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-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

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-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

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

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-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

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_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

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

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

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

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

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

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

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

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

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

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_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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ELAS	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
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

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

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

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
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
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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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

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

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

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

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

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

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-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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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.
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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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
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

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

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

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
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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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.
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	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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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_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

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

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

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_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

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_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

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_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_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_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_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_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

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_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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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