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

Monster-pub-eth3d	0.07 4	0.06 59	0.05 1	0.15 72	0.05 1	0.08 53	0.10 29	0.15 109	0.15 162	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

asda	0.07 4	0.08 240	0.08 31	0.16 146	0.06 14	0.06 10	0.10 29	0.16 136	0.10 37	0.06 11	0.06 13	0.05 1	0.05 11	0.10 65	0.10 125	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

asd	0.07 4	0.08 240	0.07 7	0.16 146	0.07 74	0.08 53	0.08 7	0.11 29	0.08 13	0.07 33	0.07 40	0.06 18	0.06 36	0.10 65	0.09 54	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

qwe	0.07 4	0.08 240	0.07 7	0.15 72	0.06 14	0.07 30	0.10 29	0.18 201	0.11 63	0.07 33	0.07 40	0.06 18	0.06 36	0.10 65	0.09 54	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

depthmonostereo	0.09 85	0.06 59	0.09 73	0.15 72	0.06 14	0.10 131	0.13 107	0.14 78	0.14 145	0.10 129	0.10 121	0.09 127	0.11 228	0.08 16	0.09 54	0.06 116	0.05 186	0.06 105	0.04 37	0.04 16	0.03 1

DilatedVolume-Stereo	0.09 85	0.05 19	0.08 31	0.15 72	0.06 14	0.11 176	0.12 66	0.14 78	0.16 190	0.11 158	0.11 151	0.09 127	0.09 171	0.11 111	0.10 125	0.06 116	0.05 186	0.05 25	0.04 37	0.03 1	0.03 1

4.25_new	0.07 4	0.08 240	0.09 73	0.15 72	0.06 14	0.09 84	0.08 7	0.14 78	0.08 13	0.07 33	0.07 40	0.06 18	0.06 36	0.12 193	0.10 125	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4.5w_new	0.07 4	0.08 240	0.09 73	0.15 72	0.06 14	0.09 84	0.08 7	0.14 78	0.08 13	0.07 33	0.07 40	0.06 18	0.06 36	0.12 193	0.10 125	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4.5_new	0.07 4	0.09 316	0.08 31	0.15 72	0.07 74	0.06 10	0.10 29	0.14 78	0.11 63	0.06 11	0.08 74	0.06 18	0.06 36	0.08 16	0.10 125	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

4.5w-stereo	0.07 4	0.09 316	0.08 31	0.15 72	0.07 74	0.06 10	0.10 29	0.14 78	0.11 63	0.06 11	0.08 74	0.06 18	0.06 36	0.08 16	0.10 125	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

4.25w-stereo	0.07 4	0.08 240	0.09 73	0.15 72	0.06 14	0.09 84	0.08 7	0.14 78	0.08 13	0.07 33	0.07 40	0.06 18	0.06 36	0.12 193	0.10 125	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4w-stereo	0.07 4	0.08 240	0.08 31	0.16 146	0.06 14	0.07 30	0.08 7	0.12 45	0.08 13	0.07 33	0.07 40	0.05 1	0.06 36	0.09 35	0.10 125	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

2.5w	0.07 4	0.07 143	0.07 7	0.16 146	0.06 14	0.08 53	0.12 66	0.10 18	0.10 37	0.07 33	0.06 13	0.09 127	0.06 36	0.08 16	0.09 54	0.04 11	0.03 1	0.04 1	0.04 37	0.03 1	0.03 1

3.25w_new	0.07 4	0.06 59	0.07 7	0.15 72	0.06 14	0.10 131	0.07 3	0.12 45	0.11 63	0.08 66	0.06 13	0.07 65	0.06 36	0.11 111	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 59	0.07 7	0.15 72	0.06 14	0.10 131	0.07 3	0.12 45	0.11 63	0.08 66	0.06 13	0.07 65	0.06 36	0.11 111	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.75w	0.07 4	0.07 143	0.08 31	0.16 146	0.07 74	0.07 30	0.09 18	0.16 136	0.09 24	0.07 33	0.06 13	0.05 1	0.06 36	0.09 35	0.10 125	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 143	0.07 7	0.15 72	0.07 74	0.09 84	0.06 1	0.13 61	0.11 63	0.07 33	0.07 40	0.06 18	0.07 110	0.10 65	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3w_stereo	0.08 47	0.09 316	0.10 112	0.17 220	0.07 74	0.08 53	0.10 29	0.20 233	0.13 120	0.06 11	0.07 40	0.05 1	0.06 36	0.08 16	0.09 54	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

2w_stereo	0.08 47	0.08 240	0.09 73	0.16 146	0.06 14	0.08 53	0.10 29	0.20 233	0.15 162	0.08 66	0.07 40	0.06 18	0.06 36	0.06 1	0.09 54	0.04 11	0.03 1	0.04 1	0.04 37	0.03 1	0.03 1

monsterstereo	0.07 4	0.06 59	0.06 3	0.16 146	0.06 14	0.08 53	0.10 29	0.16 136	0.11 63	0.07 33	0.08 74	0.06 18	0.07 110	0.08 16	0.09 54	0.04 11	0.04 22	0.05 25	0.04 37	0.03 1	0.03 1

monsters	0.07 4	0.06 59	0.06 3	0.15 72	0.06 14	0.08 53	0.09 18	0.12 45	0.08 13	0.09 96	0.07 40	0.06 18	0.06 36	0.08 16	0.08 17	0.05 28	0.04 22	0.04 1	0.04 37	0.03 1	0.03 1

LG-Stereo_L2	0.07 4	0.05 19	0.10 112	0.14 31	0.06 14	0.07 30	0.12 66	0.09 11	0.09 24	0.06 11	0.04 1	0.05 1	0.05 11	0.08 16	0.08 17	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.03 1

SGD-Stereo	0.08 47	0.05 19	0.10 112	0.14 31	0.05 1	0.12 211	0.12 66	0.11 29	0.12 89	0.07 33	0.09 92	0.09 127	0.09 171	0.08 16	0.08 17	0.06 116	0.04 22	0.05 25	0.04 37	0.05 102	0.03 1

MM-Stereo_test2	0.09 85	0.06 59	0.09 73	0.19 359	0.08 130	0.12 211	0.18 367	0.15 109	0.14 145	0.07 33	0.10 121	0.07 65	0.06 36	0.12 193	0.09 54	0.05 28	0.04 22	0.06 105	0.05 111	0.05 102	0.03 1

AIO_rvc	0.07 4	0.06 59	0.08 31	0.15 72	0.06 14	0.08 53	0.14 155	0.09 11	0.08 13	0.07 33	0.08 74	0.07 65	0.04 1	0.10 65	0.08 17	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

AIO_test	0.07 4	0.05 19	0.07 7	0.15 72	0.07 74	0.06 10	0.14 155	0.10 18	0.10 37	0.07 33	0.07 40	0.06 18	0.05 11	0.08 16	0.10 125	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

castereo++	0.08 47	0.05 19	0.08 31	0.15 72	0.05 1	0.14 282	0.12 66	0.11 29	0.15 162	0.07 33	0.07 40	0.07 65	0.06 36	0.08 16	0.08 17	0.06 116	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

castereo	0.09 85	0.06 59	0.11 153	0.15 72	0.06 14	0.11 176	0.15 223	0.14 78	0.18 235	0.08 66	0.10 121	0.11 179	0.08 145	0.09 35	0.10 125	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

MonSter	0.07 4	0.06 59	0.05 1	0.15 72	0.05 1	0.07 30	0.10 29	0.15 109	0.15 162	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

mms	0.09 85	0.07 143	0.08 31	0.16 146	0.08 130	0.10 131	0.16 288	0.12 45	0.11 63	0.08 66	0.09 92	0.08 102	0.06 36	0.11 111	0.12 240	0.05 28	0.04 22	0.07 198	0.05 111	0.04 16	0.03 1

ours_stereo	0.09 85	0.07 143	0.09 73	0.17 220	0.08 130	0.11 176	0.16 288	0.11 29	0.12 89	0.08 66	0.10 121	0.08 102	0.06 36	0.12 193	0.12 240	0.05 28	0.04 22	0.06 105	0.05 111	0.04 16	0.03 1

WCG-NET	0.08 47	0.05 19	0.09 73	0.15 72	0.06 14	0.11 176	0.14 155	0.13 61	0.13 120	0.06 11	0.09 92	0.07 65	0.06 36	0.13 238	0.08 17	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

RSM++	0.08 47	0.06 59	0.09 73	0.17 220	0.07 74	0.09 84	0.12 66	0.11 29	0.11 63	0.08 66	0.06 13	0.07 65	0.05 11	0.10 65	0.09 54	0.04 11	0.04 22	0.06 105	0.05 111	0.05 102	0.03 1

RSM	0.08 47	0.06 59	0.09 73	0.17 220	0.06 14	0.08 53	0.12 66	0.12 45	0.10 37	0.08 66	0.07 40	0.06 18	0.05 11	0.11 111	0.09 54	0.04 11	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

CASnet	0.09 85	0.09 316	0.09 73	0.19 359	0.06 14	0.07 30	0.11 49	0.18 201	0.14 145	0.11 158	0.10 121	0.09 127	0.07 110	0.10 65	0.10 125	0.06 116	0.04 22	0.10 411	0.08 341	0.05 102	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.08 47	0.05 19	0.07 7	0.15 72	0.07 74	0.08 53	0.15 223	0.11 29	0.10 37	0.08 66	0.09 92	0.06 18	0.09 171	0.10 65	0.09 54	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.03 1

Selective-IGEV	0.07 4	0.06 59	0.08 31	0.17 220	0.06 14	0.08 53	0.12 66	0.13 61	0.07 8	0.08 66	0.07 40	0.06 18	0.04 1	0.10 65	0.09 54	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

test_4	0.10 146	0.10 374	0.08 31	0.19 359	0.09 242	0.08 53	0.22 454	0.15 109	0.17 209	0.12 196	0.18 267	0.12 196	0.09 171	0.08 16	0.11 191	0.04 11	0.04 22	0.08 282	0.08 341	0.04 16	0.03 1

RAFT-Stereo + iAFF	0.09 85	0.06 59	0.10 112	0.17 220	0.06 14	0.10 131	0.16 288	0.17 172	0.14 145	0.09 96	0.10 121	0.08 102	0.09 171	0.11 111	0.09 54	0.05 28	0.04 22	0.06 105	0.06 189	0.04 16	0.03 1

AFF-stereo	0.09 85	0.06 59	0.10 112	0.17 220	0.07 74	0.10 131	0.16 288	0.17 172	0.09 24	0.10 129	0.12 164	0.09 127	0.09 171	0.12 193	0.09 54	0.05 28	0.04 22	0.07 198	0.07 276	0.04 16	0.03 1

Replicate-Monster	0.07 4	0.05 19	0.09 73	0.14 31	0.06 14	0.08 53	0.09 18	0.13 61	0.13 120	0.05 1	0.07 40	0.06 18	0.06 36	0.08 16	0.10 125	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.04 41

AdaDepth	0.07 4	0.06 59	0.07 7	0.18 302	0.06 14	0.11 176	0.12 66	0.09 11	0.07 8	0.06 11	0.05 7	0.07 65	0.06 36	0.09 35	0.10 125	0.04 11	0.05 186	0.05 25	0.04 37	0.04 16	0.04 41

water-stereo	0.09 85	0.06 59	0.08 31	0.16 146	0.07 74	0.09 84	0.13 107	0.15 109	0.13 120	0.11 158	0.12 164	0.08 102	0.09 171	0.07 4	0.08 17	0.06 116	0.05 186	0.05 25	0.05 111	0.04 16	0.04 41

2.25w	0.07 4	0.06 59	0.07 7	0.14 31	0.06 14	0.08 53	0.08 7	0.10 18	0.15 162	0.08 66	0.10 121	0.07 65	0.06 36	0.08 16	0.10 125	0.05 28	0.03 1	0.04 1	0.04 37	0.03 1	0.04 41

2.75w_new	0.07 4	0.07 143	0.07 7	0.13 13	0.06 14	0.08 53	0.08 7	0.18 201	0.12 89	0.07 33	0.08 74	0.06 18	0.06 36	0.09 35	0.11 191	0.04 11	0.04 22	0.04 1	0.03 1	0.03 1	0.04 41

1w_stereo	0.07 4	0.06 59	0.07 7	0.16 146	0.06 14	0.07 30	0.10 29	0.14 78	0.14 145	0.07 33	0.08 74	0.05 1	0.06 36	0.09 35	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 41

IGEV	0.07 4	0.04 1	0.08 31	0.13 13	0.06 14	0.09 84	0.12 66	0.14 78	0.10 37	0.06 11	0.09 92	0.07 65	0.05 11	0.09 35	0.09 54	0.06 116	0.04 22	0.05 25	0.04 37	0.05 102	0.04 41

xyz-stereo	0.13 280	0.07 143	0.20 427	0.15 72	0.05 1	0.20 416	0.15 223	0.17 172	0.31 410	0.15 271	0.29 420	0.26 418	0.16 366	0.13 238	0.12 240	0.05 28	0.05 186	0.06 105	0.05 111	0.04 16	0.04 41

LG-Stereo_L1	0.07 4	0.05 19	0.11 153	0.14 31	0.06 14	0.07 30	0.13 107	0.09 11	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 16	0.07 1	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.04 41

MLG-Stereo_test1	0.06 1	0.05 19	0.08 31	0.17 220	0.05 1	0.06 10	0.11 49	0.08 4	0.03 1	0.05 1	0.04 1	0.06 18	0.05 11	0.09 35	0.09 54	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.04 41

MLG-Stereo	0.07 4	0.05 19	0.08 31	0.17 220	0.05 1	0.07 30	0.11 49	0.08 4	0.04 2	0.05 1	0.04 1	0.06 18	0.05 11	0.10 65	0.09 54	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.04 41

LG-Stereo_Zeroshot	0.07 4	0.06 59	0.10 112	0.16 146	0.07 74	0.04 1	0.13 107	0.10 18	0.10 37	0.05 1	0.11 151	0.07 65	0.05 11	0.07 4	0.09 54	0.06 116	0.04 22	0.05 25	0.04 37	0.05 102	0.04 41

LG-Stereo	0.08 47	0.07 143	0.10 112	0.18 302	0.07 74	0.10 131	0.17 322	0.11 29	0.08 13	0.05 1	0.07 40	0.05 1	0.07 110	0.09 35	0.09 54	0.04 11	0.05 186	0.07 198	0.07 276	0.04 16	0.04 41

MM-Stereo_test3	0.10 146	0.07 143	0.07 7	0.18 302	0.07 74	0.12 211	0.19 406	0.24 320	0.19 250	0.06 11	0.10 121	0.08 102	0.06 36	0.11 111	0.08 17	0.06 116	0.06 311	0.07 198	0.05 111	0.05 102	0.04 41

MM-Stereo_test1	0.10 146	0.07 143	0.08 31	0.18 302	0.07 74	0.12 211	0.18 367	0.21 256	0.20 273	0.09 96	0.11 151	0.08 102	0.06 36	0.10 65	0.10 125	0.06 116	0.05 186	0.07 198	0.06 189	0.05 102	0.04 41

HART	0.08 47	0.07 143	0.09 73	0.17 220	0.07 74	0.10 131	0.16 288	0.13 61	0.11 63	0.08 66	0.10 121	0.07 65	0.05 11	0.10 65	0.08 17	0.05 28	0.04 22	0.06 105	0.04 37	0.05 102	0.04 41

GREAT-IGEV	0.07 4	0.06 59	0.08 31	0.13 13	0.07 74	0.07 30	0.14 155	0.09 11	0.09 24	0.06 11	0.07 40	0.06 18	0.05 11	0.10 65	0.07 1	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 41

SCV	0.08 47	0.09 316	0.08 31	0.15 72	0.08 130	0.10 131	0.13 107	0.10 18	0.12 89	0.07 33	0.07 40	0.06 18	0.04 1	0.09 35	0.08 17	0.05 28	0.04 22	0.06 105	0.04 37	0.06 195	0.04 41

DEFOM-Stereo_RVC	0.08 47	0.06 59	0.09 73	0.22 458	0.06 14	0.08 53	0.12 66	0.10 18	0.10 37	0.07 33	0.07 40	0.06 18	0.05 11	0.11 111	0.09 54	0.06 116	0.04 22	0.05 25	0.03 1	0.06 195	0.04 41

FoundationStereo	0.06 1	0.04 1	0.08 31	0.12 4	0.05 1	0.09 84	0.13 107	0.06 1	0.09 24	0.05 1	0.05 7	0.06 18	0.04 1	0.06 1	0.07 1	0.06 116	0.04 22	0.05 25	0.03 1	0.05 102	0.04 41

StereoAnything_RVC	0.07 4	0.15 469	0.17 381	0.11 1	0.05 1	0.05 4	0.11 49	0.08 4	0.08 13	0.06 11	0.06 13	0.05 1	0.05 11	0.09 35	0.08 17	0.08 304	0.04 22	0.05 25	0.03 1	0.05 102	0.04 41

HUF	0.08 47	0.05 19	0.08 31	0.14 31	0.06 14	0.09 84	0.13 107	0.13 61	0.13 120	0.07 33	0.07 40	0.08 102	0.06 36	0.10 65	0.09 54	0.06 116	0.04 22	0.05 25	0.04 37	0.05 102	0.04 41

GIP-stereo	0.08 47	0.06 59	0.11 153	0.14 31	0.06 14	0.09 84	0.13 107	0.14 78	0.11 63	0.07 33	0.08 74	0.05 1	0.04 1	0.10 65	0.07 1	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 41

DEFOM-Stereo	0.07 4	0.05 19	0.07 7	0.14 31	0.06 14	0.10 131	0.13 107	0.07 2	0.13 120	0.06 11	0.07 40	0.06 18	0.05 11	0.10 65	0.09 54	0.04 11	0.04 22	0.05 25	0.03 1	0.04 16	0.04 41

SMoEStereo_RVC	0.08 47	0.06 59	0.12 188	0.16 146	0.07 74	0.09 84	0.14 155	0.11 29	0.13 120	0.09 96	0.07 40	0.07 65	0.07 110	0.12 193	0.10 125	0.05 28	0.04 22	0.06 105	0.05 111	0.04 16	0.04 41

tg	0.10 146	0.06 59	0.10 112	0.18 302	0.08 130	0.11 176	0.16 288	0.20 233	0.12 89	0.08 66	0.11 151	0.11 179	0.07 110	0.11 111	0.10 125	0.05 28	0.04 22	0.08 282	0.08 341	0.04 16	0.04 41

dual_stereo	0.07 4	0.04 1	0.08 31	0.15 72	0.05 1	0.05 4	0.13 107	0.12 45	0.08 13	0.07 33	0.06 13	0.05 1	0.05 11	0.07 4	0.09 54	0.06 116	0.04 22	0.05 25	0.03 1	0.04 16	0.04 41

GCAP-BAT	0.09 85	0.07 143	0.14 268	0.15 72	0.08 130	0.10 131	0.13 107	0.14 78	0.10 37	0.11 158	0.10 121	0.08 102	0.07 110	0.12 193	0.10 125	0.06 116	0.05 186	0.06 105	0.04 37	0.04 16	0.04 41

IGEV-Stereo++	0.07 4	0.06 59	0.08 31	0.18 302	0.06 14	0.04 1	0.10 29	0.11 29	0.11 63	0.06 11	0.07 40	0.07 65	0.06 36	0.09 35	0.09 54	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 41

RAStereo	0.10 146	0.09 316	0.08 31	0.20 414	0.08 130	0.13 250	0.18 367	0.15 109	0.17 209	0.10 129	0.12 164	0.05 1	0.06 36	0.09 35	0.08 17	0.07 243	0.05 186	0.07 198	0.05 111	0.05 102	0.04 41

AIO-Stereo	0.08 47	0.06 59	0.09 73	0.18 302	0.06 14	0.08 53	0.12 66	0.15 109	0.09 24	0.08 66	0.08 74	0.07 65	0.05 11	0.11 111	0.08 17	0.05 28	0.05 186	0.05 25	0.04 37	0.04 16	0.04 41

WCG-NET（raft）	0.08 47	0.05 19	0.10 112	0.15 72	0.06 14	0.11 176	0.13 107	0.15 109	0.12 89	0.08 66	0.07 40	0.06 18	0.06 36	0.13 238	0.08 17	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.04 41

RAFT-Stereo-weight	0.09 85	0.06 59	0.10 112	0.16 146	0.07 74	0.09 84	0.14 155	0.19 222	0.16 190	0.11 158	0.10 121	0.08 102	0.06 36	0.10 65	0.11 191	0.06 116	0.04 22	0.06 105	0.04 37	0.04 16	0.04 41

gcap-zeroshot	0.09 85	0.05 19	0.10 112	0.16 146	0.07 74	0.13 250	0.13 107	0.11 29	0.12 89	0.13 223	0.12 164	0.09 127	0.08 145	0.09 35	0.09 54	0.06 116	0.05 186	0.06 105	0.05 111	0.04 16	0.04 41

test_for_model	0.09 85	0.12 418	0.14 268	0.23 479	0.11 393	0.08 53	0.13 107	0.12 45	0.12 89	0.10 129	0.07 40	0.07 65	0.06 36	0.11 111	0.10 125	0.06 116	0.05 186	0.05 25	0.03 1	0.07 261	0.04 41

MoCha-V2	0.08 47	0.05 19	0.10 112	0.20 414	0.07 74	0.09 84	0.14 155	0.11 29	0.08 13	0.07 33	0.08 74	0.07 65	0.06 36	0.09 35	0.08 17	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.04 41

IGEV++	0.08 47	0.06 59	0.08 31	0.18 302	0.07 74	0.09 84	0.13 107	0.10 18	0.09 24	0.08 66	0.08 74	0.06 18	0.06 36	0.13 238	0.09 54	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 41

AE-Stereo	0.10 146	0.08 240	0.10 112	0.18 302	0.09 242	0.10 131	0.15 223	0.14 78	0.19 250	0.09 96	0.14 192	0.12 196	0.08 145	0.11 111	0.10 125	0.05 28	0.06 311	0.07 198	0.06 189	0.05 102	0.04 41

MaDis-Stereo	0.09 85	0.09 316	0.08 31	0.17 220	0.09 242	0.13 250	0.10 29	0.16 136	0.16 190	0.09 96	0.11 151	0.06 18	0.06 36	0.09 35	0.13 281	0.07 243	0.06 311	0.07 198	0.05 111	0.05 102	0.04 41

MSKI-zero shot	0.09 85	0.05 19	0.09 73	0.15 72	0.07 74	0.10 131	0.13 107	0.14 78	0.13 120	0.09 96	0.09 92	0.09 127	0.06 36	0.12 193	0.10 125	0.06 116	0.04 22	0.05 25	0.04 37	0.04 16	0.04 41

DLNR_Zeroshot_test	10.40 586	1.82 578	19.49 593	120.77 598	13.11 590	0.06 10	0.13 107	0.23 298	0.10 37	0.07 33	0.10 121	0.09 127	0.06 36	0.10 65	0.09 54	0.13 481	0.04 22	0.06 105	0.04 37	51.54 597	0.04 41

testlalala	0.08 47	0.07 143	0.17 381	0.16 146	0.08 130	0.09 84	0.12 66	0.15 109	0.10 37	0.07 33	0.09 92	0.06 18	0.06 36	0.11 111	0.09 54	0.05 28	0.04 22	0.06 105	0.04 37	0.04 16	0.04 41

AEACV	0.08 47	0.05 19	0.08 31	0.14 31	0.13 447	0.14 282	0.13 107	0.14 78	0.09 24	0.07 33	0.09 92	0.07 65	0.08 145	0.10 65	0.09 54	0.06 116	0.04 22	0.06 105	0.05 111	0.05 102	0.04 41

HH	0.09 85	0.06 59	0.13 233	0.17 220	0.08 130	0.10 131	0.16 288	0.14 78	0.10 37	0.08 66	0.09 92	0.08 102	0.07 110	0.10 65	0.09 54	0.06 116	0.04 22	0.06 105	0.05 111	0.05 102	0.04 41

HanStereo	0.09 85	0.06 59	0.13 233	0.17 220	0.08 130	0.10 131	0.16 288	0.14 78	0.10 37	0.08 66	0.09 92	0.08 102	0.07 110	0.10 65	0.09 54	0.06 116	0.04 22	0.06 105	0.05 111	0.05 102	0.04 41

CAS	0.08 47	0.04 1	0.07 7	0.17 220	0.08 130	0.10 131	0.13 107	0.12 45	0.09 24	0.09 96	0.10 121	0.08 102	0.06 36	0.09 35	0.08 17	0.08 304	0.04 22	0.05 25	0.03 1	0.05 102	0.04 41

EGLCR-Stereo	0.08 47	0.05 19	0.08 31	0.14 31	0.06 14	0.10 131	0.12 66	0.11 29	0.16 190	0.06 11	0.05 7	0.07 65	0.05 11	0.10 65	0.11 191	0.06 116	0.04 22	0.06 105	0.05 111	0.04 16	0.04 41

DCRE	0.11 189	0.07 143	0.13 233	0.16 146	0.11 393	0.11 176	0.17 322	0.18 201	0.17 209	0.11 158	0.18 267	0.10 158	0.10 203	0.15 286	0.11 191	0.06 116	0.05 186	0.06 105	0.06 189	0.05 102	0.04 41

MC-Stereo	0.08 47	0.06 59	0.09 73	0.17 220	0.06 14	0.10 131	0.14 155	0.12 45	0.10 37	0.09 96	0.12 164	0.09 127	0.06 36	0.11 111	0.10 125	0.06 116	0.04 22	0.06 105	0.05 111	0.04 16	0.04 41

RCA-Stereo	0.09 85	0.06 59	0.09 73	0.16 146	0.06 14	0.09 84	0.13 107	0.18 201	0.14 145	0.09 96	0.10 121	0.08 102	0.07 110	0.12 193	0.11 191	0.06 116	0.04 22	0.06 105	0.05 111	0.05 102	0.04 41

ADStereo(finetuned)	0.10 146	0.06 59	0.12 188	0.16 146	0.06 14	0.09 84	0.17 322	0.15 109	0.19 250	0.13 223	0.17 242	0.10 158	0.12 259	0.11 111	0.12 240	0.06 116	0.04 22	0.05 25	0.04 37	0.05 102	0.04 41

raft_robust	0.13 280	0.10 374	0.07 7	0.18 302	0.08 130	0.13 250	0.24 477	0.28 394	0.33 424	0.20 384	0.19 276	0.14 241	0.10 203	0.11 111	0.12 240	0.05 28	0.05 186	0.07 198	0.07 276	0.05 102	0.04 41

RAFT_CTSACE	0.12 255	0.09 316	0.10 112	0.22 458	0.08 130	0.12 211	0.24 477	0.18 201	0.16 190	0.20 384	0.27 394	0.13 221	0.07 110	0.13 238	0.09 54	0.05 28	0.06 311	0.08 282	0.07 276	0.04 16	0.04 41

SA	0.12 255	0.09 316	0.08 31	0.18 302	0.08 130	0.12 211	0.24 477	0.23 298	0.18 235	0.17 315	0.27 394	0.14 241	0.11 228	0.11 111	0.11 191	0.05 28	0.05 186	0.09 363	0.08 341	0.05 102	0.04 41

IPLG	0.10 146	0.07 143	0.15 319	0.17 220	0.08 130	0.11 176	0.14 155	0.20 233	0.15 162	0.12 196	0.17 242	0.07 65	0.07 110	0.14 264	0.13 281	0.06 116	0.04 22	0.06 105	0.05 111	0.04 16	0.04 41

MIPNet	0.11 189	0.08 240	0.14 268	0.17 220	0.09 242	0.12 211	0.14 155	0.20 233	0.24 328	0.11 158	0.10 121	0.09 127	0.07 110	0.13 238	0.12 240	0.06 116	0.04 22	0.06 105	0.05 111	0.04 16	0.04 41

IPLGR	0.11 189	0.09 316	0.16 353	0.18 302	0.08 130	0.12 211	0.17 322	0.21 256	0.24 328	0.11 158	0.12 164	0.11 179	0.08 145	0.12 193	0.12 240	0.06 116	0.05 186	0.06 105	0.06 189	0.04 16	0.04 41

GMOStereo	0.11 189	0.09 316	0.07 7	0.19 359	0.08 130	0.12 211	0.28 513	0.13 61	0.17 209	0.11 158	0.17 242	0.14 241	0.12 259	0.07 4	0.07 1	0.05 28	0.05 186	0.09 363	0.07 276	0.04 16	0.04 41

error version	0.11 189	0.09 316	0.07 7	0.19 359	0.08 130	0.12 211	0.28 513	0.13 61	0.17 209	0.11 158	0.17 242	0.14 241	0.12 259	0.07 4	0.07 1	0.05 28	0.05 186	0.09 363	0.07 276	0.04 16	0.04 41

test-v	0.11 189	0.09 316	0.07 7	0.19 359	0.08 130	0.12 211	0.28 513	0.13 61	0.17 209	0.11 158	0.17 242	0.14 241	0.12 259	0.07 4	0.07 1	0.05 28	0.05 186	0.09 363	0.07 276	0.04 16	0.04 41

test-3	0.08 47	0.06 59	0.09 73	0.17 220	0.07 74	0.07 30	0.14 155	0.12 45	0.15 162	0.09 96	0.08 74	0.07 65	0.08 145	0.11 111	0.10 125	0.05 28	0.04 22	0.07 198	0.05 111	0.04 16	0.04 41

test_1	0.08 47	0.06 59	0.09 73	0.17 220	0.07 74	0.07 30	0.14 155	0.12 45	0.15 162	0.09 96	0.08 74	0.07 65	0.08 145	0.11 111	0.10 125	0.05 28	0.04 22	0.07 198	0.05 111	0.04 16	0.04 41

test_3	0.10 146	0.09 316	0.10 112	0.20 414	0.08 130	0.13 250	0.26 500	0.14 78	0.21 288	0.10 129	0.10 121	0.09 127	0.09 171	0.08 16	0.11 191	0.05 28	0.04 22	0.08 282	0.07 276	0.04 16	0.04 41

TRStereo	0.09 85	0.05 19	0.12 188	0.15 72	0.12 424	0.10 131	0.13 107	0.18 201	0.18 235	0.09 96	0.09 92	0.09 127	0.06 36	0.10 65	0.08 17	0.07 243	0.05 186	0.07 198	0.07 276	0.04 16	0.04 41

STrans-v2	0.10 146	0.07 143	0.12 188	0.18 302	0.07 74	0.10 131	0.14 155	0.21 256	0.11 63	0.11 158	0.15 209	0.12 196	0.10 203	0.11 111	0.12 240	0.05 28	0.04 22	0.06 105	0.06 189	0.04 16	0.04 41

OMP-Stereo	0.11 189	0.06 59	0.14 268	0.18 302	0.08 130	0.09 84	0.12 66	0.21 256	0.21 288	0.13 223	0.14 192	0.11 179	0.12 259	0.11 111	0.13 281	0.06 116	0.04 22	0.07 198	0.06 189	0.05 102	0.04 41

IIG-Stereo	0.11 189	0.06 59	0.13 233	0.17 220	0.08 130	0.11 176	0.12 66	0.22 278	0.17 209	0.14 244	0.17 242	0.11 179	0.12 259	0.12 193	0.12 240	0.06 116	0.05 186	0.07 198	0.06 189	0.05 102	0.04 41

CroCo-Stereo	0.09 85	0.08 240	0.08 31	0.22 458	0.09 242	0.09 84	0.19 406	0.15 109	0.12 89	0.07 33	0.07 40	0.08 102	0.06 36	0.08 16	0.07 1	0.07 243	0.05 186	0.06 105	0.04 37	0.05 102	0.04 41
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
test-2	0.11 189	0.09 316	0.07 7	0.19 359	0.08 130	0.12 211	0.28 513	0.13 61	0.17 209	0.11 158	0.17 242	0.14 241	0.12 259	0.07 4	0.07 1	0.05 28	0.05 186	0.09 363	0.07 276	0.04 16	0.04 41

cross-raft	0.10 146	0.09 316	0.09 73	0.19 359	0.07 74	0.11 176	0.25 492	0.13 61	0.15 162	0.08 66	0.11 151	0.12 196	0.10 203	0.09 35	0.11 191	0.05 28	0.04 22	0.06 105	0.05 111	0.04 16	0.04 41

test-1	0.10 146	0.07 143	0.16 353	0.19 359	0.08 130	0.11 176	0.24 477	0.14 78	0.18 235	0.09 96	0.07 40	0.09 127	0.08 145	0.07 4	0.09 54	0.06 116	0.04 22	0.06 105	0.05 111	0.04 16	0.04 41

iRaftStereo_RVC	0.10 146	0.07 143	0.09 73	0.17 220	0.09 242	0.11 176	0.17 322	0.18 201	0.12 89	0.09 96	0.12 164	0.10 158	0.07 110	0.11 111	0.10 125	0.05 28	0.04 22	0.08 282	0.08 341	0.04 16	0.04 41

CREStereo++_RVC	0.08 47	0.04 1	0.06 3	0.13 13	0.07 74	0.09 84	0.12 66	0.14 78	0.14 145	0.10 129	0.14 192	0.08 102	0.07 110	0.09 35	0.11 191	0.06 116	0.04 22	0.05 25	0.05 111	0.04 16	0.04 41
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.09 85	0.06 59	0.07 7	0.15 72	0.05 1	0.16 338	0.18 367	0.15 109	0.15 162	0.10 129	0.11 151	0.11 179	0.11 228	0.10 65	0.12 240	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.04 41

RALAANet	0.11 189	0.08 240	0.10 112	0.17 220	0.09 242	0.14 282	0.10 29	0.20 233	0.15 162	0.14 244	0.13 178	0.16 284	0.09 171	0.12 193	0.11 191	0.06 116	0.05 186	0.07 198	0.06 189	0.05 102	0.04 41

XX-Stereo	0.09 85	0.05 19	0.08 31	0.17 220	0.09 242	0.15 308	0.12 66	0.20 233	0.10 37	0.10 129	0.14 192	0.07 65	0.06 36	0.12 193	0.08 17	0.06 116	0.05 186	0.06 105	0.06 189	0.04 16	0.04 41

DCANet	0.10 146	0.06 59	0.12 188	0.16 146	0.06 14	0.09 84	0.17 322	0.15 109	0.19 250	0.13 223	0.17 242	0.10 158	0.11 228	0.11 111	0.12 240	0.06 116	0.04 22	0.05 25	0.04 37	0.05 102	0.04 41

ARAFT	0.12 255	0.08 240	0.17 381	0.19 359	0.09 242	0.14 282	0.18 367	0.20 233	0.12 89	0.12 196	0.13 178	0.14 241	0.11 228	0.15 286	0.12 240	0.06 116	0.05 186	0.10 411	0.09 387	0.05 102	0.04 41

EAI-Stereo	0.09 85	0.07 143	0.11 153	0.15 72	0.06 14	0.10 131	0.15 223	0.16 136	0.09 24	0.08 66	0.09 92	0.08 102	0.07 110	0.09 35	0.11 191	0.05 28	0.04 22	0.05 25	0.05 111	0.05 102	0.04 41

CFNet-RSSM	0.09 85	0.07 143	0.09 73	0.16 146	0.07 74	0.09 84	0.15 223	0.16 136	0.17 209	0.08 66	0.12 164	0.10 158	0.09 171	0.11 111	0.09 54	0.06 116	0.04 22	0.06 105	0.04 37	0.04 16	0.04 41

Gwc-CoAtRS	0.09 85	0.06 59	0.10 112	0.16 146	0.07 74	0.10 131	0.14 155	0.17 172	0.17 209	0.08 66	0.10 121	0.12 196	0.09 171	0.12 193	0.09 54	0.06 116	0.04 22	0.06 105	0.04 37	0.04 16	0.04 41

MLCV	0.12 255	0.07 143	0.16 353	0.18 302	0.06 14	0.15 308	0.17 322	0.19 222	0.21 288	0.18 345	0.25 369	0.17 304	0.13 297	0.14 264	0.13 281	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 41

Monster-pub-mixall	0.07 4	0.04 1	0.09 73	0.13 13	0.06 14	0.05 4	0.09 18	0.11 29	0.07 8	0.06 11	0.06 13	0.05 1	0.06 36	0.09 35	0.09 54	0.06 116	0.04 22	0.04 1	0.03 1	0.05 102	0.05 123

zero-FE	0.08 47	0.04 1	0.09 73	0.15 72	0.10 344	0.05 4	0.14 155	0.09 11	0.14 145	0.07 33	0.06 13	0.07 65	0.06 36	0.09 35	0.10 125	0.06 116	0.04 22	0.06 105	0.04 37	0.08 324	0.05 123

GASTEREO	0.08 47	0.05 19	0.09 73	0.19 359	0.07 74	0.07 30	0.12 66	0.14 78	0.11 63	0.10 129	0.09 92	0.07 65	0.04 1	0.12 193	0.08 17	0.06 116	0.05 186	0.05 25	0.04 37	0.04 16	0.05 123

MSCF	0.08 47	0.05 19	0.08 31	0.19 359	0.08 130	0.06 10	0.12 66	0.14 78	0.11 63	0.10 129	0.09 92	0.07 65	0.04 1	0.11 111	0.08 17	0.06 116	0.05 186	0.05 25	0.04 37	0.05 102	0.05 123

z-ln-s-r	0.17 401	0.10 374	0.40 510	0.19 359	0.08 130	0.17 359	0.18 367	0.22 278	0.33 424	0.18 345	0.40 487	0.22 371	0.17 389	0.20 413	0.23 455	0.07 243	0.05 186	0.07 198	0.07 276	0.07 261	0.05 123

xyz-stereo-finetune	0.11 189	0.08 240	0.13 233	0.14 31	0.06 14	0.10 131	0.19 406	0.17 172	0.19 250	0.12 196	0.14 192	0.15 270	0.10 203	0.13 238	0.11 191	0.05 28	0.04 22	0.07 198	0.05 111	0.04 16	0.05 123

MLG-Stereo_test2	0.06 1	0.04 1	0.10 112	0.15 72	0.05 1	0.07 30	0.11 49	0.09 11	0.04 2	0.06 11	0.05 7	0.06 18	0.04 1	0.08 16	0.09 54	0.06 116	0.04 22	0.05 25	0.03 1	0.05 102	0.05 123

LG-G_1	0.07 4	0.04 1	0.11 153	0.15 72	0.06 14	0.09 84	0.08 7	0.08 4	0.06 4	0.06 11	0.05 7	0.07 65	0.07 110	0.11 111	0.08 17	0.07 243	0.04 22	0.05 25	0.04 37	0.05 102	0.05 123

LG-G	0.07 4	0.04 1	0.11 153	0.15 72	0.06 14	0.09 84	0.08 7	0.08 4	0.06 4	0.06 11	0.05 7	0.07 65	0.07 110	0.11 111	0.08 17	0.07 243	0.04 22	0.05 25	0.04 37	0.05 102	0.05 123

DFGA-Net	0.13 280	0.11 400	0.18 404	0.17 220	0.10 344	0.12 211	0.13 107	0.22 278	0.25 349	0.16 299	0.16 221	0.13 221	0.12 259	0.16 320	0.14 318	0.07 243	0.05 186	0.08 282	0.07 276	0.05 102	0.05 123

Reg-Stereo(zero)	0.08 47	0.05 19	0.08 31	0.16 146	0.06 14	0.12 211	0.11 49	0.15 109	0.10 37	0.12 196	0.09 92	0.10 158	0.08 145	0.11 111	0.08 17	0.06 116	0.04 22	0.05 25	0.04 37	0.04 16	0.05 123

SCV_C0	0.08 47	0.07 143	0.07 7	0.16 146	0.09 242	0.08 53	0.15 223	0.11 29	0.12 89	0.08 66	0.07 40	0.06 18	0.05 11	0.11 111	0.07 1	0.05 28	0.05 186	0.05 25	0.04 37	0.06 195	0.05 123

AIO-test2	0.10 146	0.08 240	0.10 112	0.23 479	0.08 130	0.11 176	0.10 29	0.23 298	0.23 312	0.08 66	0.09 92	0.08 102	0.05 11	0.10 65	0.08 17	0.06 116	0.05 186	0.08 282	0.09 387	0.05 102	0.05 123

fffft	0.09 85	0.06 59	0.12 188	0.16 146	0.07 74	0.09 84	0.17 322	0.12 45	0.11 63	0.08 66	0.07 40	0.09 127	0.06 36	0.11 111	0.12 240	0.05 28	0.04 22	0.06 105	0.05 111	0.04 16	0.05 123
1: 1. 1
999	0.09 85	0.05 19	0.13 233	0.15 72	0.08 130	0.10 131	0.14 155	0.15 109	0.11 63	0.10 129	0.08 74	0.08 102	0.08 145	0.16 320	0.10 125	0.06 116	0.04 22	0.06 105	0.05 111	0.04 16	0.05 123

fffy	0.09 85	0.08 240	0.09 73	0.16 146	0.07 74	0.13 250	0.17 322	0.13 61	0.12 89	0.08 66	0.09 92	0.08 102	0.09 171	0.13 238	0.11 191	0.05 28	0.05 186	0.07 198	0.05 111	0.04 16	0.05 123

UGAM	0.13 280	0.10 374	0.09 73	0.22 458	0.08 130	0.12 211	0.20 427	0.17 172	0.23 312	0.21 398	0.16 221	0.13 221	0.13 297	0.19 388	0.12 240	0.07 243	0.05 186	0.13 476	0.11 458	0.07 261	0.05 123

rvit_stereo_0083	0.12 255	0.08 240	0.17 381	0.16 146	0.09 242	0.11 176	0.15 223	0.14 78	0.26 363	0.11 158	0.14 192	0.13 221	0.10 203	0.12 193	0.12 240	0.10 404	0.08 409	0.09 363	0.07 276	0.07 261	0.05 123

rvit_stereo_0081	0.11 189	0.08 240	0.15 319	0.16 146	0.09 242	0.10 131	0.14 155	0.14 78	0.24 328	0.11 158	0.13 178	0.13 221	0.09 171	0.11 111	0.12 240	0.10 404	0.07 383	0.08 282	0.07 276	0.07 261	0.05 123

rvit_stereo_0082	0.11 189	0.08 240	0.15 319	0.16 146	0.09 242	0.10 131	0.14 155	0.14 78	0.24 328	0.11 158	0.13 178	0.13 221	0.09 171	0.11 111	0.12 240	0.10 404	0.07 383	0.08 282	0.07 276	0.07 261	0.05 123

Occ-G	0.08 47	0.05 19	0.06 3	0.14 31	0.07 74	0.08 53	0.14 155	0.13 61	0.15 162	0.07 33	0.11 151	0.07 65	0.05 11	0.09 35	0.10 125	0.06 116	0.05 186	0.05 25	0.04 37	0.05 102	0.05 123

Pointernet	0.09 85	0.04 1	0.09 73	0.16 146	0.08 130	0.13 250	0.10 29	0.15 109	0.17 209	0.09 96	0.07 40	0.06 18	0.06 36	0.11 111	0.09 54	0.08 304	0.04 22	0.05 25	0.03 1	0.06 195	0.05 123

U	0.08 47	0.07 143	0.09 73	0.19 359	0.10 344	0.10 131	0.13 107	0.12 45	0.17 209	0.07 33	0.07 40	0.06 18	0.05 11	0.07 4	0.08 17	0.06 116	0.04 22	0.06 105	0.04 37	0.06 195	0.05 123

rvit_stereo_0080	0.10 146	0.08 240	0.14 268	0.15 72	0.09 242	0.07 30	0.15 223	0.16 136	0.16 190	0.11 158	0.10 121	0.14 241	0.08 145	0.12 193	0.10 125	0.09 363	0.07 383	0.07 198	0.06 189	0.07 261	0.05 123

IGEV-BASED-STEREO-	0.09 85	0.10 374	0.31 487	0.15 72	0.06 14	0.08 53	0.14 155	0.10 18	0.10 37	0.07 33	0.07 40	0.06 18	0.04 1	0.11 111	0.07 1	0.12 458	0.04 22	0.07 198	0.05 111	0.05 102	0.05 123

rvit_stereo_ft	0.12 255	0.07 143	0.13 233	0.19 359	0.10 344	0.12 211	0.17 322	0.16 136	0.16 190	0.12 196	0.13 178	0.15 270	0.10 203	0.14 264	0.13 281	0.09 363	0.06 311	0.08 282	0.07 276	0.07 261	0.05 123

trnet	0.08 47	0.05 19	0.07 7	0.12 4	0.05 1	0.12 211	0.11 49	0.13 61	0.10 37	0.08 66	0.13 178	0.09 127	0.08 145	0.11 111	0.10 125	0.08 304	0.05 186	0.05 25	0.03 1	0.06 195	0.05 123

testlalala2	0.10 146	0.06 59	0.11 153	0.20 414	0.10 344	0.10 131	0.12 66	0.17 172	0.12 89	0.12 196	0.13 178	0.09 127	0.07 110	0.11 111	0.13 281	0.06 116	0.05 186	0.05 25	0.04 37	0.05 102	0.05 123

H2IRNET	0.10 146	0.09 316	0.09 73	0.18 302	0.09 242	0.12 211	0.15 223	0.14 78	0.21 288	0.10 129	0.10 121	0.10 158	0.10 203	0.10 65	0.10 125	0.05 28	0.04 22	0.08 282	0.08 341	0.06 195	0.05 123

MGS-Stereo	0.09 85	0.07 143	0.12 188	0.15 72	0.08 130	0.09 84	0.15 223	0.12 45	0.12 89	0.07 33	0.10 121	0.08 102	0.06 36	0.10 65	0.09 54	0.05 28	0.04 22	0.06 105	0.05 111	0.06 195	0.05 123

CoDeX	0.12 255	0.07 143	0.12 188	0.17 220	0.08 130	0.12 211	0.15 223	0.23 298	0.27 372	0.13 223	0.17 242	0.16 284	0.11 228	0.14 264	0.11 191	0.07 243	0.05 186	0.07 198	0.06 189	0.06 195	0.05 123

whm_eth	0.10 146	0.08 240	0.14 268	0.15 72	0.09 242	0.07 30	0.15 223	0.16 136	0.16 190	0.11 158	0.10 121	0.14 241	0.08 145	0.12 193	0.10 125	0.09 363	0.07 383	0.07 198	0.06 189	0.07 261	0.05 123

IGEV_Zeroshot_test	0.09 85	0.05 19	0.12 188	0.13 13	0.08 130	0.12 211	0.13 107	0.17 172	0.11 63	0.10 129	0.06 13	0.09 127	0.06 36	0.11 111	0.09 54	0.06 116	0.04 22	0.06 105	0.06 189	0.05 102	0.05 123

StereoVision	0.13 280	0.12 418	0.09 73	0.24 488	0.10 344	0.15 308	0.21 444	0.21 256	0.20 273	0.12 196	0.24 340	0.10 158	0.10 203	0.16 320	0.10 125	0.09 363	0.11 470	0.12 461	0.12 477	0.06 195	0.05 123

UniTT-Stereo	0.09 85	0.07 143	0.08 31	0.18 302	0.08 130	0.13 250	0.11 49	0.12 45	0.11 63	0.10 129	0.12 164	0.05 1	0.07 110	0.09 35	0.09 54	0.07 243	0.05 186	0.05 25	0.05 111	0.05 102	0.05 123

MIM_Stereo	0.09 85	0.07 143	0.11 153	0.15 72	0.07 74	0.06 10	0.12 66	0.20 233	0.14 145	0.13 223	0.13 178	0.09 127	0.05 11	0.12 193	0.08 17	0.05 28	0.06 311	0.07 198	0.06 189	0.06 195	0.05 123

testlalala_base	0.10 146	0.09 316	0.14 268	0.21 443	0.08 130	0.10 131	0.14 155	0.13 61	0.10 37	0.07 33	0.15 209	0.07 65	0.08 145	0.10 65	0.12 240	0.08 304	0.05 186	0.05 25	0.03 1	0.06 195	0.05 123

GCAP-Stereo	0.09 85	0.07 143	0.13 233	0.18 302	0.06 14	0.11 176	0.07 3	0.13 61	0.12 89	0.09 96	0.10 121	0.07 65	0.09 171	0.13 238	0.10 125	0.06 116	0.05 186	0.05 25	0.04 37	0.04 16	0.05 123

Any-RAFT	0.10 146	0.05 19	0.09 73	0.14 31	0.07 74	0.13 250	0.14 155	0.21 256	0.15 162	0.11 158	0.12 164	0.12 196	0.09 171	0.12 193	0.09 54	0.07 243	0.04 22	0.05 25	0.04 37	0.06 195	0.05 123

RAFT-Test	0.09 85	0.06 59	0.10 112	0.15 72	0.07 74	0.11 176	0.15 223	0.16 136	0.13 120	0.09 96	0.10 121	0.10 158	0.09 171	0.12 193	0.09 54	0.06 116	0.04 22	0.05 25	0.04 37	0.04 16	0.05 123

LL-Strereo2	0.10 146	0.10 374	0.15 319	0.18 302	0.08 130	0.15 308	0.09 18	0.17 172	0.14 145	0.14 244	0.10 121	0.09 127	0.07 110	0.16 320	0.10 125	0.05 28	0.05 186	0.10 411	0.07 276	0.06 195	0.05 123

LL-Strereo	0.13 280	0.09 316	0.11 153	0.20 414	0.10 344	0.11 176	0.18 367	0.32 440	0.24 328	0.15 271	0.15 209	0.14 241	0.13 297	0.19 388	0.11 191	0.06 116	0.04 22	0.09 363	0.08 341	0.04 16	0.05 123

4D-IteraStereo	0.09 85	0.07 143	0.10 112	0.18 302	0.07 74	0.09 84	0.15 223	0.17 172	0.15 162	0.10 129	0.11 151	0.10 158	0.07 110	0.11 111	0.09 54	0.05 28	0.03 1	0.08 282	0.07 276	0.06 195	0.05 123

anonymousdsp2	0.11 189	0.07 143	0.10 112	0.16 146	0.09 242	0.13 250	0.14 155	0.18 201	0.22 302	0.13 223	0.14 192	0.12 196	0.09 171	0.14 264	0.11 191	0.05 28	0.04 22	0.05 25	0.04 37	0.06 195	0.05 123

LoS	0.09 85	0.05 19	0.11 153	0.13 13	0.07 74	0.14 282	0.11 49	0.15 109	0.15 162	0.09 96	0.09 92	0.12 196	0.09 171	0.15 286	0.10 125	0.07 243	0.05 186	0.05 25	0.03 1	0.05 102	0.05 123
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.08 47	0.04 1	0.08 31	0.14 31	0.07 74	0.09 84	0.14 155	0.11 29	0.09 24	0.08 66	0.09 92	0.11 179	0.06 36	0.12 193	0.08 17	0.06 116	0.04 22	0.05 25	0.03 1	0.05 102	0.05 123

Selective-RAFT	0.11 189	0.10 374	0.11 153	0.21 443	0.08 130	0.16 338	0.13 107	0.20 233	0.22 302	0.10 129	0.10 121	0.11 179	0.10 203	0.15 286	0.11 191	0.05 28	0.05 186	0.06 105	0.05 111	0.06 195	0.05 123

CroCo-Stereo Lap2	0.09 85	0.09 316	0.08 31	0.22 458	0.09 242	0.09 84	0.19 406	0.16 136	0.12 89	0.09 96	0.10 121	0.05 1	0.05 11	0.08 16	0.08 17	0.06 116	0.06 311	0.07 198	0.05 111	0.05 102	0.05 123

TestStereo1	0.13 280	0.08 240	0.08 31	0.19 359	0.08 130	0.18 378	0.29 522	0.23 298	0.16 190	0.17 315	0.20 288	0.16 284	0.10 203	0.12 193	0.13 281	0.06 116	0.06 311	0.08 282	0.06 189	0.05 102	0.05 123

DCANet-4	0.10 146	0.06 59	0.12 188	0.16 146	0.06 14	0.09 84	0.17 322	0.18 201	0.19 250	0.13 223	0.16 221	0.09 127	0.14 322	0.11 111	0.12 240	0.06 116	0.04 22	0.05 25	0.04 37	0.04 16	0.05 123

fff	0.10 146	0.06 59	0.12 188	0.15 72	0.07 74	0.09 84	0.17 322	0.16 136	0.20 273	0.13 223	0.16 221	0.10 158	0.11 228	0.11 111	0.12 240	0.06 116	0.04 22	0.05 25	0.04 37	0.04 16	0.05 123

SA-5K	0.13 280	0.08 240	0.08 31	0.19 359	0.08 130	0.18 378	0.29 522	0.23 298	0.16 190	0.17 315	0.20 288	0.16 284	0.10 203	0.12 193	0.13 281	0.06 116	0.06 311	0.08 282	0.06 189	0.05 102	0.05 123

Sa-1000	0.12 255	0.08 240	0.08 31	0.18 302	0.08 130	0.14 282	0.22 454	0.22 278	0.18 235	0.15 271	0.20 288	0.17 304	0.11 228	0.10 65	0.10 125	0.06 116	0.05 186	0.09 363	0.09 387	0.05 102	0.05 123

iRaft-Stereo_20w	0.09 85	0.05 19	0.13 233	0.14 31	0.08 130	0.12 211	0.15 223	0.18 201	0.10 37	0.11 158	0.08 74	0.08 102	0.05 11	0.10 65	0.09 54	0.06 116	0.04 22	0.06 105	0.05 111	0.06 195	0.05 123

GLC_STEREO	0.11 189	0.07 143	0.11 153	0.17 220	0.07 74	0.09 84	0.13 107	0.15 109	0.24 328	0.12 196	0.13 178	0.12 196	0.08 145	0.18 373	0.11 191	0.06 116	0.08 409	0.08 282	0.06 189	0.05 102	0.05 123

CrosDoStereo	0.12 255	0.06 59	0.12 188	0.14 31	0.08 130	0.12 211	0.15 223	0.17 172	0.22 302	0.19 361	0.24 340	0.15 270	0.11 228	0.11 111	0.12 240	0.06 116	0.04 22	0.07 198	0.07 276	0.05 102	0.05 123

AAGNet	0.11 189	0.07 143	0.16 353	0.19 359	0.09 242	0.08 53	0.13 107	0.18 201	0.13 120	0.16 299	0.21 309	0.13 221	0.14 322	0.11 111	0.14 318	0.06 116	0.04 22	0.09 363	0.06 189	0.06 195	0.05 123

TransformOpticalFlow	0.10 146	0.08 240	0.13 233	0.18 302	0.07 74	0.09 84	0.15 223	0.19 222	0.15 162	0.12 196	0.17 242	0.11 179	0.11 228	0.11 111	0.10 125	0.05 28	0.04 22	0.06 105	0.06 189	0.05 102	0.05 123

DeepStereo_LL	0.12 255	0.06 59	0.12 188	0.14 31	0.08 130	0.12 211	0.15 223	0.17 172	0.22 302	0.19 361	0.24 340	0.15 270	0.11 228	0.11 111	0.12 240	0.06 116	0.04 22	0.07 198	0.07 276	0.05 102	0.05 123

DEmStereo	0.12 255	0.06 59	0.14 268	0.14 31	0.10 344	0.16 338	0.15 223	0.16 136	0.24 328	0.17 315	0.24 340	0.13 221	0.14 322	0.12 193	0.13 281	0.05 28	0.04 22	0.07 198	0.06 189	0.05 102	0.05 123

SST-Stereo	0.10 146	0.07 143	0.15 319	0.18 302	0.09 242	0.06 10	0.12 66	0.17 172	0.11 63	0.15 271	0.17 242	0.13 221	0.12 259	0.10 65	0.11 191	0.06 116	0.04 22	0.09 363	0.06 189	0.06 195	0.05 123

THIR-Stereo	0.12 255	0.07 143	0.11 153	0.15 72	0.08 130	0.14 282	0.16 288	0.17 172	0.25 349	0.16 299	0.24 340	0.14 241	0.12 259	0.12 193	0.14 318	0.06 116	0.04 22	0.07 198	0.07 276	0.05 102	0.05 123

RAFT_R40	0.11 189	0.07 143	0.14 268	0.18 302	0.09 242	0.06 10	0.13 107	0.17 172	0.16 190	0.14 244	0.18 267	0.15 270	0.12 259	0.10 65	0.11 191	0.06 116	0.04 22	0.09 363	0.06 189	0.06 195	0.05 123

DRaft	0.12 255	0.06 59	0.11 153	0.14 31	0.09 242	0.14 282	0.17 322	0.21 256	0.30 403	0.17 315	0.28 408	0.10 158	0.15 340	0.10 65	0.12 240	0.05 28	0.04 22	0.07 198	0.06 189	0.05 102	0.05 123

PFNet	0.12 255	0.06 59	0.17 381	0.17 220	0.08 130	0.09 84	0.15 223	0.26 354	0.20 273	0.16 299	0.16 221	0.14 241	0.11 228	0.12 193	0.11 191	0.06 116	0.04 22	0.07 198	0.06 189	0.05 102	0.05 123

RAFT-345	0.11 189	0.07 143	0.15 319	0.16 146	0.08 130	0.08 53	0.12 66	0.15 109	0.10 37	0.11 158	0.36 461	0.09 127	0.09 171	0.11 111	0.12 240	0.05 28	0.05 186	0.07 198	0.06 189	0.04 16	0.05 123

AnonymousM	0.09 85	0.05 19	0.10 112	0.14 31	0.06 14	0.09 84	0.13 107	0.19 222	0.14 145	0.13 223	0.11 151	0.09 127	0.08 145	0.13 238	0.10 125	0.08 304	0.05 186	0.08 282	0.05 111	0.05 102	0.05 123

RAFT	0.13 280	0.09 316	0.11 153	0.18 302	0.08 130	0.15 308	0.24 477	0.20 233	0.19 250	0.21 398	0.21 309	0.17 304	0.12 259	0.16 320	0.09 54	0.06 116	0.07 383	0.10 411	0.09 387	0.05 102	0.05 123

TestStereo	0.13 280	0.14 459	0.11 153	0.23 479	0.08 130	0.15 308	0.21 444	0.20 233	0.23 312	0.14 244	0.24 340	0.16 284	0.12 259	0.16 320	0.14 318	0.05 28	0.06 311	0.08 282	0.06 189	0.09 386	0.05 123

raft+_RVC	0.11 189	0.07 143	0.09 73	0.16 146	0.07 74	0.10 131	0.11 49	0.24 320	0.20 273	0.12 196	0.15 209	0.12 196	0.08 145	0.12 193	0.13 281	0.07 243	0.04 22	0.07 198	0.06 189	0.05 102	0.05 123

TANstereo	0.09 85	0.04 1	0.08 31	0.13 13	0.06 14	0.11 176	0.14 155	0.15 109	0.19 250	0.11 158	0.15 209	0.10 158	0.06 36	0.12 193	0.09 54	0.07 243	0.05 186	0.05 25	0.04 37	0.06 195	0.05 123

XX-TBD	0.09 85	0.06 59	0.07 7	0.14 31	0.07 74	0.12 211	0.16 288	0.14 78	0.13 120	0.11 158	0.12 164	0.09 127	0.08 145	0.10 65	0.10 125	0.06 116	0.04 22	0.05 25	0.03 1	0.06 195	0.05 123

raftrobust	0.09 85	0.06 59	0.10 112	0.17 220	0.08 130	0.09 84	0.10 29	0.18 201	0.16 190	0.10 129	0.09 92	0.12 196	0.07 110	0.12 193	0.10 125	0.08 304	0.05 186	0.06 105	0.05 111	0.05 102	0.05 123

csc	0.10 146	0.06 59	0.12 188	0.15 72	0.07 74	0.09 84	0.17 322	0.16 136	0.20 273	0.13 223	0.16 221	0.10 158	0.11 228	0.11 111	0.12 240	0.06 116	0.04 22	0.05 25	0.04 37	0.04 16	0.05 123

cscssc	0.10 146	0.06 59	0.12 188	0.15 72	0.07 74	0.09 84	0.17 322	0.16 136	0.20 273	0.13 223	0.16 221	0.10 158	0.11 228	0.11 111	0.12 240	0.06 116	0.04 22	0.05 25	0.04 37	0.04 16	0.05 123

111	0.10 146	0.06 59	0.12 188	0.15 72	0.07 74	0.10 131	0.14 155	0.21 256	0.23 312	0.11 158	0.12 164	0.14 241	0.11 228	0.13 238	0.10 125	0.06 116	0.04 22	0.06 105	0.04 37	0.05 102	0.05 123

R-Stereo Train	0.10 146	0.06 59	0.10 112	0.17 220	0.08 130	0.11 176	0.14 155	0.23 298	0.11 63	0.12 196	0.19 276	0.11 179	0.08 145	0.09 35	0.11 191	0.07 243	0.05 186	0.06 105	0.05 111	0.05 102	0.05 123

RAFT-Stereo	0.10 146	0.06 59	0.10 112	0.17 220	0.08 130	0.11 176	0.14 155	0.23 298	0.11 63	0.12 196	0.19 276	0.11 179	0.08 145	0.09 35	0.11 191	0.07 243	0.05 186	0.06 105	0.05 111	0.05 102	0.05 123
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 146	0.06 59	0.12 188	0.14 31	0.06 14	0.11 176	0.10 29	0.18 201	0.18 235	0.13 223	0.16 221	0.14 241	0.11 228	0.15 286	0.13 281	0.06 116	0.04 22	0.04 1	0.04 37	0.06 195	0.05 123
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	0.13 280	0.10 374	0.18 404	0.19 359	0.08 130	0.13 250	0.18 367	0.20 233	0.26 363	0.15 271	0.23 328	0.15 270	0.13 297	0.14 264	0.14 318	0.06 116	0.04 22	0.06 105	0.05 111	0.06 195	0.05 123

S2M2_XL	0.08 47	0.06 59	0.12 188	0.12 4	0.08 130	0.09 84	0.09 18	0.07 2	0.07 8	0.08 66	0.07 40	0.07 65	0.06 36	0.09 35	0.09 54	0.08 304	0.06 311	0.07 198	0.05 111	0.08 324	0.06 203

xyz-stereo-finetune2	0.11 189	0.07 143	0.13 233	0.13 13	0.07 74	0.11 176	0.19 406	0.17 172	0.12 89	0.15 271	0.15 209	0.17 304	0.12 259	0.13 238	0.11 191	0.05 28	0.04 22	0.07 198	0.05 111	0.04 16	0.06 203

111111	0.07 4	0.04 1	0.09 73	0.17 220	0.06 14	0.05 4	0.10 29	0.11 29	0.09 24	0.06 11	0.06 13	0.07 65	0.05 11	0.09 35	0.09 54	0.06 116	0.04 22	0.05 25	0.04 37	0.07 261	0.06 203

MLG-Stereo_test3	0.07 4	0.05 19	0.10 112	0.14 31	0.06 14	0.07 30	0.11 49	0.08 4	0.06 4	0.06 11	0.04 1	0.06 18	0.06 36	0.07 4	0.10 125	0.06 116	0.04 22	0.05 25	0.04 37	0.05 102	0.06 203

G2L-Stereo_test	0.14 314	0.07 143	0.11 153	0.13 13	0.08 130	0.12 211	0.16 288	0.30 419	0.28 386	0.20 384	0.23 328	0.20 344	0.16 366	0.17 352	0.18 395	0.07 243	0.05 186	0.05 25	0.05 111	0.07 261	0.06 203

LGtest1	0.07 4	0.04 1	0.10 112	0.15 72	0.06 14	0.07 30	0.09 18	0.08 4	0.06 4	0.05 1	0.04 1	0.06 18	0.06 36	0.10 65	0.09 54	0.07 243	0.04 22	0.05 25	0.04 37	0.06 195	0.06 203

HI	0.11 189	0.06 59	0.11 153	0.13 13	0.09 242	0.09 84	0.14 155	0.21 256	0.10 37	0.19 361	0.17 242	0.14 241	0.09 171	0.16 320	0.08 17	0.05 28	0.04 22	0.07 198	0.08 341	0.07 261	0.06 203

CoSv	0.11 189	0.06 59	0.11 153	0.13 13	0.09 242	0.09 84	0.14 155	0.21 256	0.10 37	0.19 361	0.17 242	0.14 241	0.09 171	0.16 320	0.08 17	0.05 28	0.04 22	0.07 198	0.08 341	0.07 261	0.06 203

AIO-test1	0.10 146	0.07 143	0.10 112	0.23 479	0.07 74	0.09 84	0.13 107	0.21 256	0.14 145	0.11 158	0.12 164	0.09 127	0.07 110	0.11 111	0.09 54	0.06 116	0.05 186	0.09 363	0.10 426	0.03 1	0.06 203

IGEV-RUCA	0.08 47	0.06 59	0.11 153	0.14 31	0.09 242	0.10 131	0.12 66	0.10 18	0.12 89	0.06 11	0.07 40	0.07 65	0.06 36	0.09 35	0.08 17	0.06 116	0.05 186	0.05 25	0.04 37	0.05 102	0.06 203

tt45	0.09 85	0.06 59	0.11 153	0.15 72	0.07 74	0.11 176	0.16 288	0.13 61	0.11 63	0.09 96	0.06 13	0.08 102	0.06 36	0.13 238	0.10 125	0.06 116	0.04 22	0.06 105	0.05 111	0.05 102	0.06 203

PAM_32	0.09 85	0.05 19	0.17 381	0.15 72	0.08 130	0.10 131	0.15 223	0.14 78	0.15 162	0.09 96	0.08 74	0.09 127	0.07 110	0.14 264	0.08 17	0.06 116	0.05 186	0.06 105	0.06 189	0.05 102	0.06 203

PAM	0.10 146	0.05 19	0.16 353	0.15 72	0.08 130	0.09 84	0.16 288	0.15 109	0.16 190	0.12 196	0.09 92	0.09 127	0.07 110	0.13 238	0.08 17	0.06 116	0.05 186	0.06 105	0.06 189	0.05 102	0.06 203

rvit_0105_6	0.14 314	0.09 316	0.18 404	0.17 220	0.10 344	0.10 131	0.16 288	0.19 222	0.26 363	0.12 196	0.18 267	0.17 304	0.12 259	0.18 373	0.12 240	0.15 498	0.11 470	0.12 461	0.10 426	0.09 386	0.06 203

rvit_0105_5	0.14 314	0.09 316	0.13 233	0.17 220	0.09 242	0.14 282	0.23 465	0.24 320	0.27 372	0.14 244	0.15 209	0.18 318	0.12 259	0.17 352	0.14 318	0.14 494	0.11 470	0.10 411	0.10 426	0.08 324	0.06 203

rvit_0105_4	0.14 314	0.09 316	0.17 381	0.17 220	0.10 344	0.12 211	0.19 406	0.23 298	0.27 372	0.14 244	0.20 288	0.17 304	0.13 297	0.17 352	0.13 281	0.15 498	0.11 470	0.11 442	0.10 426	0.09 386	0.06 203

rvit_0105_3	0.15 358	0.09 316	0.14 268	0.19 359	0.12 424	0.15 308	0.25 492	0.25 336	0.29 393	0.15 271	0.17 242	0.20 344	0.13 297	0.17 352	0.14 318	0.13 481	0.11 470	0.12 461	0.14 490	0.07 261	0.06 203

UGAM-zero	0.09 85	0.05 19	0.15 319	0.15 72	0.08 130	0.09 84	0.13 107	0.19 222	0.15 162	0.11 158	0.15 209	0.07 65	0.07 110	0.09 35	0.09 54	0.06 116	0.05 186	0.06 105	0.05 111	0.05 102	0.06 203

rvit_stereo_0081_aga	0.11 189	0.09 316	0.14 268	0.18 302	0.09 242	0.13 250	0.14 155	0.14 78	0.19 250	0.10 129	0.18 267	0.16 284	0.09 171	0.12 193	0.09 54	0.10 404	0.06 311	0.08 282	0.07 276	0.07 261	0.06 203

model_zeroshot	0.10 146	0.04 1	0.11 153	0.15 72	0.09 242	0.12 211	0.14 155	0.20 233	0.13 120	0.11 158	0.10 121	0.12 196	0.07 110	0.12 193	0.10 125	0.07 243	0.06 311	0.06 105	0.05 111	0.06 195	0.06 203

IGEV-Stereo+	0.07 4	0.04 1	0.08 31	0.15 72	0.06 14	0.04 1	0.09 18	0.10 18	0.09 24	0.06 11	0.06 13	0.06 18	0.06 36	0.06 1	0.08 17	0.06 116	0.04 22	0.05 25	0.04 37	0.06 195	0.06 203

DispNO	0.14 314	0.08 240	0.17 381	0.19 359	0.12 424	0.11 176	0.21 444	0.23 298	0.29 393	0.17 315	0.23 328	0.18 318	0.17 389	0.15 286	0.15 346	0.07 243	0.05 186	0.08 282	0.08 341	0.07 261	0.06 203

Former-RAFT_DAM_RVC	0.10 146	0.08 240	0.12 188	0.16 146	0.08 130	0.15 308	0.16 288	0.18 201	0.18 235	0.10 129	0.09 92	0.09 127	0.08 145	0.11 111	0.12 240	0.07 243	0.05 186	0.08 282	0.06 189	0.07 261	0.06 203

SMFormer	0.14 314	0.07 143	0.17 381	0.14 31	0.08 130	0.16 338	0.17 322	0.26 354	0.27 372	0.19 361	0.20 288	0.18 318	0.15 340	0.15 286	0.17 377	0.08 304	0.05 186	0.07 198	0.06 189	0.07 261	0.06 203

tta	0.14 314	0.07 143	0.17 381	0.14 31	0.08 130	0.16 338	0.17 322	0.26 354	0.27 372	0.19 361	0.20 288	0.18 318	0.15 340	0.15 286	0.17 377	0.08 304	0.05 186	0.07 198	0.06 189	0.06 195	0.06 203

qqq1	0.13 280	0.07 143	0.17 381	0.14 31	0.08 130	0.16 338	0.17 322	0.26 354	0.27 372	0.19 361	0.20 288	0.18 318	0.15 340	0.15 286	0.11 191	0.08 304	0.05 186	0.05 25	0.05 111	0.06 195	0.06 203

fff1	0.13 280	0.07 143	0.17 381	0.14 31	0.08 130	0.16 338	0.17 322	0.26 354	0.27 372	0.19 361	0.20 288	0.18 318	0.15 340	0.15 286	0.11 191	0.08 304	0.05 186	0.05 25	0.05 111	0.06 195	0.06 203

MyStereo07	0.10 146	0.07 143	0.10 112	0.17 220	0.09 242	0.14 282	0.18 367	0.15 109	0.15 162	0.09 96	0.06 13	0.06 18	0.07 110	0.12 193	0.09 54	0.06 116	0.05 186	0.08 282	0.07 276	0.06 195	0.06 203

MyStereo06	0.10 146	0.07 143	0.12 188	0.17 220	0.09 242	0.13 250	0.18 367	0.19 222	0.12 89	0.12 196	0.08 74	0.07 65	0.07 110	0.11 111	0.09 54	0.06 116	0.05 186	0.07 198	0.07 276	0.06 195	0.06 203

MyStereo05	0.13 280	0.07 143	0.10 112	0.17 220	0.09 242	0.13 250	0.18 367	0.27 375	0.35 445	0.17 315	0.14 192	0.15 270	0.11 228	0.15 286	0.13 281	0.06 116	0.05 186	0.07 198	0.07 276	0.06 195	0.06 203

MyStereo04	0.13 280	0.07 143	0.10 112	0.17 220	0.09 242	0.14 282	0.18 367	0.29 405	0.38 463	0.17 315	0.14 192	0.16 284	0.10 203	0.15 286	0.13 281	0.06 116	0.05 186	0.08 282	0.07 276	0.06 195	0.06 203

cc1	0.10 146	0.08 240	0.12 188	0.17 220	0.09 242	0.13 250	0.15 223	0.16 136	0.18 235	0.09 96	0.09 92	0.06 18	0.06 36	0.10 65	0.07 1	0.06 116	0.04 22	0.06 105	0.05 111	0.06 195	0.06 203

ff7	0.09 85	0.07 143	0.11 153	0.16 146	0.09 242	0.11 176	0.15 223	0.16 136	0.12 89	0.10 129	0.06 13	0.06 18	0.06 36	0.11 111	0.09 54	0.05 28	0.04 22	0.06 105	0.05 111	0.05 102	0.06 203

IGEVStereo-DCA	0.09 85	0.06 59	0.11 153	0.15 72	0.10 344	0.11 176	0.15 223	0.16 136	0.12 89	0.10 129	0.06 13	0.08 102	0.06 36	0.10 65	0.08 17	0.06 116	0.05 186	0.06 105	0.05 111	0.05 102	0.06 203

ffff	0.09 85	0.07 143	0.11 153	0.16 146	0.09 242	0.11 176	0.15 223	0.16 136	0.12 89	0.10 129	0.06 13	0.06 18	0.06 36	0.11 111	0.09 54	0.05 28	0.04 22	0.06 105	0.05 111	0.05 102	0.06 203

rrr	0.09 85	0.06 59	0.12 188	0.15 72	0.10 344	0.11 176	0.16 288	0.16 136	0.15 162	0.10 129	0.06 13	0.08 102	0.06 36	0.10 65	0.08 17	0.06 116	0.05 186	0.06 105	0.05 111	0.05 102	0.06 203

ffm	0.12 255	0.09 316	0.14 268	0.16 146	0.08 130	0.17 359	0.17 322	0.15 109	0.19 250	0.15 271	0.25 369	0.19 332	0.13 297	0.10 65	0.07 1	0.06 116	0.04 22	0.09 363	0.08 341	0.06 195	0.06 203

ff1	0.13 280	0.09 316	0.14 268	0.16 146	0.08 130	0.17 359	0.17 322	0.15 109	0.19 250	0.15 271	0.25 369	0.19 332	0.13 297	0.14 264	0.20 414	0.06 116	0.04 22	0.09 363	0.08 341	0.06 195	0.06 203

11t	0.09 85	0.07 143	0.11 153	0.16 146	0.09 242	0.11 176	0.15 223	0.16 136	0.12 89	0.10 129	0.06 13	0.06 18	0.06 36	0.11 111	0.09 54	0.05 28	0.04 22	0.06 105	0.05 111	0.05 102	0.06 203

tt1	0.10 146	0.08 240	0.12 188	0.17 220	0.09 242	0.12 211	0.16 288	0.15 109	0.19 250	0.09 96	0.08 74	0.06 18	0.06 36	0.10 65	0.07 1	0.06 116	0.04 22	0.06 105	0.05 111	0.06 195	0.06 203

1111x	0.15 358	0.08 240	0.12 188	0.18 302	0.07 74	0.18 378	0.25 492	0.31 429	0.24 328	0.17 315	0.24 340	0.26 418	0.15 340	0.13 238	0.23 455	0.07 243	0.07 383	0.08 282	0.09 387	0.07 261	0.06 203

plain	0.10 146	0.08 240	0.10 112	0.19 359	0.09 242	0.10 131	0.15 223	0.14 78	0.13 120	0.13 223	0.15 209	0.09 127	0.12 259	0.13 238	0.12 240	0.07 243	0.05 186	0.09 363	0.06 189	0.06 195	0.06 203

anonymousdsp	0.09 85	0.07 143	0.11 153	0.16 146	0.09 242	0.11 176	0.15 223	0.16 136	0.12 89	0.09 96	0.06 13	0.06 18	0.06 36	0.11 111	0.09 54	0.05 28	0.04 22	0.06 105	0.05 111	0.05 102	0.06 203

anonymousa	0.13 280	0.07 143	0.13 233	0.18 302	0.09 242	0.13 250	0.17 322	0.19 222	0.29 393	0.15 271	0.24 340	0.15 270	0.14 322	0.14 264	0.14 318	0.07 243	0.05 186	0.07 198	0.09 387	0.05 102	0.06 203

ProNet	0.09 85	0.07 143	0.10 112	0.17 220	0.08 130	0.10 131	0.15 223	0.15 109	0.12 89	0.09 96	0.06 13	0.07 65	0.06 36	0.11 111	0.09 54	0.05 28	0.04 22	0.06 105	0.05 111	0.04 16	0.06 203

ccc-4	0.09 85	0.07 143	0.11 153	0.16 146	0.09 242	0.11 176	0.15 223	0.16 136	0.12 89	0.10 129	0.06 13	0.06 18	0.06 36	0.11 111	0.09 54	0.05 28	0.04 22	0.06 105	0.05 111	0.05 102	0.06 203

RAFT+CT+SA	0.13 280	0.11 400	0.09 73	0.19 359	0.09 242	0.15 308	0.28 513	0.22 278	0.22 302	0.15 271	0.26 386	0.10 158	0.10 203	0.11 111	0.12 240	0.05 28	0.04 22	0.07 198	0.08 341	0.07 261	0.06 203

IGEV-Stereo	0.09 85	0.07 143	0.11 153	0.16 146	0.09 242	0.11 176	0.15 223	0.16 136	0.12 89	0.09 96	0.06 13	0.06 18	0.06 36	0.11 111	0.09 54	0.05 28	0.04 22	0.06 105	0.05 111	0.05 102	0.06 203
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.12 255	0.09 316	0.12 188	0.19 359	0.08 130	0.09 84	0.12 66	0.21 256	0.21 288	0.19 361	0.14 192	0.11 179	0.09 171	0.20 413	0.16 362	0.05 28	0.05 186	0.07 198	0.06 189	0.05 102	0.06 203

psmg	0.14 314	0.09 316	0.14 268	0.17 220	0.10 344	0.15 308	0.17 322	0.29 405	0.19 250	0.17 315	0.21 309	0.25 409	0.16 366	0.15 286	0.14 318	0.08 304	0.06 311	0.08 282	0.08 341	0.07 261	0.06 203

CIPLG	0.11 189	0.08 240	0.14 268	0.17 220	0.08 130	0.12 211	0.15 223	0.17 172	0.15 162	0.14 244	0.11 151	0.16 284	0.09 171	0.16 320	0.11 191	0.07 243	0.05 186	0.06 105	0.05 111	0.05 102	0.06 203

dd	0.15 358	0.16 477	0.16 353	0.19 359	0.09 242	0.15 308	0.18 367	0.21 256	0.25 349	0.23 426	0.20 288	0.21 353	0.09 171	0.21 430	0.16 362	0.10 404	0.06 311	0.08 282	0.06 189	0.08 324	0.06 203

IPLGR_C	0.11 189	0.08 240	0.14 268	0.17 220	0.08 130	0.12 211	0.15 223	0.17 172	0.15 162	0.14 244	0.10 121	0.16 284	0.09 171	0.16 320	0.11 191	0.07 243	0.05 186	0.06 105	0.05 111	0.05 102	0.06 203

ACRE	0.11 189	0.08 240	0.14 268	0.17 220	0.08 130	0.12 211	0.15 223	0.17 172	0.14 145	0.14 244	0.10 121	0.16 284	0.09 171	0.16 320	0.11 191	0.07 243	0.05 186	0.06 105	0.05 111	0.05 102	0.06 203

GwcNet-ADL	0.13 280	0.08 240	0.14 268	0.20 414	0.09 242	0.11 176	0.20 427	0.30 419	0.24 328	0.13 223	0.14 192	0.18 318	0.14 322	0.13 238	0.14 318	0.07 243	0.05 186	0.06 105	0.05 111	0.07 261	0.06 203

RAFT-RH_RVC	0.11 189	0.06 59	0.14 268	0.16 146	0.09 242	0.12 211	0.12 66	0.17 172	0.12 89	0.13 223	0.41 498	0.11 179	0.10 203	0.13 238	0.12 240	0.05 28	0.04 22	0.08 282	0.05 111	0.04 16	0.06 203

IRAFT_RVC	0.12 255	0.08 240	0.16 353	0.19 359	0.08 130	0.07 30	0.15 223	0.24 320	0.23 312	0.14 244	0.14 192	0.15 270	0.12 259	0.12 193	0.10 125	0.06 116	0.04 22	0.09 363	0.06 189	0.06 195	0.06 203

rafts_anoy	0.11 189	0.06 59	0.10 112	0.17 220	0.08 130	0.10 131	0.14 155	0.17 172	0.14 145	0.13 223	0.13 178	0.12 196	0.10 203	0.11 111	0.12 240	0.07 243	0.04 22	0.09 363	0.11 458	0.07 261	0.06 203

test_xeample3	0.09 85	0.06 59	0.12 188	0.16 146	0.09 242	0.11 176	0.15 223	0.16 136	0.13 120	0.10 129	0.06 13	0.08 102	0.06 36	0.10 65	0.09 54	0.05 28	0.04 22	0.06 105	0.05 111	0.05 102	0.06 203

GMStereo	0.13 280	0.14 459	0.14 268	0.18 302	0.09 242	0.15 308	0.16 288	0.20 233	0.24 328	0.16 299	0.17 242	0.10 158	0.10 203	0.16 320	0.13 281	0.07 243	0.06 311	0.06 105	0.06 189	0.07 261	0.06 203
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 280	0.07 143	0.14 268	0.17 220	0.09 242	0.15 308	0.16 288	0.28 394	0.27 372	0.14 244	0.17 242	0.12 196	0.13 297	0.14 264	0.11 191	0.08 304	0.05 186	0.07 198	0.07 276	0.07 261	0.06 203

delet	0.17 401	0.08 240	0.17 381	0.19 359	0.11 393	0.20 416	0.21 444	0.30 419	0.37 456	0.17 315	0.26 386	0.19 332	0.19 419	0.19 388	0.21 434	0.08 304	0.08 409	0.09 363	0.11 458	0.06 195	0.06 203

UNet	0.17 401	0.09 316	0.18 404	0.19 359	0.12 424	0.27 489	0.19 406	0.33 459	0.29 393	0.21 398	0.24 340	0.23 389	0.19 419	0.19 388	0.18 395	0.07 243	0.06 311	0.08 282	0.07 276	0.08 324	0.06 203

UPFNet	0.16 381	0.08 240	0.12 188	0.20 414	0.12 424	0.20 416	0.23 465	0.28 394	0.26 363	0.17 315	0.24 340	0.22 371	0.19 419	0.19 388	0.21 434	0.09 363	0.07 383	0.08 282	0.09 387	0.08 324	0.06 203

CREStereo	0.09 85	0.04 1	0.08 31	0.11 1	0.06 14	0.13 250	0.14 155	0.14 78	0.10 37	0.08 66	0.13 178	0.09 127	0.08 145	0.11 111	0.10 125	0.08 304	0.04 22	0.05 25	0.03 1	0.06 195	0.06 203
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
ac_64	0.16 381	0.08 240	0.15 319	0.18 302	0.10 344	0.22 441	0.18 367	0.24 320	0.21 288	0.18 345	0.24 340	0.29 444	0.18 403	0.19 388	0.22 443	0.09 363	0.07 383	0.08 282	0.09 387	0.07 261	0.06 203

ACVNet	0.15 358	0.09 316	0.15 319	0.13 13	0.12 424	0.14 282	0.20 427	0.22 278	0.33 424	0.17 315	0.26 386	0.21 353	0.16 366	0.17 352	0.21 434	0.07 243	0.06 311	0.06 105	0.06 189	0.08 324	0.06 203

acv_ft	0.15 358	0.09 316	0.15 319	0.19 359	0.10 344	0.16 338	0.17 322	0.25 336	0.33 424	0.19 361	0.26 386	0.21 353	0.17 389	0.17 352	0.18 395	0.07 243	0.06 311	0.06 105	0.06 189	0.08 324	0.06 203

cf-r	0.13 280	0.07 143	0.12 188	0.16 146	0.08 130	0.14 282	0.19 406	0.20 233	0.25 349	0.17 315	0.25 369	0.21 353	0.16 366	0.14 264	0.14 318	0.10 404	0.05 186	0.06 105	0.08 341	0.06 195	0.06 203

PMTNet	0.09 85	0.05 19	0.09 73	0.12 4	0.06 14	0.12 211	0.14 155	0.15 109	0.11 63	0.09 96	0.13 178	0.10 158	0.07 110	0.13 238	0.10 125	0.15 498	0.04 22	0.05 25	0.03 1	0.07 261	0.06 203

DIP-Stereo	0.11 189	0.07 143	0.14 268	0.17 220	0.09 242	0.13 250	0.09 18	0.16 136	0.16 190	0.11 158	0.16 221	0.14 241	0.12 259	0.15 286	0.13 281	0.06 116	0.05 186	0.06 105	0.05 111	0.05 102	0.06 203
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.12 255	0.08 240	0.14 268	0.18 302	0.07 74	0.15 308	0.07 3	0.22 278	0.18 235	0.16 299	0.19 276	0.18 318	0.14 322	0.16 320	0.15 346	0.07 243	0.05 186	0.05 25	0.05 111	0.06 195	0.06 203

RASNet	0.14 314	0.07 143	0.14 268	0.16 146	0.08 130	0.18 378	0.14 155	0.29 405	0.20 273	0.17 315	0.25 369	0.21 353	0.18 403	0.20 413	0.19 408	0.07 243	0.06 311	0.06 105	0.08 341	0.06 195	0.06 203

HSM-Net_RVC	0.14 314	0.08 240	0.11 153	0.15 72	0.08 130	0.15 308	0.15 223	0.27 375	0.29 393	0.19 361	0.21 309	0.29 444	0.14 322	0.17 352	0.13 281	0.06 116	0.06 311	0.06 105	0.06 189	0.07 261	0.06 203
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.15 358	0.10 374	0.17 381	0.17 220	0.08 130	0.18 378	0.09 18	0.28 394	0.25 349	0.19 361	0.24 340	0.24 395	0.17 389	0.17 352	0.14 318	0.08 304	0.06 311	0.09 363	0.10 426	0.07 261	0.06 203

AANet_RVC	0.16 381	0.10 374	0.10 112	0.18 302	0.09 242	0.18 378	0.19 406	0.26 354	0.31 410	0.22 414	0.35 458	0.21 353	0.21 435	0.22 443	0.16 362	0.06 116	0.05 186	0.06 105	0.06 189	0.07 261	0.06 203

HSM	0.15 358	0.08 240	0.14 268	0.16 146	0.09 242	0.16 338	0.14 155	0.28 394	0.25 349	0.19 361	0.23 328	0.37 495	0.16 366	0.20 413	0.15 346	0.07 243	0.05 186	0.07 198	0.06 189	0.07 261	0.06 203

LE_ROB	0.50 544	0.07 143	0.14 268	0.15 72	0.08 130	0.24 459	0.16 288	0.22 278	1.81 576	4.63 579	0.67 540	0.47 528	0.44 537	0.20 413	0.29 506	0.07 243	0.06 311	0.06 105	0.06 189	0.08 324	0.06 203

DN-CSS_ROB	0.13 280	0.13 447	0.16 353	0.18 302	0.10 344	0.16 338	0.08 7	0.22 278	0.18 235	0.17 315	0.22 319	0.13 221	0.13 297	0.12 193	0.13 281	0.05 28	0.05 186	0.10 411	0.10 426	0.08 324	0.06 203

pmcnn	0.15 358	0.07 143	0.19 415	0.15 72	0.07 74	0.20 416	0.15 223	0.24 320	0.26 363	0.21 398	0.34 454	0.28 436	0.18 403	0.18 373	0.17 377	0.07 243	0.05 186	0.05 25	0.04 37	0.07 261	0.06 203

G2L-Stereo	0.14 314	0.07 143	0.13 233	0.17 220	0.09 242	0.13 250	0.12 66	0.27 375	0.22 302	0.16 299	0.27 394	0.21 353	0.13 297	0.17 352	0.18 395	0.09 363	0.08 409	0.08 282	0.07 276	0.07 261	0.07 283

rvit_105_1	0.19 427	0.11 400	0.25 459	0.21 443	0.16 495	0.21 433	0.27 507	0.31 429	0.41 475	0.19 361	0.20 288	0.22 371	0.17 389	0.19 388	0.17 377	0.12 458	0.12 484	0.13 476	0.15 505	0.08 324	0.07 283

ACV-stereo	0.15 358	0.10 374	0.28 474	0.18 302	0.12 424	0.14 282	0.12 66	0.23 298	0.21 288	0.19 361	0.23 328	0.22 371	0.15 340	0.23 454	0.17 377	0.07 243	0.06 311	0.07 198	0.07 276	0.07 261	0.07 283

test_sample2	0.12 255	0.07 143	0.12 188	0.14 31	0.08 130	0.16 338	0.18 367	0.21 256	0.16 190	0.14 244	0.20 288	0.19 332	0.15 340	0.15 286	0.12 240	0.08 304	0.05 186	0.07 198	0.06 189	0.08 324	0.07 283

test_sample1	0.13 280	0.07 143	0.14 268	0.13 13	0.08 130	0.19 401	0.16 288	0.20 233	0.15 162	0.14 244	0.22 319	0.18 318	0.16 366	0.17 352	0.14 318	0.07 243	0.06 311	0.06 105	0.06 189	0.08 324	0.07 283

ACVNet-DCA	0.10 146	0.08 240	0.12 188	0.17 220	0.09 242	0.13 250	0.15 223	0.23 298	0.16 190	0.09 96	0.09 92	0.06 18	0.06 36	0.10 65	0.07 1	0.06 116	0.04 22	0.06 105	0.05 111	0.07 261	0.07 283

xx1	0.11 189	0.08 240	0.12 188	0.17 220	0.09 242	0.13 250	0.15 223	0.16 136	0.18 235	0.09 96	0.09 92	0.16 284	0.16 366	0.10 65	0.07 1	0.06 116	0.04 22	0.08 282	0.08 341	0.07 261	0.07 283

1test111	0.11 189	0.08 240	0.12 188	0.17 220	0.09 242	0.13 250	0.15 223	0.23 298	0.16 190	0.09 96	0.09 92	0.06 18	0.06 36	0.15 286	0.16 362	0.06 116	0.04 22	0.06 105	0.05 111	0.07 261	0.07 283

mmm	0.14 314	0.08 240	0.17 381	0.17 220	0.09 242	0.17 359	0.18 367	0.21 256	0.15 162	0.15 271	0.23 328	0.21 353	0.16 366	0.16 320	0.17 377	0.08 304	0.05 186	0.08 282	0.07 276	0.07 261	0.07 283

11t1	0.12 255	0.06 59	0.13 233	0.14 31	0.08 130	0.17 359	0.15 223	0.18 201	0.15 162	0.15 271	0.15 209	0.16 284	0.16 366	0.15 286	0.13 281	0.08 304	0.05 186	0.06 105	0.05 111	0.08 324	0.07 283

MIF-Stereo (partial)	0.11 189	0.06 59	0.10 112	0.19 359	0.10 344	0.10 131	0.11 49	0.17 172	0.18 235	0.14 244	0.16 221	0.09 127	0.11 228	0.12 193	0.12 240	0.08 304	0.05 186	0.08 282	0.07 276	0.06 195	0.07 283

EKT-Stereo	0.11 189	0.07 143	0.14 268	0.15 72	0.10 344	0.13 250	0.14 155	0.18 201	0.21 288	0.11 158	0.08 74	0.12 196	0.09 171	0.11 111	0.12 240	0.08 304	0.06 311	0.07 198	0.06 189	0.08 324	0.07 283

PCWNet_CMD	0.14 314	0.08 240	0.15 319	0.17 220	0.09 242	0.14 282	0.14 155	0.29 405	0.36 449	0.14 244	0.20 288	0.21 353	0.12 259	0.17 352	0.13 281	0.07 243	0.05 186	0.07 198	0.07 276	0.07 261	0.07 283

fast-acv-ft	0.18 415	0.11 400	0.19 415	0.19 359	0.12 424	0.24 459	0.21 444	0.25 336	0.34 436	0.22 414	0.34 454	0.27 426	0.20 431	0.21 430	0.23 455	0.09 363	0.09 438	0.08 282	0.10 426	0.08 324	0.07 283

CBFPSM	0.14 314	0.06 59	0.26 462	0.17 220	0.09 242	0.13 250	0.15 223	0.22 278	0.23 312	0.20 384	0.27 394	0.24 395	0.16 366	0.16 320	0.18 395	0.06 116	0.06 311	0.06 105	0.07 276	0.07 261	0.07 283

GASNet	0.22 460	0.23 517	0.33 493	0.26 504	0.17 510	0.26 479	0.16 288	0.44 529	0.42 482	0.27 459	0.24 340	0.30 453	0.15 340	0.27 473	0.18 395	0.12 458	0.08 409	0.12 461	0.11 458	0.16 509	0.07 283

gwcnet-sp	0.14 314	0.07 143	0.12 188	0.18 302	0.09 242	0.16 338	0.17 322	0.24 320	0.24 328	0.18 345	0.24 340	0.15 270	0.16 366	0.15 286	0.15 346	0.08 304	0.06 311	0.07 198	0.08 341	0.08 324	0.07 283

scenet	0.14 314	0.07 143	0.12 188	0.18 302	0.09 242	0.16 338	0.17 322	0.24 320	0.24 328	0.18 345	0.24 340	0.15 270	0.16 366	0.15 286	0.15 346	0.08 304	0.06 311	0.07 198	0.08 341	0.08 324	0.07 283

CASS	0.13 280	0.12 418	0.11 153	0.23 479	0.09 242	0.15 308	0.17 322	0.18 201	0.19 250	0.17 315	0.18 267	0.15 270	0.15 340	0.14 264	0.14 318	0.09 363	0.06 311	0.10 411	0.08 341	0.09 386	0.07 283
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.11 189	0.05 19	0.12 188	0.13 13	0.07 74	0.15 308	0.14 155	0.19 222	0.13 120	0.11 158	0.17 242	0.13 221	0.09 171	0.13 238	0.11 191	0.08 304	0.05 186	0.06 105	0.05 111	0.08 324	0.07 283

ssnet	0.14 314	0.07 143	0.12 188	0.18 302	0.09 242	0.16 338	0.17 322	0.24 320	0.24 328	0.18 345	0.24 340	0.15 270	0.16 366	0.15 286	0.15 346	0.08 304	0.06 311	0.07 198	0.08 341	0.08 324	0.07 283

qqq	0.13 280	0.09 316	0.15 319	0.16 146	0.08 130	0.13 250	0.15 223	0.23 298	0.16 190	0.15 271	0.19 276	0.16 284	0.16 366	0.15 286	0.16 362	0.07 243	0.06 311	0.08 282	0.08 341	0.07 261	0.07 283

x	0.13 280	0.07 143	0.14 268	0.14 31	0.08 130	0.18 378	0.14 155	0.22 278	0.20 273	0.15 271	0.19 276	0.19 332	0.17 389	0.18 373	0.18 395	0.07 243	0.05 186	0.06 105	0.06 189	0.07 261	0.07 283

BUS	0.14 314	0.09 316	0.14 268	0.22 458	0.10 344	0.19 401	0.14 155	0.34 468	0.19 250	0.17 315	0.22 319	0.16 284	0.13 297	0.15 286	0.13 281	0.08 304	0.06 311	0.10 411	0.09 387	0.07 261	0.07 283

IER	0.14 314	0.07 143	0.13 233	0.17 220	0.09 242	0.14 282	0.16 288	0.25 336	0.26 363	0.18 345	0.25 369	0.17 304	0.20 431	0.16 320	0.14 318	0.08 304	0.05 186	0.07 198	0.06 189	0.08 324	0.07 283

test_5	0.14 314	0.12 418	0.08 31	0.20 414	0.10 344	0.14 282	0.29 522	0.21 256	0.24 328	0.18 345	0.28 408	0.11 179	0.15 340	0.12 193	0.13 281	0.06 116	0.05 186	0.07 198	0.08 341	0.08 324	0.07 283

BSDual-CNN	0.15 358	0.09 316	0.14 268	0.22 458	0.10 344	0.14 282	0.15 223	0.34 468	0.19 250	0.17 315	0.22 319	0.25 409	0.16 366	0.15 286	0.14 318	0.08 304	0.06 311	0.10 411	0.09 387	0.07 261	0.07 283

hknet	0.15 358	0.11 400	0.13 233	0.22 458	0.11 393	0.14 282	0.15 223	0.34 468	0.25 349	0.17 315	0.22 319	0.22 371	0.18 403	0.17 352	0.12 240	0.07 243	0.06 311	0.10 411	0.09 387	0.07 261	0.07 283

CSP-Net	0.16 381	0.09 316	0.14 268	0.16 146	0.09 242	0.19 401	0.17 322	0.25 336	0.32 417	0.25 448	0.30 426	0.24 395	0.15 340	0.21 430	0.18 395	0.09 363	0.06 311	0.07 198	0.07 276	0.08 324	0.07 283

UDGNet	0.14 314	0.13 447	0.16 353	0.17 220	0.10 344	0.12 211	0.16 288	0.21 256	0.27 372	0.20 384	0.20 288	0.16 284	0.13 297	0.16 320	0.13 281	0.10 404	0.06 311	0.09 363	0.07 276	0.06 195	0.07 283

dad	0.17 401	0.20 506	0.20 427	0.16 146	0.11 393	0.20 416	0.18 367	0.21 256	0.28 386	0.30 486	0.24 340	0.29 444	0.13 297	0.19 388	0.16 362	0.18 520	0.09 438	0.11 442	0.09 387	0.11 441	0.07 283

DAS	0.15 358	0.08 240	0.18 404	0.19 359	0.10 344	0.19 401	0.17 322	0.27 375	0.29 393	0.18 345	0.25 369	0.21 353	0.15 340	0.16 320	0.12 240	0.08 304	0.06 311	0.06 105	0.06 189	0.07 261	0.07 283

SepStereo	0.15 358	0.08 240	0.18 404	0.19 359	0.10 344	0.19 401	0.17 322	0.27 375	0.29 393	0.18 345	0.25 369	0.21 353	0.15 340	0.25 468	0.12 240	0.08 304	0.06 311	0.06 105	0.06 189	0.07 261	0.07 283

PSMNet-ADL	0.15 358	0.12 418	0.13 233	0.22 458	0.09 242	0.13 250	0.20 427	0.26 354	0.23 312	0.18 345	0.20 288	0.24 395	0.16 366	0.18 373	0.17 377	0.08 304	0.08 409	0.08 282	0.11 458	0.08 324	0.07 283

ADLNet2	0.16 381	0.09 316	0.13 233	0.16 146	0.09 242	0.20 416	0.16 288	0.31 429	0.39 466	0.16 299	0.20 288	0.20 344	0.18 403	0.21 430	0.22 443	0.08 304	0.06 311	0.07 198	0.07 276	0.09 386	0.07 283

Patchmatch Stereo++	0.11 189	0.09 316	0.16 353	0.18 302	0.08 130	0.06 10	0.11 49	0.16 136	0.13 120	0.15 271	0.16 221	0.14 241	0.12 259	0.11 111	0.10 125	0.06 116	0.04 22	0.08 282	0.06 189	0.08 324	0.07 283
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
NRIStereo	0.11 189	0.08 240	0.14 268	0.18 302	0.08 130	0.10 131	0.14 155	0.16 136	0.15 162	0.12 196	0.14 192	0.13 221	0.12 259	0.13 238	0.10 125	0.06 116	0.04 22	0.07 198	0.06 189	0.06 195	0.07 283

PSM-adaLoss	0.11 189	0.09 316	0.16 353	0.18 302	0.08 130	0.06 10	0.12 66	0.16 136	0.13 120	0.15 271	0.16 221	0.14 241	0.12 259	0.11 111	0.10 125	0.06 116	0.04 22	0.08 282	0.06 189	0.08 324	0.07 283

ROB_FTStereo_v2	0.11 189	0.09 316	0.16 353	0.19 359	0.08 130	0.06 10	0.12 66	0.16 136	0.13 120	0.15 271	0.16 221	0.14 241	0.12 259	0.11 111	0.10 125	0.06 116	0.04 22	0.08 282	0.06 189	0.08 324	0.07 283

ROB_FTStereo	0.11 189	0.09 316	0.16 353	0.19 359	0.08 130	0.06 10	0.11 49	0.16 136	0.13 120	0.15 271	0.16 221	0.14 241	0.12 259	0.11 111	0.10 125	0.06 116	0.04 22	0.08 282	0.06 189	0.08 324	0.07 283

HUI-Stereo	0.11 189	0.09 316	0.16 353	0.18 302	0.08 130	0.06 10	0.12 66	0.16 136	0.13 120	0.15 271	0.16 221	0.14 241	0.12 259	0.11 111	0.10 125	0.06 116	0.04 22	0.08 282	0.06 189	0.08 324	0.07 283

iGMRVC	0.11 189	0.09 316	0.16 353	0.19 359	0.08 130	0.06 10	0.12 66	0.16 136	0.13 120	0.15 271	0.16 221	0.14 241	0.12 259	0.11 111	0.10 125	0.06 116	0.04 22	0.08 282	0.06 189	0.08 324	0.07 283

iRAFT	0.11 189	0.09 316	0.16 353	0.18 302	0.08 130	0.06 10	0.11 49	0.16 136	0.13 120	0.15 271	0.16 221	0.14 241	0.12 259	0.11 111	0.10 125	0.06 116	0.04 22	0.08 282	0.06 189	0.08 324	0.07 283

RAFT-IKP	0.11 189	0.09 316	0.16 353	0.19 359	0.08 130	0.06 10	0.12 66	0.16 136	0.13 120	0.15 271	0.16 221	0.14 241	0.12 259	0.11 111	0.10 125	0.06 116	0.04 22	0.08 282	0.06 189	0.08 324	0.07 283

ICVP	0.15 358	0.09 316	0.12 188	0.22 458	0.09 242	0.17 359	0.21 444	0.25 336	0.23 312	0.18 345	0.30 426	0.26 418	0.18 403	0.17 352	0.14 318	0.09 363	0.07 383	0.08 282	0.07 276	0.07 261	0.07 283
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.14 314	0.08 240	0.15 319	0.16 146	0.09 242	0.13 250	0.14 155	0.27 375	0.34 436	0.14 244	0.21 309	0.22 371	0.13 297	0.18 373	0.14 318	0.07 243	0.05 186	0.08 282	0.06 189	0.07 261	0.07 283

RALCasStereoNet	0.10 146	0.06 59	0.09 73	0.16 146	0.08 130	0.12 211	0.14 155	0.17 172	0.11 63	0.12 196	0.17 242	0.14 241	0.10 203	0.12 193	0.11 191	0.07 243	0.06 311	0.06 105	0.05 111	0.08 324	0.07 283

sCroCo_RVC	0.12 255	0.09 316	0.23 450	0.24 488	0.11 393	0.19 401	0.14 155	0.17 172	0.14 145	0.10 129	0.13 178	0.12 196	0.07 110	0.14 264	0.11 191	0.08 304	0.08 409	0.08 282	0.08 341	0.05 102	0.07 283

HCRNet	0.16 381	0.24 520	0.12 188	0.35 535	0.11 393	0.15 308	0.17 322	0.26 354	0.22 302	0.19 361	0.24 340	0.21 353	0.14 322	0.15 286	0.13 281	0.11 433	0.07 383	0.11 442	0.10 426	0.09 386	0.07 283

xxxx	0.15 358	0.07 143	0.14 268	0.14 31	0.08 130	0.23 454	0.18 367	0.31 429	0.19 250	0.14 244	0.28 408	0.22 371	0.14 322	0.15 286	0.26 488	0.09 363	0.05 186	0.07 198	0.07 276	0.08 324	0.07 283

test_xeample	0.15 358	0.06 59	0.13 233	0.14 31	0.08 130	0.21 433	0.20 427	0.28 394	0.20 273	0.16 299	0.29 420	0.19 332	0.16 366	0.15 286	0.26 488	0.09 363	0.05 186	0.07 198	0.07 276	0.07 261	0.07 283

MMNet	0.17 401	0.09 316	0.16 353	0.20 414	0.11 393	0.27 489	0.20 427	0.25 336	0.41 475	0.22 414	0.30 426	0.21 353	0.20 431	0.17 352	0.20 414	0.06 116	0.06 311	0.07 198	0.07 276	0.08 324	0.07 283

FENet	0.13 280	0.08 240	0.12 188	0.16 146	0.08 130	0.14 282	0.15 223	0.22 278	0.23 312	0.17 315	0.23 328	0.16 284	0.12 259	0.14 264	0.15 346	0.08 304	0.05 186	0.08 282	0.08 341	0.07 261	0.07 283

GANet-RSSM	0.14 314	0.07 143	0.13 233	0.13 13	0.08 130	0.14 282	0.17 322	0.22 278	0.21 288	0.17 315	0.24 340	0.23 389	0.15 340	0.16 320	0.15 346	0.10 404	0.06 311	0.07 198	0.08 341	0.08 324	0.07 283

PSMNet-RSSM	0.14 314	0.07 143	0.13 233	0.15 72	0.08 130	0.13 250	0.16 288	0.24 320	0.24 328	0.16 299	0.28 408	0.22 371	0.14 322	0.15 286	0.13 281	0.11 433	0.06 311	0.09 363	0.12 477	0.08 324	0.07 283

GwcNet-RSSM	0.14 314	0.07 143	0.12 188	0.15 72	0.08 130	0.15 308	0.20 427	0.21 256	0.27 372	0.18 345	0.27 394	0.22 371	0.16 366	0.14 264	0.15 346	0.10 404	0.05 186	0.07 198	0.09 387	0.07 261	0.07 283

MSMDNet	0.14 314	0.08 240	0.15 319	0.17 220	0.09 242	0.14 282	0.14 155	0.29 405	0.36 449	0.14 244	0.21 309	0.21 353	0.12 259	0.17 352	0.14 318	0.07 243	0.05 186	0.07 198	0.07 276	0.07 261	0.07 283

CVANet_RVC	0.18 415	0.10 374	0.14 268	0.21 443	0.10 344	0.18 378	0.17 322	0.34 468	0.33 424	0.22 414	0.31 434	0.28 436	0.18 403	0.23 454	0.17 377	0.12 458	0.08 409	0.12 461	0.11 458	0.09 386	0.07 283

ccs_rob	0.14 314	0.08 240	0.15 319	0.16 146	0.09 242	0.12 211	0.14 155	0.27 375	0.34 436	0.14 244	0.21 309	0.22 371	0.13 297	0.18 373	0.14 318	0.07 243	0.05 186	0.08 282	0.07 276	0.07 261	0.07 283

AdaStereo	0.15 358	0.11 400	0.15 319	0.18 302	0.09 242	0.20 416	0.11 49	0.32 440	0.28 386	0.20 384	0.23 328	0.20 344	0.13 297	0.19 388	0.14 318	0.12 458	0.05 186	0.10 411	0.07 276	0.09 386	0.07 283
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
StereoDRNet-Refined	0.17 401	0.12 418	0.15 319	0.20 414	0.09 242	0.18 378	0.18 367	0.26 354	0.23 312	0.26 453	0.40 487	0.22 371	0.17 389	0.21 430	0.20 414	0.08 304	0.05 186	0.09 363	0.10 426	0.07 261	0.07 283
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.19 427	0.11 400	0.20 427	0.22 458	0.10 344	0.22 441	0.22 454	0.39 508	0.37 456	0.24 435	0.32 438	0.26 418	0.21 435	0.22 443	0.24 468	0.11 433	0.07 383	0.11 442	0.10 426	0.09 386	0.07 283

StereoDRNet	0.18 415	0.11 400	0.17 381	0.22 458	0.11 393	0.21 433	0.22 454	0.37 496	0.33 424	0.24 435	0.28 408	0.30 453	0.19 419	0.20 413	0.20 414	0.09 363	0.08 409	0.11 442	0.09 387	0.09 386	0.07 283

DLCB_ROB	0.18 415	0.10 374	0.15 319	0.23 479	0.11 393	0.24 459	0.18 367	0.29 405	0.28 386	0.27 459	0.28 408	0.28 436	0.24 458	0.19 388	0.20 414	0.08 304	0.08 409	0.09 363	0.09 387	0.07 261	0.07 283

coex_refinement	0.14 314	0.07 143	0.12 188	0.17 220	0.10 344	0.15 308	0.15 223	0.26 354	0.29 393	0.18 345	0.20 288	0.22 371	0.17 389	0.16 320	0.18 395	0.08 304	0.05 186	0.06 105	0.06 189	0.09 386	0.08 347

S2M2	0.09 85	0.08 240	0.11 153	0.13 13	0.10 344	0.08 53	0.06 1	0.10 18	0.10 37	0.10 129	0.09 92	0.10 158	0.09 171	0.11 111	0.11 191	0.13 481	0.07 383	0.08 282	0.09 387	0.10 418	0.08 347

FACV-RUCA	0.13 280	0.11 400	0.12 188	0.19 359	0.12 424	0.15 308	0.15 223	0.22 278	0.20 273	0.15 271	0.16 221	0.14 241	0.16 366	0.14 264	0.13 281	0.07 243	0.05 186	0.08 282	0.06 189	0.10 418	0.08 347

ITSA-stereo	0.15 358	0.10 374	0.14 268	0.19 359	0.08 130	0.12 211	0.14 155	0.30 419	0.49 507	0.17 315	0.19 276	0.22 371	0.15 340	0.17 352	0.16 362	0.10 404	0.06 311	0.08 282	0.08 341	0.08 324	0.08 347

AIO-Stereo-zeroshot	0.11 189	0.05 19	0.11 153	0.15 72	0.13 447	0.13 250	0.16 288	0.23 298	0.17 209	0.10 129	0.12 164	0.10 158	0.07 110	0.11 111	0.09 54	0.06 116	0.05 186	0.06 105	0.06 189	0.07 261	0.08 347

test_sample6	0.14 314	0.08 240	0.13 233	0.16 146	0.08 130	0.17 359	0.19 406	0.25 336	0.17 209	0.17 315	0.27 394	0.19 332	0.14 322	0.15 286	0.13 281	0.08 304	0.05 186	0.08 282	0.07 276	0.08 324	0.08 347

test_sample5	0.14 314	0.08 240	0.14 268	0.16 146	0.08 130	0.18 378	0.18 367	0.25 336	0.17 209	0.17 315	0.27 394	0.18 318	0.14 322	0.16 320	0.13 281	0.08 304	0.05 186	0.08 282	0.07 276	0.08 324	0.08 347

test_sample4	0.14 314	0.08 240	0.14 268	0.15 72	0.08 130	0.19 401	0.18 367	0.26 354	0.17 209	0.16 299	0.25 369	0.18 318	0.14 322	0.16 320	0.13 281	0.08 304	0.06 311	0.08 282	0.06 189	0.08 324	0.08 347

test_sample3	0.14 314	0.08 240	0.15 319	0.14 31	0.09 242	0.19 401	0.17 322	0.26 354	0.18 235	0.16 299	0.22 319	0.19 332	0.15 340	0.17 352	0.13 281	0.08 304	0.06 311	0.07 198	0.06 189	0.09 386	0.08 347

CAS++	0.11 189	0.07 143	0.11 153	0.14 31	0.09 242	0.12 211	0.14 155	0.24 320	0.14 145	0.11 158	0.09 92	0.11 179	0.07 110	0.14 264	0.09 54	0.11 433	0.09 438	0.09 363	0.07 276	0.07 261	0.08 347
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DualNet	0.14 314	0.08 240	0.14 268	0.16 146	0.08 130	0.18 378	0.18 367	0.25 336	0.17 209	0.17 315	0.27 394	0.18 318	0.14 322	0.16 320	0.13 281	0.08 304	0.05 186	0.08 282	0.07 276	0.08 324	0.08 347

mmx	0.14 314	0.09 316	0.14 268	0.16 146	0.08 130	0.17 359	0.17 322	0.27 375	0.25 349	0.15 271	0.25 369	0.19 332	0.13 297	0.14 264	0.20 414	0.08 304	0.06 311	0.09 363	0.08 341	0.08 324	0.08 347

ttt	0.14 314	0.08 240	0.14 268	0.15 72	0.08 130	0.15 308	0.18 367	0.27 375	0.29 393	0.16 299	0.24 340	0.17 304	0.13 297	0.13 238	0.14 318	0.11 433	0.08 409	0.09 363	0.08 341	0.09 386	0.08 347

xxx	0.14 314	0.09 316	0.14 268	0.16 146	0.08 130	0.17 359	0.17 322	0.27 375	0.25 349	0.15 271	0.25 369	0.19 332	0.13 297	0.14 264	0.20 414	0.08 304	0.06 311	0.09 363	0.08 341	0.08 324	0.08 347

GMStereo_Zeroshot	0.16 381	0.13 447	0.24 454	0.20 414	0.10 344	0.17 359	0.13 107	0.29 405	0.25 349	0.23 426	0.32 438	0.25 409	0.11 228	0.19 388	0.14 318	0.09 363	0.06 311	0.11 442	0.06 189	0.12 456	0.08 347

ToySt	0.17 401	0.11 400	0.18 404	0.17 220	0.11 393	0.16 338	0.25 492	0.24 320	0.33 424	0.19 361	0.24 340	0.26 418	0.24 458	0.19 388	0.20 414	0.07 243	0.08 409	0.09 363	0.10 426	0.09 386	0.08 347

riskmin	0.11 189	0.06 59	0.13 233	0.14 31	0.08 130	0.14 282	0.14 155	0.18 201	0.14 145	0.11 158	0.14 192	0.16 284	0.11 228	0.14 264	0.12 240	0.09 363	0.05 186	0.07 198	0.05 111	0.08 324	0.08 347

ssnet_v2	0.17 401	0.10 374	0.17 381	0.17 220	0.11 393	0.21 433	0.21 444	0.33 459	0.25 349	0.22 414	0.22 319	0.27 426	0.18 403	0.22 443	0.20 414	0.11 433	0.09 438	0.09 363	0.09 387	0.08 324	0.08 347

HBP-ISP	0.18 415	0.13 447	0.16 353	0.15 72	0.11 393	0.08 53	0.13 107	0.28 394	0.29 393	0.22 414	0.33 450	0.21 353	0.25 467	0.23 454	0.17 377	0.14 494	0.16 515	0.21 522	0.17 516	0.10 418	0.08 347

CRFU-Net	0.16 381	0.08 240	0.14 268	0.17 220	0.09 242	0.19 401	0.14 155	0.26 354	0.20 273	0.28 474	0.27 394	0.29 444	0.17 389	0.19 388	0.17 377	0.09 363	0.09 438	0.07 198	0.07 276	0.08 324	0.08 347

GANet-ADL	0.13 280	0.07 143	0.15 319	0.17 220	0.10 344	0.18 378	0.15 223	0.30 419	0.20 273	0.13 223	0.18 267	0.19 332	0.12 259	0.16 320	0.13 281	0.08 304	0.06 311	0.06 105	0.05 111	0.07 261	0.08 347

ASMatch	0.11 189	0.06 59	0.13 233	0.16 146	0.10 344	0.07 30	0.14 155	0.17 172	0.17 209	0.12 196	0.16 221	0.16 284	0.10 203	0.13 238	0.10 125	0.05 28	0.04 22	0.06 105	0.05 111	0.04 16	0.08 347

Pruner-Stereo	0.11 189	0.07 143	0.12 188	0.17 220	0.09 242	0.06 10	0.12 66	0.17 172	0.17 209	0.13 223	0.19 276	0.13 221	0.09 171	0.11 111	0.11 191	0.06 116	0.04 22	0.07 198	0.06 189	0.06 195	0.08 347

DeepStereo_RVC	0.11 189	0.08 240	0.16 353	0.18 302	0.08 130	0.08 53	0.12 66	0.17 172	0.12 89	0.13 223	0.14 192	0.12 196	0.12 259	0.12 193	0.11 191	0.06 116	0.04 22	0.07 198	0.06 189	0.07 261	0.08 347

CRE-IMP	0.11 189	0.09 316	0.16 353	0.19 359	0.08 130	0.10 131	0.12 66	0.18 201	0.10 37	0.14 244	0.13 178	0.13 221	0.12 259	0.12 193	0.11 191	0.07 243	0.04 22	0.08 282	0.06 189	0.08 324	0.08 347

LMCR-Stereo	0.15 358	0.08 240	0.13 233	0.21 443	0.09 242	0.17 359	0.20 427	0.27 375	0.19 250	0.24 435	0.24 340	0.23 389	0.17 389	0.20 413	0.17 377	0.07 243	0.06 311	0.08 282	0.06 189	0.10 418	0.08 347

GEStereo_RVC	0.17 401	0.12 418	0.15 319	0.22 458	0.11 393	0.19 401	0.17 322	0.32 440	0.48 501	0.20 384	0.25 369	0.17 304	0.13 297	0.21 430	0.16 362	0.10 404	0.06 311	0.08 282	0.07 276	0.09 386	0.08 347

222	0.16 381	0.07 143	0.14 268	0.14 31	0.08 130	0.24 459	0.18 367	0.30 419	0.20 273	0.17 315	0.28 408	0.17 304	0.16 366	0.15 286	0.40 538	0.10 404	0.05 186	0.07 198	0.06 189	0.07 261	0.08 347

RAFT + AFF	0.13 280	0.07 143	0.20 427	0.20 414	0.10 344	0.14 282	0.24 477	0.26 354	0.20 273	0.11 158	0.10 121	0.12 196	0.10 203	0.15 286	0.12 240	0.07 243	0.06 311	0.09 363	0.08 341	0.06 195	0.08 347

Syn2CoEx	0.21 451	0.16 477	0.27 469	0.29 526	0.14 467	0.26 479	0.20 427	0.33 459	0.31 410	0.28 474	0.36 461	0.27 426	0.25 467	0.19 388	0.24 468	0.16 514	0.12 484	0.14 488	0.11 458	0.09 386	0.08 347

psm_up	0.18 415	0.10 374	0.18 404	0.20 414	0.11 393	0.17 359	0.19 406	0.37 496	0.34 436	0.21 398	0.28 408	0.29 444	0.24 458	0.20 413	0.22 443	0.09 363	0.10 458	0.11 442	0.11 458	0.08 324	0.08 347

CFNet-ft	0.14 314	0.07 143	0.15 319	0.12 4	0.09 242	0.16 338	0.18 367	0.22 278	0.24 328	0.17 315	0.26 386	0.24 395	0.14 322	0.16 320	0.14 318	0.11 433	0.06 311	0.08 282	0.09 387	0.09 386	0.08 347

DSFCA	0.16 381	0.09 316	0.14 268	0.16 146	0.10 344	0.20 416	0.19 406	0.28 394	0.31 410	0.23 426	0.24 340	0.22 371	0.15 340	0.19 388	0.20 414	0.10 404	0.07 383	0.09 363	0.09 387	0.08 324	0.08 347

DMCA-RVC	0.17 401	0.10 374	0.15 319	0.24 488	0.11 393	0.18 378	0.18 367	0.25 336	0.24 328	0.21 398	0.26 386	0.25 409	0.27 481	0.18 373	0.20 414	0.12 458	0.08 409	0.13 476	0.10 426	0.10 418	0.08 347

STTStereo	0.18 415	0.12 418	0.27 469	0.20 414	0.11 393	0.16 338	0.21 444	0.29 405	0.23 312	0.21 398	0.30 426	0.29 444	0.18 403	0.20 413	0.19 408	0.12 458	0.11 470	0.11 442	0.14 490	0.09 386	0.08 347

ADCRef	0.19 427	0.12 418	0.41 513	0.20 414	0.12 424	0.22 441	0.18 367	0.32 440	0.36 449	0.26 453	0.32 438	0.17 304	0.23 452	0.24 463	0.24 468	0.07 243	0.06 311	0.09 363	0.09 387	0.08 324	0.08 347

GANet	0.21 451	0.12 418	0.21 435	0.24 488	0.13 447	0.22 441	0.22 454	0.41 518	0.26 363	0.31 492	0.42 504	0.37 495	0.28 490	0.23 454	0.22 443	0.10 404	0.12 484	0.10 411	0.09 387	0.10 418	0.08 347

TDLM	0.17 401	0.12 418	0.13 233	0.24 488	0.10 344	0.18 378	0.18 367	0.36 490	0.30 403	0.21 398	0.28 408	0.28 436	0.18 403	0.23 454	0.18 395	0.11 433	0.07 383	0.10 411	0.10 426	0.08 324	0.08 347

CFNet_RVC	0.14 314	0.07 143	0.15 319	0.12 4	0.09 242	0.16 338	0.18 367	0.22 278	0.24 328	0.17 315	0.26 386	0.24 395	0.14 322	0.16 320	0.14 318	0.11 433	0.06 311	0.08 282	0.09 387	0.09 386	0.08 347

NLCA_NET_v2_RVC	0.17 401	0.10 374	0.22 441	0.20 414	0.10 344	0.15 308	0.18 367	0.31 429	0.25 349	0.21 398	0.30 426	0.25 409	0.17 389	0.21 430	0.20 414	0.09 363	0.06 311	0.08 282	0.08 341	0.07 261	0.08 347
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	0.20 439	0.21 512	0.23 450	0.20 414	0.10 344	0.19 401	0.17 322	0.36 490	0.25 349	0.27 459	0.33 450	0.27 426	0.24 458	0.20 413	0.20 414	0.15 498	0.12 484	0.17 508	0.14 490	0.10 418	0.08 347

iResNetv2_ROB	0.14 314	0.08 240	0.15 319	0.16 146	0.08 130	0.16 338	0.12 66	0.25 336	0.35 445	0.21 398	0.29 420	0.24 395	0.13 297	0.14 264	0.14 318	0.06 116	0.05 186	0.06 105	0.04 37	0.09 386	0.08 347

MDST_ROB	0.22 460	0.10 374	0.17 381	0.18 302	0.11 393	0.37 524	0.19 406	0.43 527	0.41 475	0.39 515	0.39 481	0.29 444	0.21 435	0.26 470	0.18 395	0.11 433	0.10 458	0.14 488	0.11 458	0.10 418	0.08 347

iResNet_ROB	0.14 314	0.07 143	0.13 233	0.14 31	0.07 74	0.18 378	0.14 155	0.26 354	0.31 410	0.22 414	0.25 369	0.23 389	0.15 340	0.15 286	0.13 281	0.07 243	0.05 186	0.05 25	0.04 37	0.08 324	0.08 347

MultiAttention	0.29 512	0.08 240	0.14 268	0.19 359	0.12 424	1.45 575	1.33 576	0.36 490	0.37 456	0.19 361	0.21 309	0.24 395	0.11 228	0.38 526	0.18 395	0.06 116	0.05 186	0.08 282	0.08 341	0.10 418	0.09 391

FlowAnything_test	0.11 189	0.08 240	0.14 268	0.15 72	0.09 242	0.07 30	0.14 155	0.20 233	0.11 63	0.09 96	0.09 92	0.12 196	0.12 259	0.13 238	0.11 191	0.09 363	0.06 311	0.09 363	0.09 387	0.06 195	0.09 391

w-ln-seven-2	0.20 439	0.14 459	0.37 506	0.22 458	0.12 424	0.20 416	0.21 444	0.28 394	0.37 456	0.25 448	0.37 467	0.27 426	0.22 444	0.21 430	0.23 455	0.08 304	0.08 409	0.09 363	0.09 387	0.10 418	0.09 391

G2L-ROB	0.13 280	0.06 59	0.13 233	0.13 13	0.08 130	0.14 282	0.16 288	0.25 336	0.18 235	0.19 361	0.18 267	0.20 344	0.14 322	0.17 352	0.16 362	0.08 304	0.05 186	0.06 105	0.05 111	0.08 324	0.09 391

YMNet	0.20 439	0.12 418	0.19 415	0.20 414	0.14 467	0.26 479	0.23 465	0.32 440	0.34 436	0.27 459	0.34 454	0.30 453	0.18 403	0.18 373	0.22 443	0.10 404	0.13 497	0.10 411	0.10 426	0.08 324	0.09 391

YMNet_1	0.20 439	0.12 418	0.19 415	0.20 414	0.14 467	0.26 479	0.23 465	0.32 440	0.34 436	0.27 459	0.34 454	0.30 453	0.18 403	0.18 373	0.22 443	0.10 404	0.13 497	0.10 411	0.10 426	0.08 324	0.09 391

rvit_stereo_0075_2	0.17 401	0.12 418	0.25 459	0.23 479	0.16 495	0.13 250	0.10 29	0.30 419	0.27 372	0.20 384	0.28 408	0.22 371	0.15 340	0.18 373	0.13 281	0.16 514	0.10 458	0.17 508	0.10 426	0.10 418	0.09 391

AIO-Stereo-zeroshot1	0.11 189	0.05 19	0.14 268	0.15 72	0.20 522	0.09 84	0.17 322	0.21 256	0.15 162	0.11 158	0.14 192	0.10 158	0.07 110	0.10 65	0.08 17	0.06 116	0.05 186	0.07 198	0.07 276	0.07 261	0.09 391

MyStereo8	0.12 255	0.07 143	0.15 319	0.15 72	0.09 242	0.18 378	0.14 155	0.19 222	0.22 302	0.12 196	0.18 267	0.11 179	0.10 203	0.16 320	0.18 395	0.07 243	0.05 186	0.07 198	0.05 111	0.08 324	0.09 391

CFNet_ucs	0.15 358	0.08 240	0.16 353	0.16 146	0.11 393	0.14 282	0.14 155	0.30 419	0.34 436	0.16 299	0.24 340	0.23 389	0.14 322	0.18 373	0.15 346	0.09 363	0.06 311	0.08 282	0.07 276	0.09 386	0.09 391

Wz-Net-LNSev-Ref	0.18 415	0.09 316	0.29 482	0.15 72	0.10 344	0.22 441	0.20 427	0.26 354	0.39 466	0.25 448	0.42 504	0.24 395	0.15 340	0.20 413	0.19 408	0.07 243	0.05 186	0.06 105	0.05 111	0.10 418	0.09 391

NINENet	0.16 381	0.10 374	0.15 319	0.17 220	0.11 393	0.19 401	0.14 155	0.40 512	0.36 449	0.18 345	0.21 309	0.16 284	0.13 297	0.15 286	0.13 281	0.08 304	0.08 409	0.10 411	0.07 276	0.10 418	0.09 391

AASNet	0.16 381	0.08 240	0.12 188	0.19 359	0.09 242	0.18 378	0.15 223	0.37 496	0.37 456	0.19 361	0.23 328	0.20 344	0.16 366	0.17 352	0.20 414	0.10 404	0.08 409	0.08 282	0.07 276	0.09 386	0.09 391

AACVNet	0.16 381	0.08 240	0.14 268	0.15 72	0.10 344	0.18 378	0.15 223	0.23 298	0.24 328	0.27 459	0.27 394	0.28 436	0.17 389	0.19 388	0.16 362	0.09 363	0.07 383	0.09 363	0.07 276	0.10 418	0.09 391

HHNet	0.11 189	0.06 59	0.16 353	0.15 72	0.14 467	0.07 30	0.13 107	0.20 233	0.17 209	0.14 244	0.25 369	0.11 179	0.08 145	0.13 238	0.10 125	0.05 28	0.04 22	0.08 282	0.06 189	0.05 102	0.09 391

GMM-Stereo	0.11 189	0.07 143	0.10 112	0.18 302	0.09 242	0.08 53	0.15 223	0.23 298	0.16 190	0.11 158	0.15 209	0.13 221	0.11 228	0.11 111	0.11 191	0.05 28	0.04 22	0.08 282	0.07 276	0.06 195	0.09 391

Prome-Stereo	0.11 189	0.06 59	0.10 112	0.18 302	0.08 130	0.12 211	0.15 223	0.22 278	0.13 120	0.12 196	0.17 242	0.13 221	0.08 145	0.12 193	0.10 125	0.05 28	0.04 22	0.07 198	0.06 189	0.06 195	0.09 391

ADLNet	0.16 381	0.08 240	0.15 319	0.16 146	0.10 344	0.16 338	0.17 322	0.32 440	0.27 372	0.22 414	0.27 394	0.24 395	0.16 366	0.18 373	0.21 434	0.10 404	0.06 311	0.10 411	0.10 426	0.08 324	0.09 391

GES	0.14 314	0.08 240	0.16 353	0.15 72	0.10 344	0.13 250	0.13 107	0.28 394	0.25 349	0.16 299	0.23 328	0.18 318	0.13 297	0.16 320	0.13 281	0.08 304	0.07 383	0.07 198	0.06 189	0.08 324	0.09 391

aanetorigin	0.22 460	0.17 488	0.56 533	0.17 220	0.10 344	0.15 308	0.19 406	0.20 233	0.33 424	0.49 534	0.48 514	0.29 444	0.27 481	0.20 413	0.23 455	0.08 304	0.07 383	0.08 282	0.07 276	0.10 418	0.09 391

EDNetEfficient	0.29 512	0.24 520	1.13 564	0.18 302	0.10 344	0.19 401	0.20 427	0.20 233	0.60 532	0.74 553	0.56 530	0.31 466	0.39 524	0.22 443	0.30 511	0.09 363	0.07 383	0.08 282	0.07 276	0.11 441	0.09 391

NVstereo2D	0.19 427	0.10 374	0.15 319	0.17 220	0.15 485	0.28 496	0.23 465	0.44 529	0.42 482	0.15 271	0.27 394	0.25 409	0.19 419	0.22 443	0.17 377	0.09 363	0.06 311	0.10 411	0.08 341	0.15 502	0.09 391

DISCO	0.19 427	0.09 316	0.22 441	0.17 220	0.10 344	0.25 470	0.18 367	0.27 375	0.44 492	0.22 414	0.31 434	0.33 478	0.26 473	0.28 484	0.28 503	0.08 304	0.06 311	0.07 198	0.07 276	0.09 386	0.09 391

NaN_ROB	0.22 460	0.19 502	0.24 454	0.25 499	0.13 447	0.29 500	0.26 500	0.33 459	0.41 475	0.31 492	0.31 434	0.32 475	0.23 452	0.30 493	0.21 434	0.11 433	0.17 520	0.10 411	0.10 426	0.08 324	0.09 391

FBW_ROB	0.24 483	0.17 488	0.22 441	0.26 504	0.14 467	0.25 470	0.22 454	0.41 518	0.41 475	0.41 522	0.41 498	0.42 514	0.27 481	0.31 494	0.23 455	0.09 363	0.14 506	0.14 488	0.12 477	0.11 441	0.09 391

PWCDC_ROB	0.20 439	0.13 447	0.22 441	0.24 488	0.11 393	0.19 401	0.15 223	0.33 459	0.54 519	0.29 482	0.50 519	0.21 353	0.15 340	0.27 473	0.20 414	0.11 433	0.09 438	0.10 411	0.08 341	0.11 441	0.09 391

PSMNet_ROB	0.21 451	0.11 400	0.15 319	0.27 516	0.15 485	0.24 459	0.35 539	0.43 527	0.37 456	0.27 459	0.32 438	0.32 475	0.22 444	0.21 430	0.26 488	0.12 458	0.08 409	0.13 476	0.11 458	0.09 386	0.09 391

MSAF-DinoV2	0.22 460	0.11 400	0.23 450	0.17 220	0.10 344	0.27 489	0.16 288	0.37 496	0.55 520	0.21 398	0.27 394	0.47 528	0.27 481	0.35 513	0.39 535	0.09 363	0.06 311	0.07 198	0.09 387	0.12 456	0.10 418

z-mn7	0.24 483	0.14 459	0.45 517	0.19 359	0.13 447	0.28 496	0.25 492	0.34 468	0.62 535	0.27 459	0.56 530	0.29 444	0.24 458	0.32 501	0.25 477	0.08 304	0.08 409	0.08 282	0.08 341	0.10 418	0.10 418

w-ln-seven	0.24 483	0.14 459	0.55 530	0.19 359	0.14 467	0.26 479	0.22 454	0.35 483	0.60 532	0.29 482	0.39 481	0.30 453	0.22 444	0.21 430	0.26 488	0.09 363	0.09 438	0.11 442	0.10 426	0.11 441	0.10 418

test_sample7	0.15 358	0.10 374	0.16 353	0.14 31	0.11 393	0.16 338	0.16 288	0.27 375	0.23 312	0.20 384	0.20 288	0.24 395	0.19 419	0.16 320	0.16 362	0.12 458	0.06 311	0.10 411	0.09 387	0.10 418	0.10 418

iinet-f	0.16 381	0.06 59	0.45 517	0.14 31	0.10 344	0.21 433	0.14 155	0.27 375	0.23 312	0.21 398	0.24 340	0.21 353	0.15 340	0.18 373	0.21 434	0.09 363	0.07 383	0.07 198	0.06 189	0.09 386	0.10 418

Wz-Net-MNSev	0.22 460	0.13 447	0.31 487	0.20 414	0.14 467	0.36 523	0.24 477	0.33 459	0.44 492	0.28 474	0.40 487	0.38 499	0.19 419	0.24 463	0.25 477	0.09 363	0.07 383	0.09 363	0.09 387	0.12 456	0.10 418

FTStereo	0.12 255	0.06 59	0.14 268	0.18 302	0.09 242	0.07 30	0.15 223	0.21 256	0.18 235	0.12 196	0.24 340	0.12 196	0.12 259	0.13 238	0.13 281	0.05 28	0.05 186	0.07 198	0.06 189	0.06 195	0.10 418

GrayStereo	0.11 189	0.06 59	0.11 153	0.19 359	0.09 242	0.09 84	0.16 288	0.18 201	0.17 209	0.14 244	0.17 242	0.17 304	0.11 228	0.12 193	0.11 191	0.05 28	0.05 186	0.07 198	0.06 189	0.05 102	0.10 418

sAnonymous2	0.13 280	0.12 418	0.24 454	0.20 414	0.12 424	0.17 359	0.13 107	0.26 354	0.21 288	0.11 158	0.11 151	0.13 221	0.08 145	0.10 65	0.10 125	0.09 363	0.05 186	0.08 282	0.06 189	0.15 502	0.10 418

CroCo_RVC	0.13 280	0.12 418	0.24 454	0.20 414	0.12 424	0.17 359	0.13 107	0.26 354	0.21 288	0.11 158	0.11 151	0.13 221	0.08 145	0.10 65	0.10 125	0.09 363	0.05 186	0.08 282	0.06 189	0.15 502	0.10 418

EDNetEfficientorigin	7.91 582	0.31 536	153.02 598	0.19 359	0.09 242	0.21 433	0.16 288	0.22 278	0.59 529	0.72 549	0.67 540	0.42 514	0.50 542	0.24 463	0.39 535	0.08 304	0.07 383	0.08 282	0.07 276	0.12 456	0.10 418

GwcNet	0.20 439	0.13 447	0.19 415	0.18 302	0.12 424	0.24 459	0.19 406	0.35 483	0.43 487	0.20 384	0.32 438	0.33 478	0.20 431	0.22 443	0.24 468	0.11 433	0.09 438	0.09 363	0.09 387	0.09 386	0.10 418

HGLStereo	0.17 401	0.08 240	0.19 415	0.17 220	0.12 424	0.18 378	0.18 367	0.31 429	0.32 417	0.21 398	0.32 438	0.25 409	0.18 403	0.19 388	0.20 414	0.09 363	0.09 438	0.07 198	0.07 276	0.09 386	0.10 418

DMCA	0.14 314	0.09 316	0.16 353	0.19 359	0.09 242	0.15 308	0.17 322	0.23 298	0.27 372	0.14 244	0.19 276	0.17 304	0.18 403	0.15 286	0.17 377	0.10 404	0.06 311	0.08 282	0.06 189	0.09 386	0.10 418

FADNet-RVC-Resample	0.16 381	0.11 400	0.31 487	0.22 458	0.11 393	0.19 401	0.14 155	0.25 336	0.24 328	0.24 435	0.27 394	0.20 344	0.15 340	0.16 320	0.15 346	0.07 243	0.08 409	0.12 461	0.10 426	0.09 386	0.10 418

FADNet_RVC	0.16 381	0.14 459	0.40 510	0.20 414	0.11 393	0.13 250	0.13 107	0.26 354	0.22 302	0.21 398	0.23 328	0.20 344	0.17 389	0.14 264	0.16 362	0.08 304	0.08 409	0.12 461	0.09 387	0.11 441	0.10 418

SuperB	0.20 439	0.10 374	0.56 533	0.16 146	0.09 242	0.18 378	0.18 367	0.24 320	0.50 510	0.26 453	0.39 481	0.17 304	0.21 435	0.22 443	0.21 434	0.08 304	0.06 311	0.06 105	0.06 189	0.12 456	0.10 418

AF-Net	0.22 460	0.17 488	0.17 381	0.26 504	0.13 447	0.25 470	0.24 477	0.32 440	0.50 510	0.25 448	0.33 450	0.38 499	0.26 473	0.28 484	0.25 477	0.11 433	0.10 458	0.16 506	0.11 458	0.11 441	0.10 418

Nwc_Net	0.23 476	0.16 477	0.21 435	0.25 499	0.14 467	0.24 459	0.26 500	0.37 496	0.38 463	0.22 414	0.41 498	0.30 453	0.28 490	0.28 484	0.25 477	0.11 433	0.10 458	0.17 508	0.20 522	0.10 418	0.10 418

ADCL	0.24 483	0.11 400	0.47 522	0.22 458	0.12 424	0.34 514	0.29 522	0.29 405	0.56 523	0.24 435	0.46 511	0.30 453	0.30 502	0.29 490	0.29 506	0.08 304	0.07 383	0.09 363	0.09 387	0.10 418	0.10 418

ADCP+	0.20 439	0.10 374	0.33 493	0.20 414	0.12 424	0.22 441	0.26 500	0.31 429	0.34 436	0.26 453	0.37 467	0.22 371	0.22 444	0.27 473	0.27 496	0.09 363	0.06 311	0.08 282	0.08 341	0.09 386	0.10 418

UCFNet_RVC	0.14 314	0.08 240	0.13 233	0.11 1	0.10 344	0.20 416	0.10 29	0.24 320	0.22 302	0.17 315	0.20 288	0.23 389	0.15 340	0.17 352	0.15 346	0.12 458	0.07 383	0.10 411	0.13 487	0.11 441	0.10 418

DeepPruner_ROB	0.16 381	0.11 400	0.15 319	0.17 220	0.10 344	0.17 359	0.15 223	0.32 440	0.21 288	0.19 361	0.21 309	0.22 371	0.18 403	0.20 413	0.15 346	0.13 481	0.09 438	0.09 363	0.09 387	0.11 441	0.10 418

PWC_ROB	0.21 451	0.16 477	0.26 462	0.18 302	0.11 393	0.22 441	0.13 107	0.32 440	0.49 507	0.30 486	0.40 487	0.32 475	0.24 458	0.31 494	0.22 443	0.10 404	0.07 383	0.11 442	0.08 341	0.11 441	0.10 418

CBMV	0.19 427	0.14 459	0.17 381	0.18 302	0.10 344	0.20 416	0.11 49	0.29 405	0.30 403	0.29 482	0.30 426	0.30 453	0.23 452	0.27 473	0.19 408	0.13 481	0.15 512	0.17 508	0.16 509	0.10 418	0.10 418
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	0.27 504	0.13 447	0.18 404	0.15 72	0.11 393	0.32 505	0.24 477	0.40 512	0.36 449	0.52 536	0.57 533	0.67 547	0.40 527	0.35 513	0.26 488	0.14 494	0.13 497	0.13 476	0.11 458	0.11 441	0.10 418
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
zh-mn7	0.25 494	0.14 459	0.56 533	0.19 359	0.14 467	0.24 459	0.22 454	0.34 468	0.62 535	0.35 505	0.65 538	0.31 466	0.25 467	0.31 494	0.25 477	0.09 363	0.08 409	0.09 363	0.09 387	0.09 386	0.11 444

DDVS	0.15 358	0.10 374	0.21 435	0.16 146	0.12 424	0.15 308	0.14 155	0.25 336	0.19 250	0.18 345	0.29 420	0.27 426	0.12 259	0.19 388	0.15 346	0.09 363	0.06 311	0.09 363	0.07 276	0.11 441	0.11 444

SDNR	0.19 427	0.08 240	0.19 415	0.16 146	0.12 424	0.77 560	0.14 155	0.25 336	0.32 417	0.19 361	0.24 340	0.19 332	0.13 297	0.19 388	0.15 346	0.16 514	0.18 522	0.14 488	0.11 458	0.08 324	0.11 444

DisPM	0.11 189	0.07 143	0.12 188	0.16 146	0.09 242	0.06 10	0.13 107	0.17 172	0.17 209	0.14 244	0.20 288	0.12 196	0.10 203	0.11 111	0.10 125	0.06 116	0.04 22	0.07 198	0.06 189	0.06 195	0.11 444

Wz-Net-SNSev	0.25 494	0.17 488	0.44 516	0.25 499	0.14 467	0.26 479	0.23 465	0.38 504	0.56 523	0.30 486	0.55 525	0.39 507	0.26 473	0.23 454	0.30 511	0.10 404	0.09 438	0.09 363	0.10 426	0.11 441	0.11 444

Wz-Net-LNSev	0.22 460	0.16 477	0.38 507	0.21 443	0.13 447	0.25 470	0.23 465	0.32 440	0.43 487	0.30 486	0.41 498	0.31 466	0.18 403	0.22 443	0.25 477	0.10 404	0.09 438	0.08 282	0.08 341	0.12 456	0.11 444

PFNet+	0.11 189	0.06 59	0.13 233	0.16 146	0.09 242	0.05 4	0.12 66	0.17 172	0.21 288	0.16 299	0.19 276	0.14 241	0.10 203	0.11 111	0.11 191	0.08 304	0.05 186	0.09 363	0.08 341	0.06 195	0.11 444

Anonymous3	0.16 381	0.13 447	0.33 493	0.26 504	0.14 467	0.27 489	0.17 322	0.28 394	0.28 386	0.15 271	0.17 242	0.14 241	0.10 203	0.15 286	0.12 240	0.08 304	0.08 409	0.08 282	0.08 341	0.08 324	0.11 444

hitnet-ft	0.18 415	0.09 316	0.17 381	0.14 31	0.09 242	0.26 479	0.20 427	0.25 336	0.26 363	0.24 435	0.32 438	0.31 466	0.22 444	0.24 463	0.21 434	0.12 458	0.07 383	0.10 411	0.08 341	0.12 456	0.11 444

DANet	0.21 451	0.15 469	0.28 474	0.25 499	0.13 447	0.22 441	0.19 406	0.27 375	0.27 372	0.28 474	0.32 438	0.35 488	0.31 506	0.31 494	0.23 455	0.11 433	0.09 438	0.11 442	0.10 426	0.13 474	0.11 444
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CBMV_ROB	0.19 427	0.13 447	0.17 381	0.16 146	0.11 393	0.15 308	0.13 107	0.26 354	0.28 386	0.27 459	0.30 426	0.27 426	0.24 458	0.23 454	0.16 362	0.15 498	0.17 520	0.22 526	0.20 522	0.10 418	0.11 444

SANet	0.24 483	0.14 459	0.28 474	0.21 443	0.11 393	0.27 489	0.24 477	0.38 504	0.64 539	0.36 508	0.40 487	0.43 517	0.26 473	0.27 473	0.24 468	0.12 458	0.09 438	0.10 411	0.09 387	0.13 474	0.11 444

SGM_RVC	0.23 476	0.12 418	0.15 319	0.15 72	0.09 242	0.33 511	0.18 367	0.34 468	0.31 410	0.44 529	0.37 467	0.53 536	0.35 517	0.35 513	0.24 468	0.13 481	0.13 497	0.13 476	0.13 487	0.10 418	0.11 444
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
zh-sn7	0.25 494	0.17 488	0.50 524	0.24 488	0.13 447	0.25 470	0.24 477	0.34 468	0.48 501	0.28 474	0.54 523	0.28 436	0.31 506	0.36 519	0.32 519	0.10 404	0.10 458	0.11 442	0.10 426	0.12 456	0.12 457

TCMNet	0.19 427	0.12 418	0.19 415	0.20 414	0.18 516	0.20 416	0.24 477	0.27 375	0.36 449	0.23 426	0.26 386	0.25 409	0.19 419	0.19 388	0.23 455	0.13 481	0.11 470	0.11 442	0.12 477	0.13 474	0.12 457

DCVSM-stereo	0.14 314	0.09 316	0.16 353	0.16 146	0.10 344	0.15 308	0.09 18	0.19 222	0.23 312	0.20 384	0.23 328	0.26 418	0.15 340	0.18 373	0.14 318	0.09 363	0.07 383	0.09 363	0.08 341	0.10 418	0.12 457

DualNet (step1)	0.16 381	0.12 418	0.20 427	0.12 4	0.14 467	0.17 359	0.13 107	0.27 375	0.23 312	0.20 384	0.20 288	0.24 395	0.19 419	0.16 320	0.16 362	0.15 498	0.06 311	0.14 488	0.14 490	0.14 487	0.12 457

test_sample9	0.18 415	0.12 418	0.20 427	0.12 4	0.14 467	0.17 359	0.13 107	0.27 375	0.23 312	0.20 384	0.20 288	0.24 395	0.19 419	0.19 388	0.17 377	0.15 498	0.30 545	0.14 488	0.14 490	0.14 487	0.12 457

test_sample8	0.19 427	0.12 418	0.20 427	0.12 4	0.14 467	0.17 359	0.13 107	0.31 429	0.21 288	0.27 459	0.22 319	0.36 490	0.25 467	0.19 388	0.17 377	0.15 498	0.30 545	0.14 488	0.14 490	0.14 487	0.12 457

NF-Stereo	0.11 189	0.07 143	0.13 233	0.17 220	0.09 242	0.10 131	0.14 155	0.23 298	0.19 250	0.12 196	0.17 242	0.12 196	0.11 228	0.11 111	0.11 191	0.06 116	0.04 22	0.07 198	0.06 189	0.06 195	0.12 457

OCTAStereo	0.11 189	0.07 143	0.13 233	0.17 220	0.09 242	0.10 131	0.14 155	0.23 298	0.19 250	0.12 196	0.17 242	0.12 196	0.11 228	0.11 111	0.11 191	0.06 116	0.04 22	0.07 198	0.06 189	0.06 195	0.12 457

PSM-softLoss	0.12 255	0.07 143	0.15 319	0.17 220	0.09 242	0.08 53	0.13 107	0.24 320	0.17 209	0.14 244	0.19 276	0.13 221	0.11 228	0.11 111	0.11 191	0.07 243	0.05 186	0.08 282	0.07 276	0.06 195	0.12 457

KMStereo	0.12 255	0.07 143	0.15 319	0.17 220	0.09 242	0.08 53	0.13 107	0.24 320	0.17 209	0.14 244	0.19 276	0.13 221	0.11 228	0.11 111	0.11 191	0.07 243	0.05 186	0.08 282	0.07 276	0.06 195	0.12 457

RE-Stereo	0.11 189	0.07 143	0.13 233	0.17 220	0.09 242	0.10 131	0.14 155	0.23 298	0.19 250	0.12 196	0.17 242	0.12 196	0.11 228	0.11 111	0.11 191	0.06 116	0.04 22	0.07 198	0.06 189	0.06 195	0.12 457

TVStereo	0.11 189	0.07 143	0.13 233	0.17 220	0.09 242	0.10 131	0.14 155	0.23 298	0.19 250	0.12 196	0.17 242	0.12 196	0.11 228	0.11 111	0.11 191	0.06 116	0.04 22	0.07 198	0.06 189	0.06 195	0.12 457

APVNet	0.22 460	0.12 418	0.19 415	0.18 302	0.14 467	0.32 505	0.31 535	0.39 508	0.32 417	0.27 459	0.40 487	0.30 453	0.29 498	0.26 470	0.25 477	0.11 433	0.12 484	0.11 442	0.14 490	0.12 456	0.12 457

MaskLacGwcNet_RVC	0.22 460	0.21 512	0.24 454	0.26 504	0.11 393	0.23 454	0.14 155	0.39 508	0.24 328	0.32 498	0.36 461	0.30 453	0.21 435	0.19 388	0.21 434	0.17 519	0.14 506	0.21 522	0.16 509	0.12 456	0.12 457

ADCMid	0.25 494	0.15 469	0.40 510	0.20 414	0.14 467	0.25 470	0.26 500	0.34 468	0.38 463	0.36 508	0.44 509	0.34 484	0.40 527	0.35 513	0.33 523	0.10 404	0.09 438	0.11 442	0.11 458	0.13 474	0.12 457

SGM-ForestM	0.32 521	0.12 418	0.16 353	0.16 146	0.11 393	0.39 528	0.19 406	0.41 518	0.50 510	0.52 536	0.54 523	1.32 566	0.42 535	0.40 534	0.27 496	0.14 494	0.16 515	0.16 506	0.16 509	0.12 456	0.12 457

XPNet_ROB	0.22 460	0.11 400	0.19 415	0.22 458	0.13 447	0.22 441	0.19 406	0.34 468	0.40 472	0.30 486	0.39 481	0.39 507	0.26 473	0.26 470	0.28 503	0.15 498	0.10 458	0.10 411	0.10 426	0.13 474	0.12 457

LALA_ROB	0.25 494	0.16 477	0.22 441	0.26 504	0.17 510	0.27 489	0.27 507	0.42 523	0.37 456	0.33 502	0.38 473	0.51 532	0.26 473	0.28 484	0.27 496	0.16 514	0.09 438	0.12 461	0.11 458	0.13 474	0.12 457

SGM-Forest	0.20 439	0.14 459	0.18 404	0.19 359	0.13 447	0.20 416	0.22 454	0.33 459	0.30 403	0.24 435	0.29 420	0.28 436	0.19 419	0.23 454	0.17 377	0.15 498	0.16 515	0.15 500	0.14 490	0.12 456	0.12 457
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
coex-ft	3.30 575	0.34 539	59.09 597	0.18 302	0.13 447	0.26 479	0.22 454	0.27 375	0.72 547	1.90 577	0.70 544	0.44 519	0.45 538	0.29 490	0.41 541	0.09 363	0.09 438	0.12 461	0.09 387	0.14 487	0.13 476

pcwnet_v2	0.19 427	0.10 374	0.26 462	0.17 220	0.14 467	0.18 378	0.15 223	0.37 496	0.46 499	0.19 361	0.24 340	0.21 353	0.19 419	0.20 413	0.19 408	0.13 481	0.10 458	0.10 411	0.10 426	0.11 441	0.13 476

FINET	0.21 451	0.18 499	0.26 462	0.18 302	0.16 495	0.23 454	0.23 465	0.32 440	0.48 501	0.25 448	0.32 438	0.22 371	0.22 444	0.22 443	0.17 377	0.18 520	0.16 515	0.11 442	0.10 426	0.15 502	0.13 476

S-Stereo	0.20 439	0.12 418	0.25 459	0.21 443	0.13 447	0.20 416	0.18 367	0.32 440	0.43 487	0.23 426	0.36 461	0.28 436	0.30 502	0.19 388	0.22 443	0.09 363	0.12 484	0.10 411	0.10 426	0.13 474	0.13 476

G-Net	0.24 483	0.16 477	0.36 502	0.22 458	0.16 495	0.51 537	0.23 465	0.29 405	0.34 436	0.36 508	0.38 473	0.31 466	0.29 498	0.27 473	0.26 488	0.11 433	0.09 438	0.12 461	0.09 387	0.16 509	0.13 476

NCC-stereo	0.24 483	0.15 469	0.31 487	0.26 504	0.16 495	0.20 416	0.30 529	0.40 512	0.40 472	0.24 435	0.38 473	0.33 478	0.28 490	0.36 519	0.27 496	0.12 458	0.11 470	0.15 500	0.22 527	0.13 474	0.13 476

stereogan	0.22 460	0.11 400	0.21 435	0.20 414	0.12 424	0.31 504	0.19 406	0.35 483	0.44 492	0.22 414	0.39 481	0.35 488	0.27 481	0.33 504	0.22 443	0.10 404	0.12 484	0.10 411	0.10 426	0.14 487	0.13 476

edge stereo	0.22 460	0.13 447	0.20 427	0.21 443	0.13 447	0.23 454	0.16 288	0.32 440	0.42 482	0.32 498	0.40 487	0.38 499	0.35 517	0.25 468	0.24 468	0.13 481	0.11 470	0.14 488	0.11 458	0.12 456	0.13 476

Abc-Net	0.24 483	0.15 469	0.31 487	0.26 504	0.16 495	0.20 416	0.30 529	0.40 512	0.40 472	0.24 435	0.38 473	0.33 478	0.28 490	0.36 519	0.27 496	0.12 458	0.11 470	0.15 500	0.22 527	0.13 474	0.13 476
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RTSC	0.23 476	0.12 418	0.28 474	0.21 443	0.13 447	0.28 496	0.16 288	0.35 483	0.66 542	0.27 459	0.33 450	0.30 453	0.21 435	0.31 494	0.29 506	0.10 404	0.08 409	0.09 363	0.10 426	0.13 474	0.13 476

DeepPrunerF	0.24 483	0.17 488	0.42 515	0.26 504	0.16 495	0.22 441	0.28 513	0.37 496	0.50 510	0.26 453	0.29 420	0.24 395	0.28 490	0.21 430	0.22 443	0.15 498	0.11 470	0.20 521	0.18 520	0.12 456	0.13 476

ADCPNet	0.25 494	0.16 477	0.61 538	0.21 443	0.15 485	0.35 522	0.25 492	0.32 440	0.35 445	0.30 486	0.40 487	0.36 490	0.28 490	0.28 484	0.32 519	0.12 458	0.10 458	0.11 442	0.12 477	0.14 487	0.13 476

PA-Net	0.23 476	0.18 499	0.33 493	0.28 519	0.22 527	0.21 433	0.38 544	0.29 405	0.39 466	0.22 414	0.32 438	0.25 409	0.26 473	0.20 413	0.25 477	0.09 363	0.23 539	0.15 500	0.22 527	0.09 386	0.13 476
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 476	0.15 469	0.17 381	0.34 533	0.18 516	0.24 459	0.23 465	0.34 468	0.28 386	0.31 492	0.38 473	0.38 499	0.28 490	0.23 454	0.24 468	0.15 498	0.12 484	0.18 517	0.21 524	0.13 474	0.13 476

NOSS_ROB	0.19 427	0.12 418	0.18 404	0.16 146	0.12 424	0.15 308	0.12 66	0.30 419	0.32 417	0.20 384	0.22 319	0.27 426	0.23 452	0.21 430	0.16 362	0.16 514	0.18 522	0.23 527	0.21 524	0.12 456	0.13 476

ETE_ROB	0.23 476	0.17 488	0.22 441	0.25 499	0.13 447	0.26 479	0.29 522	0.31 429	0.36 449	0.28 474	0.36 461	0.45 521	0.26 473	0.27 473	0.26 488	0.11 433	0.08 409	0.12 461	0.09 387	0.14 487	0.13 476

PDISCO_ROB	0.27 504	0.16 477	0.26 462	0.28 519	0.20 522	0.32 505	0.26 500	0.44 529	0.57 525	0.28 474	0.40 487	0.45 521	0.29 498	0.33 504	0.34 525	0.12 458	0.09 438	0.17 508	0.16 509	0.17 516	0.13 476

Wz-Net-TNSev	0.29 512	0.20 506	0.65 541	0.19 359	0.15 485	0.38 527	0.27 507	0.35 483	0.55 520	0.34 504	0.42 504	0.45 521	0.38 522	0.32 501	0.30 511	0.12 458	0.13 497	0.10 411	0.12 477	0.15 502	0.14 493

UDG	0.21 451	0.17 488	0.19 415	0.23 479	0.15 485	0.30 503	0.20 427	0.33 459	0.35 445	0.23 426	0.28 408	0.31 466	0.27 481	0.20 413	0.22 443	0.15 498	0.12 484	0.13 476	0.09 387	0.14 487	0.14 493

SACVNet	0.18 415	0.12 418	0.14 268	0.17 220	0.13 447	0.22 441	0.18 367	0.31 429	0.30 403	0.23 426	0.31 434	0.30 453	0.22 444	0.22 443	0.17 377	0.11 433	0.08 409	0.10 411	0.10 426	0.12 456	0.14 493

PSM-AAD	0.11 189	0.07 143	0.10 112	0.19 359	0.09 242	0.10 131	0.15 223	0.20 233	0.13 120	0.12 196	0.14 192	0.18 318	0.11 228	0.11 111	0.10 125	0.05 28	0.05 186	0.09 363	0.08 341	0.06 195	0.14 493

FAT-Stereo	0.20 439	0.12 418	0.22 441	0.21 443	0.12 424	0.17 359	0.18 367	0.34 468	0.39 466	0.27 459	0.37 467	0.34 484	0.32 510	0.21 430	0.20 414	0.09 363	0.11 470	0.10 411	0.09 387	0.11 441	0.14 493

RP	0.21 451	0.13 447	0.21 435	0.23 479	0.11 393	0.21 433	0.20 427	0.25 336	0.44 492	0.21 398	0.38 473	0.36 490	0.24 458	0.27 473	0.25 477	0.11 433	0.12 484	0.13 476	0.12 477	0.12 456	0.14 493

WCMA_ROB	0.24 483	0.11 400	0.22 441	0.17 220	0.14 467	0.32 505	0.15 223	0.32 440	0.32 417	0.38 513	0.53 521	0.40 511	0.34 515	0.34 507	0.25 477	0.11 433	0.12 484	0.12 461	0.10 426	0.14 487	0.14 493

SQANet	0.23 476	0.23 517	0.30 485	0.30 528	0.19 519	0.27 489	0.13 107	0.29 405	0.33 424	0.24 435	0.37 467	0.31 466	0.22 444	0.27 473	0.23 455	0.15 498	0.10 458	0.21 522	0.16 509	0.21 524	0.15 500

LCNet	0.11 189	0.07 143	0.09 73	0.19 359	0.09 242	0.08 53	0.15 223	0.21 256	0.15 162	0.11 158	0.15 209	0.16 284	0.11 228	0.12 193	0.11 191	0.05 28	0.04 22	0.08 282	0.07 276	0.06 195	0.15 500

MFN_U_SF_RVC	0.32 521	0.21 512	0.55 530	0.30 528	0.15 485	0.34 514	0.17 322	0.52 542	0.46 499	0.46 533	0.55 525	0.59 539	0.39 524	0.35 513	0.37 531	0.15 498	0.14 506	0.18 517	0.21 524	0.16 509	0.15 500

RTS	0.45 540	0.19 502	3.26 573	0.24 488	0.15 485	0.74 554	0.20 427	0.36 490	0.76 553	0.42 525	0.43 507	0.31 466	0.41 532	0.53 546	0.35 526	0.10 404	0.08 409	0.13 476	0.12 477	0.15 502	0.15 500

RTSA	0.45 540	0.19 502	3.26 573	0.24 488	0.15 485	0.74 554	0.20 427	0.36 490	0.76 553	0.42 525	0.43 507	0.31 466	0.41 532	0.53 546	0.35 526	0.10 404	0.08 409	0.13 476	0.12 477	0.15 502	0.15 500

AnyNet_C01	0.36 528	0.25 525	1.37 567	0.22 458	0.17 510	0.48 535	0.27 507	0.35 483	0.39 466	0.39 515	0.74 548	0.46 525	0.38 522	0.45 538	0.47 547	0.13 481	0.13 497	0.13 476	0.14 490	0.14 487	0.15 500

AnyNet_C32	0.26 502	0.16 477	0.36 502	0.20 414	0.16 495	0.25 470	0.30 529	0.32 440	0.44 492	0.31 492	0.49 515	0.30 453	0.33 511	0.40 534	0.33 523	0.12 458	0.12 484	0.12 461	0.14 490	0.14 487	0.15 500

RYNet	0.22 460	0.12 418	0.22 441	0.19 359	0.17 510	0.46 531	0.26 500	0.38 504	0.48 501	0.24 435	0.28 408	0.34 484	0.23 452	0.20 413	0.30 511	0.10 404	0.06 311	0.09 363	0.09 387	0.13 474	0.15 500

CC-Net-ROB	0.28 508	0.31 536	0.36 502	0.29 526	0.15 485	0.25 470	0.19 406	0.45 532	0.33 424	0.39 515	0.37 467	0.39 507	0.31 506	0.27 473	0.26 488	0.24 541	0.19 525	0.30 542	0.23 531	0.18 519	0.15 500

CSAN	0.29 512	0.24 520	0.27 469	0.34 533	0.19 519	0.33 511	0.42 548	0.37 496	0.50 510	0.38 513	0.40 487	0.44 519	0.33 511	0.28 484	0.30 511	0.20 527	0.16 515	0.19 519	0.19 521	0.14 487	0.15 500

DispFullNet	0.27 504	0.21 512	0.65 541	0.28 519	0.16 495	0.26 479	0.17 322	0.33 459	0.58 528	0.27 459	0.38 473	0.43 517	0.23 452	0.38 526	0.23 455	0.12 458	0.06 311	0.19 519	0.11 458	0.21 524	0.15 500

PSMNet-RUCA	0.27 504	0.33 538	0.41 513	0.36 537	0.32 544	0.18 378	0.19 406	0.42 523	0.30 403	0.33 502	0.41 498	0.39 507	0.25 467	0.31 494	0.20 414	0.18 520	0.10 458	0.25 529	0.15 505	0.21 524	0.16 511

WZ-Net	0.28 508	0.17 488	0.78 555	0.22 458	0.16 495	0.34 514	0.29 522	0.39 508	0.57 525	0.24 435	0.55 525	0.37 495	0.24 458	0.33 504	0.35 526	0.09 363	0.08 409	0.09 363	0.10 426	0.14 487	0.16 511

DDUNet	0.22 460	0.17 488	0.21 435	0.22 458	0.15 485	0.25 470	0.24 477	0.29 405	0.30 403	0.31 492	0.36 461	0.33 478	0.25 467	0.24 463	0.20 414	0.18 520	0.13 497	0.17 508	0.11 458	0.16 509	0.16 511

KYRaft	0.11 189	0.07 143	0.10 112	0.19 359	0.09 242	0.08 53	0.15 223	0.22 278	0.12 89	0.13 223	0.16 221	0.20 344	0.10 203	0.12 193	0.10 125	0.05 28	0.04 22	0.08 282	0.08 341	0.06 195	0.16 511

psmorigin	0.25 494	0.15 469	0.34 501	0.17 220	0.13 447	0.23 454	0.14 155	0.34 468	0.33 424	0.41 522	0.55 525	0.41 513	0.37 521	0.34 507	0.27 496	0.11 433	0.15 512	0.11 442	0.11 458	0.12 456	0.16 511

RGC	0.25 494	0.20 506	0.29 482	0.28 519	0.16 495	0.22 441	0.23 465	0.32 440	0.44 492	0.27 459	0.40 487	0.38 499	0.27 481	0.36 519	0.22 443	0.11 433	0.13 497	0.17 508	0.17 516	0.14 487	0.16 511

ADCS	0.29 512	0.18 499	0.45 517	0.21 443	0.17 510	0.28 496	0.23 465	0.41 518	0.63 538	0.40 518	0.49 515	0.40 511	0.36 519	0.39 530	0.40 538	0.13 481	0.12 484	0.13 476	0.14 490	0.16 509	0.16 511

DPSNet	0.28 508	0.16 477	0.31 487	0.18 302	0.13 447	0.54 539	0.42 548	0.51 541	0.67 543	0.29 482	0.38 473	0.38 499	0.29 498	0.31 494	0.23 455	0.11 433	0.10 458	0.11 442	0.08 341	0.20 523	0.16 511

ISRNet	0.18 415	0.08 240	0.19 415	0.19 359	0.13 447	0.15 308	0.12 66	0.30 419	0.32 417	0.21 398	0.25 369	0.27 426	0.17 389	0.17 352	0.20 414	0.20 527	0.08 409	0.14 488	0.14 490	0.14 487	0.17 519

Anonymous_2	0.22 460	0.17 488	0.28 474	0.15 72	0.16 495	0.32 505	0.22 454	0.22 278	0.17 209	0.23 426	0.24 340	0.26 418	0.27 481	0.27 473	0.23 455	0.22 535	0.25 541	0.17 508	0.17 516	0.17 516	0.17 519

GANetREF_RVC	0.31 519	0.34 539	0.27 469	0.35 535	0.16 495	0.32 505	0.41 545	0.48 536	0.51 517	0.35 505	0.35 458	0.34 484	0.33 511	0.39 530	0.32 519	0.27 543	0.20 528	0.29 540	0.15 505	0.18 519	0.17 519
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
ccnet	0.29 512	0.28 531	0.23 450	0.20 414	0.28 538	0.41 530	0.21 444	0.45 532	0.33 424	0.36 508	0.46 511	0.36 490	0.30 502	0.39 530	0.42 542	0.23 539	0.14 506	0.21 522	0.17 516	0.23 528	0.18 522

MSC_U_SF_DS_RVC	0.43 537	0.39 543	0.54 528	0.40 540	0.20 522	0.64 546	0.32 537	0.53 544	0.72 547	0.71 547	0.72 545	0.61 541	0.54 544	0.51 542	0.46 546	0.20 527	0.19 525	0.29 540	0.30 542	0.23 528	0.18 522

FADNet-RVC	0.20 439	0.20 506	0.38 507	0.21 443	0.16 495	0.20 416	0.15 223	0.26 354	0.26 363	0.26 453	0.32 438	0.26 418	0.21 435	0.22 443	0.19 408	0.12 458	0.13 497	0.12 461	0.14 490	0.13 474	0.18 522

FADNet	0.21 451	0.22 516	0.36 502	0.18 302	0.17 510	0.24 459	0.13 107	0.31 429	0.31 410	0.23 426	0.25 369	0.27 426	0.21 435	0.19 388	0.15 346	0.13 481	0.15 512	0.12 461	0.15 505	0.16 509	0.18 522

XQC	0.28 508	0.23 517	0.51 525	0.28 519	0.19 519	0.34 514	0.27 507	0.36 490	0.57 525	0.31 492	0.30 426	0.37 495	0.30 502	0.38 526	0.38 533	0.13 481	0.09 438	0.15 500	0.12 477	0.17 516	0.18 522

MFN_U_SF_DS_RVC	0.30 518	0.24 520	0.29 482	0.36 537	0.16 495	0.34 514	0.30 529	0.32 440	0.42 482	0.40 518	0.46 511	0.38 499	0.31 506	0.34 507	0.28 503	0.19 525	0.20 528	0.26 530	0.29 540	0.18 519	0.19 527

SHD	0.26 502	0.15 469	0.30 485	0.24 488	0.18 516	0.22 441	0.15 223	0.38 504	0.71 546	0.32 498	0.41 498	0.36 490	0.28 490	0.32 501	0.29 506	0.12 458	0.11 470	0.14 488	0.13 487	0.16 509	0.20 528

SAMSARA	0.40 533	0.28 531	0.33 493	0.55 551	0.39 545	0.82 561	1.23 575	0.47 535	0.51 517	0.36 508	0.35 458	0.55 538	0.39 524	0.38 526	0.39 535	0.15 498	0.20 528	0.15 500	0.14 490	0.23 528	0.20 528

BEATNet-Init1	0.52 545	0.27 527	0.62 539	0.30 528	0.21 525	0.76 558	0.29 522	0.54 545	0.65 541	0.86 558	0.95 559	2.07 575	0.62 553	0.56 550	0.42 542	0.18 520	0.18 522	0.23 527	0.22 527	0.22 527	0.21 530

PASM	0.32 521	0.24 520	0.48 523	0.28 519	0.27 537	0.29 500	0.30 529	0.34 468	0.49 507	0.35 505	0.39 481	0.46 525	0.34 515	0.34 507	0.35 526	0.23 539	0.25 541	0.26 530	0.28 539	0.23 528	0.21 530

MSMD_ROB	0.31 519	0.26 526	0.26 462	0.24 488	0.21 525	0.34 514	0.25 492	0.34 468	0.39 466	0.40 518	0.69 542	0.45 521	0.40 527	0.34 507	0.27 496	0.20 527	0.19 525	0.26 530	0.25 533	0.23 528	0.22 532

DGSMNet	0.24 483	0.19 502	0.33 493	0.21 443	0.24 531	0.24 459	0.20 427	0.35 483	0.41 475	0.24 435	0.32 438	0.38 499	0.21 435	0.29 490	0.23 455	0.12 458	0.11 470	0.14 488	0.16 509	0.23 528	0.23 533

FC-DCNN v2	0.33 524	0.27 527	0.28 474	0.26 504	0.23 529	0.37 524	0.28 513	0.40 512	0.43 487	0.45 530	0.56 530	0.51 532	0.40 527	0.37 524	0.29 506	0.21 531	0.20 528	0.27 533	0.26 534	0.25 535	0.24 534

ACVNet_1	0.44 538	0.49 548	0.60 537	0.45 545	0.28 538	0.49 536	0.27 507	0.57 549	0.72 547	0.62 542	0.58 535	0.74 551	0.49 541	0.50 541	0.35 526	0.26 542	0.24 540	0.39 546	0.29 540	0.31 545	0.24 534

FCDSN-DC	0.33 524	0.28 531	0.28 474	0.30 528	0.24 531	0.39 528	0.28 513	0.42 523	0.42 482	0.43 528	0.53 521	0.51 532	0.41 532	0.36 519	0.30 511	0.21 531	0.20 528	0.27 533	0.26 534	0.25 535	0.24 534
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MANE	0.45 540	0.27 527	0.27 469	0.27 516	0.24 531	0.47 533	0.31 535	0.55 546	0.59 529	0.72 549	1.13 568	1.15 560	0.61 551	0.52 544	0.37 531	0.21 531	0.20 528	0.27 533	0.31 544	0.25 535	0.24 534

FC-DCNN	0.33 524	0.27 527	0.28 474	0.26 504	0.23 529	0.37 524	0.28 513	0.40 512	0.43 487	0.45 530	0.55 525	0.51 532	0.40 527	0.37 524	0.30 511	0.21 531	0.20 528	0.27 533	0.26 534	0.25 535	0.24 534

ELAS_RVC	0.41 535	0.29 534	0.33 493	0.28 519	0.24 531	0.54 539	0.36 540	0.49 538	0.59 529	0.72 549	0.74 548	0.65 545	0.54 544	0.54 548	0.40 538	0.22 535	0.20 528	0.27 533	0.26 534	0.26 539	0.25 539
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 535	0.29 534	0.33 493	0.27 516	0.24 531	0.60 544	0.36 540	0.50 540	0.50 510	0.71 547	0.79 552	0.67 547	0.54 544	0.51 542	0.42 542	0.22 535	0.20 528	0.27 533	0.26 534	0.26 539	0.25 539
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet-4b	0.39 530	0.53 549	0.55 530	0.45 545	0.24 531	0.47 533	0.18 367	0.49 538	0.64 539	0.42 525	0.45 510	0.60 540	0.27 481	0.34 507	0.24 468	0.33 546	0.14 506	0.48 549	0.42 549	0.30 542	0.26 541

otaku	0.39 530	0.37 542	0.52 526	0.44 544	0.28 538	0.58 541	0.24 477	0.41 518	0.62 535	0.40 518	0.49 515	0.46 525	0.33 511	0.40 534	0.32 519	0.30 544	0.30 545	0.39 546	0.33 545	0.29 541	0.28 542

Ntro	0.40 533	0.40 544	0.53 527	0.46 548	0.30 542	0.65 547	0.24 477	0.46 534	0.68 544	0.41 522	0.49 515	0.48 530	0.42 535	0.39 530	0.31 518	0.32 545	0.28 543	0.37 545	0.30 542	0.32 546	0.29 543

Consistency-Raft	0.44 538	0.40 544	0.45 517	0.37 539	0.43 549	0.46 531	0.41 545	0.57 549	0.55 520	0.32 498	0.73 546	0.33 478	0.48 540	0.42 537	0.49 549	0.39 548	0.35 549	0.45 548	0.51 556	0.42 548	0.29 543

NVStereoNet_ROB	0.46 543	0.36 541	0.46 521	0.41 542	0.28 538	0.34 514	0.34 538	0.48 536	0.60 532	0.72 549	0.93 557	0.70 550	0.66 554	0.47 539	0.60 556	0.22 535	0.33 548	0.34 544	0.34 547	0.30 542	0.30 545
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
PVD	0.39 530	0.20 506	0.39 509	0.31 532	0.22 527	0.29 500	0.43 550	0.52 542	0.96 560	0.55 539	0.79 552	0.53 536	0.59 550	0.52 544	0.38 533	0.19 525	0.14 506	0.17 508	0.14 490	0.24 534	0.31 546

MADNet+	0.75 557	0.71 559	3.70 576	0.66 554	0.41 547	0.98 566	0.97 573	0.69 554	0.73 551	0.52 536	0.57 533	0.64 543	0.68 556	0.86 564	1.01 572	0.34 547	0.36 550	0.28 539	0.23 531	0.36 547	0.31 546

LSM	0.33 524	0.20 506	0.58 536	0.26 504	0.60 561	0.34 514	0.25 492	0.42 523	0.48 501	0.45 530	0.58 535	0.42 514	0.36 519	0.35 513	0.25 477	0.12 458	0.20 528	0.14 488	0.16 509	0.19 522	0.33 548

JetBlue	0.71 554	0.45 547	1.14 565	0.51 549	0.47 551	2.02 576	0.64 562	0.75 555	0.70 545	0.69 546	0.77 551	1.22 562	0.83 561	1.03 572	1.01 572	0.40 549	0.28 543	0.33 543	0.33 545	0.30 542	0.34 549

ACVNet_2	0.66 553	0.66 557	0.68 549	0.63 553	0.41 547	0.71 552	0.49 552	0.96 564	1.39 569	0.89 559	1.09 564	1.04 556	0.73 557	0.54 548	0.47 547	0.43 552	0.40 551	0.53 554	0.44 550	0.47 549	0.35 550

IMH-64-1	0.65 551	0.61 553	0.68 549	0.71 555	0.51 552	0.59 542	0.49 552	0.91 560	0.85 555	0.74 553	1.02 561	0.81 552	0.78 559	0.79 557	0.49 549	0.42 550	0.46 553	0.71 557	0.47 551	0.52 551	0.39 551

IMH-64	0.65 551	0.61 553	0.68 549	0.71 555	0.51 552	0.59 542	0.49 552	0.91 560	0.85 555	0.74 553	1.02 561	0.81 552	0.78 559	0.79 557	0.49 549	0.42 550	0.46 553	0.71 557	0.47 551	0.52 551	0.39 551

RainbowNet	0.54 547	0.61 553	0.70 553	0.57 552	0.43 549	0.65 547	0.37 543	0.60 551	0.87 557	0.50 535	0.66 539	0.64 543	0.47 539	0.49 540	0.43 545	0.47 554	0.48 558	0.52 553	0.41 548	0.52 551	0.40 553

IMH	0.71 554	0.64 556	0.68 549	0.76 557	0.54 554	0.69 550	0.54 556	0.98 566	1.10 562	0.82 557	1.09 564	0.89 554	0.88 564	0.87 565	0.52 553	0.44 553	0.50 562	0.75 560	0.51 556	0.56 556	0.41 554

PWCK	0.71 554	0.94 568	0.95 562	0.76 557	0.31 543	0.74 554	0.36 540	0.90 559	0.90 558	0.96 562	0.75 550	0.95 555	0.61 551	0.87 565	0.66 559	0.72 565	0.46 553	0.75 560	0.49 553	0.69 564	0.44 555

GCST	0.37 529	0.42 546	0.26 462	1.02 570	0.39 545	0.18 378	0.08 7	0.20 233	0.17 209	0.28 474	0.25 369	0.15 270	0.12 259	0.16 320	0.14 318	0.64 563	0.43 552	0.75 560	0.65 563	0.63 557	0.46 556

TorneroNet-64	0.76 558	0.72 560	0.74 554	0.78 559	0.58 560	0.91 565	0.56 557	0.84 558	1.29 566	0.66 543	0.90 555	1.40 568	0.75 558	0.85 563	0.67 562	0.49 555	0.46 553	0.72 559	0.59 559	0.67 561	0.53 557

anonymity	0.53 546	0.58 551	0.65 541	0.41 542	0.61 562	0.53 538	0.41 545	0.56 547	0.41 475	0.55 539	0.50 519	0.49 531	0.55 547	0.58 551	0.50 552	0.58 559	0.50 562	0.51 551	0.51 556	0.51 550	0.57 558

WAO-7	0.79 559	0.78 562	0.54 528	0.85 563	0.67 565	0.74 554	0.68 566	1.05 569	1.32 567	0.90 560	1.20 571	1.04 556	0.92 565	0.69 555	0.66 559	0.60 561	0.62 572	0.67 556	0.68 565	0.64 558	0.58 559

WAO-6	0.81 560	0.80 563	0.62 539	0.86 564	0.63 563	0.76 558	0.58 559	0.98 566	1.54 574	0.90 560	0.96 560	1.07 558	1.03 569	0.70 556	0.66 559	0.72 565	0.49 560	0.90 568	0.71 566	0.68 562	0.58 559

Dean	0.87 563	0.86 567	0.79 557	0.81 561	0.56 557	0.90 562	0.63 560	1.15 575	1.73 575	1.15 570	1.15 569	1.31 565	0.99 568	0.81 559	0.81 568	0.57 558	0.56 569	0.77 564	0.64 562	0.66 560	0.58 559

SPS-STEREO	0.57 549	0.58 551	0.65 541	0.45 545	0.55 556	0.62 545	0.44 551	0.62 552	0.50 510	0.68 545	0.64 537	0.66 546	0.57 549	0.61 552	0.60 556	0.62 562	0.47 557	0.51 551	0.49 553	0.55 555	0.58 559
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	0.56 548	0.57 550	0.65 541	0.40 540	0.54 554	0.66 549	0.49 552	0.56 547	0.45 498	0.66 543	0.69 542	0.67 547	0.56 548	0.63 553	0.56 554	0.59 560	0.48 558	0.50 550	0.50 555	0.52 551	0.58 559

LVE	0.83 562	0.85 566	0.85 560	0.80 560	0.56 557	1.04 571	0.65 563	1.05 569	1.47 572	0.96 562	1.22 572	1.10 559	0.85 562	0.83 560	0.71 564	0.49 555	0.55 568	0.76 563	0.60 561	0.65 559	0.59 564

WAO-8	0.91 564	0.81 564	0.65 541	0.94 567	0.69 566	0.90 562	0.67 564	1.07 572	1.83 577	1.06 567	1.45 574	1.30 563	1.07 570	0.84 561	0.78 565	0.74 567	0.53 565	0.86 566	0.75 567	0.69 564	0.62 565

Venus	0.91 564	0.81 564	0.65 541	0.94 567	0.69 566	0.90 562	0.67 564	1.07 572	1.83 577	1.06 567	1.45 574	1.30 563	1.07 570	0.84 561	0.78 565	0.74 567	0.53 565	0.86 566	0.75 567	0.69 564	0.62 565

TorneroNet	0.82 561	0.74 561	0.81 559	0.84 562	0.63 563	0.99 567	0.63 560	0.96 564	1.16 563	0.80 556	1.11 566	1.36 567	0.86 563	0.93 568	0.80 567	0.56 557	0.49 560	0.78 565	0.66 564	0.73 567	0.63 567

MFMNet_re	0.64 550	0.66 557	0.65 541	0.51 549	0.69 566	0.69 550	0.57 558	0.64 553	0.73 551	0.60 541	0.73 546	0.62 542	0.67 555	0.65 554	0.60 556	0.66 564	0.58 571	0.63 555	0.59 559	0.68 562	0.69 568

UNDER WATER-64	0.95 566	0.94 568	1.43 569	0.87 565	0.56 557	1.18 574	0.87 570	0.77 556	0.94 559	1.04 565	0.85 554	1.58 573	1.21 575	0.94 569	0.96 570	0.87 571	0.57 570	1.03 571	0.88 572	0.78 568	0.73 569

UNDER WATER	0.97 567	0.97 570	1.42 568	0.99 569	0.70 569	1.12 573	0.84 569	0.80 557	1.08 561	1.01 564	0.90 555	1.55 572	1.22 576	1.03 572	1.00 571	0.78 569	0.53 565	1.02 570	0.87 571	0.80 569	0.74 570

ktn	1.01 569	1.21 573	0.80 558	1.23 574	0.86 572	1.01 569	0.87 570	0.94 563	1.39 569	1.04 565	1.12 567	1.15 560	1.07 570	0.94 569	0.59 555	1.28 576	0.71 574	1.38 576	0.83 570	1.02 573	0.75 571

notaker	0.97 567	1.11 571	0.98 563	1.13 572	0.81 570	0.73 553	0.68 566	0.93 562	1.16 563	1.18 572	1.18 570	1.41 569	1.16 574	1.08 574	0.69 563	0.81 570	0.64 573	1.17 572	0.79 569	0.98 571	0.80 572

HanzoNet	1.29 572	1.26 575	1.19 566	1.12 571	0.85 571	1.02 570	0.83 568	1.03 568	1.48 573	1.64 575	1.61 576	2.50 577	1.72 577	1.61 576	1.61 575	1.26 575	0.80 575	1.31 575	1.01 574	1.02 573	0.86 573

KSHMR	1.09 570	1.17 572	0.88 561	1.25 575	1.00 574	0.99 567	0.96 572	1.13 574	1.37 568	1.16 571	1.29 573	1.41 569	0.96 567	1.01 571	0.92 569	1.03 574	1.08 576	1.20 573	1.03 575	1.01 572	0.97 574

JetRed	1.62 573	1.46 576	2.98 571	0.92 566	1.21 575	4.99 579	1.53 578	1.27 577	1.39 569	1.83 576	1.74 577	1.60 574	0.95 566	1.41 575	2.45 579	0.90 573	1.60 577	0.93 569	0.90 573	1.35 575	0.99 575

DPSimNet_ROB	1.11 571	1.23 574	0.78 555	1.13 572	0.88 573	1.10 572	1.13 574	1.16 576	1.23 565	1.43 574	1.02 561	1.41 569	1.10 573	0.90 567	1.60 574	1.46 577	0.51 564	1.21 574	1.03 575	0.90 570	1.01 576

tt	4.67 577	0.06 59	3.55 575	2.02 577	1.55 576	10.25 583	16.71 583	8.91 587	5.03 580	1.31 573	0.94 558	4.71 578	4.76 579	3.33 578	5.87 581	6.06 586	10.30 590	1.88 580	2.11 580	2.75 578	1.21 577

MADNet++	1.95 574	1.75 577	1.59 570	1.82 576	1.69 577	2.33 577	1.40 577	2.35 578	2.09 579	2.57 578	2.36 579	2.24 576	2.17 578	2.28 577	2.34 577	1.87 578	1.66 578	1.54 577	1.34 577	1.92 576	1.77 578

USTest	6.22 578	2.73 579	3.00 572	6.57 584	7.29 583	14.37 585	21.57 584	7.00 586	9.56 585	5.34 582	6.10 580	5.72 581	7.64 582	6.41 583	6.96 582	1.97 579	3.42 584	1.64 578	2.15 581	2.66 577	2.36 579

PML	8.91 585	9.34 590	6.13 578	5.35 581	6.41 582	14.99 586	23.38 590	5.27 579	6.83 581	18.04 591	28.19 597	7.67 583	6.83 581	7.85 584	5.75 580	5.35 585	1.83 579	5.95 589	1.93 579	8.64 587	2.52 580

xxxxx1	7.79 579	5.02 583	7.31 580	3.12 578	3.85 579	16.35 587	22.88 585	5.86 583	8.69 582	7.97 583	8.54 581	9.12 585	8.27 583	10.18 585	10.92 583	2.42 580	2.45 580	3.56 583	12.37 587	3.77 579	3.06 581

tt_ll	7.79 579	5.02 583	7.31 580	3.12 578	3.85 579	16.35 587	22.88 585	5.86 583	8.69 582	7.97 583	8.54 581	9.12 585	8.27 583	10.18 585	10.92 583	2.42 580	2.45 580	3.56 583	12.37 587	3.77 579	3.06 581

ff	7.79 579	5.02 583	7.31 580	3.12 578	3.85 579	16.35 587	22.88 585	5.86 583	8.69 582	7.97 583	8.54 581	9.12 585	8.27 583	10.18 585	10.92 583	2.42 580	2.45 580	3.56 583	12.37 587	3.77 579	3.06 581

TCMNet-wrong-test	3.67 576	5.48 586	3.89 577	12.18 588	11.75 589	4.65 578	3.88 579	1.06 571	0.72 547	1.09 569	2.15 578	6.30 582	0.53 543	3.43 579	2.36 578	0.89 572	0.20 528	1.87 579	1.69 578	5.57 584	3.62 584

Anonymous_1	10.96 588	7.92 587	7.46 583	10.33 585	10.06 584	18.65 591	26.34 591	11.06 588	13.44 589	9.40 586	10.05 586	9.67 588	11.23 588	10.73 588	12.72 588	6.42 587	8.38 587	5.77 586	10.61 586	12.12 588	6.77 585

DPSMNet_ROB	8.06 583	4.48 581	8.63 586	5.37 583	10.74 586	8.32 581	22.98 589	5.46 580	13.36 588	5.12 580	9.92 584	5.08 579	10.40 586	5.53 582	12.58 586	3.80 584	8.00 585	3.50 581	7.02 584	3.83 582	7.14 586

DGTPSM_ROB	8.06 583	4.48 581	8.63 586	5.35 581	10.72 585	8.32 581	22.97 588	5.46 580	13.35 587	5.12 580	9.92 584	5.08 579	10.40 586	5.52 581	12.58 586	3.79 583	8.00 585	3.50 581	7.02 584	3.83 582	7.14 586

DPSM_ROB	11.15 589	8.58 588	8.00 584	10.88 586	11.58 587	19.10 592	26.71 592	12.05 589	14.07 590	10.36 587	10.84 587	10.33 589	11.86 589	11.70 589	13.54 589	6.99 588	8.79 588	5.89 587	6.95 582	7.29 585	7.42 588

DPSM	11.15 589	8.58 588	8.00 584	10.88 586	11.58 587	19.10 592	26.71 592	12.05 589	14.07 590	10.36 587	10.84 587	10.33 589	11.86 589	11.70 589	13.54 589	6.99 588	8.79 588	5.89 587	6.95 582	7.29 585	7.42 588

FlowAnything	22.44 594	17.35 594	16.14 590	22.07 594	23.23 593	38.39 595	53.77 595	24.25 595	28.44 596	20.96 596	21.82 594	20.70 593	23.84 593	23.49 594	27.14 594	14.04 590	17.79 595	11.75 590	14.15 593	14.65 589	14.89 590

LSM0	22.87 596	17.28 592	18.96 591	22.19 595	29.04 597	38.42 597	53.71 594	24.28 596	28.31 594	20.78 595	21.00 592	21.43 596	24.16 596	23.50 595	27.39 596	14.09 593	17.38 592	11.84 593	14.04 592	14.73 592	14.89 590

CasAABBNet	22.42 593	17.33 593	16.01 588	22.01 592	23.28 594	38.32 594	53.80 596	24.14 594	28.41 595	20.60 593	21.77 593	20.89 595	23.91 595	23.43 593	27.36 595	14.07 591	17.69 593	11.83 592	14.01 591	14.67 590	14.95 592

Selective-RAFT-Error	22.47 595	17.37 595	16.09 589	22.06 593	23.34 595	38.39 595	53.83 597	24.29 597	28.47 597	20.74 594	21.83 595	20.81 594	23.90 594	23.54 596	27.53 597	14.08 592	17.69 593	11.82 591	14.00 590	14.69 591	15.00 593

LRCNet_RVC	10.62 587	13.42 591	7.30 579	18.92 590	2.07 578	0.33 511	0.30 529	5.59 582	0.48 501	13.03 589	17.94 590	8.87 584	5.65 580	4.79 580	1.89 576	23.51 595	2.73 583	27.55 596	25.71 596	16.07 593	16.33 594

HaxPig	15.71 591	18.52 596	19.18 592	16.89 589	15.89 591	7.73 580	7.60 580	13.31 591	10.82 586	15.42 590	14.91 589	15.98 591	14.92 591	15.58 591	15.98 591	18.95 594	16.73 591	19.46 594	18.08 594	19.26 594	19.05 595

MEDIAN_ROB	20.38 592	24.04 597	23.31 594	21.23 591	21.71 592	10.40 584	7.92 581	17.64 592	15.50 592	20.12 592	19.70 591	20.34 592	20.32 592	21.19 592	21.13 592	23.81 596	21.81 596	24.98 595	23.76 595	24.71 595	23.93 596

AVERAGE_ROB	24.90 597	29.20 598	28.14 595	24.89 596	24.64 596	17.75 590	11.12 582	21.45 593	19.93 593	25.12 597	24.46 596	25.12 597	25.46 597	24.69 597	22.83 593	29.76 597	27.13 597	28.97 597	27.95 597	29.91 596	29.47 597

test_example2	98.32 598	94.13 599	45.89 596	96.35 597	109.85 598	88.61 598	95.45 598	25.75 598	94.37 598	130.00 599	126.06 598	58.17 598	74.63 598	88.51 598	79.96 598	150.23 598	221.02 598	77.62 598	99.10 598	113.75 598	96.94 598

ccccc		285.66 600		368.85 599	370.60 599	123.16 599		115.05 599		126.68 598		122.83 599		252.94 599		384.56 599	353.86 599	254.69 599	223.00 599	425.87 599

ASD4		3.38 580

Low-res two-view benchmark