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

xyz-stereo-finetune2	1.16 110	0.63 161	1.50 65	0.57 1	0.36 13	3.47 211	0.65 114	2.70 137	1.23 29	0.88 77	1.75 226	0.91 92	1.76 329	3.54 274	1.74 327	0.24 35	0.22 168	0.30 176	0.27 198	0.31 133	0.26 96

RAStereo	0.75 14	0.52 48	2.86 189	0.58 2	0.62 173	1.19 17	0.32 10	1.81 43	0.99 16	0.75 39	1.05 55	0.64 26	0.47 11	0.80 4	0.94 161	0.22 12	0.20 108	0.27 106	0.21 75	0.34 195	0.22 40

xyz-stereo-finetune	1.05 90	0.62 152	1.46 60	0.59 3	0.36 13	3.48 214	0.81 212	2.69 136	1.74 216	0.94 83	1.21 79	0.91 92	0.78 82	2.53 241	1.28 237	0.24 35	0.24 228	0.26 80	0.23 119	0.30 113	0.23 48

MLG-Stereo_test3	0.60 3	0.37 1	1.12 18	0.59 3	0.57 152	2.19 92	0.31 7	1.68 32	0.56 1	0.49 3	0.51 10	0.56 16	0.33 1	0.96 14	0.54 24	0.21 6	0.17 18	0.23 17	0.16 12	0.20 6	0.21 31

LG-Stereo	0.85 41	0.60 127	2.71 180	0.59 3	0.45 74	2.85 126	0.55 66	2.41 92	1.34 48	0.59 13	1.19 75	0.43 5	0.40 4	0.76 3	0.75 85	0.20 4	0.17 18	0.31 198	0.24 143	0.29 90	0.19 4

CREStereo	0.92 56	0.53 59	1.45 59	0.61 6	0.34 9	4.42 425	0.40 27	2.21 76	1.54 134	0.94 83	1.12 65	0.87 83	0.87 105	1.12 34	0.72 76	0.28 121	0.19 74	0.22 9	0.15 4	0.22 18	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
xyz-stereo	10.85 519	0.45 17	79.01 548	0.62 7	0.45 74	83.70 550	0.77 182	2.59 125	1.34 48	2.19 317	32.02 538	2.76 351	1.62 291	5.75 322	2.39 393	0.25 56	0.17 18	0.33 253	0.21 75	0.25 37	0.19 4

trnet	0.91 55	0.48 28	1.46 60	0.62 7	0.31 4	4.40 421	0.41 30	2.20 74	1.53 125	0.94 83	1.14 68	0.88 86	0.89 110	1.09 30	0.71 71	0.27 84	0.19 74	0.22 9	0.15 4	0.21 9	0.19 4

PMTNet	0.99 79	0.48 28	1.73 83	0.62 7	0.56 141	4.20 393	0.43 38	1.88 45	1.58 157	1.00 91	1.05 55	0.78 60	0.98 133	1.50 118	0.85 117	1.21 480	0.20 108	0.23 17	0.15 4	0.22 18	0.19 4

MLG-Stereo_test2	0.76 15	0.40 6	1.07 9	0.64 10	0.82 250	3.49 217	0.23 2	1.69 33	2.14 296	0.62 20	0.32 3	0.67 34	0.33 1	1.14 39	0.37 3	0.23 23	0.19 74	0.23 17	0.16 12	0.19 2	0.20 16

MLG-Stereo	0.77 21	0.39 3	1.04 3	0.64 10	0.41 49	3.01 146	0.31 7	1.89 46	2.92 435	0.47 1	0.29 2	0.66 33	0.47 11	1.35 89	0.39 4	0.20 4	0.18 45	0.24 40	0.16 12	0.19 2	0.20 16

dual_stereo	0.68 9	0.40 6	1.05 5	0.64 10	0.37 27	0.84 6	0.34 15	3.40 215	1.03 18	0.50 4	0.46 9	0.58 17	0.40 4	1.85 182	0.49 19	0.23 23	0.17 18	0.21 5	0.16 12	0.20 6	0.19 4

rvit_stereo_0080	0.94 61	0.72 241	2.56 166	0.64 10	0.59 163	1.90 70	0.75 166	2.71 138	1.40 57	0.91 79	1.04 51	0.85 77	0.82 93	1.14 39	0.78 95	0.35 267	0.29 293	0.25 59	0.27 198	0.45 325	0.29 139

whm_eth	0.94 61	0.72 241	2.56 166	0.64 10	0.59 163	1.90 70	0.75 166	2.71 138	1.40 57	0.91 79	1.04 51	0.85 77	0.82 93	1.14 39	0.78 95	0.35 267	0.29 293	0.25 59	0.27 198	0.45 325	0.29 139

HHNet	2.48 348	0.71 238	20.52 478	0.64 10	0.64 177	4.07 350	0.93 290	3.76 273	1.56 148	2.15 302	4.92 480	0.98 103	3.37 442	1.66 151	1.79 334	0.32 219	0.20 108	0.31 198	0.27 198	0.36 226	0.42 295

MLG-Stereo_test1	0.80 27	0.39 3	1.02 2	0.65 16	1.20 360	3.14 161	0.29 6	1.59 20	3.05 449	0.50 4	0.24 1	0.67 34	0.43 6	1.33 86	0.40 5	0.21 6	0.18 45	0.23 17	0.15 4	0.19 2	0.20 16

plain	1.55 177	0.69 216	13.59 334	0.65 16	0.73 219	1.66 59	0.57 71	3.17 185	1.94 252	0.77 53	1.24 86	0.80 66	0.86 101	1.60 136	0.96 167	0.33 235	0.21 139	0.32 218	0.25 154	0.42 299	0.28 129

MaDis-Stereo	0.82 37	0.66 195	1.53 67	0.65 16	1.87 473	1.24 23	0.36 19	2.13 69	1.27 40	0.67 29	0.75 22	0.88 86	0.70 54	1.15 44	1.07 185	0.29 141	0.23 195	0.26 80	0.20 61	0.31 133	0.22 40

DIP-Stereo	1.24 131	0.69 216	1.77 88	0.65 16	0.61 169	4.29 406	0.58 80	4.44 468	2.53 382	1.98 236	1.33 108	0.91 92	0.86 101	1.25 69	1.25 227	0.36 278	0.23 195	0.32 218	0.23 119	0.32 159	0.29 139
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
111111	0.87 45	0.50 37	1.13 23	0.66 20	1.08 328	3.37 193	0.33 11	2.33 89	1.47 81	0.74 38	1.50 152	0.61 21	0.59 29	1.40 95	0.48 18	0.24 35	0.19 74	0.22 9	0.16 12	0.24 24	0.19 4

MonSter	0.62 5	0.43 14	1.07 9	0.66 20	0.82 250	1.13 13	0.39 23	2.57 121	0.92 13	0.58 12	0.64 16	0.36 2	0.35 3	0.95 10	0.43 10	0.15 1	0.15 3	0.20 1	0.17 23	0.21 9	0.19 4

U	12.82 527	0.38 2	1.99 108	0.66 20	58.94 544	63.38 549	0.34 15	1.91 51	0.94 15	0.59 13	0.80 28	0.46 9	0.57 22	0.83 5	0.44 12	0.29 141	0.17 18	63.35 548	59.81 547	0.29 90	0.20 16

LG-Stereo_L2	0.63 6	0.46 19	1.15 26	0.70 23	0.43 61	2.32 96	0.28 4	1.86 44	0.68 3	0.56 9	0.42 7	0.37 3	0.45 9	1.36 91	0.40 5	0.23 23	0.18 45	0.22 9	0.18 31	0.21 9	0.20 16

LGtest1	0.55 2	0.41 11	1.14 25	0.70 23	0.40 44	0.99 8	0.26 3	1.32 7	0.93 14	0.53 7	0.60 15	0.44 6	0.49 15	1.02 22	0.45 14	0.27 84	0.19 74	0.23 17	0.16 12	0.21 9	0.23 48

IGEV-Stereo++	0.93 58	0.44 15	1.08 13	0.70 23	1.20 360	3.87 299	0.33 11	3.36 211	1.43 66	0.75 39	1.17 72	0.68 36	1.04 145	0.95 10	0.42 7	0.22 12	0.16 7	0.23 17	0.17 23	0.24 24	0.20 16

TestStereo	2.00 258	1.02 357	12.25 321	0.70 23	0.61 169	1.88 69	0.55 66	2.31 86	1.52 118	1.41 129	1.33 108	1.27 145	0.90 113	11.62 478	0.81 105	0.34 247	0.19 74	0.33 253	0.24 143	0.44 317	0.24 62

LG-G_1	0.70 10	0.40 6	1.12 18	0.71 27	0.30 2	2.80 121	0.40 27	2.21 76	0.78 7	0.59 13	0.55 12	0.51 11	0.58 25	1.24 65	0.49 19	0.24 35	0.18 45	0.23 17	0.15 4	0.21 9	0.21 31

LG-G	0.70 10	0.40 6	1.12 18	0.71 27	0.30 2	2.80 121	0.40 27	2.21 76	0.78 7	0.59 13	0.55 12	0.51 11	0.58 25	1.24 65	0.49 19	0.24 35	0.18 45	0.23 17	0.15 4	0.21 9	0.21 31

MIF-Stereo (partial)	0.98 73	0.55 75	2.83 186	0.71 27	1.03 316	1.08 10	0.49 52	2.55 117	1.66 190	0.79 57	1.20 76	0.80 66	0.90 113	1.61 141	1.56 293	0.36 278	0.24 228	0.33 253	0.25 154	0.40 256	0.28 129

s12784h	1.31 157	0.45 17	2.41 160	0.71 27	0.35 11	4.42 425	0.50 53	4.22 398	2.73 407	2.01 255	2.48 404	0.91 92	0.96 125	2.01 195	0.70 68	0.29 141	0.18 45	0.24 40	0.16 12	0.27 62	0.18 2

DEFOM-Stereo	0.70 10	0.46 19	1.13 23	0.72 31	0.48 101	3.40 198	0.44 40	0.90 2	0.77 6	0.86 74	0.58 14	0.45 8	0.43 6	1.76 166	0.43 10	0.24 35	0.18 45	0.22 9	0.16 12	0.21 9	0.20 16

rvit_stereo_0081_aga	0.81 35	0.75 272	1.84 94	0.72 31	0.73 219	1.21 18	0.63 102	1.92 52	1.39 54	0.87 76	0.80 28	0.79 64	0.69 52	1.27 74	0.69 62	0.35 267	0.29 293	0.26 80	0.25 154	0.40 256	0.27 110

LG-Stereo_L1	0.61 4	0.47 22	1.10 16	0.73 33	0.49 107	1.72 60	0.33 11	1.95 55	0.65 2	0.56 9	0.40 6	0.40 4	0.43 6	1.40 95	0.42 7	0.23 23	0.19 74	0.23 17	0.18 31	0.21 9	0.19 4

AIO-Stereo	0.76 15	0.54 69	1.07 9	0.73 33	0.40 44	1.28 32	0.82 216	2.26 82	1.49 97	0.70 32	1.58 174	0.89 88	0.45 9	1.03 23	0.55 25	0.24 35	0.18 45	0.25 59	0.20 61	0.26 50	0.21 31

DRaft	2.28 301	0.56 86	2.64 177	0.74 35	0.46 83	3.94 316	1.23 371	2.32 88	1.55 142	2.64 417	2.80 436	1.60 189	5.34 481	6.96 353	10.99 487	0.34 247	0.22 168	0.27 106	0.27 198	0.29 90	0.37 244

AIO_rvc	0.78 24	0.55 75	1.25 36	0.75 36	0.65 185	1.46 45	0.99 315	2.13 69	1.52 118	0.57 11	1.15 69	1.09 115	0.55 19	1.15 44	0.53 23	0.24 35	0.17 18	0.24 40	0.17 23	0.25 37	0.21 31

Selective-IGEV	0.80 27	0.52 48	1.05 5	0.75 36	0.61 169	1.31 35	0.82 216	2.60 126	1.41 60	0.82 63	1.64 193	0.71 47	0.62 37	1.22 63	0.64 39	0.22 12	0.19 74	0.24 40	0.18 31	0.25 37	0.20 16

GMOStereo	1.13 100	0.70 226	2.26 143	0.75 36	0.44 67	3.05 149	0.91 275	2.78 147	1.45 68	2.37 374	1.52 155	1.53 178	1.05 150	1.17 53	0.92 151	0.25 56	0.19 74	0.35 290	0.28 227	0.34 195	0.26 96

error version	1.13 100	0.70 226	2.26 143	0.75 36	0.44 67	3.05 149	0.91 275	2.78 147	1.45 68	2.37 374	1.52 155	1.53 178	1.05 150	1.17 53	0.92 151	0.25 56	0.19 74	0.35 290	0.28 227	0.34 195	0.26 96

test-v	1.13 100	0.70 226	2.26 143	0.75 36	0.44 67	3.05 149	0.91 275	2.78 147	1.45 68	2.37 374	1.52 155	1.53 178	1.05 150	1.17 53	0.92 151	0.25 56	0.19 74	0.35 290	0.28 227	0.34 195	0.26 96

Patchmatch Stereo++	1.25 135	0.65 184	2.06 124	0.75 36	0.37 27	4.68 470	0.76 169	2.53 107	1.58 157	1.99 241	1.47 144	1.78 217	1.14 180	2.44 226	0.90 141	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	1.24 131	0.65 184	2.03 112	0.75 36	0.37 27	4.68 470	0.73 144	2.53 107	1.58 157	1.99 241	1.47 144	1.78 217	1.13 174	2.18 213	0.87 130	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139

ROB_FTStereo_v2	1.23 126	0.66 195	2.02 111	0.75 36	0.37 27	4.67 469	0.76 169	2.53 107	1.58 157	1.99 241	1.46 140	1.78 217	1.14 180	2.08 199	0.88 134	0.48 385	0.22 168	0.32 218	0.27 198	0.40 256	0.29 139

ROB_FTStereo	1.25 135	0.66 195	2.14 130	0.75 36	0.37 27	4.65 466	0.77 182	2.53 107	1.58 157	1.99 241	1.47 144	1.78 217	1.13 174	2.26 222	0.86 124	0.47 381	0.22 168	0.32 218	0.27 198	0.40 256	0.29 139

HUI-Stereo	1.25 135	0.66 195	2.33 152	0.75 36	0.37 27	4.68 470	0.78 186	2.53 107	1.58 157	1.99 241	1.46 140	1.79 224	1.13 174	2.17 211	0.85 117	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139

iGMRVC	1.26 142	0.66 195	2.14 130	0.75 36	0.37 27	4.66 467	0.74 156	2.53 107	1.58 157	1.99 241	1.46 140	1.78 217	1.14 180	2.46 228	0.92 151	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139

iRAFT	1.25 135	0.65 184	2.06 124	0.75 36	0.37 27	4.68 470	0.76 169	2.53 107	1.58 157	1.99 241	1.47 144	1.78 217	1.14 180	2.44 226	0.90 141	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139

test-2	1.13 100	0.70 226	2.26 143	0.75 36	0.44 67	3.05 149	0.91 275	2.78 147	1.45 68	2.37 374	1.52 155	1.53 178	1.05 150	1.17 53	0.92 151	0.25 56	0.19 74	0.35 290	0.28 227	0.34 195	0.26 96

RAFT-IKP	1.25 135	0.66 195	2.23 141	0.75 36	0.37 27	4.64 464	0.74 156	2.53 107	1.58 157	1.99 241	1.47 144	1.78 217	1.13 174	2.22 219	0.92 151	0.48 385	0.22 168	0.32 218	0.27 198	0.40 256	0.29 139

LG-Stereo_Zeroshot	0.89 50	0.47 22	2.08 127	0.76 50	0.73 219	3.91 304	0.41 30	2.07 65	1.07 21	0.77 53	0.89 35	0.64 26	0.86 101	0.95 10	0.77 94	0.26 69	0.18 45	0.26 80	0.19 47	0.32 159	0.32 183

StereoAnything_RVC	0.94 61	2.66 480	2.20 134	0.76 50	0.34 9	1.18 16	0.39 23	2.31 86	0.69 4	0.51 6	0.34 4	0.32 1	0.89 110	1.57 128	0.35 1	0.32 219	0.16 7	0.23 17	0.15 4	3.31 500	0.18 2

TANstereo	1.01 83	0.55 75	1.73 83	0.76 50	0.36 13	4.04 342	0.38 21	1.48 13	1.62 180	2.03 264	2.10 338	0.84 73	0.93 120	0.98 17	0.62 33	0.28 121	0.36 351	0.23 17	0.20 61	0.25 37	0.46 326

DeepStereo_RVC	1.55 177	0.63 161	3.32 208	0.77 53	0.42 55	4.49 437	0.72 139	2.50 105	1.58 157	2.02 260	1.81 261	1.54 182	6.38 496	1.73 162	1.19 209	0.46 372	0.22 168	0.29 156	0.28 227	0.35 213	0.38 259

4D-IteraStereo	1.97 252	0.84 311	20.43 476	0.78 54	1.56 431	2.09 86	1.05 330	2.43 97	1.56 148	1.41 129	1.00 43	1.94 249	0.61 35	1.22 63	1.06 182	0.27 84	0.18 45	0.31 198	0.26 172	0.27 62	0.23 48

HCRNet	1.60 190	0.56 86	2.47 162	0.78 54	1.36 393	4.11 358	0.71 136	3.57 238	2.79 415	1.75 182	1.61 186	1.58 186	1.41 234	5.79 323	1.56 293	0.34 247	0.28 283	0.36 305	0.29 255	0.33 177	0.37 244

FoundationStereo	0.50 1	0.39 3	1.11 17	0.79 56	0.42 55	0.70 3	0.36 19	0.76 1	0.80 9	0.62 20	0.38 5	0.73 53	0.77 74	0.69 1	0.36 2	0.26 69	0.17 18	0.23 17	0.16 12	0.18 1	0.20 16

DEmStereo	2.97 409	0.58 108	13.42 330	0.79 56	0.51 113	3.84 287	1.84 439	2.42 95	1.60 173	2.25 340	2.74 429	2.03 267	6.04 488	6.79 351	12.80 496	0.35 267	0.26 262	0.26 80	0.27 198	0.27 62	0.37 244

AIO_test	0.76 15	0.47 22	1.31 44	0.81 58	0.70 211	1.36 38	0.88 258	1.40 9	1.45 68	0.55 8	0.95 39	1.81 232	0.58 25	1.16 46	0.46 16	0.27 84	0.17 18	0.24 40	0.19 47	0.24 24	0.21 31

IGEV-RUCA	0.90 53	0.53 59	1.05 5	0.81 58	0.74 224	3.89 301	0.80 203	1.92 52	1.41 60	0.96 89	0.71 18	0.70 40	0.73 61	1.30 82	0.68 55	0.29 141	0.20 108	0.25 59	0.19 47	0.43 309	0.34 210

CAS++	0.89 50	0.64 174	1.46 60	0.81 58	0.51 113	1.24 23	0.86 236	3.44 217	1.46 76	1.14 107	1.29 102	0.62 23	0.58 25	1.13 37	0.59 29	0.34 247	0.30 306	0.34 271	0.26 172	0.41 280	0.29 139
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
CASnet	0.78 24	0.51 42	1.29 43	0.81 58	0.29 1	1.28 32	0.74 156	1.51 15	1.89 245	1.64 158	1.09 61	0.65 30	0.64 42	0.91 7	0.76 89	0.29 141	0.17 18	0.41 352	0.31 289	0.32 159	0.19 4
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
fff	1.74 212	0.70 226	9.08 283	0.81 58	0.36 13	4.15 367	0.57 71	4.23 402	2.09 281	2.30 351	1.80 249	1.19 134	3.02 426	1.44 104	1.46 268	0.29 141	0.23 195	0.23 17	0.18 31	0.24 24	0.42 295

iRaft-Stereo_5w	2.10 273	0.83 307	8.57 276	0.81 58	0.76 229	3.21 166	0.84 224	3.71 267	1.65 188	1.56 144	2.50 406	2.20 284	2.23 384	9.13 389	2.01 361	0.38 303	0.19 74	0.35 290	0.27 198	0.45 325	0.39 265

STrans-v2	3.03 419	0.77 280	20.91 492	0.81 58	0.63 175	3.89 301	1.01 319	4.27 420	2.64 397	2.28 345	3.70 467	4.13 447	5.20 478	7.33 356	1.27 233	0.31 199	0.18 45	0.29 156	0.25 154	0.29 90	0.41 291

csc	1.74 212	0.70 226	9.08 283	0.81 58	0.36 13	4.15 367	0.57 71	4.23 402	2.09 281	2.30 351	1.80 249	1.19 134	3.02 426	1.44 104	1.46 268	0.29 141	0.23 195	0.23 17	0.18 31	0.24 24	0.42 295

cscssc	1.74 212	0.70 226	9.08 283	0.81 58	0.36 13	4.15 367	0.57 71	4.23 402	2.09 281	2.30 351	1.80 249	1.19 134	3.02 426	1.44 104	1.46 268	0.29 141	0.23 195	0.23 17	0.18 31	0.24 24	0.42 295

111	1.83 225	0.92 332	9.08 283	0.81 58	0.36 13	4.25 398	0.91 275	4.44 468	2.70 404	2.39 379	1.96 305	2.30 294	1.64 307	1.28 75	1.82 336	0.28 121	0.22 168	0.24 40	0.20 61	0.31 133	0.54 369

fffft	0.76 15	0.47 22	1.28 42	0.82 68	0.54 131	1.51 50	0.80 203	2.09 67	1.18 25	0.63 22	0.84 31	0.59 19	0.55 19	1.80 172	0.85 117	0.19 2	0.18 45	0.27 106	0.20 61	0.26 50	0.24 62
1: 1. 1
Occ-G	0.86 42	0.52 48	1.39 54	0.82 68	0.66 191	1.37 39	0.79 193	1.58 19	1.31 45	1.56 144	0.87 33	2.18 283	0.89 110	0.97 15	0.88 134	0.26 69	0.19 74	0.26 80	0.19 47	0.25 37	0.24 62

IGEV-BASED-STEREO-	1.09 95	3.30 488	2.61 172	0.82 68	0.38 38	1.27 27	0.62 100	1.51 15	1.29 42	0.91 79	0.92 37	0.65 30	0.57 22	1.08 29	0.59 29	1.55 494	0.15 3	0.32 218	0.28 227	1.10 466	1.98 493

DCANet-4	1.96 250	0.51 42	14.31 352	0.82 68	0.40 44	4.16 376	0.57 71	4.29 428	2.98 443	2.30 351	1.80 249	1.03 110	1.54 278	1.44 104	1.44 264	0.29 141	0.23 195	0.23 17	0.18 31	0.24 24	0.42 295

ADStereo(finetuned)	2.04 265	0.73 252	13.28 328	0.82 68	0.40 44	4.16 376	0.59 81	4.25 412	2.97 440	2.35 369	1.84 273	1.18 130	3.40 443	1.52 122	1.54 290	0.29 141	0.24 228	0.23 17	0.18 31	0.30 113	0.51 356

IPLGR	2.53 357	0.58 108	20.46 477	0.82 68	0.52 122	4.56 454	0.50 53	4.30 436	2.38 354	1.87 203	1.53 162	1.68 198	1.72 324	6.95 352	1.15 200	0.28 121	0.21 139	0.27 106	0.23 119	0.33 177	0.32 183

CrosDoStereo	5.24 486	0.60 127	20.23 462	0.82 68	0.51 113	3.39 195	18.11 530	3.82 285	2.27 321	1.98 236	8.74 500	1.96 256	6.96 500	7.35 357	26.35 534	0.30 180	0.22 168	0.30 176	0.28 227	0.33 177	0.38 259

DeepStereo_LL	5.24 486	0.60 127	20.23 462	0.82 68	0.51 113	3.39 195	18.11 530	3.82 285	2.27 321	1.98 236	8.74 500	1.96 256	6.96 500	7.35 357	26.35 534	0.30 180	0.22 168	0.30 176	0.28 227	0.33 177	0.38 259

CRE-IMP	1.23 126	0.61 142	2.14 130	0.82 68	0.39 41	4.54 446	0.83 221	2.63 129	1.55 142	1.95 229	1.46 140	1.87 244	0.96 125	1.48 115	1.33 248	0.45 367	0.21 139	0.31 198	0.26 172	0.41 280	0.31 174

DCANet	1.74 212	0.73 252	9.08 283	0.82 68	0.40 44	4.18 384	0.59 81	4.25 412	2.97 440	2.35 369	1.84 273	1.18 130	1.63 304	1.51 120	1.55 291	0.29 141	0.24 228	0.23 17	0.18 31	0.30 113	0.53 363

SCV_C0	0.89 50	0.59 115	1.96 107	0.83 78	0.44 67	1.24 23	0.64 105	3.33 209	1.66 190	0.82 63	1.20 76	0.73 53	0.66 48	1.62 142	0.66 48	0.32 219	0.21 139	0.24 40	0.20 61	0.28 78	0.23 48

mms	0.77 21	0.68 213	1.17 27	0.83 78	0.71 213	1.41 42	0.67 118	1.61 21	1.12 22	0.77 53	1.37 121	0.63 25	0.54 18	1.75 165	0.63 36	0.24 35	0.19 74	0.26 80	0.21 75	0.31 133	0.34 210

RSM	0.80 27	0.50 37	1.08 13	0.83 78	0.51 113	1.31 35	0.77 182	2.28 85	1.43 66	0.82 63	1.44 137	1.22 140	0.62 37	1.17 53	0.63 36	0.22 12	0.18 45	0.24 40	0.19 47	0.27 62	0.20 16

PCWNet_CMD	2.23 288	0.65 184	17.36 392	0.83 78	0.76 229	3.51 224	0.64 105	3.60 241	1.97 255	1.70 171	1.63 191	3.22 386	3.05 429	2.09 202	1.11 194	0.31 199	0.36 351	0.47 381	0.26 172	0.64 402	0.47 331

anonymousdsp	0.95 67	0.69 216	1.27 40	0.83 78	0.52 122	4.54 446	0.84 224	1.76 38	1.24 31	0.76 49	1.06 57	0.78 60	0.77 74	1.67 155	0.69 62	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.26 96

GLC_STEREO	0.76 15	0.52 48	1.12 18	0.83 78	0.33 8	1.86 68	0.82 216	1.46 12	1.38 53	0.95 87	1.04 51	0.68 36	0.72 57	0.97 15	0.80 100	0.23 23	0.25 249	0.32 218	0.25 154	0.32 159	0.30 165

Anonymous3	1.72 209	0.76 277	11.61 317	0.83 78	0.84 260	4.46 429	0.84 224	3.57 238	1.16 23	1.34 117	1.37 121	1.11 120	1.03 141	1.58 129	1.13 198	0.70 450	0.58 450	0.33 253	0.35 331	0.47 340	0.42 295

CREStereo++_RVC	1.02 87	0.49 35	1.54 70	0.83 78	0.55 137	4.01 337	0.31 7	1.63 27	1.99 258	1.63 155	2.13 347	0.84 73	0.65 45	0.88 6	0.70 68	0.27 84	0.15 3	0.23 17	1.22 492	0.24 24	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
GMStereo	1.01 83	1.00 355	2.86 189	0.83 78	0.45 74	1.47 46	0.57 71	1.89 46	2.11 291	1.52 139	1.24 86	0.87 83	0.74 65	1.58 129	0.94 161	0.40 321	0.21 139	0.30 176	0.30 273	0.47 340	0.36 230
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HART	1.03 88	0.85 315	3.13 199	0.84 87	0.38 38	1.17 15	0.42 33	3.54 234	1.47 81	1.08 100	2.17 354	1.48 174	0.57 22	1.37 94	0.74 82	0.23 23	0.18 45	0.28 135	0.21 75	0.32 159	0.24 62

Pointernet	0.88 47	0.44 15	2.26 143	0.84 87	0.37 27	2.29 95	0.38 21	3.06 175	1.46 76	0.66 27	1.39 126	0.91 92	0.73 61	1.01 21	0.72 76	0.23 23	0.19 74	0.20 1	0.18 31	0.19 2	0.20 16

WCG-NET（raft）	0.95 67	0.55 75	1.20 32	0.84 87	0.31 4	1.44 43	1.01 319	1.55 18	2.37 349	1.64 158	1.42 133	2.38 303	1.01 138	1.29 78	0.76 89	0.22 12	0.19 74	0.22 9	0.20 61	0.25 37	0.21 31

ff7	0.98 73	0.69 216	2.05 115	0.84 87	0.52 122	4.55 449	0.86 236	1.62 22	1.24 31	0.75 39	1.03 47	0.70 40	0.77 74	1.84 177	0.68 55	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.27 110

ffff	0.98 73	0.69 216	2.05 115	0.84 87	0.52 122	4.55 449	0.86 236	1.62 22	1.24 31	0.75 39	1.03 47	0.70 40	0.77 74	1.84 177	0.68 55	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.27 110

11t	0.98 73	0.69 216	2.05 115	0.84 87	0.52 122	4.55 449	0.86 236	1.62 22	1.24 31	0.75 39	1.03 47	0.70 40	0.77 74	1.84 177	0.68 55	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.27 110

LoS_RVC	0.94 61	1.30 412	1.31 44	0.84 87	1.63 442	2.02 77	0.59 81	1.51 15	1.36 51	0.81 61	1.33 108	0.84 73	0.88 106	1.36 91	0.73 78	0.21 6	0.17 18	0.20 1	0.14 2	0.20 6	1.45 479

ccc-4	0.98 73	0.69 216	2.05 115	0.84 87	0.52 122	4.55 449	0.86 236	1.62 22	1.24 31	0.75 39	1.03 47	0.70 40	0.77 74	1.84 177	0.68 55	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.27 110

test_4	1.30 153	0.50 37	6.16 254	0.84 87	0.45 74	1.61 56	1.12 348	2.14 71	1.42 62	1.52 139	2.31 388	1.84 239	0.79 85	2.52 239	1.19 209	0.27 84	0.17 18	0.29 156	0.29 255	0.29 90	0.25 72

IGEV-Stereo	0.95 67	0.69 216	1.27 40	0.84 87	0.52 122	4.54 446	0.84 224	1.76 38	1.24 31	0.75 39	1.06 57	0.79 64	0.77 74	1.68 156	0.69 62	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.26 96
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
MSMDNet	2.23 288	0.64 174	17.32 388	0.84 87	0.75 226	3.53 228	0.64 105	3.61 244	1.98 257	1.71 175	1.64 193	3.22 386	2.99 423	2.08 199	1.11 194	0.31 199	0.37 364	0.45 373	0.26 172	0.62 394	0.45 316

ccs_rob	2.13 278	0.67 205	15.11 365	0.84 87	0.75 226	3.96 326	0.65 114	3.95 323	1.78 223	1.88 206	1.79 246	3.26 390	1.64 307	2.51 234	1.16 203	0.31 199	0.36 351	0.54 425	0.27 198	0.65 405	0.45 316

SGD-Stereo	0.65 8	0.41 11	1.06 8	0.85 99	0.31 4	2.44 104	0.46 45	1.09 3	0.69 4	0.84 71	0.52 11	0.55 15	0.53 16	1.49 117	0.46 16	0.31 199	0.14 2	0.25 59	0.18 31	0.23 20	0.20 16

castereo	0.82 37	0.70 226	1.04 3	0.85 99	0.50 111	1.29 34	0.91 275	3.22 190	1.20 27	0.83 69	1.24 86	0.72 49	0.91 115	1.00 20	0.67 52	0.26 69	0.16 7	0.25 59	0.20 61	0.24 24	0.21 31

GCAP-Stereo	0.93 58	0.68 213	1.35 51	0.85 99	0.41 49	3.61 247	0.52 60	2.20 74	1.50 102	1.11 105	1.04 51	1.17 126	0.84 97	1.11 32	0.71 71	0.25 56	0.20 108	0.27 106	0.18 31	0.28 78	0.23 48

CFNet_pseudo	2.12 276	0.67 205	15.14 366	0.85 99	0.74 224	3.95 321	0.64 105	3.95 323	1.78 223	1.90 213	1.79 246	3.27 391	1.62 291	2.51 234	1.16 203	0.31 199	0.36 351	0.53 418	0.27 198	0.63 395	0.44 310

ours_stereo	0.76 15	0.64 174	1.40 56	0.86 103	0.61 169	1.12 12	0.57 71	1.63 27	1.20 27	0.72 36	1.43 135	0.70 40	0.62 37	1.56 126	0.58 28	0.25 56	0.18 45	0.26 80	0.21 75	0.29 90	0.31 174

IGEV-Stereo+	0.94 61	0.47 22	1.19 28	0.86 103	2.02 483	1.40 41	0.39 23	1.17 6	0.88 11	0.61 18	0.44 8	0.47 10	0.79 85	2.14 207	0.42 7	0.27 84	0.19 74	0.22 9	0.17 23	2.26 495	2.41 500

LoS	0.94 61	0.52 48	1.88 97	0.86 103	0.36 13	4.15 367	0.51 57	2.18 73	1.45 68	0.97 90	0.88 34	0.62 23	0.79 85	1.59 134	0.86 124	0.26 69	0.19 74	0.24 40	0.16 12	0.21 9	0.20 16
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.82 37	0.71 238	1.50 65	0.86 103	0.45 74	1.78 62	0.83 221	1.75 37	1.28 41	0.66 27	1.13 67	0.78 60	0.76 72	1.66 151	0.71 71	0.24 35	0.20 108	0.25 59	0.23 119	0.29 90	0.25 72

THIR-Stereo	4.14 467	0.82 304	10.85 309	0.86 103	0.43 61	2.16 89	16.77 528	3.22 190	1.54 134	2.04 267	12.05 518	2.68 336	7.53 505	7.30 355	12.62 495	0.30 180	0.21 139	0.29 156	0.28 227	0.33 177	0.41 291

rvit_stereo_0083	0.86 42	0.67 205	1.42 57	0.87 108	0.65 185	1.23 19	0.64 105	1.67 30	2.28 324	0.79 57	0.93 38	0.93 98	1.07 159	1.46 112	0.75 85	0.32 219	0.36 351	0.30 176	0.26 172	0.33 177	0.28 129

BUS	1.49 176	0.59 115	1.94 103	0.87 108	0.85 261	4.50 440	0.76 169	4.48 474	1.88 241	2.93 440	1.83 268	3.63 424	0.97 128	1.60 136	1.17 206	0.34 247	0.25 249	0.31 198	0.28 227	0.35 213	0.33 197

BSDual-CNN	1.46 172	0.59 115	1.94 103	0.87 108	0.85 261	4.16 376	1.16 356	4.48 474	1.88 241	2.93 440	1.83 268	2.60 331	1.31 213	1.60 136	1.21 216	0.34 247	0.25 249	0.31 198	0.28 227	0.35 213	0.33 197

hknet	1.98 254	0.64 174	8.70 280	0.87 108	1.07 326	4.16 376	1.16 356	4.48 474	1.73 210	2.93 440	1.83 268	3.48 407	1.30 212	3.91 287	1.51 286	0.31 199	0.25 249	0.31 198	0.28 227	0.35 213	0.33 197

CroCo-Stereo	0.98 73	0.87 320	3.44 212	0.87 108	0.53 130	0.49 1	0.50 53	3.99 336	1.49 97	0.81 61	1.25 92	1.00 106	0.75 67	1.10 31	1.09 190	0.24 35	0.21 139	0.24 40	0.19 47	0.35 213	0.27 110
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
MoCha-V2	0.87 45	0.48 28	1.87 96	0.88 113	0.32 7	1.37 39	0.55 66	2.71 138	1.42 62	0.92 82	1.75 226	0.65 30	1.17 189	1.45 108	0.57 26	0.21 6	0.21 139	0.20 1	0.19 47	0.24 24	0.23 48

knoymous	1.30 153	0.60 127	5.57 251	0.88 113	0.75 226	3.04 147	0.90 267	2.68 134	1.33 47	1.48 135	1.07 59	2.78 353	0.88 106	1.29 78	0.85 117	0.31 199	0.22 168	0.35 290	0.20 61	0.45 325	0.37 244

AnonymousM	1.22 125	1.32 418	0.97 1	0.88 113	0.56 141	4.03 341	0.69 128	2.41 92	1.68 194	1.48 135	1.31 106	1.15 124	1.00 136	1.18 58	0.73 78	0.32 219	0.40 384	2.07 498	1.70 500	0.24 24	0.22 40

SFCPSM	2.18 283	0.63 161	17.03 387	0.88 113	0.98 303	3.74 267	1.28 377	4.09 365	2.16 300	1.85 196	1.83 268	1.65 194	1.39 225	2.50 231	1.50 280	0.33 235	0.27 273	0.39 336	0.36 341	0.34 195	0.37 244

S2M2	0.64 7	0.55 75	1.07 9	0.89 117	0.54 131	1.08 10	0.20 1	1.16 5	1.37 52	0.59 13	0.81 30	0.86 81	0.47 11	0.70 2	0.65 43	0.31 199	0.33 331	0.27 106	0.27 198	0.36 226	0.31 174

Reg-Stereo(zero)	1.60 190	0.42 13	10.69 306	0.89 117	0.68 203	3.27 180	0.47 50	2.27 83	1.54 134	1.48 135	1.24 86	2.55 326	2.68 411	1.48 115	1.10 191	0.19 2	0.19 74	0.22 9	0.18 31	0.24 24	0.26 96

AIO-test1	2.18 283	0.66 195	18.95 421	0.89 117	1.48 416	3.40 198	0.97 308	4.19 389	1.68 194	0.86 74	1.35 116	0.99 104	0.75 67	4.47 296	1.27 233	0.23 23	0.23 195	0.28 135	0.33 308	0.31 133	0.35 224

tt45	0.96 71	0.48 28	1.19 28	0.89 117	0.66 191	3.91 304	0.76 169	1.90 49	1.26 39	0.70 32	1.30 104	0.71 47	0.63 40	2.59 246	0.74 82	0.22 12	0.17 18	0.28 135	0.23 119	0.27 62	0.27 110

UGAM	2.58 368	0.56 86	18.55 414	0.89 117	0.71 213	3.23 170	1.03 324	2.75 144	1.75 218	1.36 120	2.77 433	2.69 337	1.28 206	10.75 439	1.40 255	0.28 121	0.24 228	0.40 342	0.31 289	0.35 213	0.30 165

CFNet_ucs	2.36 329	0.68 213	18.42 412	0.89 117	0.81 242	3.85 294	0.68 123	4.29 428	2.37 349	2.09 277	2.04 323	3.31 395	1.24 202	2.63 249	1.14 199	0.36 278	0.45 409	0.56 428	0.29 255	0.66 410	0.49 341

MIPNet	2.33 315	0.71 238	19.82 443	0.89 117	0.56 141	4.76 488	0.61 88	4.32 443	2.37 349	1.83 194	1.48 150	1.48 174	1.98 361	2.63 249	1.44 264	0.29 141	0.20 108	0.26 80	0.23 119	0.30 113	0.39 265

GMM-Stereo	2.45 340	0.52 48	20.38 472	0.89 117	0.82 250	4.18 384	1.91 441	2.45 99	1.48 89	2.48 390	2.30 381	1.69 203	1.86 351	2.93 261	1.08 187	0.28 121	0.18 45	0.33 253	0.48 414	0.35 213	2.41 500

ARAFT	2.56 364	1.13 380	19.50 435	0.89 117	0.48 101	4.15 367	1.40 395	4.36 454	2.82 427	2.36 373	1.88 287	1.70 205	1.04 145	6.45 338	1.22 219	0.29 141	0.18 45	0.37 317	0.35 331	0.35 213	0.25 72

HUF	1.15 106	0.64 174	8.62 279	0.90 126	0.35 11	1.35 37	0.78 186	1.97 56	1.50 102	0.63 22	1.52 155	0.83 71	0.66 48	1.28 75	0.63 36	0.29 141	0.23 195	0.26 80	0.17 23	0.23 20	0.25 72

WCG-NET	0.88 47	0.49 35	1.26 37	0.90 126	0.37 27	1.48 47	1.07 333	1.73 35	2.30 328	1.63 155	1.49 151	0.92 97	0.97 128	0.95 10	0.76 89	0.22 12	0.16 7	0.23 17	0.20 61	0.25 37	0.21 31

rvit_stereo_0075_2	1.18 111	0.74 260	2.66 178	0.90 126	1.27 375	2.51 108	0.69 128	2.25 81	2.06 275	1.40 127	1.86 283	1.46 173	0.84 97	1.42 101	0.94 161	0.46 372	0.40 384	0.48 389	0.38 366	0.46 336	0.51 356

IGEVStereo-DCA	0.86 42	0.65 184	2.05 115	0.90 126	0.46 83	1.57 54	0.86 236	1.62 22	1.24 31	0.65 25	0.77 25	0.74 57	0.72 57	2.59 246	0.86 124	0.28 121	0.21 139	0.28 135	0.21 75	0.29 90	0.27 110

rrr	2.27 296	0.65 184	23.82 528	0.90 126	0.46 83	1.57 54	0.96 305	7.98 517	1.19 26	0.65 25	0.77 25	0.74 57	0.72 57	2.59 246	0.86 124	0.28 121	0.21 139	0.28 135	0.21 75	0.29 90	0.25 72

RCA-Stereo	1.21 121	0.52 48	1.58 75	0.90 126	0.46 83	4.68 470	0.79 193	4.13 375	1.74 216	1.92 220	1.80 249	0.94 101	1.48 256	1.14 39	0.70 68	0.27 84	0.18 45	0.25 59	0.19 47	0.25 37	0.23 48

iRaft-Stereo_20w	1.88 233	0.62 152	10.58 305	0.90 126	0.83 253	2.96 143	0.78 186	4.90 498	1.58 157	2.29 347	1.60 182	1.25 143	4.51 471	2.28 223	0.90 141	0.29 141	0.21 139	0.26 80	0.24 143	0.41 280	0.31 174

rvit_0105_5	1.13 100	0.93 336	2.60 169	0.91 133	0.56 141	1.92 73	0.91 275	3.02 169	2.63 395	0.95 87	1.20 76	1.18 130	0.93 120	1.51 120	0.93 159	0.40 321	0.43 399	0.37 317	0.35 331	0.42 299	0.44 310

rvit_stereo_0081	0.80 27	0.63 161	1.19 28	0.91 133	0.64 177	1.27 27	0.61 88	2.05 61	1.71 204	0.82 63	0.73 20	0.85 77	0.75 67	1.30 82	0.80 100	0.31 199	0.26 262	0.27 106	0.25 154	0.38 241	0.27 110

rvit_stereo_0082	0.80 27	0.63 161	1.19 28	0.91 133	0.64 177	1.27 27	0.61 88	2.05 61	1.71 204	0.82 63	0.73 20	0.85 77	0.75 67	1.30 82	0.80 100	0.31 199	0.26 262	0.27 106	0.25 154	0.38 241	0.27 110

IPLG	2.48 348	0.65 184	19.63 438	0.91 133	0.79 237	4.60 459	0.56 70	4.31 439	1.84 235	1.91 218	2.00 317	1.31 151	1.38 222	6.61 341	1.53 289	0.27 84	0.20 108	0.27 106	0.23 119	0.31 133	0.36 230

ACRE	2.27 296	1.11 378	19.45 432	0.91 133	1.30 377	3.94 316	0.87 254	4.21 395	1.80 226	2.28 345	2.62 420	1.17 126	1.04 145	1.52 122	1.30 241	0.37 286	0.23 195	0.27 106	0.22 106	0.31 133	0.46 326

test_xeample3	2.12 276	0.63 161	21.55 510	0.91 133	0.47 93	1.85 67	0.94 295	7.96 516	1.23 29	0.75 39	0.76 23	0.64 26	0.70 54	1.77 167	0.83 111	0.30 180	0.21 139	0.27 106	0.21 75	0.27 62	0.24 62

castereo++	0.93 58	0.56 86	1.26 37	0.92 139	0.73 219	2.48 106	1.00 316	2.99 164	1.03 18	0.68 30	1.41 131	1.92 247	0.59 29	1.26 70	0.44 12	0.25 56	0.19 74	0.28 135	0.19 47	0.23 20	0.23 48

SMoEStereo_RVC	0.80 27	0.53 59	1.12 18	0.92 139	0.44 67	2.41 102	0.79 193	1.49 14	1.16 23	0.70 32	1.12 65	0.64 26	0.64 42	1.69 157	0.87 130	0.22 12	0.16 7	0.31 198	0.22 106	0.26 50	0.25 72

rvit_0105_6	1.00 81	0.93 336	2.21 136	0.92 139	0.55 137	1.52 52	0.79 193	2.41 92	2.96 439	0.76 49	0.72 19	1.02 108	0.75 67	1.42 101	0.81 105	0.40 321	0.43 399	0.34 271	0.31 289	0.43 309	0.34 210

Former-RAFT_DAM_RVC	0.92 56	0.73 252	1.42 57	0.92 139	1.08 328	2.97 144	0.53 61	1.77 40	1.39 54	1.16 108	1.54 164	0.58 17	0.65 45	1.03 23	0.84 114	0.25 56	0.23 195	0.30 176	0.24 143	0.43 309	0.29 139

CES	1.01 83	0.55 75	1.74 86	0.92 139	2.15 487	2.15 88	0.50 53	2.01 59	1.45 68	0.76 49	1.02 44	0.61 21	0.47 11	1.29 78	0.79 99	0.22 12	0.17 18	0.24 40	0.14 2	0.63 395	2.29 497

psmg	1.47 175	0.59 115	1.94 103	0.92 139	0.85 261	4.30 408	1.42 400	4.10 373	1.88 241	2.64 417	2.09 337	2.60 331	1.31 213	1.60 136	1.21 216	0.34 247	0.27 273	0.33 253	0.34 316	0.36 226	0.34 210

CIPLG	2.27 296	1.18 390	19.24 425	0.92 139	1.34 389	3.95 321	0.89 261	4.23 402	1.82 228	2.31 357	2.67 425	1.17 126	1.06 157	1.53 124	1.32 244	0.37 286	0.23 195	0.27 106	0.22 106	0.31 133	0.45 316

dd	1.26 142	1.15 385	2.47 162	0.92 139	0.49 107	4.35 412	0.75 166	1.92 52	2.11 291	1.44 132	1.24 86	1.19 134	1.05 150	1.78 168	1.70 319	0.57 423	0.34 343	0.35 290	0.33 308	0.60 385	0.46 326

IPLGR_C	2.28 301	1.31 416	19.46 433	0.92 139	1.32 384	3.93 311	0.89 261	4.20 390	1.82 228	2.30 351	2.63 422	1.16 125	1.07 159	1.41 100	1.29 240	0.37 286	0.23 195	0.27 106	0.22 106	0.31 133	0.45 316

PFNet+	1.46 172	0.57 95	2.84 187	0.92 139	0.47 93	4.64 464	0.84 224	2.46 100	1.99 258	2.14 294	1.64 193	1.34 154	1.03 141	4.68 301	1.23 222	0.45 367	0.33 331	0.37 317	0.39 372	0.32 159	0.49 341

PSM-AAD	2.43 337	0.54 69	1.32 47	0.92 139	0.54 131	4.48 431	7.47 514	2.96 161	1.55 142	2.31 357	2.56 414	1.26 144	16.23 524	2.46 228	0.89 137	0.28 121	0.21 139	0.58 432	0.41 389	0.34 195	1.32 473

sAnonymous2	1.37 162	1.22 401	9.79 293	0.92 139	0.88 274	1.23 19	0.61 88	2.56 119	1.69 200	0.85 72	1.02 44	0.73 53	1.23 200	0.98 17	0.78 95	0.29 141	0.25 249	0.31 198	0.30 273	1.06 461	0.71 415

CroCo_RVC	1.37 162	1.22 401	9.79 293	0.92 139	0.88 274	1.23 19	0.61 88	2.56 119	1.69 200	0.85 72	1.02 44	0.73 53	1.23 200	0.98 17	0.78 95	0.29 141	0.25 249	0.31 198	0.30 273	1.06 461	0.71 415

HSM-Net_RVC	2.87 395	0.57 95	17.46 396	0.92 139	0.90 282	3.70 259	1.20 367	5.64 512	2.51 380	3.22 460	2.43 399	2.54 325	1.59 283	11.41 469	1.65 314	0.34 247	0.25 249	0.26 80	0.23 119	0.30 113	0.29 139
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
rvit_0105_4	1.07 94	0.99 352	2.39 158	0.93 153	0.54 131	1.62 58	0.84 224	2.77 146	2.91 433	0.80 59	0.91 36	1.09 115	0.86 101	1.63 146	0.85 117	0.40 321	0.45 409	0.35 290	0.31 289	0.43 309	0.40 285

MGS-Stereo	0.80 27	0.56 86	1.53 67	0.93 153	0.39 41	1.26 26	0.73 144	1.45 11	1.30 44	1.01 92	2.26 369	0.80 66	0.56 21	1.16 46	0.65 43	0.27 84	0.23 195	0.26 80	0.22 106	0.27 62	0.25 72

LL-Strereo2	1.23 126	0.85 315	2.38 157	0.93 153	0.68 203	3.72 262	1.37 390	2.54 116	1.99 258	1.75 182	1.40 129	1.82 233	0.73 61	1.40 95	0.99 174	0.31 199	0.23 195	0.55 426	0.35 331	0.29 90	0.24 62

ACVNet	1.46 172	0.64 174	3.56 218	0.93 153	0.85 261	4.22 394	0.80 203	2.85 153	2.08 278	1.78 186	1.88 287	3.10 377	1.46 252	1.33 86	1.89 344	0.29 141	0.26 262	0.30 176	0.26 172	0.39 251	0.27 110

tg	1.15 106	0.67 205	1.31 44	0.94 157	0.54 131	4.02 339	0.41 30	2.96 161	1.59 172	1.69 167	1.85 280	1.84 239	0.97 128	1.78 168	0.83 111	0.27 84	0.17 18	0.29 156	0.26 172	0.29 90	0.27 110

gcap-zeroshot	1.30 153	0.61 142	4.09 229	0.94 157	0.56 141	3.50 221	0.84 224	3.12 179	1.72 207	1.84 195	1.22 81	2.72 342	0.88 106	1.46 112	0.80 100	0.29 141	0.30 306	0.27 106	0.21 75	0.29 90	0.25 72

IGEV++	0.90 53	0.58 108	1.32 47	0.94 157	0.45 74	1.27 27	1.00 316	3.32 206	1.55 142	0.82 63	1.34 113	0.86 81	1.09 162	1.16 46	0.89 137	0.33 235	0.18 45	0.23 17	0.19 47	0.29 90	0.22 40

IER	1.69 206	0.65 184	7.19 262	0.94 157	1.15 342	3.28 184	0.89 261	3.48 219	1.97 255	2.10 280	1.98 313	2.28 288	2.12 371	2.25 221	1.75 330	0.29 141	0.23 195	0.36 305	0.30 273	0.32 159	0.34 210

GCAP-BAT	1.21 121	0.74 260	3.23 202	0.95 161	0.70 211	3.86 296	0.93 290	1.89 46	1.48 89	1.85 196	1.96 305	1.68 198	0.79 85	1.78 168	0.81 105	0.29 141	0.20 108	0.24 40	0.20 61	0.26 50	0.35 224

RSM++	0.77 21	0.51 42	1.08 13	0.95 161	0.42 55	1.52 52	0.71 136	2.11 68	1.40 57	0.80 59	1.23 85	0.90 90	0.59 29	1.14 39	0.69 62	0.24 35	0.19 74	0.25 59	0.21 75	0.28 78	0.20 16

CASS	1.29 152	0.66 195	2.62 175	0.95 161	0.66 191	2.84 124	0.69 128	3.00 166	1.79 225	2.57 403	1.95 304	1.39 161	1.55 280	1.59 134	1.06 182	0.50 400	0.28 283	0.34 271	0.28 227	0.46 336	0.63 399
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
KYRaft	1.59 189	0.52 48	1.73 83	0.95 161	0.49 107	4.38 414	1.79 432	2.43 97	1.51 109	2.49 391	2.98 444	2.00 263	3.41 444	2.14 207	0.82 108	0.30 180	0.21 139	0.33 253	0.46 406	0.35 213	2.45 503

iRaftStereo_RVC	1.09 95	0.70 226	1.39 54	0.95 161	0.45 74	3.83 282	0.42 33	2.37 91	1.58 157	1.69 167	1.76 235	1.80 227	0.83 96	1.50 118	0.98 171	0.28 121	0.18 45	0.29 156	0.26 172	0.30 113	0.31 174

EAI-Stereo	2.35 324	0.63 161	2.97 192	0.95 161	0.65 185	3.84 287	14.27 526	5.04 500	2.19 305	2.06 273	7.25 488	1.10 118	0.94 122	1.65 150	1.37 253	0.31 199	0.22 168	0.27 106	0.60 447	0.27 62	0.32 183

MSKI-zero shot	2.22 286	0.64 174	20.09 457	0.96 167	0.56 141	4.04 342	0.70 134	3.91 312	1.50 102	1.92 220	2.28 373	1.92 247	0.71 56	2.93 261	0.67 52	0.26 69	0.23 195	0.26 80	0.21 75	0.28 78	0.26 96

UniTT-Stereo	0.82 37	0.47 22	2.63 176	0.96 167	1.19 355	0.78 4	0.39 23	1.12 4	1.54 134	1.19 110	1.26 93	0.51 11	0.64 42	1.13 37	1.03 179	0.30 180	0.20 108	0.24 40	0.21 75	0.40 256	0.25 72

GwcNet-ADL	2.47 346	0.67 205	21.48 509	0.96 167	0.72 215	4.61 460	0.95 299	4.42 464	2.36 343	1.98 236	1.80 249	2.55 326	1.24 202	1.90 185	1.41 259	0.40 321	0.46 418	0.24 40	0.27 198	0.41 280	0.49 341

FTStereo	3.71 453	0.53 59	20.37 471	0.96 167	0.65 185	4.34 411	11.29 521	2.62 128	1.50 102	2.58 406	5.04 481	1.90 245	13.84 520	3.71 281	1.25 227	0.38 303	0.24 228	0.31 198	0.32 300	0.30 113	2.10 494

RAFT	1.23 126	0.84 311	2.05 115	0.96 167	0.47 93	1.80 64	0.94 295	3.18 187	1.46 76	1.60 147	1.71 215	3.04 372	1.59 283	1.64 148	1.32 244	0.38 303	0.24 228	0.40 342	0.32 300	0.40 256	0.35 224

test-1	1.23 126	0.65 184	1.88 97	0.96 167	0.52 122	3.84 287	0.62 100	4.01 340	1.47 81	1.93 224	1.78 243	1.83 236	0.92 118	1.19 59	1.28 237	0.26 69	0.29 293	0.31 198	0.24 143	0.29 90	0.36 230

hitnet-ft	2.37 330	0.73 252	8.34 273	0.96 167	0.89 279	3.77 271	0.80 203	3.55 236	2.58 390	2.24 337	2.04 323	3.65 426	1.49 262	11.71 488	1.89 344	0.44 358	0.53 436	0.44 367	0.35 331	0.52 356	0.48 335

DEFOM-Stereo_RVC	0.81 35	1.13 380	1.23 34	0.97 174	0.57 152	0.81 5	0.43 38	3.49 222	0.84 10	0.73 37	0.95 39	0.44 6	1.17 189	1.45 108	0.60 31	0.26 69	0.18 45	0.24 40	0.17 23	0.30 113	0.19 4

rvit_0105_3	1.24 131	0.93 336	2.84 187	0.97 174	0.58 161	2.38 99	1.08 338	3.26 197	2.53 382	1.18 109	1.40 129	1.24 142	1.04 145	1.73 162	0.97 168	0.44 358	0.44 404	0.40 342	0.42 395	0.42 299	0.50 348

rvit_stereo_ft	1.00 81	0.87 320	3.55 216	0.97 174	0.66 191	1.06 9	0.80 203	2.78 147	1.67 192	0.78 56	0.96 41	0.95 102	1.14 180	1.06 27	0.90 141	0.32 219	0.24 228	0.27 106	0.28 227	0.39 251	0.27 110

AEACV	0.79 26	0.54 69	1.35 51	0.97 174	0.63 175	1.13 13	0.92 288	2.02 60	0.91 12	0.76 49	0.79 27	0.80 66	1.61 288	1.28 75	0.61 32	0.22 12	0.18 45	0.26 80	0.23 119	0.27 62	0.23 48

RAFT+CT+SA	1.62 194	0.72 241	7.42 263	0.97 174	1.42 410	4.04 342	0.94 295	3.90 308	1.61 177	1.61 152	1.63 191	1.33 153	1.18 191	2.73 257	1.10 191	0.27 84	0.19 74	0.31 198	0.34 316	0.33 177	0.33 197

PS-NSSS	2.22 286	1.33 421	2.90 191	0.97 174	1.53 423	4.11 358	1.08 338	4.55 484	2.65 398	2.10 280	2.32 393	1.77 216	1.40 229	11.79 491	1.61 302	0.68 446	0.45 409	0.96 478	0.43 398	0.95 453	0.92 449

UGAM-zero	2.79 387	0.57 95	20.87 491	0.98 180	0.77 235	2.08 85	0.35 18	3.88 301	1.51 109	2.05 268	1.64 193	5.07 484	3.42 447	9.83 406	1.24 224	0.28 121	0.21 139	0.27 106	0.29 255	0.29 90	0.28 129

HH	2.23 288	0.86 318	21.59 511	0.98 180	0.51 113	1.49 48	0.82 216	2.74 142	1.54 134	1.10 102	1.69 209	4.62 470	1.86 351	2.55 242	0.69 62	0.26 69	0.22 168	0.29 156	0.23 119	0.34 195	0.27 110

HanStereo	2.23 288	0.86 318	21.59 511	0.98 180	0.51 113	1.49 48	0.82 216	2.74 142	1.54 134	1.10 102	1.69 209	4.62 470	1.86 351	2.55 242	0.69 62	0.26 69	0.22 168	0.29 156	0.23 119	0.34 195	0.27 110

dad	1.65 200	1.19 392	3.04 196	0.98 180	0.56 141	4.22 394	0.84 224	1.99 58	2.48 372	2.14 294	1.68 205	1.62 192	1.13 174	3.85 283	2.04 363	1.03 473	0.40 384	2.04 497	0.48 414	0.75 433	0.53 363

Prome-Stereo	1.61 192	0.55 75	1.71 82	0.98 180	0.60 165	4.41 423	1.82 436	3.03 170	1.53 125	2.18 313	3.45 463	1.72 208	3.49 450	2.23 220	1.08 187	0.29 141	0.20 108	0.26 80	0.25 154	0.34 195	2.16 495

FADNet_RVC	2.65 374	2.28 472	16.51 379	0.98 180	0.92 284	4.09 352	0.83 221	4.26 419	1.73 210	1.46 133	1.78 243	1.60 189	1.50 263	8.88 382	2.39 393	0.47 381	0.38 370	0.44 367	0.58 443	0.89 448	0.97 453

RAFT-Stereo-weight	1.11 98	0.48 28	1.22 33	0.99 186	0.42 55	4.17 381	0.80 203	3.60 241	1.50 102	1.97 234	1.50 152	1.30 150	0.65 45	1.24 65	0.85 117	0.25 56	0.19 74	0.26 80	0.22 106	0.27 62	0.23 48

Selective-RAFT	1.15 106	0.46 19	1.64 79	0.99 186	0.45 74	4.17 381	0.51 57	3.21 188	1.69 200	1.12 106	1.34 113	1.45 171	1.40 229	2.08 199	0.94 161	0.41 335	0.20 108	0.24 40	0.23 119	0.27 62	0.25 72

CroCo-Stereo Lap2	0.99 79	0.89 323	2.55 165	0.99 186	1.80 470	0.54 2	0.46 45	3.10 177	1.24 31	1.07 99	1.21 79	1.05 114	0.78 82	1.26 70	1.08 187	0.27 84	0.23 195	0.27 106	0.21 75	0.43 309	0.34 210

test_3	1.19 113	0.51 42	2.08 127	0.99 186	0.41 49	2.05 83	0.87 254	4.40 462	1.42 62	1.99 241	1.18 73	2.03 267	0.79 85	2.70 254	0.75 85	0.27 84	0.17 18	0.29 156	0.29 255	0.30 113	0.27 110

LCNet	1.55 177	0.54 69	1.88 97	0.99 186	0.55 137	3.60 243	1.21 370	2.86 156	1.53 125	2.18 313	1.74 222	1.43 170	4.17 463	3.62 277	0.87 130	0.29 141	0.20 108	0.28 135	0.77 465	0.47 340	1.85 489

ICVP	2.26 294	0.66 195	21.18 502	0.99 186	0.88 274	4.28 405	0.95 299	3.32 206	1.60 173	1.66 163	1.76 235	1.34 154	1.14 180	1.62 142	1.32 244	0.53 415	0.35 347	0.33 253	0.29 255	0.40 256	0.51 356
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
R-Stereo Train	1.20 118	0.58 108	1.81 92	0.99 186	0.67 198	3.78 273	0.90 267	4.09 365	1.51 109	2.16 307	1.71 215	1.13 121	0.94 122	1.40 95	0.91 148	0.30 180	0.24 228	0.26 80	0.21 75	0.26 50	0.25 72

RAFT-Stereo	1.20 118	0.58 108	1.81 92	0.99 186	0.67 198	3.78 273	0.90 267	4.09 365	1.51 109	2.16 307	1.71 215	1.13 121	0.94 122	1.40 95	0.91 148	0.30 180	0.24 228	0.26 80	0.21 75	0.26 50	0.25 72
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
fffy	0.80 27	0.59 115	1.56 73	1.00 194	0.47 93	1.27 27	0.76 169	1.90 49	1.02 17	0.75 39	1.35 116	0.83 71	0.72 57	1.70 159	0.62 33	0.23 23	0.19 74	0.27 106	0.21 75	0.28 78	0.32 183

MyStereo07	1.01 83	0.80 293	1.26 37	1.00 194	1.04 319	3.95 321	0.95 299	2.07 65	1.42 62	0.75 39	1.22 81	0.68 36	0.91 115	1.63 146	0.67 52	0.24 35	0.24 228	0.34 271	0.26 172	0.41 280	0.37 244

MyStereo04	2.29 304	0.80 293	18.77 416	1.00 194	1.04 319	3.95 321	0.95 299	3.91 312	2.54 386	1.99 241	1.27 99	2.31 295	1.65 309	2.02 196	1.77 331	0.24 35	0.24 228	0.34 271	0.26 172	0.41 280	0.37 244

CoDeX	2.40 332	0.78 286	13.21 327	1.00 194	1.18 348	3.24 173	1.32 380	4.14 381	2.41 360	1.74 180	1.84 273	2.05 271	1.47 254	10.03 417	1.60 299	0.34 247	0.28 283	0.32 218	0.27 198	0.32 159	0.39 265

testlalala	1.14 105	0.62 152	1.34 49	1.00 194	0.78 236	4.38 414	0.93 290	2.46 100	2.20 307	2.44 385	1.52 155	1.31 151	0.61 35	1.04 26	0.65 43	0.35 267	0.19 74	0.24 40	0.19 47	0.24 24	0.23 48

TransformOpticalFlow	3.03 419	0.77 280	20.99 495	1.00 194	0.55 137	4.18 384	0.64 105	4.33 445	3.02 447	2.18 313	3.09 451	4.35 458	5.07 476	7.36 359	1.27 233	0.32 219	0.18 45	0.32 218	0.26 172	0.28 78	0.46 326

StereoVision	1.65 200	0.75 272	7.47 265	1.01 200	1.80 470	2.61 115	0.61 88	3.06 175	1.96 253	1.25 112	3.46 464	1.85 242	0.88 106	2.07 197	1.93 349	0.43 351	0.36 351	0.37 317	0.36 341	0.48 343	0.33 197

RAFT-Test	1.44 169	0.59 115	6.10 253	1.01 200	0.69 209	2.90 130	0.80 203	3.68 256	1.70 203	1.85 196	1.68 205	3.15 382	1.03 141	1.20 60	0.99 174	0.27 84	0.22 168	0.25 59	0.23 119	0.27 62	0.25 72

ToySt	1.35 160	0.72 241	3.65 224	1.01 200	0.50 111	3.31 189	1.01 319	3.46 218	1.73 210	1.30 114	1.55 168	2.07 276	1.47 254	1.88 184	1.40 255	0.27 84	0.27 273	0.30 176	0.32 300	0.42 299	0.39 265

test-3	1.19 113	0.52 48	2.00 109	1.01 200	0.42 55	1.95 75	0.91 275	4.35 449	1.47 81	2.24 337	1.16 70	2.06 273	0.79 85	2.68 252	0.76 89	0.27 84	0.18 45	0.28 135	0.26 172	0.26 50	0.25 72

test_1	1.19 113	0.52 48	2.00 109	1.01 200	0.42 55	1.95 75	0.90 267	4.36 454	1.47 81	2.17 311	1.16 70	2.06 273	0.78 82	2.68 252	0.76 89	0.27 84	0.18 45	0.28 135	0.26 172	0.26 50	0.25 72

CFNet-RSSM	2.08 272	0.52 48	20.06 453	1.01 200	0.56 141	3.39 195	0.64 105	3.67 254	1.55 142	1.72 176	1.37 121	2.57 328	1.19 195	1.11 32	0.86 124	0.27 84	0.20 108	0.25 59	0.23 119	0.27 62	0.23 48

delet	1.92 243	0.76 277	5.14 243	1.01 200	1.65 448	3.44 203	2.03 448	3.76 273	2.48 372	2.01 255	2.05 329	2.63 335	1.90 356	5.34 310	2.12 373	0.28 121	0.29 293	0.40 342	0.31 289	0.41 280	0.45 316

Gwc-CoAtRS	1.58 184	0.57 95	11.69 318	1.01 200	0.60 165	2.53 110	0.64 105	2.36 90	1.56 148	1.80 190	1.47 144	2.74 343	1.18 191	1.12 34	0.90 141	0.27 84	0.21 139	0.25 59	0.22 106	0.27 62	0.23 48

DeepPruner_ROB	2.05 267	1.09 374	10.50 304	1.01 200	1.20 360	4.39 417	0.91 275	3.14 181	1.72 207	2.60 410	1.54 164	2.78 353	1.27 204	4.52 297	1.72 322	0.51 406	0.40 384	0.37 317	0.34 316	0.48 343	0.52 361

MyStereo06	2.46 343	0.72 241	19.97 450	1.02 209	0.99 306	4.26 399	0.86 236	3.51 228	1.68 194	1.92 220	1.73 220	4.01 440	4.22 464	1.62 142	0.88 134	0.24 35	0.23 195	0.34 271	0.26 172	0.42 299	0.36 230

MyStereo05	2.37 330	0.72 241	19.94 448	1.02 209	0.99 306	4.26 399	0.86 236	4.01 340	2.62 393	2.14 294	1.26 93	2.28 288	1.63 304	2.07 197	1.68 317	0.24 35	0.23 195	0.34 271	0.26 172	0.42 299	0.36 230

anonymousdsp2	1.26 142	0.60 127	3.74 226	1.02 209	0.41 49	3.60 243	0.72 139	3.68 256	1.47 81	1.37 123	1.56 171	1.83 236	1.01 138	2.00 192	0.66 48	0.29 141	0.20 108	0.28 135	0.20 61	0.32 159	0.29 139

EGLCR-Stereo	1.06 91	0.51 42	1.56 73	1.02 209	0.39 41	4.27 404	0.42 33	4.08 363	1.48 89	0.90 78	0.68 17	1.09 115	0.66 48	1.81 173	0.62 33	0.27 84	0.19 74	0.29 156	0.23 119	0.37 236	0.25 72

raft_robust	1.92 243	1.15 385	3.34 210	1.02 209	0.43 61	3.84 287	0.46 45	4.42 464	2.52 381	1.67 165	1.36 120	2.17 282	6.37 494	6.78 349	1.04 180	0.28 121	0.24 228	0.30 176	0.35 331	0.31 133	0.32 183

RAFT-345	2.46 343	0.55 75	19.69 440	1.02 209	0.49 107	4.43 427	0.78 186	1.64 29	2.34 338	2.09 277	3.12 452	1.96 256	1.31 213	6.65 343	1.43 262	0.36 278	0.23 195	0.32 218	0.25 154	0.28 78	0.25 72

sCroCo_RVC	1.06 91	0.82 304	5.05 242	1.02 209	1.05 321	0.98 7	0.61 88	2.06 63	1.29 42	0.69 31	1.26 93	0.82 70	1.10 168	1.20 60	0.90 141	0.42 346	0.40 384	0.33 253	0.30 273	0.46 336	0.38 259

999	0.97 72	0.48 28	1.24 35	1.03 216	0.64 177	3.25 176	0.92 288	1.40 9	1.39 54	0.71 35	1.68 205	0.70 40	0.66 48	3.03 265	0.89 137	0.23 23	0.19 74	0.25 59	0.21 75	0.25 37	0.29 139

cross-raft	2.01 261	0.57 95	19.01 423	1.03 216	0.56 141	2.11 87	0.72 139	3.63 246	1.57 154	1.77 184	1.51 154	3.17 383	1.13 174	1.16 46	0.85 117	0.23 23	0.21 139	0.26 80	0.23 119	0.28 78	0.25 72

anonymousa	2.16 280	0.67 205	19.19 424	1.04 218	1.67 452	2.06 84	0.79 193	2.86 156	1.96 253	1.85 196	2.14 348	3.23 388	1.81 342	1.12 34	1.15 200	0.26 69	0.26 262	0.34 271	0.32 300	0.30 113	0.28 129

PAM_32	2.45 340	0.63 161	20.74 486	1.05 219	0.65 185	2.83 123	0.46 45	2.91 158	1.54 134	1.95 229	2.66 424	4.99 480	3.78 454	1.96 190	0.92 151	0.27 84	0.22 168	0.27 106	0.25 154	0.36 226	0.48 335

model_zeroshot	1.21 121	0.60 127	3.55 216	1.05 219	0.57 152	3.46 208	0.63 102	2.73 141	1.55 142	2.05 268	1.38 124	1.50 177	0.82 93	1.69 157	0.87 130	0.29 141	0.23 195	0.30 176	0.23 119	0.27 62	0.32 183

MIM_Stereo	1.20 118	0.78 286	3.30 207	1.05 219	0.43 61	3.04 147	0.60 84	2.46 100	1.51 109	1.60 147	1.58 174	1.82 233	1.29 209	2.00 192	1.07 185	0.24 35	0.24 228	0.28 135	0.25 154	0.27 62	0.27 110

riskmin	1.25 135	0.56 86	2.05 115	1.05 219	0.93 289	2.86 128	0.55 66	3.23 192	1.34 48	1.55 142	1.07 59	3.56 422	2.03 362	1.29 78	1.00 176	0.28 121	0.27 273	0.34 271	0.21 75	0.41 280	0.43 304

RAFT-Stereo + iAFF	1.25 135	0.72 241	1.74 86	1.05 219	0.36 13	4.13 363	0.42 33	2.95 160	2.84 429	2.02 260	2.40 398	1.61 191	1.11 171	1.26 70	0.97 168	0.21 6	0.15 3	0.26 80	0.23 119	0.29 90	0.23 48

LALA_ROB	1.95 248	1.48 436	3.11 198	1.05 219	0.98 303	3.99 334	1.82 436	4.44 468	2.28 324	3.31 462	1.85 280	2.76 351	1.67 313	4.04 291	3.23 433	0.46 372	0.41 391	0.55 426	0.52 430	0.60 385	0.57 379

FACV-RUCA	1.26 142	0.65 184	2.21 136	1.06 225	1.50 419	2.69 118	1.15 354	3.05 172	1.87 239	1.36 120	1.99 315	1.03 110	1.15 188	1.36 91	1.10 191	0.41 335	0.41 391	0.73 467	0.41 389	0.61 390	0.41 291

Anonymous_2	3.01 417	0.89 323	4.53 238	1.06 225	1.18 348	2.93 138	0.87 254	3.24 194	1.46 76	1.86 201	1.35 116	4.11 446	2.35 391	1.64 148	1.28 237	0.82 461	0.90 482	8.71 536	15.84 539	4.44 516	0.74 423

PAM	2.43 337	0.61 142	20.86 489	1.07 227	0.73 219	2.93 138	0.53 61	3.24 194	1.53 125	1.89 212	2.43 399	5.29 489	2.76 413	1.84 177	1.02 178	0.27 84	0.24 228	0.26 80	0.25 154	0.40 256	0.50 348

DualNet (step1)	2.34 319	1.05 363	7.87 267	1.07 227	0.86 266	3.93 311	1.19 363	4.35 449	2.11 291	2.14 294	1.75 226	1.75 211	1.67 313	6.26 335	1.26 230	1.23 482	0.48 428	4.27 525	2.09 511	0.70 418	0.69 411

test_sample9	3.79 455	1.05 363	7.87 267	1.07 227	0.86 266	3.93 311	1.19 363	4.35 449	2.11 291	2.14 294	1.75 226	1.75 211	1.67 313	11.06 455	11.61 491	1.23 482	14.45 540	4.27 525	2.09 511	0.70 418	0.69 411

test_sample8	4.76 479	1.05 363	7.87 267	1.07 227	0.86 266	3.93 311	1.19 363	4.38 458	2.05 273	5.49 497	1.89 293	12.98 514	6.37 494	11.06 455	11.61 491	1.23 482	14.45 540	4.27 525	2.09 511	0.70 418	0.69 411

CBFPSM	2.05 267	0.95 344	10.12 299	1.07 227	1.05 321	2.84 124	1.20 367	3.28 198	1.73 210	1.82 193	1.30 104	4.56 468	4.06 460	2.34 224	2.34 392	0.25 56	0.38 370	0.32 218	0.27 198	0.37 236	0.79 435

SA	1.62 194	0.75 272	3.78 228	1.07 227	0.43 61	4.26 399	1.36 385	4.45 471	3.12 454	1.63 155	1.97 311	1.68 198	2.26 385	2.55 242	1.27 233	0.27 84	0.22 168	0.37 317	0.37 353	0.35 213	0.30 165

CFNet-ft	1.90 236	0.95 344	3.56 218	1.07 227	1.54 424	4.09 352	0.90 267	2.85 153	1.82 228	1.78 186	1.70 211	2.75 345	1.48 256	9.33 393	1.72 322	0.33 235	0.30 306	0.61 443	0.36 341	0.52 356	0.39 265

CFNet_RVC	1.90 236	0.95 344	3.56 218	1.07 227	1.54 424	4.09 352	0.90 267	2.85 153	1.82 228	1.78 186	1.70 211	2.75 345	1.48 256	9.33 393	1.72 322	0.33 235	0.30 306	0.61 443	0.36 341	0.52 356	0.39 265

rvit_105_1	1.43 168	0.90 325	3.27 205	1.08 235	0.68 203	2.79 120	1.27 375	3.52 229	2.35 340	1.38 125	1.54 164	1.28 146	1.14 180	2.91 259	1.40 255	0.54 417	0.47 422	0.45 373	0.59 445	0.44 317	0.58 384

AIO-Stereo-zeroshot1	2.68 381	1.26 408	22.01 518	1.08 235	0.99 306	1.61 56	0.86 236	3.69 261	1.64 184	1.52 139	5.62 485	3.35 398	3.44 448	2.20 215	1.33 248	0.26 69	0.21 139	0.30 176	0.62 451	0.93 452	0.67 406

gwcnet-sp	2.31 308	1.21 395	17.34 389	1.08 235	0.92 284	3.56 235	1.04 327	3.69 261	2.09 281	2.55 399	1.60 182	1.80 227	1.62 291	3.87 284	1.95 353	0.29 141	0.29 293	0.30 176	0.28 227	0.38 241	0.39 265

scenet	2.31 308	1.21 395	17.34 389	1.08 235	0.92 284	3.56 235	1.04 327	3.69 261	2.09 281	2.55 399	1.60 182	1.80 227	1.62 291	3.87 284	1.95 353	0.29 141	0.29 293	0.30 176	0.28 227	0.38 241	0.39 265

ssnet	2.31 308	1.21 395	17.34 389	1.08 235	0.92 284	3.56 235	1.04 327	3.69 261	2.09 281	2.55 399	1.60 182	1.80 227	1.62 291	3.87 284	1.95 353	0.29 141	0.29 293	0.30 176	0.28 227	0.38 241	0.39 265

pcwnet_v2	2.70 384	0.65 184	22.48 520	1.08 235	1.03 316	3.56 235	0.81 212	4.29 428	3.14 457	2.29 347	2.29 376	3.01 370	1.71 322	3.32 270	1.43 262	0.43 351	0.50 433	0.41 352	0.34 316	0.61 390	0.56 375

AIO-Stereo-zeroshot	2.35 324	0.99 352	19.62 437	1.09 241	0.96 295	1.51 50	0.44 40	4.05 353	1.64 184	1.31 115	1.67 202	4.93 477	2.45 398	2.52 239	1.40 255	0.30 180	0.20 108	0.31 198	0.50 423	0.57 377	0.60 389

Any-RAFT	1.40 165	0.53 59	2.78 185	1.09 241	0.64 177	4.41 423	0.81 212	3.97 330	2.78 413	1.99 241	1.34 113	2.36 301	1.56 282	1.56 126	0.75 85	0.27 84	0.20 108	0.25 59	0.18 31	0.25 37	0.28 129

PSMNet-ADL	1.91 240	0.72 241	1.78 90	1.09 241	0.86 266	4.18 384	0.78 186	3.77 275	2.10 289	1.72 176	1.85 280	2.91 363	1.82 344	10.38 430	1.91 347	0.48 385	0.46 418	0.28 135	0.29 255	0.38 241	0.51 356

GES	1.38 164	0.64 174	2.61 172	1.09 241	0.57 152	4.30 408	1.02 323	3.86 295	1.51 109	1.72 176	1.74 222	1.28 146	1.77 331	1.62 142	1.61 302	0.39 315	0.27 273	0.33 253	0.30 273	0.41 280	0.47 331

test_xeample	2.67 378	0.56 86	2.05 115	1.09 241	0.81 242	3.24 173	0.80 203	4.55 484	2.70 404	2.42 383	2.27 370	1.39 161	1.40 229	10.75 439	17.51 515	0.30 180	0.30 306	0.32 218	0.28 227	0.34 195	0.33 197

FADNet-RVC	2.51 353	2.27 470	14.03 345	1.09 241	0.81 242	3.54 232	1.10 344	4.13 375	2.48 372	1.39 126	1.22 81	1.85 242	1.77 331	9.78 405	2.06 366	0.38 303	0.37 364	0.40 342	0.40 383	0.67 412	0.48 335

ADCP+	3.74 454	1.96 462	16.90 385	1.09 241	1.55 428	4.35 412	3.65 501	3.93 318	2.98 443	2.22 331	1.66 201	3.95 435	4.83 474	3.41 271	18.87 523	0.38 303	0.41 391	0.63 448	0.53 434	0.64 402	0.81 437

ETE_ROB	2.07 270	1.40 428	3.01 195	1.09 241	0.92 284	3.94 316	1.53 411	4.25 412	2.23 311	3.31 462	2.06 333	2.35 299	1.52 268	8.74 380	2.07 369	0.44 358	0.36 351	0.51 408	0.48 414	0.54 365	0.62 395

SGM-Forest	2.96 405	0.62 152	3.49 213	1.09 241	0.80 239	4.06 345	3.30 489	4.37 457	3.09 453	4.18 487	3.27 459	4.67 474	3.86 457	11.69 487	7.91 473	0.51 406	0.46 418	0.49 402	0.39 372	0.48 343	0.49 341
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
GREAT-IGEV	0.74 13	0.54 69	1.86 95	1.10 250	0.44 67	2.44 104	0.34 15	1.37 8	1.51 109	0.48 2	0.86 32	0.51 11	0.60 32	1.07 28	0.45 14	0.22 12	0.17 18	0.21 5	0.17 23	0.23 20	0.25 72

HI	1.27 147	0.90 325	2.33 152	1.10 250	0.68 203	2.92 135	0.45 43	2.49 103	1.76 220	2.13 291	1.65 199	2.42 309	1.84 346	1.58 129	1.61 302	0.26 69	0.16 7	0.28 135	0.29 255	0.26 50	0.25 72

CoSv	1.27 147	0.90 325	2.33 152	1.10 250	0.68 203	2.92 135	0.45 43	2.49 103	1.76 220	2.13 291	1.65 199	2.42 309	1.84 346	1.58 129	1.61 302	0.26 69	0.16 7	0.28 135	0.29 255	0.26 50	0.25 72

AE-Stereo	1.18 111	0.60 127	2.05 115	1.10 250	0.60 165	4.39 417	0.72 139	3.74 270	1.62 180	1.10 102	1.90 298	1.01 107	0.92 118	1.45 108	0.82 108	0.28 121	0.22 168	0.28 135	0.28 227	0.26 50	0.22 40

AFF-stereo	1.31 157	0.77 280	1.46 60	1.10 250	0.45 74	3.93 311	0.48 51	2.92 159	2.92 435	1.90 213	2.21 362	2.11 280	1.52 268	1.93 187	1.12 197	0.21 6	0.16 7	0.25 59	0.25 154	0.29 90	0.20 16

DSFCA	1.89 234	0.69 216	3.14 200	1.10 250	1.18 348	3.99 334	1.79 432	3.50 225	2.16 300	3.10 452	1.64 193	2.91 363	2.50 401	5.38 311	2.26 385	0.43 351	0.38 370	0.37 317	0.36 341	0.50 351	0.42 295

MLCV	1.87 229	0.91 330	8.59 277	1.10 250	0.57 152	3.59 241	0.53 61	3.70 266	2.20 307	2.80 433	2.25 368	2.00 263	1.42 239	4.13 292	1.86 341	0.30 180	0.20 108	0.32 218	0.21 75	0.33 177	0.36 230

DFGA-Net	2.11 275	3.00 484	7.43 264	1.11 257	0.76 229	3.72 262	0.60 84	2.63 129	1.91 249	2.01 255	2.07 334	1.22 140	1.04 145	10.26 426	2.26 385	0.27 84	0.22 168	0.34 271	0.34 316	0.61 390	0.48 335

DCVSM-stereo	2.31 308	0.66 195	20.69 485	1.11 257	0.93 289	2.58 114	0.73 144	2.61 127	1.60 173	2.57 403	1.53 162	3.30 394	1.72 324	2.19 214	1.23 222	0.34 247	0.53 436	0.41 352	0.32 300	0.45 325	0.62 395

Sa-1000	1.63 198	0.79 289	3.56 218	1.11 257	0.48 101	4.06 345	1.41 398	4.49 477	2.75 410	2.00 253	2.80 436	1.84 239	1.43 242	2.64 251	1.50 280	0.27 84	0.19 74	0.36 305	0.33 308	0.36 226	0.30 165

222	2.68 381	0.57 95	2.03 112	1.11 257	0.81 242	3.23 170	0.65 114	4.52 482	2.45 368	2.34 368	2.29 376	1.41 167	1.44 245	10.50 431	18.47 520	0.32 219	0.30 306	0.32 218	0.27 198	0.32 159	0.34 210

LL-Strereo	3.01 417	1.81 457	17.59 399	1.12 261	2.10 486	2.90 130	1.09 342	4.33 445	2.00 262	3.12 454	2.24 366	3.29 392	3.15 432	11.31 466	1.84 339	0.30 180	0.28 283	0.46 378	0.34 316	0.49 349	0.45 316

NINENet	1.87 229	0.74 260	2.60 169	1.12 261	1.06 324	4.50 440	0.76 169	4.41 463	2.24 313	2.16 307	1.86 283	3.63 424	0.97 128	8.00 370	1.17 206	0.41 335	0.30 306	0.41 352	0.30 273	0.41 280	0.36 230

RALCasStereoNet	1.19 113	1.02 357	2.06 124	1.12 261	1.14 340	3.08 155	0.70 134	2.99 164	1.73 210	1.34 117	1.68 205	1.18 130	0.91 115	2.16 209	1.00 176	0.30 180	0.26 262	0.24 40	0.21 75	0.29 90	0.30 165

MMNet	2.02 262	0.81 297	10.76 307	1.12 261	1.23 367	3.53 228	0.89 261	3.79 279	2.08 278	2.15 302	1.76 235	2.15 281	2.12 371	3.69 280	2.32 390	0.31 199	0.29 293	0.34 271	0.27 198	0.38 241	0.42 295

FADNet-RVC-Resample	2.83 390	2.02 465	21.07 496	1.12 261	0.91 283	3.53 228	1.37 390	4.08 363	2.09 281	1.68 166	1.33 108	2.03 267	1.51 266	9.54 398	1.69 318	0.38 303	0.37 364	0.42 359	0.44 400	0.56 373	0.56 375

RYNet	2.97 409	0.93 336	15.09 364	1.12 261	1.38 398	3.66 255	1.42 400	4.03 345	2.29 327	2.10 280	1.70 211	3.79 429	2.16 378	13.64 518	3.02 429	0.37 286	0.41 391	0.48 389	0.34 316	0.81 442	0.75 426

NaN_ROB	4.06 465	1.13 380	16.64 380	1.12 261	1.25 372	3.50 221	3.05 484	4.29 428	3.26 469	3.64 470	2.56 414	2.97 366	4.79 473	13.33 512	16.91 511	0.37 286	0.41 391	0.38 333	0.39 372	0.48 343	0.81 437

DCRE	1.44 169	0.74 260	3.50 215	1.13 268	0.72 215	1.78 62	0.67 118	2.14 71	1.56 148	1.99 241	8.09 495	1.73 209	1.07 159	1.24 65	0.83 111	0.23 23	0.25 249	0.26 80	0.26 172	0.28 78	0.30 165

H2IRNET	1.90 236	0.53 59	14.29 351	1.14 269	0.60 165	4.48 431	0.44 40	2.65 131	1.81 227	1.05 98	2.30 381	1.67 196	1.40 229	2.17 211	1.50 280	0.36 278	0.21 139	0.33 253	0.37 353	0.34 195	0.29 139

ffm	1.72 209	0.60 127	5.21 246	1.14 269	0.99 306	3.62 248	0.86 236	4.22 398	3.37 475	2.20 320	2.30 381	3.48 407	1.62 291	2.21 217	0.65 43	0.29 141	0.16 7	0.48 389	0.37 353	0.30 113	0.29 139

ff1	2.96 405	0.60 127	5.21 246	1.14 269	0.99 306	3.62 248	0.86 236	4.22 398	3.37 475	2.20 320	2.30 381	3.48 407	1.62 291	11.62 478	16.09 505	0.29 141	0.16 7	0.48 389	0.37 353	0.30 113	0.29 139

mmx	2.98 411	0.60 127	5.21 246	1.14 269	0.99 306	3.62 248	0.86 236	4.49 477	3.05 449	2.20 320	2.30 381	3.48 407	1.62 291	11.62 478	16.09 505	0.33 235	0.28 283	0.48 389	0.37 353	0.44 317	0.37 244

xxx	2.98 411	0.60 127	5.21 246	1.14 269	0.99 306	3.62 248	0.86 236	4.49 477	3.05 449	2.20 320	2.30 381	3.48 407	1.62 291	11.62 478	16.09 505	0.33 235	0.28 283	0.48 389	0.37 353	0.44 317	0.37 244

iinet-f	2.26 294	1.18 390	13.71 335	1.14 269	1.11 335	3.77 271	1.10 344	4.14 381	2.17 302	2.06 273	1.76 235	2.99 368	2.99 423	2.50 231	2.49 406	0.35 267	0.39 379	0.27 106	0.28 227	0.45 325	0.39 265

test_5	1.87 229	0.75 272	10.23 300	1.14 269	1.40 402	3.85 294	1.27 375	3.91 312	1.93 251	1.69 167	1.78 243	1.67 196	1.79 334	2.99 264	1.17 206	0.30 180	0.18 45	0.35 290	0.33 308	0.34 195	0.33 197

DAS	2.31 308	0.67 205	4.79 240	1.14 269	1.64 444	2.93 138	2.13 453	4.09 365	2.74 408	4.17 484	2.52 409	2.46 318	1.79 334	11.55 475	1.63 309	0.37 286	0.22 168	0.39 336	0.25 154	0.41 280	0.34 210

SepStereo	2.15 279	0.67 205	4.79 240	1.14 269	1.64 444	2.93 138	2.13 453	4.09 365	2.74 408	4.17 484	2.52 409	2.46 318	1.79 334	8.36 373	1.63 309	0.37 286	0.22 168	0.39 336	0.25 154	0.41 280	0.34 210

UNet	2.51 353	0.74 260	20.17 460	1.14 269	1.44 411	3.48 214	0.76 169	3.77 275	1.87 239	2.05 268	1.57 173	2.75 345	2.39 393	3.51 273	2.51 408	0.32 219	0.26 262	0.41 352	0.26 172	0.38 241	0.39 265

acv_ft	1.55 177	0.64 174	3.29 206	1.14 269	2.01 480	2.93 138	0.97 308	3.81 282	2.08 278	2.22 331	1.88 287	3.10 377	1.66 311	1.33 86	2.22 383	0.29 141	0.26 262	0.30 176	0.26 172	0.39 251	0.27 110

DMCA	1.72 209	0.74 260	6.63 256	1.14 269	0.96 295	3.98 333	0.90 267	3.75 271	2.76 411	2.83 436	1.58 174	2.35 299	1.18 191	1.58 129	1.98 358	0.40 321	0.27 273	0.42 359	0.26 172	0.36 226	0.38 259

HSM	2.35 324	0.81 297	2.21 136	1.14 269	1.55 428	3.44 203	1.03 324	3.99 336	2.25 316	2.29 347	2.11 342	8.04 503	3.05 429	11.60 476	1.71 320	0.33 235	0.22 168	0.28 135	0.23 119	0.32 159	0.35 224

G2L-Stereo	2.49 350	0.94 342	14.54 354	1.15 282	1.35 390	3.57 239	0.95 299	3.62 245	2.00 262	2.11 284	1.61 186	3.20 384	1.34 217	9.54 398	1.91 347	0.34 247	0.27 273	0.35 290	0.28 227	0.30 113	0.35 224

MC-Stereo	1.06 91	0.48 28	1.55 71	1.15 282	0.41 49	4.56 454	0.61 88	2.06 63	1.46 76	1.90 213	1.61 186	0.89 88	1.12 172	1.35 89	0.73 78	0.25 56	0.18 45	0.26 80	0.22 106	0.25 37	0.24 62

qqq	1.30 153	0.57 95	1.67 80	1.15 282	0.51 113	2.18 90	0.91 275	3.98 332	1.53 125	1.50 138	1.24 86	1.79 224	1.34 217	4.66 299	0.98 171	0.28 121	0.31 316	0.33 253	0.33 308	0.33 177	0.32 183

NRIStereo	1.28 150	0.61 142	1.67 80	1.15 282	0.38 38	4.73 483	0.90 267	2.42 95	1.50 102	1.93 224	1.33 108	1.75 211	1.22 197	2.96 263	1.33 248	0.46 372	0.22 168	0.29 156	0.26 172	0.30 113	0.28 129

RAFT + AFF	2.51 353	2.66 480	4.48 237	1.15 282	1.95 477	4.15 367	2.01 447	4.46 472	3.30 473	2.19 317	2.51 408	2.22 285	4.87 475	8.91 384	2.06 366	0.30 180	0.60 455	0.48 389	0.38 366	0.77 435	0.69 411

NCCL2	2.53 357	1.35 422	10.90 310	1.15 282	0.97 299	3.53 228	2.56 468	3.65 249	2.23 311	2.76 429	1.80 249	2.41 306	1.66 311	10.35 427	2.07 369	0.44 358	0.40 384	0.57 431	0.53 434	0.59 381	0.65 404

AIO-test2	1.61 192	1.30 412	3.40 211	1.16 288	1.31 379	3.18 164	0.74 156	4.06 357	1.52 118	1.72 176	2.21 362	0.78 60	0.74 65	3.64 279	0.95 166	3.64 512	0.26 262	0.35 290	0.42 395	0.37 236	0.33 197

CSP-Net	1.78 220	1.32 418	1.92 102	1.16 288	1.03 316	3.38 194	1.31 379	3.52 229	1.75 218	1.96 232	1.93 303	2.40 304	1.48 256	8.58 378	1.58 295	0.46 372	0.34 343	0.27 106	0.26 172	0.41 280	0.50 348

DispNO	3.00 415	0.75 272	18.92 420	1.17 290	1.10 334	3.72 262	0.94 295	4.29 428	2.54 386	2.24 337	2.28 373	4.51 464	2.12 371	11.40 468	2.09 371	0.31 199	0.28 283	0.31 198	0.28 227	0.36 226	0.39 265

coex-ft	18.59 533	6.62 504	113.53 551	1.17 290	1.31 379	2.33 98	1.93 442	2.81 152	14.00 524	124.82 552	8.45 498	5.90 494	51.74 546	9.99 415	22.69 528	0.57 423	0.62 458	0.50 405	0.49 417	1.08 465	1.28 469

rafts_anoy	1.24 131	0.80 293	3.61 222	1.17 290	1.20 360	3.00 145	0.61 88	3.17 185	1.58 157	1.37 123	1.26 93	1.19 134	1.12 172	1.78 168	1.25 227	0.32 219	0.23 195	0.32 218	0.32 300	0.31 133	0.30 165

FADNet	2.49 350	1.76 454	13.17 326	1.17 290	0.95 294	3.27 180	0.88 258	3.94 321	2.27 321	1.40 127	1.29 102	2.51 323	2.06 366	9.93 412	1.94 351	0.43 351	0.45 409	0.40 342	0.43 398	1.06 461	0.53 363

ADCRef	3.30 438	1.23 405	14.90 359	1.17 290	1.41 409	3.95 321	1.64 422	3.88 301	2.36 343	3.05 450	2.21 362	2.40 304	2.81 417	5.04 304	16.63 510	0.46 372	0.34 343	0.63 448	0.62 451	0.54 365	0.67 406

AANet_RVC	3.03 419	1.72 451	12.78 324	1.17 290	1.12 337	3.79 276	1.10 344	3.86 295	3.13 455	2.62 413	4.26 474	3.96 437	1.41 234	11.43 471	5.23 456	0.94 468	0.47 422	0.34 271	0.23 119	0.40 256	0.55 373

Wz-Net-LNSev	2.30 307	1.67 450	14.88 358	1.18 296	1.65 448	3.49 217	1.54 414	3.63 246	2.03 266	1.88 206	1.64 193	3.29 392	2.06 366	2.71 255	2.02 362	0.40 321	0.33 331	0.32 218	0.31 289	0.53 362	0.49 341

aanetorigin	3.30 438	1.66 448	17.52 398	1.18 296	1.58 436	2.57 112	3.80 503	2.65 131	2.03 266	6.12 504	4.30 475	2.82 356	5.70 484	5.47 314	4.67 447	0.50 400	0.44 404	0.43 363	0.47 409	1.17 475	0.92 449

testlalala_base	1.62 194	0.74 260	1.63 77	1.19 298	1.40 402	2.63 116	0.84 224	4.09 365	1.31 45	1.22 111	1.42 133	1.21 139	0.85 99	1.16 46	0.73 78	3.92 518	2.10 506	0.27 106	0.18 31	4.49 517	1.11 463

EDNetEfficientorigin	12.35 525	2.51 474	179.47 553	1.19 298	0.96 295	2.91 133	1.81 435	3.00 166	5.35 506	8.91 517	4.79 478	4.18 450	4.64 472	9.98 414	11.30 488	0.37 286	0.38 370	0.60 440	0.85 471	1.32 482	2.43 502

CSAN	4.71 478	1.39 427	20.23 462	1.19 298	0.87 271	3.65 254	3.50 495	4.57 486	3.87 487	3.89 476	7.82 492	3.54 421	6.16 492	23.47 535	6.82 464	0.52 412	0.45 409	0.49 402	0.52 430	0.63 395	0.66 405

PSMNet_ROB	2.95 402	1.38 425	18.46 413	1.19 298	1.20 360	3.80 278	1.65 425	3.54 234	2.35 340	1.98 236	1.71 215	2.75 345	1.79 334	11.43 471	2.78 422	0.42 346	0.36 351	0.50 405	0.60 447	0.59 381	0.49 341

ITSA-stereo	1.86 228	0.72 241	3.74 226	1.20 302	0.66 191	4.09 352	0.91 275	4.24 410	2.53 382	1.93 224	1.77 240	1.59 188	2.15 375	6.12 332	2.44 402	0.40 321	0.38 370	0.40 342	0.40 383	0.50 351	0.98 455

1111x	3.13 428	0.57 95	8.38 275	1.20 302	0.76 229	3.80 278	0.88 258	4.61 489	2.63 395	2.31 357	2.16 351	1.95 251	1.81 342	11.54 474	18.13 518	0.32 219	0.31 316	0.32 218	0.30 273	0.35 213	0.34 210

ssnet_v2	2.04 265	0.88 322	7.87 267	1.20 302	0.87 271	3.86 296	1.64 422	4.01 340	2.60 392	2.61 412	1.96 305	3.79 429	1.71 322	2.20 215	2.96 426	0.41 335	0.35 347	0.42 359	0.37 353	0.55 367	0.52 361

ADLNet2	3.15 431	0.92 332	20.06 453	1.20 302	1.79 467	3.83 282	1.48 404	3.94 321	3.59 481	2.19 317	2.47 403	4.65 473	1.93 359	10.69 438	1.96 356	0.39 315	0.37 364	0.28 135	0.30 273	0.48 343	0.43 304

GEStereo_RVC	1.91 240	0.80 293	6.57 255	1.20 302	1.06 324	4.02 339	1.43 402	4.13 375	1.89 245	2.03 264	1.80 249	2.34 297	1.86 351	4.94 303	1.77 331	0.48 385	0.38 370	0.32 218	0.28 227	0.42 299	0.50 348

BEATNet_4x	1.92 243	1.36 423	8.75 281	1.20 302	0.56 141	3.46 208	1.03 324	4.00 338	2.43 363	2.25 340	1.70 211	2.10 278	1.59 283	2.57 245	3.05 430	0.37 286	0.22 168	0.47 381	0.29 255	0.60 385	0.40 285

StereoDRNet-Refined	1.77 219	0.81 297	2.22 139	1.21 308	0.76 229	3.26 178	0.71 136	3.82 285	2.05 273	2.29 347	2.05 329	2.98 367	1.44 245	7.15 354	2.27 387	0.30 180	0.23 195	0.42 359	0.33 308	0.45 325	0.64 402
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
CBMV_ROB	3.62 448	0.70 226	21.42 508	1.21 308	0.89 279	4.43 427	1.76 431	4.39 460	2.79 415	5.88 501	3.38 461	4.18 450	5.12 477	10.75 439	2.32 390	0.56 421	0.55 442	0.53 418	0.51 427	0.55 367	0.46 326

MSMD_ROB	5.61 492	1.08 371	16.68 381	1.21 308	0.83 253	10.14 518	2.07 451	3.93 318	6.22 512	10.37 525	8.03 494	22.22 528	9.45 514	11.66 484	4.52 446	0.66 440	0.58 450	0.66 454	0.68 457	0.65 405	0.63 399

MyStereo8	2.33 315	1.13 380	19.26 428	1.22 311	1.62 440	4.16 376	0.57 71	3.50 225	2.36 343	2.15 302	1.75 226	2.28 288	1.14 180	1.46 112	2.20 382	0.24 35	0.21 139	0.32 218	0.27 198	0.36 226	0.43 304

IGEV_Zeroshot_test	2.16 280	0.69 216	20.60 483	1.22 311	0.54 131	2.18 90	0.53 61	3.38 213	1.61 177	1.93 224	1.55 168	3.76 428	1.05 150	1.55 125	0.91 148	0.29 141	0.20 108	0.27 106	0.29 255	0.40 256	0.32 183

xxxx	2.67 378	0.54 69	2.03 112	1.22 311	0.81 242	3.49 217	0.63 102	4.49 477	2.49 376	2.22 331	2.23 365	2.05 271	1.38 222	10.05 418	17.91 516	0.32 219	0.32 324	0.30 176	0.27 198	0.33 177	0.34 210

GwcNet-RSSM	2.66 376	1.05 363	15.91 371	1.22 311	1.19 355	4.12 360	1.12 348	3.84 289	2.02 264	1.93 224	1.79 246	3.12 380	1.46 252	10.37 428	2.05 365	0.33 235	0.27 273	0.35 290	0.30 273	0.40 256	0.36 230

HGLStereo	2.03 263	0.74 260	7.50 266	1.23 315	1.56 431	3.62 248	0.95 299	3.78 278	1.89 245	2.03 264	2.20 360	3.12 380	2.14 374	5.68 320	2.04 363	0.37 286	0.31 316	0.32 218	0.29 255	0.40 256	0.45 316

DMCA-RVC	2.45 340	1.22 401	18.29 407	1.23 315	1.14 340	2.49 107	0.85 233	3.29 199	1.68 194	3.02 447	1.41 131	2.00 263	1.53 275	6.39 337	2.00 359	0.38 303	0.30 306	0.44 367	0.35 331	0.45 325	0.44 310

FCDSN-DC	6.04 499	0.84 311	19.25 426	1.24 317	1.09 332	4.38 414	2.62 470	4.38 458	4.71 499	9.59 522	11.22 513	19.19 523	17.40 526	12.30 500	8.55 477	0.69 449	0.57 445	0.60 440	0.60 447	0.70 418	0.78 432
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DLCB_ROB	2.05 267	0.95 344	2.37 156	1.24 317	1.02 315	2.92 135	1.30 378	3.68 256	2.30 328	2.91 438	2.17 354	3.32 396	1.52 268	10.37 428	2.50 407	0.40 321	0.33 331	0.40 342	0.36 341	0.41 280	0.47 331

GANet-ADL	2.20 285	0.73 252	20.11 458	1.25 319	0.69 209	3.83 282	0.76 169	3.49 222	1.71 204	1.65 162	1.99 315	2.10 278	1.10 168	1.42 101	1.26 230	0.38 303	0.33 331	0.25 59	0.22 106	0.42 299	0.36 230

RALAANet	1.28 150	1.08 371	3.21 201	1.25 319	0.94 291	1.44 43	0.69 128	3.15 182	2.57 389	2.01 255	1.80 249	1.29 149	1.05 150	2.00 192	1.48 276	0.27 84	0.20 108	0.27 106	0.24 143	0.40 256	0.27 110

UPFNet	1.81 224	0.63 161	6.71 257	1.25 319	1.44 411	3.50 221	1.35 383	4.02 344	1.85 237	2.40 381	1.52 155	2.41 306	1.40 229	3.62 277	1.88 343	0.34 247	0.33 331	0.37 317	0.31 289	0.41 280	0.39 265

FAT-Stereo	3.34 441	0.81 297	20.05 452	1.25 319	1.20 360	3.44 203	1.99 446	4.23 402	2.67 401	3.14 455	3.82 470	3.51 416	3.32 441	11.68 486	1.94 351	0.64 435	0.67 466	0.48 389	0.52 430	0.61 390	0.81 437

NCC-stereo	3.16 432	1.28 410	18.31 409	1.25 319	1.75 462	4.06 345	1.40 395	3.89 303	2.22 309	2.72 426	2.55 412	3.49 413	2.65 409	9.91 410	2.99 427	1.29 488	0.65 462	0.64 451	0.86 472	0.65 405	0.71 415

Abc-Net	3.16 432	1.28 410	18.31 409	1.25 319	1.75 462	4.06 345	1.40 395	3.89 303	2.22 309	2.72 426	2.55 412	3.49 413	2.65 409	9.91 410	2.99 427	1.29 488	0.65 462	0.64 451	0.86 472	0.65 405	0.71 415
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DDVS	1.68 205	0.79 289	2.52 164	1.26 325	1.16 346	3.17 163	0.78 186	3.12 179	1.82 228	1.86 201	1.91 299	2.92 365	1.43 242	6.20 333	1.63 309	0.45 367	0.65 462	0.34 271	0.38 366	0.48 343	0.79 435

RAFT-RH_RVC	2.63 372	0.55 75	19.97 450	1.26 325	0.47 93	4.46 429	0.57 71	1.71 34	1.64 184	3.06 451	5.51 483	2.03 267	1.28 206	6.70 345	1.52 288	0.42 346	0.22 168	0.37 317	0.34 316	0.28 78	0.29 139

raftrobust	1.19 113	0.72 241	2.30 149	1.26 325	1.31 379	3.55 233	0.68 123	2.75 144	1.47 81	2.21 328	1.38 124	1.17 126	1.22 197	1.20 60	1.11 194	0.28 121	0.24 228	0.21 5	0.19 47	0.25 37	0.28 129

psm_up	2.28 301	0.81 297	5.45 250	1.26 325	1.50 419	3.84 287	1.23 371	4.23 402	2.03 266	2.55 399	1.80 249	2.44 315	1.65 309	12.90 509	1.58 295	0.37 286	0.38 370	0.41 352	0.34 316	0.43 309	0.39 265

MFN_U_SF_DS_RVC	3.94 460	10.88 525	12.30 322	1.26 325	1.55 428	5.19 497	3.33 491	4.42 464	2.82 427	2.58 406	2.62 420	5.00 481	2.11 370	14.03 522	2.73 419	1.28 487	2.34 514	0.67 456	1.83 505	0.81 442	1.03 457

ADCMid	3.96 461	3.27 487	15.48 369	1.26 325	1.40 402	4.66 467	2.28 458	4.06 357	3.54 480	3.94 477	3.02 446	3.85 432	3.67 453	4.03 290	18.65 521	0.68 446	0.61 457	1.09 485	1.18 490	1.38 483	1.08 460

SANet	5.65 494	1.72 451	20.94 493	1.26 325	0.88 274	7.20 510	3.81 504	4.60 488	11.23 518	4.56 491	8.78 502	7.49 500	6.95 499	11.85 494	18.11 517	0.49 397	0.44 404	0.50 405	0.42 395	0.90 450	0.82 441

ISRNet	1.69 206	0.76 277	5.69 252	1.27 332	1.36 393	2.85 126	0.61 88	3.60 241	1.91 249	2.13 291	2.12 345	2.90 360	1.41 234	2.51 234	1.71 320	0.49 397	0.50 433	0.56 428	0.47 409	0.49 349	0.57 379

edge stereo	3.37 443	1.01 356	21.99 517	1.28 333	1.37 395	2.67 117	1.39 393	3.98 332	2.87 430	2.93 440	3.27 459	4.35 458	2.43 396	11.62 478	2.39 393	0.60 427	0.63 460	0.79 470	0.55 437	0.68 415	0.67 406

ADCPNet	3.89 457	1.63 444	20.25 466	1.28 333	1.27 375	6.43 506	2.65 471	3.93 318	2.70 404	2.78 431	2.20 360	4.28 456	6.16 492	5.56 317	10.27 484	0.65 438	1.18 489	0.71 460	1.70 500	0.84 446	1.37 475

AdaStereo	1.45 171	0.83 307	2.34 155	1.28 333	0.81 242	3.21 166	1.14 353	4.20 390	2.46 371	2.05 268	1.77 240	2.48 320	1.18 191	1.71 160	1.44 264	0.43 351	0.25 249	0.43 363	0.28 227	0.44 317	0.34 210
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.
G2L-Stereo_aug	2.62 370	0.63 161	18.80 417	1.29 336	1.11 335	3.13 159	0.89 261	3.65 249	1.84 235	2.21 328	2.16 351	3.04 372	2.10 369	7.62 363	2.39 393	0.28 121	0.21 139	0.32 218	0.20 61	0.30 113	0.33 197

test_sample5	2.33 315	0.62 152	11.29 313	1.29 336	0.83 253	3.09 156	0.74 156	4.28 425	2.31 332	2.20 320	1.97 311	1.68 198	1.39 225	11.19 462	1.47 273	0.37 286	0.31 316	0.37 317	0.37 353	0.41 280	0.39 265

DualNet	2.33 315	0.62 152	11.29 313	1.29 336	0.83 253	3.09 156	0.74 156	4.28 425	2.31 332	2.26 343	2.04 323	1.68 198	1.39 225	11.19 462	1.47 273	0.37 286	0.31 316	0.37 317	0.37 353	0.41 280	0.39 265

GMStereo_Zeroshot	1.41 167	1.21 395	3.33 209	1.29 336	0.72 215	3.35 191	0.53 61	2.58 124	1.68 194	2.35 369	1.56 171	2.42 309	0.96 125	2.50 231	1.16 203	0.45 367	0.23 195	0.40 342	0.24 143	0.79 439	0.33 197

FINET	2.96 405	1.07 369	23.18 526	1.29 336	1.86 472	2.03 78	1.52 409	4.30 436	4.71 499	2.23 335	2.34 395	1.65 194	1.48 256	5.89 325	2.81 424	0.51 406	0.47 422	0.49 402	0.40 383	0.59 381	0.49 341

PSMNet-RSSM	1.96 250	0.77 280	3.26 204	1.29 336	1.31 379	4.19 388	0.96 305	3.68 256	1.89 245	2.05 268	1.80 249	2.60 331	1.70 320	9.84 407	1.81 335	0.35 267	0.29 293	0.35 290	0.37 353	0.42 299	0.35 224

ADCL	4.35 471	1.63 444	14.21 349	1.29 336	1.26 374	5.56 501	11.16 520	3.97 330	3.37 475	6.07 502	4.67 477	4.30 457	5.72 485	5.08 306	14.51 500	0.50 400	0.48 428	0.89 476	0.77 465	0.78 437	0.76 428

TDLM	2.29 304	1.08 371	4.61 239	1.29 336	1.01 314	4.26 399	2.17 455	3.75 271	2.79 415	2.31 357	1.98 313	2.06 273	1.59 283	12.45 504	1.72 322	0.51 406	0.28 283	0.52 414	0.35 331	0.56 373	0.50 348

test_sample4	2.34 319	0.63 161	11.59 316	1.30 344	0.83 253	3.07 154	0.72 139	4.27 420	2.30 328	2.30 351	1.88 287	1.73 209	1.42 239	11.14 461	1.46 268	0.35 267	0.29 293	0.35 290	0.36 341	0.40 256	0.38 259

Wz-Net-LNSev-Ref	2.42 336	1.47 435	14.14 347	1.30 344	1.35 390	3.51 224	1.64 422	4.04 349	2.10 289	2.46 387	1.88 287	2.28 288	2.51 402	4.73 302	3.17 432	0.38 303	0.19 74	0.35 290	0.20 61	0.40 256	0.36 230

XX-TBD	1.03 88	0.95 344	1.94 103	1.30 344	0.43 61	3.97 331	0.33 11	1.74 36	1.73 210	1.59 146	2.02 319	0.69 39	0.60 32	1.16 46	0.66 48	0.30 180	0.25 249	0.23 17	0.15 4	0.31 133	0.22 40

coex_refinement	2.10 273	0.85 315	3.67 225	1.31 347	1.13 339	3.21 166	0.85 233	3.86 295	2.31 332	2.51 394	1.92 301	3.49 413	1.69 318	11.08 458	2.13 376	0.37 286	0.25 249	0.27 106	0.31 289	0.41 280	0.37 244

SDNR	3.97 462	1.93 460	20.28 468	1.31 347	0.94 291	5.16 496	0.67 118	4.33 445	2.58 390	4.82 495	5.94 486	5.01 482	1.45 249	17.52 526	2.53 410	0.79 456	0.72 473	0.59 435	0.45 404	1.15 473	1.17 465

APVNet	3.13 428	1.25 407	21.14 498	1.31 347	1.52 422	3.94 316	1.13 351	3.32 206	2.14 296	2.20 320	2.03 320	3.05 376	1.96 360	11.79 491	2.53 410	0.42 346	0.45 409	0.64 451	0.46 406	0.67 412	0.57 379

GIP-stereo	0.88 47	0.50 37	1.34 49	1.32 350	0.94 291	2.90 130	0.42 33	3.41 216	1.06 20	0.63 22	0.76 23	0.90 90	0.76 72	0.91 7	0.52 22	0.27 84	0.18 45	0.25 59	0.16 12	0.25 37	0.19 4

GwcNet	3.00 415	1.63 444	19.83 444	1.32 350	2.04 484	3.27 180	1.55 415	3.65 249	2.33 337	2.00 253	2.12 345	3.56 422	1.68 317	9.47 396	2.45 403	0.44 358	0.45 409	0.46 378	0.38 366	0.60 385	0.76 428

ac_64	2.35 324	0.62 152	9.77 292	1.32 350	1.71 458	3.27 180	0.93 290	3.48 219	2.50 377	1.74 180	1.73 220	3.91 434	1.77 331	10.21 423	1.86 341	0.40 321	0.31 316	0.33 253	0.30 273	0.34 195	0.39 265

NVstereo2D	2.54 359	0.90 325	11.10 311	1.32 350	1.47 415	3.58 240	1.38 392	4.13 375	2.45 368	1.90 213	1.71 215	2.86 358	1.76 329	10.86 444	1.66 315	0.60 427	0.43 399	0.53 418	0.41 389	0.78 437	0.94 451

CBMV	3.32 440	0.96 350	21.16 500	1.32 350	0.83 253	3.81 280	3.91 506	4.47 473	2.53 382	3.34 464	2.24 366	4.45 461	2.58 406	10.07 419	1.96 356	0.45 367	0.43 399	0.48 389	0.38 366	0.52 356	0.53 363
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ACV-stereo	2.92 400	0.92 332	20.27 467	1.33 355	1.05 321	4.68 470	1.10 344	2.66 133	1.64 184	1.46 133	1.32 107	5.41 491	4.24 465	7.83 368	1.90 346	0.44 358	0.52 435	0.32 218	0.29 255	0.45 325	0.63 399

test_sample6	2.35 324	0.62 152	10.78 308	1.33 355	0.83 253	3.15 162	0.79 193	4.36 454	2.43 363	2.26 343	2.04 323	1.69 203	1.39 225	11.48 473	1.61 302	0.38 303	0.32 324	0.37 317	0.39 372	0.41 280	0.42 295

test_sample3	2.34 319	0.61 142	11.94 319	1.33 355	0.85 261	3.10 158	0.73 144	4.24 410	2.19 305	2.21 328	1.75 226	1.80 227	1.41 234	11.11 460	1.46 268	0.35 267	0.29 293	0.34 271	0.35 331	0.39 251	0.37 244

AF-Net	2.87 395	1.30 412	16.24 374	1.33 355	1.75 462	3.26 178	1.59 417	4.09 365	2.43 363	2.69 424	2.94 442	4.51 464	3.20 436	5.84 324	2.75 421	0.76 454	0.36 351	0.72 464	0.49 417	0.70 418	0.56 375

DeepPrunerF	3.70 451	1.72 451	14.87 357	1.33 355	1.74 461	3.70 259	1.55 415	4.20 390	14.00 524	2.02 260	1.77 240	2.74 343	2.30 386	10.88 445	6.88 466	0.68 446	0.60 455	0.78 469	0.78 468	0.81 442	0.71 415

StereoDRNet	2.84 391	1.49 437	14.48 353	1.33 355	1.57 435	3.44 203	2.06 449	3.69 261	2.36 343	3.26 461	1.84 273	2.79 355	1.80 339	10.88 445	3.16 431	0.41 335	0.33 331	0.39 336	0.36 341	0.59 381	0.58 384

PWC_ROB	2.69 383	2.01 464	8.36 274	1.33 355	1.90 475	3.23 170	1.18 360	4.33 445	3.25 468	3.11 453	3.41 462	2.71 340	2.18 382	9.15 390	4.48 445	0.56 421	0.31 316	0.61 443	0.36 341	0.69 417	0.74 423

Syn2CoEx	3.08 423	2.55 479	19.88 446	1.34 362	1.18 348	2.43 103	1.65 425	3.91 312	2.40 358	2.39 379	2.27 370	2.90 360	3.17 435	9.57 401	2.54 412	0.50 400	0.45 409	0.53 418	0.39 372	0.74 431	0.72 421

CFNet	2.34 319	1.10 375	8.96 282	1.34 362	1.24 369	4.09 352	0.73 144	4.04 349	2.77 412	1.62 154	1.87 286	2.27 287	1.45 249	11.41 469	1.82 336	0.31 199	0.24 228	0.43 363	0.36 341	0.43 309	0.33 197

HITNet	2.07 270	0.82 304	14.77 355	1.34 362	0.56 141	3.47 211	0.80 203	4.07 359	2.35 340	2.16 307	1.61 186	1.64 193	1.44 245	2.09 202	2.56 414	0.26 69	0.18 45	0.41 352	0.26 172	0.45 325	0.25 72
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
MeshStereo	5.35 488	1.32 418	21.34 505	1.34 362	1.15 342	4.40 421	3.90 505	5.18 502	4.55 496	10.14 524	11.82 517	11.47 509	5.84 486	13.84 520	7.03 468	0.61 429	0.58 450	0.60 440	0.58 443	0.72 430	0.59 388
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
AASNet	2.44 339	0.92 332	19.79 442	1.35 366	1.49 417	3.81 280	1.07 333	3.85 292	2.93 437	1.95 229	2.29 376	1.96 256	1.29 209	1.73 162	1.93 349	0.39 315	0.33 331	0.45 373	0.30 273	0.55 367	0.45 316

raft+_RVC	1.21 121	0.83 307	2.61 172	1.35 366	0.97 299	3.60 243	0.76 169	3.23 192	1.51 109	1.33 116	1.67 202	1.03 110	1.10 168	1.87 183	0.92 151	0.24 35	0.22 168	0.25 59	0.24 143	0.26 50	0.25 72

ADLNet	2.29 304	0.83 307	3.62 223	1.35 366	1.60 437	3.67 256	1.24 373	3.95 323	2.98 443	2.58 406	2.29 376	4.01 440	1.79 334	11.23 464	2.09 371	0.37 286	0.38 370	0.36 305	0.34 316	0.45 325	0.71 415

FENet	2.25 292	0.50 37	20.29 469	1.35 366	0.67 198	4.01 337	0.60 84	3.95 323	1.99 258	1.96 232	1.11 64	2.43 312	1.43 242	1.60 136	1.39 254	0.32 219	0.22 168	0.33 253	0.26 172	0.29 90	0.39 265

Nwc_Net	2.88 397	1.16 388	18.30 408	1.35 366	1.68 455	3.52 227	1.18 360	3.90 308	2.06 275	2.52 396	2.82 439	3.82 431	2.34 390	6.78 349	2.55 413	0.86 465	0.40 384	0.59 435	0.67 454	0.57 377	0.55 373

DRN-Test	3.03 419	0.99 352	18.18 404	1.35 366	1.60 437	3.59 241	1.48 404	4.13 375	2.45 368	3.47 469	1.92 301	2.58 330	2.53 403	10.88 445	2.80 423	0.39 315	0.36 351	0.44 367	0.41 389	0.55 367	0.57 379

YMNet	2.40 332	1.41 430	13.46 331	1.36 372	1.67 452	3.96 326	0.97 308	3.81 282	2.37 349	2.64 417	2.57 416	3.35 398	1.53 275	3.28 268	2.42 399	0.48 385	0.54 438	0.52 414	0.49 417	0.70 418	0.54 369

YMNet_1	2.40 332	1.41 430	13.46 331	1.36 372	1.67 452	3.96 326	0.97 308	3.81 282	2.37 349	2.64 417	2.57 416	3.35 398	1.53 275	3.28 268	2.42 399	0.48 385	0.54 438	0.52 414	0.49 417	0.70 418	0.54 369

SMFormer	2.00 258	0.57 95	4.46 233	1.36 372	0.57 152	2.03 78	0.73 144	4.25 412	2.80 419	2.32 361	2.31 388	1.95 251	1.52 268	10.99 451	2.13 376	0.34 247	0.32 324	0.36 305	0.31 289	0.38 241	0.36 230

tta	2.00 258	0.57 95	4.46 233	1.36 372	0.57 152	2.03 78	0.73 144	4.25 412	2.80 419	2.32 361	2.31 388	1.95 251	1.52 268	10.99 451	2.13 376	0.34 247	0.32 324	0.36 305	0.31 289	0.29 90	0.29 139

qqq1	1.92 243	0.57 95	4.46 233	1.36 372	0.57 152	2.03 78	0.73 144	4.25 412	2.80 419	2.32 361	2.31 388	1.95 251	1.52 268	10.99 451	0.71 71	0.34 247	0.32 324	0.30 176	0.23 119	0.29 90	0.29 139

fff1	1.92 243	0.57 95	4.46 233	1.36 372	0.57 152	2.03 78	0.73 144	4.25 412	2.80 419	2.32 361	2.31 388	1.95 251	1.52 268	10.99 451	0.71 71	0.34 247	0.32 324	0.30 176	0.23 119	0.29 90	0.29 139

S-Stereo	3.48 445	0.91 330	22.06 519	1.36 372	1.50 419	3.55 233	2.53 467	4.21 395	2.81 425	2.37 374	3.81 469	3.75 427	1.84 346	11.90 496	2.51 408	0.63 432	0.71 472	0.48 389	0.76 463	0.67 412	1.19 467

XQC	2.96 405	2.42 473	14.85 356	1.36 372	1.32 384	3.29 188	1.53 411	4.28 425	2.78 413	3.21 459	2.46 401	3.53 418	2.92 421	6.58 340	4.67 447	0.70 450	0.41 391	0.59 435	0.56 439	0.96 457	0.83 442

UCFNet_RVC	1.57 183	0.84 311	3.25 203	1.36 372	1.40 402	4.07 350	1.01 319	2.68 134	1.50 102	2.11 284	1.88 287	2.37 302	1.50 263	3.41 271	1.42 261	0.36 278	0.28 283	0.52 414	0.40 383	0.53 362	0.43 304

XPNet_ROB	2.27 296	1.11 378	4.10 230	1.36 372	0.97 299	3.94 316	1.63 420	4.07 359	2.14 296	2.82 435	2.00 317	2.32 296	1.73 327	10.81 443	3.39 434	0.51 406	0.47 422	0.48 389	0.40 383	0.51 353	0.56 375

ASMatch	2.62 370	0.60 127	20.65 484	1.37 382	0.64 177	4.39 417	0.78 186	1.97 56	1.58 157	1.70 171	3.89 471	1.94 249	3.79 455	5.46 313	1.64 312	0.31 199	0.24 228	0.34 271	0.28 227	0.33 177	0.50 348

stereogan	3.09 424	0.93 336	16.43 377	1.37 382	1.66 451	3.70 259	1.67 427	3.87 298	3.15 459	3.04 448	2.70 428	5.04 483	2.79 415	9.96 413	1.78 333	0.63 432	0.49 432	0.69 457	0.47 409	0.83 445	0.68 409

UDGNet	1.40 165	1.52 439	2.22 139	1.38 384	0.62 173	4.39 417	0.68 123	1.80 42	2.18 304	1.34 117	1.18 73	0.99 104	1.00 136	2.16 209	1.19 209	1.09 474	0.34 343	1.30 490	0.98 480	1.10 466	0.58 384

PA-Net	3.09 424	1.24 406	18.84 418	1.38 384	1.19 355	3.42 201	1.75 430	3.89 303	3.27 472	1.88 206	2.10 338	3.03 371	1.88 355	11.60 476	2.88 425	0.40 321	0.54 438	0.44 367	0.62 451	0.52 356	1.02 456
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MM-Stereo_test1	1.90 236	0.53 59	19.85 445	1.39 386	0.48 101	1.81 65	0.79 193	3.00 166	1.82 228	1.69 167	1.09 61	0.87 83	0.97 128	1.45 108	0.74 82	0.24 35	0.21 139	0.27 106	0.24 143	0.35 213	0.24 62

DPSNet	3.43 444	1.37 424	12.19 320	1.39 386	1.24 369	4.15 367	2.06 449	4.51 481	3.34 474	2.69 424	1.96 305	3.52 417	5.56 483	10.68 437	9.68 481	0.93 467	0.73 474	0.40 342	0.37 353	1.06 461	0.86 443

iResNet_ROB	1.89 234	1.02 357	8.60 278	1.39 386	0.98 303	3.72 262	0.66 117	3.84 289	2.65 398	1.88 206	2.05 329	1.98 260	1.27 204	4.52 297	1.67 316	0.30 180	0.20 108	0.28 135	0.18 31	0.31 133	0.40 285

Consistency-Raft	2.86 392	1.66 448	19.61 436	1.40 389	1.75 462	3.84 287	1.32 380	4.07 359	2.25 316	1.78 186	2.67 425	1.82 233	4.41 468	1.94 189	2.06 366	0.83 463	0.94 483	1.03 480	1.12 486	1.70 490	1.09 461

test_sample2	1.75 216	0.56 86	2.25 142	1.41 390	0.80 239	2.91 133	0.86 236	4.05 353	2.04 270	1.91 218	1.39 126	1.57 184	1.55 280	10.65 436	1.06 182	0.32 219	0.28 283	0.32 218	0.30 273	0.36 226	0.33 197

mmm	1.27 147	0.58 108	2.20 134	1.41 390	0.68 203	2.39 101	0.85 233	3.90 308	1.63 183	2.20 320	1.84 273	1.28 146	1.50 263	1.91 186	0.89 137	0.31 199	0.27 273	0.45 373	0.37 353	0.38 241	0.34 210

ttt	2.76 386	0.56 86	2.28 148	1.41 390	1.21 366	3.67 256	0.77 182	4.59 487	2.94 438	2.35 369	2.30 381	2.45 316	1.54 278	11.25 465	15.56 503	0.43 351	0.36 351	0.37 317	0.33 308	0.40 256	0.40 285

fast-acv-ft	2.54 359	1.19 392	20.08 456	1.41 390	1.40 402	3.18 164	1.17 359	3.37 212	2.28 324	1.90 213	2.15 350	2.69 337	2.17 380	2.91 259	2.31 389	0.37 286	0.39 379	0.45 373	0.39 372	0.57 377	0.45 316

MM-Stereo_test2	1.79 221	0.53 59	20.16 459	1.43 394	0.47 93	2.57 112	0.73 144	1.67 30	1.47 81	0.94 83	0.96 41	0.84 73	0.79 85	1.16 46	0.68 55	0.24 35	0.17 18	0.25 59	0.22 106	0.30 113	0.22 40

WZ-Net	3.62 448	4.87 496	16.77 384	1.43 394	1.40 402	3.75 268	2.29 459	4.12 374	2.50 377	2.74 428	2.19 358	4.06 443	5.29 480	10.19 422	7.36 470	0.54 417	0.37 364	0.47 381	0.49 417	0.77 435	0.73 422

STTStereo	2.34 319	0.95 344	14.93 361	1.43 394	1.54 424	3.86 296	0.86 236	3.65 249	2.44 367	2.15 302	1.55 168	2.49 322	1.59 283	5.14 307	1.44 264	0.38 303	0.39 379	0.47 381	0.51 427	0.52 356	0.51 356

test_sample1	1.62 194	0.55 75	1.88 97	1.44 397	0.79 237	2.27 94	0.64 105	4.00 338	1.82 228	1.87 203	1.35 116	1.57 184	1.62 291	9.55 400	1.24 224	0.30 180	0.27 273	0.31 198	0.28 227	0.32 159	0.32 183

x	1.15 106	0.57 95	1.53 67	1.44 397	0.67 198	1.94 74	0.97 308	3.87 298	1.57 154	1.61 152	1.28 100	1.58 186	1.22 197	1.93 187	1.04 180	0.28 121	0.30 306	0.34 271	0.29 255	0.32 159	0.31 174

SACVNet	2.46 343	1.14 384	9.47 290	1.44 397	1.18 348	4.06 345	1.49 408	3.84 289	2.24 313	2.62 413	1.89 293	2.57 328	1.28 206	11.35 467	1.64 312	0.50 400	0.39 379	0.48 389	0.41 389	0.55 367	0.75 426

SST-Stereo	1.76 217	0.58 108	3.10 197	1.44 397	0.46 83	4.71 482	0.76 169	2.22 79	2.79 415	2.07 276	2.18 356	2.43 312	3.22 437	6.66 344	0.84 114	0.42 346	0.19 74	0.30 176	0.27 198	0.35 213	0.26 96

AACVNet	1.83 225	1.02 357	2.41 160	1.45 401	0.87 271	3.21 166	0.73 144	3.16 183	1.61 177	2.01 255	1.82 267	2.28 288	1.33 216	10.98 450	1.49 279	0.39 315	0.32 324	0.38 333	0.32 300	0.43 309	0.44 310

SuperB	4.79 480	4.41 495	21.08 497	1.45 401	1.08 328	3.91 304	3.08 486	4.18 386	3.01 446	2.50 392	2.10 338	2.75 345	3.49 450	8.80 381	19.60 525	0.44 358	0.33 331	0.53 418	0.39 372	12.01 535	0.64 402

RAFT_R40	1.70 208	0.59 115	2.99 193	1.46 403	0.46 83	4.74 486	0.98 314	2.23 80	1.56 148	2.02 260	2.35 396	2.71 340	2.56 405	6.71 347	0.90 141	0.40 321	0.19 74	0.30 176	0.27 198	0.33 177	0.26 96

RGC	3.10 426	1.45 434	14.90 359	1.46 403	1.79 467	3.33 190	1.39 393	4.04 349	2.26 319	2.77 430	3.26 458	4.00 439	2.71 412	11.63 483	2.62 417	0.82 461	0.46 418	0.79 470	0.79 469	0.71 427	0.78 432

CVANet_RVC	2.55 363	1.10 375	9.13 288	1.46 403	1.15 342	3.96 326	1.53 411	3.91 312	2.50 377	3.04 448	2.04 323	2.60 331	1.72 324	12.46 505	1.50 280	0.49 397	0.30 306	0.51 408	0.41 389	0.63 395	0.50 348

TCMNet	2.98 411	1.30 412	18.26 406	1.47 406	2.09 485	3.84 287	1.08 338	3.96 328	2.39 357	2.53 397	2.29 376	2.43 312	1.75 328	10.09 420	2.39 393	0.52 412	0.45 409	0.61 443	0.50 423	0.80 441	0.78 432

NVStereoNet_ROB	4.91 483	1.40 428	16.46 378	1.47 406	1.72 460	3.46 208	1.96 443	3.89 303	3.61 482	2.90 437	24.61 533	4.81 475	4.49 470	13.57 516	4.87 452	1.33 491	1.29 494	1.70 495	1.68 498	1.41 485	1.66 483
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
test_sample7	1.65 200	0.70 226	2.60 169	1.48 408	0.76 229	2.38 99	1.07 333	4.35 449	2.11 291	2.14 294	1.75 226	1.75 211	1.67 313	6.26 335	1.26 230	0.44 358	0.48 428	0.43 363	0.40 383	0.46 336	0.43 304

Wz-Net-TNSev	3.67 450	8.83 511	13.47 333	1.48 408	1.18 348	3.60 243	2.49 465	4.27 420	3.13 455	2.18 313	1.89 293	4.21 454	2.80 416	12.10 498	7.58 472	0.57 423	0.55 442	0.47 381	0.54 436	0.91 451	1.05 458

cf-r	2.57 367	0.79 289	16.09 373	1.48 408	1.35 390	4.19 388	0.93 290	3.68 256	2.36 343	1.97 234	1.81 261	3.42 404	1.45 249	8.24 372	1.83 338	0.32 219	0.26 262	0.33 253	0.30 273	0.34 195	0.37 244

FBW_ROB	3.24 435	1.02 357	9.21 289	1.49 411	1.07 326	3.78 273	1.48 404	4.31 439	3.08 452	2.46 387	2.32 393	4.20 453	2.08 368	15.19 524	7.16 469	0.84 464	0.62 458	1.33 491	0.92 475	0.99 458	1.31 471

PSMNet-RUCA	1.64 199	1.50 438	2.57 168	1.50 412	1.38 398	3.05 149	1.36 385	3.31 201	2.24 313	1.36 120	2.07 334	1.40 166	1.09 162	1.83 176	1.55 291	1.15 478	0.69 470	1.26 489	0.96 478	1.64 488	0.94 451

WCMA_ROB	5.12 484	0.90 325	21.33 504	1.50 412	1.33 387	4.09 352	3.49 494	4.03 345	4.59 498	6.57 507	10.95 512	12.92 513	8.41 512	9.86 408	8.78 478	0.75 453	0.58 450	0.51 408	0.50 423	0.68 415	0.57 379

GANetREF_RVC	3.20 434	1.93 460	18.84 418	1.51 414	0.80 239	4.12 360	1.82 436	4.16 385	2.91 433	1.87 203	1.74 222	2.48 320	1.84 346	13.18 510	1.74 327	0.80 458	0.57 445	0.79 470	0.74 461	1.20 478	0.86 443
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
Wz-Net-MNSev	2.71 385	2.54 478	13.91 344	1.52 415	1.37 395	3.28 184	2.47 463	4.03 345	2.32 336	2.57 403	2.07 334	2.29 293	3.01 425	7.55 362	2.74 420	0.38 303	0.36 351	0.36 305	0.37 353	0.57 377	0.47 331

psmorigin	6.59 502	1.15 385	88.11 549	1.52 415	0.97 299	2.88 129	1.20 367	3.21 188	2.04 270	3.73 473	2.46 401	5.15 487	2.55 404	10.60 434	2.47 405	0.55 419	0.68 469	0.48 389	0.51 427	0.70 418	0.88 447

TRStereo	2.31 308	1.87 458	19.74 441	1.53 417	1.16 346	4.26 399	1.08 338	4.73 494	1.45 68	1.55 142	1.28 100	1.75 211	0.85 99	1.81 173	1.20 212	0.36 278	0.26 262	0.32 218	0.36 341	0.34 195	0.33 197

NLCA_NET_v2_RVC	2.54 359	1.04 362	16.73 382	1.53 417	2.00 479	3.96 326	0.87 254	3.87 298	2.31 332	2.54 398	1.67 202	2.85 357	1.63 304	5.55 316	1.62 307	0.46 372	0.33 331	0.38 333	0.38 366	0.53 362	0.62 395
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HBP-ISP	3.25 437	1.10 375	20.86 489	1.54 419	1.15 342	4.50 440	2.89 478	4.43 467	2.38 354	4.14 483	1.96 305	1.90 245	2.04 364	11.08 458	1.32 244	0.66 440	0.57 445	0.66 454	0.61 450	0.64 402	0.61 392

DisPM	1.36 161	0.55 75	2.39 158	1.54 419	0.51 113	4.59 457	0.79 193	2.50 105	1.88 241	2.50 392	1.83 268	1.45 171	1.01 138	2.71 255	0.93 159	0.46 372	0.20 108	0.32 218	0.31 289	0.31 133	0.44 310

ccnet	2.66 376	0.97 351	8.01 271	1.54 419	1.24 369	3.75 268	2.18 456	4.07 359	2.41 360	2.66 422	3.25 457	2.87 359	2.31 389	9.89 409	3.50 435	0.78 455	0.75 476	0.71 460	0.67 454	0.76 434	0.81 437

RP	2.79 387	1.20 394	10.36 301	1.54 419	1.93 476	3.44 203	1.97 444	4.05 353	2.34 338	2.66 422	2.79 434	3.98 438	2.58 406	10.21 423	2.61 415	0.95 469	0.47 422	0.71 460	0.57 442	0.71 427	0.68 409

RTSC	2.95 402	2.51 474	15.49 370	1.54 419	1.30 377	3.51 224	0.86 236	3.89 303	2.48 372	3.64 470	3.12 452	3.04 372	2.30 386	5.70 321	6.67 460	0.55 419	0.35 347	0.37 317	0.39 372	0.70 418	0.60 389

11t1	1.11 98	0.53 59	1.80 91	1.55 424	0.65 185	2.20 93	0.60 84	3.66 253	1.49 97	1.60 147	1.26 93	1.03 110	1.35 220	1.72 161	0.97 168	0.28 121	0.31 316	0.29 156	0.23 119	0.30 113	0.34 210

MSC_U_SF_DS_RVC	4.48 473	10.62 523	15.18 367	1.55 424	1.45 414	6.16 503	3.54 498	5.41 510	3.68 485	2.59 409	2.74 429	4.81 475	2.20 383	13.79 519	4.40 444	2.04 495	3.36 527	1.05 482	1.20 491	2.09 492	1.72 486

GASNet	3.24 435	5.55 501	20.58 482	1.56 426	1.25 372	2.32 96	1.12 348	4.04 349	2.67 401	1.88 206	2.10 338	3.00 369	2.16 378	10.59 433	2.43 401	0.65 438	0.37 364	0.61 443	0.45 404	0.87 447	0.58 384

Wz-Net-SNSev	2.98 411	4.36 494	15.98 372	1.57 427	1.19 355	3.28 184	1.80 434	3.96 328	2.40 358	2.32 361	2.28 373	3.48 407	2.05 365	7.84 369	3.82 440	0.47 381	0.39 379	0.53 418	0.49 417	0.71 427	0.60 389

GrayStereo	2.58 368	0.53 59	1.63 77	1.58 428	0.89 279	4.17 381	8.17 518	3.03 170	1.52 118	2.80 433	2.50 406	1.70 205	17.10 525	2.83 258	1.15 200	0.33 235	0.21 139	0.27 106	0.32 300	0.28 78	0.53 363

LMCR-Stereo	2.40 332	1.31 416	18.61 415	1.59 429	0.86 266	3.87 299	1.15 354	4.32 443	1.60 173	2.25 340	2.27 370	1.13 121	2.43 396	2.48 230	1.60 299	0.88 466	0.24 228	0.29 156	0.24 143	0.56 373	0.30 165

PWCDC_ROB	2.95 402	3.26 486	14.06 346	1.59 429	1.56 431	4.19 388	0.86 236	4.30 436	4.08 493	2.06 273	7.37 489	2.75 345	2.42 395	3.59 276	2.67 418	1.34 492	0.36 351	0.39 336	0.34 316	1.13 469	0.62 395

AnyNet_C32	4.17 468	5.75 502	12.62 323	1.60 431	1.54 424	5.51 500	4.09 507	3.90 308	3.23 467	4.22 488	3.03 447	3.10 377	3.41 444	8.01 371	18.85 522	0.53 415	0.58 450	0.53 418	0.74 461	1.19 477	0.97 453

RASNet	2.56 364	0.70 226	10.06 297	1.60 431	2.25 491	3.67 256	1.00 316	3.38 213	3.14 457	1.81 191	2.11 342	4.60 469	2.30 386	10.25 425	2.61 415	0.37 286	0.24 228	0.25 59	0.24 143	0.28 78	0.26 96

pmcnn	5.45 490	1.22 401	17.40 393	1.60 431	2.41 494	3.48 214	2.12 452	4.52 482	3.26 469	3.67 472	13.15 521	22.10 527	3.46 449	11.92 497	17.16 513	0.34 247	0.21 139	0.23 17	0.19 47	0.36 226	0.28 129

TestStereo1	1.56 181	0.81 297	2.32 150	1.61 434	0.64 177	4.13 363	1.36 385	3.79 279	3.20 465	1.60 147	2.57 416	1.39 161	2.15 375	2.51 234	1.30 241	0.29 141	0.20 108	0.34 271	0.25 154	0.40 256	0.36 230

SA-5K	1.56 181	0.81 297	2.32 150	1.61 434	0.64 177	4.13 363	1.36 385	3.79 279	3.20 465	1.60 147	2.57 416	1.39 161	2.15 375	2.51 234	1.30 241	0.29 141	0.20 108	0.34 271	0.25 154	0.40 256	0.36 230

ADCS	4.22 470	5.33 498	16.32 375	1.64 436	1.31 379	3.91 304	3.64 500	4.21 395	2.89 431	5.11 496	2.81 438	4.46 462	3.06 431	5.21 308	19.50 524	0.63 432	0.64 461	0.69 457	0.69 459	1.12 468	1.26 468

GANet	2.93 401	1.05 363	11.29 313	1.64 436	0.96 295	3.91 304	2.52 466	3.72 268	2.41 360	2.95 445	3.00 445	3.21 385	2.03 362	12.42 503	4.72 449	0.51 406	0.41 391	0.46 378	0.39 372	0.60 385	0.50 348

anonymity	1.76 217	1.26 408	2.73 184	1.66 438	1.32 384	1.84 66	1.07 333	3.49 222	2.30 328	2.11 284	2.11 342	1.71 207	3.90 458	1.82 175	1.48 276	1.10 475	1.09 486	1.08 484	1.08 485	1.05 460	1.09 461

EDNetEfficient	5.61 492	2.14 468	16.75 383	1.67 439	3.64 512	4.12 360	7.51 515	3.05 172	5.63 510	11.57 530	4.83 479	3.95 435	12.72 517	8.44 376	20.78 527	0.41 335	0.43 399	0.47 381	1.01 481	1.66 489	1.39 478

FC-DCNN	6.64 503	0.77 280	19.26 428	1.68 440	1.64 444	8.27 515	2.35 461	6.35 513	9.23 516	10.85 527	11.27 514	19.89 524	13.33 518	12.51 506	11.79 493	0.66 440	0.57 445	0.58 432	0.56 439	0.63 395	0.61 392

FC-DCNN v2	6.91 508	0.77 280	19.25 426	1.69 441	1.64 444	9.13 517	2.40 462	7.20 515	9.47 517	11.07 529	11.62 516	20.05 526	15.79 523	12.55 507	11.99 494	0.66 440	0.57 445	0.58 432	0.56 439	0.63 395	0.61 392

GANet-RSSM	1.98 254	0.62 152	3.49 213	1.69 441	1.23 367	4.22 394	0.91 275	3.31 201	1.86 238	1.81 191	1.74 222	2.34 297	1.82 344	10.92 448	1.73 326	0.34 247	0.29 293	0.31 198	0.28 227	0.39 251	0.40 285

SHD	2.82 389	2.04 466	13.80 341	1.69 441	1.79 467	2.73 119	1.07 333	3.85 292	3.18 461	4.63 492	2.74 429	3.38 403	2.77 414	5.48 315	3.66 438	0.62 431	0.47 422	0.51 408	0.55 437	0.65 405	0.74 423

SCV	0.95 67	0.63 161	1.38 53	1.70 444	0.41 49	1.23 19	0.89 261	3.53 233	1.57 154	0.61 18	1.54 164	0.93 98	0.77 74	1.66 151	0.66 48	0.36 278	0.20 108	0.25 59	0.19 47	0.29 90	0.25 72

RAFT_CTSACE	1.80 223	1.06 368	10.00 296	1.71 445	1.39 400	3.49 217	1.06 331	3.05 172	1.62 180	1.70 171	2.04 323	2.51 323	1.80 339	1.98 191	0.94 161	0.25 56	0.22 168	0.28 135	0.30 273	0.30 113	0.26 96

NOSS_ROB	2.27 296	0.73 252	3.00 194	1.71 445	1.00 313	3.90 303	0.97 308	4.29 428	2.81 425	2.94 444	2.19 358	3.88 433	1.19 195	11.77 490	1.62 307	0.59 426	0.54 438	0.56 428	0.52 430	0.56 373	0.54 369

SPS-STEREO	3.97 462	1.44 433	20.85 488	1.72 447	1.71 458	3.24 173	2.30 460	3.55 236	2.68 403	4.79 494	3.66 466	5.44 492	2.97 422	9.11 388	9.35 480	1.15 478	1.10 487	1.06 483	1.02 483	1.16 474	1.18 466
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test3	1.09 95	0.59 115	1.55 71	1.73 448	1.18 348	1.91 72	0.86 236	3.52 229	1.76 220	1.25 112	1.86 283	1.10 118	0.69 52	1.32 85	0.86 124	0.27 84	0.23 195	0.27 106	0.22 106	0.34 195	0.30 165

PASM	2.67 378	2.05 467	9.71 291	1.73 448	1.37 395	2.53 110	1.52 409	3.10 177	2.17 302	2.79 432	1.84 273	2.90 360	1.85 350	11.89 495	2.19 381	0.81 460	0.85 480	0.87 475	1.01 481	1.14 470	1.05 458

tt1	1.79 221	0.73 252	10.41 303	1.75 450	0.36 13	4.55 449	0.79 193	4.22 398	3.37 475	1.08 100	1.80 249	0.74 57	1.48 256	2.21 217	0.65 43	0.29 141	0.16 7	0.31 198	0.22 106	0.30 113	0.29 139

DISCO	2.25 292	0.73 252	10.06 297	1.76 451	1.12 337	3.47 211	1.25 374	3.24 194	2.26 319	2.65 421	1.96 305	4.53 466	1.92 358	4.17 294	3.61 437	0.32 219	0.25 249	0.31 198	0.29 255	0.66 410	0.41 291

EKT-Stereo	6.79 505	0.64 174	4.24 231	1.77 452	106.39 547	4.51 444	0.61 88	3.16 183	1.53 125	1.88 206	1.22 81	1.98 260	1.36 221	3.81 282	0.84 114	0.35 267	0.24 228	0.29 156	0.26 172	0.34 195	0.48 335

ACVNet-DCA	1.85 227	0.74 260	13.77 337	1.78 453	0.36 13	4.48 431	0.74 156	3.98 332	1.53 125	1.01 92	1.81 261	0.72 49	1.62 291	2.13 204	0.64 39	0.29 141	0.17 18	0.32 218	0.21 75	0.33 177	0.32 183

xx1	2.03 263	0.74 260	13.77 337	1.78 453	0.36 13	4.48 431	0.74 156	4.23 402	3.95 491	1.01 92	1.81 261	1.79 224	1.34 217	2.13 204	0.64 39	0.29 141	0.17 18	0.33 253	0.33 308	0.33 177	0.32 183

1test111	1.99 257	0.74 260	13.77 337	1.78 453	0.36 13	4.48 431	0.74 156	3.98 332	1.53 125	1.01 92	1.81 261	0.72 49	1.62 291	4.66 299	0.98 171	0.29 141	0.17 18	0.32 218	0.21 75	0.33 177	0.32 183

cc1	1.98 254	0.74 260	13.77 337	1.78 453	0.36 13	4.48 431	0.74 156	4.23 402	3.95 491	1.01 92	1.81 261	0.72 49	1.62 291	2.13 204	0.64 39	0.29 141	0.17 18	0.32 218	0.21 75	0.31 133	0.29 139

XX-Stereo	2.54 359	0.61 142	20.21 461	1.78 453	1.19 355	4.30 408	0.46 45	4.39 460	1.58 157	2.32 361	1.89 293	4.64 472	0.60 32	4.16 293	0.82 108	0.31 199	0.21 139	0.28 135	0.27 198	0.51 353	0.26 96

Pruner-Stereo	1.32 159	0.59 115	2.11 129	1.79 458	0.47 93	4.73 483	0.79 193	2.53 107	1.72 207	2.47 389	1.58 174	1.48 174	1.03 141	1.66 151	1.47 273	0.44 358	0.21 139	0.34 271	0.30 273	0.30 113	0.39 265

PVD	3.12 427	1.97 463	12.80 325	1.79 458	1.63 442	3.83 282	1.34 382	3.48 219	3.88 488	5.77 499	3.56 465	3.45 406	3.29 439	5.58 319	5.30 457	0.71 452	0.69 470	0.74 468	0.77 465	0.79 439	1.13 464

DN-CSS_ROB	1.91 240	1.55 441	11.13 312	1.82 460	0.88 274	3.99 334	0.61 88	4.01 340	1.67 192	1.64 158	1.89 293	1.39 161	1.06 157	3.23 266	1.50 280	0.31 199	0.19 74	0.44 367	0.29 255	0.37 236	0.31 174

DANet	2.63 372	1.07 369	8.10 272	1.83 461	1.70 457	3.25 176	1.16 356	4.31 439	2.38 354	3.40 467	2.18 356	4.08 444	1.80 339	9.77 403	3.89 441	0.52 412	0.55 442	0.59 435	0.44 400	0.63 395	0.86 443
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MFN_U_SF_RVC	3.81 456	10.78 524	15.01 362	1.84 462	1.39 400	3.73 266	1.63 420	4.05 353	3.26 469	2.91 438	2.38 397	4.36 460	3.65 452	8.43 375	4.91 453	1.11 477	1.04 484	0.99 479	1.31 493	1.58 486	1.75 488

iResNet	2.52 356	0.94 342	21.17 501	1.84 462	0.72 215	3.75 268	0.81 212	4.14 381	2.55 388	2.33 367	2.03 320	1.35 156	1.44 245	3.27 267	2.16 380	0.35 267	0.23 195	0.28 135	0.22 106	0.44 317	0.45 316

SGM_RVC	4.57 475	0.72 241	17.46 396	1.84 462	0.58 161	4.23 397	3.45 493	4.66 491	3.66 484	7.99 514	8.82 503	7.56 501	8.74 513	12.30 500	6.84 465	0.43 351	0.38 370	0.39 336	0.35 331	0.51 353	0.48 335
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SAMSARA	3.55 446	2.16 469	14.18 348	1.86 465	1.49 417	4.62 461	2.65 471	3.58 240	2.80 419	7.05 509	3.05 448	5.16 488	4.07 461	9.18 391	4.80 451	0.64 435	0.67 466	0.59 435	0.68 457	0.89 448	0.91 448

MADNet+	3.97 462	9.54 520	13.83 342	1.87 466	1.69 456	4.19 388	2.87 477	4.80 497	4.10 494	2.51 394	2.67 425	4.55 467	3.41 444	8.72 379	6.92 467	1.25 485	1.27 493	1.04 481	0.93 476	1.39 484	1.85 489

WAO-7	5.16 485	3.21 485	18.98 422	1.88 467	1.44 411	5.34 498	3.09 487	4.91 499	5.81 511	4.35 489	8.92 504	6.55 496	6.06 489	13.40 514	10.81 486	1.34 492	1.20 492	1.48 494	1.35 496	1.60 487	1.45 479

GCST	2.56 364	1.79 456	18.02 403	1.92 468	1.33 387	1.72 60	0.51 57	3.67 254	2.03 266	1.70 171	1.61 186	1.55 183	1.29 209	5.06 305	1.24 224	2.06 496	0.77 477	1.45 493	0.97 479	1.14 470	1.34 474

DGSMNet	7.55 511	1.62 442	17.42 394	1.92 468	12.73 529	7.45 513	42.99 544	4.13 375	2.07 277	2.10 280	3.16 455	3.42 404	1.70 320	9.24 392	2.30 388	3.70 515	10.89 538	11.80 540	5.54 530	4.24 512	2.66 504

RTS	3.90 458	7.04 505	17.94 401	1.92 468	2.19 488	5.00 494	2.96 480	4.29 428	3.19 462	4.05 480	3.08 449	4.94 478	3.16 433	7.64 364	6.72 461	0.66 440	0.44 404	0.51 408	0.47 409	0.95 453	0.76 428

RTSA	3.90 458	7.04 505	17.94 401	1.92 468	2.19 488	5.00 494	2.96 480	4.29 428	3.19 462	4.05 480	3.08 449	4.94 478	3.16 433	7.64 364	6.72 461	0.66 440	0.44 404	0.51 408	0.47 409	0.95 453	0.76 428

JetBlue	6.27 501	9.15 517	13.76 336	1.94 472	4.60 525	11.91 520	12.00 523	5.12 501	3.45 479	3.79 474	4.52 476	9.54 507	6.56 498	9.40 395	13.48 498	1.26 486	1.37 495	1.17 488	1.34 495	7.06 529	3.95 524

ELAS	5.99 498	1.62 442	20.29 469	1.96 473	2.01 480	15.09 527	8.38 519	5.23 503	5.54 508	9.02 518	8.61 499	6.74 497	9.75 515	7.48 360	11.40 490	0.96 470	1.18 489	0.72 464	0.93 476	1.30 481	1.67 484
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AnyNet_C01	4.37 472	7.80 507	16.40 376	1.98 474	1.40 402	6.37 505	6.47 513	4.09 365	5.03 504	4.06 482	3.78 468	4.16 449	3.31 440	6.62 342	10.00 482	0.61 429	0.67 466	0.63 448	0.67 454	2.01 491	1.31 471

PDISCO_ROB	2.86 392	1.53 440	14.27 350	1.98 474	2.19 488	4.52 445	1.35 383	4.65 490	3.19 462	2.09 277	2.16 351	3.53 418	2.45 398	5.32 309	2.12 373	1.30 490	0.78 478	0.72 464	0.59 445	1.24 479	1.28 469

SGM+DAISY	8.36 513	3.82 491	24.83 530	2.02 476	1.75 462	14.80 526	17.22 529	4.27 420	11.79 521	13.88 531	14.38 524	11.74 512	13.83 519	10.56 432	15.12 501	1.21 480	1.19 491	1.14 487	1.13 488	1.17 475	1.37 475

AAGNet	2.86 392	0.60 127	1.77 88	2.05 477	0.46 83	4.76 488	1.09 342	2.27 83	1.56 148	2.17 311	1.84 273	2.41 306	4.00 459	6.23 334	24.22 532	0.46 372	0.19 74	0.30 176	0.29 255	0.32 159	0.24 62

iResNetv2_ROB	2.65 374	5.00 497	19.28 430	2.06 478	1.09 332	3.83 282	1.13 351	4.14 381	2.09 281	1.85 196	2.03 320	2.01 266	1.51 266	3.58 275	1.58 295	0.34 247	0.21 139	0.32 218	0.21 75	0.44 317	0.29 139

ELAS_RVC	5.72 495	1.64 447	20.40 473	2.09 479	2.01 480	4.95 493	11.47 522	4.66 491	6.31 514	8.09 515	8.01 493	8.06 505	11.65 516	8.36 373	10.22 483	0.99 472	1.17 488	0.81 473	0.76 463	1.14 470	1.58 482
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM-ForestM	11.55 521	1.16 388	21.62 513	2.14 480	0.81 242	22.25 534	19.08 532	16.50 534	11.34 519	15.94 534	14.44 525	27.12 536	22.61 535	24.76 536	28.39 540	0.50 400	0.48 428	0.47 381	0.44 400	0.55 367	0.53 363

PFNet	2.47 346	0.60 127	16.95 386	2.15 481	0.81 242	4.63 463	0.91 275	2.55 117	1.52 118	2.40 381	2.79 434	1.83 236	1.42 239	7.54 361	1.34 251	0.33 235	0.21 139	0.36 305	0.27 198	0.32 159	0.39 265

PSM-softLoss	1.66 203	0.59 115	5.15 244	2.25 482	0.48 101	4.68 470	0.69 128	2.57 121	1.52 118	2.14 294	1.45 138	1.42 168	0.99 134	6.04 329	1.20 212	0.41 335	0.23 195	0.37 317	0.39 372	0.32 159	0.31 174

KMStereo	1.66 203	0.59 115	5.15 244	2.25 482	0.48 101	4.68 470	0.69 128	2.57 121	1.52 118	2.14 294	1.45 138	1.42 168	0.99 134	6.04 329	1.20 212	0.41 335	0.23 195	0.37 317	0.39 372	0.32 159	0.31 174

NF-Stereo	1.58 184	0.61 142	2.66 178	2.26 484	0.47 93	4.68 470	0.67 118	3.31 201	1.48 89	2.11 284	1.59 178	1.36 157	1.09 162	6.08 331	1.20 212	0.40 321	0.20 108	0.36 305	0.34 316	0.31 133	0.36 230

RE-Stereo	1.58 184	0.61 142	2.72 181	2.26 484	0.46 83	4.68 470	0.68 123	3.31 201	1.48 89	2.11 284	1.59 178	1.36 157	1.09 162	6.01 326	1.22 219	0.41 335	0.20 108	0.36 305	0.34 316	0.31 133	0.37 244

TVStereo	1.58 184	0.61 142	2.72 181	2.26 484	0.46 83	4.68 470	0.68 123	3.31 201	1.48 89	2.11 284	1.59 178	1.36 157	1.09 162	6.01 326	1.22 219	0.41 335	0.20 108	0.36 305	0.34 316	0.31 133	0.37 244

OCTAStereo	1.58 184	0.61 142	2.72 181	2.27 487	0.46 83	4.68 470	0.67 118	3.30 200	1.48 89	2.11 284	1.59 178	1.36 157	1.09 162	6.02 328	1.21 216	0.41 335	0.20 108	0.36 305	0.34 316	0.31 133	0.37 244

CRFU-Net	2.49 350	0.78 286	10.36 301	2.30 488	1.08 328	3.91 304	1.41 398	3.85 292	1.65 188	2.15 302	1.76 235	3.34 397	7.95 508	5.56 317	1.48 276	0.47 381	0.35 347	0.30 176	0.28 227	0.37 236	0.43 304

G-Net	4.11 466	1.21 395	19.47 434	2.31 489	2.94 501	4.74 486	2.95 479	3.33 209	2.14 296	4.44 490	9.43 505	6.93 499	3.84 456	9.01 387	4.92 454	0.79 456	0.80 479	0.70 459	0.50 423	0.95 453	0.87 446

CC-Net-ROB	3.35 442	1.76 454	13.89 343	2.33 490	1.65 448	4.49 437	1.62 419	4.73 494	2.90 432	1.92 220	2.05 329	1.99 262	1.61 288	12.57 508	1.60 299	2.46 499	2.18 507	2.68 508	1.04 484	2.11 493	1.38 477

IRAFT_RVC	1.87 229	0.60 127	4.33 232	2.40 491	0.66 191	4.59 457	1.59 417	2.96 161	1.51 109	2.23 335	1.75 226	2.09 277	2.63 408	6.70 345	1.50 280	0.33 235	0.21 139	0.33 253	0.29 255	0.32 159	0.32 183

MaskLacGwcNet_RVC	3.13 428	1.43 432	9.93 295	2.50 492	1.62 440	4.29 406	1.68 429	3.95 323	2.43 363	1.66 163	1.91 299	3.04 372	1.41 234	13.26 511	1.58 295	3.82 516	1.59 498	1.12 486	0.46 406	2.21 494	2.74 509

MDST_ROB	5.53 491	0.59 115	23.11 524	2.55 493	2.69 496	21.20 532	1.98 445	4.77 496	2.65 398	9.36 519	4.25 473	4.14 448	4.45 469	22.57 530	3.68 439	0.48 385	0.33 331	0.47 381	0.44 400	0.44 317	0.44 310

testlalala2	2.31 308	0.63 161	20.54 479	2.56 494	2.87 500	3.79 276	0.76 169	4.20 390	1.48 89	1.42 131	1.43 135	2.45 316	0.80 92	1.03 23	0.68 55	0.27 84	0.25 249	0.24 40	0.21 75	0.33 177	0.28 129

UDG	3.55 446	2.81 483	17.45 395	2.69 495	1.98 478	3.97 331	1.19 363	4.35 449	2.02 264	2.42 383	2.53 411	4.50 463	2.46 400	6.53 339	2.41 398	2.12 497	1.77 502	2.63 507	2.57 519	2.64 497	1.95 491

SQANet	3.70 451	9.34 519	18.41 411	2.75 496	2.74 497	3.40 198	1.47 403	3.50 225	1.68 194	2.60 410	1.75 226	2.69 337	1.91 357	6.72 348	1.74 327	2.96 502	1.41 496	1.85 496	1.12 486	3.17 499	2.70 508

OMP-Stereo	1.97 252	0.93 336	1.88 97	2.76 497	0.67 198	4.58 456	1.48 404	4.31 439	1.54 134	3.15 457	2.76 432	3.25 389	1.38 222	7.66 367	1.35 252	0.40 321	0.20 108	0.33 253	0.26 172	0.33 177	0.24 62

IIG-Stereo	1.95 248	0.79 289	2.14 130	2.78 498	0.66 191	4.62 461	0.76 169	4.27 420	1.53 125	2.63 416	3.14 454	3.35 398	1.61 288	7.65 366	1.41 259	0.39 315	0.20 108	0.31 198	0.25 154	0.33 177	0.22 40

PWCK	5.85 496	9.95 521	15.22 368	2.90 499	1.56 431	5.66 502	7.69 516	5.27 504	4.74 501	3.88 475	7.51 490	8.04 503	5.28 479	15.18 523	8.40 476	3.08 505	1.51 497	2.24 501	1.37 497	5.55 522	1.96 492

WAO-6	5.87 497	2.27 470	15.05 363	2.96 500	2.77 498	12.01 521	3.58 499	5.37 509	11.91 522	3.34 464	9.69 506	6.78 498	5.84 486	11.82 493	8.89 479	2.87 501	2.35 515	2.50 502	1.84 506	2.85 498	2.67 505

CAS	1.26 142	0.40 6	1.46 60	2.97 501	1.61 439	4.13 363	0.73 144	1.78 41	1.49 97	0.83 69	1.10 63	0.59 19	0.53 16	1.26 70	0.80 100	2.99 504	0.13 1	0.21 5	0.13 1	0.31 133	1.72 486

MFMNet_re	2.91 398	1.91 459	18.25 405	3.06 502	1.89 474	3.13 159	1.67 427	3.52 229	2.97 440	3.14 455	2.87 441	2.26 286	2.41 394	2.42 225	2.00 359	1.10 475	1.05 485	0.94 477	0.90 474	1.28 480	1.46 481

otaku	4.58 476	8.93 514	19.95 449	3.11 503	2.67 495	3.91 304	2.57 469	3.82 285	2.25 316	2.22 331	9.72 507	4.08 444	2.35 391	8.57 377	2.13 376	3.51 510	1.65 500	2.15 500	1.17 489	3.69 506	3.15 512

Ntro	4.21 469	8.94 515	19.89 447	3.22 504	2.96 502	4.15 367	1.89 440	3.92 317	2.36 343	1.77 184	2.14 348	3.35 398	2.17 380	9.48 397	2.24 384	3.52 511	1.76 501	2.13 499	1.31 493	3.83 509	3.09 510

ACVNet_2	5.41 489	12.60 527	20.42 475	3.27 505	3.15 508	4.50 440	3.02 483	4.66 491	3.73 486	3.35 466	5.36 482	7.86 502	2.88 418	12.33 502	4.76 450	3.12 506	2.22 509	2.70 509	1.69 499	3.49 502	3.10 511

WAO-8	11.95 522	13.02 528	20.56 480	3.50 506	3.08 505	15.11 528	2.80 474	12.91 525	19.11 533	7.69 511	13.12 519	11.62 510	7.01 502	84.40 551	7.91 473	3.42 508	1.92 504	3.54 521	1.93 509	3.68 504	2.69 506

Venus	11.95 522	13.02 528	20.56 480	3.50 506	3.08 505	15.11 528	2.80 474	12.91 525	19.11 533	7.69 511	13.12 519	11.62 510	7.01 502	84.40 551	7.91 473	3.42 508	1.92 504	3.54 521	1.93 509	3.68 504	2.69 506

DDUNet	2.91 398	2.78 482	6.94 261	3.53 508	2.26 492	3.28 184	1.36 385	3.77 275	2.04 270	2.62 413	2.49 405	4.18 450	1.69 318	5.38 311	1.85 340	2.21 498	1.77 502	2.61 506	2.43 517	2.60 496	2.34 499

ACVNet-4b	6.73 504	13.67 531	21.87 516	3.54 509	3.07 504	4.19 388	2.25 457	4.03 345	3.65 483	1.64 158	3.98 472	5.88 493	2.89 419	10.01 416	16.98 512	23.29 542	2.24 510	2.53 503	1.78 503	3.87 510	3.21 515

ACVNet_1	6.04 499	13.97 532	21.36 506	3.58 510	3.14 507	4.73 483	2.48 464	4.20 390	3.17 460	2.98 446	2.83 440	23.31 529	4.34 467	11.06 455	2.45 403	3.68 513	2.33 513	2.60 505	1.79 504	3.69 506	3.19 514

LVE	6.88 507	9.31 518	21.14 498	3.61 511	3.18 509	4.49 437	2.79 473	10.21 520	11.69 520	3.16 458	11.53 515	18.33 520	4.31 466	11.66 484	3.52 436	4.45 524	2.93 519	2.56 504	1.91 508	3.62 503	3.16 513

RainbowNet	4.56 474	8.28 508	20.07 455	3.64 512	3.23 510	4.15 367	2.99 482	4.18 386	3.03 448	2.20 320	2.65 423	4.26 455	2.90 420	9.77 403	2.12 373	3.88 517	2.27 511	2.71 510	1.72 502	3.78 508	3.31 517

Dean	7.52 510	9.08 516	21.41 507	3.74 513	3.53 511	4.81 490	3.53 496	5.33 508	5.25 505	4.17 484	26.53 534	25.62 535	4.09 462	10.97 449	4.32 443	3.69 514	2.30 512	2.91 511	1.87 507	4.03 511	3.24 516

DispFullNet	4.64 477	3.48 489	23.95 529	3.99 514	3.03 503	3.35 191	1.06 331	4.18 386	2.80 419	6.33 506	2.94 442	4.04 442	7.81 507	3.92 288	5.16 455	2.75 500	1.61 499	3.10 515	2.68 522	3.32 501	3.31 517

tt	7.19 509	0.51 42	6.83 258	4.03 515	2.30 493	12.05 522	20.19 534	15.46 532	6.58 515	3.42 468	3.22 456	5.37 490	6.39 497	4.20 295	7.46 471	9.81 535	11.53 539	7.05 532	7.46 534	6.31 524	3.71 522

test_for_model	2.16 280	3.87 492	1.58 75	4.16 516	3.64 512	2.51 108	0.96 305	3.63 246	2.62 393	2.45 386	1.39 126	1.02 108	0.73 61	0.92 9	0.57 26	2.97 503	2.19 508	0.26 80	0.17 23	5.32 521	2.24 496

TorneroNet	25.88 538	11.28 526	21.62 513	4.20 517	4.07 520	55.25 545	3.15 488	15.16 531	76.94 548	58.09 544	82.72 549	86.88 550	41.15 541	13.35 513	18.13 518	4.32 520	2.85 517	3.45 517	2.62 520	8.33 533	4.14 526

JetRed	10.48 517	27.10 539	35.70 536	4.27 518	4.09 521	15.55 530	12.83 525	12.16 522	5.50 507	5.83 500	5.56 484	10.14 508	7.43 504	8.88 382	26.39 536	3.32 507	3.81 528	3.51 519	2.96 527	7.85 530	6.69 533

TorneroNet-64	10.12 515	8.74 510	20.95 494	4.27 518	3.76 517	13.86 525	2.85 476	15.05 530	23.15 536	10.07 523	23.84 532	13.47 515	8.24 511	13.96 521	17.21 514	3.96 519	2.72 516	3.23 516	2.48 518	6.29 523	4.27 527

IMH-64-1	4.84 481	2.53 476	6.83 258	4.30 520	3.74 514	4.81 490	6.05 510	5.30 505	3.92 489	3.95 478	8.33 496	5.08 485	6.06 489	8.96 385	6.30 458	4.57 526	2.96 521	3.04 512	2.12 514	4.28 513	3.62 520

IMH-64	4.84 481	2.53 476	6.83 258	4.30 520	3.74 514	4.81 490	6.05 510	5.30 505	3.92 489	3.95 478	8.33 496	5.08 485	6.06 489	8.96 385	6.30 458	4.57 526	2.96 521	3.04 512	2.12 514	4.28 513	3.62 520

IMH	6.81 506	13.66 530	20.41 474	4.33 522	3.74 514	5.50 499	3.06 485	5.49 511	6.22 512	4.64 493	10.35 509	9.30 506	8.03 510	13.61 517	6.81 463	4.80 529	2.99 524	3.09 514	2.12 514	4.36 515	3.61 519

KSHMR	16.96 531	5.37 499	21.64 515	4.46 523	4.50 523	8.30 516	3.32 490	15.58 533	76.24 547	6.62 508	61.47 545	56.53 545	5.43 482	35.17 542	11.37 489	4.39 522	2.97 523	3.63 523	2.74 524	5.10 520	4.34 528

ktn	21.74 536	10.34 522	19.68 439	4.53 524	4.00 519	6.53 507	4.51 508	6.79 514	78.82 549	84.69 549	100.86 552	58.49 546	7.57 506	12.11 499	13.35 497	4.58 528	3.24 526	3.49 518	2.62 520	4.65 518	3.84 523

notaker	10.50 518	8.60 509	20.23 462	4.54 525	3.95 518	6.27 504	3.44 492	8.07 518	4.75 502	8.73 516	46.45 540	13.86 518	27.86 536	13.49 515	13.61 499	4.56 525	3.18 525	3.52 520	2.68 522	8.13 532	4.05 525

BEATNet-Init1	49.72 547	64.32 549	97.77 550	4.68 526	4.28 522	84.75 551	60.42 545	73.38 550	68.59 546	88.29 550	88.51 551	91.94 551	97.99 551	85.26 553	70.96 552	0.80 458	0.65 462	0.85 474	0.70 460	7.96 531	2.33 498

MANE	11.39 520	1.38 425	23.16 525	4.82 527	2.79 499	22.02 533	14.51 527	25.81 536	26.28 537	10.93 528	13.17 522	19.90 525	18.03 529	15.69 525	20.41 526	0.96 470	0.74 475	1.42 492	3.24 528	0.74 431	1.71 485

UNDER WATER	10.47 516	3.95 493	22.62 523	5.07 528	4.51 524	7.78 514	3.77 502	12.56 524	21.72 535	7.84 513	10.78 510	23.96 531	31.66 537	10.78 442	16.19 508	4.44 523	2.93 519	4.24 524	2.86 525	6.33 525	5.47 532

UNDER WATER-64	9.33 514	5.37 499	22.60 522	5.22 529	4.86 526	10.75 519	4.61 509	11.45 521	17.30 528	7.59 510	9.80 508	15.99 519	17.90 528	10.63 435	15.72 504	4.36 521	2.87 518	4.39 528	2.86 525	7.01 528	5.36 531

MADNet++	7.57 512	5.80 503	13.28 328	6.38 530	5.26 527	7.18 509	7.77 517	5.32 507	5.62 509	6.11 503	7.78 491	6.02 495	8.01 509	11.74 489	16.36 509	9.36 534	4.95 531	8.57 535	5.66 531	4.83 519	5.34 530

HanzoNet	31.60 540	17.23 535	21.22 503	7.32 531	5.84 528	7.25 511	3.53 496	13.82 529	14.20 526	50.38 542	47.01 541	44.45 539	56.61 547	36.61 543	32.00 541	63.89 548	56.57 549	7.97 534	89.20 549	28.69 539	28.25 542

PML	64.32 549	53.22 547	17.88 400	8.10 532	32.94 538	148.46 553	247.79 554	12.18 523	45.42 544	111.41 551	288.92 554	101.47 552	101.31 552	31.67 538	15.55 502	14.03 538	4.83 530	10.98 537	6.18 532	28.82 540	5.17 529

LE_ROB	18.58 532	1.21 395	48.38 542	8.60 533	23.00 536	7.32 512	19.74 533	9.94 519	38.69 541	43.53 539	21.91 529	28.40 537	40.92 540	23.18 532	54.71 545	0.34 247	0.33 331	0.32 218	0.36 341	0.42 299	0.40 285

DGTPSM_ROB	15.31 528	8.85 512	28.14 534	9.90 534	18.89 531	12.44 523	33.21 537	13.48 527	17.86 531	9.50 520	22.89 530	13.78 516	19.67 530	21.26 528	23.68 530	5.08 531	8.84 533	5.62 530	11.50 535	6.72 526	14.87 536

DPSMNet_ROB	15.52 529	8.89 513	31.44 535	10.07 535	18.91 532	12.44 523	33.22 538	13.51 528	17.94 532	9.58 521	22.91 531	13.79 517	19.67 530	21.43 529	23.73 531	5.17 532	8.84 533	5.63 531	11.52 538	6.79 527	14.90 537

USTest	15.98 530	15.58 534	22.56 521	18.49 536	16.99 530	26.43 535	36.08 540	27.68 539	12.77 523	10.69 526	10.80 511	18.35 521	15.09 521	18.62 527	23.37 529	4.85 530	5.34 532	7.38 533	7.43 533	9.90 534	11.23 534

TCMNet-wrong-test	12.32 524	14.13 533	19.38 431	22.38 537	19.85 533	15.99 531	12.34 524	22.95 535	4.56 497	6.24 505	6.27 487	18.40 522	15.71 522	10.10 421	10.72 485	9.06 533	4.78 529	5.35 529	3.95 529	12.28 536	11.97 535

Anonymous_1	57.11 548	19.68 536	26.15 531	23.10 538	142.31 550	30.84 536	39.75 541	33.86 543	16.98 527	70.53 548	15.42 526	23.46 530	19.75 532	23.04 531	27.23 537	164.73 553	9.02 535	130.38 550	137.40 550	161.27 553	27.24 541

DPSM_ROB	20.78 534	20.03 537	26.57 532	23.62 539	22.46 534	31.10 537	39.97 542	33.52 541	17.41 529	15.25 532	15.80 527	24.06 532	20.71 533	23.30 533	27.62 538	10.78 536	9.41 536	11.69 538	11.50 535	14.49 537	16.36 538

DPSM	20.78 534	20.03 537	26.57 532	23.62 539	22.46 534	31.10 537	39.97 542	33.52 541	17.41 529	15.25 532	15.80 527	24.06 532	20.71 533	23.30 533	27.62 538	10.78 536	9.41 536	11.69 538	11.50 535	14.49 537	16.36 538

LRCNet_RVC	25.52 537	33.45 540	23.21 527	31.79 541	32.78 537	6.74 508	1.18 360	25.88 537	4.46 495	28.94 535	30.89 535	24.91 534	17.57 527	27.66 537	24.34 533	35.26 544	25.60 545	35.91 544	33.81 543	31.90 544	34.10 545

HaxPig	43.25 543	43.65 544	45.00 540	33.85 542	35.61 539	32.69 539	30.52 535	45.09 544	42.97 542	48.77 540	48.17 542	43.00 538	40.26 539	44.58 544	43.61 542	47.18 545	49.30 546	51.54 546	50.25 545	43.73 545	45.29 546

MEDIAN_ROB	47.37 545	49.08 546	49.92 543	40.32 543	39.97 541	34.95 541	33.43 539	49.17 546	46.39 545	53.06 543	52.65 544	47.65 541	42.23 545	48.35 549	47.29 544	52.10 547	54.04 548	54.28 547	53.48 546	48.76 547	50.33 548

AVERAGE_ROB	44.46 544	45.91 545	46.59 541	40.59 544	38.66 540	32.99 540	30.52 535	46.19 545	43.26 543	49.59 541	48.97 543	44.62 540	39.89 538	45.04 545	43.94 543	48.74 546	50.69 547	50.80 545	49.79 544	45.54 546	46.97 547

Selective-RAFT-Error	41.77 541	40.16 542	53.34 545	47.73 545	45.25 543	62.51 546	80.64 550	67.22 547	34.93 539	30.64 537	31.81 536	48.11 542	42.11 544	46.57 546	54.95 546	21.61 540	18.87 542	23.48 541	23.15 541	29.16 541	33.08 544

CasAABBNet	41.80 542	40.20 543	53.41 546	47.73 545	45.18 542	62.51 546	80.71 551	67.26 548	34.80 538	30.49 536	31.88 537	48.24 543	41.81 543	46.63 548	55.64 548	21.60 539	18.88 543	23.48 541	23.22 542	29.19 542	33.05 543

LSM	12.71 526	3.52 490	20.79 487	55.63 547	84.76 545	3.63 253	6.30 512	3.73 269	4.93 503	5.55 498	13.92 523	3.53 418	3.25 438	9.72 402	4.12 442	0.64 435	0.85 480	0.71 460	0.81 470	1.03 459	26.84 540

LSM0	49.58 546	40.04 541	53.62 547	97.15 548	128.68 549	62.75 548	79.89 549	67.63 549	35.11 540	33.02 538	32.61 539	48.43 544	41.60 542	46.60 547	55.43 547	21.63 541	18.99 544	23.62 543	23.13 540	29.47 543	52.26 549

DPSimNet_ROB	102.30 550	119.72 554	143.59 552	109.42 549	94.10 546	127.22 552	127.15 552	26.62 538	102.36 553	149.58 553	83.99 550	139.34 553	137.54 553	64.62 550	82.36 553	105.18 549	66.15 550	120.15 549	69.61 548	99.58 549	77.72 550

DLNR_Zeroshot_test	28.62 539	55.50 548	49.94 544	183.62 550	115.05 548	3.43 202	0.28 4	29.49 540	1.49 97	1.01 92	1.26 93	0.93 98	0.63 40	3.92 288	1.51 286	29.81 543	0.41 391	0.26 80	0.23 119	93.28 548	0.32 183

test_example2	212.63 554	219.92 555	221.87 554	213.67 551	221.17 554	199.47 554	200.74 553	185.30 554	141.66 554	209.52 554	213.45 553	210.82 554	205.48 554	221.27 554	216.64 554	236.83 554	242.07 554	213.93 551	217.01 551	235.69 554	226.10 554

xxxxx1	112.33 551	88.53 550	37.76 537	227.84 552	157.23 551	39.05 542	61.41 546	93.76 551	79.29 550	62.45 545	74.79 546	78.32 547	70.96 548	33.47 539	70.69 549	114.00 550	130.36 551	259.31 552	274.34 552	145.54 550	147.50 551

tt_ll	112.33 551	88.53 550	37.76 537	227.84 552	157.23 551	39.05 542	61.41 546	93.76 551	79.29 550	62.45 545	74.79 546	78.32 547	70.96 548	33.47 539	70.69 549	114.00 550	130.36 551	259.31 552	274.34 552	145.54 550	147.50 551

ff	112.33 551	88.53 550	37.76 537	227.84 552	157.23 551	39.05 542	61.41 546	93.76 551	79.29 550	62.45 545	74.79 546	78.32 547	70.96 548	33.47 539	70.69 549	114.00 550	130.36 551	259.31 552	274.34 552	145.54 550	147.50 551

ccccc		629.75 556		567.84 555	570.84 555	582.44 555		613.82 555		614.58 555		555.57 555		666.94 555		781.57 555	507.24 555	391.36 555	342.44 555	689.82 555

ASD4		113.98 553

Low-res two-view benchmark