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 96	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

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

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

Wz-Net-MNSev	0.06 44	0.54 207	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 94	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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	0.15 121	0.70 223	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 353	0.02 15	0.69 338	0.75 357	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

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

psmg	0.43 244	1.91 392	0.92 365	1.91 442	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 467	1.44 460	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 193	1.29 358	1.19 389	1.36 422	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	1.26 430	1.21 440	0.03 38	0.09 110	0.02 20	0.09 108

SFCPSM	0.17 133	0.78 227	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 374	0.02 15	0.75 348	0.76 359	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 158	1.31 360	0.74 344	0.92 325	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 352	0.75 348	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 50	0.02 12	0.02 14	1.01 343	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 105	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

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

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 435	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

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

zh-sn7	0.10 62	0.98 264	0.14 125	0.15 106	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 93	1.14 294	0.17 149	0.20 132	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 147	0.16 142	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 109	1.22 354	0.28 189	0.32 174	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 200	0.27 190	0.04 73	0.03 54	0.03 43	0.03 51

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

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

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

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

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

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

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

DualNet (step1)	0.10 62	1.05 284	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 284	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 284	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 51	1.00 268	0.11 89	0.11 73	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 51	0.97 263	0.10 69	0.10 56	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 62	1.07 287	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 62	1.03 280	0.12 100	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 51	0.87 241	0.10 69	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 51	1.03 280	0.11 89	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 241	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 274	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 260	0.09 65	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 109	1.83 383	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 91	0.11 94	0.05 86	0.04 78	0.05 92	0.04 79

DualNet	0.10 62	1.07 287	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 62	1.09 289	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 274	0.10 69	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

x	0.11 84	1.15 297	0.15 141	0.14 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 140	0.03 38	0.03 54	0.03 43	0.03 51

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

222	0.10 62	0.99 267	0.12 100	0.13 92	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 84	1.16 298	0.16 142	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 142	0.03 38	0.04 78	0.04 77	0.04 79

test_xeample	0.10 62	1.09 289	0.13 120	0.12 79	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 137	0.03 38	0.03 54	0.03 43	0.03 51

BEATNet_4x	0.11 84	0.03 31	0.03 36	1.60 432	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 84	0.03 31	0.03 36	1.60 432	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCRef	0.12 93	0.03 31	0.04 43	1.71 438	0.04 79	0.03 40	0.03 50	0.04 77	0.04 81	0.04 74	0.03 52	0.04 77	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

AnyNet_C32	0.14 109	0.04 37	0.03 36	2.22 453	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 102	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

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

z-mn7	0.16 129	1.21 349	0.33 213	0.41 223	0.04 79	0.04 77	0.03 50	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 216	0.31 220	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 136	1.47 368	0.33 213	0.40 211	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 232	0.32 224	0.05 86	0.04 78	0.04 77	0.04 79

1111x	0.10 62	1.14 294	0.13 120	0.14 96	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

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

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

FADNet-RVC-Resample	0.12 93	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 480	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FADNet_RVC	0.12 93	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 484	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 100	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 489	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

FADNet	0.12 93	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 486	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCP+	0.15 121	0.04 37	0.04 43	2.20 452	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 105	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 415	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 105	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
z-ln-s-r	0.21 147	1.40 366	0.53 306	0.56 277	0.04 79	0.05 89	0.04 81	0.05 89	0.05 97	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 88	0.57 309	0.44 280	0.04 73	0.04 78	0.04 77	0.04 79

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 383	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

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

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

qqq1	0.25 158	3.70 474	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 158	3.70 474	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

11t1	0.17 133	2.16 409	0.13 120	0.13 92	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.05 88	0.18 147	0.12 109	0.06 94	0.03 54	0.05 92	0.03 51

ffm	0.25 158	3.83 480	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 158	3.83 480	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 158	3.83 480	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

qqq	0.16 129	2.01 400	0.12 100	0.15 106	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.03 48	0.12 91	0.14 137	0.04 73	0.04 78	0.03 43	0.03 51

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

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

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

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

GwcNet	0.12 93	0.07 57	0.05 57	0.08 49	0.05 99	0.08 103	1.20 411	0.07 104	0.05 97	0.05 91	0.05 100	0.08 104	0.05 94	0.08 105	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

BEATNet-Init1	0.19 139	0.08 58	0.08 60	2.23 454	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

DeepPrunerF	0.19 139	0.08 58	0.08 60	2.23 454	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

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

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

SuperB	0.21 147	0.10 66	2.51 514	0.12 79	0.09 112	0.10 108	0.09 110	0.08 107	0.07 109	0.10 108	0.09 112	0.09 108	0.07 110	0.07 102	0.07 100	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

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

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

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

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

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

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

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

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

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

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

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

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

PASM	0.39 223	3.06 460	1.36 455	1.58 428	0.09 112	0.11 119	0.11 128	0.11 121	0.11 130	0.09 107	0.09 112	0.11 120	0.09 113	0.09 108	0.09 105	0.11 86	0.11 94	0.11 118	0.09 110	0.11 120	0.11 125

ISRNet	0.11 84	0.05 49	0.36 232	0.24 149	0.07 108	0.13 123	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 124	0.05 94	0.05 82	0.09 105	0.24 174	0.20 167	0.10 107	0.05 96	0.06 96	0.13 147

S2M2	0.12 93	0.14 84	0.10 69	0.15 106	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.15 130	0.10 116	0.14 125	0.10 117	0.14 127	0.10 111	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.09 108

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

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

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

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

GMStereo	0.14 109	0.13 80	0.14 125	0.14 96	0.14 154	0.14 124	0.14 149	0.14 125	0.14 154	0.14 124	0.14 158	0.14 125	0.14 155	0.14 127	0.14 148	0.14 114	0.14 137	0.14 126	0.14 157	0.14 128	0.14 152
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 172	0.90 248	0.10 69	0.14 96	0.10 118	0.14 124	0.10 115	0.91 359	0.69 359	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.10 111	0.12 91	0.09 68	0.12 121	0.09 110	0.88 349	0.76 370

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

CAS++	0.17 133	0.27 122	0.21 164	0.10 56	0.21 194	0.15 131	0.22 185	0.10 109	0.21 183	0.22 166	0.10 116	0.19 154	0.18 176	0.10 110	0.19 179	0.20 151	0.19 165	0.18 159	0.10 117	0.19 158	0.18 169
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
testlalala_base	0.13 100	0.16 86	0.11 89	0.15 106	0.11 133	0.15 131	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.14 114	0.11 94	0.14 126	0.11 129	0.14 128	0.11 125

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

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

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

DRN-Test	0.14 109	0.13 80	0.09 65	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.10 115	0.14 124	0.09 112	0.14 125	0.09 113	0.13 126	0.09 105	0.12 91	0.09 68	0.12 121	0.09 110	0.12 124	0.73 365

StereoDRNet	0.15 121	0.14 84	0.10 69	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.09 114	0.14 124	0.10 116	0.14 125	0.09 113	0.14 127	0.09 105	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.82 376

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

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

castereo++	0.54 285	3.59 471	1.15 383	1.31 418	0.14 154	0.16 139	0.14 149	0.16 138	0.14 154	0.16 135	0.14 158	0.16 136	0.13 151	0.16 137	0.14 148	1.45 444	1.16 389	0.15 139	0.14 157	0.15 138	0.13 147

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

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

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

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

ICVP	0.15 121	0.53 204	0.11 89	0.16 117	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 109	0.17 92	0.12 100	0.17 125	0.11 133	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.11 130	0.17 146	0.11 129	0.17 146	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125

castereo	0.61 296	3.79 479	1.35 447	1.52 427	0.15 165	0.17 147	0.16 157	0.20 156	0.21 183	0.18 148	0.16 167	0.21 163	0.12 146	0.26 193	0.17 167	1.43 443	1.38 457	0.17 150	0.16 162	0.18 152	0.16 153

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

PDISCO_ROB	0.83 344	2.80 457	3.49 531	0.14 96	0.11 133	0.17 147	0.09 110	0.15 137	0.10 115	0.15 130	0.12 141	0.16 136	0.14 155	3.30 516	0.13 144	0.14 114	2.34 507	0.16 142	0.12 146	2.62 497	0.10 113

cf-r	0.66 303	2.17 410	0.12 100	0.18 127	0.12 149	0.18 151	2.70 520	2.60 496	0.12 149	0.18 148	0.12 141	0.18 150	0.12 146	0.18 149	0.12 138	0.15 123	0.11 94	0.15 139	0.11 129	1.81 457	1.74 500

ELAS_RVC	0.14 109	0.16 86	0.10 69	0.15 106	0.10 118	0.18 151	0.11 128	0.19 151	0.11 130	0.19 150	0.12 141	0.18 150	0.11 129	0.19 152	0.12 138	0.14 114	0.08 59	0.14 126	0.09 110	0.15 138	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 100	0.16 86	0.11 89	0.15 106	0.09 112	0.18 151	0.11 128	0.18 149	0.11 130	0.17 144	0.11 130	0.18 150	0.11 129	0.18 149	0.11 123	0.14 114	0.08 59	0.14 126	0.08 108	0.14 128	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DEFOM-Stereo_RVC	0.83 344	5.18 501	1.98 503	2.19 451	0.17 175	0.19 154	0.18 168	0.19 151	0.16 166	0.20 155	0.19 183	0.22 169	0.22 190	0.20 156	0.15 158	2.28 484	2.13 502	0.24 183	0.17 180	0.18 152	0.16 153

DDVS	0.30 173	3.10 461	0.14 125	0.19 130	0.14 154	0.19 154	0.14 149	0.20 156	0.14 154	0.19 150	0.13 153	0.16 136	0.13 151	0.19 152	0.13 144	0.17 139	0.13 133	0.17 150	0.13 154	0.17 148	0.13 147

ITSA-stereo	0.15 121	0.17 92	0.13 120	0.20 132	0.13 152	0.19 154	0.13 147	0.18 149	0.13 152	0.19 150	0.13 153	0.18 150	0.14 155	0.18 149	0.14 148	0.16 131	0.11 94	0.15 139	0.14 157	0.18 152	0.11 125

DeepPruner_ROB	0.16 129	0.18 95	0.13 120	0.19 130	0.13 152	0.19 154	0.13 147	0.19 151	0.13 152	0.19 150	0.13 153	0.19 154	0.13 151	0.19 152	0.13 144	0.18 147	0.13 133	0.18 159	0.13 154	0.18 152	0.13 147

SGM_RVC	0.15 121	0.17 92	0.11 89	0.18 127	0.11 133	0.19 154	0.11 128	0.19 151	0.12 149	0.19 150	0.12 141	0.20 156	0.12 146	0.19 152	0.12 138	0.16 131	0.11 94	0.17 150	0.10 117	0.17 148	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DAS	0.20 141	0.20 100	0.20 161	0.20 132	0.20 188	0.20 159	0.20 175	0.20 156	0.20 181	0.20 155	0.20 187	0.20 156	0.20 185	0.20 156	0.20 182	0.20 151	0.20 167	0.20 163	0.20 185	0.20 159	0.20 172

ACVNet	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 390	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

acv_ft	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 390	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

PSMNet-RSSM	0.77 326	2.76 452	0.14 125	0.20 132	0.14 154	0.20 159	2.66 518	2.79 509	0.14 154	0.21 164	0.14 158	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 488	2.31 515

GwcNet-RSSM	0.77 326	2.77 454	0.14 125	0.20 132	0.14 154	0.20 159	2.67 519	2.78 508	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.21 166	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 488	2.31 515

CFNet-ft	0.55 289	1.57 371	0.14 125	0.20 132	0.14 154	0.20 159	2.53 517	1.61 452	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	1.56 445	1.24 465

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

hitnet-ft	0.79 330	2.78 456	0.14 125	0.20 132	0.14 154	0.21 166	2.89 521	2.80 510	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.54 496	2.33 517

GANet-RSSM	0.75 321	1.91 392	0.14 125	0.47 243	0.14 154	0.21 166	3.21 537	2.30 484	0.14 154	0.46 275	0.14 158	0.23 173	0.18 176	0.21 166	0.14 148	0.18 147	0.27 190	0.37 246	0.13 154	2.13 466	2.12 510

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

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

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

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

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

MIM_Stereo	0.25 158	0.23 111	0.66 327	0.80 310	0.17 175	0.22 168	0.17 162	0.23 170	0.18 173	0.26 186	0.17 172	0.21 163	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.21 165	0.17 180	0.22 164	0.17 165

dd	0.23 155	0.98 264	0.16 142	0.23 144	0.15 165	0.23 174	0.15 154	0.23 170	0.15 164	0.23 170	0.15 166	0.24 177	0.17 169	0.23 174	0.15 158	0.22 158	0.15 140	0.21 165	0.15 161	0.22 164	0.16 153

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

ACV-stereo	0.30 173	2.08 402	0.25 178	0.25 154	0.18 182	0.24 175	0.17 162	0.24 173	0.18 173	0.24 175	0.17 172	0.25 182	0.17 169	0.24 178	0.17 167	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

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

CASnet	0.35 200	0.51 199	0.44 264	0.32 174	0.31 246	0.24 175	0.34 258	0.36 211	0.25 199	0.31 197	0.37 281	0.30 201	0.33 256	0.25 183	0.45 309	0.37 225	0.37 241	0.33 215	0.35 278	0.34 205	0.37 268
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
dad	0.23 155	1.03 280	0.16 142	0.23 144	0.15 165	0.24 175	0.15 154	0.24 173	0.16 166	0.23 170	0.16 167	0.24 177	0.16 165	0.23 174	0.15 158	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

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

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

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

LoS	0.25 158	0.27 122	0.25 178	0.25 154	0.25 208	0.25 182	0.25 200	0.26 183	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.25 181	0.25 184	0.26 213	0.26 177	0.25 190
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 248	1.24 356	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 440	0.93 391	0.25 179	0.17 172	0.25 182	0.18 176	0.25 183	0.17 167	0.23 169	0.16 142	0.23 176	0.16 162	1.20 386	0.99 390

delet	0.43 244	1.21 349	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 440	0.95 393	0.25 179	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.22 170	0.16 162	1.18 383	0.98 389

psm_up	0.43 244	1.19 302	0.17 149	0.25 154	0.18 182	0.25 182	0.19 172	1.26 440	0.91 386	0.26 186	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.23 176	0.16 162	1.18 383	0.99 390

UPFNet	0.42 243	1.20 303	0.17 149	0.24 149	0.17 175	0.25 182	0.17 162	1.19 388	0.90 385	0.25 179	0.17 172	0.24 177	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.22 170	0.16 162	1.15 375	0.93 385

AANet_RVC	1.26 436	0.31 131	4.99 542	5.93 534	0.20 188	0.25 182	0.20 175	0.25 179	0.20 181	0.23 170	0.19 183	0.25 182	0.20 185	0.25 183	0.20 182	5.66 542	4.76 535	0.26 187	0.30 245	0.24 174	0.27 204

LoS_RVC	0.30 173	1.14 294	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.26 191	0.26 211	0.26 193	0.25 202	0.26 181	0.26 184	0.25 184	0.25 207	0.26 177	0.26 196

CAS	0.30 173	1.17 299	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.26 212	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.26 184	0.26 187	0.25 207	0.26 177	0.25 190

ac_64	0.22 151	0.13 80	0.19 158	0.23 144	0.10 118	0.26 189	1.02 398	0.14 125	0.10 115	0.28 189	0.14 158	0.17 146	0.19 181	0.28 198	0.09 105	0.22 158	0.16 142	0.23 176	0.17 180	0.11 120	0.12 141

GEStereo_RVC	0.86 350	4.45 491	0.20 161	0.27 163	0.20 188	0.27 192	0.20 175	0.26 183	0.18 173	5.03 544	0.20 187	0.27 192	0.19 181	0.27 196	0.21 184	0.20 151	0.19 165	0.19 162	4.02 548	0.20 159	0.18 169

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

CFNet	1.37 441	5.27 504	0.19 158	5.49 531	0.19 186	0.28 193	0.19 172	0.28 186	0.19 179	0.28 189	0.19 183	0.28 193	4.35 541	0.28 198	0.19 179	0.23 169	0.17 158	0.23 176	4.21 550	4.81 527	0.17 165

HCRNet	1.22 434	7.11 521	3.00 516	3.55 500	0.33 259	0.29 195	0.14 149	0.19 151	0.15 164	0.33 207	0.29 229	0.25 182	0.14 155	0.22 170	0.33 249	3.64 513	3.00 510	0.76 359	0.32 259	0.18 152	0.13 147

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

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

DLNR_Zeroshot_test	0.31 180	0.28 125	0.47 277	0.79 308	0.24 206	0.30 196	0.26 208	0.30 192	0.24 194	0.32 202	0.23 196	0.31 205	0.24 199	0.30 203	0.23 192	0.29 193	0.26 184	0.29 198	0.24 202	0.33 201	0.23 179

ssnet_v2	0.68 308	1.96 399	1.25 443	0.29 165	0.20 188	0.30 196	0.20 175	0.29 190	0.22 186	1.50 454	0.20 187	0.31 205	0.20 185	0.27 196	0.22 186	0.24 174	1.49 463	0.26 187	0.18 184	3.90 505	0.19 171

DANet	0.30 173	0.30 128	0.30 196	0.30 166	0.30 240	0.30 196	0.30 231	0.30 192	0.30 236	0.30 193	0.30 241	0.30 201	0.30 238	0.30 203	0.30 234	0.30 194	0.30 214	0.30 200	0.30 245	0.30 188	0.30 232
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DEFOM-Stereo	0.68 308	3.11 462	1.40 461	1.63 436	0.25 208	0.31 201	0.25 200	0.31 196	0.28 220	0.31 197	0.29 229	0.29 198	0.27 219	0.31 207	0.28 217	1.59 451	1.47 462	0.30 200	0.29 235	0.30 188	0.28 217

tt1	0.31 180	0.93 257	0.24 175	0.33 178	0.23 201	0.31 201	0.24 197	0.32 197	0.24 194	0.32 202	0.23 196	0.32 207	0.25 202	0.32 208	0.24 196	0.27 184	0.26 184	0.27 191	0.26 213	0.27 180	0.27 204

xxxxx1	0.31 180	0.91 250	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

tt_ll	0.31 180	0.91 250	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

gwcnet-sp	0.82 341	1.72 376	1.48 465	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 458	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 449	0.32 207	0.16 162	6.75 543	0.23 179

scenet	0.82 341	1.72 376	1.48 465	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 458	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 449	0.32 207	0.16 162	6.75 543	0.23 179

ssnet	0.82 341	1.72 376	1.48 465	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 458	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 449	0.32 207	0.16 162	6.75 543	0.23 179

ff	0.31 180	0.91 250	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

WCG-NET（raft）	0.32 188	1.24 356	0.24 175	0.32 174	0.24 206	0.32 209	0.23 192	0.32 197	0.24 194	0.32 202	0.24 202	0.32 207	0.24 199	0.32 208	0.24 196	0.30 194	0.23 178	0.30 200	0.23 194	0.30 188	0.23 179

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

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

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

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

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

EKT-Stereo	0.37 209	0.40 151	0.44 264	1.07 347	0.29 230	0.34 213	0.31 237	0.36 211	0.29 225	0.38 222	0.31 246	0.37 228	0.30 238	0.36 224	0.29 227	0.34 207	0.28 196	0.39 263	0.30 245	0.37 228	0.30 232

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

FENet	0.54 285	1.52 370	1.19 389	1.41 425	0.23 201	0.35 217	0.23 192	0.35 207	0.23 192	0.34 209	0.23 196	0.35 216	0.23 196	0.35 218	0.23 192	1.40 441	1.07 373	0.32 207	0.23 194	0.33 201	0.23 179

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

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

MyStereo07	0.60 293	3.72 477	0.48 285	0.49 253	0.41 304	0.36 220	0.32 238	0.49 289	0.43 307	0.51 312	0.42 310	0.49 299	0.43 305	0.51 312	0.64 348	0.49 287	0.45 281	0.34 222	0.32 259	0.35 217	0.43 298

MyStereo04	0.56 291	3.72 477	0.59 312	0.49 253	0.41 304	0.36 220	0.32 238	0.37 217	0.31 244	0.34 209	0.46 319	0.35 216	0.32 249	0.35 218	0.33 249	0.49 287	0.45 281	0.34 222	0.32 259	0.35 217	0.43 298

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

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

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

Monster-pub-eth3d	0.45 251	0.57 212	0.60 314	0.39 197	0.28 222	0.37 225	0.28 218	0.37 217	0.30 236	0.39 228	0.29 229	0.39 235	0.30 238	0.92 371	0.27 208	1.42 442	0.28 196	0.34 222	0.28 225	0.37 228	0.53 329

Monster-pub-mixall	0.44 248	0.56 211	0.60 314	0.38 191	0.27 218	0.37 225	0.27 211	0.37 217	0.29 225	0.38 222	0.27 218	0.38 230	0.29 231	0.85 361	0.27 208	1.46 445	0.26 184	0.34 222	0.26 213	0.36 224	0.53 329

Replicate-Monster	0.45 251	0.57 212	0.60 314	0.40 211	0.29 230	0.37 225	0.27 211	0.37 217	0.30 236	0.40 234	0.31 246	0.40 243	0.30 238	0.99 379	0.27 208	1.36 438	0.31 220	0.34 222	0.30 245	0.36 224	0.54 332

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

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

IGEV-Stereo	0.35 200	0.44 169	0.45 266	0.49 253	0.30 240	0.37 225	0.30 231	0.36 211	0.30 236	0.36 216	0.29 229	0.36 222	0.29 231	0.36 224	0.30 234	0.46 275	0.39 254	0.32 207	0.24 202	0.32 195	0.25 190
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
XPNet_ROB	0.37 209	0.37 140	0.37 235	0.37 188	0.37 281	0.37 225	0.37 274	0.37 217	0.37 276	0.37 221	0.37 281	0.37 228	0.37 274	0.37 228	0.37 277	0.37 225	0.37 241	0.37 246	0.37 286	0.37 228	0.37 268

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

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

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

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

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

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

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

DISCO	1.11 383	0.39 149	5.28 544	0.39 197	0.20 188	0.39 238	0.27 211	0.39 229	0.22 186	0.38 222	0.20 187	0.38 230	0.20 185	6.95 555	0.22 186	0.30 194	0.21 170	0.27 191	0.21 186	5.25 536	0.21 174

DCVSM-stereo	0.36 204	1.89 389	0.22 166	0.40 211	0.22 196	0.40 240	0.22 185	0.40 234	0.22 186	0.40 234	0.22 192	0.40 243	0.22 190	0.40 241	0.22 186	0.28 186	0.21 170	0.28 193	0.21 186	0.28 182	0.20 172

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

ACVNet-DCA	0.37 209	1.00 268	0.30 196	0.40 211	0.29 230	0.40 240	0.29 226	0.40 234	0.29 225	0.40 234	0.29 229	0.40 243	0.29 231	0.39 238	0.28 217	0.33 204	0.32 224	0.33 215	0.32 259	0.33 201	0.32 243

1test111	0.37 209	1.02 278	0.30 196	0.39 197	0.29 230	0.40 240	0.28 218	0.39 229	0.29 225	0.39 228	0.29 229	0.39 235	0.28 225	0.40 241	0.29 227	0.33 204	0.32 224	0.33 215	0.31 254	0.32 195	0.31 239

cc1	0.37 209	1.02 278	0.30 196	0.39 197	0.29 230	0.40 240	0.28 218	0.39 229	0.29 225	0.39 228	0.29 229	0.39 235	0.28 225	0.40 241	0.29 227	0.33 204	0.32 224	0.33 215	0.31 254	0.32 195	0.31 239

4D-IteraStereo	0.78 329	3.13 463	0.89 358	0.69 298	0.32 248	0.40 240	0.32 238	0.76 343	0.97 396	0.52 315	0.65 359	0.89 370	0.32 249	0.76 350	0.98 392	0.83 347	0.94 365	0.35 238	0.27 221	0.70 324	0.89 381

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

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

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

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

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

BUS	0.83 344	1.91 392	0.92 365	4.48 509	0.02 21	0.40 240	0.04 81	0.41 249	0.02 21	0.48 288	0.03 52	0.41 256	0.05 94	0.03 39	0.05 88	1.97 467	4.19 532	0.33 215	0.23 194	0.34 205	0.27 204

NINENet	0.69 311	3.87 483	1.20 392	1.98 446	0.05 99	0.40 240	0.04 81	0.40 234	0.05 97	0.41 248	0.04 88	0.41 256	0.05 94	0.40 241	0.05 88	1.79 457	1.56 469	0.34 222	0.22 189	0.34 205	0.23 179

iRaft-Stereo_20w	0.34 193	0.41 158	0.31 204	0.39 197	0.29 230	0.40 240	0.32 238	0.41 249	0.32 247	0.38 222	0.30 241	0.39 235	0.30 238	0.38 230	0.32 241	0.35 216	0.27 190	0.34 222	0.27 221	0.34 205	0.29 222

AdaStereo	0.40 227	0.40 151	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
StereoDRNet-Refined	0.33 191	0.39 149	0.26 184	0.39 197	0.26 216	0.40 240	0.26 208	0.40 234	0.26 212	0.39 228	0.26 214	0.39 235	0.26 211	0.39 238	0.26 207	0.37 225	0.25 181	0.37 246	0.25 207	0.37 228	0.37 268
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
HART	0.38 215	0.45 172	0.34 223	0.42 232	0.33 259	0.41 256	0.34 258	0.42 265	0.33 253	0.43 266	0.34 263	0.42 272	0.34 261	0.41 255	0.38 280	0.40 246	0.32 224	0.42 292	0.32 259	0.40 250	0.32 243

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

xx1	0.38 215	1.03 280	0.31 204	0.40 211	0.31 246	0.41 256	0.28 218	0.40 234	0.29 225	0.40 234	0.29 229	0.40 243	0.29 231	0.40 241	0.29 227	0.34 207	0.33 232	0.34 222	0.32 259	0.34 205	0.32 243

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

HH	0.71 314	2.54 435	0.74 344	1.10 349	0.32 248	0.41 256	0.37 274	0.69 337	0.78 375	0.73 348	0.90 387	0.75 355	1.00 384	0.84 357	0.69 360	0.69 327	0.40 257	0.35 238	0.26 213	0.35 217	0.26 196

HanStereo	0.71 314	2.54 435	0.74 344	1.10 349	0.32 248	0.41 256	0.37 274	0.69 337	0.78 375	0.73 348	0.90 387	0.75 355	1.00 384	0.84 357	0.69 360	0.69 327	0.40 257	0.35 238	0.26 213	0.35 217	0.26 196

CRFU-Net	0.65 301	1.67 374	1.22 439	1.96 445	0.27 218	0.41 256	0.27 211	0.41 249	0.27 217	0.40 234	0.26 214	0.41 256	0.27 219	0.40 241	0.27 208	1.80 458	1.62 476	0.34 222	0.23 194	0.33 201	0.23 179

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

error version	0.93 362	4.47 492	2.35 511	1.99 447	0.37 281	0.41 256	0.36 269	0.41 249	0.35 265	0.43 266	0.36 275	0.41 256	0.40 285	0.41 255	0.36 269	1.87 460	2.16 503	0.47 307	0.37 286	0.39 245	0.33 250

test_1	0.93 362	4.47 492	2.35 511	1.99 447	0.37 281	0.41 256	0.36 269	0.41 249	0.35 265	0.43 266	0.36 275	0.41 256	0.40 285	0.41 255	0.36 269	1.87 460	2.16 503	0.47 307	0.37 286	0.39 245	0.33 250

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

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

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

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

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

GES	0.66 303	2.34 426	0.29 192	0.41 223	0.29 230	0.41 256	0.29 226	0.42 265	0.29 225	0.40 234	0.41 300	0.41 256	0.30 238	0.51 312	0.29 227	0.32 200	0.29 206	0.32 207	2.46 521	2.49 484	0.30 232

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

Gwc-CoAtRS	0.41 234	1.49 369	0.32 208	0.42 232	0.32 248	0.41 256	0.32 238	0.41 249	0.33 253	0.41 248	0.32 249	0.41 256	0.32 249	0.41 255	0.32 241	0.39 242	0.28 196	0.39 263	0.28 225	0.40 250	0.28 217

LL-Strereo2	0.48 267	1.73 381	0.51 299	0.59 283	0.34 269	0.42 274	0.33 247	0.40 234	0.31 244	0.42 260	0.33 255	0.42 272	0.31 247	0.44 272	0.39 287	0.60 312	0.51 308	0.44 295	0.33 267	0.44 270	0.33 250

BSDual-CNN	0.81 337	1.91 392	0.92 365	4.48 509	0.02 21	0.42 274	0.06 105	0.41 249	0.02 21	0.48 288	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 467	4.19 532	0.33 215	0.23 194	0.34 205	0.27 204

hknet	1.10 381	1.85 385	3.49 531	4.48 509	0.02 21	0.42 274	0.06 105	0.41 249	0.02 21	0.48 288	0.03 52	0.41 256	0.03 52	0.42 268	0.03 48	4.39 518	4.19 532	0.33 215	0.23 194	0.34 205	0.27 204

UCFNet_RVC	2.75 512	10.06 542	0.29 192	10.31 558	0.29 230	0.42 274	0.29 226	0.43 269	0.29 225	0.42 260	0.29 229	0.42 272	9.87 558	0.43 270	0.29 227	0.36 221	9.84 558	0.36 243	0.26 213	9.77 557	0.26 196

RAFT-Stereo-weight	0.45 251	1.90 391	0.34 223	0.42 232	0.36 278	0.43 278	0.35 263	0.42 265	0.34 262	0.42 260	0.34 263	0.44 276	0.34 261	0.41 255	0.34 262	0.38 232	0.32 224	0.38 253	0.32 259	0.38 238	0.33 250

IER	0.88 352	7.04 520	2.23 508	2.75 469	0.28 222	0.43 278	0.25 200	0.39 229	0.25 199	0.41 248	0.27 218	0.39 235	0.25 202	0.40 241	0.28 217	0.37 225	0.28 196	0.37 246	0.25 207	0.37 228	0.25 190

RCA-Stereo	0.51 280	3.22 466	0.34 223	0.44 235	0.34 269	0.44 280	0.34 258	0.43 269	0.34 262	0.43 266	0.34 263	0.44 276	0.33 256	0.43 270	0.33 249	0.38 232	0.29 206	0.38 253	0.29 235	0.38 238	0.29 222

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

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

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

PAM	0.39 223	1.88 388	0.34 223	0.37 188	0.41 304	0.45 281	0.22 185	0.28 186	0.23 192	0.28 189	0.24 202	0.29 198	0.23 196	0.29 201	0.23 192	0.38 232	0.32 224	0.38 253	0.37 286	0.32 195	0.22 177

Former-RAFT_DAM_RVC	0.49 273	0.98 264	0.64 323	0.84 315	0.46 321	0.45 281	0.35 263	0.47 281	0.47 317	0.45 271	0.34 263	0.46 282	0.48 321	0.46 279	0.35 266	0.39 242	0.71 343	0.39 263	0.35 278	0.41 260	0.41 290

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

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

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

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

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

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

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

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

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

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

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

SCV_C0	0.45 251	0.88 243	0.49 290	0.54 271	0.37 281	0.48 297	0.37 274	0.48 285	0.37 276	0.48 288	0.36 275	0.48 295	0.37 274	0.49 298	0.37 277	0.50 293	0.41 266	0.44 295	0.34 271	0.44 270	0.34 256

SCV	0.46 256	0.94 259	0.45 266	0.54 271	0.37 281	0.48 297	0.38 280	0.48 285	0.37 276	0.48 288	0.39 291	0.48 295	0.37 274	0.49 298	0.37 277	0.50 293	0.46 283	0.44 295	0.34 271	0.44 270	0.34 256

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

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

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

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

GCST	0.50 275	2.08 402	0.38 238	0.53 269	0.35 272	0.49 302	0.35 263	0.50 297	0.35 265	0.49 295	0.35 272	0.49 299	0.35 267	0.49 298	0.35 266	0.48 284	0.37 241	0.45 299	0.33 267	0.44 270	0.33 250

KSHMR	0.66 303	0.50 192	0.48 285	1.15 357	0.52 343	0.49 302	0.51 334	0.49 289	0.71 367	0.67 343	0.50 336	1.16 399	1.11 394	0.66 338	0.52 335	0.49 287	0.49 298	0.51 329	0.66 361	0.50 296	1.14 406

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

PCWNet_CMD	2.80 514	9.82 540	0.32 208	10.09 557	0.32 248	0.49 302	0.33 247	3.34 516	0.33 253	0.49 295	0.33 255	0.49 299	8.73 554	0.48 292	0.33 249	0.41 254	9.22 553	0.42 292	0.29 235	9.55 556	0.31 239

CFNet_ucs	2.73 511	9.64 539	0.33 213	9.92 555	0.32 248	0.49 302	0.33 247	0.49 289	0.33 253	0.49 295	0.33 255	0.49 299	8.98 556	0.48 292	0.33 249	0.41 254	9.96 559	0.40 268	0.29 235	10.12 559	0.54 332

psmorigin	0.41 234	0.46 176	0.33 213	0.49 253	0.33 259	0.49 302	0.33 247	0.49 289	0.33 253	0.49 295	0.33 255	0.49 299	0.33 256	0.51 312	0.33 249	0.41 254	0.30 214	0.41 281	0.30 245	0.79 335	0.29 222

ccs_rob	2.79 513	10.17 544	0.32 208	10.00 556	0.33 259	0.49 302	0.33 247	1.90 463	0.32 247	0.51 312	0.33 255	0.49 299	9.24 557	0.49 298	0.33 249	0.41 254	9.82 557	0.41 281	0.28 225	9.34 555	0.29 222

GASTEREO	0.48 267	1.21 349	0.47 277	0.57 278	0.38 288	0.50 310	0.38 280	0.50 297	0.38 280	0.50 307	0.38 286	0.50 313	0.38 278	0.50 305	0.38 280	0.52 301	0.42 274	0.46 302	0.34 271	0.46 275	0.34 256

MSCF	0.51 280	1.40 366	0.49 290	0.58 280	0.38 288	0.50 310	0.38 280	0.54 313	0.41 299	0.52 315	0.41 300	0.53 321	0.42 302	0.53 317	0.41 298	0.60 312	0.47 291	0.48 315	0.37 286	0.48 287	0.38 275

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

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

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

UGAM-zero	0.51 280	2.17 410	0.39 245	0.53 269	0.36 278	0.50 310	0.36 269	0.50 297	0.36 275	0.49 295	0.36 275	0.50 313	0.35 267	0.50 305	0.36 269	0.49 287	0.37 241	0.47 307	0.35 278	0.46 275	0.34 256

UGAM	0.51 280	2.23 415	0.39 245	0.54 271	0.35 272	0.50 310	0.35 263	0.49 289	0.35 265	0.49 295	0.35 272	0.49 299	0.36 270	0.50 305	0.36 269	0.49 287	0.37 241	0.45 299	0.34 271	0.45 274	0.34 256

pcwnet_v2	2.66 509	9.89 541	0.33 213	9.89 554	0.32 248	0.50 310	0.32 238	0.49 289	0.33 253	0.49 295	0.34 263	0.49 299	8.76 555	0.48 292	0.33 249	0.41 254	9.58 555	0.40 268	0.29 235	9.01 554	0.63 349

ccnet	0.80 332	2.28 418	0.33 213	0.50 260	0.33 259	0.50 310	0.33 247	0.50 297	0.33 253	0.49 295	0.33 255	0.49 299	1.56 470	2.38 487	0.33 249	0.41 254	0.29 206	0.42 292	1.57 482	2.28 472	0.29 222

FCDSN-DC	0.41 234	0.59 215	0.64 323	0.54 271	0.33 259	0.50 310	0.37 274	0.42 265	0.40 290	0.61 333	0.43 312	0.50 313	0.49 326	0.38 230	0.32 241	0.28 186	0.23 178	0.26 187	0.22 189	0.35 217	0.28 217
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SANet	0.50 275	0.50 192	0.50 294	0.50 260	0.50 337	0.50 310	0.50 330	0.50 297	0.50 329	0.50 307	0.50 336	0.50 313	0.50 329	0.50 305	0.50 328	0.50 293	0.50 304	0.50 324	0.50 337	0.50 296	0.50 321

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

fffft	0.48 267	0.51 199	0.45 266	0.52 268	0.45 319	0.52 321	0.45 310	0.52 309	0.48 324	0.53 318	0.45 317	0.52 320	0.45 309	0.52 315	0.46 313	0.51 299	0.41 266	0.50 324	0.41 310	0.50 296	0.41 290
1: 1. 1
LG-Stereo_L1	0.47 262	0.52 201	0.47 277	0.62 287	0.39 295	0.53 323	0.40 290	0.53 311	0.39 289	0.53 318	0.39 291	0.53 321	0.39 284	0.53 317	0.39 287	0.55 306	0.46 283	0.49 320	0.37 286	0.49 291	0.37 268

PAM_32	0.64 300	2.38 430	0.51 299	0.92 325	0.43 316	0.53 323	0.44 306	0.87 353	0.43 307	0.52 315	0.45 317	0.53 321	0.40 285	0.54 319	0.46 313	0.62 319	0.56 316	0.48 315	0.45 320	0.76 330	0.44 301

AEACV	1.12 384	0.52 201	3.12 528	3.24 484	0.86 388	0.53 323	0.49 328	0.60 326	0.47 317	0.53 318	0.49 334	0.55 328	0.45 309	0.55 322	0.47 319	3.01 508	3.88 529	0.71 353	0.60 353	0.80 338	0.48 313

iRaftStereo_RVC	0.97 366	3.17 465	2.30 510	2.42 463	0.38 288	0.54 326	0.38 280	0.54 313	0.38 280	0.54 321	0.38 286	0.54 324	0.38 278	0.54 319	0.38 280	2.38 491	2.34 507	0.49 320	0.36 284	0.49 291	0.36 264

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

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

Occ-G	1.12 384	0.52 201	3.72 536	3.50 499	0.50 337	0.56 328	0.47 317	0.54 313	0.46 312	0.54 321	0.41 300	0.54 324	0.42 302	0.52 315	0.42 305	3.42 512	4.02 531	0.52 332	0.45 320	0.51 302	0.44 301

LL-Strereo	1.01 374	5.06 499	1.63 472	0.70 300	1.43 477	0.56 328	0.46 312	0.57 319	0.50 329	0.57 328	0.50 336	1.58 459	0.49 326	0.59 329	0.50 328	1.64 454	0.52 310	0.51 329	1.37 470	0.52 304	0.45 303

CASS	0.57 292	0.89 246	0.56 309	0.57 278	0.56 349	0.56 328	0.56 339	0.56 316	0.53 337	0.57 328	0.57 348	0.59 336	0.48 321	0.56 323	0.57 341	0.55 306	0.56 316	0.47 307	0.56 348	0.62 314	0.56 340
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CFNet_RVC	2.38 502	8.71 532	0.38 238	9.33 550	0.42 314	0.56 328	0.42 303	0.60 326	0.38 280	0.62 336	0.42 310	0.56 331	7.29 553	0.62 331	0.42 305	0.53 303	0.37 241	0.49 320	0.34 271	8.30 550	6.87 556

MyStereo8	0.71 314	3.92 484	0.52 302	0.59 283	0.52 343	0.57 333	0.53 336	0.59 324	0.50 329	0.59 332	0.51 342	0.57 332	0.50 329	0.56 323	0.52 335	0.54 304	0.49 298	0.54 335	0.49 335	0.55 309	0.50 321

PML	0.46 256	1.36 364	0.29 192	0.58 280	0.30 240	0.57 333	0.29 226	0.57 319	0.29 225	0.57 328	0.29 229	0.57 332	0.29 231	0.56 323	0.29 227	0.52 301	0.30 214	0.53 334	0.31 254	0.53 307	0.30 232

PA-Net	11.80 558	223.51 585	0.62 320	0.59 283	0.71 375	0.59 335	0.73 367	0.67 335	0.73 372	0.55 324	0.61 353	0.60 337	0.74 366	0.63 335	0.73 368	0.66 324	0.60 323	0.69 350	0.66 361	0.72 325	0.65 351
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-test2	0.55 289	0.59 215	0.52 302	0.67 297	0.47 327	0.61 336	0.47 317	0.61 328	0.47 317	0.61 333	0.47 327	0.61 338	0.48 321	0.62 331	0.47 319	0.64 321	0.53 312	0.58 338	0.47 329	0.58 311	0.48 313

AIO-test1	0.54 285	0.60 217	0.52 302	0.66 296	0.47 327	0.61 336	0.47 317	0.58 322	0.46 312	0.61 333	0.46 319	0.61 338	0.45 309	0.62 331	0.45 309	0.61 316	0.52 310	0.57 337	0.48 332	0.57 310	0.48 313

Selective-IGEV	0.51 280	0.55 209	0.45 266	0.69 298	0.45 319	0.61 336	0.45 310	0.50 297	0.40 290	0.56 326	0.44 314	0.55 328	0.40 285	0.72 344	0.67 353	0.59 311	0.46 283	0.45 299	0.34 271	0.46 275	0.37 268

MyStereo06	0.75 321	4.12 485	0.60 314	0.63 289	0.61 357	0.62 339	0.66 350	0.56 316	0.45 311	0.55 324	0.48 331	0.54 324	0.46 312	0.57 327	0.45 309	0.60 312	0.57 318	0.64 344	0.55 344	0.72 325	0.55 337

MyStereo05	0.80 332	4.12 485	0.63 321	0.63 289	0.61 357	0.62 339	0.66 350	0.65 332	0.62 348	0.67 343	0.61 353	0.65 344	0.58 341	0.67 340	0.55 340	0.60 312	0.57 318	0.64 344	0.55 344	0.72 325	0.55 337

DSFCA	0.66 303	0.73 225	0.78 349	0.65 293	0.65 363	0.64 341	0.64 347	0.65 332	0.63 350	0.64 339	0.64 357	0.64 341	0.64 347	0.65 337	0.65 349	0.65 322	0.65 332	0.65 347	0.65 359	0.66 317	0.64 350

DispNO	1.00 369	0.63 218	0.43 262	3.45 495	0.44 317	0.65 342	0.43 305	0.64 331	0.43 307	0.64 339	0.43 312	0.64 341	3.03 514	0.64 336	0.43 307	4.55 521	0.43 277	0.63 343	0.43 318	0.63 315	0.43 298

LMCR-Stereo	0.65 301	0.63 218	0.65 326	0.65 293	0.65 363	0.66 343	0.63 346	0.58 322	0.65 352	0.63 338	0.64 357	0.65 344	0.65 349	0.66 338	0.66 352	0.66 324	0.64 330	0.65 347	0.67 365	0.68 319	0.73 365

WCG-NET	0.61 296	1.21 349	0.54 307	0.61 286	0.53 346	0.67 344	0.53 336	0.66 334	0.53 337	0.64 339	0.53 345	0.65 344	0.53 336	0.59 329	0.52 335	0.65 322	0.48 295	0.64 344	0.52 341	0.58 311	0.50 321

test-3	0.98 368	4.13 487	1.85 492	1.85 439	0.61 357	0.69 345	0.37 274	0.63 330	0.61 347	0.66 342	0.51 342	0.73 353	0.44 307	0.57 327	0.54 338	1.68 455	1.81 487	0.40 268	0.43 318	0.66 317	0.50 321

TorneroNet-64	0.45 251	0.27 122	0.30 196	0.58 280	0.27 218	0.70 346	0.30 231	0.28 186	0.73 372	0.73 348	0.28 225	0.71 348	0.66 352	0.75 349	0.27 208	0.27 184	0.29 206	0.37 246	0.75 376	0.28 182	0.30 232

DMCA-RVC	0.70 312	0.80 230	0.70 334	0.70 300	0.70 373	0.70 346	0.70 361	0.71 340	0.70 362	0.70 346	0.71 372	0.71 348	0.70 359	0.70 342	0.69 360	0.69 327	0.70 339	0.69 350	0.70 370	0.69 323	0.70 358

SMoEStereo_RVC	0.63 298	0.75 226	0.51 299	0.73 304	0.53 346	0.71 348	0.47 317	0.67 335	0.58 342	0.74 353	0.60 349	0.72 351	0.53 336	0.74 348	0.51 333	0.61 316	0.62 328	0.62 341	0.61 355	0.63 315	0.61 345

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

AFF-stereo	0.73 319	0.88 243	0.67 331	0.75 306	0.68 370	0.75 350	0.64 347	0.80 347	0.72 369	0.83 362	0.70 368	0.82 365	0.64 347	0.84 357	0.67 353	0.77 337	0.63 329	0.81 367	0.63 357	0.78 333	0.62 348

iGMRVC	0.84 347	2.85 458	0.72 340	0.72 303	0.73 378	0.77 351	0.79 372	0.73 342	0.74 374	0.73 348	0.72 375	0.73 353	0.76 369	0.73 346	0.73 368	0.72 332	0.73 345	0.73 354	0.72 374	0.73 328	0.72 362

test_xeample3	1.10 381	1.81 382	0.61 319	0.84 315	0.49 333	0.77 351	0.66 350	0.92 362	1.40 476	0.68 345	0.46 319	0.78 358	0.54 339	1.72 462	1.48 478	1.34 435	1.52 465	1.35 462	1.67 495	1.33 437	1.55 482

GCAP-Stereo	0.75 321	4.15 488	0.42 261	0.75 306	0.35 272	0.78 353	0.40 290	0.79 345	0.38 280	0.78 356	0.36 275	0.78 358	0.36 270	0.79 351	0.39 287	0.75 335	0.39 254	0.76 359	0.39 302	0.75 329	0.39 281

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

G-Net	0.79 330	0.79 229	0.79 352	0.79 308	0.79 384	0.79 355	0.79 372	0.79 345	0.79 378	0.79 357	0.79 382	0.79 360	0.79 372	0.79 351	0.79 374	0.79 338	0.79 352	0.79 362	0.79 380	0.79 335	0.79 372

NaN_ROB	0.80 332	0.80 230	0.80 353	0.80 310	0.80 386	0.80 356	0.80 375	0.80 347	0.80 379	0.80 358	0.80 383	0.80 361	0.80 373	0.80 353	0.80 376	0.80 339	0.80 355	0.80 365	0.80 382	0.80 338	0.80 373

CSAN	0.80 332	0.80 230	0.80 353	0.80 310	0.80 386	0.80 356	0.80 375	0.80 347	0.80 379	0.80 358	0.80 383	0.80 361	0.80 373	0.80 353	0.80 376	0.80 339	0.80 355	0.80 365	0.80 382	0.80 338	0.80 373

zero-FE	0.72 317	1.31 360	0.66 327	0.92 325	0.60 352	0.82 358	0.58 341	0.82 351	0.58 342	0.81 360	0.60 349	0.81 364	0.60 343	0.82 355	0.58 342	0.74 334	0.59 322	0.73 354	0.52 341	0.76 330	0.51 328

RAFT-Stereo + iAFF	0.70 312	0.72 224	0.71 337	0.80 310	0.62 360	0.82 358	0.61 344	0.81 350	0.62 348	0.81 360	0.63 355	0.80 361	0.70 359	0.73 346	0.61 347	0.76 336	0.61 327	0.74 356	0.61 355	0.77 332	0.61 345

RSM++	0.76 325	0.82 235	0.66 327	0.85 317	0.64 361	0.85 360	0.71 364	0.94 366	0.64 351	0.87 363	0.67 362	0.87 367	0.65 349	0.84 357	0.65 349	0.81 342	0.70 339	0.79 362	0.71 373	0.83 345	0.70 358

CFNet_pseudo	2.67 510	9.36 537	0.32 208	10.99 559	0.33 259	0.85 360	0.33 247	0.49 289	0.33 253	0.49 295	0.32 249	0.49 299	7.26 552	0.49 298	0.33 249	0.41 254	9.62 556	0.41 281	0.29 235	10.03 558	0.29 222

MSMDNet	2.65 508	10.14 543	0.33 213	9.74 553	0.32 248	0.87 362	0.33 247	2.95 512	0.68 356	0.49 295	0.34 263	0.49 299	5.70 548	0.49 298	0.33 249	0.42 268	9.57 554	0.41 281	0.31 254	8.36 551	0.65 351

Selective-RAFT-Error	0.88 352	0.84 236	0.98 370	0.86 318	0.97 400	0.88 363	0.95 389	0.84 352	0.99 399	0.92 369	0.82 385	0.84 366	0.98 383	0.87 362	0.97 391	0.81 342	0.83 358	0.79 362	0.82 385	0.79 335	0.85 378

DCRE	0.84 347	1.89 389	0.77 348	0.94 331	0.72 377	0.88 363	0.73 367	0.87 353	0.78 375	0.90 365	0.71 372	0.88 368	0.67 354	0.88 363	0.73 368	0.81 342	0.68 334	0.81 367	0.70 370	0.82 343	0.70 358

DDUNet	0.81 337	2.45 433	0.57 311	0.90 320	0.60 352	0.88 363	0.59 343	0.90 357	0.60 345	0.88 364	0.60 349	0.90 371	0.58 341	0.88 363	0.60 345	0.84 349	0.60 323	0.86 375	0.57 350	0.86 347	0.60 344

UDG	0.80 332	2.21 414	0.60 314	0.91 322	0.60 352	0.90 366	0.58 341	0.88 356	0.60 345	0.90 365	0.60 349	0.88 368	0.60 343	0.90 366	0.58 342	0.86 351	0.60 323	0.84 373	0.59 352	0.84 346	0.61 345

DGTPSM_ROB	0.93 362	1.00 268	0.92 365	0.94 331	0.96 399	0.91 367	0.92 385	0.91 359	0.96 395	0.91 367	0.96 394	0.93 377	0.92 379	0.94 373	0.92 384	0.92 356	0.92 363	0.90 377	0.92 389	0.94 359	0.91 383

DPSM_ROB	0.92 357	0.91 250	0.91 363	0.91 322	0.92 395	0.92 368	0.92 385	0.92 362	0.91 386	0.93 371	0.91 390	0.92 374	0.90 377	0.91 367	0.92 384	0.92 356	0.91 361	0.91 380	0.92 389	0.93 357	0.93 385

DPSM	0.92 357	0.91 250	0.91 363	0.91 322	0.92 395	0.92 368	0.92 385	0.92 362	0.91 386	0.93 371	0.91 390	0.92 374	0.90 377	0.91 367	0.92 384	0.92 356	0.91 361	0.91 380	0.92 389	0.93 357	0.93 385

pmcnn	0.92 357	0.92 255	0.92 365	0.92 325	0.92 395	0.92 368	0.92 385	0.92 362	0.92 390	0.92 369	0.92 393	0.92 374	0.92 379	0.92 371	0.92 384	0.92 356	0.92 363	0.92 382	0.92 389	0.92 356	0.92 384

R-Stereo Train	0.81 337	0.96 261	0.67 331	0.95 333	0.67 367	0.95 371	0.68 355	0.95 368	0.68 356	0.95 375	0.68 363	0.96 379	0.68 355	0.96 377	0.68 356	0.94 361	0.68 334	0.94 383	0.68 366	0.94 359	0.68 355

RAFT-Stereo	0.81 337	0.96 261	0.67 331	0.95 333	0.67 367	0.95 371	0.68 355	0.95 368	0.68 356	0.95 375	0.68 363	0.96 379	0.68 355	0.96 377	0.68 356	0.94 361	0.68 334	0.94 383	0.68 366	0.94 359	0.68 355
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MoCha-V2	2.11 479	26.97 563	0.78 349	0.92 325	0.77 382	0.96 373	0.72 366	0.90 357	0.72 369	0.94 373	0.70 368	0.90 371	0.71 363	0.91 367	0.71 366	0.85 350	0.71 343	0.88 376	0.69 368	0.87 348	0.67 354

AIO-Stereo	0.84 347	0.66 221	0.70 334	0.83 314	0.67 367	0.98 374	0.82 378	1.14 380	0.72 369	1.03 383	0.74 378	1.03 387	1.09 393	0.99 379	0.45 309	1.04 367	0.73 345	0.95 385	0.74 375	0.94 359	0.46 304

ToySt	0.92 357	2.11 405	0.90 361	0.95 333	0.79 384	0.99 375	0.78 371	0.94 366	0.81 382	0.94 373	0.78 381	0.95 378	0.77 370	0.94 373	0.86 382	0.91 353	0.79 352	0.85 374	0.77 377	0.89 350	0.73 365

LG-Stereo	0.60 293	0.58 214	0.47 277	0.64 292	0.74 380	1.00 376	0.69 358	0.57 319	0.41 299	0.57 328	0.41 300	0.57 332	0.41 296	1.00 381	0.75 371	0.91 353	0.51 308	0.52 332	0.37 286	0.52 304	0.37 268

GANet	1.00 369	1.00 268	1.00 372	1.00 340	1.00 401	1.00 376	1.00 393	1.00 370	1.00 400	1.00 377	1.00 397	1.00 382	1.00 384	1.00 381	1.00 394	1.00 363	1.00 366	1.00 390	1.00 396	1.00 363	1.00 392

TDLM	1.00 369	1.00 268	1.00 372	1.00 340	1.00 401	1.00 376	1.00 393	1.00 370	1.00 400	1.00 377	1.00 397	1.00 382	1.00 384	1.00 381	1.00 394	1.00 363	1.00 366	1.00 390	1.00 396	1.00 363	1.00 392

CVANet_RVC	1.00 369	1.00 268	1.00 372	1.00 340	1.00 401	1.00 376	1.00 393	1.00 370	1.00 400	1.00 377	1.00 397	1.00 382	1.00 384	1.00 381	1.00 394	1.00 363	1.00 366	1.00 390	1.00 396	1.00 363	1.00 392

trnet	1.01 374	1.01 274	1.01 375	1.01 343	1.01 405	1.01 380	1.01 396	1.01 374	1.01 403	1.01 381	1.01 400	1.01 386	1.01 390	1.01 385	1.01 397	1.01 366	1.01 369	1.01 393	1.01 400	1.01 366	1.01 395

AdaDepth	0.86 350	0.93 257	0.71 337	1.01 343	1.07 409	1.02 381	0.71 364	1.00 370	0.71 367	1.01 381	0.71 372	1.00 382	0.72 364	1.14 397	0.71 366	0.92 356	0.64 330	0.90 377	0.64 358	0.89 350	0.69 357

DPSimNet_ROB	0.97 366	1.18 301	0.81 355	1.10 349	0.91 394	1.02 381	0.82 378	1.04 375	0.91 386	1.03 383	0.86 386	1.28 451	0.82 375	1.03 386	0.89 383	1.17 381	0.81 357	1.02 394	0.82 385	1.08 370	0.81 375

AIO-Stereo-zeroshot	0.91 355	0.86 239	0.89 358	1.25 414	0.69 371	1.05 383	0.81 377	1.16 383	0.50 329	1.12 392	0.97 395	0.72 351	0.82 375	1.06 387	0.95 389	0.61 316	0.87 360	1.03 395	0.85 388	1.04 368	1.01 395

TorneroNet	0.66 303	0.53 204	0.50 294	0.50 260	0.64 361	1.06 384	0.70 361	0.50 297	0.51 336	0.49 295	0.69 366	0.49 299	0.50 329	0.48 292	1.15 406	0.71 331	0.49 298	1.14 398	1.08 402	0.49 291	0.49 318

Selective-RAFT	0.89 354	0.89 246	0.72 340	1.16 362	0.78 383	1.06 384	0.82 378	0.87 353	0.97 396	1.00 377	0.91 390	0.90 371	1.00 384	0.89 365	0.93 388	0.83 347	0.83 358	0.82 371	0.82 385	0.81 341	0.82 376

GLC_STEREO	1.07 379	1.01 274	1.06 377	1.07 347	1.05 408	1.06 384	1.08 400	1.08 376	1.05 406	1.07 385	1.06 402	1.08 389	1.05 392	1.06 387	1.10 401	1.07 369	1.09 379	1.05 396	1.05 401	1.06 369	1.12 402

edge stereo	2.43 503	27.07 564	1.14 381	1.06 346	1.14 412	1.08 387	1.17 408	1.16 383	1.14 407	1.10 387	1.16 408	1.09 391	1.16 402	1.10 393	1.16 409	1.10 372	1.11 383	1.16 400	1.19 410	1.13 372	1.11 400

Nwc_Net	2.37 500	25.95 560	1.15 383	1.14 355	1.15 413	1.08 387	1.14 404	1.17 385	1.16 409	1.14 395	1.15 405	1.08 389	1.15 398	1.11 395	1.14 405	1.10 372	1.11 383	1.16 400	1.09 403	1.16 377	1.15 407

999	1.00 369	1.12 293	0.59 312	1.10 349	1.21 467	1.09 389	0.52 335	1.08 376	1.43 478	1.18 397	1.35 470	0.98 381	0.52 335	0.91 367	0.85 381	0.72 332	1.46 461	0.83 372	0.98 394	0.68 319	1.41 478

RP	2.33 496	25.00 556	1.13 380	1.15 357	1.15 413	1.10 390	1.15 405	1.15 381	1.15 408	1.12 392	1.15 405	1.09 391	1.13 395	1.10 393	1.15 406	1.11 377	1.09 379	1.16 400	1.12 404	1.16 377	1.17 411

RGC	2.36 498	25.48 557	1.19 389	1.15 357	1.15 413	1.10 390	1.16 407	1.17 385	1.16 409	1.12 392	1.16 408	1.11 396	1.13 395	1.09 391	1.18 411	1.10 372	1.15 388	1.16 400	1.12 404	1.14 373	1.12 402

MSMD_ROB	1.19 386	1.10 292	0.70 334	1.10 349	0.60 352	1.10 390	0.70 361	1.10 379	0.70 362	1.10 387	0.70 368	1.10 393	0.70 359	7.00 556	0.70 364	1.10 372	0.70 339	1.10 397	0.70 370	1.10 371	0.70 358

NCC-stereo	2.36 498	25.52 558	1.17 385	1.15 357	1.17 418	1.11 393	1.11 401	1.15 381	1.16 409	1.10 387	1.16 408	1.10 393	1.15 398	1.14 397	1.13 404	1.09 370	1.11 383	1.15 399	1.16 408	1.17 382	1.17 411

Abc-Net	2.32 495	24.75 555	1.14 381	1.17 363	1.17 418	1.11 393	1.15 405	1.17 385	1.21 461	1.08 386	1.16 408	1.12 397	1.14 397	1.09 391	1.17 410	1.09 370	1.16 389	1.17 404	1.17 409	1.16 377	1.11 400
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 496	24.38 554	1.18 387	1.18 364	1.18 420	1.14 395	1.18 409	1.19 388	1.19 415	1.14 395	1.18 412	1.14 398	1.18 403	1.14 397	1.18 411	1.14 380	1.14 387	1.19 408	1.19 410	1.15 375	1.19 415

AF-Net	2.37 500	25.71 559	1.17 385	1.13 354	1.15 413	1.15 396	1.18 409	1.19 388	1.16 409	1.10 387	1.15 405	1.10 393	1.18 403	1.12 396	1.15 406	1.10 372	1.10 382	1.17 404	1.15 406	1.16 377	1.12 402

HSM-Net_RVC	0.95 365	1.17 299	0.78 349	1.18 364	0.71 375	1.16 397	0.75 369	1.09 378	0.80 379	1.10 387	0.75 379	1.17 400	0.74 366	1.17 400	0.80 376	1.13 378	0.73 345	1.17 404	0.77 377	1.16 377	0.72 362
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DisPM	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

CrosDoStereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

PFNet+	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

LCNet	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

HHNet	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

Patchmatch Stereo++	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416
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	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

STrans-v2	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

TransformOpticalFlow	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

OMP-Stereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

IIG-Stereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

NF-Stereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

OCTAStereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

PSM-softLoss	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

KMStereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

NRIStereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

PSM-adaLoss	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

PSM-AAD	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

FTStereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

ROB_FTStereo_v2	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

ROB_FTStereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

Consistency-Raft	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

KYRaft	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

HUI-Stereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

ASMatch	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

DeepStereo_LL	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

DEmStereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

SST-Stereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

THIR-Stereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

RAFT_R40	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

DRaft	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

PFNet	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

GrayStereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

RE-Stereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

Pruner-Stereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

TVStereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

DeepStereo_RVC	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

RAFT-RH_RVC	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

IRAFT_RVC	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

RAFT-345	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

iRAFT	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

CRE-IMP	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

GMM-Stereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

RAFT-IKP	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

Prome-Stereo	1.20 387	1.20 303	1.20 392	1.20 366	1.20 421	1.20 398	1.20 411	1.20 391	1.20 416	1.20 399	1.20 413	1.20 402	1.20 405	1.20 402	1.20 413	1.20 383	1.20 394	1.20 409	1.20 413	1.20 386	1.20 416

FAT-Stereo	2.46 504	26.05 561	1.23 441	1.23 413	1.22 469	1.20 398	1.24 459	1.23 439	1.23 463	1.19 398	1.22 459	1.21 447	1.24 453	1.20 402	1.24 460	1.21 428	1.17 392	1.22 455	1.25 463	1.20 386	1.24 465

ktn	0.72 317	0.53 204	1.08 378	1.14 355	0.51 342	1.22 444	1.36 469	0.51 307	0.59 344	0.51 312	0.51 342	0.69 347	1.20 405	0.67 340	0.51 333	0.51 299	0.49 298	0.58 338	0.66 361	0.52 304	0.53 329

CroCo-Stereo	0.73 319	1.22 354	0.25 178	1.22 411	0.25 208	1.22 444	0.25 200	1.22 437	0.25 199	1.22 445	0.25 208	1.22 448	0.25 202	1.22 448	0.25 202	1.22 429	0.26 184	1.21 454	0.25 207	1.22 433	0.25 190
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
S-Stereo	2.51 505	26.86 562	1.23 441	1.22 411	1.22 469	1.24 446	1.25 460	1.22 437	1.24 464	1.21 444	1.24 461	1.19 401	1.27 455	1.19 401	1.24 460	1.19 382	1.20 394	1.25 456	1.19 410	1.24 434	1.23 464

AIO-Stereo-zeroshot1	0.75 321	0.92 255	0.85 357	0.96 336	0.59 351	1.27 447	0.44 306	0.59 324	0.69 359	0.91 367	0.68 363	0.55 328	0.61 345	1.06 387	0.83 380	0.62 319	0.70 339	0.90 377	0.41 310	0.89 350	0.56 340

CroCo-Stereo Lap2	0.77 326	1.29 358	0.29 192	1.27 415	0.29 230	1.27 447	0.26 208	1.26 440	0.26 212	1.26 446	0.26 214	1.27 450	0.26 211	1.26 449	0.27 208	1.27 431	0.27 190	1.27 457	0.27 221	1.27 435	0.27 204

11t	1.27 437	2.70 444	1.34 445	1.32 419	0.89 390	1.30 449	1.34 466	1.64 455	0.57 341	1.45 453	0.72 375	1.05 388	1.29 457	1.07 390	1.29 467	1.49 446	1.02 370	0.97 388	1.15 406	1.48 442	1.31 469

ours_stereo	1.20 387	1.21 349	0.90 361	1.64 437	1.11 411	1.35 450	0.67 354	1.76 459	0.93 391	1.70 463	1.10 404	1.39 454	0.75 368	1.41 454	0.81 379	1.60 453	1.03 371	1.33 459	1.00 396	1.61 447	0.72 362

MaskLacGwcNet_RVC	1.35 439	1.35 363	1.35 447	1.35 421	1.35 471	1.35 450	1.35 467	1.36 445	1.35 472	1.36 449	1.35 470	1.36 452	1.36 463	1.36 451	1.35 471	1.35 436	1.35 454	1.35 462	1.35 467	1.35 438	1.35 474

MM-Stereo_test2	1.20 387	1.85 385	1.05 376	1.46 426	0.94 398	1.36 452	0.99 392	1.36 445	0.95 393	1.41 451	0.98 396	1.40 456	0.96 381	1.37 452	0.95 389	1.37 440	1.06 372	1.33 459	0.93 393	1.29 436	0.89 381

CC-Net-ROB	1.36 440	1.33 362	1.33 444	1.36 422	1.38 474	1.36 452	1.33 465	1.37 447	1.34 469	1.35 448	1.36 472	1.38 453	1.34 461	1.38 453	1.38 474	1.35 436	1.38 457	1.33 459	1.35 467	1.43 441	1.34 473

MLG-Stereo	0.92 357	0.90 248	0.84 356	1.27 415	0.49 333	1.38 454	0.88 381	1.41 450	0.97 396	0.73 348	1.09 403	1.26 449	0.43 305	0.72 344	1.05 399	1.13 378	0.49 298	1.18 407	0.66 361	1.01 366	0.46 304

PS-NSSS	1.38 442	1.39 365	1.34 445	1.34 420	1.35 471	1.38 454	1.37 474	1.35 444	1.38 475	1.34 447	1.34 469	1.39 454	1.38 466	1.70 461	1.40 475	1.36 438	1.36 455	1.36 464	1.37 470	1.37 439	1.36 475

HBP-ISP	1.24 435	1.72 376	1.65 473	1.15 357	0.76 381	1.40 456	0.88 381	1.67 458	1.02 404	1.69 462	1.38 475	1.69 464	1.21 451	1.87 469	1.21 458	1.05 368	0.79 352	0.97 388	0.80 382	1.19 385	0.75 369

FC-DCNN	1.07 379	1.09 289	0.98 370	0.89 319	0.52 343	1.41 457	0.91 384	1.21 436	1.24 464	1.96 467	2.05 519	1.91 468	1.30 458	1.27 450	1.08 400	0.80 339	0.60 323	0.58 338	0.41 310	0.68 319	0.54 332

MM-Stereo_test3	1.27 437	2.07 401	1.18 387	1.60 432	1.02 406	1.45 458	1.01 396	1.40 449	1.04 405	1.44 452	1.03 401	1.46 458	1.02 391	1.44 455	1.02 398	1.51 449	1.12 386	1.32 458	0.98 394	1.38 440	0.97 388

RASNet	1.49 443	1.65 373	1.45 463	1.38 424	1.43 477	1.47 459	1.36 469	1.38 448	1.36 473	1.39 450	1.60 485	1.45 457	1.45 469	1.51 456	2.21 514	1.53 450	1.36 455	1.36 464	1.36 469	1.66 450	1.36 475

tt45	1.04 378	0.88 243	1.36 455	0.92 325	1.03 407	1.51 460	0.79 372	0.70 339	0.88 384	0.74 353	0.90 387	1.60 460	0.72 364	1.60 457	0.75 371	0.91 353	0.78 351	1.52 469	0.79 380	1.14 373	1.32 470

FlowAnything	1.02 376	1.71 375	0.72 340	1.59 429	0.69 371	1.60 461	0.69 358	1.61 452	0.70 362	1.60 455	0.69 366	1.60 460	0.69 357	1.61 459	0.69 360	0.81 342	0.58 320	0.81 367	0.56 348	0.82 343	0.56 340

FlowAnything_test	1.02 376	1.72 376	0.71 337	1.59 429	0.70 373	1.61 462	0.69 358	1.61 452	0.70 362	1.60 455	0.70 368	1.61 463	0.69 357	1.61 459	0.70 364	0.81 342	0.58 320	0.81 367	0.55 344	0.81 341	0.56 340

DPSMNet_ROB	1.60 446	1.59 372	1.70 475	1.59 429	1.59 482	1.61 462	1.61 484	1.60 451	1.60 481	1.62 461	1.59 484	1.60 460	1.60 471	1.60 457	1.59 481	1.59 451	1.60 475	1.59 470	1.59 487	1.59 446	1.59 487

CFNet-RSSM	0.91 355	4.89 497	0.34 223	0.44 235	1.07 409	1.62 464	1.40 476	0.91 359	0.35 265	1.60 455	1.39 476	0.64 341	0.34 261	0.44 272	0.33 249	0.41 254	0.35 236	0.75 357	0.30 245	0.41 260	0.29 222

ff7	1.68 447	2.68 441	1.35 447	0.97 337	0.89 390	1.84 465	2.15 512	2.12 472	1.80 497	2.05 477	1.56 481	2.33 483	2.12 505	2.23 480	2.25 515	1.31 432	1.07 373	1.48 466	1.41 473	0.90 353	1.04 397

ffff	1.68 447	2.68 441	1.35 447	0.97 337	0.89 390	1.84 465	2.15 512	2.12 472	1.80 497	2.05 477	1.56 481	2.33 483	2.12 505	2.23 480	2.25 515	1.31 432	1.07 373	1.48 466	1.41 473	0.90 353	1.04 397

ccc-4	1.68 447	2.68 441	1.35 447	0.97 337	0.89 390	1.84 465	2.15 512	2.12 472	1.80 497	2.05 477	1.56 481	2.33 483	2.12 505	2.23 480	2.25 515	1.31 432	1.07 373	1.48 466	1.41 473	0.90 353	1.04 397

GANetREF_RVC	1.55 444	1.94 398	1.22 439	1.88 440	1.21 467	1.88 468	1.22 457	1.88 461	1.22 462	1.88 464	1.22 459	1.88 466	1.22 452	1.89 470	1.22 459	1.87 460	1.22 441	1.88 482	1.22 459	1.88 459	1.22 462
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
3.75w	1.99 458	2.31 420	1.83 489	3.16 482	1.65 486	1.93 469	1.98 504	2.72 498	1.68 483	2.73 507	1.97 508	2.00 473	1.72 479	1.81 467	1.25 463	2.27 483	2.01 494	2.38 501	1.42 476	1.71 452	1.24 465

4.5w-stereo	1.99 458	2.33 422	1.81 481	3.28 486	1.68 488	1.94 470	1.99 507	2.72 498	1.70 486	2.72 502	1.99 517	1.97 471	1.68 475	1.76 463	1.29 467	1.91 465	2.02 498	2.53 509	1.61 489	1.75 455	1.16 410

2.75w_new	1.99 458	2.34 426	1.81 481	3.14 480	1.62 484	1.94 470	1.99 507	2.72 498	1.71 487	2.72 502	1.99 517	1.90 467	1.73 480	1.82 468	1.29 467	2.37 490	2.01 494	2.31 496	1.42 476	1.77 456	1.22 462

2w_stereo	1.99 458	2.36 429	1.81 481	3.24 484	1.67 487	1.94 470	1.98 504	2.72 498	1.68 483	2.72 502	1.94 505	1.98 472	1.74 482	1.79 466	1.27 464	1.95 466	2.00 492	2.53 509	1.60 488	1.68 451	1.15 407

4.25_new	2.00 462	2.33 422	1.82 486	3.32 489	1.69 489	1.95 473	1.99 507	2.72 498	1.71 487	2.72 502	1.97 508	2.01 474	1.74 482	1.77 464	1.28 465	2.18 475	2.01 494	2.48 507	1.58 485	1.65 448	1.17 411

4.5w_new	2.00 462	2.33 422	1.82 486	3.32 489	1.69 489	1.95 473	1.99 507	2.72 498	1.71 487	2.72 502	1.97 508	2.01 474	1.74 482	1.77 464	1.28 465	2.18 475	2.01 494	2.48 507	1.58 485	1.65 448	1.17 411

MFMNet_re	1.81 454	1.91 392	1.71 477	1.95 444	1.70 492	1.95 473	1.70 489	1.96 464	1.74 494	1.97 469	1.72 492	1.95 469	1.71 478	1.97 473	1.71 489	1.86 459	1.62 476	1.85 476	1.66 494	1.86 458	1.64 493

SPS-STEREO	1.59 445	1.91 392	1.21 438	1.94 443	1.20 421	2.00 476	1.23 458	1.99 466	1.24 464	2.00 472	1.25 462	2.03 476	1.26 454	2.00 474	1.29 467	1.90 464	1.18 393	1.89 483	1.21 458	1.89 460	1.20 416
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test1	1.80 453	3.41 469	1.52 469	2.12 449	1.41 476	2.04 477	1.41 477	2.05 470	1.46 479	2.04 476	1.41 477	2.05 477	1.42 468	2.05 475	1.43 477	2.04 471	1.54 468	1.94 484	1.38 472	1.99 462	1.33 471

RAFT_CTSACE	1.92 456	3.71 476	1.72 478	1.88 440	1.72 493	2.04 477	1.42 479	2.18 477	1.89 508	2.02 474	1.97 508	1.95 469	2.06 504	1.93 471	1.62 482	1.76 456	1.66 479	2.02 486	1.73 503	1.73 453	1.43 480

4.25w-stereo	1.98 457	2.72 448	1.46 464	3.47 496	1.43 477	2.07 479	1.98 504	2.53 495	1.52 480	2.71 501	1.98 514	1.81 465	1.62 473	1.96 472	1.36 472	1.88 463	2.00 492	2.53 509	1.61 489	1.74 454	1.15 407

MonSter	0.60 293	0.64 220	0.52 302	0.62 287	0.44 317	2.07 479	0.44 306	0.62 329	0.44 310	0.62 336	0.44 314	0.62 340	0.44 307	0.62 331	0.44 308	0.58 310	0.42 274	0.62 341	0.46 322	0.58 311	0.42 297

MC-Stereo	1.76 450	2.96 459	1.37 457	2.14 450	1.37 473	2.14 481	1.36 469	2.14 475	1.37 474	2.14 481	1.37 473	2.14 478	1.37 465	2.14 479	1.37 473	1.97 467	1.32 442	1.97 485	1.32 466	1.98 461	1.33 471

2.25w	2.00 462	1.86 387	1.98 503	2.95 477	2.17 518	2.26 482	1.35 467	2.42 489	2.00 515	2.07 480	1.27 464	2.53 492	1.99 500	2.29 484	1.49 479	2.21 478	1.32 442	1.85 476	1.87 507	2.52 488	1.62 491

4.5_new	2.00 462	1.84 384	1.98 503	2.77 471	2.16 516	2.27 483	1.28 464	2.09 471	1.98 512	2.01 473	1.28 465	2.71 503	1.98 498	2.51 494	1.65 484	2.26 480	1.33 449	1.87 479	1.87 507	2.49 484	1.60 488

NCCL2	2.28 494	2.27 417	2.28 509	2.28 459	2.28 521	2.27 483	2.29 515	2.28 478	2.28 518	2.27 485	2.28 520	2.28 479	2.27 508	2.27 483	2.28 519	2.28 484	2.28 506	2.27 493	2.29 519	2.27 471	2.29 514

TRStereo	2.00 462	2.13 406	1.85 492	2.27 456	1.84 497	2.28 485	1.84 493	2.29 480	1.86 502	2.30 486	1.87 497	2.30 480	1.87 488	2.08 476	1.72 491	2.08 472	1.72 482	2.08 488	1.72 500	2.08 463	1.72 497

XX-Stereo	2.00 462	2.13 406	1.85 492	2.27 456	1.84 497	2.28 485	1.84 493	2.29 480	1.86 502	2.30 486	1.87 497	2.30 480	1.87 488	2.08 476	1.72 491	2.08 472	1.72 482	2.08 488	1.72 500	2.08 463	1.72 497

EAI-Stereo	2.00 462	2.13 406	1.85 492	2.27 456	1.84 497	2.28 485	1.84 493	2.29 480	1.86 502	2.30 486	1.87 497	2.30 480	1.87 488	2.08 476	1.72 491	2.08 472	1.72 482	2.08 488	1.72 500	2.08 463	1.72 497

STTStereo	3.73 520	30.40 568	2.37 513	2.39 462	2.31 523	2.35 488	2.33 516	2.29 480	2.42 519	2.32 489	2.34 521	2.33 483	2.36 509	2.30 485	2.27 518	2.35 489	2.22 505	2.31 496	2.22 516	2.29 473	2.34 518

FBW_ROB	2.12 480	2.46 434	1.77 480	2.49 466	1.79 496	2.38 489	1.83 492	2.46 490	1.78 496	2.48 495	1.97 508	2.40 488	1.78 485	2.42 491	1.83 499	2.31 487	1.85 489	2.38 501	1.82 505	2.35 475	1.84 502

AIO_rvc	2.18 482	2.34 426	1.87 496	2.32 460	1.94 506	2.40 490	1.89 501	2.37 486	2.07 517	2.52 497	1.95 507	2.44 490	1.99 500	2.41 489	1.89 507	2.32 488	2.09 500	2.24 492	2.18 515	2.21 467	2.23 513

IGEV	2.02 470	2.20 412	1.82 486	2.90 476	2.16 516	2.41 491	1.25 460	2.00 467	1.98 512	1.99 471	1.31 467	2.72 507	1.93 494	2.67 502	1.69 488	2.26 480	1.32 442	1.83 475	1.87 507	2.53 491	1.61 490

HUF	2.18 482	2.30 419	1.99 506	2.34 461	2.02 511	2.41 491	2.06 511	2.38 487	1.89 508	2.36 490	1.85 495	2.56 496	1.98 498	2.31 486	1.97 510	2.30 486	2.03 499	2.30 495	2.11 514	2.23 468	2.16 511

AIO_test	2.18 482	2.09 404	2.04 507	2.42 463	2.01 508	2.47 493	1.94 503	2.34 485	2.03 516	2.56 498	1.94 505	2.43 489	1.94 495	2.41 489	1.87 505	2.39 492	2.10 501	2.35 500	1.91 513	2.25 470	2.19 512

4w-stereo	2.02 470	2.72 448	1.44 462	3.36 492	1.59 482	2.48 494	1.72 490	2.28 478	1.24 464	2.24 484	1.65 489	2.56 496	1.32 460	2.39 488	1.98 511	2.67 504	1.51 464	1.66 472	1.24 461	2.53 491	1.88 509

3w_stereo	2.04 475	2.24 416	1.70 475	3.15 481	2.18 520	2.49 495	1.26 462	2.03 469	1.98 512	1.98 470	1.33 468	2.72 507	1.99 500	2.59 497	1.72 491	2.22 479	1.33 449	1.85 476	1.88 512	2.50 486	1.58 486

monsterstereo	2.20 488	2.33 422	1.95 501	3.65 503	2.07 513	2.49 495	1.61 484	2.48 491	1.83 500	2.45 493	1.61 487	2.67 502	1.86 487	2.64 499	1.94 508	2.48 498	1.66 479	2.34 498	1.68 497	2.40 477	1.86 504

asda	2.17 481	2.54 435	1.81 481	3.47 496	1.78 495	2.50 497	1.86 497	2.61 497	1.68 483	2.61 499	1.83 494	2.37 487	1.73 480	2.44 492	1.88 506	2.51 499	1.84 488	2.34 498	1.62 491	2.23 468	1.77 501

UDGNet	2.23 492	5.40 509	1.72 478	2.48 465	1.69 489	2.51 498	1.69 488	2.51 494	1.72 491	2.50 496	1.69 491	2.52 491	1.69 477	2.50 493	1.68 487	2.41 493	1.70 481	2.42 503	1.69 499	2.42 478	1.64 493

qwe	2.18 482	2.60 438	1.58 470	3.83 508	1.90 505	2.53 499	1.90 502	2.48 491	1.73 492	2.37 491	1.92 504	2.53 492	1.68 475	2.56 495	1.83 499	2.52 501	1.87 490	2.07 487	1.68 497	2.32 474	1.71 496

monsters	2.18 482	2.41 432	1.96 502	3.47 496	2.03 512	2.53 499	1.64 486	2.48 491	1.73 492	2.40 492	1.50 480	2.62 499	1.94 495	2.59 497	1.94 508	2.44 494	1.57 470	2.28 494	1.87 507	2.42 478	1.86 504

IGEVStereo-DCA	1.77 451	4.21 489	1.84 490	2.49 466	2.11 514	2.54 501	1.36 469	1.65 456	1.17 413	2.75 508	1.90 502	2.54 494	1.15 398	0.94 373	1.11 402	1.50 447	1.32 442	0.96 386	1.46 479	1.49 443	0.88 379

rrr	1.77 451	4.21 489	1.84 490	2.49 466	2.11 514	2.54 501	1.36 469	1.65 456	1.17 413	2.75 508	1.90 502	2.54 494	1.15 398	0.94 373	1.11 402	1.50 447	1.32 442	0.96 386	1.46 479	1.49 443	0.88 379

asd	2.18 482	2.77 454	1.58 470	3.59 501	2.00 507	2.58 503	1.85 496	2.39 488	1.71 487	2.47 494	1.97 508	2.59 498	1.61 472	2.56 495	1.79 498	2.51 499	1.99 491	2.11 491	1.62 491	2.36 476	1.60 488

3.25w	2.04 475	2.20 412	1.48 465	3.03 478	2.17 518	2.63 504	1.39 475	1.96 464	1.95 511	1.96 467	1.37 473	2.71 503	1.96 497	2.71 503	1.73 496	2.26 480	1.32 442	1.87 479	1.87 507	2.51 487	1.63 492

2.5w	2.01 469	2.40 431	1.37 457	3.28 486	2.01 508	2.71 505	1.43 481	1.82 460	1.83 500	1.90 466	1.41 477	2.71 503	1.35 462	2.71 503	1.85 501	2.66 502	1.53 466	1.64 471	1.23 460	2.53 491	1.87 506

3.25w_new	2.03 472	2.72 448	1.35 447	3.33 491	1.57 480	2.72 506	1.53 483	2.15 476	1.33 468	2.15 482	1.60 485	2.63 500	1.30 458	2.72 505	1.99 512	2.67 504	1.53 466	1.75 474	1.25 463	2.53 491	1.87 506

3.5w_stereo	2.03 472	2.72 448	1.35 447	3.41 493	1.57 480	2.72 506	1.49 482	2.01 468	1.34 469	2.15 482	1.61 487	2.63 500	1.36 463	2.72 505	1.99 512	2.66 502	1.58 471	1.68 473	1.24 461	2.53 491	1.87 506

1w_stereo	2.05 477	2.32 421	1.35 447	3.74 507	2.01 508	2.73 508	1.42 479	1.88 461	1.93 510	2.03 475	1.28 465	2.71 503	1.99 500	2.72 505	1.72 491	2.20 477	1.32 442	1.87 479	1.86 506	2.45 480	1.54 481

sCroCo_RVC	2.10 478	2.76 452	1.92 500	2.78 474	1.39 475	2.73 508	1.41 477	2.73 504	1.40 476	2.77 513	1.41 477	2.74 509	1.40 467	2.74 508	1.40 475	2.72 506	1.42 459	2.72 512	1.44 478	2.79 498	1.42 479

LG-G_1	2.22 489	2.71 446	1.89 497	2.77 471	1.87 503	2.75 510	1.87 499	2.76 506	1.87 506	2.75 508	1.87 497	2.76 510	1.87 488	2.75 509	1.86 502	2.47 496	1.58 471	2.45 504	1.57 482	2.45 480	1.57 484

LG-G	2.22 489	2.71 446	1.89 497	2.77 471	1.87 503	2.75 510	1.87 499	2.76 506	1.87 506	2.75 508	1.87 497	2.76 510	1.87 488	2.75 509	1.86 502	2.47 496	1.58 471	2.45 504	1.57 482	2.45 480	1.57 484

LGtest1	2.22 489	2.70 444	1.89 497	2.76 470	1.86 500	2.75 510	1.86 497	2.75 505	1.86 502	2.75 508	1.86 496	2.77 512	1.87 488	2.75 509	1.86 502	2.46 495	1.58 471	2.45 504	1.56 481	2.45 480	1.56 483

NLCA_NET_v2_RVC	5.04 548	50.87 578	2.78 515	2.87 475	2.71 524	2.78 513	0.47 317	2.88 511	2.86 523	1.89 465	2.67 522	2.79 513	2.79 513	2.78 512	2.83 520	2.82 507	2.82 509	2.83 513	2.77 522	2.83 499	2.76 522
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RAFT+CT+SA	4.28 535	7.62 525	4.91 541	5.55 532	2.28 521	3.09 514	3.64 541	4.49 528	3.07 529	4.80 540	3.35 536	4.77 543	3.70 532	4.29 527	3.05 523	5.58 541	5.98 542	3.58 519	3.78 545	4.26 510	3.72 542

plain	1.88 455	3.16 464	0.64 323	3.10 479	0.65 363	3.10 515	0.64 347	3.12 513	0.65 352	3.10 514	0.65 359	3.11 514	0.65 349	3.12 513	0.65 349	3.12 509	0.65 332	3.13 514	0.65 359	3.13 500	0.65 351

MIF-Stereo (partial)	2.58 507	3.31 468	0.66 327	3.18 483	0.66 366	3.18 516	0.66 350	3.21 514	0.67 355	3.19 515	0.66 361	3.19 515	0.66 352	3.31 517	0.68 356	5.09 538	1.79 486	8.23 557	1.67 495	6.18 541	1.38 477

Anonymous3	2.55 506	3.26 467	1.65 473	3.28 486	1.63 485	3.24 517	1.68 487	3.27 515	1.66 482	3.28 516	1.67 490	3.25 516	1.66 474	3.27 515	1.64 483	3.26 510	1.65 478	3.30 515	1.65 493	4.95 532	1.65 495

UniTT-Stereo	2.03 472	3.43 470	0.72 340	3.42 494	0.73 378	3.27 518	0.68 355	3.38 517	0.69 359	3.29 517	0.72 375	3.28 517	0.70 359	3.35 518	0.68 356	3.39 511	0.68 334	3.31 516	0.69 368	3.37 501	0.73 365

Sa-1000	4.34 538	8.37 528	6.84 551	6.98 542	4.45 552	3.58 519	3.00 522	3.42 518	3.39 537	2.61 499	4.00 546	3.83 522	4.01 539	3.90 522	3.90 542	5.98 545	5.62 540	3.76 522	2.34 520	4.35 512	2.47 521

SA	4.33 537	7.35 522	6.85 552	5.96 535	4.09 549	3.59 520	3.15 536	3.82 522	2.64 520	3.91 520	3.85 543	3.57 518	2.72 512	3.13 514	4.03 544	7.09 552	6.86 547	3.57 518	3.12 534	3.85 504	3.51 540

DPSNet	3.66 519	3.60 472	3.62 534	3.63 502	3.64 544	3.65 521	3.65 542	3.66 520	3.67 539	3.67 519	3.65 540	3.67 520	3.66 530	3.66 519	3.68 537	3.68 514	3.66 527	3.67 520	3.68 543	3.67 502	3.67 541

RAStereo	2.23 492	3.64 473	0.76 347	3.65 503	0.86 388	3.66 522	0.76 370	3.67 521	0.81 382	3.66 518	0.76 380	3.66 519	0.77 370	3.68 520	0.77 373	3.68 514	0.77 350	3.69 521	0.77 377	3.70 503	0.77 371

StereoVision	3.15 515	5.00 498	0.89 358	4.83 524	1.00 401	3.93 523	1.27 463	6.37 550	1.34 469	5.67 550	1.26 463	5.84 551	1.27 455	5.03 547	1.24 460	5.10 539	1.09 379	4.61 533	0.57 350	5.62 539	1.12 402

TestStereo1	4.60 539	8.41 529	6.44 549	6.86 540	3.79 546	3.97 524	3.78 544	3.99 524	3.74 541	3.97 521	3.52 538	3.94 523	3.58 527	3.98 523	3.72 539	6.82 549	6.50 545	3.76 522	3.66 541	3.90 505	3.74 544

SA-5K	4.60 539	8.41 529	6.44 549	6.86 540	3.79 546	3.97 524	3.78 544	3.99 524	3.74 541	3.97 521	3.52 538	3.94 523	3.58 527	3.98 523	3.72 539	6.82 549	6.50 545	3.76 522	3.66 541	3.90 505	3.74 544

test_3	5.01 547	8.86 534	7.77 555	8.09 545	2.76 525	4.13 526	4.05 548	3.88 523	3.76 543	4.33 525	4.13 547	3.71 521	3.91 536	4.21 526	4.06 545	7.93 553	7.69 550	4.53 526	3.91 546	4.17 509	4.29 550

test_4	4.88 545	8.13 527	6.98 553	7.46 543	4.44 551	4.25 527	3.85 546	4.04 526	3.92 545	4.13 523	3.91 544	4.18 526	3.84 535	4.14 525	4.06 545	7.01 551	7.13 548	4.53 526	3.72 544	4.09 508	3.72 542

raft_robust	4.71 543	7.75 526	5.40 546	6.81 539	3.31 538	4.28 528	4.20 549	4.32 527	4.37 550	4.35 526	4.35 549	4.14 525	3.75 534	4.30 528	4.20 547	6.67 548	6.37 543	3.36 517	4.24 551	4.86 530	3.25 537

rvit_105_1	3.83 521	5.22 502	3.01 517	4.53 512	3.01 526	4.51 529	3.01 523	4.56 530	3.04 524	4.53 529	3.03 525	4.55 531	3.03 514	4.56 530	3.04 521	4.57 522	3.05 511	4.57 528	3.05 526	4.57 516	3.05 525

cross-raft	4.83 544	7.52 523	6.43 548	6.63 538	3.96 548	4.51 529	3.99 547	4.49 528	3.96 546	4.52 527	3.96 545	4.50 528	3.97 538	4.50 529	3.97 543	6.65 547	6.44 544	4.33 525	3.92 547	4.35 512	3.91 547

rvit_0105_6	3.87 525	5.73 516	3.10 527	4.69 522	3.12 536	4.54 531	3.02 524	4.56 530	3.04 524	4.54 531	3.03 525	4.54 529	3.04 517	4.56 530	3.05 523	4.58 525	3.05 511	4.58 530	3.05 526	4.58 517	3.05 525

rvit_0105_4	3.91 528	5.47 513	3.02 520	4.54 515	3.02 527	4.54 531	3.03 528	4.75 540	3.17 535	4.57 533	3.06 528	4.61 537	3.16 525	4.65 537	3.09 529	4.66 529	3.11 518	4.68 537	3.18 536	4.81 527	3.16 535

rvit_stereo_0081_aga	3.86 523	5.33 506	3.02 520	4.55 518	3.04 532	4.54 531	3.02 524	4.64 537	3.06 528	4.54 531	3.04 527	4.62 538	3.08 521	4.62 536	3.07 526	4.58 525	3.06 515	4.60 532	3.08 530	4.63 520	3.07 529

rvit_stereo_0082	3.86 523	5.82 517	3.01 517	4.53 512	3.03 528	4.54 531	3.02 524	4.56 530	3.04 524	4.53 529	3.02 523	4.55 531	3.04 517	4.57 533	3.05 523	4.57 522	3.05 511	4.58 530	3.05 526	4.58 517	3.06 528

rvit_stereo_0081	3.83 521	5.23 503	3.01 517	4.53 512	3.03 528	4.55 535	3.02 524	4.56 530	3.04 524	4.52 527	3.02 523	4.54 529	3.03 514	4.56 530	3.04 521	4.57 522	3.05 511	4.57 528	3.05 526	4.58 517	3.05 525

rvit_stereo_0080	3.89 526	5.70 514	3.04 522	4.54 515	3.03 528	4.56 536	3.05 530	4.60 534	3.07 529	4.58 534	3.06 528	4.59 533	3.06 519	4.61 534	3.08 527	4.63 527	3.09 516	4.64 534	3.10 531	4.65 521	3.10 530

whm_eth	3.89 526	5.70 514	3.04 522	4.54 515	3.03 528	4.56 536	3.05 530	4.60 534	3.07 529	4.58 534	3.06 528	4.59 533	3.06 519	4.61 534	3.08 527	4.63 527	3.09 516	4.64 534	3.10 531	4.65 521	3.10 530

rvit_0105_3	3.91 528	5.33 506	3.06 525	4.60 520	3.07 534	4.60 538	3.06 532	4.62 536	3.08 532	4.60 536	3.07 531	4.62 538	3.08 521	4.67 538	3.10 530	4.70 530	3.11 518	4.77 541	3.19 537	4.77 526	3.14 534

rvit_stereo_ft	3.93 531	5.44 511	3.05 524	4.59 519	3.06 533	4.61 539	3.08 533	4.67 539	3.12 534	4.63 538	3.10 533	4.65 540	3.11 523	4.69 540	3.13 531	4.70 530	3.14 520	4.71 539	3.15 535	4.74 524	3.16 535

rvit_stereo_0083	3.92 530	5.30 505	3.06 525	4.61 521	3.09 535	4.67 540	3.08 533	4.66 538	3.09 533	4.62 537	3.10 533	4.66 541	3.11 523	4.67 538	3.16 532	4.72 532	3.16 521	4.77 541	3.11 533	4.66 523	3.11 532

sAnonymous2	3.31 517	2.63 439	1.38 459	3.71 505	1.86 500	4.70 541	1.11 401	4.82 543	2.72 521	5.45 548	1.98 514	4.59 533	2.64 510	2.65 500	6.21 553	4.37 516	1.08 377	5.16 547	2.24 517	4.52 514	2.39 519

CroCo_RVC	3.31 517	2.63 439	1.38 459	3.71 505	1.86 500	4.70 541	1.11 401	4.82 543	2.72 521	5.45 548	1.98 514	4.59 533	2.64 510	2.65 500	6.21 553	4.37 516	1.08 377	5.16 547	2.24 517	4.52 514	2.39 519

rvit_0105_5	4.10 532	5.40 509	3.13 530	4.71 523	3.15 537	4.72 543	3.10 535	4.90 545	3.27 536	4.69 539	3.16 535	4.84 545	3.25 526	4.96 544	3.34 534	5.05 537	3.39 526	5.10 546	3.40 538	5.11 534	3.42 538

MLG-Stereo_test3	4.26 534	4.85 496	3.95 537	5.35 530	3.60 542	4.75 544	3.76 543	5.49 549	3.71 540	5.39 546	3.69 541	4.82 544	3.66 530	4.85 541	3.73 541	4.93 533	3.19 524	4.69 538	2.99 525	4.84 529	2.98 524

DispFullNet	4.61 541	4.84 495	3.12 528	5.00 527	3.57 541	4.75 544	3.03 528	7.75 556	4.17 548	4.91 543	3.09 532	6.20 552	3.95 537	6.71 552	3.51 535	5.30 540	3.67 528	5.86 553	3.63 540	5.61 538	3.46 539

TestStereo	4.88 545	4.75 494	4.79 540	4.87 526	4.92 553	4.81 546	4.90 552	4.78 541	4.77 551	4.87 542	4.89 551	4.90 546	4.91 544	4.99 545	4.79 549	4.98 535	4.87 536	4.87 544	4.92 553	5.00 533	5.00 551

MLG-Stereo_test1	4.25 533	5.34 508	3.61 533	5.31 529	3.63 543	5.23 547	3.57 540	5.38 548	3.65 538	5.23 545	3.47 537	4.76 542	3.74 533	4.85 541	3.71 538	4.96 534	3.18 523	4.71 539	2.92 523	4.86 530	2.90 523

test_5	4.62 542	7.55 524	6.23 547	6.32 537	3.40 540	5.29 548	3.50 539	3.53 519	4.11 547	4.28 524	4.47 550	4.26 527	4.38 542	3.68 520	3.24 533	5.89 543	5.60 539	4.84 543	3.50 539	4.33 511	3.93 548

MaDis-Stereo	3.19 516	6.02 519	1.12 379	5.61 533	1.16 417	5.43 549	1.02 398	5.15 547	0.70 362	5.43 547	1.21 458	5.03 548	0.97 382	4.85 541	0.99 393	4.53 520	1.16 389	5.53 549	1.25 463	5.37 537	1.30 468

MLG-Stereo_test2	4.28 535	5.46 512	3.69 535	4.86 525	3.72 545	5.58 550	3.42 538	4.81 542	3.77 544	4.85 541	3.72 542	5.55 550	3.63 529	5.58 548	3.53 536	4.41 519	3.28 525	4.99 545	2.95 524	4.75 525	3.13 533

test-1	6.46 552	9.16 536	8.03 558	8.09 545	5.62 556	6.11 551	6.35 555	6.85 553	4.94 552	6.08 551	6.29 557	4.98 547	6.43 549	6.22 549	6.36 555	6.16 546	7.47 549	5.82 551	5.44 556	7.11 546	5.68 554

SGM-Forest	5.21 551	5.92 518	4.08 538	6.18 536	4.16 550	6.31 552	4.34 550	6.50 551	4.33 549	6.14 552	4.21 548	6.61 555	4.55 543	6.67 551	4.48 548	5.94 544	3.94 530	5.85 552	4.03 549	5.79 540	4.17 549
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	5.10 549	5.15 500	4.49 539	5.07 528	3.37 539	6.87 553	4.75 551	5.04 546	6.34 555	7.84 556	5.06 552	6.72 556	4.09 540	4.99 545	5.44 552	5.03 536	3.16 521	4.67 536	4.86 552	5.15 535	3.89 546

RAFT	6.73 554	9.36 537	7.40 554	8.51 548	6.55 557	6.88 554	6.60 556	6.79 552	6.60 556	6.80 553	6.72 558	5.31 549	5.50 547	6.61 550	6.61 556	8.42 555	5.89 541	5.73 550	5.45 557	6.61 542	6.24 555

test-v	7.53 556	11.89 545	7.98 556	9.36 551	7.14 558	7.06 555	7.09 557	7.37 554	6.91 557	7.29 554	5.71 555	6.45 553	6.93 550	6.73 553	7.27 557	8.93 558	7.85 551	6.98 554	6.80 558	7.56 547	7.34 557

test-2	7.53 556	11.89 545	7.98 556	9.36 551	7.14 558	7.06 555	7.09 557	7.37 554	6.91 557	7.29 554	5.71 555	6.45 553	6.93 550	6.73 553	7.27 557	8.93 558	7.85 551	6.98 554	6.80 558	7.56 547	7.34 557

rvit_stereo_0075_2	6.64 553	8.80 533	5.25 543	7.89 544	5.27 555	7.90 557	5.27 553	7.92 557	5.28 553	7.91 557	5.29 554	7.93 557	5.27 545	7.92 557	5.28 550	7.93 553	5.28 538	7.93 556	5.29 555	7.93 549	5.28 553

U	5.15 550	8.49 531	1.81 481	8.49 547	1.77 494	8.49 558	1.77 491	8.51 558	1.77 495	8.49 558	1.77 493	8.50 558	1.78 485	8.58 558	1.77 497	8.54 556	1.78 485	8.55 558	1.78 504	8.55 552	1.84 502

SGM+DAISY	7.06 555	9.15 535	5.38 545	8.84 549	5.18 554	8.80 559	5.31 554	8.79 559	5.28 553	8.89 559	5.20 553	8.93 559	5.33 546	8.95 559	5.36 551	8.70 557	5.21 537	8.74 559	5.20 554	8.89 553	5.15 552

rafts_anoy	20.00 560	20.00 547	20.00 560	20.00 560	20.00 561	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 560

raft+_RVC	20.00 560	20.00 547	20.00 560	20.00 560	20.00 561	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 560

raftrobust	20.00 560	20.00 547	20.00 560	20.00 560	20.00 561	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 560

CasAABBNet	20.00 560	20.00 547	20.00 560	20.00 560	20.00 561	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 560

RALCasStereoNet	20.00 560	20.00 547	20.00 560	20.00 560	20.00 561	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 560

RALAANet	20.00 560	20.00 547	20.00 560	20.00 560	20.00 561	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 560	20.00 561	20.00 560	20.00 561	20.00 560	20.00 560

MANE	19.05 559	23.00 553	15.00 559	23.00 566	15.00 560	24.00 566	16.00 559	24.00 566	16.00 559	22.00 566	15.00 559	23.00 566	16.00 559	23.00 566	15.00 559	22.00 566	15.00 560	22.00 566	15.00 560	22.00 566	15.00 559

111	30.40 566	30.94 569	29.72 567	32.61 567	30.02 568	33.57 567	30.47 567	31.50 567	29.39 567	30.98 567	29.11 567	29.78 567	30.39 570	29.45 567	30.76 570	30.08 567	29.02 568	29.92 567	30.32 571	29.86 567	30.17 567

DCANet-4	35.22 568	34.54 570	35.08 573	33.58 571	35.47 575	34.55 568	35.53 574	36.08 573	35.85 571	35.92 573	35.77 573	35.18 573	35.48 572	35.39 573	37.15 576	34.55 573	33.92 572	35.02 574	34.90 573	35.79 571	34.74 574

fff	1000028.16 586	29.62 565	29.72 567	32.61 567	30.02 568	35.13 569	31.83 568	32.07 568	10000000.00 586	35.27 570	29.82 568	32.45 568	30.15 567	32.35 568	30.09 567	31.04 568	29.55 569	30.64 568	30.14 568	10000000.00 587	30.77 568

csc	1000028.16 586	29.62 565	29.72 567	32.61 567	30.02 568	35.13 569	31.83 568	32.07 568	10000000.00 586	35.27 570	29.82 568	32.45 568	30.15 567	32.35 568	30.09 567	31.04 568	29.55 569	30.64 568	30.14 568	10000000.00 587	30.77 568

cscssc	1000028.16 586	29.62 565	29.72 567	32.61 567	30.02 568	35.13 569	31.83 568	32.07 568	10000000.00 586	35.27 570	29.82 568	32.45 568	30.15 567	32.35 568	30.09 567	31.04 568	29.55 569	30.64 568	30.14 568	10000000.00 587	30.77 568

ADStereo(finetuned)	36.13 569	36.63 574	38.07 577	36.97 572	33.25 572	35.91 572	34.45 571	36.36 574	32.99 568	38.14 578	36.71 574	36.69 574	34.13 571	38.57 578	40.79 577	37.60 578	36.58 575	35.90 575	33.36 572	35.42 570	34.04 571

tt	500032.53 584	34.60 571	29.72 567	37.47 576	34.41 573	36.85 573	35.22 572	34.71 571	33.55 569	34.50 568	35.43 571	33.81 571	10000000.00 587	33.57 571	33.13 571	33.68 571	35.00 573	34.03 572	35.26 574	30.96 568	34.63 572

DCANet	500032.53 584	34.60 571	29.72 567	37.47 576	34.41 573	36.85 573	35.22 572	34.71 571	33.55 569	34.50 568	35.43 571	33.81 571	10000000.00 587	33.57 571	33.13 571	33.68 571	35.00 573	34.03 572	35.26 574	30.96 568	34.63 572

Reg-Stereo(zero)	37.00 570	37.00 575	37.00 574	37.00 573	37.00 576	37.00 575	37.00 575	37.00 575	37.00 572	37.00 574	37.00 575	37.00 575	37.00 573	37.00 574	37.00 573	37.00 575	37.00 576	37.00 576	37.00 576	37.00 572	37.00 575

HI	37.00 570	37.00 575	37.00 574	37.00 573	37.00 576	37.00 575	37.00 575	37.00 575	37.00 572	37.00 574	37.00 575	37.00 575	37.00 573	37.00 574	37.00 573	37.00 575	37.00 576	37.00 576	37.00 576	37.00 572	37.00 575

CoSv	37.00 570	37.00 575	37.00 574	37.00 573	37.00 576	37.00 575	37.00 575	37.00 575	37.00 572	37.00 574	37.00 575	37.00 575	37.00 573	37.00 574	37.00 573	37.00 575	37.00 576	37.00 576	37.00 576	37.00 572	37.00 575

WCMA_ROB	31.10 567	35.43 573	27.12 566	39.51 578	23.10 567	38.78 578	25.30 566	37.49 578	25.39 566	37.29 577	27.02 566	38.52 578	26.48 566	37.80 577	26.44 566	36.28 574	22.65 567	33.90 571	22.30 567	37.10 575	24.18 566

MDST_ROB	69.83 573	87.70 579	41.95 578	113.75 581	65.62 581	75.05 579	55.25 579	75.64 580	45.04 575	71.61 579	41.75 578	72.81 579	44.06 576	68.38 579	44.63 578	101.89 581	59.57 581	107.10 581	61.05 581	104.38 578	59.38 580

CBMV	128.50 575	1422.70 590	53.10 579	79.50 580	51.30 580	77.30 580	49.70 578	74.00 579	48.20 576	77.20 580	48.80 579	73.90 580	48.00 577	73.80 580	48.80 579	70.40 580	45.10 580	68.90 580	46.10 580	68.20 577	45.00 579
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 576	171.00 584	160.68 584	162.58 582	160.59 582	164.01 581	160.35 581	158.51 582	158.56 578	158.34 581	160.12 581	158.56 581	159.92 579	157.26 582	158.94 581	154.38 582	158.36 582	155.75 582	159.13 583	153.67 579	154.07 581
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
NOSS_ROB	102.95 574	153.00 583	121.00 581	51.00 579	44.00 579	165.00 582	127.00 580	153.00 581	119.00 577	164.00 582	125.00 580	168.00 582	120.00 578	153.00 581	117.00 580	49.00 579	44.00 579	49.00 579	44.00 579	49.00 576	44.00 578

AE-Stereo	201.80 577	123.00 580	115.00 580	219.00 583	218.00 584	223.00 583	244.00 583	217.00 583	236.00 580	202.00 583	203.00 582	205.00 583	208.00 580	225.00 583	204.00 582	210.00 583	198.00 583	197.00 583	184.00 584	204.00 580	201.00 582

MGS-Stereo	239.45 578	123.00 580	135.00 582	266.00 584	286.00 585	277.00 584	305.00 584	271.00 584	242.00 581	274.00 584	279.00 584	255.00 584	270.00 582	268.00 584	297.00 584	221.00 584	247.00 585	216.00 584	123.00 582	217.00 581	217.00 584

EGLCR-Stereo	246.90 579	129.00 582	139.00 583	266.00 584	286.00 585	277.00 584	305.00 584	271.00 584	242.00 581	274.00 584	279.00 584	255.00 584	270.00 582	268.00 584	297.00 584	230.00 585	247.00 585	216.00 584	223.00 586	237.00 582	227.00 585

DLCB_ROB	284.23 580	354.61 586	207.27 585	363.24 586	206.46 583	364.72 586	210.41 582	364.72 586	210.41 579	364.81 586	208.64 583	364.81 586	208.64 581	364.72 586	210.41 583	354.70 586	205.53 584	354.70 586	205.53 585	354.70 583	205.53 583

LE_ROB	396.57 581	471.28 587	329.84 586	471.48 587	308.15 587	526.83 587	322.10 586	488.15 587	323.76 583	495.46 587	317.97 586	497.17 587	320.10 584	481.62 587	326.76 586	462.71 587	298.97 587	466.16 587	285.98 587	447.62 584	289.21 586

SGM-ForestM	596.69 582	677.77 588	444.52 587	699.85 588	517.25 588	732.94 588	488.29 587	770.79 588	460.11 584	750.81 588	487.98 587	792.79 588	499.41 585	730.90 588	475.81 587	720.03 588	491.16 588	663.96 588	418.60 588	674.76 585	436.05 587

CBMV_ROB	818.48 583	913.88 589	709.52 588	862.84 589	597.78 589	1073.99 589	700.52 588	1015.66 589	702.59 585	1115.65 589	760.02 588	1130.24 589	721.57 586	1037.41 589	692.65 588	814.05 589	564.29 589	843.28 589	595.31 589	915.51 586	602.92 588

111111	10000000.00 589	10000000.00 591	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

SGD-Stereo	10000000.00 589	10000000.00 591	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

IGEV-Stereo++	10000000.00 589	10000000.00 591	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

IGEV-BASED-STEREO-	10000000.00 589	10000000.00 591	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

IGEV-Stereo+	10000000.00 589	10000000.00 591	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

SDNR	10000000.00 589	10000000.00 591	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

anonymousdsp2	10000000.00 589	10000000.00 591	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

anonymousdsp	10000000.00 589	10000000.00 591	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

test_example2	10000000.00 589	10000000.00 591	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589

DIP-Stereo	10000000.00 589	10000000.00 591	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 586	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 587	10000000.00 590	10000000.00 589	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 590	10000000.00 587	10000000.00 589
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ASD4		0.20 100

Low-res two-view benchmark