 123	0.05 27	0.04 21	0.06 102	0.05 108	0.04 15	0.08 344

RAFT-RH_RVC	0.11 186	0.06 57	0.14 265	0.16 143	0.09 239	0.12 208	0.12 63	0.17 169	0.12 88	0.13 220	0.41 495	0.11 176	0.10 200	0.13 235	0.12 237	0.05 27	0.04 21	0.08 279	0.05 108	0.04 15	0.06 200

RAFT-345	0.11 186	0.07 140	0.15 316	0.16 143	0.08 127	0.08 52	0.12 63	0.15 107	0.10 36	0.11 155	0.36 458	0.09 124	0.09 168	0.11 108	0.12 237	0.05 27	0.05 183	0.07 195	0.06 186	0.04 15	0.05 121

raft+_RVC	0.11 186	0.07 140	0.09 72	0.16 143	0.07 71	0.10 128	0.11 46	0.24 317	0.20 270	0.12 193	0.15 206	0.12 193	0.08 142	0.12 190	0.13 278	0.07 240	0.04 21	0.07 195	0.06 186	0.05 100	0.05 121

CFNet_pseudo	0.14 311	0.08 237	0.15 316	0.16 143	0.09 239	0.13 247	0.14 152	0.27 372	0.34 433	0.14 241	0.21 306	0.22 368	0.13 294	0.18 370	0.14 315	0.07 240	0.05 183	0.08 279	0.06 186	0.07 258	0.07 280

RALCasStereoNet	0.10 143	0.06 57	0.09 72	0.16 143	0.08 127	0.12 208	0.14 152	0.17 169	0.11 62	0.12 193	0.17 239	0.14 238	0.10 200	0.12 190	0.11 188	0.07 240	0.06 308	0.06 102	0.05 108	0.08 321	0.07 280

ADLNet	0.16 378	0.08 237	0.15 316	0.16 143	0.10 341	0.16 335	0.17 319	0.32 437	0.27 369	0.22 411	0.27 391	0.24 392	0.16 363	0.18 370	0.21 431	0.10 401	0.06 308	0.10 408	0.10 423	0.08 321	0.09 388

DCANet	0.10 143	0.06 57	0.12 185	0.16 143	0.06 13	0.09 81	0.17 319	0.15 107	0.19 247	0.13 220	0.17 239	0.10 155	0.11 225	0.11 108	0.12 237	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

test_xeample3	0.09 82	0.06 57	0.12 185	0.16 143	0.09 239	0.11 173	0.15 220	0.16 133	0.13 119	0.10 126	0.06 13	0.08 99	0.06 36	0.10 62	0.09 54	0.05 27	0.04 21	0.06 102	0.05 108	0.05 100	0.06 200

CFNet-RSSM	0.09 82	0.07 140	0.09 72	0.16 143	0.07 71	0.09 81	0.15 220	0.16 133	0.17 206	0.08 63	0.12 161	0.10 155	0.09 168	0.11 108	0.09 54	0.06 114	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

Gwc-CoAtRS	0.09 82	0.06 57	0.10 109	0.16 143	0.07 71	0.10 128	0.14 152	0.17 169	0.17 206	0.08 63	0.10 118	0.12 193	0.09 168	0.12 190	0.09 54	0.06 114	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

FENet	0.13 277	0.08 237	0.12 185	0.16 143	0.08 127	0.14 279	0.15 220	0.22 275	0.23 309	0.17 312	0.23 325	0.16 281	0.12 256	0.14 261	0.15 343	0.08 301	0.05 183	0.08 279	0.08 338	0.07 258	0.07 280

cf-r	0.13 277	0.07 140	0.12 185	0.16 143	0.08 127	0.14 279	0.19 403	0.20 230	0.25 346	0.17 312	0.25 366	0.21 350	0.16 363	0.14 261	0.14 315	0.10 401	0.05 183	0.06 102	0.08 338	0.06 192	0.06 200

DSFCA	0.16 378	0.09 313	0.14 265	0.16 143	0.10 341	0.20 413	0.19 403	0.28 391	0.31 407	0.23 423	0.24 337	0.22 368	0.15 337	0.19 385	0.20 411	0.10 401	0.07 380	0.09 360	0.09 384	0.08 321	0.08 344

SuperB	0.20 436	0.10 371	0.56 530	0.16 143	0.09 239	0.18 375	0.18 364	0.24 317	0.50 507	0.26 450	0.39 478	0.17 301	0.21 432	0.22 440	0.21 431	0.08 301	0.06 308	0.06 102	0.06 186	0.12 453	0.10 415

RASNet	0.14 311	0.07 140	0.14 265	0.16 143	0.08 127	0.18 375	0.14 152	0.29 402	0.20 270	0.17 312	0.25 366	0.21 350	0.18 400	0.20 410	0.19 405	0.07 240	0.06 308	0.06 102	0.08 338	0.06 192	0.06 200

ccs_rob	0.14 311	0.08 237	0.15 316	0.16 143	0.09 239	0.12 208	0.14 152	0.27 372	0.34 433	0.14 241	0.21 306	0.22 368	0.13 294	0.18 370	0.14 315	0.07 240	0.05 183	0.08 279	0.07 273	0.07 258	0.07 280

SGM-ForestM	0.32 518	0.12 415	0.16 350	0.16 143	0.11 390	0.39 525	0.19 403	0.41 515	0.50 507	0.52 533	0.54 520	1.32 563	0.42 532	0.40 531	0.27 493	0.14 491	0.16 512	0.16 503	0.16 506	0.12 453	0.12 454

iResNetv2_ROB	0.14 311	0.08 237	0.15 316	0.16 143	0.08 127	0.16 335	0.12 63	0.25 333	0.35 442	0.21 395	0.29 417	0.24 392	0.13 294	0.14 261	0.14 315	0.06 114	0.05 183	0.06 102	0.04 34	0.09 383	0.08 344

HSM	0.15 355	0.08 237	0.14 265	0.16 143	0.09 239	0.16 335	0.14 152	0.28 391	0.25 346	0.19 358	0.23 325	0.37 492	0.16 363	0.20 410	0.15 343	0.07 240	0.05 183	0.07 195	0.06 186	0.07 258	0.06 200

CBMV_ROB	0.19 424	0.13 444	0.17 378	0.16 143	0.11 390	0.15 305	0.13 104	0.26 351	0.28 383	0.27 456	0.30 423	0.27 423	0.24 455	0.23 451	0.16 359	0.15 495	0.17 517	0.22 523	0.20 519	0.10 415	0.11 441

NOSS_ROB	0.19 424	0.12 415	0.18 401	0.16 143	0.12 421	0.15 305	0.12 63	0.30 416	0.32 414	0.20 381	0.22 316	0.27 423	0.23 449	0.21 427	0.16 359	0.16 511	0.18 519	0.23 524	0.21 521	0.12 453	0.13 473

MSAF-DinoV2	0.22 457	0.11 397	0.23 447	0.17 217	0.10 341	0.27 486	0.16 285	0.37 493	0.55 517	0.21 395	0.27 391	0.47 525	0.27 478	0.35 510	0.39 532	0.09 360	0.06 308	0.07 195	0.09 384	0.12 453	0.10 415

3w_stereo	0.08 44	0.09 313	0.10 109	0.17 217	0.07 71	0.08 52	0.10 27	0.20 230	0.13 119	0.06 9	0.07 38	0.05 1	0.06 36	0.08 15	0.09 54	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

111111	0.07 4	0.04 1	0.09 72	0.17 217	0.06 13	0.05 4	0.10 27	0.11 29	0.09 23	0.06 9	0.06 13	0.07 62	0.05 11	0.09 33	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.07 258	0.06 200

MLG-Stereo_test1	0.06 1	0.05 18	0.08 30	0.17 217	0.05 1	0.06 9	0.11 46	0.08 4	0.03 1	0.05 1	0.04 1	0.06 16	0.05 11	0.09 33	0.09 54	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo	0.07 4	0.05 18	0.08 30	0.17 217	0.05 1	0.07 29	0.11 46	0.08 4	0.04 2	0.05 1	0.04 1	0.06 16	0.05 11	0.10 62	0.09 54	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

DFGA-Net	0.13 277	0.11 397	0.18 401	0.17 217	0.10 341	0.12 208	0.13 104	0.22 275	0.25 346	0.16 296	0.16 218	0.13 218	0.12 256	0.16 317	0.14 315	0.07 240	0.05 183	0.08 279	0.07 273	0.05 100	0.05 121

coex_refinement	0.14 311	0.07 140	0.12 185	0.17 217	0.10 341	0.15 305	0.15 220	0.26 351	0.29 390	0.18 342	0.20 285	0.22 368	0.17 386	0.16 317	0.18 392	0.08 301	0.05 183	0.06 102	0.06 186	0.09 383	0.08 344

G2L-Stereo	0.14 311	0.07 140	0.13 230	0.17 217	0.09 239	0.13 247	0.12 63	0.27 372	0.22 299	0.16 296	0.27 391	0.21 350	0.13 294	0.17 349	0.18 392	0.09 360	0.08 406	0.08 279	0.07 273	0.07 258	0.07 280

HART	0.08 44	0.07 140	0.09 72	0.17 217	0.07 71	0.10 128	0.16 285	0.13 60	0.11 62	0.08 63	0.10 118	0.07 62	0.05 11	0.10 62	0.08 17	0.05 27	0.04 21	0.06 102	0.04 34	0.05 100	0.04 40

ours_stereo	0.09 82	0.07 140	0.09 72	0.17 217	0.08 127	0.11 173	0.16 285	0.11 29	0.12 88	0.08 63	0.10 118	0.08 99	0.06 36	0.12 190	0.12 237	0.05 27	0.04 21	0.06 102	0.05 108	0.04 15	0.03 1

rvit_0105_6	0.14 311	0.09 313	0.18 401	0.17 217	0.10 341	0.10 128	0.16 285	0.19 219	0.26 360	0.12 193	0.18 264	0.17 301	0.12 256	0.18 370	0.12 237	0.15 495	0.11 467	0.12 458	0.10 423	0.09 383	0.06 200

rvit_0105_5	0.14 311	0.09 313	0.13 230	0.17 217	0.09 239	0.14 279	0.23 462	0.24 317	0.27 369	0.14 241	0.15 206	0.18 315	0.12 256	0.17 349	0.14 315	0.14 491	0.11 467	0.10 408	0.10 423	0.08 321	0.06 200

rvit_0105_4	0.14 311	0.09 313	0.17 378	0.17 217	0.10 341	0.12 208	0.19 403	0.23 295	0.27 369	0.14 241	0.20 285	0.17 301	0.13 294	0.17 349	0.13 278	0.15 495	0.11 467	0.11 439	0.10 423	0.09 383	0.06 200

RSM++	0.08 44	0.06 57	0.09 72	0.17 217	0.07 71	0.09 81	0.12 63	0.11 29	0.11 62	0.08 63	0.06 13	0.07 62	0.05 11	0.10 62	0.09 54	0.04 11	0.04 21	0.06 102	0.05 108	0.05 100	0.03 1

RSM	0.08 44	0.06 57	0.09 72	0.17 217	0.06 13	0.08 52	0.12 63	0.12 44	0.10 36	0.08 63	0.07 38	0.06 16	0.05 11	0.11 108	0.09 54	0.04 11	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

MyStereo07	0.10 143	0.07 140	0.10 109	0.17 217	0.09 239	0.14 279	0.18 364	0.15 107	0.15 160	0.09 93	0.06 13	0.06 16	0.07 107	0.12 190	0.09 54	0.06 114	0.05 183	0.08 279	0.07 273	0.06 192	0.06 200

MyStereo06	0.10 143	0.07 140	0.12 185	0.17 217	0.09 239	0.13 247	0.18 364	0.19 219	0.12 88	0.12 193	0.08 71	0.07 62	0.07 107	0.11 108	0.09 54	0.06 114	0.05 183	0.07 195	0.07 273	0.06 192	0.06 200

MyStereo05	0.13 277	0.07 140	0.10 109	0.17 217	0.09 239	0.13 247	0.18 364	0.27 372	0.35 442	0.17 312	0.14 189	0.15 267	0.11 225	0.15 283	0.13 278	0.06 114	0.05 183	0.07 195	0.07 273	0.06 192	0.06 200

MyStereo04	0.13 277	0.07 140	0.10 109	0.17 217	0.09 239	0.14 279	0.18 364	0.29 402	0.38 460	0.17 312	0.14 189	0.16 281	0.10 200	0.15 283	0.13 278	0.06 114	0.05 183	0.08 279	0.07 273	0.06 192	0.06 200

CoDeX	0.12 252	0.07 140	0.12 185	0.17 217	0.08 127	0.12 208	0.15 220	0.23 295	0.27 369	0.13 220	0.17 239	0.16 281	0.11 225	0.14 261	0.11 188	0.07 240	0.05 183	0.07 195	0.06 186	0.06 192	0.05 121

ACVNet-DCA	0.10 143	0.08 237	0.12 185	0.17 217	0.09 239	0.13 247	0.15 220	0.23 295	0.16 187	0.09 93	0.09 89	0.06 16	0.06 36	0.10 62	0.07 1	0.06 114	0.04 21	0.06 102	0.05 108	0.07 258	0.07 280

xx1	0.11 186	0.08 237	0.12 185	0.17 217	0.09 239	0.13 247	0.15 220	0.16 133	0.18 232	0.09 93	0.09 89	0.16 281	0.16 363	0.10 62	0.07 1	0.06 114	0.04 21	0.08 279	0.08 338	0.07 258	0.07 280

1test111	0.11 186	0.08 237	0.12 185	0.17 217	0.09 239	0.13 247	0.15 220	0.23 295	0.16 187	0.09 93	0.09 89	0.06 16	0.06 36	0.15 283	0.16 359	0.06 114	0.04 21	0.06 102	0.05 108	0.07 258	0.07 280

cc1	0.10 143	0.08 237	0.12 185	0.17 217	0.09 239	0.13 247	0.15 220	0.16 133	0.18 232	0.09 93	0.09 89	0.06 16	0.06 36	0.10 62	0.07 1	0.06 114	0.04 21	0.06 102	0.05 108	0.06 192	0.06 200

mmm	0.14 311	0.08 237	0.17 378	0.17 217	0.09 239	0.17 356	0.18 364	0.21 253	0.15 160	0.15 268	0.23 325	0.21 350	0.16 363	0.16 317	0.17 374	0.08 301	0.05 183	0.08 279	0.07 273	0.07 258	0.07 280

tt1	0.10 143	0.08 237	0.12 185	0.17 217	0.09 239	0.12 208	0.16 285	0.15 107	0.19 247	0.09 93	0.08 71	0.06 16	0.06 36	0.10 62	0.07 1	0.06 114	0.04 21	0.06 102	0.05 108	0.06 192	0.06 200

MaDis-Stereo	0.09 82	0.09 313	0.08 30	0.17 217	0.09 239	0.13 247	0.10 27	0.16 133	0.16 187	0.09 93	0.11 148	0.06 16	0.06 36	0.09 33	0.13 278	0.07 240	0.06 308	0.07 195	0.05 108	0.05 100	0.04 40

PCWNet_CMD	0.14 311	0.08 237	0.15 316	0.17 217	0.09 239	0.14 279	0.14 152	0.29 402	0.36 446	0.14 241	0.20 285	0.21 350	0.12 256	0.17 349	0.13 278	0.07 240	0.05 183	0.07 195	0.07 273	0.07 258	0.07 280

HH	0.09 82	0.06 57	0.13 230	0.17 217	0.08 127	0.10 128	0.16 285	0.14 76	0.10 36	0.08 63	0.09 89	0.08 99	0.07 107	0.10 62	0.09 54	0.06 114	0.04 21	0.06 102	0.05 108	0.05 100	0.04 40

HanStereo	0.09 82	0.06 57	0.13 230	0.17 217	0.08 127	0.10 128	0.16 285	0.14 76	0.10 36	0.08 63	0.09 89	0.08 99	0.07 107	0.10 62	0.09 54	0.06 114	0.04 21	0.06 102	0.05 108	0.05 100	0.04 40

CAS	0.08 44	0.04 1	0.07 6	0.17 217	0.08 127	0.10 128	0.13 104	0.12 44	0.09 23	0.09 93	0.10 118	0.08 99	0.06 36	0.09 33	0.08 17	0.08 301	0.04 21	0.05 23	0.03 1	0.05 100	0.04 40

CBFPSM	0.14 311	0.06 57	0.26 459	0.17 217	0.09 239	0.13 247	0.15 220	0.22 275	0.23 309	0.20 381	0.27 391	0.24 392	0.16 363	0.16 317	0.18 392	0.06 114	0.06 308	0.06 102	0.07 273	0.07 258	0.07 280

Selective-IGEV	0.07 4	0.06 57	0.08 30	0.17 217	0.06 13	0.08 52	0.12 63	0.13 60	0.07 8	0.08 63	0.07 38	0.06 16	0.04 1	0.10 62	0.09 54	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

ToySt	0.17 398	0.11 397	0.18 401	0.17 217	0.11 390	0.16 335	0.25 489	0.24 317	0.33 421	0.19 358	0.24 337	0.26 415	0.24 455	0.19 385	0.20 411	0.07 240	0.08 406	0.09 360	0.10 423	0.09 383	0.08 344

ProNet	0.09 82	0.07 140	0.10 109	0.17 217	0.08 127	0.10 128	0.15 220	0.15 107	0.12 88	0.09 93	0.06 13	0.07 62	0.06 36	0.11 108	0.09 54	0.05 27	0.04 21	0.06 102	0.05 108	0.04 15	0.06 200

ssnet_v2	0.17 398	0.10 371	0.17 378	0.17 217	0.11 390	0.21 430	0.21 441	0.33 456	0.25 346	0.22 411	0.22 316	0.27 423	0.18 400	0.22 440	0.20 411	0.11 430	0.09 435	0.09 360	0.09 384	0.08 321	0.08 344

MC-Stereo	0.08 44	0.06 57	0.09 72	0.17 217	0.06 13	0.10 128	0.14 152	0.12 44	0.10 36	0.09 93	0.12 161	0.09 124	0.06 36	0.11 108	0.10 123	0.06 114	0.04 21	0.06 102	0.05 108	0.04 15	0.04 40

IER	0.14 311	0.07 140	0.13 230	0.17 217	0.09 239	0.14 279	0.16 285	0.25 333	0.26 360	0.18 342	0.25 366	0.17 301	0.20 428	0.16 317	0.14 315	0.08 301	0.05 183	0.07 195	0.06 186	0.08 321	0.07 280

CRFU-Net	0.16 378	0.08 237	0.14 265	0.17 217	0.09 239	0.19 398	0.14 152	0.26 351	0.20 270	0.28 471	0.27 391	0.29 441	0.17 386	0.19 385	0.17 374	0.09 360	0.09 435	0.07 195	0.07 273	0.08 321	0.08 344

NINENet	0.16 378	0.10 371	0.15 316	0.17 217	0.11 390	0.19 398	0.14 152	0.40 509	0.36 446	0.18 342	0.21 306	0.16 281	0.13 294	0.15 283	0.13 278	0.08 301	0.08 406	0.10 408	0.07 273	0.10 415	0.09 388

psmg	0.14 311	0.09 313	0.14 265	0.17 217	0.10 341	0.15 305	0.17 319	0.29 402	0.19 247	0.17 312	0.21 306	0.25 406	0.16 363	0.15 283	0.14 315	0.08 301	0.06 308	0.08 279	0.08 338	0.07 258	0.06 200

CIPLG	0.11 186	0.08 237	0.14 265	0.17 217	0.08 127	0.12 208	0.15 220	0.17 169	0.15 160	0.14 241	0.11 148	0.16 281	0.09 168	0.16 317	0.11 188	0.07 240	0.05 183	0.06 102	0.05 108	0.05 100	0.06 200

UDGNet	0.14 311	0.13 444	0.16 350	0.17 217	0.10 341	0.12 208	0.16 285	0.21 253	0.27 369	0.20 381	0.20 285	0.16 281	0.13 294	0.16 317	0.13 278	0.10 401	0.06 308	0.09 360	0.07 273	0.06 192	0.07 280

GLC_STEREO	0.11 186	0.07 140	0.11 150	0.17 217	0.07 71	0.09 81	0.13 104	0.15 107	0.24 325	0.12 193	0.13 175	0.12 193	0.08 142	0.18 370	0.11 188	0.06 114	0.08 406	0.08 279	0.06 186	0.05 100	0.05 121

IPLG	0.10 143	0.07 140	0.15 316	0.17 217	0.08 127	0.11 173	0.14 152	0.20 230	0.15 160	0.12 193	0.17 239	0.07 62	0.07 107	0.14 261	0.13 278	0.06 114	0.04 21	0.06 102	0.05 108	0.04 15	0.04 40

IPLGR_C	0.11 186	0.08 237	0.14 265	0.17 217	0.08 127	0.12 208	0.15 220	0.17 169	0.15 160	0.14 241	0.10 118	0.16 281	0.09 168	0.16 317	0.11 188	0.07 240	0.05 183	0.06 102	0.05 108	0.05 100	0.06 200

MIPNet	0.11 186	0.08 237	0.14 265	0.17 217	0.09 239	0.12 208	0.14 152	0.20 230	0.24 325	0.11 155	0.10 118	0.09 124	0.07 107	0.13 235	0.12 237	0.06 114	0.04 21	0.06 102	0.05 108	0.04 15	0.04 40

test-3	0.08 44	0.06 57	0.09 72	0.17 217	0.07 71	0.07 29	0.14 152	0.12 44	0.15 160	0.09 93	0.08 71	0.07 62	0.08 142	0.11 108	0.10 123	0.05 27	0.04 21	0.07 195	0.05 108	0.04 15	0.04 40

test_1	0.08 44	0.06 57	0.09 72	0.17 217	0.07 71	0.07 29	0.14 152	0.12 44	0.15 160	0.09 93	0.08 71	0.07 62	0.08 142	0.11 108	0.10 123	0.05 27	0.04 21	0.07 195	0.05 108	0.04 15	0.04 40

ACRE	0.11 186	0.08 237	0.14 265	0.17 217	0.08 127	0.12 208	0.15 220	0.17 169	0.14 143	0.14 241	0.10 118	0.16 281	0.09 168	0.16 317	0.11 188	0.07 240	0.05 183	0.06 102	0.05 108	0.05 100	0.06 200

SACVNet	0.18 412	0.12 415	0.14 265	0.17 217	0.13 444	0.22 438	0.18 364	0.31 426	0.30 400	0.23 423	0.31 431	0.30 450	0.22 441	0.22 440	0.17 374	0.11 430	0.08 406	0.10 408	0.10 423	0.12 453	0.14 490

GANet-ADL	0.13 277	0.07 140	0.15 316	0.17 217	0.10 341	0.18 375	0.15 220	0.30 416	0.20 270	0.13 220	0.18 264	0.19 329	0.12 256	0.16 317	0.13 278	0.08 301	0.06 308	0.06 102	0.05 108	0.07 258	0.08 344

IIG-Stereo	0.11 186	0.06 57	0.13 230	0.17 217	0.08 127	0.11 173	0.12 63	0.22 275	0.17 206	0.14 241	0.17 239	0.11 176	0.12 256	0.12 190	0.12 237	0.06 114	0.05 183	0.07 195	0.06 186	0.05 100	0.04 40

NF-Stereo	0.11 186	0.07 140	0.13 230	0.17 217	0.09 239	0.10 128	0.14 152	0.23 295	0.19 247	0.12 193	0.17 239	0.12 193	0.11 225	0.11 108	0.11 188	0.06 114	0.04 21	0.07 195	0.06 186	0.06 192	0.12 454

OCTAStereo	0.11 186	0.07 140	0.13 230	0.17 217	0.09 239	0.10 128	0.14 152	0.23 295	0.19 247	0.12 193	0.17 239	0.12 193	0.11 225	0.11 108	0.11 188	0.06 114	0.04 21	0.07 195	0.06 186	0.06 192	0.12 454

PSM-softLoss	0.12 252	0.07 140	0.15 316	0.17 217	0.09 239	0.08 52	0.13 104	0.24 317	0.17 206	0.14 241	0.19 273	0.13 218	0.11 225	0.11 108	0.11 188	0.07 240	0.05 183	0.08 279	0.07 273	0.06 192	0.12 454

KMStereo	0.12 252	0.07 140	0.15 316	0.17 217	0.09 239	0.08 52	0.13 104	0.24 317	0.17 206	0.14 241	0.19 273	0.13 218	0.11 225	0.11 108	0.11 188	0.07 240	0.05 183	0.08 279	0.07 273	0.06 192	0.12 454

PFNet	0.12 252	0.06 57	0.17 378	0.17 217	0.08 127	0.09 81	0.15 220	0.26 351	0.20 270	0.16 296	0.16 218	0.14 238	0.11 225	0.12 190	0.11 188	0.06 114	0.04 21	0.07 195	0.06 186	0.05 100	0.05 121

RE-Stereo	0.11 186	0.07 140	0.13 230	0.17 217	0.09 239	0.10 128	0.14 152	0.23 295	0.19 247	0.12 193	0.17 239	0.12 193	0.11 225	0.11 108	0.11 188	0.06 114	0.04 21	0.07 195	0.06 186	0.06 192	0.12 454

Pruner-Stereo	0.11 186	0.07 140	0.12 185	0.17 217	0.09 239	0.06 9	0.12 63	0.17 169	0.17 206	0.13 220	0.19 273	0.13 218	0.09 168	0.11 108	0.11 188	0.06 114	0.04 21	0.07 195	0.06 186	0.06 192	0.08 344

TVStereo	0.11 186	0.07 140	0.13 230	0.17 217	0.09 239	0.10 128	0.14 152	0.23 295	0.19 247	0.12 193	0.17 239	0.12 193	0.11 225	0.11 108	0.11 188	0.06 114	0.04 21	0.07 195	0.06 186	0.06 192	0.12 454

rafts_anoy	0.11 186	0.06 57	0.10 109	0.17 217	0.08 127	0.10 128	0.14 152	0.17 169	0.14 143	0.13 220	0.13 175	0.12 193	0.10 200	0.11 108	0.12 237	0.07 240	0.04 21	0.09 360	0.11 455	0.07 258	0.06 200

iRaftStereo_RVC	0.10 143	0.07 140	0.09 72	0.17 217	0.09 239	0.11 173	0.17 319	0.18 198	0.12 88	0.09 93	0.12 161	0.10 155	0.07 107	0.11 108	0.10 123	0.05 27	0.04 21	0.08 279	0.08 338	0.04 15	0.04 40

raftrobust	0.09 82	0.06 57	0.10 109	0.17 217	0.08 127	0.09 81	0.10 27	0.18 198	0.16 187	0.10 126	0.09 89	0.12 193	0.07 107	0.12 190	0.10 123	0.08 301	0.05 183	0.06 102	0.05 108	0.05 100	0.05 121

pcwnet_v2	0.19 424	0.10 371	0.26 459	0.17 217	0.14 464	0.18 375	0.15 220	0.37 493	0.46 496	0.19 358	0.24 337	0.21 350	0.19 416	0.20 410	0.19 405	0.13 478	0.10 455	0.10 408	0.10 423	0.11 438	0.13 473

RALAANet	0.11 186	0.08 237	0.10 109	0.17 217	0.09 239	0.14 279	0.10 27	0.20 230	0.15 160	0.14 241	0.13 175	0.16 281	0.09 168	0.12 190	0.11 188	0.06 114	0.05 183	0.07 195	0.06 186	0.05 100	0.04 40

XX-Stereo	0.09 82	0.05 18	0.08 30	0.17 217	0.09 239	0.15 305	0.12 63	0.20 230	0.10 36	0.10 126	0.14 189	0.07 62	0.06 36	0.12 190	0.08 17	0.06 114	0.05 183	0.06 102	0.06 186	0.04 15	0.04 40

RAFT-Stereo + iAFF	0.09 82	0.06 57	0.10 109	0.17 217	0.06 13	0.10 128	0.16 285	0.17 169	0.14 143	0.09 93	0.10 118	0.08 99	0.09 168	0.11 108	0.09 54	0.05 27	0.04 21	0.06 102	0.06 186	0.04 15	0.03 1

AFF-stereo	0.09 82	0.06 57	0.10 109	0.17 217	0.07 71	0.10 128	0.16 285	0.17 169	0.09 23	0.10 126	0.12 161	0.09 124	0.09 168	0.12 190	0.09 54	0.05 27	0.04 21	0.07 195	0.07 273	0.04 15	0.03 1

SFCPSM	0.13 277	0.07 140	0.14 265	0.17 217	0.09 239	0.15 305	0.16 285	0.28 391	0.27 369	0.14 241	0.17 239	0.12 193	0.13 294	0.14 261	0.11 188	0.08 301	0.05 183	0.07 195	0.07 273	0.07 258	0.06 200

psmorigin	0.25 491	0.15 466	0.34 498	0.17 217	0.13 444	0.23 451	0.14 152	0.34 465	0.33 421	0.41 519	0.55 522	0.41 510	0.37 518	0.34 504	0.27 493	0.11 430	0.15 509	0.11 439	0.11 455	0.12 453	0.16 508

aanetorigin	0.22 457	0.17 485	0.56 530	0.17 217	0.10 341	0.15 305	0.19 403	0.20 230	0.33 421	0.49 531	0.48 511	0.29 441	0.27 478	0.20 410	0.23 452	0.08 301	0.07 380	0.08 279	0.07 273	0.10 415	0.09 388

HGLStereo	0.17 398	0.08 237	0.19 412	0.17 217	0.12 421	0.18 375	0.18 364	0.31 426	0.32 414	0.21 395	0.32 435	0.25 406	0.18 400	0.19 385	0.20 411	0.09 360	0.09 435	0.07 195	0.07 273	0.09 383	0.10 415

DIP-Stereo	0.11 186	0.07 140	0.14 265	0.17 217	0.09 239	0.13 247	0.09 18	0.16 133	0.16 187	0.11 155	0.16 218	0.14 238	0.12 256	0.15 283	0.13 278	0.06 114	0.05 183	0.06 102	0.05 108	0.05 100	0.06 200
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
R-Stereo Train	0.10 143	0.06 57	0.10 109	0.17 217	0.08 127	0.11 173	0.14 152	0.23 295	0.11 62	0.12 193	0.19 273	0.11 176	0.08 142	0.09 33	0.11 188	0.07 240	0.05 183	0.06 102	0.05 108	0.05 100	0.05 121

RAFT-Stereo	0.10 143	0.06 57	0.10 109	0.17 217	0.08 127	0.11 173	0.14 152	0.23 295	0.11 62	0.12 193	0.19 273	0.11 176	0.08 142	0.09 33	0.11 188	0.07 240	0.05 183	0.06 102	0.05 108	0.05 100	0.05 121
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	0.14 311	0.08 237	0.15 316	0.17 217	0.09 239	0.14 279	0.14 152	0.29 402	0.36 446	0.14 241	0.21 306	0.21 350	0.12 256	0.17 349	0.14 315	0.07 240	0.05 183	0.07 195	0.07 273	0.07 258	0.07 280

CFNet	0.15 355	0.10 371	0.17 378	0.17 217	0.08 127	0.18 375	0.09 18	0.28 391	0.25 346	0.19 358	0.24 337	0.24 392	0.17 386	0.17 349	0.14 315	0.08 301	0.06 308	0.09 360	0.10 423	0.07 258	0.06 200

NVstereo2D	0.19 424	0.10 371	0.15 316	0.17 217	0.15 482	0.28 493	0.23 462	0.44 526	0.42 479	0.15 268	0.27 391	0.25 406	0.19 416	0.22 440	0.17 374	0.09 360	0.06 308	0.10 408	0.08 338	0.15 499	0.09 388

DeepPruner_ROB	0.16 378	0.11 397	0.15 316	0.17 217	0.10 341	0.17 356	0.15 220	0.32 437	0.21 285	0.19 358	0.21 306	0.22 368	0.18 400	0.20 410	0.15 343	0.13 478	0.09 435	0.09 360	0.09 384	0.11 438	0.10 415

DISCO	0.19 424	0.09 313	0.22 438	0.17 217	0.10 341	0.25 467	0.18 364	0.27 372	0.44 489	0.22 411	0.31 431	0.33 475	0.26 470	0.28 481	0.28 500	0.08 301	0.06 308	0.07 195	0.07 273	0.09 383	0.09 388

WCMA_ROB	0.24 480	0.11 397	0.22 438	0.17 217	0.14 464	0.32 502	0.15 220	0.32 437	0.32 414	0.38 510	0.53 518	0.40 508	0.34 512	0.34 504	0.25 474	0.11 430	0.12 481	0.12 458	0.10 423	0.14 484	0.14 490

AdaDepth	0.07 4	0.06 57	0.07 6	0.18 299	0.06 13	0.11 173	0.12 63	0.09 11	0.07 8	0.06 9	0.05 7	0.07 62	0.06 36	0.09 33	0.10 123	0.04 11	0.05 183	0.05 23	0.04 34	0.04 15	0.04 40

LG-Stereo	0.08 44	0.07 140	0.10 109	0.18 299	0.07 71	0.10 128	0.17 319	0.11 29	0.08 12	0.05 1	0.07 38	0.05 1	0.07 107	0.09 33	0.09 54	0.04 11	0.05 183	0.07 195	0.07 273	0.04 15	0.04 40

MM-Stereo_test3	0.10 143	0.07 140	0.07 6	0.18 299	0.07 71	0.12 208	0.19 403	0.24 317	0.19 247	0.06 9	0.10 118	0.08 99	0.06 36	0.11 108	0.08 17	0.06 114	0.06 308	0.07 195	0.05 108	0.05 100	0.04 40

MM-Stereo_test1	0.10 143	0.07 140	0.08 30	0.18 299	0.07 71	0.12 208	0.18 364	0.21 253	0.20 270	0.09 93	0.11 148	0.08 99	0.06 36	0.10 62	0.10 123	0.06 114	0.05 183	0.07 195	0.06 186	0.05 100	0.04 40

tg	0.10 143	0.06 57	0.10 109	0.18 299	0.08 127	0.11 173	0.16 285	0.20 230	0.12 88	0.08 63	0.11 148	0.11 176	0.07 107	0.11 108	0.10 123	0.05 27	0.04 21	0.08 279	0.08 338	0.04 15	0.04 40

rvit_stereo_0081_aga	0.11 186	0.09 313	0.14 265	0.18 299	0.09 239	0.13 247	0.14 152	0.14 76	0.19 247	0.10 126	0.18 264	0.16 281	0.09 168	0.12 190	0.09 54	0.10 401	0.06 308	0.08 279	0.07 273	0.07 258	0.06 200

ACV-stereo	0.15 355	0.10 371	0.28 471	0.18 299	0.12 421	0.14 279	0.12 63	0.23 295	0.21 285	0.19 358	0.23 325	0.22 368	0.15 337	0.23 451	0.17 374	0.07 240	0.06 308	0.07 195	0.07 273	0.07 258	0.07 280

IGEV-Stereo++	0.07 4	0.06 57	0.08 30	0.18 299	0.06 13	0.04 1	0.10 27	0.11 29	0.11 62	0.06 9	0.07 38	0.07 62	0.06 36	0.09 33	0.09 54	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

AIO-Stereo	0.08 44	0.06 57	0.09 72	0.18 299	0.06 13	0.08 52	0.12 63	0.15 107	0.09 23	0.08 63	0.08 71	0.07 62	0.05 11	0.11 108	0.08 17	0.05 27	0.05 183	0.05 23	0.04 34	0.04 15	0.04 40

H2IRNET	0.10 143	0.09 313	0.09 72	0.18 299	0.09 239	0.12 208	0.15 220	0.14 76	0.21 285	0.10 126	0.10 118	0.10 155	0.10 200	0.10 62	0.10 123	0.05 27	0.04 21	0.08 279	0.08 338	0.06 192	0.05 121

IGEV++	0.08 44	0.06 57	0.08 30	0.18 299	0.07 71	0.09 81	0.13 104	0.10 18	0.09 23	0.08 63	0.08 71	0.06 16	0.06 36	0.13 235	0.09 54	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

AE-Stereo	0.10 143	0.08 237	0.10 109	0.18 299	0.09 239	0.10 128	0.15 220	0.14 76	0.19 247	0.09 93	0.14 189	0.12 193	0.08 142	0.11 108	0.10 123	0.05 27	0.06 308	0.07 195	0.06 186	0.05 100	0.04 40

1111x	0.15 355	0.08 237	0.12 185	0.18 299	0.07 71	0.18 375	0.25 489	0.31 426	0.24 325	0.17 312	0.24 337	0.26 415	0.15 337	0.13 235	0.23 452	0.07 240	0.07 380	0.08 279	0.09 384	0.07 258	0.06 200

UniTT-Stereo	0.09 82	0.07 140	0.08 30	0.18 299	0.08 127	0.13 247	0.11 46	0.12 44	0.11 62	0.10 126	0.12 161	0.05 1	0.07 107	0.09 33	0.09 54	0.07 240	0.05 183	0.05 23	0.05 108	0.05 100	0.05 121

GCAP-Stereo	0.09 82	0.07 140	0.13 230	0.18 299	0.06 13	0.11 173	0.07 3	0.13 60	0.12 88	0.09 93	0.10 118	0.07 62	0.09 168	0.13 235	0.10 123	0.06 114	0.05 183	0.05 23	0.04 34	0.04 15	0.05 121

LL-Strereo2	0.10 143	0.10 371	0.15 316	0.18 299	0.08 127	0.15 305	0.09 18	0.17 169	0.14 143	0.14 241	0.10 118	0.09 124	0.07 107	0.16 317	0.10 123	0.05 27	0.05 183	0.10 408	0.07 273	0.06 192	0.05 121

4D-IteraStereo	0.09 82	0.07 140	0.10 109	0.18 299	0.07 71	0.09 81	0.15 220	0.17 169	0.15 160	0.10 126	0.11 148	0.10 155	0.07 107	0.11 108	0.09 54	0.05 27	0.03 1	0.08 279	0.07 273	0.06 192	0.05 121

coex-ft	3.30 572	0.34 536	59.09 594	0.18 299	0.13 444	0.26 476	0.22 451	0.27 372	0.72 544	1.90 574	0.70 541	0.44 516	0.45 535	0.29 487	0.41 538	0.09 360	0.09 435	0.12 458	0.09 384	0.14 484	0.13 473

gwcnet-sp	0.14 311	0.07 140	0.12 185	0.18 299	0.09 239	0.16 335	0.17 319	0.24 317	0.24 325	0.18 342	0.24 337	0.15 267	0.16 363	0.15 283	0.15 343	0.08 301	0.06 308	0.07 195	0.08 338	0.08 321	0.07 280

scenet	0.14 311	0.07 140	0.12 185	0.18 299	0.09 239	0.16 335	0.17 319	0.24 317	0.24 325	0.18 342	0.24 337	0.15 267	0.16 363	0.15 283	0.15 343	0.08 301	0.06 308	0.07 195	0.08 338	0.08 321	0.07 280

anonymousa	0.13 277	0.07 140	0.13 230	0.18 299	0.09 239	0.13 247	0.17 319	0.19 219	0.29 390	0.15 268	0.24 337	0.15 267	0.14 319	0.14 261	0.14 315	0.07 240	0.05 183	0.07 195	0.09 384	0.05 100	0.06 200

ssnet	0.14 311	0.07 140	0.12 185	0.18 299	0.09 239	0.16 335	0.17 319	0.24 317	0.24 325	0.18 342	0.24 337	0.15 267	0.16 363	0.15 283	0.15 343	0.08 301	0.06 308	0.07 195	0.08 338	0.08 321	0.07 280

raft_robust	0.13 277	0.10 371	0.07 6	0.18 299	0.08 127	0.13 247	0.24 474	0.28 391	0.33 421	0.20 381	0.19 273	0.14 238	0.10 200	0.11 108	0.12 237	0.05 27	0.05 183	0.07 195	0.07 273	0.05 100	0.04 40

Sa-1000	0.12 252	0.08 237	0.08 30	0.18 299	0.08 127	0.14 279	0.22 451	0.22 275	0.18 232	0.15 268	0.20 285	0.17 301	0.11 225	0.10 62	0.10 123	0.06 114	0.05 183	0.09 360	0.09 384	0.05 100	0.05 121

SA	0.12 252	0.09 313	0.08 30	0.18 299	0.08 127	0.12 208	0.24 474	0.23 295	0.18 232	0.17 312	0.27 391	0.14 238	0.11 225	0.11 108	0.11 188	0.05 27	0.05 183	0.09 360	0.08 338	0.05 100	0.04 40

IPLGR	0.11 186	0.09 313	0.16 350	0.18 299	0.08 127	0.12 208	0.17 319	0.21 253	0.24 325	0.11 155	0.12 161	0.11 176	0.08 142	0.12 190	0.12 237	0.06 114	0.05 183	0.06 102	0.06 186	0.04 15	0.04 40

Patchmatch Stereo++	0.11 186	0.09 313	0.16 350	0.18 299	0.08 127	0.06 9	0.11 46	0.16 133	0.13 119	0.15 268	0.16 218	0.14 238	0.12 256	0.11 108	0.10 123	0.06 114	0.04 21	0.08 279	0.06 186	0.08 321	0.07 280
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
STrans-v2	0.10 143	0.07 140	0.12 185	0.18 299	0.07 71	0.10 128	0.14 152	0.21 253	0.11 62	0.11 155	0.15 206	0.12 193	0.10 200	0.11 108	0.12 237	0.05 27	0.04 21	0.06 102	0.06 186	0.04 15	0.04 40

TransformOpticalFlow	0.10 143	0.08 237	0.13 230	0.18 299	0.07 71	0.09 81	0.15 220	0.19 219	0.15 160	0.12 193	0.17 239	0.11 176	0.11 225	0.11 108	0.10 123	0.05 27	0.04 21	0.06 102	0.06 186	0.05 100	0.05 121

OMP-Stereo	0.11 186	0.06 57	0.14 265	0.18 299	0.08 127	0.09 81	0.12 63	0.21 253	0.21 285	0.13 220	0.14 189	0.11 176	0.12 256	0.11 108	0.13 278	0.06 114	0.04 21	0.07 195	0.06 186	0.05 100	0.04 40

NRIStereo	0.11 186	0.08 237	0.14 265	0.18 299	0.08 127	0.10 128	0.14 152	0.16 133	0.15 160	0.12 193	0.14 189	0.13 218	0.12 256	0.13 235	0.10 123	0.06 114	0.04 21	0.07 195	0.06 186	0.06 192	0.07 280

PSM-adaLoss	0.11 186	0.09 313	0.16 350	0.18 299	0.08 127	0.06 9	0.12 63	0.16 133	0.13 119	0.15 268	0.16 218	0.14 238	0.12 256	0.11 108	0.10 123	0.06 114	0.04 21	0.08 279	0.06 186	0.08 321	0.07 280

FTStereo	0.12 252	0.06 57	0.14 265	0.18 299	0.09 239	0.07 29	0.15 220	0.21 253	0.18 232	0.12 193	0.24 337	0.12 193	0.12 256	0.13 235	0.13 278	0.05 27	0.05 183	0.07 195	0.06 186	0.06 192	0.10 415

HUI-Stereo	0.11 186	0.09 313	0.16 350	0.18 299	0.08 127	0.06 9	0.12 63	0.16 133	0.13 119	0.15 268	0.16 218	0.14 238	0.12 256	0.11 108	0.10 123	0.06 114	0.04 21	0.08 279	0.06 186	0.08 321	0.07 280

SST-Stereo	0.10 143	0.07 140	0.15 316	0.18 299	0.09 239	0.06 9	0.12 63	0.17 169	0.11 62	0.15 268	0.17 239	0.13 218	0.12 256	0.10 62	0.11 188	0.06 114	0.04 21	0.09 360	0.06 186	0.06 192	0.05 121

RAFT_R40	0.11 186	0.07 140	0.14 265	0.18 299	0.09 239	0.06 9	0.13 104	0.17 169	0.16 187	0.14 241	0.18 264	0.15 267	0.12 256	0.10 62	0.11 188	0.06 114	0.04 21	0.09 360	0.06 186	0.06 192	0.05 121

DeepStereo_RVC	0.11 186	0.08 237	0.16 350	0.18 299	0.08 127	0.08 52	0.12 63	0.17 169	0.12 88	0.13 220	0.14 189	0.12 193	0.12 256	0.12 190	0.11 188	0.06 114	0.04 21	0.07 195	0.06 186	0.07 258	0.08 344

iRAFT	0.11 186	0.09 313	0.16 350	0.18 299	0.08 127	0.06 9	0.11 46	0.16 133	0.13 119	0.15 268	0.16 218	0.14 238	0.12 256	0.11 108	0.10 123	0.06 114	0.04 21	0.08 279	0.06 186	0.08 321	0.07 280

RAFT	0.13 277	0.09 313	0.11 150	0.18 299	0.08 127	0.15 305	0.24 474	0.20 230	0.19 247	0.21 395	0.21 306	0.17 301	0.12 256	0.16 317	0.09 54	0.06 114	0.07 380	0.10 408	0.09 384	0.05 100	0.05 121

GMM-Stereo	0.11 186	0.07 140	0.10 109	0.18 299	0.09 239	0.08 52	0.15 220	0.23 295	0.16 187	0.11 155	0.15 206	0.13 218	0.11 225	0.11 108	0.11 188	0.05 27	0.04 21	0.08 279	0.07 273	0.06 192	0.09 388

Prome-Stereo	0.11 186	0.06 57	0.10 109	0.18 299	0.08 127	0.12 208	0.15 220	0.22 275	0.13 119	0.12 193	0.17 239	0.13 218	0.08 142	0.12 190	0.10 123	0.05 27	0.04 21	0.07 195	0.06 186	0.06 192	0.09 388

GMStereo	0.13 277	0.14 456	0.14 265	0.18 299	0.09 239	0.15 305	0.16 285	0.20 230	0.24 325	0.16 296	0.17 239	0.10 155	0.10 200	0.16 317	0.13 278	0.07 240	0.06 308	0.06 102	0.06 186	0.07 258	0.06 200
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FINET	0.21 448	0.18 496	0.26 459	0.18 299	0.16 492	0.23 451	0.23 462	0.32 437	0.48 498	0.25 445	0.32 435	0.22 368	0.22 441	0.22 440	0.17 374	0.18 517	0.16 512	0.11 439	0.10 423	0.15 499	0.13 473

APVNet	0.22 457	0.12 415	0.19 412	0.18 299	0.14 464	0.32 502	0.31 532	0.39 505	0.32 414	0.27 456	0.40 484	0.30 450	0.29 495	0.26 467	0.25 474	0.11 430	0.12 481	0.11 439	0.14 487	0.12 453	0.12 454

EDNetEfficient	0.29 509	0.24 517	1.13 561	0.18 299	0.10 341	0.19 398	0.20 424	0.20 230	0.60 529	0.74 550	0.56 527	0.31 463	0.39 521	0.22 440	0.30 508	0.09 360	0.07 380	0.08 279	0.07 273	0.11 438	0.09 388

GwcNet	0.20 436	0.13 444	0.19 412	0.18 299	0.12 421	0.24 456	0.19 403	0.35 480	0.43 484	0.20 381	0.32 435	0.33 475	0.20 428	0.22 440	0.24 465	0.11 430	0.09 435	0.09 360	0.09 384	0.09 383	0.10 415

ac_64	0.16 378	0.08 237	0.15 316	0.18 299	0.10 341	0.22 438	0.18 364	0.24 317	0.21 285	0.18 342	0.24 337	0.29 441	0.18 400	0.19 385	0.22 440	0.09 360	0.07 380	0.08 279	0.09 384	0.07 258	0.06 200

FADNet	0.21 448	0.22 513	0.36 499	0.18 299	0.17 507	0.24 456	0.13 104	0.31 426	0.31 407	0.23 423	0.25 366	0.27 423	0.21 432	0.19 385	0.15 343	0.13 478	0.15 509	0.12 458	0.15 502	0.16 506	0.18 519

BEATNet_4x	0.12 252	0.08 237	0.14 265	0.18 299	0.07 71	0.15 305	0.07 3	0.22 275	0.18 232	0.16 296	0.19 273	0.18 315	0.14 319	0.16 317	0.15 343	0.07 240	0.05 183	0.05 23	0.05 108	0.06 192	0.06 200

AANet_RVC	0.16 378	0.10 371	0.10 109	0.18 299	0.09 239	0.18 375	0.19 403	0.26 351	0.31 407	0.22 411	0.35 455	0.21 350	0.21 432	0.22 440	0.16 359	0.06 114	0.05 183	0.06 102	0.06 186	0.07 258	0.06 200

AdaStereo	0.15 355	0.11 397	0.15 316	0.18 299	0.09 239	0.20 413	0.11 46	0.32 437	0.28 383	0.20 381	0.23 325	0.20 341	0.13 294	0.19 385	0.14 315	0.12 455	0.05 183	0.10 408	0.07 273	0.09 383	0.07 280
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.
MLCV	0.12 252	0.07 140	0.16 350	0.18 299	0.06 13	0.15 305	0.17 319	0.19 219	0.21 285	0.18 342	0.25 366	0.17 301	0.13 294	0.14 261	0.13 278	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

DPSNet	0.28 505	0.16 474	0.31 484	0.18 299	0.13 444	0.54 536	0.42 545	0.51 538	0.67 540	0.29 479	0.38 470	0.38 496	0.29 495	0.31 491	0.23 452	0.11 430	0.10 455	0.11 439	0.08 338	0.20 520	0.16 508

MDST_ROB	0.22 457	0.10 371	0.17 378	0.18 299	0.11 390	0.37 521	0.19 403	0.43 524	0.41 472	0.39 512	0.39 478	0.29 441	0.21 432	0.26 467	0.18 392	0.11 430	0.10 455	0.14 485	0.11 455	0.10 415	0.08 344

DN-CSS_ROB	0.13 277	0.13 444	0.16 350	0.18 299	0.10 341	0.16 335	0.08 7	0.22 275	0.18 232	0.17 312	0.22 316	0.13 218	0.13 294	0.12 190	0.13 278	0.05 27	0.05 183	0.10 408	0.10 423	0.08 321	0.06 200

PWC_ROB	0.21 448	0.16 474	0.26 459	0.18 299	0.11 390	0.22 438	0.13 104	0.32 437	0.49 504	0.30 483	0.40 484	0.32 472	0.24 455	0.31 491	0.22 440	0.10 401	0.07 380	0.11 439	0.08 338	0.11 438	0.10 415

CBMV	0.19 424	0.14 456	0.17 378	0.18 299	0.10 341	0.20 413	0.11 46	0.29 402	0.30 400	0.29 479	0.30 423	0.30 450	0.23 449	0.27 470	0.19 405	0.13 478	0.15 509	0.17 505	0.16 506	0.10 415	0.10 415
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MultiAttention	0.29 509	0.08 237	0.14 265	0.19 356	0.12 421	1.45 572	1.33 573	0.36 487	0.37 453	0.19 358	0.21 306	0.24 392	0.11 225	0.38 523	0.18 392	0.06 114	0.05 183	0.08 279	0.08 338	0.10 415	0.09 388

GASTEREO	0.08 44	0.05 18	0.09 72	0.19 356	0.07 71	0.07 29	0.12 63	0.14 76	0.11 62	0.10 126	0.09 89	0.07 62	0.04 1	0.12 190	0.08 17	0.06 114	0.05 183	0.05 23	0.04 34	0.04 15	0.05 121

MSCF	0.08 44	0.05 18	0.08 30	0.19 356	0.08 127	0.06 9	0.12 63	0.14 76	0.11 62	0.10 126	0.09 89	0.07 62	0.04 1	0.11 108	0.08 17	0.06 114	0.05 183	0.05 23	0.04 34	0.05 100	0.05 121

zh-mn7	0.25 491	0.14 456	0.56 530	0.19 356	0.14 464	0.24 456	0.22 451	0.34 465	0.62 532	0.35 502	0.65 535	0.31 463	0.25 464	0.31 491	0.25 474	0.09 360	0.08 406	0.09 360	0.09 384	0.09 383	0.11 441

z-mn7	0.24 480	0.14 456	0.45 514	0.19 356	0.13 444	0.28 493	0.25 489	0.34 465	0.62 532	0.27 456	0.56 527	0.29 441	0.24 455	0.32 498	0.25 474	0.08 301	0.08 406	0.08 279	0.08 338	0.10 415	0.10 415

z-ln-s-r	0.17 398	0.10 371	0.40 507	0.19 356	0.08 127	0.17 356	0.18 364	0.22 275	0.33 421	0.18 342	0.40 484	0.22 368	0.17 386	0.20 410	0.23 452	0.07 240	0.05 183	0.07 195	0.07 273	0.07 258	0.05 121

w-ln-seven	0.24 480	0.14 456	0.55 527	0.19 356	0.14 464	0.26 476	0.22 451	0.35 480	0.60 529	0.29 479	0.39 478	0.30 450	0.22 441	0.21 427	0.26 485	0.09 360	0.09 435	0.11 439	0.10 423	0.11 438	0.10 415

MM-Stereo_test2	0.09 82	0.06 57	0.09 72	0.19 356	0.08 127	0.12 208	0.18 364	0.15 107	0.14 143	0.07 30	0.10 118	0.07 62	0.06 36	0.12 190	0.09 54	0.05 27	0.04 21	0.06 102	0.05 108	0.05 100	0.03 1

ISRNet	0.18 412	0.08 237	0.19 412	0.19 356	0.13 444	0.15 305	0.12 63	0.30 416	0.32 414	0.21 395	0.25 366	0.27 423	0.17 386	0.17 349	0.20 411	0.20 524	0.08 406	0.14 485	0.14 487	0.14 484	0.17 516

FACV-RUCA	0.13 277	0.11 397	0.12 185	0.19 356	0.12 421	0.15 305	0.15 220	0.22 275	0.20 270	0.15 268	0.16 218	0.14 238	0.16 363	0.14 261	0.13 278	0.07 240	0.05 183	0.08 279	0.06 186	0.10 415	0.08 344

rvit_0105_3	0.15 355	0.09 313	0.14 265	0.19 356	0.12 421	0.15 305	0.25 489	0.25 333	0.29 390	0.15 268	0.17 239	0.20 341	0.13 294	0.17 349	0.14 315	0.13 478	0.11 467	0.12 458	0.14 487	0.07 258	0.06 200

ITSA-stereo	0.15 355	0.10 371	0.14 265	0.19 356	0.08 127	0.12 208	0.14 152	0.30 416	0.49 504	0.17 312	0.19 273	0.22 368	0.15 337	0.17 349	0.16 359	0.10 401	0.06 308	0.08 279	0.08 338	0.08 321	0.08 344

U	0.08 44	0.07 140	0.09 72	0.19 356	0.10 341	0.10 128	0.13 104	0.12 44	0.17 206	0.07 30	0.07 38	0.06 16	0.05 11	0.07 4	0.08 17	0.06 114	0.04 21	0.06 102	0.04 34	0.06 192	0.05 121

rvit_stereo_ft	0.12 252	0.07 140	0.13 230	0.19 356	0.10 341	0.12 208	0.17 319	0.16 133	0.16 187	0.12 193	0.13 175	0.15 267	0.10 200	0.14 261	0.13 278	0.09 360	0.06 308	0.08 279	0.07 273	0.07 258	0.05 121

DispNO	0.14 311	0.08 237	0.17 378	0.19 356	0.12 421	0.11 173	0.21 441	0.23 295	0.29 390	0.17 312	0.23 325	0.18 315	0.17 386	0.15 283	0.15 343	0.07 240	0.05 183	0.08 279	0.08 338	0.07 258	0.06 200

plain	0.10 143	0.08 237	0.10 109	0.19 356	0.09 239	0.10 128	0.15 220	0.14 76	0.13 119	0.13 220	0.15 206	0.09 124	0.12 256	0.13 235	0.12 237	0.07 240	0.05 183	0.09 360	0.06 186	0.06 192	0.06 200

MIF-Stereo (partial)	0.11 186	0.06 57	0.10 109	0.19 356	0.10 341	0.10 128	0.11 46	0.17 169	0.18 232	0.14 241	0.16 218	0.09 124	0.11 225	0.12 190	0.12 237	0.08 301	0.05 183	0.08 279	0.07 273	0.06 192	0.07 280

CASnet	0.09 82	0.09 313	0.09 72	0.19 356	0.06 13	0.07 29	0.11 46	0.18 198	0.14 143	0.11 155	0.10 118	0.09 124	0.07 107	0.10 62	0.10 123	0.06 114	0.04 21	0.10 408	0.08 338	0.05 100	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
fast-acv-ft	0.18 412	0.11 397	0.19 412	0.19 356	0.12 421	0.24 456	0.21 441	0.25 333	0.34 433	0.22 411	0.34 451	0.27 423	0.20 428	0.21 427	0.23 452	0.09 360	0.09 435	0.08 279	0.10 423	0.08 321	0.07 280

Wz-Net-TNSev	0.29 509	0.20 503	0.65 538	0.19 356	0.15 482	0.38 524	0.27 504	0.35 480	0.55 517	0.34 501	0.42 501	0.45 518	0.38 519	0.32 498	0.30 508	0.12 455	0.13 494	0.10 408	0.12 474	0.15 499	0.14 490

TestStereo1	0.13 277	0.08 237	0.08 30	0.19 356	0.08 127	0.18 375	0.29 519	0.23 295	0.16 187	0.17 312	0.20 285	0.16 281	0.10 200	0.12 190	0.13 278	0.06 114	0.06 308	0.08 279	0.06 186	0.05 100	0.05 121

RAFT+CT+SA	0.13 277	0.11 397	0.09 72	0.19 356	0.09 239	0.15 305	0.28 510	0.22 275	0.22 299	0.15 268	0.26 383	0.10 155	0.10 200	0.11 108	0.12 237	0.05 27	0.04 21	0.07 195	0.08 338	0.07 258	0.06 200

SA-5K	0.13 277	0.08 237	0.08 30	0.19 356	0.08 127	0.18 375	0.29 519	0.23 295	0.16 187	0.17 312	0.20 285	0.16 281	0.10 200	0.12 190	0.13 278	0.06 114	0.06 308	0.08 279	0.06 186	0.05 100	0.05 121

test_4	0.10 143	0.10 371	0.08 30	0.19 356	0.09 239	0.08 52	0.22 451	0.15 107	0.17 206	0.12 193	0.18 264	0.12 193	0.09 168	0.08 15	0.11 188	0.04 11	0.04 21	0.08 279	0.08 338	0.04 15	0.03 1

iRaft-Stereo_5w	0.12 252	0.09 313	0.12 185	0.19 356	0.08 127	0.09 81	0.12 63	0.21 253	0.21 285	0.19 358	0.14 189	0.11 176	0.09 168	0.20 410	0.16 359	0.05 27	0.05 183	0.07 195	0.06 186	0.05 100	0.06 200

dd	0.15 355	0.16 474	0.16 350	0.19 356	0.09 239	0.15 305	0.18 364	0.21 253	0.25 346	0.23 423	0.20 285	0.21 350	0.09 168	0.21 427	0.16 359	0.10 401	0.06 308	0.08 279	0.06 186	0.08 321	0.06 200

DAS	0.15 355	0.08 237	0.18 401	0.19 356	0.10 341	0.19 398	0.17 319	0.27 372	0.29 390	0.18 342	0.25 366	0.21 350	0.15 337	0.16 317	0.12 237	0.08 301	0.06 308	0.06 102	0.06 186	0.07 258	0.07 280

SepStereo	0.15 355	0.08 237	0.18 401	0.19 356	0.10 341	0.19 398	0.17 319	0.27 372	0.29 390	0.18 342	0.25 366	0.21 350	0.15 337	0.25 465	0.12 237	0.08 301	0.06 308	0.06 102	0.06 186	0.07 258	0.07 280

AASNet	0.16 378	0.08 237	0.12 185	0.19 356	0.09 239	0.18 375	0.15 220	0.37 493	0.37 453	0.19 358	0.23 325	0.20 341	0.16 363	0.17 349	0.20 411	0.10 401	0.08 406	0.08 279	0.07 273	0.09 383	0.09 388

GMOStereo	0.11 186	0.09 313	0.07 6	0.19 356	0.08 127	0.12 208	0.28 510	0.13 60	0.17 206	0.11 155	0.17 239	0.14 238	0.12 256	0.07 4	0.07 1	0.05 27	0.05 183	0.09 360	0.07 273	0.04 15	0.04 40

error version	0.11 186	0.09 313	0.07 6	0.19 356	0.08 127	0.12 208	0.28 510	0.13 60	0.17 206	0.11 155	0.17 239	0.14 238	0.12 256	0.07 4	0.07 1	0.05 27	0.05 183	0.09 360	0.07 273	0.04 15	0.04 40

test-v	0.11 186	0.09 313	0.07 6	0.19 356	0.08 127	0.12 208	0.28 510	0.13 60	0.17 206	0.11 155	0.17 239	0.14 238	0.12 256	0.07 4	0.07 1	0.05 27	0.05 183	0.09 360	0.07 273	0.04 15	0.04 40

LCNet	0.11 186	0.07 140	0.09 72	0.19 356	0.09 239	0.08 52	0.15 220	0.21 253	0.15 160	0.11 155	0.15 206	0.16 281	0.11 225	0.12 190	0.11 188	0.05 27	0.04 21	0.08 279	0.07 273	0.06 192	0.15 497

AAGNet	0.11 186	0.07 140	0.16 350	0.19 356	0.09 239	0.08 52	0.13 104	0.18 198	0.13 119	0.16 296	0.21 306	0.13 218	0.14 319	0.11 108	0.14 315	0.06 114	0.04 21	0.09 360	0.06 186	0.06 192	0.05 121

PSM-AAD	0.11 186	0.07 140	0.10 109	0.19 356	0.09 239	0.10 128	0.15 220	0.20 230	0.13 119	0.12 193	0.14 189	0.18 315	0.11 225	0.11 108	0.10 123	0.05 27	0.05 183	0.09 360	0.08 338	0.06 192	0.14 490

ROB_FTStereo_v2	0.11 186	0.09 313	0.16 350	0.19 356	0.08 127	0.06 9	0.12 63	0.16 133	0.13 119	0.15 268	0.16 218	0.14 238	0.12 256	0.11 108	0.10 123	0.06 114	0.04 21	0.08 279	0.06 186	0.08 321	0.07 280

ROB_FTStereo	0.11 186	0.09 313	0.16 350	0.19 356	0.08 127	0.06 9	0.11 46	0.16 133	0.13 119	0.15 268	0.16 218	0.14 238	0.12 256	0.11 108	0.10 123	0.06 114	0.04 21	0.08 279	0.06 186	0.08 321	0.07 280

KYRaft	0.11 186	0.07 140	0.10 109	0.19 356	0.09 239	0.08 52	0.15 220	0.22 275	0.12 88	0.13 220	0.16 218	0.20 341	0.10 200	0.12 190	0.10 123	0.05 27	0.04 21	0.08 279	0.08 338	0.06 192	0.16 508

GrayStereo	0.11 186	0.06 57	0.11 150	0.19 356	0.09 239	0.09 81	0.16 285	0.18 198	0.17 206	0.14 241	0.17 239	0.17 301	0.11 225	0.12 190	0.11 188	0.05 27	0.05 183	0.07 195	0.06 186	0.05 100	0.10 415

iGMRVC	0.11 186	0.09 313	0.16 350	0.19 356	0.08 127	0.06 9	0.12 63	0.16 133	0.13 119	0.15 268	0.16 218	0.14 238	0.12 256	0.11 108	0.10 123	0.06 114	0.04 21	0.08 279	0.06 186	0.08 321	0.07 280

IRAFT_RVC	0.12 252	0.08 237	0.16 350	0.19 356	0.08 127	0.07 29	0.15 220	0.24 317	0.23 309	0.14 241	0.14 189	0.15 267	0.12 256	0.12 190	0.10 123	0.06 114	0.04 21	0.09 360	0.06 186	0.06 192	0.06 200

CRE-IMP	0.11 186	0.09 313	0.16 350	0.19 356	0.08 127	0.10 128	0.12 63	0.18 198	0.10 36	0.14 241	0.13 175	0.13 218	0.12 256	0.12 190	0.11 188	0.07 240	0.04 21	0.08 279	0.06 186	0.08 321	0.08 344

test-2	0.11 186	0.09 313	0.07 6	0.19 356	0.08 127	0.12 208	0.28 510	0.13 60	0.17 206	0.11 155	0.17 239	0.14 238	0.12 256	0.07 4	0.07 1	0.05 27	0.05 183	0.09 360	0.07 273	0.04 15	0.04 40

cross-raft	0.10 143	0.09 313	0.09 72	0.19 356	0.07 71	0.11 173	0.25 489	0.13 60	0.15 160	0.08 63	0.11 148	0.12 193	0.10 200	0.09 33	0.11 188	0.05 27	0.04 21	0.06 102	0.05 108	0.04 15	0.04 40

test-1	0.10 143	0.07 140	0.16 350	0.19 356	0.08 127	0.11 173	0.24 474	0.14 76	0.18 232	0.09 93	0.07 38	0.09 124	0.08 142	0.07 4	0.09 54	0.06 114	0.04 21	0.06 102	0.05 108	0.04 15	0.04 40

RAFT-IKP	0.11 186	0.09 313	0.16 350	0.19 356	0.08 127	0.06 9	0.12 63	0.16 133	0.13 119	0.15 268	0.16 218	0.14 238	0.12 256	0.11 108	0.10 123	0.06 114	0.04 21	0.08 279	0.06 186	0.08 321	0.07 280

ARAFT	0.12 252	0.08 237	0.17 378	0.19 356	0.09 239	0.14 279	0.18 364	0.20 230	0.12 88	0.12 193	0.13 175	0.14 238	0.11 225	0.15 283	0.12 237	0.06 114	0.05 183	0.10 408	0.09 384	0.05 100	0.04 40

delet	0.17 398	0.08 237	0.17 378	0.19 356	0.11 390	0.20 413	0.21 441	0.30 416	0.37 453	0.17 312	0.26 383	0.19 329	0.19 416	0.19 385	0.21 431	0.08 301	0.08 406	0.09 360	0.11 455	0.06 192	0.06 200

UNet	0.17 398	0.09 313	0.18 401	0.19 356	0.12 421	0.27 486	0.19 403	0.33 456	0.29 390	0.21 395	0.24 337	0.23 386	0.19 416	0.19 385	0.18 392	0.07 240	0.06 308	0.08 279	0.07 273	0.08 321	0.06 200

EDNetEfficientorigin	7.91 579	0.31 533	153.02 595	0.19 356	0.09 239	0.21 430	0.16 285	0.22 275	0.59 526	0.72 546	0.67 537	0.42 511	0.50 539	0.24 460	0.39 532	0.08 301	0.07 380	0.08 279	0.07 273	0.12 453	0.10 415

acv_ft	0.15 355	0.09 313	0.15 316	0.19 356	0.10 341	0.16 335	0.17 319	0.25 333	0.33 421	0.19 358	0.26 383	0.21 350	0.17 386	0.17 349	0.18 392	0.07 240	0.06 308	0.06 102	0.06 186	0.08 321	0.06 200

DMCA	0.14 311	0.09 313	0.16 350	0.19 356	0.09 239	0.15 305	0.17 319	0.23 295	0.27 369	0.14 241	0.19 273	0.17 301	0.18 400	0.15 283	0.17 374	0.10 401	0.06 308	0.08 279	0.06 186	0.09 383	0.10 415

RYNet	0.22 457	0.12 415	0.22 438	0.19 356	0.17 507	0.46 528	0.26 497	0.38 501	0.48 498	0.24 432	0.28 405	0.34 481	0.23 449	0.20 410	0.30 508	0.10 401	0.06 308	0.09 360	0.09 384	0.13 471	0.15 497

iResNet	0.13 277	0.10 371	0.18 401	0.19 356	0.08 127	0.13 247	0.18 364	0.20 230	0.26 360	0.15 268	0.23 325	0.15 267	0.13 294	0.14 261	0.14 315	0.06 114	0.04 21	0.06 102	0.05 108	0.06 192	0.05 121

SGM-Forest	0.20 436	0.14 456	0.18 401	0.19 356	0.13 444	0.20 413	0.22 451	0.33 456	0.30 400	0.24 432	0.29 417	0.28 433	0.19 416	0.23 451	0.17 374	0.15 495	0.16 512	0.15 497	0.14 487	0.12 453	0.12 454
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TCMNet	0.19 424	0.12 415	0.19 412	0.20 411	0.18 513	0.20 413	0.24 474	0.27 372	0.36 446	0.23 423	0.26 383	0.25 406	0.19 416	0.19 385	0.23 452	0.13 478	0.11 467	0.11 439	0.12 474	0.13 471	0.12 454

YMNet	0.20 436	0.12 415	0.19 412	0.20 411	0.14 464	0.26 476	0.23 462	0.32 437	0.34 433	0.27 456	0.34 451	0.30 450	0.18 400	0.18 370	0.22 440	0.10 401	0.13 494	0.10 408	0.10 423	0.08 321	0.09 388

YMNet_1	0.20 436	0.12 415	0.19 412	0.20 411	0.14 464	0.26 476	0.23 462	0.32 437	0.34 433	0.27 456	0.34 451	0.30 450	0.18 400	0.18 370	0.22 440	0.10 401	0.13 494	0.10 408	0.10 423	0.08 321	0.09 388

RAStereo	0.10 143	0.09 313	0.08 30	0.20 411	0.08 127	0.13 247	0.18 364	0.15 107	0.17 206	0.10 126	0.12 161	0.05 1	0.06 36	0.09 33	0.08 17	0.07 240	0.05 183	0.07 195	0.05 108	0.05 100	0.04 40

testlalala2	0.10 143	0.06 57	0.11 150	0.20 411	0.10 341	0.10 128	0.12 63	0.17 169	0.12 88	0.12 193	0.13 175	0.09 124	0.07 107	0.11 108	0.13 278	0.06 114	0.05 183	0.05 23	0.04 34	0.05 100	0.05 121

MoCha-V2	0.08 44	0.05 18	0.10 109	0.20 411	0.07 71	0.09 81	0.14 152	0.11 29	0.08 12	0.07 30	0.08 71	0.07 62	0.06 36	0.09 33	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

GMStereo_Zeroshot	0.16 378	0.13 444	0.24 451	0.20 411	0.10 341	0.17 356	0.13 104	0.29 402	0.25 346	0.23 423	0.32 435	0.25 406	0.11 225	0.19 385	0.14 315	0.09 360	0.06 308	0.11 439	0.06 186	0.12 453	0.08 344

LL-Strereo	0.13 277	0.09 313	0.11 150	0.20 411	0.10 341	0.11 173	0.18 364	0.32 437	0.24 325	0.15 268	0.15 206	0.14 238	0.13 294	0.19 385	0.11 188	0.06 114	0.04 21	0.09 360	0.08 338	0.04 15	0.05 121

Wz-Net-MNSev	0.22 457	0.13 444	0.31 484	0.20 411	0.14 464	0.36 520	0.24 474	0.33 456	0.44 489	0.28 471	0.40 484	0.38 496	0.19 416	0.24 460	0.25 474	0.09 360	0.07 380	0.09 360	0.09 384	0.12 453	0.10 415

test_5	0.14 311	0.12 415	0.08 30	0.20 411	0.10 341	0.14 279	0.29 519	0.21 253	0.24 325	0.18 342	0.28 405	0.11 176	0.15 337	0.12 190	0.13 278	0.06 114	0.05 183	0.07 195	0.08 338	0.08 321	0.07 280

test_3	0.10 143	0.09 313	0.10 109	0.20 411	0.08 127	0.13 247	0.26 497	0.14 76	0.21 285	0.10 126	0.10 118	0.09 124	0.09 168	0.08 15	0.11 188	0.05 27	0.04 21	0.08 279	0.07 273	0.04 15	0.04 40

GwcNet-ADL	0.13 277	0.08 237	0.14 265	0.20 411	0.09 239	0.11 173	0.20 424	0.30 416	0.24 325	0.13 220	0.14 189	0.18 315	0.14 319	0.13 235	0.14 315	0.07 240	0.05 183	0.06 102	0.05 108	0.07 258	0.06 200

sAnonymous2	0.13 277	0.12 415	0.24 451	0.20 411	0.12 421	0.17 356	0.13 104	0.26 351	0.21 285	0.11 155	0.11 148	0.13 218	0.08 142	0.10 62	0.10 123	0.09 360	0.05 183	0.08 279	0.06 186	0.15 499	0.10 415

CroCo_RVC	0.13 277	0.12 415	0.24 451	0.20 411	0.12 421	0.17 356	0.13 104	0.26 351	0.21 285	0.11 155	0.11 148	0.13 218	0.08 142	0.10 62	0.10 123	0.09 360	0.05 183	0.08 279	0.06 186	0.15 499	0.10 415

RAFT + AFF	0.13 277	0.07 140	0.20 424	0.20 411	0.10 341	0.14 279	0.24 474	0.26 351	0.20 270	0.11 155	0.10 118	0.12 193	0.10 200	0.15 283	0.12 237	0.07 240	0.06 308	0.09 360	0.08 338	0.06 192	0.08 344

ccnet	0.29 509	0.28 528	0.23 447	0.20 411	0.28 535	0.41 527	0.21 441	0.45 529	0.33 421	0.36 505	0.46 508	0.36 487	0.30 499	0.39 527	0.42 539	0.23 536	0.14 503	0.21 519	0.17 513	0.23 525	0.18 519

MMNet	0.17 398	0.09 313	0.16 350	0.20 411	0.11 390	0.27 486	0.20 424	0.25 333	0.41 472	0.22 411	0.30 423	0.21 350	0.20 428	0.17 349	0.20 411	0.06 114	0.06 308	0.07 195	0.07 273	0.08 321	0.07 280

psm_up	0.18 412	0.10 371	0.18 401	0.20 411	0.11 390	0.17 356	0.19 403	0.37 493	0.34 433	0.21 395	0.28 405	0.29 441	0.24 455	0.20 410	0.22 440	0.09 360	0.10 455	0.11 439	0.11 455	0.08 321	0.08 344

UPFNet	0.16 378	0.08 237	0.12 185	0.20 411	0.12 421	0.20 413	0.23 462	0.28 391	0.26 360	0.17 312	0.24 337	0.22 368	0.19 416	0.19 385	0.21 431	0.09 360	0.07 380	0.08 279	0.09 384	0.08 321	0.06 200

FADNet_RVC	0.16 378	0.14 456	0.40 507	0.20 411	0.11 390	0.13 247	0.13 104	0.26 351	0.22 299	0.21 395	0.23 325	0.20 341	0.17 386	0.14 261	0.16 359	0.08 301	0.08 406	0.12 458	0.09 384	0.11 438	0.10 415

STTStereo	0.18 412	0.12 415	0.27 466	0.20 411	0.11 390	0.16 335	0.21 441	0.29 402	0.23 309	0.21 395	0.30 423	0.29 441	0.18 400	0.20 410	0.19 405	0.12 455	0.11 467	0.11 439	0.14 487	0.09 383	0.08 344

stereogan	0.22 457	0.11 397	0.21 432	0.20 411	0.12 421	0.31 501	0.19 403	0.35 480	0.44 489	0.22 411	0.39 478	0.35 485	0.27 478	0.33 501	0.22 440	0.10 401	0.12 481	0.10 408	0.10 423	0.14 484	0.13 473

ADCMid	0.25 491	0.15 466	0.40 507	0.20 411	0.14 464	0.25 467	0.26 497	0.34 465	0.38 460	0.36 505	0.44 506	0.34 481	0.40 524	0.35 510	0.33 520	0.10 401	0.09 435	0.11 439	0.11 455	0.13 471	0.12 454

ADCRef	0.19 424	0.12 415	0.41 510	0.20 411	0.12 421	0.22 438	0.18 364	0.32 437	0.36 446	0.26 450	0.32 435	0.17 301	0.23 449	0.24 460	0.24 465	0.07 240	0.06 308	0.09 360	0.09 384	0.08 321	0.08 344

AnyNet_C32	0.26 499	0.16 474	0.36 499	0.20 411	0.16 492	0.25 467	0.30 526	0.32 437	0.44 489	0.31 489	0.49 512	0.30 450	0.33 508	0.40 531	0.33 520	0.12 455	0.12 481	0.12 458	0.14 487	0.14 484	0.15 497

ADCP+	0.20 436	0.10 371	0.33 490	0.20 411	0.12 421	0.22 438	0.26 497	0.31 426	0.34 433	0.26 450	0.37 464	0.22 368	0.22 441	0.27 470	0.27 493	0.09 360	0.06 308	0.08 279	0.08 338	0.09 383	0.10 415

NLCA_NET_v2_RVC	0.17 398	0.10 371	0.22 438	0.20 411	0.10 341	0.15 305	0.18 364	0.31 426	0.25 346	0.21 395	0.30 423	0.25 406	0.17 386	0.21 427	0.20 411	0.09 360	0.06 308	0.08 279	0.08 338	0.07 258	0.08 344
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 436	0.21 509	0.23 447	0.20 411	0.10 341	0.19 398	0.17 319	0.36 487	0.25 346	0.27 456	0.33 447	0.27 423	0.24 455	0.20 410	0.20 411	0.15 495	0.12 481	0.17 505	0.14 487	0.10 415	0.08 344

StereoDRNet-Refined	0.17 398	0.12 415	0.15 316	0.20 411	0.09 239	0.18 375	0.18 364	0.26 351	0.23 309	0.26 450	0.40 484	0.22 368	0.17 386	0.21 427	0.20 411	0.08 301	0.05 183	0.09 360	0.10 423	0.07 258	0.07 280
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
rvit_105_1	0.19 424	0.11 397	0.25 456	0.21 440	0.16 492	0.21 430	0.27 504	0.31 426	0.41 472	0.19 358	0.20 285	0.22 368	0.17 386	0.19 385	0.17 374	0.12 455	0.12 481	0.13 473	0.15 502	0.08 321	0.07 280

testlalala_base	0.10 143	0.09 313	0.14 265	0.21 440	0.08 127	0.10 128	0.14 152	0.13 60	0.10 36	0.07 30	0.15 206	0.07 62	0.08 142	0.10 62	0.12 237	0.08 301	0.05 183	0.05 23	0.03 1	0.06 192	0.05 121

Selective-RAFT	0.11 186	0.10 371	0.11 150	0.21 440	0.08 127	0.16 335	0.13 104	0.20 230	0.22 299	0.10 126	0.10 118	0.11 176	0.10 200	0.15 283	0.11 188	0.05 27	0.05 183	0.06 102	0.05 108	0.06 192	0.05 121

Wz-Net-LNSev	0.22 457	0.16 474	0.38 504	0.21 440	0.13 444	0.25 467	0.23 462	0.32 437	0.43 484	0.30 483	0.41 495	0.31 463	0.18 400	0.22 440	0.25 474	0.10 401	0.09 435	0.08 279	0.08 338	0.12 453	0.11 441

LMCR-Stereo	0.15 355	0.08 237	0.13 230	0.21 440	0.09 239	0.17 356	0.20 424	0.27 372	0.19 247	0.24 432	0.24 337	0.23 386	0.17 386	0.20 410	0.17 374	0.07 240	0.06 308	0.08 279	0.06 186	0.10 415	0.08 344

DGSMNet	0.24 480	0.19 499	0.33 490	0.21 440	0.24 528	0.24 456	0.20 424	0.35 480	0.41 472	0.24 432	0.32 435	0.38 496	0.21 432	0.29 487	0.23 452	0.12 455	0.11 467	0.14 485	0.16 506	0.23 525	0.23 530

FAT-Stereo	0.20 436	0.12 415	0.22 438	0.21 440	0.12 421	0.17 356	0.18 364	0.34 465	0.39 463	0.27 456	0.37 464	0.34 481	0.32 507	0.21 427	0.20 411	0.09 360	0.11 467	0.10 408	0.09 384	0.11 438	0.14 490

FADNet-RVC	0.20 436	0.20 503	0.38 504	0.21 440	0.16 492	0.20 413	0.15 220	0.26 351	0.26 360	0.26 450	0.32 435	0.26 415	0.21 432	0.22 440	0.19 405	0.12 455	0.13 494	0.12 458	0.14 487	0.13 471	0.18 519

S-Stereo	0.20 436	0.12 415	0.25 456	0.21 440	0.13 444	0.20 413	0.18 364	0.32 437	0.43 484	0.23 423	0.36 458	0.28 433	0.30 499	0.19 385	0.22 440	0.09 360	0.12 481	0.10 408	0.10 423	0.13 471	0.13 473

edge stereo	0.22 457	0.13 444	0.20 424	0.21 440	0.13 444	0.23 451	0.16 285	0.32 437	0.42 479	0.32 495	0.40 484	0.38 496	0.35 514	0.25 465	0.24 465	0.13 478	0.11 467	0.14 485	0.11 455	0.12 453	0.13 473

RTSC	0.23 473	0.12 415	0.28 471	0.21 440	0.13 444	0.28 493	0.16 285	0.35 480	0.66 539	0.27 456	0.33 447	0.30 450	0.21 432	0.31 491	0.29 503	0.10 401	0.08 406	0.09 360	0.10 423	0.13 471	0.13 473

ADCS	0.29 509	0.18 496	0.45 514	0.21 440	0.17 507	0.28 493	0.23 462	0.41 515	0.63 535	0.40 515	0.49 512	0.40 508	0.36 516	0.39 527	0.40 535	0.13 478	0.12 481	0.13 473	0.14 487	0.16 506	0.16 508

ADCPNet	0.25 491	0.16 474	0.61 535	0.21 440	0.15 482	0.35 519	0.25 489	0.32 437	0.35 442	0.30 483	0.40 484	0.36 487	0.28 487	0.28 481	0.32 516	0.12 455	0.10 455	0.11 439	0.12 474	0.14 484	0.13 473

CVANet_RVC	0.18 412	0.10 371	0.14 265	0.21 440	0.10 341	0.18 375	0.17 319	0.34 465	0.33 421	0.22 411	0.31 431	0.28 433	0.18 400	0.23 451	0.17 374	0.12 455	0.08 406	0.12 458	0.11 455	0.09 383	0.07 280

SANet	0.24 480	0.14 456	0.28 471	0.21 440	0.11 390	0.27 486	0.24 474	0.38 501	0.64 536	0.36 505	0.40 484	0.43 514	0.26 470	0.27 470	0.24 465	0.12 455	0.09 435	0.10 408	0.09 384	0.13 471	0.11 441

w-ln-seven-2	0.20 436	0.14 456	0.37 503	0.22 455	0.12 421	0.20 413	0.21 441	0.28 391	0.37 453	0.25 445	0.37 464	0.27 423	0.22 441	0.21 427	0.23 452	0.08 301	0.08 406	0.09 360	0.09 384	0.10 415	0.09 388

DEFOM-Stereo_RVC	0.08 44	0.06 57	0.09 72	0.22 455	0.06 13	0.08 52	0.12 63	0.10 18	0.10 36	0.07 30	0.07 38	0.06 16	0.05 11	0.11 108	0.09 54	0.06 114	0.04 21	0.05 23	0.03 1	0.06 192	0.04 40

UGAM	0.13 277	0.10 371	0.09 72	0.22 455	0.08 127	0.12 208	0.20 424	0.17 169	0.23 309	0.21 395	0.16 218	0.13 218	0.13 294	0.19 385	0.12 237	0.07 240	0.05 183	0.13 473	0.11 455	0.07 258	0.05 121

CroCo-Stereo Lap2	0.09 82	0.09 313	0.08 30	0.22 455	0.09 239	0.09 81	0.19 403	0.16 133	0.12 88	0.09 93	0.10 118	0.05 1	0.05 11	0.08 15	0.08 17	0.06 114	0.06 308	0.07 195	0.05 108	0.05 100	0.05 121

BUS	0.14 311	0.09 313	0.14 265	0.22 455	0.10 341	0.19 398	0.14 152	0.34 465	0.19 247	0.17 312	0.22 316	0.16 281	0.13 294	0.15 283	0.13 278	0.08 301	0.06 308	0.10 408	0.09 384	0.07 258	0.07 280

RAFT_CTSACE	0.12 252	0.09 313	0.10 109	0.22 455	0.08 127	0.12 208	0.24 474	0.18 198	0.16 187	0.20 381	0.27 391	0.13 218	0.07 107	0.13 235	0.09 54	0.05 27	0.06 308	0.08 279	0.07 273	0.04 15	0.04 40

BSDual-CNN	0.15 355	0.09 313	0.14 265	0.22 455	0.10 341	0.14 279	0.15 220	0.34 465	0.19 247	0.17 312	0.22 316	0.25 406	0.16 363	0.15 283	0.14 315	0.08 301	0.06 308	0.10 408	0.09 384	0.07 258	0.07 280

hknet	0.15 355	0.11 397	0.13 230	0.22 455	0.11 390	0.14 279	0.15 220	0.34 465	0.25 346	0.17 312	0.22 316	0.22 368	0.18 400	0.17 349	0.12 237	0.07 240	0.06 308	0.10 408	0.09 384	0.07 258	0.07 280

WZ-Net	0.28 505	0.17 485	0.78 552	0.22 455	0.16 492	0.34 511	0.29 519	0.39 505	0.57 522	0.24 432	0.55 522	0.37 492	0.24 455	0.33 501	0.35 523	0.09 360	0.08 406	0.09 360	0.10 423	0.14 484	0.16 508

DDUNet	0.22 457	0.17 485	0.21 432	0.22 455	0.15 482	0.25 467	0.24 474	0.29 402	0.30 400	0.31 489	0.36 458	0.33 475	0.25 464	0.24 460	0.20 411	0.18 517	0.13 494	0.17 505	0.11 455	0.16 506	0.16 508

PSMNet-ADL	0.15 355	0.12 415	0.13 230	0.22 455	0.09 239	0.13 247	0.20 424	0.26 351	0.23 309	0.18 342	0.20 285	0.24 392	0.16 363	0.18 370	0.17 374	0.08 301	0.08 406	0.08 279	0.11 455	0.08 321	0.07 280

CroCo-Stereo	0.09 82	0.08 237	0.08 30	0.22 455	0.09 239	0.09 81	0.19 403	0.15 107	0.12 88	0.07 30	0.07 38	0.08 99	0.06 36	0.08 15	0.07 1	0.07 240	0.05 183	0.06 102	0.04 34	0.05 100	0.04 40
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
ICVP	0.15 355	0.09 313	0.12 185	0.22 455	0.09 239	0.17 356	0.21 441	0.25 333	0.23 309	0.18 342	0.30 423	0.26 415	0.18 400	0.17 349	0.14 315	0.09 360	0.07 380	0.08 279	0.07 273	0.07 258	0.07 280
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.17 398	0.12 415	0.15 316	0.22 455	0.11 390	0.19 398	0.17 319	0.32 437	0.48 498	0.20 381	0.25 366	0.17 301	0.13 294	0.21 427	0.16 359	0.10 401	0.06 308	0.08 279	0.07 273	0.09 383	0.08 344

FADNet-RVC-Resample	0.16 378	0.11 397	0.31 484	0.22 455	0.11 390	0.19 398	0.14 152	0.25 333	0.24 325	0.24 432	0.27 391	0.20 341	0.15 337	0.16 317	0.15 343	0.07 240	0.08 406	0.12 458	0.10 423	0.09 383	0.10 415

G-Net	0.24 480	0.16 474	0.36 499	0.22 455	0.16 492	0.51 534	0.23 462	0.29 402	0.34 433	0.36 505	0.38 470	0.31 463	0.29 495	0.27 470	0.26 485	0.11 430	0.09 435	0.12 458	0.09 384	0.16 506	0.13 473

ADCL	0.24 480	0.11 397	0.47 519	0.22 455	0.12 421	0.34 511	0.29 519	0.29 402	0.56 520	0.24 432	0.46 508	0.30 450	0.30 499	0.29 487	0.29 503	0.08 301	0.07 380	0.09 360	0.09 384	0.10 415	0.10 415

AnyNet_C01	0.36 525	0.25 522	1.37 564	0.22 455	0.17 507	0.48 532	0.27 504	0.35 480	0.39 463	0.39 512	0.74 545	0.46 522	0.38 519	0.45 535	0.47 544	0.13 478	0.13 494	0.13 473	0.14 487	0.14 484	0.15 497

DRN-Test	0.19 424	0.11 397	0.20 424	0.22 455	0.10 341	0.22 438	0.22 451	0.39 505	0.37 453	0.24 432	0.32 435	0.26 415	0.21 432	0.22 440	0.24 465	0.11 430	0.07 380	0.11 439	0.10 423	0.09 383	0.07 280

StereoDRNet	0.18 412	0.11 397	0.17 378	0.22 455	0.11 390	0.21 430	0.22 451	0.37 493	0.33 421	0.24 432	0.28 405	0.30 450	0.19 416	0.20 410	0.20 411	0.09 360	0.08 406	0.11 439	0.09 384	0.09 383	0.07 280

XPNet_ROB	0.22 457	0.11 397	0.19 412	0.22 455	0.13 444	0.22 438	0.19 403	0.34 465	0.40 469	0.30 483	0.39 478	0.39 504	0.26 470	0.26 467	0.28 500	0.15 495	0.10 455	0.10 408	0.10 423	0.13 471	0.12 454

AIO-test2	0.10 143	0.08 237	0.10 109	0.23 476	0.08 127	0.11 173	0.10 27	0.23 295	0.23 309	0.08 63	0.09 89	0.08 99	0.05 11	0.10 62	0.08 17	0.06 114	0.05 183	0.08 279	0.09 384	0.05 100	0.05 121

AIO-test1	0.10 143	0.07 140	0.10 109	0.23 476	0.07 71	0.09 81	0.13 104	0.21 253	0.14 143	0.11 155	0.12 161	0.09 124	0.07 107	0.11 108	0.09 54	0.06 114	0.05 183	0.09 360	0.10 423	0.03 1	0.06 200

rvit_stereo_0075_2	0.17 398	0.12 415	0.25 456	0.23 476	0.16 492	0.13 247	0.10 27	0.30 416	0.27 369	0.20 381	0.28 405	0.22 368	0.15 337	0.18 370	0.13 278	0.16 511	0.10 455	0.17 505	0.10 423	0.10 415	0.09 388

test_for_model	0.09 82	0.12 415	0.14 265	0.23 476	0.11 390	0.08 52	0.13 104	0.12 44	0.12 88	0.10 126	0.07 38	0.07 62	0.06 36	0.11 108	0.10 123	0.06 114	0.05 183	0.05 23	0.03 1	0.07 258	0.04 40

CASS	0.13 277	0.12 415	0.11 150	0.23 476	0.09 239	0.15 305	0.17 319	0.18 198	0.19 247	0.17 312	0.18 264	0.15 267	0.15 337	0.14 261	0.14 315	0.09 360	0.06 308	0.10 408	0.08 338	0.09 383	0.07 280
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
UDG	0.21 448	0.17 485	0.19 412	0.23 476	0.15 482	0.30 500	0.20 424	0.33 456	0.35 442	0.23 423	0.28 405	0.31 463	0.27 478	0.20 410	0.22 440	0.15 495	0.12 481	0.13 473	0.09 384	0.14 484	0.14 490

TestStereo	0.13 277	0.14 456	0.11 150	0.23 476	0.08 127	0.15 305	0.21 441	0.20 230	0.23 309	0.14 241	0.24 337	0.16 281	0.12 256	0.16 317	0.14 315	0.05 27	0.06 308	0.08 279	0.06 186	0.09 383	0.05 121

RP	0.21 448	0.13 444	0.21 432	0.23 476	0.11 390	0.21 430	0.20 424	0.25 333	0.44 489	0.21 395	0.38 470	0.36 487	0.24 455	0.27 470	0.25 474	0.11 430	0.12 481	0.13 473	0.12 474	0.12 453	0.14 490

DLCB_ROB	0.18 412	0.10 371	0.15 316	0.23 476	0.11 390	0.24 456	0.18 364	0.29 402	0.28 383	0.27 456	0.28 405	0.28 433	0.24 455	0.19 385	0.20 411	0.08 301	0.08 406	0.09 360	0.09 384	0.07 258	0.07 280

zh-sn7	0.25 491	0.17 485	0.50 521	0.24 485	0.13 444	0.25 467	0.24 474	0.34 465	0.48 498	0.28 471	0.54 520	0.28 433	0.31 503	0.36 516	0.32 516	0.10 401	0.10 455	0.11 439	0.10 423	0.12 453	0.12 454

StereoVision	0.13 277	0.12 415	0.09 72	0.24 485	0.10 341	0.15 305	0.21 441	0.21 253	0.20 270	0.12 193	0.24 337	0.10 155	0.10 200	0.16 317	0.10 123	0.09 360	0.11 467	0.12 458	0.12 474	0.06 192	0.05 121

sCroCo_RVC	0.12 252	0.09 313	0.23 447	0.24 485	0.11 390	0.19 398	0.14 152	0.17 169	0.14 143	0.10 126	0.13 175	0.12 193	0.07 107	0.14 261	0.11 188	0.08 301	0.08 406	0.08 279	0.08 338	0.05 100	0.07 280

DMCA-RVC	0.17 398	0.10 371	0.15 316	0.24 485	0.11 390	0.18 375	0.18 364	0.25 333	0.24 325	0.21 395	0.26 383	0.25 406	0.27 478	0.18 370	0.20 411	0.12 455	0.08 406	0.13 473	0.10 423	0.10 415	0.08 344

SHD	0.26 499	0.15 466	0.30 482	0.24 485	0.18 513	0.22 438	0.15 220	0.38 501	0.71 543	0.32 495	0.41 495	0.36 487	0.28 487	0.32 498	0.29 503	0.12 455	0.11 467	0.14 485	0.13 484	0.16 506	0.20 525

RTS	0.45 537	0.19 499	3.26 570	0.24 485	0.15 482	0.74 551	0.20 424	0.36 487	0.76 550	0.42 522	0.43 504	0.31 463	0.41 529	0.53 543	0.35 523	0.10 401	0.08 406	0.13 473	0.12 474	0.15 499	0.15 497

RTSA	0.45 537	0.19 499	3.26 570	0.24 485	0.15 482	0.74 551	0.20 424	0.36 487	0.76 550	0.42 522	0.43 504	0.31 463	0.41 529	0.53 543	0.35 523	0.10 401	0.08 406	0.13 473	0.12 474	0.15 499	0.15 497

GANet	0.21 448	0.12 415	0.21 432	0.24 485	0.13 444	0.22 438	0.22 451	0.41 515	0.26 360	0.31 489	0.42 501	0.37 492	0.28 487	0.23 451	0.22 440	0.10 401	0.12 481	0.10 408	0.09 384	0.10 415	0.08 344

TDLM	0.17 398	0.12 415	0.13 230	0.24 485	0.10 341	0.18 375	0.18 364	0.36 487	0.30 400	0.21 395	0.28 405	0.28 433	0.18 400	0.23 451	0.18 392	0.11 430	0.07 380	0.10 408	0.10 423	0.08 321	0.08 344

MSMD_ROB	0.31 516	0.26 523	0.26 459	0.24 485	0.21 522	0.34 511	0.25 489	0.34 465	0.39 463	0.40 515	0.69 539	0.45 518	0.40 524	0.34 504	0.27 493	0.20 524	0.19 522	0.26 527	0.25 530	0.23 525	0.22 529

PWCDC_ROB	0.20 436	0.13 444	0.22 438	0.24 485	0.11 390	0.19 398	0.15 220	0.33 456	0.54 516	0.29 479	0.50 516	0.21 350	0.15 337	0.27 470	0.20 411	0.11 430	0.09 435	0.10 408	0.08 338	0.11 438	0.09 388

Wz-Net-SNSev	0.25 491	0.17 485	0.44 513	0.25 496	0.14 464	0.26 476	0.23 462	0.38 501	0.56 520	0.30 483	0.55 522	0.39 504	0.26 470	0.23 451	0.30 508	0.10 401	0.09 435	0.09 360	0.10 423	0.11 438	0.11 441

Nwc_Net	0.23 473	0.16 474	0.21 432	0.25 496	0.14 464	0.24 456	0.26 497	0.37 493	0.38 460	0.22 411	0.41 495	0.30 450	0.28 487	0.28 481	0.25 474	0.11 430	0.10 455	0.17 505	0.20 519	0.10 415	0.10 415

DANet	0.21 448	0.15 466	0.28 471	0.25 496	0.13 444	0.22 438	0.19 403	0.27 372	0.27 369	0.28 471	0.32 435	0.35 485	0.31 503	0.31 491	0.23 452	0.11 430	0.09 435	0.11 439	0.10 423	0.13 471	0.11 441
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NaN_ROB	0.22 457	0.19 499	0.24 451	0.25 496	0.13 444	0.29 497	0.26 497	0.33 456	0.41 472	0.31 489	0.31 431	0.32 472	0.23 449	0.30 490	0.21 431	0.11 430	0.17 517	0.10 408	0.10 423	0.08 321	0.09 388

ETE_ROB	0.23 473	0.17 485	0.22 438	0.25 496	0.13 444	0.26 476	0.29 519	0.31 426	0.36 446	0.28 471	0.36 458	0.45 518	0.26 470	0.27 470	0.26 485	0.11 430	0.08 406	0.12 458	0.09 384	0.14 484	0.13 473

FC-DCNN v2	0.33 521	0.27 524	0.28 471	0.26 501	0.23 526	0.37 521	0.28 510	0.40 509	0.43 484	0.45 527	0.56 527	0.51 529	0.40 524	0.37 521	0.29 503	0.21 528	0.20 525	0.27 530	0.26 531	0.25 532	0.24 531

GASNet	0.22 457	0.23 514	0.33 490	0.26 501	0.17 507	0.26 476	0.16 285	0.44 526	0.42 479	0.27 456	0.24 337	0.30 450	0.15 337	0.27 470	0.18 392	0.12 455	0.08 406	0.12 458	0.11 455	0.16 506	0.07 280

Anonymous3	0.16 378	0.13 444	0.33 490	0.26 501	0.14 464	0.27 486	0.17 319	0.28 391	0.28 383	0.15 268	0.17 239	0.14 238	0.10 200	0.15 283	0.12 237	0.08 301	0.08 406	0.08 279	0.08 338	0.08 321	0.11 441

MaskLacGwcNet_RVC	0.22 457	0.21 509	0.24 451	0.26 501	0.11 390	0.23 451	0.14 152	0.39 505	0.24 325	0.32 495	0.36 458	0.30 450	0.21 432	0.19 385	0.21 431	0.17 516	0.14 503	0.21 519	0.16 506	0.12 453	0.12 454

AF-Net	0.22 457	0.17 485	0.17 378	0.26 501	0.13 444	0.25 467	0.24 474	0.32 437	0.50 507	0.25 445	0.33 447	0.38 496	0.26 470	0.28 481	0.25 474	0.11 430	0.10 455	0.16 503	0.11 455	0.11 438	0.10 415

NCC-stereo	0.24 480	0.15 466	0.31 484	0.26 501	0.16 492	0.20 413	0.30 526	0.40 509	0.40 469	0.24 432	0.38 470	0.33 475	0.28 487	0.36 516	0.27 493	0.12 455	0.11 467	0.15 497	0.22 524	0.13 471	0.13 473

Abc-Net	0.24 480	0.15 466	0.31 484	0.26 501	0.16 492	0.20 413	0.30 526	0.40 509	0.40 469	0.24 432	0.38 470	0.33 475	0.28 487	0.36 516	0.27 493	0.12 455	0.11 467	0.15 497	0.22 524	0.13 471	0.13 473
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DeepPrunerF	0.24 480	0.17 485	0.42 512	0.26 501	0.16 492	0.22 438	0.28 510	0.37 493	0.50 507	0.26 450	0.29 417	0.24 392	0.28 487	0.21 427	0.22 440	0.15 495	0.11 467	0.20 518	0.18 517	0.12 453	0.13 473

FC-DCNN	0.33 521	0.27 524	0.28 471	0.26 501	0.23 526	0.37 521	0.28 510	0.40 509	0.43 484	0.45 527	0.55 522	0.51 529	0.40 524	0.37 521	0.30 508	0.21 528	0.20 525	0.27 530	0.26 531	0.25 532	0.24 531

LSM	0.33 521	0.20 503	0.58 533	0.26 501	0.60 558	0.34 511	0.25 489	0.42 520	0.48 498	0.45 527	0.58 532	0.42 511	0.36 516	0.35 510	0.25 474	0.12 455	0.20 525	0.14 485	0.16 506	0.19 519	0.33 545

FBW_ROB	0.24 480	0.17 485	0.22 438	0.26 501	0.14 464	0.25 467	0.22 451	0.41 515	0.41 472	0.41 519	0.41 495	0.42 511	0.27 478	0.31 491	0.23 452	0.09 360	0.14 503	0.14 485	0.12 474	0.11 438	0.09 388

LALA_ROB	0.25 491	0.16 474	0.22 438	0.26 501	0.17 507	0.27 486	0.27 504	0.42 520	0.37 453	0.33 499	0.38 470	0.51 529	0.26 470	0.28 481	0.27 493	0.16 511	0.09 435	0.12 458	0.11 455	0.13 471	0.12 454

MANE	0.45 537	0.27 524	0.27 466	0.27 513	0.24 528	0.47 530	0.31 532	0.55 543	0.59 526	0.72 546	1.13 565	1.15 557	0.61 548	0.52 541	0.37 528	0.21 528	0.20 525	0.27 530	0.31 541	0.25 532	0.24 531

PSMNet_ROB	0.21 448	0.11 397	0.15 316	0.27 513	0.15 482	0.24 456	0.35 536	0.43 524	0.37 453	0.27 456	0.32 435	0.32 472	0.22 441	0.21 427	0.26 485	0.12 455	0.08 406	0.13 473	0.11 455	0.09 383	0.09 388

ELAS	0.41 532	0.29 531	0.33 490	0.27 513	0.24 528	0.60 541	0.36 537	0.50 537	0.50 507	0.71 544	0.79 549	0.67 544	0.54 541	0.51 539	0.42 539	0.22 532	0.20 525	0.27 530	0.26 531	0.26 536	0.25 536
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RGC	0.25 491	0.20 503	0.29 479	0.28 516	0.16 492	0.22 438	0.23 462	0.32 437	0.44 489	0.27 456	0.40 484	0.38 496	0.27 478	0.36 516	0.22 440	0.11 430	0.13 494	0.17 505	0.17 513	0.14 484	0.16 508

XQC	0.28 505	0.23 514	0.51 522	0.28 516	0.19 516	0.34 511	0.27 504	0.36 487	0.57 522	0.31 489	0.30 423	0.37 492	0.30 499	0.38 523	0.38 530	0.13 478	0.09 435	0.15 497	0.12 474	0.17 513	0.18 519

PA-Net	0.23 473	0.18 496	0.33 490	0.28 516	0.22 524	0.21 430	0.38 541	0.29 402	0.39 463	0.22 411	0.32 435	0.25 406	0.26 470	0.20 410	0.25 474	0.09 360	0.23 536	0.15 497	0.22 524	0.09 383	0.13 473
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
PASM	0.32 518	0.24 517	0.48 520	0.28 516	0.27 534	0.29 497	0.30 526	0.34 465	0.49 504	0.35 502	0.39 478	0.46 522	0.34 512	0.34 504	0.35 523	0.23 536	0.25 538	0.26 527	0.28 536	0.23 525	0.21 527

PDISCO_ROB	0.27 501	0.16 474	0.26 459	0.28 516	0.20 519	0.32 502	0.26 497	0.44 526	0.57 522	0.28 471	0.40 484	0.45 518	0.29 495	0.33 501	0.34 522	0.12 455	0.09 435	0.17 505	0.16 506	0.17 513	0.13 473

DispFullNet	0.27 501	0.21 509	0.65 538	0.28 516	0.16 492	0.26 476	0.17 319	0.33 456	0.58 525	0.27 456	0.38 470	0.43 514	0.23 449	0.38 523	0.23 452	0.12 455	0.06 308	0.19 516	0.11 455	0.21 521	0.15 497

ELAS_RVC	0.41 532	0.29 531	0.33 490	0.28 516	0.24 528	0.54 536	0.36 537	0.49 535	0.59 526	0.72 546	0.74 545	0.65 542	0.54 541	0.54 545	0.40 535	0.22 532	0.20 525	0.27 530	0.26 531	0.26 536	0.25 536
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Syn2CoEx	0.21 448	0.16 474	0.27 466	0.29 523	0.14 464	0.26 476	0.20 424	0.33 456	0.31 407	0.28 471	0.36 458	0.27 423	0.25 464	0.19 385	0.24 465	0.16 511	0.12 481	0.14 485	0.11 455	0.09 383	0.08 344

CC-Net-ROB	0.28 505	0.31 533	0.36 499	0.29 523	0.15 482	0.25 467	0.19 403	0.45 529	0.33 421	0.39 512	0.37 464	0.39 504	0.31 503	0.27 470	0.26 485	0.24 538	0.19 522	0.30 539	0.23 528	0.18 516	0.15 497

SQANet	0.23 473	0.23 514	0.30 482	0.30 525	0.19 516	0.27 486	0.13 104	0.29 402	0.33 421	0.24 432	0.37 464	0.31 463	0.22 441	0.27 470	0.23 452	0.15 495	0.10 455	0.21 519	0.16 506	0.21 521	0.15 497

FCDSN-DC	0.33 521	0.28 528	0.28 471	0.30 525	0.24 528	0.39 525	0.28 510	0.42 520	0.42 479	0.43 525	0.53 518	0.51 529	0.41 529	0.36 516	0.30 508	0.21 528	0.20 525	0.27 530	0.26 531	0.25 532	0.24 531
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	0.32 518	0.21 509	0.55 527	0.30 525	0.15 482	0.34 511	0.17 319	0.52 539	0.46 496	0.46 530	0.55 522	0.59 536	0.39 521	0.35 510	0.37 528	0.15 495	0.14 503	0.18 514	0.21 521	0.16 506	0.15 497

BEATNet-Init1	0.52 542	0.27 524	0.62 536	0.30 525	0.21 522	0.76 555	0.29 519	0.54 542	0.65 538	0.86 555	0.95 556	2.07 572	0.62 550	0.56 547	0.42 539	0.18 517	0.18 519	0.23 524	0.22 524	0.22 524	0.21 527

PVD	0.39 527	0.20 503	0.39 506	0.31 529	0.22 524	0.29 497	0.43 547	0.52 539	0.96 557	0.55 536	0.79 549	0.53 533	0.59 547	0.52 541	0.38 530	0.19 522	0.14 503	0.17 505	0.14 487	0.24 531	0.31 543

NCCL2	0.23 473	0.15 466	0.17 378	0.34 530	0.18 513	0.24 456	0.23 462	0.34 465	0.28 383	0.31 489	0.38 470	0.38 496	0.28 487	0.23 451	0.24 465	0.15 495	0.12 481	0.18 514	0.21 521	0.13 471	0.13 473

CSAN	0.29 509	0.24 517	0.27 466	0.34 530	0.19 516	0.33 508	0.42 545	0.37 493	0.50 507	0.38 510	0.40 484	0.44 516	0.33 508	0.28 481	0.30 508	0.20 524	0.16 512	0.19 516	0.19 518	0.14 484	0.15 497

HCRNet	0.16 378	0.24 517	0.12 185	0.35 532	0.11 390	0.15 305	0.17 319	0.26 351	0.22 299	0.19 358	0.24 337	0.21 350	0.14 319	0.15 283	0.13 278	0.11 430	0.07 380	0.11 439	0.10 423	0.09 383	0.07 280

GANetREF_RVC	0.31 516	0.34 536	0.27 466	0.35 532	0.16 492	0.32 502	0.41 542	0.48 533	0.51 514	0.35 502	0.35 455	0.34 481	0.33 508	0.39 527	0.32 516	0.27 540	0.20 525	0.29 537	0.15 502	0.18 516	0.17 516
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
PSMNet-RUCA	0.27 501	0.33 535	0.41 510	0.36 534	0.32 541	0.18 375	0.19 403	0.42 520	0.30 400	0.33 499	0.41 495	0.39 504	0.25 464	0.31 491	0.20 411	0.18 517	0.10 455	0.25 526	0.15 502	0.21 521	0.16 508

MFN_U_SF_DS_RVC	0.30 515	0.24 517	0.29 479	0.36 534	0.16 492	0.34 511	0.30 526	0.32 437	0.42 479	0.40 515	0.46 508	0.38 496	0.31 503	0.34 504	0.28 500	0.19 522	0.20 525	0.26 527	0.29 537	0.18 516	0.19 524

Consistency-Raft	0.44 535	0.40 541	0.45 514	0.37 536	0.43 546	0.46 528	0.41 542	0.57 546	0.55 517	0.32 495	0.73 543	0.33 475	0.48 537	0.42 534	0.49 546	0.39 545	0.35 546	0.45 545	0.51 553	0.42 545	0.29 540

MSC_U_SF_DS_RVC	0.43 534	0.39 540	0.54 525	0.40 537	0.20 519	0.64 543	0.32 534	0.53 541	0.72 544	0.71 544	0.72 542	0.61 538	0.54 541	0.51 539	0.46 543	0.20 524	0.19 522	0.29 537	0.30 539	0.23 525	0.18 519

SGM+DAISY	0.56 545	0.57 547	0.65 538	0.40 537	0.54 551	0.66 546	0.49 549	0.56 544	0.45 495	0.66 540	0.69 539	0.67 544	0.56 545	0.63 550	0.56 551	0.59 557	0.48 555	0.50 547	0.50 552	0.52 548	0.58 556

anonymity	0.53 543	0.58 548	0.65 538	0.41 539	0.61 559	0.53 535	0.41 542	0.56 544	0.41 472	0.55 536	0.50 516	0.49 528	0.55 544	0.58 548	0.50 549	0.58 556	0.50 559	0.51 548	0.51 553	0.51 547	0.57 555

NVStereoNet_ROB	0.46 540	0.36 538	0.46 518	0.41 539	0.28 535	0.34 511	0.34 535	0.48 533	0.60 529	0.72 546	0.93 554	0.70 547	0.66 551	0.47 536	0.60 553	0.22 532	0.33 545	0.34 541	0.34 544	0.30 539	0.30 542
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	0.39 527	0.37 539	0.52 523	0.44 541	0.28 535	0.58 538	0.24 474	0.41 515	0.62 532	0.40 515	0.49 512	0.46 522	0.33 508	0.40 531	0.32 516	0.30 541	0.30 542	0.39 543	0.33 542	0.29 538	0.28 539

ACVNet_1	0.44 535	0.49 545	0.60 534	0.45 542	0.28 535	0.49 533	0.27 504	0.57 546	0.72 544	0.62 539	0.58 532	0.74 548	0.49 538	0.50 538	0.35 523	0.26 539	0.24 537	0.39 543	0.29 537	0.31 542	0.24 531

ACVNet-4b	0.39 527	0.53 546	0.55 527	0.45 542	0.24 528	0.47 530	0.18 364	0.49 535	0.64 536	0.42 522	0.45 507	0.60 537	0.27 478	0.34 504	0.24 465	0.33 543	0.14 503	0.48 546	0.42 546	0.30 539	0.26 538

SPS-STEREO	0.57 546	0.58 548	0.65 538	0.45 542	0.55 553	0.62 542	0.44 548	0.62 549	0.50 507	0.68 542	0.64 534	0.66 543	0.57 546	0.61 549	0.60 553	0.62 559	0.47 554	0.51 548	0.49 550	0.55 552	0.58 556
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Ntro	0.40 530	0.40 541	0.53 524	0.46 545	0.30 539	0.65 544	0.24 474	0.46 531	0.68 541	0.41 519	0.49 512	0.48 527	0.42 532	0.39 527	0.31 515	0.32 542	0.28 540	0.37 542	0.30 539	0.32 543	0.29 540

JetBlue	0.71 551	0.45 544	1.14 562	0.51 546	0.47 548	2.02 573	0.64 559	0.75 552	0.70 542	0.69 543	0.77 548	1.22 559	0.83 558	1.03 569	1.01 569	0.40 546	0.28 540	0.33 540	0.33 542	0.30 539	0.34 546

MFMNet_re	0.64 547	0.66 554	0.65 538	0.51 546	0.69 563	0.69 547	0.57 555	0.64 550	0.73 548	0.60 538	0.73 543	0.62 539	0.67 552	0.65 551	0.60 553	0.66 561	0.58 568	0.63 552	0.59 556	0.68 559	0.69 565

SAMSARA	0.40 530	0.28 528	0.33 490	0.55 548	0.39 542	0.82 558	1.23 572	0.47 532	0.51 514	0.36 505	0.35 455	0.55 535	0.39 521	0.38 523	0.39 532	0.15 495	0.20 525	0.15 497	0.14 487	0.23 525	0.20 525

RainbowNet	0.54 544	0.61 550	0.70 550	0.57 549	0.43 546	0.65 544	0.37 540	0.60 548	0.87 554	0.50 532	0.66 536	0.64 540	0.47 536	0.49 537	0.43 542	0.47 551	0.48 555	0.52 550	0.41 545	0.52 548	0.40 550

ACVNet_2	0.66 550	0.66 554	0.68 546	0.63 550	0.41 544	0.71 549	0.49 549	0.96 561	1.39 566	0.89 556	1.09 561	1.04 553	0.73 554	0.54 545	0.47 544	0.43 549	0.40 548	0.53 551	0.44 547	0.47 546	0.35 547

MADNet+	0.75 554	0.71 556	3.70 573	0.66 551	0.41 544	0.98 563	0.97 570	0.69 551	0.73 548	0.52 533	0.57 530	0.64 540	0.68 553	0.86 561	1.01 569	0.34 544	0.36 547	0.28 536	0.23 528	0.36 544	0.31 543

IMH-64-1	0.65 548	0.61 550	0.68 546	0.71 552	0.51 549	0.59 539	0.49 549	0.91 557	0.85 552	0.74 550	1.02 558	0.81 549	0.78 556	0.79 554	0.49 546	0.42 547	0.46 550	0.71 554	0.47 548	0.52 548	0.39 548

IMH-64	0.65 548	0.61 550	0.68 546	0.71 552	0.51 549	0.59 539	0.49 549	0.91 557	0.85 552	0.74 550	1.02 558	0.81 549	0.78 556	0.79 554	0.49 546	0.42 547	0.46 550	0.71 554	0.47 548	0.52 548	0.39 548

IMH	0.71 551	0.64 553	0.68 546	0.76 554	0.54 551	0.69 547	0.54 553	0.98 563	1.10 559	0.82 554	1.09 561	0.89 551	0.88 561	0.87 562	0.52 550	0.44 550	0.50 559	0.75 557	0.51 553	0.56 553	0.41 551

PWCK	0.71 551	0.94 565	0.95 559	0.76 554	0.31 540	0.74 551	0.36 537	0.90 556	0.90 555	0.96 559	0.75 547	0.95 552	0.61 548	0.87 562	0.66 556	0.72 562	0.46 550	0.75 557	0.49 550	0.69 561	0.44 552

TorneroNet-64	0.76 555	0.72 557	0.74 551	0.78 556	0.58 557	0.91 562	0.56 554	0.84 555	1.29 563	0.66 540	0.90 552	1.40 565	0.75 555	0.85 560	0.67 559	0.49 552	0.46 550	0.72 556	0.59 556	0.67 558	0.53 554

LVE	0.83 559	0.85 563	0.85 557	0.80 557	0.56 554	1.04 568	0.65 560	1.05 566	1.47 569	0.96 559	1.22 569	1.10 556	0.85 559	0.83 557	0.71 561	0.49 552	0.55 565	0.76 560	0.60 558	0.65 556	0.59 561

Dean	0.87 560	0.86 564	0.79 554	0.81 558	0.56 554	0.90 559	0.63 557	1.15 572	1.73 572	1.15 567	1.15 566	1.31 562	0.99 565	0.81 556	0.81 565	0.57 555	0.56 566	0.77 561	0.64 559	0.66 557	0.58 556

TorneroNet	0.82 558	0.74 558	0.81 556	0.84 559	0.63 560	0.99 564	0.63 557	0.96 561	1.16 560	0.80 553	1.11 563	1.36 564	0.86 560	0.93 565	0.80 564	0.56 554	0.49 557	0.78 562	0.66 561	0.73 564	0.63 564

WAO-7	0.79 556	0.78 559	0.54 525	0.85 560	0.67 562	0.74 551	0.68 563	1.05 566	1.32 564	0.90 557	1.20 568	1.04 553	0.92 562	0.69 552	0.66 556	0.60 558	0.62 569	0.67 553	0.68 562	0.64 555	0.58 556

WAO-6	0.81 557	0.80 560	0.62 536	0.86 561	0.63 560	0.76 555	0.58 556	0.98 563	1.54 571	0.90 557	0.96 557	1.07 555	1.03 566	0.70 553	0.66 556	0.72 562	0.49 557	0.90 565	0.71 563	0.68 559	0.58 556

UNDER WATER-64	0.95 563	0.94 565	1.43 566	0.87 562	0.56 554	1.18 571	0.87 567	0.77 553	0.94 556	1.04 562	0.85 551	1.58 570	1.21 572	0.94 566	0.96 567	0.87 568	0.57 567	1.03 568	0.88 569	0.78 565	0.73 566

JetRed	1.62 570	1.46 573	2.98 568	0.92 563	1.21 572	4.99 576	1.53 575	1.27 574	1.39 566	1.83 573	1.74 574	1.60 571	0.95 563	1.41 572	2.45 576	0.90 570	1.60 574	0.93 566	0.90 570	1.35 572	0.99 572

WAO-8	0.91 561	0.81 561	0.65 538	0.94 564	0.69 563	0.90 559	0.67 561	1.07 569	1.83 574	1.06 564	1.45 571	1.30 560	1.07 567	0.84 558	0.78 562	0.74 564	0.53 562	0.86 563	0.75 564	0.69 561	0.62 562

Venus	0.91 561	0.81 561	0.65 538	0.94 564	0.69 563	0.90 559	0.67 561	1.07 569	1.83 574	1.06 564	1.45 571	1.30 560	1.07 567	0.84 558	0.78 562	0.74 564	0.53 562	0.86 563	0.75 564	0.69 561	0.62 562

UNDER WATER	0.97 564	0.97 567	1.42 565	0.99 566	0.70 566	1.12 570	0.84 566	0.80 554	1.08 558	1.01 561	0.90 552	1.55 569	1.22 573	1.03 569	1.00 568	0.78 566	0.53 562	1.02 567	0.87 568	0.80 566	0.74 567

GCST	0.37 526	0.42 543	0.26 459	1.02 567	0.39 542	0.18 375	0.08 7	0.20 230	0.17 206	0.28 471	0.25 366	0.15 267	0.12 256	0.16 317	0.14 315	0.64 560	0.43 549	0.75 557	0.65 560	0.63 554	0.46 553

HanzoNet	1.29 569	1.26 572	1.19 563	1.12 568	0.85 568	1.02 567	0.83 565	1.03 565	1.48 570	1.64 572	1.61 573	2.50 574	1.72 574	1.61 573	1.61 572	1.26 572	0.80 572	1.31 572	1.01 571	1.02 570	0.86 570

notaker	0.97 564	1.11 568	0.98 560	1.13 569	0.81 567	0.73 550	0.68 563	0.93 559	1.16 560	1.18 569	1.18 567	1.41 566	1.16 571	1.08 571	0.69 560	0.81 567	0.64 570	1.17 569	0.79 566	0.98 568	0.80 569

DPSimNet_ROB	1.11 568	1.23 571	0.78 552	1.13 569	0.88 570	1.10 569	1.13 571	1.16 573	1.23 562	1.43 571	1.02 558	1.41 566	1.10 570	0.90 564	1.60 571	1.46 574	0.51 561	1.21 571	1.03 572	0.90 567	1.01 573

ktn	1.01 566	1.21 570	0.80 555	1.23 571	0.86 569	1.01 566	0.87 567	0.94 560	1.39 566	1.04 562	1.12 564	1.15 557	1.07 567	0.94 566	0.59 552	1.28 573	0.71 571	1.38 573	0.83 567	1.02 570	0.75 568

KSHMR	1.09 567	1.17 569	0.88 558	1.25 572	1.00 571	0.99 564	0.96 569	1.13 571	1.37 565	1.16 568	1.29 570	1.41 566	0.96 564	1.01 568	0.92 566	1.03 571	1.08 573	1.20 570	1.03 572	1.01 569	0.97 571

MADNet++	1.95 571	1.75 574	1.59 567	1.82 573	1.69 574	2.33 574	1.40 574	2.35 575	2.09 576	2.57 575	2.36 576	2.24 573	2.17 575	2.28 574	2.34 574	1.87 575	1.66 575	1.54 574	1.34 574	1.92 573	1.77 575

tt	4.67 574	0.06 57	3.55 572	2.02 574	1.55 573	10.25 580	16.71 580	8.91 584	5.03 577	1.31 570	0.94 555	4.71 575	4.76 576	3.33 575	5.87 578	6.06 583	10.30 587	1.88 577	2.11 577	2.75 575	1.21 574

xxxxx1	7.79 576	5.02 580	7.31 577	3.12 575	3.85 576	16.35 584	22.88 582	5.86 580	8.69 579	7.97 580	8.54 578	9.12 582	8.27 580	10.18 582	10.92 580	2.42 577	2.45 577	3.56 580	12.37 584	3.77 576	3.06 578

tt_ll	7.79 576	5.02 580	7.31 577	3.12 575	3.85 576	16.35 584	22.88 582	5.86 580	8.69 579	7.97 580	8.54 578	9.12 582	8.27 580	10.18 582	10.92 580	2.42 577	2.45 577	3.56 580	12.37 584	3.77 576	3.06 578

ff	7.79 576	5.02 580	7.31 577	3.12 575	3.85 576	16.35 584	22.88 582	5.86 580	8.69 579	7.97 580	8.54 578	9.12 582	8.27 580	10.18 582	10.92 580	2.42 577	2.45 577	3.56 580	12.37 584	3.77 576	3.06 578

PML	8.91 582	9.34 587	6.13 575	5.35 578	6.41 579	14.99 583	23.38 587	5.27 576	6.83 578	18.04 588	28.19 594	7.67 580	6.83 578	7.85 581	5.75 577	5.35 582	1.83 576	5.95 586	1.93 576	8.64 584	2.52 577

DGTPSM_ROB	8.06 580	4.48 578	8.63 583	5.35 578	10.72 582	8.32 578	22.97 585	5.46 577	13.35 584	5.12 577	9.92 581	5.08 576	10.40 583	5.52 578	12.58 583	3.79 580	8.00 582	3.50 578	7.02 581	3.83 579	7.14 583

DPSMNet_ROB	8.06 580	4.48 578	8.63 583	5.37 580	10.74 583	8.32 578	22.98 586	5.46 577	13.36 585	5.12 577	9.92 581	5.08 576	10.40 583	5.53 579	12.58 583	3.80 581	8.00 582	3.50 578	7.02 581	3.83 579	7.14 583

USTest	6.22 575	2.73 576	3.00 569	6.57 581	7.29 580	14.37 582	21.57 581	7.00 583	9.56 582	5.34 579	6.10 577	5.72 578	7.64 579	6.41 580	6.96 579	1.97 576	3.42 581	1.64 575	2.15 578	2.66 574	2.36 576

Anonymous_1	10.96 585	7.92 584	7.46 580	10.33 582	10.06 581	18.65 588	26.34 588	11.06 585	13.44 586	9.40 583	10.05 583	9.67 585	11.23 585	10.73 585	12.72 585	6.42 584	8.38 584	5.77 583	10.61 583	12.12 585	6.77 582

DPSM_ROB	11.15 586	8.58 585	8.00 581	10.88 583	11.58 584	19.10 589	26.71 589	12.05 586	14.07 587	10.36 584	10.84 584	10.33 586	11.86 586	11.70 586	13.54 586	6.99 585	8.79 585	5.89 584	6.95 579	7.29 582	7.42 585

DPSM	11.15 586	8.58 585	8.00 581	10.88 583	11.58 584	19.10 589	26.71 589	12.05 586	14.07 587	10.36 584	10.84 584	10.33 586	11.86 586	11.70 586	13.54 586	6.99 585	8.79 585	5.89 584	6.95 579	7.29 582	7.42 585

TCMNet-wrong-test	3.67 573	5.48 583	3.89 574	12.18 585	11.75 586	4.65 575	3.88 576	1.06 568	0.72 544	1.09 566	2.15 575	6.30 579	0.53 540	3.43 576	2.36 575	0.89 569	0.20 525	1.87 576	1.69 575	5.57 581	3.62 581

HaxPig	15.71 588	18.52 593	19.18 589	16.89 586	15.89 588	7.73 577	7.60 577	13.31 588	10.82 583	15.42 587	14.91 586	15.98 588	14.92 588	15.58 588	15.98 588	18.95 591	16.73 588	19.46 591	18.08 591	19.26 591	19.05 592

LRCNet_RVC	10.62 584	13.42 588	7.30 576	18.92 587	2.07 575	0.33 508	0.30 526	5.59 579	0.48 498	13.03 586	17.94 587	8.87 581	5.65 577	4.79 577	1.89 573	23.51 592	2.73 580	27.55 593	25.71 593	16.07 590	16.33 591

MEDIAN_ROB	20.38 589	24.04 594	23.31 591	21.23 588	21.71 589	10.40 581	7.92 578	17.64 589	15.50 589	20.12 589	19.70 588	20.34 589	20.32 589	21.19 589	21.13 589	23.81 593	21.81 593	24.98 592	23.76 592	24.71 592	23.93 593

CasAABBNet	22.42 590	17.33 590	16.01 585	22.01 589	23.28 591	38.32 591	53.80 593	24.14 591	28.41 592	20.60 590	21.77 590	20.89 592	23.91 592	23.43 590	27.36 592	14.07 588	17.69 590	11.83 589	14.01 588	14.67 587	14.95 589

Selective-RAFT-Error	22.47 592	17.37 592	16.09 586	22.06 590	23.34 592	38.39 592	53.83 594	24.29 594	28.47 594	20.74 591	21.83 592	20.81 591	23.90 591	23.54 593	27.53 594	14.08 589	17.69 590	11.82 588	14.00 587	14.69 588	15.00 590

FlowAnything	22.44 591	17.35 591	16.14 587	22.07 591	23.23 590	38.39 592	53.77 592	24.25 592	28.44 593	20.96 593	21.82 591	20.70 590	23.84 590	23.49 591	27.14 591	14.04 587	17.79 592	11.75 587	14.15 590	14.65 586	14.89 587

LSM0	22.87 593	17.28 589	18.96 588	22.19 592	29.04 594	38.42 594	53.71 591	24.28 593	28.31 591	20.78 592	21.00 589	21.43 593	24.16 593	23.50 592	27.39 593	14.09 590	17.38 589	11.84 590	14.04 589	14.73 589	14.89 587

AVERAGE_ROB	24.90 594	29.20 595	28.14 592	24.89 593	24.64 593	17.75 587	11.12 579	21.45 590	19.93 590	25.12 594	24.46 593	25.12 594	25.46 594	24.69 594	22.83 590	29.76 594	27.13 594	28.97 594	27.95 594	29.91 593	29.47 594

test_example2	98.32 595	94.13 596	45.89 593	96.35 594	109.85 595	88.61 595	95.45 595	25.75 595	94.37 595	130.00 596	126.06 595	58.17 595	74.63 595	88.51 595	79.96 595	150.23 595	221.02 595	77.62 595	99.10 595	113.75 595	96.94 595

DLNR_Zeroshot_test	10.40 583	1.82 575	19.49 590	120.77 595	13.11 587	0.06 9	0.13 104	0.23 295	0.10 36	0.07 30	0.10 118	0.09 124	0.06 36	0.10 62	0.09 54	0.13 478	0.04 21	0.06 102	0.04 34	51.54 594	0.04 40

ccccc		285.66 597		368.85 596	370.60 596	123.16 596		115.05 596		126.68 595		122.83 596		252.94 596		384.56 596	353.86 596	254.69 596	223.00 596	425.87 596

ASD4		3.38 577

Low-res two-view benchmark