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

RSM	0.28 9	0.26 48	0.97 11	0.25 23	0.24 198	0.37 26	0.21 51	0.49 41	0.44 51	0.21 7	0.27 26	0.28 58	0.17 6	0.38 73	0.20 24	0.07 1	0.07 14	0.09 30	0.34 393	0.21 225	0.16 191

LoS_RVC	0.29 15	0.33 107	1.19 24	0.25 23	0.34 308	0.43 38	0.22 69	0.42 12	0.32 4	0.22 12	0.33 58	0.23 20	0.24 56	0.31 30	0.21 34	0.07 1	0.07 14	0.07 1	0.05 1	0.10 16	0.31 354

Selective-IGEV	0.29 15	0.23 27	1.28 35	0.27 58	0.30 265	0.35 22	0.20 34	0.56 86	0.38 19	0.21 7	0.30 42	0.22 13	0.18 14	0.37 68	0.18 3	0.07 1	0.06 1	0.08 4	0.15 255	0.16 134	0.29 339

RAFT-Stereo + iAFF	0.42 113	0.86 332	1.78 145	0.28 80	0.17 69	0.52 99	0.20 34	0.62 117	0.61 199	0.50 169	0.61 259	0.39 106	0.32 147	0.35 55	0.30 133	0.07 1	0.10 159	0.09 30	0.09 53	0.35 355	0.10 41

IGEV-Stereo++	0.23 1	0.23 27	0.64 4	0.24 11	0.22 168	0.47 57	0.13 1	0.52 60	0.33 6	0.18 2	0.24 14	0.17 2	0.22 39	0.32 37	0.19 6	0.08 5	0.06 1	0.08 4	0.06 8	0.17 155	0.09 23

AIO-Stereo	0.30 21	0.27 52	1.25 32	0.27 58	0.24 198	0.37 26	0.20 34	0.52 60	0.36 13	0.21 7	0.30 42	0.23 20	0.14 1	0.31 30	0.20 24	0.08 5	0.07 14	0.09 30	0.38 406	0.19 200	0.31 354

WCG-NET（raft）	0.32 33	0.53 212	1.21 28	0.23 4	0.12 3	0.44 40	0.24 119	0.40 6	0.50 100	0.35 68	0.35 68	0.47 178	0.25 69	0.35 55	0.20 24	0.08 5	0.29 393	0.08 4	0.07 15	0.22 239	0.11 55

RSM++	0.27 5	0.26 48	0.87 8	0.28 80	0.13 9	0.39 31	0.20 34	0.45 22	0.45 64	0.20 5	0.24 14	0.24 27	0.17 6	0.36 61	0.20 24	0.08 5	0.07 14	0.09 30	0.35 396	0.26 291	0.18 227

MoCha-V2	0.36 62	0.32 101	1.41 56	0.36 259	0.31 281	0.35 22	0.19 21	0.57 89	0.39 25	0.30 56	0.32 53	0.28 58	0.27 99	0.47 120	0.24 70	0.08 5	0.56 434	0.08 4	0.38 406	0.18 179	0.12 86

MIM_Stereo	0.41 98	0.60 232	1.88 201	0.31 149	0.21 147	0.50 76	0.19 21	0.64 123	0.44 51	0.43 107	0.53 192	0.43 137	0.27 99	0.51 144	0.28 105	0.08 5	0.14 261	0.11 120	0.10 86	0.26 291	0.26 321

ProNet	0.30 21	0.54 216	1.29 36	0.25 23	0.15 31	0.47 57	0.25 134	0.48 35	0.39 25	0.21 7	0.23 8	0.22 13	0.20 24	0.44 98	0.19 6	0.08 5	0.08 68	0.10 70	0.08 36	0.23 248	0.12 86

RAFT_CTSACE	0.46 156	0.76 292	2.07 260	0.35 241	0.30 265	0.54 112	0.30 222	0.61 113	0.48 86	0.49 162	0.76 348	0.55 213	0.36 166	0.58 168	0.22 44	0.08 5	0.13 245	0.11 120	0.10 86	0.41 386	0.08 13

test_4	0.40 92	0.37 133	2.01 249	0.29 108	0.21 147	0.50 76	0.28 193	0.47 32	0.39 25	0.42 102	0.76 348	0.38 102	0.22 39	0.52 148	0.33 165	0.08 5	0.07 14	0.11 120	0.15 255	0.28 305	0.07 3

GMOStereo	0.41 98	0.62 242	1.78 145	0.28 80	0.36 327	0.51 82	0.31 234	0.53 68	0.44 51	0.57 250	0.48 142	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 412	0.13 228	0.11 143	0.34 347	0.11 55

error version	0.41 98	0.62 242	1.78 145	0.28 80	0.36 327	0.51 82	0.31 234	0.53 68	0.44 51	0.57 250	0.48 142	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 412	0.13 228	0.11 143	0.34 347	0.11 55

test-v	0.41 98	0.62 242	1.78 145	0.28 80	0.36 327	0.51 82	0.31 234	0.53 68	0.44 51	0.57 250	0.48 142	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 412	0.13 228	0.11 143	0.34 347	0.11 55

test-3	0.43 119	0.20 8	1.70 109	0.34 226	0.32 288	0.45 41	0.23 92	0.71 153	0.46 69	0.51 182	0.29 34	0.45 157	0.21 30	0.59 172	0.98 349	0.08 5	0.07 14	0.10 70	0.35 396	0.29 308	0.28 333

test_1	0.43 119	0.20 8	1.70 109	0.34 226	0.32 288	0.45 41	0.23 92	0.71 153	0.46 69	0.50 169	0.29 34	0.45 157	0.21 30	0.59 172	0.98 349	0.08 5	0.07 14	0.10 70	0.35 396	0.29 308	0.29 339

test_3	0.44 129	0.20 8	1.70 109	0.36 259	0.32 288	0.47 57	0.30 222	0.73 166	0.49 92	0.50 169	0.30 42	0.45 157	0.22 39	0.59 172	0.98 349	0.08 5	0.10 159	0.11 120	0.35 396	0.29 308	0.28 333

test-2	0.41 98	0.62 242	1.78 145	0.28 80	0.36 327	0.51 82	0.31 234	0.53 68	0.44 51	0.57 250	0.48 142	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 412	0.13 228	0.11 143	0.34 347	0.11 55

cross-raft	0.40 92	0.27 52	2.22 295	0.30 123	0.17 69	0.49 71	0.35 276	0.71 153	0.39 25	0.43 107	0.45 119	0.64 263	0.25 69	0.32 37	0.25 81	0.08 5	0.08 68	0.09 30	0.23 345	0.11 29	0.14 135

AFF-stereo	0.44 129	0.96 362	1.78 145	0.31 149	0.15 31	0.50 76	0.21 51	0.64 123	0.63 228	0.47 133	0.64 291	0.49 191	0.34 158	0.46 113	0.31 145	0.08 5	0.09 127	0.10 70	0.10 86	0.37 366	0.10 41

UGAM-zero	0.63 298	0.39 147	2.49 343	0.30 123	0.49 387	0.67 291	0.19 21	0.91 310	0.45 64	0.77 369	0.45 119	1.16 416	0.82 376	2.05 384	0.29 119	0.09 23	0.15 286	0.09 30	0.44 418	0.11 29	0.22 271

GCAP-BAT	0.43 119	0.31 97	1.82 177	0.25 23	0.26 227	0.65 279	0.23 92	0.48 35	0.37 17	0.67 335	0.82 358	0.44 148	0.24 56	0.48 125	0.87 342	0.09 23	0.13 245	0.09 30	0.22 342	0.08 1	0.09 23

RAStereo	0.28 9	0.48 195	1.52 80	0.26 45	0.18 96	0.25 3	0.19 21	0.42 12	0.35 10	0.20 5	0.25 19	0.20 5	0.16 4	0.24 2	0.24 70	0.09 23	0.08 68	0.10 70	0.08 36	0.12 40	0.08 13

Occ-G	0.30 21	0.30 88	1.33 43	0.23 4	0.15 31	0.36 25	0.25 134	0.43 16	0.31 2	0.26 43	0.35 68	0.46 170	0.22 39	0.30 23	0.25 81	0.09 23	0.07 14	0.09 30	0.16 274	0.31 326	0.08 13

U	3.37 462	0.17 1	0.91 9	0.26 45	13.79 475	19.19 479	0.15 4	0.41 10	0.31 2	0.17 1	0.18 2	0.27 50	0.15 3	0.21 1	0.16 1	0.09 23	0.06 1	17.88 480	12.81 477	0.10 16	0.08 13

IGEV-Stereo+	0.29 15	0.29 78	0.86 7	0.25 23	0.34 308	0.30 8	0.14 2	0.32 1	0.53 133	0.18 2	0.12 1	0.18 3	0.19 18	0.49 135	0.17 2	0.09 23	0.08 68	0.08 4	0.20 330	0.46 401	0.59 424

RAFT-Stereo-weight	0.34 47	0.29 78	1.43 60	0.28 80	0.28 249	0.55 124	0.22 69	0.78 216	0.48 86	0.46 131	0.38 84	0.36 93	0.17 6	0.33 45	0.23 51	0.09 23	0.08 68	0.09 30	0.07 15	0.09 10	0.09 23

gcap-zeroshot	0.41 98	0.62 242	1.78 145	0.31 149	0.32 288	0.69 309	0.21 51	0.74 170	0.52 114	0.43 107	0.35 68	0.62 252	0.24 56	0.41 84	0.24 70	0.09 23	0.16 302	0.09 30	0.31 381	0.08 1	0.09 23

testlalala2	0.44 129	0.28 73	2.59 362	0.64 406	0.56 402	0.57 156	0.20 34	0.78 216	0.52 114	0.40 90	0.39 92	0.45 157	0.21 30	0.27 5	0.22 44	0.09 23	0.10 159	0.08 4	0.29 370	0.12 40	0.10 41

MGS-Stereo	0.32 33	0.34 118	1.70 109	0.25 23	0.14 17	0.40 33	0.22 69	0.38 4	0.43 48	0.24 22	0.51 171	0.25 35	0.18 14	0.31 30	0.20 24	0.09 23	0.08 68	0.09 30	0.08 36	0.47 402	0.08 13

IGEV++	0.34 47	0.43 167	1.32 41	0.31 149	0.14 17	0.32 13	0.21 51	0.70 150	0.34 8	0.22 12	0.28 29	0.22 13	0.27 99	0.35 55	0.27 96	0.09 23	0.39 418	0.08 4	0.15 255	0.25 273	0.45 407

MyStereo07	0.34 47	0.40 151	1.46 65	0.29 108	0.23 185	0.60 198	0.31 234	0.53 68	0.42 40	0.25 35	0.25 19	0.20 5	0.26 83	0.57 165	0.19 6	0.09 23	0.18 328	0.12 171	0.11 143	0.16 134	0.19 239

MyStereo06	0.54 242	0.41 156	2.68 373	0.30 123	0.23 185	0.60 198	0.30 222	0.81 238	0.44 51	0.84 385	0.52 183	0.78 331	0.58 317	0.48 125	1.10 366	0.09 23	0.17 318	0.12 171	0.10 86	0.16 134	0.20 254

MyStereo05	0.49 193	0.41 156	2.72 379	0.30 123	0.23 185	0.60 198	0.30 222	0.82 245	0.77 350	0.52 189	0.37 76	0.51 197	0.42 233	0.52 148	0.38 192	0.09 23	0.17 318	0.12 171	0.10 86	0.16 134	0.20 254

MyStereo04	0.48 175	0.40 151	2.65 370	0.29 108	0.23 185	0.60 198	0.31 234	0.83 251	0.75 337	0.47 133	0.36 73	0.53 205	0.42 233	0.53 154	0.39 203	0.09 23	0.18 328	0.12 171	0.11 143	0.16 134	0.19 239

AE-Stereo	0.42 113	0.29 78	1.65 97	0.43 327	0.47 384	0.56 138	0.23 92	0.86 274	0.46 69	0.31 60	0.41 101	0.43 137	0.24 56	0.34 51	0.24 70	0.09 23	0.48 430	0.11 120	0.45 419	0.22 239	0.19 239

ff7	0.32 33	0.52 207	1.38 50	0.25 23	0.16 45	0.56 138	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 301	0.23 248	0.22 271

IGEVStereo-DCA	0.33 40	0.34 118	1.38 50	0.27 58	0.16 45	0.45 41	0.23 92	0.46 24	0.41 34	0.24 22	0.21 4	0.26 44	0.25 69	0.64 185	0.52 262	0.09 23	0.07 14	0.10 70	0.18 301	0.16 134	0.22 271

ffff	0.32 33	0.52 207	1.38 50	0.25 23	0.16 45	0.56 138	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 301	0.23 248	0.22 271

rrr	0.46 156	0.34 118	3.08 415	0.27 58	0.16 45	0.45 41	0.28 193	1.09 414	0.51 108	0.24 22	0.21 4	0.26 44	0.25 69	0.64 185	0.52 262	0.09 23	0.07 14	0.10 70	0.29 370	0.16 134	0.25 312

11t	0.32 33	0.52 207	1.38 50	0.25 23	0.16 45	0.56 138	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 301	0.23 248	0.22 271

IGEV_Zeroshot_test	0.53 237	0.33 107	2.91 403	0.32 177	0.18 96	0.54 112	0.21 51	0.72 158	0.42 40	0.81 378	0.51 171	0.71 306	0.41 217	0.48 125	1.13 368	0.09 23	0.15 286	0.10 70	0.35 396	0.19 200	0.09 23

MSKI-zero shot	0.46 156	0.38 138	2.47 340	0.27 58	0.43 367	0.56 138	0.20 34	0.77 202	0.43 48	0.60 287	0.51 171	0.44 148	0.17 6	0.68 196	0.21 34	0.09 23	0.29 393	0.09 30	0.32 386	0.14 85	0.10 41

AEACV	0.33 40	0.24 35	1.44 62	0.28 80	0.35 319	0.47 57	0.21 51	0.43 16	0.28 1	0.26 43	0.25 19	0.22 13	0.38 186	0.30 23	0.18 3	0.09 23	0.35 406	0.09 30	0.36 403	0.23 248	0.25 312

SPstereo	0.34 47	0.89 341	1.76 131	0.26 45	0.12 3	0.52 99	0.14 2	0.49 41	0.38 19	0.29 55	0.30 42	0.29 65	0.22 39	0.30 23	0.20 24	0.09 23	0.17 318	0.09 30	0.07 15	0.21 225	0.11 55

RAFT-Test	0.44 129	0.38 138	2.01 249	0.27 58	0.44 368	0.64 267	0.37 290	0.72 158	0.57 163	0.45 123	0.48 142	0.65 266	0.24 56	0.35 55	0.29 119	0.09 23	0.11 204	0.09 30	0.38 406	0.10 16	0.11 55

HH	0.49 193	0.49 198	2.78 389	0.50 367	0.41 360	0.38 29	0.23 92	0.72 158	0.38 19	0.63 313	0.48 142	0.87 360	0.41 217	0.64 185	0.21 34	0.09 23	0.17 318	0.10 70	0.09 53	0.16 134	0.12 86

HanStereo	0.49 193	0.49 198	2.78 389	0.50 367	0.41 360	0.38 29	0.23 92	0.72 158	0.38 19	0.63 313	0.48 142	0.87 360	0.41 217	0.64 185	0.21 34	0.09 23	0.17 318	0.10 70	0.09 53	0.16 134	0.12 86

LL-Strereo2	0.41 98	0.90 344	1.83 182	0.44 332	0.24 198	0.54 112	0.27 178	0.58 94	0.45 64	0.41 97	0.33 58	0.44 148	0.21 30	0.44 98	0.34 172	0.09 23	0.08 68	0.16 307	0.14 233	0.17 155	0.17 208

4D-IteraStereo	0.44 129	0.96 362	2.63 366	0.27 58	0.30 265	0.45 41	0.25 134	0.52 60	0.50 100	0.40 90	0.31 49	0.40 114	0.19 18	0.35 55	0.32 155	0.09 23	0.06 1	0.12 171	0.11 143	0.19 200	0.30 347

anonymousdsp2	0.34 47	0.24 35	1.16 20	0.28 80	0.15 31	0.57 156	0.23 92	0.79 232	0.47 84	0.38 82	0.37 76	0.40 114	0.25 69	0.47 120	0.21 34	0.09 23	0.07 14	0.10 70	0.13 205	0.19 200	0.27 328

anonymousdsp	0.34 47	0.53 212	1.47 69	0.25 23	0.16 45	0.56 138	0.23 92	0.49 41	0.40 30	0.25 35	0.24 14	0.22 13	0.24 56	0.55 162	0.19 6	0.09 23	0.11 204	0.10 70	0.18 301	0.24 263	0.29 339

CES	0.30 21	0.27 52	1.09 16	0.23 4	0.50 388	0.40 33	0.20 34	0.46 24	0.44 51	0.22 12	0.28 29	0.26 44	0.19 18	0.33 45	0.21 34	0.09 23	0.07 14	0.08 4	0.05 1	0.15 101	0.49 413

EGLCR-Stereo	0.29 15	0.27 52	0.97 11	0.30 123	0.19 122	0.56 138	0.17 11	0.68 142	0.36 13	0.30 56	0.18 2	0.27 50	0.17 6	0.38 73	0.19 6	0.09 23	0.07 14	0.10 70	0.08 36	0.10 16	0.35 372

DCRE	0.50 203	0.63 253	2.13 275	0.30 123	0.23 185	0.45 41	0.24 119	0.59 101	0.53 133	0.50 169	2.10 434	0.42 133	0.26 83	0.35 55	0.23 51	0.09 23	0.14 261	0.10 70	0.32 386	0.16 134	0.15 168

MC-Stereo	0.32 33	0.31 97	1.46 65	0.31 149	0.15 31	0.53 106	0.19 21	0.44 19	0.35 10	0.36 72	0.38 84	0.27 50	0.27 99	0.42 89	0.19 6	0.09 23	0.13 245	0.09 30	0.16 274	0.20 215	0.13 120

RCA-Stereo	0.34 47	0.32 101	1.30 38	0.26 45	0.14 17	0.58 172	0.23 92	0.78 216	0.62 217	0.40 90	0.44 116	0.28 58	0.35 160	0.29 18	0.20 24	0.09 23	0.10 159	0.09 30	0.07 15	0.19 200	0.08 13

CroCo-Stereo Lap2	0.33 40	0.61 236	1.47 69	0.32 177	0.38 343	0.23 2	0.22 69	0.58 94	0.46 69	0.22 12	0.27 26	0.29 65	0.23 49	0.32 37	0.26 88	0.09 23	0.09 127	0.10 70	0.08 36	0.21 225	0.14 135

DCANet-4	0.40 92	0.27 52	2.21 291	0.25 23	0.14 17	0.51 82	0.22 69	0.77 202	0.72 306	0.54 212	0.47 130	0.28 58	0.37 179	0.37 68	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 271

ccc-4	0.32 33	0.52 207	1.38 50	0.25 23	0.16 45	0.56 138	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 301	0.23 248	0.22 271

fff	0.43 119	0.77 301	1.95 233	0.24 11	0.13 9	0.51 82	0.22 69	0.77 202	0.75 337	0.54 212	0.47 130	0.31 69	0.65 341	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 271

ADStereo(finetuned)	0.45 147	0.77 301	2.12 273	0.25 23	0.14 17	0.51 82	0.22 69	0.77 202	0.72 306	0.54 212	0.48 142	0.31 69	0.76 369	0.37 68	0.38 192	0.09 23	0.07 14	0.09 30	0.07 15	0.13 66	0.23 292

raft_robust	0.55 254	0.84 327	1.73 117	0.28 80	0.54 397	0.53 106	0.25 134	0.88 288	0.75 337	0.48 151	0.46 126	0.76 326	0.75 368	1.46 292	0.27 96	0.09 23	0.10 159	0.10 70	0.30 376	0.26 291	0.16 191

RAFT+CT+SA	0.50 203	0.86 332	1.82 177	0.37 279	0.75 424	0.54 112	0.34 269	0.77 202	0.63 228	0.38 82	0.55 211	0.34 86	0.29 126	0.68 196	0.27 96	0.09 23	0.07 14	0.11 120	0.51 424	0.29 308	0.41 402

test_5	0.51 220	0.87 335	1.99 246	0.37 279	0.65 417	0.58 172	0.35 276	0.78 216	0.62 217	0.48 151	0.55 211	0.45 157	0.40 206	0.72 211	0.30 133	0.09 23	0.07 14	0.12 171	0.12 176	0.33 340	0.38 389

SA	0.50 203	0.75 291	1.95 233	0.31 149	0.61 415	0.57 156	0.31 234	0.91 310	0.73 320	0.42 102	0.62 264	0.38 102	0.47 270	0.68 196	0.29 119	0.09 23	0.09 127	0.13 228	0.32 386	0.30 319	0.10 41

IGEV-Stereo	0.34 47	0.54 216	1.47 69	0.25 23	0.16 45	0.56 138	0.23 92	0.49 41	0.40 30	0.25 35	0.24 14	0.22 13	0.24 56	0.54 158	0.19 6	0.09 23	0.10 159	0.10 70	0.18 301	0.24 263	0.29 339
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.54 242	1.01 383	2.08 265	0.27 58	0.21 147	0.49 71	0.28 193	0.73 166	0.58 173	0.40 90	0.61 259	0.62 252	0.46 265	1.78 341	0.47 243	0.09 23	0.07 14	0.11 120	0.10 86	0.39 380	0.12 86

iRaft-Stereo_20w	0.58 271	0.39 147	1.96 242	0.45 346	0.32 288	0.92 390	0.57 371	1.14 420	0.56 160	0.81 378	0.40 97	0.55 213	0.69 352	0.65 192	1.04 363	0.09 23	0.16 302	0.09 30	0.36 403	0.17 155	0.25 312

GLC_STEREO	0.28 9	0.27 52	1.36 47	0.28 80	0.12 3	0.41 35	0.20 34	0.37 3	0.38 19	0.26 43	0.30 42	0.25 35	0.19 18	0.33 45	0.24 70	0.09 23	0.11 204	0.12 171	0.10 86	0.13 66	0.09 23

IPLG	0.69 329	0.84 327	2.43 333	0.35 241	0.21 147	1.65 435	0.61 381	1.36 433	0.58 173	1.39 433	0.51 171	0.37 95	0.87 385	1.41 285	0.36 181	0.09 23	0.07 14	0.14 262	0.12 176	0.32 332	0.11 55

MIPNet	0.83 379	0.81 318	2.40 326	0.61 403	0.18 96	1.48 425	1.39 449	1.60 442	0.74 324	1.94 443	0.85 366	0.73 311	1.68 438	0.87 234	0.31 145	0.09 23	0.08 68	0.11 120	0.32 386	0.25 273	0.12 86

IPLGR	0.54 242	0.56 226	2.68 373	0.36 259	0.18 96	0.62 239	0.54 359	1.02 396	0.64 236	0.73 359	0.46 126	0.47 178	0.45 254	1.12 259	0.29 119	0.09 23	0.08 68	0.11 120	0.09 53	0.19 200	0.12 86

LCNet	0.54 242	0.37 133	1.78 145	0.92 429	0.22 168	0.96 393	0.30 222	0.59 101	0.58 173	0.51 182	0.55 211	0.41 120	0.76 369	0.84 230	0.26 88	0.09 23	0.06 1	0.12 171	0.18 301	0.98 436	0.39 393

STrans-v2	0.67 318	0.56 226	2.64 368	0.27 58	0.23 185	0.57 156	0.33 265	0.96 353	0.69 281	0.92 394	0.85 366	0.89 366	0.93 392	1.83 353	1.21 376	0.09 23	0.07 14	0.10 70	0.09 53	0.11 29	0.12 86

PSM-AAD	0.63 298	0.22 23	1.77 140	0.37 279	0.23 185	0.86 378	1.17 439	0.59 101	0.60 184	0.64 322	0.71 334	0.68 286	2.93 454	0.65 192	0.31 145	0.09 23	0.07 14	0.17 324	0.15 255	0.13 66	0.33 366

GrayStereo	0.66 314	0.19 4	1.76 131	0.90 427	0.23 185	0.62 239	1.42 453	0.62 117	0.60 184	0.72 355	0.78 352	0.56 225	3.07 457	0.60 177	0.26 88	0.09 23	0.08 68	0.10 70	0.21 335	0.11 29	0.18 227

CroCo-Stereo	0.30 21	0.45 182	1.08 14	0.31 149	0.17 69	0.19 1	0.21 51	0.73 166	0.50 100	0.21 7	0.24 14	0.55 213	0.22 39	0.27 5	0.26 88	0.09 23	0.08 68	0.08 4	0.07 15	0.12 40	0.09 23
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
test-1	0.44 129	0.48 195	1.69 105	0.30 123	0.27 239	0.50 76	0.28 193	0.80 234	0.43 48	0.40 90	0.54 202	0.41 120	0.24 56	0.31 30	1.16 372	0.09 23	0.20 347	0.10 70	0.17 291	0.11 29	0.26 321

Prome-Stereo	0.49 193	0.30 88	1.76 131	0.60 402	0.23 185	0.63 256	0.42 311	0.62 117	0.60 184	0.59 279	1.03 394	0.43 137	0.72 359	0.60 177	0.33 165	0.09 23	0.07 14	0.10 70	0.09 53	0.11 29	0.43 404

iRaftStereo_RVC	0.37 68	0.53 212	1.41 56	0.28 80	0.15 31	0.52 99	0.20 34	0.54 78	0.46 69	0.37 76	0.43 106	0.41 120	0.23 49	0.36 61	0.26 88	0.09 23	0.15 286	0.12 171	0.11 143	0.41 386	0.37 386

CREStereo++_RVC	0.33 40	0.29 78	1.74 121	0.24 11	0.16 45	0.54 112	0.15 4	0.40 6	0.55 150	0.37 76	0.51 171	0.24 27	0.19 18	0.27 5	0.26 88	0.09 23	0.06 1	0.08 4	0.30 376	0.08 1	0.06 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
raft+_RVC	0.44 129	0.67 268	1.85 187	0.34 226	0.71 422	0.51 82	0.25 134	0.64 123	0.51 108	0.35 68	0.45 119	0.32 77	0.28 113	0.43 92	0.32 155	0.09 23	0.19 338	0.10 70	0.09 53	0.20 215	0.40 397

DCANet	0.42 113	0.77 301	1.95 233	0.25 23	0.14 17	0.51 82	0.22 69	0.77 202	0.72 306	0.54 212	0.48 142	0.31 69	0.41 217	0.36 61	0.39 203	0.09 23	0.07 14	0.09 30	0.07 15	0.13 66	0.23 292

csc	0.43 119	0.77 301	1.95 233	0.24 11	0.13 9	0.51 82	0.22 69	0.77 202	0.75 337	0.54 212	0.47 130	0.31 69	0.65 341	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 271

cscssc	0.43 119	0.77 301	1.95 233	0.24 11	0.13 9	0.51 82	0.22 69	0.77 202	0.75 337	0.54 212	0.47 130	0.31 69	0.65 341	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 271

111	0.48 175	1.09 393	1.95 233	0.24 11	0.13 9	0.59 188	0.26 153	0.83 251	0.78 355	0.48 151	0.52 183	0.56 225	0.38 186	0.49 135	0.38 192	0.09 23	0.07 14	0.09 30	0.07 15	0.23 248	0.35 372

test_xeample3	0.46 156	0.34 118	2.99 410	0.37 279	0.16 45	0.49 71	0.33 265	1.06 409	0.44 51	0.25 35	0.23 8	0.24 27	0.25 69	0.49 135	0.56 278	0.09 23	0.07 14	0.10 70	0.40 411	0.17 155	0.26 321

EAI-Stereo	0.78 368	0.25 38	1.67 102	0.54 384	0.59 408	1.95 444	2.05 458	1.11 419	0.64 236	0.95 398	1.49 419	0.50 194	0.67 348	0.59 172	1.44 391	0.09 23	0.19 338	0.09 30	0.49 422	0.13 66	0.22 271

CFNet-RSSM	0.41 98	0.32 101	2.20 290	0.27 58	0.44 368	0.52 99	0.19 21	0.76 192	0.48 86	0.43 107	0.36 73	0.54 210	0.26 83	0.33 45	0.25 81	0.09 23	0.08 68	0.09 30	0.38 406	0.10 16	0.09 23

Gwc-CoAtRS	0.38 74	0.33 107	1.92 220	0.27 58	0.41 360	0.48 65	0.19 21	0.59 101	0.46 69	0.43 107	0.39 92	0.57 231	0.26 83	0.32 37	0.26 88	0.09 23	0.09 127	0.09 30	0.31 381	0.11 29	0.09 23

HITNet	0.46 156	0.92 346	2.09 266	0.33 198	0.14 17	0.55 124	0.22 69	0.83 251	0.56 160	0.51 182	0.49 159	0.48 189	0.37 179	0.48 125	0.54 270	0.09 23	0.06 1	0.10 70	0.08 36	0.23 248	0.09 23
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
MLCV	0.48 175	0.89 341	1.85 187	0.29 108	0.14 17	0.59 188	0.23 92	0.72 158	0.59 180	0.66 331	0.66 302	0.55 213	0.36 166	1.03 247	0.49 252	0.09 23	0.06 1	0.09 30	0.07 15	0.19 200	0.11 55

UGAM	0.58 271	0.47 192	2.21 291	0.30 123	0.19 122	0.53 106	0.34 269	0.59 101	0.63 228	0.44 113	0.73 340	0.78 331	0.37 179	2.58 426	0.39 203	0.10 96	0.08 68	0.17 324	0.14 233	0.42 390	0.17 208

WCG-NET	0.30 21	0.32 101	1.16 20	0.25 23	0.19 122	0.51 82	0.18 17	0.54 78	0.46 69	0.35 68	0.29 34	0.32 77	0.26 83	0.36 61	0.19 6	0.10 96	0.10 159	0.08 4	0.07 15	0.29 308	0.09 23

model_zeroshot	0.44 129	0.68 270	1.97 245	0.28 80	0.18 96	0.69 309	0.21 51	0.63 122	0.40 30	1.00 401	0.34 64	0.42 133	0.20 24	0.69 202	0.24 70	0.10 96	0.22 360	0.10 70	0.22 342	0.12 40	0.10 41

Pointernet	0.29 15	0.25 38	1.49 74	0.24 11	0.20 137	0.47 57	0.15 4	0.62 117	0.47 84	0.22 12	0.29 34	0.26 44	0.20 24	0.28 9	0.20 24	0.10 96	0.07 14	0.07 1	0.12 176	0.10 16	0.07 3

AIO-Stereo-zeroshot1	0.70 333	0.65 261	3.45 438	0.50 367	0.60 413	0.75 338	0.23 92	0.96 353	0.60 184	0.76 365	1.30 411	0.81 342	0.60 323	0.57 165	0.82 337	0.10 96	0.16 302	0.11 120	0.43 417	0.31 326	0.22 271

AIO-Stereo-zeroshot	0.61 289	0.61 236	3.35 437	0.33 198	0.58 406	0.66 285	0.20 34	0.98 365	0.55 150	0.73 359	0.52 183	0.99 389	0.65 341	0.58 168	0.29 119	0.10 96	0.16 302	0.10 70	0.41 414	0.29 308	0.20 254

trnet	0.28 9	0.26 48	1.32 41	0.19 1	0.12 3	0.54 112	0.15 4	0.48 35	0.46 69	0.27 48	0.33 58	0.24 27	0.21 30	0.30 23	0.21 34	0.10 96	0.07 14	0.08 4	0.05 1	0.09 10	0.07 3

H2IRNET	0.40 92	0.61 236	1.90 211	0.29 108	0.17 69	0.54 112	0.18 17	0.52 60	0.50 100	0.27 48	0.56 222	0.47 178	0.35 160	0.46 113	0.33 165	0.10 96	0.07 14	0.12 171	0.14 233	0.32 332	0.12 86

Former-RAFT_DAM_RVC	0.50 203	0.33 107	0.93 10	0.26 45	0.22 168	0.46 54	0.20 34	1.10 415	1.34 429	3.16 464	0.32 53	0.22 13	0.20 24	0.30 23	0.22 44	0.10 96	0.09 127	0.11 120	0.09 53	0.15 101	0.19 239

MyStereo8	0.54 242	0.80 313	2.76 385	0.32 177	0.33 301	0.71 318	0.20 34	0.87 283	0.57 163	0.51 182	0.59 239	0.50 194	0.33 150	0.68 196	0.55 271	0.10 96	0.29 393	0.10 70	0.13 205	0.21 225	0.34 370

ACVNet-DCA	0.42 113	0.64 255	2.07 260	0.35 241	0.14 17	0.76 341	0.25 134	0.76 192	0.52 114	0.31 60	0.38 84	0.24 27	0.38 186	0.69 202	0.19 6	0.10 96	0.24 369	0.11 120	0.09 53	0.12 40	0.14 135

xx1	0.46 156	0.64 255	2.07 260	0.35 241	0.14 17	0.76 341	0.25 134	0.74 170	1.01 404	0.31 60	0.38 84	0.46 170	0.36 166	0.69 202	0.19 6	0.10 96	0.24 369	0.12 171	0.12 176	0.12 40	0.14 135

1test111	0.44 129	0.64 255	2.07 260	0.35 241	0.14 17	0.76 341	0.25 134	0.76 192	0.52 114	0.31 60	0.38 84	0.24 27	0.38 186	0.96 239	0.30 133	0.10 96	0.24 369	0.11 120	0.09 53	0.12 40	0.14 135

cc1	0.47 170	0.64 255	2.07 260	0.35 241	0.14 17	0.76 341	0.25 134	0.74 170	1.01 404	0.31 60	0.38 84	0.24 27	0.38 186	0.69 202	0.19 6	0.10 96	0.24 369	0.11 120	0.09 53	0.25 273	0.40 397

ffm	0.47 170	0.23 27	2.01 249	0.30 123	0.21 147	0.57 156	0.26 153	0.74 170	0.88 383	0.53 199	0.63 276	0.66 271	0.39 200	0.63 183	0.19 6	0.10 96	0.24 369	0.15 289	0.13 205	0.25 273	0.36 380

ff1	0.73 352	0.23 27	2.01 249	0.30 123	0.21 147	0.57 156	0.26 153	0.74 170	0.88 383	0.53 199	0.63 276	0.66 271	0.39 200	2.52 422	3.43 448	0.10 96	0.24 369	0.15 289	0.13 205	0.25 273	0.36 380

tt1	0.44 129	0.64 255	1.83 182	0.35 241	0.14 17	0.76 341	0.25 134	0.74 170	0.88 383	0.31 60	0.37 76	0.25 35	0.35 160	0.63 183	0.19 6	0.10 96	0.24 369	0.11 120	0.09 53	0.25 273	0.36 380

MaDis-Stereo	0.29 15	0.54 216	1.44 62	0.24 11	0.29 255	0.29 6	0.16 9	0.45 22	0.37 17	0.19 4	0.21 4	0.28 58	0.22 39	0.30 23	0.29 119	0.10 96	0.09 127	0.10 70	0.08 36	0.11 29	0.11 55

UniTT-Stereo	0.30 21	0.36 131	1.68 103	0.27 58	0.24 198	0.29 6	0.18 17	0.33 2	0.34 8	0.26 43	0.37 76	0.18 3	0.18 14	0.31 30	0.27 96	0.10 96	0.08 68	0.08 4	0.07 15	0.25 273	0.08 13

CASnet	0.28 9	0.31 97	1.20 26	0.28 80	0.11 1	0.47 57	0.19 21	0.44 19	0.44 51	0.38 82	0.31 49	0.23 20	0.17 6	0.29 18	0.19 6	0.10 96	0.06 1	0.15 289	0.12 176	0.16 134	0.07 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala	0.36 62	0.30 88	1.77 140	0.28 80	0.33 301	0.60 198	0.22 69	0.55 83	0.51 108	0.55 229	0.35 68	0.31 69	0.20 24	0.26 3	0.22 44	0.10 96	0.13 245	0.09 30	0.24 347	0.08 1	0.07 3

Any-RAFT	0.38 74	0.25 38	1.89 208	0.27 58	0.17 69	0.68 303	0.21 51	0.78 216	0.53 133	0.43 107	0.43 106	0.54 210	0.30 134	0.41 84	0.20 24	0.10 96	0.12 228	0.08 4	0.06 8	0.10 16	0.09 23

LL-Strereo	0.72 343	1.29 419	2.49 343	0.36 259	0.45 376	0.55 124	0.32 257	0.93 327	0.71 298	0.67 335	0.58 236	0.85 354	0.79 372	2.67 433	0.46 234	0.10 96	0.18 328	0.14 262	0.12 176	0.40 384	0.42 403

CBFPSM	0.56 260	0.91 345	1.82 177	0.28 80	0.23 185	0.71 318	0.37 290	0.72 158	0.64 236	0.50 169	0.49 159	1.03 396	0.83 377	0.62 180	1.35 384	0.10 96	0.12 228	0.10 70	0.10 86	0.18 179	0.19 239

LoS	0.31 28	0.30 88	1.52 80	0.23 4	0.13 9	0.54 112	0.20 34	0.48 35	0.49 92	0.25 35	0.28 29	0.37 95	0.24 56	0.38 73	0.23 51	0.10 96	0.08 68	0.08 4	0.05 1	0.15 101	0.07 3
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ToySt	0.44 129	0.61 236	1.89 208	0.29 108	0.18 96	0.55 124	0.35 276	0.67 139	0.53 133	0.39 88	0.50 167	0.59 240	0.43 243	0.51 144	0.49 252	0.10 96	0.12 228	0.13 228	0.16 274	0.24 263	0.19 239

anonymousa	0.48 175	0.46 184	2.44 335	0.29 108	0.34 308	0.61 219	0.25 134	0.66 130	0.54 145	0.53 199	0.77 351	0.73 311	0.46 265	0.33 45	0.31 145	0.10 96	0.09 127	0.12 171	0.29 370	0.10 16	0.19 239

Selective-RAFT	0.35 58	0.26 48	1.48 72	0.31 149	0.15 31	0.61 219	0.19 21	0.60 111	0.54 145	0.28 53	0.29 34	0.40 114	0.33 150	0.50 141	0.27 96	0.10 96	0.07 14	0.09 30	0.35 396	0.19 200	0.08 13

TestStereo1	0.49 193	0.81 318	1.85 187	0.39 301	0.57 404	0.56 138	0.34 269	0.75 180	0.69 281	0.44 113	0.63 276	0.35 90	0.42 233	0.64 185	0.29 119	0.10 96	0.08 68	0.12 171	0.10 86	0.33 340	0.26 321

SA-5K	0.49 193	0.81 318	1.85 187	0.39 301	0.57 404	0.56 138	0.34 269	0.75 180	0.69 281	0.44 113	0.63 276	0.35 90	0.42 233	0.64 185	0.29 119	0.10 96	0.08 68	0.12 171	0.10 86	0.33 340	0.26 321

Sa-1000	0.51 220	0.72 283	1.90 211	0.31 149	0.60 413	0.60 198	0.31 234	0.94 335	0.71 298	0.52 189	0.83 359	0.42 133	0.33 150	0.68 196	0.28 105	0.10 96	0.09 127	0.13 228	0.29 370	0.29 308	0.10 41

CrosDoStereo	0.94 393	0.37 133	2.53 350	0.25 23	0.32 288	0.54 112	3.76 468	0.72 158	0.60 184	0.70 348	1.40 416	0.53 205	1.49 431	1.78 341	3.09 438	0.10 96	0.08 68	0.11 120	0.11 143	0.21 225	0.11 55

TransformOpticalFlow	0.64 302	0.56 226	2.66 371	0.44 332	0.26 227	0.62 239	0.28 193	0.83 251	0.71 298	0.76 365	0.74 343	0.91 370	0.85 381	1.83 353	0.81 336	0.10 96	0.07 14	0.11 120	0.09 53	0.11 29	0.12 86

OMP-Stereo	0.59 276	0.65 261	1.74 121	0.56 392	0.37 338	0.60 198	0.26 153	0.70 150	0.65 249	0.66 331	0.60 252	0.69 293	0.32 147	2.09 389	1.20 374	0.10 96	0.07 14	0.12 171	0.09 53	0.17 155	0.10 41

KYRaft	0.48 175	0.29 78	1.75 127	0.33 198	0.21 147	0.75 338	0.44 325	0.58 94	0.57 163	0.64 322	0.93 378	0.53 205	0.72 359	0.60 177	0.24 70	0.10 96	0.07 14	0.12 171	0.14 233	0.12 40	0.54 417

ASMatch	0.60 281	0.43 167	2.58 360	0.91 428	0.36 327	0.56 138	0.25 134	0.52 60	0.61 199	0.47 133	1.21 405	0.47 178	0.66 346	1.34 279	0.94 345	0.10 96	0.08 68	0.11 120	0.11 143	0.10 16	0.16 191

DeepStereo_LL	0.94 393	0.37 133	2.53 350	0.25 23	0.32 288	0.54 112	3.76 468	0.72 158	0.60 184	0.70 348	1.40 416	0.53 205	1.49 431	1.78 341	3.09 438	0.10 96	0.08 68	0.11 120	0.11 143	0.21 225	0.11 55

DEmStereo	0.68 325	0.31 97	2.25 301	0.42 324	0.17 69	0.66 285	0.89 418	0.51 49	0.59 180	0.60 287	1.01 390	0.45 157	1.26 415	1.54 306	2.26 424	0.10 96	0.08 68	0.10 70	0.10 86	0.10 16	0.11 55

THIR-Stereo	0.86 383	0.62 242	2.13 275	0.25 23	0.16 45	0.58 172	2.74 464	0.59 101	0.51 108	0.62 305	1.62 423	0.97 385	1.80 442	1.69 329	2.25 423	0.10 96	0.08 68	0.14 262	0.11 143	0.15 101	0.11 55

DRaft	0.62 294	0.38 138	1.76 131	0.24 11	0.16 45	0.64 267	0.66 389	0.53 68	0.53 133	0.67 335	0.99 387	0.38 102	1.00 400	1.44 287	2.10 418	0.10 96	0.14 261	0.10 70	0.14 233	0.18 179	0.21 261

RAFT-345	0.53 237	0.30 88	2.34 314	0.38 293	0.34 308	0.58 172	0.42 311	0.47 32	0.61 199	0.51 182	1.00 389	0.43 137	0.28 113	1.57 310	0.82 337	0.10 96	0.07 14	0.11 120	0.09 53	0.10 16	0.08 13

GMM-Stereo	0.50 203	0.23 27	2.41 327	0.54 384	0.24 198	0.77 349	0.46 334	0.59 101	0.57 163	0.58 266	0.73 340	0.47 178	0.43 243	0.68 196	0.27 96	0.10 96	0.06 1	0.13 228	0.13 205	0.14 85	0.44 406

rafts_anoy	0.43 119	0.89 341	1.96 242	0.32 177	0.30 265	0.48 65	0.24 119	0.62 117	0.49 92	0.37 76	0.38 84	0.33 82	0.30 134	0.51 144	0.34 172	0.10 96	0.39 418	0.13 228	0.15 255	0.17 155	0.15 168

TANstereo	0.33 40	0.49 198	1.75 127	0.23 4	0.12 3	0.54 112	0.16 9	0.40 6	0.45 64	0.45 123	0.51 171	0.26 44	0.22 39	0.29 18	0.20 24	0.10 96	0.10 159	0.08 4	0.06 8	0.08 1	0.11 55

XX-TBD	0.34 47	0.77 301	1.75 127	0.34 226	0.13 9	0.51 82	0.17 11	0.43 16	0.50 100	0.37 76	0.49 159	0.23 20	0.18 14	0.28 9	0.24 70	0.10 96	0.07 14	0.08 4	0.06 8	0.09 10	0.07 3

raftrobust	0.38 74	0.68 270	1.54 82	0.32 177	0.46 382	0.52 99	0.21 51	0.56 86	0.42 40	0.52 189	0.35 68	0.31 69	0.33 150	0.37 68	0.30 133	0.10 96	0.11 204	0.08 4	0.07 15	0.21 225	0.19 239

RALCasStereoNet	0.45 147	0.88 338	1.85 187	0.30 123	0.26 227	0.49 71	0.26 153	0.58 94	0.51 108	0.36 72	0.48 142	0.36 93	0.28 113	0.55 162	0.34 172	0.10 96	0.53 432	0.09 30	0.08 36	0.25 273	0.34 370

RALAANet	0.43 119	0.98 373	1.90 211	0.32 177	0.23 185	0.48 65	0.19 21	0.67 139	0.53 133	0.48 151	0.45 119	0.39 106	0.30 134	0.48 125	0.37 186	0.10 96	0.08 68	0.11 120	0.14 233	0.27 299	0.10 41

XX-Stereo	0.55 254	0.54 216	3.50 440	0.48 363	0.39 345	0.54 112	0.17 11	0.89 294	0.40 30	0.44 113	0.65 300	0.85 354	0.19 18	0.77 221	0.21 34	0.10 96	0.14 261	0.10 70	0.32 386	0.17 155	0.14 135

ARAFT	0.60 281	1.23 413	3.10 417	0.28 80	0.16 45	0.64 267	0.36 283	0.90 300	0.67 270	0.61 294	0.49 159	0.55 213	0.31 142	1.24 274	0.32 155	0.10 96	0.08 68	0.14 262	0.13 205	0.37 366	0.21 261

MMNet	0.50 203	0.48 195	1.93 223	0.33 198	0.27 239	0.79 358	0.28 193	0.81 238	0.74 324	0.60 287	0.56 222	0.59 240	0.55 304	0.79 226	0.59 288	0.10 96	0.09 127	0.12 171	0.11 143	0.13 66	0.14 135

DIP-Stereo	0.37 68	0.34 118	1.50 77	0.27 58	0.18 96	0.63 256	0.17 11	0.92 319	0.53 133	0.49 162	0.48 142	0.30 67	0.30 134	0.39 77	0.30 133	0.10 96	0.08 68	0.10 70	0.08 36	0.15 101	0.12 86
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
R-Stereo Train	0.36 62	0.21 13	1.70 109	0.29 108	0.18 96	0.55 124	0.26 153	0.78 216	0.36 13	0.57 250	0.67 305	0.33 82	0.24 56	0.32 37	0.23 51	0.10 96	0.08 68	0.09 30	0.07 15	0.09 10	0.12 86

RAFT-Stereo	0.36 62	0.21 13	1.70 109	0.29 108	0.18 96	0.55 124	0.26 153	0.78 216	0.36 13	0.57 250	0.67 305	0.33 82	0.24 56	0.32 37	0.23 51	0.10 96	0.08 68	0.09 30	0.07 15	0.09 10	0.12 86
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
iResNet	0.51 220	0.76 292	2.59 362	0.41 316	0.17 69	0.64 267	0.27 178	0.82 245	0.70 289	0.57 250	0.64 291	0.43 137	0.36 166	0.70 207	0.52 262	0.10 96	0.07 14	0.09 30	0.08 36	0.21 225	0.13 120

test_sample1	0.40 92	0.18 2	1.19 24	0.31 149	0.18 96	0.48 65	0.23 92	0.78 216	0.49 92	0.44 113	0.44 116	0.45 157	0.41 217	1.39 282	0.33 165	0.11 151	0.09 127	0.10 70	0.09 53	0.12 40	0.13 120

mmm	0.38 74	0.21 13	1.18 22	0.35 241	0.17 69	0.49 71	0.26 153	0.78 216	0.52 114	0.50 169	0.57 230	0.41 120	0.37 179	0.71 209	0.31 145	0.11 151	0.13 245	0.14 262	0.13 205	0.15 101	0.14 135

11t1	0.33 40	0.19 4	1.41 56	0.33 198	0.16 45	0.48 65	0.21 51	0.67 139	0.48 86	0.40 90	0.34 64	0.32 77	0.33 150	0.42 89	0.27 96	0.11 151	0.12 228	0.10 70	0.08 36	0.13 66	0.14 135

plain	0.37 68	0.47 192	2.15 281	0.27 58	0.19 122	0.33 15	0.20 34	0.58 94	0.46 69	0.23 19	0.37 76	0.23 20	0.25 69	0.45 107	0.28 105	0.11 151	0.08 68	0.13 228	0.09 53	0.42 390	0.12 86

MIF-Stereo (partial)	0.34 47	0.41 156	1.93 223	0.26 45	0.24 198	0.32 13	0.17 11	0.53 68	0.42 40	0.25 35	0.37 76	0.25 35	0.26 83	0.44 98	0.31 145	0.11 151	0.08 68	0.12 171	0.10 86	0.19 200	0.14 135

PCWNet_CMD	0.46 156	0.45 182	2.28 305	0.26 45	0.20 137	0.55 124	0.21 51	0.75 180	0.64 236	0.48 151	0.55 211	0.68 286	0.57 313	0.46 113	0.30 133	0.11 151	0.10 159	0.14 262	0.10 86	0.18 179	0.14 135

gwcnet-sp	0.49 193	0.43 167	2.54 356	0.31 149	0.22 168	0.67 291	0.31 234	0.78 216	0.65 249	0.58 266	0.47 130	0.46 170	0.43 243	0.76 217	0.46 234	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

scenet	0.49 193	0.43 167	2.54 356	0.31 149	0.22 168	0.67 291	0.31 234	0.78 216	0.65 249	0.58 266	0.47 130	0.46 170	0.43 243	0.76 217	0.46 234	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

knoymous	0.34 47	0.25 38	1.75 127	0.24 11	0.18 96	0.45 41	0.24 119	0.57 89	0.38 19	0.41 97	0.39 92	0.55 213	0.25 69	0.38 73	0.23 51	0.11 151	0.08 68	0.12 171	0.07 15	0.13 66	0.12 86

riskmin	0.37 68	0.22 23	1.74 121	0.32 177	0.20 137	0.48 65	0.20 34	0.66 130	0.46 69	0.36 72	0.34 64	0.69 293	0.45 254	0.39 77	0.27 96	0.11 151	0.08 68	0.12 171	0.08 36	0.13 66	0.16 191

ssnet	0.49 193	0.43 167	2.54 356	0.31 149	0.22 168	0.67 291	0.31 234	0.78 216	0.65 249	0.58 266	0.47 130	0.46 170	0.43 243	0.76 217	0.46 234	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

qqq	0.38 74	0.21 13	1.34 46	0.28 80	0.15 31	0.45 41	0.26 153	0.76 192	0.52 114	0.39 88	0.41 101	0.46 170	0.36 166	0.96 239	0.30 133	0.11 151	0.14 261	0.12 171	0.12 176	0.12 40	0.14 135

x	0.35 58	0.20 8	1.36 47	0.33 198	0.17 69	0.47 57	0.24 119	0.75 180	0.54 145	0.40 90	0.40 97	0.42 133	0.34 158	0.45 107	0.32 155	0.11 151	0.14 261	0.11 120	0.09 53	0.12 40	0.14 135

IER	0.43 119	0.38 138	1.69 105	0.26 45	0.25 213	0.66 285	0.26 153	0.71 153	0.55 150	0.54 212	0.59 239	0.60 246	0.53 296	0.52 148	0.39 203	0.11 151	0.08 68	0.11 120	0.11 143	0.14 85	0.11 55

hknet	0.47 170	0.29 78	1.70 109	0.30 123	0.24 198	0.76 341	0.31 234	1.00 385	0.64 236	0.63 313	0.53 192	0.80 339	0.38 186	0.77 221	0.37 186	0.11 151	0.10 159	0.14 262	0.12 176	0.12 40	0.11 55

CIPLG	0.56 260	1.19 409	2.46 338	0.80 420	0.31 281	0.61 219	0.57 371	0.76 192	0.57 163	0.56 239	0.63 276	0.41 120	0.30 134	0.45 107	0.40 209	0.11 151	0.20 347	0.13 228	0.13 205	0.35 355	0.19 239

IPLGR_C	0.58 271	1.25 416	2.72 379	0.80 420	0.31 281	0.60 198	0.61 381	0.76 192	0.58 173	0.56 239	0.62 264	0.41 120	0.31 142	0.43 92	0.40 209	0.11 151	0.22 360	0.13 228	0.15 255	0.35 355	0.19 239

ACRE	0.56 260	1.14 400	2.77 387	0.76 416	0.28 249	0.60 198	0.56 367	0.76 192	0.58 173	0.55 229	0.62 264	0.41 120	0.29 126	0.44 98	0.39 203	0.11 151	0.19 338	0.13 228	0.14 233	0.36 359	0.18 227

AAGNet	0.88 386	0.33 107	1.79 164	0.54 384	0.98 437	0.62 239	0.46 334	0.50 47	0.60 184	0.58 266	0.53 192	0.50 194	0.73 362	1.23 271	7.48 467	0.11 151	0.07 14	0.12 171	0.10 86	0.14 85	0.09 23

IIG-Stereo	0.59 276	0.65 261	1.74 121	0.54 384	0.23 185	0.61 219	0.21 51	0.73 166	0.65 249	0.64 322	0.69 320	0.69 293	0.38 186	2.09 389	1.39 387	0.11 151	0.07 14	0.11 120	0.09 53	0.15 101	0.09 23

NF-Stereo	0.48 175	0.25 38	1.81 171	0.52 375	0.16 45	0.61 219	0.44 325	0.66 130	0.61 199	0.50 169	0.47 130	0.37 95	0.26 83	1.45 291	0.79 334	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.16 191

OCTAStereo	0.48 175	0.25 38	1.81 171	0.52 375	0.16 45	0.61 219	0.43 317	0.66 130	0.61 199	0.50 169	0.47 130	0.37 95	0.26 83	1.44 287	0.80 335	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

NRIStereo	0.46 156	0.25 38	1.77 140	0.47 355	0.16 45	0.95 392	0.74 405	0.51 49	0.56 160	0.48 151	0.39 92	0.59 240	0.29 126	0.77 221	0.32 155	0.11 151	0.13 245	0.11 120	0.09 53	0.21 225	0.24 303

SST-Stereo	0.52 231	0.20 8	1.76 131	0.62 404	0.53 395	0.62 239	0.66 389	0.55 83	0.61 199	0.58 266	0.53 192	0.52 203	0.60 323	1.59 316	0.29 119	0.11 151	0.07 14	0.12 171	0.10 86	0.16 134	0.10 41

RAFT_R40	0.50 203	0.21 13	1.76 131	0.50 367	0.40 353	0.61 219	0.53 356	0.56 86	0.60 184	0.56 239	0.54 202	0.55 213	0.51 289	1.57 310	0.53 266	0.11 151	0.07 14	0.12 171	0.10 86	0.16 134	0.09 23

RE-Stereo	0.48 175	0.25 38	1.81 171	0.52 375	0.16 45	0.61 219	0.43 317	0.66 130	0.60 184	0.50 169	0.47 130	0.37 95	0.26 83	1.44 287	0.78 330	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

TVStereo	0.48 175	0.25 38	1.81 171	0.52 375	0.16 45	0.61 219	0.43 317	0.66 130	0.60 184	0.50 169	0.47 130	0.37 95	0.26 83	1.44 287	0.78 330	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

DeepStereo_RVC	0.44 129	0.28 73	1.92 220	0.49 365	0.17 69	0.60 198	0.59 375	0.50 47	0.52 114	0.49 162	0.45 119	0.39 106	0.86 384	0.45 107	0.33 165	0.11 151	0.08 68	0.11 120	0.09 53	0.15 101	0.19 239

IRAFT_RVC	0.54 242	0.53 212	1.78 145	0.46 350	0.21 147	0.58 172	0.43 317	0.65 128	0.66 263	0.54 212	0.50 167	0.49 191	0.51 289	1.58 314	1.01 359	0.11 151	0.25 382	0.13 228	0.10 86	0.15 101	0.13 120

AnonymousM	0.37 68	0.44 176	1.50 77	0.25 23	0.15 31	0.52 99	0.23 92	0.60 111	0.42 40	0.42 102	0.32 53	0.30 67	0.25 69	0.34 51	0.23 51	0.11 151	0.09 127	0.71 431	0.36 403	0.12 40	0.07 3

CRE-IMP	0.41 98	0.22 23	1.76 131	0.48 363	0.17 69	0.79 358	0.69 397	0.52 60	0.52 114	0.47 133	0.42 104	0.45 157	0.26 83	0.41 84	0.31 145	0.11 151	0.07 14	0.12 171	0.09 53	0.17 155	0.23 292

RAFT	0.45 147	0.92 346	1.59 88	0.34 226	0.19 122	0.46 54	0.35 276	0.65 128	0.49 92	0.49 162	0.49 159	0.70 303	0.40 206	0.47 120	0.32 155	0.11 151	0.16 302	0.14 262	0.13 205	0.51 409	0.13 120

s12784h	0.36 62	0.28 73	1.58 87	0.23 4	0.11 1	0.62 239	0.24 119	0.79 232	0.64 236	0.44 113	0.52 183	0.28 58	0.26 83	0.50 141	0.24 70	0.11 151	0.06 1	0.09 30	0.06 8	0.16 134	0.06 1

TestStereo	0.45 147	0.54 216	2.11 270	0.29 108	0.16 45	0.43 38	0.24 119	0.54 78	0.45 64	0.37 76	0.46 126	0.34 86	0.27 99	1.98 377	0.27 96	0.11 151	0.08 68	0.12 171	0.09 53	0.14 85	0.08 13

CFNet_pseudo	0.45 147	0.46 184	2.23 299	0.25 23	0.19 122	0.56 138	0.21 51	0.77 202	0.60 184	0.49 162	0.56 222	0.69 293	0.47 270	0.52 148	0.31 145	0.11 151	0.10 159	0.15 289	0.10 86	0.17 155	0.14 135

delet	0.52 231	0.54 216	1.62 95	0.31 149	0.35 319	0.74 332	0.46 334	0.85 265	0.74 324	0.55 229	0.60 252	0.67 280	0.50 287	1.12 259	0.57 281	0.11 151	0.11 204	0.13 228	0.14 233	0.16 134	0.12 86

UNet	0.54 242	0.44 176	2.83 393	0.31 149	0.33 301	0.74 332	0.27 178	0.82 245	0.61 199	0.53 199	0.54 202	0.72 308	0.54 299	0.78 225	0.56 278	0.11 151	0.09 127	0.13 228	0.11 143	0.14 85	0.12 86

CREStereo	0.28 9	0.30 88	1.33 43	0.19 1	0.13 9	0.55 124	0.17 11	0.48 35	0.46 69	0.27 48	0.33 58	0.24 27	0.21 30	0.31 30	0.21 34	0.11 151	0.07 14	0.08 4	0.05 1	0.10 16	0.07 3
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
ACVNet	0.45 147	0.44 176	1.79 164	0.28 80	0.21 147	0.59 188	0.36 283	0.66 130	0.68 272	0.45 123	0.59 239	0.69 293	0.40 206	0.44 98	0.55 271	0.11 151	0.09 127	0.10 70	0.09 53	0.34 347	0.10 41

acv_ft	0.48 175	0.44 176	1.76 131	0.32 177	0.41 360	0.63 256	0.28 193	0.81 238	0.68 272	0.61 294	0.59 239	0.69 293	0.45 254	0.44 98	0.63 296	0.11 151	0.09 127	0.10 70	0.09 53	0.41 386	0.10 41

BEATNet_4x	0.47 170	0.73 286	1.91 217	0.33 198	0.15 31	0.56 138	0.25 134	0.85 265	0.58 173	0.54 212	0.51 171	0.57 231	0.42 233	0.57 165	0.61 292	0.11 151	0.08 68	0.12 171	0.09 53	0.20 215	0.16 191

MSMDNet	0.46 156	0.44 176	2.28 305	0.26 45	0.20 137	0.55 124	0.21 51	0.75 180	0.64 236	0.48 151	0.55 211	0.68 286	0.56 308	0.46 113	0.30 133	0.11 151	0.10 159	0.13 228	0.10 86	0.18 179	0.15 168

ccs_rob	0.45 147	0.46 184	2.22 295	0.26 45	0.19 122	0.56 138	0.21 51	0.77 202	0.60 184	0.49 162	0.56 222	0.69 293	0.47 270	0.52 148	0.31 145	0.11 151	0.09 127	0.16 307	0.10 86	0.17 155	0.14 135

iResNetv2_ROB	0.59 276	1.43 430	2.96 405	0.40 310	0.22 168	0.58 172	0.28 193	0.91 310	0.73 320	0.57 250	0.63 276	0.60 246	0.41 217	0.74 213	0.35 179	0.11 151	0.08 68	0.10 70	0.07 15	0.43 392	0.17 208

HSM	0.62 294	0.76 292	1.72 116	0.30 123	0.29 255	0.64 267	0.28 193	0.94 335	0.62 217	0.58 266	0.57 230	1.40 425	0.64 339	2.59 427	0.42 217	0.11 151	0.08 68	0.10 70	0.08 36	0.14 85	0.11 55

StereoDRNet-Refined	0.50 203	0.41 156	1.50 77	0.33 198	0.21 147	0.68 303	0.26 153	0.81 238	0.68 272	0.67 335	0.68 313	0.73 311	0.42 233	1.10 253	0.59 288	0.11 151	0.08 68	0.14 262	0.14 233	0.25 273	0.21 261
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	0.50 203	1.15 404	1.73 117	0.31 149	0.21 147	0.58 172	0.22 69	0.95 348	0.82 369	0.58 266	0.62 264	0.57 231	0.39 200	0.84 230	0.40 209	0.11 151	0.08 68	0.09 30	0.06 8	0.21 225	0.13 120

DN-CSS_ROB	0.48 175	1.23 413	1.99 246	0.39 301	0.22 168	0.56 138	0.19 21	0.75 180	0.61 199	0.45 123	0.62 264	0.41 120	0.31 142	0.70 207	0.32 155	0.11 151	0.08 68	0.14 262	0.13 205	0.36 359	0.12 86

test_sample2	0.41 98	0.19 4	1.23 29	0.31 149	0.17 69	0.51 82	0.27 178	0.81 238	0.55 150	0.44 113	0.45 119	0.46 170	0.38 186	1.51 302	0.30 133	0.12 199	0.09 127	0.11 120	0.10 86	0.14 85	0.14 135

DispNO	0.67 318	0.98 373	2.58 360	0.31 149	0.27 239	0.59 188	0.29 214	0.83 251	0.68 272	0.53 199	0.79 355	0.83 348	0.47 270	2.46 417	0.68 309	0.12 199	0.10 159	0.19 350	0.31 381	0.16 134	0.17 208

CoDeX	0.52 231	0.43 167	2.25 301	0.29 108	0.26 227	0.61 219	0.32 257	0.99 377	0.68 272	0.48 151	0.55 211	0.52 203	0.40 206	1.60 317	0.35 179	0.12 199	0.09 127	0.11 120	0.10 86	0.13 66	0.12 86

1111x	0.74 355	0.21 13	1.93 223	0.31 149	0.17 69	0.63 256	0.32 257	1.03 403	0.74 324	0.52 189	0.62 264	0.57 231	0.47 270	2.38 407	4.25 456	0.12 199	0.14 261	0.11 120	0.12 176	0.12 40	0.14 135

EKT-Stereo	1.47 435	0.49 198	1.93 223	2.57 465	19.31 478	0.55 124	0.22 69	0.69 144	0.42 40	0.38 82	0.36 73	0.43 137	0.27 99	0.69 202	0.26 88	0.12 199	0.14 261	0.11 120	0.16 274	0.20 215	0.15 168

DisPM	0.43 119	0.33 107	1.78 145	0.57 394	0.18 96	0.59 188	0.63 387	0.53 68	0.61 199	0.60 287	0.53 192	0.38 102	0.26 83	0.75 214	0.29 119	0.12 199	0.07 14	0.12 171	0.11 143	0.11 29	0.14 135

DAS	0.56 260	0.35 125	1.55 84	0.33 198	0.34 308	0.50 76	0.42 311	0.83 251	0.74 324	0.83 383	0.68 313	0.56 225	0.48 278	2.40 411	0.46 234	0.12 199	0.08 68	0.12 171	0.09 53	0.18 179	0.15 168

SepStereo	0.52 231	0.35 125	1.55 84	0.33 198	0.34 308	0.50 76	0.42 311	0.83 251	0.74 324	0.83 383	0.68 313	0.56 225	0.48 278	1.56 308	0.46 234	0.12 199	0.08 68	0.12 171	0.09 53	0.18 179	0.15 168

TRStereo	0.53 237	0.76 292	2.38 322	0.42 324	0.29 255	0.69 309	0.23 92	1.81 447	0.55 150	0.36 72	0.32 53	0.47 178	0.40 206	0.46 113	0.25 81	0.12 199	0.11 204	0.11 120	0.41 414	0.13 66	0.32 359

Patchmatch Stereo++	0.39 87	0.27 52	1.78 145	0.44 332	0.16 45	0.61 219	0.27 178	0.51 49	0.52 114	0.47 133	0.43 106	0.43 137	0.28 113	0.54 158	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86
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-softLoss	0.48 175	0.27 52	1.85 187	0.51 371	0.17 69	0.61 219	0.40 302	0.61 113	0.57 163	0.52 189	0.48 142	0.39 106	0.25 69	1.46 292	0.77 328	0.12 199	0.08 68	0.13 228	0.12 176	0.12 40	0.14 135

KMStereo	0.48 175	0.27 52	1.85 187	0.51 371	0.17 69	0.61 219	0.40 302	0.61 113	0.57 163	0.52 189	0.48 142	0.39 106	0.25 69	1.46 292	0.77 328	0.12 199	0.08 68	0.13 228	0.12 176	0.12 40	0.14 135

PSM-adaLoss	0.38 74	0.27 52	1.78 145	0.44 332	0.17 69	0.60 198	0.29 214	0.51 49	0.52 114	0.47 133	0.43 106	0.44 148	0.28 113	0.47 120	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

ROB_FTStereo_v2	0.38 74	0.27 52	1.78 145	0.44 332	0.17 69	0.61 219	0.28 193	0.51 49	0.52 114	0.47 133	0.43 106	0.44 148	0.28 113	0.47 120	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

ROB_FTStereo	0.38 74	0.27 52	1.78 145	0.44 332	0.17 69	0.61 219	0.26 153	0.51 49	0.52 114	0.47 133	0.43 106	0.43 137	0.28 113	0.49 135	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

HUI-Stereo	0.38 74	0.27 52	1.79 164	0.44 332	0.17 69	0.61 219	0.28 193	0.51 49	0.52 114	0.47 133	0.43 106	0.44 148	0.28 113	0.45 107	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

Pruner-Stereo	0.51 220	0.27 52	1.78 145	1.79 456	0.19 122	0.62 239	0.45 331	0.57 89	0.60 184	0.61 294	0.48 142	0.41 120	0.24 56	0.46 113	1.00 355	0.12 199	0.07 14	0.12 171	0.10 86	0.12 40	0.13 120

iGMRVC	0.39 87	0.27 52	1.78 145	0.44 332	0.17 69	0.61 219	0.27 178	0.51 49	0.52 114	0.47 133	0.43 106	0.44 148	0.28 113	0.55 162	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

iRAFT	0.39 87	0.27 52	1.78 145	0.44 332	0.16 45	0.61 219	0.27 178	0.51 49	0.52 114	0.47 133	0.43 106	0.43 137	0.28 113	0.54 158	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

RAFT-IKP	0.38 74	0.27 52	1.79 164	0.44 332	0.16 45	0.60 198	0.28 193	0.51 49	0.52 114	0.47 133	0.43 106	0.43 137	0.28 113	0.50 141	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

sAnonymous2	0.38 74	0.62 242	2.15 281	0.31 149	0.24 198	0.34 18	0.27 178	0.53 68	0.46 69	0.24 22	0.29 34	0.23 20	0.28 113	0.28 9	0.22 44	0.12 199	0.09 127	0.11 120	0.13 205	0.38 372	0.35 372

CroCo_RVC	0.38 74	0.62 242	2.15 281	0.31 149	0.24 198	0.34 18	0.27 178	0.53 68	0.46 69	0.24 22	0.29 34	0.23 20	0.28 113	0.28 9	0.22 44	0.12 199	0.09 127	0.11 120	0.13 205	0.38 372	0.35 372

test_xeample	0.72 343	0.21 13	1.36 47	0.27 58	0.17 69	0.59 188	0.28 193	1.01 393	0.70 289	0.55 229	0.67 305	0.44 148	0.39 200	1.88 367	5.17 461	0.12 199	0.10 159	0.11 120	0.10 86	0.13 66	0.15 168

RAFT + AFF	0.64 302	1.20 410	1.95 233	0.34 226	0.33 301	0.67 291	0.52 352	0.99 377	0.74 324	0.53 199	0.58 236	0.57 231	0.80 373	1.76 338	0.51 260	0.12 199	0.27 390	0.15 289	0.14 233	0.43 392	0.29 339

SFCPSM	0.46 156	0.24 35	2.35 317	0.27 58	0.27 239	0.70 316	0.32 257	0.96 353	0.63 228	0.49 162	0.52 183	0.43 137	0.36 166	0.52 148	0.43 226	0.12 199	0.09 127	0.12 171	0.16 274	0.16 134	0.12 86

FENet	0.44 129	0.30 88	2.42 329	0.32 177	0.17 69	0.58 172	0.22 69	0.77 202	0.59 180	0.47 133	0.42 104	0.55 213	0.38 186	0.49 135	0.47 243	0.12 199	0.09 127	0.12 171	0.11 143	0.13 66	0.16 191

RASNet	0.61 289	0.68 270	2.03 256	0.35 241	0.46 382	0.65 279	0.28 193	0.78 216	0.70 289	0.48 151	0.64 291	0.93 375	0.61 331	2.21 396	0.73 322	0.12 199	0.09 127	0.09 30	0.10 86	0.14 85	0.11 55

CFNet	0.58 271	0.96 362	1.78 145	0.33 198	0.25 213	0.63 256	0.22 69	0.88 288	0.75 337	0.46 131	0.59 239	0.58 238	0.40 206	2.29 400	0.48 247	0.12 199	0.09 127	0.15 289	0.14 233	0.30 319	0.15 168

DISCO	0.57 266	0.34 118	1.87 200	0.45 346	0.34 308	0.84 372	0.35 276	0.84 261	0.78 355	0.59 279	0.63 276	1.06 403	0.53 296	1.10 253	0.82 337	0.12 199	0.09 127	0.11 120	0.10 86	0.22 239	0.18 227

rvit_stereo_0081	0.25 2	0.21 13	0.61 2	0.28 80	0.17 69	0.31 10	0.22 69	0.42 12	0.53 133	0.24 22	0.25 19	0.25 35	0.21 30	0.34 51	0.23 51	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.09 23

DCVSM-stereo	0.49 193	0.29 78	2.49 343	0.29 108	0.22 168	0.53 106	0.52 352	0.58 94	0.49 92	0.69 344	0.46 126	0.79 336	0.48 278	0.53 154	0.42 217	0.13 228	0.14 261	0.15 289	0.12 176	0.20 215	0.20 254

rvit_stereo_0082	0.25 2	0.21 13	0.61 2	0.28 80	0.17 69	0.31 10	0.22 69	0.42 12	0.53 133	0.24 22	0.25 19	0.25 35	0.21 30	0.34 51	0.23 51	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.09 23

rvit_stereo_0080	0.27 5	0.38 138	0.76 5	0.24 11	0.18 96	0.34 18	0.27 178	0.54 78	0.44 51	0.24 22	0.26 24	0.27 50	0.22 39	0.29 18	0.23 51	0.13 228	0.10 159	0.10 70	0.10 86	0.15 101	0.11 55

rvit_stereo_ft	0.31 28	0.61 236	1.18 22	0.32 177	0.21 147	0.28 4	0.27 178	0.55 83	0.48 86	0.23 19	0.27 26	0.28 58	0.26 83	0.32 37	0.25 81	0.13 228	0.09 127	0.11 120	0.11 143	0.13 66	0.14 135

test_sample5	0.51 220	0.43 167	1.83 182	0.32 177	0.18 96	0.55 124	0.26 153	0.92 319	0.65 249	0.53 199	0.59 239	0.45 157	0.36 166	1.87 360	0.36 181	0.13 228	0.10 159	0.13 228	0.12 176	0.17 155	0.16 191

test_sample4	0.50 203	0.42 163	1.88 201	0.32 177	0.19 122	0.56 138	0.26 153	0.93 327	0.65 249	0.54 212	0.54 202	0.45 157	0.36 166	1.79 345	0.36 181	0.13 228	0.10 159	0.13 228	0.12 176	0.17 155	0.16 191

test_sample3	0.50 203	0.41 156	1.88 201	0.32 177	0.19 122	0.57 156	0.25 134	0.92 319	0.64 236	0.52 189	0.49 159	0.47 178	0.35 160	1.79 345	0.37 186	0.13 228	0.10 159	0.12 171	0.11 143	0.16 134	0.16 191

SMFormer	0.50 203	0.46 184	1.60 90	0.30 123	0.15 31	0.45 41	0.24 119	0.90 300	0.72 306	0.56 239	0.64 291	0.51 197	0.41 217	1.87 360	0.49 252	0.13 228	0.10 159	0.11 120	0.10 86	0.15 101	0.16 191

tta	0.50 203	0.46 184	1.60 90	0.30 123	0.15 31	0.45 41	0.24 119	0.90 300	0.72 306	0.56 239	0.64 291	0.51 197	0.41 217	1.87 360	0.49 252	0.13 228	0.10 159	0.11 120	0.10 86	0.14 85	0.11 55

qqq1	0.48 175	0.46 184	1.60 90	0.30 123	0.15 31	0.45 41	0.24 119	0.90 300	0.72 306	0.56 239	0.64 291	0.51 197	0.41 217	1.87 360	0.23 51	0.13 228	0.10 159	0.09 30	0.08 36	0.14 85	0.11 55

fff1	0.48 175	0.46 184	1.60 90	0.30 123	0.15 31	0.45 41	0.24 119	0.90 300	0.72 306	0.56 239	0.64 291	0.51 197	0.41 217	1.87 360	0.23 51	0.13 228	0.10 159	0.09 30	0.08 36	0.14 85	0.11 55

DualNet	0.51 220	0.43 167	1.83 182	0.32 177	0.18 96	0.55 124	0.26 153	0.92 319	0.65 249	0.54 212	0.62 264	0.45 157	0.36 166	1.87 360	0.36 181	0.13 228	0.10 159	0.13 228	0.12 176	0.17 155	0.16 191

mmx	0.72 343	0.23 27	2.01 249	0.30 123	0.21 147	0.57 156	0.26 153	0.99 377	0.76 346	0.53 199	0.63 276	0.66 271	0.39 200	2.52 422	3.43 448	0.13 228	0.10 159	0.15 289	0.13 205	0.15 101	0.15 168

whm_eth	0.27 5	0.38 138	0.76 5	0.24 11	0.18 96	0.34 18	0.27 178	0.54 78	0.44 51	0.24 22	0.26 24	0.27 50	0.22 39	0.29 18	0.23 51	0.13 228	0.10 159	0.10 70	0.10 86	0.15 101	0.11 55

xxx	0.72 343	0.23 27	2.01 249	0.30 123	0.21 147	0.57 156	0.26 153	0.99 377	0.76 346	0.53 199	0.63 276	0.66 271	0.39 200	2.52 422	3.43 448	0.13 228	0.10 159	0.15 289	0.13 205	0.15 101	0.15 168

StereoVision	0.45 147	0.72 283	1.94 230	0.33 198	0.32 288	0.47 57	0.26 153	0.68 142	0.57 163	0.32 66	0.89 373	0.45 157	0.27 99	0.49 135	0.36 181	0.13 228	0.15 286	0.16 307	0.15 255	0.19 200	0.13 120

CFNet_ucs	0.48 175	0.50 204	2.32 309	0.26 45	0.22 168	0.57 156	0.22 69	0.85 265	0.65 249	0.53 199	0.64 291	0.68 286	0.44 250	0.54 158	0.31 145	0.13 228	0.12 228	0.16 307	0.11 143	0.19 200	0.17 208

iinet-f	0.57 266	0.93 352	2.27 304	0.31 149	0.25 213	0.83 370	0.33 265	0.81 238	0.65 249	0.54 212	0.63 276	0.73 311	0.67 348	0.73 212	0.67 306	0.13 228	0.13 245	0.11 120	0.10 86	0.43 392	0.16 191

Wz-Net-LNSev-Ref	0.57 266	0.87 335	2.11 270	0.32 177	0.30 265	0.84 372	0.40 302	0.88 288	0.72 306	0.65 329	0.73 340	0.66 271	0.57 313	0.93 236	0.71 315	0.13 228	0.07 14	0.10 70	0.08 36	0.15 101	0.14 135

BUS	0.41 98	0.27 52	1.13 17	0.30 123	0.21 147	0.91 388	0.23 92	1.00 385	0.61 199	0.63 313	0.53 192	0.66 271	0.30 134	0.43 92	0.32 155	0.13 228	0.10 159	0.14 262	0.12 176	0.12 40	0.11 55

BSDual-CNN	0.41 98	0.27 52	1.13 17	0.30 123	0.21 147	0.76 341	0.31 234	1.00 385	0.61 199	0.63 313	0.53 192	0.63 255	0.37 179	0.43 92	0.38 192	0.13 228	0.10 159	0.14 262	0.12 176	0.12 40	0.11 55

psmg	0.41 98	0.27 52	1.13 17	0.27 58	0.21 147	0.75 338	0.36 283	0.90 300	0.61 199	0.59 279	0.59 239	0.63 255	0.37 179	0.43 92	0.38 192	0.13 228	0.10 159	0.13 228	0.12 176	0.13 66	0.11 55

GwcNet-ADL	0.50 203	0.74 289	2.90 402	0.31 149	0.20 137	0.58 172	0.29 214	0.87 283	0.64 236	0.47 133	0.47 130	0.56 225	0.33 150	0.46 113	0.46 234	0.13 228	0.12 228	0.09 30	0.09 53	0.14 85	0.21 261

ADLNet2	0.68 325	0.84 327	3.19 427	0.33 198	0.36 327	0.64 267	0.37 290	0.89 294	0.79 360	0.54 212	0.65 300	0.93 375	0.48 278	2.07 386	0.56 278	0.13 228	0.11 204	0.11 120	0.11 143	0.33 340	0.18 227

PFNet+	0.45 147	0.37 133	1.86 195	0.46 350	0.18 96	0.58 172	0.77 409	0.52 60	0.64 236	0.56 239	0.48 142	0.39 106	0.26 83	0.93 236	0.32 155	0.13 228	0.09 127	0.14 262	0.13 205	0.12 40	0.15 168

222	0.78 368	0.23 27	1.23 29	0.28 80	0.18 96	0.62 239	0.24 119	1.02 396	0.70 289	0.58 266	0.66 302	0.46 170	0.42 233	1.80 349	6.53 466	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.17 208

xxxx	0.70 333	0.21 13	1.33 43	0.28 80	0.18 96	0.63 256	0.24 119	1.02 396	0.69 281	0.50 169	0.62 264	0.58 238	0.38 186	1.47 299	5.21 462	0.13 228	0.12 228	0.11 120	0.10 86	0.12 40	0.15 168

UPFNet	0.46 156	0.28 73	1.73 117	0.33 198	0.32 288	0.65 279	0.38 296	0.83 251	0.59 180	0.57 250	0.52 183	0.61 248	0.40 206	0.75 214	0.52 262	0.13 228	0.12 228	0.13 228	0.12 176	0.15 101	0.11 55

EDNetEfficientorigin	8.18 470	0.98 373	145.96 490	0.51 371	0.89 432	0.72 324	0.48 345	0.85 265	1.56 439	2.12 445	1.49 419	1.29 419	1.31 419	1.83 353	2.13 419	0.13 228	0.12 228	0.17 324	0.18 301	0.39 380	0.45 407

HGLStereo	0.54 242	0.69 274	2.00 248	0.35 241	0.40 353	0.66 285	0.30 222	0.83 251	0.62 217	0.57 250	0.69 320	0.69 293	0.54 299	1.07 250	0.55 271	0.13 228	0.13 245	0.13 228	0.11 143	0.19 200	0.17 208

cf-r	0.53 237	0.81 318	2.15 281	0.33 198	0.28 249	0.60 198	0.28 193	0.78 216	0.64 236	0.51 182	0.60 252	0.75 322	0.40 206	1.32 277	0.43 226	0.13 228	0.09 127	0.11 120	0.12 176	0.15 101	0.14 135

GwcNet-RSSM	0.57 266	0.94 354	2.13 275	0.32 177	0.25 213	0.60 198	0.30 222	0.80 234	0.66 263	0.52 189	0.64 291	0.71 306	0.40 206	1.79 345	0.50 257	0.13 228	0.09 127	0.12 171	0.12 176	0.21 225	0.15 168

ADCRef	0.80 372	0.96 362	2.29 307	0.37 279	0.35 319	0.96 393	0.51 349	0.87 283	0.75 337	0.88 389	0.83 359	0.61 248	1.36 424	1.02 245	3.27 443	0.13 228	0.11 204	0.17 324	0.19 320	0.25 273	0.21 261

ADCP+	0.94 393	1.12 396	3.14 421	0.34 226	0.39 345	1.06 404	0.79 410	0.89 294	0.80 363	0.66 331	0.67 305	0.85 354	1.55 434	0.93 236	4.55 458	0.13 228	0.11 204	0.16 307	0.15 255	0.26 291	0.25 312

HSM-Net_RVC	0.67 318	0.34 118	2.23 299	0.26 45	0.19 122	0.67 291	0.29 214	1.26 429	0.69 281	0.72 355	0.70 330	0.78 331	0.42 233	3.77 457	0.41 215	0.13 228	0.09 127	0.10 70	0.09 53	0.12 40	0.11 55
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DLCB_ROB	0.54 242	0.55 225	1.49 74	0.36 259	0.25 213	0.65 279	0.36 283	0.80 234	0.70 289	0.72 355	0.69 320	0.83 348	0.46 265	1.53 305	0.60 290	0.13 228	0.12 228	0.14 262	0.14 233	0.14 85	0.13 120

pmcnn	1.32 424	1.05 389	2.77 387	0.74 415	1.43 453	0.72 324	0.56 367	0.96 353	0.91 390	0.99 400	2.92 455	6.01 466	0.70 354	2.38 407	3.32 445	0.13 228	0.10 159	0.08 4	0.06 8	0.34 347	0.22 271

rvit_stereo_0083	0.25 2	0.19 4	0.58 1	0.28 80	0.18 96	0.28 4	0.22 69	0.38 4	0.54 145	0.23 19	0.30 42	0.27 50	0.26 83	0.37 68	0.24 70	0.14 266	0.12 228	0.13 228	0.10 86	0.12 40	0.10 41

rvit_stereo_0081_aga	0.27 5	0.29 78	1.08 14	0.26 45	0.20 137	0.33 15	0.21 51	0.41 10	0.42 40	0.26 43	0.28 29	0.27 50	0.21 30	0.31 30	0.21 34	0.14 266	0.10 159	0.11 120	0.10 86	0.14 85	0.10 41

ACV-stereo	0.66 314	0.76 292	2.86 394	0.32 177	0.25 213	1.01 400	0.60 377	0.59 101	0.52 114	0.41 97	0.45 119	1.55 431	0.94 395	1.40 284	0.69 311	0.14 266	0.13 245	0.12 171	0.11 143	0.20 215	0.19 239

test_sample6	0.52 231	0.44 176	1.81 171	0.33 198	0.18 96	0.55 124	0.27 178	0.94 335	0.66 263	0.54 212	0.62 264	0.47 178	0.36 166	1.97 376	0.38 192	0.14 266	0.10 159	0.13 228	0.13 205	0.17 155	0.16 191

AASNet	0.56 260	1.03 387	2.34 314	0.37 279	0.33 301	0.65 279	0.29 214	0.96 353	0.73 320	0.54 212	0.60 252	0.55 213	0.38 186	0.59 172	0.58 286	0.14 266	0.12 228	0.13 228	0.10 86	0.43 392	0.24 303

AACVNet	0.54 242	0.78 309	1.73 117	0.36 259	0.21 147	0.57 156	0.25 134	0.71 153	0.51 108	0.55 229	0.59 239	0.64 263	0.41 217	2.13 391	0.41 215	0.14 266	0.11 204	0.14 262	0.11 143	0.33 340	0.15 168

GANet-ADL	0.44 129	0.41 156	2.31 308	0.33 198	0.20 137	0.57 156	0.25 134	0.75 180	0.54 145	0.42 102	0.59 239	0.56 225	0.30 134	0.40 82	0.38 192	0.14 266	0.11 204	0.09 30	0.08 36	0.22 239	0.17 208

RAFT-RH_RVC	0.61 289	0.50 204	2.33 312	0.36 259	0.29 255	0.60 198	0.18 17	0.44 19	0.58 173	0.76 365	1.91 430	0.47 178	0.29 126	1.60 317	1.23 378	0.14 266	0.07 14	0.13 228	0.13 205	0.10 16	0.09 23

sCroCo_RVC	0.33 40	0.32 101	1.89 208	0.34 226	0.27 239	0.30 8	0.22 69	0.48 35	0.44 51	0.22 12	0.33 58	0.25 35	0.25 69	0.32 37	0.24 70	0.14 266	0.16 302	0.12 171	0.12 176	0.15 101	0.13 120

ADLNet	0.60 281	0.71 279	1.95 233	0.35 241	0.34 308	0.67 291	0.34 269	0.90 300	0.74 324	0.68 342	0.62 264	0.80 339	0.45 254	1.78 341	0.64 300	0.14 266	0.11 204	0.14 262	0.14 233	0.29 308	0.21 261

GMStereo	0.38 74	0.99 377	1.91 217	0.27 58	0.16 45	0.39 31	0.23 92	0.47 32	0.62 217	0.38 82	0.34 64	0.25 35	0.25 69	0.39 77	0.29 119	0.14 266	0.08 68	0.10 70	0.12 176	0.15 101	0.11 55
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.55 254	0.46 184	1.92 220	0.36 259	0.34 308	0.63 256	0.31 234	0.82 245	0.61 199	0.55 229	0.51 171	0.89 366	0.48 278	1.83 353	0.55 271	0.14 266	0.11 204	0.12 171	0.12 176	0.18 179	0.12 86

GANet-RSSM	0.55 254	0.73 286	1.90 211	0.36 259	0.26 227	0.59 188	0.27 178	0.78 216	0.52 114	0.47 133	0.57 230	0.63 255	0.45 254	1.92 374	0.43 226	0.14 266	0.10 159	0.25 384	0.11 143	0.34 347	0.14 135

CFNet-ft	0.51 220	0.76 292	1.79 164	0.28 80	0.30 265	0.63 256	0.28 193	0.66 130	0.55 150	0.45 123	0.57 230	0.74 317	0.41 217	1.46 292	0.42 217	0.14 266	0.10 159	0.28 391	0.13 205	0.18 179	0.14 135

DMCA	0.41 98	0.52 207	1.26 34	0.31 149	0.24 198	0.59 188	0.26 153	0.77 202	0.63 228	0.58 266	0.48 142	0.57 231	0.35 160	0.40 82	0.50 257	0.14 266	0.10 159	0.14 262	0.10 86	0.15 101	0.15 168

RYNet	0.70 333	0.56 226	2.25 301	0.35 241	0.41 360	0.86 378	0.43 317	0.94 335	0.82 369	0.62 305	0.53 192	0.91 370	0.60 323	2.70 434	1.00 355	0.14 266	0.11 204	0.16 307	0.14 233	0.25 273	0.27 328

CFNet_RVC	0.51 220	0.76 292	1.79 164	0.28 80	0.30 265	0.63 256	0.28 193	0.66 130	0.55 150	0.45 123	0.57 230	0.74 317	0.41 217	1.46 292	0.42 217	0.14 266	0.10 159	0.28 391	0.13 205	0.18 179	0.14 135

DDVS	0.62 294	0.40 151	1.40 55	2.21 462	0.35 319	0.87 382	1.00 427	0.69 144	0.50 100	0.53 199	0.56 222	0.90 368	0.37 179	1.22 269	0.47 243	0.15 283	0.14 261	0.14 262	0.12 176	0.19 200	0.22 271

ITSA-stereo	0.48 175	0.33 107	1.20 26	0.33 198	0.18 96	0.60 198	0.29 214	0.94 335	0.80 363	0.50 169	0.49 159	0.53 205	0.59 320	1.25 275	0.64 300	0.15 283	0.12 228	0.17 324	0.16 274	0.18 179	0.23 292

CAS++	0.31 28	0.33 107	1.43 60	0.25 23	0.17 69	0.31 10	0.20 34	0.78 216	0.41 34	0.30 56	0.30 42	0.21 12	0.16 4	0.33 45	0.18 3	0.15 283	0.12 228	0.13 228	0.10 86	0.15 101	0.11 55
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
GMStereo_Zeroshot	0.41 98	0.36 131	1.54 82	0.41 316	0.19 122	0.52 99	0.19 21	0.59 101	0.52 114	0.57 250	0.59 239	0.63 255	0.29 126	0.58 168	0.33 165	0.15 283	0.09 127	0.16 307	0.09 53	0.24 263	0.12 86

fast-acv-ft	0.63 298	0.88 338	3.10 417	0.38 293	0.30 265	0.79 358	0.48 345	0.69 144	0.72 306	0.58 266	0.78 352	0.76 326	0.60 323	0.67 195	0.73 322	0.15 283	0.15 286	0.18 344	0.17 291	0.37 366	0.16 191

Wz-Net-LNSev	0.59 276	0.96 362	2.47 340	0.34 226	0.37 338	0.79 358	0.44 325	0.86 274	0.77 350	0.61 294	0.67 305	0.79 336	0.56 308	0.64 185	0.62 294	0.15 283	0.14 261	0.12 171	0.12 176	0.18 179	0.19 239

CRFU-Net	0.56 260	0.38 138	1.86 195	0.46 350	0.26 227	0.82 368	0.36 283	0.90 300	0.49 92	0.62 305	0.59 239	0.78 331	1.35 423	1.00 243	0.48 247	0.15 283	0.14 261	0.17 324	0.10 86	0.19 200	0.14 135

NINENet	0.50 203	0.33 107	1.69 105	0.55 390	0.25 213	0.91 388	0.23 92	0.98 365	0.71 298	0.53 199	0.55 211	0.66 271	0.30 134	1.22 269	0.32 155	0.15 283	0.13 245	0.16 307	0.11 143	0.16 134	0.13 120

PSMNet-ADL	0.51 220	0.38 138	1.65 97	0.35 241	0.21 147	0.67 291	0.26 153	0.74 170	0.55 150	0.42 102	0.52 183	0.70 303	0.45 254	1.91 370	0.57 281	0.15 283	0.13 245	0.11 120	0.13 205	0.15 101	0.20 254

HHNet	0.60 281	0.65 261	2.60 365	0.36 259	0.25 213	0.64 267	0.61 381	0.64 123	0.62 217	0.55 229	1.13 403	0.32 77	0.60 323	0.42 89	1.79 405	0.15 283	0.07 14	0.12 171	0.10 86	0.18 179	0.15 168

GEStereo_RVC	0.54 242	0.87 335	1.95 233	0.47 355	0.25 213	0.62 239	0.37 290	1.00 385	0.74 324	0.53 199	0.54 202	0.59 240	0.44 250	1.10 253	0.46 234	0.15 283	0.11 204	0.12 171	0.10 86	0.26 291	0.19 239

GES	0.44 129	0.28 73	1.88 201	0.30 123	0.18 96	0.61 219	0.30 222	0.88 288	0.46 69	0.47 133	0.52 183	0.39 106	0.42 233	0.58 168	0.67 306	0.15 283	0.11 204	0.12 171	0.10 86	0.15 101	0.17 208

HCRNet	0.46 156	0.49 198	1.65 97	0.38 293	0.29 255	0.58 172	0.22 69	0.75 180	0.62 217	0.47 133	0.49 159	0.48 189	0.36 166	1.12 259	0.37 186	0.15 283	0.10 159	0.15 289	0.13 205	0.17 155	0.17 208

EDNetEfficient	1.27 422	0.70 277	4.05 451	0.64 406	0.98 437	0.94 391	1.40 450	0.85 265	1.75 444	2.34 454	1.33 414	1.05 401	2.21 448	1.58 314	4.15 454	0.15 283	0.19 338	0.14 262	0.27 364	0.38 372	0.32 359

PSMNet-RSSM	0.53 237	0.82 322	1.78 145	0.31 149	0.25 213	0.58 172	0.28 193	0.84 261	0.60 184	0.50 169	0.61 259	0.67 280	0.43 243	1.68 327	0.42 217	0.15 283	0.10 159	0.14 262	0.16 274	0.15 101	0.13 120

SuperB	1.15 412	1.14 400	5.43 462	0.36 259	0.26 227	0.81 365	0.89 418	0.88 288	1.17 420	0.67 335	0.68 313	0.63 255	1.39 427	1.74 336	3.37 446	0.15 283	0.12 228	0.17 324	0.16 274	2.80 465	0.25 312

NLCA_NET_v2_RVC	0.55 254	0.92 346	2.36 320	0.38 293	0.37 338	0.60 198	0.28 193	0.82 245	0.62 217	0.62 305	0.55 211	0.72 308	0.45 254	1.00 243	0.43 226	0.15 283	0.11 204	0.14 262	0.14 233	0.15 101	0.16 191
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
UCFNet_RVC	0.48 175	0.82 322	1.85 187	0.30 123	0.27 239	0.64 267	0.26 153	0.74 170	0.55 150	0.48 151	0.53 192	0.63 255	0.41 217	0.88 235	0.38 192	0.15 283	0.10 159	0.17 324	0.17 291	0.18 179	0.15 168

DRN-Test	0.64 302	0.43 167	2.44 335	0.39 301	0.44 368	0.80 364	0.41 308	1.02 396	0.78 355	0.80 373	0.63 276	0.69 293	0.56 308	1.79 345	0.69 311	0.15 283	0.12 228	0.17 324	0.16 274	0.18 179	0.17 208

StereoDRNet	0.64 302	0.88 338	2.35 317	0.41 316	0.45 376	0.73 329	0.47 342	0.94 335	0.74 324	0.75 362	0.54 202	0.74 317	0.47 270	1.70 330	0.72 319	0.15 283	0.14 261	0.15 289	0.14 233	0.20 215	0.19 239

ttt	0.66 314	0.22 23	1.68 103	0.34 226	0.24 198	0.60 198	0.26 153	1.00 385	0.77 350	0.55 229	0.67 305	0.54 210	0.36 166	2.14 392	3.03 437	0.16 303	0.13 245	0.13 228	0.12 176	0.15 101	0.17 208

ssnet_v2	0.55 254	0.60 232	1.86 195	0.32 177	0.22 168	0.72 324	0.44 325	0.94 335	0.74 324	0.63 313	0.54 202	0.81 342	0.47 270	0.77 221	0.70 313	0.16 303	0.14 261	0.14 262	0.14 233	0.30 319	0.30 347

Wz-Net-SNSev	0.76 360	1.32 424	3.11 419	0.40 310	0.31 281	0.71 318	0.60 377	0.98 365	0.87 380	0.67 335	0.83 359	0.96 382	0.60 323	1.67 326	0.97 348	0.16 303	0.15 286	0.16 307	0.17 291	0.36 359	0.24 303

Wz-Net-MNSev	0.65 310	0.97 370	2.19 289	0.36 259	0.33 301	0.90 386	0.60 377	0.92 319	0.81 368	0.75 362	0.72 338	0.73 311	0.65 341	1.39 282	0.71 315	0.16 303	0.13 245	0.14 262	0.14 233	0.24 263	0.18 227

CSP-Net	0.50 203	0.39 147	1.25 32	0.29 108	0.23 185	0.77 349	0.35 276	0.86 274	0.57 163	0.59 279	0.59 239	0.65 266	0.40 206	1.77 340	0.44 230	0.16 303	0.11 204	0.10 70	0.10 86	0.20 215	0.14 135

ICVP	0.46 156	0.29 78	2.41 327	0.33 198	0.22 168	0.59 188	0.55 362	0.75 180	0.50 100	0.44 113	0.60 252	0.49 191	0.35 160	0.53 154	0.37 186	0.16 303	0.16 302	0.14 262	0.11 143	0.15 101	0.15 168
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
psm_up	0.57 266	0.61 236	1.83 182	0.35 241	0.30 265	0.64 267	0.37 290	0.90 300	0.68 272	0.59 279	0.55 211	0.68 286	0.54 299	1.91 370	0.46 234	0.16 303	0.15 286	0.16 307	0.15 255	0.23 248	0.13 120

GwcNet	0.69 329	0.71 279	3.12 420	0.36 259	0.45 376	0.81 365	0.44 325	0.86 274	0.84 374	0.60 287	0.74 343	0.82 346	0.49 284	1.65 323	0.66 303	0.16 303	0.15 286	0.15 289	0.15 255	0.31 326	0.24 303

DSFCA	0.54 242	0.35 125	1.41 56	0.28 80	0.28 249	0.79 358	0.88 417	0.76 192	0.70 289	0.72 355	0.66 302	0.67 280	0.57 313	1.17 265	0.63 296	0.16 303	0.14 261	0.13 228	0.14 233	0.16 134	0.13 120

DMCA-RVC	0.62 294	0.96 362	2.63 366	0.36 259	0.90 433	0.56 138	0.31 234	0.69 144	0.57 163	0.68 342	0.52 183	0.59 240	0.56 308	1.23 271	0.53 266	0.16 303	0.38 412	0.20 358	0.15 255	0.20 215	0.15 168

STTStereo	0.51 220	0.69 274	2.14 280	0.36 259	0.30 265	0.61 219	0.32 257	0.77 202	0.60 184	0.60 287	0.54 202	0.67 280	0.43 243	0.86 233	0.42 217	0.16 303	0.15 286	0.17 324	0.20 330	0.16 134	0.15 168

NaN_ROB	1.14 410	0.94 354	2.96 405	0.53 381	0.56 402	1.13 413	0.99 424	0.98 365	1.00 402	1.09 408	0.87 369	0.77 328	1.06 407	5.90 465	2.72 432	0.16 303	0.23 366	0.16 307	0.24 347	0.22 239	0.36 380

MDST_ROB	1.17 415	0.42 163	3.87 445	0.54 384	0.44 368	4.11 465	0.58 373	1.31 431	0.84 374	2.12 445	1.12 402	0.98 386	0.71 356	4.24 461	0.99 354	0.16 303	0.14 261	0.19 350	0.17 291	0.18 179	0.35 372

ETE_ROB	0.60 281	0.71 279	1.55 84	0.37 279	0.25 213	0.69 309	0.51 349	1.47 436	0.70 289	0.80 373	0.69 320	0.85 354	0.49 284	1.36 281	0.58 286	0.16 303	0.13 245	0.19 350	0.16 274	0.21 225	0.23 292

test_sample7	0.47 170	0.33 107	1.49 74	0.34 226	0.20 137	0.51 82	0.30 222	0.93 327	0.66 263	0.57 250	0.51 171	0.55 213	0.45 254	1.11 256	0.38 192	0.17 317	0.14 261	0.16 307	0.15 255	0.19 200	0.18 227

CASS	0.39 87	0.30 88	1.61 94	0.32 177	0.17 69	0.53 106	0.24 119	0.70 150	0.49 92	0.59 279	0.54 202	0.40 114	0.40 206	0.41 84	0.30 133	0.17 317	0.10 159	0.14 262	0.11 143	0.18 179	0.17 208
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
dd	0.42 113	0.96 362	1.77 140	0.31 149	0.17 69	0.57 156	0.26 153	0.49 41	0.68 272	0.41 97	0.40 97	0.34 86	0.27 99	0.45 107	0.40 209	0.17 317	0.10 159	0.13 228	0.12 176	0.21 225	0.12 86

pcwnet_v2	0.64 302	0.49 198	4.41 455	0.32 177	0.27 239	0.60 198	0.25 134	0.97 361	0.88 383	0.59 279	0.70 330	0.63 255	0.55 304	0.66 194	0.37 186	0.17 317	0.15 286	0.15 289	0.14 233	0.21 225	0.23 292

APVNet	0.70 333	0.67 268	2.71 377	0.38 293	0.36 327	0.85 376	0.43 317	0.91 310	0.68 272	0.55 229	0.69 320	0.75 322	0.55 304	2.31 401	0.78 330	0.17 317	0.17 318	0.24 379	0.19 320	0.33 340	0.23 292

FADNet-RVC	0.61 289	1.26 417	2.12 273	0.33 198	0.26 227	0.59 188	0.29 214	0.86 274	0.62 217	0.45 123	0.50 167	0.62 252	0.46 265	1.73 334	0.55 271	0.17 317	0.20 347	0.17 324	0.18 301	0.59 417	0.28 333

ADCL	0.99 398	0.79 311	2.43 333	0.39 301	0.32 288	1.50 427	1.90 457	0.92 319	0.97 398	1.26 426	1.27 408	1.00 391	1.42 429	1.14 262	3.31 444	0.17 317	0.14 261	0.22 366	0.21 335	0.30 319	0.22 271

PA-Net	0.84 381	1.00 379	3.49 439	0.63 405	0.40 353	0.70 316	0.52 352	0.86 274	0.84 374	0.52 189	0.59 239	0.70 303	0.54 299	2.35 403	2.23 422	0.17 317	0.27 390	0.19 350	0.28 367	0.22 239	0.36 380
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
GANet	0.75 357	0.84 327	2.01 249	0.40 310	0.25 213	0.74 332	0.66 389	0.87 283	0.73 320	0.71 352	1.07 399	0.84 351	0.59 320	2.71 436	1.15 371	0.17 317	0.16 302	0.44 419	0.16 274	0.31 326	0.20 254

AdaStereo	0.44 129	0.38 138	1.79 164	0.34 226	0.20 137	0.57 156	0.28 193	0.92 319	0.69 281	0.52 189	0.55 211	0.61 248	0.33 150	0.48 125	0.39 203	0.17 317	0.08 68	0.17 324	0.11 143	0.18 179	0.12 86
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.
PSMNet_ROB	0.66 314	1.01 383	2.33 312	0.38 293	0.31 281	0.72 324	0.55 362	0.86 274	0.69 281	0.54 212	0.60 252	0.75 322	0.47 270	2.00 381	0.82 337	0.17 317	0.13 245	0.19 350	0.19 320	0.24 263	0.27 328

rvit_0105_6	0.31 28	0.29 78	1.00 13	0.31 149	0.18 96	0.35 22	0.25 134	0.51 49	0.61 199	0.25 35	0.28 29	0.32 77	0.25 69	0.39 77	0.25 81	0.18 328	0.16 302	0.15 289	0.13 205	0.14 85	0.13 120

rvit_0105_5	0.36 62	0.39 147	1.48 72	0.30 123	0.18 96	0.41 35	0.30 222	0.64 123	0.62 217	0.30 56	0.33 58	0.37 95	0.29 126	0.41 84	0.28 105	0.18 328	0.16 302	0.15 289	0.15 255	0.15 101	0.14 135

rvit_0105_4	0.35 58	0.35 125	1.45 64	0.31 149	0.18 96	0.37 26	0.28 193	0.59 101	0.62 217	0.27 48	0.31 49	0.35 90	0.27 99	0.43 92	0.25 81	0.18 328	0.16 302	0.15 289	0.13 205	0.15 101	0.12 86

rvit_0105_3	0.39 87	0.47 192	1.46 65	0.33 198	0.19 122	0.45 41	0.35 276	0.69 144	0.65 249	0.37 76	0.37 76	0.40 114	0.31 142	0.44 98	0.30 133	0.18 328	0.17 318	0.17 324	0.18 301	0.15 101	0.15 168

SACVNet	0.60 281	0.74 289	1.90 211	0.37 279	0.28 249	0.64 267	0.37 290	0.86 274	0.61 199	0.65 329	0.62 264	0.69 293	0.44 250	2.08 387	0.42 217	0.18 328	0.14 261	0.16 307	0.15 255	0.38 372	0.24 303

Anonymous3	0.42 113	0.35 125	2.09 266	0.33 198	0.24 198	0.72 324	0.31 234	0.74 170	0.55 150	0.35 68	0.40 97	0.33 82	0.29 126	0.44 98	0.28 105	0.18 328	0.18 328	0.13 228	0.13 205	0.17 155	0.17 208

aanetorigin	0.77 364	0.80 313	2.59 362	0.43 327	0.44 368	0.58 172	1.01 429	0.57 89	0.68 272	1.53 438	1.23 406	0.81 342	1.08 408	1.07 250	1.07 364	0.18 328	0.15 286	0.17 324	0.21 335	0.54 414	0.30 347

FAT-Stereo	0.70 333	0.54 216	2.88 396	0.36 259	0.29 255	0.62 239	0.54 359	0.97 361	0.87 380	0.76 365	0.92 375	0.94 379	0.80 373	1.84 358	0.57 281	0.18 328	0.19 338	0.17 324	0.16 274	0.22 239	0.25 312

S-Stereo	0.80 372	0.69 274	3.89 446	0.39 301	0.37 338	0.69 309	0.70 400	0.94 335	0.98 401	0.62 305	0.91 374	0.83 348	0.60 323	2.37 404	0.66 303	0.18 328	0.21 355	0.17 324	0.18 301	0.30 319	0.35 372

RTSC	0.72 343	1.00 379	2.22 295	0.40 310	0.29 255	0.82 368	0.31 234	0.96 353	1.10 415	0.92 394	0.81 356	0.78 331	0.58 317	1.23 271	1.55 396	0.18 328	0.17 318	0.14 262	0.17 291	0.43 392	0.30 347

DANet	0.80 372	0.65 261	2.21 291	1.19 444	0.48 386	0.74 332	1.25 442	0.89 294	1.53 437	0.89 391	0.71 334	0.96 382	0.56 308	1.83 353	0.96 347	0.18 328	0.16 302	0.19 350	0.16 274	0.26 291	0.29 339
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
SANet	1.20 416	1.21 411	3.33 436	0.38 293	0.27 239	1.73 439	0.85 415	1.10 415	2.49 454	1.16 413	1.83 428	1.72 433	1.50 433	2.37 404	2.84 435	0.18 328	0.16 302	0.16 307	0.15 255	0.32 332	0.32 359

PWC_ROB	0.70 333	0.94 354	1.88 201	0.39 301	0.39 345	0.62 239	0.30 222	0.98 365	0.94 394	0.91 393	1.29 410	0.77 328	0.62 336	1.62 321	1.03 362	0.18 328	0.11 204	0.18 344	0.13 205	0.51 409	0.22 271

CBMV	0.71 340	0.76 292	2.64 368	0.33 198	0.20 137	0.78 354	0.79 410	0.98 365	0.78 355	0.85 388	0.71 334	0.86 358	1.10 410	1.46 292	0.62 294	0.18 328	0.20 347	0.21 364	0.19 320	0.25 273	0.33 366
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
WZ-Net	0.92 391	1.31 421	3.76 443	0.41 316	0.36 327	0.86 378	0.71 401	1.00 385	1.06 411	0.82 382	0.92 375	1.06 403	1.05 405	2.16 393	1.61 398	0.19 342	0.13 245	0.15 289	0.16 274	0.32 332	0.28 333

FTStereo	0.76 360	0.18 2	2.35 317	0.71 413	0.21 147	0.73 329	1.79 456	0.57 89	0.53 133	1.07 406	1.63 424	1.29 419	2.13 446	0.75 214	0.29 119	0.19 342	0.08 68	0.12 171	0.11 143	0.11 29	0.40 397

LMCR-Stereo	0.52 231	0.71 279	2.39 324	0.40 310	0.21 147	0.74 332	0.31 234	1.02 396	0.64 236	0.61 294	0.63 276	0.39 106	0.51 289	0.62 180	0.42 217	0.19 342	0.09 127	0.12 171	0.09 53	0.23 248	0.12 86

psmorigin	1.36 428	0.60 232	13.80 475	0.37 279	0.29 255	0.62 239	0.33 265	0.77 202	0.61 199	0.96 399	0.88 371	1.17 417	0.73 362	4.00 458	0.86 341	0.19 342	0.22 360	0.17 324	0.18 301	0.24 263	0.29 339

stereogan	0.69 329	0.51 206	2.44 335	0.39 301	0.39 345	1.01 400	0.41 308	0.94 335	0.92 393	0.73 359	0.85 366	1.15 414	0.69 352	1.57 310	0.53 266	0.19 342	0.18 328	0.20 358	0.16 274	0.36 359	0.24 303

CVANet_RVC	0.65 310	0.80 313	2.13 275	0.36 259	0.26 227	0.62 239	0.42 311	0.84 261	0.72 306	0.69 344	0.68 313	0.68 286	0.52 294	2.64 429	0.42 217	0.19 342	0.12 228	0.22 366	0.17 291	0.37 366	0.15 168

NVstereo2D	0.58 271	0.40 151	2.03 256	0.35 241	0.35 319	0.69 309	0.39 300	0.91 310	0.80 363	0.47 133	0.53 192	0.67 280	0.46 265	1.99 380	0.48 247	0.19 342	0.11 204	0.17 324	0.13 205	0.25 273	0.25 312

DeepPruner_ROB	0.50 203	0.70 277	1.94 230	0.29 108	0.26 227	0.63 256	0.31 234	0.80 234	0.48 86	0.61 294	0.55 211	0.66 271	0.38 186	0.98 241	0.40 209	0.19 342	0.14 261	0.14 262	0.14 233	0.23 248	0.17 208

rvit_105_1	0.44 129	0.54 216	1.46 65	0.36 259	0.24 198	0.51 82	0.45 331	0.75 180	0.74 324	0.45 123	0.44 116	0.44 148	0.36 166	0.62 180	0.38 192	0.20 350	0.18 328	0.18 344	0.22 342	0.18 179	0.18 227

rvit_stereo_0075_2	0.40 92	0.40 151	1.88 201	0.33 198	0.32 288	0.41 35	0.22 69	0.58 94	0.53 133	0.38 82	0.51 171	0.40 114	0.27 99	0.44 98	0.29 119	0.20 350	0.15 286	0.22 366	0.15 255	0.18 179	0.23 292

Wz-Net-TNSev	0.91 389	1.73 447	3.08 415	0.36 259	0.31 281	1.00 399	0.71 401	1.06 409	0.97 398	0.71 352	0.72 338	1.09 407	0.87 385	2.42 413	1.59 397	0.20 350	0.20 347	0.16 307	0.20 330	0.44 399	0.35 372

Syn2CoEx	0.70 333	1.07 392	2.74 383	0.43 327	0.30 265	0.64 267	0.42 311	0.99 377	0.78 355	0.62 305	0.78 352	0.74 317	0.72 359	1.92 374	0.61 292	0.20 350	0.17 318	0.19 350	0.15 255	0.29 308	0.22 271

TDLM	0.67 318	0.92 346	1.76 131	0.37 279	0.24 198	0.66 285	0.56 367	0.82 245	0.74 324	1.16 413	0.62 264	0.61 248	0.48 278	2.70 434	0.50 257	0.20 350	0.11 204	0.35 406	0.14 233	0.32 332	0.16 191

NCCL2	0.65 310	0.94 354	1.96 242	0.43 327	0.30 265	0.71 318	0.68 395	0.84 261	0.65 249	0.70 348	0.60 252	0.86 358	0.54 299	1.56 308	0.57 281	0.20 350	0.16 302	0.67 429	0.25 354	0.22 239	0.24 303

GASNet	0.73 352	1.47 432	3.04 412	0.47 355	0.33 301	0.57 156	0.34 269	0.91 310	0.75 337	0.58 266	0.58 236	0.74 317	0.55 304	2.03 382	0.65 302	0.21 356	0.15 286	0.19 350	0.17 291	0.51 409	0.28 333

edge stereo	0.81 377	0.73 286	3.30 433	0.37 279	1.21 450	0.62 239	0.39 300	0.93 327	0.79 360	0.80 373	0.88 371	1.14 413	0.71 356	2.18 394	0.71 315	0.21 356	0.20 347	0.26 387	0.18 301	0.38 372	0.26 321

SHD	0.72 343	0.77 301	2.36 320	0.45 346	0.40 353	0.71 318	0.32 257	1.02 396	1.25 425	1.07 406	0.84 362	0.90 368	0.73 362	1.09 252	0.98 349	0.21 356	0.18 328	0.20 358	0.21 335	0.32 332	0.31 354

RTS	1.21 417	1.31 421	6.39 464	0.52 375	0.51 393	1.61 431	0.79 410	1.03 403	1.37 431	1.13 410	1.30 411	1.10 409	0.85 381	2.65 430	2.08 415	0.21 356	0.24 369	0.18 344	0.18 301	0.43 392	0.32 359

RTSA	1.21 417	1.31 421	6.39 464	0.52 375	0.51 393	1.61 431	0.79 410	1.03 403	1.37 431	1.13 410	1.30 411	1.10 409	0.85 381	2.65 430	2.08 415	0.21 356	0.24 369	0.18 344	0.18 301	0.43 392	0.32 359

ADCMid	0.96 397	1.32 424	2.74 383	0.38 293	0.35 319	0.99 396	0.58 373	0.94 335	0.86 377	1.23 422	1.01 390	1.01 392	1.00 400	1.05 249	3.97 451	0.21 356	0.19 338	0.42 417	0.32 386	0.40 384	0.29 339

ADCS	1.05 406	1.36 429	2.98 409	0.42 324	0.36 327	0.96 393	0.81 414	1.06 409	1.12 417	1.25 423	0.97 384	1.08 405	0.90 390	1.25 275	4.86 460	0.21 356	0.21 355	0.22 366	0.23 345	0.36 359	0.38 389

AnyNet_C32	1.00 401	1.33 426	2.53 350	0.49 365	0.54 397	1.15 415	1.14 437	0.91 310	0.89 387	1.11 409	0.95 381	0.87 360	0.93 392	1.50 301	4.07 453	0.21 356	0.20 347	0.25 384	0.24 347	0.38 372	0.33 366

ADCPNet	0.99 398	0.99 377	3.93 449	0.37 279	0.68 419	1.36 421	0.62 385	0.87 283	0.76 346	0.78 371	0.81 356	1.08 405	1.18 413	1.14 262	2.49 429	0.21 356	0.69 446	0.21 364	0.95 454	0.29 308	0.37 386

LSM	3.31 461	1.11 395	5.29 461	9.40 474	30.65 484	0.84 372	1.12 436	0.91 310	1.22 423	1.36 429	2.19 437	0.93 375	0.83 377	1.66 324	0.90 343	0.21 356	0.31 399	0.24 379	0.28 367	0.39 380	6.33 472

XPNet_ROB	0.61 289	0.72 283	1.66 101	0.37 279	0.27 239	0.67 291	0.47 342	0.89 294	0.71 298	0.78 371	0.70 330	0.81 342	0.53 296	1.70 330	0.76 326	0.21 356	0.16 302	0.16 307	0.15 255	0.20 215	0.21 261

LALA_ROB	0.60 281	0.76 292	1.69 105	0.36 259	0.29 255	0.79 358	0.55 362	0.94 335	0.77 350	0.81 378	0.67 305	0.94 379	0.49 284	0.99 242	0.73 322	0.21 356	0.15 286	0.20 358	0.18 301	0.23 248	0.21 261

SGM-Forest	1.04 405	0.42 163	3.59 442	0.41 316	0.32 288	1.05 403	1.32 445	0.94 335	0.83 372	1.16 413	2.23 440	1.03 396	1.39 427	2.49 420	2.35 426	0.21 356	0.21 355	0.20 358	0.19 320	0.23 248	0.32 359
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
AF-Net	0.69 329	0.92 346	2.21 291	0.41 316	0.40 353	0.68 303	0.40 302	1.02 396	0.86 377	0.69 344	1.03 394	1.04 399	0.84 380	1.19 266	0.78 330	0.22 369	0.14 261	0.25 384	0.17 291	0.30 319	0.18 227

CBMV_ROB	0.76 360	0.42 163	2.68 373	0.33 198	0.22 168	0.74 332	0.47 342	0.96 353	0.76 346	1.04 405	0.96 382	0.88 364	0.93 392	2.06 385	1.19 373	0.22 369	0.24 369	0.27 388	0.25 354	0.25 273	0.28 333

MeshStereo	1.21 417	1.15 404	3.01 411	0.34 226	0.28 249	1.10 410	0.69 397	1.35 432	1.01 404	2.71 458	2.41 443	2.96 447	1.45 430	2.80 440	1.40 389	0.22 369	0.22 360	0.22 366	0.19 320	0.50 407	0.26 321
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
HBP-ISP	0.76 360	1.30 420	3.19 427	0.35 241	0.26 227	0.85 376	0.54 359	1.03 403	0.72 306	0.80 373	0.69 320	0.68 286	0.83 377	2.04 383	0.44 230	0.23 372	0.24 369	0.29 398	0.25 354	0.28 305	0.24 303

FINET	0.65 310	0.95 360	3.06 414	0.35 241	0.40 353	0.58 172	0.48 345	0.92 319	1.10 415	0.57 250	0.68 313	0.47 178	0.44 250	1.15 264	0.60 290	0.23 372	0.21 355	0.17 324	0.15 255	0.26 291	0.25 312

hitnet-ft	0.67 318	0.80 313	1.90 211	0.28 80	0.22 168	0.69 309	0.36 283	0.85 265	0.65 249	0.56 239	0.84 362	1.03 396	0.95 398	2.32 402	0.55 271	0.23 372	0.14 261	0.41 416	0.13 205	0.24 263	0.17 208

RGC	0.71 340	0.97 370	2.18 288	0.44 332	0.44 368	0.73 329	0.40 302	0.94 335	0.71 298	0.71 352	1.04 397	1.01 392	0.71 356	1.74 336	0.70 313	0.23 372	0.18 328	0.28 391	0.26 360	0.29 308	0.27 328

Nwc_Net	0.68 325	0.83 325	2.53 350	0.41 316	0.39 345	0.77 349	0.38 296	1.01 393	0.70 289	0.60 287	0.99 387	0.98 386	0.68 351	1.41 285	0.63 296	0.23 372	0.15 286	0.23 373	0.25 354	0.23 248	0.18 227

DeepPrunerF	0.86 383	0.86 332	2.91 403	0.45 346	0.50 388	0.64 267	0.48 345	1.14 420	2.64 455	0.63 313	0.61 259	0.65 266	0.62 336	2.21 396	1.31 381	0.23 372	0.19 338	0.30 399	0.28 367	0.36 359	0.25 312

NOSS_ROB	0.64 302	0.65 261	1.62 95	0.46 350	0.25 213	0.67 291	0.30 222	0.93 327	0.77 350	0.59 279	0.57 230	0.77 328	0.38 186	2.78 438	0.44 230	0.23 372	0.24 369	0.28 391	0.26 360	0.27 299	0.39 393

UDGNet	0.44 129	1.02 386	1.74 121	0.35 241	0.19 122	0.58 172	0.23 92	0.49 41	0.66 263	0.41 97	0.38 84	0.34 86	0.29 126	0.53 154	0.30 133	0.24 379	0.10 159	0.37 412	0.19 320	0.27 299	0.15 168

FADNet-RVC-Resample	0.67 318	1.16 408	3.16 423	0.37 279	0.29 255	0.62 239	0.38 296	0.86 274	0.63 228	0.51 182	0.50 167	0.57 231	0.45 254	1.57 310	0.49 252	0.24 379	0.32 404	0.23 373	0.19 320	0.27 299	0.62 426

SAMSARA	0.91 389	0.97 370	2.22 295	0.80 420	0.58 406	1.32 419	1.31 444	1.01 393	0.94 394	1.36 429	0.87 369	1.38 424	0.90 390	1.72 333	1.02 360	0.24 379	0.30 397	0.22 366	0.25 354	0.36 359	0.35 372

XQC	0.73 352	0.98 373	2.39 324	0.46 350	0.35 319	0.81 365	0.46 334	1.00 385	1.00 402	0.80 373	0.69 320	0.88 364	0.74 367	1.32 277	1.20 374	0.24 379	0.16 302	0.23 373	0.20 330	0.41 386	0.33 366

PS-NSSS	0.63 298	1.00 379	1.81 171	0.30 123	0.31 281	0.63 256	0.34 269	0.98 365	0.69 281	0.54 212	0.74 343	0.51 197	0.41 217	2.43 415	0.48 247	0.24 379	0.17 318	0.27 388	0.18 301	0.27 299	0.21 261

RP	0.67 318	0.82 322	1.94 230	0.43 327	0.44 368	0.65 279	0.45 331	0.89 294	0.82 369	0.66 331	0.92 375	0.99 389	0.76 369	1.55 307	0.66 303	0.25 384	0.18 328	0.23 373	0.20 330	0.31 326	0.22 271

G-Net	0.99 398	0.64 255	2.76 385	0.57 394	0.67 418	2.03 449	0.72 404	0.76 192	0.67 270	1.14 412	2.56 446	1.30 422	1.02 402	1.48 300	1.74 403	0.25 384	0.24 369	0.24 379	0.26 360	0.37 366	0.31 354

AnyNet_C01	1.14 410	1.49 433	4.23 454	0.54 384	0.53 395	1.51 428	1.37 447	1.04 407	1.07 412	1.17 418	1.33 414	1.15 414	1.08 408	1.61 320	2.74 433	0.25 384	0.22 360	0.28 391	0.24 347	0.48 403	0.40 397

PVD	0.90 388	0.85 331	2.15 281	0.53 381	0.50 388	0.99 396	0.56 367	1.15 423	1.64 440	1.41 434	1.41 418	1.11 411	1.13 412	1.35 280	1.31 381	0.26 387	0.28 392	0.28 391	0.26 360	0.37 366	0.49 413

DPSNet	0.86 383	0.60 232	2.34 314	0.58 396	0.36 327	1.07 409	0.75 406	1.30 430	1.05 408	0.70 348	0.68 313	0.94 379	1.29 416	2.08 387	1.82 406	0.26 387	0.23 366	0.16 307	0.17 291	0.48 403	0.40 397

FBW_ROB	0.83 379	0.77 301	1.77 140	0.44 332	0.30 265	0.87 382	0.46 334	1.10 415	0.91 390	0.81 378	0.75 346	1.01 392	0.61 331	3.66 456	1.23 378	0.26 387	0.23 366	0.36 408	0.25 354	0.27 299	0.62 426

CSAN	1.25 421	1.12 396	3.04 412	0.51 371	0.37 338	1.06 404	1.15 438	1.22 425	1.08 413	1.17 418	1.91 430	1.04 399	1.31 419	5.96 466	2.43 428	0.26 387	0.22 360	0.24 379	0.24 347	0.31 326	0.30 347

WCMA_ROB	1.12 408	0.83 325	2.66 371	0.58 396	0.34 308	1.17 417	0.71 401	0.93 327	0.94 394	1.74 441	2.63 449	3.09 449	1.71 440	1.70 330	1.84 407	0.26 387	0.21 355	0.20 358	0.21 335	0.28 305	0.43 404

dad	0.51 220	1.01 383	1.74 121	0.29 108	0.19 122	0.60 198	0.26 153	0.52 60	0.75 337	0.63 313	0.63 276	0.63 255	0.33 150	0.85 232	0.47 243	0.27 392	0.15 286	0.40 415	0.18 301	0.22 239	0.14 135

NCC-stereo	0.79 370	0.94 354	2.42 329	0.59 399	0.45 376	1.90 442	0.46 334	0.99 377	0.72 306	0.64 322	0.84 362	0.91 370	0.73 362	1.80 349	1.00 355	0.27 392	0.19 338	0.23 373	0.31 381	0.24 263	0.22 271

Abc-Net	0.79 370	0.94 354	2.42 329	0.59 399	0.45 376	1.90 442	0.46 334	0.99 377	0.72 306	0.64 322	0.84 362	0.91 370	0.73 362	1.80 349	1.00 355	0.27 392	0.19 338	0.23 373	0.31 381	0.24 263	0.22 271
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SGM-ForestM	2.98 459	1.70 445	3.52 441	0.67 411	0.47 384	5.18 468	3.36 466	3.30 465	2.86 458	4.44 466	3.79 461	9.80 470	5.50 467	6.29 467	6.52 465	0.27 392	0.36 408	0.24 379	0.27 364	0.38 372	0.58 423

PFNet	0.60 281	0.33 107	2.47 340	0.41 316	0.55 400	0.62 239	0.27 178	0.61 113	0.63 228	0.61 294	0.56 222	0.45 157	0.32 147	1.88 367	1.14 369	0.28 396	0.09 127	0.12 171	0.16 274	0.26 291	0.20 254

FC-DCNN v2	1.54 439	0.58 230	2.80 391	0.44 332	0.39 345	2.05 450	0.66 389	1.90 450	1.84 447	2.79 460	2.97 456	4.41 460	3.07 457	2.65 430	2.30 425	0.29 397	0.26 384	0.31 400	0.30 376	0.32 332	0.38 389

FC-DCNN	1.49 437	0.59 231	2.88 396	0.44 332	0.39 345	1.97 447	0.66 389	1.67 444	1.70 442	2.72 459	2.89 453	4.22 456	2.97 456	2.55 425	2.19 420	0.29 397	0.26 384	0.31 400	0.30 376	0.32 332	0.39 393

MSMD_ROB	1.34 426	0.96 362	2.38 322	0.39 301	0.32 288	1.96 445	0.62 385	0.91 310	1.43 433	2.94 462	2.60 447	4.77 462	1.95 444	2.43 415	1.33 383	0.29 397	0.26 384	0.32 403	0.32 386	0.30 319	0.30 347

SDNR	1.22 420	0.80 313	2.71 377	0.33 198	1.48 458	1.98 448	0.23 92	1.93 451	2.44 452	0.89 391	2.52 444	1.36 423	0.51 289	3.65 455	1.93 408	0.30 400	0.31 399	0.22 366	0.16 274	0.33 340	0.36 380

FCDSN-DC	1.29 423	0.54 216	2.50 347	0.47 355	0.41 360	1.12 411	0.60 377	1.10 415	1.27 427	2.23 451	2.87 452	3.67 453	3.12 459	2.39 410	1.69 400	0.30 400	0.26 384	0.31 400	0.30 376	0.35 355	0.38 389
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PWCDC_ROB	0.72 343	1.06 390	2.09 266	0.47 355	0.36 327	0.78 354	0.26 153	0.98 365	1.34 429	0.61 294	2.07 432	0.64 263	0.61 331	0.83 228	0.71 315	0.31 402	0.14 261	0.15 289	0.12 176	0.60 420	0.21 261

Anonymous_2	0.74 355	0.32 101	1.65 97	0.33 198	0.30 265	0.67 291	0.32 257	0.69 144	0.46 69	0.48 151	0.41 101	0.84 351	0.58 317	0.51 144	0.40 209	0.32 403	0.38 412	1.43 457	3.69 470	0.80 432	0.27 328

ccnet	0.71 340	0.41 156	1.59 88	0.40 310	0.45 376	1.06 404	0.55 362	0.98 365	0.71 298	0.88 389	0.97 384	0.82 346	0.88 388	1.68 327	0.94 345	0.32 403	0.26 384	0.32 403	0.27 364	0.34 347	0.30 347

GANetREF_RVC	0.75 357	1.15 404	2.46 338	0.47 355	0.26 227	0.83 370	0.61 381	0.97 361	0.89 387	0.62 305	0.61 259	0.72 308	0.59 320	2.42 413	0.55 271	0.32 403	0.25 382	0.36 408	0.24 347	0.39 380	0.31 354
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
PASM	0.72 343	0.68 270	1.91 217	0.47 355	0.44 368	0.60 198	0.51 349	0.76 192	0.80 363	0.77 369	0.67 305	0.87 360	0.61 331	2.40 411	0.67 306	0.32 403	0.35 406	0.36 408	0.41 414	0.45 400	0.39 393

ELAS_RVC	1.37 430	0.78 309	3.21 429	0.55 390	0.50 388	1.49 426	2.48 462	1.48 437	1.71 443	2.13 448	2.09 433	2.07 438	2.56 452	1.90 369	2.02 412	0.35 407	0.36 408	0.37 412	0.34 393	0.49 405	0.47 410
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	1.39 431	0.79 311	2.86 394	0.53 381	0.50 388	2.81 459	2.20 459	1.61 443	1.50 436	2.28 453	2.35 441	1.82 434	2.13 446	1.73 334	2.22 421	0.35 407	0.37 410	0.35 406	0.35 396	0.49 405	0.47 410
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AANet_RVC	0.68 325	1.00 379	2.09 266	0.33 198	0.25 213	0.58 172	0.32 257	0.81 238	0.80 363	0.61 294	0.94 379	0.80 339	0.41 217	2.46 417	1.02 360	0.36 409	0.14 261	0.10 70	0.09 53	0.23 248	0.22 271

PDISCO_ROB	0.75 357	1.06 390	2.11 270	0.64 406	0.59 408	1.13 413	0.43 317	1.14 420	1.05 408	0.64 322	0.71 334	0.96 382	0.61 331	1.21 267	0.76 326	0.37 410	0.18 328	0.27 388	0.24 347	0.56 416	0.32 359

MFN_U_SF_DS_RVC	1.01 403	1.67 441	2.32 309	0.47 355	0.39 345	1.47 424	0.95 421	0.95 348	0.91 390	0.84 385	0.94 379	1.05 401	0.60 323	2.95 443	0.72 319	0.41 411	0.72 450	0.32 403	0.55 427	0.74 427	1.22 456

PMTNet	0.31 28	0.35 125	1.30 38	0.20 3	0.14 17	0.57 156	0.25 134	0.46 24	0.42 40	0.27 48	0.32 53	0.27 50	0.24 56	0.39 77	0.23 51	0.43 412	0.07 14	0.08 4	0.05 1	0.18 179	0.07 3

coex-ft	5.95 468	1.67 441	60.57 488	0.34 226	0.30 265	0.77 349	0.69 397	0.74 170	4.41 460	19.22 480	2.15 436	1.62 432	7.97 469	1.81 352	8.96 469	0.44 413	2.08 466	0.18 344	0.19 320	0.38 372	4.62 471

Consistency-Raft	0.88 386	0.93 352	3.23 431	0.99 435	0.64 416	0.77 349	0.55 362	0.98 365	0.97 398	0.61 294	1.03 394	0.65 266	1.05 405	0.79 226	1.38 386	0.44 413	0.46 424	0.51 422	0.58 435	0.65 422	0.47 410

UDG	0.77 364	1.23 413	2.15 281	0.67 411	0.59 408	0.78 354	0.38 296	0.90 300	0.70 289	0.61 294	0.69 320	1.01 392	0.67 348	1.02 245	0.73 322	0.45 415	0.34 405	0.87 435	0.51 424	0.67 424	0.46 409

MADNet+	1.36 428	1.93 458	5.95 463	0.81 423	0.59 408	1.57 430	1.09 433	1.39 435	1.22 423	0.84 385	1.01 390	1.25 418	1.12 411	3.19 448	2.36 427	0.45 415	0.47 427	0.38 414	0.34 393	0.59 417	0.57 421

FADNet	0.64 302	1.22 412	2.06 258	0.32 177	0.30 265	0.66 285	0.29 214	0.88 288	0.72 306	0.44 113	0.48 142	0.66 271	0.57 313	1.84 358	0.45 233	0.46 417	0.20 347	0.17 324	0.19 320	0.59 417	0.24 303

NVStereoNet_ROB	1.16 414	0.95 360	2.54 356	0.58 396	0.55 400	0.78 354	0.63 387	1.00 385	1.08 413	1.03 403	4.07 462	1.48 428	1.22 414	2.88 442	1.27 380	0.50 418	0.46 424	0.54 423	0.62 438	0.50 407	0.63 428
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
JetBlue	1.78 443	1.63 437	3.92 447	0.73 414	1.21 450	4.38 466	3.35 465	1.59 441	1.20 422	1.26 426	1.52 421	2.37 442	1.88 443	3.23 449	3.00 436	0.53 419	0.47 427	0.48 421	0.49 422	1.29 448	0.97 446

SGM_RVC	1.89 446	0.92 346	2.50 347	0.96 434	0.93 436	1.63 433	1.37 447	1.52 440	12.43 469	1.85 442	1.69 425	2.40 443	1.74 441	2.81 441	1.71 401	0.53 419	0.47 427	0.42 417	0.47 420	0.74 427	0.74 432
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDUNet	0.77 364	1.12 396	1.88 201	0.76 416	0.69 420	0.84 372	0.43 317	0.85 265	0.65 249	0.67 335	0.75 346	0.91 370	0.52 294	1.03 247	0.57 281	0.54 421	0.37 410	0.95 441	0.52 426	0.71 426	0.57 421

DispFullNet	1.67 442	2.10 461	5.22 459	1.53 452	8.90 468	0.86 378	0.31 234	0.96 353	0.96 397	1.37 432	1.01 390	1.13 412	1.98 445	1.51 302	0.91 344	0.54 421	0.31 399	1.18 447	0.63 440	1.13 440	0.80 438

IGEV-BASED-STEREO-	0.37 68	1.34 427	1.24 31	0.23 4	0.12 3	0.33 15	0.20 34	0.40 6	0.33 6	0.25 35	0.21 4	0.16 1	0.14 1	0.27 5	0.63 296	0.55 423	0.06 1	0.11 120	0.13 205	0.25 273	0.49 413

MANE	2.90 458	1.14 400	2.96 405	1.03 436	1.01 440	5.01 467	2.45 461	5.36 469	6.88 467	3.58 465	4.76 466	5.99 465	4.99 464	4.23 460	4.61 459	0.56 424	0.67 441	0.44 419	0.78 447	0.51 409	1.03 452

DualNet (step1)	0.59 276	0.62 242	1.93 223	0.27 58	0.22 168	0.68 303	0.31 234	0.93 327	0.66 263	0.57 250	0.51 171	0.55 213	0.45 254	1.11 256	0.38 192	0.61 425	0.14 261	0.87 435	0.56 430	0.25 273	0.23 292

test_sample9	0.94 393	0.62 242	1.93 223	0.27 58	0.22 168	0.68 303	0.31 234	0.93 327	0.66 263	0.57 250	0.51 171	0.55 213	0.45 254	1.91 370	2.55 430	0.61 425	4.16 469	0.87 435	0.56 430	0.25 273	0.23 292

test_sample8	1.12 408	0.62 242	1.93 223	0.27 58	0.22 168	0.68 303	0.31 234	0.95 348	0.61 199	1.18 420	0.56 222	2.53 444	1.31 419	1.91 370	2.55 430	0.61 425	4.16 469	0.87 435	0.56 430	0.25 273	0.23 292

anonymity	0.80 372	0.66 267	1.29 36	0.59 399	0.75 424	0.67 291	0.52 352	0.95 348	0.71 298	0.94 396	0.70 330	0.67 280	0.87 385	0.71 209	1.35 384	0.64 428	0.62 438	0.58 424	1.44 463	0.60 420	0.65 429

SPS-STEREO	1.07 407	1.13 399	2.88 396	0.65 409	0.69 420	0.99 396	0.68 395	1.05 408	0.87 380	1.36 429	1.23 406	1.46 427	0.94 395	1.87 360	1.72 402	0.66 429	0.61 437	0.58 424	0.57 433	0.65 422	0.77 436
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.92 391	1.28 418	2.53 350	0.82 424	0.76 427	0.90 386	0.75 406	0.98 365	1.04 407	1.03 403	1.05 398	0.84 351	0.94 395	0.83 228	0.72 319	0.68 430	0.60 436	0.63 427	0.60 437	0.77 430	0.74 432

WAO-7	1.48 436	1.63 437	2.49 343	0.93 430	0.75 424	1.72 438	1.10 434	1.84 449	1.96 449	1.43 435	2.54 445	1.97 436	1.61 437	3.06 445	2.08 415	0.69 431	0.66 440	0.94 440	0.74 445	0.80 432	0.69 431

SGM+DAISY	1.83 445	1.43 430	3.81 444	0.87 425	1.01 440	2.38 456	2.53 463	1.36 433	1.75 444	2.92 461	3.22 458	2.65 445	2.93 454	2.22 399	3.10 440	0.72 432	0.69 446	0.63 427	0.62 438	0.77 430	0.98 447

CAS	0.35 58	0.25 38	1.30 38	0.79 419	0.34 308	0.51 82	0.23 92	0.46 24	0.39 25	0.22 12	0.31 49	0.20 5	0.17 6	0.28 9	0.23 51	0.73 433	0.06 1	0.07 1	0.05 1	0.09 10	0.37 386

GCST	0.72 343	1.10 394	2.15 281	1.11 441	0.59 408	0.62 239	0.19 21	0.75 180	0.53 133	0.56 239	0.63 276	0.47 178	0.31 142	1.11 256	0.33 165	0.75 434	0.45 422	0.84 434	0.64 441	0.69 425	0.54 417

test_for_model	0.64 302	1.60 436	1.82 177	1.23 445	1.02 442	0.53 106	0.23 92	0.75 180	0.50 100	0.57 250	0.29 34	0.25 35	0.20 24	0.26 3	0.22 44	0.76 435	0.31 399	0.08 4	0.07 15	1.68 456	0.50 416

SQANet	0.80 372	1.58 435	2.53 350	0.76 416	0.83 428	0.76 341	0.36 283	0.83 251	0.64 236	0.63 313	0.69 320	0.73 311	0.51 289	1.21 267	0.53 266	0.77 436	0.29 393	0.59 426	0.29 370	0.86 434	0.61 425

LE_ROB	4.43 465	1.35 428	9.38 467	2.79 467	3.93 465	2.43 457	3.46 467	2.68 458	11.19 468	11.66 473	4.73 465	5.26 463	10.46 471	4.50 463	9.49 470	0.82 437	0.69 446	1.34 454	0.98 455	0.75 429	0.76 435

ACVNet_2	1.42 434	1.81 449	3.23 431	1.08 438	0.92 435	1.32 419	0.85 415	1.49 438	1.69 441	1.19 421	1.73 426	2.13 439	1.03 403	2.50 421	1.40 389	0.91 438	0.53 432	1.00 443	0.55 427	2.11 461	0.85 440

CC-Net-ROB	0.85 382	1.15 404	2.13 275	0.88 426	0.38 343	0.88 384	0.44 325	1.06 409	0.79 360	0.58 266	0.69 320	0.65 266	0.50 287	2.74 437	0.51 260	0.93 439	0.39 418	0.87 435	0.29 370	0.54 414	0.54 417

FADNet_RVC	0.81 377	1.14 400	2.42 329	0.30 123	0.24 198	0.71 318	0.24 119	0.95 348	0.61 199	0.44 113	0.56 222	0.59 240	0.42 233	1.52 304	0.68 309	0.94 440	0.96 456	0.28 391	1.00 456	0.90 435	1.36 459

WAO-6	1.58 441	1.54 434	2.32 309	1.14 443	1.00 439	2.30 454	1.03 430	1.82 448	2.85 457	1.25 423	2.61 448	2.20 440	1.56 435	2.47 419	1.99 411	0.95 441	0.67 441	1.19 450	0.83 449	1.08 438	0.88 444

otaku	1.03 404	1.68 443	2.72 379	0.95 432	0.73 423	1.03 402	0.59 375	0.99 377	0.86 377	0.69 344	1.61 422	0.98 386	0.64 339	1.46 292	1.14 369	0.95 441	0.46 424	0.72 432	0.40 411	1.24 446	0.78 437

testlalala_base	0.46 156	0.30 88	1.82 177	0.34 226	0.27 239	0.55 124	0.21 51	0.85 265	0.32 4	0.32 66	0.39 92	0.31 69	0.23 49	0.30 23	0.28 105	0.95 441	0.30 397	0.09 30	0.21 335	1.03 437	0.18 227

Ntro	1.00 401	1.68 443	2.80 391	0.95 432	0.85 429	1.06 404	0.53 356	0.98 365	0.90 389	0.62 305	0.76 348	0.93 375	0.66 346	1.66 324	0.98 349	0.99 444	0.45 422	0.75 433	0.40 411	1.19 442	0.75 434

ACVNet_1	1.33 425	1.91 456	4.03 450	1.09 439	0.88 431	1.19 418	0.66 389	1.24 427	1.17 420	0.94 396	0.96 382	3.09 449	1.04 404	2.37 404	1.11 367	1.04 445	0.48 430	1.03 445	0.48 421	1.12 439	0.83 439

PWCK	1.49 437	1.90 455	3.22 430	1.09 439	0.54 397	1.71 437	1.73 455	1.49 438	1.53 437	1.44 436	1.80 427	1.82 434	1.30 418	3.34 451	1.76 404	1.07 446	0.56 434	0.97 442	0.58 435	1.38 452	0.65 429

MaskLacGwcNet_RVC	0.77 364	1.04 388	2.06 258	0.94 431	0.35 319	0.89 385	0.40 302	0.85 265	0.63 228	0.55 229	0.63 276	0.75 322	0.38 186	2.38 407	0.48 247	1.10 447	0.31 399	0.36 408	0.21 335	0.53 413	0.55 420

Dean	1.79 444	1.83 450	3.92 447	1.29 446	1.07 445	1.55 429	1.00 427	1.95 452	2.33 451	1.47 437	4.19 463	4.26 459	1.33 422	2.21 396	1.48 393	1.14 448	0.68 445	1.18 447	0.74 445	1.24 446	0.98 447

RainbowNet	1.15 412	1.78 448	2.72 379	1.12 442	0.91 434	1.06 404	0.76 408	1.16 424	1.13 419	0.75 362	0.97 384	1.09 407	0.80 373	1.60 317	1.21 376	1.17 449	1.26 459	1.01 444	0.57 433	1.13 440	0.88 444

TorneroNet-64	2.65 451	1.83 450	3.30 433	1.46 450	1.20 449	3.89 462	0.99 424	3.51 467	6.71 466	2.56 456	4.60 464	4.22 456	3.85 462	3.33 450	3.14 441	1.19 450	0.65 439	1.39 456	0.79 448	3.31 467	1.15 454

IMH-64-1	1.39 431	1.64 439	1.86 195	1.36 447	1.11 446	1.39 422	1.19 440	1.76 445	1.45 434	1.16 413	2.21 438	1.53 429	1.38 425	1.98 377	1.52 394	1.29 451	0.67 441	1.27 451	0.69 442	1.29 448	0.98 447

IMH-64	1.39 431	1.64 439	1.86 195	1.36 447	1.11 446	1.39 422	1.19 440	1.76 445	1.45 434	1.16 413	2.21 438	1.53 429	1.38 425	1.98 377	1.52 394	1.29 451	0.67 441	1.27 451	0.69 442	1.29 448	0.98 447

TorneroNet	5.50 467	1.92 457	3.16 423	1.47 451	1.25 452	14.07 474	1.06 432	4.90 468	20.99 485	10.17 469	16.48 477	11.88 474	6.93 468	3.34 451	4.20 455	1.30 453	0.69 446	1.45 458	0.86 450	2.61 464	1.20 455

JetRed	3.29 460	4.93 470	10.17 468	1.45 449	1.72 461	7.44 469	5.05 470	3.06 460	2.12 450	2.41 455	2.39 442	2.99 448	2.37 449	3.51 454	6.44 464	1.32 454	1.90 465	1.37 455	1.23 462	2.21 462	1.76 464

UNDER WATER	2.74 453	1.85 452	4.54 456	1.81 458	1.44 455	2.34 455	1.40 450	3.24 462	6.60 465	2.60 457	2.76 451	5.75 464	5.24 466	3.02 444	4.01 452	1.45 455	0.81 451	1.59 462	1.06 457	1.80 457	1.51 462

UNDER WATER-64	2.47 450	1.89 454	4.86 457	1.82 459	1.44 455	3.18 461	1.57 454	2.62 456	5.64 462	2.05 444	2.13 435	4.13 455	3.76 461	2.62 428	3.42 447	1.47 456	0.85 453	1.57 461	1.07 458	1.82 458	1.49 461

KSHMR	4.10 463	1.97 459	5.27 460	1.71 455	1.47 457	1.96 445	1.28 443	3.19 461	17.33 480	2.12 445	15.91 475	9.18 469	1.57 436	8.42 470	1.98 410	1.52 457	1.26 459	1.67 463	1.19 460	1.67 455	1.40 460

notaker	2.66 452	2.07 460	3.31 435	2.61 466	1.43 453	1.76 440	1.11 435	2.76 459	1.79 446	2.26 452	11.53 473	3.96 454	4.29 463	3.09 446	2.76 434	1.55 458	0.88 454	1.70 464	1.07 458	2.00 460	1.35 458

MSC_U_SF_DS_RVC	1.34 426	1.70 445	2.50 347	0.56 392	0.40 353	2.15 452	0.99 424	1.24 427	1.26 426	1.02 402	1.10 401	1.29 419	0.88 388	3.10 447	1.08 365	1.66 459	0.83 452	0.68 430	0.88 451	1.57 453	1.80 466

BEATNet-Init1	12.10 473	11.19 473	27.29 486	2.99 468	3.51 464	21.84 485	11.10 472	14.34 478	13.83 475	20.34 481	20.33 482	26.35 488	20.03 479	19.06 483	14.80 478	1.74 460	1.81 462	2.05 467	2.49 468	3.69 469	3.12 469

ktn	4.35 464	2.10 461	2.89 399	1.80 457	1.49 459	2.13 451	1.41 452	2.26 454	12.72 470	11.41 472	16.43 476	11.15 472	3.75 460	4.36 462	3.18 442	1.82 461	0.98 458	1.73 465	1.21 461	2.97 466	1.27 457

MFN_U_SF_RVC	1.55 440	2.39 468	3.16 423	0.65 409	0.41 360	1.12 411	0.46 334	1.23 426	1.33 428	1.61 439	1.20 404	1.43 426	0.98 399	1.76 338	1.97 409	1.90 462	1.80 461	1.98 466	2.15 465	1.63 454	1.77 465

WAO-8	2.80 455	2.14 464	2.89 399	1.91 460	1.04 443	3.98 463	0.96 422	3.26 463	6.17 463	2.15 449	3.37 459	3.31 451	2.41 450	11.84 472	2.03 413	2.05 463	1.86 463	1.54 459	0.92 452	1.22 443	0.87 442

Venus	2.80 455	2.14 464	2.89 399	1.91 460	1.04 443	3.98 463	0.96 422	3.26 463	6.17 463	2.15 449	3.37 459	3.31 451	2.41 450	11.84 472	2.03 413	2.05 463	1.86 463	1.54 459	0.92 452	1.22 443	0.87 442

MADNet++	2.79 454	2.11 463	2.97 408	2.49 464	2.28 463	2.95 460	2.31 460	2.67 457	2.47 453	3.03 463	3.13 457	2.70 446	2.92 453	4.10 459	4.48 457	2.68 465	2.24 468	3.04 469	2.44 467	2.37 463	2.34 467

LVE	1.96 448	2.17 467	3.14 421	1.68 453	1.80 462	1.63 433	1.03 430	2.34 455	2.81 456	1.25 423	2.89 453	4.24 458	1.29 416	2.79 439	1.44 391	2.85 466	0.91 455	1.18 447	1.46 464	1.23 445	1.10 453

DGTPSM_ROB	8.89 471	5.62 471	12.25 470	5.92 471	11.32 470	8.54 470	24.18 478	6.40 471	13.49 471	5.15 467	11.46 471	6.19 467	10.92 472	7.00 468	13.72 474	4.47 467	7.65 472	3.92 470	7.45 474	4.38 470	7.87 474

DGSMNet	2.89 457	0.63 253	3.18 426	3.43 469	4.17 467	2.57 458	6.98 471	0.97 361	0.83 372	0.56 239	1.86 429	0.79 336	0.62 336	1.64 322	1.39 387	4.61 468	5.01 471	5.17 472	4.71 471	4.44 471	4.19 470

IMH	2.02 449	2.15 466	2.69 376	1.68 453	1.12 448	1.66 436	0.92 420	2.10 453	1.92 448	1.32 428	2.66 450	2.21 441	1.69 439	5.78 464	1.68 399	5.54 469	0.96 456	1.31 453	0.71 444	1.32 451	0.99 451

ACVNet-4b	1.93 447	1.85 452	4.10 452	1.07 437	0.86 430	1.15 415	0.53 356	1.06 409	1.12 417	0.64 322	1.09 400	1.99 437	0.70 354	2.20 395	9.86 472	5.62 470	0.41 421	1.03 445	0.55 427	1.86 459	0.85 440

tt	4.93 466	0.27 52	4.20 453	2.29 463	1.58 460	10.20 472	16.97 476	9.42 474	5.02 461	1.67 440	1.28 409	4.68 461	5.03 465	3.37 453	5.92 463	6.16 471	9.47 478	2.82 468	3.18 469	3.60 468	1.53 463

PML	23.15 481	16.83 477	7.78 466	5.49 470	9.93 469	51.13 489	104.50 489	5.76 470	13.62 473	37.30 489	105.93 489	30.86 489	23.50 484	12.07 474	7.87 468	6.30 472	2.12 467	6.32 474	2.43 466	10.44 476	2.90 468

DLNR_Zeroshot_test	13.43 476	19.94 480	23.55 480	121.61 490	35.03 485	0.46 54	0.15 4	8.02 473	0.35 10	0.28 53	0.37 76	0.26 44	0.17 6	0.76 217	0.29 119	6.42 473	0.26 384	0.09 30	0.38 406	50.13 488	0.18 227

DPSM_ROB	12.34 474	11.21 475	12.51 471	12.91 476	12.80 473	19.84 482	28.28 484	14.38 479	14.28 476	10.58 470	11.26 469	12.03 475	11.85 475	13.15 478	15.34 479	7.11 474	8.31 475	6.50 475	7.35 472	8.84 474	8.31 476

DPSM	12.34 474	11.21 475	12.51 471	12.91 476	12.80 473	19.84 482	28.28 484	14.38 479	14.28 476	10.58 470	11.26 469	12.03 475	11.85 475	13.15 478	15.34 479	7.11 474	8.31 475	6.50 475	7.35 472	8.84 474	8.31 476

DPSMNet_ROB	9.48 472	5.64 472	13.01 474	8.82 473	11.82 471	8.54 470	24.20 479	6.41 472	13.65 474	5.32 468	11.47 472	6.33 468	10.92 472	7.69 469	13.89 475	7.25 476	8.19 474	5.06 471	7.78 475	5.31 472	8.26 475

HanzoNet	7.64 469	2.86 469	5.05 458	7.01 472	3.97 466	2.18 453	1.34 446	3.37 466	4.05 459	13.17 474	10.58 467	10.73 471	16.52 477	8.45 471	10.51 473	10.48 477	9.72 479	5.59 473	13.46 478	6.84 473	6.83 473

CasAABBNet	24.81 483	22.53 486	24.83 481	26.08 483	25.74 481	39.86 486	57.06 488	28.87 487	28.83 488	21.16 484	22.54 485	24.22 484	23.89 486	26.38 486	30.87 488	14.25 478	16.71 482	13.09 477	14.81 480	17.78 478	16.71 480

Selective-RAFT-Error	24.87 484	22.59 487	25.14 483	26.13 484	25.82 482	39.93 487	57.03 487	28.97 488	28.95 489	21.21 485	22.65 486	24.25 485	23.98 487	26.43 487	30.83 487	14.27 479	16.71 482	13.10 478	14.82 481	17.82 479	16.76 481

LSM0	26.58 485	22.63 488	25.88 484	30.13 485	52.21 489	39.94 488	56.74 486	28.97 488	28.72 487	21.14 483	22.26 484	24.43 486	23.88 485	26.54 488	30.87 488	14.32 480	16.55 481	13.12 479	14.71 479	17.92 480	20.60 483

DPSimNet_ROB	17.97 478	20.20 484	24.98 482	17.62 478	15.92 476	21.53 484	21.00 477	13.70 476	15.61 478	23.89 486	14.69 474	22.87 482	24.58 488	12.70 477	14.56 476	18.48 481	12.91 480	20.21 481	12.05 476	17.76 477	14.17 479

LRCNet_RVC	13.74 477	19.30 478	12.75 473	19.46 480	12.69 472	1.86 441	0.41 308	12.33 475	1.05 408	15.77 476	18.83 481	12.62 477	8.70 470	12.21 475	9.62 471	22.22 482	8.37 477	25.85 483	24.01 483	19.32 481	17.44 482

xxxxx1	28.96 487	20.11 481	14.07 476	49.74 486	39.15 486	18.98 476	26.64 480	21.94 483	20.21 482	16.45 477	17.48 478	18.36 478	21.56 480	16.21 480	20.88 482	23.07 483	26.55 485	66.40 487	78.70 487	30.27 484	32.51 487

tt_ll	28.96 487	20.11 481	14.07 476	49.74 486	39.15 486	18.98 476	26.64 480	21.94 483	20.21 482	16.45 477	17.48 478	18.36 478	21.56 480	16.21 480	20.88 482	23.07 483	26.55 485	66.40 487	78.70 487	30.27 484	32.51 487

ff	28.96 487	20.11 481	14.07 476	49.74 486	39.15 486	18.98 476	26.64 480	21.94 483	20.21 482	16.45 477	17.48 478	18.36 478	21.56 480	16.21 480	20.88 482	23.07 483	26.55 485	66.40 487	78.70 487	30.27 484	32.51 487

HaxPig	19.86 479	22.40 485	22.34 479	17.95 479	17.95 477	11.77 473	11.89 473	16.02 481	15.89 479	21.10 482	21.41 483	18.74 481	18.39 478	20.08 484	19.69 481	23.63 486	23.22 484	24.06 482	23.69 482	23.00 482	23.95 484

MEDIAN_ROB	23.96 482	27.05 489	26.39 485	22.16 481	22.13 479	16.12 475	13.97 474	20.24 482	20.05 481	25.50 487	25.31 487	22.96 483	22.63 483	24.39 485	23.24 485	28.20 487	27.23 488	28.62 484	27.75 484	27.50 483	27.76 485

AVERAGE_ROB	26.93 486	30.34 490	29.27 487	25.82 482	25.34 480	19.48 481	15.17 475	23.55 486	23.00 486	28.45 488	27.87 488	26.25 487	25.86 489	26.96 489	25.55 486	31.30 488	30.07 489	31.76 485	30.81 485	30.79 487	30.93 486

Anonymous_1	22.91 480	11.20 474	12.13 469	12.75 475	26.28 483	19.43 480	27.92 483	14.08 477	13.61 472	14.96 475	10.58 467	11.26 473	11.19 474	12.55 476	14.57 477	38.28 489	7.88 473	34.96 486	63.99 486	89.57 489	10.94 478

test_example2	115.39 490	123.23 491	94.57 489	115.52 489	123.55 490	101.63 490	114.33 490	53.41 490	99.48 490	134.90 490	135.05 490	85.83 490	85.11 490	111.32 490	106.15 490	152.55 490	205.26 490	99.78 490	114.96 490	140.96 490	110.20 490

ASD4		19.65 479

Low-res two-view benchmark