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

USTest	0.01 9	0.02 12	0.00 1	0.14 95	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

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

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

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

CoDeX	0.15 116	0.70 216	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	0.67 334	0.02 15	0.69 316	0.75 338	0.01 9	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

SFCPSM	0.17 127	0.78 220	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	0.79 352	0.02 15	0.75 326	0.76 340	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 49	0.02 12	0.02 14	1.01 324	0.03 47	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 68	0.09 98	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 82	0.02 12	0.02 14	1.62 413	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 81	0.04 71	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 50

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 47	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 51	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

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

G2L-Stereo_aug	0.03 29	0.04 37	0.03 34	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 34	0.03 28	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

TCMNet-wrong-test	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.02 20	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

YMNet	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.02 20	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.02 20	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

YMNet_1	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.02 20	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.02 20	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

BEATNet_4x	0.11 82	0.03 31	0.03 34	1.60 410	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.05 76	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

ADCL	0.11 82	0.03 31	0.03 34	1.60 410	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.05 76	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

AnyNet_C32	0.14 106	0.04 37	0.03 34	2.22 431	0.04 76	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.04 73	0.02 21	0.07 95	0.04 71	0.02 15	0.02 15	0.03 38	0.03 53	0.02 20	0.03 50

DFGA-Net	0.05 40	0.06 54	0.04 42	0.06 45	0.04 76	0.06 85	0.04 76	0.06 87	0.04 77	0.06 89	0.04 84	0.06 90	0.04 80	0.06 81	0.04 71	0.06 54	0.04 44	0.05 80	0.04 74	0.05 85	0.04 75

Wz-Net-TNSev	0.02 15	0.05 49	0.04 42	0.07 46	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 54	0.04 44	0.01 9	0.01 9	0.01 10	0.01 10

APVNet	0.09 50	0.05 49	0.04 42	0.05 42	0.04 76	0.05 83	0.90 361	0.06 87	0.04 77	0.05 85	0.04 84	0.05 85	0.04 80	0.05 76	0.04 71	0.05 50	0.04 44	0.05 80	0.04 74	0.05 85	0.05 90

EDNetEfficientorigin	0.04 37	0.06 54	0.04 42	0.05 42	0.04 76	0.05 83	0.04 76	0.05 83	0.04 77	0.05 85	0.04 84	0.05 85	0.04 80	0.05 76	0.04 71	0.05 50	0.03 35	0.06 87	0.03 53	0.04 73	0.03 50

EDNetEfficient	0.04 37	0.05 49	0.04 42	0.04 36	0.03 47	0.04 73	0.03 49	0.04 73	0.03 54	0.04 70	0.03 51	0.04 73	0.03 51	0.04 68	0.03 47	0.05 50	0.03 35	0.05 80	0.03 53	0.04 73	0.03 50

FADNet-RVC-Resample	0.12 91	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.04 80	0.04 68	1.57 450	0.04 43	0.04 44	0.04 70	0.05 89	0.04 73	0.06 95

FADNet_RVC	0.12 91	0.04 37	0.04 42	0.05 42	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.05 87	0.04 68	1.65 454	0.05 50	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

FADNet-RVC	0.13 97	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.05 86	0.04 73	0.04 77	0.04 70	0.05 93	0.04 73	0.05 87	0.04 68	1.71 457	0.04 43	0.04 44	0.04 70	0.04 74	0.07 97	0.04 75

FADNet	0.12 91	0.05 49	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.05 87	0.04 68	1.66 455	0.06 54	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

ADCS	0.09 50	0.02 12	0.04 42	0.90 302	0.06 100	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 120	0.36 253	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCRef	0.12 91	0.03 31	0.04 42	1.71 416	0.04 76	0.03 40	0.03 49	0.04 73	0.04 77	0.04 70	0.03 51	0.04 73	0.03 51	0.06 81	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.03 43	0.04 75

ADCP+	0.15 116	0.04 37	0.04 42	2.20 430	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.05 93	0.04 73	0.04 80	0.08 98	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

ADCPNet	0.10 61	0.03 31	0.04 42	1.27 395	0.03 47	0.04 73	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.04 73	0.03 51	0.08 98	0.04 71	0.04 43	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

NVStereoNet_ROB	0.04 37	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.04 80	0.04 68	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
GwcNet	0.12 91	0.07 56	0.05 56	0.08 48	0.05 92	0.08 96	1.20 389	0.07 97	0.05 91	0.05 85	0.05 93	0.08 97	0.05 87	0.08 98	0.03 47	0.07 57	0.05 55	0.06 87	0.05 89	0.07 97	0.05 90

Wz-Net-SNSev	0.03 29	0.09 63	0.07 57	0.09 52	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 65	0.07 56	0.01 9	0.01 9	0.01 10	0.01 10

FINET	0.07 48	0.08 57	0.07 57	0.07 46	0.07 101	0.08 96	0.06 98	0.08 100	0.07 102	0.08 97	0.07 102	0.08 97	0.06 99	0.07 95	0.07 93	0.08 59	0.07 56	0.07 92	0.07 97	0.06 89	0.06 95

AASNet	0.06 43	0.08 57	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 99	0.06 89	0.06 99	0.05 85	0.06 99	0.06 81	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

SACVNet	0.06 43	0.08 57	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 99	0.06 89	0.06 99	0.05 85	0.06 99	0.06 81	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

AACVNet	0.06 43	0.08 57	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 99	0.06 89	0.06 99	0.05 85	0.06 99	0.06 81	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

BEATNet-Init1	0.19 132	0.08 57	0.08 59	2.23 432	0.08 103	0.08 96	0.07 101	0.07 97	0.08 104	0.08 97	0.07 102	0.08 97	0.07 103	0.11 114	0.08 95	0.08 59	0.08 58	0.08 94	0.07 97	0.08 99	0.08 98

DeepPrunerF	0.19 132	0.08 57	0.08 59	2.23 432	0.08 103	0.08 96	0.07 101	0.07 97	0.08 104	0.08 97	0.07 102	0.08 97	0.07 103	0.11 114	0.08 95	0.08 59	0.08 58	0.08 94	0.07 97	0.08 99	0.08 98

SMFormer	0.09 50	1.01 262	0.09 64	0.09 52	0.03 47	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 65	0.09 67	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 50	0.95 249	0.09 64	0.10 55	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 65	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

LRCNet_RVC	0.13 97	0.13 79	0.09 64	0.13 91	0.10 111	0.14 117	0.10 108	0.14 118	0.10 108	0.23 162	0.10 109	0.20 148	0.10 110	0.24 170	0.11 116	0.11 85	0.09 67	0.12 114	0.14 149	0.12 117	0.09 101

DRN-Test	0.14 106	0.13 79	0.09 64	0.14 95	0.09 105	0.15 124	0.09 103	0.14 118	0.10 108	0.14 117	0.09 105	0.14 118	0.09 106	0.13 119	0.09 98	0.12 90	0.09 67	0.12 114	0.09 103	0.12 117	0.73 343

S2M2	0.12 91	0.14 83	0.10 68	0.15 105	0.10 111	0.14 117	0.10 108	0.14 118	0.10 108	0.15 123	0.10 109	0.14 118	0.10 110	0.14 120	0.10 104	0.13 106	0.10 72	0.13 117	0.09 103	0.13 119	0.09 101

test_sample6	0.09 50	0.97 252	0.10 68	0.10 55	0.03 47	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 51	0.03 42	0.02 21	0.03 39	0.02 20	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

test_sample3	0.09 50	0.87 231	0.10 68	0.12 78	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 50	1.01 262	0.10 68	0.10 55	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.03 40	0.03 51	0.03 42	0.02 21	0.03 39	0.02 20	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.03 50

Wz-Net-MNSev	0.06 43	0.54 203	0.10 68	0.12 78	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 90	0.11 93	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 40	0.50 188	0.10 68	0.12 78	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 90	0.10 72	0.01 9	0.01 9	0.01 10	0.01 10

SepStereo	0.09 50	0.09 63	0.10 68	0.09 52	0.09 105	0.09 100	0.09 103	0.10 102	0.08 104	0.10 101	0.09 105	0.09 101	0.09 106	0.09 101	0.08 95	0.09 65	0.08 58	0.09 99	0.08 101	0.09 102	0.08 98

AnonymousM	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

UNet	0.29 164	0.90 238	0.10 68	0.14 95	0.10 111	0.14 117	0.10 108	0.91 340	0.69 340	0.14 117	0.11 123	0.14 118	0.11 122	0.14 120	0.10 104	0.12 90	0.09 67	0.12 114	0.09 103	0.88 328	0.76 348

PVD	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

SHD	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

SAMSARA	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

XQC	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTSC	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTS	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTSA	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

MADNet+	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

MADNet++	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

StereoDRNet	0.15 116	0.14 83	0.10 68	0.14 95	0.09 105	0.15 124	0.09 103	0.14 118	0.09 107	0.14 117	0.10 109	0.14 118	0.09 106	0.14 120	0.09 98	0.13 106	0.10 72	0.13 117	0.09 103	0.13 119	0.82 354

ELAS_RVC	0.14 106	0.16 85	0.10 68	0.15 105	0.10 111	0.18 143	0.11 121	0.19 143	0.11 123	0.19 142	0.12 133	0.18 142	0.11 122	0.19 144	0.12 130	0.14 113	0.08 58	0.14 119	0.09 103	0.15 131	0.09 101
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
test_sample7	0.09 50	1.00 256	0.11 88	0.11 72	0.02 21	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.03 53	0.03 43	0.03 50

test_sample5	0.10 61	1.07 275	0.11 88	0.10 55	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.03 53	0.04 73	0.03 50

test_sample2	0.09 50	1.03 268	0.11 88	0.11 72	0.03 47	0.03 40	0.03 49	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 65	0.09 67	0.03 38	0.02 20	0.03 43	0.02 20

testlalala2	0.13 97	0.16 85	0.11 88	0.15 105	0.11 126	0.16 132	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.14 113	0.11 93	0.14 119	0.11 122	0.14 121	0.11 118

JetRed	0.11 82	0.12 78	0.11 88	0.11 72	0.11 126	0.11 112	0.14 141	0.11 114	0.11 123	0.12 115	0.11 123	0.11 113	0.11 122	0.11 114	0.11 116	0.11 85	0.16 139	0.11 111	0.11 122	0.11 113	0.11 118

DualNet	0.10 61	1.07 275	0.11 88	0.10 55	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.03 53	0.04 73	0.03 50

testlalala_base	0.13 97	0.16 85	0.11 88	0.15 105	0.11 126	0.15 124	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.14 113	0.11 93	0.14 119	0.11 122	0.14 121	0.11 118

ICVP	0.15 116	0.53 200	0.11 88	0.16 115	0.11 126	0.16 132	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.16 129	0.11 93	0.16 135	0.11 122	0.16 135	0.11 118
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 97	0.11 76	0.11 88	0.11 72	0.11 126	0.11 112	0.11 121	0.11 114	0.11 123	0.11 113	0.12 133	0.11 113	0.11 122	0.11 114	0.11 116	0.11 85	0.11 93	0.14 119	0.11 122	0.49 273	0.11 118

SGM_RVC	0.15 116	0.17 91	0.11 88	0.18 124	0.11 126	0.19 146	0.11 121	0.19 143	0.12 141	0.19 142	0.12 133	0.20 148	0.12 138	0.19 144	0.12 130	0.16 129	0.11 93	0.17 142	0.10 110	0.17 140	0.10 106
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	0.13 97	0.16 85	0.11 88	0.15 105	0.09 105	0.18 143	0.11 121	0.18 141	0.11 123	0.17 137	0.11 123	0.18 142	0.11 122	0.18 141	0.11 116	0.14 113	0.08 58	0.14 119	0.08 101	0.14 121	0.09 101
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DualNet (step1)	0.10 61	1.05 272	0.12 99	0.12 78	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.03 53	0.03 43	0.03 50

test_sample9	0.10 61	1.05 272	0.12 99	0.12 78	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.03 53	0.03 43	0.03 50

test_sample8	0.10 61	1.05 272	0.12 99	0.12 78	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.03 53	0.03 43	0.03 50

test_sample4	0.10 61	1.03 268	0.12 99	0.10 55	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.13 131	0.03 38	0.03 53	0.03 43	0.03 50

test_sample1	0.09 50	0.87 231	0.12 99	0.11 72	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

JetBlue	0.11 82	0.11 76	0.12 99	0.13 91	0.14 146	0.11 112	0.11 121	0.11 114	0.11 123	0.11 113	0.11 123	0.11 113	0.11 122	0.12 118	0.12 130	0.11 85	0.11 93	0.11 111	0.11 122	0.11 113	0.11 118

mmm	0.14 106	1.83 361	0.12 99	0.11 72	0.03 47	0.03 40	0.03 49	0.03 42	0.04 77	0.03 40	0.03 51	0.03 42	0.03 51	0.06 81	0.04 71	0.12 90	0.11 93	0.05 80	0.04 74	0.05 85	0.04 75

ffm	0.25 150	3.83 436	0.12 99	0.12 78	0.05 92	0.06 85	0.05 86	0.06 87	0.05 91	0.03 40	0.03 51	0.06 90	0.05 87	0.06 81	0.05 82	0.12 90	0.12 107	0.05 80	0.04 74	0.06 89	0.04 75

ff1	0.25 150	3.83 436	0.12 99	0.12 78	0.05 92	0.06 85	0.05 86	0.06 87	0.05 91	0.03 40	0.03 51	0.06 90	0.05 87	0.06 81	0.05 82	0.12 90	0.12 107	0.05 80	0.04 74	0.06 89	0.04 75

mmx	0.25 150	3.83 436	0.12 99	0.12 78	0.05 92	0.06 85	0.05 86	0.06 87	0.05 91	0.03 40	0.03 51	0.06 90	0.05 87	0.06 81	0.05 82	0.12 90	0.12 107	0.05 80	0.04 74	0.06 89	0.04 75

ttt	0.10 61	1.09 277	0.12 99	0.12 78	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.02 20	0.03 43	0.02 20

GASNet	0.05 40	0.04 37	0.12 99	0.04 36	0.04 76	0.04 73	0.05 86	0.04 73	0.04 77	0.12 115	0.04 84	0.06 90	0.04 80	0.04 68	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

qqq	0.16 124	2.01 376	0.12 99	0.15 105	0.04 76	0.06 85	0.05 86	0.06 87	0.04 77	0.06 89	0.03 51	0.06 90	0.03 51	0.06 81	0.03 47	0.12 90	0.14 134	0.04 70	0.04 74	0.03 43	0.03 50

CIPLG	0.13 97	0.21 104	0.12 99	0.16 115	0.11 126	0.15 124	0.11 121	0.14 118	0.11 123	0.15 123	0.12 133	0.15 128	0.11 122	0.14 120	0.11 116	0.15 122	0.12 107	0.14 119	0.11 122	0.14 121	0.11 118

IPLGR_C	0.14 106	0.20 98	0.12 99	0.15 105	0.11 126	0.14 117	0.15 146	0.14 118	0.11 123	0.15 123	0.12 133	0.14 118	0.11 122	0.16 130	0.11 116	0.15 122	0.12 107	0.14 119	0.12 138	0.15 131	0.12 133

222	0.10 61	0.99 255	0.12 99	0.13 91	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.02 20	0.04 73	0.03 50

cf-r	0.66 285	2.17 386	0.12 99	0.18 124	0.12 141	0.18 143	2.70 476	2.60 459	0.12 141	0.18 140	0.12 133	0.18 142	0.12 138	0.18 141	0.12 130	0.15 122	0.11 93	0.15 132	0.11 122	1.81 428	1.74 463

HSM	0.14 106	0.16 85	0.12 99	0.17 123	0.12 141	0.17 140	0.11 121	0.17 139	0.11 123	0.17 137	0.12 133	0.17 139	0.12 138	0.17 139	0.12 130	0.16 129	0.11 93	0.16 135	0.11 122	0.16 135	0.12 133

LALA_ROB	0.15 116	0.19 94	0.12 99	0.18 124	0.11 126	0.20 151	0.12 136	0.21 154	0.12 141	0.20 147	0.12 133	0.20 148	0.12 138	0.21 158	0.13 136	0.17 136	0.10 72	0.18 151	0.11 122	0.18 144	0.11 118

ITSA-stereo	0.15 116	0.17 91	0.13 118	0.20 129	0.13 144	0.19 146	0.13 139	0.18 141	0.13 144	0.19 142	0.13 145	0.18 142	0.14 147	0.18 141	0.14 140	0.16 129	0.11 93	0.15 132	0.14 149	0.18 144	0.11 118

11t1	0.17 127	2.16 385	0.13 118	0.13 91	0.04 76	0.06 85	0.04 76	0.06 87	0.04 77	0.06 89	0.03 51	0.06 90	0.03 51	0.06 81	0.05 82	0.18 144	0.12 107	0.06 87	0.03 53	0.05 85	0.03 50

1111x	0.10 61	1.14 282	0.13 118	0.14 95	0.03 47	0.04 73	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.11 93	0.03 38	0.02 20	0.03 43	0.02 20

test_xeample	0.10 61	1.09 277	0.13 118	0.12 78	0.03 47	0.03 40	0.03 49	0.04 73	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.14 113	0.14 134	0.03 38	0.03 53	0.03 43	0.03 50

DeepPruner_ROB	0.16 124	0.18 93	0.13 118	0.19 127	0.13 144	0.19 146	0.13 139	0.19 143	0.13 144	0.19 142	0.13 145	0.19 146	0.13 143	0.19 144	0.13 136	0.18 144	0.13 131	0.18 151	0.13 146	0.18 144	0.13 139

DDVS	0.30 165	3.10 417	0.14 123	0.19 127	0.14 146	0.19 146	0.14 141	0.20 148	0.14 146	0.19 142	0.13 145	0.16 129	0.13 143	0.19 144	0.13 136	0.17 136	0.13 131	0.17 142	0.13 146	0.17 140	0.13 139

qqq1	0.25 150	3.70 430	0.14 123	0.14 95	0.04 76	0.06 85	0.05 86	0.06 87	0.05 91	0.06 89	0.05 93	0.04 73	0.05 87	0.06 81	0.05 82	0.13 106	0.12 107	0.06 87	0.05 89	0.03 43	0.04 75

fff1	0.25 150	3.70 430	0.14 123	0.14 95	0.04 76	0.06 85	0.05 86	0.06 87	0.05 91	0.06 89	0.05 93	0.04 73	0.05 87	0.06 81	0.05 82	0.13 106	0.12 107	0.06 87	0.05 89	0.03 43	0.04 75

ProNet	0.14 106	0.20 98	0.14 123	0.16 115	0.11 126	0.16 132	0.11 121	0.17 139	0.11 123	0.17 137	0.12 133	0.17 139	0.13 143	0.17 139	0.12 130	0.15 122	0.11 93	0.16 135	0.11 122	0.15 131	0.12 133

IPLG	0.13 97	0.20 98	0.14 123	0.15 105	0.11 126	0.14 117	0.11 121	0.14 118	0.11 123	0.14 117	0.11 123	0.14 118	0.11 122	0.14 120	0.11 116	0.15 122	0.12 107	0.14 119	0.11 122	0.14 121	0.11 118

IPLGR	0.14 106	0.24 116	0.14 123	0.16 115	0.12 141	0.15 124	0.12 136	0.14 118	0.11 123	0.15 123	0.12 133	0.14 118	0.11 122	0.14 120	0.11 116	0.15 122	0.12 107	0.14 119	0.11 122	0.14 121	0.11 118

ACRE	0.13 97	0.21 104	0.14 123	0.15 105	0.11 126	0.14 117	0.11 121	0.14 118	0.11 123	0.14 117	0.12 133	0.14 118	0.11 122	0.14 120	0.11 116	0.15 122	0.12 107	0.14 119	0.11 122	0.14 121	0.11 118

GMStereo	0.14 106	0.13 79	0.14 123	0.14 95	0.14 146	0.14 117	0.14 141	0.14 118	0.14 146	0.14 117	0.14 150	0.14 118	0.14 147	0.14 120	0.14 140	0.14 113	0.14 134	0.14 119	0.14 149	0.14 121	0.14 144
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 134	0.19 94	0.14 123	0.20 129	0.14 146	0.20 151	0.96 368	0.21 154	0.14 146	0.20 147	0.13 145	0.21 155	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	0.17 140	0.12 133

acv_ft	0.20 134	0.19 94	0.14 123	0.20 129	0.14 146	0.20 151	0.96 368	0.21 154	0.14 146	0.20 147	0.13 145	0.21 155	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	0.17 140	0.12 133

hitnet-ft	0.79 311	2.78 412	0.14 123	0.20 129	0.14 146	0.21 158	2.89 477	2.80 466	0.14 146	0.20 147	0.14 150	0.20 148	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	2.54 452	2.33 473

GANet-RSSM	0.75 302	1.91 368	0.14 123	0.47 231	0.14 146	0.21 158	3.21 493	2.30 453	0.14 146	0.46 261	0.14 150	0.23 165	0.18 168	0.21 158	0.14 140	0.18 144	0.27 185	0.37 233	0.13 146	2.13 437	2.12 466

PSMNet-RSSM	0.77 307	2.76 409	0.14 123	0.20 129	0.14 146	0.20 151	2.66 474	2.79 465	0.14 146	0.21 156	0.14 150	0.21 155	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	2.52 450	2.31 471

GwcNet-RSSM	0.77 307	2.77 411	0.14 123	0.20 129	0.14 146	0.20 151	2.67 475	2.78 464	0.14 146	0.20 147	0.14 150	0.20 148	0.14 147	0.21 158	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	2.52 450	2.31 471

CFNet-ft	0.55 271	1.57 351	0.14 123	0.20 129	0.14 146	0.20 151	2.53 473	1.61 432	0.14 146	0.20 147	0.14 150	0.20 148	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	1.56 423	1.24 437

x	0.11 82	1.15 284	0.15 138	0.14 95	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.14 113	0.15 137	0.03 38	0.03 53	0.03 43	0.03 50

xyz-stereo-finetune2	0.18 130	0.48 182	0.16 139	0.16 115	0.15 157	0.15 124	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 129	0.16 157	0.16 130	0.16 156	0.16 129	0.16 139	0.16 135	0.16 154	0.16 135	0.16 145

xyz-stereo-finetune	0.28 160	0.49 184	0.16 139	0.16 115	0.16 164	0.16 132	0.16 149	0.22 158	0.30 227	0.32 192	0.31 234	0.32 197	0.31 234	0.32 198	0.32 228	0.32 194	0.33 220	0.31 196	0.32 245	0.31 183	0.32 233

xyz-stereo	0.18 130	0.50 188	0.16 139	0.15 105	0.16 164	0.16 132	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 129	0.16 157	0.16 130	0.16 156	0.16 129	0.16 139	0.16 135	0.16 154	0.16 135	0.16 145

GMStereo_Zeroshot	0.16 124	0.16 85	0.16 139	0.16 115	0.16 164	0.16 132	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 129	0.16 157	0.16 130	0.16 156	0.16 129	0.16 139	0.16 135	0.16 154	0.16 135	0.16 145

dd	0.23 147	0.98 253	0.16 139	0.23 140	0.15 157	0.23 166	0.15 146	0.23 162	0.15 156	0.23 162	0.15 158	0.24 169	0.17 161	0.23 166	0.15 150	0.22 154	0.15 137	0.21 157	0.15 153	0.22 156	0.16 145

dad	0.23 147	1.03 268	0.16 139	0.23 140	0.15 157	0.24 167	0.15 146	0.24 165	0.16 158	0.23 162	0.16 159	0.24 169	0.16 157	0.23 166	0.15 150	0.22 154	0.16 139	0.22 162	0.16 154	0.22 156	0.16 145

xxxx	0.11 82	1.16 285	0.16 139	0.12 78	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.16 139	0.03 38	0.04 74	0.04 73	0.04 75

MIPNet	0.14 106	0.21 104	0.17 146	0.16 115	0.11 126	0.15 124	0.12 136	0.14 118	0.11 123	0.16 128	0.11 123	0.14 118	0.11 122	0.14 120	0.11 116	0.14 113	0.12 107	0.14 119	0.11 122	0.14 121	0.11 118

MMNet	0.44 236	1.24 340	0.17 146	0.25 150	0.17 167	0.25 174	0.18 160	1.26 420	0.93 369	0.25 171	0.17 164	0.25 174	0.18 168	0.25 175	0.17 159	0.23 165	0.16 139	0.23 168	0.16 154	1.20 364	0.99 368

delet	0.43 233	1.21 336	0.17 146	0.25 150	0.17 167	0.25 174	0.18 160	1.26 420	0.95 371	0.25 171	0.17 164	0.25 174	0.17 161	0.25 175	0.17 159	0.23 165	0.16 139	0.22 162	0.16 154	1.18 361	0.98 367

psm_up	0.43 233	1.19 289	0.17 146	0.25 150	0.18 174	0.25 174	0.19 164	1.26 420	0.91 364	0.26 178	0.17 164	0.25 174	0.17 161	0.25 175	0.17 159	0.22 154	0.17 154	0.23 168	0.16 154	1.18 361	0.99 368

UPFNet	0.42 232	1.20 290	0.17 146	0.24 145	0.17 167	0.25 174	0.17 154	1.19 368	0.90 363	0.25 171	0.17 164	0.24 169	0.17 161	0.25 175	0.17 159	0.22 154	0.17 154	0.22 162	0.16 154	1.15 353	0.93 363

test_for_model	0.15 116	0.23 109	0.18 151	0.21 137	0.11 126	0.16 132	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.21 151	0.18 160	0.14 119	0.11 122	0.14 121	0.11 118

iResNetv2_ROB	0.20 134	0.23 109	0.18 151	0.24 145	0.20 180	0.24 167	0.18 160	0.24 165	0.18 165	0.24 167	0.18 174	0.23 165	0.19 173	0.24 170	0.18 168	0.21 151	0.16 139	0.21 157	0.16 154	0.22 156	0.16 145

iResNet	0.20 134	0.23 109	0.18 151	0.24 145	0.18 174	0.24 167	0.20 167	0.24 165	0.18 165	0.23 162	0.17 164	0.23 165	0.18 168	0.23 166	0.18 168	0.22 154	0.16 139	0.21 157	0.16 154	0.21 154	0.16 145

Pointernet	0.21 140	0.22 108	0.19 154	0.24 145	0.19 178	0.24 167	0.19 164	0.24 165	0.19 171	0.24 167	0.19 175	0.24 169	0.19 173	0.24 170	0.19 171	0.22 154	0.17 154	0.22 162	0.17 172	0.22 156	0.17 157

ac_64	0.22 143	0.13 79	0.19 154	0.23 140	0.10 111	0.26 181	1.02 376	0.14 118	0.10 108	0.28 181	0.14 150	0.17 139	0.19 173	0.28 190	0.09 98	0.22 154	0.16 139	0.23 168	0.17 172	0.11 113	0.12 133

CFNet	1.37 419	5.27 460	0.19 154	5.49 487	0.19 178	0.28 185	0.19 164	0.28 178	0.19 171	0.28 181	0.19 175	0.28 185	4.35 497	0.28 190	0.19 171	0.23 165	0.17 154	0.23 168	4.21 506	4.81 483	0.17 157

Wz-Net-LNSev	0.06 43	0.24 116	0.20 157	0.23 140	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	0.23 165	0.21 166	0.02 18	0.01 9	0.01 10	0.01 10

DAS	0.20 134	0.20 98	0.20 157	0.20 129	0.20 180	0.20 151	0.20 167	0.20 148	0.20 173	0.20 147	0.20 179	0.20 148	0.20 177	0.20 148	0.20 174	0.20 147	0.20 163	0.20 155	0.20 177	0.20 151	0.20 164

GEStereo_RVC	0.86 331	4.45 447	0.20 157	0.27 159	0.20 180	0.27 184	0.20 167	0.26 175	0.18 165	5.03 500	0.20 179	0.27 184	0.19 173	0.27 188	0.21 176	0.20 147	0.19 161	0.19 154	4.02 504	0.20 151	0.18 161

tg	0.21 140	0.25 118	0.21 160	0.26 157	0.17 167	0.24 167	0.17 154	0.24 165	0.17 163	0.24 167	0.17 164	0.24 169	0.17 161	0.24 170	0.17 159	0.24 170	0.17 154	0.23 168	0.16 154	0.23 165	0.16 145

CAS++	0.17 127	0.27 120	0.21 160	0.10 55	0.21 186	0.15 124	0.22 177	0.10 102	0.21 175	0.22 158	0.10 109	0.19 146	0.18 168	0.10 103	0.19 171	0.20 147	0.19 161	0.18 151	0.10 110	0.19 150	0.18 161
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DCVSM-stereo	0.36 194	1.89 365	0.22 162	0.40 202	0.22 188	0.40 227	0.22 177	0.40 221	0.22 178	0.40 222	0.22 184	0.40 231	0.22 182	0.40 231	0.22 178	0.28 182	0.21 166	0.28 185	0.21 178	0.28 174	0.20 164

WAO-6	0.22 143	0.23 109	0.22 162	0.23 140	0.22 188	0.22 160	0.22 177	0.22 158	0.22 178	0.22 158	0.22 184	0.22 161	0.22 182	0.22 162	0.22 178	0.22 154	0.22 170	0.22 162	0.22 181	0.22 156	0.22 169

HGLStereo	0.28 160	0.29 125	0.22 162	0.36 178	0.22 188	0.36 210	0.21 172	0.36 201	0.21 175	0.42 247	0.21 183	0.36 212	0.22 182	0.36 214	0.21 176	0.34 200	0.21 166	0.34 212	0.21 178	0.34 195	0.21 166

IMH-64-1	0.22 143	0.23 109	0.23 165	0.22 138	0.22 188	0.22 160	0.22 177	0.22 158	0.22 178	0.22 158	0.22 184	0.22 161	0.22 182	0.22 162	0.22 178	0.22 154	0.22 170	0.23 168	0.22 181	0.22 156	0.23 171

IMH-64	0.22 143	0.23 109	0.23 165	0.22 138	0.22 188	0.22 160	0.22 177	0.22 158	0.22 178	0.22 158	0.22 184	0.22 161	0.22 182	0.22 162	0.22 178	0.22 154	0.22 170	0.23 168	0.22 181	0.22 156	0.23 171

xxxxx1	0.31 170	0.91 240	0.23 165	0.31 165	0.23 193	0.31 191	0.23 184	0.33 190	0.25 191	0.31 187	0.24 194	0.33 200	0.25 194	0.32 198	0.24 188	0.28 182	0.28 190	0.28 185	0.28 216	0.29 177	0.27 196

tt_ll	0.31 170	0.91 240	0.23 165	0.31 165	0.23 193	0.31 191	0.23 184	0.33 190	0.25 191	0.31 187	0.24 194	0.33 200	0.25 194	0.32 198	0.24 188	0.28 182	0.28 190	0.28 185	0.28 216	0.29 177	0.27 196

ff	0.31 170	0.91 240	0.23 165	0.31 165	0.23 193	0.31 191	0.23 184	0.33 190	0.25 191	0.31 187	0.24 194	0.33 200	0.25 194	0.32 198	0.24 188	0.28 182	0.28 190	0.28 185	0.28 216	0.29 177	0.27 196

GMOStereo	0.37 199	0.45 168	0.23 165	0.30 162	0.37 266	0.41 243	0.36 254	0.41 236	0.35 250	0.43 253	0.36 259	0.41 243	0.40 268	0.41 245	0.36 253	0.34 200	0.22 170	0.47 290	0.37 269	0.39 232	0.33 238

WCG-NET（raft）	0.32 178	1.24 340	0.24 171	0.32 168	0.24 198	0.32 199	0.23 184	0.32 187	0.24 186	0.32 192	0.24 194	0.32 197	0.24 191	0.32 198	0.24 188	0.30 190	0.23 174	0.30 192	0.23 186	0.30 180	0.23 171

tt1	0.31 170	0.93 247	0.24 171	0.33 171	0.23 193	0.31 191	0.24 189	0.32 187	0.24 186	0.32 192	0.23 188	0.32 197	0.25 194	0.32 198	0.24 188	0.27 180	0.26 180	0.27 183	0.26 205	0.27 172	0.27 196

iResNet_ROB	0.28 160	0.32 128	0.24 171	0.32 168	0.25 200	0.32 199	0.24 189	0.32 187	0.24 186	0.33 197	0.24 194	0.35 206	0.24 191	0.33 204	0.24 188	0.31 193	0.24 176	0.32 197	0.24 194	0.32 185	0.24 181

ACV-stereo	0.30 165	2.08 378	0.25 174	0.25 150	0.18 174	0.24 167	0.17 154	0.24 165	0.18 165	0.24 167	0.17 164	0.25 174	0.17 161	0.24 170	0.17 159	0.22 154	0.16 139	0.22 162	0.16 154	0.22 156	0.16 145

UNDER WATER-64	0.25 150	0.26 119	0.25 174	0.26 157	0.25 200	0.25 174	0.25 192	0.25 171	0.25 191	0.25 171	0.25 200	0.25 174	0.25 194	0.26 185	0.25 194	0.25 176	0.25 177	0.25 176	0.25 199	0.25 167	0.25 182

LoS_RVC	0.30 165	1.14 282	0.25 174	0.25 150	0.25 200	0.26 181	0.25 192	0.25 171	0.25 191	0.25 171	0.25 200	0.26 183	0.26 203	0.26 185	0.25 194	0.26 177	0.26 180	0.25 176	0.25 199	0.26 169	0.26 188

CAS	0.30 165	1.17 286	0.25 174	0.25 150	0.25 200	0.26 181	0.25 192	0.25 171	0.26 204	0.25 171	0.25 200	0.25 174	0.25 194	0.25 175	0.25 194	0.26 177	0.26 180	0.26 179	0.25 199	0.26 169	0.25 182

LoS	0.25 150	0.27 120	0.25 174	0.25 150	0.25 200	0.25 174	0.25 192	0.26 175	0.25 191	0.25 171	0.25 200	0.25 174	0.25 194	0.25 175	0.25 194	0.26 177	0.25 177	0.25 176	0.26 205	0.26 169	0.25 182
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CroCo-Stereo	0.73 300	1.22 339	0.25 174	1.22 391	0.25 200	1.22 424	0.25 192	1.22 417	0.25 191	1.22 425	0.25 200	1.22 428	0.25 194	1.22 428	0.25 194	1.22 410	0.26 180	1.21 432	0.25 199	1.22 411	0.25 182
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
StereoDRNet-Refined	0.33 181	0.39 145	0.26 180	0.39 189	0.26 208	0.40 227	0.26 200	0.40 221	0.26 204	0.39 217	0.26 206	0.39 224	0.26 203	0.39 228	0.26 199	0.37 217	0.25 177	0.37 233	0.25 199	0.37 216	0.37 255
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
model_zeroshot	0.27 159	0.20 98	0.27 181	0.33 171	0.21 186	0.37 215	0.22 177	0.37 207	0.24 186	0.26 178	0.27 210	0.33 200	0.21 181	0.25 175	0.27 200	0.32 194	0.20 163	0.34 212	0.23 186	0.25 167	0.26 188

Any-RAFT	0.32 178	0.36 134	0.27 181	0.36 178	0.27 210	0.36 210	0.27 203	0.36 201	0.27 209	0.36 206	0.27 210	0.36 212	0.27 211	0.36 214	0.28 206	0.36 213	0.28 190	0.36 230	0.28 216	0.36 214	0.28 209

DGSMNet	0.34 183	0.41 154	0.27 181	0.41 212	0.28 213	0.41 243	0.28 208	0.41 236	0.27 209	0.41 235	0.27 210	0.42 259	0.27 211	0.41 245	0.28 206	0.40 237	0.29 199	0.40 254	0.28 216	0.40 236	0.27 196

MLCV	0.31 170	0.35 131	0.27 181	0.35 174	0.28 213	0.35 207	0.27 203	0.35 197	0.28 212	0.36 206	0.27 210	0.35 206	0.27 211	0.35 208	0.27 200	0.34 200	0.27 185	0.34 212	0.27 212	0.34 195	0.27 196

SQANet	0.28 160	0.28 123	0.28 185	0.28 160	0.28 213	0.28 185	0.28 208	0.28 178	0.28 212	0.28 181	0.28 216	0.28 185	0.28 217	0.28 190	0.28 206	0.28 182	0.28 190	0.28 185	0.28 216	0.28 174	0.28 209

DN-CSS_ROB	0.31 170	0.35 131	0.28 185	0.35 174	0.28 213	0.34 203	0.27 203	0.34 194	0.25 191	0.35 203	0.27 210	0.36 212	0.26 203	0.34 206	0.28 206	0.35 209	0.28 190	0.34 212	0.28 216	0.34 195	0.27 196

CroCo-Stereo Lap2	0.77 307	1.29 342	0.29 187	1.27 395	0.29 220	1.27 427	0.26 200	1.26 420	0.26 204	1.26 426	0.26 206	1.27 430	0.26 203	1.26 429	0.27 200	1.27 412	0.27 185	1.27 435	0.27 212	1.27 413	0.27 196

PML	0.46 240	1.36 347	0.29 187	0.58 263	0.30 229	0.57 315	0.29 215	0.57 301	0.29 217	0.57 310	0.29 220	0.57 314	0.29 223	0.56 308	0.29 216	0.52 289	0.30 207	0.53 316	0.31 241	0.53 289	0.30 224

GES	0.66 285	2.34 393	0.29 187	0.41 212	0.29 220	0.41 243	0.29 215	0.42 252	0.29 217	0.40 222	0.41 283	0.41 243	0.30 229	0.51 298	0.29 216	0.32 194	0.29 199	0.32 197	2.46 477	2.49 449	0.30 224

UCFNet_RVC	2.75 468	10.06 498	0.29 187	10.31 514	0.29 220	0.42 261	0.29 215	0.43 256	0.29 217	0.42 247	0.29 220	0.42 259	9.87 514	0.43 260	0.29 216	0.36 213	9.84 514	0.36 230	0.26 205	9.77 513	0.26 188

IGEV++	0.34 183	0.43 162	0.30 191	0.40 202	0.29 220	0.40 227	0.29 215	0.40 221	0.29 217	0.40 222	0.29 220	0.40 231	0.29 223	0.40 231	0.30 223	0.38 224	0.29 199	0.37 233	0.29 225	0.37 216	0.29 214

TorneroNet-64	0.45 237	0.27 120	0.30 191	0.58 263	0.27 210	0.70 328	0.30 220	0.28 178	0.73 350	0.73 330	0.28 216	0.71 330	0.66 333	0.75 334	0.27 200	0.27 180	0.29 199	0.37 233	0.75 354	0.28 174	0.30 224

ACVNet-DCA	0.37 199	1.00 256	0.30 191	0.40 202	0.29 220	0.40 227	0.29 215	0.40 221	0.29 217	0.40 222	0.29 220	0.40 231	0.29 223	0.39 228	0.28 206	0.33 197	0.32 213	0.33 205	0.32 245	0.33 191	0.32 233

1test111	0.37 199	1.02 266	0.30 191	0.39 189	0.29 220	0.40 227	0.28 208	0.39 216	0.29 217	0.39 217	0.29 220	0.39 224	0.28 217	0.40 231	0.29 216	0.33 197	0.32 213	0.33 205	0.31 241	0.32 185	0.31 229

cc1	0.37 199	1.02 266	0.30 191	0.39 189	0.29 220	0.40 227	0.28 208	0.39 216	0.29 217	0.39 217	0.29 220	0.39 224	0.28 217	0.40 231	0.29 216	0.33 197	0.32 213	0.33 205	0.31 241	0.32 185	0.31 229

DANet	0.30 165	0.30 126	0.30 191	0.30 162	0.30 229	0.30 188	0.30 220	0.30 184	0.30 227	0.30 185	0.30 231	0.30 193	0.30 229	0.30 195	0.30 223	0.30 190	0.30 207	0.30 192	0.30 235	0.30 180	0.30 224
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xx1	0.38 205	1.03 268	0.31 197	0.40 202	0.31 233	0.41 243	0.28 208	0.40 221	0.29 217	0.40 222	0.29 220	0.40 231	0.29 223	0.40 231	0.29 216	0.34 200	0.33 220	0.34 212	0.32 245	0.34 195	0.32 233

testlalala	0.32 178	0.81 226	0.31 197	0.39 189	0.26 208	0.33 201	0.24 189	0.33 190	0.26 204	0.32 192	0.26 206	0.33 200	0.23 188	0.33 204	0.23 184	0.35 209	0.31 211	0.30 192	0.24 194	0.31 183	0.21 166

iRaft-Stereo_5w	0.34 183	0.42 161	0.31 197	0.39 189	0.30 229	0.38 219	0.30 220	0.40 221	0.29 217	0.40 222	0.37 265	0.41 243	0.34 246	0.38 220	0.30 223	0.34 200	0.27 185	0.34 212	0.26 205	0.34 195	0.26 188

iRaft-Stereo_20w	0.34 183	0.41 154	0.31 197	0.39 189	0.29 220	0.40 227	0.32 225	0.41 236	0.32 234	0.38 212	0.30 231	0.39 224	0.30 229	0.38 220	0.32 228	0.35 209	0.27 185	0.34 212	0.27 212	0.34 195	0.29 214

GCAP-BAT	0.33 181	0.78 220	0.32 201	0.38 184	0.25 200	0.34 203	0.25 192	0.34 194	0.26 204	0.34 199	0.25 200	0.35 206	0.26 203	0.35 208	0.27 200	0.36 213	0.30 207	0.32 197	0.24 194	0.32 185	0.26 188

PCWNet_CMD	2.80 470	9.82 496	0.32 201	10.09 513	0.32 235	0.49 287	0.33 234	3.34 472	0.33 239	0.49 279	0.33 241	0.49 283	8.73 510	0.48 279	0.33 235	0.41 245	9.22 509	0.42 276	0.29 225	9.55 512	0.31 229

CFNet_pseudo	2.67 466	9.36 493	0.32 201	10.99 515	0.33 246	0.85 341	0.33 234	0.49 274	0.33 239	0.49 279	0.32 236	0.49 283	7.26 508	0.49 285	0.33 235	0.41 245	9.62 512	0.41 266	0.29 225	10.03 514	0.29 214

Gwc-CoAtRS	0.41 224	1.49 349	0.32 201	0.42 220	0.32 235	0.41 243	0.32 225	0.41 236	0.33 239	0.41 235	0.32 236	0.41 243	0.32 236	0.41 245	0.32 228	0.39 233	0.28 190	0.39 250	0.28 216	0.40 236	0.28 209

ccs_rob	2.79 469	10.17 500	0.32 201	10.00 512	0.33 246	0.49 287	0.33 234	1.90 439	0.32 234	0.51 295	0.33 241	0.49 283	9.24 513	0.49 285	0.33 235	0.41 245	9.82 513	0.41 266	0.28 216	9.34 511	0.29 214

fffy	0.38 205	0.43 162	0.33 206	0.46 225	0.33 246	0.45 268	0.32 225	0.45 258	0.32 234	0.45 258	0.32 236	0.45 265	0.33 242	0.45 265	0.32 228	0.38 224	0.38 235	0.38 240	0.37 269	0.37 216	0.36 251

CFNet_ucs	2.73 467	9.64 495	0.33 206	9.92 511	0.32 235	0.49 287	0.33 234	0.49 274	0.33 239	0.49 279	0.33 241	0.49 283	8.98 512	0.48 279	0.33 235	0.41 245	9.96 515	0.40 254	0.29 225	10.12 515	0.54 314

RAFT-Test	0.36 194	0.37 136	0.33 206	0.41 212	0.32 235	0.41 243	0.32 225	0.41 236	0.32 234	0.41 235	0.32 236	0.41 243	0.32 236	0.41 245	0.33 235	0.37 217	0.29 199	0.37 233	0.29 225	0.38 225	0.31 229

Wz-Net-LNSev-Ref	0.11 82	0.44 165	0.33 206	0.39 189	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	0.39 233	0.36 227	0.02 18	0.02 20	0.02 20	0.02 20

pcwnet_v2	2.66 465	9.89 497	0.33 206	9.89 510	0.32 235	0.50 295	0.32 225	0.49 274	0.33 239	0.49 279	0.34 248	0.49 283	8.76 511	0.48 279	0.33 235	0.41 245	9.58 511	0.40 254	0.29 225	9.01 510	0.63 328

ccnet	0.80 313	2.28 391	0.33 206	0.50 248	0.33 246	0.50 295	0.33 234	0.50 282	0.33 239	0.49 279	0.33 241	0.49 283	1.56 444	2.38 457	0.33 235	0.41 245	0.29 199	0.42 276	1.57 454	2.28 442	0.29 214

psmorigin	0.41 224	0.46 172	0.33 206	0.49 241	0.33 246	0.49 287	0.33 234	0.49 274	0.33 239	0.49 279	0.33 241	0.49 283	0.33 242	0.51 298	0.33 235	0.41 245	0.30 207	0.41 266	0.30 235	0.79 316	0.29 214

MSMDNet	2.65 464	10.14 499	0.33 206	9.74 509	0.32 235	0.87 343	0.33 234	2.95 468	0.68 337	0.49 279	0.34 248	0.49 283	5.70 504	0.49 285	0.33 235	0.42 259	9.57 510	0.41 266	0.31 241	8.36 507	0.65 330

HART	0.38 205	0.45 168	0.34 214	0.42 220	0.33 246	0.41 243	0.34 243	0.42 252	0.33 239	0.43 253	0.34 248	0.42 259	0.34 246	0.41 245	0.38 264	0.40 237	0.32 213	0.42 276	0.32 245	0.40 236	0.32 233

PAM	0.39 213	1.88 364	0.34 214	0.37 181	0.41 286	0.45 268	0.22 177	0.28 178	0.23 184	0.28 181	0.24 194	0.29 190	0.23 188	0.29 193	0.23 184	0.38 224	0.32 213	0.38 240	0.37 269	0.32 185	0.22 169

RAFT-Stereo-weight	0.45 237	1.90 367	0.34 214	0.42 220	0.36 263	0.43 265	0.35 248	0.42 252	0.34 247	0.42 247	0.34 248	0.44 263	0.34 246	0.41 245	0.34 248	0.38 224	0.32 213	0.38 240	0.32 245	0.38 225	0.33 238

H2IRNET	0.34 183	0.34 130	0.34 214	0.34 173	0.34 254	0.34 203	0.34 243	0.34 194	0.34 247	0.34 199	0.34 248	0.34 205	0.34 246	0.34 206	0.34 248	0.34 200	0.34 223	0.34 212	0.34 255	0.34 195	0.34 244

RCA-Stereo	0.51 263	3.22 422	0.34 214	0.44 223	0.34 254	0.44 267	0.34 243	0.43 256	0.34 247	0.43 253	0.34 248	0.44 263	0.33 242	0.43 260	0.33 235	0.38 224	0.29 199	0.38 240	0.29 225	0.38 225	0.29 214

RAFT + AFF	0.31 170	0.45 168	0.34 214	0.39 189	0.28 213	0.38 219	0.33 234	0.29 182	0.31 231	0.30 185	0.30 231	0.29 190	0.27 211	0.29 193	0.30 223	0.28 182	0.29 199	0.29 190	0.29 225	0.27 172	0.32 233

CFNet-RSSM	0.91 335	4.89 453	0.34 214	0.44 223	1.07 388	1.62 442	1.40 449	0.91 340	0.35 250	1.60 435	1.39 448	0.64 323	0.34 246	0.44 262	0.33 235	0.41 245	0.35 224	0.75 338	0.30 235	0.41 246	0.29 214

mms	0.40 217	0.45 168	0.35 221	0.48 235	0.36 263	0.47 277	0.34 243	0.45 258	0.38 264	0.47 266	0.33 241	0.45 265	0.32 236	0.45 265	0.32 228	0.39 233	0.38 235	0.38 240	0.37 269	0.39 232	0.39 266

ETE_ROB	0.35 190	0.35 131	0.35 221	0.35 174	0.35 257	0.35 207	0.35 248	0.35 197	0.35 250	0.35 203	0.35 256	0.35 206	0.35 251	0.35 208	0.35 250	0.35 209	0.35 224	0.35 225	0.35 261	0.35 207	0.35 250

GREAT-IGEV	0.38 205	0.43 162	0.36 223	0.48 235	0.32 235	0.45 268	0.32 225	0.45 258	0.32 234	0.45 258	0.32 236	0.45 265	0.32 236	0.45 265	0.32 228	0.44 261	0.33 220	0.41 266	0.29 225	0.41 246	0.29 214

ISRNet	0.11 82	0.05 49	0.36 223	0.24 145	0.07 101	0.13 116	0.05 86	0.06 87	0.05 91	0.05 85	0.05 93	0.13 117	0.05 87	0.05 76	0.09 98	0.24 170	0.20 163	0.10 100	0.05 89	0.06 89	0.13 139

CES	0.39 213	0.47 176	0.36 223	0.36 178	0.37 266	0.45 268	0.35 248	0.35 197	0.40 273	0.36 206	0.44 296	0.47 273	0.36 254	0.44 262	0.36 253	0.37 217	0.39 242	0.44 279	0.35 261	0.37 216	0.36 251

gcap-zeroshot	0.35 190	0.32 128	0.37 226	0.49 241	0.39 278	0.33 201	0.21 172	0.26 175	0.35 250	0.42 247	0.34 248	0.49 283	0.29 223	0.47 272	0.39 270	0.34 200	0.17 154	0.38 240	0.23 186	0.48 270	0.34 244

DMCA	0.36 194	0.38 139	0.37 226	0.35 174	0.35 257	0.36 210	0.36 254	0.36 201	0.35 250	0.35 203	0.37 265	0.36 212	0.36 254	0.35 208	0.36 253	0.36 213	0.36 227	0.35 225	0.36 267	0.36 214	0.36 251

XPNet_ROB	0.37 199	0.37 136	0.37 226	0.37 181	0.37 266	0.37 215	0.37 259	0.37 207	0.37 260	0.37 211	0.37 265	0.37 218	0.37 258	0.37 218	0.37 261	0.37 217	0.37 229	0.37 233	0.37 269	0.37 216	0.37 255

LG-Stereo_L2	0.34 183	0.37 136	0.38 229	0.47 231	0.28 213	0.39 225	0.28 208	0.39 216	0.28 212	0.39 217	0.28 216	0.39 224	0.28 217	0.38 220	0.28 206	0.42 259	0.35 224	0.36 230	0.26 205	0.35 207	0.26 188

GCST	0.50 258	2.08 378	0.38 229	0.53 255	0.35 257	0.49 287	0.35 248	0.50 282	0.35 250	0.49 279	0.35 256	0.49 283	0.35 251	0.49 285	0.35 250	0.48 272	0.37 229	0.45 283	0.33 253	0.44 255	0.33 238

WAO-8	0.38 205	0.38 139	0.38 229	0.38 184	0.38 273	0.38 219	0.38 265	0.38 212	0.38 264	0.38 212	0.38 270	0.38 220	0.38 262	0.38 220	0.38 264	0.38 224	0.38 235	0.38 240	0.37 269	0.38 225	0.38 262

WAO-7	0.38 205	0.38 139	0.38 229	0.38 184	0.38 273	0.38 219	0.38 265	0.38 212	0.38 264	0.38 212	0.38 270	0.38 220	0.38 262	0.38 220	0.38 264	0.38 224	0.38 235	0.38 240	0.38 281	0.38 225	0.38 262

Venus	0.38 205	0.38 139	0.38 229	0.38 184	0.38 273	0.37 215	0.38 265	0.37 207	0.37 260	0.41 235	0.37 265	0.39 224	0.37 258	0.38 220	0.38 264	0.37 217	0.38 235	0.38 240	0.37 269	0.37 216	0.38 262

IMH	0.38 205	0.38 139	0.38 229	0.38 184	0.38 273	0.38 219	0.38 265	0.38 212	0.38 264	0.42 247	0.38 270	0.40 231	0.38 262	0.38 220	0.38 264	0.38 224	0.38 235	0.39 250	0.38 281	0.38 225	0.38 262

CFNet_RVC	2.38 458	8.71 488	0.38 229	9.33 506	0.42 296	0.56 310	0.42 285	0.60 308	0.38 264	0.62 318	0.42 292	0.56 313	7.29 509	0.62 316	0.42 287	0.53 290	0.37 229	0.49 302	0.34 255	8.30 506	6.87 512

GIP-stereo	0.36 194	0.49 184	0.39 236	0.48 235	0.32 235	0.41 243	0.28 208	0.40 221	0.30 227	0.41 235	0.28 216	0.40 231	0.28 217	0.42 258	0.28 206	0.45 262	0.32 213	0.38 240	0.30 235	0.37 216	0.27 196

UGAM-zero	0.51 263	2.17 386	0.39 236	0.53 255	0.36 263	0.50 295	0.36 254	0.50 282	0.36 259	0.49 279	0.36 259	0.50 297	0.35 251	0.50 292	0.36 253	0.49 275	0.37 229	0.47 290	0.35 261	0.46 260	0.34 244

UGAM	0.51 263	2.23 389	0.39 236	0.54 257	0.35 257	0.50 295	0.35 248	0.49 274	0.35 250	0.49 279	0.35 256	0.49 283	0.36 254	0.50 292	0.36 253	0.49 275	0.37 229	0.45 283	0.34 255	0.45 259	0.34 244

IGEV_Zeroshot_test	0.20 134	0.19 94	0.40 239	0.30 162	0.17 167	0.22 160	0.17 154	0.21 154	0.17 163	0.20 147	0.17 164	0.21 155	0.18 168	0.21 158	0.17 159	0.20 147	0.16 139	0.20 155	0.16 154	0.20 151	0.17 157

HanzoNet	0.39 213	0.38 139	0.40 239	0.39 189	0.41 286	0.38 219	0.38 265	0.38 212	0.38 264	0.39 217	0.39 274	0.38 220	0.38 262	0.39 228	0.40 274	0.38 224	0.38 235	0.40 254	0.38 281	0.38 225	0.40 268

knoymous	0.40 217	0.40 147	0.40 239	0.40 202	0.40 280	0.40 227	0.40 272	0.40 221	0.40 273	0.40 222	0.40 277	0.40 231	0.40 268	0.40 231	0.40 274	0.40 237	0.40 245	0.40 254	0.40 285	0.40 236	0.40 268

anonymousa	0.40 217	0.40 147	0.40 239	0.40 202	0.40 280	0.40 227	0.40 272	0.40 221	0.40 273	0.40 222	0.40 277	0.40 231	0.40 268	0.40 231	0.40 274	0.40 237	0.40 245	0.40 254	0.40 285	0.40 236	0.40 268

riskmin	0.40 217	0.40 147	0.40 239	0.40 202	0.40 280	0.40 227	0.40 272	0.40 221	0.40 273	0.40 222	0.40 277	0.40 231	0.40 268	0.40 231	0.40 274	0.40 237	0.40 245	0.40 254	0.40 285	0.40 236	0.40 268

Anonymous_2	0.40 217	0.40 147	0.40 239	0.40 202	0.40 280	0.40 227	0.40 272	0.40 221	0.40 273	0.40 222	0.40 277	0.40 231	0.40 268	0.40 231	0.40 274	0.40 237	0.40 245	0.40 254	0.40 285	0.40 236	0.40 268

Anonymous_1	0.40 217	0.40 147	0.40 239	0.40 202	0.40 280	0.40 227	0.40 272	0.40 221	0.40 273	0.40 222	0.40 277	0.40 231	0.40 268	0.40 231	0.40 274	0.40 237	0.40 245	0.40 254	0.40 285	0.40 236	0.40 268

AdaStereo	0.40 217	0.40 147	0.40 239	0.40 202	0.40 280	0.40 227	0.40 272	0.40 221	0.40 273	0.40 222	0.40 277	0.40 231	0.40 268	0.40 231	0.40 274	0.40 237	0.40 245	0.40 254	0.40 285	0.40 236	0.40 268
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.
GwcNet-ADL	0.41 224	0.41 154	0.41 247	0.41 212	0.41 286	0.41 243	0.41 280	0.41 236	0.41 282	0.41 235	0.41 283	0.41 243	0.41 279	0.41 245	0.41 281	0.41 245	0.41 254	0.41 266	0.41 292	0.41 246	0.41 275

PSMNet-ADL	0.41 224	0.41 154	0.41 247	0.41 212	0.41 286	0.41 243	0.41 280	0.41 236	0.41 282	0.41 235	0.41 283	0.41 243	0.41 279	0.41 245	0.41 281	0.41 245	0.41 254	0.41 266	0.41 292	0.41 246	0.41 275

GANet-ADL	0.41 224	0.41 154	0.41 247	0.41 212	0.41 286	0.41 243	0.41 280	0.41 236	0.41 282	0.41 235	0.41 283	0.41 243	0.41 279	0.41 245	0.41 281	0.41 245	0.41 254	0.41 266	0.41 292	0.41 246	0.41 275

ADLNet2	0.41 224	0.41 154	0.41 247	0.41 212	0.41 286	0.41 243	0.41 280	0.41 236	0.41 282	0.41 235	0.41 283	0.41 243	0.41 279	0.41 245	0.41 281	0.41 245	0.41 254	0.41 266	0.41 292	0.41 246	0.41 275

ADLNet	0.41 224	0.41 154	0.41 247	0.41 212	0.41 286	0.41 243	0.41 280	0.41 236	0.41 282	0.41 235	0.41 283	0.41 243	0.41 279	0.41 245	0.41 281	0.41 245	0.41 254	0.41 266	0.41 292	0.41 246	0.41 275

GCAP-Stereo	0.75 302	4.15 444	0.42 252	0.75 288	0.35 257	0.78 335	0.40 272	0.79 327	0.38 264	0.78 338	0.36 259	0.78 340	0.36 254	0.79 336	0.39 270	0.75 319	0.39 242	0.76 340	0.39 284	0.75 311	0.39 266

RSM	0.36 194	0.36 134	0.43 253	0.37 181	0.42 296	0.49 287	0.42 285	0.37 207	0.28 212	0.36 206	0.29 220	0.36 212	0.30 229	0.37 218	0.28 206	0.34 200	0.31 211	0.34 212	0.35 261	0.40 236	0.29 214

DispNO	1.00 349	0.63 211	0.43 253	3.45 458	0.44 299	0.65 324	0.43 287	0.64 313	0.43 289	0.64 321	0.43 294	0.64 323	3.03 470	0.64 321	0.43 289	4.55 477	0.43 262	0.63 325	0.43 300	0.63 297	0.43 283

EKT-Stereo	0.37 199	0.40 147	0.44 255	1.07 327	0.29 220	0.34 203	0.31 224	0.36 201	0.29 217	0.38 212	0.31 234	0.37 218	0.30 229	0.36 214	0.29 216	0.34 200	0.28 190	0.39 250	0.30 235	0.37 216	0.30 224

CASnet	0.35 190	0.51 195	0.44 255	0.32 168	0.31 233	0.24 167	0.34 243	0.36 201	0.25 191	0.31 187	0.37 265	0.30 193	0.33 242	0.25 175	0.45 291	0.37 217	0.37 229	0.33 205	0.35 261	0.34 195	0.37 255
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
SCV	0.46 240	0.94 248	0.45 257	0.54 257	0.37 266	0.48 282	0.38 265	0.48 270	0.37 260	0.48 272	0.39 274	0.48 279	0.37 258	0.49 285	0.37 261	0.50 281	0.46 266	0.44 279	0.34 255	0.44 255	0.34 244

fffft	0.48 251	0.51 195	0.45 257	0.52 254	0.45 301	0.52 304	0.45 292	0.52 293	0.48 306	0.53 300	0.45 299	0.52 303	0.45 291	0.52 301	0.46 295	0.51 287	0.41 254	0.50 306	0.41 292	0.50 278	0.41 275
1: 1. 1
Selective-IGEV	0.51 263	0.55 205	0.45 257	0.69 280	0.45 301	0.61 318	0.45 292	0.50 282	0.40 273	0.56 308	0.44 296	0.55 310	0.40 268	0.72 329	0.67 334	0.59 297	0.46 266	0.45 283	0.34 255	0.46 260	0.37 255

IGEV-Stereo	0.35 190	0.44 165	0.45 257	0.49 241	0.30 229	0.37 215	0.30 220	0.36 201	0.30 227	0.36 206	0.29 220	0.36 212	0.29 223	0.36 214	0.30 223	0.46 263	0.39 242	0.32 197	0.24 194	0.32 185	0.25 182
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
otaku	0.46 240	0.46 172	0.46 261	0.46 225	0.46 303	0.46 273	0.46 294	0.46 261	0.46 294	0.46 261	0.46 301	0.46 268	0.46 294	0.46 268	0.46 295	0.46 263	0.46 266	0.46 286	0.46 304	0.46 260	0.46 289

Ntro	0.47 246	0.47 176	0.46 261	0.46 225	0.46 303	0.47 277	0.47 299	0.46 261	0.47 299	0.46 261	0.46 301	0.47 273	0.46 294	0.47 272	0.47 301	0.47 268	0.46 266	0.46 286	0.46 304	0.46 260	0.46 289

Dean	0.46 240	0.46 172	0.46 261	0.46 225	0.46 303	0.46 273	0.46 294	0.46 261	0.46 294	0.47 266	0.46 301	0.46 268	0.46 294	0.46 268	0.46 295	0.46 263	0.46 266	0.46 286	0.46 304	0.46 260	0.46 289

ACVNet_1	0.46 240	0.47 176	0.46 261	0.46 225	0.46 303	0.46 273	0.46 294	0.46 261	0.47 299	0.46 261	0.46 301	0.46 268	0.46 294	0.46 268	0.46 295	0.46 263	0.46 266	0.47 290	0.46 304	0.46 260	0.46 289

ACVNet-4b	0.46 240	0.46 172	0.46 261	0.46 225	0.46 303	0.46 273	0.46 294	0.46 261	0.46 294	0.46 261	0.46 301	0.46 268	0.46 294	0.47 272	0.46 295	0.46 263	0.46 266	0.46 286	0.46 304	0.46 260	0.46 289

LG-Stereo_L1	0.47 246	0.52 197	0.47 266	0.62 269	0.39 278	0.53 305	0.40 272	0.53 294	0.39 272	0.53 300	0.39 274	0.53 304	0.39 267	0.53 303	0.39 270	0.55 293	0.46 266	0.49 302	0.37 269	0.49 273	0.37 255

LG-Stereo_Zeroshot	0.48 251	0.55 205	0.47 266	0.63 271	0.41 286	0.56 310	0.44 288	0.56 298	0.41 282	0.56 308	0.41 283	0.57 314	0.42 285	0.56 308	0.41 281	0.55 293	0.43 262	0.51 311	0.37 269	0.51 284	0.37 255

LG-Stereo	0.60 275	0.58 207	0.47 266	0.64 274	0.74 359	1.00 357	0.69 339	0.57 301	0.41 282	0.57 310	0.41 283	0.57 314	0.41 279	1.00 362	0.75 349	0.91 335	0.51 290	0.52 314	0.37 269	0.52 286	0.37 255

DLNR_Zeroshot_test	0.31 170	0.28 123	0.47 266	0.79 290	0.24 198	0.30 188	0.26 200	0.30 184	0.24 186	0.32 192	0.23 188	0.31 195	0.24 191	0.30 195	0.23 184	0.29 189	0.26 180	0.29 190	0.24 194	0.33 191	0.23 171

HaxPig	0.47 246	0.47 176	0.47 266	0.49 241	0.47 309	0.47 277	0.47 299	0.47 266	0.47 299	0.47 266	0.47 309	0.47 273	0.47 302	0.47 272	0.47 301	0.47 268	0.47 274	0.47 290	0.47 311	0.47 267	0.48 298

UNDER WATER	0.47 246	0.47 176	0.47 266	0.47 231	0.47 309	0.47 277	0.47 299	0.47 266	0.47 299	0.47 266	0.47 309	0.47 273	0.46 294	0.47 272	0.47 301	0.47 268	0.47 274	0.47 290	0.46 304	0.47 267	0.47 296

LVE	0.47 246	0.47 176	0.47 266	0.47 231	0.49 315	0.47 277	0.47 299	0.47 266	0.49 308	0.47 266	0.47 309	0.47 273	0.46 294	0.47 272	0.47 301	0.47 268	0.47 274	0.48 298	0.47 311	0.47 267	0.47 296

MyStereo07	0.60 275	3.72 433	0.48 273	0.49 241	0.41 286	0.36 210	0.32 225	0.49 274	0.43 289	0.51 295	0.42 292	0.49 283	0.43 287	0.51 298	0.64 329	0.49 275	0.45 264	0.34 212	0.32 245	0.35 207	0.43 283

KSHMR	0.66 285	0.50 188	0.48 273	1.15 337	0.52 325	0.49 287	0.51 316	0.49 274	0.71 346	0.67 325	0.50 318	1.16 379	1.11 372	0.66 323	0.52 317	0.49 275	0.49 280	0.51 311	0.66 339	0.50 278	1.14 384

RainbowNet	0.48 251	0.48 182	0.48 273	0.48 235	0.48 313	0.48 282	0.48 308	0.48 270	0.48 306	0.48 272	0.48 313	0.48 279	0.48 303	0.48 279	0.48 307	0.48 272	0.48 277	0.48 298	0.48 314	0.48 270	0.48 298

notaker	0.48 251	0.49 184	0.48 273	0.48 235	0.48 313	0.48 282	0.48 308	0.48 270	0.49 308	0.48 272	0.48 313	0.48 279	0.48 303	0.48 279	0.48 307	0.48 272	0.48 277	0.48 298	0.48 314	0.48 270	0.49 303

SCV_C0	0.45 237	0.88 233	0.49 277	0.54 257	0.37 266	0.48 282	0.37 259	0.48 270	0.37 260	0.48 272	0.36 259	0.48 279	0.37 258	0.49 285	0.37 261	0.50 281	0.41 254	0.44 279	0.34 255	0.44 255	0.34 244

MSKI-zero shot	0.24 149	0.21 104	0.49 277	0.65 275	0.18 174	0.22 160	0.17 154	0.23 162	0.18 165	0.21 156	0.17 164	0.23 165	0.28 217	0.23 166	0.18 168	0.21 151	0.16 139	0.21 157	0.16 154	0.21 154	0.16 145

ACVNet_2	0.49 256	0.49 184	0.49 277	0.49 241	0.49 315	0.49 287	0.49 310	0.49 274	0.49 308	0.49 279	0.49 316	0.49 283	0.49 308	0.49 285	0.49 309	0.49 275	0.49 280	0.49 302	0.49 317	0.49 273	0.49 303

FoundationStereo	0.50 258	0.50 188	0.50 280	0.50 248	0.50 319	0.50 295	0.50 312	0.50 282	0.50 311	0.50 291	0.50 318	0.50 297	0.50 311	0.50 292	0.50 310	0.50 281	0.50 286	0.50 306	0.50 319	0.50 278	0.50 306

StereoAnything_RVC	0.50 258	0.50 188	0.50 280	0.50 248	0.50 319	0.50 295	0.50 312	0.50 282	0.50 311	0.50 291	0.50 318	0.50 297	0.50 311	0.50 292	0.50 310	0.50 281	0.50 286	0.50 306	0.50 319	0.50 278	0.50 306

dual_stereo	0.50 258	0.50 188	0.50 280	0.50 248	0.50 319	0.50 295	0.50 312	0.50 282	0.50 311	0.50 291	0.50 318	0.50 297	0.50 311	0.50 292	0.50 310	0.50 281	0.50 286	0.50 306	0.50 319	0.50 278	0.50 306

TorneroNet	0.66 285	0.53 200	0.50 280	0.50 248	0.64 342	1.06 364	0.70 340	0.50 282	0.51 318	0.49 279	0.69 347	0.49 283	0.50 311	0.48 279	1.15 384	0.71 316	0.49 280	1.14 376	1.08 380	0.49 273	0.49 303

SANet	0.50 258	0.50 188	0.50 280	0.50 248	0.50 319	0.50 295	0.50 312	0.50 282	0.50 311	0.50 291	0.50 318	0.50 297	0.50 311	0.50 292	0.50 310	0.50 281	0.50 286	0.50 306	0.50 319	0.50 278	0.50 306

SMoEStereo_RVC	0.63 280	0.75 219	0.51 285	0.73 286	0.53 328	0.71 330	0.47 299	0.67 317	0.58 324	0.74 335	0.60 331	0.72 333	0.53 318	0.74 333	0.51 315	0.61 301	0.62 307	0.62 323	0.61 334	0.63 297	0.61 324

PAM_32	0.64 282	2.38 395	0.51 285	0.92 307	0.43 298	0.53 305	0.44 288	0.87 334	0.43 289	0.52 298	0.45 299	0.53 304	0.40 268	0.54 304	0.46 295	0.62 304	0.56 298	0.48 298	0.45 302	0.76 312	0.44 286

LL-Strereo2	0.48 251	1.73 359	0.51 285	0.59 265	0.34 254	0.42 261	0.33 234	0.40 221	0.31 231	0.42 247	0.33 241	0.42 259	0.31 234	0.44 262	0.39 270	0.60 298	0.51 290	0.44 279	0.33 253	0.44 255	0.33 238

AIO-test2	0.55 271	0.59 208	0.52 288	0.67 279	0.47 309	0.61 318	0.47 299	0.61 310	0.47 299	0.61 315	0.47 309	0.61 320	0.48 303	0.62 316	0.47 301	0.64 306	0.53 294	0.58 320	0.47 311	0.58 293	0.48 298

AIO-test1	0.54 267	0.60 210	0.52 288	0.66 278	0.47 309	0.61 318	0.47 299	0.58 304	0.46 294	0.61 315	0.46 301	0.61 320	0.45 291	0.62 316	0.45 291	0.61 301	0.52 292	0.57 319	0.48 314	0.57 292	0.48 298

MonSter	0.60 275	0.64 213	0.52 288	0.62 269	0.44 299	2.07 451	0.44 288	0.62 311	0.44 292	0.62 318	0.44 296	0.62 322	0.44 289	0.62 316	0.44 290	0.58 296	0.42 261	0.62 323	0.46 304	0.58 293	0.42 282

MyStereo8	0.71 296	3.92 440	0.52 288	0.59 265	0.52 325	0.57 315	0.53 318	0.59 306	0.50 311	0.59 314	0.51 324	0.57 314	0.50 311	0.56 308	0.52 317	0.54 291	0.49 280	0.54 317	0.49 317	0.55 291	0.50 306

WCG-NET	0.61 278	1.21 336	0.54 292	0.61 268	0.53 328	0.67 326	0.53 318	0.66 316	0.53 319	0.64 321	0.53 327	0.65 326	0.53 318	0.59 314	0.52 317	0.65 307	0.48 277	0.64 326	0.52 323	0.58 293	0.50 306

PSMNet_ROB	0.54 267	0.54 203	0.54 292	0.54 257	0.53 328	0.54 308	0.54 320	0.53 294	0.54 321	0.54 303	0.54 328	0.54 306	0.53 318	0.54 304	0.54 320	0.54 291	0.53 294	0.54 317	0.54 324	0.54 290	0.54 314

CASS	0.57 274	0.89 236	0.56 294	0.57 262	0.56 331	0.56 310	0.56 321	0.56 298	0.53 319	0.57 310	0.57 330	0.59 318	0.48 303	0.56 308	0.57 323	0.55 293	0.56 298	0.47 290	0.56 328	0.62 296	0.56 321
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 280	0.69 215	0.56 294	0.71 284	0.56 331	0.71 330	0.56 321	0.71 322	0.56 322	0.72 329	0.56 329	0.71 330	0.56 322	0.71 328	0.58 324	0.68 311	0.55 296	0.68 331	0.55 325	0.68 301	0.54 314

DDUNet	0.81 318	2.45 396	0.57 296	0.90 302	0.60 334	0.88 344	0.59 324	0.90 338	0.60 326	0.88 345	0.60 331	0.90 352	0.58 323	0.88 346	0.60 326	0.84 331	0.60 302	0.86 354	0.57 329	0.86 326	0.60 323

999	1.00 349	1.12 281	0.59 297	1.10 329	1.21 445	1.09 369	0.52 317	1.08 356	1.43 453	1.18 377	1.35 443	0.98 362	0.52 317	0.91 350	0.85 359	0.72 317	1.46 433	0.83 351	0.98 372	0.68 301	1.41 449

MyStereo04	0.56 273	3.72 433	0.59 297	0.49 241	0.41 286	0.36 210	0.32 225	0.37 207	0.31 231	0.34 199	0.46 301	0.35 206	0.32 236	0.35 208	0.33 235	0.49 275	0.45 264	0.34 212	0.32 245	0.35 207	0.43 283

MyStereo06	0.75 302	4.12 441	0.60 299	0.63 271	0.61 338	0.62 321	0.66 331	0.56 298	0.45 293	0.55 306	0.48 313	0.54 306	0.46 294	0.57 312	0.45 291	0.60 298	0.57 300	0.64 326	0.55 325	0.72 307	0.55 318

UDG	0.80 313	2.21 388	0.60 299	0.91 304	0.60 334	0.90 347	0.58 323	0.88 337	0.60 326	0.90 346	0.60 331	0.88 349	0.60 325	0.90 349	0.58 324	0.86 333	0.60 302	0.84 352	0.59 331	0.84 325	0.61 324

test_xeample3	1.10 359	1.81 360	0.61 301	0.84 297	0.49 315	0.77 333	0.66 331	0.92 343	1.40 451	0.68 327	0.46 301	0.78 340	0.54 321	1.72 440	1.48 449	1.34 416	1.52 436	1.35 440	1.67 460	1.33 415	1.55 452

PA-Net	11.80 514	223.51 541	0.62 302	0.59 265	0.71 354	0.59 317	0.73 345	0.67 317	0.73 350	0.55 306	0.61 334	0.60 319	0.74 344	0.63 320	0.73 346	0.66 309	0.60 302	0.69 332	0.66 339	0.72 307	0.65 330
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MyStereo05	0.80 313	4.12 441	0.63 303	0.63 271	0.61 338	0.62 321	0.66 331	0.65 314	0.62 329	0.67 325	0.61 334	0.65 326	0.58 323	0.67 325	0.55 322	0.60 298	0.57 300	0.64 326	0.55 325	0.72 307	0.55 318

ARAFT	0.68 290	0.81 226	0.63 303	0.74 287	0.60 334	0.78 335	0.62 326	0.77 326	0.66 335	0.74 335	0.63 336	0.75 337	0.62 327	0.83 340	0.60 326	0.70 315	0.55 296	0.70 334	0.60 332	0.78 314	0.55 318

Former-RAFT_DAM_RVC	0.49 256	0.98 253	0.64 305	0.84 297	0.46 303	0.45 268	0.35 248	0.47 266	0.47 299	0.45 258	0.34 248	0.46 268	0.48 303	0.46 268	0.35 250	0.39 233	0.71 321	0.39 250	0.35 261	0.41 246	0.41 275

plain	1.88 433	3.16 420	0.64 305	3.10 453	0.65 344	3.10 471	0.64 328	3.12 469	0.65 333	3.10 470	0.65 340	3.11 470	0.65 330	3.12 469	0.65 330	3.12 465	0.65 310	3.13 470	0.65 337	3.13 456	0.65 330

FCDSN-DC	0.41 224	0.59 208	0.64 305	0.54 257	0.33 246	0.50 295	0.37 259	0.42 252	0.40 273	0.61 315	0.43 294	0.50 297	0.49 308	0.38 220	0.32 228	0.28 182	0.23 174	0.26 179	0.22 181	0.35 207	0.28 209
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LMCR-Stereo	0.65 283	0.63 211	0.65 308	0.65 275	0.65 344	0.66 325	0.63 327	0.58 304	0.65 333	0.63 320	0.64 338	0.65 326	0.65 330	0.66 323	0.66 333	0.66 309	0.64 309	0.65 329	0.67 343	0.68 301	0.73 343

RSM++	0.76 306	0.82 228	0.66 309	0.85 299	0.64 342	0.85 341	0.71 343	0.94 347	0.64 332	0.87 344	0.67 343	0.87 348	0.65 330	0.84 341	0.65 330	0.81 326	0.70 317	0.79 343	0.71 351	0.83 324	0.70 336

MIF-Stereo (partial)	2.58 463	3.31 424	0.66 309	3.18 454	0.66 347	3.18 472	0.66 331	3.21 470	0.67 336	3.19 471	0.66 342	3.19 471	0.66 333	3.31 473	0.68 337	5.09 494	1.79 452	8.23 513	1.67 460	6.18 497	1.38 448

MIM_Stereo	0.25 150	0.23 109	0.66 309	0.80 292	0.17 167	0.22 160	0.17 154	0.23 162	0.18 165	0.26 178	0.17 164	0.21 155	0.17 161	0.25 175	0.17 159	0.23 165	0.16 139	0.21 157	0.17 172	0.22 156	0.17 157

AFF-stereo	0.73 300	0.88 233	0.67 312	0.75 288	0.68 351	0.75 332	0.64 328	0.80 329	0.72 347	0.83 343	0.70 348	0.82 346	0.64 328	0.84 341	0.67 334	0.77 321	0.63 308	0.81 348	0.63 336	0.78 314	0.62 327

R-Stereo Train	0.81 318	0.96 250	0.67 312	0.95 314	0.67 348	0.95 352	0.68 336	0.95 349	0.68 337	0.95 356	0.68 344	0.96 360	0.68 336	0.96 359	0.68 337	0.94 342	0.68 312	0.94 361	0.68 344	0.94 337	0.68 334

RAFT-Stereo	0.81 318	0.96 250	0.67 312	0.95 314	0.67 348	0.95 352	0.68 336	0.95 349	0.68 337	0.95 356	0.68 344	0.96 360	0.68 336	0.96 359	0.68 337	0.94 342	0.68 312	0.94 361	0.68 344	0.94 337	0.68 334
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AIO-Stereo	0.84 328	0.66 214	0.70 315	0.83 296	0.67 348	0.98 355	0.82 356	1.14 360	0.72 347	1.03 363	0.74 356	1.03 367	1.09 371	0.99 361	0.45 291	1.04 348	0.73 323	0.95 363	0.74 353	0.94 337	0.46 289

DMCA-RVC	0.70 294	0.80 223	0.70 315	0.70 282	0.70 353	0.70 328	0.70 340	0.71 322	0.70 343	0.70 328	0.71 351	0.71 330	0.70 338	0.70 327	0.69 341	0.69 312	0.70 317	0.69 332	0.70 348	0.69 305	0.70 336

MSMD_ROB	1.19 364	1.10 280	0.70 315	1.10 329	0.60 334	1.10 370	0.70 340	1.10 359	0.70 343	1.10 367	0.70 348	1.10 373	0.70 338	7.00 512	0.70 344	1.10 353	0.70 317	1.10 375	0.70 348	1.10 349	0.70 336

RAFT-Stereo + iAFF	0.70 294	0.72 217	0.71 318	0.80 292	0.62 341	0.82 340	0.61 325	0.81 332	0.62 329	0.81 342	0.63 336	0.80 343	0.70 338	0.73 331	0.61 328	0.76 320	0.61 306	0.74 337	0.61 334	0.77 313	0.61 324

UniTT-Stereo	2.03 438	3.43 426	0.72 319	3.42 457	0.73 357	3.27 474	0.68 336	3.38 473	0.69 340	3.29 473	0.72 353	3.28 473	0.70 338	3.35 474	0.68 337	3.39 467	0.68 312	3.31 472	0.69 346	3.37 457	0.73 343

Selective-RAFT	0.89 334	0.89 236	0.72 319	1.16 342	0.78 362	1.06 364	0.82 356	0.87 334	0.97 374	1.00 358	0.91 368	0.90 352	1.00 362	0.89 348	0.93 366	0.83 329	0.83 336	0.82 350	0.82 363	0.81 322	0.82 354

iGMRVC	0.84 328	2.85 414	0.72 319	0.72 285	0.73 357	0.77 333	0.79 350	0.73 324	0.74 352	0.73 330	0.72 353	0.73 335	0.76 347	0.73 331	0.73 346	0.72 317	0.73 323	0.73 336	0.72 352	0.73 310	0.72 340

HH	0.71 296	2.54 398	0.74 322	1.10 329	0.32 235	0.41 243	0.37 259	0.69 319	0.78 353	0.73 330	0.90 365	0.75 337	1.00 362	0.84 341	0.69 341	0.69 312	0.40 245	0.35 225	0.26 205	0.35 207	0.26 188

HanStereo	0.71 296	2.54 398	0.74 322	1.10 329	0.32 235	0.41 243	0.37 259	0.69 319	0.78 353	0.73 330	0.90 365	0.75 337	1.00 362	0.84 341	0.69 341	0.69 312	0.40 245	0.35 225	0.26 205	0.35 207	0.26 188

Syn2CoEx	0.25 150	1.31 344	0.74 322	0.92 307	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	0.87 334	0.75 326	0.02 18	0.02 20	0.02 20	0.02 20

RAStereo	2.23 448	3.64 429	0.76 325	3.65 462	0.86 367	3.66 478	0.76 348	3.67 477	0.81 360	3.66 474	0.76 358	3.66 475	0.77 348	3.68 476	0.77 351	3.68 470	0.77 328	3.69 477	0.77 355	3.70 459	0.77 349

DCRE	0.84 328	1.89 365	0.77 326	0.94 312	0.72 356	0.88 344	0.73 345	0.87 334	0.78 353	0.90 346	0.71 351	0.88 349	0.67 335	0.88 346	0.73 346	0.81 326	0.68 312	0.81 348	0.70 348	0.82 323	0.70 336

MoCha-V2	2.11 440	26.97 519	0.78 327	0.92 307	0.77 361	0.96 354	0.72 344	0.90 338	0.72 347	0.94 354	0.70 348	0.90 352	0.71 342	0.91 350	0.71 345	0.85 332	0.71 321	0.88 355	0.69 346	0.87 327	0.67 333

DSFCA	0.66 285	0.73 218	0.78 327	0.65 275	0.65 344	0.64 323	0.64 328	0.65 314	0.63 331	0.64 321	0.64 338	0.64 323	0.64 328	0.65 322	0.65 330	0.65 307	0.65 310	0.65 329	0.65 337	0.66 299	0.64 329

HSM-Net_RVC	0.95 345	1.17 286	0.78 327	1.18 344	0.71 354	1.16 377	0.75 347	1.09 358	0.80 357	1.10 367	0.75 357	1.17 380	0.74 344	1.17 380	0.80 354	1.13 359	0.73 323	1.17 382	0.77 355	1.16 355	0.72 340
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
G-Net	0.79 311	0.79 222	0.79 330	0.79 290	0.79 363	0.79 337	0.79 350	0.79 327	0.79 356	0.79 339	0.79 360	0.79 342	0.79 350	0.79 336	0.79 352	0.79 322	0.79 330	0.79 343	0.79 358	0.79 316	0.79 350

NaN_ROB	0.80 313	0.80 223	0.80 331	0.80 292	0.80 365	0.80 338	0.80 353	0.80 329	0.80 357	0.80 340	0.80 361	0.80 343	0.80 351	0.80 338	0.80 354	0.80 323	0.80 333	0.80 346	0.80 360	0.80 319	0.80 351

CSAN	0.80 313	0.80 223	0.80 331	0.80 292	0.80 365	0.80 338	0.80 353	0.80 329	0.80 357	0.80 340	0.80 361	0.80 343	0.80 351	0.80 338	0.80 354	0.80 323	0.80 333	0.80 346	0.80 360	0.80 319	0.80 351

DPSimNet_ROB	0.97 346	1.18 288	0.81 333	1.10 329	0.91 373	1.02 362	0.82 356	1.04 355	0.91 364	1.03 363	0.86 364	1.28 431	0.82 353	1.03 367	0.89 361	1.17 362	0.81 335	1.02 372	0.82 363	1.08 348	0.81 353

MLG-Stereo	0.92 337	0.90 238	0.84 334	1.27 395	0.49 315	1.38 434	0.88 359	1.41 430	0.97 374	0.73 330	1.09 381	1.26 429	0.43 287	0.72 329	1.05 377	1.13 359	0.49 280	1.18 385	0.66 339	1.01 344	0.46 289

AIO-Stereo-zeroshot1	0.75 302	0.92 245	0.85 335	0.96 317	0.59 333	1.27 427	0.44 288	0.59 306	0.69 340	0.91 348	0.68 344	0.55 310	0.61 326	1.06 368	0.83 358	0.62 304	0.70 317	0.90 356	0.41 292	0.89 329	0.56 321

AIO-Stereo-zeroshot	0.91 335	0.86 230	0.89 336	1.25 394	0.69 352	1.05 363	0.81 355	1.16 363	0.50 311	1.12 372	0.97 373	0.72 333	0.82 353	1.06 368	0.95 367	0.61 301	0.87 338	1.03 373	0.85 366	1.04 346	1.01 373

StereoVision	3.15 471	5.00 454	0.89 336	4.83 480	1.00 380	3.93 479	1.27 439	6.37 506	1.34 445	5.67 506	1.26 441	5.84 507	1.27 433	5.03 503	1.24 438	5.10 495	1.09 357	4.61 489	0.57 329	5.62 495	1.12 380

4D-IteraStereo	0.78 310	3.13 419	0.89 336	0.69 280	0.32 235	0.40 227	0.32 225	0.76 325	0.97 374	0.52 298	0.65 340	0.89 351	0.32 236	0.76 335	0.98 370	0.83 329	0.94 343	0.35 225	0.27 212	0.70 306	0.89 359

ours_stereo	1.20 365	1.21 336	0.90 339	1.64 415	1.11 389	1.35 430	0.67 335	1.76 437	0.93 369	1.70 441	1.10 382	1.39 434	0.75 346	1.41 434	0.81 357	1.60 431	1.03 349	1.33 437	1.00 374	1.61 425	0.72 340

ToySt	0.92 337	2.11 381	0.90 339	0.95 314	0.79 363	0.99 356	0.78 349	0.94 347	0.81 360	0.94 354	0.78 359	0.95 359	0.77 348	0.94 355	0.86 360	0.91 335	0.79 330	0.85 353	0.77 355	0.89 329	0.73 343

DPSM_ROB	0.92 337	0.91 240	0.91 341	0.91 304	0.92 374	0.92 349	0.92 363	0.92 343	0.91 364	0.93 352	0.91 368	0.92 355	0.90 355	0.91 350	0.92 362	0.92 338	0.91 339	0.91 358	0.92 367	0.93 335	0.93 363

DPSM	0.92 337	0.91 240	0.91 341	0.91 304	0.92 374	0.92 349	0.92 363	0.92 343	0.91 364	0.93 352	0.91 368	0.92 355	0.90 355	0.91 350	0.92 362	0.92 338	0.91 339	0.91 358	0.92 367	0.93 335	0.93 363

BUS	0.83 325	1.91 368	0.92 343	4.48 465	0.02 21	0.40 227	0.04 76	0.41 236	0.02 21	0.48 272	0.03 51	0.41 243	0.05 87	0.03 39	0.05 82	1.97 442	4.19 488	0.33 205	0.23 186	0.34 195	0.27 196

BSDual-CNN	0.81 318	1.91 368	0.92 343	4.48 465	0.02 21	0.42 261	0.06 98	0.41 236	0.02 21	0.48 272	0.03 51	0.02 20	0.02 21	0.03 39	0.02 20	1.97 442	4.19 488	0.33 205	0.23 186	0.34 195	0.27 196

psmg	0.43 233	1.91 368	0.92 343	1.91 420	0.02 21	0.02 19	0.03 49	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 442	1.44 432	0.04 70	0.03 53	0.02 20	0.03 50

DGTPSM_ROB	0.93 342	1.00 256	0.92 343	0.94 312	0.96 378	0.91 348	0.92 363	0.91 340	0.96 373	0.91 348	0.96 372	0.93 358	0.92 357	0.94 355	0.92 362	0.92 338	0.92 341	0.90 356	0.92 367	0.94 337	0.91 361

pmcnn	0.92 337	0.92 245	0.92 343	0.92 307	0.92 374	0.92 349	0.92 363	0.92 343	0.92 368	0.92 350	0.92 371	0.92 355	0.92 357	0.92 354	0.92 362	0.92 338	0.92 341	0.92 360	0.92 367	0.92 334	0.92 362

Selective-RAFT-Error	0.88 332	0.84 229	0.98 348	0.86 300	0.97 379	0.88 344	0.95 367	0.84 333	0.99 377	0.92 350	0.82 363	0.84 347	0.98 361	0.87 345	0.97 369	0.81 326	0.83 336	0.79 343	0.82 363	0.79 316	0.85 356

FC-DCNN	1.07 357	1.09 277	0.98 348	0.89 301	0.52 325	1.41 437	0.91 362	1.21 416	1.24 442	1.96 444	2.05 475	1.91 444	1.30 436	1.27 430	1.08 378	0.80 323	0.60 302	0.58 320	0.41 292	0.68 301	0.54 314

GANet	1.00 349	1.00 256	1.00 350	1.00 321	1.00 380	1.00 357	1.00 371	1.00 351	1.00 378	1.00 358	1.00 375	1.00 363	1.00 362	1.00 362	1.00 372	1.00 344	1.00 344	1.00 368	1.00 374	1.00 341	1.00 370

TDLM	1.00 349	1.00 256	1.00 350	1.00 321	1.00 380	1.00 357	1.00 371	1.00 351	1.00 378	1.00 358	1.00 375	1.00 363	1.00 362	1.00 362	1.00 372	1.00 344	1.00 344	1.00 368	1.00 374	1.00 341	1.00 370

CVANet_RVC	1.00 349	1.00 256	1.00 350	1.00 321	1.00 380	1.00 357	1.00 371	1.00 351	1.00 378	1.00 358	1.00 375	1.00 363	1.00 362	1.00 362	1.00 372	1.00 344	1.00 344	1.00 368	1.00 374	1.00 341	1.00 370

trnet	1.01 354	1.01 262	1.01 353	1.01 324	1.01 384	1.01 361	1.01 374	1.01 354	1.01 381	1.01 362	1.01 378	1.01 366	1.01 368	1.01 366	1.01 375	1.01 347	1.01 347	1.01 371	1.01 378	1.01 344	1.01 373

MM-Stereo_test2	1.20 365	1.85 362	1.05 354	1.46 406	0.94 377	1.36 432	0.99 370	1.36 425	0.95 371	1.41 431	0.98 374	1.40 436	0.96 359	1.37 432	0.95 367	1.37 420	1.06 350	1.33 437	0.93 371	1.29 414	0.89 359

GLC_STEREO	1.07 357	1.01 262	1.06 355	1.07 327	1.05 387	1.06 364	1.08 378	1.08 356	1.05 384	1.07 365	1.06 380	1.08 369	1.05 370	1.06 368	1.10 379	1.07 350	1.09 357	1.05 374	1.05 379	1.06 347	1.12 380

ktn	0.72 299	0.53 200	1.08 356	1.14 335	0.51 324	1.22 424	1.36 443	0.51 291	0.59 325	0.51 295	0.51 324	0.69 329	1.20 383	0.67 325	0.51 315	0.51 287	0.49 280	0.58 320	0.66 339	0.52 286	0.53 313

MaDis-Stereo	3.19 472	6.02 475	1.12 357	5.61 489	1.16 395	5.43 505	1.02 376	5.15 503	0.70 343	5.43 503	1.21 436	5.03 504	0.97 360	4.85 497	0.99 371	4.53 476	1.16 367	5.53 505	1.25 438	5.37 493	1.30 439

RP	2.33 452	25.00 512	1.13 358	1.15 337	1.15 391	1.10 370	1.15 383	1.15 361	1.15 386	1.12 372	1.15 383	1.09 371	1.13 373	1.10 374	1.15 384	1.11 358	1.09 357	1.16 378	1.12 382	1.16 355	1.17 386

edge stereo	2.43 459	27.07 520	1.14 359	1.06 326	1.14 390	1.08 367	1.17 386	1.16 363	1.14 385	1.10 367	1.16 386	1.09 371	1.16 380	1.10 374	1.16 387	1.10 353	1.11 361	1.16 378	1.19 388	1.13 350	1.11 378

Abc-Net	2.32 451	24.75 511	1.14 359	1.17 343	1.17 396	1.11 373	1.15 383	1.17 365	1.21 439	1.08 366	1.16 386	1.12 377	1.14 375	1.09 372	1.17 388	1.09 351	1.16 367	1.17 382	1.17 387	1.16 355	1.11 378
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
castereo++	0.54 267	3.59 427	1.15 361	1.31 398	0.14 146	0.16 132	0.14 141	0.16 131	0.14 146	0.16 128	0.14 150	0.16 129	0.13 143	0.16 130	0.14 140	1.45 423	1.16 367	0.15 132	0.14 149	0.15 131	0.13 139

Nwc_Net	2.37 456	25.95 516	1.15 361	1.14 335	1.15 391	1.08 367	1.14 382	1.17 365	1.16 387	1.14 375	1.15 383	1.08 369	1.15 376	1.11 376	1.14 383	1.10 353	1.11 361	1.16 378	1.09 381	1.16 355	1.15 385

AF-Net	2.37 456	25.71 515	1.17 363	1.13 334	1.15 391	1.15 376	1.18 387	1.19 368	1.16 387	1.10 367	1.15 383	1.10 373	1.18 381	1.12 377	1.15 384	1.10 353	1.10 360	1.17 382	1.15 384	1.16 355	1.12 380

NCC-stereo	2.36 454	25.52 514	1.17 363	1.15 337	1.17 396	1.11 373	1.11 379	1.15 361	1.16 387	1.10 367	1.16 386	1.10 373	1.15 376	1.14 378	1.13 382	1.09 351	1.11 361	1.15 377	1.16 386	1.17 360	1.17 386

MM-Stereo_test3	1.27 415	2.07 377	1.18 365	1.60 410	1.02 385	1.45 438	1.01 374	1.40 429	1.04 383	1.44 432	1.03 379	1.46 438	1.02 369	1.44 435	1.02 376	1.51 427	1.12 364	1.32 436	0.98 372	1.38 418	0.97 366

stereogan	2.33 452	24.38 510	1.18 365	1.18 344	1.18 398	1.14 375	1.18 387	1.19 368	1.19 393	1.14 375	1.18 390	1.14 378	1.18 381	1.14 378	1.18 389	1.14 361	1.14 365	1.19 386	1.19 388	1.15 353	1.19 388

CSP-Net	0.34 183	1.29 342	1.19 367	1.36 402	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	1.26 411	1.21 418	0.03 38	0.09 103	0.02 20	0.09 101

FENet	0.54 267	1.52 350	1.19 367	1.41 405	0.23 193	0.35 207	0.23 184	0.35 197	0.23 184	0.34 199	0.23 188	0.35 206	0.23 188	0.35 208	0.23 184	1.40 421	1.07 351	0.32 197	0.23 186	0.33 191	0.23 171

RGC	2.36 454	25.48 513	1.19 367	1.15 337	1.15 391	1.10 370	1.16 385	1.17 365	1.16 387	1.12 372	1.16 386	1.11 376	1.13 373	1.09 372	1.18 389	1.10 353	1.15 366	1.16 378	1.12 382	1.14 351	1.12 380

DisPM	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

NINENet	0.69 293	3.87 439	1.20 370	1.98 424	0.05 92	0.40 227	0.04 76	0.40 221	0.05 91	0.41 235	0.04 84	0.41 243	0.05 87	0.40 231	0.05 82	1.79 435	1.56 438	0.34 212	0.22 181	0.34 195	0.23 171

CrosDoStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

PFNet+	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

LCNet	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

HHNet	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

Patchmatch Stereo++	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389
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	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

STrans-v2	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

TransformOpticalFlow	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

OMP-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

IIG-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

NF-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

OCTAStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

PSM-softLoss	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

KMStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

NRIStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

PSM-adaLoss	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

PSM-AAD	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

FTStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

ROB_FTStereo_v2	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

ROB_FTStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

Consistency-Raft	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

KYRaft	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

HUI-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

ASMatch	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

DeepStereo_LL	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

DEmStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

SST-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

THIR-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

RAFT_R40	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

DRaft	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

PFNet	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

GrayStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

RE-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

Pruner-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

TVStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

DeepStereo_RVC	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

RAFT-RH_RVC	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

IRAFT_RVC	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

RAFT-345	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

iRAFT	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

CRE-IMP	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

GMM-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

RAFT-IKP	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

Prome-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

SPS-STEREO	1.59 423	1.91 368	1.21 416	1.94 421	1.20 399	2.00 448	1.23 436	1.99 441	1.24 442	2.00 446	1.25 440	2.03 447	1.26 432	2.00 445	1.29 441	1.90 441	1.18 371	1.89 451	1.21 436	1.89 431	1.20 389
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
CRFU-Net	0.65 283	1.67 354	1.22 417	1.96 423	0.27 210	0.41 243	0.27 203	0.41 236	0.27 209	0.40 222	0.26 206	0.41 243	0.27 211	0.40 231	0.27 200	1.80 436	1.62 443	0.34 212	0.23 186	0.33 191	0.23 171

GANetREF_RVC	1.55 422	1.94 374	1.22 417	1.88 418	1.21 445	1.88 446	1.22 435	1.88 438	1.22 440	1.88 442	1.22 437	1.88 443	1.22 430	1.89 442	1.22 437	1.87 438	1.22 419	1.88 450	1.22 437	1.88 430	1.22 435
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
FAT-Stereo	2.46 460	26.05 517	1.23 419	1.23 393	1.22 447	1.20 378	1.24 437	1.23 419	1.23 441	1.19 378	1.22 437	1.21 427	1.24 431	1.20 382	1.24 438	1.21 409	1.17 370	1.22 433	1.25 438	1.20 364	1.24 437

S-Stereo	2.51 461	26.86 518	1.23 419	1.22 391	1.22 447	1.24 426	1.25 438	1.22 417	1.24 442	1.21 424	1.24 439	1.19 381	1.27 433	1.19 381	1.24 438	1.19 363	1.20 372	1.25 434	1.19 388	1.24 412	1.23 436

ssnet_v2	0.68 290	1.96 375	1.25 421	0.29 161	0.20 180	0.30 188	0.20 167	0.29 182	0.22 178	1.50 434	0.20 179	0.31 195	0.20 177	0.27 188	0.22 178	0.24 170	1.49 435	0.26 179	0.18 176	3.90 461	0.19 163

CC-Net-ROB	1.36 418	1.33 345	1.33 422	1.36 402	1.38 452	1.36 432	1.33 440	1.37 427	1.34 445	1.35 428	1.36 445	1.38 433	1.34 437	1.38 433	1.38 445	1.35 417	1.38 429	1.33 437	1.35 441	1.43 419	1.34 444

11t	1.27 415	2.70 405	1.34 423	1.32 399	0.89 369	1.30 429	1.34 441	1.64 433	0.57 323	1.45 433	0.72 353	1.05 368	1.29 435	1.07 371	1.29 441	1.49 424	1.02 348	0.97 366	1.15 384	1.48 420	1.31 440

PS-NSSS	1.38 420	1.39 348	1.34 423	1.34 400	1.35 449	1.38 434	1.37 448	1.35 424	1.38 450	1.34 427	1.34 442	1.39 434	1.38 440	1.70 439	1.40 446	1.36 419	1.36 427	1.36 442	1.37 444	1.37 417	1.36 446

castereo	0.61 278	3.79 435	1.35 425	1.52 407	0.15 157	0.17 140	0.16 149	0.20 148	0.21 175	0.18 140	0.16 159	0.21 155	0.12 138	0.26 185	0.17 159	1.43 422	1.38 429	0.17 142	0.16 154	0.18 144	0.16 145

ff7	1.68 425	2.68 402	1.35 425	0.97 318	0.89 369	1.84 443	2.15 468	2.12 443	1.80 461	2.05 449	1.56 451	2.33 454	2.12 461	2.23 451	2.25 471	1.31 413	1.07 351	1.48 444	1.41 447	0.90 331	1.04 375

ffff	1.68 425	2.68 402	1.35 425	0.97 318	0.89 369	1.84 443	2.15 468	2.12 443	1.80 461	2.05 449	1.56 451	2.33 454	2.12 461	2.23 451	2.25 471	1.31 413	1.07 351	1.48 444	1.41 447	0.90 331	1.04 375

ccc-4	1.68 425	2.68 402	1.35 425	0.97 318	0.89 369	1.84 443	2.15 468	2.12 443	1.80 461	2.05 449	1.56 451	2.33 454	2.12 461	2.23 451	2.25 471	1.31 413	1.07 351	1.48 444	1.41 447	0.90 331	1.04 375

MaskLacGwcNet_RVC	1.35 417	1.35 346	1.35 425	1.35 401	1.35 449	1.35 430	1.35 442	1.36 425	1.35 447	1.36 429	1.35 443	1.36 432	1.36 438	1.36 431	1.35 443	1.35 417	1.35 426	1.35 440	1.35 441	1.35 416	1.35 445

tt45	1.04 356	0.88 233	1.36 430	0.92 307	1.03 386	1.51 440	0.79 350	0.70 321	0.88 362	0.74 335	0.90 365	1.60 440	0.72 343	1.60 437	0.75 349	0.91 335	0.78 329	1.52 447	0.79 358	1.14 351	1.32 441

PASM	0.39 213	3.06 416	1.36 430	1.58 408	0.09 105	0.11 112	0.11 121	0.11 114	0.11 123	0.09 100	0.09 105	0.11 113	0.09 106	0.09 101	0.09 98	0.11 85	0.11 93	0.11 111	0.09 103	0.11 113	0.11 118

MC-Stereo	1.76 428	2.96 415	1.37 432	2.14 428	1.37 451	2.14 452	1.36 443	2.14 446	1.37 449	2.14 452	1.37 446	2.14 449	1.37 439	2.14 450	1.37 444	1.97 442	1.32 420	1.97 453	1.32 440	1.98 432	1.33 442

sAnonymous2	3.31 473	2.63 400	1.38 433	3.71 463	1.86 467	4.70 497	1.11 379	4.82 499	2.72 477	5.45 504	1.98 473	4.59 489	2.64 466	2.65 462	6.21 509	4.37 472	1.08 355	5.16 503	2.24 473	4.52 470	2.39 475

CroCo_RVC	3.31 473	2.63 400	1.38 433	3.71 463	1.86 467	4.70 497	1.11 379	4.82 499	2.72 477	5.45 504	1.98 473	4.59 489	2.64 466	2.65 462	6.21 509	4.37 472	1.08 355	5.16 503	2.24 473	4.52 470	2.39 475

DEFOM-Stereo	0.68 290	3.11 418	1.40 435	1.63 414	0.25 200	0.31 191	0.25 192	0.31 186	0.28 212	0.31 187	0.29 220	0.29 190	0.27 211	0.31 197	0.28 206	1.59 429	1.47 434	0.30 192	0.29 225	0.30 180	0.28 209

RASNet	1.49 421	1.65 353	1.45 436	1.38 404	1.43 455	1.47 439	1.36 443	1.38 428	1.36 448	1.39 430	1.60 455	1.45 437	1.45 443	1.51 436	2.21 470	1.53 428	1.36 427	1.36 442	1.36 443	1.66 426	1.36 446

gwcnet-sp	0.82 322	1.72 355	1.48 437	0.39 189	0.15 157	0.31 191	0.21 172	0.20 148	0.25 191	1.61 436	0.23 188	0.28 185	0.26 203	0.20 148	0.15 150	0.24 170	1.33 423	0.32 197	0.16 154	6.75 499	0.23 171

scenet	0.82 322	1.72 355	1.48 437	0.39 189	0.15 157	0.31 191	0.21 172	0.20 148	0.25 191	1.61 436	0.23 188	0.28 185	0.26 203	0.20 148	0.15 150	0.24 170	1.33 423	0.32 197	0.16 154	6.75 499	0.23 171

ssnet	0.82 322	1.72 355	1.48 437	0.39 189	0.15 157	0.31 191	0.21 172	0.20 148	0.25 191	1.61 436	0.23 188	0.28 185	0.26 203	0.20 148	0.15 150	0.24 170	1.33 423	0.32 197	0.16 154	6.75 499	0.23 171

MM-Stereo_test1	1.80 431	3.41 425	1.52 440	2.12 427	1.41 454	2.04 449	1.41 450	2.05 442	1.46 454	2.04 448	1.41 449	2.05 448	1.42 442	2.05 446	1.43 448	2.04 446	1.54 437	1.94 452	1.38 446	1.99 433	1.33 442

LL-Strereo	1.01 354	5.06 455	1.63 441	0.70 282	1.43 455	0.56 310	0.46 294	0.57 301	0.50 311	0.57 310	0.50 318	1.58 439	0.49 308	0.59 314	0.50 310	1.64 432	0.52 292	0.51 311	1.37 444	0.52 286	0.45 288

HBP-ISP	1.24 413	1.72 355	1.65 442	1.15 337	0.76 360	1.40 436	0.88 359	1.67 436	1.02 382	1.69 440	1.38 447	1.69 442	1.21 429	1.87 441	1.21 436	1.05 349	0.79 330	0.97 366	0.80 360	1.19 363	0.75 347

Anonymous3	2.55 462	3.26 423	1.65 442	3.28 456	1.63 458	3.24 473	1.68 454	3.27 471	1.66 456	3.28 472	1.67 456	3.25 472	1.66 446	3.27 471	1.64 453	3.26 466	1.65 445	3.30 471	1.65 458	4.95 488	1.65 459

DPSMNet_ROB	1.60 424	1.59 352	1.70 444	1.59 409	1.59 457	1.61 441	1.61 453	1.60 431	1.60 455	1.62 439	1.59 454	1.60 440	1.60 445	1.60 437	1.59 451	1.59 429	1.60 442	1.59 448	1.59 457	1.59 424	1.59 456

MFMNet_re	1.81 432	1.91 368	1.71 445	1.95 422	1.70 460	1.95 447	1.70 456	1.96 440	1.74 458	1.97 445	1.72 458	1.95 445	1.71 448	1.97 444	1.71 457	1.86 437	1.62 443	1.85 449	1.66 459	1.86 429	1.64 457

RAFT_CTSACE	1.92 434	3.71 432	1.72 446	1.88 418	1.72 461	2.04 449	1.42 452	2.18 447	1.89 470	2.02 447	1.97 471	1.95 445	2.06 460	1.93 443	1.62 452	1.76 434	1.66 446	2.02 454	1.73 466	1.73 427	1.43 451

UDGNet	2.23 448	5.40 465	1.72 446	2.48 443	1.69 459	2.51 462	1.69 455	2.51 458	1.72 457	2.50 460	1.69 457	2.52 461	1.69 447	2.50 461	1.68 456	2.41 458	1.70 447	2.42 464	1.69 462	2.42 445	1.64 457

FBW_ROB	2.12 441	2.46 397	1.77 448	2.49 444	1.79 463	2.38 458	1.83 458	2.46 457	1.78 460	2.48 459	1.97 471	2.40 458	1.78 449	2.42 460	1.83 463	2.31 453	1.85 454	2.38 463	1.82 468	2.35 444	1.84 464

U	5.15 506	8.49 487	1.81 449	8.49 503	1.77 462	8.49 514	1.77 457	8.51 514	1.77 459	8.49 514	1.77 459	8.50 514	1.78 449	8.58 514	1.77 462	8.54 512	1.78 451	8.55 514	1.78 467	8.55 508	1.84 464

IGEVStereo-DCA	1.77 429	4.21 445	1.84 450	2.49 444	2.11 475	2.54 463	1.36 443	1.65 434	1.17 391	2.75 464	1.90 467	2.54 462	1.15 376	0.94 355	1.11 380	1.50 425	1.32 420	0.96 364	1.46 451	1.49 421	0.88 357

rrr	1.77 429	4.21 445	1.84 450	2.49 444	2.11 475	2.54 463	1.36 443	1.65 434	1.17 391	2.75 464	1.90 467	2.54 462	1.15 376	0.94 355	1.11 380	1.50 425	1.32 420	0.96 364	1.46 451	1.49 421	0.88 357

test-3	0.98 348	4.13 443	1.85 452	1.85 417	0.61 338	0.69 327	0.37 259	0.63 312	0.61 328	0.66 324	0.51 324	0.73 335	0.44 289	0.57 312	0.54 320	1.68 433	1.81 453	0.40 254	0.43 300	0.66 299	0.50 306

TRStereo	2.00 435	2.13 382	1.85 452	2.27 434	1.84 464	2.28 454	1.84 459	2.29 449	1.86 464	2.30 454	1.87 462	2.30 451	1.87 451	2.08 447	1.72 459	2.08 447	1.72 448	2.08 455	1.72 463	2.08 434	1.72 460

XX-Stereo	2.00 435	2.13 382	1.85 452	2.27 434	1.84 464	2.28 454	1.84 459	2.29 449	1.86 464	2.30 454	1.87 462	2.30 451	1.87 451	2.08 447	1.72 459	2.08 447	1.72 448	2.08 455	1.72 463	2.08 434	1.72 460

EAI-Stereo	2.00 435	2.13 382	1.85 452	2.27 434	1.84 464	2.28 454	1.84 459	2.29 449	1.86 464	2.30 454	1.87 462	2.30 451	1.87 451	2.08 447	1.72 459	2.08 447	1.72 448	2.08 455	1.72 463	2.08 434	1.72 460

AIO_rvc	2.18 442	2.34 393	1.87 456	2.32 438	1.94 472	2.40 459	1.89 465	2.37 455	2.07 473	2.52 461	1.95 470	2.44 460	1.99 459	2.41 458	1.89 468	2.32 454	2.09 456	2.24 458	2.18 471	2.21 438	2.23 469

LG-G_1	2.22 445	2.71 407	1.89 457	2.77 449	1.87 470	2.75 466	1.87 463	2.76 462	1.87 468	2.75 464	1.87 462	2.76 466	1.87 451	2.75 465	1.86 464	2.47 460	1.58 439	2.45 465	1.57 454	2.45 446	1.57 454

LG-G	2.22 445	2.71 407	1.89 457	2.77 449	1.87 470	2.75 466	1.87 463	2.76 462	1.87 468	2.75 464	1.87 462	2.76 466	1.87 451	2.75 465	1.86 464	2.47 460	1.58 439	2.45 465	1.57 454	2.45 446	1.57 454

LGtest1	2.22 445	2.70 405	1.89 457	2.76 448	1.86 467	2.75 466	1.86 462	2.75 461	1.86 464	2.75 464	1.86 461	2.77 468	1.87 451	2.75 465	1.86 464	2.46 459	1.58 439	2.45 465	1.56 453	2.45 446	1.56 453

sCroCo_RVC	2.10 439	2.76 409	1.92 460	2.78 451	1.39 453	2.73 465	1.41 450	2.73 460	1.40 451	2.77 469	1.41 449	2.74 465	1.40 441	2.74 464	1.40 446	2.72 462	1.42 431	2.72 468	1.44 450	2.79 454	1.42 450

DEFOM-Stereo_RVC	0.83 325	5.18 457	1.98 461	2.19 429	0.17 167	0.19 146	0.18 160	0.19 143	0.16 158	0.20 147	0.19 175	0.22 161	0.22 182	0.20 148	0.15 150	2.28 450	2.13 458	0.24 175	0.17 172	0.18 144	0.16 145

HUF	2.18 442	2.30 392	1.99 462	2.34 439	2.02 474	2.41 460	2.06 467	2.38 456	1.89 470	2.36 458	1.85 460	2.56 464	1.98 458	2.31 456	1.97 469	2.30 452	2.03 455	2.30 460	2.11 470	2.23 439	2.16 467

AIO_test	2.18 442	2.09 380	2.04 463	2.42 441	2.01 473	2.47 461	1.94 466	2.34 454	2.03 472	2.56 462	1.94 469	2.43 459	1.94 457	2.41 458	1.87 467	2.39 457	2.10 457	2.35 462	1.91 469	2.25 440	2.19 468

IER	0.88 332	7.04 476	2.23 464	2.75 447	0.28 213	0.43 265	0.25 192	0.39 216	0.25 191	0.41 235	0.27 210	0.39 224	0.25 194	0.40 231	0.28 206	0.37 217	0.28 190	0.37 233	0.25 199	0.37 216	0.25 182

NCCL2	2.28 450	2.27 390	2.28 465	2.28 437	2.28 477	2.27 453	2.29 471	2.28 448	2.28 474	2.27 453	2.28 476	2.28 450	2.27 464	2.27 454	2.28 475	2.28 450	2.28 462	2.27 459	2.29 475	2.27 441	2.29 470

iRaftStereo_RVC	0.97 346	3.17 421	2.30 466	2.42 441	0.38 273	0.54 308	0.38 265	0.54 296	0.38 264	0.54 303	0.38 270	0.54 306	0.38 262	0.54 304	0.38 264	2.38 456	2.34 463	0.49 302	0.36 267	0.49 273	0.36 251

error version	0.93 342	4.47 448	2.35 467	1.99 425	0.37 266	0.41 243	0.36 254	0.41 236	0.35 250	0.43 253	0.36 259	0.41 243	0.40 268	0.41 245	0.36 253	1.87 438	2.16 459	0.47 290	0.37 269	0.39 232	0.33 238

test_1	0.93 342	4.47 448	2.35 467	1.99 425	0.37 266	0.41 243	0.36 254	0.41 236	0.35 250	0.43 253	0.36 259	0.41 243	0.40 268	0.41 245	0.36 253	1.87 438	2.16 459	0.47 290	0.37 269	0.39 232	0.33 238

STTStereo	3.73 476	30.40 524	2.37 469	2.39 440	2.31 479	2.35 457	2.33 472	2.29 449	2.42 475	2.32 457	2.34 477	2.33 454	2.36 465	2.30 455	2.27 474	2.35 455	2.22 461	2.31 461	2.22 472	2.29 443	2.34 474

SuperB	0.21 140	0.10 65	2.51 470	0.12 78	0.09 105	0.10 101	0.09 103	0.08 100	0.07 102	0.10 101	0.09 105	0.09 101	0.07 103	0.07 95	0.07 93	0.07 57	0.08 58	0.07 92	0.07 97	0.08 99	0.07 97

NLCA_NET_v2_RVC	5.04 504	50.87 534	2.78 471	2.87 452	2.71 480	2.78 469	0.47 299	2.88 467	2.86 479	1.89 443	2.67 478	2.79 469	2.79 469	2.78 468	2.83 476	2.82 463	2.82 465	2.83 469	2.77 478	2.83 455	2.76 478
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HCRNet	1.22 412	7.11 477	3.00 472	3.55 460	0.33 246	0.29 187	0.14 141	0.19 143	0.15 156	0.33 197	0.29 220	0.25 174	0.14 147	0.22 162	0.33 235	3.64 469	3.00 466	0.76 340	0.32 245	0.18 144	0.13 139

rvit_105_1	3.83 477	5.22 458	3.01 473	4.53 468	3.01 482	4.51 485	3.01 479	4.56 486	3.04 480	4.53 485	3.03 481	4.55 487	3.03 470	4.56 486	3.04 477	4.57 478	3.05 467	4.57 484	3.05 482	4.57 472	3.05 481

rvit_stereo_0081	3.83 477	5.23 459	3.01 473	4.53 468	3.03 484	4.55 491	3.02 480	4.56 486	3.04 480	4.52 483	3.02 479	4.54 485	3.03 470	4.56 486	3.04 477	4.57 478	3.05 467	4.57 484	3.05 482	4.58 473	3.05 481

rvit_stereo_0082	3.86 479	5.82 473	3.01 473	4.53 468	3.03 484	4.54 487	3.02 480	4.56 486	3.04 480	4.53 485	3.02 479	4.55 487	3.04 473	4.57 489	3.05 479	4.57 478	3.05 467	4.58 486	3.05 482	4.58 473	3.06 484

rvit_0105_4	3.91 484	5.47 469	3.02 476	4.54 471	3.02 483	4.54 487	3.03 484	4.75 496	3.17 491	4.57 489	3.06 484	4.61 493	3.16 481	4.65 493	3.09 485	4.66 485	3.11 474	4.68 493	3.18 492	4.81 483	3.16 491

rvit_stereo_0081_aga	3.86 479	5.33 462	3.02 476	4.55 474	3.04 488	4.54 487	3.02 480	4.64 493	3.06 484	4.54 487	3.04 483	4.62 494	3.08 477	4.62 492	3.07 482	4.58 481	3.06 471	4.60 488	3.08 486	4.63 476	3.07 485

rvit_stereo_0080	3.89 482	5.70 470	3.04 478	4.54 471	3.03 484	4.56 492	3.05 486	4.60 490	3.07 485	4.58 490	3.06 484	4.59 489	3.06 475	4.61 490	3.08 483	4.63 483	3.09 472	4.64 490	3.10 487	4.65 477	3.10 486

whm_eth	3.89 482	5.70 470	3.04 478	4.54 471	3.03 484	4.56 492	3.05 486	4.60 490	3.07 485	4.58 490	3.06 484	4.59 489	3.06 475	4.61 490	3.08 483	4.63 483	3.09 472	4.64 490	3.10 487	4.65 477	3.10 486

rvit_stereo_ft	3.93 487	5.44 467	3.05 480	4.59 475	3.06 489	4.61 495	3.08 489	4.67 495	3.12 490	4.63 494	3.10 489	4.65 496	3.11 479	4.69 496	3.13 487	4.70 486	3.14 476	4.71 495	3.15 491	4.74 480	3.16 491

rvit_0105_3	3.91 484	5.33 462	3.06 481	4.60 476	3.07 490	4.60 494	3.06 488	4.62 492	3.08 488	4.60 492	3.07 487	4.62 494	3.08 477	4.67 494	3.10 486	4.70 486	3.11 474	4.77 497	3.19 493	4.77 482	3.14 490

rvit_stereo_0083	3.92 486	5.30 461	3.06 481	4.61 477	3.09 491	4.67 496	3.08 489	4.66 494	3.09 489	4.62 493	3.10 489	4.66 497	3.11 479	4.67 494	3.16 488	4.72 488	3.16 477	4.77 497	3.11 489	4.66 479	3.11 488

rvit_0105_6	3.87 481	5.73 472	3.10 483	4.69 478	3.12 492	4.54 487	3.02 480	4.56 486	3.04 480	4.54 487	3.03 481	4.54 485	3.04 473	4.56 486	3.05 479	4.58 481	3.05 467	4.58 486	3.05 482	4.58 473	3.05 481

AEACV	1.12 362	0.52 197	3.12 484	3.24 455	0.86 367	0.53 305	0.49 310	0.60 308	0.47 299	0.53 300	0.49 316	0.55 310	0.45 291	0.55 307	0.47 301	3.01 464	3.88 485	0.71 335	0.60 332	0.80 319	0.48 298

DispFullNet	4.61 497	4.84 451	3.12 484	5.00 483	3.57 497	4.75 500	3.03 484	7.75 512	4.17 504	4.91 499	3.09 488	6.20 508	3.95 493	6.71 508	3.51 491	5.30 496	3.67 484	5.86 509	3.63 496	5.61 494	3.46 495

rvit_0105_5	4.10 488	5.40 465	3.13 486	4.71 479	3.15 493	4.72 499	3.10 491	4.90 501	3.27 492	4.69 495	3.16 491	4.84 501	3.25 482	4.96 500	3.34 490	5.05 493	3.39 482	5.10 502	3.40 494	5.11 490	3.42 494

hknet	1.10 359	1.85 362	3.49 487	4.48 465	0.02 21	0.42 261	0.06 98	0.41 236	0.02 21	0.48 272	0.03 51	0.41 243	0.03 51	0.42 258	0.03 47	4.39 474	4.19 488	0.33 205	0.23 186	0.34 195	0.27 196

PDISCO_ROB	0.83 325	2.80 413	3.49 487	0.14 95	0.11 126	0.17 140	0.09 103	0.15 130	0.10 108	0.15 123	0.12 133	0.16 129	0.14 147	3.30 472	0.13 136	0.14 113	2.34 463	0.16 135	0.12 138	2.62 453	0.10 106

MLG-Stereo_test1	4.25 489	5.34 464	3.61 489	5.31 485	3.63 499	5.23 503	3.57 496	5.38 504	3.65 494	5.23 501	3.47 493	4.76 498	3.74 489	4.85 497	3.71 494	4.96 490	3.18 479	4.71 495	2.92 479	4.86 486	2.90 479

DPSNet	3.66 475	3.60 428	3.62 490	3.63 461	3.64 500	3.65 477	3.65 498	3.66 476	3.67 495	3.67 475	3.65 496	3.67 476	3.66 486	3.66 475	3.68 493	3.68 470	3.66 483	3.67 476	3.68 499	3.67 458	3.67 497

MLG-Stereo_test2	4.28 491	5.46 468	3.69 491	4.86 481	3.72 501	5.58 506	3.42 494	4.81 498	3.77 500	4.85 497	3.72 498	5.55 506	3.63 485	5.58 504	3.53 492	4.41 475	3.28 481	4.99 501	2.95 480	4.75 481	3.13 489

Occ-G	1.12 362	0.52 197	3.72 492	3.50 459	0.50 319	0.56 310	0.47 299	0.54 296	0.46 294	0.54 303	0.41 283	0.54 306	0.42 285	0.52 301	0.42 287	3.42 468	4.02 487	0.52 314	0.45 302	0.51 284	0.44 286

MLG-Stereo_test3	4.26 490	4.85 452	3.95 493	5.35 486	3.60 498	4.75 500	3.76 499	5.49 505	3.71 496	5.39 502	3.69 497	4.82 500	3.66 486	4.85 497	3.73 497	4.93 489	3.19 480	4.69 494	2.99 481	4.84 485	2.98 480

SGM-Forest	5.21 507	5.92 474	4.08 494	6.18 492	4.16 506	6.31 508	4.34 506	6.50 507	4.33 505	6.14 508	4.21 504	6.61 511	4.55 499	6.67 507	4.48 504	5.94 500	3.94 486	5.85 508	4.03 505	5.79 496	4.17 505
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FC-DCNN v2	5.10 505	5.15 456	4.49 495	5.07 484	3.37 495	6.87 509	4.75 507	5.04 502	6.34 511	7.84 512	5.06 508	6.72 512	4.09 496	4.99 501	5.44 508	5.03 492	3.16 477	4.67 492	4.86 508	5.15 491	3.89 502

TestStereo	4.88 501	4.75 450	4.79 496	4.87 482	4.92 509	4.81 502	4.90 508	4.78 497	4.77 507	4.87 498	4.89 507	4.90 502	4.91 500	4.99 501	4.79 505	4.98 491	4.87 492	4.87 500	4.92 509	5.00 489	5.00 507

RAFT+CT+SA	4.28 491	7.62 481	4.91 497	5.55 488	2.28 477	3.09 470	3.64 497	4.49 484	3.07 485	4.80 496	3.35 492	4.77 499	3.70 488	4.29 483	3.05 479	5.58 497	5.98 498	3.58 475	3.78 501	4.26 466	3.72 498

AANet_RVC	1.26 414	0.31 127	4.99 498	5.93 490	0.20 180	0.25 174	0.20 167	0.25 171	0.20 173	0.23 162	0.19 175	0.25 174	0.20 177	0.25 175	0.20 174	5.66 498	4.76 491	0.26 179	0.30 235	0.24 166	0.27 196

rvit_stereo_0075_2	6.64 509	8.80 489	5.25 499	7.89 500	5.27 511	7.90 513	5.27 509	7.92 513	5.28 509	7.91 513	5.29 510	7.93 513	5.27 501	7.92 513	5.28 506	7.93 509	5.28 494	7.93 512	5.29 511	7.93 505	5.28 509

DISCO	1.11 361	0.39 145	5.28 500	0.39 189	0.20 180	0.39 225	0.27 203	0.39 216	0.22 178	0.38 212	0.20 179	0.38 220	0.20 177	6.95 511	0.22 178	0.30 190	0.21 166	0.27 183	0.21 178	5.25 492	0.21 166

SGM+DAISY	7.06 511	9.15 491	5.38 501	8.84 505	5.18 510	8.80 515	5.31 510	8.79 515	5.28 509	8.89 515	5.20 509	8.93 515	5.33 502	8.95 515	5.36 507	8.70 513	5.21 493	8.74 515	5.20 510	8.89 509	5.15 508

raft_robust	4.71 499	7.75 482	5.40 502	6.81 495	3.31 494	4.28 484	4.20 505	4.32 483	4.37 506	4.35 482	4.35 505	4.14 481	3.75 490	4.30 484	4.20 503	6.67 504	6.37 499	3.36 473	4.24 507	4.86 486	3.25 493

test_5	4.62 498	7.55 480	6.23 503	6.32 493	3.40 496	5.29 504	3.50 495	3.53 475	4.11 503	4.28 480	4.47 506	4.26 483	4.38 498	3.68 476	3.24 489	5.89 499	5.60 495	4.84 499	3.50 495	4.33 467	3.93 504

cross-raft	4.83 500	7.52 479	6.43 504	6.63 494	3.96 504	4.51 485	3.99 503	4.49 484	3.96 502	4.52 483	3.96 501	4.50 484	3.97 494	4.50 485	3.97 499	6.65 503	6.44 500	4.33 481	3.92 503	4.35 468	3.91 503

TestStereo1	4.60 495	8.41 485	6.44 505	6.86 496	3.79 502	3.97 480	3.78 500	3.99 480	3.74 497	3.97 477	3.52 494	3.94 479	3.58 483	3.98 479	3.72 495	6.82 505	6.50 501	3.76 478	3.66 497	3.90 461	3.74 500

SA-5K	4.60 495	8.41 485	6.44 505	6.86 496	3.79 502	3.97 480	3.78 500	3.99 480	3.74 497	3.97 477	3.52 494	3.94 479	3.58 483	3.98 479	3.72 495	6.82 505	6.50 501	3.76 478	3.66 497	3.90 461	3.74 500

Sa-1000	4.34 494	8.37 484	6.84 507	6.98 498	4.45 508	3.58 475	3.00 478	3.42 474	3.39 493	2.61 463	4.00 502	3.83 478	4.01 495	3.90 478	3.90 498	5.98 501	5.62 496	3.76 478	2.34 476	4.35 468	2.47 477

SA	4.33 493	7.35 478	6.85 508	5.96 491	4.09 505	3.59 476	3.15 492	3.82 478	2.64 476	3.91 476	3.85 499	3.57 474	2.72 468	3.13 470	4.03 500	7.09 508	6.86 503	3.57 474	3.12 490	3.85 460	3.51 496

test_4	4.88 501	8.13 483	6.98 509	7.46 499	4.44 507	4.25 483	3.85 502	4.04 482	3.92 501	4.13 479	3.91 500	4.18 482	3.84 491	4.14 481	4.06 501	7.01 507	7.13 504	4.53 482	3.72 500	4.09 464	3.72 498

RAFT	6.73 510	9.36 493	7.40 510	8.51 504	6.55 513	6.88 510	6.60 512	6.79 508	6.60 512	6.80 509	6.72 514	5.31 505	5.50 503	6.61 506	6.61 512	8.42 511	5.89 497	5.73 506	5.45 513	6.61 498	6.24 511

test_3	5.01 503	8.86 490	7.77 511	8.09 501	2.76 481	4.13 482	4.05 504	3.88 479	3.76 499	4.33 481	4.13 503	3.71 477	3.91 492	4.21 482	4.06 501	7.93 509	7.69 506	4.53 482	3.91 502	4.17 465	4.29 506

test-v	7.53 512	11.89 501	7.98 512	9.36 507	7.14 514	7.06 511	7.09 513	7.37 510	6.91 513	7.29 510	5.71 511	6.45 509	6.93 506	6.73 509	7.27 513	8.93 514	7.85 507	6.98 510	6.80 514	7.56 503	7.34 513

test-2	7.53 512	11.89 501	7.98 512	9.36 507	7.14 514	7.06 511	7.09 513	7.37 510	6.91 513	7.29 510	5.71 511	6.45 509	6.93 506	6.73 509	7.27 513	8.93 514	7.85 507	6.98 510	6.80 514	7.56 503	7.34 513

test-1	6.46 508	9.16 492	8.03 514	8.09 501	5.62 512	6.11 507	6.35 511	6.85 509	4.94 508	6.08 507	6.29 513	4.98 503	6.43 505	6.22 505	6.36 511	6.16 502	7.47 505	5.82 507	5.44 512	7.11 502	5.68 510

MANE	19.05 515	23.00 509	15.00 515	23.00 522	15.00 516	24.00 522	16.00 515	24.00 522	16.00 515	22.00 522	15.00 515	23.00 522	16.00 515	23.00 522	15.00 515	22.00 522	15.00 516	22.00 522	15.00 516	22.00 522	15.00 515

rafts_anoy	20.00 516	20.00 503	20.00 516	20.00 516	20.00 517	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 517	20.00 516	20.00 517	20.00 516	20.00 516

raft+_RVC	20.00 516	20.00 503	20.00 516	20.00 516	20.00 517	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 517	20.00 516	20.00 517	20.00 516	20.00 516

raftrobust	20.00 516	20.00 503	20.00 516	20.00 516	20.00 517	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 517	20.00 516	20.00 517	20.00 516	20.00 516

CasAABBNet	20.00 516	20.00 503	20.00 516	20.00 516	20.00 517	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 517	20.00 516	20.00 517	20.00 516	20.00 516

RALCasStereoNet	20.00 516	20.00 503	20.00 516	20.00 516	20.00 517	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 517	20.00 516	20.00 517	20.00 516	20.00 516

RALAANet	20.00 516	20.00 503	20.00 516	20.00 516	20.00 517	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 517	20.00 516	20.00 517	20.00 516	20.00 516

WCMA_ROB	31.10 523	35.43 529	27.12 522	39.51 534	23.10 523	38.78 534	25.30 522	37.49 534	25.39 522	37.29 533	27.02 522	38.52 534	26.48 522	37.80 533	26.44 522	36.28 530	22.65 523	33.90 527	22.30 523	37.10 531	24.18 522

fff	1000028.16 542	29.62 521	29.72 523	32.61 523	30.02 524	35.13 525	31.83 524	32.07 524	10000000.00 542	35.27 526	29.82 524	32.45 524	30.15 523	32.35 524	30.09 523	31.04 524	29.55 525	30.64 524	30.14 524	10000000.00 543	30.77 524

tt	500032.53 540	34.60 527	29.72 523	37.47 532	34.41 529	36.85 529	35.22 528	34.71 527	33.55 525	34.50 524	35.43 527	33.81 527	10000000.00 543	33.57 527	33.13 527	33.68 527	35.00 529	34.03 528	35.26 530	30.96 524	34.63 528

DCANet	500032.53 540	34.60 527	29.72 523	37.47 532	34.41 529	36.85 529	35.22 528	34.71 527	33.55 525	34.50 524	35.43 527	33.81 527	10000000.00 543	33.57 527	33.13 527	33.68 527	35.00 529	34.03 528	35.26 530	30.96 524	34.63 528

csc	1000028.16 542	29.62 521	29.72 523	32.61 523	30.02 524	35.13 525	31.83 524	32.07 524	10000000.00 542	35.27 526	29.82 524	32.45 524	30.15 523	32.35 524	30.09 523	31.04 524	29.55 525	30.64 524	30.14 524	10000000.00 543	30.77 524

cscssc	1000028.16 542	29.62 521	29.72 523	32.61 523	30.02 524	35.13 525	31.83 524	32.07 524	10000000.00 542	35.27 526	29.82 524	32.45 524	30.15 523	32.35 524	30.09 523	31.04 524	29.55 525	30.64 524	30.14 524	10000000.00 543	30.77 524

111	30.40 522	30.94 525	29.72 523	32.61 523	30.02 524	33.57 523	30.47 523	31.50 523	29.39 523	30.98 523	29.11 523	29.78 523	30.39 526	29.45 523	30.76 526	30.08 523	29.02 524	29.92 523	30.32 527	29.86 523	30.17 523

DCANet-4	35.22 524	34.54 526	35.08 529	33.58 527	35.47 531	34.55 524	35.53 530	36.08 529	35.85 527	35.92 529	35.77 529	35.18 529	35.48 528	35.39 529	37.15 532	34.55 529	33.92 528	35.02 530	34.90 529	35.79 527	34.74 530

Reg-Stereo(zero)	37.00 526	37.00 531	37.00 530	37.00 529	37.00 532	37.00 531	37.00 531	37.00 531	37.00 528	37.00 530	37.00 531	37.00 531	37.00 529	37.00 530	37.00 529	37.00 531	37.00 532	37.00 532	37.00 532	37.00 528	37.00 531

HI	37.00 526	37.00 531	37.00 530	37.00 529	37.00 532	37.00 531	37.00 531	37.00 531	37.00 528	37.00 530	37.00 531	37.00 531	37.00 529	37.00 530	37.00 529	37.00 531	37.00 532	37.00 532	37.00 532	37.00 528	37.00 531

CoSv	37.00 526	37.00 531	37.00 530	37.00 529	37.00 532	37.00 531	37.00 531	37.00 531	37.00 528	37.00 530	37.00 531	37.00 531	37.00 529	37.00 530	37.00 529	37.00 531	37.00 532	37.00 532	37.00 532	37.00 528	37.00 531

ADStereo(finetuned)	36.13 525	36.63 530	38.07 533	36.97 528	33.25 528	35.91 528	34.45 527	36.36 530	32.99 524	38.14 534	36.71 530	36.69 530	34.13 527	38.57 534	40.79 533	37.60 534	36.58 531	35.90 531	33.36 528	35.42 526	34.04 527

MDST_ROB	69.83 529	87.70 535	41.95 534	113.75 537	65.62 537	75.05 535	55.25 535	75.64 536	45.04 531	71.61 535	41.75 534	72.81 535	44.06 532	68.38 535	44.63 534	101.89 537	59.57 537	107.10 537	61.05 537	104.38 534	59.38 536

CBMV	128.50 531	1422.70 546	53.10 535	79.50 536	51.30 536	77.30 536	49.70 534	74.00 535	48.20 532	77.20 536	48.80 535	73.90 536	48.00 533	73.80 536	48.80 535	70.40 536	45.10 536	68.90 536	46.10 536	68.20 533	45.00 535
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
AE-Stereo	201.80 533	123.00 536	115.00 536	219.00 539	218.00 540	223.00 539	244.00 539	217.00 539	236.00 536	202.00 539	203.00 538	205.00 539	208.00 536	225.00 539	204.00 538	210.00 539	198.00 539	197.00 539	184.00 540	204.00 536	201.00 538

NOSS_ROB	102.95 530	153.00 539	121.00 537	51.00 535	44.00 535	165.00 538	127.00 536	153.00 537	119.00 533	164.00 538	125.00 536	168.00 538	120.00 534	153.00 537	117.00 536	49.00 535	44.00 535	49.00 535	44.00 535	49.00 532	44.00 534

MGS-Stereo	239.45 534	123.00 536	135.00 538	266.00 540	286.00 541	277.00 540	305.00 540	271.00 540	242.00 537	274.00 540	279.00 540	255.00 540	270.00 538	268.00 540	297.00 540	221.00 540	247.00 541	216.00 540	123.00 538	217.00 537	217.00 540

EGLCR-Stereo	246.90 535	129.00 538	139.00 539	266.00 540	286.00 541	277.00 540	305.00 540	271.00 540	242.00 537	274.00 540	279.00 540	255.00 540	270.00 538	268.00 540	297.00 540	230.00 541	247.00 541	216.00 540	223.00 542	237.00 538	227.00 541

MeshStereo	159.24 532	171.00 540	160.68 540	162.58 538	160.59 538	164.01 537	160.35 537	158.51 538	158.56 534	158.34 537	160.12 537	158.56 537	159.92 535	157.26 538	158.94 537	154.38 538	158.36 538	155.75 538	159.13 539	153.67 535	154.07 537
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
DLCB_ROB	284.23 536	354.61 542	207.27 541	363.24 542	206.46 539	364.72 542	210.41 538	364.72 542	210.41 535	364.81 542	208.64 539	364.81 542	208.64 537	364.72 542	210.41 539	354.70 542	205.53 540	354.70 542	205.53 541	354.70 539	205.53 539

LE_ROB	396.57 537	471.28 543	329.84 542	471.48 543	308.15 543	526.83 543	322.10 542	488.15 543	323.76 539	495.46 543	317.97 542	497.17 543	320.10 540	481.62 543	326.76 542	462.71 543	298.97 543	466.16 543	285.98 543	447.62 540	289.21 542

SGM-ForestM	596.69 538	677.77 544	444.52 543	699.85 544	517.25 544	732.94 544	488.29 543	770.79 544	460.11 540	750.81 544	487.98 543	792.79 544	499.41 541	730.90 544	475.81 543	720.03 544	491.16 544	663.96 544	418.60 544	674.76 541	436.05 543

CBMV_ROB	818.48 539	913.88 545	709.52 544	862.84 545	597.78 545	1073.99 545	700.52 544	1015.66 545	702.59 541	1115.65 545	760.02 544	1130.24 545	721.57 542	1037.41 545	692.65 544	814.05 545	564.29 545	843.28 545	595.31 545	915.51 542	602.92 544

111111	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

SGD-Stereo	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

IGEV-Stereo++	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

IGEV-BASED-STEREO-	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

IGEV-Stereo+	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

SDNR	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

anonymousdsp2	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

anonymousdsp	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

test_example2	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

DIP-Stereo	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ccccc		0.44 165		0.48 235	0.35 257	0.48 282		0.51 291		0.47 266		0.47 273		0.47 272		0.41 245	0.40 245	0.40 254	0.40 285	0.41 246

ASD4		0.20 98

Low-res two-view benchmark