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

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 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
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

FACV-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCMid	0.08 40	0.02 12	0.02 13	1.01 302	0.03 43	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 60	0.09 89	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 41	0.02 12	0.04 34	0.90 280	0.06 91	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 110	0.36 236	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 73	0.02 12	0.02 13	1.62 387	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.02 21	0.06 72	0.04 63	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 46

RYNet	0.02 14	0.02 12	0.02 13	0.03 28	0.03 43	0.03 39	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.03 47	0.03 36	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

PWC_ROB	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCK	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

BEATNet_4x	0.11 73	0.03 30	0.03 31	1.60 385	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 68	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

ADCL	0.11 73	0.03 30	0.03 31	1.60 385	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 68	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

ADCRef	0.12 81	0.03 30	0.04 34	1.71 390	0.04 68	0.03 39	0.03 43	0.04 65	0.04 69	0.04 63	0.03 47	0.04 65	0.03 47	0.06 72	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.03 42	0.04 67

ADCPNet	0.10 52	0.03 30	0.04 34	1.27 373	0.03 43	0.04 65	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.08 88	0.04 63	0.04 35	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

GASNet	0.05 32	0.04 34	0.12 89	0.04 29	0.04 68	0.04 65	0.05 77	0.04 65	0.04 69	0.12 105	0.04 76	0.06 82	0.04 72	0.04 60	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

FADNet-RVC-Resample	0.12 81	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.04 72	0.04 60	1.57 423	0.04 35	0.04 36	0.04 62	0.05 80	0.04 65	0.06 86

FADNet_RVC	0.12 81	0.04 34	0.04 34	0.05 35	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.05 78	0.04 60	1.65 427	0.05 42	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

FADNet-RVC	0.13 86	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.05 77	0.04 65	0.04 69	0.04 63	0.05 84	0.04 65	0.05 78	0.04 60	1.71 430	0.04 35	0.04 36	0.04 62	0.04 66	0.07 87	0.04 67

AnyNet_C32	0.14 95	0.04 34	0.03 31	2.22 403	0.04 68	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.04 65	0.02 21	0.07 85	0.04 63	0.02 14	0.02 14	0.03 37	0.03 49	0.02 19	0.03 46

ADCP+	0.15 105	0.04 34	0.04 34	2.20 402	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.05 84	0.04 65	0.04 72	0.08 88	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

NVStereoNet_ROB	0.04 29	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.04 72	0.04 60	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Wz-Net-TNSev	0.02 14	0.05 41	0.04 34	0.07 38	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 46	0.04 36	0.01 9	0.01 9	0.01 9	0.01 9

APVNet	0.09 41	0.05 41	0.04 34	0.05 35	0.04 68	0.05 75	0.90 337	0.06 79	0.04 69	0.05 77	0.04 76	0.05 77	0.04 72	0.05 68	0.04 63	0.05 42	0.04 36	0.05 72	0.04 66	0.05 77	0.05 81

EDNetEfficient	0.04 29	0.05 41	0.04 34	0.04 29	0.03 43	0.04 65	0.03 43	0.04 65	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.04 60	0.03 42	0.05 42	0.03 31	0.05 72	0.03 49	0.04 65	0.03 46

FADNet	0.12 81	0.05 41	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.05 78	0.04 60	1.66 428	0.06 46	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

EDNetEfficientorigin	0.04 29	0.06 45	0.04 34	0.05 35	0.04 68	0.05 75	0.04 68	0.05 75	0.04 69	0.05 77	0.04 76	0.05 77	0.04 72	0.05 68	0.04 63	0.05 42	0.03 31	0.06 78	0.03 49	0.04 65	0.03 46

GwcNet	0.12 81	0.07 46	0.05 47	0.08 40	0.05 83	0.08 87	1.20 363	0.07 87	0.05 82	0.05 77	0.05 84	0.08 88	0.05 78	0.08 88	0.03 42	0.07 48	0.05 46	0.06 78	0.05 80	0.07 87	0.05 81

AASNet	0.06 34	0.08 47	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 89	0.06 80	0.06 89	0.05 77	0.06 89	0.06 72	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

SACVNet	0.06 34	0.08 47	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 89	0.06 80	0.06 89	0.05 77	0.06 89	0.06 72	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

AACVNet	0.06 34	0.08 47	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 89	0.06 80	0.06 89	0.05 77	0.06 89	0.06 72	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

FINET	0.07 39	0.08 47	0.07 48	0.07 38	0.07 92	0.08 87	0.06 88	0.08 90	0.07 92	0.08 87	0.07 92	0.08 88	0.06 89	0.07 85	0.07 84	0.08 50	0.07 47	0.07 83	0.07 87	0.06 80	0.06 86

BEATNet-Init1	0.19 119	0.08 47	0.08 50	2.23 404	0.08 93	0.08 87	0.07 91	0.07 87	0.08 94	0.08 87	0.07 92	0.08 88	0.07 93	0.11 104	0.08 86	0.08 50	0.08 49	0.08 85	0.07 87	0.08 89	0.08 89

DeepPrunerF	0.19 119	0.08 47	0.08 50	2.23 404	0.08 93	0.08 87	0.07 91	0.07 87	0.08 94	0.08 87	0.07 92	0.08 88	0.07 93	0.11 104	0.08 86	0.08 50	0.08 49	0.08 85	0.07 87	0.08 89	0.08 89

Wz-Net-SNSev	0.03 28	0.09 53	0.07 48	0.09 44	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 56	0.07 47	0.01 9	0.01 9	0.01 9	0.01 9

SepStereo	0.09 41	0.09 53	0.10 59	0.09 44	0.09 95	0.09 91	0.09 93	0.10 92	0.08 94	0.10 91	0.09 95	0.09 92	0.09 96	0.09 91	0.08 86	0.09 56	0.08 49	0.09 90	0.08 91	0.09 92	0.08 89

AnonymousM	0.10 52	0.10 55	0.10 59	0.10 47	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 94	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

SuperB	0.21 127	0.10 55	2.51 439	0.12 70	0.09 95	0.10 92	0.09 93	0.08 90	0.07 92	0.10 91	0.09 95	0.09 92	0.07 93	0.07 85	0.07 84	0.07 48	0.08 49	0.07 83	0.07 87	0.08 89	0.07 88

PVD	0.10 52	0.10 55	0.10 59	0.10 47	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 94	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

SHD	0.10 52	0.10 55	0.10 59	0.10 47	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 94	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

SAMSARA	0.10 52	0.10 55	0.10 59	0.10 47	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 94	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

XQC	0.10 52	0.10 55	0.10 59	0.10 47	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 94	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

RTSC	0.10 52	0.10 55	0.10 59	0.10 47	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 94	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

RTS	0.10 52	0.10 55	0.10 59	0.10 47	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 94	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

RTSA	0.10 52	0.10 55	0.10 59	0.10 47	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 94	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

MADNet+	0.10 52	0.10 55	0.10 59	0.10 47	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 94	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

MADNet++	0.10 52	0.10 55	0.10 59	0.10 47	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 94	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

JetBlue	0.11 73	0.11 66	0.12 89	0.13 83	0.14 135	0.11 103	0.11 110	0.11 104	0.11 112	0.11 103	0.11 112	0.11 104	0.11 111	0.12 108	0.12 119	0.11 76	0.11 83	0.11 101	0.11 111	0.11 103	0.11 108

aanetorigin	0.13 86	0.11 66	0.11 78	0.11 64	0.11 115	0.11 103	0.11 110	0.11 104	0.11 112	0.11 103	0.12 122	0.11 104	0.11 111	0.11 104	0.11 105	0.11 76	0.11 83	0.14 108	0.11 111	0.49 254	0.11 108

JetRed	0.11 73	0.12 68	0.11 78	0.11 64	0.11 115	0.11 103	0.14 130	0.11 104	0.11 112	0.12 105	0.11 112	0.11 104	0.11 111	0.11 104	0.11 105	0.11 76	0.16 129	0.11 101	0.11 111	0.11 103	0.11 108

LRCNet_RVC	0.13 86	0.13 69	0.09 55	0.13 83	0.10 101	0.14 107	0.10 98	0.14 108	0.10 98	0.23 147	0.10 99	0.20 135	0.10 100	0.24 156	0.11 105	0.11 76	0.09 58	0.12 104	0.14 138	0.12 107	0.09 92

GMStereo	0.14 95	0.13 69	0.14 113	0.14 87	0.14 135	0.14 107	0.14 130	0.14 108	0.14 135	0.14 107	0.14 139	0.14 108	0.14 135	0.14 110	0.14 129	0.14 103	0.14 124	0.14 108	0.14 138	0.14 110	0.14 133
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 130	0.13 69	0.19 141	0.23 127	0.10 101	0.26 165	1.02 350	0.14 108	0.10 98	0.28 166	0.14 139	0.17 126	0.19 159	0.28 175	0.09 89	0.22 142	0.16 129	0.23 154	0.17 158	0.11 103	0.12 123

DRN-Test	0.14 95	0.13 69	0.09 55	0.14 87	0.09 95	0.15 113	0.09 93	0.14 108	0.10 98	0.14 107	0.09 95	0.14 108	0.09 96	0.13 109	0.09 89	0.12 81	0.09 58	0.12 104	0.09 93	0.12 107	0.73 319

StereoDRNet	0.15 105	0.14 73	0.10 59	0.14 87	0.09 95	0.15 113	0.09 93	0.14 108	0.09 97	0.14 107	0.10 99	0.14 108	0.09 96	0.14 110	0.09 89	0.13 97	0.10 63	0.13 107	0.09 93	0.13 109	0.82 330

testlalala2	0.13 86	0.16 74	0.11 78	0.15 96	0.11 115	0.16 120	0.11 110	0.16 120	0.11 112	0.16 117	0.11 112	0.16 118	0.11 111	0.16 119	0.11 105	0.14 103	0.11 83	0.14 108	0.11 111	0.14 110	0.11 108

GMStereo_Zeroshot	0.16 113	0.16 74	0.16 129	0.16 104	0.16 151	0.16 120	0.16 138	0.16 120	0.16 147	0.16 117	0.16 148	0.16 118	0.16 145	0.16 119	0.16 144	0.16 119	0.16 129	0.16 124	0.16 143	0.16 124	0.16 134

testlalala_base	0.13 86	0.16 74	0.11 78	0.15 96	0.11 115	0.15 113	0.11 110	0.16 120	0.11 112	0.16 117	0.11 112	0.16 118	0.11 111	0.16 119	0.11 105	0.14 103	0.11 83	0.14 108	0.11 111	0.14 110	0.11 108

HSM	0.14 95	0.16 74	0.12 89	0.17 110	0.12 130	0.17 126	0.11 110	0.17 126	0.11 112	0.17 124	0.12 122	0.17 126	0.12 127	0.17 126	0.12 119	0.16 119	0.11 83	0.16 124	0.11 111	0.16 124	0.12 123

ELAS_RVC	0.14 95	0.16 74	0.10 59	0.15 96	0.10 101	0.18 128	0.11 110	0.19 130	0.11 112	0.19 128	0.12 122	0.18 129	0.11 111	0.19 131	0.12 119	0.14 103	0.08 49	0.14 108	0.09 93	0.15 120	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 86	0.16 74	0.11 78	0.15 96	0.09 95	0.18 128	0.11 110	0.18 128	0.11 112	0.17 124	0.11 112	0.18 129	0.11 111	0.18 128	0.11 105	0.14 103	0.08 49	0.14 108	0.08 91	0.14 110	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ITSA-stereo	0.15 105	0.17 80	0.13 108	0.20 116	0.13 133	0.19 131	0.13 128	0.18 128	0.13 133	0.19 128	0.13 134	0.18 129	0.14 135	0.18 128	0.14 129	0.16 119	0.11 83	0.15 121	0.14 138	0.18 131	0.11 108

SGM_RVC	0.15 105	0.17 80	0.11 78	0.18 111	0.11 115	0.19 131	0.11 110	0.19 130	0.12 130	0.19 128	0.12 122	0.20 135	0.12 127	0.19 131	0.12 119	0.16 119	0.11 83	0.17 129	0.10 99	0.17 127	0.10 96
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 113	0.18 82	0.13 108	0.19 114	0.13 133	0.19 131	0.13 128	0.19 130	0.13 133	0.19 128	0.13 134	0.19 133	0.13 131	0.19 131	0.13 125	0.18 132	0.13 121	0.18 137	0.13 135	0.18 131	0.13 129

IGEV_Zeroshot_test	0.20 121	0.19 83	0.40 223	0.30 148	0.17 152	0.22 144	0.17 139	0.21 139	0.17 149	0.20 133	0.17 150	0.21 142	0.18 154	0.21 144	0.17 145	0.20 135	0.16 129	0.20 141	0.16 143	0.20 136	0.17 142

ACVNet	0.20 121	0.19 83	0.14 113	0.20 116	0.14 135	0.20 135	0.96 344	0.21 139	0.14 135	0.20 133	0.13 134	0.21 142	0.14 135	0.20 135	0.14 129	0.17 124	0.12 97	0.17 129	0.12 127	0.17 127	0.12 123

acv_ft	0.20 121	0.19 83	0.14 113	0.20 116	0.14 135	0.20 135	0.96 344	0.21 139	0.14 135	0.20 133	0.13 134	0.21 142	0.14 135	0.20 135	0.14 129	0.17 124	0.12 97	0.17 129	0.12 127	0.17 127	0.12 123

LALA_ROB	0.15 105	0.19 83	0.12 89	0.18 111	0.11 115	0.20 135	0.12 125	0.21 139	0.12 130	0.20 133	0.12 122	0.20 135	0.12 127	0.21 144	0.13 125	0.17 124	0.10 63	0.18 137	0.11 111	0.18 131	0.11 108

model_zeroshot	0.27 146	0.20 87	0.27 169	0.33 158	0.21 170	0.37 200	0.22 161	0.37 191	0.24 171	0.26 163	0.27 196	0.33 184	0.21 167	0.25 161	0.27 185	0.32 181	0.20 151	0.34 196	0.23 171	0.25 152	0.26 173

ProNet	0.14 95	0.20 87	0.14 113	0.16 104	0.11 115	0.16 120	0.11 110	0.17 126	0.11 112	0.17 124	0.12 122	0.17 126	0.13 131	0.17 126	0.12 119	0.15 112	0.11 83	0.16 124	0.11 111	0.15 120	0.12 123

DAS	0.20 121	0.20 87	0.20 144	0.20 116	0.20 164	0.20 135	0.20 151	0.20 134	0.20 159	0.20 133	0.20 164	0.20 135	0.20 163	0.20 135	0.20 159	0.20 135	0.20 151	0.20 141	0.20 162	0.20 136	0.20 149

IPLG	0.13 86	0.20 87	0.14 113	0.15 96	0.11 115	0.14 107	0.11 110	0.14 108	0.11 112	0.14 107	0.11 112	0.14 108	0.11 111	0.14 110	0.11 105	0.15 112	0.12 97	0.14 108	0.11 111	0.14 110	0.11 108

IPLGR_C	0.14 95	0.20 87	0.12 89	0.15 96	0.11 115	0.14 107	0.15 135	0.14 108	0.11 112	0.15 113	0.12 122	0.14 108	0.11 111	0.16 119	0.11 105	0.15 112	0.12 97	0.14 108	0.12 127	0.15 120	0.12 123

ASD4		0.20 87

MSKI-zero shot	0.24 136	0.21 93	0.49 257	0.65 253	0.18 158	0.22 144	0.17 139	0.23 146	0.18 151	0.21 141	0.17 150	0.23 150	0.28 203	0.23 152	0.18 153	0.21 139	0.16 129	0.21 143	0.16 143	0.21 139	0.16 134

CIPLG	0.13 86	0.21 93	0.12 89	0.16 104	0.11 115	0.15 113	0.11 110	0.14 108	0.11 112	0.15 113	0.12 122	0.15 117	0.11 111	0.14 110	0.11 105	0.15 112	0.12 97	0.14 108	0.11 111	0.14 110	0.11 108

MIPNet	0.14 95	0.21 93	0.17 133	0.16 104	0.11 115	0.15 113	0.12 125	0.14 108	0.11 112	0.16 117	0.11 112	0.14 108	0.11 111	0.14 110	0.11 105	0.14 103	0.12 97	0.14 108	0.11 111	0.14 110	0.11 108

ACRE	0.13 86	0.21 93	0.14 113	0.15 96	0.11 115	0.14 107	0.11 110	0.14 108	0.11 112	0.14 107	0.12 122	0.14 108	0.11 111	0.14 110	0.11 105	0.15 112	0.12 97	0.14 108	0.11 111	0.14 110	0.11 108

Pointernet	0.21 127	0.22 97	0.19 141	0.24 132	0.19 162	0.24 151	0.19 148	0.24 149	0.19 157	0.24 152	0.19 161	0.24 154	0.19 159	0.24 156	0.19 156	0.22 142	0.17 142	0.22 148	0.17 158	0.22 141	0.17 142

test_for_model	0.15 105	0.23 98	0.18 138	0.21 124	0.11 115	0.16 120	0.11 110	0.16 120	0.11 112	0.16 117	0.11 112	0.16 118	0.11 111	0.16 119	0.11 105	0.21 139	0.18 148	0.14 108	0.11 111	0.14 110	0.11 108

WAO-6	0.22 130	0.23 98	0.22 149	0.23 127	0.22 172	0.22 144	0.22 161	0.22 143	0.22 163	0.22 143	0.22 169	0.22 147	0.22 168	0.22 148	0.22 163	0.22 142	0.22 157	0.22 148	0.22 166	0.22 141	0.22 154

IMH-64-1	0.22 130	0.23 98	0.23 152	0.22 125	0.22 172	0.22 144	0.22 161	0.22 143	0.22 163	0.22 143	0.22 169	0.22 147	0.22 168	0.22 148	0.22 163	0.22 142	0.22 157	0.23 154	0.22 166	0.22 141	0.23 156

IMH-64	0.22 130	0.23 98	0.23 152	0.22 125	0.22 172	0.22 144	0.22 161	0.22 143	0.22 163	0.22 143	0.22 169	0.22 147	0.22 168	0.22 148	0.22 163	0.22 142	0.22 157	0.23 154	0.22 166	0.22 141	0.23 156

MIM_Stereo	0.25 137	0.23 98	0.66 287	0.80 270	0.17 152	0.22 144	0.17 139	0.23 146	0.18 151	0.26 163	0.17 150	0.21 142	0.17 147	0.25 161	0.17 145	0.23 153	0.16 129	0.21 143	0.17 158	0.22 141	0.17 142

iResNetv2_ROB	0.20 121	0.23 98	0.18 138	0.24 132	0.20 164	0.24 151	0.18 145	0.24 149	0.18 151	0.24 152	0.18 160	0.23 150	0.19 159	0.24 156	0.18 153	0.21 139	0.16 129	0.21 143	0.16 143	0.22 141	0.16 134

iResNet	0.20 121	0.23 98	0.18 138	0.24 132	0.18 158	0.24 151	0.20 151	0.24 149	0.18 151	0.23 147	0.17 150	0.23 150	0.18 154	0.23 152	0.18 153	0.22 142	0.16 129	0.21 143	0.16 143	0.21 139	0.16 134

Wz-Net-LNSev	0.06 34	0.24 105	0.20 144	0.23 127	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 153	0.21 153	0.02 18	0.01 9	0.01 9	0.01 9

IPLGR	0.14 95	0.24 105	0.14 113	0.16 104	0.12 130	0.15 113	0.12 125	0.14 108	0.11 112	0.15 113	0.12 122	0.14 108	0.11 111	0.14 110	0.11 105	0.15 112	0.12 97	0.14 108	0.11 111	0.14 110	0.11 108

tg	0.21 127	0.25 107	0.21 147	0.26 143	0.17 152	0.24 151	0.17 139	0.24 149	0.17 149	0.24 152	0.17 150	0.24 154	0.17 147	0.24 156	0.17 145	0.24 158	0.17 142	0.23 154	0.16 143	0.23 150	0.16 134

UNDER WATER-64	0.25 137	0.26 108	0.25 162	0.26 143	0.25 184	0.25 158	0.25 176	0.25 155	0.25 176	0.25 156	0.25 185	0.25 159	0.25 179	0.26 171	0.25 179	0.25 163	0.25 164	0.25 161	0.25 184	0.25 152	0.25 167

CAS++	0.17 116	0.27 109	0.21 147	0.10 47	0.21 170	0.15 113	0.22 161	0.10 92	0.21 161	0.22 143	0.10 99	0.19 133	0.18 154	0.10 93	0.19 156	0.20 135	0.19 149	0.18 137	0.10 99	0.19 135	0.18 146
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
TorneroNet-64	0.45 221	0.27 109	0.30 179	0.58 245	0.27 195	0.70 306	0.30 205	0.28 162	0.73 327	0.73 307	0.28 203	0.71 307	0.66 309	0.75 311	0.27 185	0.27 167	0.29 187	0.37 217	0.75 330	0.28 159	0.30 209

LoS	0.25 137	0.27 109	0.25 162	0.25 136	0.25 184	0.25 158	0.25 176	0.26 159	0.25 176	0.25 156	0.25 185	0.25 159	0.25 179	0.25 161	0.25 179	0.26 164	0.25 164	0.25 161	0.26 191	0.26 154	0.25 167
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
DLNR_Zeroshot_test	0.31 156	0.28 112	0.47 249	0.79 268	0.24 182	0.30 172	0.26 184	0.30 168	0.24 171	0.32 177	0.23 173	0.31 180	0.24 176	0.30 180	0.23 169	0.29 176	0.26 168	0.29 175	0.24 179	0.33 175	0.23 156

SQANet	0.28 147	0.28 112	0.28 173	0.28 146	0.28 199	0.28 169	0.28 194	0.28 162	0.28 198	0.28 166	0.28 203	0.28 170	0.28 203	0.28 175	0.28 192	0.28 169	0.28 178	0.28 170	0.28 202	0.28 159	0.28 195

HGLStereo	0.28 147	0.29 114	0.22 149	0.36 165	0.22 172	0.36 195	0.21 156	0.36 185	0.21 161	0.42 232	0.21 168	0.36 197	0.22 168	0.36 199	0.21 161	0.34 186	0.21 153	0.34 196	0.21 163	0.34 179	0.21 151

DANet	0.30 151	0.30 115	0.30 179	0.30 148	0.30 214	0.30 172	0.30 205	0.30 168	0.30 212	0.30 170	0.30 217	0.30 178	0.30 215	0.30 180	0.30 208	0.30 177	0.30 195	0.30 177	0.30 220	0.30 165	0.30 209
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 388	0.31 116	4.99 464	5.93 457	0.20 164	0.25 158	0.20 151	0.25 155	0.20 159	0.23 147	0.19 161	0.25 159	0.20 163	0.25 161	0.20 159	5.66 465	4.76 457	0.26 164	0.30 220	0.24 151	0.27 182

gcap-zeroshot	0.35 175	0.32 117	0.37 211	0.49 225	0.39 259	0.33 186	0.21 156	0.26 159	0.35 232	0.42 232	0.34 232	0.49 264	0.29 209	0.47 255	0.39 250	0.34 186	0.17 142	0.38 224	0.23 171	0.48 250	0.34 227

iResNet_ROB	0.28 147	0.32 117	0.24 158	0.32 154	0.25 184	0.32 183	0.24 173	0.32 171	0.24 171	0.33 181	0.24 179	0.35 190	0.24 176	0.33 188	0.24 173	0.31 180	0.24 163	0.32 181	0.24 179	0.32 169	0.24 166

H2IRNET	0.34 169	0.34 119	0.34 202	0.34 160	0.34 237	0.34 188	0.34 227	0.34 178	0.34 229	0.34 183	0.34 232	0.34 189	0.34 230	0.34 190	0.34 231	0.34 186	0.34 208	0.34 196	0.34 238	0.34 179	0.34 227

MLCV	0.31 156	0.35 120	0.27 169	0.35 161	0.28 199	0.35 192	0.27 187	0.35 181	0.28 198	0.36 191	0.27 196	0.35 190	0.27 196	0.35 192	0.27 185	0.34 186	0.27 173	0.34 196	0.27 198	0.34 179	0.27 182

ETE_ROB	0.35 175	0.35 120	0.35 208	0.35 161	0.35 240	0.35 192	0.35 231	0.35 181	0.35 232	0.35 187	0.35 239	0.35 190	0.35 234	0.35 192	0.35 233	0.35 195	0.35 209	0.35 209	0.35 242	0.35 191	0.35 231

DN-CSS_ROB	0.31 156	0.35 120	0.28 173	0.35 161	0.28 199	0.34 188	0.27 187	0.34 178	0.25 176	0.35 187	0.27 196	0.36 197	0.26 188	0.34 190	0.28 192	0.35 195	0.28 178	0.34 196	0.28 202	0.34 179	0.27 182

RSM	0.36 179	0.36 123	0.43 237	0.37 168	0.42 275	0.49 268	0.42 265	0.37 191	0.28 198	0.36 191	0.29 206	0.36 197	0.30 215	0.37 203	0.28 192	0.34 186	0.31 199	0.34 196	0.35 242	0.40 220	0.29 200

Any-RAFT	0.32 164	0.36 123	0.27 169	0.36 165	0.27 195	0.36 195	0.27 187	0.36 185	0.27 194	0.36 191	0.27 196	0.36 197	0.27 196	0.36 199	0.28 192	0.36 199	0.28 178	0.36 214	0.28 202	0.36 197	0.28 195

RAFT-Test	0.36 179	0.37 125	0.33 194	0.41 199	0.32 220	0.41 228	0.32 210	0.41 220	0.32 218	0.41 220	0.32 221	0.41 228	0.32 221	0.41 230	0.33 218	0.37 203	0.29 187	0.37 217	0.29 211	0.38 209	0.31 214

XPNet_ROB	0.37 184	0.37 125	0.37 211	0.37 168	0.37 249	0.37 200	0.37 242	0.37 191	0.37 242	0.37 196	0.37 247	0.37 203	0.37 241	0.37 203	0.37 244	0.37 203	0.37 213	0.37 217	0.37 250	0.37 200	0.37 236

WAO-8	0.38 190	0.38 127	0.38 214	0.38 171	0.38 254	0.38 204	0.38 247	0.38 196	0.38 244	0.38 197	0.38 252	0.38 205	0.38 243	0.38 205	0.38 245	0.38 210	0.38 219	0.38 224	0.37 250	0.38 209	0.38 240

WAO-7	0.38 190	0.38 127	0.38 214	0.38 171	0.38 254	0.38 204	0.38 247	0.38 196	0.38 244	0.38 197	0.38 252	0.38 205	0.38 243	0.38 205	0.38 245	0.38 210	0.38 219	0.38 224	0.38 259	0.38 209	0.38 240

HanzoNet	0.39 196	0.38 127	0.40 223	0.39 176	0.41 266	0.38 204	0.38 247	0.38 196	0.38 244	0.39 203	0.39 256	0.38 205	0.38 243	0.39 213	0.40 253	0.38 210	0.38 219	0.40 238	0.38 259	0.38 209	0.40 246

Venus	0.38 190	0.38 127	0.38 214	0.38 171	0.38 254	0.37 200	0.38 247	0.37 191	0.37 242	0.41 220	0.37 247	0.39 210	0.37 241	0.38 205	0.38 245	0.37 203	0.38 219	0.38 224	0.37 250	0.37 200	0.38 240

IMH	0.38 190	0.38 127	0.38 214	0.38 171	0.38 254	0.38 204	0.38 247	0.38 196	0.38 244	0.42 232	0.38 252	0.40 216	0.38 243	0.38 205	0.38 245	0.38 210	0.38 219	0.39 234	0.38 259	0.38 209	0.38 240

DMCA	0.36 179	0.38 127	0.37 211	0.35 161	0.35 240	0.36 195	0.36 237	0.36 185	0.35 232	0.35 187	0.37 247	0.36 197	0.36 237	0.35 192	0.36 236	0.36 199	0.36 211	0.35 209	0.36 248	0.36 197	0.36 232

StereoDRNet-Refined	0.33 167	0.39 133	0.26 168	0.39 176	0.26 193	0.40 212	0.26 184	0.40 205	0.26 189	0.39 203	0.26 191	0.39 210	0.26 188	0.39 213	0.26 184	0.37 203	0.25 164	0.37 217	0.25 184	0.37 200	0.37 236
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 336	0.39 133	5.28 467	0.39 176	0.20 164	0.39 211	0.27 187	0.39 200	0.22 163	0.38 197	0.20 164	0.38 205	0.20 163	6.95 478	0.22 163	0.30 177	0.21 153	0.27 168	0.21 163	5.25 459	0.21 151

EKT-Stereo	0.37 184	0.40 135	0.44 239	1.07 305	0.29 205	0.34 188	0.31 209	0.36 185	0.29 202	0.38 197	0.31 220	0.37 203	0.30 215	0.36 199	0.29 201	0.34 186	0.28 178	0.39 234	0.30 220	0.37 200	0.30 209

knoymous	0.40 200	0.40 135	0.40 223	0.40 189	0.40 260	0.40 212	0.40 253	0.40 205	0.40 252	0.40 207	0.40 257	0.40 216	0.40 248	0.40 216	0.40 253	0.40 223	0.40 229	0.40 238	0.40 263	0.40 220	0.40 246

anonymousa	0.40 200	0.40 135	0.40 223	0.40 189	0.40 260	0.40 212	0.40 253	0.40 205	0.40 252	0.40 207	0.40 257	0.40 216	0.40 248	0.40 216	0.40 253	0.40 223	0.40 229	0.40 238	0.40 263	0.40 220	0.40 246

riskmin	0.40 200	0.40 135	0.40 223	0.40 189	0.40 260	0.40 212	0.40 253	0.40 205	0.40 252	0.40 207	0.40 257	0.40 216	0.40 248	0.40 216	0.40 253	0.40 223	0.40 229	0.40 238	0.40 263	0.40 220	0.40 246

Anonymous_2	0.40 200	0.40 135	0.40 223	0.40 189	0.40 260	0.40 212	0.40 253	0.40 205	0.40 252	0.40 207	0.40 257	0.40 216	0.40 248	0.40 216	0.40 253	0.40 223	0.40 229	0.40 238	0.40 263	0.40 220	0.40 246

Anonymous_1	0.40 200	0.40 135	0.40 223	0.40 189	0.40 260	0.40 212	0.40 253	0.40 205	0.40 252	0.40 207	0.40 257	0.40 216	0.40 248	0.40 216	0.40 253	0.40 223	0.40 229	0.40 238	0.40 263	0.40 220	0.40 246

AdaStereo	0.40 200	0.40 135	0.40 223	0.40 189	0.40 260	0.40 212	0.40 253	0.40 205	0.40 252	0.40 207	0.40 257	0.40 216	0.40 248	0.40 216	0.40 253	0.40 223	0.40 229	0.40 238	0.40 263	0.40 220	0.40 246
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.
iRaft-Stereo_20w	0.34 169	0.41 142	0.31 185	0.39 176	0.29 205	0.40 212	0.32 210	0.41 220	0.32 218	0.38 197	0.30 217	0.39 210	0.30 215	0.38 205	0.32 213	0.35 195	0.27 173	0.34 196	0.27 198	0.34 179	0.29 200

GwcNet-ADL	0.41 208	0.41 142	0.41 231	0.41 199	0.41 266	0.41 228	0.41 260	0.41 220	0.41 261	0.41 220	0.41 263	0.41 228	0.41 259	0.41 230	0.41 260	0.41 230	0.41 238	0.41 250	0.41 270	0.41 229	0.41 253

PSMNet-ADL	0.41 208	0.41 142	0.41 231	0.41 199	0.41 266	0.41 228	0.41 260	0.41 220	0.41 261	0.41 220	0.41 263	0.41 228	0.41 259	0.41 230	0.41 260	0.41 230	0.41 238	0.41 250	0.41 270	0.41 229	0.41 253

GANet-ADL	0.41 208	0.41 142	0.41 231	0.41 199	0.41 266	0.41 228	0.41 260	0.41 220	0.41 261	0.41 220	0.41 263	0.41 228	0.41 259	0.41 230	0.41 260	0.41 230	0.41 238	0.41 250	0.41 270	0.41 229	0.41 253

ADLNet2	0.41 208	0.41 142	0.41 231	0.41 199	0.41 266	0.41 228	0.41 260	0.41 220	0.41 261	0.41 220	0.41 263	0.41 228	0.41 259	0.41 230	0.41 260	0.41 230	0.41 238	0.41 250	0.41 270	0.41 229	0.41 253

ADLNet	0.41 208	0.41 142	0.41 231	0.41 199	0.41 266	0.41 228	0.41 260	0.41 220	0.41 261	0.41 220	0.41 263	0.41 228	0.41 259	0.41 230	0.41 260	0.41 230	0.41 238	0.41 250	0.41 270	0.41 229	0.41 253

DGSMNet	0.34 169	0.41 142	0.27 169	0.41 199	0.28 199	0.41 228	0.28 194	0.41 220	0.27 194	0.41 220	0.27 196	0.42 244	0.27 196	0.41 230	0.28 192	0.40 223	0.29 187	0.40 238	0.28 202	0.40 220	0.27 182

iRaft-Stereo_5w	0.34 169	0.42 149	0.31 185	0.39 176	0.30 214	0.38 204	0.30 205	0.40 205	0.29 202	0.40 207	0.37 247	0.41 228	0.34 230	0.38 205	0.30 208	0.34 186	0.27 173	0.34 196	0.26 191	0.34 179	0.26 173

fffy	0.38 190	0.43 150	0.33 194	0.46 211	0.33 230	0.45 252	0.32 210	0.45 242	0.32 218	0.45 242	0.32 221	0.45 249	0.33 226	0.45 249	0.32 213	0.38 210	0.38 219	0.38 224	0.37 250	0.37 200	0.36 232

IGEV++	0.34 169	0.43 150	0.30 179	0.40 189	0.29 205	0.40 212	0.29 200	0.40 205	0.29 202	0.40 207	0.29 206	0.40 216	0.29 209	0.40 216	0.30 208	0.38 210	0.29 187	0.37 217	0.29 211	0.37 200	0.29 200

ccccc		0.44 152		0.48 220	0.35 240	0.48 265		0.51 272		0.47 249		0.47 256		0.47 255		0.41 230	0.40 229	0.40 238	0.40 263	0.41 229

Wz-Net-LNSev-Ref	0.11 73	0.44 152	0.33 194	0.39 176	0.02 20	0.03 39	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 219	0.36 211	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-Stereo	0.35 175	0.44 152	0.45 241	0.49 225	0.30 214	0.37 200	0.30 205	0.36 185	0.30 212	0.36 191	0.29 206	0.36 197	0.29 209	0.36 199	0.30 208	0.46 247	0.39 226	0.32 181	0.24 179	0.32 169	0.25 167
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
mms	0.40 200	0.45 155	0.35 208	0.48 220	0.36 246	0.47 260	0.34 227	0.45 242	0.38 244	0.47 249	0.33 225	0.45 249	0.32 221	0.45 249	0.32 213	0.39 219	0.38 219	0.38 224	0.37 250	0.39 216	0.39 244

GMOStereo	0.37 184	0.45 155	0.23 152	0.30 148	0.37 249	0.41 228	0.36 237	0.41 220	0.35 232	0.43 238	0.36 242	0.41 228	0.40 248	0.41 230	0.36 236	0.34 186	0.22 157	0.47 270	0.37 250	0.39 216	0.33 221

RAFT + AFF	0.31 156	0.45 155	0.34 202	0.39 176	0.28 199	0.38 204	0.33 218	0.29 166	0.31 215	0.30 170	0.30 217	0.29 175	0.27 196	0.29 178	0.30 208	0.28 169	0.29 187	0.29 175	0.29 211	0.27 157	0.32 218

otaku	0.46 223	0.46 158	0.46 244	0.46 211	0.46 282	0.46 256	0.46 273	0.46 244	0.46 271	0.46 244	0.46 279	0.46 251	0.46 271	0.46 251	0.46 274	0.46 247	0.46 248	0.46 266	0.46 282	0.46 240	0.46 267

Dean	0.46 223	0.46 158	0.46 244	0.46 211	0.46 282	0.46 256	0.46 273	0.46 244	0.46 271	0.47 249	0.46 279	0.46 251	0.46 271	0.46 251	0.46 274	0.46 247	0.46 248	0.46 266	0.46 282	0.46 240	0.46 267

ACVNet-4b	0.46 223	0.46 158	0.46 244	0.46 211	0.46 282	0.46 256	0.46 273	0.46 244	0.46 271	0.46 244	0.46 279	0.46 251	0.46 271	0.47 255	0.46 274	0.46 247	0.46 248	0.46 266	0.46 282	0.46 240	0.46 267

psmorigin	0.41 208	0.46 158	0.33 194	0.49 225	0.33 230	0.49 268	0.33 218	0.49 255	0.33 222	0.49 260	0.33 225	0.49 264	0.33 226	0.51 279	0.33 218	0.41 230	0.30 195	0.41 250	0.30 220	0.79 293	0.29 200

Ntro	0.47 228	0.47 162	0.46 244	0.46 211	0.46 282	0.47 260	0.47 278	0.46 244	0.47 277	0.46 244	0.46 279	0.47 256	0.46 271	0.47 255	0.47 280	0.47 252	0.46 248	0.46 266	0.46 282	0.46 240	0.46 267

HaxPig	0.47 228	0.47 162	0.47 249	0.49 225	0.47 288	0.47 260	0.47 278	0.47 249	0.47 277	0.47 249	0.47 287	0.47 256	0.47 279	0.47 255	0.47 280	0.47 252	0.47 254	0.47 270	0.47 289	0.47 247	0.48 275

UNDER WATER	0.47 228	0.47 162	0.47 249	0.47 217	0.47 288	0.47 260	0.47 278	0.47 249	0.47 277	0.47 249	0.47 287	0.47 256	0.46 271	0.47 255	0.47 280	0.47 252	0.47 254	0.47 270	0.46 282	0.47 247	0.47 273

LVE	0.47 228	0.47 162	0.47 249	0.47 217	0.49 294	0.47 260	0.47 278	0.47 249	0.49 286	0.47 249	0.47 287	0.47 256	0.46 271	0.47 255	0.47 280	0.47 252	0.47 254	0.48 278	0.47 289	0.47 247	0.47 273

ACVNet_1	0.46 223	0.47 162	0.46 244	0.46 211	0.46 282	0.46 256	0.46 273	0.46 244	0.47 277	0.46 244	0.46 279	0.46 251	0.46 271	0.46 251	0.46 274	0.46 247	0.46 248	0.47 270	0.46 282	0.46 240	0.46 267

CES	0.39 196	0.47 162	0.36 210	0.36 165	0.37 249	0.45 252	0.35 231	0.35 181	0.40 252	0.36 191	0.44 274	0.47 256	0.36 237	0.44 246	0.36 236	0.37 203	0.39 226	0.44 261	0.35 242	0.37 200	0.36 232

RainbowNet	0.48 232	0.48 168	0.48 253	0.48 220	0.48 292	0.48 265	0.48 287	0.48 253	0.48 284	0.48 255	0.48 291	0.48 262	0.48 280	0.48 262	0.48 286	0.48 256	0.48 257	0.48 278	0.48 292	0.48 250	0.48 275

GIP-stereo	0.36 179	0.49 169	0.39 220	0.48 220	0.32 220	0.41 228	0.28 194	0.40 205	0.30 212	0.41 220	0.28 203	0.40 216	0.28 203	0.42 242	0.28 192	0.45 246	0.32 201	0.38 224	0.30 220	0.37 200	0.27 182

notaker	0.48 232	0.49 169	0.48 253	0.48 220	0.48 292	0.48 265	0.48 287	0.48 253	0.49 286	0.48 255	0.48 291	0.48 262	0.48 280	0.48 262	0.48 286	0.48 256	0.48 257	0.48 278	0.48 292	0.48 250	0.49 280

ACVNet_2	0.49 236	0.49 169	0.49 257	0.49 225	0.49 294	0.49 268	0.49 289	0.49 255	0.49 286	0.49 260	0.49 294	0.49 264	0.49 285	0.49 268	0.49 288	0.49 259	0.49 259	0.49 282	0.49 295	0.49 254	0.49 280

StereoAnything	0.50 238	0.50 172	0.50 259	0.50 232	0.50 297	0.50 276	0.50 291	0.50 263	0.50 289	0.50 272	0.50 296	0.50 278	0.50 288	0.50 273	0.50 289	0.50 265	0.50 264	0.50 285	0.50 297	0.50 258	0.50 283

dual_stereo_RVC	0.50 238	0.50 172	0.50 259	0.50 232	0.50 297	0.50 276	0.50 291	0.50 263	0.50 289	0.50 272	0.50 296	0.50 278	0.50 288	0.50 273	0.50 289	0.50 265	0.50 264	0.50 285	0.50 297	0.50 258	0.50 283

dual_stereo	0.50 238	0.50 172	0.50 259	0.50 232	0.50 297	0.50 276	0.50 291	0.50 263	0.50 289	0.50 272	0.50 296	0.50 278	0.50 288	0.50 273	0.50 289	0.50 265	0.50 264	0.50 285	0.50 297	0.50 258	0.50 283

KSHMR	0.66 262	0.50 172	0.48 253	1.15 315	0.52 303	0.49 268	0.51 295	0.49 255	0.71 323	0.67 302	0.50 296	1.16 356	1.11 346	0.66 301	0.52 296	0.49 259	0.49 259	0.51 290	0.66 316	0.50 258	1.14 358

WZ-Net	0.05 32	0.50 172	0.10 59	0.12 70	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.10 63	0.01 9	0.01 9	0.01 9	0.01 9

SANet	0.50 238	0.50 172	0.50 259	0.50 232	0.50 297	0.50 276	0.50 291	0.50 263	0.50 289	0.50 272	0.50 296	0.50 278	0.50 288	0.50 273	0.50 289	0.50 265	0.50 264	0.50 285	0.50 297	0.50 258	0.50 283

fffft	0.48 232	0.51 178	0.45 241	0.52 238	0.45 280	0.52 285	0.45 271	0.52 274	0.48 284	0.53 281	0.45 277	0.52 284	0.45 268	0.52 282	0.46 274	0.51 269	0.41 238	0.50 285	0.41 270	0.50 258	0.41 253
1: 1. 1
CASnet	0.35 175	0.51 178	0.44 239	0.32 154	0.31 218	0.24 151	0.34 227	0.36 185	0.25 176	0.31 172	0.37 247	0.30 178	0.33 226	0.25 161	0.45 269	0.37 203	0.37 213	0.33 189	0.35 242	0.34 179	0.37 236
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Occ-G	1.12 337	0.52 180	3.72 459	3.50 428	0.50 297	0.56 290	0.47 278	0.54 276	0.46 271	0.54 283	0.41 263	0.54 286	0.42 264	0.52 282	0.42 265	3.42 437	4.02 453	0.52 292	0.45 280	0.51 264	0.44 264

AEACV	1.12 337	0.52 180	3.12 453	3.24 424	0.86 343	0.53 286	0.49 289	0.60 286	0.47 277	0.53 281	0.49 294	0.55 290	0.45 268	0.55 287	0.47 280	3.01 433	3.88 451	0.71 312	0.60 309	0.80 296	0.48 275

ktn	0.72 276	0.53 182	1.08 332	1.14 313	0.51 302	1.22 401	1.36 417	0.51 272	0.59 302	0.51 276	0.51 302	0.69 306	1.20 357	0.67 303	0.51 294	0.51 269	0.49 259	0.58 297	0.66 316	0.52 265	0.53 289

TorneroNet	0.66 262	0.53 182	0.50 259	0.50 232	0.64 319	1.06 341	0.70 317	0.50 263	0.51 296	0.49 260	0.69 324	0.49 264	0.50 288	0.48 262	1.15 358	0.71 295	0.49 259	1.14 353	1.08 354	0.49 254	0.49 280

ICVP	0.15 105	0.53 182	0.11 78	0.16 104	0.11 115	0.16 120	0.11 110	0.16 120	0.11 112	0.16 117	0.11 112	0.16 118	0.11 111	0.16 119	0.11 105	0.16 119	0.11 83	0.16 124	0.11 111	0.16 124	0.11 108
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 34	0.54 185	0.10 59	0.12 70	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.11 83	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet_ROB	0.54 247	0.54 185	0.54 271	0.54 241	0.53 306	0.54 288	0.54 298	0.53 275	0.54 298	0.54 283	0.54 305	0.54 286	0.53 295	0.54 284	0.54 298	0.54 273	0.53 271	0.54 294	0.54 301	0.54 268	0.54 290

Selective-IGEV	0.51 243	0.55 187	0.45 241	0.69 258	0.45 280	0.61 297	0.45 271	0.50 263	0.40 252	0.56 288	0.44 274	0.55 290	0.40 248	0.72 307	0.67 312	0.59 277	0.46 248	0.45 263	0.34 238	0.46 240	0.37 236

AIO-test2	0.55 251	0.59 188	0.52 267	0.67 257	0.47 288	0.61 297	0.47 278	0.61 288	0.47 277	0.61 293	0.47 287	0.61 298	0.48 280	0.62 294	0.47 280	0.64 286	0.53 271	0.58 297	0.47 289	0.58 271	0.48 275

FCDSN-DC	0.41 208	0.59 188	0.64 283	0.54 241	0.33 230	0.50 276	0.37 242	0.42 236	0.40 252	0.61 293	0.43 272	0.50 278	0.49 285	0.38 205	0.32 213	0.28 169	0.23 161	0.26 164	0.22 166	0.35 191	0.28 195
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AIO-test1	0.54 247	0.60 190	0.52 267	0.66 256	0.47 288	0.61 297	0.47 278	0.58 282	0.46 271	0.61 293	0.46 279	0.61 298	0.45 268	0.62 294	0.45 269	0.61 281	0.52 269	0.57 296	0.48 292	0.57 270	0.48 275

DispNO	1.00 324	0.63 191	0.43 237	3.45 427	0.44 278	0.65 303	0.43 267	0.64 291	0.43 266	0.64 299	0.43 272	0.64 301	3.03 440	0.64 299	0.43 267	4.55 445	0.43 245	0.63 303	0.43 278	0.63 274	0.43 261

LMCR-Stereo	0.65 260	0.63 191	0.65 286	0.65 253	0.65 321	0.66 304	0.63 305	0.58 282	0.65 310	0.63 298	0.64 315	0.65 304	0.65 306	0.66 301	0.66 311	0.66 288	0.64 286	0.65 306	0.67 319	0.68 278	0.73 319

MonSter	0.60 255	0.64 193	0.52 267	0.62 250	0.44 278	2.07 424	0.44 268	0.62 289	0.44 269	0.62 296	0.44 274	0.62 300	0.44 266	0.62 294	0.44 268	0.58 276	0.42 244	0.62 300	0.46 282	0.58 271	0.42 260

AIO-Stereo	0.84 304	0.66 194	0.70 293	0.83 274	0.67 325	0.98 333	0.82 333	1.14 337	0.72 324	1.03 339	0.74 333	1.03 344	1.09 345	0.99 338	0.45 269	1.04 326	0.73 300	0.95 340	0.74 329	0.94 314	0.46 267

anonymity	0.63 257	0.69 195	0.56 272	0.71 262	0.56 308	0.71 308	0.56 299	0.71 299	0.56 299	0.72 306	0.56 306	0.71 307	0.56 298	0.71 306	0.58 302	0.68 290	0.55 273	0.68 308	0.55 302	0.68 278	0.54 290

CoDeX	0.15 105	0.70 196	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 312	0.02 14	0.69 293	0.75 315	0.01 9	0.02 19	0.02 19

RAFT-Stereo + iAFF	0.70 271	0.72 197	0.71 296	0.80 270	0.62 318	0.82 318	0.61 303	0.81 309	0.62 306	0.81 318	0.63 313	0.80 320	0.70 314	0.73 308	0.61 306	0.76 299	0.61 283	0.74 314	0.61 311	0.77 290	0.61 300

DSFCA	0.66 262	0.73 198	0.78 305	0.65 253	0.65 321	0.64 302	0.64 306	0.65 292	0.63 308	0.64 299	0.64 315	0.64 301	0.64 304	0.65 300	0.65 308	0.65 287	0.65 287	0.65 306	0.65 314	0.66 276	0.64 305

SMoEStereo_RVC	0.63 257	0.75 199	0.51 264	0.73 264	0.53 306	0.71 308	0.47 278	0.67 294	0.58 301	0.74 311	0.60 308	0.72 310	0.53 295	0.74 310	0.51 294	0.61 281	0.62 284	0.62 300	0.61 311	0.63 274	0.61 300

GCAP-BAT	0.33 167	0.78 200	0.32 189	0.38 171	0.25 184	0.34 188	0.25 176	0.34 178	0.26 189	0.34 183	0.25 185	0.35 190	0.26 188	0.35 192	0.27 185	0.36 199	0.30 195	0.32 181	0.24 179	0.32 169	0.26 173

SFCPSM	0.17 116	0.78 200	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 329	0.02 14	0.75 303	0.76 317	0.02 20	0.02 19	0.02 19

G-Net	0.79 288	0.79 202	0.79 308	0.79 268	0.79 339	0.79 315	0.79 327	0.79 304	0.79 333	0.79 315	0.79 337	0.79 319	0.79 326	0.79 313	0.79 329	0.79 301	0.79 307	0.79 320	0.79 334	0.79 293	0.79 326

DMCA-RVC	0.70 271	0.80 203	0.70 293	0.70 260	0.70 330	0.70 306	0.70 317	0.71 299	0.70 320	0.70 305	0.71 328	0.71 307	0.70 314	0.70 305	0.69 319	0.69 291	0.70 294	0.69 309	0.70 324	0.69 282	0.70 312

NaN_ROB	0.80 290	0.80 203	0.80 309	0.80 270	0.80 341	0.80 316	0.80 330	0.80 306	0.80 334	0.80 316	0.80 338	0.80 320	0.80 327	0.80 315	0.80 331	0.80 302	0.80 310	0.80 323	0.80 336	0.80 296	0.80 327

CSAN	0.80 290	0.80 203	0.80 309	0.80 270	0.80 341	0.80 316	0.80 330	0.80 306	0.80 334	0.80 316	0.80 338	0.80 320	0.80 327	0.80 315	0.80 331	0.80 302	0.80 310	0.80 323	0.80 336	0.80 296	0.80 327

testlalala	0.32 164	0.81 206	0.31 185	0.39 176	0.26 193	0.33 186	0.24 173	0.33 174	0.26 189	0.32 177	0.26 191	0.33 184	0.23 173	0.33 188	0.23 169	0.35 195	0.31 199	0.30 177	0.24 179	0.31 168	0.21 151

ARAFT	0.68 267	0.81 206	0.63 281	0.74 265	0.60 311	0.78 313	0.62 304	0.77 303	0.66 312	0.74 311	0.63 313	0.75 314	0.62 303	0.83 317	0.60 304	0.70 294	0.55 273	0.70 311	0.60 309	0.78 291	0.55 294

RSM++	0.76 283	0.82 208	0.66 287	0.85 277	0.64 319	0.85 319	0.71 320	0.94 324	0.64 309	0.87 320	0.67 320	0.87 325	0.65 306	0.84 318	0.65 308	0.81 305	0.70 294	0.79 320	0.71 327	0.83 301	0.70 312

Selective-RAFT-Error	0.88 308	0.84 209	0.98 325	0.86 278	0.97 354	0.88 322	0.95 343	0.84 310	0.99 352	0.92 326	0.82 340	0.84 324	0.98 336	0.87 322	0.97 345	0.81 305	0.83 313	0.79 320	0.82 339	0.79 293	0.85 332

AIO-Stereo-zeroshot	0.91 311	0.86 210	0.89 313	1.25 372	0.69 329	1.05 340	0.81 332	1.16 340	0.50 289	1.12 348	0.97 350	0.72 310	0.82 329	1.06 344	0.95 344	0.61 281	0.87 315	1.03 350	0.85 342	1.04 322	1.01 347

test_sample3	0.09 41	0.87 211	0.10 59	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

test_sample1	0.09 41	0.87 211	0.12 89	0.11 64	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

tt45	1.04 331	0.88 213	1.36 404	0.92 285	1.03 360	1.51 414	0.79 327	0.70 298	0.88 339	0.74 311	0.90 342	1.60 414	0.72 319	1.60 411	0.75 327	0.91 314	0.78 306	1.52 421	0.79 334	1.14 327	1.32 415

AFF-stereo	0.73 277	0.88 213	0.67 290	0.75 266	0.68 328	0.75 310	0.64 306	0.80 306	0.72 324	0.83 319	0.70 325	0.82 323	0.64 304	0.84 318	0.67 312	0.77 300	0.63 285	0.81 325	0.63 313	0.78 291	0.62 303

CASS	0.57 254	0.89 215	0.56 272	0.57 244	0.56 308	0.56 290	0.56 299	0.56 278	0.53 297	0.57 289	0.57 307	0.59 296	0.48 280	0.56 288	0.57 301	0.55 275	0.56 275	0.47 270	0.56 305	0.62 273	0.56 297
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 310	0.89 215	0.72 297	1.16 320	0.78 338	1.06 341	0.82 333	0.87 311	0.97 350	1.00 334	0.91 345	0.90 329	1.00 337	0.89 325	0.93 343	0.83 308	0.83 313	0.82 327	0.82 339	0.81 299	0.82 330

UNet	0.29 150	0.90 217	0.10 59	0.14 87	0.10 101	0.14 107	0.10 98	0.91 317	0.69 317	0.14 107	0.11 112	0.14 108	0.11 111	0.14 110	0.10 94	0.12 81	0.09 58	0.12 104	0.09 93	0.88 305	0.76 324

xxxxx1	0.31 156	0.91 218	0.23 152	0.31 151	0.23 177	0.31 175	0.23 168	0.33 174	0.25 176	0.31 172	0.24 179	0.33 184	0.25 179	0.32 183	0.24 173	0.28 169	0.28 178	0.28 170	0.28 202	0.29 162	0.27 182

tt_ll	0.31 156	0.91 218	0.23 152	0.31 151	0.23 177	0.31 175	0.23 168	0.33 174	0.25 176	0.31 172	0.24 179	0.33 184	0.25 179	0.32 183	0.24 173	0.28 169	0.28 178	0.28 170	0.28 202	0.29 162	0.27 182

ff	0.31 156	0.91 218	0.23 152	0.31 151	0.23 177	0.31 175	0.23 168	0.33 174	0.25 176	0.31 172	0.24 179	0.33 184	0.25 179	0.32 183	0.24 173	0.28 169	0.28 178	0.28 170	0.28 202	0.29 162	0.27 182

DPSM_ROB	0.92 313	0.91 218	0.91 318	0.91 282	0.92 350	0.92 327	0.92 339	0.92 320	0.91 341	0.93 328	0.91 345	0.92 332	0.90 331	0.91 327	0.92 339	0.92 316	0.91 316	0.91 335	0.92 343	0.93 312	0.93 338

DPSM	0.92 313	0.91 218	0.91 318	0.91 282	0.92 350	0.92 327	0.92 339	0.92 320	0.91 341	0.93 328	0.91 345	0.92 332	0.90 331	0.91 327	0.92 339	0.92 316	0.91 316	0.91 335	0.92 343	0.93 312	0.93 338

AIO-Stereo-zeroshot1	0.75 279	0.92 223	0.85 312	0.96 295	0.59 310	1.27 404	0.44 268	0.59 284	0.69 317	0.91 324	0.68 321	0.55 290	0.61 302	1.06 344	0.83 335	0.62 284	0.70 294	0.90 333	0.41 270	0.89 306	0.56 297

pmcnn	0.92 313	0.92 223	0.92 320	0.92 285	0.92 350	0.92 327	0.92 339	0.92 320	0.92 345	0.92 326	0.92 348	0.92 332	0.92 333	0.92 331	0.92 339	0.92 316	0.92 318	0.92 337	0.92 343	0.92 311	0.92 337

tt1	0.31 156	0.93 225	0.24 158	0.33 158	0.23 177	0.31 175	0.24 173	0.32 171	0.24 171	0.32 177	0.23 173	0.32 182	0.25 179	0.32 183	0.24 173	0.27 167	0.26 168	0.27 168	0.26 191	0.27 157	0.27 182

tta	0.09 41	0.95 226	0.09 55	0.10 47	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

R-Stereo Train	0.81 295	0.96 227	0.67 290	0.95 292	0.67 325	0.95 330	0.68 314	0.95 326	0.68 314	0.95 332	0.68 321	0.96 337	0.68 312	0.96 336	0.68 315	0.94 320	0.68 289	0.94 338	0.68 320	0.94 314	0.68 310

RAFT-Stereo	0.81 295	0.96 227	0.67 290	0.95 292	0.67 325	0.95 330	0.68 314	0.95 326	0.68 314	0.95 332	0.68 321	0.96 337	0.68 312	0.96 336	0.68 315	0.94 320	0.68 289	0.94 338	0.68 320	0.94 314	0.68 310
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
test_sample6	0.09 41	0.97 229	0.10 59	0.10 47	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

Former-RAFT_DAM_RVC	0.49 236	0.98 230	0.64 283	0.84 275	0.46 282	0.45 252	0.35 231	0.47 249	0.47 277	0.45 242	0.34 232	0.46 251	0.48 280	0.46 251	0.35 233	0.39 219	0.71 298	0.39 234	0.35 242	0.41 229	0.41 253

dd	0.23 134	0.98 230	0.16 129	0.23 127	0.15 146	0.23 150	0.15 135	0.23 146	0.15 145	0.23 147	0.15 147	0.24 154	0.17 147	0.23 152	0.15 139	0.22 142	0.15 127	0.21 143	0.15 142	0.22 141	0.16 134

222	0.10 52	0.99 232	0.12 89	0.13 83	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.02 20	0.04 65	0.03 46

test_sample7	0.09 41	1.00 233	0.11 78	0.11 64	0.02 20	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.03 49	0.03 42	0.03 46

ACVNet-DCA	0.37 184	1.00 233	0.30 179	0.40 189	0.29 205	0.40 212	0.29 200	0.40 205	0.29 202	0.40 207	0.29 206	0.40 216	0.29 209	0.39 213	0.28 192	0.33 183	0.32 201	0.33 189	0.32 230	0.33 175	0.32 218

GANet	1.00 324	1.00 233	1.00 327	1.00 299	1.00 355	1.00 335	1.00 346	1.00 328	1.00 353	1.00 334	1.00 351	1.00 340	1.00 337	1.00 339	1.00 348	1.00 322	1.00 321	1.00 345	1.00 348	1.00 318	1.00 344

TDLM	1.00 324	1.00 233	1.00 327	1.00 299	1.00 355	1.00 335	1.00 346	1.00 328	1.00 353	1.00 334	1.00 351	1.00 340	1.00 337	1.00 339	1.00 348	1.00 322	1.00 321	1.00 345	1.00 348	1.00 318	1.00 344

CVANet_RVC	1.00 324	1.00 233	1.00 327	1.00 299	1.00 355	1.00 335	1.00 346	1.00 328	1.00 353	1.00 334	1.00 351	1.00 340	1.00 337	1.00 339	1.00 348	1.00 322	1.00 321	1.00 345	1.00 348	1.00 318	1.00 344

DGTPSM_ROB	0.93 317	1.00 233	0.92 320	0.94 290	0.96 353	0.91 326	0.92 339	0.91 317	0.96 349	0.91 324	0.96 349	0.93 335	0.92 333	0.94 332	0.92 339	0.92 316	0.92 318	0.90 333	0.92 343	0.94 314	0.91 336

trnet	1.01 329	1.01 239	1.01 330	1.01 302	1.01 359	1.01 338	1.01 349	1.01 331	1.01 356	1.01 338	1.01 354	1.01 343	1.01 343	1.01 342	1.01 351	1.01 325	1.01 324	1.01 348	1.01 352	1.01 321	1.01 347

SMFormer	0.09 41	1.01 239	0.09 55	0.09 44	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

xxx	0.09 41	1.01 239	0.10 59	0.10 47	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.03 46

GLC_STEREO	1.07 332	1.01 239	1.06 331	1.07 305	1.05 361	1.06 341	1.08 352	1.08 333	1.05 358	1.07 341	1.06 355	1.08 346	1.05 344	1.06 344	1.10 353	1.07 328	1.09 333	1.05 351	1.05 353	1.06 323	1.12 354

1test111	0.37 184	1.02 243	0.30 179	0.39 176	0.29 205	0.40 212	0.28 194	0.39 200	0.29 202	0.39 203	0.29 206	0.39 210	0.28 203	0.40 216	0.29 201	0.33 183	0.32 201	0.33 189	0.31 226	0.32 169	0.31 214

cc1	0.37 184	1.02 243	0.30 179	0.39 176	0.29 205	0.40 212	0.28 194	0.39 200	0.29 202	0.39 203	0.29 206	0.39 210	0.28 203	0.40 216	0.29 201	0.33 183	0.32 201	0.33 189	0.31 226	0.32 169	0.31 214

test_sample4	0.10 52	1.03 245	0.12 89	0.10 47	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.13 121	0.03 37	0.03 49	0.03 42	0.03 46

test_sample2	0.09 41	1.03 245	0.11 78	0.11 64	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

xx1	0.38 190	1.03 245	0.31 185	0.40 189	0.31 218	0.41 228	0.28 194	0.40 205	0.29 202	0.40 207	0.29 206	0.40 216	0.29 209	0.40 216	0.29 201	0.34 186	0.33 207	0.34 196	0.32 230	0.34 179	0.32 218

dad	0.23 134	1.03 245	0.16 129	0.23 127	0.15 146	0.24 151	0.15 135	0.24 149	0.16 147	0.23 147	0.16 148	0.24 154	0.16 145	0.23 152	0.15 139	0.22 142	0.16 129	0.22 148	0.16 143	0.22 141	0.16 134

DualNet (step1)	0.10 52	1.05 249	0.12 89	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.03 49	0.03 42	0.03 46

test_sample9	0.10 52	1.05 249	0.12 89	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.03 49	0.03 42	0.03 46

test_sample8	0.10 52	1.05 249	0.12 89	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.03 49	0.03 42	0.03 46

test_sample5	0.10 52	1.07 252	0.11 78	0.10 47	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

DualNet	0.10 52	1.07 252	0.11 78	0.10 47	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

ttt	0.10 52	1.09 254	0.12 89	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.02 20	0.03 42	0.02 19

test_xeample	0.10 52	1.09 254	0.13 108	0.12 70	0.03 43	0.03 39	0.03 43	0.04 65	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.14 124	0.03 37	0.03 49	0.03 42	0.03 46

FC-DCNN	1.07 332	1.09 254	0.98 325	0.89 279	0.52 303	1.41 412	0.91 338	1.21 393	1.24 416	1.96 418	2.05 445	1.91 418	1.30 410	1.27 406	1.08 352	0.80 302	0.60 279	0.58 297	0.41 270	0.68 278	0.54 290

MSMD_ROB	1.19 339	1.10 257	0.70 293	1.10 307	0.60 311	1.10 347	0.70 317	1.10 336	0.70 320	1.10 343	0.70 325	1.10 350	0.70 314	7.00 479	0.70 322	1.10 331	0.70 294	1.10 352	0.70 324	1.10 325	0.70 312

999	1.00 324	1.12 258	0.59 275	1.10 307	1.21 419	1.09 346	0.52 296	1.08 333	1.43 427	1.18 353	1.35 417	0.98 339	0.52 294	0.91 327	0.85 336	0.72 296	1.46 407	0.83 328	0.98 347	0.68 278	1.41 422

1111x	0.10 52	1.14 259	0.13 108	0.14 87	0.03 43	0.04 65	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.11 83	0.03 37	0.02 20	0.03 42	0.02 19

LoS_RVC	0.30 151	1.14 259	0.25 162	0.25 136	0.25 184	0.26 165	0.25 176	0.25 155	0.25 176	0.25 156	0.25 185	0.26 168	0.26 188	0.26 171	0.25 179	0.26 164	0.26 168	0.25 161	0.25 184	0.26 154	0.26 173

x	0.11 73	1.15 261	0.15 128	0.14 87	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.15 127	0.03 37	0.03 49	0.03 42	0.03 46

xxxx	0.11 73	1.16 262	0.16 129	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.16 129	0.03 37	0.04 66	0.04 65	0.04 67

CAS	0.30 151	1.17 263	0.25 162	0.25 136	0.25 184	0.26 165	0.25 176	0.25 155	0.26 189	0.25 156	0.25 185	0.25 159	0.25 179	0.25 161	0.25 179	0.26 164	0.26 168	0.26 164	0.25 184	0.26 154	0.25 167

HSM-Net_RVC	0.95 320	1.17 263	0.78 305	1.18 322	0.71 331	1.16 354	0.75 324	1.09 335	0.80 334	1.10 343	0.75 334	1.17 357	0.74 320	1.17 356	0.80 331	1.13 337	0.73 300	1.17 359	0.77 331	1.16 331	0.72 316
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 321	1.18 265	0.81 311	1.10 307	0.91 349	1.02 339	0.82 333	1.04 332	0.91 341	1.03 339	0.86 341	1.28 407	0.82 329	1.03 343	0.89 338	1.17 339	0.81 312	1.02 349	0.82 339	1.08 324	0.81 329

psm_up	0.43 217	1.19 266	0.17 133	0.25 136	0.18 158	0.25 158	0.19 148	1.26 397	0.91 341	0.26 163	0.17 150	0.25 159	0.17 147	0.25 161	0.17 145	0.22 142	0.17 142	0.23 154	0.16 143	1.18 337	0.99 342

DisPM	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

CrosDoStereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

PFNet+	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

LCNet	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

HHNet	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

Patchmatch Stereo++	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363
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
AAGNet	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

STrans-v2	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

TransformOpticalFlow	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

OMP-Stereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

IIG-Stereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

NF-Stereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

OCTAStereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

PSM-softLoss	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

KMStereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

NRIStereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

PSM-adaLoss	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

PSM-AAD	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

FTStereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

ROB_FTStereo_v2	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

ROB_FTStereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

Consistency-Raft	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

KYRaft	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

HUI-Stereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

ASMatch	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

DeepStereo_LL	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

DEmStereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

SST-Stereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

THIR-Stereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

RAFT_R40	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

DRaft	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

PFNet	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

GrayStereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

RE-Stereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

Pruner-Stereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

TVStereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

DeepStereo_RVC	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

RAFT-RH_RVC	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

IRAFT_RVC	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

RAFT-345	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

iRAFT	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

CRE-IMP	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

GMM-Stereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

RAFT-IKP	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

Prome-Stereo	1.20 340	1.20 267	1.20 345	1.20 324	1.20 373	1.20 355	1.20 363	1.20 348	1.20 368	1.20 355	1.20 365	1.20 359	1.20 357	1.20 358	1.20 365	1.20 341	1.20 347	1.20 363	1.20 365	1.20 340	1.20 363

UPFNet	0.42 216	1.20 267	0.17 133	0.24 132	0.17 152	0.25 158	0.17 139	1.19 345	0.90 340	0.25 156	0.17 150	0.24 154	0.17 147	0.25 161	0.17 145	0.22 142	0.17 142	0.22 148	0.16 143	1.15 329	0.93 338

ours_stereo	1.20 340	1.21 313	0.90 316	1.64 389	1.11 363	1.35 407	0.67 313	1.76 411	0.93 346	1.70 415	1.10 356	1.39 410	0.75 322	1.41 409	0.81 334	1.60 405	1.03 326	1.33 412	1.00 348	1.61 399	0.72 316

delet	0.43 217	1.21 313	0.17 133	0.25 136	0.17 152	0.25 158	0.18 145	1.26 397	0.95 348	0.25 156	0.17 150	0.25 159	0.17 147	0.25 161	0.17 145	0.23 153	0.16 129	0.22 148	0.16 143	1.18 337	0.98 341

CroCo-Stereo	0.73 277	1.22 315	0.25 162	1.22 369	0.25 184	1.22 401	0.25 176	1.22 394	0.25 176	1.22 401	0.25 185	1.22 405	0.25 179	1.22 404	0.25 179	1.22 387	0.26 168	1.21 408	0.25 184	1.22 387	0.25 167
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
WCG-NET（raft）	0.32 164	1.24 316	0.24 158	0.32 154	0.24 182	0.32 183	0.23 168	0.32 171	0.24 171	0.32 177	0.24 179	0.32 182	0.24 176	0.32 183	0.24 173	0.30 177	0.23 161	0.30 177	0.23 171	0.30 165	0.23 156

MMNet	0.44 220	1.24 316	0.17 133	0.25 136	0.17 152	0.25 158	0.18 145	1.26 397	0.93 346	0.25 156	0.17 150	0.25 159	0.18 154	0.25 161	0.17 145	0.23 153	0.16 129	0.23 154	0.16 143	1.20 340	0.99 342

WCG-NET	0.40 200	1.29 318	0.24 158	0.32 154	0.25 184	0.32 183	0.27 187	0.44 241	0.46 271	0.35 187	0.26 191	0.35 190	0.27 196	0.35 192	0.45 269	0.42 244	0.25 164	0.62 300	0.25 184	0.48 250	0.26 173

CroCo-Stereo Lap2	0.77 284	1.29 318	0.29 175	1.27 373	0.29 205	1.27 404	0.26 184	1.26 397	0.26 189	1.26 402	0.26 191	1.27 406	0.26 188	1.26 405	0.27 185	1.27 389	0.27 173	1.27 411	0.27 198	1.27 389	0.27 182

CSP-Net	0.34 169	1.29 318	1.19 342	1.36 379	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 388	1.21 393	0.03 37	0.09 93	0.02 19	0.09 92

Syn2CoEx	0.25 137	1.31 321	0.74 300	0.92 285	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 41	0.02 21	0.02 19	0.02 19	0.87 313	0.75 303	0.02 18	0.02 20	0.02 19	0.02 19

CC-Net-ROB	1.36 391	1.33 322	1.33 397	1.36 379	1.38 426	1.36 409	1.33 414	1.37 403	1.34 419	1.35 404	1.36 419	1.38 409	1.34 411	1.38 408	1.38 419	1.35 394	1.38 404	1.33 412	1.35 415	1.43 393	1.34 417

MaskLacGwcNet_RVC	1.35 390	1.35 323	1.35 400	1.35 378	1.35 423	1.35 407	1.35 416	1.36 402	1.35 421	1.36 405	1.35 417	1.36 408	1.36 412	1.36 407	1.35 417	1.35 394	1.35 401	1.35 414	1.35 415	1.35 391	1.35 418

PML	0.46 223	1.36 324	0.29 175	0.58 245	0.30 214	0.57 294	0.29 200	0.57 280	0.29 202	0.57 289	0.29 206	0.57 294	0.29 209	0.56 288	0.29 201	0.52 271	0.30 195	0.53 293	0.31 226	0.53 267	0.30 209

PS-NSSS	1.38 393	1.39 325	1.34 398	1.34 377	1.35 423	1.38 410	1.37 422	1.35 401	1.38 424	1.34 403	1.34 416	1.39 410	1.38 414	1.70 413	1.40 420	1.36 396	1.36 402	1.36 416	1.37 418	1.37 392	1.36 419

Gwc-CoAtRS	0.41 208	1.49 326	0.32 189	0.42 207	0.32 220	0.41 228	0.32 210	0.41 220	0.33 222	0.41 220	0.32 221	0.41 228	0.32 221	0.41 230	0.32 213	0.39 219	0.28 178	0.39 234	0.28 202	0.40 220	0.28 195

FENet	0.54 247	1.52 327	1.19 342	1.41 382	0.23 177	0.35 192	0.23 168	0.35 181	0.23 169	0.34 183	0.23 173	0.35 190	0.23 173	0.35 192	0.23 169	1.40 397	1.07 327	0.32 181	0.23 171	0.33 175	0.23 156

CFNet-ft	0.55 251	1.57 328	0.14 113	0.20 116	0.14 135	0.20 135	2.53 443	1.61 406	0.14 135	0.20 133	0.14 139	0.20 135	0.14 135	0.20 135	0.14 129	0.17 124	0.12 97	0.17 129	0.12 127	1.56 397	1.24 411

DPSMNet_ROB	1.60 398	1.59 329	1.70 417	1.59 384	1.59 430	1.61 415	1.61 426	1.60 405	1.60 428	1.62 413	1.59 427	1.60 414	1.60 418	1.60 411	1.59 424	1.59 403	1.60 412	1.59 422	1.59 427	1.59 398	1.59 426

RASNet	1.49 394	1.65 330	1.45 410	1.38 381	1.43 428	1.47 413	1.36 417	1.38 404	1.36 422	1.39 406	1.60 428	1.45 412	1.45 416	1.51 410	2.21 440	1.53 402	1.36 402	1.36 416	1.36 417	1.66 400	1.36 419

CRFU-Net	0.65 260	1.67 331	1.22 392	1.96 397	0.27 195	0.41 228	0.27 187	0.41 220	0.27 194	0.40 207	0.26 191	0.41 228	0.27 196	0.40 216	0.27 185	1.80 410	1.62 413	0.34 196	0.23 171	0.33 175	0.23 156

gwcnet-sp	0.82 299	1.72 332	1.48 411	0.39 176	0.15 146	0.31 175	0.21 156	0.20 134	0.25 176	1.61 410	0.23 173	0.28 170	0.26 188	0.20 135	0.15 139	0.24 158	1.33 398	0.32 181	0.16 143	6.75 466	0.23 156

scenet	0.82 299	1.72 332	1.48 411	0.39 176	0.15 146	0.31 175	0.21 156	0.20 134	0.25 176	1.61 410	0.23 173	0.28 170	0.26 188	0.20 135	0.15 139	0.24 158	1.33 398	0.32 181	0.16 143	6.75 466	0.23 156

ssnet	0.82 299	1.72 332	1.48 411	0.39 176	0.15 146	0.31 175	0.21 156	0.20 134	0.25 176	1.61 410	0.23 173	0.28 170	0.26 188	0.20 135	0.15 139	0.24 158	1.33 398	0.32 181	0.16 143	6.75 466	0.23 156

HBP-ISP	1.24 387	1.72 332	1.65 415	1.15 315	0.76 336	1.40 411	0.88 336	1.67 410	1.02 357	1.69 414	1.38 421	1.69 416	1.21 403	1.87 415	1.21 410	1.05 327	0.79 307	0.97 343	0.80 336	1.19 339	0.75 323

LL-Strereo2	0.48 232	1.73 336	0.51 264	0.59 247	0.34 237	0.42 245	0.33 218	0.40 205	0.31 215	0.42 232	0.33 225	0.42 244	0.31 220	0.44 246	0.39 250	0.60 278	0.51 268	0.44 261	0.33 236	0.44 237	0.33 221

test_xeample3	1.10 334	1.81 337	0.61 279	0.84 275	0.49 294	0.77 311	0.66 309	0.92 320	1.40 425	0.68 304	0.46 279	0.78 317	0.54 297	1.72 414	1.48 422	1.34 393	1.52 410	1.35 414	1.67 430	1.33 390	1.55 425

mmm	0.14 95	1.83 338	0.12 89	0.11 64	0.03 43	0.03 39	0.03 43	0.03 41	0.04 69	0.03 39	0.03 47	0.03 41	0.03 47	0.06 72	0.04 63	0.12 81	0.11 83	0.05 72	0.04 66	0.05 77	0.04 67

hknet	1.10 334	1.85 339	3.49 456	4.48 434	0.02 20	0.42 245	0.06 88	0.41 220	0.02 20	0.48 255	0.03 47	0.41 228	0.03 47	0.42 242	0.03 42	4.39 443	4.19 454	0.33 189	0.23 171	0.34 179	0.27 182

PAM	0.39 196	1.88 340	0.34 202	0.37 168	0.41 266	0.45 252	0.22 161	0.28 162	0.23 169	0.28 166	0.24 179	0.29 175	0.23 173	0.29 178	0.23 169	0.38 210	0.32 201	0.38 224	0.37 250	0.32 169	0.22 154

DCVSM-stereo	0.36 179	1.89 341	0.22 149	0.40 189	0.22 172	0.40 212	0.22 161	0.40 205	0.22 163	0.40 207	0.22 169	0.40 216	0.22 168	0.40 216	0.22 163	0.28 169	0.21 153	0.28 170	0.21 163	0.28 159	0.20 149

DCRE	0.84 304	1.89 341	0.77 304	0.94 290	0.72 333	0.88 322	0.73 322	0.87 311	0.78 330	0.90 322	0.71 328	0.88 326	0.67 311	0.88 323	0.73 324	0.81 305	0.68 289	0.81 325	0.70 324	0.82 300	0.70 312

RAFT-Stereo-weight	0.45 221	1.90 343	0.34 202	0.42 207	0.36 246	0.43 249	0.35 231	0.42 236	0.34 229	0.42 232	0.34 232	0.44 247	0.34 230	0.41 230	0.34 231	0.38 210	0.32 201	0.38 224	0.32 230	0.38 209	0.33 221

BUS	0.83 302	1.91 344	0.92 320	4.48 434	0.02 20	0.40 212	0.04 68	0.41 220	0.02 20	0.48 255	0.03 47	0.41 228	0.05 78	0.03 36	0.05 73	1.97 416	4.19 454	0.33 189	0.23 171	0.34 179	0.27 182

BSDual-CNN	0.81 295	1.91 344	0.92 320	4.48 434	0.02 20	0.42 245	0.06 88	0.41 220	0.02 20	0.48 255	0.03 47	0.02 19	0.02 21	0.03 36	0.02 19	1.97 416	4.19 454	0.33 189	0.23 171	0.34 179	0.27 182

psmg	0.43 217	1.91 344	0.92 320	1.91 394	0.02 20	0.02 18	0.03 43	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 36	0.02 19	1.97 416	1.44 406	0.04 62	0.03 49	0.02 19	0.03 46

GANet-RSSM	0.75 279	1.91 344	0.14 113	0.47 217	0.14 135	0.21 142	3.21 463	2.30 426	0.14 135	0.46 244	0.14 139	0.23 150	0.18 154	0.21 144	0.14 129	0.18 132	0.27 173	0.37 217	0.13 135	2.13 410	2.12 436

MFMNet_re	1.81 405	1.91 344	1.71 418	1.95 396	1.70 433	1.95 421	1.70 429	1.96 414	1.74 431	1.97 419	1.72 431	1.95 419	1.71 421	1.97 418	1.71 430	1.86 411	1.62 413	1.85 423	1.66 429	1.86 403	1.64 427

SPS-STEREO	1.59 396	1.91 344	1.21 391	1.94 395	1.20 373	2.00 422	1.23 410	1.99 415	1.24 416	2.00 420	1.25 414	2.03 421	1.26 406	2.00 419	1.29 415	1.90 415	1.18 346	1.89 425	1.21 410	1.89 405	1.20 363
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 395	1.94 350	1.22 392	1.88 392	1.21 419	1.88 420	1.22 409	1.88 412	1.22 414	1.88 416	1.22 411	1.88 417	1.22 404	1.89 416	1.22 411	1.87 412	1.22 394	1.88 424	1.22 411	1.88 404	1.22 409
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
ssnet_v2	0.68 267	1.96 351	1.25 396	0.29 147	0.20 164	0.30 172	0.20 151	0.29 166	0.22 163	1.50 408	0.20 164	0.31 180	0.20 163	0.27 173	0.22 163	0.24 158	1.49 409	0.26 164	0.18 161	3.90 431	0.19 148

qqq	0.16 113	2.01 352	0.12 89	0.15 96	0.04 68	0.06 77	0.05 77	0.06 79	0.04 69	0.06 80	0.03 47	0.06 82	0.03 47	0.06 72	0.03 42	0.12 81	0.14 124	0.04 62	0.04 66	0.03 42	0.03 46

ACV-stereo	0.30 151	2.08 353	0.25 162	0.25 136	0.18 158	0.24 151	0.17 139	0.24 149	0.18 151	0.24 152	0.17 150	0.25 159	0.17 147	0.24 156	0.17 145	0.22 142	0.16 129	0.22 148	0.16 143	0.22 141	0.16 134

GCST	0.50 238	2.08 353	0.38 214	0.53 239	0.35 240	0.49 268	0.35 231	0.50 263	0.35 232	0.49 260	0.35 239	0.49 264	0.35 234	0.49 268	0.35 233	0.48 256	0.37 213	0.45 263	0.33 236	0.44 237	0.33 221

AIO_test	2.18 415	2.09 355	2.04 432	2.42 413	2.01 443	2.47 434	1.94 436	2.34 427	2.03 442	2.56 435	1.94 439	2.43 432	1.94 427	2.41 431	1.87 437	2.39 429	2.10 427	2.35 435	1.91 439	2.25 413	2.19 438

ToySt	0.92 313	2.11 356	0.90 316	0.95 292	0.79 339	0.99 334	0.78 326	0.94 324	0.81 337	0.94 330	0.78 336	0.95 336	0.77 324	0.94 332	0.86 337	0.91 314	0.79 307	0.85 330	0.77 331	0.89 306	0.73 319

TRStereo	2.00 408	2.13 357	1.85 425	2.27 406	1.84 437	2.28 427	1.84 432	2.29 422	1.86 437	2.30 427	1.87 434	2.30 424	1.87 424	2.08 420	1.72 432	2.08 420	1.72 418	2.08 428	1.72 433	2.08 407	1.72 430

XX-Stereo	2.00 408	2.13 357	1.85 425	2.27 406	1.84 437	2.28 427	1.84 432	2.29 422	1.86 437	2.30 427	1.87 434	2.30 424	1.87 424	2.08 420	1.72 432	2.08 420	1.72 418	2.08 428	1.72 433	2.08 407	1.72 430

EAI-Stereo	2.00 408	2.13 357	1.85 425	2.27 406	1.84 437	2.28 427	1.84 432	2.29 422	1.86 437	2.30 427	1.87 434	2.30 424	1.87 424	2.08 420	1.72 432	2.08 420	1.72 418	2.08 428	1.72 433	2.08 407	1.72 430

11t1	0.17 116	2.16 360	0.13 108	0.13 83	0.04 68	0.06 77	0.04 68	0.06 79	0.04 69	0.06 80	0.03 47	0.06 82	0.03 47	0.06 72	0.05 73	0.18 132	0.12 97	0.06 78	0.03 49	0.05 77	0.03 46

UGAM-zero	0.51 243	2.17 361	0.39 220	0.53 239	0.36 246	0.50 276	0.36 237	0.50 263	0.36 241	0.49 260	0.36 242	0.50 278	0.35 234	0.50 273	0.36 236	0.49 259	0.37 213	0.47 270	0.35 242	0.46 240	0.34 227

cf-r	0.66 262	2.17 361	0.12 89	0.18 111	0.12 130	0.18 128	2.70 446	2.60 432	0.12 130	0.18 127	0.12 122	0.18 129	0.12 127	0.18 128	0.12 119	0.15 112	0.11 83	0.15 121	0.11 111	1.81 402	1.74 433

UDG	0.80 290	2.21 363	0.60 277	0.91 282	0.60 311	0.90 325	0.58 301	0.88 314	0.60 303	0.90 322	0.60 308	0.88 326	0.60 301	0.90 326	0.58 302	0.86 312	0.60 279	0.84 329	0.59 308	0.84 302	0.61 300

UGAM	0.51 243	2.23 364	0.39 220	0.54 241	0.35 240	0.50 276	0.35 231	0.49 255	0.35 232	0.49 260	0.35 239	0.49 264	0.36 237	0.50 273	0.36 236	0.49 259	0.37 213	0.45 263	0.34 238	0.45 239	0.34 227

NCCL2	2.28 420	2.27 365	2.28 434	2.28 409	2.28 447	2.27 426	2.29 441	2.28 421	2.28 444	2.27 426	2.28 446	2.28 423	2.27 434	2.27 427	2.28 445	2.28 423	2.28 431	2.27 432	2.29 445	2.27 414	2.29 440

ccnet	0.80 290	2.28 366	0.33 194	0.50 232	0.33 230	0.50 276	0.33 218	0.50 263	0.33 222	0.49 260	0.33 225	0.49 264	1.56 417	2.38 430	0.33 218	0.41 230	0.29 187	0.42 259	1.57 426	2.28 415	0.29 200

HUF	2.18 415	2.30 367	1.99 431	2.34 411	2.02 444	2.41 433	2.06 437	2.38 429	1.89 440	2.36 431	1.85 433	2.56 437	1.98 428	2.31 429	1.97 439	2.30 424	2.03 425	2.30 433	2.11 440	2.23 412	2.16 437

AIO_rvc	2.18 415	2.34 368	1.87 429	2.32 410	1.94 442	2.40 432	1.89 435	2.37 428	2.07 443	2.52 434	1.95 440	2.44 433	1.99 429	2.41 431	1.89 438	2.32 426	2.09 426	2.24 431	2.18 441	2.21 411	2.23 439

GES	0.66 262	2.34 368	0.29 175	0.41 199	0.29 205	0.41 228	0.29 200	0.42 236	0.29 202	0.40 207	0.41 263	0.41 228	0.30 215	0.51 279	0.29 201	0.32 181	0.29 187	0.32 181	2.46 447	2.49 419	0.30 209

PAM_32	0.64 259	2.38 370	0.51 264	0.92 285	0.43 277	0.53 286	0.44 268	0.87 311	0.43 266	0.52 279	0.45 277	0.53 285	0.40 248	0.54 284	0.46 274	0.62 284	0.56 275	0.48 278	0.45 280	0.76 289	0.44 264

DDUNet	0.81 295	2.45 371	0.57 274	0.90 280	0.60 311	0.88 322	0.59 302	0.90 315	0.60 303	0.88 321	0.60 308	0.90 329	0.58 299	0.88 323	0.60 304	0.84 310	0.60 279	0.86 331	0.57 306	0.86 303	0.60 299

FBW_ROB	2.12 414	2.46 372	1.77 421	2.49 416	1.79 436	2.38 431	1.83 431	2.46 430	1.78 433	2.48 432	1.97 441	2.40 431	1.78 422	2.42 433	1.83 436	2.31 425	1.85 424	2.38 436	1.82 438	2.35 417	1.84 434

HH	0.71 273	2.54 373	0.74 300	1.10 307	0.32 220	0.41 228	0.37 242	0.69 296	0.78 330	0.73 307	0.90 342	0.75 314	1.00 337	0.84 318	0.69 319	0.69 291	0.40 229	0.35 209	0.26 191	0.35 191	0.26 173

HanStereo	0.71 273	2.54 373	0.74 300	1.10 307	0.32 220	0.41 228	0.37 242	0.69 296	0.78 330	0.73 307	0.90 342	0.75 314	1.00 337	0.84 318	0.69 319	0.69 291	0.40 229	0.35 209	0.26 191	0.35 191	0.26 173

sAnonymous2	3.31 443	2.63 375	1.38 407	3.71 432	1.86 440	4.70 467	1.11 353	4.82 468	2.72 447	5.45 471	1.98 443	4.59 459	2.64 436	2.65 435	6.21 476	4.37 441	1.08 331	5.16 470	2.24 443	4.52 440	2.39 445

CroCo_RVC	3.31 443	2.63 375	1.38 407	3.71 432	1.86 440	4.70 467	1.11 353	4.82 468	2.72 447	5.45 471	1.98 443	4.59 459	2.64 436	2.65 435	6.21 476	4.37 441	1.08 331	5.16 470	2.24 443	4.52 440	2.39 445

ff7	1.68 399	2.68 377	1.35 400	0.97 296	0.89 345	1.84 417	2.15 438	2.12 416	1.80 434	2.05 422	1.56 424	2.33 427	2.12 431	2.23 424	2.25 441	1.31 390	1.07 327	1.48 418	1.41 420	0.90 308	1.04 349

ffff	1.68 399	2.68 377	1.35 400	0.97 296	0.89 345	1.84 417	2.15 438	2.12 416	1.80 434	2.05 422	1.56 424	2.33 427	2.12 431	2.23 424	2.25 441	1.31 390	1.07 327	1.48 418	1.41 420	0.90 308	1.04 349

ccc-4	1.68 399	2.68 377	1.35 400	0.97 296	0.89 345	1.84 417	2.15 438	2.12 416	1.80 434	2.05 422	1.56 424	2.33 427	2.12 431	2.23 424	2.25 441	1.31 390	1.07 327	1.48 418	1.41 420	0.90 308	1.04 349

11t	1.27 389	2.70 380	1.34 398	1.32 376	0.89 345	1.30 406	1.34 415	1.64 407	0.57 300	1.45 407	0.72 330	1.05 345	1.29 409	1.07 347	1.29 415	1.49 399	1.02 325	0.97 343	1.15 358	1.48 394	1.31 414

sCroCo_RVC	2.10 412	2.76 381	1.92 430	2.78 420	1.39 427	2.73 438	1.41 424	2.73 433	1.40 425	2.77 439	1.41 423	2.74 438	1.40 415	2.74 437	1.40 420	2.72 431	1.42 405	2.72 438	1.44 423	2.79 424	1.42 423

PSMNet-RSSM	0.77 284	2.76 381	0.14 113	0.20 116	0.14 135	0.20 135	2.66 444	2.79 435	0.14 135	0.21 141	0.14 139	0.21 142	0.14 135	0.20 135	0.14 129	0.17 124	0.12 97	0.17 129	0.12 127	2.52 420	2.31 441

GwcNet-RSSM	0.77 284	2.77 383	0.14 113	0.20 116	0.14 135	0.20 135	2.67 445	2.78 434	0.14 135	0.20 133	0.14 139	0.20 135	0.14 135	0.21 144	0.14 129	0.17 124	0.12 97	0.17 129	0.12 127	2.52 420	2.31 441

hitnet-ft	0.79 288	2.78 384	0.14 113	0.20 116	0.14 135	0.21 142	2.89 447	2.80 436	0.14 135	0.20 133	0.14 139	0.20 135	0.14 135	0.20 135	0.14 129	0.17 124	0.12 97	0.17 129	0.12 127	2.54 422	2.33 443

PDISCO_ROB	0.83 302	2.80 385	3.49 456	0.14 87	0.11 115	0.17 126	0.09 93	0.15 119	0.10 98	0.15 113	0.12 122	0.16 118	0.14 135	3.30 442	0.13 125	0.14 103	2.34 432	0.16 124	0.12 127	2.62 423	0.10 96

iGMRVC	0.84 304	2.85 386	0.72 297	0.72 263	0.73 334	0.77 311	0.79 327	0.73 301	0.74 329	0.73 307	0.72 330	0.73 312	0.76 323	0.73 308	0.73 324	0.72 296	0.73 300	0.73 313	0.72 328	0.73 287	0.72 316

MC-Stereo	1.76 402	2.96 387	1.37 406	2.14 401	1.37 425	2.14 425	1.36 417	2.14 419	1.37 423	2.14 425	1.37 420	2.14 422	1.37 413	2.14 423	1.37 418	1.97 416	1.32 395	1.97 426	1.32 414	1.98 406	1.33 416

PASM	0.39 196	3.06 388	1.36 404	1.58 383	0.09 95	0.11 103	0.11 110	0.11 104	0.11 112	0.09 90	0.09 95	0.11 104	0.09 96	0.09 91	0.09 89	0.11 76	0.11 83	0.11 101	0.09 93	0.11 103	0.11 108

DDVS	0.30 151	3.10 389	0.14 113	0.19 114	0.14 135	0.19 131	0.14 130	0.20 134	0.14 135	0.19 128	0.13 134	0.16 118	0.13 131	0.19 131	0.13 125	0.17 124	0.13 121	0.17 129	0.13 135	0.17 127	0.13 129

DEFOM-Stereo	0.68 267	3.11 390	1.40 409	1.63 388	0.25 184	0.31 175	0.25 176	0.31 170	0.28 198	0.31 172	0.29 206	0.29 175	0.27 196	0.31 182	0.28 192	1.59 403	1.47 408	0.30 177	0.29 211	0.30 165	0.28 195

4D-IteraStereo	0.78 287	3.13 391	0.89 313	0.69 258	0.32 220	0.40 212	0.32 210	0.76 302	0.97 350	0.52 279	0.65 317	0.89 328	0.32 221	0.76 312	0.98 346	0.83 308	0.94 320	0.35 209	0.27 198	0.70 283	0.89 335

plain	1.88 406	3.16 392	0.64 283	3.10 422	0.65 321	3.10 441	0.64 306	3.12 439	0.65 310	3.10 440	0.65 317	3.11 440	0.65 306	3.12 439	0.65 308	3.12 434	0.65 287	3.13 440	0.65 314	3.13 426	0.65 306

iRaftStereo_RVC	0.97 321	3.17 393	2.30 435	2.42 413	0.38 254	0.54 288	0.38 247	0.54 276	0.38 244	0.54 283	0.38 252	0.54 286	0.38 243	0.54 284	0.38 245	2.38 428	2.34 432	0.49 282	0.36 248	0.49 254	0.36 232

RCA-Stereo	0.51 243	3.22 394	0.34 202	0.44 209	0.34 237	0.44 251	0.34 227	0.43 239	0.34 229	0.43 238	0.34 232	0.44 247	0.33 226	0.43 244	0.33 218	0.38 210	0.29 187	0.38 224	0.29 211	0.38 209	0.29 200

Anonymous3	2.55 432	3.26 395	1.65 415	3.28 425	1.63 431	3.24 443	1.68 427	3.27 441	1.66 429	3.28 442	1.67 429	3.25 442	1.66 419	3.27 441	1.64 426	3.26 435	1.65 415	3.30 441	1.65 428	4.95 455	1.65 429

MIF-Stereo (partial)	2.58 433	3.31 396	0.66 287	3.18 423	0.66 324	3.18 442	0.66 309	3.21 440	0.67 313	3.19 441	0.66 319	3.19 441	0.66 309	3.31 443	0.68 315	5.09 460	1.79 422	8.23 480	1.67 430	6.18 464	1.38 421

UniTT-Stereo	2.03 411	3.43 397	0.72 297	3.42 426	0.73 334	3.27 444	0.68 314	3.38 443	0.69 317	3.29 443	0.72 330	3.28 443	0.70 314	3.35 444	0.68 315	3.39 436	0.68 289	3.31 442	0.69 322	3.37 427	0.73 319

castereo++	0.54 247	3.59 398	1.15 337	1.31 375	0.14 135	0.16 120	0.14 130	0.16 120	0.14 135	0.16 117	0.14 139	0.16 118	0.13 131	0.16 119	0.14 129	1.45 398	1.16 342	0.15 121	0.14 138	0.15 120	0.13 129

DPSNet	3.66 445	3.60 399	3.62 458	3.63 430	3.64 468	3.65 447	3.65 466	3.66 446	3.67 464	3.67 445	3.65 465	3.67 446	3.66 455	3.66 445	3.68 462	3.68 439	3.66 449	3.67 446	3.68 466	3.67 428	3.67 464

RAStereo	2.23 418	3.64 400	0.76 303	3.65 431	0.86 343	3.66 448	0.76 325	3.67 447	0.81 337	3.66 444	0.76 335	3.66 445	0.77 324	3.68 446	0.77 328	3.68 439	0.77 305	3.69 447	0.77 331	3.70 429	0.77 325

qqq1	0.25 137	3.70 401	0.14 113	0.14 87	0.04 68	0.06 77	0.05 77	0.06 79	0.05 82	0.06 80	0.05 84	0.04 65	0.05 78	0.06 72	0.05 73	0.13 97	0.12 97	0.06 78	0.05 80	0.03 42	0.04 67

fff1	0.25 137	3.70 401	0.14 113	0.14 87	0.04 68	0.06 77	0.05 77	0.06 79	0.05 82	0.06 80	0.05 84	0.04 65	0.05 78	0.06 72	0.05 73	0.13 97	0.12 97	0.06 78	0.05 80	0.03 42	0.04 67

RAFT_CTSACE	1.92 407	3.71 403	1.72 419	1.88 392	1.72 434	2.04 423	1.42 425	2.18 420	1.89 440	2.02 421	1.97 441	1.95 419	2.06 430	1.93 417	1.62 425	1.76 408	1.66 416	2.02 427	1.73 436	1.73 401	1.43 424

MyStereo07	0.60 255	3.72 404	0.48 253	0.49 225	0.41 266	0.36 195	0.32 210	0.49 255	0.43 266	0.51 276	0.42 270	0.49 264	0.43 265	0.51 279	0.64 307	0.49 259	0.45 246	0.34 196	0.32 230	0.35 191	0.43 261

MyStereo04	0.56 253	3.72 404	0.59 275	0.49 225	0.41 266	0.36 195	0.32 210	0.37 191	0.31 215	0.34 183	0.46 279	0.35 190	0.32 221	0.35 192	0.33 218	0.49 259	0.45 246	0.34 196	0.32 230	0.35 191	0.43 261

ffm	0.25 137	3.83 406	0.12 89	0.12 70	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 82	0.05 78	0.06 72	0.05 73	0.12 81	0.12 97	0.05 72	0.04 66	0.06 80	0.04 67

ff1	0.25 137	3.83 406	0.12 89	0.12 70	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 82	0.05 78	0.06 72	0.05 73	0.12 81	0.12 97	0.05 72	0.04 66	0.06 80	0.04 67

mmx	0.25 137	3.83 406	0.12 89	0.12 70	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 82	0.05 78	0.06 72	0.05 73	0.12 81	0.12 97	0.05 72	0.04 66	0.06 80	0.04 67

NINENet	0.69 270	3.87 409	1.20 345	1.98 398	0.05 83	0.40 212	0.04 68	0.40 205	0.05 82	0.41 220	0.04 76	0.41 228	0.05 78	0.40 216	0.05 73	1.79 409	1.56 411	0.34 196	0.22 166	0.34 179	0.23 156

MyStereo8	0.71 273	3.92 410	0.52 267	0.59 247	0.52 303	0.57 294	0.53 297	0.59 284	0.50 289	0.59 292	0.51 302	0.57 294	0.50 288	0.56 288	0.52 296	0.54 273	0.49 259	0.54 294	0.49 295	0.55 269	0.50 283

MyStereo06	0.75 279	4.12 411	0.60 277	0.63 251	0.61 315	0.62 300	0.66 309	0.56 278	0.45 270	0.55 286	0.48 291	0.54 286	0.46 271	0.57 291	0.45 269	0.60 278	0.57 277	0.64 304	0.55 302	0.72 284	0.55 294

MyStereo05	0.80 290	4.12 411	0.63 281	0.63 251	0.61 315	0.62 300	0.66 309	0.65 292	0.62 306	0.67 302	0.61 311	0.65 304	0.58 299	0.67 303	0.55 300	0.60 278	0.57 277	0.64 304	0.55 302	0.72 284	0.55 294

test-3	0.98 323	4.13 413	1.85 425	1.85 391	0.61 315	0.69 305	0.37 242	0.63 290	0.61 305	0.66 301	0.51 302	0.73 312	0.44 266	0.57 291	0.54 298	1.68 407	1.81 423	0.40 238	0.43 278	0.66 276	0.50 283

GCAP-Stereo	0.75 279	4.15 414	0.42 236	0.75 266	0.35 240	0.78 313	0.40 253	0.79 304	0.38 244	0.78 314	0.36 242	0.78 317	0.36 237	0.79 313	0.39 250	0.75 298	0.39 226	0.76 317	0.39 262	0.75 288	0.39 244

IGEVStereo-DCA	1.77 403	4.21 415	1.84 423	2.49 416	2.11 445	2.54 436	1.36 417	1.65 408	1.17 365	2.75 437	1.90 437	2.54 435	1.15 350	0.94 332	1.11 354	1.50 400	1.32 395	0.96 341	1.46 424	1.49 395	0.88 333

rrr	1.77 403	4.21 415	1.84 423	2.49 416	2.11 445	2.54 436	1.36 417	1.65 408	1.17 365	2.75 437	1.90 437	2.54 435	1.15 350	0.94 332	1.11 354	1.50 400	1.32 395	0.96 341	1.46 424	1.49 395	0.88 333

GEStereo_RVC	0.86 307	4.45 417	0.20 144	0.27 145	0.20 164	0.27 168	0.20 151	0.26 159	0.18 151	5.03 469	0.20 164	0.27 169	0.19 159	0.27 173	0.21 161	0.20 135	0.19 149	0.19 140	4.02 471	0.20 136	0.18 146

error version	0.93 317	4.47 418	2.35 436	1.99 399	0.37 249	0.41 228	0.36 237	0.41 220	0.35 232	0.43 238	0.36 242	0.41 228	0.40 248	0.41 230	0.36 236	1.87 412	2.16 428	0.47 270	0.37 250	0.39 216	0.33 221

test_1	0.93 317	4.47 418	2.35 436	1.99 399	0.37 249	0.41 228	0.36 237	0.41 220	0.35 232	0.43 238	0.36 242	0.41 228	0.40 248	0.41 230	0.36 236	1.87 412	2.16 428	0.47 270	0.37 250	0.39 216	0.33 221

TestStereo	4.88 468	4.75 420	4.79 462	4.87 450	4.92 476	4.81 471	4.90 475	4.78 467	4.77 474	4.87 467	4.89 474	4.90 470	4.91 467	4.99 469	4.79 472	4.98 457	4.87 458	4.87 468	4.92 476	5.00 456	5.00 474

DispFullNet	4.61 464	4.84 421	3.12 453	5.00 451	3.57 467	4.75 470	3.03 454	7.75 479	4.17 471	4.91 468	3.09 458	6.20 475	3.95 460	6.71 475	3.51 461	5.30 462	3.67 450	5.86 476	3.63 463	5.61 461	3.46 462

CFNet-RSSM	0.91 311	4.89 422	0.34 202	0.44 209	1.07 362	1.62 416	1.40 423	0.91 317	0.35 232	1.60 409	1.39 422	0.64 301	0.34 230	0.44 246	0.33 218	0.41 230	0.35 209	0.75 315	0.30 220	0.41 229	0.29 200

StereoVision	3.15 441	5.00 423	0.89 313	4.83 449	1.00 355	3.93 449	1.27 413	6.37 473	1.34 419	5.67 473	1.26 415	5.84 474	1.27 407	5.03 471	1.24 412	5.10 461	1.09 333	4.61 459	0.57 306	5.62 462	1.12 354

LL-Strereo	1.01 329	5.06 424	1.63 414	0.70 260	1.43 428	0.56 290	0.46 273	0.57 280	0.50 289	0.57 289	0.50 296	1.58 413	0.49 285	0.59 293	0.50 289	1.64 406	0.52 269	0.51 290	1.37 418	0.52 265	0.45 266

FC-DCNN v2	5.10 472	5.15 425	4.49 461	5.07 452	3.37 465	6.87 476	4.75 474	5.04 471	6.34 478	7.84 479	5.06 475	6.72 479	4.09 463	4.99 469	5.44 475	5.03 458	3.16 446	4.67 462	4.86 475	5.15 458	3.89 469

rvit_105_1	3.83 447	5.22 426	3.01 442	4.53 437	3.01 452	4.51 455	3.01 449	4.56 456	3.04 450	4.53 455	3.03 451	4.55 457	3.03 440	4.56 456	3.04 447	4.57 446	3.05 436	4.57 454	3.05 449	4.57 442	3.05 449

rvit_stereo_0081	3.83 447	5.23 427	3.01 442	4.53 437	3.03 454	4.55 461	3.02 450	4.56 456	3.04 450	4.52 453	3.02 449	4.54 455	3.03 440	4.56 456	3.04 447	4.57 446	3.05 436	4.57 454	3.05 449	4.58 443	3.05 449

CFNet	1.37 392	5.27 428	0.19 141	5.49 454	0.19 162	0.28 169	0.19 148	0.28 162	0.19 157	0.28 166	0.19 161	0.28 170	4.35 464	0.28 175	0.19 156	0.23 153	0.17 142	0.23 154	4.21 473	4.81 452	0.17 142

rvit_stereo_0083	3.92 456	5.30 429	3.06 450	4.61 446	3.09 461	4.67 466	3.08 459	4.66 464	3.09 459	4.62 463	3.10 459	4.66 467	3.11 449	4.67 464	3.16 458	4.72 456	3.16 446	4.77 465	3.11 456	4.66 449	3.11 456

rvit_0105_3	3.91 454	5.33 430	3.06 450	4.60 445	3.07 460	4.60 464	3.06 458	4.62 462	3.08 458	4.60 462	3.07 457	4.62 464	3.08 447	4.67 464	3.10 456	4.70 454	3.11 443	4.77 465	3.19 460	4.77 451	3.14 457

rvit_stereo_0081_aga	3.86 449	5.33 430	3.02 445	4.55 443	3.04 458	4.54 457	3.02 450	4.64 463	3.06 454	4.54 457	3.04 453	4.62 464	3.08 447	4.62 462	3.07 452	4.58 449	3.06 440	4.60 458	3.08 453	4.63 446	3.07 453

rvit_0105_5	4.10 458	5.40 432	3.13 455	4.71 448	3.15 463	4.72 469	3.10 461	4.90 470	3.27 462	4.69 465	3.16 461	4.84 469	3.25 452	4.96 468	3.34 460	5.05 459	3.39 448	5.10 469	3.40 461	5.11 457	3.42 461

UDGNet	2.23 418	5.40 432	1.72 419	2.48 415	1.69 432	2.51 435	1.69 428	2.51 431	1.72 430	2.50 433	1.69 430	2.52 434	1.69 420	2.50 434	1.68 429	2.41 430	1.70 417	2.42 437	1.69 432	2.42 418	1.64 427

rvit_stereo_ft	3.93 457	5.44 434	3.05 449	4.59 444	3.06 459	4.61 465	3.08 459	4.67 465	3.12 460	4.63 464	3.10 459	4.65 466	3.11 449	4.69 466	3.13 457	4.70 454	3.14 445	4.71 464	3.15 458	4.74 450	3.16 458

rvit_0105_4	3.91 454	5.47 435	3.02 445	4.54 440	3.02 453	4.54 457	3.03 454	4.75 466	3.17 461	4.57 459	3.06 454	4.61 463	3.16 451	4.65 463	3.09 455	4.66 453	3.11 443	4.68 463	3.18 459	4.81 452	3.16 458

rvit_stereo_0080	3.89 452	5.70 436	3.04 447	4.54 440	3.03 454	4.56 462	3.05 456	4.60 460	3.07 455	4.58 460	3.06 454	4.59 459	3.06 445	4.61 460	3.08 453	4.63 451	3.09 441	4.64 460	3.10 454	4.65 447	3.10 454

whm_eth	3.89 452	5.70 436	3.04 447	4.54 440	3.03 454	4.56 462	3.05 456	4.60 460	3.07 455	4.58 460	3.06 454	4.59 459	3.06 445	4.61 460	3.08 453	4.63 451	3.09 441	4.64 460	3.10 454	4.65 447	3.10 454

rvit_0105_6	3.87 451	5.73 438	3.10 452	4.69 447	3.12 462	4.54 457	3.02 450	4.56 456	3.04 450	4.54 457	3.03 451	4.54 455	3.04 443	4.56 456	3.05 449	4.58 449	3.05 436	4.58 456	3.05 449	4.58 443	3.05 449

rvit_stereo_0082	3.86 449	5.82 439	3.01 442	4.53 437	3.03 454	4.54 457	3.02 450	4.56 456	3.04 450	4.53 455	3.02 449	4.55 457	3.04 443	4.57 459	3.05 449	4.57 446	3.05 436	4.58 456	3.05 449	4.58 443	3.06 452

castereo	1.59 396	5.89 440	5.27 466	5.38 453	0.27 195	0.38 204	0.27 187	0.39 200	0.27 194	0.38 197	0.27 196	0.38 205	0.28 203	0.38 205	0.27 185	5.34 463	5.09 459	0.36 214	0.26 191	0.36 197	0.26 173

SGM-Forest	5.21 474	5.92 441	4.08 460	6.18 459	4.16 473	6.31 475	4.34 473	6.50 474	4.33 472	6.14 475	4.21 471	6.61 478	4.55 466	6.67 474	4.48 471	5.94 467	3.94 452	5.85 475	4.03 472	5.79 463	4.17 472
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MaDis-Stereo	3.19 442	6.02 442	1.12 333	5.61 456	1.16 369	5.43 473	1.02 350	5.15 472	0.70 320	5.43 470	1.21 410	5.03 472	0.97 335	4.85 467	0.99 347	4.53 444	1.16 342	5.53 472	1.25 412	5.37 460	1.30 413

IER	0.88 308	7.04 443	2.23 433	2.75 419	0.28 199	0.43 249	0.25 176	0.39 200	0.25 176	0.41 220	0.27 196	0.39 210	0.25 179	0.40 216	0.28 192	0.37 203	0.28 178	0.37 217	0.25 184	0.37 200	0.25 167

HCRNet	1.22 386	7.11 444	3.00 441	3.55 429	0.33 230	0.29 171	0.14 130	0.19 130	0.15 145	0.33 181	0.29 206	0.25 159	0.14 135	0.22 148	0.33 218	3.64 438	3.00 435	0.76 317	0.32 230	0.18 131	0.13 129

SA	4.33 460	7.35 445	6.85 475	5.96 458	4.09 472	3.59 446	3.15 462	3.82 448	2.64 446	3.91 446	3.85 466	3.57 444	2.72 438	3.13 440	4.03 467	7.09 475	6.86 470	3.57 444	3.12 457	3.85 430	3.51 463

cross-raft	4.83 467	7.52 446	6.43 471	6.63 461	3.96 471	4.51 455	3.99 470	4.49 454	3.96 469	4.52 453	3.96 468	4.50 454	3.97 461	4.50 455	3.97 466	6.65 470	6.44 467	4.33 451	3.92 470	4.35 438	3.91 470

test_5	4.62 465	7.55 447	6.23 470	6.32 460	3.40 466	5.29 472	3.50 464	3.53 445	4.11 470	4.28 450	4.47 473	4.26 453	4.38 465	3.68 446	3.24 459	5.89 466	5.60 462	4.84 467	3.50 462	4.33 437	3.93 471

RAFT+CT+SA	4.28 459	7.62 448	4.91 463	5.55 455	2.28 447	3.09 440	3.64 465	4.49 454	3.07 455	4.80 466	3.35 462	4.77 468	3.70 456	4.29 453	3.05 449	5.58 464	5.98 465	3.58 445	3.78 468	4.26 436	3.72 465

raft_robust	4.71 466	7.75 449	5.40 469	6.81 462	3.31 464	4.28 454	4.20 472	4.32 453	4.37 473	4.35 452	4.35 472	4.14 451	3.75 457	4.30 454	4.20 470	6.67 471	6.37 466	3.36 443	4.24 474	4.86 454	3.25 460

test_4	4.88 468	8.13 450	6.98 476	7.46 466	4.44 474	4.25 453	3.85 469	4.04 452	3.92 468	4.13 449	3.91 467	4.18 452	3.84 458	4.14 451	4.06 468	7.01 474	7.13 471	4.53 452	3.72 467	4.09 434	3.72 465

Sa-1000	4.34 461	8.37 451	6.84 474	6.98 465	4.45 475	3.58 445	3.00 448	3.42 444	3.39 463	2.61 436	4.00 469	3.83 448	4.01 462	3.90 448	3.90 465	5.98 468	5.62 463	3.76 448	2.34 446	4.35 438	2.47 447

TestStereo1	4.60 462	8.41 452	6.44 472	6.86 463	3.79 469	3.97 450	3.78 467	3.99 450	3.74 465	3.97 447	3.52 463	3.94 449	3.58 453	3.98 449	3.72 463	6.82 472	6.50 468	3.76 448	3.66 464	3.90 431	3.74 467

SA-5K	4.60 462	8.41 452	6.44 472	6.86 463	3.79 469	3.97 450	3.78 467	3.99 450	3.74 465	3.97 447	3.52 463	3.94 449	3.58 453	3.98 449	3.72 463	6.82 472	6.50 468	3.76 448	3.66 464	3.90 431	3.74 467

U	5.15 473	8.49 454	1.81 422	8.49 470	1.77 435	8.49 481	1.77 430	8.51 481	1.77 432	8.49 481	1.77 432	8.50 481	1.78 422	8.58 481	1.77 435	8.54 479	1.78 421	8.55 481	1.78 437	8.55 475	1.84 434

CFNet_RVC	2.38 428	8.71 455	0.38 214	9.33 473	0.42 275	0.56 290	0.42 265	0.60 286	0.38 244	0.62 296	0.42 270	0.56 293	7.29 476	0.62 294	0.42 265	0.53 272	0.37 213	0.49 282	0.34 238	8.30 473	6.87 479

rvit_stereo_0075_2	6.64 476	8.80 456	5.25 465	7.89 467	5.27 478	7.90 480	5.27 476	7.92 480	5.28 476	7.91 480	5.29 477	7.93 480	5.27 468	7.92 480	5.28 473	7.93 476	5.28 461	7.93 479	5.29 478	7.93 472	5.28 476

test_3	5.01 470	8.86 457	7.77 478	8.09 468	2.76 451	4.13 452	4.05 471	3.88 449	3.76 467	4.33 451	4.13 470	3.71 447	3.91 459	4.21 452	4.06 468	7.93 476	7.69 473	4.53 452	3.91 469	4.17 435	4.29 473

SGM+DAISY	7.06 478	9.15 458	5.38 468	8.84 472	5.18 477	8.80 482	5.31 477	8.79 482	5.28 476	8.89 482	5.20 476	8.93 482	5.33 469	8.95 482	5.36 474	8.70 480	5.21 460	8.74 482	5.20 477	8.89 476	5.15 475

test-1	6.46 475	9.16 459	8.03 481	8.09 468	5.62 479	6.11 474	6.35 478	6.85 476	4.94 475	6.08 474	6.29 480	4.98 471	6.43 472	6.22 472	6.36 478	6.16 469	7.47 472	5.82 474	5.44 479	7.11 469	5.68 477

RAFT	6.73 477	9.36 460	7.40 477	8.51 471	6.55 480	6.88 477	6.60 479	6.79 475	6.60 479	6.80 476	6.72 481	5.31 473	5.50 470	6.61 473	6.61 479	8.42 478	5.89 464	5.73 473	5.45 480	6.61 465	6.24 478

CFNet_pseudo	2.67 436	9.36 460	0.32 189	10.99 482	0.33 230	0.85 319	0.33 218	0.49 255	0.33 222	0.49 260	0.32 221	0.49 264	7.26 475	0.49 268	0.33 218	0.41 230	9.62 479	0.41 250	0.29 211	10.03 481	0.29 200

CFNet_ucs	2.73 437	9.64 462	0.33 194	9.92 478	0.32 220	0.49 268	0.33 218	0.49 255	0.33 222	0.49 260	0.33 225	0.49 264	8.98 479	0.48 262	0.33 218	0.41 230	9.96 482	0.40 238	0.29 211	10.12 482	0.54 290

PCWNet_CMD	2.80 440	9.82 463	0.32 189	10.09 480	0.32 220	0.49 268	0.33 218	3.34 442	0.33 222	0.49 260	0.33 225	0.49 264	8.73 477	0.48 262	0.33 218	0.41 230	9.22 476	0.42 259	0.29 211	9.55 479	0.31 214

pcwnet_v2	2.66 435	9.89 464	0.33 194	9.89 477	0.32 220	0.50 276	0.32 210	0.49 255	0.33 222	0.49 260	0.34 232	0.49 264	8.76 478	0.48 262	0.33 218	0.41 230	9.58 478	0.40 238	0.29 211	9.01 477	0.63 304

UCFNet_RVC	2.75 438	10.06 465	0.29 175	10.31 481	0.29 205	0.42 245	0.29 200	0.43 239	0.29 202	0.42 232	0.29 206	0.42 244	9.87 481	0.43 244	0.29 201	0.36 199	9.84 481	0.36 214	0.26 191	9.77 480	0.26 173

MSMDNet	2.65 434	10.14 466	0.33 194	9.74 476	0.32 220	0.87 321	0.33 218	2.95 438	0.68 314	0.49 260	0.34 232	0.49 264	5.70 471	0.49 268	0.33 218	0.42 244	9.57 477	0.41 250	0.31 226	8.36 474	0.65 306

ccs_rob	2.79 439	10.17 467	0.32 189	10.00 479	0.33 230	0.49 268	0.33 218	1.90 413	0.32 218	0.51 276	0.33 225	0.49 264	9.24 480	0.49 268	0.33 218	0.41 230	9.82 480	0.41 250	0.28 202	9.34 478	0.29 200

test-v	7.53 479	11.89 468	7.98 479	9.36 474	7.14 481	7.06 478	7.09 480	7.37 477	6.91 480	7.29 477	5.71 478	6.45 476	6.93 473	6.73 476	7.27 480	8.93 481	7.85 474	6.98 477	6.80 481	7.56 470	7.34 480

test-2	7.53 479	11.89 468	7.98 479	9.36 474	7.14 481	7.06 478	7.09 480	7.37 477	6.91 480	7.29 477	5.71 478	6.45 476	6.93 473	6.73 476	7.27 480	8.93 481	7.85 474	6.98 477	6.80 481	7.56 470	7.34 480

rafts_anoy	20.00 483	20.00 470	20.00 483	20.00 483	20.00 484	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 484	20.00 483	20.00 484	20.00 483	20.00 483

raft+_RVC	20.00 483	20.00 470	20.00 483	20.00 483	20.00 484	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 484	20.00 483	20.00 484	20.00 483	20.00 483

raftrobust	20.00 483	20.00 470	20.00 483	20.00 483	20.00 484	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 484	20.00 483	20.00 484	20.00 483	20.00 483

CasAABBNet	20.00 483	20.00 470	20.00 483	20.00 483	20.00 484	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 484	20.00 483	20.00 484	20.00 483	20.00 483

RALCasStereoNet	20.00 483	20.00 470	20.00 483	20.00 483	20.00 484	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 484	20.00 483	20.00 484	20.00 483	20.00 483

RALAANet	20.00 483	20.00 470	20.00 483	20.00 483	20.00 484	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 483	20.00 484	20.00 483	20.00 484	20.00 483	20.00 483

MANE	19.05 482	23.00 476	15.00 482	23.00 489	15.00 483	24.00 489	16.00 482	24.00 489	16.00 482	22.00 489	15.00 482	23.00 489	16.00 482	23.00 489	15.00 482	22.00 489	15.00 483	22.00 489	15.00 483	22.00 489	15.00 482

stereogan	2.33 422	24.38 477	1.18 341	1.18 322	1.18 372	1.14 352	1.18 361	1.19 345	1.19 367	1.14 351	1.18 364	1.14 355	1.18 355	1.14 354	1.18 363	1.14 338	1.14 340	1.19 362	1.19 362	1.15 329	1.19 362

Abc-Net	2.32 421	24.75 478	1.14 335	1.17 321	1.17 370	1.11 350	1.15 357	1.17 342	1.21 413	1.08 342	1.16 360	1.12 354	1.14 349	1.09 348	1.17 362	1.09 329	1.16 342	1.17 359	1.17 361	1.16 331	1.11 352
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 422	25.00 479	1.13 334	1.15 315	1.15 365	1.10 347	1.15 357	1.15 338	1.15 360	1.12 348	1.15 357	1.09 348	1.13 347	1.10 350	1.15 358	1.11 336	1.09 333	1.16 355	1.12 356	1.16 331	1.17 360

RGC	2.36 424	25.48 480	1.19 342	1.15 315	1.15 365	1.10 347	1.16 359	1.17 342	1.16 361	1.12 348	1.16 360	1.11 353	1.13 347	1.09 348	1.18 363	1.10 331	1.15 341	1.16 355	1.12 356	1.14 327	1.12 354

NCC-stereo	2.36 424	25.52 481	1.17 339	1.15 315	1.17 370	1.11 350	1.11 353	1.15 338	1.16 361	1.10 343	1.16 360	1.10 350	1.15 350	1.14 354	1.13 356	1.09 329	1.11 337	1.15 354	1.16 360	1.17 336	1.17 360

AF-Net	2.37 426	25.71 482	1.17 339	1.13 312	1.15 365	1.15 353	1.18 361	1.19 345	1.16 361	1.10 343	1.15 357	1.10 350	1.18 355	1.12 353	1.15 358	1.10 331	1.10 336	1.17 359	1.15 358	1.16 331	1.12 354

Nwc_Net	2.37 426	25.95 483	1.15 337	1.14 313	1.15 365	1.08 344	1.14 356	1.17 342	1.16 361	1.14 351	1.15 357	1.08 346	1.15 350	1.11 352	1.14 357	1.10 331	1.11 337	1.16 355	1.09 355	1.16 331	1.15 359

FAT-Stereo	2.46 430	26.05 484	1.23 394	1.23 371	1.22 421	1.20 355	1.24 411	1.23 396	1.23 415	1.19 354	1.22 411	1.21 404	1.24 405	1.20 358	1.24 412	1.21 386	1.17 345	1.22 409	1.25 412	1.20 340	1.24 411

S-Stereo	2.51 431	26.86 485	1.23 394	1.22 369	1.22 421	1.24 403	1.25 412	1.22 394	1.24 416	1.21 400	1.24 413	1.19 358	1.27 407	1.19 357	1.24 412	1.19 340	1.20 347	1.25 410	1.19 362	1.24 388	1.23 410

MoCha-V2	2.11 413	26.97 486	0.78 305	0.92 285	0.77 337	0.96 332	0.72 321	0.90 315	0.72 324	0.94 330	0.70 325	0.90 329	0.71 318	0.91 327	0.71 323	0.85 311	0.71 298	0.88 332	0.69 322	0.87 304	0.67 309

edge stereo	2.43 429	27.07 487	1.14 335	1.06 304	1.14 364	1.08 344	1.17 360	1.16 340	1.14 359	1.10 343	1.16 360	1.09 348	1.16 354	1.10 350	1.16 361	1.10 331	1.11 337	1.16 355	1.19 362	1.13 326	1.11 352

fff	1000028.16 506	29.62 488	29.72 490	32.61 490	30.02 491	35.13 492	31.83 491	32.07 491	10000000.00 506	35.27 493	29.82 491	32.45 491	30.15 490	32.35 491	30.09 490	31.04 491	29.55 492	30.64 491	30.14 491	10000000.00 507	30.77 491

csc	1000028.16 506	29.62 488	29.72 490	32.61 490	30.02 491	35.13 492	31.83 491	32.07 491	10000000.00 506	35.27 493	29.82 491	32.45 491	30.15 490	32.35 491	30.09 490	31.04 491	29.55 492	30.64 491	30.14 491	10000000.00 507	30.77 491

cscssc	1000028.16 506	29.62 488	29.72 490	32.61 490	30.02 491	35.13 492	31.83 491	32.07 491	10000000.00 506	35.27 493	29.82 491	32.45 491	30.15 490	32.35 491	30.09 490	31.04 491	29.55 492	30.64 491	30.14 491	10000000.00 507	30.77 491

STTStereo	3.73 446	30.40 491	2.37 438	2.39 412	2.31 449	2.35 430	2.33 442	2.29 422	2.42 445	2.32 430	2.34 447	2.33 427	2.36 435	2.30 428	2.27 444	2.35 427	2.22 430	2.31 434	2.22 442	2.29 416	2.34 444

111	30.40 489	30.94 492	29.72 490	32.61 490	30.02 491	33.57 490	30.47 490	31.50 490	29.39 490	30.98 490	29.11 490	29.78 490	30.39 493	29.45 490	30.76 493	30.08 490	29.02 491	29.92 490	30.32 494	29.86 490	30.17 490

DCANet-4	35.22 491	34.54 493	35.08 496	33.58 494	35.47 498	34.55 491	35.53 497	36.08 496	35.85 494	35.92 496	35.77 496	35.18 496	35.48 495	35.39 496	37.15 496	34.55 496	33.92 495	35.02 497	34.90 496	35.79 494	34.74 497

tt	500032.53 504	34.60 494	29.72 490	37.47 496	34.41 496	36.85 496	35.22 495	34.71 494	33.55 492	34.50 491	35.43 494	33.81 494	10000000.00 507	33.57 494	33.13 494	33.68 494	35.00 496	34.03 495	35.26 497	30.96 491	34.63 495

DCANet	500032.53 504	34.60 494	29.72 490	37.47 496	34.41 496	36.85 496	35.22 495	34.71 494	33.55 492	34.50 491	35.43 494	33.81 494	10000000.00 507	33.57 494	33.13 494	33.68 494	35.00 496	34.03 495	35.26 497	30.96 491	34.63 495

WCMA_ROB	31.10 490	35.43 496	27.12 489	39.51 498	23.10 490	38.78 498	25.30 489	37.49 498	25.39 489	37.29 497	27.02 489	38.52 498	26.48 489	37.80 497	26.44 489	36.28 497	22.65 490	33.90 494	22.30 490	37.10 495	24.18 489

ADStereo(finetuned)	36.13 492	36.63 497	38.07 497	36.97 495	33.25 495	35.91 495	34.45 494	36.36 497	32.99 491	38.14 498	36.71 497	36.69 497	34.13 494	38.57 498	40.79 497	37.60 498	36.58 498	35.90 498	33.36 495	35.42 493	34.04 494

NLCA_NET_v2_RVC	5.04 471	50.87 498	2.78 440	2.87 421	2.71 450	2.78 439	0.47 278	2.88 437	2.86 449	1.89 417	2.67 448	2.79 439	2.79 439	2.78 438	2.83 446	2.82 432	2.82 434	2.83 439	2.77 448	2.83 425	2.76 448
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MDST_ROB	69.83 493	87.70 499	41.95 498	113.75 501	65.62 501	75.05 499	55.25 499	75.64 500	45.04 495	71.61 499	41.75 498	72.81 499	44.06 496	68.38 499	44.63 498	101.89 501	59.57 501	107.10 501	61.05 501	104.38 498	59.38 500

MGS-Stereo	239.45 498	123.00 500	135.00 502	266.00 504	286.00 505	277.00 504	305.00 504	271.00 504	242.00 501	274.00 504	279.00 504	255.00 504	270.00 502	268.00 504	297.00 504	221.00 504	247.00 505	216.00 504	123.00 502	217.00 501	217.00 504

AE-Stereo	201.80 497	123.00 500	115.00 500	219.00 503	218.00 504	223.00 503	244.00 503	217.00 503	236.00 500	202.00 503	203.00 502	205.00 503	208.00 500	225.00 503	204.00 502	210.00 503	198.00 503	197.00 503	184.00 504	204.00 500	201.00 502

EGLCR-Stereo	246.90 499	129.00 502	139.00 503	266.00 504	286.00 505	277.00 504	305.00 504	271.00 504	242.00 501	274.00 504	279.00 504	255.00 504	270.00 502	268.00 504	297.00 504	230.00 505	247.00 505	216.00 504	223.00 506	237.00 502	227.00 505

NOSS_ROB	102.95 494	153.00 503	121.00 501	51.00 499	44.00 499	165.00 502	127.00 500	153.00 501	119.00 497	164.00 502	125.00 500	168.00 502	120.00 498	153.00 501	117.00 500	49.00 499	44.00 499	49.00 499	44.00 499	49.00 496	44.00 498

MeshStereo	159.24 496	171.00 504	160.68 504	162.58 502	160.59 502	164.01 501	160.35 501	158.51 502	158.56 498	158.34 501	160.12 501	158.56 501	159.92 499	157.26 502	158.94 501	154.38 502	158.36 502	155.75 502	159.13 503	153.67 499	154.07 501
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
PA-Net	11.80 481	223.51 505	0.62 280	0.59 247	0.71 331	0.59 296	0.73 322	0.67 294	0.73 327	0.55 286	0.61 311	0.60 297	0.74 320	0.63 298	0.73 324	0.66 288	0.60 279	0.69 309	0.66 316	0.72 284	0.65 306
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 500	354.61 506	207.27 505	363.24 506	206.46 503	364.72 506	210.41 502	364.72 506	210.41 499	364.81 506	208.64 503	364.81 506	208.64 501	364.72 506	210.41 503	354.70 506	205.53 504	354.70 506	205.53 505	354.70 503	205.53 503

LE_ROB	396.57 501	471.28 507	329.84 506	471.48 507	308.15 507	526.83 507	322.10 506	488.15 507	323.76 503	495.46 507	317.97 506	497.17 507	320.10 504	481.62 507	326.76 506	462.71 507	298.97 507	466.16 507	285.98 507	447.62 504	289.21 506

SGM-ForestM	596.69 502	677.77 508	444.52 507	699.85 508	517.25 508	732.94 508	488.29 507	770.79 508	460.11 504	750.81 508	487.98 507	792.79 508	499.41 505	730.90 508	475.81 507	720.03 508	491.16 508	663.96 508	418.60 508	674.76 505	436.05 507

CBMV_ROB	818.48 503	913.88 509	709.52 508	862.84 509	597.78 509	1073.99 509	700.52 508	1015.66 509	702.59 505	1115.65 509	760.02 508	1130.24 509	721.57 506	1037.41 509	692.65 508	814.05 509	564.29 509	843.28 509	595.31 509	915.51 506	602.92 508

CBMV	128.50 495	1422.70 510	53.10 499	79.50 500	51.30 500	77.30 500	49.70 498	74.00 499	48.20 496	77.20 500	48.80 499	73.90 500	48.00 497	73.80 500	48.80 499	70.40 500	45.10 500	68.90 500	46.10 500	68.20 497	45.00 499
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
IGEV-Stereo++	10000000.00 509	10000000.00 511	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 506	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 507	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 507	10000000.00 509

IGEV-BASED-STEREO-	10000000.00 509	10000000.00 511	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 506	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 507	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 507	10000000.00 509

IGEV-Stereo+	10000000.00 509	10000000.00 511	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 506	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 507	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 507	10000000.00 509

SDNR	10000000.00 509	10000000.00 511	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 506	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 507	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 507	10000000.00 509

anonymousdsp2	10000000.00 509	10000000.00 511	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 506	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 507	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 507	10000000.00 509

anonymousdsp	10000000.00 509	10000000.00 511	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 506	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 507	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 507	10000000.00 509

test_example2	10000000.00 509	10000000.00 511	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 506	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 507	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 507	10000000.00 509

DIP-Stereo	10000000.00 509	10000000.00 511	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 506	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 507	10000000.00 510	10000000.00 509	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 510	10000000.00 507	10000000.00 509
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark