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

FoundationStereo	0.50 1	0.39 2	1.11 13	0.79 44	0.42 50	0.70 3	0.36 12	0.76 1	0.80 4	0.62 13	0.38 2	0.73 44	0.77 65	0.69 1	0.36 2	0.26 57	0.17 18	0.23 15	0.16 9	0.18 1	0.20 13

LGtest1	0.55 2	0.41 5	1.14 17	0.70 15	0.40 40	0.99 8	0.26 2	1.32 7	0.93 9	0.53 4	0.60 7	0.44 4	0.49 9	1.02 21	0.45 9	0.27 72	0.19 67	0.23 15	0.16 9	0.21 5	0.23 38

MonSter	0.62 3	0.43 8	1.07 7	0.66 13	0.82 241	1.13 13	0.39 16	2.57 112	0.92 8	0.58 7	0.64 8	0.36 2	0.35 1	0.95 10	0.43 5	0.15 1	0.15 3	0.20 1	0.17 16	0.21 5	0.19 4

S2M2	0.64 4	0.55 65	1.07 7	0.89 105	0.54 123	1.08 10	0.20 1	1.16 5	1.37 45	0.59 8	0.81 22	0.86 72	0.47 6	0.70 2	0.65 34	0.31 187	0.33 319	0.27 96	0.27 187	0.36 214	0.31 162

SGD-Stereo	0.65 5	0.41 5	1.06 6	0.85 87	0.31 2	2.44 101	0.46 36	1.09 3	0.69 1	0.84 62	0.52 5	0.55 11	0.53 10	1.49 108	0.46 11	0.31 187	0.14 2	0.25 50	0.18 24	0.23 12	0.20 13

dual_stereo	0.68 6	0.40 3	1.05 3	0.64 6	0.37 23	0.84 6	0.34 8	3.40 203	1.03 13	0.50 2	0.46 4	0.58 12	0.40 2	1.85 173	0.49 13	0.23 20	0.17 18	0.21 5	0.16 9	0.20 3	0.19 4

DEFOM-Stereo	0.70 7	0.46 12	1.13 16	0.72 20	0.48 94	3.40 190	0.44 31	0.90 2	0.77 3	0.86 65	0.58 6	0.45 6	0.43 4	1.76 157	0.43 5	0.24 29	0.18 43	0.22 9	0.16 9	0.21 5	0.20 13

GREAT-IGEV	0.74 8	0.54 59	1.86 84	1.10 238	0.44 61	2.44 101	0.34 8	1.37 8	1.51 101	0.48 1	0.86 24	0.51 9	0.60 23	1.07 27	0.45 9	0.22 9	0.17 18	0.21 5	0.17 16	0.23 12	0.25 61

RAStereo	0.75 9	0.52 38	2.86 178	0.58 1	0.62 164	1.19 17	0.32 5	1.81 40	0.99 11	0.75 30	1.05 47	0.64 20	0.47 6	0.80 4	0.94 152	0.22 9	0.20 98	0.27 96	0.21 66	0.34 183	0.22 30

AIO_test	0.76 10	0.47 14	1.31 35	0.81 46	0.70 202	1.36 38	0.88 246	1.40 9	1.45 61	0.55 5	0.95 31	1.81 221	0.58 19	1.16 44	0.46 11	0.27 72	0.17 18	0.24 32	0.19 38	0.24 16	0.21 24

fffft	0.76 10	0.47 14	1.28 33	0.82 56	0.54 123	1.51 50	0.80 192	2.09 61	1.18 20	0.63 14	0.84 23	0.59 14	0.55 13	1.80 163	0.85 108	0.19 2	0.18 43	0.27 96	0.20 52	0.26 40	0.24 51
1: 1. 1
ours_stereo	0.76 10	0.64 162	1.40 47	0.86 91	0.61 160	1.12 12	0.57 62	1.63 26	1.20 22	0.72 28	1.43 126	0.70 31	0.62 28	1.56 117	0.58 19	0.25 45	0.18 43	0.26 71	0.21 66	0.29 80	0.31 162

AIO-Stereo	0.76 10	0.54 59	1.07 7	0.73 22	0.40 40	1.28 32	0.82 204	2.26 74	1.49 89	0.70 24	1.58 164	0.89 79	0.45 5	1.03 22	0.55 16	0.24 29	0.18 43	0.25 50	0.20 52	0.26 40	0.21 24

GLC_STEREO	0.76 10	0.52 38	1.12 14	0.83 66	0.33 6	1.86 67	0.82 204	1.46 12	1.38 46	0.95 76	1.04 43	0.68 27	0.72 48	0.97 14	0.80 91	0.23 20	0.25 237	0.32 207	0.25 143	0.32 147	0.30 153

mms	0.77 15	0.68 201	1.17 18	0.83 66	0.71 204	1.41 42	0.67 108	1.61 20	1.12 17	0.77 44	1.37 112	0.63 19	0.54 12	1.75 156	0.63 27	0.24 29	0.19 67	0.26 71	0.21 66	0.31 122	0.34 198

RSM++	0.77 15	0.51 32	1.08 10	0.95 149	0.42 50	1.52 52	0.71 126	2.11 62	1.40 50	0.80 50	1.23 76	0.90 81	0.59 21	1.14 38	0.69 53	0.24 29	0.19 67	0.25 50	0.21 66	0.28 68	0.20 13

AIO_rvc	0.78 17	0.55 65	1.25 27	0.75 24	0.65 176	1.46 45	0.99 303	2.13 63	1.52 110	0.57 6	1.15 61	1.09 104	0.55 13	1.15 42	0.53 15	0.24 29	0.17 18	0.24 32	0.17 16	0.25 28	0.21 24

CASnet	0.78 17	0.51 32	1.29 34	0.81 46	0.29 1	1.28 32	0.74 146	1.51 15	1.89 236	1.64 147	1.09 53	0.65 24	0.64 33	0.91 7	0.76 80	0.29 129	0.17 18	0.41 340	0.31 277	0.32 147	0.19 4
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.79 19	0.54 59	1.35 42	0.97 162	0.63 166	1.13 13	0.92 276	2.02 54	0.91 7	0.76 40	0.79 19	0.80 57	1.61 278	1.28 71	0.61 23	0.22 9	0.18 43	0.26 71	0.23 109	0.27 52	0.23 38

SMoEStereo_RVC	0.80 20	0.53 49	1.12 14	0.92 127	0.44 61	2.41 99	0.79 182	1.49 14	1.16 18	0.70 24	1.12 57	0.64 20	0.64 33	1.69 148	0.87 121	0.22 9	0.16 7	0.31 187	0.22 96	0.26 40	0.25 61

fffy	0.80 20	0.59 105	1.56 62	1.00 182	0.47 86	1.27 27	0.76 159	1.90 44	1.02 12	0.75 30	1.35 107	0.83 62	0.72 48	1.70 150	0.62 24	0.23 20	0.19 67	0.27 96	0.21 66	0.28 68	0.32 171

rvit_stereo_0081	0.80 20	0.63 150	1.19 19	0.91 121	0.64 168	1.27 27	0.61 79	2.05 55	1.71 196	0.82 54	0.73 12	0.85 68	0.75 58	1.30 78	0.80 91	0.31 187	0.26 250	0.27 96	0.25 143	0.38 229	0.27 98

rvit_stereo_0082	0.80 20	0.63 150	1.19 19	0.91 121	0.64 168	1.27 27	0.61 79	2.05 55	1.71 196	0.82 54	0.73 12	0.85 68	0.75 58	1.30 78	0.80 91	0.31 187	0.26 250	0.27 96	0.25 143	0.38 229	0.27 98

RSM	0.80 20	0.50 28	1.08 10	0.83 66	0.51 105	1.31 35	0.77 172	2.28 77	1.43 59	0.82 54	1.44 128	1.22 129	0.62 28	1.17 51	0.63 27	0.22 9	0.18 43	0.24 32	0.19 38	0.27 52	0.20 13

MGS-Stereo	0.80 20	0.56 76	1.53 56	0.93 141	0.39 37	1.26 26	0.73 134	1.45 11	1.30 38	1.01 81	2.26 358	0.80 57	0.56 15	1.16 44	0.65 34	0.27 72	0.23 184	0.26 71	0.22 96	0.27 52	0.25 61

Selective-IGEV	0.80 20	0.52 38	1.05 3	0.75 24	0.61 160	1.31 35	0.82 204	2.60 116	1.41 53	0.82 54	1.64 183	0.71 38	0.62 28	1.22 61	0.64 30	0.22 9	0.19 67	0.24 32	0.18 24	0.25 28	0.20 13

DEFOM-Stereo_RVC	0.81 27	1.13 368	1.23 25	0.97 162	0.57 144	0.81 5	0.43 29	3.49 210	0.84 5	0.73 29	0.95 31	0.44 4	1.17 179	1.45 99	0.60 22	0.26 57	0.18 43	0.24 32	0.17 16	0.30 103	0.19 4

rvit_stereo_0081_aga	0.81 27	0.75 260	1.84 83	0.72 20	0.73 210	1.21 18	0.63 93	1.92 47	1.39 47	0.87 67	0.80 20	0.79 55	0.69 43	1.27 70	0.69 53	0.35 255	0.29 281	0.26 71	0.25 143	0.40 244	0.27 98

castereo	0.82 29	0.70 214	1.04 2	0.85 87	0.50 103	1.29 34	0.91 263	3.22 178	1.20 22	0.83 60	1.24 77	0.72 40	0.91 105	1.00 19	0.67 43	0.26 57	0.16 7	0.25 50	0.20 52	0.24 16	0.21 24

MaDis-Stereo	0.82 29	0.66 183	1.53 56	0.65 10	1.87 461	1.24 23	0.36 12	2.13 63	1.27 34	0.67 21	0.75 14	0.88 77	0.70 45	1.15 42	1.07 176	0.29 129	0.23 184	0.26 71	0.20 52	0.31 122	0.22 30

UniTT-Stereo	0.82 29	0.47 14	2.63 165	0.96 155	1.19 344	0.78 4	0.39 16	1.12 4	1.54 126	1.19 99	1.26 84	0.51 9	0.64 33	1.13 36	1.03 170	0.30 168	0.20 98	0.24 32	0.21 66	0.40 244	0.25 61

ProNet	0.82 29	0.71 226	1.50 55	0.86 91	0.45 68	1.78 61	0.83 209	1.75 34	1.28 35	0.66 19	1.13 59	0.78 51	0.76 63	1.66 142	0.71 62	0.24 29	0.20 98	0.25 50	0.23 109	0.29 80	0.25 61

LG-Stereo	0.85 33	0.60 117	2.71 169	0.59 2	0.45 68	2.85 121	0.55 57	2.41 83	1.34 42	0.59 8	1.19 67	0.43 3	0.40 2	0.76 3	0.75 76	0.20 4	0.17 18	0.31 187	0.24 132	0.29 80	0.19 4

rvit_stereo_0083	0.86 34	0.67 193	1.42 48	0.87 96	0.65 176	1.23 19	0.64 96	1.67 29	2.28 314	0.79 48	0.93 30	0.93 87	1.07 149	1.46 103	0.75 76	0.32 207	0.36 339	0.30 166	0.26 161	0.33 165	0.28 117

Occ-G	0.86 34	0.52 38	1.39 45	0.82 56	0.66 182	1.37 39	0.79 182	1.58 19	1.31 39	1.56 133	0.87 25	2.18 272	0.89 100	0.97 14	0.88 125	0.26 57	0.19 67	0.26 71	0.19 38	0.25 28	0.24 51

IGEVStereo-DCA	0.86 34	0.65 172	2.05 104	0.90 114	0.46 76	1.57 54	0.86 224	1.62 21	1.24 25	0.65 17	0.77 17	0.74 48	0.72 48	2.59 236	0.86 115	0.28 109	0.21 129	0.28 125	0.21 66	0.29 80	0.27 98

MoCha-V2	0.87 37	0.48 19	1.87 85	0.88 101	0.32 5	1.37 39	0.55 57	2.71 126	1.42 55	0.92 72	1.75 216	0.65 24	1.17 179	1.45 99	0.57 17	0.21 5	0.21 129	0.20 1	0.19 38	0.24 16	0.23 38

GIP-stereo	0.88 38	0.50 28	1.34 40	1.32 338	0.94 281	2.90 125	0.42 24	3.41 204	1.06 15	0.63 14	0.76 15	0.90 81	0.76 63	0.91 7	0.52 14	0.27 72	0.18 43	0.25 50	0.16 9	0.25 28	0.19 4

WCG-NET	0.88 38	0.49 26	1.26 28	0.90 114	0.37 23	1.48 47	1.07 321	1.73 32	2.30 318	1.63 144	1.49 142	0.92 86	0.97 118	0.95 10	0.76 80	0.22 9	0.16 7	0.23 15	0.20 52	0.25 28	0.21 24

Pointernet	0.88 38	0.44 9	2.26 132	0.84 75	0.37 23	2.29 93	0.38 14	3.06 163	1.46 69	0.66 19	1.39 117	0.91 83	0.73 52	1.01 20	0.72 67	0.23 20	0.19 67	0.20 1	0.18 24	0.19 2	0.20 13

LG-Stereo_Zeroshot	0.89 41	0.47 14	2.08 116	0.76 38	0.73 210	3.91 293	0.41 21	2.07 59	1.07 16	0.77 44	0.89 27	0.64 20	0.86 91	0.95 10	0.77 85	0.26 57	0.18 43	0.26 71	0.19 38	0.32 147	0.32 171

SCV_C0	0.89 41	0.59 105	1.96 96	0.83 66	0.44 61	1.24 23	0.64 96	3.33 197	1.66 182	0.82 54	1.20 68	0.73 44	0.66 39	1.62 133	0.66 39	0.32 207	0.21 129	0.24 32	0.20 52	0.28 68	0.23 38

CAS++	0.89 41	0.64 162	1.46 51	0.81 46	0.51 105	1.24 23	0.86 224	3.44 205	1.46 69	1.14 96	1.29 93	0.62 17	0.58 19	1.13 36	0.59 20	0.34 235	0.30 294	0.34 259	0.26 161	0.41 268	0.29 127
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV-RUCA	0.90 44	0.53 49	1.05 3	0.81 46	0.74 215	3.89 290	0.80 192	1.92 47	1.41 53	0.96 78	0.71 10	0.70 31	0.73 52	1.30 78	0.68 46	0.29 129	0.20 98	0.25 50	0.19 38	0.43 297	0.34 198

IGEV++	0.90 44	0.58 98	1.32 38	0.94 145	0.45 68	1.27 27	1.00 304	3.32 194	1.55 134	0.82 54	1.34 104	0.86 72	1.09 152	1.16 44	0.89 128	0.33 223	0.18 43	0.23 15	0.19 38	0.29 80	0.22 30

trnet	0.91 46	0.48 19	1.46 51	0.62 4	0.31 2	4.40 410	0.41 21	2.20 68	1.53 117	0.94 73	1.14 60	0.88 77	0.89 100	1.09 29	0.71 62	0.27 72	0.19 67	0.22 9	0.15 4	0.21 5	0.19 4

Former-RAFT_DAM_RVC	0.92 47	0.73 240	1.42 48	0.92 127	1.08 318	2.97 139	0.53 52	1.77 37	1.39 47	1.16 97	1.54 154	0.58 12	0.65 36	1.03 22	0.84 105	0.25 45	0.23 184	0.30 166	0.24 132	0.43 297	0.29 127

CREStereo	0.92 47	0.53 49	1.45 50	0.61 3	0.34 7	4.42 414	0.40 20	2.21 70	1.54 126	0.94 73	1.12 57	0.87 74	0.87 95	1.12 33	0.72 67	0.28 109	0.19 67	0.22 9	0.15 4	0.22 10	0.19 4
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
castereo++	0.93 49	0.56 76	1.26 28	0.92 127	0.73 210	2.48 103	1.00 304	2.99 152	1.03 13	0.68 22	1.41 122	1.92 236	0.59 21	1.26 66	0.44 7	0.25 45	0.19 67	0.28 125	0.19 38	0.23 12	0.23 38

IGEV-Stereo++	0.93 49	0.44 9	1.08 10	0.70 15	1.20 349	3.87 288	0.33 6	3.36 199	1.43 59	0.75 30	1.17 64	0.68 27	1.04 135	0.95 10	0.42 3	0.22 9	0.16 7	0.23 15	0.17 16	0.24 16	0.20 13

GCAP-Stereo	0.93 49	0.68 201	1.35 42	0.85 87	0.41 45	3.61 236	0.52 51	2.20 68	1.50 94	1.11 94	1.04 43	1.17 115	0.84 87	1.11 31	0.71 62	0.25 45	0.20 98	0.27 96	0.18 24	0.28 68	0.23 38

StereoAnything_RVC	0.94 52	2.66 468	2.20 123	0.76 38	0.34 7	1.18 16	0.39 16	2.31 78	0.69 1	0.51 3	0.34 1	0.32 1	0.89 100	1.57 119	0.35 1	0.32 207	0.16 7	0.23 15	0.15 4	3.31 488	0.18 2

rvit_stereo_0080	0.94 52	0.72 229	2.56 155	0.64 6	0.59 154	1.90 69	0.75 156	2.71 126	1.40 50	0.91 69	1.04 43	0.85 68	0.82 83	1.14 38	0.78 86	0.35 255	0.29 281	0.25 50	0.27 187	0.45 313	0.29 127

IGEV-Stereo+	0.94 52	0.47 14	1.19 19	0.86 91	2.02 471	1.40 41	0.39 16	1.17 6	0.88 6	0.61 11	0.44 3	0.47 8	0.79 75	2.14 198	0.42 3	0.27 72	0.19 67	0.22 9	0.17 16	2.26 483	2.41 488

whm_eth	0.94 52	0.72 229	2.56 155	0.64 6	0.59 154	1.90 69	0.75 156	2.71 126	1.40 50	0.91 69	1.04 43	0.85 68	0.82 83	1.14 38	0.78 86	0.35 255	0.29 281	0.25 50	0.27 187	0.45 313	0.29 127

LoS_RVC	0.94 52	1.30 400	1.31 35	0.84 75	1.63 430	2.02 76	0.59 72	1.51 15	1.36 44	0.81 52	1.33 99	0.84 64	0.88 96	1.36 85	0.73 69	0.21 5	0.17 18	0.20 1	0.14 2	0.20 3	1.45 467

LoS	0.94 52	0.52 38	1.88 86	0.86 91	0.36 11	4.15 356	0.51 48	2.18 67	1.45 61	0.97 79	0.88 26	0.62 17	0.79 75	1.59 125	0.86 115	0.26 57	0.19 67	0.24 32	0.16 9	0.21 5	0.20 13
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
SCV	0.95 58	0.63 150	1.38 44	1.70 432	0.41 45	1.23 19	0.89 249	3.53 221	1.57 146	0.61 11	1.54 154	0.93 87	0.77 65	1.66 142	0.66 39	0.36 266	0.20 98	0.25 50	0.19 38	0.29 80	0.25 61

WCG-NET（raft）	0.95 58	0.55 65	1.20 23	0.84 75	0.31 2	1.44 43	1.01 307	1.55 18	2.37 339	1.64 147	1.42 124	2.38 292	1.01 128	1.29 74	0.76 80	0.22 9	0.19 67	0.22 9	0.20 52	0.25 28	0.21 24

anonymousdsp	0.95 58	0.69 204	1.27 31	0.83 66	0.52 114	4.54 435	0.84 212	1.76 35	1.24 25	0.76 40	1.06 49	0.78 51	0.77 65	1.67 146	0.69 53	0.27 72	0.17 18	0.29 146	0.21 66	0.31 122	0.26 85

IGEV-Stereo	0.95 58	0.69 204	1.27 31	0.84 75	0.52 114	4.54 435	0.84 212	1.76 35	1.24 25	0.75 30	1.06 49	0.79 55	0.77 65	1.68 147	0.69 53	0.27 72	0.17 18	0.29 146	0.21 66	0.31 122	0.26 85
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
tt45	0.96 62	0.48 19	1.19 19	0.89 105	0.66 182	3.91 293	0.76 159	1.90 44	1.26 33	0.70 24	1.30 95	0.71 38	0.63 31	2.59 236	0.74 73	0.22 9	0.17 18	0.28 125	0.23 109	0.27 52	0.27 98

999	0.97 63	0.48 19	1.24 26	1.03 204	0.64 168	3.25 169	0.92 276	1.40 9	1.39 47	0.71 27	1.68 195	0.70 31	0.66 39	3.03 255	0.89 128	0.23 20	0.19 67	0.25 50	0.21 66	0.25 28	0.29 127

ff7	0.98 64	0.69 204	2.05 104	0.84 75	0.52 114	4.55 438	0.86 224	1.62 21	1.24 25	0.75 30	1.03 39	0.70 31	0.77 65	1.84 168	0.68 46	0.27 72	0.17 18	0.29 146	0.21 66	0.31 122	0.27 98

ffff	0.98 64	0.69 204	2.05 104	0.84 75	0.52 114	4.55 438	0.86 224	1.62 21	1.24 25	0.75 30	1.03 39	0.70 31	0.77 65	1.84 168	0.68 46	0.27 72	0.17 18	0.29 146	0.21 66	0.31 122	0.27 98

11t	0.98 64	0.69 204	2.05 104	0.84 75	0.52 114	4.55 438	0.86 224	1.62 21	1.24 25	0.75 30	1.03 39	0.70 31	0.77 65	1.84 168	0.68 46	0.27 72	0.17 18	0.29 146	0.21 66	0.31 122	0.27 98

MIF-Stereo (partial)	0.98 64	0.55 65	2.83 175	0.71 18	1.03 306	1.08 10	0.49 43	2.55 108	1.66 182	0.79 48	1.20 68	0.80 57	0.90 103	1.61 132	1.56 283	0.36 266	0.24 217	0.33 242	0.25 143	0.40 244	0.28 117

ccc-4	0.98 64	0.69 204	2.05 104	0.84 75	0.52 114	4.55 438	0.86 224	1.62 21	1.24 25	0.75 30	1.03 39	0.70 31	0.77 65	1.84 168	0.68 46	0.27 72	0.17 18	0.29 146	0.21 66	0.31 122	0.27 98

CroCo-Stereo	0.98 64	0.87 308	3.44 201	0.87 96	0.53 122	0.49 1	0.50 44	3.99 324	1.49 89	0.81 52	1.25 83	1.00 95	0.75 58	1.10 30	1.09 181	0.24 29	0.21 129	0.24 32	0.19 38	0.35 201	0.27 98
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
CroCo-Stereo Lap2	0.99 70	0.89 311	2.55 154	0.99 174	1.80 458	0.54 2	0.46 36	3.10 165	1.24 25	1.07 88	1.21 71	1.05 103	0.78 73	1.26 66	1.08 178	0.27 72	0.23 184	0.27 96	0.21 66	0.43 297	0.34 198

PMTNet	0.99 70	0.48 19	1.73 72	0.62 4	0.56 133	4.20 382	0.43 29	1.88 41	1.58 149	1.00 80	1.05 47	0.78 51	0.98 123	1.50 109	0.85 108	1.21 468	0.20 98	0.23 15	0.15 4	0.22 10	0.19 4

rvit_0105_6	1.00 72	0.93 324	2.21 125	0.92 127	0.55 129	1.52 52	0.79 182	2.41 83	2.96 428	0.76 40	0.72 11	1.02 97	0.75 58	1.42 92	0.81 96	0.40 309	0.43 387	0.34 259	0.31 277	0.43 297	0.34 198

rvit_stereo_ft	1.00 72	0.87 308	3.55 205	0.97 162	0.66 182	1.06 9	0.80 192	2.78 135	1.67 184	0.78 47	0.96 33	0.95 91	1.14 170	1.06 26	0.90 132	0.32 207	0.24 217	0.27 96	0.28 215	0.39 239	0.27 98

MyStereo07	1.01 74	0.80 281	1.26 28	1.00 182	1.04 309	3.95 310	0.95 287	2.07 59	1.42 55	0.75 30	1.22 72	0.68 27	0.91 105	1.63 137	0.67 43	0.24 29	0.24 217	0.34 259	0.26 161	0.41 268	0.37 232

CES	1.01 74	0.55 65	1.74 75	0.92 127	2.15 475	2.15 87	0.50 44	2.01 53	1.45 61	0.76 40	1.02 36	0.61 16	0.47 6	1.29 74	0.79 90	0.22 9	0.17 18	0.24 32	0.14 2	0.63 383	2.29 485

TANstereo	1.01 74	0.55 65	1.73 72	0.76 38	0.36 11	4.04 331	0.38 14	1.48 13	1.62 172	2.03 253	2.10 327	0.84 64	0.93 110	0.98 16	0.62 24	0.28 109	0.36 339	0.23 15	0.20 52	0.25 28	0.46 314

GMStereo	1.01 74	1.00 343	2.86 178	0.83 66	0.45 68	1.47 46	0.57 62	1.89 42	2.11 282	1.52 128	1.24 77	0.87 74	0.74 56	1.58 120	0.94 152	0.40 309	0.21 129	0.30 166	0.30 261	0.47 328	0.36 218
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CREStereo++_RVC	1.02 78	0.49 26	1.54 59	0.83 66	0.55 129	4.01 326	0.31 4	1.63 26	1.99 249	1.63 144	2.13 336	0.84 64	0.65 36	0.88 6	0.70 59	0.27 72	0.15 3	0.23 15	1.22 480	0.24 16	0.17 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
HART	1.03 79	0.85 303	3.13 188	0.84 75	0.38 34	1.17 15	0.42 24	3.54 222	1.47 74	1.08 89	2.17 343	1.48 163	0.57 16	1.37 87	0.74 73	0.23 20	0.18 43	0.28 125	0.21 66	0.32 147	0.24 51

XX-TBD	1.03 79	0.95 332	1.94 92	1.30 332	0.43 56	3.97 320	0.33 6	1.74 33	1.73 202	1.59 135	2.02 308	0.69 30	0.60 23	1.16 44	0.66 39	0.30 168	0.25 237	0.23 15	0.15 4	0.31 122	0.22 30

EGLCR-Stereo	1.06 81	0.51 32	1.56 62	1.02 197	0.39 37	4.27 393	0.42 24	4.08 351	1.48 81	0.90 68	0.68 9	1.09 104	0.66 39	1.81 164	0.62 24	0.27 72	0.19 67	0.29 146	0.23 109	0.37 224	0.25 61

MC-Stereo	1.06 81	0.48 19	1.55 60	1.15 270	0.41 45	4.56 443	0.61 79	2.06 57	1.46 69	1.90 202	1.61 176	0.89 79	1.12 162	1.35 84	0.73 69	0.25 45	0.18 43	0.26 71	0.22 96	0.25 28	0.24 51

sCroCo_RVC	1.06 81	0.82 292	5.05 231	1.02 197	1.05 311	0.98 7	0.61 79	2.06 57	1.29 36	0.69 23	1.26 84	0.82 61	1.10 158	1.20 58	0.90 132	0.42 334	0.40 372	0.33 242	0.30 261	0.46 324	0.38 247

rvit_0105_4	1.07 84	0.99 340	2.39 147	0.93 141	0.54 123	1.62 58	0.84 212	2.77 134	2.91 423	0.80 50	0.91 28	1.09 104	0.86 91	1.63 137	0.85 108	0.40 309	0.45 397	0.35 278	0.31 277	0.43 297	0.40 273

MM-Stereo_test3	1.09 85	0.59 105	1.55 60	1.73 436	1.18 337	1.91 71	0.86 224	3.52 217	1.76 211	1.25 101	1.86 272	1.10 107	0.69 43	1.32 81	0.86 115	0.27 72	0.23 184	0.27 96	0.22 96	0.34 183	0.30 153

IGEV-BASED-STEREO-	1.09 85	3.30 476	2.61 161	0.82 56	0.38 34	1.27 27	0.62 91	1.51 15	1.29 36	0.91 69	0.92 29	0.65 24	0.57 16	1.08 28	0.59 20	1.55 482	0.15 3	0.32 207	0.28 215	1.10 454	1.98 481

iRaftStereo_RVC	1.09 85	0.70 214	1.39 45	0.95 149	0.45 68	3.83 271	0.42 24	2.37 82	1.58 149	1.69 156	1.76 224	1.80 216	0.83 86	1.50 109	0.98 162	0.28 109	0.18 43	0.29 146	0.26 161	0.30 103	0.31 162

RAFT-Stereo-weight	1.11 88	0.48 19	1.22 24	0.99 174	0.42 50	4.17 370	0.80 192	3.60 229	1.50 94	1.97 223	1.50 143	1.30 139	0.65 36	1.24 63	0.85 108	0.25 45	0.19 67	0.26 71	0.22 96	0.27 52	0.23 38

11t1	1.11 88	0.53 49	1.80 80	1.55 412	0.65 176	2.20 91	0.60 75	3.66 241	1.49 89	1.60 136	1.26 84	1.03 99	1.35 210	1.72 152	0.97 159	0.28 109	0.31 304	0.29 146	0.23 109	0.30 103	0.34 198

rvit_0105_5	1.13 90	0.93 324	2.60 158	0.91 121	0.56 133	1.92 72	0.91 263	3.02 157	2.63 385	0.95 76	1.20 68	1.18 119	0.93 110	1.51 111	0.93 150	0.40 309	0.43 387	0.37 305	0.35 319	0.42 287	0.44 298

GMOStereo	1.13 90	0.70 214	2.26 132	0.75 24	0.44 61	3.05 143	0.91 263	2.78 135	1.45 61	2.37 362	1.52 145	1.53 167	1.05 140	1.17 51	0.92 142	0.25 45	0.19 67	0.35 278	0.28 215	0.34 183	0.26 85

error version	1.13 90	0.70 214	2.26 132	0.75 24	0.44 61	3.05 143	0.91 263	2.78 135	1.45 61	2.37 362	1.52 145	1.53 167	1.05 140	1.17 51	0.92 142	0.25 45	0.19 67	0.35 278	0.28 215	0.34 183	0.26 85

test-v	1.13 90	0.70 214	2.26 132	0.75 24	0.44 61	3.05 143	0.91 263	2.78 135	1.45 61	2.37 362	1.52 145	1.53 167	1.05 140	1.17 51	0.92 142	0.25 45	0.19 67	0.35 278	0.28 215	0.34 183	0.26 85

test-2	1.13 90	0.70 214	2.26 132	0.75 24	0.44 61	3.05 143	0.91 263	2.78 135	1.45 61	2.37 362	1.52 145	1.53 167	1.05 140	1.17 51	0.92 142	0.25 45	0.19 67	0.35 278	0.28 215	0.34 183	0.26 85

testlalala	1.14 95	0.62 142	1.34 40	1.00 182	0.78 227	4.38 403	0.93 278	2.46 91	2.20 297	2.44 373	1.52 145	1.31 140	0.61 26	1.04 25	0.65 34	0.35 255	0.19 67	0.24 32	0.19 38	0.24 16	0.23 38

HUF	1.15 96	0.64 162	8.62 268	0.90 114	0.35 9	1.35 37	0.78 175	1.97 50	1.50 94	0.63 14	1.52 145	0.83 62	0.66 39	1.28 71	0.63 27	0.29 129	0.23 184	0.26 71	0.17 16	0.23 12	0.25 61

tg	1.15 96	0.67 193	1.31 35	0.94 145	0.54 123	4.02 328	0.41 21	2.96 149	1.59 164	1.69 156	1.85 269	1.84 228	0.97 118	1.78 159	0.83 102	0.27 72	0.17 18	0.29 146	0.26 161	0.29 80	0.27 98

Selective-RAFT	1.15 96	0.46 12	1.64 68	0.99 174	0.45 68	4.17 370	0.51 48	3.21 176	1.69 192	1.12 95	1.34 104	1.45 160	1.40 219	2.08 190	0.94 152	0.41 323	0.20 98	0.24 32	0.23 109	0.27 52	0.25 61

x	1.15 96	0.57 85	1.53 56	1.44 385	0.67 189	1.94 73	0.97 296	3.87 286	1.57 146	1.61 141	1.28 91	1.58 175	1.22 187	1.93 178	1.04 171	0.28 109	0.30 294	0.34 259	0.29 243	0.32 147	0.31 162

rvit_stereo_0075_2	1.18 100	0.74 248	2.66 167	0.90 114	1.27 363	2.51 105	0.69 118	2.25 73	2.06 266	1.40 116	1.86 272	1.46 162	0.84 87	1.42 92	0.94 152	0.46 360	0.40 372	0.48 377	0.38 354	0.46 324	0.51 344

AE-Stereo	1.18 100	0.60 117	2.05 104	1.10 238	0.60 156	4.39 406	0.72 129	3.74 258	1.62 172	1.10 91	1.90 287	1.01 96	0.92 108	1.45 99	0.82 99	0.28 109	0.22 158	0.28 125	0.28 215	0.26 40	0.22 30

test-3	1.19 102	0.52 38	2.00 98	1.01 188	0.42 50	1.95 74	0.91 263	4.35 437	1.47 74	2.24 325	1.16 62	2.06 262	0.79 75	2.68 242	0.76 80	0.27 72	0.18 43	0.28 125	0.26 161	0.26 40	0.25 61

test_1	1.19 102	0.52 38	2.00 98	1.01 188	0.42 50	1.95 74	0.90 255	4.36 442	1.47 74	2.17 300	1.16 62	2.06 262	0.78 73	2.68 242	0.76 80	0.27 72	0.18 43	0.28 125	0.26 161	0.26 40	0.25 61

test_3	1.19 102	0.51 32	2.08 116	0.99 174	0.41 45	2.05 82	0.87 242	4.40 450	1.42 55	1.99 230	1.18 65	2.03 256	0.79 75	2.70 244	0.75 76	0.27 72	0.17 18	0.29 146	0.29 243	0.30 103	0.27 98

raftrobust	1.19 102	0.72 229	2.30 138	1.26 313	1.31 367	3.55 222	0.68 113	2.75 132	1.47 74	2.21 316	1.38 115	1.17 115	1.22 187	1.20 58	1.11 185	0.28 109	0.24 217	0.21 5	0.19 38	0.25 28	0.28 117

RALCasStereoNet	1.19 102	1.02 345	2.06 113	1.12 249	1.14 329	3.08 149	0.70 124	2.99 152	1.73 202	1.34 106	1.68 195	1.18 119	0.91 105	2.16 200	1.00 167	0.30 168	0.26 250	0.24 32	0.21 66	0.29 80	0.30 153

MIM_Stereo	1.20 107	0.78 274	3.30 196	1.05 207	0.43 56	3.04 141	0.60 75	2.46 91	1.51 101	1.60 136	1.58 164	1.82 222	1.29 199	2.00 183	1.07 176	0.24 29	0.24 217	0.28 125	0.25 143	0.27 52	0.27 98

R-Stereo Train	1.20 107	0.58 98	1.81 81	0.99 174	0.67 189	3.78 262	0.90 255	4.09 353	1.51 101	2.16 296	1.71 205	1.13 110	0.94 112	1.40 88	0.91 139	0.30 168	0.24 217	0.26 71	0.21 66	0.26 40	0.25 61

RAFT-Stereo	1.20 107	0.58 98	1.81 81	0.99 174	0.67 189	3.78 262	0.90 255	4.09 353	1.51 101	2.16 296	1.71 205	1.13 110	0.94 112	1.40 88	0.91 139	0.30 168	0.24 217	0.26 71	0.21 66	0.26 40	0.25 61
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
model_zeroshot	1.21 110	0.60 117	3.55 205	1.05 207	0.57 144	3.46 200	0.63 93	2.73 129	1.55 134	2.05 257	1.38 115	1.50 166	0.82 83	1.69 148	0.87 121	0.29 129	0.23 184	0.30 166	0.23 109	0.27 52	0.32 171

GCAP-BAT	1.21 110	0.74 248	3.23 191	0.95 149	0.70 202	3.86 285	0.93 278	1.89 42	1.48 81	1.85 185	1.96 294	1.68 187	0.79 75	1.78 159	0.81 96	0.29 129	0.20 98	0.24 32	0.20 52	0.26 40	0.35 212

RCA-Stereo	1.21 110	0.52 38	1.58 64	0.90 114	0.46 76	4.68 459	0.79 182	4.13 363	1.74 208	1.92 209	1.80 238	0.94 90	1.48 246	1.14 38	0.70 59	0.27 72	0.18 43	0.25 50	0.19 38	0.25 28	0.23 38

raft+_RVC	1.21 110	0.83 295	2.61 161	1.35 354	0.97 289	3.60 232	0.76 159	3.23 180	1.51 101	1.33 105	1.67 192	1.03 99	1.10 158	1.87 174	0.92 142	0.24 29	0.22 158	0.25 50	0.24 132	0.26 40	0.25 61

AnonymousM	1.22 114	1.32 406	0.97 1	0.88 101	0.56 133	4.03 330	0.69 118	2.41 83	1.68 186	1.48 124	1.31 97	1.15 113	1.00 126	1.18 56	0.73 69	0.32 207	0.40 372	2.07 486	1.70 488	0.24 16	0.22 30

LL-Strereo2	1.23 115	0.85 303	2.38 146	0.93 141	0.68 194	3.72 251	1.37 378	2.54 107	1.99 249	1.75 171	1.40 120	1.82 222	0.73 52	1.40 88	0.99 165	0.31 187	0.23 184	0.55 414	0.35 319	0.29 80	0.24 51

ROB_FTStereo_v2	1.23 115	0.66 183	2.02 100	0.75 24	0.37 23	4.67 458	0.76 159	2.53 98	1.58 149	1.99 230	1.46 131	1.78 206	1.14 170	2.08 190	0.88 125	0.48 373	0.22 158	0.32 207	0.27 187	0.40 244	0.29 127

CRE-IMP	1.23 115	0.61 132	2.14 119	0.82 56	0.39 37	4.54 435	0.83 209	2.63 119	1.55 134	1.95 218	1.46 131	1.87 233	0.96 115	1.48 106	1.33 238	0.45 355	0.21 129	0.31 187	0.26 161	0.41 268	0.31 162

RAFT	1.23 115	0.84 299	2.05 104	0.96 155	0.47 86	1.80 63	0.94 283	3.18 175	1.46 69	1.60 136	1.71 205	3.04 360	1.59 273	1.64 139	1.32 234	0.38 291	0.24 217	0.40 330	0.32 288	0.40 244	0.35 212

test-1	1.23 115	0.65 172	1.88 86	0.96 155	0.52 114	3.84 276	0.62 91	4.01 328	1.47 74	1.93 213	1.78 232	1.83 225	0.92 108	1.19 57	1.28 228	0.26 57	0.29 281	0.31 187	0.24 132	0.29 80	0.36 218

rvit_0105_3	1.24 120	0.93 324	2.84 176	0.97 162	0.58 152	2.38 96	1.08 326	3.26 185	2.53 372	1.18 98	1.40 120	1.24 131	1.04 135	1.73 153	0.97 159	0.44 346	0.44 392	0.40 330	0.42 383	0.42 287	0.50 336

PSM-adaLoss	1.24 120	0.65 172	2.03 101	0.75 24	0.37 23	4.68 459	0.73 134	2.53 98	1.58 149	1.99 230	1.47 135	1.78 206	1.13 164	2.18 204	0.87 121	0.48 373	0.23 184	0.32 207	0.27 187	0.40 244	0.29 127

rafts_anoy	1.24 120	0.80 281	3.61 211	1.17 278	1.20 349	3.00 140	0.61 79	3.17 173	1.58 149	1.37 112	1.26 84	1.19 123	1.12 162	1.78 159	1.25 218	0.32 207	0.23 184	0.32 207	0.32 288	0.31 122	0.30 153

DIP-Stereo	1.24 120	0.69 204	1.77 77	0.65 10	0.61 160	4.29 395	0.58 71	4.44 456	2.53 372	1.98 225	1.33 99	0.91 83	0.86 91	1.25 65	1.25 218	0.36 266	0.23 184	0.32 207	0.23 109	0.32 147	0.29 127
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
riskmin	1.25 124	0.56 76	2.05 104	1.05 207	0.93 279	2.86 123	0.55 57	3.23 180	1.34 42	1.55 131	1.07 51	3.56 410	2.03 350	1.29 74	1.00 167	0.28 109	0.27 261	0.34 259	0.21 66	0.41 268	0.43 292

Patchmatch Stereo++	1.25 124	0.65 172	2.06 113	0.75 24	0.37 23	4.68 459	0.76 159	2.53 98	1.58 149	1.99 230	1.47 135	1.78 206	1.14 170	2.44 217	0.90 132	0.48 373	0.23 184	0.32 207	0.27 187	0.40 244	0.29 127
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
ROB_FTStereo	1.25 124	0.66 183	2.14 119	0.75 24	0.37 23	4.65 455	0.77 172	2.53 98	1.58 149	1.99 230	1.47 135	1.78 206	1.13 164	2.26 213	0.86 115	0.47 369	0.22 158	0.32 207	0.27 187	0.40 244	0.29 127

HUI-Stereo	1.25 124	0.66 183	2.33 141	0.75 24	0.37 23	4.68 459	0.78 175	2.53 98	1.58 149	1.99 230	1.46 131	1.79 213	1.13 164	2.17 202	0.85 108	0.48 373	0.23 184	0.32 207	0.27 187	0.40 244	0.29 127

iRAFT	1.25 124	0.65 172	2.06 113	0.75 24	0.37 23	4.68 459	0.76 159	2.53 98	1.58 149	1.99 230	1.47 135	1.78 206	1.14 170	2.44 217	0.90 132	0.48 373	0.23 184	0.32 207	0.27 187	0.40 244	0.29 127

RAFT-IKP	1.25 124	0.66 183	2.23 130	0.75 24	0.37 23	4.64 453	0.74 146	2.53 98	1.58 149	1.99 230	1.47 135	1.78 206	1.13 164	2.22 210	0.92 142	0.48 373	0.22 158	0.32 207	0.27 187	0.40 244	0.29 127

RAFT-Stereo + iAFF	1.25 124	0.72 229	1.74 75	1.05 207	0.36 11	4.13 352	0.42 24	2.95 148	2.84 419	2.02 249	2.40 387	1.61 180	1.11 161	1.26 66	0.97 159	0.21 5	0.15 3	0.26 71	0.23 109	0.29 80	0.23 38

FACV-RUCA	1.26 131	0.65 172	2.21 125	1.06 213	1.50 407	2.69 115	1.15 342	3.05 160	1.87 230	1.36 109	1.99 304	1.03 99	1.15 178	1.36 85	1.10 182	0.41 323	0.41 379	0.73 455	0.41 377	0.61 378	0.41 279

CAS	1.26 131	0.40 3	1.46 51	2.97 489	1.61 427	4.13 352	0.73 134	1.78 38	1.49 89	0.83 60	1.10 55	0.59 14	0.53 10	1.26 66	0.80 91	2.99 492	0.13 1	0.21 5	0.13 1	0.31 122	1.72 474

anonymousdsp2	1.26 131	0.60 117	3.74 215	1.02 197	0.41 45	3.60 232	0.72 129	3.68 244	1.47 74	1.37 112	1.56 161	1.83 225	1.01 128	2.00 183	0.66 39	0.29 129	0.20 98	0.28 125	0.20 52	0.32 147	0.29 127

dd	1.26 131	1.15 373	2.47 151	0.92 127	0.49 100	4.35 401	0.75 156	1.92 47	2.11 282	1.44 121	1.24 77	1.19 123	1.05 140	1.78 159	1.70 309	0.57 411	0.34 331	0.35 278	0.33 296	0.60 373	0.46 314

iGMRVC	1.26 131	0.66 183	2.14 119	0.75 24	0.37 23	4.66 456	0.74 146	2.53 98	1.58 149	1.99 230	1.46 131	1.78 206	1.14 170	2.46 219	0.92 142	0.48 373	0.23 184	0.32 207	0.27 187	0.40 244	0.29 127

HI	1.27 136	0.90 313	2.33 141	1.10 238	0.68 194	2.92 130	0.45 34	2.49 94	1.76 211	2.13 280	1.65 189	2.42 298	1.84 334	1.58 120	1.61 292	0.26 57	0.16 7	0.28 125	0.29 243	0.26 40	0.25 61

CoSv	1.27 136	0.90 313	2.33 141	1.10 238	0.68 194	2.92 130	0.45 34	2.49 94	1.76 211	2.13 280	1.65 189	2.42 298	1.84 334	1.58 120	1.61 292	0.26 57	0.16 7	0.28 125	0.29 243	0.26 40	0.25 61

mmm	1.27 136	0.58 98	2.20 123	1.41 378	0.68 194	2.39 98	0.85 221	3.90 296	1.63 175	2.20 308	1.84 262	1.28 135	1.50 253	1.91 177	0.89 128	0.31 187	0.27 261	0.45 361	0.37 341	0.38 229	0.34 198

NRIStereo	1.28 139	0.61 132	1.67 69	1.15 270	0.38 34	4.73 472	0.90 255	2.42 86	1.50 94	1.93 213	1.33 99	1.75 200	1.22 187	2.96 253	1.33 238	0.46 360	0.22 158	0.29 146	0.26 161	0.30 103	0.28 117

RALAANet	1.28 139	1.08 359	3.21 190	1.25 307	0.94 281	1.44 43	0.69 118	3.15 170	2.57 379	2.01 244	1.80 238	1.29 138	1.05 140	2.00 183	1.48 266	0.27 72	0.20 98	0.27 96	0.24 132	0.40 244	0.27 98

CASS	1.29 141	0.66 183	2.62 164	0.95 149	0.66 182	2.84 119	0.69 118	3.00 154	1.79 216	2.57 391	1.95 293	1.39 150	1.55 270	1.59 125	1.06 173	0.50 388	0.28 271	0.34 259	0.28 215	0.46 324	0.63 387
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
gcap-zeroshot	1.30 142	0.61 132	4.09 218	0.94 145	0.56 133	3.50 210	0.84 212	3.12 167	1.72 199	1.84 184	1.22 72	2.72 331	0.88 96	1.46 103	0.80 91	0.29 129	0.30 294	0.27 96	0.21 66	0.29 80	0.25 61

knoymous	1.30 142	0.60 117	5.57 240	0.88 101	0.75 217	3.04 141	0.90 255	2.68 124	1.33 41	1.48 124	1.07 51	2.78 341	0.88 96	1.29 74	0.85 108	0.31 187	0.22 158	0.35 278	0.20 52	0.45 313	0.37 232

qqq	1.30 142	0.57 85	1.67 69	1.15 270	0.51 105	2.18 89	0.91 263	3.98 320	1.53 117	1.50 127	1.24 77	1.79 213	1.34 207	4.66 288	0.98 162	0.28 109	0.31 304	0.33 242	0.33 296	0.33 165	0.32 171

test_4	1.30 142	0.50 28	6.16 243	0.84 75	0.45 68	1.61 56	1.12 336	2.14 65	1.42 55	1.52 128	2.31 377	1.84 228	0.79 75	2.52 230	1.19 200	0.27 72	0.17 18	0.29 146	0.29 243	0.29 80	0.25 61

s12784h	1.31 146	0.45 11	2.41 149	0.71 18	0.35 9	4.42 414	0.50 44	4.22 386	2.73 397	2.01 244	2.48 393	0.91 83	0.96 115	2.01 186	0.70 59	0.29 129	0.18 43	0.24 32	0.16 9	0.27 52	0.18 2

AFF-stereo	1.31 146	0.77 268	1.46 51	1.10 238	0.45 68	3.93 300	0.48 42	2.92 147	2.92 425	1.90 202	2.21 351	2.11 269	1.52 258	1.93 178	1.12 188	0.21 5	0.16 7	0.25 50	0.25 143	0.29 80	0.20 13

Pruner-Stereo	1.32 148	0.59 105	2.11 118	1.79 446	0.47 86	4.73 472	0.79 182	2.53 98	1.72 199	2.47 377	1.58 164	1.48 163	1.03 131	1.66 142	1.47 263	0.44 346	0.21 129	0.34 259	0.30 261	0.30 103	0.39 253

ToySt	1.35 149	0.72 229	3.65 213	1.01 188	0.50 103	3.31 182	1.01 307	3.46 206	1.73 202	1.30 103	1.55 158	2.07 265	1.47 244	1.88 175	1.40 245	0.27 72	0.27 261	0.30 166	0.32 288	0.42 287	0.39 253

DisPM	1.36 150	0.55 65	2.39 147	1.54 407	0.51 105	4.59 446	0.79 182	2.50 96	1.88 232	2.50 380	1.83 257	1.45 160	1.01 128	2.71 245	0.93 150	0.46 360	0.20 98	0.32 207	0.31 277	0.31 122	0.44 298

sAnonymous2	1.37 151	1.22 389	9.79 282	0.92 127	0.88 264	1.23 19	0.61 79	2.56 110	1.69 192	0.85 63	1.02 36	0.73 44	1.23 190	0.98 16	0.78 86	0.29 129	0.25 237	0.31 187	0.30 261	1.06 449	0.71 403

CroCo_RVC	1.37 151	1.22 389	9.79 282	0.92 127	0.88 264	1.23 19	0.61 79	2.56 110	1.69 192	0.85 63	1.02 36	0.73 44	1.23 190	0.98 16	0.78 86	0.29 129	0.25 237	0.31 187	0.30 261	1.06 449	0.71 403

GES	1.38 153	0.64 162	2.61 161	1.09 229	0.57 144	4.30 397	1.02 311	3.86 283	1.51 101	1.72 165	1.74 212	1.28 135	1.77 319	1.62 133	1.61 292	0.39 303	0.27 261	0.33 242	0.30 261	0.41 268	0.47 319

Any-RAFT	1.40 154	0.53 49	2.78 174	1.09 229	0.64 168	4.41 412	0.81 201	3.97 318	2.78 403	1.99 230	1.34 104	2.36 290	1.56 272	1.56 117	0.75 76	0.27 72	0.20 98	0.25 50	0.18 24	0.25 28	0.28 117

UDGNet	1.40 154	1.52 427	2.22 128	1.38 372	0.62 164	4.39 406	0.68 113	1.80 39	2.18 294	1.34 106	1.18 65	0.99 93	1.00 126	2.16 200	1.19 200	1.09 462	0.34 331	1.30 478	0.98 468	1.10 454	0.58 372

GMStereo_Zeroshot	1.41 156	1.21 383	3.33 198	1.29 324	0.72 206	3.35 184	0.53 52	2.58 115	1.68 186	2.35 357	1.56 161	2.42 298	0.96 115	2.50 222	1.16 194	0.45 355	0.23 184	0.40 330	0.24 132	0.79 427	0.33 185

rvit_105_1	1.43 157	0.90 313	3.27 194	1.08 223	0.68 194	2.79 117	1.27 363	3.52 217	2.35 330	1.38 114	1.54 154	1.28 135	1.14 170	2.91 249	1.40 245	0.54 405	0.47 410	0.45 361	0.59 433	0.44 305	0.58 372

RAFT-Test	1.44 158	0.59 105	6.10 242	1.01 188	0.69 200	2.90 125	0.80 192	3.68 244	1.70 195	1.85 185	1.68 195	3.15 370	1.03 131	1.20 58	0.99 165	0.27 72	0.22 158	0.25 50	0.23 109	0.27 52	0.25 61

DCRE	1.44 158	0.74 248	3.50 204	1.13 256	0.72 206	1.78 61	0.67 108	2.14 65	1.56 140	1.99 230	8.09 484	1.73 198	1.07 149	1.24 63	0.83 102	0.23 20	0.25 237	0.26 71	0.26 161	0.28 68	0.30 153

AdaStereo	1.45 160	0.83 295	2.34 144	1.28 321	0.81 233	3.21 159	1.14 341	4.20 378	2.46 361	2.05 257	1.77 229	2.48 309	1.18 181	1.71 151	1.44 254	0.43 339	0.25 237	0.43 351	0.28 215	0.44 305	0.34 198
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.
BSDual-CNN	1.46 161	0.59 105	1.94 92	0.87 96	0.85 251	4.16 365	1.16 344	4.48 462	1.88 232	2.93 428	1.83 257	2.60 320	1.31 203	1.60 127	1.21 207	0.34 235	0.25 237	0.31 187	0.28 215	0.35 201	0.33 185

PFNet+	1.46 161	0.57 85	2.84 176	0.92 127	0.47 86	4.64 453	0.84 212	2.46 91	1.99 249	2.14 283	1.64 183	1.34 143	1.03 131	4.68 290	1.23 213	0.45 355	0.33 319	0.37 305	0.39 360	0.32 147	0.49 329

ACVNet	1.46 161	0.64 162	3.56 207	0.93 141	0.85 251	4.22 383	0.80 192	2.85 141	2.08 269	1.78 175	1.88 276	3.10 365	1.46 242	1.33 82	1.89 333	0.29 129	0.26 250	0.30 166	0.26 161	0.39 239	0.27 98

psmg	1.47 164	0.59 105	1.94 92	0.92 127	0.85 251	4.30 397	1.42 388	4.10 361	1.88 232	2.64 405	2.09 326	2.60 320	1.31 203	1.60 127	1.21 207	0.34 235	0.27 261	0.33 242	0.34 304	0.36 214	0.34 198

BUS	1.49 165	0.59 105	1.94 92	0.87 96	0.85 251	4.50 429	0.76 159	4.48 462	1.88 232	2.93 428	1.83 257	3.63 412	0.97 118	1.60 127	1.17 197	0.34 235	0.25 237	0.31 187	0.28 215	0.35 201	0.33 185

plain	1.55 166	0.69 204	13.59 323	0.65 10	0.73 210	1.66 59	0.57 62	3.17 173	1.94 243	0.77 44	1.24 77	0.80 57	0.86 91	1.60 127	0.96 158	0.33 223	0.21 129	0.32 207	0.25 143	0.42 287	0.28 117

LCNet	1.55 166	0.54 59	1.88 86	0.99 174	0.55 129	3.60 232	1.21 358	2.86 144	1.53 117	2.18 302	1.74 212	1.43 159	4.17 451	3.62 266	0.87 121	0.29 129	0.20 98	0.28 125	0.77 453	0.47 328	1.85 477

DeepStereo_RVC	1.55 166	0.63 150	3.32 197	0.77 41	0.42 50	4.49 426	0.72 129	2.50 96	1.58 149	2.02 249	1.81 250	1.54 171	6.38 484	1.73 153	1.19 200	0.46 360	0.22 158	0.29 146	0.28 215	0.35 201	0.38 247

acv_ft	1.55 166	0.64 162	3.29 195	1.14 257	2.01 468	2.93 133	0.97 296	3.81 270	2.08 269	2.22 319	1.88 276	3.10 365	1.66 300	1.33 82	2.22 372	0.29 129	0.26 250	0.30 166	0.26 161	0.39 239	0.27 98

TestStereo1	1.56 170	0.81 285	2.32 139	1.61 422	0.64 168	4.13 352	1.36 373	3.79 267	3.20 453	1.60 136	2.57 405	1.39 150	2.15 363	2.51 225	1.30 231	0.29 129	0.20 98	0.34 259	0.25 143	0.40 244	0.36 218

SA-5K	1.56 170	0.81 285	2.32 139	1.61 422	0.64 168	4.13 352	1.36 373	3.79 267	3.20 453	1.60 136	2.57 405	1.39 150	2.15 363	2.51 225	1.30 231	0.29 129	0.20 98	0.34 259	0.25 143	0.40 244	0.36 218

UCFNet_RVC	1.57 172	0.84 299	3.25 192	1.36 360	1.40 390	4.07 339	1.01 307	2.68 124	1.50 94	2.11 273	1.88 276	2.37 291	1.50 253	3.41 261	1.42 251	0.36 266	0.28 271	0.52 402	0.40 371	0.53 350	0.43 292

NF-Stereo	1.58 173	0.61 132	2.66 167	2.26 472	0.47 86	4.68 459	0.67 108	3.31 189	1.48 81	2.11 273	1.59 168	1.36 146	1.09 152	6.08 319	1.20 203	0.40 309	0.20 98	0.36 293	0.34 304	0.31 122	0.36 218

OCTAStereo	1.58 173	0.61 132	2.72 170	2.27 475	0.46 76	4.68 459	0.67 108	3.30 188	1.48 81	2.11 273	1.59 168	1.36 146	1.09 152	6.02 316	1.21 207	0.41 323	0.20 98	0.36 293	0.34 304	0.31 122	0.37 232

RE-Stereo	1.58 173	0.61 132	2.72 170	2.26 472	0.46 76	4.68 459	0.68 113	3.31 189	1.48 81	2.11 273	1.59 168	1.36 146	1.09 152	6.01 314	1.22 210	0.41 323	0.20 98	0.36 293	0.34 304	0.31 122	0.37 232

TVStereo	1.58 173	0.61 132	2.72 170	2.26 472	0.46 76	4.68 459	0.68 113	3.31 189	1.48 81	2.11 273	1.59 168	1.36 146	1.09 152	6.01 314	1.22 210	0.41 323	0.20 98	0.36 293	0.34 304	0.31 122	0.37 232

Gwc-CoAtRS	1.58 173	0.57 85	11.69 307	1.01 188	0.60 156	2.53 107	0.64 96	2.36 81	1.56 140	1.80 179	1.47 135	2.74 332	1.18 181	1.12 33	0.90 132	0.27 72	0.21 129	0.25 50	0.22 96	0.27 52	0.23 38

KYRaft	1.59 178	0.52 38	1.73 72	0.95 149	0.49 100	4.38 403	1.79 420	2.43 88	1.51 101	2.49 379	2.98 433	2.00 252	3.41 432	2.14 198	0.82 99	0.30 168	0.21 129	0.33 242	0.46 394	0.35 201	2.45 491

Reg-Stereo(zero)	1.60 179	0.42 7	10.69 295	0.89 105	0.68 194	3.27 173	0.47 41	2.27 75	1.54 126	1.48 124	1.24 77	2.55 315	2.68 399	1.48 106	1.10 182	0.19 2	0.19 67	0.22 9	0.18 24	0.24 16	0.26 85

HCRNet	1.60 179	0.56 76	2.47 151	0.78 42	1.36 381	4.11 347	0.71 126	3.57 226	2.79 405	1.75 171	1.61 176	1.58 175	1.41 224	5.79 311	1.56 283	0.34 235	0.28 271	0.36 293	0.29 243	0.33 165	0.37 232

AIO-test2	1.61 181	1.30 400	3.40 200	1.16 276	1.31 367	3.18 157	0.74 146	4.06 345	1.52 110	1.72 165	2.21 351	0.78 51	0.74 56	3.64 268	0.95 157	3.64 500	0.26 250	0.35 278	0.42 383	0.37 224	0.33 185

Prome-Stereo	1.61 181	0.55 65	1.71 71	0.98 168	0.60 156	4.41 412	1.82 424	3.03 158	1.53 117	2.18 302	3.45 452	1.72 197	3.49 438	2.23 211	1.08 178	0.29 129	0.20 98	0.26 71	0.25 143	0.34 183	2.16 483

test_sample1	1.62 183	0.55 65	1.88 86	1.44 385	0.79 228	2.27 92	0.64 96	4.00 326	1.82 219	1.87 192	1.35 107	1.57 173	1.62 281	9.55 388	1.24 215	0.30 168	0.27 261	0.31 187	0.28 215	0.32 147	0.32 171

testlalala_base	1.62 183	0.74 248	1.63 66	1.19 286	1.40 390	2.63 113	0.84 212	4.09 353	1.31 39	1.22 100	1.42 124	1.21 128	0.85 89	1.16 44	0.73 69	3.92 506	2.10 494	0.27 96	0.18 24	4.49 505	1.11 451

RAFT+CT+SA	1.62 183	0.72 229	7.42 252	0.97 162	1.42 398	4.04 331	0.94 283	3.90 296	1.61 169	1.61 141	1.63 181	1.33 142	1.18 181	2.73 247	1.10 182	0.27 72	0.19 67	0.31 187	0.34 304	0.33 165	0.33 185

SA	1.62 183	0.75 260	3.78 217	1.07 215	0.43 56	4.26 388	1.36 373	4.45 459	3.12 442	1.63 144	1.97 300	1.68 187	2.26 373	2.55 232	1.27 224	0.27 72	0.22 158	0.37 305	0.37 341	0.35 201	0.30 153

Sa-1000	1.63 187	0.79 277	3.56 207	1.11 245	0.48 94	4.06 334	1.41 386	4.49 465	2.75 400	2.00 242	2.80 425	1.84 228	1.43 232	2.64 241	1.50 270	0.27 72	0.19 67	0.36 293	0.33 296	0.36 214	0.30 153

PSMNet-RUCA	1.64 188	1.50 426	2.57 157	1.50 400	1.38 386	3.05 143	1.36 373	3.31 189	2.24 303	1.36 109	2.07 323	1.40 155	1.09 152	1.83 167	1.55 281	1.15 466	0.69 458	1.26 477	0.96 466	1.64 476	0.94 439

test_sample7	1.65 189	0.70 214	2.60 158	1.48 396	0.76 220	2.38 96	1.07 321	4.35 437	2.11 282	2.14 283	1.75 216	1.75 200	1.67 302	6.26 323	1.26 221	0.44 346	0.48 416	0.43 351	0.40 371	0.46 324	0.43 292

StereoVision	1.65 189	0.75 260	7.47 254	1.01 188	1.80 458	2.61 112	0.61 79	3.06 163	1.96 244	1.25 101	3.46 453	1.85 231	0.88 96	2.07 188	1.93 338	0.43 339	0.36 339	0.37 305	0.36 329	0.48 331	0.33 185

dad	1.65 189	1.19 380	3.04 185	0.98 168	0.56 133	4.22 383	0.84 212	1.99 52	2.48 362	2.14 283	1.68 195	1.62 181	1.13 164	3.85 272	2.04 352	1.03 461	0.40 372	2.04 485	0.48 402	0.75 421	0.53 351

PSM-softLoss	1.66 192	0.59 105	5.15 233	2.25 470	0.48 94	4.68 459	0.69 118	2.57 112	1.52 110	2.14 283	1.45 129	1.42 157	0.99 124	6.04 317	1.20 203	0.41 323	0.23 184	0.37 305	0.39 360	0.32 147	0.31 162

KMStereo	1.66 192	0.59 105	5.15 233	2.25 470	0.48 94	4.68 459	0.69 118	2.57 112	1.52 110	2.14 283	1.45 129	1.42 157	0.99 124	6.04 317	1.20 203	0.41 323	0.23 184	0.37 305	0.39 360	0.32 147	0.31 162

DDVS	1.68 194	0.79 277	2.52 153	1.26 313	1.16 335	3.17 156	0.78 175	3.12 167	1.82 219	1.86 190	1.91 288	2.92 353	1.43 232	6.20 321	1.63 299	0.45 355	0.65 450	0.34 259	0.38 354	0.48 331	0.79 423

ISRNet	1.69 195	0.76 265	5.69 241	1.27 320	1.36 381	2.85 121	0.61 79	3.60 229	1.91 240	2.13 280	2.12 334	2.90 348	1.41 224	2.51 225	1.71 310	0.49 385	0.50 421	0.56 416	0.47 397	0.49 337	0.57 367

IER	1.69 195	0.65 172	7.19 251	0.94 145	1.15 331	3.28 177	0.89 249	3.48 207	1.97 246	2.10 269	1.98 302	2.28 277	2.12 359	2.25 212	1.75 319	0.29 129	0.23 184	0.36 293	0.30 261	0.32 147	0.34 198

RAFT_R40	1.70 197	0.59 105	2.99 182	1.46 391	0.46 76	4.74 475	0.98 302	2.23 72	1.56 140	2.02 249	2.35 385	2.71 329	2.56 393	6.71 335	0.90 132	0.40 309	0.19 67	0.30 166	0.27 187	0.33 165	0.26 85

ffm	1.72 198	0.60 117	5.21 235	1.14 257	0.99 296	3.62 237	0.86 224	4.22 386	3.37 463	2.20 308	2.30 370	3.48 395	1.62 281	2.21 208	0.65 34	0.29 129	0.16 7	0.48 377	0.37 341	0.30 103	0.29 127

Anonymous3	1.72 198	0.76 265	11.61 306	0.83 66	0.84 250	4.46 418	0.84 212	3.57 226	1.16 18	1.34 106	1.37 112	1.11 109	1.03 131	1.58 120	1.13 189	0.70 438	0.58 438	0.33 242	0.35 319	0.47 328	0.42 283

DMCA	1.72 198	0.74 248	6.63 245	1.14 257	0.96 285	3.98 322	0.90 255	3.75 259	2.76 401	2.83 424	1.58 164	2.35 288	1.18 181	1.58 120	1.98 347	0.40 309	0.27 261	0.42 347	0.26 161	0.36 214	0.38 247

fff	1.74 201	0.70 214	9.08 272	0.81 46	0.36 11	4.15 356	0.57 62	4.23 390	2.09 272	2.30 339	1.80 238	1.19 123	3.02 414	1.44 95	1.46 258	0.29 129	0.23 184	0.23 15	0.18 24	0.24 16	0.42 283

DCANet	1.74 201	0.73 240	9.08 272	0.82 56	0.40 40	4.18 373	0.59 72	4.25 400	2.97 429	2.35 357	1.84 262	1.18 119	1.63 293	1.51 111	1.55 281	0.29 129	0.24 217	0.23 15	0.18 24	0.30 103	0.53 351

csc	1.74 201	0.70 214	9.08 272	0.81 46	0.36 11	4.15 356	0.57 62	4.23 390	2.09 272	2.30 339	1.80 238	1.19 123	3.02 414	1.44 95	1.46 258	0.29 129	0.23 184	0.23 15	0.18 24	0.24 16	0.42 283

cscssc	1.74 201	0.70 214	9.08 272	0.81 46	0.36 11	4.15 356	0.57 62	4.23 390	2.09 272	2.30 339	1.80 238	1.19 123	3.02 414	1.44 95	1.46 258	0.29 129	0.23 184	0.23 15	0.18 24	0.24 16	0.42 283

test_sample2	1.75 205	0.56 76	2.25 131	1.41 378	0.80 230	2.91 128	0.86 224	4.05 341	2.04 261	1.91 207	1.39 117	1.57 173	1.55 270	10.65 424	1.06 173	0.32 207	0.28 271	0.32 207	0.30 261	0.36 214	0.33 185

anonymity	1.76 206	1.26 396	2.73 173	1.66 426	1.32 372	1.84 65	1.07 321	3.49 210	2.30 318	2.11 273	2.11 331	1.71 196	3.90 446	1.82 166	1.48 266	1.10 463	1.09 474	1.08 472	1.08 473	1.05 448	1.09 449

SST-Stereo	1.76 206	0.58 98	3.10 186	1.44 385	0.46 76	4.71 471	0.76 159	2.22 71	2.79 405	2.07 265	2.18 345	2.43 301	3.22 425	6.66 332	0.84 105	0.42 334	0.19 67	0.30 166	0.27 187	0.35 201	0.26 85

StereoDRNet-Refined	1.77 208	0.81 285	2.22 128	1.21 296	0.76 220	3.26 171	0.71 126	3.82 273	2.05 264	2.29 335	2.05 318	2.98 355	1.44 235	7.15 342	2.27 376	0.30 168	0.23 184	0.42 347	0.33 296	0.45 313	0.64 390
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
CSP-Net	1.78 209	1.32 406	1.92 91	1.16 276	1.03 306	3.38 186	1.31 367	3.52 217	1.75 209	1.96 221	1.93 292	2.40 293	1.48 246	8.58 366	1.58 285	0.46 360	0.34 331	0.27 96	0.26 161	0.41 268	0.50 336

MM-Stereo_test2	1.79 210	0.53 49	20.16 448	1.43 382	0.47 86	2.57 109	0.73 134	1.67 29	1.47 74	0.94 73	0.96 33	0.84 64	0.79 75	1.16 44	0.68 46	0.24 29	0.17 18	0.25 50	0.22 96	0.30 103	0.22 30

tt1	1.79 210	0.73 240	10.41 292	1.75 438	0.36 11	4.55 438	0.79 182	4.22 386	3.37 463	1.08 89	1.80 238	0.74 48	1.48 246	2.21 208	0.65 34	0.29 129	0.16 7	0.31 187	0.22 96	0.30 103	0.29 127

RAFT_CTSACE	1.80 212	1.06 356	10.00 285	1.71 433	1.39 388	3.49 207	1.06 319	3.05 160	1.62 172	1.70 160	2.04 312	2.51 312	1.80 327	1.98 182	0.94 152	0.25 45	0.22 158	0.28 125	0.30 261	0.30 103	0.26 85

UPFNet	1.81 213	0.63 150	6.71 246	1.25 307	1.44 399	3.50 210	1.35 371	4.02 332	1.85 228	2.40 369	1.52 145	2.41 295	1.40 219	3.62 266	1.88 332	0.34 235	0.33 319	0.37 305	0.31 277	0.41 268	0.39 253

AACVNet	1.83 214	1.02 345	2.41 149	1.45 389	0.87 261	3.21 159	0.73 134	3.16 171	1.61 169	2.01 244	1.82 256	2.28 277	1.33 206	10.98 438	1.49 269	0.39 303	0.32 312	0.38 321	0.32 288	0.43 297	0.44 298

111	1.83 214	0.92 320	9.08 272	0.81 46	0.36 11	4.25 387	0.91 263	4.44 456	2.70 394	2.39 367	1.96 294	2.30 283	1.64 296	1.28 71	1.82 325	0.28 109	0.22 158	0.24 32	0.20 52	0.31 122	0.54 357

ACVNet-DCA	1.85 216	0.74 248	13.77 326	1.78 441	0.36 11	4.48 420	0.74 146	3.98 320	1.53 117	1.01 81	1.81 250	0.72 40	1.62 281	2.13 195	0.64 30	0.29 129	0.17 18	0.32 207	0.21 66	0.33 165	0.32 171

ITSA-stereo	1.86 217	0.72 229	3.74 215	1.20 290	0.66 182	4.09 341	0.91 263	4.24 398	2.53 372	1.93 213	1.77 229	1.59 177	2.15 363	6.12 320	2.44 390	0.40 309	0.38 358	0.40 330	0.40 371	0.50 339	0.98 443

test_5	1.87 218	0.75 260	10.23 289	1.14 257	1.40 390	3.85 283	1.27 363	3.91 300	1.93 242	1.69 156	1.78 232	1.67 185	1.79 322	2.99 254	1.17 197	0.30 168	0.18 43	0.35 278	0.33 296	0.34 183	0.33 185

NINENet	1.87 218	0.74 248	2.60 158	1.12 249	1.06 314	4.50 429	0.76 159	4.41 451	2.24 303	2.16 296	1.86 272	3.63 412	0.97 118	8.00 358	1.17 197	0.41 323	0.30 294	0.41 340	0.30 261	0.41 268	0.36 218

IRAFT_RVC	1.87 218	0.60 117	4.33 221	2.40 479	0.66 182	4.59 446	1.59 405	2.96 149	1.51 101	2.23 323	1.75 216	2.09 266	2.63 396	6.70 333	1.50 270	0.33 223	0.21 129	0.33 242	0.29 243	0.32 147	0.32 171

MLCV	1.87 218	0.91 318	8.59 266	1.10 238	0.57 144	3.59 230	0.53 52	3.70 254	2.20 297	2.80 421	2.25 357	2.00 252	1.42 229	4.13 281	1.86 330	0.30 168	0.20 98	0.32 207	0.21 66	0.33 165	0.36 218

iRaft-Stereo_20w	1.88 222	0.62 142	10.58 294	0.90 114	0.83 243	2.96 138	0.78 175	4.90 486	1.58 149	2.29 335	1.60 172	1.25 132	4.51 459	2.28 214	0.90 132	0.29 129	0.21 129	0.26 71	0.24 132	0.41 268	0.31 162

DSFCA	1.89 223	0.69 204	3.14 189	1.10 238	1.18 337	3.99 323	1.79 420	3.50 213	2.16 290	3.10 440	1.64 183	2.91 351	2.50 389	5.38 300	2.26 374	0.43 339	0.38 358	0.37 305	0.36 329	0.50 339	0.42 283

iResNet_ROB	1.89 223	1.02 345	8.60 267	1.39 374	0.98 293	3.72 251	0.66 107	3.84 277	2.65 388	1.88 195	2.05 318	1.98 249	1.27 194	4.52 286	1.67 306	0.30 168	0.20 98	0.28 125	0.18 24	0.31 122	0.40 273

MM-Stereo_test1	1.90 225	0.53 49	19.85 434	1.39 374	0.48 94	1.81 64	0.79 182	3.00 154	1.82 219	1.69 156	1.09 53	0.87 74	0.97 118	1.45 99	0.74 73	0.24 29	0.21 129	0.27 96	0.24 132	0.35 201	0.24 51

H2IRNET	1.90 225	0.53 49	14.29 340	1.14 257	0.60 156	4.48 420	0.44 31	2.65 121	1.81 218	1.05 87	2.30 370	1.67 185	1.40 219	2.17 202	1.50 270	0.36 266	0.21 129	0.33 242	0.37 341	0.34 183	0.29 127

CFNet-ft	1.90 225	0.95 332	3.56 207	1.07 215	1.54 412	4.09 341	0.90 255	2.85 141	1.82 219	1.78 175	1.70 201	2.75 334	1.48 246	9.33 381	1.72 312	0.33 223	0.30 294	0.61 431	0.36 329	0.52 344	0.39 253

CFNet_RVC	1.90 225	0.95 332	3.56 207	1.07 215	1.54 412	4.09 341	0.90 255	2.85 141	1.82 219	1.78 175	1.70 201	2.75 334	1.48 246	9.33 381	1.72 312	0.33 223	0.30 294	0.61 431	0.36 329	0.52 344	0.39 253

PSMNet-ADL	1.91 229	0.72 229	1.78 79	1.09 229	0.86 256	4.18 373	0.78 175	3.77 263	2.10 280	1.72 165	1.85 269	2.91 351	1.82 332	10.38 418	1.91 336	0.48 373	0.46 406	0.28 125	0.29 243	0.38 229	0.51 344

GEStereo_RVC	1.91 229	0.80 281	6.57 244	1.20 290	1.06 314	4.02 328	1.43 390	4.13 363	1.89 236	2.03 253	1.80 238	2.34 286	1.86 339	4.94 292	1.77 320	0.48 373	0.38 358	0.32 207	0.28 215	0.42 287	0.50 336

DN-CSS_ROB	1.91 229	1.55 429	11.13 301	1.82 448	0.88 264	3.99 323	0.61 79	4.01 328	1.67 184	1.64 147	1.89 282	1.39 150	1.06 147	3.23 256	1.50 270	0.31 187	0.19 67	0.44 355	0.29 243	0.37 224	0.31 162

qqq1	1.92 232	0.57 85	4.46 222	1.36 360	0.57 144	2.03 77	0.73 134	4.25 400	2.80 409	2.32 349	2.31 377	1.95 240	1.52 258	10.99 439	0.71 62	0.34 235	0.32 312	0.30 166	0.23 109	0.29 80	0.29 127

fff1	1.92 232	0.57 85	4.46 222	1.36 360	0.57 144	2.03 77	0.73 134	4.25 400	2.80 409	2.32 349	2.31 377	1.95 240	1.52 258	10.99 439	0.71 62	0.34 235	0.32 312	0.30 166	0.23 109	0.29 80	0.29 127

raft_robust	1.92 232	1.15 373	3.34 199	1.02 197	0.43 56	3.84 276	0.46 36	4.42 452	2.52 371	1.67 154	1.36 111	2.17 271	6.37 482	6.78 337	1.04 171	0.28 109	0.24 217	0.30 166	0.35 319	0.31 122	0.32 171

delet	1.92 232	0.76 265	5.14 232	1.01 188	1.65 436	3.44 195	2.03 436	3.76 261	2.48 362	2.01 244	2.05 318	2.63 324	1.90 344	5.34 299	2.12 362	0.28 109	0.29 281	0.40 330	0.31 277	0.41 268	0.45 304

BEATNet_4x	1.92 232	1.36 411	8.75 270	1.20 290	0.56 133	3.46 200	1.03 312	4.00 326	2.43 353	2.25 328	1.70 201	2.10 267	1.59 273	2.57 235	3.05 418	0.37 274	0.22 158	0.47 369	0.29 243	0.60 373	0.40 273

IIG-Stereo	1.95 237	0.79 277	2.14 119	2.78 486	0.66 182	4.62 450	0.76 159	4.27 408	1.53 117	2.63 404	3.14 443	3.35 386	1.61 278	7.65 354	1.41 249	0.39 303	0.20 98	0.31 187	0.25 143	0.33 165	0.22 30

LALA_ROB	1.95 237	1.48 424	3.11 187	1.05 207	0.98 293	3.99 323	1.82 424	4.44 456	2.28 314	3.31 450	1.85 269	2.76 340	1.67 302	4.04 280	3.23 421	0.46 360	0.41 379	0.55 414	0.52 418	0.60 373	0.57 367

DCANet-4	1.96 239	0.51 32	14.31 341	0.82 56	0.40 40	4.16 365	0.57 62	4.29 416	2.98 432	2.30 339	1.80 238	1.03 99	1.54 268	1.44 95	1.44 254	0.29 129	0.23 184	0.23 15	0.18 24	0.24 16	0.42 283

PSMNet-RSSM	1.96 239	0.77 268	3.26 193	1.29 324	1.31 367	4.19 377	0.96 293	3.68 244	1.89 236	2.05 257	1.80 238	2.60 320	1.70 309	9.84 395	1.81 324	0.35 255	0.29 281	0.35 278	0.37 341	0.42 287	0.35 212

4D-IteraStereo	1.97 241	0.84 299	20.43 465	0.78 42	1.56 419	2.09 85	1.05 318	2.43 88	1.56 140	1.41 118	1.00 35	1.94 238	0.61 26	1.22 61	1.06 173	0.27 72	0.18 43	0.31 187	0.26 161	0.27 52	0.23 38

OMP-Stereo	1.97 241	0.93 324	1.88 86	2.76 485	0.67 189	4.58 445	1.48 392	4.31 427	1.54 126	3.15 445	2.76 421	3.25 377	1.38 212	7.66 355	1.35 242	0.40 309	0.20 98	0.33 242	0.26 161	0.33 165	0.24 51

cc1	1.98 243	0.74 248	13.77 326	1.78 441	0.36 11	4.48 420	0.74 146	4.23 390	3.95 479	1.01 81	1.81 250	0.72 40	1.62 281	2.13 195	0.64 30	0.29 129	0.17 18	0.32 207	0.21 66	0.31 122	0.29 127

hknet	1.98 243	0.64 162	8.70 269	0.87 96	1.07 316	4.16 365	1.16 344	4.48 462	1.73 202	2.93 428	1.83 257	3.48 395	1.30 202	3.91 276	1.51 276	0.31 187	0.25 237	0.31 187	0.28 215	0.35 201	0.33 185

GANet-RSSM	1.98 243	0.62 142	3.49 202	1.69 429	1.23 355	4.22 383	0.91 263	3.31 189	1.86 229	1.81 180	1.74 212	2.34 286	1.82 332	10.92 436	1.73 316	0.34 235	0.29 281	0.31 187	0.28 215	0.39 239	0.40 273

1test111	1.99 246	0.74 248	13.77 326	1.78 441	0.36 11	4.48 420	0.74 146	3.98 320	1.53 117	1.01 81	1.81 250	0.72 40	1.62 281	4.66 288	0.98 162	0.29 129	0.17 18	0.32 207	0.21 66	0.33 165	0.32 171

SMFormer	2.00 247	0.57 85	4.46 222	1.36 360	0.57 144	2.03 77	0.73 134	4.25 400	2.80 409	2.32 349	2.31 377	1.95 240	1.52 258	10.99 439	2.13 365	0.34 235	0.32 312	0.36 293	0.31 277	0.38 229	0.36 218

tta	2.00 247	0.57 85	4.46 222	1.36 360	0.57 144	2.03 77	0.73 134	4.25 400	2.80 409	2.32 349	2.31 377	1.95 240	1.52 258	10.99 439	2.13 365	0.34 235	0.32 312	0.36 293	0.31 277	0.29 80	0.29 127

TestStereo	2.00 247	1.02 345	12.25 310	0.70 15	0.61 160	1.88 68	0.55 57	2.31 78	1.52 110	1.41 118	1.33 99	1.27 134	0.90 103	11.62 466	0.81 96	0.34 235	0.19 67	0.33 242	0.24 132	0.44 305	0.24 51

cross-raft	2.01 250	0.57 85	19.01 412	1.03 204	0.56 133	2.11 86	0.72 129	3.63 234	1.57 146	1.77 173	1.51 144	3.17 371	1.13 164	1.16 44	0.85 108	0.23 20	0.21 129	0.26 71	0.23 109	0.28 68	0.25 61

MMNet	2.02 251	0.81 285	10.76 296	1.12 249	1.23 355	3.53 217	0.89 249	3.79 267	2.08 269	2.15 291	1.76 224	2.15 270	2.12 359	3.69 269	2.32 379	0.31 187	0.29 281	0.34 259	0.27 187	0.38 229	0.42 283

xx1	2.03 252	0.74 248	13.77 326	1.78 441	0.36 11	4.48 420	0.74 146	4.23 390	3.95 479	1.01 81	1.81 250	1.79 213	1.34 207	2.13 195	0.64 30	0.29 129	0.17 18	0.33 242	0.33 296	0.33 165	0.32 171

HGLStereo	2.03 252	0.74 248	7.50 255	1.23 303	1.56 419	3.62 237	0.95 287	3.78 266	1.89 236	2.03 253	2.20 349	3.12 368	2.14 362	5.68 309	2.04 352	0.37 274	0.31 304	0.32 207	0.29 243	0.40 244	0.45 304

ssnet_v2	2.04 254	0.88 310	7.87 256	1.20 290	0.87 261	3.86 285	1.64 410	4.01 328	2.60 382	2.61 400	1.96 294	3.79 417	1.71 311	2.20 206	2.96 414	0.41 323	0.35 335	0.42 347	0.37 341	0.55 355	0.52 349

ADStereo(finetuned)	2.04 254	0.73 240	13.28 317	0.82 56	0.40 40	4.16 365	0.59 72	4.25 400	2.97 429	2.35 357	1.84 262	1.18 119	3.40 431	1.52 113	1.54 280	0.29 129	0.24 217	0.23 15	0.18 24	0.30 103	0.51 344

CBFPSM	2.05 256	0.95 332	10.12 288	1.07 215	1.05 311	2.84 119	1.20 355	3.28 186	1.73 202	1.82 182	1.30 95	4.56 456	4.06 448	2.34 215	2.34 381	0.25 45	0.38 358	0.32 207	0.27 187	0.37 224	0.79 423

DeepPruner_ROB	2.05 256	1.09 362	10.50 293	1.01 188	1.20 349	4.39 406	0.91 263	3.14 169	1.72 199	2.60 398	1.54 154	2.78 341	1.27 194	4.52 286	1.72 312	0.51 394	0.40 372	0.37 305	0.34 304	0.48 331	0.52 349

DLCB_ROB	2.05 256	0.95 332	2.37 145	1.24 305	1.02 305	2.92 130	1.30 366	3.68 244	2.30 318	2.91 426	2.17 343	3.32 384	1.52 258	10.37 416	2.50 395	0.40 309	0.33 319	0.40 330	0.36 329	0.41 268	0.47 319

HITNet	2.07 259	0.82 292	14.77 344	1.34 350	0.56 133	3.47 203	0.80 192	4.07 347	2.35 330	2.16 296	1.61 176	1.64 182	1.44 235	2.09 193	2.56 402	0.26 57	0.18 43	0.41 340	0.26 161	0.45 313	0.25 61
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
ETE_ROB	2.07 259	1.40 416	3.01 184	1.09 229	0.92 274	3.94 305	1.53 399	4.25 400	2.23 301	3.31 450	2.06 322	2.35 288	1.52 258	8.74 368	2.07 358	0.44 346	0.36 339	0.51 396	0.48 402	0.54 353	0.62 383

CFNet-RSSM	2.08 261	0.52 38	20.06 442	1.01 188	0.56 133	3.39 187	0.64 96	3.67 242	1.55 134	1.72 165	1.37 112	2.57 317	1.19 185	1.11 31	0.86 115	0.27 72	0.20 98	0.25 50	0.23 109	0.27 52	0.23 38

coex_refinement	2.10 262	0.85 303	3.67 214	1.31 335	1.13 328	3.21 159	0.85 221	3.86 283	2.31 322	2.51 382	1.92 290	3.49 401	1.69 307	11.08 446	2.13 365	0.37 274	0.25 237	0.27 96	0.31 277	0.41 268	0.37 232

iRaft-Stereo_5w	2.10 262	0.83 295	8.57 265	0.81 46	0.76 220	3.21 159	0.84 212	3.71 255	1.65 180	1.56 133	2.50 395	2.20 273	2.23 372	9.13 377	2.01 350	0.38 291	0.19 67	0.35 278	0.27 187	0.45 313	0.39 253

DFGA-Net	2.11 264	3.00 472	7.43 253	1.11 245	0.76 220	3.72 251	0.60 75	2.63 119	1.91 240	2.01 244	2.07 323	1.22 129	1.04 135	10.26 414	2.26 374	0.27 72	0.22 158	0.34 259	0.34 304	0.61 378	0.48 323

CFNet_pseudo	2.12 265	0.67 193	15.14 355	0.85 87	0.74 215	3.95 310	0.64 96	3.95 311	1.78 214	1.90 202	1.79 235	3.27 379	1.62 281	2.51 225	1.16 194	0.31 187	0.36 339	0.53 406	0.27 187	0.63 383	0.44 298

test_xeample3	2.12 265	0.63 150	21.55 499	0.91 121	0.47 86	1.85 66	0.94 283	7.96 504	1.23 24	0.75 30	0.76 15	0.64 20	0.70 45	1.77 158	0.83 102	0.30 168	0.21 129	0.27 96	0.21 66	0.27 52	0.24 51

ccs_rob	2.13 267	0.67 193	15.11 354	0.84 75	0.75 217	3.96 315	0.65 105	3.95 311	1.78 214	1.88 195	1.79 235	3.26 378	1.64 296	2.51 225	1.16 194	0.31 187	0.36 339	0.54 413	0.27 187	0.65 393	0.45 304

SepStereo	2.15 268	0.67 193	4.79 229	1.14 257	1.64 432	2.93 133	2.13 441	4.09 353	2.74 398	4.17 472	2.52 398	2.46 307	1.79 322	8.36 361	1.63 299	0.37 274	0.22 158	0.39 324	0.25 143	0.41 268	0.34 198

test_for_model	2.16 269	3.87 480	1.58 64	4.16 504	3.64 500	2.51 105	0.96 293	3.63 234	2.62 383	2.45 374	1.39 117	1.02 97	0.73 52	0.92 9	0.57 17	2.97 491	2.19 496	0.26 71	0.17 16	5.32 509	2.24 484

IGEV_Zeroshot_test	2.16 269	0.69 204	20.60 472	1.22 299	0.54 123	2.18 89	0.53 52	3.38 201	1.61 169	1.93 213	1.55 158	3.76 416	1.05 140	1.55 116	0.91 139	0.29 129	0.20 98	0.27 96	0.29 243	0.40 244	0.32 171

anonymousa	2.16 269	0.67 193	19.19 413	1.04 206	1.67 440	2.06 83	0.79 182	2.86 144	1.96 244	1.85 185	2.14 337	3.23 376	1.81 330	1.12 33	1.15 191	0.26 57	0.26 250	0.34 259	0.32 288	0.30 103	0.28 117

AIO-test1	2.18 272	0.66 183	18.95 410	0.89 105	1.48 404	3.40 190	0.97 296	4.19 377	1.68 186	0.86 65	1.35 107	0.99 93	0.75 58	4.47 285	1.27 224	0.23 20	0.23 184	0.28 125	0.33 296	0.31 122	0.35 212

SFCPSM	2.18 272	0.63 150	17.03 376	0.88 101	0.98 293	3.74 256	1.28 365	4.09 353	2.16 290	1.85 185	1.83 257	1.65 183	1.39 215	2.50 222	1.50 270	0.33 223	0.27 261	0.39 324	0.36 329	0.34 183	0.37 232

GANet-ADL	2.20 274	0.73 240	20.11 447	1.25 307	0.69 200	3.83 271	0.76 159	3.49 210	1.71 196	1.65 151	1.99 304	2.10 267	1.10 158	1.42 92	1.26 221	0.38 291	0.33 319	0.25 50	0.22 96	0.42 287	0.36 218

MSKI-zero shot	2.22 275	0.64 162	20.09 446	0.96 155	0.56 133	4.04 331	0.70 124	3.91 300	1.50 94	1.92 209	2.28 362	1.92 236	0.71 47	2.93 251	0.67 43	0.26 57	0.23 184	0.26 71	0.21 66	0.28 68	0.26 85

PS-NSSS	2.22 275	1.33 409	2.90 180	0.97 162	1.53 411	4.11 347	1.08 326	4.55 472	2.65 388	2.10 269	2.32 382	1.77 205	1.40 219	11.79 479	1.61 292	0.68 434	0.45 397	0.96 466	0.43 386	0.95 441	0.92 437

PCWNet_CMD	2.23 277	0.65 172	17.36 381	0.83 66	0.76 220	3.51 213	0.64 96	3.60 229	1.97 246	1.70 160	1.63 181	3.22 374	3.05 417	2.09 193	1.11 185	0.31 187	0.36 339	0.47 369	0.26 161	0.64 390	0.47 319

HH	2.23 277	0.86 306	21.59 500	0.98 168	0.51 105	1.49 48	0.82 204	2.74 130	1.54 126	1.10 91	1.69 199	4.62 458	1.86 339	2.55 232	0.69 53	0.26 57	0.22 158	0.29 146	0.23 109	0.34 183	0.27 98

HanStereo	2.23 277	0.86 306	21.59 500	0.98 168	0.51 105	1.49 48	0.82 204	2.74 130	1.54 126	1.10 91	1.69 199	4.62 458	1.86 339	2.55 232	0.69 53	0.26 57	0.22 158	0.29 146	0.23 109	0.34 183	0.27 98

MSMDNet	2.23 277	0.64 162	17.32 377	0.84 75	0.75 217	3.53 217	0.64 96	3.61 232	1.98 248	1.71 164	1.64 183	3.22 374	2.99 411	2.08 190	1.11 185	0.31 187	0.37 352	0.45 361	0.26 161	0.62 382	0.45 304

FENet	2.25 281	0.50 28	20.29 458	1.35 354	0.67 189	4.01 326	0.60 75	3.95 311	1.99 249	1.96 221	1.11 56	2.43 301	1.43 232	1.60 127	1.39 244	0.32 207	0.22 158	0.33 242	0.26 161	0.29 80	0.39 253

DISCO	2.25 281	0.73 240	10.06 286	1.76 439	1.12 326	3.47 203	1.25 362	3.24 182	2.26 309	2.65 409	1.96 294	4.53 454	1.92 346	4.17 283	3.61 425	0.32 207	0.25 237	0.31 187	0.29 243	0.66 398	0.41 279

iinet-f	2.26 283	1.18 378	13.71 324	1.14 257	1.11 324	3.77 260	1.10 332	4.14 369	2.17 292	2.06 262	1.76 224	2.99 356	2.99 411	2.50 222	2.49 394	0.35 255	0.39 367	0.27 96	0.28 215	0.45 313	0.39 253

ICVP	2.26 283	0.66 183	21.18 491	0.99 174	0.88 264	4.28 394	0.95 287	3.32 194	1.60 165	1.66 152	1.76 224	1.34 143	1.14 170	1.62 133	1.32 234	0.53 403	0.35 335	0.33 242	0.29 243	0.40 244	0.51 344
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rrr	2.27 285	0.65 172	23.82 516	0.90 114	0.46 76	1.57 54	0.96 293	7.98 505	1.19 21	0.65 17	0.77 17	0.74 48	0.72 48	2.59 236	0.86 115	0.28 109	0.21 129	0.28 125	0.21 66	0.29 80	0.25 61

CIPLG	2.27 285	1.18 378	19.24 414	0.92 127	1.34 377	3.95 310	0.89 249	4.23 390	1.82 219	2.31 345	2.67 414	1.17 115	1.06 147	1.53 115	1.32 234	0.37 274	0.23 184	0.27 96	0.22 96	0.31 122	0.45 304

ACRE	2.27 285	1.11 366	19.45 421	0.91 121	1.30 365	3.94 305	0.87 242	4.21 383	1.80 217	2.28 333	2.62 409	1.17 115	1.04 135	1.52 113	1.30 231	0.37 274	0.23 184	0.27 96	0.22 96	0.31 122	0.46 314

NOSS_ROB	2.27 285	0.73 240	3.00 183	1.71 433	1.00 303	3.90 292	0.97 296	4.29 416	2.81 415	2.94 432	2.19 347	3.88 421	1.19 185	11.77 478	1.62 297	0.59 414	0.54 426	0.56 416	0.52 418	0.56 361	0.54 357

XPNet_ROB	2.27 285	1.11 366	4.10 219	1.36 360	0.97 289	3.94 305	1.63 408	4.07 347	2.14 287	2.82 423	2.00 306	2.32 285	1.73 316	10.81 431	3.39 422	0.51 394	0.47 410	0.48 377	0.40 371	0.51 341	0.56 363

IPLGR_C	2.28 290	1.31 404	19.46 422	0.92 127	1.32 372	3.93 300	0.89 249	4.20 378	1.82 219	2.30 339	2.63 411	1.16 114	1.07 149	1.41 91	1.29 230	0.37 274	0.23 184	0.27 96	0.22 96	0.31 122	0.45 304

DRaft	2.28 290	0.56 76	2.64 166	0.74 23	0.46 76	3.94 305	1.23 359	2.32 80	1.55 134	2.64 405	2.80 425	1.60 178	5.34 469	6.96 341	10.99 475	0.34 235	0.22 158	0.27 96	0.27 187	0.29 80	0.37 232

psm_up	2.28 290	0.81 285	5.45 239	1.26 313	1.50 407	3.84 276	1.23 359	4.23 390	2.03 257	2.55 387	1.80 238	2.44 304	1.65 298	12.90 497	1.58 285	0.37 274	0.38 358	0.41 340	0.34 304	0.43 297	0.39 253

MyStereo04	2.29 293	0.80 281	18.77 405	1.00 182	1.04 309	3.95 310	0.95 287	3.91 300	2.54 376	1.99 230	1.27 90	2.31 284	1.65 298	2.02 187	1.77 320	0.24 29	0.24 217	0.34 259	0.26 161	0.41 268	0.37 232

ADLNet	2.29 293	0.83 295	3.62 212	1.35 354	1.60 425	3.67 245	1.24 361	3.95 311	2.98 432	2.58 394	2.29 365	4.01 428	1.79 322	11.23 452	2.09 360	0.37 274	0.38 358	0.36 293	0.34 304	0.45 313	0.71 403

TDLM	2.29 293	1.08 359	4.61 228	1.29 324	1.01 304	4.26 388	2.17 443	3.75 259	2.79 405	2.31 345	1.98 302	2.06 262	1.59 273	12.45 492	1.72 312	0.51 394	0.28 271	0.52 402	0.35 319	0.56 361	0.50 336

Wz-Net-LNSev	2.30 296	1.67 438	14.88 347	1.18 284	1.65 436	3.49 207	1.54 402	3.63 234	2.03 257	1.88 195	1.64 183	3.29 380	2.06 354	2.71 245	2.02 351	0.40 309	0.33 319	0.32 207	0.31 277	0.53 350	0.49 329

DCVSM-stereo	2.31 297	0.66 183	20.69 474	1.11 245	0.93 279	2.58 111	0.73 134	2.61 117	1.60 165	2.57 391	1.53 152	3.30 382	1.72 313	2.19 205	1.23 213	0.34 235	0.53 424	0.41 340	0.32 288	0.45 313	0.62 383

testlalala2	2.31 297	0.63 150	20.54 468	2.56 482	2.87 488	3.79 265	0.76 159	4.20 378	1.48 81	1.42 120	1.43 126	2.45 305	0.80 82	1.03 22	0.68 46	0.27 72	0.25 237	0.24 32	0.21 66	0.33 165	0.28 117

gwcnet-sp	2.31 297	1.21 383	17.34 378	1.08 223	0.92 274	3.56 224	1.04 315	3.69 249	2.09 272	2.55 387	1.60 172	1.80 216	1.62 281	3.87 273	1.95 342	0.29 129	0.29 281	0.30 166	0.28 215	0.38 229	0.39 253

scenet	2.31 297	1.21 383	17.34 378	1.08 223	0.92 274	3.56 224	1.04 315	3.69 249	2.09 272	2.55 387	1.60 172	1.80 216	1.62 281	3.87 273	1.95 342	0.29 129	0.29 281	0.30 166	0.28 215	0.38 229	0.39 253

ssnet	2.31 297	1.21 383	17.34 378	1.08 223	0.92 274	3.56 224	1.04 315	3.69 249	2.09 272	2.55 387	1.60 172	1.80 216	1.62 281	3.87 273	1.95 342	0.29 129	0.29 281	0.30 166	0.28 215	0.38 229	0.39 253

DAS	2.31 297	0.67 193	4.79 229	1.14 257	1.64 432	2.93 133	2.13 441	4.09 353	2.74 398	4.17 472	2.52 398	2.46 307	1.79 322	11.55 463	1.63 299	0.37 274	0.22 158	0.39 324	0.25 143	0.41 268	0.34 198

TRStereo	2.31 297	1.87 446	19.74 430	1.53 405	1.16 335	4.26 388	1.08 326	4.73 482	1.45 61	1.55 131	1.28 91	1.75 200	0.85 89	1.81 164	1.20 203	0.36 266	0.26 250	0.32 207	0.36 329	0.34 183	0.33 185

test_sample5	2.33 304	0.62 142	11.29 302	1.29 324	0.83 243	3.09 150	0.74 146	4.28 413	2.31 322	2.20 308	1.97 300	1.68 187	1.39 215	11.19 450	1.47 263	0.37 274	0.31 304	0.37 305	0.37 341	0.41 268	0.39 253

MyStereo8	2.33 304	1.13 368	19.26 417	1.22 299	1.62 428	4.16 365	0.57 62	3.50 213	2.36 333	2.15 291	1.75 216	2.28 277	1.14 170	1.46 103	2.20 371	0.24 29	0.21 129	0.32 207	0.27 187	0.36 214	0.43 292

DualNet	2.33 304	0.62 142	11.29 302	1.29 324	0.83 243	3.09 150	0.74 146	4.28 413	2.31 322	2.26 331	2.04 312	1.68 187	1.39 215	11.19 450	1.47 263	0.37 274	0.31 304	0.37 305	0.37 341	0.41 268	0.39 253

MIPNet	2.33 304	0.71 226	19.82 432	0.89 105	0.56 133	4.76 477	0.61 79	4.32 431	2.37 339	1.83 183	1.48 141	1.48 163	1.98 349	2.63 239	1.44 254	0.29 129	0.20 98	0.26 71	0.23 109	0.30 103	0.39 253

DualNet (step1)	2.34 308	1.05 351	7.87 256	1.07 215	0.86 256	3.93 300	1.19 351	4.35 437	2.11 282	2.14 283	1.75 216	1.75 200	1.67 302	6.26 323	1.26 221	1.23 470	0.48 416	4.27 513	2.09 499	0.70 406	0.69 399

test_sample4	2.34 308	0.63 150	11.59 305	1.30 332	0.83 243	3.07 148	0.72 129	4.27 408	2.30 318	2.30 339	1.88 276	1.73 198	1.42 229	11.14 449	1.46 258	0.35 255	0.29 281	0.35 278	0.36 329	0.40 244	0.38 247

test_sample3	2.34 308	0.61 132	11.94 308	1.33 343	0.85 251	3.10 152	0.73 134	4.24 398	2.19 295	2.21 316	1.75 216	1.80 216	1.41 224	11.11 448	1.46 258	0.35 255	0.29 281	0.34 259	0.35 319	0.39 239	0.37 232

STTStereo	2.34 308	0.95 332	14.93 350	1.43 382	1.54 412	3.86 285	0.86 224	3.65 237	2.44 357	2.15 291	1.55 158	2.49 311	1.59 273	5.14 296	1.44 254	0.38 291	0.39 367	0.47 369	0.51 415	0.52 344	0.51 344

CFNet	2.34 308	1.10 363	8.96 271	1.34 350	1.24 357	4.09 341	0.73 134	4.04 337	2.77 402	1.62 143	1.87 275	2.27 276	1.45 239	11.41 457	1.82 325	0.31 187	0.24 217	0.43 351	0.36 329	0.43 297	0.33 185

AIO-Stereo-zeroshot	2.35 313	0.99 340	19.62 426	1.09 229	0.96 285	1.51 50	0.44 31	4.05 341	1.64 176	1.31 104	1.67 192	4.93 465	2.45 386	2.52 230	1.40 245	0.30 168	0.20 98	0.31 187	0.50 411	0.57 365	0.60 377

test_sample6	2.35 313	0.62 142	10.78 297	1.33 343	0.83 243	3.15 155	0.79 182	4.36 442	2.43 353	2.26 331	2.04 312	1.69 192	1.39 215	11.48 461	1.61 292	0.38 291	0.32 312	0.37 305	0.39 360	0.41 268	0.42 283

EAI-Stereo	2.35 313	0.63 150	2.97 181	0.95 149	0.65 176	3.84 276	14.27 514	5.04 488	2.19 295	2.06 262	7.25 477	1.10 107	0.94 112	1.65 141	1.37 243	0.31 187	0.22 158	0.27 96	0.60 435	0.27 52	0.32 171

ac_64	2.35 313	0.62 142	9.77 281	1.32 338	1.71 446	3.27 173	0.93 278	3.48 207	2.50 367	1.74 169	1.73 210	3.91 422	1.77 319	10.21 411	1.86 330	0.40 309	0.31 304	0.33 242	0.30 261	0.34 183	0.39 253

HSM	2.35 313	0.81 285	2.21 125	1.14 257	1.55 416	3.44 195	1.03 312	3.99 324	2.25 306	2.29 335	2.11 331	8.04 491	3.05 417	11.60 464	1.71 310	0.33 223	0.22 158	0.28 125	0.23 109	0.32 147	0.35 212

CFNet_ucs	2.36 318	0.68 201	18.42 401	0.89 105	0.81 233	3.85 283	0.68 113	4.29 416	2.37 339	2.09 266	2.04 312	3.31 383	1.24 192	2.63 239	1.14 190	0.36 266	0.45 397	0.56 416	0.29 243	0.66 398	0.49 329

MyStereo05	2.37 319	0.72 229	19.94 437	1.02 197	0.99 296	4.26 388	0.86 224	4.01 328	2.62 383	2.14 283	1.26 84	2.28 277	1.63 293	2.07 188	1.68 307	0.24 29	0.23 184	0.34 259	0.26 161	0.42 287	0.36 218

hitnet-ft	2.37 319	0.73 240	8.34 262	0.96 155	0.89 269	3.77 260	0.80 192	3.55 224	2.58 380	2.24 325	2.04 312	3.65 414	1.49 252	11.71 476	1.89 333	0.44 346	0.53 424	0.44 355	0.35 319	0.52 344	0.48 323

YMNet	2.40 321	1.41 418	13.46 320	1.36 360	1.67 440	3.96 315	0.97 296	3.81 270	2.37 339	2.64 405	2.57 405	3.35 386	1.53 265	3.28 258	2.42 387	0.48 373	0.54 426	0.52 402	0.49 405	0.70 406	0.54 357

YMNet_1	2.40 321	1.41 418	13.46 320	1.36 360	1.67 440	3.96 315	0.97 296	3.81 270	2.37 339	2.64 405	2.57 405	3.35 386	1.53 265	3.28 258	2.42 387	0.48 373	0.54 426	0.52 402	0.49 405	0.70 406	0.54 357

CoDeX	2.40 321	0.78 274	13.21 316	1.00 182	1.18 337	3.24 166	1.32 368	4.14 369	2.41 350	1.74 169	1.84 262	2.05 260	1.47 244	10.03 405	1.60 289	0.34 235	0.28 271	0.32 207	0.27 187	0.32 147	0.39 253

LMCR-Stereo	2.40 321	1.31 404	18.61 404	1.59 417	0.86 256	3.87 288	1.15 342	4.32 431	1.60 165	2.25 328	2.27 359	1.13 110	2.43 384	2.48 221	1.60 289	0.88 454	0.24 217	0.29 146	0.24 132	0.56 361	0.30 153

Wz-Net-LNSev-Ref	2.42 325	1.47 423	14.14 336	1.30 332	1.35 378	3.51 213	1.64 410	4.04 337	2.10 280	2.46 375	1.88 276	2.28 277	2.51 390	4.73 291	3.17 420	0.38 291	0.19 67	0.35 278	0.20 52	0.40 244	0.36 218

PAM	2.43 326	0.61 132	20.86 478	1.07 215	0.73 210	2.93 133	0.53 52	3.24 182	1.53 117	1.89 201	2.43 388	5.29 477	2.76 401	1.84 168	1.02 169	0.27 72	0.24 217	0.26 71	0.25 143	0.40 244	0.50 336

PSM-AAD	2.43 326	0.54 59	1.32 38	0.92 127	0.54 123	4.48 420	7.47 502	2.96 149	1.55 134	2.31 345	2.56 403	1.26 133	16.23 511	2.46 219	0.89 128	0.28 109	0.21 129	0.58 420	0.41 377	0.34 183	1.32 461

AASNet	2.44 328	0.92 320	19.79 431	1.35 354	1.49 405	3.81 269	1.07 321	3.85 280	2.93 426	1.95 218	2.29 365	1.96 245	1.29 199	1.73 153	1.93 338	0.39 303	0.33 319	0.45 361	0.30 261	0.55 355	0.45 304

PAM_32	2.45 329	0.63 150	20.74 475	1.05 207	0.65 176	2.83 118	0.46 36	2.91 146	1.54 126	1.95 218	2.66 413	4.99 468	3.78 442	1.96 181	0.92 142	0.27 72	0.22 158	0.27 96	0.25 143	0.36 214	0.48 323

GMM-Stereo	2.45 329	0.52 38	20.38 461	0.89 105	0.82 241	4.18 373	1.91 429	2.45 90	1.48 81	2.48 378	2.30 370	1.69 192	1.86 339	2.93 251	1.08 178	0.28 109	0.18 43	0.33 242	0.48 402	0.35 201	2.41 488

DMCA-RVC	2.45 329	1.22 389	18.29 396	1.23 303	1.14 329	2.49 104	0.85 221	3.29 187	1.68 186	3.02 435	1.41 122	2.00 252	1.53 265	6.39 325	2.00 348	0.38 291	0.30 294	0.44 355	0.35 319	0.45 313	0.44 298

MyStereo06	2.46 332	0.72 229	19.97 439	1.02 197	0.99 296	4.26 388	0.86 224	3.51 216	1.68 186	1.92 209	1.73 210	4.01 428	4.22 452	1.62 133	0.88 125	0.24 29	0.23 184	0.34 259	0.26 161	0.42 287	0.36 218

SACVNet	2.46 332	1.14 372	9.47 279	1.44 385	1.18 337	4.06 334	1.49 396	3.84 277	2.24 303	2.62 401	1.89 282	2.57 317	1.28 196	11.35 455	1.64 302	0.50 388	0.39 367	0.48 377	0.41 377	0.55 355	0.75 414

RAFT-345	2.46 332	0.55 65	19.69 429	1.02 197	0.49 100	4.43 416	0.78 175	1.64 28	2.34 328	2.09 266	3.12 441	1.96 245	1.31 203	6.65 331	1.43 252	0.36 266	0.23 184	0.32 207	0.25 143	0.28 68	0.25 61

GwcNet-ADL	2.47 335	0.67 193	21.48 498	0.96 155	0.72 206	4.61 449	0.95 287	4.42 452	2.36 333	1.98 225	1.80 238	2.55 315	1.24 192	1.90 176	1.41 249	0.40 309	0.46 406	0.24 32	0.27 187	0.41 268	0.49 329

PFNet	2.47 335	0.60 117	16.95 375	2.15 469	0.81 233	4.63 452	0.91 263	2.55 108	1.52 110	2.40 369	2.79 423	1.83 225	1.42 229	7.54 349	1.34 241	0.33 223	0.21 129	0.36 293	0.27 187	0.32 147	0.39 253

IPLG	2.48 337	0.65 172	19.63 427	0.91 121	0.79 228	4.60 448	0.56 61	4.31 427	1.84 226	1.91 207	2.00 306	1.31 140	1.38 212	6.61 329	1.53 279	0.27 72	0.20 98	0.27 96	0.23 109	0.31 122	0.36 218

HHNet	2.48 337	0.71 226	20.52 467	0.64 6	0.64 168	4.07 339	0.93 278	3.76 261	1.56 140	2.15 291	4.92 469	0.98 92	3.37 430	1.66 142	1.79 323	0.32 207	0.20 98	0.31 187	0.27 187	0.36 214	0.42 283

G2L-Stereo	2.49 339	0.94 330	14.54 343	1.15 270	1.35 378	3.57 228	0.95 287	3.62 233	2.00 253	2.11 273	1.61 176	3.20 372	1.34 207	9.54 386	1.91 336	0.34 235	0.27 261	0.35 278	0.28 215	0.30 103	0.35 212

CRFU-Net	2.49 339	0.78 274	10.36 290	2.30 476	1.08 318	3.91 293	1.41 386	3.85 280	1.65 180	2.15 291	1.76 224	3.34 385	7.95 496	5.56 306	1.48 266	0.47 369	0.35 335	0.30 166	0.28 215	0.37 224	0.43 292

FADNet	2.49 339	1.76 442	13.17 315	1.17 278	0.95 284	3.27 173	0.88 246	3.94 309	2.27 311	1.40 116	1.29 93	2.51 312	2.06 354	9.93 400	1.94 340	0.43 339	0.45 397	0.40 330	0.43 386	1.06 449	0.53 351

RAFT + AFF	2.51 342	2.66 468	4.48 226	1.15 270	1.95 465	4.15 356	2.01 435	4.46 460	3.30 461	2.19 306	2.51 397	2.22 274	4.87 463	8.91 372	2.06 355	0.30 168	0.60 443	0.48 377	0.38 354	0.77 423	0.69 399

UNet	2.51 342	0.74 248	20.17 449	1.14 257	1.44 399	3.48 205	0.76 159	3.77 263	1.87 230	2.05 257	1.57 163	2.75 334	2.39 381	3.51 263	2.51 396	0.32 207	0.26 250	0.41 340	0.26 161	0.38 229	0.39 253

FADNet-RVC	2.51 342	2.27 458	14.03 334	1.09 229	0.81 233	3.54 221	1.10 332	4.13 363	2.48 362	1.39 115	1.22 72	1.85 231	1.77 319	9.78 393	2.06 355	0.38 291	0.37 352	0.40 330	0.40 371	0.67 400	0.48 323

iResNet	2.52 345	0.94 330	21.17 490	1.84 450	0.72 206	3.75 257	0.81 201	4.14 369	2.55 378	2.33 355	2.03 309	1.35 145	1.44 235	3.27 257	2.16 369	0.35 255	0.23 184	0.28 125	0.22 96	0.44 305	0.45 304

IPLGR	2.53 346	0.58 98	20.46 466	0.82 56	0.52 114	4.56 443	0.50 44	4.30 424	2.38 344	1.87 192	1.53 152	1.68 187	1.72 313	6.95 340	1.15 191	0.28 109	0.21 129	0.27 96	0.23 109	0.33 165	0.32 171

NCCL2	2.53 346	1.35 410	10.90 299	1.15 270	0.97 289	3.53 217	2.56 456	3.65 237	2.23 301	2.76 417	1.80 238	2.41 295	1.66 300	10.35 415	2.07 358	0.44 346	0.40 372	0.57 419	0.53 422	0.59 369	0.65 392

fast-acv-ft	2.54 348	1.19 380	20.08 445	1.41 378	1.40 390	3.18 157	1.17 347	3.37 200	2.28 314	1.90 202	2.15 339	2.69 326	2.17 368	2.91 249	2.31 378	0.37 274	0.39 367	0.45 361	0.39 360	0.57 365	0.45 304

XX-Stereo	2.54 348	0.61 132	20.21 450	1.78 441	1.19 344	4.30 397	0.46 36	4.39 448	1.58 149	2.32 349	1.89 282	4.64 460	0.60 23	4.16 282	0.82 99	0.31 187	0.21 129	0.28 125	0.27 187	0.51 341	0.26 85

NLCA_NET_v2_RVC	2.54 348	1.04 350	16.73 371	1.53 405	2.00 467	3.96 315	0.87 242	3.87 286	2.31 322	2.54 386	1.67 192	2.85 345	1.63 293	5.55 305	1.62 297	0.46 360	0.33 319	0.38 321	0.38 354	0.53 350	0.62 383
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NVstereo2D	2.54 348	0.90 313	11.10 300	1.32 338	1.47 403	3.58 229	1.38 380	4.13 363	2.45 358	1.90 202	1.71 205	2.86 346	1.76 318	10.86 432	1.66 305	0.60 415	0.43 387	0.53 406	0.41 377	0.78 425	0.94 439

CVANet_RVC	2.55 352	1.10 363	9.13 277	1.46 391	1.15 331	3.96 315	1.53 399	3.91 300	2.50 367	3.04 436	2.04 312	2.60 320	1.72 313	12.46 493	1.50 270	0.49 385	0.30 294	0.51 396	0.41 377	0.63 383	0.50 336

GCST	2.56 353	1.79 444	18.02 392	1.92 456	1.33 375	1.72 60	0.51 48	3.67 242	2.03 257	1.70 160	1.61 176	1.55 172	1.29 199	5.06 294	1.24 215	2.06 484	0.77 465	1.45 481	0.97 467	1.14 458	1.34 462

ARAFT	2.56 353	1.13 368	19.50 424	0.89 105	0.48 94	4.15 356	1.40 383	4.36 442	2.82 417	2.36 361	1.88 276	1.70 194	1.04 135	6.45 326	1.22 210	0.29 129	0.18 43	0.37 305	0.35 319	0.35 201	0.25 61

RASNet	2.56 353	0.70 214	10.06 286	1.60 419	2.25 479	3.67 245	1.00 304	3.38 201	3.14 445	1.81 180	2.11 331	4.60 457	2.30 374	10.25 413	2.61 403	0.37 274	0.24 217	0.25 50	0.24 132	0.28 68	0.26 85

cf-r	2.57 356	0.79 277	16.09 362	1.48 396	1.35 378	4.19 377	0.93 278	3.68 244	2.36 333	1.97 223	1.81 250	3.42 392	1.45 239	8.24 360	1.83 327	0.32 207	0.26 250	0.33 242	0.30 261	0.34 183	0.37 232

UGAM	2.58 357	0.56 76	18.55 403	0.89 105	0.71 204	3.23 163	1.03 312	2.75 132	1.75 209	1.36 109	2.77 422	2.69 326	1.28 196	10.75 427	1.40 245	0.28 109	0.24 217	0.40 330	0.31 277	0.35 201	0.30 153

GrayStereo	2.58 357	0.53 49	1.63 66	1.58 416	0.89 269	4.17 370	8.17 506	3.03 158	1.52 110	2.80 421	2.50 395	1.70 194	17.10 512	2.83 248	1.15 191	0.33 223	0.21 129	0.27 96	0.32 288	0.28 68	0.53 351

G2L-Stereo_aug	2.62 359	0.63 150	18.80 406	1.29 324	1.11 324	3.13 153	0.89 249	3.65 237	1.84 226	2.21 316	2.16 340	3.04 360	2.10 357	7.62 351	2.39 382	0.28 109	0.21 129	0.32 207	0.20 52	0.30 103	0.33 185

ASMatch	2.62 359	0.60 117	20.65 473	1.37 370	0.64 168	4.39 406	0.78 175	1.97 50	1.58 149	1.70 160	3.89 460	1.94 238	3.79 443	5.46 302	1.64 302	0.31 187	0.24 217	0.34 259	0.28 215	0.33 165	0.50 336

RAFT-RH_RVC	2.63 361	0.55 65	19.97 439	1.26 313	0.47 86	4.46 418	0.57 62	1.71 31	1.64 176	3.06 439	5.51 472	2.03 256	1.28 196	6.70 333	1.52 278	0.42 334	0.22 158	0.37 305	0.34 304	0.28 68	0.29 127

DANet	2.63 361	1.07 357	8.10 261	1.83 449	1.70 445	3.25 169	1.16 344	4.31 427	2.38 344	3.40 455	2.18 345	4.08 432	1.80 327	9.77 391	3.89 429	0.52 400	0.55 430	0.59 423	0.44 388	0.63 383	0.86 431
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FADNet_RVC	2.65 363	2.28 460	16.51 368	0.98 168	0.92 274	4.09 341	0.83 209	4.26 407	1.73 202	1.46 122	1.78 232	1.60 178	1.50 253	8.88 370	2.39 382	0.47 369	0.38 358	0.44 355	0.58 431	0.89 436	0.97 441

iResNetv2_ROB	2.65 363	5.00 485	19.28 419	2.06 466	1.09 321	3.83 271	1.13 339	4.14 369	2.09 272	1.85 185	2.03 309	2.01 255	1.51 256	3.58 264	1.58 285	0.34 235	0.21 129	0.32 207	0.21 66	0.44 305	0.29 127

ccnet	2.66 365	0.97 339	8.01 260	1.54 407	1.24 357	3.75 257	2.18 444	4.07 347	2.41 350	2.66 410	3.25 446	2.87 347	2.31 377	9.89 397	3.50 423	0.78 443	0.75 464	0.71 448	0.67 442	0.76 422	0.81 425

GwcNet-RSSM	2.66 365	1.05 351	15.91 360	1.22 299	1.19 344	4.12 349	1.12 336	3.84 277	2.02 255	1.93 213	1.79 235	3.12 368	1.46 242	10.37 416	2.05 354	0.33 223	0.27 261	0.35 278	0.30 261	0.40 244	0.36 218

xxxx	2.67 367	0.54 59	2.03 101	1.22 299	0.81 233	3.49 207	0.63 93	4.49 465	2.49 366	2.22 319	2.23 354	2.05 260	1.38 212	10.05 406	17.91 504	0.32 207	0.32 312	0.30 166	0.27 187	0.33 165	0.34 198

test_xeample	2.67 367	0.56 76	2.05 104	1.09 229	0.81 233	3.24 166	0.80 192	4.55 472	2.70 394	2.42 371	2.27 359	1.39 150	1.40 219	10.75 427	17.51 503	0.30 168	0.30 294	0.32 207	0.28 215	0.34 183	0.33 185

PASM	2.67 367	2.05 455	9.71 280	1.73 436	1.37 383	2.53 107	1.52 397	3.10 165	2.17 292	2.79 420	1.84 262	2.90 348	1.85 338	11.89 483	2.19 370	0.81 448	0.85 468	0.87 463	1.01 469	1.14 458	1.05 446

AIO-Stereo-zeroshot1	2.68 370	1.26 396	22.01 507	1.08 223	0.99 296	1.61 56	0.86 224	3.69 249	1.64 176	1.52 128	5.62 474	3.35 386	3.44 436	2.20 206	1.33 238	0.26 57	0.21 129	0.30 166	0.62 439	0.93 440	0.67 394

222	2.68 370	0.57 85	2.03 101	1.11 245	0.81 233	3.23 163	0.65 105	4.52 470	2.45 358	2.34 356	2.29 365	1.41 156	1.44 235	10.50 419	18.47 508	0.32 207	0.30 294	0.32 207	0.27 187	0.32 147	0.34 198

PWC_ROB	2.69 372	2.01 452	8.36 263	1.33 343	1.90 463	3.23 163	1.18 348	4.33 433	3.25 456	3.11 441	3.41 451	2.71 329	2.18 370	9.15 378	4.48 433	0.56 409	0.31 304	0.61 431	0.36 329	0.69 405	0.74 411

pcwnet_v2	2.70 373	0.65 172	22.48 509	1.08 223	1.03 306	3.56 224	0.81 201	4.29 416	3.14 445	2.29 335	2.29 365	3.01 358	1.71 311	3.32 260	1.43 252	0.43 339	0.50 421	0.41 340	0.34 304	0.61 378	0.56 363

Wz-Net-MNSev	2.71 374	2.54 466	13.91 333	1.52 403	1.37 383	3.28 177	2.47 451	4.03 333	2.32 326	2.57 391	2.07 323	2.29 282	3.01 413	7.55 350	2.74 408	0.38 291	0.36 339	0.36 293	0.37 341	0.57 365	0.47 319

ttt	2.76 375	0.56 76	2.28 137	1.41 378	1.21 354	3.67 245	0.77 172	4.59 475	2.94 427	2.35 357	2.30 370	2.45 305	1.54 268	11.25 453	15.56 491	0.43 339	0.36 339	0.37 305	0.33 296	0.40 244	0.40 273

UGAM-zero	2.79 376	0.57 85	20.87 480	0.98 168	0.77 226	2.08 84	0.35 11	3.88 289	1.51 101	2.05 257	1.64 183	5.07 472	3.42 435	9.83 394	1.24 215	0.28 109	0.21 129	0.27 96	0.29 243	0.29 80	0.28 117

RP	2.79 376	1.20 382	10.36 290	1.54 407	1.93 464	3.44 195	1.97 432	4.05 341	2.34 328	2.66 410	2.79 423	3.98 426	2.58 394	10.21 411	2.61 403	0.95 457	0.47 410	0.71 448	0.57 430	0.71 415	0.68 397

SHD	2.82 378	2.04 454	13.80 330	1.69 429	1.79 455	2.73 116	1.07 321	3.85 280	3.18 449	4.63 480	2.74 418	3.38 391	2.77 402	5.48 304	3.66 426	0.62 419	0.47 410	0.51 396	0.55 425	0.65 393	0.74 411

FADNet-RVC-Resample	2.83 379	2.02 453	21.07 485	1.12 249	0.91 273	3.53 217	1.37 378	4.08 351	2.09 272	1.68 155	1.33 99	2.03 256	1.51 256	9.54 386	1.69 308	0.38 291	0.37 352	0.42 347	0.44 388	0.56 361	0.56 363

StereoDRNet	2.84 380	1.49 425	14.48 342	1.33 343	1.57 423	3.44 195	2.06 437	3.69 249	2.36 333	3.26 449	1.84 262	2.79 343	1.80 327	10.88 433	3.16 419	0.41 323	0.33 319	0.39 324	0.36 329	0.59 369	0.58 372

AAGNet	2.86 381	0.60 117	1.77 77	2.05 465	0.46 76	4.76 477	1.09 330	2.27 75	1.56 140	2.17 300	1.84 262	2.41 295	4.00 447	6.23 322	24.22 519	0.46 360	0.19 67	0.30 166	0.29 243	0.32 147	0.24 51

Consistency-Raft	2.86 381	1.66 436	19.61 425	1.40 377	1.75 450	3.84 276	1.32 368	4.07 347	2.25 306	1.78 175	2.67 414	1.82 222	4.41 456	1.94 180	2.06 355	0.83 451	0.94 471	1.03 468	1.12 474	1.70 478	1.09 449

PDISCO_ROB	2.86 381	1.53 428	14.27 339	1.98 462	2.19 476	4.52 434	1.35 371	4.65 478	3.19 450	2.09 266	2.16 340	3.53 406	2.45 386	5.32 298	2.12 362	1.30 478	0.78 466	0.72 452	0.59 433	1.24 467	1.28 457

AF-Net	2.87 384	1.30 400	16.24 363	1.33 343	1.75 450	3.26 171	1.59 405	4.09 353	2.43 353	2.69 412	2.94 431	4.51 452	3.20 424	5.84 312	2.75 409	0.76 442	0.36 339	0.72 452	0.49 405	0.70 406	0.56 363

HSM-Net_RVC	2.87 384	0.57 85	17.46 385	0.92 127	0.90 272	3.70 248	1.20 355	5.64 500	2.51 370	3.22 448	2.43 388	2.54 314	1.59 273	11.41 457	1.65 304	0.34 235	0.25 237	0.26 71	0.23 109	0.30 103	0.29 127
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
Nwc_Net	2.88 386	1.16 376	18.30 397	1.35 354	1.68 443	3.52 216	1.18 348	3.90 296	2.06 266	2.52 384	2.82 428	3.82 419	2.34 378	6.78 337	2.55 401	0.86 453	0.40 372	0.59 423	0.67 442	0.57 365	0.55 361

DDUNet	2.91 387	2.78 470	6.94 250	3.53 496	2.26 480	3.28 177	1.36 373	3.77 263	2.04 261	2.62 401	2.49 394	4.18 438	1.69 307	5.38 300	1.85 329	2.21 486	1.77 490	2.61 494	2.43 505	2.60 484	2.34 487

MFMNet_re	2.91 387	1.91 447	18.25 394	3.06 490	1.89 462	3.13 153	1.67 415	3.52 217	2.97 429	3.14 443	2.87 430	2.26 275	2.41 382	2.42 216	2.00 348	1.10 463	1.05 473	0.94 465	0.90 462	1.28 468	1.46 469

ACV-stereo	2.92 389	0.92 320	20.27 456	1.33 343	1.05 311	4.68 459	1.10 332	2.66 123	1.64 176	1.46 122	1.32 98	5.41 479	4.24 453	7.83 356	1.90 335	0.44 346	0.52 423	0.32 207	0.29 243	0.45 313	0.63 387

GANet	2.93 390	1.05 351	11.29 302	1.64 424	0.96 285	3.91 293	2.52 454	3.72 256	2.41 350	2.95 433	3.00 434	3.21 373	2.03 350	12.42 491	4.72 437	0.51 394	0.41 379	0.46 366	0.39 360	0.60 373	0.50 336

RTSC	2.95 391	2.51 462	15.49 359	1.54 407	1.30 365	3.51 213	0.86 224	3.89 291	2.48 362	3.64 458	3.12 441	3.04 360	2.30 374	5.70 310	6.67 448	0.55 407	0.35 335	0.37 305	0.39 360	0.70 406	0.60 377

PWCDC_ROB	2.95 391	3.26 474	14.06 335	1.59 417	1.56 419	4.19 377	0.86 224	4.30 424	4.08 481	2.06 262	7.37 478	2.75 334	2.42 383	3.59 265	2.67 406	1.34 480	0.36 339	0.39 324	0.34 304	1.13 457	0.62 383

PSMNet_ROB	2.95 391	1.38 413	18.46 402	1.19 286	1.20 349	3.80 267	1.65 413	3.54 222	2.35 330	1.98 225	1.71 205	2.75 334	1.79 322	11.43 459	2.78 410	0.42 334	0.36 339	0.50 393	0.60 435	0.59 369	0.49 329

ff1	2.96 394	0.60 117	5.21 235	1.14 257	0.99 296	3.62 237	0.86 224	4.22 386	3.37 463	2.20 308	2.30 370	3.48 395	1.62 281	11.62 466	16.09 493	0.29 129	0.16 7	0.48 377	0.37 341	0.30 103	0.29 127

FINET	2.96 394	1.07 357	23.18 514	1.29 324	1.86 460	2.03 77	1.52 397	4.30 424	4.71 487	2.23 323	2.34 384	1.65 183	1.48 246	5.89 313	2.81 412	0.51 394	0.47 410	0.49 390	0.40 371	0.59 369	0.49 329

XQC	2.96 394	2.42 461	14.85 345	1.36 360	1.32 372	3.29 181	1.53 399	4.28 413	2.78 403	3.21 447	2.46 390	3.53 406	2.92 409	6.58 328	4.67 435	0.70 438	0.41 379	0.59 423	0.56 427	0.96 445	0.83 430

SGM-Forest	2.96 394	0.62 142	3.49 202	1.09 229	0.80 230	4.06 334	3.30 477	4.37 445	3.09 441	4.18 475	3.27 448	4.67 462	3.86 445	11.69 475	7.91 461	0.51 394	0.46 406	0.49 390	0.39 360	0.48 331	0.49 329
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DEmStereo	2.97 398	0.58 98	13.42 319	0.79 44	0.51 105	3.84 276	1.84 427	2.42 86	1.60 165	2.25 328	2.74 418	2.03 256	6.04 476	6.79 339	12.80 484	0.35 255	0.26 250	0.26 71	0.27 187	0.27 52	0.37 232

RYNet	2.97 398	0.93 324	15.09 353	1.12 249	1.38 386	3.66 244	1.42 388	4.03 333	2.29 317	2.10 269	1.70 201	3.79 417	2.16 366	13.64 506	3.02 417	0.37 274	0.41 379	0.48 377	0.34 304	0.81 430	0.75 414

TCMNet	2.98 400	1.30 400	18.26 395	1.47 394	2.09 473	3.84 276	1.08 326	3.96 316	2.39 347	2.53 385	2.29 365	2.43 301	1.75 317	10.09 408	2.39 382	0.52 400	0.45 397	0.61 431	0.50 411	0.80 429	0.78 420

mmx	2.98 400	0.60 117	5.21 235	1.14 257	0.99 296	3.62 237	0.86 224	4.49 465	3.05 438	2.20 308	2.30 370	3.48 395	1.62 281	11.62 466	16.09 493	0.33 223	0.28 271	0.48 377	0.37 341	0.44 305	0.37 232

xxx	2.98 400	0.60 117	5.21 235	1.14 257	0.99 296	3.62 237	0.86 224	4.49 465	3.05 438	2.20 308	2.30 370	3.48 395	1.62 281	11.62 466	16.09 493	0.33 223	0.28 271	0.48 377	0.37 341	0.44 305	0.37 232

Wz-Net-SNSev	2.98 400	4.36 482	15.98 361	1.57 415	1.19 344	3.28 177	1.80 422	3.96 316	2.40 348	2.32 349	2.28 362	3.48 395	2.05 353	7.84 357	3.82 428	0.47 369	0.39 367	0.53 406	0.49 405	0.71 415	0.60 377

DispNO	3.00 404	0.75 260	18.92 409	1.17 278	1.10 323	3.72 251	0.94 283	4.29 416	2.54 376	2.24 325	2.28 362	4.51 452	2.12 359	11.40 456	2.09 360	0.31 187	0.28 271	0.31 187	0.28 215	0.36 214	0.39 253

GwcNet	3.00 404	1.63 432	19.83 433	1.32 338	2.04 472	3.27 173	1.55 403	3.65 237	2.33 327	2.00 242	2.12 334	3.56 410	1.68 306	9.47 384	2.45 391	0.44 346	0.45 397	0.46 366	0.38 354	0.60 373	0.76 416

LL-Strereo	3.01 406	1.81 445	17.59 388	1.12 249	2.10 474	2.90 125	1.09 330	4.33 433	2.00 253	3.12 442	2.24 355	3.29 380	3.15 420	11.31 454	1.84 328	0.30 168	0.28 271	0.46 366	0.34 304	0.49 337	0.45 304

Anonymous_2	3.01 406	0.89 311	4.53 227	1.06 213	1.18 337	2.93 133	0.87 242	3.24 182	1.46 69	1.86 190	1.35 107	4.11 434	2.35 379	1.64 139	1.28 228	0.82 449	0.90 470	8.71 523	15.84 526	4.44 504	0.74 411

STrans-v2	3.03 408	0.77 268	20.91 481	0.81 46	0.63 166	3.89 290	1.01 307	4.27 408	2.64 387	2.28 333	3.70 456	4.13 435	5.20 466	7.33 344	1.27 224	0.31 187	0.18 43	0.29 146	0.25 143	0.29 80	0.41 279

TransformOpticalFlow	3.03 408	0.77 268	20.99 484	1.00 182	0.55 129	4.18 373	0.64 96	4.33 433	3.02 436	2.18 302	3.09 440	4.35 446	5.07 464	7.36 347	1.27 224	0.32 207	0.18 43	0.32 207	0.26 161	0.28 68	0.46 314

AANet_RVC	3.03 408	1.72 439	12.78 313	1.17 278	1.12 326	3.79 265	1.10 332	3.86 283	3.13 443	2.62 401	4.26 463	3.96 425	1.41 224	11.43 459	5.23 444	0.94 456	0.47 410	0.34 259	0.23 109	0.40 244	0.55 361

DRN-Test	3.03 408	0.99 340	18.18 393	1.35 354	1.60 425	3.59 230	1.48 392	4.13 363	2.45 358	3.47 457	1.92 290	2.58 319	2.53 391	10.88 433	2.80 411	0.39 303	0.36 339	0.44 355	0.41 377	0.55 355	0.57 367

Syn2CoEx	3.08 412	2.55 467	19.88 435	1.34 350	1.18 337	2.43 100	1.65 413	3.91 300	2.40 348	2.39 367	2.27 359	2.90 348	3.17 423	9.57 389	2.54 400	0.50 388	0.45 397	0.53 406	0.39 360	0.74 419	0.72 409

stereogan	3.09 413	0.93 324	16.43 366	1.37 370	1.66 439	3.70 248	1.67 415	3.87 286	3.15 447	3.04 436	2.70 417	5.04 471	2.79 403	9.96 401	1.78 322	0.63 420	0.49 420	0.69 445	0.47 397	0.83 433	0.68 397

PA-Net	3.09 413	1.24 394	18.84 407	1.38 372	1.19 344	3.42 193	1.75 418	3.89 291	3.27 460	1.88 195	2.10 327	3.03 359	1.88 343	11.60 464	2.88 413	0.40 309	0.54 426	0.44 355	0.62 439	0.52 344	1.02 444
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RGC	3.10 415	1.45 422	14.90 348	1.46 391	1.79 455	3.33 183	1.39 381	4.04 337	2.26 309	2.77 418	3.26 447	4.00 427	2.71 400	11.63 471	2.62 405	0.82 449	0.46 406	0.79 458	0.79 457	0.71 415	0.78 420

PVD	3.12 416	1.97 451	12.80 314	1.79 446	1.63 430	3.83 271	1.34 370	3.48 207	3.88 476	5.77 487	3.56 454	3.45 394	3.29 427	5.58 308	5.30 445	0.71 440	0.69 458	0.74 456	0.77 453	0.79 427	1.13 452

1111x	3.13 417	0.57 85	8.38 264	1.20 290	0.76 220	3.80 267	0.88 246	4.61 477	2.63 385	2.31 345	2.16 340	1.95 240	1.81 330	11.54 462	18.13 506	0.32 207	0.31 304	0.32 207	0.30 261	0.35 201	0.34 198

APVNet	3.13 417	1.25 395	21.14 487	1.31 335	1.52 410	3.94 305	1.13 339	3.32 194	2.14 287	2.20 308	2.03 309	3.05 364	1.96 348	11.79 479	2.53 398	0.42 334	0.45 397	0.64 439	0.46 394	0.67 400	0.57 367

MaskLacGwcNet_RVC	3.13 417	1.43 420	9.93 284	2.50 480	1.62 428	4.29 395	1.68 417	3.95 311	2.43 353	1.66 152	1.91 288	3.04 360	1.41 224	13.26 499	1.58 285	3.82 504	1.59 486	1.12 474	0.46 394	2.21 482	2.74 497

ADLNet2	3.15 420	0.92 320	20.06 442	1.20 290	1.79 455	3.83 271	1.48 392	3.94 309	3.59 469	2.19 306	2.47 392	4.65 461	1.93 347	10.69 426	1.96 345	0.39 303	0.37 352	0.28 125	0.30 261	0.48 331	0.43 292

NCC-stereo	3.16 421	1.28 398	18.31 398	1.25 307	1.75 450	4.06 334	1.40 383	3.89 291	2.22 299	2.72 414	2.55 401	3.49 401	2.65 397	9.91 398	2.99 415	1.29 476	0.65 450	0.64 439	0.86 460	0.65 393	0.71 403

Abc-Net	3.16 421	1.28 398	18.31 398	1.25 307	1.75 450	4.06 334	1.40 383	3.89 291	2.22 299	2.72 414	2.55 401	3.49 401	2.65 397	9.91 398	2.99 415	1.29 476	0.65 450	0.64 439	0.86 460	0.65 393	0.71 403
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
GANetREF_RVC	3.20 423	1.93 448	18.84 407	1.51 402	0.80 230	4.12 349	1.82 424	4.16 373	2.91 423	1.87 192	1.74 212	2.48 309	1.84 334	13.18 498	1.74 317	0.80 446	0.57 433	0.79 458	0.74 449	1.20 466	0.86 431
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
GASNet	3.24 424	5.55 489	20.58 471	1.56 414	1.25 360	2.32 94	1.12 336	4.04 337	2.67 391	1.88 195	2.10 327	3.00 357	2.16 366	10.59 421	2.43 389	0.65 426	0.37 352	0.61 431	0.45 392	0.87 435	0.58 372

FBW_ROB	3.24 424	1.02 345	9.21 278	1.49 399	1.07 316	3.78 262	1.48 392	4.31 427	3.08 440	2.46 375	2.32 382	4.20 441	2.08 356	15.19 512	7.16 457	0.84 452	0.62 446	1.33 479	0.92 463	0.99 446	1.31 459

HBP-ISP	3.25 426	1.10 363	20.86 478	1.54 407	1.15 331	4.50 429	2.89 466	4.43 455	2.38 344	4.14 471	1.96 294	1.90 234	2.04 352	11.08 446	1.32 234	0.66 428	0.57 433	0.66 442	0.61 438	0.64 390	0.61 380

aanetorigin	3.30 427	1.66 436	17.52 387	1.18 284	1.58 424	2.57 109	3.80 491	2.65 121	2.03 257	6.12 492	4.30 464	2.82 344	5.70 472	5.47 303	4.67 435	0.50 388	0.44 392	0.43 351	0.47 397	1.17 463	0.92 437

ADCRef	3.30 427	1.23 393	14.90 348	1.17 278	1.41 397	3.95 310	1.64 410	3.88 289	2.36 333	3.05 438	2.21 351	2.40 293	2.81 405	5.04 293	16.63 498	0.46 360	0.34 331	0.63 436	0.62 439	0.54 353	0.67 394

CBMV	3.32 429	0.96 338	21.16 489	1.32 338	0.83 243	3.81 269	3.91 494	4.47 461	2.53 372	3.34 452	2.24 355	4.45 449	2.58 394	10.07 407	1.96 345	0.45 355	0.43 387	0.48 377	0.38 354	0.52 344	0.53 351
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FAT-Stereo	3.34 430	0.81 285	20.05 441	1.25 307	1.20 349	3.44 195	1.99 434	4.23 390	2.67 391	3.14 443	3.82 459	3.51 404	3.32 429	11.68 474	1.94 340	0.64 423	0.67 454	0.48 377	0.52 418	0.61 378	0.81 425

CC-Net-ROB	3.35 431	1.76 442	13.89 332	2.33 478	1.65 436	4.49 426	1.62 407	4.73 482	2.90 422	1.92 209	2.05 318	1.99 251	1.61 278	12.57 496	1.60 289	2.46 487	2.18 495	2.68 496	1.04 472	2.11 481	1.38 465

edge stereo	3.37 432	1.01 344	21.99 506	1.28 321	1.37 383	2.67 114	1.39 381	3.98 320	2.87 420	2.93 428	3.27 448	4.35 446	2.43 384	11.62 466	2.39 382	0.60 415	0.63 448	0.79 458	0.55 425	0.68 403	0.67 394

DPSNet	3.43 433	1.37 412	12.19 309	1.39 374	1.24 357	4.15 356	2.06 437	4.51 469	3.34 462	2.69 412	1.96 294	3.52 405	5.56 471	10.68 425	9.68 469	0.93 455	0.73 462	0.40 330	0.37 341	1.06 449	0.86 431

S-Stereo	3.48 434	0.91 318	22.06 508	1.36 360	1.50 407	3.55 222	2.53 455	4.21 383	2.81 415	2.37 362	3.81 458	3.75 415	1.84 334	11.90 484	2.51 396	0.63 420	0.71 460	0.48 377	0.76 451	0.67 400	1.19 455

UDG	3.55 435	2.81 471	17.45 384	2.69 483	1.98 466	3.97 320	1.19 351	4.35 437	2.02 255	2.42 371	2.53 400	4.50 451	2.46 388	6.53 327	2.41 386	2.12 485	1.77 490	2.63 495	2.57 507	2.64 485	1.95 479

SAMSARA	3.55 435	2.16 457	14.18 337	1.86 453	1.49 405	4.62 450	2.65 459	3.58 228	2.80 409	7.05 497	3.05 437	5.16 476	4.07 449	9.18 379	4.80 439	0.64 423	0.67 454	0.59 423	0.68 445	0.89 436	0.91 436

WZ-Net	3.62 437	4.87 484	16.77 373	1.43 382	1.40 390	3.75 257	2.29 447	4.12 362	2.50 367	2.74 416	2.19 347	4.06 431	5.29 468	10.19 410	7.36 458	0.54 405	0.37 352	0.47 369	0.49 405	0.77 423	0.73 410

CBMV_ROB	3.62 437	0.70 214	21.42 497	1.21 296	0.89 269	4.43 416	1.76 419	4.39 448	2.79 405	5.88 489	3.38 450	4.18 438	5.12 465	10.75 427	2.32 379	0.56 409	0.55 430	0.53 406	0.51 415	0.55 355	0.46 314

Wz-Net-TNSev	3.67 439	8.83 499	13.47 322	1.48 396	1.18 337	3.60 232	2.49 453	4.27 408	3.13 443	2.18 302	1.89 282	4.21 442	2.80 404	12.10 486	7.58 460	0.57 411	0.55 430	0.47 369	0.54 424	0.91 439	1.05 446

SQANet	3.70 440	9.34 507	18.41 400	2.75 484	2.74 485	3.40 190	1.47 391	3.50 213	1.68 186	2.60 398	1.75 216	2.69 326	1.91 345	6.72 336	1.74 317	2.96 490	1.41 484	1.85 484	1.12 474	3.17 487	2.70 496

DeepPrunerF	3.70 440	1.72 439	14.87 346	1.33 343	1.74 449	3.70 248	1.55 403	4.20 378	14.00 511	2.02 249	1.77 229	2.74 332	2.30 374	10.88 433	6.88 454	0.68 434	0.60 443	0.78 457	0.78 456	0.81 430	0.71 403

FTStereo	3.71 442	0.53 49	20.37 460	0.96 155	0.65 176	4.34 400	11.29 509	2.62 118	1.50 94	2.58 394	5.04 470	1.90 234	13.84 508	3.71 270	1.25 218	0.38 291	0.24 217	0.31 187	0.32 288	0.30 103	2.10 482

ADCP+	3.74 443	1.96 450	16.90 374	1.09 229	1.55 416	4.35 401	3.65 489	3.93 306	2.98 432	2.22 319	1.66 191	3.95 423	4.83 462	3.41 261	18.87 511	0.38 291	0.41 379	0.63 436	0.53 422	0.64 390	0.81 425

test_sample9	3.79 444	1.05 351	7.87 256	1.07 215	0.86 256	3.93 300	1.19 351	4.35 437	2.11 282	2.14 283	1.75 216	1.75 200	1.67 302	11.06 443	11.61 479	1.23 470	14.45 527	4.27 513	2.09 499	0.70 406	0.69 399

MFN_U_SF_RVC	3.81 445	10.78 512	15.01 351	1.84 450	1.39 388	3.73 255	1.63 408	4.05 341	3.26 457	2.91 426	2.38 386	4.36 448	3.65 440	8.43 363	4.91 441	1.11 465	1.04 472	0.99 467	1.31 481	1.58 474	1.75 476

ADCPNet	3.89 446	1.63 432	20.25 455	1.28 321	1.27 363	6.43 495	2.65 459	3.93 306	2.70 394	2.78 419	2.20 349	4.28 444	6.16 480	5.56 306	10.27 472	0.65 426	1.18 477	0.71 448	1.70 488	0.84 434	1.37 463

RTS	3.90 447	7.04 493	17.94 390	1.92 456	2.19 476	5.00 483	2.96 468	4.29 416	3.19 450	4.05 468	3.08 438	4.94 466	3.16 421	7.64 352	6.72 449	0.66 428	0.44 392	0.51 396	0.47 397	0.95 441	0.76 416

RTSA	3.90 447	7.04 493	17.94 390	1.92 456	2.19 476	5.00 483	2.96 468	4.29 416	3.19 450	4.05 468	3.08 438	4.94 466	3.16 421	7.64 352	6.72 449	0.66 428	0.44 392	0.51 396	0.47 397	0.95 441	0.76 416

MFN_U_SF_DS_RVC	3.94 449	10.88 513	12.30 311	1.26 313	1.55 416	5.19 486	3.33 479	4.42 452	2.82 417	2.58 394	2.62 409	5.00 469	2.11 358	14.03 510	2.73 407	1.28 475	2.34 502	0.67 444	1.83 493	0.81 430	1.03 445

ADCMid	3.96 450	3.27 475	15.48 358	1.26 313	1.40 390	4.66 456	2.28 446	4.06 345	3.54 468	3.94 465	3.02 435	3.85 420	3.67 441	4.03 279	18.65 509	0.68 434	0.61 445	1.09 473	1.18 478	1.38 471	1.08 448

SDNR	3.97 451	1.93 448	20.28 457	1.31 335	0.94 281	5.16 485	0.67 108	4.33 433	2.58 380	4.82 483	5.94 475	5.01 470	1.45 239	17.52 514	2.53 398	0.79 444	0.72 461	0.59 423	0.45 392	1.15 461	1.17 453

MADNet+	3.97 451	9.54 508	13.83 331	1.87 454	1.69 444	4.19 377	2.87 465	4.80 485	4.10 482	2.51 382	2.67 414	4.55 455	3.41 432	8.72 367	6.92 455	1.25 473	1.27 481	1.04 469	0.93 464	1.39 472	1.85 477

SPS-STEREO	3.97 451	1.44 421	20.85 477	1.72 435	1.71 446	3.24 166	2.30 448	3.55 224	2.68 393	4.79 482	3.66 455	5.44 480	2.97 410	9.11 376	9.35 468	1.15 466	1.10 475	1.06 471	1.02 471	1.16 462	1.18 454
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NaN_ROB	4.06 454	1.13 368	16.64 369	1.12 249	1.25 360	3.50 210	3.05 472	4.29 416	3.26 457	3.64 458	2.56 403	2.97 354	4.79 461	13.33 500	16.91 499	0.37 274	0.41 379	0.38 321	0.39 360	0.48 331	0.81 425

G-Net	4.11 455	1.21 383	19.47 423	2.31 477	2.94 489	4.74 475	2.95 467	3.33 197	2.14 287	4.44 478	9.43 494	6.93 487	3.84 444	9.01 375	4.92 442	0.79 444	0.80 467	0.70 447	0.50 411	0.95 441	0.87 434

THIR-Stereo	4.14 456	0.82 292	10.85 298	0.86 91	0.43 56	2.16 88	16.77 516	3.22 178	1.54 126	2.04 256	12.05 506	2.68 325	7.53 493	7.30 343	12.62 483	0.30 168	0.21 129	0.29 146	0.28 215	0.33 165	0.41 279

AnyNet_C32	4.17 457	5.75 490	12.62 312	1.60 419	1.54 412	5.51 489	4.09 495	3.90 296	3.23 455	4.22 476	3.03 436	3.10 365	3.41 432	8.01 359	18.85 510	0.53 403	0.58 438	0.53 406	0.74 449	1.19 465	0.97 441

Ntro	4.21 458	8.94 503	19.89 436	3.22 492	2.96 490	4.15 356	1.89 428	3.92 305	2.36 333	1.77 173	2.14 337	3.35 386	2.17 368	9.48 385	2.24 373	3.52 499	1.76 489	2.13 487	1.31 481	3.83 497	3.09 498

ADCS	4.22 459	5.33 486	16.32 364	1.64 424	1.31 367	3.91 293	3.64 488	4.21 383	2.89 421	5.11 484	2.81 427	4.46 450	3.06 419	5.21 297	19.50 512	0.63 420	0.64 449	0.69 445	0.69 447	1.12 456	1.26 456

ADCL	4.35 460	1.63 432	14.21 338	1.29 324	1.26 362	5.56 490	11.16 508	3.97 318	3.37 463	6.07 490	4.67 466	4.30 445	5.72 473	5.08 295	14.51 488	0.50 388	0.48 416	0.89 464	0.77 453	0.78 425	0.76 416

AnyNet_C01	4.37 461	7.80 495	16.40 365	1.98 462	1.40 390	6.37 494	6.47 501	4.09 353	5.03 492	4.06 470	3.78 457	4.16 437	3.31 428	6.62 330	10.00 470	0.61 417	0.67 454	0.63 436	0.67 442	2.01 479	1.31 459

MSC_U_SF_DS_RVC	4.48 462	10.62 511	15.18 356	1.55 412	1.45 402	6.16 492	3.54 486	5.41 498	3.68 473	2.59 397	2.74 418	4.81 463	2.20 371	13.79 507	4.40 432	2.04 483	3.36 515	1.05 470	1.20 479	2.09 480	1.72 474

RainbowNet	4.56 463	8.28 496	20.07 444	3.64 500	3.23 498	4.15 356	2.99 470	4.18 374	3.03 437	2.20 308	2.65 412	4.26 443	2.90 408	9.77 391	2.12 362	3.88 505	2.27 499	2.71 498	1.72 490	3.78 496	3.31 505

SGM_RVC	4.57 464	0.72 229	17.46 385	1.84 450	0.58 152	4.23 386	3.45 481	4.66 479	3.66 472	7.99 502	8.82 492	7.56 489	8.74 501	12.30 488	6.84 453	0.43 339	0.38 358	0.39 324	0.35 319	0.51 341	0.48 323
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
otaku	4.58 465	8.93 502	19.95 438	3.11 491	2.67 483	3.91 293	2.57 457	3.82 273	2.25 306	2.22 319	9.72 496	4.08 432	2.35 379	8.57 365	2.13 365	3.51 498	1.65 488	2.15 488	1.17 477	3.69 494	3.15 500

DispFullNet	4.64 466	3.48 477	23.95 517	3.99 502	3.03 491	3.35 184	1.06 319	4.18 374	2.80 409	6.33 494	2.94 431	4.04 430	7.81 495	3.92 277	5.16 443	2.75 488	1.61 487	3.10 503	2.68 510	3.32 489	3.31 505

CSAN	4.71 467	1.39 415	20.23 451	1.19 286	0.87 261	3.65 243	3.50 483	4.57 474	3.87 475	3.89 464	7.82 481	3.54 409	6.16 480	23.47 522	6.82 452	0.52 400	0.45 397	0.49 390	0.52 418	0.63 383	0.66 393

test_sample8	4.76 468	1.05 351	7.87 256	1.07 215	0.86 256	3.93 300	1.19 351	4.38 446	2.05 264	5.49 485	1.89 282	12.98 502	6.37 482	11.06 443	11.61 479	1.23 470	14.45 527	4.27 513	2.09 499	0.70 406	0.69 399

SuperB	4.79 469	4.41 483	21.08 486	1.45 389	1.08 318	3.91 293	3.08 474	4.18 374	3.01 435	2.50 380	2.10 327	2.75 334	3.49 438	8.80 369	19.60 513	0.44 346	0.33 319	0.53 406	0.39 360	12.01 522	0.64 390

IMH-64-1	4.84 470	2.53 464	6.83 247	4.30 508	3.74 502	4.81 479	6.05 498	5.30 493	3.92 477	3.95 466	8.33 485	5.08 473	6.06 477	8.96 373	6.30 446	4.57 514	2.96 509	3.04 500	2.12 502	4.28 501	3.62 508

IMH-64	4.84 470	2.53 464	6.83 247	4.30 508	3.74 502	4.81 479	6.05 498	5.30 493	3.92 477	3.95 466	8.33 485	5.08 473	6.06 477	8.96 373	6.30 446	4.57 514	2.96 509	3.04 500	2.12 502	4.28 501	3.62 508

NVStereoNet_ROB	4.91 472	1.40 416	16.46 367	1.47 394	1.72 448	3.46 200	1.96 431	3.89 291	3.61 470	2.90 425	24.61 521	4.81 463	4.49 458	13.57 504	4.87 440	1.33 479	1.29 482	1.70 483	1.68 486	1.41 473	1.66 471
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WCMA_ROB	5.12 473	0.90 313	21.33 493	1.50 400	1.33 375	4.09 341	3.49 482	4.03 333	4.59 486	6.57 495	10.95 500	12.92 501	8.41 500	9.86 396	8.78 466	0.75 441	0.58 438	0.51 396	0.50 411	0.68 403	0.57 367

WAO-7	5.16 474	3.21 473	18.98 411	1.88 455	1.44 399	5.34 487	3.09 475	4.91 487	5.81 499	4.35 477	8.92 493	6.55 484	6.06 477	13.40 502	10.81 474	1.34 480	1.20 480	1.48 482	1.35 484	1.60 475	1.45 467

CrosDoStereo	5.24 475	0.60 117	20.23 451	0.82 56	0.51 105	3.39 187	18.11 518	3.82 273	2.27 311	1.98 225	8.74 489	1.96 245	6.96 488	7.35 345	26.35 521	0.30 168	0.22 158	0.30 166	0.28 215	0.33 165	0.38 247

DeepStereo_LL	5.24 475	0.60 117	20.23 451	0.82 56	0.51 105	3.39 187	18.11 518	3.82 273	2.27 311	1.98 225	8.74 489	1.96 245	6.96 488	7.35 345	26.35 521	0.30 168	0.22 158	0.30 166	0.28 215	0.33 165	0.38 247

MeshStereo	5.35 477	1.32 406	21.34 494	1.34 350	1.15 331	4.40 410	3.90 493	5.18 490	4.55 484	10.14 512	11.82 505	11.47 497	5.84 474	13.84 508	7.03 456	0.61 417	0.58 438	0.60 428	0.58 431	0.72 418	0.59 376
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
ACVNet_2	5.41 478	12.60 515	20.42 464	3.27 493	3.15 496	4.50 429	3.02 471	4.66 479	3.73 474	3.35 454	5.36 471	7.86 490	2.88 406	12.33 490	4.76 438	3.12 494	2.22 497	2.70 497	1.69 487	3.49 490	3.10 499

pmcnn	5.45 479	1.22 389	17.40 382	1.60 419	2.41 482	3.48 205	2.12 440	4.52 470	3.26 457	3.67 460	13.15 509	22.10 514	3.46 437	11.92 485	17.16 501	0.34 235	0.21 129	0.23 15	0.19 38	0.36 214	0.28 117

MDST_ROB	5.53 480	0.59 105	23.11 512	2.55 481	2.69 484	21.20 521	1.98 433	4.77 484	2.65 388	9.36 507	4.25 462	4.14 436	4.45 457	22.57 517	3.68 427	0.48 373	0.33 319	0.47 369	0.44 388	0.44 305	0.44 298

EDNetEfficient	5.61 481	2.14 456	16.75 372	1.67 427	3.64 500	4.12 349	7.51 503	3.05 160	5.63 498	11.57 517	4.83 468	3.95 423	12.72 505	8.44 364	20.78 515	0.41 323	0.43 387	0.47 369	1.01 469	1.66 477	1.39 466

MSMD_ROB	5.61 481	1.08 359	16.68 370	1.21 296	0.83 243	10.14 507	2.07 439	3.93 306	6.22 500	10.37 513	8.03 483	22.22 515	9.45 502	11.66 472	4.52 434	0.66 428	0.58 438	0.66 442	0.68 445	0.65 393	0.63 387

SANet	5.65 483	1.72 439	20.94 482	1.26 313	0.88 264	7.20 499	3.81 492	4.60 476	11.23 506	4.56 479	8.78 491	7.49 488	6.95 487	11.85 482	18.11 505	0.49 385	0.44 392	0.50 393	0.42 383	0.90 438	0.82 429

ELAS_RVC	5.72 484	1.64 435	20.40 462	2.09 467	2.01 468	4.95 482	11.47 510	4.66 479	6.31 502	8.09 503	8.01 482	8.06 493	11.65 504	8.36 361	10.22 471	0.99 460	1.17 476	0.81 461	0.76 451	1.14 458	1.58 470
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCK	5.85 485	9.95 509	15.22 357	2.90 487	1.56 419	5.66 491	7.69 504	5.27 492	4.74 489	3.88 463	7.51 479	8.04 491	5.28 467	15.18 511	8.40 464	3.08 493	1.51 485	2.24 489	1.37 485	5.55 510	1.96 480

WAO-6	5.87 486	2.27 458	15.05 352	2.96 488	2.77 486	12.01 510	3.58 487	5.37 497	11.91 510	3.34 452	9.69 495	6.78 486	5.84 474	11.82 481	8.89 467	2.87 489	2.35 503	2.50 490	1.84 494	2.85 486	2.67 493

ELAS	5.99 487	1.62 430	20.29 458	1.96 461	2.01 468	15.09 516	8.38 507	5.23 491	5.54 496	9.02 506	8.61 488	6.74 485	9.75 503	7.48 348	11.40 478	0.96 458	1.18 477	0.72 452	0.93 464	1.30 469	1.67 472
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet_1	6.04 488	13.97 520	21.36 495	3.58 498	3.14 495	4.73 472	2.48 452	4.20 378	3.17 448	2.98 434	2.83 429	23.31 516	4.34 455	11.06 443	2.45 391	3.68 501	2.33 501	2.60 493	1.79 492	3.69 494	3.19 502

FCDSN-DC	6.04 488	0.84 299	19.25 415	1.24 305	1.09 321	4.38 403	2.62 458	4.38 446	4.71 487	9.59 510	11.22 501	19.19 510	17.40 513	12.30 488	8.55 465	0.69 437	0.57 433	0.60 428	0.60 435	0.70 406	0.78 420
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
JetBlue	6.27 490	9.15 505	13.76 325	1.94 460	4.60 513	11.91 509	12.00 511	5.12 489	3.45 467	3.79 462	4.52 465	9.54 495	6.56 486	9.40 383	13.48 486	1.26 474	1.37 483	1.17 476	1.34 483	7.06 517	3.95 512

psmorigin	6.59 491	1.15 373	88.11 536	1.52 403	0.97 289	2.88 124	1.20 355	3.21 176	2.04 261	3.73 461	2.46 390	5.15 475	2.55 392	10.60 422	2.47 393	0.55 407	0.68 457	0.48 377	0.51 415	0.70 406	0.88 435

FC-DCNN	6.64 492	0.77 268	19.26 417	1.68 428	1.64 432	8.27 504	2.35 449	6.35 501	9.23 504	10.85 514	11.27 502	19.89 511	13.33 506	12.51 494	11.79 481	0.66 428	0.57 433	0.58 420	0.56 427	0.63 383	0.61 380

ACVNet-4b	6.73 493	13.67 519	21.87 505	3.54 497	3.07 492	4.19 377	2.25 445	4.03 333	3.65 471	1.64 147	3.98 461	5.88 481	2.89 407	10.01 404	16.98 500	23.29 529	2.24 498	2.53 491	1.78 491	3.87 498	3.21 503

EKT-Stereo	6.79 494	0.64 162	4.24 220	1.77 440	106.39 534	4.51 433	0.61 79	3.16 171	1.53 117	1.88 195	1.22 72	1.98 249	1.36 211	3.81 271	0.84 105	0.35 255	0.24 217	0.29 146	0.26 161	0.34 183	0.48 323

IMH	6.81 495	13.66 518	20.41 463	4.33 510	3.74 502	5.50 488	3.06 473	5.49 499	6.22 500	4.64 481	10.35 498	9.30 494	8.03 498	13.61 505	6.81 451	4.80 517	2.99 512	3.09 502	2.12 502	4.36 503	3.61 507

LVE	6.88 496	9.31 506	21.14 487	3.61 499	3.18 497	4.49 426	2.79 461	10.21 508	11.69 508	3.16 446	11.53 503	18.33 508	4.31 454	11.66 472	3.52 424	4.45 512	2.93 507	2.56 492	1.91 496	3.62 491	3.16 501

FC-DCNN v2	6.91 497	0.77 268	19.25 415	1.69 429	1.64 432	9.13 506	2.40 450	7.20 503	9.47 505	11.07 516	11.62 504	20.05 513	15.79 510	12.55 495	11.99 482	0.66 428	0.57 433	0.58 420	0.56 427	0.63 383	0.61 380

tt	7.19 498	0.51 32	6.83 247	4.03 503	2.30 481	12.05 511	20.19 522	15.46 520	6.58 503	3.42 456	3.22 445	5.37 478	6.39 485	4.20 284	7.46 459	9.81 522	11.53 526	7.05 520	7.46 521	6.31 512	3.71 510

Dean	7.52 499	9.08 504	21.41 496	3.74 501	3.53 499	4.81 479	3.53 484	5.33 496	5.25 493	4.17 472	26.53 522	25.62 522	4.09 450	10.97 437	4.32 431	3.69 502	2.30 500	2.91 499	1.87 495	4.03 499	3.24 504

DGSMNet	7.55 500	1.62 430	17.42 383	1.92 456	12.73 517	7.45 502	42.99 531	4.13 363	2.07 268	2.10 269	3.16 444	3.42 392	1.70 309	9.24 380	2.30 377	3.70 503	10.89 525	11.80 527	5.54 518	4.24 500	2.66 492

MADNet++	7.57 501	5.80 491	13.28 317	6.38 518	5.26 515	7.18 498	7.77 505	5.32 495	5.62 497	6.11 491	7.78 480	6.02 483	8.01 497	11.74 477	16.36 497	9.36 521	4.95 519	8.57 522	5.66 519	4.83 507	5.34 518

SGM+DAISY	8.36 502	3.82 479	24.83 518	2.02 464	1.75 450	14.80 515	17.22 517	4.27 408	11.79 509	13.88 518	14.38 512	11.74 500	13.83 507	10.56 420	15.12 489	1.21 468	1.19 479	1.14 475	1.13 476	1.17 463	1.37 463

UNDER WATER-64	9.33 503	5.37 487	22.60 510	5.22 517	4.86 514	10.75 508	4.61 497	11.45 509	17.30 515	7.59 498	9.80 497	15.99 507	17.90 515	10.63 423	15.72 492	4.36 509	2.87 506	4.39 516	2.86 513	7.01 516	5.36 519

TorneroNet-64	10.12 504	8.74 498	20.95 483	4.27 506	3.76 505	13.86 514	2.85 464	15.05 518	23.15 523	10.07 511	23.84 520	13.47 503	8.24 499	13.96 509	17.21 502	3.96 507	2.72 504	3.23 504	2.48 506	6.29 511	4.27 515

UNDER WATER	10.47 505	3.95 481	22.62 511	5.07 516	4.51 512	7.78 503	3.77 490	12.56 512	21.72 522	7.84 501	10.78 499	23.96 518	31.66 524	10.78 430	16.19 496	4.44 511	2.93 507	4.24 512	2.86 513	6.33 513	5.47 520

JetRed	10.48 506	27.10 526	35.70 524	4.27 506	4.09 509	15.55 519	12.83 513	12.16 510	5.50 495	5.83 488	5.56 473	10.14 496	7.43 492	8.88 370	26.39 523	3.32 495	3.81 516	3.51 507	2.96 515	7.85 518	6.69 521

notaker	10.50 507	8.60 497	20.23 451	4.54 513	3.95 506	6.27 493	3.44 480	8.07 506	4.75 490	8.73 504	46.45 527	13.86 506	27.86 523	13.49 503	13.61 487	4.56 513	3.18 513	3.52 508	2.68 510	8.13 520	4.05 513

MANE	11.39 508	1.38 413	23.16 513	4.82 515	2.79 487	22.02 522	14.51 515	25.81 524	26.28 524	10.93 515	13.17 510	19.90 512	18.03 516	15.69 513	20.41 514	0.96 458	0.74 463	1.42 480	3.24 516	0.74 419	1.71 473

SGM-ForestM	11.55 509	1.16 376	21.62 502	2.14 468	0.81 233	22.25 523	19.08 520	16.50 522	11.34 507	15.94 521	14.44 513	27.12 523	22.61 522	24.76 523	28.39 527	0.50 388	0.48 416	0.47 369	0.44 388	0.55 355	0.53 351

WAO-8	11.95 510	13.02 516	20.56 469	3.50 494	3.08 493	15.11 517	2.80 462	12.91 513	19.11 520	7.69 499	13.12 507	11.62 498	7.01 490	84.40 538	7.91 461	3.42 496	1.92 492	3.54 509	1.93 497	3.68 492	2.69 494

Venus	11.95 510	13.02 516	20.56 469	3.50 494	3.08 493	15.11 517	2.80 462	12.91 513	19.11 520	7.69 499	13.12 507	11.62 498	7.01 490	84.40 538	7.91 461	3.42 496	1.92 492	3.54 509	1.93 497	3.68 492	2.69 494

TCMNet-wrong-test	12.32 512	14.13 521	19.38 420	22.38 524	19.85 520	15.99 520	12.34 512	22.95 523	4.56 485	6.24 493	6.27 476	18.40 509	15.71 509	10.10 409	10.72 473	9.06 520	4.78 517	5.35 517	3.95 517	12.28 523	11.97 522

EDNetEfficientorigin	12.35 513	2.51 462	179.47 540	1.19 286	0.96 285	2.91 128	1.81 423	3.00 154	5.35 494	8.91 505	4.79 467	4.18 438	4.64 460	9.98 402	11.30 476	0.37 274	0.38 358	0.60 428	0.85 459	1.32 470	2.43 490

LSM	12.71 514	3.52 478	20.79 476	55.63 534	84.76 532	3.63 242	6.30 500	3.73 257	4.93 491	5.55 486	13.92 511	3.53 406	3.25 426	9.72 390	4.12 430	0.64 423	0.85 468	0.71 448	0.81 458	1.03 447	26.84 527

U	12.82 515	0.38 1	1.99 97	0.66 13	58.94 531	63.38 537	0.34 8	1.91 46	0.94 10	0.59 8	0.80 20	0.46 7	0.57 16	0.83 5	0.44 7	0.29 129	0.17 18	63.35 535	59.81 534	0.29 80	0.20 13

DGTPSM_ROB	15.31 516	8.85 500	28.14 522	9.90 522	18.89 518	12.44 512	33.21 525	13.48 515	17.86 518	9.50 508	22.89 518	13.78 504	19.67 517	21.26 515	23.68 517	5.08 518	8.84 520	5.62 518	11.50 522	6.72 514	14.87 523

DPSMNet_ROB	15.52 517	8.89 501	31.44 523	10.07 523	18.91 519	12.44 512	33.22 526	13.51 516	17.94 519	9.58 509	22.91 519	13.79 505	19.67 517	21.43 516	23.73 518	5.17 519	8.84 520	5.63 519	11.52 525	6.79 515	14.90 524

KSHMR	16.96 518	5.37 487	21.64 504	4.46 511	4.50 511	8.30 505	3.32 478	15.58 521	76.24 534	6.62 496	61.47 532	56.53 532	5.43 470	35.17 529	11.37 477	4.39 510	2.97 511	3.63 511	2.74 512	5.10 508	4.34 516

LE_ROB	18.58 519	1.21 383	48.38 530	8.60 521	23.00 523	7.32 501	19.74 521	9.94 507	38.69 528	43.53 526	21.91 517	28.40 524	40.92 527	23.18 519	54.71 532	0.34 235	0.33 319	0.32 207	0.36 329	0.42 287	0.40 273

coex-ft	18.59 520	6.62 492	113.53 538	1.17 278	1.31 367	2.33 95	1.93 430	2.81 140	14.00 511	124.82 539	8.45 487	5.90 482	51.74 533	9.99 403	22.69 516	0.57 411	0.62 446	0.50 393	0.49 405	1.08 453	1.28 457

DPSM_ROB	20.78 521	20.03 524	26.57 520	23.62 526	22.46 521	31.10 525	39.97 529	33.52 528	17.41 516	15.25 519	15.80 515	24.06 519	20.71 520	23.30 520	27.62 525	10.78 523	9.41 523	11.69 525	11.50 522	14.49 524	16.36 525

DPSM	20.78 521	20.03 524	26.57 520	23.62 526	22.46 521	31.10 525	39.97 529	33.52 528	17.41 516	15.25 519	15.80 515	24.06 519	20.71 520	23.30 520	27.62 525	10.78 523	9.41 523	11.69 525	11.50 522	14.49 524	16.36 525

ktn	21.74 523	10.34 510	19.68 428	4.53 512	4.00 507	6.53 496	4.51 496	6.79 502	78.82 536	84.69 536	100.86 539	58.49 533	7.57 494	12.11 487	13.35 485	4.58 516	3.24 514	3.49 506	2.62 508	4.65 506	3.84 511

LRCNet_RVC	25.52 524	33.45 527	23.21 515	31.79 528	32.78 524	6.74 497	1.18 348	25.88 525	4.46 483	28.94 522	30.89 523	24.91 521	17.57 514	27.66 524	24.34 520	35.26 531	25.60 532	35.91 531	33.81 530	31.90 531	34.10 532

TorneroNet	25.88 525	11.28 514	21.62 502	4.20 505	4.07 508	55.25 533	3.15 476	15.16 519	76.94 535	58.09 531	82.72 536	86.88 537	41.15 528	13.35 501	18.13 506	4.32 508	2.85 505	3.45 505	2.62 508	8.33 521	4.14 514

DLNR_Zeroshot_test	28.62 526	55.50 535	49.94 532	183.62 537	115.05 535	3.43 194	0.28 3	29.49 527	1.49 89	1.01 81	1.26 84	0.93 87	0.63 31	3.92 277	1.51 276	29.81 530	0.41 379	0.26 71	0.23 109	93.28 535	0.32 171

HanzoNet	31.60 527	17.23 522	21.22 492	7.32 519	5.84 516	7.25 500	3.53 484	13.82 517	14.20 513	50.38 529	47.01 528	44.45 526	56.61 534	36.61 530	32.00 528	63.89 535	56.57 536	7.97 521	89.20 536	28.69 526	28.25 529

Selective-RAFT-Error	41.77 528	40.16 529	53.34 533	47.73 532	45.25 530	62.51 534	80.64 537	67.22 534	34.93 526	30.64 524	31.81 524	48.11 529	42.11 531	46.57 533	54.95 533	21.61 527	18.87 529	23.48 528	23.15 528	29.16 528	33.08 531

CasAABBNet	41.80 529	40.20 530	53.41 534	47.73 532	45.18 529	62.51 534	80.71 538	67.26 535	34.80 525	30.49 523	31.88 525	48.24 530	41.81 530	46.63 535	55.64 535	21.60 526	18.88 530	23.48 528	23.22 529	29.19 529	33.05 530

HaxPig	43.25 530	43.65 531	45.00 528	33.85 529	35.61 526	32.69 527	30.52 523	45.09 531	42.97 529	48.77 527	48.17 529	43.00 525	40.26 526	44.58 531	43.61 529	47.18 532	49.30 533	51.54 533	50.25 532	43.73 532	45.29 533

AVERAGE_ROB	44.46 531	45.91 532	46.59 529	40.59 531	38.66 527	32.99 528	30.52 523	46.19 532	43.26 530	49.59 528	48.97 530	44.62 527	39.89 525	45.04 532	43.94 530	48.74 533	50.69 534	50.80 532	49.79 531	45.54 533	46.97 534

MEDIAN_ROB	47.37 532	49.08 533	49.92 531	40.32 530	39.97 528	34.95 529	33.43 527	49.17 533	46.39 532	53.06 530	52.65 531	47.65 528	42.23 532	48.35 536	47.29 531	52.10 534	54.04 535	54.28 534	53.48 533	48.76 534	50.33 535

LSM0	49.58 533	40.04 528	53.62 535	97.15 535	128.68 536	62.75 536	79.89 536	67.63 536	35.11 527	33.02 525	32.61 526	48.43 531	41.60 529	46.60 534	55.43 534	21.63 528	18.99 531	23.62 530	23.13 527	29.47 530	52.26 536

BEATNet-Init1	49.72 534	64.32 536	97.77 537	4.68 514	4.28 510	84.75 538	60.42 532	73.38 537	68.59 533	88.29 537	88.51 538	91.94 538	97.99 538	85.26 540	70.96 539	0.80 446	0.65 450	0.85 462	0.70 448	7.96 519	2.33 486

Anonymous_1	57.11 535	19.68 523	26.15 519	23.10 525	142.31 537	30.84 524	39.75 528	33.86 530	16.98 514	70.53 535	15.42 514	23.46 517	19.75 519	23.04 518	27.23 524	164.73 540	9.02 522	130.38 537	137.40 537	161.27 540	27.24 528

PML	64.32 536	53.22 534	17.88 389	8.10 520	32.94 525	148.46 540	247.79 541	12.18 511	45.42 531	111.41 538	288.92 541	101.47 539	101.31 539	31.67 525	15.55 490	14.03 525	4.83 518	10.98 524	6.18 520	28.82 527	5.17 517

DPSimNet_ROB	102.30 537	119.72 541	143.59 539	109.42 536	94.10 533	127.22 539	127.15 539	26.62 526	102.36 540	149.58 540	83.99 537	139.34 540	137.54 540	64.62 537	82.36 540	105.18 536	66.15 537	120.15 536	69.61 535	99.58 536	77.72 537

xxxxx1	112.33 538	88.53 537	37.76 525	227.84 539	157.23 538	39.05 530	61.41 533	93.76 538	79.29 537	62.45 532	74.79 533	78.32 534	70.96 535	33.47 526	70.69 536	114.00 537	130.36 538	259.31 539	274.34 539	145.54 537	147.50 538

tt_ll	112.33 538	88.53 537	37.76 525	227.84 539	157.23 538	39.05 530	61.41 533	93.76 538	79.29 537	62.45 532	74.79 533	78.32 534	70.96 535	33.47 526	70.69 536	114.00 537	130.36 538	259.31 539	274.34 539	145.54 537	147.50 538

ff	112.33 538	88.53 537	37.76 525	227.84 539	157.23 538	39.05 530	61.41 533	93.76 538	79.29 537	62.45 532	74.79 533	78.32 534	70.96 535	33.47 526	70.69 536	114.00 537	130.36 538	259.31 539	274.34 539	145.54 537	147.50 538

test_example2	212.63 541	219.92 542	221.87 541	213.67 538	221.17 541	199.47 541	200.74 540	185.30 541	141.66 541	209.52 541	213.45 540	210.82 541	205.48 541	221.27 541	216.64 541	236.83 541	242.07 541	213.93 538	217.01 538	235.69 541	226.10 541

ccccc		629.75 543		567.84 542	570.84 542	582.44 542		613.82 542		614.58 542		555.57 542		666.94 542		781.57 542	507.24 542	391.36 542	342.44 542	689.82 542

ASD4		113.98 540

Low-res two-view benchmark