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

3.25w_new	0.23 39	0.17 64	0.32 66	0.31 17	0.17 17	0.43 221	0.20 20	0.37 34	0.30 44	0.37 97	0.28 47	0.22 30	0.25 75	0.42 80	0.22 27	0.10 10	0.08 2	0.11 1	0.09 9	0.09 1	0.10 28

3.25w	0.23 39	0.17 64	0.32 66	0.31 17	0.17 17	0.43 221	0.20 20	0.37 34	0.30 44	0.37 97	0.28 47	0.22 30	0.25 75	0.42 80	0.22 27	0.10 10	0.08 2	0.11 1	0.09 9	0.09 1	0.10 28

2.25w	0.22 25	0.18 88	0.31 55	0.31 17	0.18 31	0.31 116	0.18 10	0.32 15	0.31 49	0.31 60	0.37 88	0.20 20	0.22 46	0.45 101	0.24 58	0.10 10	0.09 22	0.11 1	0.09 9	0.10 3	0.10 28

2.75w_new	0.21 13	0.18 88	0.28 29	0.29 5	0.17 17	0.23 20	0.34 219	0.36 32	0.28 32	0.34 81	0.26 32	0.17 4	0.22 46	0.36 40	0.23 47	0.10 10	0.08 2	0.11 1	0.09 9	0.10 3	0.09 4

monsters	0.22 25	0.14 11	0.26 14	0.31 17	0.19 50	0.23 20	0.19 15	0.44 75	0.33 66	0.36 90	0.30 55	0.16 2	0.18 17	0.43 86	0.19 3	0.11 22	0.09 22	0.11 1	0.09 9	0.10 3	0.10 28

IGEV	0.20 10	0.12 1	0.23 1	0.31 17	0.20 74	0.23 20	0.19 15	0.40 51	0.29 39	0.22 17	0.34 76	0.20 20	0.15 4	0.31 14	0.19 3	0.11 22	0.10 51	0.12 22	0.10 50	0.10 3	0.10 28

LG-Stereo_L2	0.18 3	0.13 2	0.28 29	0.30 9	0.19 50	0.20 6	0.18 10	0.30 10	0.21 13	0.18 4	0.15 3	0.19 15	0.18 17	0.33 25	0.19 3	0.13 59	0.09 22	0.13 51	0.09 9	0.10 3	0.08 1

MLG-Stereo_test1	0.18 3	0.13 2	0.27 20	0.33 46	0.17 17	0.24 29	0.17 3	0.25 4	0.12 1	0.18 4	0.14 1	0.23 39	0.15 4	0.31 14	0.20 9	0.12 31	0.09 22	0.12 22	0.09 9	0.10 3	0.09 4

MLG-Stereo	0.18 3	0.13 2	0.27 20	0.34 57	0.15 1	0.27 60	0.17 3	0.28 7	0.14 3	0.18 4	0.14 1	0.23 39	0.15 4	0.32 19	0.20 9	0.11 22	0.09 22	0.13 51	0.09 9	0.10 3	0.09 4

FoundationStereo	0.17 1	0.14 11	0.25 10	0.30 9	0.16 7	0.23 20	0.20 20	0.22 2	0.15 4	0.18 4	0.16 8	0.20 20	0.19 25	0.26 2	0.21 15	0.13 59	0.09 22	0.12 22	0.09 9	0.10 3	0.09 4

dual_stereo	0.19 7	0.14 11	0.24 5	0.31 17	0.16 7	0.16 3	0.20 20	0.29 8	0.20 11	0.23 19	0.20 12	0.22 30	0.14 1	0.52 154	0.24 58	0.13 59	0.10 51	0.11 1	0.09 9	0.10 3	0.09 4

AdaDepth	0.22 25	0.17 64	0.32 66	0.37 127	0.18 31	0.34 150	0.22 45	0.33 23	0.23 17	0.21 11	0.21 14	0.20 20	0.20 31	0.56 184	0.21 15	0.10 10	0.10 51	0.13 51	0.10 50	0.11 12	0.12 109

asda	0.21 13	0.19 125	0.29 36	0.31 17	0.17 17	0.25 43	0.23 60	0.36 32	0.28 32	0.27 42	0.24 25	0.18 10	0.21 39	0.40 64	0.21 15	0.09 1	0.08 2	0.11 1	0.09 9	0.11 12	0.10 28

asd	0.21 13	0.18 88	0.29 36	0.32 34	0.18 31	0.27 60	0.22 45	0.35 28	0.22 15	0.31 60	0.22 17	0.19 15	0.21 39	0.44 97	0.21 15	0.10 10	0.08 2	0.11 1	0.10 50	0.11 12	0.09 4

depthmonostereo	0.29 92	0.14 11	0.31 55	0.35 91	0.17 17	0.46 242	0.27 110	0.69 218	0.57 188	0.35 86	0.42 99	0.31 66	0.35 178	0.35 38	0.27 122	0.14 98	0.12 190	0.13 51	0.12 105	0.11 12	0.10 28

DilatedVolume-Stereo	0.30 107	0.15 25	0.34 98	0.33 46	0.20 74	0.53 273	0.25 82	0.56 121	0.43 134	0.56 176	0.50 126	0.35 94	0.29 129	0.49 135	0.28 142	0.13 59	0.11 135	0.12 22	0.11 77	0.11 12	0.10 28

4.25_new	0.22 25	0.21 198	0.32 66	0.32 34	0.18 31	0.31 116	0.27 110	0.32 15	0.24 21	0.29 52	0.27 37	0.20 20	0.23 58	0.34 30	0.23 47	0.09 1	0.08 2	0.11 1	0.09 9	0.11 12	0.09 4

4.5w_new	0.22 25	0.21 198	0.32 66	0.32 34	0.18 31	0.31 116	0.27 110	0.32 15	0.24 21	0.29 52	0.27 37	0.20 20	0.23 58	0.34 30	0.23 47	0.09 1	0.08 2	0.11 1	0.09 9	0.11 12	0.09 4

4.25w-stereo	0.22 25	0.21 198	0.32 66	0.32 34	0.18 31	0.31 116	0.27 110	0.32 15	0.24 21	0.29 52	0.27 37	0.20 20	0.23 58	0.34 30	0.23 47	0.09 1	0.08 2	0.11 1	0.09 9	0.11 12	0.09 4

4w-stereo	0.21 13	0.19 125	0.31 55	0.31 17	0.17 17	0.29 89	0.19 15	0.31 13	0.21 13	0.31 60	0.24 25	0.20 20	0.24 68	0.41 72	0.22 27	0.09 1	0.08 2	0.11 1	0.10 50	0.11 12	0.09 4

2.5w	0.21 13	0.18 88	0.31 55	0.32 34	0.18 31	0.31 116	0.25 82	0.31 13	0.23 17	0.28 45	0.35 81	0.18 10	0.17 10	0.39 59	0.21 15	0.10 10	0.08 2	0.11 1	0.10 50	0.11 12	0.09 4

3.75w	0.22 25	0.17 64	0.30 47	0.31 17	0.19 50	0.43 221	0.24 74	0.35 28	0.24 21	0.31 60	0.27 37	0.17 4	0.22 46	0.37 47	0.20 9	0.10 10	0.07 1	0.11 1	0.09 9	0.11 12	0.09 4

3.5w_stereo	0.22 25	0.18 88	0.29 36	0.30 9	0.18 31	0.27 60	0.23 60	0.37 34	0.28 32	0.31 60	0.26 32	0.22 30	0.26 90	0.50 141	0.24 58	0.09 1	0.08 2	0.11 1	0.09 9	0.11 12	0.09 4

1w_stereo	0.24 45	0.15 25	0.29 36	0.34 57	0.18 31	0.31 116	0.41 350	0.40 51	0.43 134	0.31 60	0.38 90	0.17 4	0.24 68	0.45 101	0.23 47	0.10 10	0.08 2	0.11 1	0.09 9	0.11 12	0.09 4

LG-Stereo_L1	0.18 3	0.13 2	0.28 29	0.30 9	0.20 74	0.20 6	0.19 15	0.27 6	0.19 8	0.15 1	0.15 3	0.18 10	0.17 10	0.33 25	0.19 3	0.13 59	0.09 22	0.12 22	0.09 9	0.11 12	0.08 1

MLG-Stereo_test3	0.20 10	0.13 2	0.27 20	0.33 46	0.17 17	0.38 186	0.18 10	0.30 10	0.19 8	0.24 23	0.15 3	0.26 48	0.17 10	0.32 19	0.21 15	0.13 59	0.09 22	0.12 22	0.09 9	0.11 12	0.10 28

MLG-Stereo_test2	0.17 1	0.13 2	0.25 10	0.31 17	0.16 7	0.24 29	0.17 3	0.25 4	0.13 2	0.17 3	0.17 10	0.22 30	0.14 1	0.32 19	0.19 3	0.13 59	0.09 22	0.12 22	0.09 9	0.11 12	0.09 4

LG-G_1	0.21 13	0.13 2	0.30 47	0.34 57	0.16 7	0.52 265	0.17 3	0.34 25	0.18 6	0.21 11	0.21 14	0.26 48	0.19 25	0.37 47	0.20 9	0.14 98	0.10 51	0.13 51	0.09 9	0.11 12	0.10 28

LG-G	0.21 13	0.13 2	0.30 47	0.34 57	0.16 7	0.52 265	0.17 3	0.34 25	0.18 6	0.21 11	0.21 14	0.26 48	0.19 25	0.37 47	0.20 9	0.14 98	0.10 51	0.13 51	0.09 9	0.11 12	0.10 28

castereo++	0.26 64	0.16 40	0.26 14	0.33 46	0.19 50	0.75 393	0.20 20	0.37 34	0.47 156	0.23 19	0.23 19	0.35 94	0.28 115	0.39 59	0.19 3	0.14 98	0.09 22	0.14 80	0.09 9	0.11 12	0.10 28

castereo	0.28 81	0.16 40	0.32 66	0.35 91	0.21 95	0.40 197	0.42 360	0.50 97	0.66 221	0.26 32	0.41 96	0.37 107	0.36 196	0.33 25	0.24 58	0.13 59	0.09 22	0.13 51	0.10 50	0.11 12	0.10 28

MonSter	0.20 10	0.14 11	0.25 10	0.31 17	0.15 1	0.22 15	0.22 45	0.39 46	0.33 66	0.20 8	0.25 30	0.17 4	0.15 4	0.38 55	0.18 1	0.09 1	0.08 2	0.11 1	0.09 9	0.11 12	0.09 4

DEFOM-Stereo	0.22 25	0.15 25	0.26 14	0.33 46	0.20 74	0.61 329	0.21 36	0.30 10	0.31 49	0.23 19	0.19 11	0.18 10	0.18 17	0.41 72	0.22 27	0.12 31	0.10 51	0.12 22	0.09 9	0.11 12	0.11 64

Pointernet	0.27 74	0.14 11	0.33 81	0.35 91	0.23 154	0.35 159	0.21 36	0.72 245	0.38 109	0.39 114	0.36 84	0.34 85	0.25 75	0.36 40	0.25 75	0.15 159	0.10 51	0.12 22	0.08 1	0.11 12	0.10 28

trnet	0.27 74	0.14 11	0.23 1	0.28 3	0.15 1	0.37 173	0.23 60	0.52 108	0.72 249	0.42 129	0.51 135	0.34 85	0.26 90	0.39 59	0.25 75	0.15 159	0.11 135	0.12 22	0.08 1	0.11 12	0.10 28

testlalala	0.28 81	0.19 125	0.43 216	0.34 57	0.23 154	0.45 237	0.30 154	0.43 69	0.29 39	0.68 244	0.49 122	0.35 94	0.25 75	0.32 19	0.25 75	0.14 98	0.11 135	0.14 80	0.09 9	0.11 12	0.11 64

LoS_RVC	0.27 74	0.16 40	0.27 20	0.32 34	0.30 352	0.44 229	0.34 219	0.41 57	0.33 66	0.31 60	0.51 135	0.29 56	0.32 157	0.36 40	0.28 142	0.11 22	0.10 51	0.11 1	0.08 1	0.11 12	0.19 329

LoS	0.29 92	0.15 25	0.30 47	0.29 5	0.18 31	0.33 140	0.29 138	0.51 99	0.72 249	0.34 81	0.52 144	0.41 135	0.28 115	0.47 121	0.28 142	0.15 159	0.11 135	0.13 51	0.09 9	0.11 12	0.11 64
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
RCA-Stereo	0.35 150	0.17 64	0.34 98	0.38 157	0.22 114	0.31 116	0.34 219	0.68 210	1.24 483	0.45 137	0.65 182	0.47 172	0.43 235	0.38 55	0.27 122	0.13 59	0.10 51	0.14 80	0.11 77	0.11 12	0.11 64

DCANet-4	0.36 168	0.20 161	0.48 289	0.34 57	0.19 50	0.29 89	0.30 154	0.66 190	0.92 379	0.69 253	0.78 238	0.40 129	0.47 259	0.45 101	0.34 207	0.14 98	0.10 51	0.14 80	0.11 77	0.11 12	0.13 145

fff	0.37 185	0.16 40	0.41 184	0.34 57	0.19 50	0.29 89	0.30 154	0.69 218	1.06 446	0.69 253	0.78 238	0.42 145	0.63 354	0.46 114	0.34 207	0.14 98	0.10 51	0.14 80	0.11 77	0.11 12	0.13 145

csc	0.37 185	0.16 40	0.41 184	0.34 57	0.19 50	0.29 89	0.30 154	0.69 218	1.06 446	0.69 253	0.78 238	0.42 145	0.63 354	0.46 114	0.34 207	0.14 98	0.10 51	0.14 80	0.11 77	0.11 12	0.13 145

cscssc	0.37 185	0.16 40	0.41 184	0.34 57	0.19 50	0.29 89	0.30 154	0.69 218	1.06 446	0.69 253	0.78 238	0.42 145	0.63 354	0.46 114	0.34 207	0.14 98	0.10 51	0.14 80	0.11 77	0.11 12	0.13 145

GASTEREO	0.25 53	0.16 40	0.32 66	0.40 222	0.20 74	0.22 15	0.30 154	0.43 69	0.31 49	0.37 97	0.33 67	0.22 30	0.35 178	0.41 72	0.23 47	0.15 159	0.10 51	0.13 51	0.11 77	0.12 44	0.11 64

water-stereo	0.28 81	0.14 11	0.29 36	0.35 91	0.19 50	0.36 168	0.23 60	0.62 159	0.38 109	0.39 114	0.62 175	0.41 135	0.35 178	0.28 6	0.27 122	0.14 98	0.13 257	0.13 51	0.12 105	0.12 44	0.10 28

qwe	0.22 25	0.18 88	0.28 29	0.31 17	0.18 31	0.29 89	0.21 36	0.38 42	0.32 60	0.35 86	0.30 55	0.20 20	0.20 31	0.43 86	0.21 15	0.09 1	0.08 2	0.11 1	0.09 9	0.12 44	0.09 4

3w_stereo	0.24 45	0.20 161	0.37 131	0.33 46	0.16 7	0.32 133	0.42 360	0.41 57	0.38 109	0.31 60	0.27 37	0.16 2	0.26 90	0.34 30	0.22 27	0.10 10	0.08 2	0.11 1	0.09 9	0.12 44	0.11 64

2w_stereo	0.22 25	0.18 88	0.30 47	0.32 34	0.16 7	0.28 77	0.38 301	0.38 42	0.35 82	0.32 73	0.33 67	0.17 4	0.18 17	0.29 7	0.22 27	0.09 1	0.08 2	0.11 1	0.10 50	0.12 44	0.10 28

xyz-stereo-finetune2	0.36 168	0.19 125	0.38 143	0.32 34	0.19 50	0.82 423	0.29 138	0.52 108	0.32 60	0.51 158	0.78 238	0.43 153	0.45 250	0.69 320	0.44 307	0.13 59	0.12 190	0.17 185	0.13 139	0.12 44	0.13 145

111111	0.21 13	0.14 11	0.27 20	0.37 127	0.22 114	0.21 12	0.19 15	0.43 69	0.27 28	0.20 8	0.20 12	0.29 56	0.14 1	0.41 72	0.22 27	0.14 98	0.10 51	0.12 22	0.09 9	0.12 44	0.12 109

LGtest1	0.19 7	0.14 11	0.29 36	0.34 57	0.16 7	0.26 47	0.17 3	0.32 15	0.20 11	0.21 11	0.15 3	0.23 39	0.20 31	0.32 19	0.20 9	0.15 159	0.10 51	0.13 51	0.09 9	0.12 44	0.11 64

Reg-Stereo(zero)	0.30 107	0.16 40	0.28 29	0.34 57	0.18 31	0.32 133	0.20 20	0.63 167	0.68 229	0.50 155	0.52 144	0.51 189	0.30 145	0.45 101	0.25 75	0.13 59	0.10 51	0.12 22	0.10 50	0.12 44	0.11 64

AIO_rvc	0.23 39	0.16 40	0.32 66	0.34 57	0.19 50	0.26 47	0.33 208	0.40 51	0.22 15	0.26 32	0.24 25	0.34 85	0.15 4	0.51 148	0.24 58	0.12 31	0.09 22	0.13 51	0.10 50	0.12 44	0.10 28

HUF	0.24 45	0.16 40	0.33 81	0.32 34	0.18 31	0.25 43	0.40 335	0.42 61	0.34 69	0.25 28	0.23 19	0.32 69	0.28 115	0.34 30	0.24 58	0.13 59	0.10 51	0.13 51	0.09 9	0.12 44	0.10 28

AIO_test	0.23 39	0.16 40	0.28 29	0.34 57	0.20 74	0.30 101	0.39 324	0.38 42	0.25 26	0.25 28	0.28 47	0.32 69	0.22 46	0.38 55	0.25 75	0.12 31	0.09 22	0.13 51	0.10 50	0.12 44	0.09 4

GIP-stereo	0.24 45	0.18 88	0.30 47	0.37 127	0.24 183	0.26 47	0.20 20	0.46 81	0.36 90	0.24 23	0.39 92	0.35 94	0.20 31	0.31 14	0.21 15	0.15 159	0.10 51	0.13 51	0.10 50	0.12 44	0.11 64

fffft	0.25 53	0.17 64	0.37 131	0.36 111	0.22 114	0.28 77	0.36 265	0.42 61	0.24 21	0.36 90	0.23 19	0.27 52	0.22 46	0.52 154	0.27 122	0.12 31	0.09 22	0.16 147	0.12 105	0.12 44	0.12 109
1: 1. 1
SMoEStereo_RVC	0.26 64	0.19 125	0.35 108	0.35 91	0.22 114	0.36 168	0.32 198	0.39 46	0.34 69	0.37 97	0.30 55	0.33 81	0.24 68	0.53 163	0.24 58	0.12 31	0.10 51	0.16 147	0.12 105	0.12 44	0.11 64

tt45	0.27 74	0.17 64	0.34 98	0.35 91	0.23 154	0.38 186	0.28 128	0.46 81	0.28 32	0.40 120	0.27 37	0.38 115	0.25 75	0.57 197	0.26 104	0.13 59	0.11 135	0.16 147	0.13 139	0.12 44	0.14 189

999	0.27 74	0.16 40	0.35 108	0.36 111	0.24 183	0.31 116	0.27 110	0.49 89	0.38 109	0.26 32	0.30 55	0.39 119	0.23 58	0.63 265	0.25 75	0.13 59	0.10 51	0.14 80	0.12 105	0.12 44	0.14 189

WCG-NET	0.28 81	0.15 25	0.33 81	0.33 46	0.19 50	0.33 140	0.27 110	0.39 46	0.80 302	0.46 143	0.49 122	0.39 119	0.25 75	0.40 64	0.25 75	0.12 31	0.09 22	0.13 51	0.11 77	0.12 44	0.10 28

GCAP-BAT	0.30 107	0.21 198	0.42 205	0.33 46	0.27 287	0.26 47	0.27 110	0.45 79	0.30 44	0.60 187	0.64 179	0.45 161	0.23 58	0.56 184	0.26 104	0.15 159	0.12 190	0.15 121	0.10 50	0.12 44	0.11 64

IGEV-Stereo++	0.21 13	0.15 25	0.27 20	0.37 127	0.19 50	0.22 15	0.18 10	0.42 61	0.35 82	0.22 17	0.28 47	0.24 43	0.18 17	0.27 5	0.22 27	0.12 31	0.09 22	0.12 22	0.10 50	0.12 44	0.10 28

Occ-G	0.26 64	0.14 11	0.28 29	0.34 57	0.20 74	0.27 60	0.34 219	0.41 57	0.31 49	0.29 52	0.43 102	0.49 183	0.25 75	0.47 121	0.28 142	0.13 59	0.11 135	0.14 80	0.11 77	0.12 44	0.12 109

WCG-NET（raft）	0.31 113	0.15 25	0.36 115	0.32 34	0.19 50	0.35 159	0.27 110	0.51 99	0.78 291	0.45 137	0.55 156	0.48 177	0.27 101	0.54 169	0.26 104	0.13 59	0.10 51	0.12 22	0.11 77	0.12 44	0.11 64

MSKI-zero shot	0.32 119	0.17 64	0.34 98	0.39 185	0.21 95	0.32 133	0.22 45	0.61 153	0.43 134	0.52 164	0.64 179	0.61 246	0.20 31	0.74 348	0.25 75	0.14 98	0.10 51	0.14 80	0.10 50	0.12 44	0.12 109

GCAP-Stereo	0.28 81	0.19 125	0.40 174	0.38 157	0.19 50	0.38 186	0.23 60	0.57 126	0.41 124	0.45 137	0.49 122	0.39 119	0.27 101	0.33 25	0.23 47	0.14 98	0.12 190	0.14 80	0.11 77	0.12 44	0.11 64

CAS	0.34 135	0.13 2	0.25 10	1.28 544	0.30 352	0.46 242	0.38 301	0.48 86	0.47 156	0.34 81	0.52 144	0.24 43	0.19 25	0.29 7	0.27 122	0.69 535	0.08 2	0.12 22	0.08 1	0.12 44	0.15 212

Selective-IGEV	0.24 45	0.18 88	0.35 108	0.35 91	0.19 50	0.27 60	0.25 82	0.55 119	0.23 17	0.27 42	0.25 30	0.34 85	0.19 25	0.58 217	0.22 27	0.12 31	0.10 51	0.14 80	0.11 77	0.12 44	0.10 28

MC-Stereo	0.28 81	0.17 64	0.32 66	0.38 157	0.20 74	0.26 47	0.26 94	0.49 89	0.37 104	0.37 97	0.61 172	0.41 135	0.31 152	0.55 174	0.25 75	0.13 59	0.09 22	0.14 80	0.12 105	0.12 44	0.11 64

test-3	0.34 135	0.16 40	0.43 216	0.39 185	0.21 95	0.43 221	0.22 45	0.63 167	0.78 291	0.71 266	0.45 106	0.64 261	0.27 101	0.43 86	0.31 170	0.12 31	0.09 22	0.17 185	0.13 139	0.12 44	0.10 28

test_1	0.34 135	0.16 40	0.43 216	0.39 185	0.21 95	0.43 221	0.23 60	0.63 167	0.78 291	0.68 244	0.45 106	0.64 261	0.27 101	0.43 86	0.31 170	0.12 31	0.09 22	0.17 185	0.13 139	0.12 44	0.10 28

RAFT-RH_RVC	0.56 391	0.17 64	0.41 184	0.37 127	0.23 154	0.57 302	0.24 74	0.60 147	0.70 237	1.19 487	3.94 558	0.56 207	0.38 204	0.65 285	0.36 240	0.13 59	0.11 135	0.20 301	0.14 170	0.12 44	0.13 145

AnonymousM	0.41 239	0.81 523	0.29 36	0.34 57	0.22 114	0.28 77	0.38 301	0.53 118	0.41 124	0.70 259	0.49 122	0.47 172	0.27 101	0.41 72	0.31 170	0.15 159	0.12 190	1.51 546	0.26 454	0.12 44	0.10 28

raftrobust	0.34 135	0.19 125	0.36 115	0.41 254	0.27 287	0.30 101	0.25 82	0.71 241	0.63 206	0.58 181	0.55 156	0.45 161	0.46 255	0.51 148	0.29 157	0.16 209	0.12 190	0.14 80	0.12 105	0.12 44	0.13 145

Gwc-CoAtRS	0.34 135	0.17 64	0.44 228	0.39 185	0.23 154	0.34 150	0.22 45	0.70 233	0.75 266	0.60 187	0.59 167	0.58 220	0.29 129	0.45 101	0.26 104	0.14 98	0.11 135	0.14 80	0.12 105	0.12 44	0.12 109

CREStereo	0.28 81	0.15 25	0.24 5	0.27 1	0.17 17	0.37 173	0.25 82	0.51 99	0.72 249	0.42 129	0.51 135	0.32 69	0.26 90	0.38 55	0.25 75	0.16 209	0.11 135	0.12 22	0.08 1	0.12 44	0.11 64
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.32 119	0.16 40	0.24 5	0.29 5	0.18 31	0.45 237	0.22 45	0.56 121	0.63 206	0.46 143	0.54 150	0.39 119	0.34 175	0.48 131	0.24 58	0.75 537	0.10 51	0.12 22	0.08 1	0.12 44	0.11 64

MSCF	0.25 53	0.16 40	0.33 81	0.39 185	0.20 74	0.20 6	0.31 177	0.43 69	0.31 49	0.36 90	0.33 67	0.23 39	0.35 178	0.36 40	0.23 47	0.15 159	0.10 51	0.13 51	0.11 77	0.13 79	0.11 64

4.5_new	0.21 13	0.20 161	0.29 36	0.30 9	0.17 17	0.24 29	0.26 94	0.32 15	0.28 32	0.32 73	0.28 47	0.19 15	0.17 10	0.29 7	0.21 15	0.10 10	0.08 2	0.12 22	0.10 50	0.13 79	0.09 4

4.5w-stereo	0.21 13	0.20 161	0.29 36	0.30 9	0.17 17	0.24 29	0.26 94	0.32 15	0.28 32	0.32 73	0.28 47	0.19 15	0.17 10	0.29 7	0.21 15	0.10 10	0.08 2	0.12 22	0.10 50	0.13 79	0.09 4

monsterstereo	0.22 25	0.14 11	0.26 14	0.34 57	0.18 31	0.21 12	0.20 20	0.37 34	0.35 82	0.33 78	0.40 93	0.19 15	0.18 17	0.45 101	0.21 15	0.11 22	0.09 22	0.12 22	0.09 9	0.13 79	0.08 1

xyz-stereo-finetune	0.33 129	0.18 88	0.36 115	0.33 46	0.18 31	0.57 302	0.31 177	0.58 132	0.69 236	0.45 137	0.54 150	0.38 115	0.33 167	0.56 184	0.36 240	0.12 31	0.12 190	0.16 147	0.13 139	0.13 79	0.12 109

xyz-stereo	4.23 565	0.17 64	61.76 592	0.34 57	0.16 7	12.16 574	0.37 279	0.58 132	0.68 229	1.01 446	3.36 551	0.77 339	0.82 446	1.21 485	0.40 278	0.12 31	0.10 51	0.16 147	0.11 77	0.13 79	0.10 28

LG-Stereo	0.24 45	0.18 88	0.40 174	0.39 185	0.20 74	0.22 15	0.27 110	0.32 15	0.36 90	0.26 32	0.44 103	0.22 30	0.16 9	0.37 47	0.27 122	0.11 22	0.12 190	0.16 147	0.15 196	0.13 79	0.09 4

SGD-Stereo	0.22 25	0.15 25	0.27 20	0.31 17	0.15 1	0.29 89	0.20 20	0.37 34	0.29 39	0.24 23	0.29 54	0.21 29	0.27 101	0.36 40	0.25 75	0.16 209	0.09 22	0.13 51	0.10 50	0.13 79	0.10 28

GREAT-IGEV	0.22 25	0.15 25	0.31 55	0.29 5	0.22 114	0.21 12	0.26 94	0.33 23	0.31 49	0.20 8	0.30 55	0.22 30	0.22 46	0.47 121	0.22 27	0.11 22	0.09 22	0.12 22	0.09 9	0.13 79	0.10 28

AIO-test1	0.38 200	0.18 88	0.38 143	0.50 422	0.24 183	0.46 242	0.30 154	0.70 233	1.19 474	0.40 120	0.71 201	0.45 161	0.29 129	0.53 163	0.27 122	0.15 159	0.13 257	0.19 271	0.21 381	0.13 79	0.17 278

UGAM-zero	0.46 283	0.19 125	0.62 373	0.37 127	0.23 154	0.34 150	0.21 36	1.15 430	0.39 119	0.66 235	0.61 172	1.70 516	0.91 466	0.75 354	0.25 75	0.14 98	0.11 135	0.15 121	0.12 105	0.13 79	0.13 145

model_zeroshot	0.33 129	0.18 88	0.48 289	0.39 185	0.28 310	0.45 237	0.25 82	0.63 167	0.45 147	0.61 194	0.50 126	0.51 189	0.25 75	0.45 101	0.26 104	0.16 209	0.13 257	0.15 121	0.14 170	0.13 79	0.13 145

U	0.45 273	0.16 40	0.32 66	0.40 222	0.71 527	3.55 558	0.20 20	0.41 57	0.38 109	0.26 32	0.23 19	0.24 43	0.22 46	0.26 2	0.22 27	0.15 159	0.09 22	0.88 537	0.13 139	0.13 79	0.11 64

AIO-Stereo	0.25 53	0.18 88	0.34 98	0.37 127	0.18 31	0.28 77	0.30 154	0.48 86	0.27 28	0.29 52	0.30 55	0.32 69	0.17 10	0.52 154	0.23 47	0.12 31	0.10 51	0.14 80	0.11 77	0.13 79	0.10 28

RAFT-Stereo-weight	0.32 119	0.18 88	0.33 81	0.39 185	0.22 114	0.26 47	0.29 138	0.67 200	0.80 302	0.53 167	0.51 135	0.58 220	0.20 31	0.47 121	0.27 122	0.13 59	0.10 51	0.14 80	0.11 77	0.13 79	0.11 64

gcap-zeroshot	0.34 135	0.18 88	0.52 331	0.38 157	0.22 114	0.49 254	0.27 110	0.52 108	0.34 69	0.64 214	0.50 126	0.83 356	0.34 175	0.48 131	0.24 58	0.13 59	0.11 135	0.15 121	0.12 105	0.13 79	0.12 109

testlalala2	0.36 168	0.18 88	0.45 240	0.89 530	0.53 502	0.44 229	0.26 94	0.61 153	0.49 159	0.68 244	0.56 159	0.44 159	0.24 68	0.34 30	0.31 170	0.15 159	0.12 190	0.14 80	0.10 50	0.13 79	0.13 145

MoCha-V2	0.25 53	0.15 25	0.29 36	0.40 222	0.18 31	0.27 60	0.26 94	0.49 89	0.27 28	0.36 90	0.27 37	0.33 81	0.35 178	0.49 135	0.22 27	0.12 31	0.10 51	0.12 22	0.10 50	0.13 79	0.11 64

IGEV++	0.24 45	0.17 64	0.31 55	0.38 157	0.22 114	0.24 29	0.22 45	0.50 97	0.23 17	0.28 45	0.35 81	0.30 59	0.22 46	0.31 14	0.28 142	0.14 98	0.10 51	0.13 51	0.10 50	0.13 79	0.13 145

IGEVStereo-DCA	0.29 92	0.22 237	0.38 143	0.35 91	0.27 287	0.37 173	0.35 243	0.62 159	0.34 69	0.38 106	0.30 55	0.35 94	0.27 101	0.51 148	0.22 27	0.15 159	0.12 190	0.16 147	0.12 105	0.13 79	0.15 212

rrr	0.29 92	0.22 237	0.41 184	0.35 91	0.27 287	0.37 173	0.32 198	0.52 108	0.42 132	0.38 106	0.30 55	0.35 94	0.27 101	0.51 148	0.22 27	0.15 159	0.12 190	0.16 147	0.13 139	0.13 79	0.14 189

AEACV	0.27 74	0.17 64	0.31 55	0.34 57	0.45 478	0.26 47	0.28 128	0.37 34	0.32 60	0.30 59	0.46 111	0.31 66	0.37 200	0.36 40	0.24 58	0.14 98	0.10 51	0.15 121	0.12 105	0.13 79	0.11 64

Any-RAFT	0.35 150	0.16 40	0.30 47	0.34 57	0.21 95	0.52 265	0.22 45	0.88 318	0.73 256	0.53 167	0.73 206	0.64 261	0.28 115	0.46 114	0.24 58	0.15 159	0.10 51	0.13 51	0.10 50	0.13 79	0.12 109

RAFT-Test	0.34 135	0.18 88	0.37 131	0.38 157	0.23 154	0.50 257	0.23 60	0.69 218	0.40 120	0.60 187	0.85 283	0.61 246	0.28 115	0.46 114	0.27 122	0.14 98	0.11 135	0.14 80	0.11 77	0.13 79	0.12 109

CES	0.28 81	0.14 11	0.23 1	0.30 9	0.70 526	0.37 173	0.27 110	0.48 86	0.46 151	0.34 81	0.48 119	0.27 52	0.22 46	0.39 59	0.23 47	0.13 59	0.11 135	0.12 22	0.08 1	0.13 79	0.17 278

EGLCR-Stereo	0.25 53	0.16 40	0.33 81	0.34 57	0.20 74	0.35 159	0.20 20	0.52 108	0.36 90	0.28 45	0.27 37	0.41 135	0.18 17	0.45 101	0.26 104	0.14 98	0.10 51	0.16 147	0.14 170	0.13 79	0.11 64

ProNet	0.29 92	0.21 198	0.38 143	0.35 91	0.24 183	0.32 133	0.43 367	0.57 126	0.37 104	0.33 78	0.30 55	0.32 69	0.28 115	0.57 197	0.26 104	0.13 59	0.11 135	0.16 147	0.13 139	0.13 79	0.13 145

ADStereo(finetuned)	0.37 185	0.16 40	0.49 301	0.34 57	0.19 50	0.30 101	0.30 154	0.68 210	0.91 374	0.70 259	0.77 227	0.43 153	0.69 391	0.45 101	0.33 192	0.14 98	0.10 51	0.14 80	0.11 77	0.13 79	0.12 109

CIPLG	0.41 239	0.21 198	0.63 383	0.45 356	0.33 401	0.52 265	0.33 208	0.65 181	0.60 193	0.82 337	0.96 334	0.46 169	0.32 157	0.55 174	0.44 307	0.16 209	0.12 190	0.15 121	0.14 170	0.13 79	0.14 189

IPLG	0.39 216	0.20 161	0.59 363	0.40 222	0.24 183	0.54 279	0.27 110	0.75 264	0.63 206	0.84 356	0.81 258	0.32 69	0.32 157	0.60 238	0.45 316	0.13 59	0.11 135	0.16 147	0.13 139	0.13 79	0.12 109

IPLGR_C	0.40 228	0.21 198	0.64 388	0.45 356	0.33 401	0.52 265	0.34 219	0.66 190	0.62 195	0.82 337	0.92 317	0.45 161	0.32 157	0.52 154	0.46 326	0.17 248	0.12 190	0.15 121	0.14 170	0.13 79	0.14 189

ACRE	0.40 228	0.21 198	0.65 394	0.45 356	0.33 401	0.51 261	0.33 208	0.66 190	0.63 206	0.80 315	0.92 317	0.45 161	0.32 157	0.52 154	0.45 316	0.16 209	0.12 190	0.15 121	0.14 170	0.13 79	0.14 189

TRStereo	0.37 185	0.27 355	0.59 363	0.47 386	0.41 455	0.29 89	0.30 154	0.84 299	0.59 191	0.52 164	0.41 96	0.52 193	0.26 90	0.73 341	0.27 122	0.17 248	0.12 190	0.19 271	0.19 334	0.13 79	0.11 64

STrans-v2	0.46 283	0.20 161	0.48 289	0.40 222	0.24 183	0.55 284	0.50 409	1.07 393	0.73 256	0.65 223	1.05 380	0.72 308	0.69 391	0.72 336	0.33 192	0.14 98	0.10 51	0.17 185	0.14 170	0.13 79	0.12 109

RAFT-345	0.40 228	0.18 88	0.40 174	0.38 157	0.22 114	0.33 140	0.26 94	0.61 153	0.51 165	0.74 290	1.79 507	0.45 161	0.33 167	0.66 293	0.36 240	0.14 98	0.11 135	0.18 231	0.14 170	0.13 79	0.13 145

CREStereo++_RVC	0.32 119	0.15 25	0.23 1	0.31 17	0.24 183	0.27 60	0.22 45	0.46 81	0.88 351	0.46 143	0.80 251	0.30 59	0.26 90	0.36 40	0.33 192	0.13 59	0.09 22	0.13 51	0.51 532	0.13 79	0.09 4
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
TANstereo	0.30 107	0.15 25	0.31 55	0.30 9	0.17 17	0.55 284	0.23 60	0.44 75	0.55 180	0.59 183	0.68 195	0.37 107	0.26 90	0.35 38	0.27 122	0.15 159	0.16 353	0.12 22	0.10 50	0.13 79	0.14 189

XX-TBD	0.32 119	0.53 494	0.26 14	0.51 438	0.20 74	0.37 173	0.24 74	0.40 51	0.73 256	0.54 171	0.69 196	0.31 66	0.25 75	0.32 19	0.27 122	0.16 209	0.10 51	0.12 22	0.09 9	0.13 79	0.11 64

DCANet	0.36 168	0.16 40	0.41 184	0.34 57	0.19 50	0.30 101	0.30 154	0.68 210	0.91 374	0.70 259	0.77 227	0.43 153	0.57 316	0.45 101	0.34 207	0.14 98	0.10 51	0.14 80	0.11 77	0.13 79	0.12 109

111	0.40 228	0.17 64	0.41 184	0.34 57	0.19 50	0.52 265	0.28 128	0.74 258	1.16 468	0.50 155	0.91 313	0.63 254	0.48 264	0.61 246	0.35 224	0.14 98	0.10 51	0.14 80	0.12 105	0.13 79	0.13 145

RAFT-Stereo + iAFF	0.36 168	0.17 64	0.41 184	0.35 91	0.19 50	0.33 140	0.29 138	0.65 181	0.73 256	0.68 244	1.01 358	0.56 207	0.40 221	0.42 80	0.30 163	0.11 22	0.09 22	0.15 121	0.14 170	0.13 79	0.10 28

AFF-stereo	0.38 200	0.19 125	0.39 162	0.37 127	0.21 95	0.27 60	0.31 177	0.65 181	0.66 221	0.64 214	1.13 410	0.76 333	0.39 215	0.55 174	0.33 192	0.11 22	0.09 22	0.16 147	0.16 228	0.13 79	0.11 64

EAI-Stereo	0.34 135	0.19 125	0.44 228	0.39 185	0.21 95	0.31 116	0.30 154	1.15 430	0.30 44	0.49 152	0.75 217	0.36 105	0.28 115	0.62 254	0.27 122	0.14 98	0.11 135	0.14 80	0.13 139	0.13 79	0.12 109

CFNet-RSSM	0.34 135	0.17 64	0.45 240	0.39 185	0.22 114	0.35 159	0.23 60	0.73 256	0.84 325	0.65 223	0.54 150	0.57 212	0.28 115	0.46 114	0.26 104	0.13 59	0.10 51	0.14 80	0.12 105	0.13 79	0.11 64

LG-Stereo_Zeroshot	0.23 39	0.16 40	0.32 66	0.39 185	0.21 95	0.18 4	0.21 36	0.34 25	0.26 27	0.28 45	0.51 135	0.28 55	0.29 129	0.26 2	0.24 58	0.14 98	0.10 51	0.13 51	0.10 50	0.14 123	0.12 109

MM-Stereo_test3	0.34 135	0.19 125	0.31 55	0.41 254	0.25 215	0.35 159	0.44 376	0.72 245	0.92 379	0.46 143	0.52 144	0.41 135	0.29 129	0.44 97	0.28 142	0.16 209	0.15 321	0.17 185	0.13 139	0.14 123	0.13 145

DEFOM-Stereo_RVC	0.25 53	0.31 395	0.24 5	0.51 438	0.19 50	0.29 89	0.22 45	0.40 51	0.37 104	0.26 32	0.24 25	0.24 43	0.31 152	0.44 97	0.22 27	0.14 98	0.09 22	0.12 22	0.09 9	0.14 123	0.10 28

mms	0.26 64	0.21 198	0.33 81	0.37 127	0.25 215	0.30 101	0.33 208	0.40 51	0.32 60	0.28 45	0.34 76	0.34 85	0.20 31	0.45 101	0.26 104	0.12 31	0.11 135	0.16 147	0.12 105	0.14 123	0.11 64

ours_stereo	0.26 64	0.21 198	0.33 81	0.38 157	0.23 154	0.30 101	0.33 208	0.42 61	0.38 109	0.26 32	0.34 76	0.35 94	0.23 58	0.47 121	0.27 122	0.13 59	0.11 135	0.16 147	0.12 105	0.14 123	0.10 28

fffy	0.28 81	0.21 198	0.34 98	0.37 127	0.23 154	0.33 140	0.29 138	0.51 99	0.41 124	0.32 73	0.37 88	0.39 119	0.27 101	0.50 141	0.27 122	0.12 31	0.11 135	0.16 147	0.13 139	0.14 123	0.11 64

tg	0.33 129	0.18 88	0.37 131	0.39 185	0.22 114	0.38 186	0.26 94	0.70 233	0.56 186	0.47 148	0.65 182	0.42 145	0.24 68	0.55 174	0.33 192	0.14 98	0.10 51	0.18 231	0.17 277	0.14 123	0.11 64

PAM_32	0.46 283	0.19 125	0.67 404	0.39 185	0.24 183	0.75 393	0.27 110	0.95 345	0.34 69	0.68 244	0.44 103	1.91 524	0.65 371	0.62 254	0.26 104	0.15 159	0.10 51	0.16 147	0.15 196	0.14 123	0.13 145

PAM	0.46 283	0.19 125	0.70 418	0.40 222	0.26 256	0.75 393	0.33 208	0.85 302	0.34 69	0.70 259	0.46 111	1.83 519	0.63 354	0.61 246	0.26 104	0.15 159	0.10 51	0.16 147	0.14 170	0.14 123	0.13 145

RAStereo	0.24 45	0.17 64	0.29 36	0.40 222	0.21 95	0.23 20	0.26 94	0.42 61	0.45 147	0.23 19	0.34 76	0.30 59	0.19 25	0.34 30	0.25 75	0.15 159	0.12 190	0.16 147	0.13 139	0.14 123	0.11 64

IGEV-BASED-STEREO-	0.56 391	3.08 572	2.43 545	0.31 17	0.18 31	0.29 89	0.20 20	0.37 34	0.32 60	0.28 45	0.24 25	0.18 10	0.18 17	0.31 14	0.22 27	1.09 549	0.08 2	0.17 185	0.16 228	0.14 123	0.97 550

RSM++	0.25 53	0.18 88	0.34 98	0.36 111	0.20 74	0.28 77	0.30 154	0.51 99	0.32 60	0.25 28	0.22 17	0.37 107	0.21 39	0.50 141	0.24 58	0.12 31	0.10 51	0.14 80	0.12 105	0.14 123	0.10 28

RSM	0.25 53	0.18 88	0.33 81	0.36 111	0.20 74	0.27 60	0.34 219	0.51 99	0.27 28	0.26 32	0.23 19	0.39 119	0.21 39	0.56 184	0.22 27	0.12 31	0.10 51	0.14 80	0.11 77	0.14 123	0.10 28

MGS-Stereo	0.28 81	0.19 125	0.40 174	0.36 111	0.23 154	0.37 173	0.30 154	0.39 46	0.44 140	0.31 60	0.51 135	0.40 129	0.24 68	0.43 86	0.26 104	0.15 159	0.12 190	0.15 121	0.13 139	0.14 123	0.13 145

ff7	0.29 92	0.21 198	0.38 143	0.36 111	0.26 256	0.31 116	0.35 243	0.62 159	0.34 69	0.38 106	0.33 67	0.32 69	0.29 129	0.58 217	0.25 75	0.14 98	0.10 51	0.17 185	0.12 105	0.14 123	0.15 212

ffff	0.29 92	0.21 198	0.38 143	0.36 111	0.26 256	0.31 116	0.35 243	0.62 159	0.34 69	0.38 106	0.33 67	0.32 69	0.29 129	0.58 217	0.25 75	0.14 98	0.10 51	0.17 185	0.12 105	0.14 123	0.15 212

11t	0.29 92	0.21 198	0.38 143	0.36 111	0.26 256	0.31 116	0.35 243	0.62 159	0.34 69	0.38 106	0.33 67	0.32 69	0.29 129	0.58 217	0.25 75	0.14 98	0.10 51	0.17 185	0.12 105	0.14 123	0.15 212

MaDis-Stereo	0.26 64	0.18 88	0.36 115	0.36 111	0.26 256	0.27 60	0.27 110	0.43 69	0.35 82	0.27 42	0.26 32	0.41 135	0.28 115	0.40 64	0.28 142	0.16 209	0.14 291	0.16 147	0.13 139	0.14 123	0.12 109

IGEV_Zeroshot_test	0.34 135	0.18 88	0.67 404	0.39 185	0.28 310	0.30 101	0.25 82	0.74 258	0.31 49	0.62 196	0.57 162	0.54 201	0.25 75	0.53 163	0.27 122	0.14 98	0.10 51	0.15 121	0.14 170	0.14 123	0.12 109

UniTT-Stereo	0.27 74	0.17 64	0.37 131	0.40 222	0.27 287	0.30 101	0.28 128	0.39 46	0.31 49	0.29 52	0.46 111	0.27 52	0.25 75	0.47 121	0.34 207	0.17 248	0.13 257	0.13 51	0.12 105	0.14 123	0.12 109

MIM_Stereo	0.38 200	0.17 64	0.53 339	0.37 127	0.24 183	0.27 60	0.24 74	0.70 233	0.54 175	0.72 278	1.00 355	0.63 254	0.29 129	0.64 278	0.38 265	0.13 59	0.14 291	0.17 185	0.16 228	0.14 123	0.11 64

HH	0.35 150	0.20 161	0.47 269	0.40 222	0.25 215	0.33 140	0.31 177	0.76 271	0.38 109	0.43 132	0.57 162	0.79 343	0.44 245	0.71 331	0.25 75	0.15 159	0.11 135	0.15 121	0.14 170	0.14 123	0.12 109

HanStereo	0.35 150	0.20 161	0.47 269	0.40 222	0.25 215	0.33 140	0.31 177	0.76 271	0.38 109	0.43 132	0.57 162	0.79 343	0.44 245	0.71 331	0.25 75	0.15 159	0.11 135	0.15 121	0.14 170	0.14 123	0.12 109

anonymousdsp	0.29 92	0.21 198	0.38 143	0.37 127	0.25 215	0.30 101	0.35 243	0.63 167	0.35 82	0.39 114	0.33 67	0.33 81	0.28 115	0.59 232	0.25 75	0.14 98	0.10 51	0.17 185	0.12 105	0.14 123	0.15 212

DCRE	0.37 185	0.18 88	0.46 257	0.45 356	0.32 390	0.42 218	0.37 279	0.63 167	0.51 165	0.47 148	0.94 321	0.56 207	0.36 196	0.52 154	0.32 180	0.14 98	0.13 257	0.15 121	0.14 170	0.14 123	0.13 145

TestStereo1	0.43 256	0.23 258	0.41 184	0.51 438	0.24 183	0.34 150	0.40 335	0.77 274	0.90 367	0.68 244	0.96 334	0.48 177	0.46 255	0.91 426	0.32 180	0.16 209	0.13 257	0.18 231	0.15 196	0.14 123	0.13 145

ccc-4	0.29 92	0.21 198	0.38 143	0.36 111	0.26 256	0.31 116	0.35 243	0.62 159	0.34 69	0.38 106	0.33 67	0.32 69	0.29 129	0.58 217	0.25 75	0.14 98	0.10 51	0.17 185	0.12 105	0.14 123	0.15 212

SA-5K	0.43 256	0.23 258	0.41 184	0.51 438	0.24 183	0.34 150	0.40 335	0.77 274	0.90 367	0.68 244	0.96 334	0.48 177	0.46 255	0.91 426	0.32 180	0.16 209	0.13 257	0.18 231	0.15 196	0.14 123	0.13 145

IGEV-Stereo	0.29 92	0.21 198	0.38 143	0.37 127	0.25 215	0.30 101	0.35 243	0.63 167	0.35 82	0.39 114	0.33 67	0.33 81	0.28 115	0.59 232	0.25 75	0.14 98	0.10 51	0.17 185	0.12 105	0.14 123	0.15 212
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.45 273	0.21 198	0.48 289	0.42 294	0.28 310	0.31 116	0.54 435	0.63 167	0.62 195	0.62 196	0.89 306	1.01 416	0.69 391	0.75 354	0.66 401	0.13 59	0.12 190	0.17 185	0.15 196	0.14 123	0.15 212

MIPNet	0.37 185	0.21 198	0.59 363	0.39 185	0.25 215	0.50 257	0.28 128	0.77 274	0.70 237	0.65 223	0.60 169	0.40 129	0.49 267	0.44 97	0.37 256	0.14 98	0.11 135	0.16 147	0.13 139	0.14 123	0.13 145

CrosDoStereo	0.50 344	0.18 88	0.45 240	0.38 157	0.24 183	0.40 197	1.18 533	0.67 200	0.86 338	0.94 416	1.37 464	0.63 254	0.77 431	0.65 285	0.45 316	0.15 159	0.12 190	0.17 185	0.18 304	0.14 123	0.14 189

TransformOpticalFlow	0.44 263	0.20 161	0.47 269	0.41 254	0.23 154	0.37 173	0.47 390	0.94 338	0.76 274	0.65 223	1.14 415	0.73 319	0.56 314	0.76 358	0.32 180	0.15 159	0.10 51	0.17 185	0.15 196	0.14 123	0.13 145

ASMatch	0.48 310	0.19 125	0.45 240	0.39 185	0.28 310	0.37 173	0.26 94	0.74 258	0.68 229	0.76 299	2.34 525	0.61 246	0.52 285	0.62 254	0.37 256	0.14 98	0.12 190	0.17 185	0.15 196	0.14 123	0.21 370

DeepStereo_LL	0.50 344	0.18 88	0.45 240	0.38 157	0.24 183	0.40 197	1.18 533	0.67 200	0.86 338	0.94 416	1.37 464	0.63 254	0.77 431	0.65 285	0.45 316	0.15 159	0.12 190	0.17 185	0.18 304	0.14 123	0.14 189

DEmStereo	0.48 310	0.17 64	0.50 314	0.38 157	0.25 215	0.59 321	0.34 219	0.63 167	0.74 263	0.89 389	1.66 499	0.58 220	1.06 493	0.60 238	0.42 286	0.14 98	0.11 135	0.16 147	0.16 228	0.14 123	0.15 212

THIR-Stereo	0.50 344	0.18 88	0.45 240	0.38 157	0.23 154	0.75 393	0.67 470	0.66 190	0.87 347	1.02 449	1.40 470	0.72 308	0.76 424	0.62 254	0.42 286	0.15 159	0.11 135	0.17 185	0.18 304	0.14 123	0.15 212

DRaft	0.49 328	0.17 64	0.47 269	0.37 127	0.25 215	0.58 308	0.40 335	0.65 181	0.85 333	1.02 449	1.75 506	0.50 185	0.82 446	0.63 265	0.40 278	0.13 59	0.11 135	0.16 147	0.16 228	0.14 123	0.15 212

s12784h	0.36 168	0.15 25	0.24 5	0.34 57	0.15 1	0.77 400	0.29 138	0.80 287	0.83 320	0.56 176	0.57 162	0.43 153	0.40 221	0.57 197	0.33 192	0.12 31	0.10 51	0.14 80	0.09 9	0.14 123	0.09 4

raft+_RVC	0.38 200	0.19 125	0.35 108	0.37 127	0.25 215	0.45 237	0.37 279	0.78 280	0.89 364	0.51 158	0.78 238	0.50 185	0.29 129	0.53 163	0.40 278	0.15 159	0.12 190	0.17 185	0.15 196	0.14 123	0.12 109

XX-Stereo	0.37 185	0.17 64	0.45 240	0.55 474	0.36 421	0.38 186	0.20 20	0.60 147	0.30 44	0.46 143	1.30 455	0.73 319	0.26 90	0.56 184	0.26 104	0.16 209	0.11 135	0.17 185	0.16 228	0.14 123	0.10 28

test_xeample3	0.29 92	0.21 198	0.41 184	0.35 91	0.26 256	0.35 159	0.32 198	0.56 121	0.36 90	0.43 132	0.32 66	0.34 85	0.28 115	0.54 169	0.23 47	0.14 98	0.11 135	0.16 147	0.12 105	0.14 123	0.13 145

ARAFT	0.47 298	0.24 295	0.79 452	0.42 294	0.25 215	0.55 284	0.55 439	0.75 264	0.81 310	0.89 389	0.75 217	0.73 319	0.47 259	0.88 411	0.37 256	0.15 159	0.12 190	0.23 380	0.22 399	0.14 123	0.13 145

R-Stereo Train	0.39 216	0.18 88	0.42 205	0.42 294	0.26 256	0.40 197	0.32 198	0.72 245	0.34 69	0.89 389	1.28 448	0.57 212	0.35 178	0.42 80	0.32 180	0.15 159	0.12 190	0.14 80	0.12 105	0.14 123	0.13 145

RAFT-Stereo	0.39 216	0.18 88	0.42 205	0.42 294	0.26 256	0.40 197	0.32 198	0.72 245	0.34 69	0.89 389	1.28 448	0.57 212	0.35 178	0.42 80	0.32 180	0.15 159	0.12 190	0.14 80	0.12 105	0.14 123	0.13 145
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MLCV	0.47 298	0.24 295	0.61 370	0.37 127	0.17 17	0.61 329	0.33 208	0.80 287	0.87 347	0.94 416	1.13 410	0.72 308	0.43 235	0.89 417	0.51 350	0.13 59	0.10 51	0.13 51	0.11 77	0.14 123	0.12 109

S2M2_XL	0.19 7	0.18 88	0.27 20	0.27 1	0.20 74	0.15 2	0.16 2	0.22 2	0.15 4	0.21 11	0.26 32	0.17 4	0.17 10	0.24 1	0.21 15	0.17 248	0.16 353	0.15 121	0.13 139	0.15 169	0.12 109

G2L-Stereo_test	0.48 310	0.20 161	0.40 174	0.34 57	0.23 154	0.57 302	0.58 449	1.10 403	0.77 281	0.86 367	0.94 321	0.95 400	0.54 301	0.68 314	0.60 383	0.16 209	0.12 190	0.14 80	0.12 105	0.15 169	0.15 212

MM-Stereo_test2	0.30 107	0.18 88	0.39 162	0.40 222	0.24 183	0.42 218	0.42 360	0.63 167	0.41 124	0.37 97	0.35 81	0.32 69	0.26 90	0.53 163	0.25 75	0.12 31	0.10 51	0.15 121	0.12 105	0.15 169	0.10 28

MM-Stereo_test1	0.33 129	0.19 125	0.36 115	0.41 254	0.23 154	0.36 168	0.45 379	0.58 132	0.54 175	0.60 187	0.50 126	0.38 115	0.37 200	0.60 238	0.26 104	0.15 159	0.13 257	0.17 185	0.14 170	0.15 169	0.12 109

HART	0.29 92	0.16 40	0.32 66	0.40 222	0.21 95	0.32 133	0.26 94	0.62 159	0.31 49	0.33 78	0.65 182	0.41 135	0.22 46	0.55 174	0.25 75	0.12 31	0.10 51	0.15 121	0.11 77	0.15 169	0.11 64

SCV	0.26 64	0.19 125	0.33 81	0.35 91	0.21 95	0.27 60	0.34 219	0.56 121	0.28 32	0.24 23	0.28 47	0.37 107	0.23 58	0.49 135	0.22 27	0.18 281	0.10 51	0.14 80	0.11 77	0.15 169	0.11 64

AIO-test2	0.39 216	0.21 198	0.41 184	0.47 386	0.25 215	0.45 237	0.35 243	0.77 274	1.27 493	0.36 90	0.87 294	0.37 107	0.30 145	0.47 121	0.27 122	0.15 159	0.13 257	0.21 343	0.23 415	0.15 169	0.13 145

UGAM	0.52 360	0.22 237	0.46 257	0.45 356	0.25 215	0.41 211	0.52 427	0.62 159	1.16 468	0.76 299	1.13 410	1.32 480	0.57 316	1.00 448	0.53 360	0.17 248	0.14 291	0.25 410	0.21 381	0.15 169	0.13 145

IGEV-Stereo+	0.23 39	0.14 11	0.26 14	0.32 34	0.19 50	0.12 1	0.17 3	0.29 8	0.29 39	0.21 11	0.15 3	0.22 30	0.22 46	0.40 64	0.22 27	0.14 98	0.10 51	0.12 22	0.09 9	0.15 169	0.86 541

tta	0.51 351	0.23 258	0.62 373	0.34 57	0.20 74	0.62 337	0.34 219	1.21 454	1.02 424	0.81 328	1.01 358	0.71 299	0.65 371	0.84 394	0.55 370	0.19 311	0.15 321	0.18 231	0.16 228	0.15 169	0.14 189

qqq1	0.49 328	0.23 258	0.62 373	0.34 57	0.20 74	0.62 337	0.34 219	1.21 454	1.02 424	0.81 328	1.01 358	0.71 299	0.65 371	0.84 394	0.34 207	0.19 311	0.15 321	0.14 80	0.12 105	0.15 169	0.14 189

fff1	0.49 328	0.23 258	0.62 373	0.34 57	0.20 74	0.62 337	0.34 219	1.21 454	1.02 424	0.81 328	1.01 358	0.71 299	0.65 371	0.84 394	0.34 207	0.19 311	0.15 321	0.14 80	0.12 105	0.15 169	0.14 189

AE-Stereo	0.34 135	0.21 198	0.42 205	0.48 393	0.31 374	0.48 250	0.35 243	0.61 153	0.62 195	0.32 73	0.55 156	0.52 193	0.27 101	0.47 121	0.29 157	0.13 59	0.13 257	0.18 231	0.16 228	0.15 169	0.12 109

DisPM	0.39 216	0.19 125	0.44 228	0.41 254	0.27 287	0.24 29	0.31 177	0.65 181	0.57 188	0.87 375	0.87 294	0.60 241	0.32 157	0.76 358	0.32 180	0.18 281	0.12 190	0.19 271	0.17 277	0.15 169	0.20 352

raft_robust	0.41 239	0.23 258	0.36 115	0.42 294	0.21 95	0.40 197	0.33 208	0.79 284	0.98 406	0.79 313	0.87 294	0.39 119	0.33 167	0.84 394	0.29 157	0.13 59	0.12 190	0.16 147	0.17 277	0.15 169	0.12 109

RAFT_CTSACE	0.45 273	0.20 161	0.44 228	0.45 356	0.27 287	0.34 150	0.39 324	0.60 147	0.73 256	0.76 299	1.44 480	0.83 356	0.38 204	1.08 465	0.26 104	0.12 31	0.13 257	0.18 231	0.16 228	0.15 169	0.11 64

RAFT+CT+SA	0.39 216	0.23 258	0.36 115	0.51 438	0.27 287	0.29 89	0.46 383	0.75 264	0.80 302	0.51 158	0.89 306	0.41 135	0.40 221	0.78 369	0.32 180	0.14 98	0.11 135	0.18 231	0.18 304	0.15 169	0.14 189

Sa-1000	0.48 310	0.24 295	0.41 184	0.45 356	0.25 215	0.59 321	0.34 219	0.81 291	0.93 385	0.82 337	1.50 487	0.53 197	0.45 250	0.92 429	0.30 163	0.15 159	0.12 190	0.21 343	0.19 334	0.15 169	0.13 145

SA	0.44 263	0.25 319	0.46 257	0.46 377	0.24 183	0.43 221	0.36 265	0.75 264	0.96 399	0.59 183	1.03 370	0.48 177	0.52 285	0.94 442	0.32 180	0.16 209	0.12 190	0.21 343	0.19 334	0.15 169	0.13 145

test_4	0.36 168	0.18 88	0.31 55	0.44 333	0.25 215	0.20 6	0.34 219	0.56 121	0.41 124	0.59 183	1.45 483	0.43 153	0.25 75	0.63 265	0.28 142	0.12 31	0.10 51	0.17 185	0.19 334	0.15 169	0.11 64

iRaft-Stereo_20w	0.39 216	0.19 125	0.57 358	0.37 127	0.27 287	0.31 116	0.24 74	1.44 512	0.29 39	0.69 253	0.53 148	0.60 241	0.42 229	0.83 389	0.27 122	0.14 98	0.11 135	0.14 80	0.13 139	0.15 169	0.13 145

IPLGR	0.39 216	0.21 198	0.63 383	0.39 185	0.22 114	0.49 254	0.29 138	0.76 271	0.74 263	0.78 309	0.77 227	0.44 159	0.42 229	0.47 121	0.38 265	0.13 59	0.12 190	0.16 147	0.14 170	0.15 169	0.13 145

GMOStereo	0.37 185	0.19 125	0.38 143	0.43 314	0.24 183	0.37 173	0.38 301	0.52 108	0.62 195	0.87 375	0.84 273	0.64 261	0.35 178	0.37 47	0.28 142	0.13 59	0.11 135	0.20 301	0.18 304	0.15 169	0.11 64

error version	0.37 185	0.19 125	0.38 143	0.43 314	0.24 183	0.37 173	0.38 301	0.52 108	0.62 195	0.87 375	0.84 273	0.64 261	0.35 178	0.37 47	0.28 142	0.13 59	0.11 135	0.20 301	0.18 304	0.15 169	0.11 64

test-v	0.37 185	0.19 125	0.38 143	0.43 314	0.24 183	0.37 173	0.38 301	0.52 108	0.62 195	0.87 375	0.84 273	0.64 261	0.35 178	0.37 47	0.28 142	0.13 59	0.11 135	0.20 301	0.18 304	0.15 169	0.11 64

test_3	0.36 168	0.19 125	0.44 228	0.44 333	0.23 154	0.48 250	0.36 265	0.66 190	0.82 315	0.64 214	0.45 106	0.68 287	0.25 75	0.41 72	0.31 170	0.12 31	0.10 51	0.18 231	0.16 228	0.15 169	0.11 64

HHNet	0.41 239	0.17 64	0.41 184	0.34 57	0.37 428	0.33 140	0.34 219	0.69 218	0.75 266	0.86 367	1.30 455	0.52 193	0.32 157	0.52 154	0.35 224	0.15 159	0.11 135	0.19 271	0.15 196	0.15 169	0.24 403

OMP-Stereo	0.42 246	0.22 237	0.46 257	0.52 450	0.24 183	0.36 168	0.25 82	0.71 241	0.78 291	0.77 305	0.64 179	0.89 382	0.39 215	0.91 426	0.35 224	0.15 159	0.12 190	0.20 301	0.15 196	0.15 169	0.12 109

IIG-Stereo	0.43 256	0.21 198	0.44 228	0.50 422	0.25 215	0.44 229	0.21 36	0.71 241	0.76 274	0.83 349	0.95 330	0.83 356	0.43 235	0.90 419	0.35 224	0.15 159	0.12 190	0.19 271	0.14 170	0.15 169	0.11 64

FTStereo	0.56 391	0.20 161	0.37 131	0.41 254	0.25 215	0.40 197	0.79 502	0.66 190	0.43 134	1.09 473	3.27 546	0.70 295	0.73 415	0.55 174	0.33 192	0.14 98	0.13 257	0.19 271	0.17 277	0.15 169	0.30 449

GrayStereo	0.49 328	0.19 125	0.42 205	0.46 377	0.28 310	0.53 273	0.67 470	0.69 218	0.63 206	1.02 449	1.47 486	0.78 341	0.76 424	0.56 184	0.33 192	0.14 98	0.12 190	0.17 185	0.17 277	0.15 169	0.29 440

test-2	0.37 185	0.19 125	0.38 143	0.43 314	0.24 183	0.37 173	0.38 301	0.52 108	0.62 195	0.87 375	0.84 273	0.64 261	0.35 178	0.37 47	0.28 142	0.13 59	0.11 135	0.20 301	0.18 304	0.15 169	0.11 64

cross-raft	0.34 135	0.20 161	0.37 131	0.44 333	0.23 154	0.32 133	0.35 243	0.74 258	0.40 120	0.60 187	0.77 227	0.57 212	0.27 101	0.43 86	0.28 142	0.12 31	0.10 51	0.15 121	0.13 139	0.15 169	0.11 64

test-1	0.36 168	0.19 125	0.71 423	0.46 377	0.26 256	0.44 229	0.36 265	0.60 147	0.59 191	0.48 151	0.67 193	0.53 197	0.36 196	0.40 64	0.29 157	0.14 98	0.11 135	0.16 147	0.14 170	0.15 169	0.16 258

iRaftStereo_RVC	0.32 119	0.19 125	0.37 131	0.39 185	0.22 114	0.31 116	0.29 138	0.68 210	0.51 165	0.49 152	0.66 189	0.37 107	0.23 58	0.45 101	0.33 192	0.14 98	0.10 51	0.18 231	0.17 277	0.15 169	0.12 109

cf-r	0.47 298	0.23 258	0.41 184	0.39 185	0.23 154	0.59 321	0.37 279	0.88 318	0.85 333	0.72 278	1.05 380	0.94 398	0.62 348	0.56 184	0.54 365	0.21 351	0.14 291	0.17 185	0.19 334	0.15 169	0.15 212

DIP-Stereo	0.39 216	0.21 198	0.50 314	0.41 254	0.28 310	0.62 337	0.27 110	0.77 274	0.40 120	0.64 214	0.86 286	0.52 193	0.33 167	0.66 293	0.42 286	0.15 159	0.13 257	0.17 185	0.14 170	0.15 169	0.15 212
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RASNet	0.53 366	0.22 237	0.52 331	0.38 157	0.22 114	0.68 369	0.38 301	0.97 352	0.88 351	0.73 285	1.04 376	1.03 423	0.92 471	0.90 419	0.86 444	0.16 209	0.14 291	0.14 80	0.17 277	0.15 169	0.13 145

iResNet_ROB	0.52 360	0.21 198	0.53 339	0.37 127	0.21 95	0.61 329	0.29 138	1.51 521	1.32 499	0.90 396	1.02 366	0.80 351	0.62 348	0.76 358	0.43 291	0.16 209	0.12 190	0.13 51	0.09 9	0.15 169	0.18 296

pmcnn	1.23 518	0.29 381	0.96 473	0.40 222	0.23 154	0.95 446	0.69 480	1.16 437	1.28 495	1.67 523	2.33 524	11.15 574	0.86 456	0.93 435	0.88 453	0.15 159	0.12 190	0.12 22	0.10 50	0.15 169	0.15 212

FlowAnything_test	0.29 92	0.19 125	0.39 162	0.47 386	0.26 256	0.46 242	0.25 82	0.43 69	0.31 49	0.29 52	0.26 32	0.35 94	0.26 90	0.40 64	0.37 256	0.21 351	0.15 321	0.22 358	0.26 454	0.16 209	0.16 258

SCV_C0	0.26 64	0.18 88	0.34 98	0.35 91	0.24 183	0.23 20	0.28 128	0.51 99	0.36 90	0.31 60	0.36 84	0.37 107	0.20 31	0.57 197	0.22 27	0.13 59	0.10 51	0.13 51	0.11 77	0.16 209	0.12 109

StereoAnything_RVC	0.21 13	0.68 513	0.39 162	0.28 3	0.15 1	0.23 20	0.18 10	0.20 1	0.19 8	0.16 2	0.16 8	0.15 1	0.22 46	0.30 12	0.18 1	0.16 209	0.09 22	0.12 22	0.08 1	0.16 209	0.09 4

H2IRNET	0.37 185	0.20 161	0.33 81	0.38 157	0.25 215	0.27 60	0.23 60	0.59 137	0.72 249	0.39 114	0.90 310	0.74 325	0.55 307	0.52 154	0.43 291	0.15 159	0.13 257	0.18 231	0.20 359	0.16 209	0.13 145

DispNO	0.47 298	0.23 258	0.71 423	0.39 185	0.31 374	0.60 327	0.38 301	0.89 320	0.77 281	0.75 292	0.84 273	0.72 308	0.54 301	0.73 341	0.46 326	0.19 311	0.14 291	0.20 301	0.18 304	0.16 209	0.17 278

CoDeX	0.47 298	0.20 161	0.49 301	0.42 294	0.25 215	0.75 393	0.36 265	1.27 482	0.80 302	0.82 337	0.96 334	0.62 252	0.57 316	0.60 238	0.36 240	0.17 248	0.12 190	0.17 185	0.15 196	0.16 209	0.14 189

cc1	0.37 185	0.23 258	0.33 81	0.41 254	0.22 114	0.55 284	0.38 301	0.67 200	1.06 446	0.41 124	0.50 126	0.34 85	0.49 267	0.57 197	0.25 75	0.16 209	0.10 51	0.19 271	0.13 139	0.16 209	0.15 212

ffm	0.44 263	0.26 338	0.49 301	0.37 127	0.25 215	0.55 284	0.37 279	0.68 210	1.04 435	0.73 285	0.96 334	0.71 299	0.53 289	0.57 197	0.25 75	0.16 209	0.10 51	0.25 410	0.21 381	0.16 209	0.16 258

ff1	0.49 328	0.26 338	0.49 301	0.37 127	0.25 215	0.55 284	0.37 279	0.68 210	1.04 435	0.73 285	0.96 334	0.71 299	0.53 289	1.01 449	0.88 453	0.16 209	0.10 51	0.25 410	0.21 381	0.16 209	0.16 258

tt1	0.36 168	0.24 295	0.32 66	0.41 254	0.22 114	0.54 279	0.38 301	0.68 210	1.04 435	0.41 124	0.46 111	0.35 94	0.45 250	0.57 197	0.25 75	0.16 209	0.10 51	0.19 271	0.13 139	0.16 209	0.16 258

EKT-Stereo	0.35 150	0.23 258	0.39 162	0.43 314	0.29 336	0.38 186	0.31 177	0.69 218	0.64 213	0.45 137	0.63 176	0.49 183	0.27 101	0.56 184	0.33 192	0.18 281	0.14 291	0.18 231	0.15 196	0.16 209	0.16 258

LL-Strereo	0.57 398	0.27 355	0.68 408	0.48 393	0.34 410	0.39 193	0.48 398	0.94 338	0.97 402	0.83 349	0.78 238	1.10 445	1.18 505	1.33 498	0.49 339	0.17 248	0.14 291	0.22 358	0.19 334	0.16 209	0.17 278

4D-IteraStereo	0.33 129	0.18 88	0.40 174	0.40 222	0.24 183	0.32 133	0.27 110	0.58 132	0.72 249	0.65 223	0.54 150	0.42 145	0.23 58	0.45 101	0.28 142	0.14 98	0.09 22	0.19 271	0.16 228	0.16 209	0.11 64

anonymousdsp2	0.35 150	0.20 161	0.43 216	0.37 127	0.24 183	0.48 250	0.31 177	0.86 306	0.65 218	0.55 173	0.50 126	0.50 185	0.34 175	0.56 184	0.31 170	0.14 98	0.10 51	0.14 80	0.10 50	0.16 209	0.14 189

anonymousa	0.49 328	0.20 161	0.42 205	0.38 157	0.23 154	0.91 438	0.35 243	0.75 264	0.62 195	0.85 360	1.54 492	1.06 431	0.66 378	0.51 148	0.43 291	0.16 209	0.13 257	0.19 271	0.21 381	0.16 209	0.14 189

Selective-RAFT	0.35 150	0.23 258	0.51 326	0.44 333	0.21 95	0.64 353	0.27 110	0.59 137	0.63 206	0.40 120	0.38 90	0.55 204	0.40 221	0.57 197	0.35 224	0.13 59	0.11 135	0.14 80	0.12 105	0.16 209	0.13 145

CroCo-Stereo Lap2	0.28 81	0.24 295	0.39 162	0.50 422	0.29 336	0.20 6	0.31 177	0.49 89	0.38 109	0.24 23	0.27 37	0.46 169	0.31 152	0.39 59	0.30 163	0.14 98	0.15 321	0.16 147	0.13 139	0.16 209	0.15 212

GLC_STEREO	0.29 92	0.19 125	0.27 20	0.44 333	0.19 50	0.31 116	0.26 94	0.47 84	0.43 134	0.37 97	0.47 117	0.41 135	0.23 58	0.50 141	0.34 207	0.14 98	0.18 390	0.19 271	0.16 228	0.16 209	0.13 145

PFNet+	0.40 228	0.19 125	0.49 301	0.39 185	0.25 215	0.28 77	0.23 60	0.64 180	0.70 237	0.85 360	0.79 248	0.64 261	0.35 178	0.72 336	0.34 207	0.19 311	0.14 291	0.23 380	0.20 359	0.16 209	0.20 352

NF-Stereo	0.38 200	0.20 161	0.45 240	0.41 254	0.25 215	0.26 47	0.31 177	0.69 218	0.70 237	0.65 223	0.77 227	0.57 212	0.30 145	0.67 304	0.35 224	0.18 281	0.12 190	0.20 301	0.16 228	0.16 209	0.27 426

OCTAStereo	0.38 200	0.20 161	0.46 257	0.41 254	0.25 215	0.26 47	0.31 177	0.69 218	0.70 237	0.65 223	0.77 227	0.58 220	0.30 145	0.67 304	0.35 224	0.18 281	0.12 190	0.20 301	0.16 228	0.16 209	0.27 426

PSM-softLoss	0.38 200	0.20 161	0.48 289	0.41 254	0.26 256	0.30 101	0.35 243	0.69 218	0.46 151	0.62 196	0.82 262	0.59 235	0.33 167	0.70 326	0.39 271	0.19 311	0.12 190	0.20 301	0.18 304	0.16 209	0.22 388

KMStereo	0.38 200	0.20 161	0.48 289	0.41 254	0.26 256	0.30 101	0.35 243	0.69 218	0.46 151	0.62 196	0.82 262	0.59 235	0.33 167	0.70 326	0.39 271	0.19 311	0.12 190	0.20 301	0.18 304	0.16 209	0.22 388

KYRaft	0.48 310	0.20 161	0.38 143	0.44 333	0.23 154	0.44 229	0.37 279	0.66 190	0.41 124	0.94 416	1.73 503	0.79 343	0.41 227	0.63 265	0.31 170	0.16 209	0.11 135	0.18 231	0.22 399	0.16 209	0.78 536

PFNet	0.42 246	0.18 88	0.58 362	0.43 314	0.24 183	0.43 221	0.32 198	0.74 258	0.78 291	1.00 441	0.74 215	0.68 287	0.39 215	0.72 336	0.37 256	0.16 209	0.10 51	0.20 301	0.15 196	0.16 209	0.13 145

RE-Stereo	0.38 200	0.20 161	0.46 257	0.41 254	0.25 215	0.26 47	0.31 177	0.69 218	0.70 237	0.65 223	0.77 227	0.58 220	0.30 145	0.67 304	0.35 224	0.18 281	0.12 190	0.20 301	0.16 228	0.16 209	0.27 426

TVStereo	0.38 200	0.20 161	0.46 257	0.41 254	0.25 215	0.26 47	0.31 177	0.69 218	0.70 237	0.65 223	0.77 227	0.58 220	0.30 145	0.67 304	0.35 224	0.18 281	0.12 190	0.20 301	0.16 228	0.16 209	0.27 426

IRAFT_RVC	0.42 246	0.20 161	0.48 289	0.44 333	0.24 183	0.27 60	0.54 435	0.74 258	0.77 281	0.76 299	0.80 251	0.73 319	0.51 283	0.70 326	0.36 240	0.17 248	0.10 51	0.21 343	0.16 228	0.16 209	0.14 189

CroCo-Stereo	0.26 64	0.22 237	0.36 115	0.48 393	0.22 114	0.20 6	0.29 138	0.51 99	0.44 140	0.28 45	0.23 19	0.42 145	0.26 90	0.29 7	0.26 104	0.15 159	0.13 257	0.13 51	0.11 77	0.16 209	0.12 109
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
RAFT	0.45 273	0.22 237	0.45 240	0.47 386	0.26 256	0.54 279	0.47 390	0.66 190	0.58 190	0.80 315	0.82 262	0.94 398	0.57 316	0.75 354	0.34 207	0.17 248	0.15 321	0.22 358	0.20 359	0.16 209	0.12 109

GMM-Stereo	0.44 263	0.19 125	0.36 115	0.42 294	0.25 215	0.51 261	0.47 390	0.71 241	0.53 171	0.76 299	1.37 464	0.76 333	0.38 204	0.60 238	0.33 192	0.15 159	0.10 51	0.20 301	0.19 334	0.16 209	0.27 426

Prome-Stereo	0.46 283	0.19 125	0.35 108	0.44 333	0.26 256	0.40 197	0.45 379	0.68 210	0.44 140	0.96 424	1.84 510	0.59 235	0.67 381	0.61 246	0.32 180	0.14 98	0.11 135	0.16 147	0.14 170	0.16 209	0.29 440

SFCPSM	0.47 298	0.21 198	0.55 348	0.40 222	0.27 287	0.87 434	0.37 279	1.33 492	0.77 281	0.80 315	0.84 273	0.54 201	0.49 267	0.57 197	0.37 256	0.18 281	0.13 257	0.18 231	0.20 359	0.16 209	0.15 212

delet	0.55 380	0.24 295	0.55 348	0.44 333	0.33 401	1.07 470	0.50 409	1.00 361	0.86 338	0.85 360	0.96 334	0.90 387	0.63 354	0.83 389	0.74 422	0.18 281	0.18 390	0.20 301	0.21 381	0.16 209	0.15 212

GwcNet-RSSM	0.49 328	0.24 295	0.42 205	0.40 222	0.23 154	0.55 284	0.38 301	0.93 333	0.93 385	0.71 266	1.16 426	0.86 367	0.60 336	0.62 254	0.66 401	0.21 351	0.14 291	0.19 271	0.20 359	0.16 209	0.15 212

G2L-ROB	0.47 298	0.19 125	0.42 205	0.35 91	0.22 114	0.57 302	0.42 360	1.14 426	0.71 248	0.84 356	0.75 217	1.09 441	0.53 289	0.74 348	0.53 360	0.17 248	0.12 190	0.14 80	0.12 105	0.17 244	0.19 329

G2L-Stereo	0.49 328	0.23 258	0.48 289	0.43 314	0.26 256	0.47 247	0.42 360	0.93 333	0.78 291	0.84 356	0.86 286	0.91 389	0.52 285	0.78 369	0.70 411	0.20 334	0.17 373	0.22 358	0.18 304	0.17 244	0.21 370

HI	0.45 273	0.21 198	0.36 115	0.34 57	0.35 417	0.28 77	0.31 177	0.72 245	0.46 151	0.87 375	1.13 410	1.09 441	0.76 424	0.69 320	0.56 372	0.12 31	0.10 51	0.17 185	0.17 277	0.17 244	0.15 212

CoSv	0.45 273	0.21 198	0.36 115	0.34 57	0.35 417	0.28 77	0.31 177	0.72 245	0.46 151	0.87 375	1.13 410	1.09 441	0.76 424	0.69 320	0.56 372	0.12 31	0.10 51	0.17 185	0.17 277	0.17 244	0.15 212

IGEV-RUCA	0.25 53	0.16 40	0.34 98	0.39 185	0.27 287	0.33 140	0.20 20	0.38 42	0.36 90	0.26 32	0.31 64	0.25 47	0.21 39	0.48 131	0.24 58	0.20 334	0.11 135	0.13 51	0.10 50	0.17 244	0.15 212

test_sample1	0.42 246	0.22 237	0.46 257	0.34 57	0.23 154	0.58 308	0.35 243	0.99 357	0.49 159	0.62 196	0.75 217	0.69 291	0.61 342	0.58 217	0.44 307	0.18 281	0.14 291	0.17 185	0.15 196	0.17 244	0.17 278

MyStereo07	0.32 119	0.22 237	0.34 98	0.42 294	0.28 310	0.40 197	0.50 409	0.72 245	0.37 104	0.37 97	0.34 76	0.32 69	0.31 152	0.59 232	0.27 122	0.14 98	0.13 257	0.18 231	0.17 277	0.17 244	0.16 258

MyStereo06	0.38 200	0.21 198	0.61 370	0.41 254	0.28 310	0.41 211	0.50 409	0.95 345	0.35 82	0.62 196	0.54 150	0.76 333	0.27 101	0.50 141	0.29 157	0.14 98	0.13 257	0.18 231	0.17 277	0.17 244	0.15 212

MyStereo05	0.44 263	0.21 198	0.45 240	0.41 254	0.28 310	0.41 211	0.50 409	0.93 333	1.09 457	0.76 299	0.61 172	0.51 189	0.57 316	0.73 341	0.42 286	0.14 98	0.13 257	0.18 231	0.17 277	0.17 244	0.15 212

MyStereo04	0.44 263	0.22 237	0.44 228	0.42 294	0.28 310	0.40 197	0.50 409	1.00 361	1.08 455	0.62 196	0.58 166	0.55 204	0.57 316	0.71 331	0.44 307	0.14 98	0.13 257	0.18 231	0.17 277	0.17 244	0.16 258

11t1	0.36 168	0.21 198	0.42 205	0.35 91	0.22 114	0.62 337	0.29 138	0.69 218	0.43 134	0.60 187	0.53 148	0.53 197	0.48 264	0.56 184	0.40 278	0.18 281	0.14 291	0.16 147	0.13 139	0.17 244	0.17 278

plain	0.31 113	0.20 161	0.50 314	0.39 185	0.29 336	0.27 60	0.30 154	0.44 75	0.35 82	0.31 60	0.66 189	0.30 59	0.31 152	0.65 285	0.31 170	0.17 248	0.13 257	0.20 301	0.15 196	0.17 244	0.12 109

CBFPSM	0.59 412	0.22 237	1.31 511	0.38 157	0.27 287	1.12 481	0.65 466	0.79 284	0.82 315	0.80 315	0.81 258	1.35 489	0.87 459	0.67 304	0.76 424	0.16 209	0.15 321	0.15 121	0.16 228	0.17 244	0.22 388

knoymous	0.36 168	0.20 161	0.31 55	0.31 17	0.22 114	0.36 168	0.29 138	0.61 153	0.64 213	0.67 238	0.70 199	0.60 241	0.40 221	0.58 217	0.34 207	0.17 248	0.11 135	0.20 301	0.11 77	0.17 244	0.18 296

x	0.39 216	0.24 295	0.41 184	0.34 57	0.23 154	0.52 265	0.32 198	0.86 306	0.52 168	0.57 179	0.70 199	0.59 235	0.50 278	0.49 135	0.46 326	0.17 248	0.15 321	0.17 185	0.15 196	0.17 244	0.16 258

IER	0.46 283	0.23 258	0.50 314	0.38 157	0.28 310	0.69 371	0.35 243	0.80 287	0.66 221	0.83 349	0.94 321	0.75 327	0.77 431	0.60 238	0.42 286	0.17 248	0.14 291	0.17 185	0.17 277	0.17 244	0.15 212

NRIStereo	0.36 168	0.20 161	0.45 240	0.41 254	0.23 154	0.34 150	0.26 94	0.65 181	0.55 180	0.64 214	0.63 176	0.56 207	0.37 200	0.65 285	0.37 256	0.15 159	0.11 135	0.18 231	0.15 196	0.17 244	0.14 189

Pruner-Stereo	0.38 200	0.20 161	0.45 240	0.40 222	0.25 215	0.22 15	0.24 74	0.67 200	0.55 180	0.89 389	0.76 223	0.68 287	0.29 129	0.62 254	0.35 224	0.18 281	0.12 190	0.20 301	0.17 277	0.17 244	0.18 296

rafts_anoy	0.37 185	0.21 198	0.36 115	0.41 254	0.26 256	0.30 101	0.33 208	0.67 200	0.90 367	0.58 181	0.66 189	0.45 161	0.33 167	0.47 121	0.39 271	0.16 209	0.11 135	0.21 343	0.23 415	0.17 244	0.14 189

RALCasStereoNet	0.36 168	0.21 198	0.37 131	0.42 294	0.26 256	0.35 159	0.38 301	0.63 167	0.64 213	0.50 155	0.72 202	0.51 189	0.29 129	0.59 232	0.36 240	0.16 209	0.14 291	0.15 121	0.13 139	0.17 244	0.16 258

acv_ft	0.51 351	0.23 258	0.56 354	0.44 333	0.28 310	0.86 433	0.39 324	0.91 329	0.80 302	0.97 429	0.96 334	0.79 343	0.59 332	0.63 265	0.87 450	0.17 248	0.15 321	0.16 147	0.15 196	0.17 244	0.15 212

HSM-Net_RVC	0.53 366	0.22 237	0.35 108	0.37 127	0.21 95	0.85 430	0.37 279	1.23 467	0.93 385	0.90 396	1.15 421	1.26 467	0.63 354	0.72 336	0.48 337	0.17 248	0.13 257	0.16 147	0.15 196	0.17 244	0.15 212
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HSM	0.51 351	0.24 295	0.41 184	0.39 185	0.24 183	0.75 393	0.40 335	1.22 462	0.75 266	0.81 328	0.91 313	1.21 462	0.69 391	0.87 408	0.46 326	0.17 248	0.13 257	0.17 185	0.14 170	0.17 244	0.17 278

iResNet	0.49 328	0.29 381	0.79 452	0.42 294	0.21 95	0.61 329	0.40 335	0.82 293	0.99 411	0.87 375	1.12 403	0.69 291	0.53 289	0.78 369	0.51 350	0.15 159	0.11 135	0.14 80	0.12 105	0.17 244	0.15 212

Former-RAFT_DAM_RVC	0.34 135	0.27 355	0.45 240	0.36 111	0.25 215	0.48 250	0.30 154	0.58 132	0.90 367	0.42 129	0.36 84	0.30 59	0.29 129	0.49 135	0.30 163	0.16 209	0.14 291	0.18 231	0.15 196	0.18 268	0.15 212

SMFormer	0.51 351	0.23 258	0.62 373	0.34 57	0.20 74	0.62 337	0.34 219	1.21 454	1.02 424	0.81 328	1.01 358	0.71 299	0.65 371	0.84 394	0.55 370	0.19 311	0.15 321	0.18 231	0.16 228	0.18 268	0.18 296

ACVNet-DCA	0.35 150	0.23 258	0.33 81	0.41 254	0.22 114	0.55 284	0.38 301	0.85 302	0.54 175	0.41 124	0.50 126	0.34 85	0.49 267	0.57 197	0.25 75	0.16 209	0.10 51	0.19 271	0.13 139	0.18 268	0.17 278

xx1	0.39 216	0.23 258	0.33 81	0.41 254	0.22 114	0.55 284	0.38 301	0.67 200	1.06 446	0.41 124	0.50 126	0.65 274	0.53 289	0.57 197	0.25 75	0.16 209	0.10 51	0.20 301	0.19 334	0.18 268	0.17 278

1test111	0.36 168	0.23 258	0.33 81	0.41 254	0.22 114	0.55 284	0.38 301	0.85 302	0.54 175	0.41 124	0.50 126	0.34 85	0.49 267	0.55 174	0.45 316	0.16 209	0.10 51	0.19 271	0.13 139	0.18 268	0.17 278

MIF-Stereo (partial)	0.31 113	0.18 88	0.37 131	0.41 254	0.31 374	0.28 77	0.23 60	0.47 84	0.42 132	0.31 60	0.63 176	0.36 105	0.35 178	0.57 197	0.31 170	0.17 248	0.13 257	0.19 271	0.17 277	0.18 268	0.14 189

CASnet	0.30 107	0.20 161	0.33 81	0.41 254	0.16 7	0.26 47	0.24 74	0.52 108	0.53 171	0.52 164	0.54 150	0.39 119	0.24 68	0.40 64	0.26 104	0.14 98	0.10 51	0.22 358	0.18 304	0.18 268	0.11 64
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo2	0.35 150	0.24 295	0.48 289	0.41 254	0.26 256	0.35 159	0.24 74	0.67 200	0.44 140	0.54 171	0.51 135	0.66 279	0.25 75	0.66 293	0.30 163	0.14 98	0.12 190	0.23 380	0.20 359	0.18 268	0.13 145

gwcnet-sp	0.48 310	0.23 258	0.70 418	0.40 222	0.26 256	0.81 415	0.41 350	0.89 320	0.84 325	0.91 401	0.76 223	0.66 279	0.61 342	0.66 293	0.50 340	0.18 281	0.17 373	0.18 231	0.18 304	0.18 268	0.18 296

scenet	0.48 310	0.23 258	0.70 418	0.40 222	0.26 256	0.81 415	0.41 350	0.89 320	0.84 325	0.91 401	0.76 223	0.66 279	0.61 342	0.66 293	0.50 340	0.18 281	0.17 373	0.18 231	0.18 304	0.18 268	0.18 296

ssnet	0.48 310	0.23 258	0.70 418	0.40 222	0.26 256	0.81 415	0.41 350	0.89 320	0.84 325	0.91 401	0.76 223	0.66 279	0.61 342	0.66 293	0.50 340	0.18 281	0.17 373	0.18 231	0.18 304	0.18 268	0.18 296

qqq	0.40 228	0.26 338	0.44 228	0.36 111	0.22 114	0.46 242	0.36 265	0.85 302	0.54 175	0.56 176	0.69 196	0.65 274	0.53 289	0.55 174	0.45 316	0.17 248	0.16 353	0.20 301	0.19 334	0.18 268	0.17 278

BUS	0.45 273	0.25 319	0.43 216	0.45 356	0.28 310	0.70 376	0.34 219	0.94 338	0.76 274	0.75 292	0.80 251	0.65 274	0.49 267	0.64 278	0.51 350	0.20 334	0.14 291	0.22 358	0.19 334	0.18 268	0.18 296

CRFU-Net	0.57 398	0.27 355	0.57 358	0.46 377	0.30 352	1.20 493	0.52 427	1.10 403	0.56 186	1.00 441	0.98 348	1.06 431	0.79 438	0.81 378	0.71 416	0.21 351	0.19 404	0.18 231	0.16 228	0.18 268	0.19 329

test_5	0.43 256	0.24 295	0.43 216	0.52 450	0.28 310	0.28 77	0.42 360	0.72 245	0.82 315	0.62 196	0.91 313	0.72 308	0.55 307	0.79 374	0.35 224	0.14 98	0.11 135	0.18 231	0.18 304	0.18 268	0.16 258

BSDual-CNN	0.46 283	0.25 319	0.43 216	0.45 356	0.28 310	0.77 400	0.40 335	0.94 338	0.76 274	0.75 292	0.80 251	0.76 333	0.54 301	0.64 278	0.43 291	0.20 334	0.14 291	0.22 358	0.19 334	0.18 268	0.18 296

hknet	0.49 328	0.25 319	0.51 326	0.45 356	0.29 336	0.77 400	0.40 335	0.94 338	0.83 320	0.75 292	0.80 251	0.97 405	0.61 342	0.73 341	0.45 316	0.18 281	0.14 291	0.22 358	0.19 334	0.18 268	0.18 296

psmg	0.49 328	0.25 319	0.43 216	0.41 254	0.28 310	0.85 430	0.43 367	0.99 357	0.76 274	0.91 401	0.94 321	0.76 333	0.54 301	0.64 278	0.43 291	0.20 334	0.15 321	0.20 301	0.20 359	0.18 268	0.18 296

CSP-Net	0.56 391	0.27 355	0.49 301	0.41 254	0.28 310	1.22 495	0.50 409	1.23 467	0.72 249	0.95 423	0.95 330	0.89 382	0.62 348	0.83 389	0.62 390	0.26 427	0.17 373	0.17 185	0.17 277	0.18 268	0.17 278

GwcNet-ADL	0.44 263	0.22 237	0.48 289	0.45 356	0.30 352	0.40 197	0.37 279	0.92 331	0.97 402	0.71 266	0.78 238	0.61 246	0.42 229	0.62 254	0.50 340	0.19 311	0.14 291	0.15 121	0.14 170	0.18 268	0.18 296

GANet-ADL	0.42 246	0.25 319	0.45 240	0.43 314	0.29 336	0.54 279	0.35 243	0.89 320	0.86 338	0.63 204	0.72 202	0.68 287	0.42 229	0.52 154	0.41 282	0.21 351	0.14 291	0.15 121	0.13 139	0.18 268	0.19 329

PSM-AAD	0.48 310	0.20 161	0.37 131	0.43 314	0.23 154	0.56 297	0.50 409	0.65 181	0.70 237	1.07 467	1.12 403	0.58 220	0.92 471	0.61 246	0.32 180	0.15 159	0.11 135	0.25 410	0.26 454	0.18 268	0.43 506

RAFT_R40	0.40 228	0.19 125	0.44 228	0.43 314	0.25 215	0.23 20	0.26 94	0.67 200	0.67 224	0.98 434	0.78 238	0.72 308	0.43 235	0.76 358	0.35 224	0.16 209	0.11 135	0.20 301	0.16 228	0.18 268	0.14 189

GES	0.44 263	0.23 258	0.57 358	0.40 222	0.30 352	0.59 321	0.36 265	0.96 349	0.68 229	0.74 290	0.83 268	0.47 172	0.48 264	0.67 304	0.43 291	0.22 377	0.16 353	0.17 185	0.16 228	0.18 268	0.23 395

222	1.18 515	0.22 237	0.44 228	0.37 127	0.22 114	0.79 407	0.37 279	1.31 489	0.89 364	0.92 409	1.08 392	0.72 308	0.71 408	0.66 293	13.89 574	0.20 334	0.15 321	0.17 185	0.16 228	0.18 268	0.19 329

test_xeample	1.01 492	0.21 198	0.42 205	0.35 91	0.21 95	0.71 381	0.39 324	1.23 467	0.86 338	0.81 328	1.04 376	0.69 291	0.61 342	0.69 320	10.93 571	0.19 311	0.15 321	0.18 231	0.17 277	0.18 268	0.17 278

RAFT + AFF	0.53 366	0.29 381	0.75 440	0.51 438	0.32 390	0.63 346	0.60 454	1.00 361	0.91 374	0.78 309	0.87 294	0.83 356	0.58 325	0.80 375	0.47 333	0.17 248	0.20 416	0.23 380	0.22 399	0.18 268	0.18 296

FENet	0.42 246	0.22 237	0.38 143	0.39 185	0.24 183	0.55 284	0.32 198	0.79 284	0.70 237	0.71 266	0.72 202	0.63 254	0.57 316	0.62 254	0.44 307	0.19 311	0.13 257	0.19 271	0.17 277	0.18 268	0.19 329

ac_64	0.52 360	0.22 237	0.50 314	0.45 356	0.28 310	0.80 410	0.45 379	1.02 373	0.61 194	0.91 401	0.83 268	1.07 436	0.68 387	0.74 348	0.70 411	0.21 351	0.18 390	0.20 301	0.19 334	0.18 268	0.15 212

ACVNet	0.46 283	0.23 258	0.36 115	0.39 185	0.28 310	0.58 308	0.40 335	0.87 313	0.80 302	0.64 214	0.96 334	0.79 343	0.60 336	0.63 265	0.67 404	0.17 248	0.15 321	0.16 147	0.15 196	0.18 268	0.15 212

GANet-RSSM	0.47 298	0.21 198	0.37 131	0.38 157	0.25 215	0.58 308	0.36 265	1.07 393	0.78 291	0.68 244	1.01 358	0.86 367	0.67 381	0.62 254	0.44 307	0.21 351	0.15 321	0.18 231	0.18 304	0.18 268	0.17 278

AANet_RVC	0.57 398	0.32 399	0.54 343	0.45 356	0.27 287	0.57 302	0.48 398	1.00 361	1.28 495	0.86 367	1.33 459	0.87 373	0.58 325	1.07 462	0.75 423	0.18 281	0.12 190	0.15 121	0.13 139	0.18 268	0.18 296

iResNetv2_ROB	0.52 360	0.27 355	0.69 414	0.38 157	0.25 215	0.62 337	0.35 243	1.17 442	1.01 421	0.99 436	1.06 386	0.88 378	0.67 381	0.66 293	0.39 271	0.19 311	0.13 257	0.15 121	0.11 77	0.18 268	0.16 258

DN-CSS_ROB	0.43 256	0.26 338	0.62 373	0.40 222	0.29 336	0.44 229	0.27 110	0.77 274	0.75 266	0.72 278	1.09 396	0.48 177	0.43 235	0.69 320	0.37 256	0.15 159	0.12 190	0.21 343	0.19 334	0.18 268	0.16 258

rvit_stereo_0081	0.32 119	0.24 295	0.47 269	0.43 314	0.26 256	0.30 101	0.37 279	0.42 61	0.55 180	0.36 90	0.40 93	0.39 119	0.35 178	0.43 86	0.33 192	0.22 377	0.16 353	0.19 271	0.16 228	0.19 302	0.13 145

rvit_stereo_0082	0.32 119	0.24 295	0.47 269	0.43 314	0.26 256	0.30 101	0.37 279	0.42 61	0.55 180	0.36 90	0.40 93	0.39 119	0.35 178	0.43 86	0.33 192	0.22 377	0.16 353	0.19 271	0.16 228	0.19 302	0.13 145

rvit_stereo_ft	0.33 129	0.25 319	0.47 269	0.52 450	0.32 390	0.33 140	0.47 390	0.49 89	0.50 163	0.34 81	0.41 96	0.41 135	0.32 157	0.48 131	0.34 207	0.22 377	0.14 291	0.19 271	0.18 304	0.19 302	0.14 189

test_sample2	0.42 246	0.22 237	0.43 216	0.33 46	0.21 95	0.58 308	0.39 324	0.95 345	0.67 224	0.63 204	0.77 227	0.69 291	0.57 316	0.61 246	0.38 265	0.19 311	0.14 291	0.18 231	0.16 228	0.19 302	0.18 296

MyStereo8	0.40 228	0.20 161	0.54 343	0.41 254	0.29 336	0.53 273	0.29 138	0.65 181	0.49 159	0.71 266	0.98 348	0.58 220	0.43 235	0.50 141	0.51 350	0.15 159	0.12 190	0.16 147	0.14 170	0.19 302	0.19 329

riskmin	0.38 200	0.20 161	0.39 162	0.32 34	0.23 154	0.53 273	0.30 154	0.63 167	0.80 302	0.49 152	0.56 159	0.73 319	0.58 325	0.55 174	0.36 240	0.17 248	0.11 135	0.19 271	0.13 139	0.19 302	0.20 352

AAGNet	1.43 529	0.20 161	0.48 289	0.44 333	0.25 215	0.29 89	0.31 177	0.65 181	0.68 229	0.97 429	0.86 286	0.67 286	0.62 348	0.64 278	20.63 578	0.16 209	0.11 135	0.19 271	0.15 196	0.19 302	0.12 109

SST-Stereo	0.40 228	0.19 125	0.45 240	0.42 294	0.25 215	0.25 43	0.21 36	0.66 190	0.47 156	1.08 471	0.79 248	0.72 308	0.43 235	0.77 365	0.35 224	0.16 209	0.11 135	0.20 301	0.16 228	0.19 302	0.15 212

DeepStereo_RVC	0.36 168	0.21 198	0.47 269	0.40 222	0.24 183	0.26 47	0.22 45	0.60 147	0.38 109	0.69 253	0.67 193	0.57 212	0.51 283	0.56 184	0.39 271	0.16 209	0.12 190	0.18 231	0.15 196	0.19 302	0.18 296

ICVP	0.46 283	0.25 319	0.38 143	0.48 393	0.28 310	0.58 308	0.43 367	1.00 361	0.70 237	0.67 238	0.95 330	0.75 327	0.55 307	0.53 163	0.54 365	0.23 394	0.17 373	0.19 271	0.17 277	0.19 302	0.20 352
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	1.01 492	0.22 237	0.43 216	0.36 111	0.21 95	0.82 423	0.36 265	1.32 490	0.88 351	0.71 266	0.94 321	0.97 405	0.63 354	0.64 278	10.58 570	0.20 334	0.16 353	0.18 231	0.17 277	0.19 302	0.19 329

UPFNet	0.53 366	0.24 295	0.51 326	0.45 356	0.38 437	0.84 429	0.49 404	0.99 357	0.75 266	0.87 375	0.88 302	0.86 367	0.64 365	0.80 375	0.71 416	0.20 334	0.20 416	0.20 301	0.20 359	0.19 302	0.15 212

HGLStereo	0.56 391	0.28 369	0.57 358	0.50 422	0.37 428	0.80 410	0.45 379	1.02 373	0.78 291	0.86 367	1.14 415	0.89 382	0.82 446	0.76 358	0.73 419	0.21 351	0.20 416	0.19 271	0.18 304	0.19 302	0.21 370

DMCA	0.45 273	0.26 338	0.50 314	0.38 157	0.28 310	0.51 261	0.34 219	0.93 333	0.68 229	0.75 292	0.83 268	0.79 343	0.53 289	0.51 148	0.54 365	0.21 351	0.16 353	0.21 343	0.16 228	0.19 302	0.21 370

HITNet	0.41 239	0.26 338	0.45 240	0.33 46	0.17 17	0.63 346	0.30 154	0.93 333	0.64 213	0.71 266	0.82 262	0.64 261	0.52 285	0.59 232	0.43 291	0.14 98	0.10 51	0.15 121	0.13 139	0.19 302	0.12 109
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
LE_ROB	4.42 566	0.24 295	2.75 547	0.42 294	0.23 154	1.57 520	0.90 516	1.71 538	17.88 582	16.56 584	4.88 566	5.17 562	18.85 584	1.63 519	14.62 575	0.17 248	0.14 291	0.16 147	0.16 228	0.19 302	0.17 278

z-ln-s-r	0.66 425	0.36 423	1.30 510	0.39 185	0.26 256	0.57 302	0.63 462	0.80 287	1.03 429	0.80 315	1.43 477	0.91 389	0.76 424	1.08 465	1.87 528	0.16 209	0.12 190	0.17 185	0.14 170	0.20 318	0.16 258

DFGA-Net	0.45 273	0.29 381	0.80 454	0.42 294	0.32 390	0.53 273	0.35 243	0.78 280	0.89 364	0.66 235	0.75 217	0.48 177	0.39 215	0.74 348	0.60 383	0.15 159	0.13 257	0.19 271	0.18 304	0.20 318	0.17 278

coex_refinement	0.53 366	0.21 198	0.39 162	0.44 333	0.30 352	0.76 399	0.39 324	1.09 401	0.90 367	0.85 360	1.12 403	1.00 412	0.56 314	0.63 265	0.81 434	0.21 351	0.13 257	0.16 147	0.16 228	0.20 318	0.21 370

rvit_stereo_0083	0.34 135	0.24 295	0.50 314	0.44 333	0.27 287	0.34 150	0.35 243	0.45 79	0.62 195	0.37 97	0.47 117	0.42 145	0.35 178	0.40 64	0.36 240	0.22 377	0.20 416	0.20 301	0.17 277	0.20 318	0.14 189

rvit_stereo_0081_aga	0.31 113	0.28 369	0.44 228	0.42 294	0.29 336	0.34 150	0.31 177	0.44 75	0.40 120	0.39 114	0.44 103	0.40 129	0.32 157	0.42 80	0.29 157	0.23 394	0.17 373	0.19 271	0.16 228	0.20 318	0.15 212

AIO-Stereo-zeroshot	0.42 246	0.20 161	0.74 436	0.38 157	0.43 467	0.39 193	0.26 94	0.94 338	0.49 159	0.53 167	0.77 227	0.93 396	0.45 250	0.63 265	0.24 58	0.16 209	0.10 51	0.17 185	0.18 304	0.20 318	0.20 352

mmm	0.44 263	0.27 355	0.46 257	0.38 157	0.24 183	0.61 329	0.35 243	0.94 338	0.53 171	0.72 278	1.05 380	0.63 254	0.50 278	0.57 197	0.45 316	0.18 281	0.15 321	0.23 380	0.20 359	0.20 318	0.18 296

1111x	0.55 380	0.22 237	0.46 257	0.38 157	0.20 74	0.66 363	0.43 367	1.23 467	0.99 411	0.71 266	0.99 353	0.95 400	0.69 391	0.90 419	1.08 490	0.18 281	0.17 373	0.18 231	0.19 334	0.20 318	0.18 296

iinet-f	0.67 430	0.26 338	2.15 540	0.39 185	0.31 374	1.19 492	0.56 445	0.84 299	0.84 325	0.80 315	1.17 428	1.05 429	0.84 453	0.71 331	1.21 501	0.20 334	0.18 390	0.17 185	0.15 196	0.20 318	0.20 352

ssnet_v2	0.58 405	0.28 369	0.56 354	0.43 314	0.29 336	0.95 446	0.59 452	1.13 417	0.99 411	0.93 413	0.80 251	0.99 409	0.64 365	0.82 381	0.94 469	0.25 417	0.22 434	0.23 380	0.24 431	0.20 318	0.19 329

DAS	0.51 351	0.25 319	0.60 368	0.48 393	0.31 374	0.58 308	0.41 350	0.83 296	0.97 402	0.89 389	1.12 403	0.70 295	0.75 421	0.82 381	0.43 291	0.17 248	0.13 257	0.18 231	0.15 196	0.20 318	0.18 296

SepStereo	0.51 351	0.25 319	0.60 368	0.48 393	0.31 374	0.58 308	0.41 350	0.83 296	0.97 402	0.89 389	1.12 403	0.70 295	0.75 421	0.93 435	0.43 291	0.17 248	0.13 257	0.18 231	0.15 196	0.20 318	0.18 296

Patchmatch Stereo++	0.35 150	0.23 258	0.47 269	0.41 254	0.22 114	0.24 29	0.22 45	0.59 137	0.36 90	0.63 204	0.73 206	0.58 220	0.38 204	0.58 217	0.36 240	0.18 281	0.12 190	0.20 301	0.16 228	0.20 318	0.15 212
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.35 150	0.23 258	0.47 269	0.41 254	0.22 114	0.24 29	0.31 177	0.59 137	0.36 90	0.63 204	0.73 206	0.58 220	0.38 204	0.56 184	0.35 224	0.18 281	0.12 190	0.20 301	0.16 228	0.20 318	0.15 212

ROB_FTStereo_v2	0.35 150	0.23 258	0.47 269	0.41 254	0.22 114	0.24 29	0.31 177	0.59 137	0.36 90	0.63 204	0.73 206	0.57 212	0.38 204	0.57 197	0.36 240	0.18 281	0.12 190	0.20 301	0.16 228	0.20 318	0.15 212

ROB_FTStereo	0.35 150	0.23 258	0.47 269	0.41 254	0.22 114	0.25 43	0.21 36	0.59 137	0.36 90	0.63 204	0.73 206	0.58 220	0.38 204	0.57 197	0.35 224	0.18 281	0.12 190	0.20 301	0.16 228	0.20 318	0.15 212

HUI-Stereo	0.35 150	0.23 258	0.47 269	0.41 254	0.22 114	0.24 29	0.22 45	0.60 147	0.36 90	0.63 204	0.73 206	0.58 220	0.38 204	0.50 141	0.35 224	0.18 281	0.12 190	0.20 301	0.16 228	0.20 318	0.15 212

iGMRVC	0.35 150	0.23 258	0.47 269	0.41 254	0.22 114	0.24 29	0.30 154	0.59 137	0.36 90	0.63 204	0.73 206	0.58 220	0.38 204	0.58 217	0.36 240	0.18 281	0.12 190	0.20 301	0.16 228	0.20 318	0.15 212

iRAFT	0.35 150	0.23 258	0.47 269	0.41 254	0.22 114	0.24 29	0.22 45	0.59 137	0.36 90	0.63 204	0.73 206	0.58 220	0.38 204	0.58 217	0.36 240	0.18 281	0.12 190	0.20 301	0.16 228	0.20 318	0.15 212

RAFT-IKP	0.35 150	0.23 258	0.47 269	0.41 254	0.22 114	0.24 29	0.28 128	0.59 137	0.36 90	0.63 204	0.73 206	0.57 212	0.38 204	0.58 217	0.36 240	0.18 281	0.12 190	0.20 301	0.16 228	0.20 318	0.15 212

MMNet	0.55 380	0.25 319	0.61 370	0.43 314	0.34 410	1.07 470	0.39 324	0.87 313	0.91 374	0.91 401	0.93 320	0.86 367	0.76 424	0.81 378	0.76 424	0.15 159	0.14 291	0.18 231	0.19 334	0.20 318	0.16 258

UNet	0.54 378	0.26 338	0.66 400	0.44 333	0.40 448	0.99 456	0.41 350	0.98 355	0.75 266	0.83 349	0.89 306	1.04 425	0.72 412	0.73 341	0.62 390	0.19 311	0.14 291	0.20 301	0.17 277	0.20 318	0.17 278

PSMNet-RSSM	0.48 310	0.22 237	0.38 143	0.42 294	0.25 215	0.50 257	0.37 279	1.10 403	0.77 281	0.70 259	1.06 386	0.84 360	0.64 365	0.62 254	0.47 333	0.23 394	0.15 321	0.23 380	0.25 440	0.20 318	0.19 329

StereoDRNet-Refined	0.58 405	0.32 399	0.54 343	0.46 377	0.30 352	0.96 449	0.40 335	1.00 361	0.94 392	1.12 478	1.08 392	0.96 403	0.67 381	0.90 419	0.89 463	0.17 248	0.13 257	0.22 358	0.21 381	0.20 318	0.19 329
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
S2M2	0.26 64	0.22 237	0.33 81	0.31 17	0.25 215	0.24 29	0.13 1	0.35 28	0.41 124	0.25 28	0.36 84	0.30 59	0.25 75	0.30 12	0.26 104	0.22 377	0.19 404	0.17 185	0.19 334	0.21 342	0.18 296

rvit_0105_3	0.47 298	0.34 412	0.77 450	0.54 467	0.31 374	0.49 254	0.47 390	0.63 167	0.79 300	0.65 223	0.59 167	0.64 261	0.50 278	0.65 285	0.39 271	0.29 454	0.27 475	0.29 458	0.28 467	0.21 342	0.20 352

ACV-stereo	0.62 418	0.34 412	1.00 478	0.43 314	0.31 374	1.20 493	0.40 335	0.75 264	0.83 320	0.64 214	0.77 227	2.10 528	1.03 490	0.81 378	0.64 396	0.21 351	0.17 373	0.18 231	0.18 304	0.21 342	0.21 370

test_sample4	0.47 298	0.26 338	0.50 314	0.35 91	0.22 114	0.69 371	0.38 301	1.15 430	0.81 310	0.78 309	0.82 262	0.62 252	0.53 289	0.63 265	0.44 307	0.21 351	0.15 321	0.21 343	0.19 334	0.21 342	0.19 329

test_sample3	0.46 283	0.25 319	0.50 314	0.35 91	0.23 154	0.69 371	0.37 279	1.15 430	0.81 310	0.75 292	0.79 248	0.66 279	0.49 267	0.63 265	0.46 326	0.21 351	0.15 321	0.20 301	0.19 334	0.21 342	0.19 329

CAS++	0.32 119	0.24 295	0.36 115	0.37 127	0.26 256	0.28 77	0.23 60	0.87 313	0.50 163	0.47 148	0.45 106	0.26 48	0.21 39	0.49 135	0.24 58	0.23 394	0.19 404	0.22 358	0.17 277	0.21 342	0.16 258
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
fast-acv-ft	0.64 421	0.30 390	0.73 431	0.45 356	0.34 410	1.17 489	0.49 404	0.86 306	0.98 406	1.02 449	1.36 461	1.29 472	0.85 454	0.76 358	0.81 434	0.21 351	0.23 444	0.23 380	0.23 415	0.21 342	0.20 352

ToySt	0.49 328	0.27 355	0.75 440	0.40 222	0.27 287	0.64 353	0.49 404	0.84 299	0.77 281	0.60 187	0.83 268	0.88 378	0.66 378	0.70 326	0.56 372	0.16 209	0.17 373	0.21 343	0.20 359	0.21 342	0.19 329

AASNet	0.53 366	0.25 319	0.52 331	0.49 408	0.32 390	0.74 390	0.40 335	1.50 518	0.86 338	0.86 367	0.92 317	0.64 261	0.59 332	0.59 232	0.79 429	0.23 394	0.19 404	0.20 301	0.16 228	0.21 342	0.19 329

ADLNet2	0.55 380	0.25 319	0.65 394	0.47 386	0.30 352	0.83 426	0.50 409	1.05 385	0.95 398	0.80 315	0.98 348	0.99 409	0.69 391	0.77 365	0.73 419	0.20 334	0.16 353	0.17 185	0.18 304	0.21 342	0.21 370

LCNet	0.41 239	0.20 161	0.32 66	0.44 333	0.24 183	0.47 247	0.29 138	0.67 200	0.53 171	0.72 278	1.03 370	0.66 279	0.60 336	0.58 217	0.34 207	0.14 98	0.10 51	0.19 271	0.19 334	0.21 342	0.36 480

CRE-IMP	0.36 168	0.23 258	0.49 301	0.42 294	0.24 183	0.41 211	0.21 36	0.57 126	0.41 124	0.65 223	0.72 202	0.53 197	0.37 200	0.61 246	0.38 265	0.17 248	0.11 135	0.19 271	0.15 196	0.21 342	0.18 296

GEStereo_RVC	0.55 380	0.29 381	0.63 383	0.49 408	0.31 374	0.70 376	0.54 435	1.22 462	0.92 379	0.82 337	0.85 283	0.85 362	0.63 354	0.90 419	0.65 398	0.24 406	0.16 353	0.19 271	0.16 228	0.21 342	0.22 388

RALAANet	0.38 200	0.23 258	0.48 289	0.42 294	0.29 336	0.35 159	0.25 82	0.86 306	0.64 213	0.67 238	0.65 182	0.60 241	0.29 129	0.60 238	0.34 207	0.15 159	0.12 190	0.17 185	0.15 196	0.21 342	0.13 145

sCroCo_RVC	0.35 150	0.28 369	0.69 414	0.51 438	0.39 443	0.41 211	0.31 177	0.49 89	0.45 147	0.31 60	0.48 119	0.38 115	0.32 157	0.46 114	0.32 180	0.21 351	0.22 434	0.19 271	0.19 334	0.21 342	0.20 352

ADLNet	0.55 380	0.27 355	0.51 326	0.44 333	0.35 417	0.78 404	0.46 383	1.08 397	0.86 338	0.99 436	0.98 348	0.92 394	0.63 354	0.69 320	0.81 434	0.22 377	0.16 353	0.22 358	0.22 399	0.21 342	0.21 370

HCRNet	0.44 263	0.34 412	0.41 184	0.53 460	0.26 256	0.53 273	0.29 138	0.83 296	0.63 206	0.71 266	0.81 258	0.77 339	0.50 278	0.66 293	0.36 240	0.24 406	0.16 353	0.24 397	0.20 359	0.21 342	0.18 296

psm_up	0.55 380	0.26 338	0.47 269	0.49 408	0.32 390	0.65 360	0.56 445	1.04 380	0.82 315	0.82 337	0.88 302	1.01 416	0.94 477	0.74 348	0.61 387	0.21 351	0.25 460	0.26 429	0.23 415	0.21 342	0.20 352

DSFCA	0.55 380	0.25 319	0.62 373	0.40 222	0.36 421	0.74 390	0.52 427	1.04 380	0.82 315	1.06 464	0.84 273	0.89 382	0.63 354	0.99 445	0.58 375	0.25 417	0.21 426	0.21 343	0.21 381	0.21 342	0.19 329

CFNet	0.51 351	0.29 381	0.46 257	0.41 254	0.27 287	0.70 376	0.32 198	1.13 417	1.00 417	0.72 278	1.07 389	0.85 362	0.60 336	0.76 358	0.52 357	0.19 311	0.14 291	0.23 380	0.23 415	0.21 342	0.16 258

NLCA_NET_v2_RVC	0.53 366	0.32 399	0.64 388	0.44 333	0.30 352	0.66 363	0.44 376	1.04 380	0.88 351	0.91 401	0.91 313	0.99 409	0.60 336	0.68 314	0.60 383	0.21 351	0.17 373	0.22 358	0.22 399	0.21 342	0.21 370
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DLCB_ROB	0.58 405	0.28 369	0.47 269	0.49 408	0.32 390	0.77 400	0.50 409	0.99 357	0.92 379	1.04 458	1.14 415	1.21 462	0.69 391	0.88 411	0.69 408	0.20 334	0.20 416	0.22 358	0.22 399	0.21 342	0.18 296

rvit_0105_6	0.38 200	0.28 369	0.64 388	0.50 422	0.30 352	0.39 193	0.38 301	0.51 99	0.67 224	0.40 120	0.45 106	0.50 185	0.41 227	0.54 169	0.36 240	0.27 437	0.26 466	0.24 397	0.21 381	0.22 364	0.16 258

rvit_0105_5	0.42 246	0.31 395	0.73 431	0.50 422	0.29 336	0.44 229	0.42 360	0.61 153	0.74 263	0.51 158	0.51 135	0.60 241	0.47 259	0.57 197	0.38 265	0.27 437	0.25 460	0.25 410	0.23 415	0.22 364	0.18 296

ITSA-stereo	0.53 366	0.28 369	0.52 331	0.40 222	0.23 154	0.56 297	0.34 219	1.24 474	1.24 483	0.80 315	0.81 258	0.72 308	0.58 325	0.82 381	0.65 398	0.21 351	0.17 373	0.23 380	0.21 381	0.22 364	0.26 416

AIO-Stereo-zeroshot1	0.48 310	0.21 198	1.26 506	0.39 185	0.51 497	0.28 77	0.30 154	1.25 478	0.44 140	0.68 244	1.11 399	0.86 367	0.33 167	0.67 304	0.27 122	0.15 159	0.11 135	0.17 185	0.20 359	0.22 364	0.24 403

rvit_stereo_0080	0.31 113	0.25 319	0.40 174	0.39 185	0.28 310	0.27 60	0.46 383	0.49 89	0.44 140	0.35 86	0.42 99	0.40 129	0.28 115	0.41 72	0.33 192	0.22 377	0.17 373	0.17 185	0.16 228	0.22 364	0.15 212

test_sample5	0.47 298	0.26 338	0.49 301	0.36 111	0.22 114	0.64 353	0.39 324	1.13 417	0.81 310	0.77 305	0.94 321	0.64 261	0.54 301	0.65 285	0.43 291	0.21 351	0.16 353	0.22 358	0.20 359	0.22 364	0.20 352

DualNet	0.48 310	0.26 338	0.49 301	0.36 111	0.22 114	0.64 353	0.39 324	1.13 417	0.81 310	0.80 315	1.03 370	0.64 261	0.54 301	0.65 285	0.43 291	0.21 351	0.16 353	0.22 358	0.20 359	0.22 364	0.20 352

mmx	0.53 366	0.26 338	0.49 301	0.37 127	0.25 215	0.55 284	0.37 279	1.16 437	1.03 429	0.73 285	0.96 334	0.71 299	0.53 289	1.01 449	0.88 453	0.20 334	0.15 321	0.25 410	0.21 381	0.22 364	0.20 352

whm_eth	0.31 113	0.25 319	0.40 174	0.39 185	0.28 310	0.27 60	0.46 383	0.49 89	0.44 140	0.35 86	0.42 99	0.40 129	0.28 115	0.41 72	0.33 192	0.22 377	0.17 373	0.17 185	0.16 228	0.22 364	0.15 212

xxx	0.53 366	0.26 338	0.49 301	0.37 127	0.25 215	0.55 284	0.37 279	1.16 437	1.03 429	0.73 285	0.96 334	0.71 299	0.53 289	1.01 449	0.88 453	0.20 334	0.15 321	0.25 410	0.21 381	0.22 364	0.20 352

CASS	0.45 273	0.27 355	0.42 205	0.48 393	0.22 114	0.61 329	0.34 219	0.97 352	0.62 195	0.71 266	0.85 283	0.61 246	0.55 307	0.57 197	0.41 282	0.29 454	0.16 353	0.22 358	0.18 304	0.22 364	0.28 433
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Wz-Net-LNSev-Ref	0.63 420	0.28 369	0.99 477	0.40 222	0.30 352	1.03 463	0.56 445	1.10 403	0.99 411	0.97 429	1.22 436	1.06 431	0.69 391	1.07 462	0.95 472	0.19 311	0.11 135	0.16 147	0.13 139	0.22 364	0.21 370

NINENet	0.50 344	0.29 381	0.51 326	0.45 356	0.32 390	0.70 376	0.34 219	1.10 403	0.88 351	0.80 315	0.94 321	0.65 274	0.49 267	0.73 341	0.51 350	0.22 377	0.20 416	0.25 410	0.18 304	0.22 364	0.21 370

dd	0.43 256	0.38 440	0.55 348	0.44 333	0.25 215	0.47 247	0.38 301	0.70 233	1.05 439	0.59 183	0.65 182	0.42 145	0.39 215	0.66 293	0.50 340	0.24 406	0.15 321	0.21 343	0.15 196	0.22 364	0.18 296

PSMNet-ADL	0.48 310	0.27 355	0.40 174	0.48 393	0.30 352	0.68 369	0.37 279	0.90 325	0.80 302	0.61 194	0.80 251	0.92 394	0.62 348	0.72 336	0.63 393	0.23 394	0.18 390	0.18 231	0.20 359	0.22 364	0.20 352

TestStereo	0.38 200	0.31 395	0.40 174	0.45 356	0.20 74	0.40 197	0.37 279	0.66 190	0.65 218	0.53 167	0.78 238	0.47 172	0.40 221	0.55 174	0.37 256	0.18 281	0.13 257	0.20 301	0.15 196	0.22 364	0.13 145

ADCRef	0.80 460	0.43 460	1.32 513	0.50 422	0.45 478	1.07 470	0.51 424	1.07 393	0.98 406	1.17 483	1.42 474	0.87 373	0.91 466	0.85 401	3.19 547	0.18 281	0.16 353	0.23 380	0.23 415	0.22 364	0.21 370

rvit_0105_4	0.41 239	0.29 381	0.71 423	0.50 422	0.29 336	0.41 211	0.41 350	0.55 119	0.73 256	0.45 137	0.48 119	0.55 204	0.44 245	0.57 197	0.36 240	0.28 447	0.26 466	0.25 410	0.22 399	0.23 381	0.18 296

rvit_105_1	0.54 378	0.40 452	0.76 445	0.58 485	0.37 428	0.59 321	0.68 475	0.70 233	0.94 392	0.82 337	0.69 196	0.73 319	0.58 325	0.78 369	0.54 365	0.32 475	0.29 484	0.31 467	0.34 493	0.23 381	0.20 352

test_sample6	0.49 328	0.26 338	0.50 314	0.37 127	0.22 114	0.63 346	0.40 335	1.12 415	0.83 320	0.80 315	1.03 370	0.66 279	0.55 307	0.67 304	0.46 326	0.22 377	0.16 353	0.22 358	0.22 399	0.23 381	0.21 370

AACVNet	0.50 344	0.23 258	0.49 301	0.46 377	0.29 336	0.52 265	0.38 301	0.90 325	0.55 180	0.81 328	1.03 370	1.00 412	0.70 404	0.83 389	0.54 365	0.21 351	0.18 390	0.24 397	0.18 304	0.23 381	0.20 352

LMCR-Stereo	0.53 366	0.30 390	0.53 339	0.58 485	0.30 352	0.83 426	0.36 265	1.19 447	0.76 274	0.88 385	1.04 376	0.56 207	0.62 348	0.82 381	0.67 404	0.19 311	0.15 321	0.19 271	0.14 170	0.23 381	0.17 278

Anonymous3	0.46 283	0.34 412	0.86 463	0.50 422	0.37 428	0.81 415	0.50 409	0.72 245	0.65 218	0.51 158	0.65 182	0.45 161	0.45 250	0.64 278	0.38 265	0.24 406	0.24 452	0.22 358	0.21 381	0.23 381	0.23 395

Syn2CoEx	0.71 441	0.51 484	0.95 471	0.64 503	0.45 478	0.91 438	0.53 431	1.48 515	1.13 463	0.93 413	1.35 460	1.02 421	0.99 485	0.92 429	0.80 431	0.30 461	0.27 475	0.28 450	0.24 431	0.23 381	0.24 403

GwcNet	0.69 435	0.36 423	1.10 487	0.51 438	0.42 461	1.08 474	0.50 409	1.21 454	1.16 468	1.00 441	1.37 464	1.06 431	0.79 438	0.92 429	0.94 469	0.25 417	0.24 452	0.24 397	0.22 399	0.23 381	0.26 416

CFNet-ft	0.48 310	0.23 258	0.36 115	0.40 222	0.26 256	0.64 353	0.37 279	0.87 313	0.85 333	0.64 214	1.00 355	1.01 416	0.64 365	0.61 246	0.53 360	0.23 394	0.15 321	0.24 397	0.21 381	0.23 381	0.18 296

MSMDNet	0.48 310	0.24 295	0.52 331	0.39 185	0.27 287	0.63 346	0.30 154	0.96 349	0.96 399	0.86 367	1.07 389	0.79 343	0.44 245	0.57 197	0.43 291	0.17 248	0.12 190	0.20 301	0.16 228	0.23 381	0.19 329

CFNet_RVC	0.48 310	0.23 258	0.36 115	0.40 222	0.26 256	0.64 353	0.37 279	0.87 313	0.85 333	0.64 214	1.00 355	1.01 416	0.64 365	0.61 246	0.53 360	0.23 394	0.15 321	0.24 397	0.21 381	0.23 381	0.18 296

AdaStereo	0.50 344	0.32 399	0.47 269	0.48 393	0.25 215	0.67 367	0.32 198	1.17 442	0.88 351	0.75 292	0.99 353	0.75 327	0.49 267	0.67 304	0.46 326	0.27 437	0.12 190	0.28 450	0.18 304	0.23 381	0.18 296
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.
NaN_ROB	0.69 435	0.44 465	0.69 414	0.51 438	0.33 401	0.97 451	1.06 527	1.22 462	1.19 474	1.24 496	0.96 334	1.08 438	0.78 436	1.20 481	0.67 404	0.24 406	0.30 488	0.23 380	0.24 431	0.23 381	0.25 410

YMNet	0.66 425	0.38 440	0.90 467	0.52 450	0.46 485	1.08 474	0.49 404	1.00 361	0.77 281	1.18 485	1.29 452	1.12 449	0.74 417	0.85 401	0.86 444	0.27 437	0.31 497	0.25 410	0.25 440	0.24 394	0.23 395

YMNet_1	0.66 425	0.38 440	0.90 467	0.52 450	0.46 485	1.08 474	0.49 404	1.00 361	0.77 281	1.18 485	1.29 452	1.12 449	0.74 417	0.85 401	0.86 444	0.27 437	0.31 497	0.25 410	0.25 440	0.24 394	0.23 395

ttt	0.51 351	0.25 319	0.43 216	0.38 157	0.24 183	0.65 360	0.38 301	1.18 445	1.05 439	0.72 278	1.08 392	0.63 254	0.49 267	0.84 394	0.59 380	0.24 406	0.21 426	0.22 358	0.20 359	0.24 394	0.24 403

PCWNet_CMD	0.48 310	0.24 295	0.52 331	0.39 185	0.27 287	0.63 346	0.30 154	0.95 345	0.96 399	0.86 367	1.07 389	0.79 343	0.44 245	0.57 197	0.43 291	0.17 248	0.12 190	0.21 343	0.16 228	0.24 394	0.19 329

CFNet_pseudo	0.46 283	0.24 295	0.52 331	0.37 127	0.27 287	0.58 308	0.30 154	0.86 306	0.88 351	0.82 337	1.03 370	0.75 327	0.47 259	0.58 217	0.44 307	0.17 248	0.12 190	0.24 397	0.16 228	0.24 394	0.19 329

GMStereo	0.39 216	0.37 430	0.54 343	0.40 222	0.26 256	0.42 218	0.36 265	0.59 137	1.04 435	0.55 173	0.51 135	0.37 107	0.35 178	0.54 169	0.41 282	0.19 311	0.13 257	0.16 147	0.17 277	0.24 394	0.18 296
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
STTStereo	0.55 380	0.37 430	0.76 445	0.44 333	0.31 374	0.60 327	0.44 376	0.96 349	0.86 338	0.99 436	0.90 310	0.96 403	0.58 325	0.71 331	0.61 387	0.25 417	0.23 444	0.26 429	0.32 488	0.24 394	0.23 395

BEATNet_4x	0.46 283	0.32 399	0.56 354	0.37 127	0.19 50	0.63 346	0.35 243	1.01 370	0.72 249	0.77 305	0.83 268	0.70 295	0.59 332	0.68 314	0.53 360	0.16 209	0.12 190	0.16 147	0.14 170	0.24 394	0.16 258

ccs_rob	0.46 283	0.24 295	0.52 331	0.37 127	0.27 287	0.58 308	0.31 177	0.86 306	0.88 351	0.82 337	1.02 366	0.75 327	0.47 259	0.58 217	0.44 307	0.17 248	0.12 190	0.24 397	0.16 228	0.24 394	0.19 329

DISCO	0.70 437	0.26 338	0.68 408	0.44 333	0.31 374	1.14 483	0.51 424	1.23 467	1.23 481	0.81 328	1.05 380	1.50 504	0.85 454	1.82 528	1.03 484	0.19 311	0.15 321	0.18 231	0.16 228	0.24 394	0.23 395

zh-mn7	1.08 506	0.65 509	4.00 556	0.52 450	0.38 437	1.16 488	0.62 461	1.15 430	1.77 529	1.74 525	2.31 522	1.17 461	0.91 466	2.10 539	1.77 522	0.24 406	0.21 426	0.22 358	0.22 399	0.25 404	0.28 433

DDVS	0.52 360	0.30 390	0.56 354	0.41 254	0.31 374	0.71 381	0.34 219	0.91 329	0.67 224	0.85 360	0.89 306	1.12 449	0.46 255	0.86 406	0.60 383	0.22 377	0.16 353	0.22 358	0.18 304	0.25 404	0.26 416

DCVSM-stereo	0.49 328	0.27 355	0.53 339	0.39 185	0.29 336	0.51 261	0.26 94	0.75 264	0.75 266	1.11 477	0.75 217	1.05 429	0.72 412	0.60 238	0.47 333	0.20 334	0.19 404	0.24 397	0.20 359	0.25 404	0.30 449

UCFNet_RVC	0.49 328	0.26 338	0.35 108	0.39 185	0.26 256	0.64 353	0.36 265	1.15 430	0.84 325	0.67 238	0.88 302	0.88 378	0.59 332	0.58 217	0.45 316	0.24 406	0.17 373	0.27 442	0.27 461	0.25 404	0.23 395

DRN-Test	0.66 425	0.32 399	0.66 400	0.50 422	0.39 443	1.15 485	0.61 459	1.49 517	1.01 421	1.12 478	1.08 392	1.06 431	0.69 391	0.77 365	0.94 469	0.23 394	0.17 373	0.26 429	0.25 440	0.25 404	0.21 370

MDST_ROB	0.91 482	0.27 355	0.85 458	0.63 502	0.41 455	2.53 541	0.71 491	1.60 529	1.13 463	2.83 552	1.73 503	0.97 405	0.69 391	1.61 516	0.73 419	0.25 417	0.22 434	0.32 473	0.28 467	0.25 404	0.24 403

SGM_RVC	0.97 488	0.28 369	0.41 184	0.39 185	0.22 114	1.55 518	0.73 495	1.51 521	1.25 489	2.25 542	1.92 513	2.58 538	1.56 528	2.02 537	1.19 500	0.27 437	0.27 475	0.27 442	0.25 440	0.25 404	0.25 410
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
w-ln-seven-2	0.76 450	0.43 460	2.32 542	0.52 450	0.38 437	0.90 437	0.65 466	1.11 409	1.12 462	1.19 487	1.28 448	1.09 441	0.99 485	1.07 462	0.87 450	0.20 334	0.19 404	0.23 380	0.22 399	0.26 411	0.22 388

StereoVision	0.42 246	0.28 369	0.45 240	0.49 408	0.28 310	0.38 186	0.38 301	0.72 245	0.62 195	0.44 135	1.14 415	0.54 201	0.39 215	0.56 184	0.34 207	0.21 351	0.24 452	0.25 410	0.24 431	0.26 411	0.16 258

CFNet_ucs	0.50 344	0.24 295	0.55 348	0.38 157	0.31 374	0.58 308	0.33 208	0.98 355	0.93 385	0.88 385	1.19 434	0.80 351	0.49 267	0.63 265	0.43 291	0.21 351	0.15 321	0.26 429	0.18 304	0.26 411	0.22 388

Wz-Net-LNSev	0.71 441	0.51 484	1.36 520	0.50 422	0.41 455	1.15 485	0.69 480	1.21 454	1.07 452	1.02 449	1.12 403	1.08 438	0.87 459	0.89 417	0.89 463	0.24 406	0.22 434	0.21 343	0.19 334	0.26 411	0.26 416

DMCA-RVC	0.51 351	0.30 390	0.59 363	0.50 422	0.32 390	0.54 279	0.38 301	0.86 306	0.68 229	0.94 416	0.86 286	0.91 389	0.68 387	0.70 326	0.59 380	0.23 394	0.18 390	0.31 467	0.23 415	0.26 411	0.19 329

FADNet-RVC-Resample	0.56 391	0.33 407	1.16 493	0.49 408	0.34 410	0.71 381	0.43 367	1.01 370	0.93 385	0.82 337	0.87 294	0.74 325	0.67 381	0.73 341	0.45 316	0.18 281	0.18 390	0.26 429	0.27 461	0.26 411	0.27 426

PA-Net	0.67 430	0.43 460	0.83 456	0.50 422	0.53 502	0.94 443	0.68 475	1.10 403	1.14 466	0.80 315	0.88 302	0.87 373	0.77 431	1.02 454	0.88 453	0.24 406	0.41 524	0.29 458	0.44 517	0.26 411	0.34 473
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
TDLM	0.57 398	0.33 407	0.49 301	0.51 438	0.30 352	0.66 363	0.73 495	1.03 377	1.01 421	0.82 337	1.10 398	0.84 360	0.70 404	0.86 406	0.58 375	0.28 447	0.17 373	0.25 410	0.22 399	0.26 411	0.19 329

DeepPruner_ROB	0.53 366	0.34 412	0.59 363	0.41 254	0.30 352	0.50 257	0.43 367	1.19 447	0.70 237	0.85 360	1.05 380	0.86 367	0.55 307	0.84 394	0.51 350	0.29 454	0.23 444	0.22 358	0.22 399	0.26 411	0.25 410

PSMNet_ROB	0.64 421	0.37 430	0.65 394	0.56 477	0.42 461	0.97 451	0.83 505	1.21 454	0.92 379	0.79 313	1.02 366	1.08 438	0.63 354	0.82 381	0.91 467	0.29 454	0.20 416	0.31 467	0.31 482	0.26 411	0.23 395

CBMV	0.64 421	0.35 418	0.41 184	0.42 294	0.25 215	1.01 458	0.77 499	1.13 417	1.09 457	1.17 483	1.22 436	1.04 425	0.75 421	0.88 411	0.63 393	0.28 447	0.30 488	0.34 480	0.30 475	0.26 411	0.26 416
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
z-mn7	1.00 491	0.50 480	1.70 531	0.53 460	0.36 421	1.75 530	0.71 491	1.22 462	2.28 542	0.96 424	2.54 531	1.42 495	0.95 480	2.19 543	1.54 515	0.22 377	0.19 404	0.21 343	0.20 359	0.27 422	0.25 410

test_sample7	0.52 360	0.29 381	0.50 314	0.36 111	0.27 287	0.62 337	0.41 350	1.06 389	0.88 351	0.92 409	0.86 286	0.85 362	0.69 391	0.68 314	0.50 340	0.26 427	0.20 416	0.27 442	0.26 454	0.27 422	0.24 403

aanetorigin	0.83 470	0.56 497	1.87 535	0.49 408	0.38 437	0.56 297	0.66 468	0.70 233	1.00 417	2.42 545	2.02 518	1.31 475	1.18 505	0.93 435	1.13 497	0.20 334	0.18 390	0.20 301	0.19 334	0.27 422	0.30 449

StereoDRNet	0.64 421	0.33 407	0.68 408	0.51 438	0.43 467	1.03 463	0.53 431	1.47 514	0.99 411	1.10 475	0.87 294	1.07 436	0.71 408	0.82 381	0.88 453	0.23 394	0.19 404	0.25 410	0.23 415	0.27 422	0.19 329

FACV-RUCA	0.43 256	0.28 369	0.47 269	0.45 356	0.33 401	0.58 308	0.34 219	0.82 293	0.73 256	0.57 179	0.84 273	0.47 172	0.50 278	0.54 169	0.39 271	0.22 377	0.15 321	0.35 482	0.16 228	0.28 426	0.21 370

Wz-Net-MNSev	0.76 450	0.40 452	1.34 515	0.50 422	0.40 448	1.44 512	0.83 505	1.15 430	1.16 468	1.25 497	1.20 435	1.13 455	0.81 442	1.16 476	1.00 482	0.22 377	0.19 404	0.24 397	0.23 415	0.28 426	0.26 416

FAT-Stereo	0.73 447	0.33 407	0.75 440	0.49 408	0.37 428	0.71 381	0.59 452	1.36 500	1.30 497	1.03 457	1.40 470	1.59 513	1.15 501	0.87 408	0.86 444	0.28 447	0.28 479	0.28 450	0.23 415	0.28 426	0.38 491

ADCP+	1.06 502	0.35 418	1.51 527	0.49 408	0.51 497	1.45 513	0.55 439	1.25 478	1.03 429	1.16 482	1.15 421	1.10 445	1.07 495	1.56 513	6.75 566	0.19 311	0.16 353	0.23 380	0.21 381	0.28 426	0.21 370

dad	0.58 405	0.50 480	0.64 388	0.43 314	0.30 352	0.59 321	0.36 265	0.78 280	1.25 489	1.01 446	1.17 428	1.15 459	0.53 289	0.68 314	0.50 340	0.35 494	0.23 444	0.37 492	0.21 381	0.29 430	0.20 352

SACVNet	0.58 405	0.34 412	0.55 348	0.55 474	0.36 421	0.63 346	0.48 398	1.13 417	0.77 281	1.02 449	1.06 386	1.02 421	0.74 417	0.90 419	0.51 350	0.27 437	0.21 426	0.25 410	0.24 431	0.29 430	0.36 480

pcwnet_v2	0.58 405	0.28 369	0.84 457	0.45 356	0.35 417	0.61 329	0.35 243	1.27 482	1.21 478	0.99 436	1.27 446	0.72 308	0.58 325	0.67 304	0.48 337	0.27 437	0.21 426	0.24 397	0.23 415	0.29 430	0.29 440

APVNet	0.71 441	0.37 430	0.89 466	0.56 477	0.45 478	1.18 491	0.68 475	1.41 508	0.85 333	0.81 328	1.15 421	1.04 425	0.81 442	1.10 469	1.17 498	0.26 427	0.28 479	0.32 473	0.31 482	0.29 430	0.30 449

hitnet-ft	0.55 380	0.27 355	0.39 162	0.41 254	0.28 310	0.78 404	0.40 335	0.92 331	0.90 367	0.82 337	1.01 358	1.13 455	0.70 404	0.78 369	0.67 404	0.28 447	0.20 416	0.28 450	0.22 399	0.29 430	0.26 416

Nwc_Net	0.78 456	0.38 440	0.73 431	0.60 495	0.55 507	1.05 468	0.55 439	1.67 535	1.05 439	0.88 385	1.86 512	1.40 494	1.09 496	1.10 469	0.87 450	0.30 461	0.25 460	0.36 487	0.38 501	0.29 430	0.29 440

ADCL	1.04 497	0.38 440	1.35 516	0.50 422	0.39 443	1.61 522	0.89 513	1.29 485	1.39 505	1.29 499	1.50 487	1.24 465	1.24 510	1.37 506	4.87 559	0.21 351	0.19 404	0.25 410	0.25 440	0.29 430	0.27 426

SGM-ForestM	4.04 563	0.32 399	0.46 257	0.43 314	0.27 287	7.50 569	1.45 553	3.84 564	4.24 563	8.19 574	6.76 572	19.00 582	9.08 571	10.74 575	6.62 565	0.31 464	0.33 508	0.32 473	0.32 488	0.29 430	0.29 440

PWC_ROB	0.87 474	0.52 491	1.28 507	0.50 422	0.32 390	0.91 438	0.37 279	1.36 500	1.46 512	1.61 517	2.59 535	1.16 460	1.01 489	1.34 500	1.40 513	0.25 417	0.18 390	0.28 450	0.20 359	0.29 430	0.28 433

ISRNet	0.56 391	0.24 295	0.66 400	0.56 477	0.36 421	0.44 229	0.25 82	0.82 293	0.84 325	1.07 467	1.25 443	0.91 389	0.60 336	0.66 293	0.58 375	0.35 494	0.26 466	0.36 487	0.33 491	0.30 439	0.42 500

rvit_stereo_0075_2	0.47 298	0.37 430	0.70 418	0.53 460	0.46 485	0.43 221	0.36 265	0.81 291	0.67 224	0.55 173	0.74 215	0.59 235	0.43 235	0.63 265	0.43 291	0.32 475	0.23 444	0.35 482	0.25 440	0.30 439	0.25 410

AF-Net	0.81 463	0.39 447	0.68 408	0.64 503	0.54 505	0.91 438	0.51 424	1.61 531	1.31 498	0.96 424	2.02 518	1.46 498	1.26 513	1.11 471	0.99 479	0.32 475	0.24 452	0.39 497	0.27 461	0.30 439	0.25 410

RTSC	0.87 474	0.48 472	1.23 503	0.52 450	0.37 428	1.13 482	0.50 409	1.34 494	1.79 530	1.51 511	1.24 441	1.12 449	0.81 442	1.62 517	2.16 534	0.25 417	0.19 404	0.23 380	0.24 431	0.30 439	0.31 457

DeepPrunerF	0.89 478	0.52 491	3.43 552	0.68 517	0.81 528	0.72 388	0.72 493	1.22 462	1.99 536	0.93 413	1.01 358	0.87 373	0.86 456	1.08 465	0.95 472	0.34 489	0.28 479	0.43 506	0.39 505	0.30 439	0.32 461

SGM-Forest	0.62 418	0.32 399	0.39 162	0.43 314	0.30 352	1.02 460	0.55 439	1.09 401	1.05 439	1.06 464	1.18 430	1.10 445	0.67 381	0.88 411	0.62 390	0.31 464	0.33 508	0.33 478	0.30 475	0.30 439	0.28 433
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
w-ln-seven	0.96 487	0.48 472	2.41 544	0.54 467	0.50 493	1.41 508	0.70 485	1.67 535	1.81 531	1.49 508	1.50 487	1.26 467	0.87 459	1.15 474	1.80 526	0.23 394	0.21 426	0.25 410	0.25 440	0.31 445	0.26 416

FADNet_RVC	0.55 380	0.37 430	1.17 497	0.44 333	0.31 374	0.56 297	0.34 219	1.06 389	0.88 351	0.67 238	0.90 310	0.61 246	0.65 371	0.93 435	0.70 411	0.21 351	0.18 390	0.26 429	0.23 415	0.31 445	0.28 433

FADNet-RVC	0.60 415	0.53 494	1.14 492	0.46 377	0.39 443	0.61 329	0.39 324	1.12 415	0.87 347	0.70 259	0.84 273	1.04 425	0.55 307	0.94 442	0.69 408	0.26 427	0.25 460	0.28 450	0.28 467	0.31 445	0.31 457

GANet	0.70 437	0.37 430	0.55 348	0.51 438	0.34 410	0.94 443	0.96 520	1.08 397	0.94 392	1.04 458	1.98 516	1.13 455	0.88 463	1.12 472	0.66 401	0.25 417	0.26 466	0.27 442	0.22 399	0.31 445	0.22 388

CVANet_RVC	0.57 398	0.33 407	0.44 228	0.47 386	0.32 390	0.67 367	0.61 459	1.05 385	0.93 385	0.85 360	1.04 376	1.01 416	0.73 415	0.83 389	0.52 357	0.29 454	0.19 404	0.27 442	0.25 440	0.31 445	0.21 370

XPNet_ROB	0.70 437	0.35 418	0.68 408	0.52 450	0.40 448	0.79 407	0.85 511	1.16 437	0.94 392	1.33 502	1.15 421	1.38 491	0.83 451	1.03 456	0.90 465	0.32 475	0.25 460	0.26 429	0.24 431	0.31 445	0.28 433

MSAF-DinoV2	1.04 497	0.38 440	1.32 513	0.54 467	0.29 336	0.89 435	0.72 493	1.52 524	1.24 483	1.05 460	1.41 472	2.98 541	1.49 524	2.74 552	2.83 545	0.22 377	0.14 291	0.20 301	0.22 399	0.32 451	0.32 461

TCMNet	0.66 425	0.39 447	0.98 476	0.59 489	0.61 518	0.96 449	0.55 439	1.05 385	0.90 367	0.84 356	1.14 415	0.89 382	0.65 371	0.85 401	1.01 483	0.26 427	0.26 466	0.31 467	0.28 467	0.32 451	0.29 440

Wz-Net-SNSev	0.91 482	0.73 515	2.13 539	0.56 477	0.45 478	0.95 446	1.13 532	1.34 494	1.24 483	1.02 449	1.30 455	1.46 498	0.86 456	1.81 527	1.50 514	0.25 417	0.23 444	0.25 410	0.26 454	0.32 451	0.29 440

S-Stereo	0.74 448	0.35 418	0.96 473	0.56 477	0.45 478	0.82 423	0.60 454	1.24 474	1.60 524	0.96 424	1.41 472	1.12 449	0.94 477	0.80 375	1.04 487	0.26 427	0.31 497	0.28 450	0.25 440	0.32 451	0.47 517

edge stereo	0.76 450	0.38 440	0.74 436	0.52 450	0.43 467	0.80 410	0.53 431	1.28 484	1.06 446	1.28 498	1.38 469	1.81 518	1.11 498	1.08 465	0.85 443	0.33 483	0.32 502	0.41 504	0.28 467	0.32 451	0.36 480

NCCL2	0.72 445	0.41 456	0.65 394	0.64 503	0.44 474	0.98 455	1.20 535	1.11 409	1.00 417	0.98 434	0.96 334	1.49 503	0.87 459	0.90 419	0.79 429	0.31 464	0.26 466	0.39 497	0.39 505	0.32 451	0.32 461

MeshStereo	1.34 523	0.43 460	0.54 343	0.44 333	0.34 410	1.66 525	0.60 454	1.94 541	1.37 502	4.47 566	3.25 544	4.71 557	1.94 543	1.92 532	1.17 498	0.35 494	0.35 512	0.37 492	0.31 482	0.32 451	0.32 461
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
psmorigin	0.82 464	0.51 484	2.09 538	0.49 408	0.41 455	0.85 430	0.50 409	1.04 380	0.88 351	1.45 507	1.43 477	1.50 504	1.06 493	1.22 487	0.97 475	0.31 464	0.32 502	0.27 442	0.27 461	0.33 458	0.42 500

NCC-stereo	0.78 456	0.40 452	0.76 445	0.61 497	0.67 522	0.81 415	0.69 480	1.54 526	1.11 459	0.90 396	1.36 461	1.33 483	1.16 502	1.19 479	0.88 453	0.31 464	0.30 488	0.37 492	0.48 525	0.33 458	0.33 466

Abc-Net	0.78 456	0.40 452	0.76 445	0.61 497	0.67 522	0.81 415	0.69 480	1.54 526	1.11 459	0.90 396	1.36 461	1.33 483	1.16 502	1.19 479	0.88 453	0.31 464	0.30 488	0.37 492	0.48 525	0.33 458	0.33 466
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PS-NSSS	0.58 405	0.44 465	0.62 373	0.42 294	0.33 401	0.66 363	0.58 449	1.02 373	0.86 338	0.77 305	1.28 448	0.72 308	0.64 365	0.82 381	0.59 380	0.31 464	0.26 466	0.40 500	0.27 461	0.33 458	0.26 416

CBMV_ROB	0.59 412	0.37 430	0.38 143	0.39 185	0.28 310	0.74 390	0.28 128	1.00 361	0.98 406	0.94 416	1.25 443	0.81 354	0.78 436	0.87 408	0.50 340	0.36 498	0.37 515	0.43 506	0.40 507	0.33 458	0.30 449

ETE_ROB	0.70 437	0.49 476	0.73 431	0.56 477	0.36 421	0.79 407	0.87 512	1.14 426	0.93 385	1.19 487	1.18 430	1.39 492	0.82 446	0.99 445	0.80 431	0.26 427	0.21 426	0.31 467	0.26 454	0.33 458	0.34 473

MultiAttention	3.58 560	0.24 295	0.62 373	0.54 467	0.34 410	22.90 580	2.72 570	1.60 529	1.13 463	0.80 315	1.81 508	1.14 458	0.43 235	35.29 588	0.61 387	0.17 248	0.12 190	0.23 380	0.23 415	0.34 464	0.29 440

RP	0.76 450	0.36 423	0.63 383	0.66 511	0.58 515	0.80 410	0.55 439	1.14 426	1.22 480	0.97 429	1.65 497	1.43 497	1.32 515	1.01 449	0.84 439	0.33 483	0.30 488	0.36 487	0.30 475	0.34 464	0.34 473

FBW_ROB	0.88 476	0.50 480	0.85 458	0.55 474	0.40 448	1.17 489	0.78 501	1.50 518	1.37 502	1.33 502	1.27 446	1.48 502	1.00 488	2.57 551	0.98 478	0.25 417	0.32 502	0.45 509	0.30 475	0.34 464	0.28 433

SANet	1.07 504	0.41 456	1.06 483	0.48 393	0.30 352	1.41 508	0.94 518	1.42 509	3.36 557	1.58 514	2.43 528	2.33 534	1.70 535	1.34 500	1.07 489	0.28 447	0.24 452	0.26 429	0.23 415	0.34 464	0.30 449

PWCDC_ROB	0.89 478	0.49 476	0.80 454	0.74 524	0.40 448	1.03 463	0.39 324	1.33 492	2.35 546	1.02 449	3.77 553	0.81 354	0.92 471	1.20 481	0.90 465	0.34 489	0.22 434	0.24 397	0.20 359	0.34 464	0.29 440

zh-sn7	1.09 507	0.75 517	3.23 550	0.57 483	0.42 461	1.11 478	0.89 513	1.19 447	1.27 493	1.41 506	1.98 516	1.25 466	1.47 523	1.99 536	2.62 542	0.26 427	0.26 466	0.26 429	0.27 461	0.35 469	0.30 449

FINET	0.67 430	0.42 458	1.00 478	0.46 377	0.43 467	0.83 426	0.89 513	1.08 397	1.50 514	0.87 375	1.14 415	0.71 299	0.68 387	0.92 429	0.70 411	0.36 498	0.30 488	0.26 429	0.24 431	0.35 469	0.33 466

DANet	0.71 441	0.45 469	0.91 469	0.59 489	0.40 448	0.81 415	0.40 335	0.97 352	0.84 325	1.20 491	1.22 436	1.33 483	0.88 463	1.16 476	1.24 502	0.27 437	0.23 444	0.31 467	0.25 440	0.35 469	0.32 461
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CSAN	0.83 470	0.49 476	0.77 450	0.60 495	0.41 455	1.14 483	1.06 527	1.19 447	1.46 512	1.32 500	1.43 477	1.37 490	1.19 507	1.27 493	0.86 444	0.39 504	0.31 497	0.36 487	0.37 498	0.35 469	0.34 473

LALA_ROB	0.74 448	0.43 460	0.69 414	0.54 467	0.40 448	1.01 458	0.95 519	1.21 454	1.07 452	1.22 493	1.12 403	1.56 510	0.79 438	1.04 458	0.86 444	0.33 483	0.22 434	0.35 482	0.30 475	0.35 469	0.31 457

DualNet (step1)	0.57 398	0.36 423	0.72 428	0.38 157	0.30 352	0.71 381	0.43 367	1.06 389	0.88 351	0.92 409	0.86 286	0.85 362	0.69 391	0.68 314	0.50 340	0.41 509	0.20 416	0.40 500	0.41 512	0.36 474	0.33 466

test_sample9	1.05 501	0.36 423	0.72 428	0.38 157	0.30 352	0.71 381	0.43 367	1.06 389	0.88 351	0.92 409	0.86 286	0.85 362	0.69 391	1.20 481	1.36 509	0.41 509	8.41 576	0.40 500	0.41 512	0.36 474	0.33 466

test_sample8	1.25 520	0.36 423	0.72 428	0.38 157	0.30 352	0.71 381	0.43 367	1.13 417	0.75 266	1.50 510	0.95 330	3.29 549	1.59 530	1.20 481	1.36 509	0.41 509	8.41 576	0.40 500	0.41 512	0.36 474	0.33 466

GMStereo_Zeroshot	0.49 328	0.44 465	0.74 436	0.49 408	0.27 287	0.56 297	0.29 138	0.73 256	0.76 274	0.86 367	0.94 321	0.91 389	0.36 196	0.74 348	0.43 291	0.26 427	0.14 291	0.26 429	0.15 196	0.36 474	0.18 296

UDGNet	0.48 310	0.77 520	0.50 314	0.48 393	0.31 374	0.41 211	0.34 219	0.70 233	0.92 379	0.65 223	0.60 169	0.58 220	0.43 235	0.63 265	0.41 282	0.32 475	0.15 321	0.66 531	0.19 334	0.36 474	0.21 370

RGC	0.79 459	0.59 501	0.71 423	0.65 508	0.65 521	0.92 442	0.58 449	1.29 485	1.05 439	1.07 467	1.45 483	1.47 501	1.03 490	1.21 485	0.88 453	0.32 475	0.30 488	0.48 517	0.40 507	0.37 479	0.37 485

ADCMid	1.14 510	0.52 491	2.23 541	0.53 460	0.43 467	1.07 470	0.75 497	1.23 467	1.05 439	2.15 539	1.44 480	1.50 504	1.43 521	1.56 513	5.01 560	0.26 427	0.24 452	0.29 458	0.31 482	0.37 479	0.33 466

ADCPNet	1.03 496	0.48 472	2.70 546	0.54 467	0.42 461	1.40 506	0.75 497	1.13 417	1.07 452	1.22 493	1.42 474	1.68 515	1.09 496	1.36 505	3.45 551	0.30 461	0.28 479	0.29 458	0.32 488	0.37 479	0.35 478

NOSS_ROB	0.57 398	0.39 447	0.39 162	0.44 333	0.30 352	0.73 389	0.54 435	1.03 377	1.08 455	0.67 238	0.87 294	0.76 333	0.57 316	0.77 365	0.47 333	0.38 502	0.38 517	0.44 508	0.42 516	0.37 479	0.34 473

HBP-ISP	0.59 412	0.45 469	0.43 216	0.45 356	0.33 401	0.70 376	0.28 128	1.11 409	1.00 417	0.83 349	1.18 430	0.65 274	0.68 387	0.88 411	0.52 357	0.35 494	0.38 517	0.47 513	0.41 512	0.38 483	0.31 457

stereogan	0.80 460	0.31 395	0.71 423	0.59 489	0.50 493	1.72 529	0.48 398	1.35 497	1.37 502	1.00 441	1.46 485	1.56 510	0.95 480	1.29 494	0.84 439	0.28 447	0.29 484	0.29 458	0.25 440	0.38 483	0.38 491

AnyNet_C32	1.16 514	0.62 507	2.40 543	0.57 483	0.55 507	1.41 508	1.34 546	1.18 445	1.24 483	1.49 508	1.42 474	1.39 492	1.20 509	1.55 511	4.82 558	0.29 454	0.28 479	0.29 458	0.34 493	0.38 483	0.42 500

WZ-Net	1.19 516	0.59 501	4.07 557	0.62 501	0.51 497	1.34 503	1.31 545	1.32 490	1.74 528	1.53 513	1.65 497	1.74 517	1.28 514	2.25 545	2.01 531	0.27 437	0.21 426	0.23 380	0.25 440	0.40 486	0.39 493

SHD	0.93 485	0.50 480	1.18 498	0.59 489	0.46 485	0.97 451	0.48 398	1.70 537	2.15 538	1.58 514	1.37 464	1.42 495	1.19 507	1.31 496	1.60 516	0.31 464	0.26 466	0.32 473	0.33 491	0.40 486	0.42 500

RTS	1.98 544	0.96 534	11.36 569	0.65 508	0.57 513	2.77 547	1.40 549	1.39 504	2.26 540	1.89 530	2.56 532	1.32 480	1.25 511	5.20 565	4.05 554	0.31 464	0.22 434	0.29 458	0.29 473	0.40 486	0.37 485

RTSA	1.98 544	0.96 534	11.36 569	0.65 508	0.57 513	2.77 547	1.40 549	1.39 504	2.26 540	1.89 530	2.56 532	1.32 480	1.25 511	5.20 565	4.05 554	0.31 464	0.22 434	0.29 458	0.29 473	0.40 486	0.37 485

RYNet	0.72 445	0.35 418	0.64 388	0.53 460	0.67 522	1.31 502	0.67 470	1.20 452	1.18 472	1.05 460	0.87 294	1.27 469	0.93 476	0.93 435	1.27 506	0.22 377	0.16 353	0.26 429	0.23 415	0.40 486	0.39 493

NVstereo2D	0.60 415	0.30 390	0.75 440	0.48 393	0.43 467	0.89 435	0.48 398	1.05 385	1.15 467	0.66 235	0.86 286	0.88 378	0.70 404	0.99 445	0.65 398	0.32 475	0.15 321	0.28 450	0.20 359	0.40 486	0.36 480

Wz-Net-TNSev	1.14 510	1.06 540	4.32 559	0.49 408	0.42 461	1.51 516	1.11 531	1.48 515	1.40 507	1.22 493	1.26 445	1.58 512	1.43 521	1.76 525	1.70 518	0.32 475	0.31 497	0.26 429	0.30 475	0.41 492	0.41 499

EDNetEfficient	1.46 530	0.80 522	6.12 562	0.47 386	0.39 443	0.69 371	0.83 505	0.90 325	2.77 551	3.50 562	1.96 515	1.66 514	2.03 546	1.26 491	4.18 556	0.21 351	0.18 390	0.21 343	0.20 359	0.41 492	0.39 493

MFN_U_SF_DS_RVC	1.02 495	0.57 499	1.51 527	0.67 514	0.50 493	2.57 542	1.66 556	1.20 452	1.43 508	1.38 504	1.57 494	1.33 483	0.92 471	1.64 520	0.88 453	0.37 501	0.39 521	0.46 512	0.60 537	0.41 492	0.40 496

WCMA_ROB	1.14 510	0.36 423	0.76 445	0.49 408	0.44 474	1.23 497	0.67 470	1.11 409	1.23 481	2.84 553	3.95 559	3.28 548	1.83 540	1.25 490	0.99 479	0.44 513	0.34 510	0.34 480	0.37 498	0.41 492	0.40 496

SDNR	0.86 473	0.37 430	1.47 525	0.40 222	0.38 437	3.38 557	0.33 208	0.90 325	0.98 406	0.99 436	2.09 521	0.59 235	0.71 408	1.29 494	0.70 411	0.51 524	0.56 539	0.36 487	0.26 454	0.43 496	0.46 512

GASNet	0.67 430	0.72 514	0.96 473	0.70 520	0.48 489	0.62 337	0.47 390	1.08 397	1.03 429	0.94 416	0.82 262	0.93 396	0.83 451	1.33 498	0.80 431	0.31 464	0.22 434	0.29 458	0.28 467	0.44 497	0.24 403

MFN_U_SF_RVC	1.09 507	0.59 501	1.97 537	0.67 514	0.44 474	1.93 534	0.60 454	1.85 540	1.36 500	1.61 517	1.54 492	1.95 526	1.37 517	1.64 520	1.73 519	0.40 508	0.37 515	0.45 509	0.48 525	0.44 497	0.44 507

ADCS	1.51 532	0.61 504	3.42 551	0.59 489	0.51 497	1.27 500	1.08 530	1.59 528	1.81 531	1.91 533	1.66 499	1.51 507	1.42 520	1.94 534	8.60 568	0.33 483	0.32 502	0.33 478	0.36 497	0.44 497	0.42 500

AnyNet_C01	1.56 533	1.05 539	7.45 564	0.64 503	0.54 505	1.99 535	1.38 548	1.43 511	1.36 500	1.63 520	1.92 513	1.84 520	1.33 516	2.40 547	4.03 553	0.33 483	0.32 502	0.32 473	0.34 493	0.44 497	0.45 511

coex-ft	6.43 571	1.51 552	87.33 593	0.49 408	0.38 437	1.34 503	1.21 537	1.16 437	8.09 568	12.12 576	2.79 539	2.77 540	3.31 561	1.16 476	3.15 546	0.24 406	0.23 444	0.27 442	0.24 431	0.45 501	0.37 485

G-Net	0.95 486	0.46 471	1.04 481	0.64 503	0.48 489	2.12 537	0.64 465	1.01 370	0.87 347	1.75 526	2.82 542	1.30 474	1.64 534	1.06 459	0.96 474	0.36 498	0.29 484	0.35 482	0.25 440	0.45 501	0.42 500

PDISCO_ROB	0.91 482	0.48 472	1.06 483	0.99 533	0.97 536	1.67 527	0.63 462	1.64 533	1.59 521	1.06 464	1.18 430	1.31 475	0.79 438	1.55 511	0.97 475	0.49 521	0.22 434	0.45 509	0.40 507	0.45 501	0.37 485

FADNet	0.61 417	0.51 484	1.10 487	0.45 356	0.44 474	0.65 360	0.41 350	1.19 447	1.05 439	0.70 259	0.84 273	0.98 408	0.66 378	0.82 381	0.50 340	0.29 454	0.30 488	0.27 442	0.30 475	0.46 504	0.35 478

DPSNet	0.99 490	0.42 458	1.88 536	0.53 460	0.41 455	1.59 521	1.26 541	2.21 547	1.43 508	1.10 475	1.11 399	1.46 498	1.95 544	1.34 500	1.26 504	0.34 489	0.25 460	0.25 410	0.21 381	0.46 504	0.37 485

MSMD_ROB	1.21 517	0.49 476	0.62 373	0.59 489	0.50 493	1.62 524	0.67 470	1.23 467	1.24 483	2.45 546	3.77 553	3.09 545	2.98 559	1.32 497	0.81 434	0.45 514	0.41 524	0.49 520	0.51 532	0.47 506	0.44 507

FC-DCNN v2	1.65 538	0.51 484	0.65 394	0.61 497	0.49 491	1.61 522	0.70 485	1.75 539	1.56 520	4.74 570	4.91 567	6.46 568	3.31 561	1.91 531	1.11 492	0.46 515	0.42 526	0.47 513	0.46 518	0.48 507	0.46 512

FC-DCNN	1.59 534	0.51 484	0.66 400	0.61 497	0.49 491	1.56 519	0.70 485	1.66 534	1.53 516	4.64 567	4.62 565	5.85 564	3.34 563	1.84 529	1.11 492	0.46 515	0.42 526	0.47 513	0.46 518	0.48 507	0.46 512

SAMSARA	1.07 504	0.65 509	1.19 499	1.06 538	0.90 530	1.76 531	1.76 560	1.46 513	1.44 510	1.51 511	1.16 426	2.00 527	1.14 500	1.48 509	1.31 508	0.39 504	0.44 532	0.35 482	0.38 501	0.49 509	0.49 523

MANE	4.13 564	0.51 484	0.64 388	0.66 511	0.56 510	6.89 568	0.99 523	7.55 572	12.04 571	6.68 573	8.57 574	10.69 573	9.45 572	7.59 572	6.39 564	0.49 521	0.43 530	0.48 517	0.98 553	0.49 509	0.48 520

FCDSN-DC	1.39 528	0.56 497	0.65 394	0.74 524	0.59 516	1.38 505	0.63 462	1.35 497	1.39 505	3.26 560	4.50 564	4.61 555	2.63 554	1.58 515	1.03 484	0.46 515	0.42 526	0.48 517	0.47 523	0.50 511	0.50 524
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ccnet	0.82 464	0.57 499	0.75 440	0.54 467	0.59 516	1.09 477	0.66 468	1.38 503	0.94 392	1.12 478	1.44 480	1.29 472	0.92 471	0.95 444	1.24 502	0.49 521	0.42 526	0.50 522	0.47 523	0.51 512	0.46 512

EDNetEfficientorigin	9.93 574	1.15 541	175.16 594	0.48 393	0.36 421	1.04 467	0.68 475	1.24 474	2.69 550	3.17 559	2.50 530	2.30 532	2.07 547	1.76 525	2.21 535	0.20 334	0.18 390	0.24 397	0.19 334	0.51 512	0.50 524

BEATNet-Init1	15.13 578	0.82 526	50.86 591	0.72 523	0.53 502	38.10 589	7.03 574	11.83 577	14.25 576	29.78 590	30.17 590	48.21 593	22.64 586	26.78 586	18.11 577	0.42 512	0.38 517	0.47 513	0.46 518	0.51 512	0.48 520

PVD	1.28 522	0.67 512	1.28 507	0.74 524	0.62 519	1.50 515	0.84 508	1.99 543	2.96 552	2.18 540	2.36 527	1.85 522	1.95 544	1.92 532	1.94 529	0.39 504	0.36 514	0.49 520	0.37 498	0.51 512	0.64 531

LSM	4.74 568	0.77 520	10.16 567	0.70 520	56.56 589	1.02 460	1.00 525	1.24 474	1.62 525	2.04 535	2.34 525	1.33 483	1.17 504	1.38 507	1.09 491	0.33 483	0.49 536	0.39 497	0.46 518	0.51 512	10.09 578

MaskLacGwcNet_RVC	0.67 430	0.81 523	0.73 431	0.53 460	0.37 428	1.40 506	0.53 431	1.04 380	0.79 300	0.88 385	0.94 321	0.95 400	0.53 289	0.93 435	0.58 375	0.39 504	0.30 488	0.57 527	0.31 482	0.53 517	0.30 449

XQC	0.89 478	0.65 509	1.31 511	0.67 514	0.52 501	1.22 495	0.68 475	1.26 480	1.52 515	1.14 481	1.11 399	1.28 471	1.04 492	1.40 508	1.77 522	0.38 502	0.24 452	0.37 492	0.31 482	0.53 517	0.47 517

ELAS_RVC	1.60 535	0.61 504	1.01 480	0.70 520	0.56 510	2.00 536	1.89 563	1.96 542	2.65 549	3.33 561	3.26 545	3.03 542	3.41 564	2.49 549	2.09 533	0.52 525	0.45 533	0.50 522	0.48 525	0.54 519	0.52 526
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	1.63 537	0.61 504	0.95 471	0.68 517	0.55 507	3.01 555	1.55 554	2.39 549	2.33 545	3.64 563	3.89 557	2.75 539	2.90 558	2.15 542	2.27 540	0.52 525	0.45 533	0.50 522	0.48 525	0.54 519	0.52 526
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Anonymous_2	0.82 464	0.44 465	0.63 383	0.40 222	0.43 467	0.80 410	0.52 427	0.72 245	0.77 281	0.71 266	0.60 169	0.87 373	0.76 424	0.75 354	0.58 375	0.52 525	0.54 538	0.54 525	4.82 576	0.56 521	0.40 496

PASM	0.90 481	0.64 508	1.69 529	0.69 519	0.69 525	0.78 404	0.84 508	1.03 377	1.26 492	1.19 487	1.15 421	1.31 475	0.98 484	1.24 489	1.03 484	0.52 525	0.56 539	0.59 530	0.66 539	0.56 521	0.54 528

sAnonymous2	0.40 228	0.39 447	0.85 458	0.48 393	0.37 428	0.40 197	0.46 383	0.57 126	0.52 168	0.38 106	0.46 111	0.35 94	0.42 229	0.43 86	0.30 163	0.19 311	0.14 291	0.18 231	0.17 277	0.57 523	0.44 507

CroCo_RVC	0.40 228	0.39 447	0.85 458	0.48 393	0.37 428	0.40 197	0.46 383	0.57 126	0.52 168	0.38 106	0.46 111	0.35 94	0.42 229	0.43 86	0.30 163	0.19 311	0.14 291	0.18 231	0.17 277	0.57 523	0.44 507

DGSMNet	0.76 450	0.55 496	1.29 509	0.58 485	0.62 519	0.94 443	0.70 485	1.26 480	1.11 459	0.83 349	1.24 441	1.00 412	0.71 408	1.03 456	0.81 434	0.34 489	0.29 484	0.41 504	0.40 507	0.57 523	0.55 529

CC-Net-ROB	0.82 464	0.96 534	0.85 458	0.58 485	0.45 478	1.27 500	0.70 485	1.17 442	1.02 424	0.83 349	1.23 440	0.90 387	0.77 431	1.06 459	0.69 408	0.46 515	0.34 510	1.71 548	0.38 501	0.59 526	0.36 480

GANetREF_RVC	0.80 460	0.75 517	0.86 463	0.66 511	0.42 461	1.15 485	0.98 521	1.14 426	1.19 474	1.01 446	1.02 366	1.10 445	0.90 465	1.15 474	0.76 424	0.48 519	0.39 521	0.57 527	0.38 501	0.63 527	0.46 512
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
zero-FE	0.25 53	0.15 25	0.30 47	0.35 91	0.29 336	0.19 5	0.20 20	0.35 28	0.31 49	0.26 32	0.27 37	0.29 56	0.29 129	0.33 25	0.24 58	0.17 248	0.10 51	0.14 80	0.10 50	0.64 528	0.12 109

PSMNet-RUCA	0.76 450	0.75 517	1.08 486	1.01 536	0.90 530	0.69 371	0.50 409	1.11 409	1.03 429	0.78 309	1.11 399	0.80 351	0.72 412	0.88 411	0.63 393	0.53 529	0.27 475	0.76 533	0.46 518	0.66 529	0.47 517

MSC_U_SF_DS_RVC	1.34 523	0.87 528	1.76 533	0.86 528	0.56 510	4.29 562	1.79 561	1.50 518	1.98 535	1.61 517	1.85 511	1.84 520	1.41 519	1.89 530	1.36 509	0.48 519	0.40 523	0.56 526	0.57 535	0.69 530	0.48 520

NVStereoNet_ROB	1.24 519	0.90 530	1.13 491	0.86 528	0.88 529	1.11 478	0.99 523	1.42 509	1.53 516	1.59 516	2.48 529	2.24 531	1.53 525	1.96 535	1.30 507	0.76 538	0.70 544	0.78 534	1.00 554	0.71 531	0.88 542
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MADNet+	2.23 550	2.43 566	10.85 568	1.22 542	0.91 532	2.76 546	1.40 549	2.12 546	1.67 527	1.32 500	1.74 505	1.86 523	1.74 536	6.25 567	4.41 557	0.65 533	0.64 542	0.58 529	0.54 534	0.80 532	0.76 535

MFMNet_re	1.14 510	0.97 537	1.19 499	0.99 533	0.95 534	1.25 499	1.22 538	1.39 504	1.55 518	1.69 524	1.67 501	1.21 462	1.53 525	1.12 472	0.99 479	0.87 542	0.75 551	0.79 535	0.75 543	0.90 533	0.94 544

GCST	0.83 470	1.22 543	0.74 436	1.58 547	1.01 540	1.06 469	0.23 60	0.78 280	0.78 291	0.97 429	0.65 182	0.78 341	0.35 178	0.92 429	0.34 207	0.96 543	0.65 543	1.20 543	0.81 546	0.91 534	0.70 533

anonymity	0.97 488	0.89 529	1.05 482	0.92 531	1.03 541	0.97 451	0.81 504	1.29 485	0.91 374	1.07 467	0.98 348	1.00 412	0.95 480	1.02 454	0.92 468	0.96 543	0.95 563	0.90 538	0.91 552	0.92 535	0.94 544

UDG	0.88 476	0.82 526	0.67 404	1.00 535	0.96 535	1.02 460	0.57 448	1.13 417	0.99 411	0.90 396	0.97 347	1.31 475	0.99 485	0.85 401	0.84 439	0.54 530	0.32 502	1.77 549	0.40 507	0.94 536	0.66 532

SGM+DAISY	1.35 525	0.94 533	1.25 505	0.96 532	1.00 539	1.52 517	1.02 526	1.34 494	1.21 478	2.64 548	2.65 537	2.44 535	1.56 528	1.64 520	1.26 504	0.97 545	0.95 563	0.90 538	0.90 549	0.94 536	0.96 547

SPS-STEREO	1.25 520	0.93 531	1.06 483	1.04 537	1.03 541	1.41 508	0.91 517	1.51 521	1.19 474	2.09 537	1.83 509	1.94 525	1.39 518	1.62 517	1.39 512	0.97 545	0.94 562	0.90 538	0.89 548	0.96 538	0.96 547
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
JetBlue	2.78 553	1.26 544	7.04 563	1.16 540	1.48 548	8.00 570	6.02 573	2.60 550	1.92 534	2.12 538	2.64 536	3.34 550	3.05 560	6.49 568	3.39 549	0.78 539	0.76 552	0.75 532	0.76 544	0.97 539	1.18 559

WAO-7	1.90 542	1.20 542	1.35 516	1.27 543	1.06 544	2.84 549	1.56 555	3.23 557	3.06 555	2.23 541	3.33 549	3.17 546	2.28 549	3.12 553	2.21 535	1.02 547	0.91 558	1.06 542	1.03 557	1.04 540	0.97 550

Consistency-Raft	1.01 492	0.81 523	1.24 504	0.84 527	0.97 536	0.81 415	0.84 508	1.30 488	1.59 521	1.05 460	1.68 502	1.12 449	0.91 466	0.92 429	1.11 492	0.65 533	0.74 547	0.79 535	0.90 549	1.06 541	0.79 538

DDUNet	1.06 502	2.56 569	0.68 408	1.21 541	1.26 546	1.03 463	0.69 480	1.11 409	0.94 392	0.96 424	1.22 436	1.27 469	0.82 446	0.93 435	0.72 418	0.84 540	0.38 517	1.99 552	0.60 537	1.10 542	0.85 540

SQANet	0.82 464	0.74 516	0.67 404	1.13 539	0.98 538	1.11 478	0.47 390	1.07 393	0.83 320	0.91 401	1.05 380	1.03 423	0.74 417	1.01 449	0.64 396	0.61 532	0.24 452	1.03 541	0.35 496	1.18 543	0.58 530

otaku	1.04 497	0.93 531	0.88 465	1.33 545	1.05 543	1.66 525	0.70 485	1.40 507	1.18 472	1.08 471	1.32 458	1.33 483	0.91 466	1.23 488	0.76 424	0.72 536	0.46 535	1.24 544	0.50 530	1.40 544	0.75 534

Ntro	1.09 507	0.97 537	0.91 469	1.44 546	1.19 545	1.69 528	0.80 503	1.35 497	1.25 489	1.00 441	1.29 452	1.31 475	0.97 483	1.26 491	0.84 439	0.84 540	0.43 530	1.36 545	0.50 530	1.56 545	0.78 536

testlalala_base	0.46 283	0.25 319	0.41 184	0.46 377	0.33 401	0.58 308	0.25 82	0.57 126	0.34 69	0.51 158	0.56 159	0.46 169	0.30 145	0.43 86	0.31 170	1.47 557	0.11 135	0.14 80	0.09 9	1.59 546	0.13 145

PWCK	1.92 543	1.66 558	3.12 549	1.65 548	0.91 532	2.84 549	2.26 566	2.10 545	2.41 547	2.36 544	2.31 522	2.22 530	1.82 538	3.43 556	2.03 532	1.61 560	0.71 546	1.51 546	0.82 547	1.69 547	0.91 543

RainbowNet	1.35 525	1.49 550	1.19 499	1.88 553	1.45 547	1.48 514	1.07 529	1.61 531	1.55 518	1.20 491	1.59 495	1.54 508	1.13 499	1.34 500	0.97 475	1.36 556	0.70 544	1.82 550	0.79 545	1.71 548	1.07 553

WAO-6	2.04 547	1.50 551	1.16 493	1.70 549	1.67 554	2.69 543	1.44 552	3.06 554	3.63 560	1.98 534	3.27 546	3.54 553	2.07 547	2.36 546	2.22 537	1.31 555	0.91 558	2.04 557	1.22 564	1.73 549	1.27 561

ACVNet_2	1.65 538	1.27 545	1.41 523	1.75 550	1.62 550	2.22 538	1.20 535	2.30 548	2.62 548	1.78 527	2.56 532	3.03 542	1.61 531	1.54 510	1.12 496	1.06 548	0.58 541	1.82 550	0.70 542	1.82 550	0.96 547

WAO-8	2.92 554	1.55 553	1.35 516	1.79 551	1.63 552	5.23 564	1.22 538	4.58 567	12.56 573	2.84 553	4.07 561	4.83 558	2.72 556	3.49 557	2.25 538	1.27 550	0.91 558	1.99 552	1.15 562	1.86 551	1.15 555

Venus	2.92 554	1.55 553	1.35 516	1.79 551	1.63 552	5.23 564	1.22 538	4.58 567	12.56 573	2.84 553	4.06 560	4.83 558	2.72 556	3.49 557	2.25 538	1.27 550	0.91 558	1.99 552	1.15 562	1.86 551	1.15 555

Dean	1.98 544	1.36 548	1.36 520	2.12 557	1.81 557	2.74 544	1.36 547	3.37 561	3.80 561	2.08 536	3.32 548	3.21 547	1.82 538	1.71 524	1.67 517	1.27 550	0.77 553	1.99 552	0.90 549	1.86 551	1.03 552

ACVNet-4b	1.35 525	1.31 546	1.10 487	1.90 554	1.59 549	1.92 533	0.77 499	1.52 524	1.62 525	1.05 460	1.60 496	2.11 529	0.94 477	1.64 520	0.77 428	1.30 553	0.35 512	2.03 556	0.67 540	1.88 554	0.84 539

LVE	2.12 549	1.44 549	1.36 520	1.99 556	1.78 555	2.75 545	1.79 561	2.82 551	3.95 562	1.90 532	4.33 563	3.52 552	1.81 537	2.24 544	1.74 520	1.74 562	0.87 556	2.06 558	1.13 560	1.91 555	1.35 562

ACVNet_1	1.46 530	1.33 547	1.12 490	1.91 555	1.62 550	1.83 532	0.98 521	2.00 544	1.85 533	1.39 505	1.53 491	2.32 533	1.53 525	1.34 500	1.11 492	1.30 553	0.50 537	2.06 558	0.58 536	1.93 556	0.95 546

IMH-64-1	1.86 540	1.62 555	1.16 493	2.20 558	1.89 558	2.33 539	1.30 542	2.89 552	2.29 543	1.66 521	2.80 540	2.49 536	1.61 531	2.10 539	1.78 524	1.60 558	0.74 547	2.43 562	1.02 555	2.12 557	1.17 557

IMH-64	1.86 540	1.62 555	1.16 493	2.20 558	1.89 558	2.33 539	1.30 542	2.89 552	2.29 543	1.66 521	2.80 540	2.49 536	1.61 531	2.10 539	1.78 524	1.60 558	0.74 547	2.43 562	1.02 555	2.12 557	1.17 557

IMH	2.04 547	1.62 555	1.20 502	2.20 558	1.89 558	2.91 554	1.30 542	3.11 555	3.03 553	1.81 528	3.35 550	3.03 542	1.90 541	2.48 548	1.80 526	1.66 561	0.77 553	2.45 564	1.04 558	2.15 559	1.19 560

DispFullNet	1.60 535	2.63 570	2.75 547	2.56 565	1.79 556	1.24 498	0.47 390	1.37 502	1.45 511	1.87 529	1.50 487	1.55 509	2.46 550	2.04 538	1.04 487	0.59 531	0.18 390	2.32 561	0.68 541	2.29 560	1.14 554

TorneroNet-64	3.44 557	1.86 559	1.42 524	2.58 566	2.28 564	6.87 567	1.68 557	4.70 569	12.03 570	2.31 543	5.59 571	8.25 570	2.55 553	3.97 562	2.73 543	1.81 563	0.74 547	2.57 566	1.07 559	2.35 561	1.44 563

TorneroNet	4.53 567	1.89 560	1.48 526	2.55 564	2.27 563	13.78 577	1.69 558	4.84 571	23.73 587	2.89 556	7.70 573	7.06 569	2.69 555	4.26 564	3.42 550	1.84 564	0.77 553	2.68 568	1.13 560	2.42 562	1.47 564

ktn	2.98 556	2.25 564	1.73 532	2.84 568	2.53 569	3.76 561	2.15 565	3.70 563	5.47 565	2.75 550	5.17 570	5.94 565	2.48 551	3.23 554	2.46 541	2.34 571	1.44 569	2.78 570	2.03 570	2.45 563	2.01 568

DPSimNet_ROB	3.58 560	2.45 567	8.57 565	2.53 563	2.37 565	2.88 552	3.77 572	3.14 556	3.23 556	4.71 569	3.86 556	4.68 556	4.87 569	4.07 563	5.62 561	2.33 570	2.33 571	2.47 565	2.52 571	2.51 564	2.64 571

KSHMR	2.57 551	1.93 561	1.69 529	2.63 567	2.42 566	2.86 551	2.07 564	3.27 559	6.50 566	2.49 547	3.36 551	3.41 551	1.92 542	2.49 549	1.94 529	2.13 567	1.40 568	2.79 571	1.50 567	2.73 565	1.77 565

UNDER WATER-64	3.53 559	2.01 562	3.94 555	3.22 572	2.49 568	5.41 566	2.60 569	3.43 562	12.41 572	3.03 558	2.68 538	6.07 566	4.04 566	3.79 561	3.33 548	2.02 565	1.24 567	2.63 567	1.46 566	2.78 566	2.08 569

SuperB	1.04 497	0.37 430	4.81 560	0.43 314	0.31 374	0.99 456	0.46 383	1.02 373	2.09 537	1.09 473	1.09 396	0.75 327	0.81 442	1.06 459	1.76 521	0.19 311	0.15 321	0.17 185	0.15 196	2.82 567	0.26 416

UNDER WATER	3.46 558	2.07 563	3.64 554	3.09 570	2.48 567	3.75 560	2.42 568	3.31 560	13.77 575	2.90 557	2.95 543	5.84 563	3.69 565	3.69 559	3.48 552	2.07 566	1.11 565	2.70 569	1.40 565	2.84 568	1.98 567

notaker	2.76 552	2.29 565	1.80 534	2.96 569	2.58 570	2.90 553	1.75 559	3.24 558	3.05 554	2.78 551	4.24 562	6.15 567	2.51 552	3.34 555	2.75 544	2.31 569	1.18 566	3.00 572	1.65 568	2.84 568	1.97 566

HanzoNet	6.76 572	2.45 567	4.22 558	3.19 571	2.94 572	3.62 559	2.28 567	4.79 570	7.20 567	14.00 580	13.19 579	17.49 580	22.30 585	13.25 576	6.19 563	4.20 574	1.93 570	3.10 573	2.56 572	3.35 570	2.88 573

JetRed	5.27 569	5.84 574	12.81 572	2.36 562	2.83 571	12.23 575	10.50 576	4.46 566	3.60 558	3.86 564	3.83 555	4.85 560	4.18 567	6.78 569	11.96 572	2.17 568	2.96 573	2.18 560	1.97 569	3.38 571	2.68 572

test_for_model	0.82 464	3.60 573	0.39 162	2.35 561	2.07 561	0.39 193	0.28 128	0.42 61	0.45 147	0.71 266	0.31 64	0.30 59	0.27 101	0.34 30	0.25 75	0.34 489	0.11 135	0.13 51	0.09 9	3.49 572	0.18 296

MADNet++	4.03 562	2.70 571	3.44 553	3.72 574	3.44 573	4.44 563	3.52 571	3.95 565	3.61 559	4.46 565	4.98 568	4.10 554	4.58 568	7.00 570	5.89 562	3.74 573	3.67 574	3.27 574	2.71 573	3.70 573	3.66 574

tt	6.20 570	0.20 161	5.89 561	3.55 573	2.07 561	11.26 573	19.21 577	11.74 576	5.46 564	2.69 549	2.04 520	4.87 561	6.25 570	3.70 560	7.09 567	8.32 579	11.17 583	4.93 576	5.41 578	5.74 574	2.37 570

DPSMNet_ROB	12.08 576	8.00 575	21.00 575	8.97 577	16.79 577	10.67 571	30.89 582	9.02 575	15.17 578	6.51 572	15.41 583	9.04 571	14.85 576	9.27 574	21.67 580	4.58 576	8.57 578	5.09 579	9.29 580	5.90 575	10.95 579

DGTPSM_ROB	12.07 575	8.00 575	20.99 574	8.93 576	16.78 576	10.67 571	30.87 581	9.01 574	15.16 577	6.50 571	15.41 583	9.04 571	14.85 576	9.25 573	21.67 580	4.57 575	8.57 578	5.08 577	9.28 579	5.90 575	10.95 579

USTest	12.99 577	14.18 579	20.00 573	16.24 578	14.97 575	20.80 579	31.95 583	16.20 580	10.91 569	8.79 575	9.48 575	13.94 575	10.50 573	16.11 577	21.44 579	3.17 572	4.82 575	5.08 577	5.36 577	8.81 577	7.13 576

TCMNet-wrong-test	8.97 573	10.42 578	8.74 566	19.56 579	17.61 578	12.53 576	9.01 575	13.59 578	2.18 539	4.64 567	5.11 569	14.63 576	11.09 574	7.19 571	9.73 569	5.56 578	0.89 557	3.77 575	3.11 574	10.34 578	9.80 577

PML	40.80 594	29.24 586	11.87 571	7.20 575	14.47 574	92.13 594	213.69 595	7.63 573	23.35 586	74.72 594	190.14 595	50.17 594	26.15 587	21.39 581	12.70 573	8.76 580	2.92 572	8.45 580	3.25 575	13.26 579	4.42 575

DPSM_ROB	17.78 579	18.63 581	24.31 581	20.90 581	19.47 579	25.97 582	36.21 585	21.23 586	16.24 580	13.38 578	14.06 581	19.18 583	16.30 579	20.78 579	25.67 583	9.38 581	9.23 581	9.49 581	9.82 581	13.51 580	11.91 582

DPSM	17.78 579	18.63 581	24.31 581	20.90 581	19.47 579	25.97 582	36.21 585	21.23 586	16.24 580	13.38 578	14.06 581	19.18 583	16.30 579	20.78 579	25.67 583	9.38 581	9.23 581	9.49 581	9.82 581	13.51 580	11.91 582

FlowAnything	35.81 586	37.53 592	48.80 589	42.20 587	39.22 587	52.25 591	73.16 593	42.56 591	32.89 592	26.76 586	28.30 588	38.69 591	33.09 591	41.63 591	51.62 592	18.76 588	18.59 591	19.21 586	19.92 586	27.16 582	23.91 584

CasAABBNet	35.74 585	37.43 590	48.72 588	42.22 588	39.20 586	52.24 590	73.12 592	42.61 592	32.62 590	26.78 587	27.95 585	38.58 589	32.60 589	41.67 592	51.65 593	18.74 587	18.57 589	19.15 584	19.77 584	27.20 583	23.98 585

Selective-RAFT-Error	35.84 587	37.49 591	48.83 590	42.26 589	39.24 588	52.30 592	73.09 591	42.66 593	32.61 589	26.80 588	28.30 588	38.84 592	33.51 592	41.68 593	51.59 591	18.82 589	18.58 590	19.17 585	19.80 585	27.28 584	24.05 586

LSM0	38.95 593	37.60 593	48.58 587	43.57 590	91.06 594	52.57 593	72.57 590	43.17 594	32.63 591	26.97 589	27.97 586	38.65 590	32.94 590	41.86 594	51.78 594	18.89 590	18.41 585	19.13 583	19.63 583	27.29 585	33.77 588

xxxxx1	36.64 588	19.51 583	24.21 578	61.66 591	64.63 591	27.28 585	40.10 587	20.25 581	18.63 583	14.07 581	12.97 576	17.26 577	17.36 581	21.70 582	27.93 585	13.18 583	18.50 586	111.26 592	133.37 592	29.24 586	39.73 589

tt_ll	36.64 588	19.51 583	24.21 578	61.66 591	64.63 591	27.28 585	40.10 587	20.25 581	18.63 583	14.07 581	12.97 576	17.26 577	17.36 581	21.70 582	27.93 585	13.18 583	18.50 586	111.26 592	133.37 592	29.24 586	39.73 589

ff	36.64 588	19.51 583	24.21 578	61.66 591	64.63 591	27.28 585	40.10 587	20.25 581	18.63 583	14.07 581	12.97 576	17.26 577	17.36 581	21.70 582	27.93 585	13.18 583	18.50 586	111.26 592	133.37 592	29.24 586	39.73 589

LRCNet_RVC	21.24 582	31.15 587	21.41 576	28.98 584	23.82 582	3.13 556	0.60 454	20.96 585	1.59 521	25.58 585	28.15 587	21.99 585	14.79 575	21.94 585	16.41 576	28.89 591	14.87 584	33.53 587	31.28 587	29.51 589	26.16 587

HaxPig	31.96 583	37.24 589	34.27 583	24.37 583	24.88 583	18.26 578	19.86 578	20.64 584	28.52 588	35.97 591	38.75 591	25.57 586	28.72 588	33.88 587	34.39 588	35.94 592	38.87 592	37.80 588	40.48 588	39.68 590	41.15 592

AVERAGE_ROB	37.58 592	40.13 594	40.15 585	34.81 586	33.82 585	28.55 588	25.10 580	32.02 590	34.06 594	41.28 592	40.66 592	34.46 588	34.81 594	39.18 589	37.57 590	42.78 593	43.44 593	43.82 589	43.03 589	40.47 591	41.51 593

MEDIAN_ROB	37.38 591	40.85 595	40.60 586	32.31 585	31.85 584	27.20 584	24.55 579	29.10 589	33.19 593	42.09 593	41.76 593	33.35 587	34.39 593	39.78 590	37.07 589	43.64 594	44.10 594	44.12 590	43.40 590	41.51 592	42.76 594

DLNR_Zeroshot_test	20.09 581	36.28 588	38.04 584	169.85 594	61.80 590	0.23 20	0.20 20	13.88 579	0.37 104	0.44 135	0.66 189	0.43 153	0.21 39	0.62 254	0.28 142	5.46 577	0.10 51	0.15 121	0.11 77	72.60 593	0.11 64

Anonymous_1	33.25 584	18.26 580	23.92 577	20.54 580	21.28 581	25.59 581	35.94 584	22.01 588	15.57 579	13.33 577	13.49 580	18.08 581	15.29 578	20.36 578	24.60 582	16.28 586	8.84 580	66.59 591	118.00 591	155.73 594	11.23 581

test_example2	176.61 595	205.14 596	198.86 595	188.60 595	190.98 595	152.67 595	170.61 594	94.86 595	123.55 595	178.88 595	179.48 594	158.94 595	141.34 595	192.61 595	198.96 595	203.76 595	236.37 595	164.13 595	173.55 595	218.58 595	160.41 595

ccccc		429.19 597		507.10 596	501.20 596	356.95 596		380.82 596		334.51 596		372.86 596		499.17 596		561.44 596	431.22 596	334.28 596	290.86 596	540.88 596

ASD4		8.86 577

Low-res two-view benchmark