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 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
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 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCDC_ROB	0.01 9	0.01 9	0.02 14	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

USTest	0.01 9	0.02 12	0.00 1	0.14 96	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

PSMNet-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CBFPSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MSC_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCMid	0.08 50	0.02 12	0.02 14	1.01 344	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 105	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 51	0.02 12	0.04 43	0.90 320	0.06 107	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 127	0.36 269	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 437	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 48	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 52	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM0	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

PWC_ROB	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCK	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

BEATNet_4x	0.11 84	0.03 31	0.03 36	1.60 434	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 84	0.03 31	0.03 36	1.60 434	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCRef	0.12 93	0.03 31	0.04 43	1.71 440	0.04 79	0.03 40	0.03 50	0.04 77	0.04 81	0.04 74	0.03 52	0.04 77	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 417	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 105	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

G2L-Stereo_test	0.03 29	0.04 37	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.02 20	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet_1	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.12 122	0.04 88	0.06 97	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC-Resample	0.12 93	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 502	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FADNet_RVC	0.12 93	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 506	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 100	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 511	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

AnyNet_C32	0.14 109	0.04 37	0.03 36	2.22 471	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 102	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCP+	0.15 121	0.04 37	0.04 43	2.20 470	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 105	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ISRNet	0.11 84	0.05 49	0.36 232	0.24 149	0.07 108	0.13 123	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 124	0.05 94	0.05 82	0.09 105	0.24 174	0.20 167	0.10 107	0.05 96	0.06 96	0.13 147

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 405	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

EDNetEfficient	0.04 38	0.05 49	0.04 43	0.04 37	0.03 48	0.04 77	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

FADNet	0.12 93	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 508	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

G2L-ROB	0.03 29	0.06 54	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 97	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 79	0.05 89	0.04 81	0.05 89	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

GwcNet	0.12 93	0.07 57	0.05 57	0.08 49	0.05 99	0.08 103	1.20 433	0.07 104	0.05 97	0.05 91	0.05 100	0.08 104	0.05 94	0.08 105	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

AASNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 108	0.08 103	0.06 105	0.08 107	0.07 109	0.08 104	0.07 109	0.08 104	0.06 106	0.07 102	0.07 100	0.08 60	0.07 57	0.07 99	0.07 104	0.06 96	0.06 102

BEATNet-Init1	0.19 139	0.08 58	0.08 60	2.23 473	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

DeepPrunerF	0.19 139	0.08 58	0.08 60	2.23 473	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

Wz-Net-SNSev	0.03 29	0.09 64	0.07 58	0.09 53	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

SepStereo	0.09 51	0.09 64	0.10 69	0.09 53	0.09 112	0.09 107	0.09 110	0.10 109	0.08 111	0.10 108	0.09 112	0.09 108	0.09 113	0.09 108	0.08 102	0.09 66	0.08 59	0.09 106	0.08 108	0.09 109	0.08 105

AnonymousM	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SuperB	0.21 147	0.10 66	2.51 536	0.12 79	0.09 112	0.10 108	0.09 110	0.08 107	0.07 109	0.10 108	0.09 112	0.09 108	0.07 110	0.07 102	0.07 100	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

PVD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SHD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SAMSARA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

XQC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTS	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet+	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet++	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

JetBlue	0.11 84	0.11 77	0.12 100	0.13 92	0.14 154	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.11 130	0.11 120	0.11 129	0.12 125	0.12 138	0.11 86	0.11 94	0.11 118	0.11 129	0.11 120	0.11 125

aanetorigin	0.13 100	0.11 77	0.11 89	0.11 73	0.11 133	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.12 141	0.11 120	0.11 129	0.11 121	0.11 123	0.11 86	0.11 94	0.14 126	0.11 129	0.49 291	0.11 125

JetRed	0.11 84	0.12 79	0.11 89	0.11 73	0.11 133	0.11 119	0.14 149	0.11 121	0.11 130	0.12 122	0.11 130	0.11 120	0.11 129	0.11 121	0.11 123	0.11 86	0.16 142	0.11 118	0.11 129	0.11 120	0.11 125

LRCNet_RVC	0.13 100	0.13 80	0.09 65	0.13 92	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.23 170	0.10 116	0.20 156	0.10 117	0.24 178	0.11 123	0.11 86	0.09 68	0.12 121	0.14 157	0.12 124	0.09 108

GMStereo	0.14 109	0.13 80	0.14 125	0.14 96	0.14 154	0.14 124	0.14 149	0.14 125	0.14 154	0.14 124	0.14 158	0.14 125	0.14 155	0.14 127	0.14 148	0.14 114	0.14 137	0.14 126	0.14 157	0.14 128	0.14 152
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 151	0.13 80	0.19 158	0.23 144	0.10 118	0.26 189	1.02 420	0.14 125	0.10 115	0.28 189	0.14 158	0.17 146	0.19 181	0.28 198	0.09 105	0.22 158	0.16 142	0.23 176	0.17 180	0.11 120	0.12 141

DRN-Test	0.14 109	0.13 80	0.09 65	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.10 115	0.14 124	0.09 112	0.14 125	0.09 113	0.13 126	0.09 105	0.12 91	0.09 68	0.12 121	0.09 110	0.12 124	0.73 382

S2M2_L	0.12 93	0.14 84	0.10 69	0.15 106	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.15 130	0.10 116	0.14 125	0.10 117	0.14 127	0.10 111	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.09 108
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
StereoDRNet	0.15 121	0.14 84	0.10 69	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.09 114	0.14 124	0.10 116	0.14 125	0.09 113	0.14 127	0.09 105	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.82 398

testlalala2	0.13 100	0.16 86	0.11 89	0.15 106	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.14 114	0.11 94	0.14 126	0.11 129	0.14 128	0.11 125

GMStereo_Zeroshot	0.16 129	0.16 86	0.16 142	0.16 117	0.16 172	0.16 139	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

testlalala_base	0.13 100	0.16 86	0.11 89	0.15 106	0.11 133	0.15 131	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.14 114	0.11 94	0.14 126	0.11 129	0.14 128	0.11 125

HSM	0.14 109	0.16 86	0.12 100	0.17 125	0.12 149	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.12 141	0.17 146	0.12 146	0.17 146	0.12 138	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.12 141

ELAS_RVC	0.14 109	0.16 86	0.10 69	0.15 106	0.10 118	0.18 151	0.11 128	0.19 151	0.11 130	0.19 150	0.12 141	0.18 150	0.11 129	0.19 152	0.12 138	0.14 114	0.08 59	0.14 126	0.09 110	0.15 138	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 100	0.16 86	0.11 89	0.15 106	0.09 112	0.18 151	0.11 128	0.18 149	0.11 130	0.17 144	0.11 130	0.18 150	0.11 129	0.18 149	0.11 123	0.14 114	0.08 59	0.14 126	0.08 108	0.14 128	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2_XL	0.14 109	0.17 92	0.12 100	0.17 125	0.11 133	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.11 130	0.17 146	0.11 129	0.17 146	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
ITSA-stereo	0.15 121	0.17 92	0.13 120	0.20 132	0.13 152	0.19 154	0.13 147	0.18 149	0.13 152	0.19 150	0.13 153	0.18 150	0.14 155	0.18 149	0.14 148	0.16 131	0.11 94	0.15 139	0.14 157	0.18 152	0.11 125

SGM_RVC	0.15 121	0.17 92	0.11 89	0.18 127	0.11 133	0.19 154	0.11 128	0.19 151	0.12 149	0.19 150	0.12 141	0.20 156	0.12 146	0.19 152	0.12 138	0.16 131	0.11 94	0.17 150	0.10 117	0.17 148	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 129	0.18 95	0.13 120	0.19 130	0.13 152	0.19 154	0.13 147	0.19 151	0.13 152	0.19 150	0.13 153	0.19 154	0.13 151	0.19 152	0.13 144	0.18 147	0.13 133	0.18 159	0.13 154	0.18 152	0.13 147

IGEV_Zeroshot_test	0.20 141	0.19 96	0.40 248	0.30 166	0.17 175	0.22 168	0.17 162	0.21 162	0.17 171	0.20 155	0.17 172	0.21 163	0.18 176	0.21 166	0.17 167	0.20 151	0.16 142	0.20 163	0.16 162	0.20 159	0.17 165

ACVNet	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 412	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

acv_ft	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 412	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

LALA_ROB	0.15 121	0.19 96	0.12 100	0.18 127	0.11 133	0.20 159	0.12 144	0.21 162	0.12 149	0.20 155	0.12 141	0.20 156	0.12 146	0.21 166	0.13 144	0.17 139	0.10 73	0.18 159	0.11 129	0.18 152	0.11 125

model_zeroshot	0.27 167	0.20 100	0.27 185	0.33 178	0.21 194	0.37 225	0.22 185	0.37 217	0.24 194	0.26 186	0.27 218	0.33 210	0.21 189	0.25 183	0.27 208	0.32 200	0.20 167	0.34 222	0.23 194	0.25 175	0.26 196

ProNet	0.14 109	0.20 100	0.14 125	0.16 117	0.11 133	0.16 139	0.11 128	0.17 146	0.11 130	0.17 144	0.12 141	0.17 146	0.13 151	0.17 146	0.12 138	0.15 123	0.11 94	0.16 142	0.11 129	0.15 138	0.12 141

DAS	0.20 141	0.20 100	0.20 161	0.20 132	0.20 188	0.20 159	0.20 175	0.20 156	0.20 181	0.20 155	0.20 187	0.20 156	0.20 185	0.20 156	0.20 182	0.20 151	0.20 167	0.20 163	0.20 185	0.20 159	0.20 172

IPLG	0.13 100	0.20 100	0.14 125	0.15 106	0.11 133	0.14 124	0.11 128	0.14 125	0.11 130	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

IPLGR_C	0.14 109	0.20 100	0.12 100	0.15 106	0.11 133	0.14 124	0.15 154	0.14 125	0.11 130	0.15 130	0.12 141	0.14 125	0.11 129	0.16 137	0.11 123	0.15 123	0.12 109	0.14 126	0.12 146	0.15 138	0.12 141

ASD4		0.20 100

MSKI-zero shot	0.24 157	0.21 106	0.49 290	0.65 293	0.18 182	0.22 168	0.17 162	0.23 170	0.18 173	0.21 164	0.17 172	0.23 173	0.28 225	0.23 174	0.18 176	0.21 155	0.16 142	0.21 165	0.16 162	0.21 162	0.16 153

CIPLG	0.13 100	0.21 106	0.12 100	0.16 117	0.11 133	0.15 131	0.11 128	0.14 125	0.11 130	0.15 130	0.12 141	0.15 135	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

MIPNet	0.14 109	0.21 106	0.17 149	0.16 117	0.11 133	0.15 131	0.12 144	0.14 125	0.11 130	0.16 135	0.11 130	0.14 125	0.11 129	0.14 127	0.11 123	0.14 114	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

ACRE	0.13 100	0.21 106	0.14 125	0.15 106	0.11 133	0.14 124	0.11 128	0.14 125	0.11 130	0.14 124	0.12 141	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

Pointernet	0.21 147	0.22 110	0.19 158	0.24 149	0.19 186	0.24 175	0.19 172	0.24 173	0.19 179	0.24 175	0.19 183	0.24 177	0.19 181	0.24 178	0.19 179	0.22 158	0.17 158	0.22 170	0.17 180	0.22 164	0.17 165

test_for_model	0.15 121	0.23 111	0.18 155	0.21 141	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.21 155	0.18 164	0.14 126	0.11 129	0.14 128	0.11 125

WAO-6	0.22 151	0.23 111	0.22 166	0.23 144	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.22 170	0.22 189	0.22 164	0.22 177

IMH-64-1	0.22 151	0.23 111	0.23 169	0.22 142	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.23 176	0.22 189	0.22 164	0.23 179

IMH-64	0.22 151	0.23 111	0.23 169	0.22 142	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.23 176	0.22 189	0.22 164	0.23 179

MIM_Stereo	0.25 158	0.23 111	0.66 328	0.80 310	0.17 175	0.22 168	0.17 162	0.23 170	0.18 173	0.26 186	0.17 172	0.21 163	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.21 165	0.17 180	0.22 164	0.17 165

iResNetv2_ROB	0.20 141	0.23 111	0.18 155	0.24 149	0.20 188	0.24 175	0.18 168	0.24 173	0.18 173	0.24 175	0.18 182	0.23 173	0.19 181	0.24 178	0.18 176	0.21 155	0.16 142	0.21 165	0.16 162	0.22 164	0.16 153

iResNet	0.20 141	0.23 111	0.18 155	0.24 149	0.18 182	0.24 175	0.20 175	0.24 173	0.18 173	0.23 170	0.17 172	0.23 173	0.18 176	0.23 174	0.18 176	0.22 158	0.16 142	0.21 165	0.16 162	0.21 162	0.16 153

Wz-Net-LNSev	0.06 44	0.24 118	0.20 161	0.23 144	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 169	0.21 170	0.02 18	0.01 9	0.01 10	0.01 10

IPLGR	0.14 109	0.24 118	0.14 125	0.16 117	0.12 149	0.15 131	0.12 144	0.14 125	0.11 130	0.15 130	0.12 141	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

tg	0.21 147	0.25 120	0.21 164	0.26 161	0.17 175	0.24 175	0.17 162	0.24 173	0.17 171	0.24 175	0.17 172	0.24 177	0.17 169	0.24 178	0.17 167	0.24 174	0.17 158	0.23 176	0.16 162	0.23 173	0.16 153

UNDER WATER-64	0.25 158	0.26 121	0.25 178	0.26 161	0.25 208	0.25 182	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.26 193	0.25 202	0.25 180	0.25 181	0.25 184	0.25 207	0.25 175	0.25 190

CAS++	0.17 133	0.27 122	0.21 164	0.10 56	0.21 194	0.15 131	0.22 185	0.10 109	0.21 183	0.22 166	0.10 116	0.19 154	0.18 176	0.10 110	0.19 179	0.20 151	0.19 165	0.18 159	0.10 117	0.19 158	0.18 169
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
TorneroNet-64	0.45 251	0.27 122	0.30 196	0.58 280	0.27 218	0.70 346	0.30 231	0.28 186	0.73 374	0.73 348	0.28 225	0.71 348	0.66 352	0.75 349	0.27 208	0.27 184	0.29 206	0.37 246	0.75 395	0.28 182	0.30 232

LoS	0.25 158	0.27 122	0.25 178	0.25 154	0.25 208	0.25 182	0.25 200	0.26 183	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.25 181	0.25 184	0.26 213	0.26 177	0.25 190
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
DLNR_Zeroshot_test	0.31 180	0.28 125	0.47 277	0.79 308	0.24 206	0.30 196	0.26 208	0.30 192	0.24 194	0.32 202	0.23 196	0.31 205	0.24 199	0.30 203	0.23 192	0.29 193	0.26 184	0.29 198	0.24 202	0.33 201	0.23 179

SQANet	0.28 168	0.28 125	0.28 189	0.28 164	0.28 222	0.28 193	0.28 218	0.28 186	0.28 220	0.28 189	0.28 225	0.28 193	0.28 225	0.28 198	0.28 217	0.28 186	0.28 196	0.28 193	0.28 225	0.28 182	0.28 217

HGLStereo	0.28 168	0.29 127	0.22 166	0.36 185	0.22 196	0.36 220	0.21 180	0.36 211	0.21 183	0.42 260	0.21 191	0.36 222	0.22 190	0.36 224	0.21 184	0.34 207	0.21 170	0.34 222	0.21 186	0.34 205	0.21 174

MultiAttention	0.30 173	0.30 128	0.30 196	0.30 166	0.30 240	0.30 196	0.30 231	0.30 192	0.30 236	0.30 193	0.30 241	0.30 201	0.30 238	0.30 203	0.30 234	0.30 194	0.30 214	0.30 200	0.30 245	0.30 188	0.30 232

MSAF-DinoV2	0.30 173	0.30 128	0.30 196	0.30 166	0.30 240	0.30 196	0.30 231	0.30 192	0.30 236	0.30 193	0.30 241	0.30 201	0.30 238	0.30 203	0.30 234	0.30 194	0.30 214	0.30 200	0.30 245	0.30 188	0.30 232

DANet	0.30 173	0.30 128	0.30 196	0.30 166	0.30 240	0.30 196	0.30 231	0.30 192	0.30 236	0.30 193	0.30 241	0.30 201	0.30 238	0.30 203	0.30 234	0.30 194	0.30 214	0.30 200	0.30 245	0.30 188	0.30 232
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	1.26 458	0.31 131	4.99 564	5.93 556	0.20 188	0.25 182	0.20 175	0.25 179	0.20 181	0.23 170	0.19 183	0.25 182	0.20 185	0.25 183	0.20 182	5.66 564	4.76 557	0.26 187	0.30 245	0.24 174	0.27 204

gcap-zeroshot	0.35 200	0.32 132	0.37 235	0.49 253	0.39 295	0.33 211	0.21 180	0.26 183	0.35 265	0.42 260	0.34 263	0.49 299	0.29 231	0.47 283	0.39 287	0.34 207	0.17 158	0.38 253	0.23 194	0.48 287	0.34 256

iResNet_ROB	0.28 168	0.32 132	0.24 175	0.32 174	0.25 208	0.32 209	0.24 197	0.32 197	0.24 194	0.33 207	0.24 202	0.35 216	0.24 199	0.33 214	0.24 196	0.31 199	0.24 180	0.32 207	0.24 202	0.32 195	0.24 189

H2IRNET	0.34 193	0.34 134	0.34 223	0.34 180	0.34 269	0.34 213	0.34 258	0.34 204	0.34 262	0.34 209	0.34 263	0.34 215	0.34 261	0.34 216	0.34 262	0.34 207	0.34 235	0.34 222	0.34 271	0.34 205	0.34 256

MLCV	0.31 180	0.35 135	0.27 185	0.35 181	0.28 222	0.35 217	0.27 211	0.35 207	0.28 220	0.36 216	0.27 218	0.35 216	0.27 219	0.35 218	0.27 208	0.34 207	0.27 190	0.34 222	0.27 221	0.34 205	0.27 204

ETE_ROB	0.35 200	0.35 135	0.35 230	0.35 181	0.35 272	0.35 217	0.35 263	0.35 207	0.35 265	0.35 213	0.35 272	0.35 216	0.35 267	0.35 218	0.35 266	0.35 216	0.35 236	0.35 238	0.35 278	0.35 217	0.35 263

DN-CSS_ROB	0.31 180	0.35 135	0.28 189	0.35 181	0.28 222	0.34 213	0.27 211	0.34 204	0.25 199	0.35 213	0.27 218	0.36 222	0.26 211	0.34 216	0.28 217	0.35 216	0.28 196	0.34 222	0.28 225	0.34 205	0.27 204

RSM	0.36 204	0.36 138	0.43 262	0.37 188	0.42 314	0.49 302	0.42 303	0.37 217	0.28 220	0.36 216	0.29 229	0.36 222	0.30 238	0.37 228	0.28 217	0.34 207	0.31 220	0.34 222	0.35 278	0.40 250	0.29 222

Any-RAFT	0.32 188	0.36 138	0.27 185	0.36 185	0.27 218	0.36 220	0.27 211	0.36 211	0.27 217	0.36 216	0.27 218	0.36 222	0.27 219	0.36 224	0.28 217	0.36 221	0.28 196	0.36 243	0.28 225	0.36 224	0.28 217

LG-Stereo_L2	0.34 193	0.37 140	0.38 238	0.47 243	0.28 222	0.39 238	0.28 218	0.39 229	0.28 220	0.39 228	0.28 225	0.39 235	0.28 225	0.38 230	0.28 217	0.42 268	0.35 236	0.36 243	0.26 213	0.35 217	0.26 196

RAFT-Test	0.36 204	0.37 140	0.33 213	0.41 223	0.32 248	0.41 256	0.32 238	0.41 249	0.32 247	0.41 248	0.32 249	0.41 256	0.32 249	0.41 255	0.33 249	0.37 225	0.29 206	0.37 246	0.29 235	0.38 238	0.31 239

XPNet_ROB	0.37 209	0.37 140	0.37 235	0.37 188	0.37 281	0.37 225	0.37 274	0.37 217	0.37 276	0.37 221	0.37 281	0.37 228	0.37 274	0.37 228	0.37 277	0.37 225	0.37 241	0.37 246	0.37 286	0.37 228	0.37 268

WAO-8	0.38 215	0.38 143	0.38 238	0.38 191	0.38 288	0.38 232	0.38 280	0.38 225	0.38 280	0.38 222	0.38 286	0.38 230	0.38 278	0.38 230	0.38 280	0.38 232	0.38 247	0.38 253	0.37 286	0.38 238	0.38 275

WAO-7	0.38 215	0.38 143	0.38 238	0.38 191	0.38 288	0.38 232	0.38 280	0.38 225	0.38 280	0.38 222	0.38 286	0.38 230	0.38 278	0.38 230	0.38 280	0.38 232	0.38 247	0.38 253	0.38 299	0.38 238	0.38 275

HanzoNet	0.39 223	0.38 143	0.40 248	0.39 197	0.41 304	0.38 232	0.38 280	0.38 225	0.38 280	0.39 228	0.39 291	0.38 230	0.38 278	0.39 238	0.40 291	0.38 232	0.38 247	0.40 268	0.38 299	0.38 238	0.40 283

Venus	0.38 215	0.38 143	0.38 238	0.38 191	0.38 288	0.37 225	0.38 280	0.37 217	0.37 276	0.41 248	0.37 281	0.39 235	0.37 274	0.38 230	0.38 280	0.37 225	0.38 247	0.38 253	0.37 286	0.37 228	0.38 275

IMH	0.38 215	0.38 143	0.38 238	0.38 191	0.38 288	0.38 232	0.38 280	0.38 225	0.38 280	0.42 260	0.38 286	0.40 243	0.38 278	0.38 230	0.38 280	0.38 232	0.38 247	0.39 263	0.38 299	0.38 238	0.38 275

DMCA	0.36 204	0.38 143	0.37 235	0.35 181	0.35 272	0.36 220	0.36 269	0.36 211	0.35 265	0.35 213	0.37 281	0.36 222	0.36 270	0.35 218	0.36 269	0.36 221	0.36 239	0.35 238	0.36 284	0.36 224	0.36 264

StereoDRNet-Refined	0.33 191	0.39 149	0.26 184	0.39 197	0.26 216	0.40 240	0.26 208	0.40 234	0.26 212	0.39 228	0.26 214	0.39 235	0.26 211	0.39 238	0.26 207	0.37 225	0.25 181	0.37 246	0.25 207	0.37 228	0.37 268
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 405	0.39 149	5.28 566	0.39 197	0.20 188	0.39 238	0.27 211	0.39 229	0.22 186	0.38 222	0.20 187	0.38 230	0.20 185	6.95 577	0.22 186	0.30 194	0.21 170	0.27 191	0.21 186	5.25 558	0.21 174

EKT-Stereo	0.37 209	0.40 151	0.44 264	1.07 349	0.29 230	0.34 213	0.31 237	0.36 211	0.29 225	0.38 222	0.31 246	0.37 228	0.30 238	0.36 224	0.29 227	0.34 207	0.28 196	0.39 263	0.30 245	0.37 228	0.30 232

knoymous	0.40 227	0.40 151	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283

anonymousa	0.40 227	0.40 151	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283

riskmin	0.40 227	0.40 151	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283

Anonymous_2	0.40 227	0.40 151	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283

Anonymous_1	0.40 227	0.40 151	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283

AdaStereo	0.40 227	0.40 151	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283
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	0.34 193	0.41 158	0.31 204	0.39 197	0.29 230	0.40 240	0.32 238	0.41 249	0.32 247	0.38 222	0.30 241	0.39 235	0.30 238	0.38 230	0.32 241	0.35 216	0.27 190	0.34 222	0.27 221	0.34 205	0.29 222

GwcNet-ADL	0.41 234	0.41 158	0.41 256	0.41 223	0.41 304	0.41 256	0.41 298	0.41 249	0.41 299	0.41 248	0.41 300	0.41 256	0.41 296	0.41 255	0.41 298	0.41 254	0.41 266	0.41 281	0.41 310	0.41 260	0.41 290

PSMNet-ADL	0.41 234	0.41 158	0.41 256	0.41 223	0.41 304	0.41 256	0.41 298	0.41 249	0.41 299	0.41 248	0.41 300	0.41 256	0.41 296	0.41 255	0.41 298	0.41 254	0.41 266	0.41 281	0.41 310	0.41 260	0.41 290

GANet-ADL	0.41 234	0.41 158	0.41 256	0.41 223	0.41 304	0.41 256	0.41 298	0.41 249	0.41 299	0.41 248	0.41 300	0.41 256	0.41 296	0.41 255	0.41 298	0.41 254	0.41 266	0.41 281	0.41 310	0.41 260	0.41 290

ADLNet2	0.41 234	0.41 158	0.41 256	0.41 223	0.41 304	0.41 256	0.41 298	0.41 249	0.41 299	0.41 248	0.41 300	0.41 256	0.41 296	0.41 255	0.41 298	0.41 254	0.41 266	0.41 281	0.41 310	0.41 260	0.41 290

ADLNet	0.41 234	0.41 158	0.41 256	0.41 223	0.41 304	0.41 256	0.41 298	0.41 249	0.41 299	0.41 248	0.41 300	0.41 256	0.41 296	0.41 255	0.41 298	0.41 254	0.41 266	0.41 281	0.41 310	0.41 260	0.41 290

DGSMNet	0.34 193	0.41 158	0.27 185	0.41 223	0.28 222	0.41 256	0.28 218	0.41 249	0.27 217	0.41 248	0.27 218	0.42 272	0.27 219	0.41 255	0.28 217	0.40 246	0.29 206	0.40 268	0.28 225	0.40 250	0.27 204

iRaft-Stereo_5w	0.34 193	0.42 165	0.31 204	0.39 197	0.30 240	0.38 232	0.30 231	0.40 234	0.29 225	0.40 234	0.37 281	0.41 256	0.34 261	0.38 230	0.30 234	0.34 207	0.27 190	0.34 222	0.26 213	0.34 205	0.26 196

GREAT-IGEV	0.38 215	0.43 166	0.36 232	0.48 247	0.32 248	0.45 281	0.32 238	0.45 271	0.32 247	0.45 271	0.32 249	0.45 278	0.32 249	0.45 275	0.32 241	0.44 270	0.33 232	0.41 281	0.29 235	0.41 260	0.29 222

fffy	0.38 215	0.43 166	0.33 213	0.46 237	0.33 259	0.45 281	0.32 238	0.45 271	0.32 247	0.45 271	0.32 249	0.45 278	0.33 256	0.45 275	0.32 241	0.38 232	0.38 247	0.38 253	0.37 286	0.37 228	0.36 264

IGEV++	0.34 193	0.43 166	0.30 196	0.40 211	0.29 230	0.40 240	0.29 226	0.40 234	0.29 225	0.40 234	0.29 229	0.40 243	0.29 231	0.40 241	0.30 234	0.38 232	0.29 206	0.37 246	0.29 235	0.37 228	0.29 222

ccccc		0.44 169		0.48 247	0.35 272	0.48 297		0.51 307		0.47 281		0.47 288		0.47 283		0.41 254	0.40 257	0.40 268	0.40 303	0.41 260

Wz-Net-LNSev-Ref	0.11 84	0.44 169	0.33 213	0.39 197	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 242	0.36 239	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-Stereo	0.35 200	0.44 169	0.45 266	0.49 253	0.30 240	0.37 225	0.30 231	0.36 211	0.30 236	0.36 216	0.29 229	0.36 222	0.29 231	0.36 224	0.30 234	0.46 275	0.39 254	0.32 207	0.24 202	0.32 195	0.25 190
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HART	0.38 215	0.45 172	0.34 223	0.42 232	0.33 259	0.41 256	0.34 258	0.42 265	0.33 253	0.43 266	0.34 263	0.42 272	0.34 261	0.41 255	0.38 280	0.40 246	0.32 224	0.42 292	0.32 259	0.40 250	0.32 243

mms	0.40 227	0.45 172	0.35 230	0.48 247	0.36 278	0.47 292	0.34 258	0.45 271	0.38 280	0.47 281	0.33 255	0.45 278	0.32 249	0.45 275	0.32 241	0.39 242	0.38 247	0.38 253	0.37 286	0.39 245	0.39 281

GMOStereo	0.37 209	0.45 172	0.23 169	0.30 166	0.37 281	0.41 256	0.36 269	0.41 249	0.35 265	0.43 266	0.36 275	0.41 256	0.40 285	0.41 255	0.36 269	0.34 207	0.22 174	0.47 307	0.37 286	0.39 245	0.33 250

RAFT + AFF	0.31 180	0.45 172	0.34 223	0.39 197	0.28 222	0.38 232	0.33 247	0.29 190	0.31 244	0.30 193	0.30 241	0.29 198	0.27 219	0.29 201	0.30 234	0.28 186	0.29 206	0.29 198	0.29 235	0.27 180	0.32 243

otaku	0.46 256	0.46 176	0.46 270	0.46 237	0.46 321	0.46 287	0.46 312	0.46 275	0.46 312	0.46 275	0.46 319	0.46 282	0.46 312	0.46 279	0.46 313	0.46 275	0.46 283	0.46 302	0.46 322	0.46 275	0.46 304

Dean	0.46 256	0.46 176	0.46 270	0.46 237	0.46 321	0.46 287	0.46 312	0.46 275	0.46 312	0.47 281	0.46 319	0.46 282	0.46 312	0.46 279	0.46 313	0.46 275	0.46 283	0.46 302	0.46 322	0.46 275	0.46 304

ACVNet-4b	0.46 256	0.46 176	0.46 270	0.46 237	0.46 321	0.46 287	0.46 312	0.46 275	0.46 312	0.46 275	0.46 319	0.46 282	0.46 312	0.47 283	0.46 313	0.46 275	0.46 283	0.46 302	0.46 322	0.46 275	0.46 304

psmorigin	0.41 234	0.46 176	0.33 213	0.49 253	0.33 259	0.49 302	0.33 247	0.49 289	0.33 253	0.49 295	0.33 255	0.49 299	0.33 256	0.51 312	0.33 249	0.41 254	0.30 214	0.41 281	0.30 245	0.79 336	0.29 222

Ntro	0.47 262	0.47 180	0.46 270	0.46 237	0.46 321	0.47 292	0.47 317	0.46 275	0.47 317	0.46 275	0.46 319	0.47 288	0.46 312	0.47 283	0.47 319	0.47 280	0.46 283	0.46 302	0.46 322	0.46 275	0.46 304

HaxPig	0.47 262	0.47 180	0.47 277	0.49 253	0.47 327	0.47 292	0.47 317	0.47 281	0.47 317	0.47 281	0.47 327	0.47 288	0.47 320	0.47 283	0.47 319	0.47 280	0.47 291	0.47 307	0.47 329	0.47 283	0.48 313

UNDER WATER	0.47 262	0.47 180	0.47 277	0.47 243	0.47 327	0.47 292	0.47 317	0.47 281	0.47 317	0.47 281	0.47 327	0.47 288	0.46 312	0.47 283	0.47 319	0.47 280	0.47 291	0.47 307	0.46 322	0.47 283	0.47 311

LVE	0.47 262	0.47 180	0.47 277	0.47 243	0.49 333	0.47 292	0.47 317	0.47 281	0.49 326	0.47 281	0.47 327	0.47 288	0.46 312	0.47 283	0.47 319	0.47 280	0.47 291	0.48 315	0.47 329	0.47 283	0.47 311

ACVNet_1	0.46 256	0.47 180	0.46 270	0.46 237	0.46 321	0.46 287	0.46 312	0.46 275	0.47 317	0.46 275	0.46 319	0.46 282	0.46 312	0.46 279	0.46 313	0.46 275	0.46 283	0.47 307	0.46 322	0.46 275	0.46 304

CES	0.39 223	0.47 180	0.36 232	0.36 185	0.37 281	0.45 281	0.35 263	0.35 207	0.40 290	0.36 216	0.44 314	0.47 288	0.36 270	0.44 272	0.36 269	0.37 225	0.39 254	0.44 295	0.35 278	0.37 228	0.36 264

xyz-stereo-finetune2	0.18 136	0.48 186	0.16 142	0.16 117	0.15 165	0.15 131	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

RainbowNet	0.48 267	0.48 186	0.48 285	0.48 247	0.48 331	0.48 297	0.48 326	0.48 285	0.48 324	0.48 288	0.48 331	0.48 295	0.48 321	0.48 292	0.48 325	0.48 284	0.48 295	0.48 315	0.48 332	0.48 287	0.48 313

xyz-stereo-finetune	0.28 168	0.49 188	0.16 142	0.16 117	0.16 172	0.16 139	0.16 157	0.22 166	0.30 236	0.32 202	0.31 246	0.32 207	0.31 247	0.32 208	0.32 241	0.32 200	0.33 232	0.31 206	0.32 259	0.31 193	0.32 243

GIP-stereo	0.36 204	0.49 188	0.39 245	0.48 247	0.32 248	0.41 256	0.28 218	0.40 234	0.30 236	0.41 248	0.28 225	0.40 243	0.28 225	0.42 268	0.28 217	0.45 272	0.32 224	0.38 253	0.30 245	0.37 228	0.27 204

notaker	0.48 267	0.49 188	0.48 285	0.48 247	0.48 331	0.48 297	0.48 326	0.48 285	0.49 326	0.48 288	0.48 331	0.48 295	0.48 321	0.48 292	0.48 325	0.48 284	0.48 295	0.48 315	0.48 332	0.48 287	0.49 318

ACVNet_2	0.49 273	0.49 188	0.49 290	0.49 253	0.49 333	0.49 302	0.49 328	0.49 289	0.49 326	0.49 295	0.49 334	0.49 299	0.49 326	0.49 298	0.49 327	0.49 287	0.49 298	0.49 320	0.49 335	0.49 291	0.49 318

xyz-stereo	0.18 136	0.50 192	0.16 142	0.15 106	0.16 172	0.16 139	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

FoundationStereo	0.50 275	0.50 192	0.50 294	0.50 260	0.50 337	0.50 310	0.50 330	0.50 297	0.50 329	0.50 307	0.50 336	0.50 313	0.50 329	0.50 305	0.50 328	0.50 293	0.50 304	0.50 324	0.50 337	0.50 296	0.50 321

StereoAnything_RVC	0.50 275	0.50 192	0.50 294	0.50 260	0.50 337	0.50 310	0.50 330	0.50 297	0.50 329	0.50 307	0.50 336	0.50 313	0.50 329	0.50 305	0.50 328	0.50 293	0.50 304	0.50 324	0.50 337	0.50 296	0.50 321

dual_stereo	0.50 275	0.50 192	0.50 294	0.50 260	0.50 337	0.50 310	0.50 330	0.50 297	0.50 329	0.50 307	0.50 336	0.50 313	0.50 329	0.50 305	0.50 328	0.50 293	0.50 304	0.50 324	0.50 337	0.50 296	0.50 321

KSHMR	0.66 303	0.50 192	0.48 285	1.15 359	0.52 343	0.49 302	0.51 334	0.49 289	0.71 368	0.67 343	0.50 336	1.16 418	1.11 416	0.66 338	0.52 335	0.49 287	0.49 298	0.51 329	0.66 363	0.50 296	1.14 428

WZ-Net	0.05 41	0.50 192	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

SANet	0.50 275	0.50 192	0.50 294	0.50 260	0.50 337	0.50 310	0.50 330	0.50 297	0.50 329	0.50 307	0.50 336	0.50 313	0.50 329	0.50 305	0.50 328	0.50 293	0.50 304	0.50 324	0.50 337	0.50 296	0.50 321

fffft	0.48 267	0.51 199	0.45 266	0.52 268	0.45 319	0.52 321	0.45 310	0.52 309	0.48 324	0.53 318	0.45 317	0.52 320	0.45 309	0.52 315	0.46 313	0.51 299	0.41 266	0.50 324	0.41 310	0.50 296	0.41 290
1: 1. 1
CASnet	0.35 200	0.51 199	0.44 264	0.32 174	0.31 246	0.24 175	0.34 258	0.36 211	0.25 199	0.31 197	0.37 281	0.30 201	0.33 256	0.25 183	0.45 309	0.37 225	0.37 241	0.33 215	0.35 278	0.34 205	0.37 268
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LG-Stereo_L1	0.47 262	0.52 201	0.47 277	0.62 287	0.39 295	0.53 323	0.40 290	0.53 311	0.39 289	0.53 318	0.39 291	0.53 321	0.39 284	0.53 317	0.39 287	0.55 306	0.46 283	0.49 320	0.37 286	0.49 291	0.37 268

Occ-G	1.12 406	0.52 201	3.72 558	3.50 521	0.50 337	0.56 328	0.47 317	0.54 313	0.46 312	0.54 321	0.41 300	0.54 324	0.42 302	0.52 315	0.42 305	3.42 534	4.02 553	0.52 332	0.45 320	0.51 302	0.44 301

AEACV	1.12 406	0.52 201	3.12 550	3.24 506	0.86 390	0.53 323	0.49 328	0.60 326	0.47 317	0.53 318	0.49 334	0.55 328	0.45 309	0.55 322	0.47 319	3.01 530	3.88 551	0.71 353	0.60 354	0.80 340	0.48 313

ktn	0.72 317	0.53 204	1.08 400	1.14 357	0.51 342	1.22 466	1.36 491	0.51 307	0.59 344	0.51 312	0.51 342	0.69 347	1.20 427	0.67 340	0.51 333	0.51 299	0.49 298	0.58 338	0.66 363	0.52 304	0.53 329

TorneroNet	0.66 303	0.53 204	0.50 294	0.50 260	0.64 362	1.06 386	0.70 362	0.50 297	0.51 336	0.49 295	0.69 368	0.49 299	0.50 329	0.48 292	1.15 428	0.71 331	0.49 298	1.14 420	1.08 424	0.49 291	0.49 318

ICVP	0.15 121	0.53 204	0.11 89	0.16 117	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125
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 44	0.54 207	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 94	0.01 9	0.01 9	0.01 10	0.01 10

PSMNet_ROB	0.54 285	0.54 207	0.54 307	0.54 271	0.53 346	0.54 326	0.54 338	0.53 311	0.54 339	0.54 321	0.54 346	0.54 324	0.53 336	0.54 319	0.54 338	0.54 304	0.53 312	0.54 335	0.54 343	0.54 308	0.54 332

LG-Stereo_Zeroshot	0.48 267	0.55 209	0.47 277	0.63 289	0.41 304	0.56 328	0.44 306	0.56 316	0.41 299	0.56 326	0.41 300	0.57 332	0.42 302	0.56 323	0.41 298	0.55 306	0.43 277	0.51 329	0.37 286	0.51 302	0.37 268

Selective-IGEV	0.51 280	0.55 209	0.45 266	0.69 298	0.45 319	0.61 336	0.45 310	0.50 297	0.40 290	0.56 326	0.44 314	0.55 328	0.40 285	0.72 344	0.67 354	0.59 311	0.46 283	0.45 299	0.34 271	0.46 275	0.37 268

Monster-pub-mixall	0.44 248	0.56 211	0.60 314	0.38 191	0.27 218	0.37 225	0.27 211	0.37 217	0.29 225	0.38 222	0.27 218	0.38 230	0.29 231	0.85 361	0.27 208	1.46 465	0.26 184	0.34 222	0.26 213	0.36 224	0.53 329

Monster-pub-eth3d	0.45 251	0.57 212	0.60 314	0.39 197	0.28 222	0.37 225	0.28 218	0.37 217	0.30 236	0.39 228	0.29 229	0.39 235	0.30 238	0.92 372	0.27 208	1.42 462	0.28 196	0.34 222	0.28 225	0.37 228	0.53 329

Replicate-Monster	0.45 251	0.57 212	0.60 314	0.40 211	0.29 230	0.37 225	0.27 211	0.37 217	0.30 236	0.40 234	0.31 246	0.40 243	0.30 238	0.99 381	0.27 208	1.36 457	0.31 220	0.34 222	0.30 245	0.36 224	0.54 332

LG-Stereo	0.60 293	0.58 214	0.47 277	0.64 292	0.74 382	1.00 378	0.69 359	0.57 319	0.41 299	0.57 328	0.41 300	0.57 332	0.41 296	1.00 383	0.75 373	0.91 353	0.51 308	0.52 332	0.37 286	0.52 304	0.37 268

AIO-test2	0.55 289	0.59 215	0.52 302	0.67 297	0.47 327	0.61 336	0.47 317	0.61 328	0.47 317	0.61 333	0.47 327	0.61 338	0.48 321	0.62 331	0.47 319	0.64 321	0.53 312	0.58 338	0.47 329	0.58 311	0.48 313

FCDSN-DC	0.41 234	0.59 215	0.64 324	0.54 271	0.33 259	0.50 310	0.37 274	0.42 265	0.40 290	0.61 333	0.43 312	0.50 313	0.49 326	0.38 230	0.32 241	0.28 186	0.23 178	0.26 187	0.22 189	0.35 217	0.28 217
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AIO-test1	0.54 285	0.60 217	0.52 302	0.66 296	0.47 327	0.61 336	0.47 317	0.58 322	0.46 312	0.61 333	0.46 319	0.61 338	0.45 309	0.62 331	0.45 309	0.61 316	0.52 310	0.57 337	0.48 332	0.57 310	0.48 313

DispNO	1.00 374	0.63 218	0.43 262	3.45 517	0.44 317	0.65 342	0.43 305	0.64 331	0.43 307	0.64 339	0.43 312	0.64 341	3.03 536	0.64 336	0.43 307	4.55 543	0.43 277	0.63 343	0.43 318	0.63 315	0.43 298

LMCR-Stereo	0.65 301	0.63 218	0.65 327	0.65 293	0.65 364	0.66 343	0.63 346	0.58 322	0.65 353	0.63 338	0.64 358	0.65 344	0.65 349	0.66 338	0.66 353	0.66 324	0.64 331	0.65 347	0.67 367	0.68 319	0.73 382

MonSter	0.60 293	0.64 220	0.52 302	0.62 287	0.44 317	2.07 501	0.44 306	0.62 329	0.44 310	0.62 336	0.44 314	0.62 340	0.44 307	0.62 331	0.44 308	0.58 310	0.42 274	0.62 341	0.46 322	0.58 311	0.42 297

AIO-Stereo	0.84 347	0.66 221	0.70 336	0.83 314	0.67 368	0.98 376	0.82 399	1.14 393	0.72 370	1.03 385	0.74 380	1.03 389	1.09 415	0.99 381	0.45 309	1.04 367	0.73 347	0.95 387	0.74 394	0.94 361	0.46 304

anonymity	0.63 298	0.69 222	0.56 309	0.71 302	0.56 349	0.71 348	0.56 339	0.71 340	0.56 340	0.72 347	0.56 347	0.71 348	0.56 340	0.71 343	0.58 342	0.68 326	0.55 314	0.68 349	0.55 344	0.68 319	0.54 332

CoDeX	0.15 121	0.70 223	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 354	0.02 15	0.69 340	0.75 357	0.01 9	0.02 20	0.02 20

RAFT-Stereo + iAFF	0.70 312	0.72 224	0.71 339	0.80 310	0.62 360	0.82 358	0.61 344	0.81 350	0.62 348	0.81 360	0.63 355	0.80 361	0.70 359	0.73 346	0.61 347	0.76 336	0.61 328	0.74 356	0.61 356	0.77 332	0.61 345

DSFCA	0.66 303	0.73 225	0.78 368	0.65 293	0.65 364	0.64 341	0.64 347	0.65 332	0.63 350	0.64 339	0.64 358	0.64 341	0.64 347	0.65 337	0.65 350	0.65 322	0.65 333	0.65 347	0.65 361	0.66 317	0.64 350

SMoEStereo_RVC	0.63 298	0.75 226	0.51 299	0.73 304	0.53 346	0.71 348	0.47 317	0.67 335	0.58 342	0.74 353	0.60 349	0.72 351	0.53 336	0.74 348	0.51 333	0.61 316	0.62 329	0.62 341	0.61 356	0.63 315	0.61 345

GCAP-BAT	0.33 191	0.78 227	0.32 208	0.38 191	0.25 208	0.34 213	0.25 200	0.34 204	0.26 212	0.34 209	0.25 208	0.35 216	0.26 211	0.35 218	0.27 208	0.36 221	0.30 214	0.32 207	0.24 202	0.32 195	0.26 196

SFCPSM	0.17 133	0.78 227	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 396	0.02 15	0.75 350	0.76 359	0.02 20	0.02 20	0.02 20

G-Net	0.79 330	0.79 229	0.79 373	0.79 308	0.79 386	0.79 355	0.79 388	0.79 345	0.79 398	0.79 357	0.79 400	0.79 360	0.79 390	0.79 351	0.79 396	0.79 338	0.79 354	0.79 363	0.79 402	0.79 336	0.79 393

DMCA-RVC	0.70 312	0.80 230	0.70 336	0.70 300	0.70 374	0.70 346	0.70 362	0.71 340	0.70 363	0.70 346	0.71 374	0.71 348	0.70 359	0.70 342	0.69 361	0.69 327	0.70 341	0.69 350	0.70 372	0.69 323	0.70 358

NaN_ROB	0.80 332	0.80 230	0.80 374	0.80 310	0.80 388	0.80 356	0.80 392	0.80 347	0.80 399	0.80 358	0.80 401	0.80 361	0.80 391	0.80 353	0.80 398	0.80 339	0.80 357	0.80 366	0.80 404	0.80 340	0.80 395

CSAN	0.80 332	0.80 230	0.80 374	0.80 310	0.80 388	0.80 356	0.80 392	0.80 347	0.80 399	0.80 358	0.80 401	0.80 361	0.80 391	0.80 353	0.80 398	0.80 339	0.80 357	0.80 366	0.80 404	0.80 340	0.80 395

testlalala	0.32 188	0.81 233	0.31 204	0.39 197	0.26 216	0.33 211	0.24 197	0.33 200	0.26 212	0.32 202	0.26 214	0.33 210	0.23 196	0.33 214	0.23 192	0.35 216	0.31 220	0.30 200	0.24 202	0.31 193	0.21 174

ARAFT	0.68 308	0.81 233	0.63 321	0.74 305	0.60 352	0.78 353	0.62 345	0.77 344	0.66 355	0.74 353	0.63 355	0.75 355	0.62 346	0.83 356	0.60 345	0.70 330	0.55 314	0.70 352	0.60 354	0.78 333	0.55 337

RSM++	0.76 325	0.82 235	0.66 328	0.85 317	0.64 362	0.85 360	0.71 365	0.94 368	0.64 352	0.87 363	0.67 364	0.87 367	0.65 349	0.84 357	0.65 350	0.81 342	0.70 341	0.79 363	0.71 378	0.83 347	0.70 358

water-stereo	0.41 234	0.84 236	0.46 270	0.50 260	0.33 259	0.45 281	0.33 247	0.45 271	0.32 247	0.45 271	0.32 249	0.45 278	0.32 249	0.45 275	0.32 241	0.44 270	0.41 266	0.39 263	0.31 254	0.39 245	0.32 243

Selective-RAFT-Error	0.88 352	0.84 236	0.98 392	0.86 318	0.97 402	0.88 363	0.95 411	0.84 352	0.99 421	0.92 370	0.82 406	0.84 366	0.98 405	0.87 362	0.97 413	0.81 342	0.83 360	0.79 363	0.82 407	0.79 336	0.85 400

depthmonostereo	0.44 248	0.85 238	0.46 270	0.54 271	0.40 297	0.52 321	0.38 280	0.52 309	0.35 265	0.47 281	0.34 263	0.46 282	0.34 261	0.47 283	0.34 262	0.45 272	0.43 277	0.41 281	0.33 267	0.41 260	0.32 243

MS	0.88 352	0.86 239	0.69 335	0.94 331	0.71 376	0.89 366	0.77 381	0.91 359	0.72 370	0.87 363	0.65 360	0.93 378	0.74 367	0.93 374	0.63 348	2.77 527	0.66 335	0.80 366	0.59 352	0.79 336	0.75 387

DilatedVolume-Stereo	0.43 244	0.86 239	0.48 285	0.50 260	0.33 259	0.46 287	0.33 247	0.46 275	0.33 253	0.46 275	0.33 255	0.47 288	0.33 256	0.47 283	0.34 262	0.45 272	0.42 274	0.40 268	0.33 267	0.47 283	0.38 275

AIO-Stereo-zeroshot	0.91 357	0.86 239	0.89 380	1.25 416	0.69 372	1.05 385	0.81 396	1.16 401	0.50 329	1.12 408	0.97 417	0.72 351	0.82 394	1.06 389	0.95 411	0.61 316	0.87 362	1.03 411	0.85 410	1.04 382	1.01 417

SM2	0.88 352	0.87 242	0.63 321	1.03 347	0.63 361	0.94 372	0.64 347	0.91 359	0.63 350	0.95 376	0.63 355	0.92 374	0.71 363	0.89 365	0.73 369	2.92 529	0.56 316	0.78 362	0.61 356	0.78 333	0.79 393

test_sample3	0.09 51	0.87 242	0.10 69	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 242	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

SCV_C0	0.45 251	0.88 245	0.49 290	0.54 271	0.37 281	0.48 297	0.37 274	0.48 285	0.37 276	0.48 288	0.36 275	0.48 295	0.37 274	0.49 298	0.37 277	0.50 293	0.41 266	0.44 295	0.34 271	0.44 270	0.34 256

tt45	1.04 397	0.88 245	1.36 477	0.92 325	1.03 421	1.51 482	0.79 388	0.70 339	0.88 406	0.74 353	0.90 409	1.60 482	0.72 365	1.60 479	0.75 373	0.91 353	0.78 353	1.52 491	0.79 402	1.14 395	1.32 492

AFF-stereo	0.73 319	0.88 245	0.67 332	0.75 306	0.68 371	0.75 350	0.64 347	0.80 347	0.72 370	0.83 362	0.70 370	0.82 365	0.64 347	0.84 357	0.67 354	0.77 337	0.63 330	0.81 369	0.63 359	0.78 333	0.62 348

CASS	0.57 292	0.89 248	0.56 309	0.57 278	0.56 349	0.56 328	0.56 339	0.56 316	0.53 337	0.57 328	0.57 348	0.59 336	0.48 321	0.56 323	0.57 341	0.55 306	0.56 316	0.47 307	0.56 348	0.62 314	0.56 340
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 356	0.89 248	0.72 342	1.16 364	0.78 385	1.06 386	0.82 399	0.87 353	0.97 418	1.00 379	0.91 412	0.90 371	1.00 406	0.89 365	0.93 410	0.83 347	0.83 360	0.82 373	0.82 407	0.81 343	0.82 398

MLG-Stereo	0.92 359	0.90 250	0.84 378	1.27 417	0.49 333	1.38 476	0.88 403	1.41 472	0.97 418	0.73 348	1.09 425	1.26 471	0.43 305	0.72 344	1.05 421	1.13 378	0.49 298	1.18 429	0.66 363	1.01 368	0.46 304

UNet	0.29 172	0.90 250	0.10 69	0.14 96	0.10 118	0.14 124	0.10 115	0.91 359	0.69 360	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.10 111	0.12 91	0.09 68	0.12 121	0.09 110	0.88 351	0.76 389

xxxxx1	0.31 180	0.91 252	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

tt_ll	0.31 180	0.91 252	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

ff	0.31 180	0.91 252	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

DPSM_ROB	0.92 359	0.91 252	0.91 385	0.91 322	0.92 397	0.92 369	0.92 407	0.92 364	0.91 408	0.93 372	0.91 412	0.92 374	0.90 399	0.91 368	0.92 406	0.92 356	0.91 376	0.91 382	0.92 411	0.93 359	0.93 407

DPSM	0.92 359	0.91 252	0.91 385	0.91 322	0.92 397	0.92 369	0.92 407	0.92 364	0.91 408	0.93 372	0.91 412	0.92 374	0.90 399	0.91 368	0.92 406	0.92 356	0.91 376	0.91 382	0.92 411	0.93 359	0.93 407

AIO-Stereo-zeroshot1	0.75 321	0.92 257	0.85 379	0.96 337	0.59 351	1.27 469	0.44 306	0.59 324	0.69 360	0.91 368	0.68 365	0.55 328	0.61 345	1.06 389	0.83 402	0.62 319	0.70 341	0.90 379	0.41 310	0.89 352	0.56 340

pmcnn	0.92 359	0.92 257	0.92 387	0.92 325	0.92 397	0.92 369	0.92 407	0.92 364	0.92 412	0.92 370	0.92 415	0.92 374	0.92 401	0.92 372	0.92 406	0.92 356	0.92 379	0.92 384	0.92 411	0.92 358	0.92 406

AdaDepth	0.86 350	0.93 259	0.71 339	1.01 344	1.07 430	1.02 383	0.71 365	1.00 372	0.71 368	1.01 383	0.71 374	1.00 384	0.72 365	1.14 416	0.71 367	0.92 356	0.64 331	0.90 379	0.64 360	0.89 352	0.69 357

tt1	0.31 180	0.93 259	0.24 175	0.33 178	0.23 201	0.31 201	0.24 197	0.32 197	0.24 194	0.32 202	0.23 196	0.32 207	0.25 202	0.32 208	0.24 196	0.27 184	0.26 184	0.27 191	0.26 213	0.27 180	0.27 204

SCV	0.46 256	0.94 261	0.45 266	0.54 271	0.37 281	0.48 297	0.38 280	0.48 285	0.37 276	0.48 288	0.39 291	0.48 295	0.37 274	0.49 298	0.37 277	0.50 293	0.46 283	0.44 295	0.34 271	0.44 270	0.34 256

tta	0.09 51	0.95 262	0.09 65	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

R-Stereo Train	0.81 337	0.96 263	0.67 332	0.95 334	0.67 368	0.95 373	0.68 356	0.95 370	0.68 357	0.95 376	0.68 365	0.96 381	0.68 355	0.96 379	0.68 357	0.94 361	0.68 336	0.94 385	0.68 368	0.94 361	0.68 355

RAFT-Stereo	0.81 337	0.96 263	0.67 332	0.95 334	0.67 368	0.95 373	0.68 356	0.95 370	0.68 357	0.95 376	0.68 365	0.96 381	0.68 355	0.96 379	0.68 357	0.94 361	0.68 336	0.94 385	0.68 368	0.94 361	0.68 355
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
test_sample6	0.09 51	0.97 265	0.10 69	0.10 56	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

zh-sn7	0.10 62	0.98 266	0.14 125	0.15 106	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

Former-RAFT_DAM_RVC	0.49 273	0.98 266	0.64 324	0.84 315	0.46 321	0.45 281	0.35 263	0.47 281	0.47 317	0.45 271	0.34 263	0.46 282	0.48 321	0.46 279	0.35 266	0.39 242	0.71 345	0.39 263	0.35 278	0.41 260	0.41 290

dd	0.23 155	0.98 266	0.16 142	0.23 144	0.15 165	0.23 174	0.15 154	0.23 170	0.15 164	0.23 170	0.15 166	0.24 177	0.17 169	0.23 174	0.15 158	0.22 158	0.15 140	0.21 165	0.15 161	0.22 164	0.16 153

222	0.10 62	0.99 269	0.12 100	0.13 92	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.04 77	0.03 51

test_sample7	0.09 51	1.00 270	0.11 89	0.11 73	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

ACVNet-DCA	0.37 209	1.00 270	0.30 196	0.40 211	0.29 230	0.40 240	0.29 226	0.40 234	0.29 225	0.40 234	0.29 229	0.40 243	0.29 231	0.39 238	0.28 217	0.33 204	0.32 224	0.33 215	0.32 259	0.33 201	0.32 243

GANet	1.00 374	1.00 270	1.00 394	1.00 341	1.00 405	1.00 378	1.00 415	1.00 372	1.00 422	1.00 379	1.00 419	1.00 384	1.00 406	1.00 383	1.00 416	1.00 363	1.00 387	1.00 392	1.00 418	1.00 365	1.00 414

TDLM	1.00 374	1.00 270	1.00 394	1.00 341	1.00 405	1.00 378	1.00 415	1.00 372	1.00 422	1.00 379	1.00 419	1.00 384	1.00 406	1.00 383	1.00 416	1.00 363	1.00 387	1.00 392	1.00 418	1.00 365	1.00 414

CVANet_RVC	1.00 374	1.00 270	1.00 394	1.00 341	1.00 405	1.00 378	1.00 415	1.00 372	1.00 422	1.00 379	1.00 419	1.00 384	1.00 406	1.00 383	1.00 416	1.00 363	1.00 387	1.00 392	1.00 418	1.00 365	1.00 414

DGTPSM_ROB	0.93 364	1.00 270	0.92 387	0.94 331	0.96 401	0.91 368	0.92 407	0.91 359	0.96 417	0.91 368	0.96 416	0.93 378	0.92 401	0.94 375	0.92 406	0.92 356	0.92 379	0.90 379	0.92 411	0.94 361	0.91 405

trnet	1.01 386	1.01 276	1.01 397	1.01 344	1.01 411	1.01 382	1.01 418	1.01 376	1.01 425	1.01 383	1.01 422	1.01 388	1.01 412	1.01 387	1.01 419	1.01 366	1.01 390	1.01 395	1.01 422	1.01 368	1.01 417

SMFormer	0.09 51	1.01 276	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 276	0.10 69	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

GLC_STEREO	1.07 401	1.01 276	1.06 399	1.07 349	1.05 425	1.06 386	1.08 422	1.08 378	1.05 428	1.07 387	1.06 424	1.08 391	1.05 414	1.06 389	1.10 423	1.07 369	1.09 401	1.05 415	1.05 423	1.06 389	1.12 424

1test111	0.37 209	1.02 280	0.30 196	0.39 197	0.29 230	0.40 240	0.28 218	0.39 229	0.29 225	0.39 228	0.29 229	0.39 235	0.28 225	0.40 241	0.29 227	0.33 204	0.32 224	0.33 215	0.31 254	0.32 195	0.31 239

cc1	0.37 209	1.02 280	0.30 196	0.39 197	0.29 230	0.40 240	0.28 218	0.39 229	0.29 225	0.39 228	0.29 229	0.39 235	0.28 225	0.40 241	0.29 227	0.33 204	0.32 224	0.33 215	0.31 254	0.32 195	0.31 239

test_sample4	0.10 62	1.03 282	0.12 100	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

test_sample2	0.09 51	1.03 282	0.11 89	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

xx1	0.38 215	1.03 282	0.31 204	0.40 211	0.31 246	0.41 256	0.28 218	0.40 234	0.29 225	0.40 234	0.29 229	0.40 243	0.29 231	0.40 241	0.29 227	0.34 207	0.33 232	0.34 222	0.32 259	0.34 205	0.32 243

dad	0.23 155	1.03 282	0.16 142	0.23 144	0.15 165	0.24 175	0.15 154	0.24 173	0.16 166	0.23 170	0.16 167	0.24 177	0.16 165	0.23 174	0.15 158	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

DualNet (step1)	0.10 62	1.05 286	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 286	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 286	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 62	1.07 289	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

DualNet	0.10 62	1.07 289	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 62	1.09 291	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.03 43	0.02 20

test_xeample	0.10 62	1.09 291	0.13 120	0.12 79	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 137	0.03 38	0.03 54	0.03 43	0.03 51

FC-DCNN	1.07 401	1.09 291	0.98 392	0.89 319	0.52 343	1.41 479	0.91 406	1.21 458	1.24 486	1.96 489	2.05 541	1.91 490	1.30 480	1.27 472	1.08 422	0.80 339	0.60 324	0.58 338	0.41 310	0.68 319	0.54 332

MSMD_ROB	1.19 408	1.10 294	0.70 336	1.10 351	0.60 352	1.10 392	0.70 362	1.10 381	0.70 363	1.10 389	0.70 370	1.10 395	0.70 359	7.00 578	0.70 365	1.10 372	0.70 341	1.10 418	0.70 372	1.10 393	0.70 358

999	1.00 374	1.12 295	0.59 312	1.10 351	1.21 489	1.09 391	0.52 335	1.08 378	1.43 500	1.18 418	1.35 492	0.98 383	0.52 335	0.91 368	0.85 403	0.72 332	1.46 483	0.83 374	0.98 416	0.68 319	1.41 500

zh-mn7	0.12 93	1.14 296	0.17 149	0.20 132	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 147	0.16 142	0.03 38	0.03 54	0.03 43	0.03 51

1111x	0.10 62	1.14 296	0.13 120	0.14 96	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

LoS_RVC	0.30 173	1.14 296	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.26 191	0.26 211	0.26 193	0.25 202	0.26 181	0.26 184	0.25 184	0.25 207	0.26 177	0.26 196

x	0.11 84	1.15 299	0.15 141	0.14 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 140	0.03 38	0.03 54	0.03 43	0.03 51

xxxx	0.11 84	1.16 300	0.16 142	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 142	0.03 38	0.04 78	0.04 77	0.04 79

CAS	0.30 173	1.17 301	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.26 212	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.26 184	0.26 187	0.25 207	0.26 177	0.25 190

HSM-Net_RVC	0.95 367	1.17 301	0.78 368	1.18 366	0.71 376	1.16 416	0.75 370	1.09 380	0.80 399	1.10 389	0.75 381	1.17 419	0.74 367	1.17 421	0.80 398	1.13 378	0.73 347	1.17 426	0.77 398	1.16 399	0.72 376
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 368	1.18 303	0.81 376	1.10 351	0.91 396	1.02 383	0.82 399	1.04 377	0.91 408	1.03 385	0.86 407	1.28 473	0.82 394	1.03 388	0.89 405	1.17 381	0.81 359	1.02 397	0.82 407	1.08 390	0.81 397

psm_up	0.43 244	1.19 304	0.17 149	0.25 154	0.18 182	0.25 182	0.19 172	1.26 462	0.91 408	0.26 186	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.23 176	0.16 162	1.18 405	0.99 412

aaaa	0.98 370	1.20 305	0.76 349	1.78 441	1.00 405	1.11 396	0.79 388	1.10 381	0.76 377	1.11 394	0.78 397	1.11 399	0.76 371	1.10 395	0.77 388	1.18 382	0.89 363	1.07 417	0.70 372	1.01 368	0.71 362

DisPM	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

CrosDoStereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

PFNet+	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

LCNet	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

HHNet	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

Patchmatch Stereo++	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438
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	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

STrans-v2	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

TransformOpticalFlow	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

OMP-Stereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

IIG-Stereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

NF-Stereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

OCTAStereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

PSM-softLoss	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

KMStereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

NRIStereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

PSM-adaLoss	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

PSM-AAD	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

FTStereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

ROB_FTStereo_v2	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

ROB_FTStereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

Consistency-Raft	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

KYRaft	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

HUI-Stereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

ASMatch	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

DeepStereo_LL	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

DEmStereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

SST-Stereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

THIR-Stereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

RAFT_R40	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

DRaft	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

PFNet	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

GrayStereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

RE-Stereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

Pruner-Stereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

TVStereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

DeepStereo_RVC	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

RAFT-RH_RVC	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

IRAFT_RVC	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

RAFT-345	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

iRAFT	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

CRE-IMP	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

GMM-Stereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

RAFT-IKP	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

Prome-Stereo	1.20 409	1.20 305	1.20 414	1.20 368	1.20 442	1.20 420	1.20 433	1.20 413	1.20 438	1.20 420	1.20 435	1.20 424	1.20 427	1.20 423	1.20 435	1.20 388	1.20 416	1.20 431	1.20 435	1.20 408	1.20 438

UPFNet	0.42 243	1.20 305	0.17 149	0.24 149	0.17 175	0.25 182	0.17 162	1.19 410	0.90 407	0.25 179	0.17 172	0.24 177	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.22 170	0.16 162	1.15 397	0.93 407

ozoo	1.00 374	1.21 352	0.76 349	1.94 453	1.01 411	1.11 396	0.76 371	1.15 395	0.76 377	1.11 394	0.76 382	1.14 409	0.76 371	1.11 399	0.76 375	1.21 435	0.90 371	1.02 397	0.71 378	1.02 372	0.71 362

fsefse	1.00 374	1.21 352	0.76 349	1.94 453	1.01 411	1.11 396	0.76 371	1.15 395	0.76 377	1.11 394	0.76 382	1.14 409	0.76 371	1.11 399	0.76 375	1.21 435	0.90 371	1.02 397	0.71 378	1.02 372	0.71 362

yyy	1.00 374	1.21 352	0.76 349	1.94 453	1.01 411	1.11 396	0.76 371	1.15 395	0.76 377	1.11 394	0.76 382	1.14 409	0.76 371	1.11 399	0.76 375	1.21 435	0.90 371	1.02 397	0.71 378	1.02 372	0.71 362

GASTEREO	0.48 267	1.21 352	0.47 277	0.57 278	0.38 288	0.50 310	0.38 280	0.50 297	0.38 280	0.50 307	0.38 286	0.50 313	0.38 278	0.50 305	0.38 280	0.52 301	0.42 274	0.46 302	0.34 271	0.46 275	0.34 256

z-mn7	0.16 129	1.21 352	0.33 213	0.41 223	0.04 79	0.04 77	0.03 50	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 216	0.31 220	0.04 73	0.04 78	0.04 77	0.04 79

ours_stereo	1.20 409	1.21 352	0.90 383	1.64 439	1.11 432	1.35 472	0.67 355	1.76 481	0.93 413	1.70 485	1.10 426	1.39 476	0.75 370	1.41 476	0.81 401	1.60 473	1.03 393	1.33 481	1.00 418	1.61 469	0.72 376

WCG-NET	0.61 296	1.21 352	0.54 307	0.61 286	0.53 346	0.67 344	0.53 336	0.66 334	0.53 337	0.64 339	0.53 345	0.65 344	0.53 336	0.59 329	0.52 335	0.65 322	0.48 295	0.64 344	0.52 341	0.58 311	0.50 321

delet	0.43 244	1.21 352	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 462	0.95 415	0.25 179	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.22 170	0.16 162	1.18 405	0.98 411

dfa	1.00 374	1.22 360	0.76 349	2.00 465	1.00 405	1.11 396	0.76 371	1.14 393	0.76 377	1.11 394	0.76 382	1.17 419	0.76 371	1.11 399	0.76 375	1.23 442	0.89 363	1.02 397	0.71 378	1.05 384	0.71 362

adfw	0.99 372	1.22 360	0.76 349	1.88 447	0.99 403	1.11 396	0.76 371	1.11 383	0.76 377	1.11 394	0.76 382	1.14 409	0.76 371	1.12 408	0.76 375	1.20 388	0.89 363	1.02 397	0.71 378	1.02 372	0.72 376

ghrstf	1.00 374	1.22 360	0.77 359	1.95 457	1.01 411	1.11 396	0.76 371	1.15 395	0.76 377	1.12 408	0.81 404	1.11 399	0.76 371	1.11 399	0.76 375	1.18 382	0.90 371	1.02 397	0.71 378	1.02 372	0.71 362

bbb	1.01 386	1.22 360	0.77 359	1.86 446	1.02 418	1.11 396	0.76 371	1.16 401	0.81 402	1.12 408	0.81 404	1.12 404	0.84 398	1.12 408	0.77 388	1.22 439	0.94 383	1.02 397	0.71 378	1.05 384	0.72 376

w-ln-seven-2	0.14 109	1.22 360	0.28 189	0.32 174	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 200	0.27 190	0.04 73	0.03 54	0.03 43	0.03 51

CroCo-Stereo	0.73 319	1.22 360	0.25 178	1.22 413	0.25 208	1.22 466	0.25 200	1.22 459	0.25 199	1.22 467	0.25 208	1.22 470	0.25 202	1.22 469	0.25 202	1.22 439	0.26 184	1.21 476	0.25 207	1.22 455	0.25 190
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
fesf	1.01 386	1.23 366	0.77 359	1.81 442	1.01 411	1.16 416	0.81 396	1.16 401	0.76 377	1.12 408	0.77 391	1.18 421	0.77 382	1.16 420	0.76 375	1.25 446	0.89 363	1.02 397	0.76 397	1.02 372	0.76 389

sdada	0.99 372	1.23 366	0.76 349	1.84 443	1.06 426	1.11 396	0.80 392	1.11 383	0.76 377	1.11 394	0.76 382	1.11 399	0.76 371	1.12 408	0.76 375	1.24 443	0.90 371	1.02 397	0.71 378	1.02 372	0.71 362

WCG-NET（raft）	0.32 188	1.24 368	0.24 175	0.32 174	0.24 206	0.32 209	0.23 192	0.32 197	0.24 194	0.32 202	0.24 202	0.32 207	0.24 199	0.32 208	0.24 196	0.30 194	0.23 178	0.30 200	0.23 194	0.30 188	0.23 179

MMNet	0.44 248	1.24 368	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 462	0.93 413	0.25 179	0.17 172	0.25 182	0.18 176	0.25 183	0.17 167	0.23 169	0.16 142	0.23 176	0.16 162	1.20 408	0.99 412

wade	1.02 393	1.25 370	0.78 368	2.25 475	1.06 426	1.11 396	0.83 402	1.11 383	0.76 377	1.12 408	0.78 397	1.12 404	0.76 371	1.11 399	0.76 375	1.22 439	0.89 363	1.02 397	0.70 372	1.02 372	0.71 362

feaa	1.00 374	1.26 371	0.76 349	1.90 450	1.02 418	1.11 396	0.76 371	1.11 383	0.76 377	1.11 394	0.76 382	1.14 409	0.77 382	1.11 399	0.76 375	1.24 443	0.89 363	1.02 397	0.71 378	1.05 384	0.71 362

ads	1.05 398	1.26 371	0.77 359	2.83 496	1.06 426	1.11 396	0.80 392	1.12 390	0.78 394	1.11 394	0.77 391	1.12 404	0.77 382	1.14 416	0.78 394	1.20 388	0.89 363	1.02 397	0.75 395	1.02 372	0.71 362

gdasf	1.06 400	1.27 373	0.78 368	2.22 471	1.03 421	1.18 418	0.77 381	1.16 401	0.81 402	1.20 420	0.77 391	1.12 404	0.82 394	1.24 470	0.77 388	1.40 460	1.01 390	1.03 411	0.72 390	1.05 384	0.77 391

daf	1.02 393	1.28 374	0.77 359	2.17 468	1.03 421	1.12 410	0.81 396	1.11 383	0.77 390	1.11 394	0.87 408	1.15 417	0.82 394	1.12 408	0.77 388	1.18 382	0.89 363	1.02 397	0.71 378	1.08 390	0.71 362

eqd_so	1.01 386	1.29 375	0.77 359	1.96 459	1.03 421	1.12 410	0.77 381	1.11 383	0.77 390	1.11 394	0.76 382	1.14 409	0.81 393	1.12 408	0.76 375	1.25 446	0.94 383	1.10 418	0.72 390	1.05 384	0.71 362

dwafa	1.01 386	1.29 375	0.77 359	1.85 444	1.01 411	1.19 419	0.77 381	1.12 390	0.77 390	1.16 417	0.77 391	1.14 409	0.78 389	1.12 408	0.78 394	1.25 446	0.92 379	1.03 411	0.71 378	1.04 382	0.71 362

CroCo-Stereo Lap2	0.77 326	1.29 375	0.29 192	1.27 417	0.29 230	1.27 469	0.26 208	1.26 462	0.26 212	1.26 468	0.26 214	1.27 472	0.26 211	1.26 471	0.27 208	1.27 450	0.27 190	1.27 479	0.27 221	1.27 457	0.27 204

CSP-Net	0.34 193	1.29 375	1.19 411	1.36 424	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 449	1.21 462	0.03 38	0.09 110	0.02 20	0.09 108

adal-stereo	1.01 386	1.30 379	0.81 376	1.96 459	1.06 426	1.13 413	0.77 381	1.11 383	0.76 377	1.11 394	0.77 391	1.11 399	0.77 382	1.11 399	0.77 388	1.19 386	0.94 383	1.06 416	0.77 398	1.02 372	0.71 362

zero-FE	0.72 317	1.31 380	0.66 328	0.92 325	0.60 352	0.82 358	0.58 341	0.82 351	0.58 342	0.81 360	0.60 349	0.81 364	0.60 343	0.82 355	0.58 342	0.74 334	0.59 323	0.73 354	0.52 341	0.76 330	0.51 328

Syn2CoEx	0.25 158	1.31 380	0.74 346	0.92 325	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 352	0.75 350	0.02 18	0.02 20	0.02 20	0.02 20

wdaf	1.00 374	1.32 382	0.76 349	1.90 450	0.99 403	1.10 392	0.76 371	1.16 401	0.76 377	1.11 394	0.77 391	1.10 395	0.76 371	1.10 395	0.76 375	1.18 382	0.92 379	1.01 395	0.70 372	1.01 368	0.74 386

CC-Net-ROB	1.36 462	1.33 383	1.33 466	1.36 424	1.38 496	1.36 474	1.33 487	1.37 469	1.34 491	1.35 470	1.36 494	1.38 475	1.34 483	1.38 475	1.38 496	1.35 455	1.38 479	1.33 481	1.35 489	1.43 463	1.34 495

MaskLacGwcNet_RVC	1.35 461	1.35 384	1.35 469	1.35 423	1.35 493	1.35 472	1.35 489	1.36 467	1.35 494	1.36 471	1.35 492	1.36 474	1.36 485	1.36 473	1.35 493	1.35 455	1.35 476	1.35 484	1.35 489	1.35 460	1.35 496

PML	0.46 256	1.36 385	0.29 192	0.58 280	0.30 240	0.57 333	0.29 226	0.57 319	0.29 225	0.57 328	0.29 229	0.57 332	0.29 231	0.56 323	0.29 227	0.52 301	0.30 214	0.53 334	0.31 254	0.53 307	0.30 232

PS-NSSS	1.38 464	1.39 386	1.34 467	1.34 422	1.35 493	1.38 476	1.37 496	1.35 466	1.38 497	1.34 469	1.34 491	1.39 476	1.38 488	1.70 483	1.40 497	1.36 457	1.36 477	1.36 486	1.37 492	1.37 461	1.36 497

waafd	1.05 398	1.40 387	0.77 359	2.31 480	1.20 442	1.12 410	0.78 386	1.12 390	0.77 390	1.11 394	0.80 401	1.19 422	0.77 382	1.12 408	0.76 375	1.24 443	0.91 376	1.04 414	0.72 390	1.09 392	0.72 376

MSCF	0.51 280	1.40 387	0.49 290	0.58 280	0.38 288	0.50 310	0.38 280	0.54 313	0.41 299	0.52 315	0.41 300	0.53 321	0.42 302	0.53 317	0.41 298	0.60 312	0.47 291	0.48 315	0.37 286	0.48 287	0.38 275

z-ln-s-r	0.21 147	1.40 387	0.53 306	0.56 277	0.04 79	0.05 89	0.04 81	0.05 89	0.05 97	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 88	0.57 309	0.44 280	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 136	1.47 390	0.33 213	0.40 211	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 232	0.32 224	0.05 86	0.04 78	0.04 77	0.04 79

Gwc-CoAtRS	0.41 234	1.49 391	0.32 208	0.42 232	0.32 248	0.41 256	0.32 238	0.41 249	0.33 253	0.41 248	0.32 249	0.41 256	0.32 249	0.41 255	0.32 241	0.39 242	0.28 196	0.39 263	0.28 225	0.40 250	0.28 217

FENet	0.54 285	1.52 392	1.19 411	1.41 427	0.23 201	0.35 217	0.23 192	0.35 207	0.23 192	0.34 209	0.23 196	0.35 216	0.23 196	0.35 218	0.23 192	1.40 460	1.07 395	0.32 207	0.23 194	0.33 201	0.23 179

CFNet-ft	0.55 289	1.57 393	0.14 125	0.20 132	0.14 154	0.20 159	2.53 539	1.61 474	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	1.56 467	1.24 487

DPSMNet_ROB	1.60 468	1.59 394	1.70 497	1.59 431	1.59 504	1.61 484	1.61 506	1.60 473	1.60 503	1.62 483	1.59 506	1.60 482	1.60 493	1.60 479	1.59 503	1.59 471	1.60 497	1.59 492	1.59 509	1.59 468	1.59 509

RASNet	1.49 465	1.65 395	1.45 485	1.38 426	1.43 499	1.47 481	1.36 491	1.38 470	1.36 495	1.39 472	1.60 507	1.45 479	1.45 491	1.51 478	2.21 536	1.53 470	1.36 477	1.36 486	1.36 491	1.66 472	1.36 497

CRFU-Net	0.65 301	1.67 396	1.22 461	1.96 459	0.27 218	0.41 256	0.27 211	0.41 249	0.27 217	0.40 234	0.26 214	0.41 256	0.27 219	0.40 241	0.27 208	1.80 478	1.62 498	0.34 222	0.23 194	0.33 201	0.23 179

FlowAnything	1.02 393	1.71 397	0.72 342	1.59 431	0.69 372	1.60 483	0.69 359	1.61 474	0.70 363	1.60 477	0.69 368	1.60 482	0.69 357	1.61 481	0.69 361	0.81 342	0.58 321	0.81 369	0.56 348	0.82 345	0.56 340

FlowAnything_test	1.02 393	1.72 398	0.71 339	1.59 431	0.70 374	1.61 484	0.69 359	1.61 474	0.70 363	1.60 477	0.70 370	1.61 485	0.69 357	1.61 481	0.70 365	0.81 342	0.58 321	0.81 369	0.55 344	0.81 343	0.56 340

gwcnet-sp	0.82 341	1.72 398	1.48 487	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 480	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 471	0.32 207	0.16 162	6.75 565	0.23 179

scenet	0.82 341	1.72 398	1.48 487	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 480	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 471	0.32 207	0.16 162	6.75 565	0.23 179

ssnet	0.82 341	1.72 398	1.48 487	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 480	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 471	0.32 207	0.16 162	6.75 565	0.23 179

HBP-ISP	1.24 457	1.72 398	1.65 495	1.15 359	0.76 383	1.40 478	0.88 403	1.67 480	1.02 426	1.69 484	1.38 497	1.69 486	1.21 473	1.87 491	1.21 480	1.05 368	0.79 354	0.97 390	0.80 404	1.19 407	0.75 387

LL-Strereo2	0.48 267	1.73 403	0.51 299	0.59 283	0.34 269	0.42 274	0.33 247	0.40 234	0.31 244	0.42 260	0.33 255	0.42 272	0.31 247	0.44 272	0.39 287	0.60 312	0.51 308	0.44 295	0.33 267	0.44 270	0.33 250

test_xeample3	1.10 403	1.81 404	0.61 319	0.84 315	0.49 333	0.77 351	0.66 351	0.92 364	1.40 498	0.68 345	0.46 319	0.78 358	0.54 339	1.72 484	1.48 500	1.34 454	1.52 487	1.35 484	1.67 517	1.33 459	1.55 504

mmm	0.14 109	1.83 405	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 91	0.11 94	0.05 86	0.04 78	0.05 92	0.04 79

4.5_new	2.00 484	1.84 406	1.98 525	2.77 492	2.16 538	2.27 505	1.28 486	2.09 493	1.98 534	2.01 495	1.28 487	2.71 525	1.98 520	2.51 516	1.65 506	2.26 500	1.33 471	1.87 501	1.87 529	2.49 506	1.60 510

MM-Stereo_test2	1.20 409	1.85 407	1.05 398	1.46 428	0.94 400	1.36 474	0.99 414	1.36 467	0.95 415	1.41 473	0.98 418	1.40 478	0.96 403	1.37 474	0.95 411	1.37 459	1.06 394	1.33 481	0.93 415	1.29 458	0.89 403

hknet	1.10 403	1.85 407	3.49 553	4.48 531	0.02 21	0.42 274	0.06 105	0.41 249	0.02 21	0.48 288	0.03 52	0.41 256	0.03 52	0.42 268	0.03 48	4.39 540	4.19 554	0.33 215	0.23 194	0.34 205	0.27 204

2.25w	2.00 484	1.86 409	1.98 525	2.95 499	2.17 540	2.26 504	1.35 489	2.42 511	2.00 537	2.07 502	1.27 486	2.53 514	1.99 522	2.29 506	1.49 501	2.21 498	1.32 464	1.85 498	1.87 529	2.52 510	1.62 513

PAM	0.39 223	1.88 410	0.34 223	0.37 188	0.41 304	0.45 281	0.22 185	0.28 186	0.23 192	0.28 189	0.24 202	0.29 198	0.23 196	0.29 201	0.23 192	0.38 232	0.32 224	0.38 253	0.37 286	0.32 195	0.22 177

DCVSM-stereo	0.36 204	1.89 411	0.22 166	0.40 211	0.22 196	0.40 240	0.22 185	0.40 234	0.22 186	0.40 234	0.22 192	0.40 243	0.22 190	0.40 241	0.22 186	0.28 186	0.21 170	0.28 193	0.21 186	0.28 182	0.20 172

DCRE	0.84 347	1.89 411	0.77 359	0.94 331	0.72 379	0.88 363	0.73 368	0.87 353	0.78 394	0.90 366	0.71 374	0.88 368	0.67 354	0.88 363	0.73 369	0.81 342	0.68 336	0.81 369	0.70 372	0.82 345	0.70 358

RAFT-Stereo-weight	0.45 251	1.90 413	0.34 223	0.42 232	0.36 278	0.43 278	0.35 263	0.42 265	0.34 262	0.42 260	0.34 263	0.44 276	0.34 261	0.41 255	0.34 262	0.38 232	0.32 224	0.38 253	0.32 259	0.38 238	0.33 250

BUS	0.83 344	1.91 414	0.92 387	4.48 531	0.02 21	0.40 240	0.04 81	0.41 249	0.02 21	0.48 288	0.03 52	0.41 256	0.05 94	0.03 39	0.05 88	1.97 487	4.19 554	0.33 215	0.23 194	0.34 205	0.27 204

BSDual-CNN	0.81 337	1.91 414	0.92 387	4.48 531	0.02 21	0.42 274	0.06 105	0.41 249	0.02 21	0.48 288	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 487	4.19 554	0.33 215	0.23 194	0.34 205	0.27 204

psmg	0.43 244	1.91 414	0.92 387	1.91 452	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 487	1.44 482	0.04 73	0.03 54	0.02 20	0.03 51

GANet-RSSM	0.75 321	1.91 414	0.14 125	0.47 243	0.14 154	0.21 166	3.21 559	2.30 506	0.14 154	0.46 275	0.14 158	0.23 173	0.18 176	0.21 166	0.14 148	0.18 147	0.27 190	0.37 246	0.13 154	2.13 488	2.12 532

MFMNet_re	1.81 476	1.91 414	1.71 499	1.95 457	1.70 514	1.95 495	1.70 511	1.96 486	1.74 516	1.97 491	1.72 514	1.95 491	1.71 500	1.97 495	1.71 511	1.86 479	1.62 498	1.85 498	1.66 516	1.86 480	1.64 515

SPS-STEREO	1.59 467	1.91 414	1.21 460	1.94 453	1.20 442	2.00 498	1.23 480	1.99 488	1.24 486	2.00 494	1.25 484	2.03 498	1.26 476	2.00 496	1.29 489	1.90 484	1.18 415	1.89 505	1.21 480	1.89 482	1.20 438
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 466	1.94 420	1.22 461	1.88 447	1.21 489	1.88 490	1.22 479	1.88 483	1.22 484	1.88 486	1.22 481	1.88 488	1.22 474	1.89 492	1.22 481	1.87 480	1.22 463	1.88 504	1.22 481	1.88 481	1.22 484
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	0.68 308	1.96 421	1.25 465	0.29 165	0.20 188	0.30 196	0.20 175	0.29 190	0.22 186	1.50 476	0.20 187	0.31 205	0.20 185	0.27 196	0.22 186	0.24 174	1.49 485	0.26 187	0.18 184	3.90 527	0.19 171

qqq	0.16 129	2.01 422	0.12 100	0.15 106	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.03 48	0.12 91	0.14 137	0.04 73	0.04 78	0.03 43	0.03 51

MM-Stereo_test3	1.27 459	2.07 423	1.18 409	1.60 434	1.02 418	1.45 480	1.01 418	1.40 471	1.04 427	1.44 474	1.03 423	1.46 480	1.02 413	1.44 477	1.02 420	1.51 469	1.12 408	1.32 480	0.98 416	1.38 462	0.97 410

ACV-stereo	0.30 173	2.08 424	0.25 178	0.25 154	0.18 182	0.24 175	0.17 162	0.24 173	0.18 173	0.24 175	0.17 172	0.25 182	0.17 169	0.24 178	0.17 167	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

GCST	0.50 275	2.08 424	0.38 238	0.53 269	0.35 272	0.49 302	0.35 263	0.50 297	0.35 265	0.49 295	0.35 272	0.49 299	0.35 267	0.49 298	0.35 266	0.48 284	0.37 241	0.45 299	0.33 267	0.44 270	0.33 250

AIO_test	2.18 504	2.09 426	2.04 529	2.42 484	2.01 530	2.47 515	1.94 525	2.34 507	2.03 538	2.56 520	1.94 527	2.43 511	1.94 517	2.41 511	1.87 527	2.39 512	2.10 523	2.35 522	1.91 535	2.25 492	2.19 534

ToySt	0.92 359	2.11 427	0.90 383	0.95 334	0.79 386	0.99 377	0.78 386	0.94 368	0.81 402	0.94 374	0.78 397	0.95 380	0.77 382	0.94 375	0.86 404	0.91 353	0.79 354	0.85 376	0.77 398	0.89 352	0.73 382

TRStereo	2.00 484	2.13 428	1.85 514	2.27 476	1.84 519	2.28 507	1.84 515	2.29 502	1.86 524	2.30 508	1.87 519	2.30 502	1.87 510	2.08 498	1.72 513	2.08 492	1.72 504	2.08 510	1.72 522	2.08 485	1.72 519

XX-Stereo	2.00 484	2.13 428	1.85 514	2.27 476	1.84 519	2.28 507	1.84 515	2.29 502	1.86 524	2.30 508	1.87 519	2.30 502	1.87 510	2.08 498	1.72 513	2.08 492	1.72 504	2.08 510	1.72 522	2.08 485	1.72 519

EAI-Stereo	2.00 484	2.13 428	1.85 514	2.27 476	1.84 519	2.28 507	1.84 515	2.29 502	1.86 524	2.30 508	1.87 519	2.30 502	1.87 510	2.08 498	1.72 513	2.08 492	1.72 504	2.08 510	1.72 522	2.08 485	1.72 519

11t1	0.17 133	2.16 431	0.13 120	0.13 92	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.05 88	0.18 147	0.12 109	0.06 94	0.03 54	0.05 92	0.03 51

UGAM-zero	0.51 280	2.17 432	0.39 245	0.53 269	0.36 278	0.50 310	0.36 269	0.50 297	0.36 275	0.49 295	0.36 275	0.50 313	0.35 267	0.50 305	0.36 269	0.49 287	0.37 241	0.47 307	0.35 278	0.46 275	0.34 256

cf-r	0.66 303	2.17 432	0.12 100	0.18 127	0.12 149	0.18 151	2.70 542	2.60 518	0.12 149	0.18 148	0.12 141	0.18 150	0.12 146	0.18 149	0.12 138	0.15 123	0.11 94	0.15 139	0.11 129	1.81 479	1.74 522

3.25w	2.04 497	2.20 434	1.48 487	3.03 500	2.17 540	2.63 526	1.39 497	1.96 486	1.95 533	1.96 489	1.37 495	2.71 525	1.96 519	2.71 525	1.73 518	2.26 500	1.32 464	1.87 501	1.87 529	2.51 509	1.63 514

IGEV	2.02 492	2.20 434	1.82 508	2.90 498	2.16 538	2.41 513	1.25 482	2.00 489	1.98 534	1.99 493	1.31 489	2.72 529	1.93 516	2.67 524	1.69 510	2.26 500	1.32 464	1.83 497	1.87 529	2.53 513	1.61 512

UDG	0.80 332	2.21 436	0.60 314	0.91 322	0.60 352	0.90 367	0.58 341	0.88 356	0.60 345	0.90 366	0.60 349	0.88 368	0.60 343	0.90 367	0.58 342	0.86 351	0.60 324	0.84 375	0.59 352	0.84 348	0.61 345

UGAM	0.51 280	2.23 437	0.39 245	0.54 271	0.35 272	0.50 310	0.35 263	0.49 289	0.35 265	0.49 295	0.35 272	0.49 299	0.36 270	0.50 305	0.36 269	0.49 287	0.37 241	0.45 299	0.34 271	0.45 274	0.34 256

3w_stereo	2.04 497	2.24 438	1.70 497	3.15 503	2.18 542	2.49 517	1.26 484	2.03 491	1.98 534	1.98 492	1.33 490	2.72 529	1.99 522	2.59 519	1.72 513	2.22 499	1.33 471	1.85 498	1.88 534	2.50 508	1.58 508

NCCL2	2.28 516	2.27 439	2.28 531	2.28 479	2.28 543	2.27 505	2.29 537	2.28 500	2.28 540	2.27 507	2.28 542	2.28 501	2.27 530	2.27 505	2.28 541	2.28 504	2.28 528	2.27 515	2.29 541	2.27 493	2.29 536

ccnet	0.80 332	2.28 440	0.33 213	0.50 260	0.33 259	0.50 310	0.33 247	0.50 297	0.33 253	0.49 295	0.33 255	0.49 299	1.56 492	2.38 509	0.33 249	0.41 254	0.29 206	0.42 292	1.57 504	2.28 494	0.29 222

HUF	2.18 504	2.30 441	1.99 528	2.34 482	2.02 533	2.41 513	2.06 533	2.38 509	1.89 530	2.36 512	1.85 517	2.56 518	1.98 520	2.31 508	1.97 532	2.30 506	2.03 521	2.30 517	2.11 536	2.23 490	2.16 533

3.75w	1.99 480	2.31 442	1.83 511	3.16 504	1.65 508	1.93 491	1.98 526	2.72 520	1.68 505	2.73 529	1.97 530	2.00 495	1.72 501	1.81 489	1.25 485	2.27 503	2.01 516	2.38 523	1.42 498	1.71 474	1.24 487

1w_stereo	2.05 499	2.32 443	1.35 469	3.74 529	2.01 530	2.73 530	1.42 501	1.88 483	1.93 532	2.03 497	1.28 487	2.71 525	1.99 522	2.72 527	1.72 513	2.20 497	1.32 464	1.87 501	1.86 528	2.45 502	1.54 503

4.25_new	2.00 484	2.33 444	1.82 508	3.32 511	1.69 511	1.95 495	1.99 529	2.72 520	1.71 509	2.72 524	1.97 530	2.01 496	1.74 504	1.77 486	1.28 487	2.18 495	2.01 516	2.48 529	1.58 507	1.65 470	1.17 433

4.5w_new	2.00 484	2.33 444	1.82 508	3.32 511	1.69 511	1.95 495	1.99 529	2.72 520	1.71 509	2.72 524	1.97 530	2.01 496	1.74 504	1.77 486	1.28 487	2.18 495	2.01 516	2.48 529	1.58 507	1.65 470	1.17 433

4.5w-stereo	1.99 480	2.33 444	1.81 503	3.28 508	1.68 510	1.94 492	1.99 529	2.72 520	1.70 508	2.72 524	1.99 539	1.97 493	1.68 497	1.76 485	1.29 489	1.91 485	2.02 520	2.53 531	1.61 511	1.75 477	1.16 432

monsterstereo	2.20 510	2.33 444	1.95 523	3.65 525	2.07 535	2.49 517	1.61 506	2.48 513	1.83 522	2.45 515	1.61 509	2.67 524	1.86 509	2.64 521	1.94 530	2.48 518	1.66 501	2.34 520	1.68 519	2.40 499	1.86 526

2.75w_new	1.99 480	2.34 448	1.81 503	3.14 502	1.62 506	1.94 492	1.99 529	2.72 520	1.71 509	2.72 524	1.99 539	1.90 489	1.73 502	1.82 490	1.29 489	2.37 510	2.01 516	2.31 518	1.42 498	1.77 478	1.22 484

AIO_rvc	2.18 504	2.34 448	1.87 518	2.32 481	1.94 528	2.40 512	1.89 523	2.37 508	2.07 539	2.52 519	1.95 529	2.44 512	1.99 522	2.41 511	1.89 529	2.32 508	2.09 522	2.24 514	2.18 537	2.21 489	2.23 535

GES	0.66 303	2.34 448	0.29 192	0.41 223	0.29 230	0.41 256	0.29 226	0.42 265	0.29 225	0.40 234	0.41 300	0.41 256	0.30 238	0.51 312	0.29 227	0.32 200	0.29 206	0.32 207	2.46 543	2.49 506	0.30 232

2w_stereo	1.99 480	2.36 451	1.81 503	3.24 506	1.67 509	1.94 492	1.98 526	2.72 520	1.68 505	2.72 524	1.94 527	1.98 494	1.74 504	1.79 488	1.27 486	1.95 486	2.00 514	2.53 531	1.60 510	1.68 473	1.15 429

PAM_32	0.64 300	2.38 452	0.51 299	0.92 325	0.43 316	0.53 323	0.44 306	0.87 353	0.43 307	0.52 315	0.45 317	0.53 321	0.40 285	0.54 319	0.46 313	0.62 319	0.56 316	0.48 315	0.45 320	0.76 330	0.44 301

2.5w	2.01 491	2.40 453	1.37 479	3.28 508	2.01 530	2.71 527	1.43 503	1.82 482	1.83 522	1.90 488	1.41 499	2.71 525	1.35 484	2.71 525	1.85 523	2.66 522	1.53 488	1.64 493	1.23 482	2.53 513	1.87 528

monsters	2.18 504	2.41 454	1.96 524	3.47 518	2.03 534	2.53 521	1.64 508	2.48 513	1.73 514	2.40 514	1.50 502	2.62 521	1.94 517	2.59 519	1.94 530	2.44 514	1.57 492	2.28 516	1.87 529	2.42 500	1.86 526

DDUNet	0.81 337	2.45 455	0.57 311	0.90 320	0.60 352	0.88 363	0.59 343	0.90 357	0.60 345	0.88 365	0.60 349	0.90 371	0.58 341	0.88 363	0.60 345	0.84 349	0.60 324	0.86 377	0.57 350	0.86 349	0.60 344

FBW_ROB	2.12 502	2.46 456	1.77 502	2.49 487	1.79 518	2.38 511	1.83 514	2.46 512	1.78 518	2.48 517	1.97 530	2.40 510	1.78 507	2.42 513	1.83 521	2.31 507	1.85 511	2.38 523	1.82 527	2.35 497	1.84 524

asda	2.17 503	2.54 457	1.81 503	3.47 518	1.78 517	2.50 519	1.86 519	2.61 519	1.68 505	2.61 521	1.83 516	2.37 509	1.73 502	2.44 514	1.88 528	2.51 519	1.84 510	2.34 520	1.62 513	2.23 490	1.77 523

HH	0.71 314	2.54 457	0.74 346	1.10 351	0.32 248	0.41 256	0.37 274	0.69 337	0.78 394	0.73 348	0.90 409	0.75 355	1.00 406	0.84 357	0.69 361	0.69 327	0.40 257	0.35 238	0.26 213	0.35 217	0.26 196

HanStereo	0.71 314	2.54 457	0.74 346	1.10 351	0.32 248	0.41 256	0.37 274	0.69 337	0.78 394	0.73 348	0.90 409	0.75 355	1.00 406	0.84 357	0.69 361	0.69 327	0.40 257	0.35 238	0.26 213	0.35 217	0.26 196

qwe	2.18 504	2.60 460	1.58 492	3.83 530	1.90 527	2.53 521	1.90 524	2.48 513	1.73 514	2.37 513	1.92 526	2.53 514	1.68 497	2.56 517	1.83 521	2.52 521	1.87 512	2.07 509	1.68 519	2.32 496	1.71 518

sAnonymous2	3.31 539	2.63 461	1.38 481	3.71 527	1.86 522	4.70 563	1.11 423	4.82 565	2.72 543	5.45 570	1.98 536	4.59 555	2.64 532	2.65 522	6.21 575	4.37 538	1.08 399	5.16 569	2.24 539	4.52 536	2.39 541

CroCo_RVC	3.31 539	2.63 461	1.38 481	3.71 527	1.86 522	4.70 563	1.11 423	4.82 565	2.72 543	5.45 570	1.98 536	4.59 555	2.64 532	2.65 522	6.21 575	4.37 538	1.08 399	5.16 569	2.24 539	4.52 536	2.39 541

ff7	1.68 469	2.68 463	1.35 469	0.97 338	0.89 392	1.84 487	2.15 534	2.12 494	1.80 519	2.05 499	1.56 503	2.33 505	2.12 527	2.23 502	2.25 537	1.31 451	1.07 395	1.48 488	1.41 495	0.90 355	1.04 419

ffff	1.68 469	2.68 463	1.35 469	0.97 338	0.89 392	1.84 487	2.15 534	2.12 494	1.80 519	2.05 499	1.56 503	2.33 505	2.12 527	2.23 502	2.25 537	1.31 451	1.07 395	1.48 488	1.41 495	0.90 355	1.04 419

ccc-4	1.68 469	2.68 463	1.35 469	0.97 338	0.89 392	1.84 487	2.15 534	2.12 494	1.80 519	2.05 499	1.56 503	2.33 505	2.12 527	2.23 502	2.25 537	1.31 451	1.07 395	1.48 488	1.41 495	0.90 355	1.04 419

LGtest1	2.22 511	2.70 466	1.89 519	2.76 491	1.86 522	2.75 532	1.86 519	2.75 527	1.86 524	2.75 530	1.86 518	2.77 534	1.87 510	2.75 531	1.86 524	2.46 515	1.58 493	2.45 526	1.56 503	2.45 502	1.56 505

11t	1.27 459	2.70 466	1.34 467	1.32 421	0.89 392	1.30 471	1.34 488	1.64 477	0.57 341	1.45 475	0.72 377	1.05 390	1.29 479	1.07 392	1.29 489	1.49 466	1.02 392	0.97 390	1.15 428	1.48 464	1.31 491

LG-G_1	2.22 511	2.71 468	1.89 519	2.77 492	1.87 525	2.75 532	1.87 521	2.76 528	1.87 528	2.75 530	1.87 519	2.76 532	1.87 510	2.75 531	1.86 524	2.47 516	1.58 493	2.45 526	1.57 504	2.45 502	1.57 506

LG-G	2.22 511	2.71 468	1.89 519	2.77 492	1.87 525	2.75 532	1.87 521	2.76 528	1.87 528	2.75 530	1.87 519	2.76 532	1.87 510	2.75 531	1.86 524	2.47 516	1.58 493	2.45 526	1.57 504	2.45 502	1.57 506

4.25w-stereo	1.98 479	2.72 470	1.46 486	3.47 518	1.43 499	2.07 501	1.98 526	2.53 517	1.52 502	2.71 523	1.98 536	1.81 487	1.62 495	1.96 494	1.36 494	1.88 483	2.00 514	2.53 531	1.61 511	1.74 476	1.15 429

4w-stereo	2.02 492	2.72 470	1.44 484	3.36 514	1.59 504	2.48 516	1.72 512	2.28 500	1.24 486	2.24 506	1.65 511	2.56 518	1.32 482	2.39 510	1.98 533	2.67 524	1.51 486	1.66 494	1.24 483	2.53 513	1.88 531

3.25w_new	2.03 494	2.72 470	1.35 469	3.33 513	1.57 502	2.72 528	1.53 505	2.15 498	1.33 490	2.15 504	1.60 507	2.63 522	1.30 480	2.72 527	1.99 534	2.67 524	1.53 488	1.75 496	1.25 485	2.53 513	1.87 528

3.5w_stereo	2.03 494	2.72 470	1.35 469	3.41 515	1.57 502	2.72 528	1.49 504	2.01 490	1.34 491	2.15 504	1.61 509	2.63 522	1.36 485	2.72 527	1.99 534	2.66 522	1.58 493	1.68 495	1.24 483	2.53 513	1.87 528

sCroCo_RVC	2.10 500	2.76 474	1.92 522	2.78 495	1.39 497	2.73 530	1.41 499	2.73 526	1.40 498	2.77 535	1.41 499	2.74 531	1.40 489	2.74 530	1.40 497	2.72 526	1.42 481	2.72 534	1.44 500	2.79 520	1.42 501

PSMNet-RSSM	0.77 326	2.76 474	0.14 125	0.20 132	0.14 154	0.20 159	2.66 540	2.79 531	0.14 154	0.21 164	0.14 158	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 510	2.31 537

asd	2.18 504	2.77 476	1.58 492	3.59 523	2.00 529	2.58 525	1.85 518	2.39 510	1.71 509	2.47 516	1.97 530	2.59 520	1.61 494	2.56 517	1.79 520	2.51 519	1.99 513	2.11 513	1.62 513	2.36 498	1.60 510

GwcNet-RSSM	0.77 326	2.77 476	0.14 125	0.20 132	0.14 154	0.20 159	2.67 541	2.78 530	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.21 166	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 510	2.31 537

hitnet-ft	0.79 330	2.78 478	0.14 125	0.20 132	0.14 154	0.21 166	2.89 543	2.80 532	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.54 518	2.33 539

PDISCO_ROB	0.83 344	2.80 479	3.49 553	0.14 96	0.11 133	0.17 147	0.09 110	0.15 137	0.10 115	0.15 130	0.12 141	0.16 136	0.14 155	3.30 538	0.13 144	0.14 114	2.34 529	0.16 142	0.12 146	2.62 519	0.10 113

iGMRVC	0.84 347	2.85 480	0.72 342	0.72 303	0.73 380	0.77 351	0.79 388	0.73 342	0.74 376	0.73 348	0.72 377	0.73 353	0.76 371	0.73 346	0.73 369	0.72 332	0.73 347	0.73 354	0.72 390	0.73 328	0.72 376

MC-Stereo	1.76 472	2.96 481	1.37 479	2.14 467	1.37 495	2.14 503	1.36 491	2.14 497	1.37 496	2.14 503	1.37 495	2.14 500	1.37 487	2.14 501	1.37 495	1.97 487	1.32 464	1.97 507	1.32 488	1.98 483	1.33 493

PASM	0.39 223	3.06 482	1.36 477	1.58 430	0.09 112	0.11 119	0.11 128	0.11 121	0.11 130	0.09 107	0.09 112	0.11 120	0.09 113	0.09 108	0.09 105	0.11 86	0.11 94	0.11 118	0.09 110	0.11 120	0.11 125

DDVS	0.30 173	3.10 483	0.14 125	0.19 130	0.14 154	0.19 154	0.14 149	0.20 156	0.14 154	0.19 150	0.13 153	0.16 136	0.13 151	0.19 152	0.13 144	0.17 139	0.13 133	0.17 150	0.13 154	0.17 148	0.13 147

DEFOM-Stereo	0.68 308	3.11 484	1.40 483	1.63 438	0.25 208	0.31 201	0.25 200	0.31 196	0.28 220	0.31 197	0.29 229	0.29 198	0.27 219	0.31 207	0.28 217	1.59 471	1.47 484	0.30 200	0.29 235	0.30 188	0.28 217

4D-IteraStereo	0.78 329	3.13 485	0.89 380	0.69 298	0.32 248	0.40 240	0.32 238	0.76 343	0.97 418	0.52 315	0.65 360	0.89 370	0.32 249	0.76 350	0.98 414	0.83 347	0.94 383	0.35 238	0.27 221	0.70 324	0.89 403

plain	1.88 477	3.16 486	0.64 324	3.10 501	0.65 364	3.10 537	0.64 347	3.12 535	0.65 353	3.10 536	0.65 360	3.11 536	0.65 349	3.12 535	0.65 350	3.12 531	0.65 333	3.13 536	0.65 361	3.13 522	0.65 351

iRaftStereo_RVC	0.97 368	3.17 487	2.30 532	2.42 484	0.38 288	0.54 326	0.38 280	0.54 313	0.38 280	0.54 321	0.38 286	0.54 324	0.38 278	0.54 319	0.38 280	2.38 511	2.34 529	0.49 320	0.36 284	0.49 291	0.36 264

RCA-Stereo	0.51 280	3.22 488	0.34 223	0.44 235	0.34 269	0.44 280	0.34 258	0.43 269	0.34 262	0.43 266	0.34 263	0.44 276	0.33 256	0.43 270	0.33 249	0.38 232	0.29 206	0.38 253	0.29 235	0.38 238	0.29 222

Anonymous3	2.55 528	3.26 489	1.65 495	3.28 508	1.63 507	3.24 539	1.68 509	3.27 537	1.66 504	3.28 538	1.67 512	3.25 538	1.66 496	3.27 537	1.64 505	3.26 532	1.65 500	3.30 537	1.65 515	4.95 554	1.65 517

MIF-Stereo (partial)	2.58 529	3.31 490	0.66 328	3.18 505	0.66 367	3.18 538	0.66 351	3.21 536	0.67 356	3.19 537	0.66 363	3.19 537	0.66 352	3.31 539	0.68 357	5.09 560	1.79 508	8.23 579	1.67 517	6.18 563	1.38 499

MM-Stereo_test1	1.80 475	3.41 491	1.52 491	2.12 466	1.41 498	2.04 499	1.41 499	2.05 492	1.46 501	2.04 498	1.41 499	2.05 499	1.42 490	2.05 497	1.43 499	2.04 491	1.54 490	1.94 506	1.38 494	1.99 484	1.33 493

UniTT-Stereo	2.03 494	3.43 492	0.72 342	3.42 516	0.73 380	3.27 540	0.68 356	3.38 539	0.69 360	3.29 539	0.72 377	3.28 539	0.70 359	3.35 540	0.68 357	3.39 533	0.68 336	3.31 538	0.69 370	3.37 523	0.73 382

castereo++	0.54 285	3.59 493	1.15 405	1.31 420	0.14 154	0.16 139	0.14 149	0.16 138	0.14 154	0.16 135	0.14 158	0.16 136	0.13 151	0.16 137	0.14 148	1.45 464	1.16 411	0.15 139	0.14 157	0.15 138	0.13 147

DPSNet	3.66 541	3.60 494	3.62 556	3.63 524	3.64 566	3.65 543	3.65 564	3.66 542	3.67 561	3.67 541	3.65 562	3.67 542	3.66 552	3.66 541	3.68 559	3.68 536	3.66 549	3.67 542	3.68 565	3.67 524	3.67 563

RAStereo	2.23 514	3.64 495	0.76 349	3.65 525	0.86 390	3.66 544	0.76 371	3.67 543	0.81 402	3.66 540	0.76 382	3.66 541	0.77 382	3.68 542	0.77 388	3.68 536	0.77 352	3.69 543	0.77 398	3.70 525	0.77 391

qqq1	0.25 158	3.70 496	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 158	3.70 496	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

RAFT_CTSACE	1.92 478	3.71 498	1.72 500	1.88 447	1.72 515	2.04 499	1.42 501	2.18 499	1.89 530	2.02 496	1.97 530	1.95 491	2.06 526	1.93 493	1.62 504	1.76 476	1.66 501	2.02 508	1.73 525	1.73 475	1.43 502

MyStereo07	0.60 293	3.72 499	0.48 285	0.49 253	0.41 304	0.36 220	0.32 238	0.49 289	0.43 307	0.51 312	0.42 310	0.49 299	0.43 305	0.51 312	0.64 349	0.49 287	0.45 281	0.34 222	0.32 259	0.35 217	0.43 298

MyStereo04	0.56 291	3.72 499	0.59 312	0.49 253	0.41 304	0.36 220	0.32 238	0.37 217	0.31 244	0.34 209	0.46 319	0.35 216	0.32 249	0.35 218	0.33 249	0.49 287	0.45 281	0.34 222	0.32 259	0.35 217	0.43 298

castereo	0.61 296	3.79 501	1.35 469	1.52 429	0.15 165	0.17 147	0.16 157	0.20 156	0.21 183	0.18 148	0.16 167	0.21 163	0.12 146	0.26 193	0.17 167	1.43 463	1.38 479	0.17 150	0.16 162	0.18 152	0.16 153

ffm	0.25 158	3.83 502	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 158	3.83 502	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 158	3.83 502	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

NINENet	0.69 311	3.87 505	1.20 414	1.98 462	0.05 99	0.40 240	0.04 81	0.40 234	0.05 97	0.41 248	0.04 88	0.41 256	0.05 94	0.40 241	0.05 88	1.79 477	1.56 491	0.34 222	0.22 189	0.34 205	0.23 179

MyStereo8	0.71 314	3.92 506	0.52 302	0.59 283	0.52 343	0.57 333	0.53 336	0.59 324	0.50 329	0.59 332	0.51 342	0.57 332	0.50 329	0.56 323	0.52 335	0.54 304	0.49 298	0.54 335	0.49 335	0.55 309	0.50 321

MyStereo06	0.75 321	4.12 507	0.60 314	0.63 289	0.61 357	0.62 339	0.66 351	0.56 316	0.45 311	0.55 324	0.48 331	0.54 324	0.46 312	0.57 327	0.45 309	0.60 312	0.57 319	0.64 344	0.55 344	0.72 325	0.55 337

MyStereo05	0.80 332	4.12 507	0.63 321	0.63 289	0.61 357	0.62 339	0.66 351	0.65 332	0.62 348	0.67 343	0.61 353	0.65 344	0.58 341	0.67 340	0.55 340	0.60 312	0.57 319	0.64 344	0.55 344	0.72 325	0.55 337

test-3	0.98 370	4.13 509	1.85 514	1.85 444	0.61 357	0.69 345	0.37 274	0.63 330	0.61 347	0.66 342	0.51 342	0.73 353	0.44 307	0.57 327	0.54 338	1.68 475	1.81 509	0.40 268	0.43 318	0.66 317	0.50 321

GCAP-Stereo	0.75 321	4.15 510	0.42 261	0.75 306	0.35 272	0.78 353	0.40 290	0.79 345	0.38 280	0.78 356	0.36 275	0.78 358	0.36 270	0.79 351	0.39 287	0.75 335	0.39 254	0.76 359	0.39 302	0.75 329	0.39 281

IGEVStereo-DCA	1.77 473	4.21 511	1.84 512	2.49 487	2.11 536	2.54 523	1.36 491	1.65 478	1.17 435	2.75 530	1.90 524	2.54 516	1.15 420	0.94 375	1.11 424	1.50 467	1.32 464	0.96 388	1.46 501	1.49 465	0.88 401

rrr	1.77 473	4.21 511	1.84 512	2.49 487	2.11 536	2.54 523	1.36 491	1.65 478	1.17 435	2.75 530	1.90 524	2.54 516	1.15 420	0.94 375	1.11 424	1.50 467	1.32 464	0.96 388	1.46 501	1.49 465	0.88 401

GEStereo_RVC	0.86 350	4.45 513	0.20 161	0.27 163	0.20 188	0.27 192	0.20 175	0.26 183	0.18 173	5.03 566	0.20 187	0.27 192	0.19 181	0.27 196	0.21 184	0.20 151	0.19 165	0.19 162	4.02 570	0.20 159	0.18 169

error version	0.93 364	4.47 514	2.35 533	1.99 463	0.37 281	0.41 256	0.36 269	0.41 249	0.35 265	0.43 266	0.36 275	0.41 256	0.40 285	0.41 255	0.36 269	1.87 480	2.16 525	0.47 307	0.37 286	0.39 245	0.33 250

test_1	0.93 364	4.47 514	2.35 533	1.99 463	0.37 281	0.41 256	0.36 269	0.41 249	0.35 265	0.43 266	0.36 275	0.41 256	0.40 285	0.41 255	0.36 269	1.87 480	2.16 525	0.47 307	0.37 286	0.39 245	0.33 250

TestStereo	4.88 567	4.75 516	4.79 562	4.87 548	4.92 575	4.81 568	4.90 574	4.78 563	4.77 573	4.87 564	4.89 573	4.90 568	4.91 566	4.99 567	4.79 571	4.98 557	4.87 558	4.87 566	4.92 575	5.00 555	5.00 573

DispFullNet	4.61 563	4.84 517	3.12 550	5.00 549	3.57 563	4.75 566	3.03 550	7.75 578	4.17 570	4.91 565	3.09 554	6.20 574	3.95 559	6.71 574	3.51 557	5.30 562	3.67 550	5.86 575	3.63 562	5.61 560	3.46 561

MLG-Stereo_test3	4.26 556	4.85 518	3.95 559	5.35 552	3.60 564	4.75 566	3.76 565	5.49 571	3.71 562	5.39 568	3.69 563	4.82 566	3.66 552	4.85 563	3.73 563	4.93 555	3.19 546	4.69 560	2.99 547	4.84 551	2.98 546

CFNet-RSSM	0.91 357	4.89 519	0.34 223	0.44 235	1.07 430	1.62 486	1.40 498	0.91 359	0.35 265	1.60 477	1.39 498	0.64 341	0.34 261	0.44 272	0.33 249	0.41 254	0.35 236	0.75 357	0.30 245	0.41 260	0.29 222

StereoVision	3.15 537	5.00 520	0.89 380	4.83 546	1.00 405	3.93 545	1.27 485	6.37 572	1.34 491	5.67 572	1.26 485	5.84 573	1.27 477	5.03 569	1.24 482	5.10 561	1.09 401	4.61 555	0.57 350	5.62 561	1.12 424

LL-Strereo	1.01 386	5.06 521	1.63 494	0.70 300	1.43 499	0.56 328	0.46 312	0.57 319	0.50 329	0.57 328	0.50 336	1.58 481	0.49 326	0.59 329	0.50 328	1.64 474	0.52 310	0.51 329	1.37 492	0.52 304	0.45 303

FC-DCNN v2	5.10 571	5.15 522	4.49 561	5.07 550	3.37 561	6.87 575	4.75 573	5.04 568	6.34 577	7.84 578	5.06 574	6.72 578	4.09 562	4.99 567	5.44 574	5.03 558	3.16 543	4.67 558	4.86 574	5.15 557	3.89 568

DEFOM-Stereo_RVC	0.83 344	5.18 523	1.98 525	2.19 469	0.17 175	0.19 154	0.18 168	0.19 151	0.16 166	0.20 155	0.19 183	0.22 169	0.22 190	0.20 156	0.15 158	2.28 504	2.13 524	0.24 183	0.17 180	0.18 152	0.16 153

rvit_105_1	3.83 543	5.22 524	3.01 539	4.53 534	3.01 548	4.51 551	3.01 545	4.56 552	3.04 546	4.53 551	3.03 547	4.55 553	3.03 536	4.56 552	3.04 543	4.57 544	3.05 533	4.57 550	3.05 548	4.57 538	3.05 547

rvit_stereo_0081	3.83 543	5.23 525	3.01 539	4.53 534	3.03 550	4.55 557	3.02 546	4.56 552	3.04 546	4.52 549	3.02 545	4.54 551	3.03 536	4.56 552	3.04 543	4.57 544	3.05 533	4.57 550	3.05 548	4.58 539	3.05 547

CFNet	1.37 463	5.27 526	0.19 158	5.49 553	0.19 186	0.28 193	0.19 172	0.28 186	0.19 179	0.28 189	0.19 183	0.28 193	4.35 563	0.28 198	0.19 179	0.23 169	0.17 158	0.23 176	4.21 572	4.81 549	0.17 165

rvit_stereo_0083	3.92 552	5.30 527	3.06 547	4.61 543	3.09 557	4.67 562	3.08 555	4.66 560	3.09 555	4.62 559	3.10 555	4.66 563	3.11 545	4.67 560	3.16 554	4.72 554	3.16 543	4.77 563	3.11 555	4.66 545	3.11 554

rvit_0105_3	3.91 550	5.33 528	3.06 547	4.60 542	3.07 556	4.60 560	3.06 554	4.62 558	3.08 554	4.60 558	3.07 553	4.62 560	3.08 543	4.67 560	3.10 552	4.70 552	3.11 540	4.77 563	3.19 559	4.77 548	3.14 556

rvit_stereo_0081_aga	3.86 545	5.33 528	3.02 542	4.55 540	3.04 554	4.54 553	3.02 546	4.64 559	3.06 550	4.54 553	3.04 549	4.62 560	3.08 543	4.62 558	3.07 548	4.58 547	3.06 537	4.60 554	3.08 552	4.63 542	3.07 551

MLG-Stereo_test1	4.25 555	5.34 530	3.61 555	5.31 551	3.63 565	5.23 569	3.57 562	5.38 570	3.65 560	5.23 567	3.47 559	4.76 564	3.74 555	4.85 563	3.71 560	4.96 556	3.18 545	4.71 561	2.92 545	4.86 552	2.90 545

rvit_0105_5	4.10 554	5.40 531	3.13 552	4.71 545	3.15 559	4.72 565	3.10 557	4.90 567	3.27 558	4.69 561	3.16 557	4.84 567	3.25 548	4.96 566	3.34 556	5.05 559	3.39 548	5.10 568	3.40 560	5.11 556	3.42 560

UDGNet	2.23 514	5.40 531	1.72 500	2.48 486	1.69 511	2.51 520	1.69 510	2.51 516	1.72 513	2.50 518	1.69 513	2.52 513	1.69 499	2.50 515	1.68 509	2.41 513	1.70 503	2.42 525	1.69 521	2.42 500	1.64 515

rvit_stereo_ft	3.93 553	5.44 533	3.05 546	4.59 541	3.06 555	4.61 561	3.08 555	4.67 561	3.12 556	4.63 560	3.10 555	4.65 562	3.11 545	4.69 562	3.13 553	4.70 552	3.14 542	4.71 561	3.15 557	4.74 546	3.16 557

MLG-Stereo_test2	4.28 557	5.46 534	3.69 557	4.86 547	3.72 567	5.58 572	3.42 560	4.81 564	3.77 566	4.85 563	3.72 564	5.55 572	3.63 551	5.58 570	3.53 558	4.41 541	3.28 547	4.99 567	2.95 546	4.75 547	3.13 555

rvit_0105_4	3.91 550	5.47 535	3.02 542	4.54 537	3.02 549	4.54 553	3.03 550	4.75 562	3.17 557	4.57 555	3.06 550	4.61 559	3.16 547	4.65 559	3.09 551	4.66 551	3.11 540	4.68 559	3.18 558	4.81 549	3.16 557

rvit_stereo_0080	3.89 548	5.70 536	3.04 544	4.54 537	3.03 550	4.56 558	3.05 552	4.60 556	3.07 551	4.58 556	3.06 550	4.59 555	3.06 541	4.61 556	3.08 549	4.63 549	3.09 538	4.64 556	3.10 553	4.65 543	3.10 552

whm_eth	3.89 548	5.70 536	3.04 544	4.54 537	3.03 550	4.56 558	3.05 552	4.60 556	3.07 551	4.58 556	3.06 550	4.59 555	3.06 541	4.61 556	3.08 549	4.63 549	3.09 538	4.64 556	3.10 553	4.65 543	3.10 552

rvit_0105_6	3.87 547	5.73 538	3.10 549	4.69 544	3.12 558	4.54 553	3.02 546	4.56 552	3.04 546	4.54 553	3.03 547	4.54 551	3.04 539	4.56 552	3.05 545	4.58 547	3.05 533	4.58 552	3.05 548	4.58 539	3.05 547

rvit_stereo_0082	3.86 545	5.82 539	3.01 539	4.53 534	3.03 550	4.54 553	3.02 546	4.56 552	3.04 546	4.53 551	3.02 545	4.55 553	3.04 539	4.57 555	3.05 545	4.57 544	3.05 533	4.58 552	3.05 548	4.58 539	3.06 550

SGM-Forest	5.21 573	5.92 540	4.08 560	6.18 558	4.16 572	6.31 574	4.34 572	6.50 573	4.33 571	6.14 574	4.21 570	6.61 577	4.55 565	6.67 573	4.48 570	5.94 566	3.94 552	5.85 574	4.03 571	5.79 562	4.17 571
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MaDis-Stereo	3.19 538	6.02 541	1.12 401	5.61 555	1.16 438	5.43 571	1.02 420	5.15 569	0.70 363	5.43 569	1.21 480	5.03 570	0.97 404	4.85 563	0.99 415	4.53 542	1.16 411	5.53 571	1.25 485	5.37 559	1.30 490

IER	0.88 352	7.04 542	2.23 530	2.75 490	0.28 222	0.43 278	0.25 200	0.39 229	0.25 199	0.41 248	0.27 218	0.39 235	0.25 202	0.40 241	0.28 217	0.37 225	0.28 196	0.37 246	0.25 207	0.37 228	0.25 190

HCRNet	1.22 456	7.11 543	3.00 538	3.55 522	0.33 259	0.29 195	0.14 149	0.19 151	0.15 164	0.33 207	0.29 229	0.25 182	0.14 155	0.22 170	0.33 249	3.64 535	3.00 532	0.76 359	0.32 259	0.18 152	0.13 147

SA	4.33 559	7.35 544	6.85 574	5.96 557	4.09 571	3.59 542	3.15 558	3.82 544	2.64 542	3.91 542	3.85 565	3.57 540	2.72 534	3.13 536	4.03 566	7.09 574	6.86 569	3.57 540	3.12 556	3.85 526	3.51 562

cross-raft	4.83 566	7.52 545	6.43 570	6.63 560	3.96 570	4.51 551	3.99 569	4.49 550	3.96 568	4.52 549	3.96 567	4.50 550	3.97 560	4.50 551	3.97 565	6.65 569	6.44 566	4.33 547	3.92 569	4.35 534	3.91 569

test_5	4.62 564	7.55 546	6.23 569	6.32 559	3.40 562	5.29 570	3.50 561	3.53 541	4.11 569	4.28 546	4.47 572	4.26 549	4.38 564	3.68 542	3.24 555	5.89 565	5.60 561	4.84 565	3.50 561	4.33 533	3.93 570

RAFT+CT+SA	4.28 557	7.62 547	4.91 563	5.55 554	2.28 543	3.09 536	3.64 563	4.49 550	3.07 551	4.80 562	3.35 558	4.77 565	3.70 554	4.29 549	3.05 545	5.58 563	5.98 564	3.58 541	3.78 567	4.26 532	3.72 564

raft_robust	4.71 565	7.75 548	5.40 568	6.81 561	3.31 560	4.28 550	4.20 571	4.32 549	4.37 572	4.35 548	4.35 571	4.14 547	3.75 556	4.30 550	4.20 569	6.67 570	6.37 565	3.36 539	4.24 573	4.86 552	3.25 559

test_4	4.88 567	8.13 549	6.98 575	7.46 565	4.44 573	4.25 549	3.85 568	4.04 548	3.92 567	4.13 545	3.91 566	4.18 548	3.84 557	4.14 547	4.06 567	7.01 573	7.13 570	4.53 548	3.72 566	4.09 530	3.72 564

Sa-1000	4.34 560	8.37 550	6.84 573	6.98 564	4.45 574	3.58 541	3.00 544	3.42 540	3.39 559	2.61 521	4.00 568	3.83 544	4.01 561	3.90 544	3.90 564	5.98 567	5.62 562	3.76 544	2.34 542	4.35 534	2.47 543

TestStereo1	4.60 561	8.41 551	6.44 571	6.86 562	3.79 568	3.97 546	3.78 566	3.99 546	3.74 563	3.97 543	3.52 560	3.94 545	3.58 549	3.98 545	3.72 561	6.82 571	6.50 567	3.76 544	3.66 563	3.90 527	3.74 566

SA-5K	4.60 561	8.41 551	6.44 571	6.86 562	3.79 568	3.97 546	3.78 566	3.99 546	3.74 563	3.97 543	3.52 560	3.94 545	3.58 549	3.98 545	3.72 561	6.82 571	6.50 567	3.76 544	3.66 563	3.90 527	3.74 566

U	5.15 572	8.49 553	1.81 503	8.49 569	1.77 516	8.49 580	1.77 513	8.51 580	1.77 517	8.49 580	1.77 515	8.50 580	1.78 507	8.58 580	1.77 519	8.54 578	1.78 507	8.55 580	1.78 526	8.55 574	1.84 524

CFNet_RVC	2.38 524	8.71 554	0.38 238	9.33 572	0.42 314	0.56 328	0.42 303	0.60 326	0.38 280	0.62 336	0.42 310	0.56 331	7.29 575	0.62 331	0.42 305	0.53 303	0.37 241	0.49 320	0.34 271	8.30 572	6.87 578

rvit_stereo_0075_2	6.64 575	8.80 555	5.25 565	7.89 566	5.27 577	7.90 579	5.27 575	7.92 579	5.28 575	7.91 579	5.29 576	7.93 579	5.27 567	7.92 579	5.28 572	7.93 575	5.28 560	7.93 578	5.29 577	7.93 571	5.28 575

test_3	5.01 569	8.86 556	7.77 577	8.09 567	2.76 547	4.13 548	4.05 570	3.88 545	3.76 565	4.33 547	4.13 569	3.71 543	3.91 558	4.21 548	4.06 567	7.93 575	7.69 572	4.53 548	3.91 568	4.17 531	4.29 572

SGM+DAISY	7.06 577	9.15 557	5.38 567	8.84 571	5.18 576	8.80 581	5.31 576	8.79 581	5.28 575	8.89 581	5.20 575	8.93 581	5.33 568	8.95 581	5.36 573	8.70 579	5.21 559	8.74 581	5.20 576	8.89 575	5.15 574

test-1	6.46 574	9.16 558	8.03 580	8.09 567	5.62 578	6.11 573	6.35 577	6.85 575	4.94 574	6.08 573	6.29 579	4.98 569	6.43 571	6.22 571	6.36 577	6.16 568	7.47 571	5.82 573	5.44 578	7.11 568	5.68 576

RAFT	6.73 576	9.36 559	7.40 576	8.51 570	6.55 579	6.88 576	6.60 578	6.79 574	6.60 578	6.80 575	6.72 580	5.31 571	5.50 569	6.61 572	6.61 578	8.42 577	5.89 563	5.73 572	5.45 579	6.61 564	6.24 577

CFNet_pseudo	2.67 532	9.36 559	0.32 208	10.99 581	0.33 259	0.85 360	0.33 247	0.49 289	0.33 253	0.49 295	0.32 249	0.49 299	7.26 574	0.49 298	0.33 249	0.41 254	9.62 578	0.41 281	0.29 235	10.03 580	0.29 222

CFNet_ucs	2.73 533	9.64 561	0.33 213	9.92 577	0.32 248	0.49 302	0.33 247	0.49 289	0.33 253	0.49 295	0.33 255	0.49 299	8.98 578	0.48 292	0.33 249	0.41 254	9.96 581	0.40 268	0.29 235	10.12 581	0.54 332

PCWNet_CMD	2.80 536	9.82 562	0.32 208	10.09 579	0.32 248	0.49 302	0.33 247	3.34 538	0.33 253	0.49 295	0.33 255	0.49 299	8.73 576	0.48 292	0.33 249	0.41 254	9.22 575	0.42 292	0.29 235	9.55 578	0.31 239

pcwnet_v2	2.66 531	9.89 563	0.33 213	9.89 576	0.32 248	0.50 310	0.32 238	0.49 289	0.33 253	0.49 295	0.34 263	0.49 299	8.76 577	0.48 292	0.33 249	0.41 254	9.58 577	0.40 268	0.29 235	9.01 576	0.63 349

UCFNet_RVC	2.75 534	10.06 564	0.29 192	10.31 580	0.29 230	0.42 274	0.29 226	0.43 269	0.29 225	0.42 260	0.29 229	0.42 272	9.87 580	0.43 270	0.29 227	0.36 221	9.84 580	0.36 243	0.26 213	9.77 579	0.26 196

MSMDNet	2.65 530	10.14 565	0.33 213	9.74 575	0.32 248	0.87 362	0.33 247	2.95 534	0.68 357	0.49 295	0.34 263	0.49 299	5.70 570	0.49 298	0.33 249	0.42 268	9.57 576	0.41 281	0.31 254	8.36 573	0.65 351

ccs_rob	2.79 535	10.17 566	0.32 208	10.00 578	0.33 259	0.49 302	0.33 247	1.90 485	0.32 247	0.51 312	0.33 255	0.49 299	9.24 579	0.49 298	0.33 249	0.41 254	9.82 579	0.41 281	0.28 225	9.34 577	0.29 222

test-v	7.53 578	11.89 567	7.98 578	9.36 573	7.14 580	7.06 577	7.09 579	7.37 576	6.91 579	7.29 576	5.71 577	6.45 575	6.93 572	6.73 575	7.27 579	8.93 580	7.85 573	6.98 576	6.80 580	7.56 569	7.34 579

test-2	7.53 578	11.89 567	7.98 578	9.36 573	7.14 580	7.06 577	7.09 579	7.37 576	6.91 579	7.29 576	5.71 577	6.45 575	6.93 572	6.73 575	7.27 579	8.93 580	7.85 573	6.98 576	6.80 580	7.56 569	7.34 579

rafts_anoy	20.00 582	20.00 569	20.00 582	20.00 582	20.00 583	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 583	20.00 582	20.00 583	20.00 582	20.00 582

raft+_RVC	20.00 582	20.00 569	20.00 582	20.00 582	20.00 583	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 583	20.00 582	20.00 583	20.00 582	20.00 582

raftrobust	20.00 582	20.00 569	20.00 582	20.00 582	20.00 583	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 583	20.00 582	20.00 583	20.00 582	20.00 582

CasAABBNet	20.00 582	20.00 569	20.00 582	20.00 582	20.00 583	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 583	20.00 582	20.00 583	20.00 582	20.00 582

RALCasStereoNet	20.00 582	20.00 569	20.00 582	20.00 582	20.00 583	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 583	20.00 582	20.00 583	20.00 582	20.00 582

RALAANet	20.00 582	20.00 569	20.00 582	20.00 582	20.00 583	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 582	20.00 583	20.00 582	20.00 583	20.00 582	20.00 582

MANE	19.05 581	23.00 575	15.00 581	23.00 588	15.00 582	24.00 588	16.00 581	24.00 588	16.00 581	22.00 588	15.00 581	23.00 588	16.00 581	23.00 588	15.00 581	22.00 588	15.00 582	22.00 588	15.00 582	22.00 588	15.00 581

stereogan	2.33 518	24.38 576	1.18 409	1.18 366	1.18 441	1.14 414	1.18 431	1.19 410	1.19 437	1.14 415	1.18 434	1.14 409	1.18 425	1.14 416	1.18 433	1.14 380	1.14 409	1.19 430	1.19 432	1.15 397	1.19 437

Abc-Net	2.32 517	24.75 577	1.14 403	1.17 365	1.17 439	1.11 396	1.15 427	1.17 407	1.21 483	1.08 388	1.16 430	1.12 404	1.14 419	1.09 393	1.17 432	1.09 370	1.16 411	1.17 426	1.17 431	1.16 399	1.11 422
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 518	25.00 578	1.13 402	1.15 359	1.15 434	1.10 392	1.15 427	1.15 395	1.15 430	1.12 408	1.15 427	1.09 393	1.13 417	1.10 395	1.15 428	1.11 377	1.09 401	1.16 422	1.12 426	1.16 399	1.17 433

RGC	2.36 520	25.48 579	1.19 411	1.15 359	1.15 434	1.10 392	1.16 429	1.17 407	1.16 431	1.12 408	1.16 430	1.11 399	1.13 417	1.09 393	1.18 433	1.10 372	1.15 410	1.16 422	1.12 426	1.14 395	1.12 424

NCC-stereo	2.36 520	25.52 580	1.17 407	1.15 359	1.17 439	1.11 396	1.11 423	1.15 395	1.16 431	1.10 389	1.16 430	1.10 395	1.15 420	1.14 416	1.13 426	1.09 370	1.11 405	1.15 421	1.16 430	1.17 404	1.17 433

AF-Net	2.37 522	25.71 581	1.17 407	1.13 356	1.15 434	1.15 415	1.18 431	1.19 410	1.16 431	1.10 389	1.15 427	1.10 395	1.18 425	1.12 408	1.15 428	1.10 372	1.10 404	1.17 426	1.15 428	1.16 399	1.12 424

Nwc_Net	2.37 522	25.95 582	1.15 405	1.14 357	1.15 434	1.08 389	1.14 426	1.17 407	1.16 431	1.14 415	1.15 427	1.08 391	1.15 420	1.11 399	1.14 427	1.10 372	1.11 405	1.16 422	1.09 425	1.16 399	1.15 429

FAT-Stereo	2.46 526	26.05 583	1.23 463	1.23 415	1.22 491	1.20 420	1.24 481	1.23 461	1.23 485	1.19 419	1.22 481	1.21 469	1.24 475	1.20 423	1.24 482	1.21 435	1.17 414	1.22 477	1.25 485	1.20 408	1.24 487

S-Stereo	2.51 527	26.86 584	1.23 463	1.22 413	1.22 491	1.24 468	1.25 482	1.22 459	1.24 486	1.21 466	1.24 483	1.19 422	1.27 477	1.19 422	1.24 482	1.19 386	1.20 416	1.25 478	1.19 432	1.24 456	1.23 486

MoCha-V2	2.11 501	26.97 585	0.78 368	0.92 325	0.77 384	0.96 375	0.72 367	0.90 357	0.72 370	0.94 374	0.70 370	0.90 371	0.71 363	0.91 368	0.71 367	0.85 350	0.71 345	0.88 378	0.69 370	0.87 350	0.67 354

edge stereo	2.43 525	27.07 586	1.14 403	1.06 348	1.14 433	1.08 389	1.17 430	1.16 401	1.14 429	1.10 389	1.16 430	1.09 393	1.16 424	1.10 395	1.16 431	1.10 372	1.11 405	1.16 422	1.19 432	1.13 394	1.11 422

fff	1000028.16 608	29.62 587	29.72 589	32.61 589	30.02 590	35.13 591	31.83 590	32.07 590	10000000.00 608	35.27 592	29.82 590	32.45 590	30.15 589	32.35 590	30.09 589	31.04 590	29.55 591	30.64 590	30.14 590	10000000.00 609	30.77 590

csc	1000028.16 608	29.62 587	29.72 589	32.61 589	30.02 590	35.13 591	31.83 590	32.07 590	10000000.00 608	35.27 592	29.82 590	32.45 590	30.15 589	32.35 590	30.09 589	31.04 590	29.55 591	30.64 590	30.14 590	10000000.00 609	30.77 590

cscssc	1000028.16 608	29.62 587	29.72 589	32.61 589	30.02 590	35.13 591	31.83 590	32.07 590	10000000.00 608	35.27 592	29.82 590	32.45 590	30.15 589	32.35 590	30.09 589	31.04 590	29.55 591	30.64 590	30.14 590	10000000.00 609	30.77 590

STTStereo	3.73 542	30.40 590	2.37 535	2.39 483	2.31 545	2.35 510	2.33 538	2.29 502	2.42 541	2.32 511	2.34 543	2.33 505	2.36 531	2.30 507	2.27 540	2.35 509	2.22 527	2.31 518	2.22 538	2.29 495	2.34 540

111	30.40 588	30.94 591	29.72 589	32.61 589	30.02 590	33.57 589	30.47 589	31.50 589	29.39 589	30.98 589	29.11 589	29.78 589	30.39 592	29.45 589	30.76 592	30.08 589	29.02 590	29.92 589	30.32 593	29.86 589	30.17 589

DCANet-4	35.22 590	34.54 592	35.08 595	33.58 593	35.47 597	34.55 590	35.53 596	36.08 595	35.85 593	35.92 595	35.77 595	35.18 595	35.48 594	35.39 595	37.15 598	34.55 595	33.92 594	35.02 596	34.90 595	35.79 593	34.74 596

tt	500032.53 606	34.60 593	29.72 589	37.47 598	34.41 595	36.85 595	35.22 594	34.71 593	33.55 591	34.50 590	35.43 593	33.81 593	10000000.00 609	33.57 593	33.13 593	33.68 593	35.00 595	34.03 594	35.26 596	30.96 590	34.63 594

DCANet	500032.53 606	34.60 593	29.72 589	37.47 598	34.41 595	36.85 595	35.22 594	34.71 593	33.55 591	34.50 590	35.43 593	33.81 593	10000000.00 609	33.57 593	33.13 593	33.68 593	35.00 595	34.03 594	35.26 596	30.96 590	34.63 594

WCMA_ROB	31.10 589	35.43 595	27.12 588	39.51 600	23.10 589	38.78 600	25.30 588	37.49 600	25.39 588	37.29 599	27.02 588	38.52 600	26.48 588	37.80 599	26.44 588	36.28 596	22.65 589	33.90 593	22.30 589	37.10 597	24.18 588

ADStereo(finetuned)	36.13 591	36.63 596	38.07 599	36.97 594	33.25 594	35.91 594	34.45 593	36.36 596	32.99 590	38.14 600	36.71 596	36.69 596	34.13 593	38.57 600	40.79 599	37.60 600	36.58 597	35.90 597	33.36 594	35.42 592	34.04 593

Reg-Stereo(zero)	37.00 592	37.00 597	37.00 596	37.00 595	37.00 598	37.00 597	37.00 597	37.00 597	37.00 594	37.00 596	37.00 597	37.00 597	37.00 595	37.00 596	37.00 595	37.00 597	37.00 598	37.00 598	37.00 598	37.00 594	37.00 597

HI	37.00 592	37.00 597	37.00 596	37.00 595	37.00 598	37.00 597	37.00 597	37.00 597	37.00 594	37.00 596	37.00 597	37.00 597	37.00 595	37.00 596	37.00 595	37.00 597	37.00 598	37.00 598	37.00 598	37.00 594	37.00 597

CoSv	37.00 592	37.00 597	37.00 596	37.00 595	37.00 598	37.00 597	37.00 597	37.00 597	37.00 594	37.00 596	37.00 597	37.00 597	37.00 595	37.00 596	37.00 595	37.00 597	37.00 598	37.00 598	37.00 598	37.00 594	37.00 597

NLCA_NET_v2_RVC	5.04 570	50.87 600	2.78 537	2.87 497	2.71 546	2.78 535	0.47 317	2.88 533	2.86 545	1.89 487	2.67 544	2.79 535	2.79 535	2.78 534	2.83 542	2.82 528	2.82 531	2.83 535	2.77 544	2.83 521	2.76 544
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	69.83 595	87.70 601	41.95 600	113.75 603	65.62 603	75.05 601	55.25 601	75.64 602	45.04 597	71.61 601	41.75 600	72.81 601	44.06 598	68.38 601	44.63 600	101.89 603	59.57 603	107.10 603	61.05 603	104.38 600	59.38 602

MGS-Stereo	239.45 600	123.00 602	135.00 604	266.00 606	286.00 607	277.00 606	305.00 606	271.00 606	242.00 603	274.00 606	279.00 606	255.00 606	270.00 604	268.00 606	297.00 606	221.00 606	247.00 607	216.00 606	123.00 604	217.00 603	217.00 606

AE-Stereo	201.80 599	123.00 602	115.00 602	219.00 605	218.00 606	223.00 605	244.00 605	217.00 605	236.00 602	202.00 605	203.00 604	205.00 605	208.00 602	225.00 605	204.00 604	210.00 605	198.00 605	197.00 605	184.00 606	204.00 602	201.00 604

EGLCR-Stereo	246.90 601	129.00 604	139.00 605	266.00 606	286.00 607	277.00 606	305.00 606	271.00 606	242.00 603	274.00 606	279.00 606	255.00 606	270.00 604	268.00 606	297.00 606	230.00 607	247.00 607	216.00 606	223.00 608	237.00 604	227.00 607

NOSS_ROB	102.95 596	153.00 605	121.00 603	51.00 601	44.00 601	165.00 604	127.00 602	153.00 603	119.00 599	164.00 604	125.00 602	168.00 604	120.00 600	153.00 603	117.00 602	49.00 601	44.00 601	49.00 601	44.00 601	49.00 598	44.00 600

MeshStereo	159.24 598	171.00 606	160.68 606	162.58 604	160.59 604	164.01 603	160.35 603	158.51 604	158.56 600	158.34 603	160.12 603	158.56 603	159.92 601	157.26 604	158.94 603	154.38 604	158.36 604	155.75 604	159.13 605	153.67 601	154.07 603
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	11.80 580	223.51 607	0.62 320	0.59 283	0.71 376	0.59 335	0.73 368	0.67 335	0.73 374	0.55 324	0.61 353	0.60 337	0.74 367	0.63 335	0.73 369	0.66 324	0.60 324	0.69 350	0.66 363	0.72 325	0.65 351
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 602	354.61 608	207.27 607	363.24 608	206.46 605	364.72 608	210.41 604	364.72 608	210.41 601	364.81 608	208.64 605	364.81 608	208.64 603	364.72 608	210.41 605	354.70 608	205.53 606	354.70 608	205.53 607	354.70 605	205.53 605

LE_ROB	396.57 603	471.28 609	329.84 608	471.48 609	308.15 609	526.83 609	322.10 608	488.15 609	323.76 605	495.46 609	317.97 608	497.17 609	320.10 606	481.62 609	326.76 608	462.71 609	298.97 609	466.16 609	285.98 609	447.62 606	289.21 608

SGM-ForestM	596.69 604	677.77 610	444.52 609	699.85 610	517.25 610	732.94 610	488.29 609	770.79 610	460.11 606	750.81 610	487.98 609	792.79 610	499.41 607	730.90 610	475.81 609	720.03 610	491.16 610	663.96 610	418.60 610	674.76 607	436.05 609

CBMV_ROB	818.48 605	913.88 611	709.52 610	862.84 611	597.78 611	1073.99 611	700.52 610	1015.66 611	702.59 607	1115.65 611	760.02 610	1130.24 611	721.57 608	1037.41 611	692.65 610	814.05 611	564.29 611	843.28 611	595.31 611	915.51 608	602.92 610

CBMV	128.50 597	1422.70 612	53.10 601	79.50 602	51.30 602	77.30 602	49.70 600	74.00 601	48.20 598	77.20 602	48.80 601	73.90 602	48.00 599	73.80 602	48.80 601	70.40 602	45.10 602	68.90 602	46.10 602	68.20 599	45.00 601
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
111111	10000000.00 611	10000000.00 613	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 608	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 609	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 609	10000000.00 611

SGD-Stereo	10000000.00 611	10000000.00 613	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 608	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 609	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 609	10000000.00 611

IGEV-Stereo++	10000000.00 611	10000000.00 613	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 608	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 609	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 609	10000000.00 611

IGEV-BASED-STEREO-	10000000.00 611	10000000.00 613	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 608	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 609	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 609	10000000.00 611

IGEV-Stereo+	10000000.00 611	10000000.00 613	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 608	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 609	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 609	10000000.00 611

SDNR	10000000.00 611	10000000.00 613	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 608	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 609	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 609	10000000.00 611

anonymousdsp2	10000000.00 611	10000000.00 613	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 608	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 609	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 609	10000000.00 611

anonymousdsp	10000000.00 611	10000000.00 613	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 608	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 609	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 609	10000000.00 611

test_example2	10000000.00 611	10000000.00 613	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 608	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 609	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 609	10000000.00 611

DIP-Stereo	10000000.00 611	10000000.00 613	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 608	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 609	10000000.00 612	10000000.00 611	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 612	10000000.00 609	10000000.00 611
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