Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

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

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

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

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

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

Wz-Net-TNSev	0.02 14	0.05 48	0.04 41	0.07 46	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 53	0.04 43	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 28	0.09 62	0.07 56	0.09 52	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 64	0.07 55	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 42	0.24 115	0.20 153	0.23 136	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 162	0.21 163	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 42	0.54 197	0.10 67	0.12 78	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 89	0.11 92	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 39	0.50 184	0.10 67	0.12 78	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 89	0.10 71	0.01 9	0.01 9	0.01 9	0.01 9

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

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

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

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

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

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

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

CoDeX	0.15 115	0.70 210	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 328	0.02 14	0.69 309	0.75 332	0.01 9	0.02 19	0.02 19

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

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

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

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

Wz-Net-LNSev-Ref	0.11 81	0.44 163	0.33 202	0.39 185	0.02 20	0.03 39	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 229	0.36 222	0.02 18	0.02 20	0.02 19	0.02 19

BSDual-CNN	0.81 312	1.91 361	0.92 336	4.48 456	0.02 20	0.42 256	0.06 97	0.41 231	0.02 20	0.48 267	0.03 50	0.02 19	0.02 21	0.03 38	0.02 19	1.97 435	4.19 476	0.33 201	0.23 183	0.34 191	0.27 192

psmg	0.43 228	1.91 361	0.92 336	1.91 413	0.02 20	0.02 18	0.03 48	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 38	0.02 19	1.97 435	1.44 425	0.04 69	0.03 52	0.02 19	0.03 49

CSP-Net	0.34 179	1.29 335	1.19 360	1.36 395	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 404	1.21 411	0.03 37	0.09 102	0.02 19	0.09 100

SFCPSM	0.17 126	0.78 214	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 346	0.02 14	0.75 319	0.76 334	0.02 20	0.02 19	0.02 19

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

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

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

ADCMid	0.08 48	0.02 12	0.02 13	1.01 318	0.03 46	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 67	0.09 97	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 49	0.02 12	0.04 41	0.90 296	0.06 99	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 119	0.36 248	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 81	0.02 12	0.02 13	1.62 406	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.02 21	0.06 80	0.04 70	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 49

RYNet	0.02 14	0.02 12	0.02 13	0.03 28	0.03 46	0.03 39	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.03 50	0.03 38	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

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

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

G2L-Stereo_aug	0.03 28	0.04 36	0.03 33	0.03 28	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.03 33	0.02 14	0.03 37	0.02 20	0.03 42	0.02 19

coex_refinement	0.03 28	0.03 30	0.02 13	0.03 28	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.03 33	0.02 14	0.03 37	0.02 20	0.03 42	0.02 19

G2L-Stereo	0.03 28	0.03 30	0.02 13	0.03 28	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.03 33	0.02 14	0.03 37	0.02 20	0.03 42	0.02 19

TCMNet	0.03 28	0.04 36	0.03 33	0.03 28	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

TCMNet-wrong-test	0.03 28	0.04 36	0.03 33	0.03 28	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.02 19	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

YMNet	0.03 28	0.04 36	0.03 33	0.03 28	0.03 46	0.03 39	0.02 19	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.02 19	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

YMNet_1	0.03 28	0.04 36	0.03 33	0.03 28	0.03 46	0.03 39	0.02 19	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.02 19	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

DualNet (step1)	0.10 60	1.05 265	0.12 98	0.12 78	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.02 19	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 106	0.03 37	0.03 52	0.03 42	0.03 49

test_sample9	0.10 60	1.05 265	0.12 98	0.12 78	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.02 19	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 106	0.03 37	0.03 52	0.03 42	0.03 49

test_sample8	0.10 60	1.05 265	0.12 98	0.12 78	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 106	0.03 37	0.03 52	0.03 42	0.03 49

test_sample7	0.09 49	1.00 249	0.11 87	0.11 72	0.02 20	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 106	0.03 37	0.03 52	0.03 42	0.03 49

test_sample6	0.09 49	0.97 245	0.10 67	0.10 55	0.03 46	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.03 50	0.03 41	0.02 21	0.03 38	0.02 19	0.10 69	0.10 71	0.03 37	0.02 20	0.03 42	0.02 19

test_sample5	0.10 60	1.07 268	0.11 87	0.10 55	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.10 69	0.10 71	0.03 37	0.03 52	0.04 72	0.03 49

test_sample4	0.10 60	1.03 261	0.12 98	0.10 55	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.13 105	0.13 130	0.03 37	0.03 52	0.03 42	0.03 49

test_sample3	0.09 49	0.87 225	0.10 67	0.12 78	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.10 71	0.03 37	0.02 20	0.03 42	0.02 19

test_sample2	0.09 49	1.03 261	0.11 87	0.11 72	0.03 46	0.03 39	0.03 48	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.09 64	0.09 66	0.03 37	0.02 20	0.03 42	0.02 19

test_sample1	0.09 49	0.87 225	0.12 98	0.11 72	0.03 46	0.03 39	0.03 48	0.03 41	0.02 20	0.04 69	0.02 19	0.03 41	0.03 50	0.03 38	0.03 46	0.10 69	0.10 71	0.03 37	0.02 20	0.03 42	0.02 19

SMFormer	0.09 49	1.01 255	0.09 63	0.09 52	0.03 46	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.09 64	0.09 66	0.03 37	0.02 20	0.03 42	0.02 19

tta	0.09 49	0.95 242	0.09 63	0.10 55	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.09 64	0.10 71	0.03 37	0.02 20	0.03 42	0.02 19

mmm	0.14 105	1.83 354	0.12 98	0.11 72	0.03 46	0.03 39	0.03 48	0.03 41	0.04 76	0.03 39	0.03 50	0.03 41	0.03 50	0.06 80	0.04 70	0.12 89	0.11 92	0.05 79	0.04 73	0.05 84	0.04 74

DualNet	0.10 60	1.07 268	0.11 87	0.10 55	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.10 69	0.10 71	0.03 37	0.03 52	0.04 72	0.03 49

ttt	0.10 60	1.09 270	0.12 98	0.12 78	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 106	0.03 37	0.02 20	0.03 42	0.02 19

1111x	0.10 60	1.14 275	0.13 117	0.14 95	0.03 46	0.04 72	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.13 105	0.11 92	0.03 37	0.02 20	0.03 42	0.02 19

xxx	0.09 49	1.01 255	0.10 67	0.10 55	0.03 46	0.03 39	0.03 48	0.03 41	0.02 20	0.03 39	0.03 50	0.03 41	0.02 21	0.03 38	0.02 19	0.10 69	0.10 71	0.03 37	0.02 20	0.03 42	0.03 49

x	0.11 81	1.15 277	0.15 137	0.14 95	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.14 112	0.15 136	0.03 37	0.03 52	0.03 42	0.03 49

222	0.10 60	0.99 248	0.12 98	0.13 91	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 106	0.03 37	0.02 20	0.04 72	0.03 49

xxxx	0.11 81	1.16 278	0.16 138	0.12 78	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.13 105	0.16 138	0.03 37	0.04 73	0.04 72	0.04 74

test_xeample	0.10 60	1.09 270	0.13 117	0.12 78	0.03 46	0.03 39	0.03 48	0.04 72	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.14 112	0.14 133	0.03 37	0.03 52	0.03 42	0.03 49

Syn2CoEx	0.25 147	1.31 337	0.74 316	0.92 301	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 41	0.02 21	0.02 19	0.02 19	0.87 328	0.75 319	0.02 18	0.02 20	0.02 19	0.02 19

BEATNet_4x	0.11 81	0.03 30	0.03 33	1.60 403	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.05 75	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

ADCL	0.11 81	0.03 30	0.03 33	1.60 403	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.05 75	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

qqq1	0.25 147	3.70 421	0.14 122	0.14 95	0.04 75	0.06 84	0.05 85	0.06 86	0.05 90	0.06 88	0.05 92	0.04 72	0.05 86	0.06 80	0.05 81	0.13 105	0.12 106	0.06 86	0.05 88	0.03 42	0.04 74

fff1	0.25 147	3.70 421	0.14 122	0.14 95	0.04 75	0.06 84	0.05 85	0.06 86	0.05 90	0.06 88	0.05 92	0.04 72	0.05 86	0.06 80	0.05 81	0.13 105	0.12 106	0.06 86	0.05 88	0.03 42	0.04 74

EDNetEfficient	0.04 36	0.05 48	0.04 41	0.04 36	0.03 46	0.04 72	0.03 48	0.04 72	0.03 53	0.04 69	0.03 50	0.04 72	0.03 50	0.04 67	0.03 46	0.05 49	0.03 34	0.05 79	0.03 52	0.04 72	0.03 49

FADNet-RVC-Resample	0.12 90	0.04 36	0.04 41	0.04 36	0.04 75	0.04 72	0.04 75	0.04 72	0.04 76	0.04 69	0.04 83	0.04 72	0.04 79	0.04 67	1.57 443	0.04 42	0.04 43	0.04 69	0.05 88	0.04 72	0.06 94

FADNet_RVC	0.12 90	0.04 36	0.04 41	0.05 42	0.04 75	0.04 72	0.04 75	0.04 72	0.04 76	0.04 69	0.04 83	0.04 72	0.05 86	0.04 67	1.65 447	0.05 49	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74

FADNet-RVC	0.13 96	0.04 36	0.04 41	0.04 36	0.04 75	0.04 72	0.05 85	0.04 72	0.04 76	0.04 69	0.05 92	0.04 72	0.05 86	0.04 67	1.71 450	0.04 42	0.04 43	0.04 69	0.04 73	0.07 96	0.04 74

FADNet	0.12 90	0.05 48	0.04 41	0.04 36	0.04 75	0.04 72	0.04 75	0.04 72	0.04 76	0.04 69	0.04 83	0.04 72	0.05 86	0.04 67	1.66 448	0.06 53	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74

ADCRef	0.12 90	0.03 30	0.04 41	1.71 409	0.04 75	0.03 39	0.03 48	0.04 72	0.04 76	0.04 69	0.03 50	0.04 72	0.03 50	0.06 80	0.04 70	0.04 42	0.04 43	0.04 69	0.04 73	0.03 42	0.04 74

AnyNet_C32	0.14 105	0.04 36	0.03 33	2.22 424	0.04 75	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.04 72	0.02 21	0.07 94	0.04 70	0.02 14	0.02 14	0.03 37	0.03 52	0.02 19	0.03 49

ADCP+	0.15 115	0.04 36	0.04 41	2.20 423	0.04 75	0.04 72	0.04 75	0.04 72	0.04 76	0.04 69	0.05 92	0.04 72	0.04 79	0.08 97	0.04 70	0.04 42	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74

ADCPNet	0.10 60	0.03 30	0.04 41	1.27 389	0.03 46	0.04 72	0.03 48	0.03 41	0.03 53	0.04 69	0.03 50	0.04 72	0.03 50	0.08 97	0.04 70	0.04 42	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

NVStereoNet_ROB	0.04 36	0.04 36	0.04 41	0.04 36	0.04 75	0.04 72	0.04 75	0.04 72	0.04 76	0.04 69	0.04 83	0.04 72	0.04 79	0.04 67	0.04 70	0.04 42	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
AASNet	0.06 42	0.08 56	0.08 58	0.08 48	0.05 91	0.06 84	0.05 85	0.05 82	0.06 98	0.06 88	0.06 98	0.05 84	0.06 98	0.06 80	0.05 81	0.08 58	0.08 57	0.08 93	0.05 88	0.06 88	0.05 89

SACVNet	0.06 42	0.08 56	0.08 58	0.08 48	0.05 91	0.06 84	0.05 85	0.05 82	0.06 98	0.06 88	0.06 98	0.05 84	0.06 98	0.06 80	0.05 81	0.08 58	0.08 57	0.08 93	0.05 88	0.06 88	0.05 89

AACVNet	0.06 42	0.08 56	0.08 58	0.08 48	0.05 91	0.06 84	0.05 85	0.05 82	0.06 98	0.06 88	0.06 98	0.05 84	0.06 98	0.06 80	0.05 81	0.08 58	0.08 57	0.08 93	0.05 88	0.06 88	0.05 89

APVNet	0.09 49	0.05 48	0.04 41	0.05 42	0.04 75	0.05 82	0.90 354	0.06 86	0.04 76	0.05 84	0.04 83	0.05 84	0.04 79	0.05 75	0.04 70	0.05 49	0.04 43	0.05 79	0.04 73	0.05 84	0.05 89

EDNetEfficientorigin	0.04 36	0.06 53	0.04 41	0.05 42	0.04 75	0.05 82	0.04 75	0.05 82	0.04 76	0.05 84	0.04 83	0.05 84	0.04 79	0.05 75	0.04 70	0.05 49	0.03 34	0.06 86	0.03 52	0.04 72	0.03 49

DFGA-Net	0.05 39	0.06 53	0.04 41	0.06 45	0.04 75	0.06 84	0.04 75	0.06 86	0.04 76	0.06 88	0.04 83	0.06 89	0.04 79	0.06 80	0.04 70	0.06 53	0.04 43	0.05 79	0.04 73	0.05 84	0.04 74

11t1	0.17 126	2.16 378	0.13 117	0.13 91	0.04 75	0.06 84	0.04 75	0.06 86	0.04 76	0.06 88	0.03 50	0.06 89	0.03 50	0.06 80	0.05 81	0.18 141	0.12 106	0.06 86	0.03 52	0.05 84	0.03 49

ffm	0.25 147	3.83 427	0.12 98	0.12 78	0.05 91	0.06 84	0.05 85	0.06 86	0.05 90	0.03 39	0.03 50	0.06 89	0.05 86	0.06 80	0.05 81	0.12 89	0.12 106	0.05 79	0.04 73	0.06 88	0.04 74

ff1	0.25 147	3.83 427	0.12 98	0.12 78	0.05 91	0.06 84	0.05 85	0.06 86	0.05 90	0.03 39	0.03 50	0.06 89	0.05 86	0.06 80	0.05 81	0.12 89	0.12 106	0.05 79	0.04 73	0.06 88	0.04 74

mmx	0.25 147	3.83 427	0.12 98	0.12 78	0.05 91	0.06 84	0.05 85	0.06 86	0.05 90	0.03 39	0.03 50	0.06 89	0.05 86	0.06 80	0.05 81	0.12 89	0.12 106	0.05 79	0.04 73	0.06 88	0.04 74

GASNet	0.05 39	0.04 36	0.12 98	0.04 36	0.04 75	0.04 72	0.05 85	0.04 72	0.04 76	0.12 114	0.04 83	0.06 89	0.04 79	0.04 67	0.04 70	0.04 42	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74

qqq	0.16 123	2.01 369	0.12 98	0.15 104	0.04 75	0.06 84	0.05 85	0.06 86	0.04 76	0.06 88	0.03 50	0.06 89	0.03 50	0.06 80	0.03 46	0.12 89	0.14 133	0.04 69	0.04 73	0.03 42	0.03 49

FINET	0.07 47	0.08 56	0.07 56	0.07 46	0.07 100	0.08 95	0.06 97	0.08 99	0.07 101	0.08 96	0.07 101	0.08 96	0.06 98	0.07 94	0.07 92	0.08 58	0.07 55	0.07 91	0.07 96	0.06 88	0.06 94

GwcNet	0.12 90	0.07 55	0.05 55	0.08 48	0.05 91	0.08 95	1.20 382	0.07 96	0.05 90	0.05 84	0.05 92	0.08 96	0.05 86	0.08 97	0.03 46	0.07 56	0.05 54	0.06 86	0.05 88	0.07 96	0.05 89

BEATNet-Init1	0.19 129	0.08 56	0.08 58	2.23 425	0.08 102	0.08 95	0.07 100	0.07 96	0.08 103	0.08 96	0.07 101	0.08 96	0.07 102	0.11 113	0.08 94	0.08 58	0.08 57	0.08 93	0.07 96	0.08 98	0.08 97

DeepPrunerF	0.19 129	0.08 56	0.08 58	2.23 425	0.08 102	0.08 95	0.07 100	0.07 96	0.08 103	0.08 96	0.07 101	0.08 96	0.07 102	0.11 113	0.08 94	0.08 58	0.08 57	0.08 93	0.07 96	0.08 98	0.08 97

SepStereo	0.09 49	0.09 62	0.10 67	0.09 52	0.09 104	0.09 99	0.09 102	0.10 101	0.08 103	0.10 100	0.09 104	0.09 100	0.09 105	0.09 100	0.08 94	0.09 64	0.08 57	0.09 98	0.08 100	0.09 101	0.08 97

SuperB	0.21 137	0.10 64	2.51 461	0.12 78	0.09 104	0.10 100	0.09 102	0.08 99	0.07 101	0.10 100	0.09 104	0.09 100	0.07 102	0.07 94	0.07 92	0.07 56	0.08 57	0.07 91	0.07 96	0.08 98	0.07 96

AnonymousM	0.10 60	0.10 64	0.10 67	0.10 55	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 102	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

PVD	0.10 60	0.10 64	0.10 67	0.10 55	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 102	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

SHD	0.10 60	0.10 64	0.10 67	0.10 55	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 102	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

SAMSARA	0.10 60	0.10 64	0.10 67	0.10 55	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 102	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

XQC	0.10 60	0.10 64	0.10 67	0.10 55	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 102	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

RTSC	0.10 60	0.10 64	0.10 67	0.10 55	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 102	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

RTS	0.10 60	0.10 64	0.10 67	0.10 55	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 102	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

RTSA	0.10 60	0.10 64	0.10 67	0.10 55	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 102	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

MADNet+	0.10 60	0.10 64	0.10 67	0.10 55	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 102	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

MADNet++	0.10 60	0.10 64	0.10 67	0.10 55	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 102	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

JetRed	0.11 81	0.12 77	0.11 87	0.11 72	0.11 125	0.11 111	0.14 140	0.11 113	0.11 122	0.12 114	0.11 122	0.11 112	0.11 121	0.11 113	0.11 115	0.11 84	0.16 138	0.11 110	0.11 121	0.11 112	0.11 117

JetBlue	0.11 81	0.11 75	0.12 98	0.13 91	0.14 145	0.11 111	0.11 120	0.11 113	0.11 122	0.11 112	0.11 122	0.11 112	0.11 121	0.12 117	0.12 129	0.11 84	0.11 92	0.11 110	0.11 121	0.11 112	0.11 117

aanetorigin	0.13 96	0.11 75	0.11 87	0.11 72	0.11 125	0.11 111	0.11 120	0.11 113	0.11 122	0.11 112	0.12 132	0.11 112	0.11 121	0.11 113	0.11 115	0.11 84	0.11 92	0.14 118	0.11 121	0.49 268	0.11 117

PASM	0.39 208	3.06 407	1.36 423	1.58 401	0.09 104	0.11 111	0.11 120	0.11 113	0.11 122	0.09 99	0.09 104	0.11 112	0.09 105	0.09 100	0.09 97	0.11 84	0.11 92	0.11 110	0.09 102	0.11 112	0.11 117

ISRNet	0.11 81	0.05 48	0.36 219	0.24 141	0.07 100	0.13 115	0.05 85	0.06 86	0.05 90	0.05 84	0.05 92	0.13 116	0.05 86	0.05 75	0.09 97	0.24 167	0.20 160	0.10 99	0.05 88	0.06 88	0.13 138

S2M2	0.12 90	0.14 82	0.10 67	0.15 104	0.10 110	0.14 116	0.10 107	0.14 117	0.10 107	0.15 122	0.10 108	0.14 117	0.10 109	0.14 119	0.10 103	0.13 105	0.10 71	0.13 116	0.09 102	0.13 118	0.09 100

IPLG	0.13 96	0.20 97	0.14 122	0.15 104	0.11 125	0.14 116	0.11 120	0.14 117	0.11 122	0.14 116	0.11 122	0.14 117	0.11 121	0.14 119	0.11 115	0.15 121	0.12 106	0.14 118	0.11 121	0.14 120	0.11 117

IPLGR_C	0.14 105	0.20 97	0.12 98	0.15 104	0.11 125	0.14 116	0.15 145	0.14 117	0.11 122	0.15 122	0.12 132	0.14 117	0.11 121	0.16 129	0.11 115	0.15 121	0.12 106	0.14 118	0.12 137	0.15 130	0.12 132

MIPNet	0.14 105	0.21 103	0.17 142	0.16 113	0.11 125	0.15 123	0.12 135	0.14 117	0.11 122	0.16 127	0.11 122	0.14 117	0.11 121	0.14 119	0.11 115	0.14 112	0.12 106	0.14 118	0.11 121	0.14 120	0.11 117

IPLGR	0.14 105	0.24 115	0.14 122	0.16 113	0.12 140	0.15 123	0.12 135	0.14 117	0.11 122	0.15 122	0.12 132	0.14 117	0.11 121	0.14 119	0.11 115	0.15 121	0.12 106	0.14 118	0.11 121	0.14 120	0.11 117

ACRE	0.13 96	0.21 103	0.14 122	0.15 104	0.11 125	0.14 116	0.11 120	0.14 117	0.11 122	0.14 116	0.12 132	0.14 117	0.11 121	0.14 119	0.11 115	0.15 121	0.12 106	0.14 118	0.11 121	0.14 120	0.11 117

GMStereo	0.14 105	0.13 78	0.14 122	0.14 95	0.14 145	0.14 116	0.14 140	0.14 117	0.14 145	0.14 116	0.14 149	0.14 117	0.14 146	0.14 119	0.14 139	0.14 112	0.14 133	0.14 118	0.14 148	0.14 120	0.14 143
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 160	0.90 232	0.10 67	0.14 95	0.10 110	0.14 116	0.10 107	0.91 334	0.69 334	0.14 116	0.11 122	0.14 117	0.11 121	0.14 119	0.10 103	0.12 89	0.09 66	0.12 113	0.09 102	0.88 322	0.76 341

DRN-Test	0.14 105	0.13 78	0.09 63	0.14 95	0.09 104	0.15 123	0.09 102	0.14 117	0.10 107	0.14 116	0.09 104	0.14 117	0.09 105	0.13 118	0.09 97	0.12 89	0.09 66	0.12 113	0.09 102	0.12 116	0.73 336

StereoDRNet	0.15 115	0.14 82	0.10 67	0.14 95	0.09 104	0.15 123	0.09 102	0.14 117	0.09 106	0.14 116	0.10 108	0.14 117	0.09 105	0.14 119	0.09 97	0.13 105	0.10 71	0.13 116	0.09 102	0.13 118	0.82 347

CIPLG	0.13 96	0.21 103	0.12 98	0.16 113	0.11 125	0.15 123	0.11 120	0.14 117	0.11 122	0.15 122	0.12 132	0.15 127	0.11 121	0.14 119	0.11 115	0.15 121	0.12 106	0.14 118	0.11 121	0.14 120	0.11 117

castereo++	0.54 261	3.59 418	1.15 354	1.31 391	0.14 145	0.16 130	0.14 140	0.16 130	0.14 145	0.16 127	0.14 149	0.16 128	0.13 142	0.16 129	0.14 139	1.45 416	1.16 360	0.15 131	0.14 148	0.15 130	0.13 138

DDVS	0.30 161	3.10 408	0.14 122	0.19 123	0.14 145	0.19 142	0.14 140	0.20 145	0.14 145	0.19 139	0.13 144	0.16 128	0.13 142	0.19 141	0.13 135	0.17 133	0.13 130	0.17 139	0.13 145	0.17 137	0.13 138

test_for_model	0.15 115	0.23 108	0.18 147	0.21 133	0.11 125	0.16 130	0.11 120	0.16 130	0.11 122	0.16 127	0.11 122	0.16 128	0.11 121	0.16 129	0.11 115	0.21 148	0.18 157	0.14 118	0.11 121	0.14 120	0.11 117

testlalala2	0.13 96	0.16 84	0.11 87	0.15 104	0.11 125	0.16 130	0.11 120	0.16 130	0.11 122	0.16 127	0.11 122	0.16 128	0.11 121	0.16 129	0.11 115	0.14 112	0.11 92	0.14 118	0.11 121	0.14 120	0.11 117

GMStereo_Zeroshot	0.16 123	0.16 84	0.16 138	0.16 113	0.16 162	0.16 130	0.16 148	0.16 130	0.16 157	0.16 127	0.16 158	0.16 128	0.16 156	0.16 129	0.16 155	0.16 128	0.16 138	0.16 134	0.16 153	0.16 134	0.16 144

testlalala_base	0.13 96	0.16 84	0.11 87	0.15 104	0.11 125	0.15 123	0.11 120	0.16 130	0.11 122	0.16 127	0.11 122	0.16 128	0.11 121	0.16 129	0.11 115	0.14 112	0.11 92	0.14 118	0.11 121	0.14 120	0.11 117

ICVP	0.15 115	0.53 194	0.11 87	0.16 113	0.11 125	0.16 130	0.11 120	0.16 130	0.11 122	0.16 127	0.11 122	0.16 128	0.11 121	0.16 129	0.11 115	0.16 128	0.11 92	0.16 134	0.11 121	0.16 134	0.11 117
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
PDISCO_ROB	0.83 319	2.80 404	3.49 478	0.14 95	0.11 125	0.17 136	0.09 102	0.15 129	0.10 107	0.15 122	0.12 132	0.16 128	0.14 146	3.30 463	0.13 135	0.14 112	2.34 454	0.16 134	0.12 137	2.62 444	0.10 105

ProNet	0.14 105	0.20 97	0.14 122	0.16 113	0.11 125	0.16 130	0.11 120	0.17 136	0.11 122	0.17 134	0.12 132	0.17 136	0.13 142	0.17 136	0.12 129	0.15 121	0.11 92	0.16 134	0.11 121	0.15 130	0.12 132

ac_64	0.22 140	0.13 78	0.19 150	0.23 136	0.10 110	0.26 177	1.02 369	0.14 117	0.10 107	0.28 178	0.14 149	0.17 136	0.19 170	0.28 187	0.09 97	0.22 151	0.16 138	0.23 165	0.17 169	0.11 112	0.12 132

HSM	0.14 105	0.16 84	0.12 98	0.17 119	0.12 140	0.17 136	0.11 120	0.17 136	0.11 122	0.17 134	0.12 132	0.17 136	0.12 137	0.17 136	0.12 129	0.16 128	0.11 92	0.16 134	0.11 121	0.16 134	0.12 132

ITSA-stereo	0.15 115	0.17 90	0.13 117	0.20 125	0.13 143	0.19 142	0.13 138	0.18 138	0.13 143	0.19 139	0.13 144	0.18 139	0.14 146	0.18 138	0.14 139	0.16 128	0.11 92	0.15 131	0.14 148	0.18 141	0.11 117

cf-r	0.66 279	2.17 379	0.12 98	0.18 120	0.12 140	0.18 139	2.70 467	2.60 452	0.12 140	0.18 137	0.12 132	0.18 139	0.12 137	0.18 138	0.12 129	0.15 121	0.11 92	0.15 131	0.11 121	1.81 421	1.74 454

ELAS_RVC	0.14 105	0.16 84	0.10 67	0.15 104	0.10 110	0.18 139	0.11 120	0.19 140	0.11 122	0.19 139	0.12 132	0.18 139	0.11 121	0.19 141	0.12 129	0.14 112	0.08 57	0.14 118	0.09 102	0.15 130	0.09 100
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 96	0.16 84	0.11 87	0.15 104	0.09 104	0.18 139	0.11 120	0.18 138	0.11 122	0.17 134	0.11 122	0.18 139	0.11 121	0.18 138	0.11 115	0.14 112	0.08 57	0.14 118	0.08 100	0.14 120	0.09 100
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CAS++	0.17 126	0.27 119	0.21 156	0.10 55	0.21 182	0.15 123	0.22 173	0.10 101	0.21 172	0.22 155	0.10 108	0.19 143	0.18 165	0.10 102	0.19 168	0.20 144	0.19 158	0.18 148	0.10 109	0.19 147	0.18 158
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DeepPruner_ROB	0.16 123	0.18 92	0.13 117	0.19 123	0.13 143	0.19 142	0.13 138	0.19 140	0.13 143	0.19 139	0.13 144	0.19 143	0.13 142	0.19 141	0.13 135	0.18 141	0.13 130	0.18 148	0.13 145	0.18 141	0.13 138

DAS	0.20 131	0.20 97	0.20 153	0.20 125	0.20 176	0.20 147	0.20 163	0.20 145	0.20 170	0.20 144	0.20 176	0.20 145	0.20 174	0.20 145	0.20 171	0.20 144	0.20 160	0.20 152	0.20 174	0.20 148	0.20 161

LRCNet_RVC	0.13 96	0.13 78	0.09 63	0.13 91	0.10 110	0.14 116	0.10 107	0.14 117	0.10 107	0.23 159	0.10 108	0.20 145	0.10 109	0.24 167	0.11 115	0.11 84	0.09 66	0.12 113	0.14 148	0.12 116	0.09 100

hitnet-ft	0.79 305	2.78 403	0.14 122	0.20 125	0.14 145	0.21 154	2.89 468	2.80 457	0.14 145	0.20 144	0.14 149	0.20 145	0.14 146	0.20 145	0.14 139	0.17 133	0.12 106	0.17 139	0.12 137	2.54 443	2.33 464

GwcNet-RSSM	0.77 301	2.77 402	0.14 122	0.20 125	0.14 145	0.20 147	2.67 466	2.78 455	0.14 145	0.20 144	0.14 149	0.20 145	0.14 146	0.21 155	0.14 139	0.17 133	0.12 106	0.17 139	0.12 137	2.52 441	2.31 462

CFNet-ft	0.55 265	1.57 344	0.14 122	0.20 125	0.14 145	0.20 147	2.53 464	1.61 425	0.14 145	0.20 144	0.14 149	0.20 145	0.14 146	0.20 145	0.14 139	0.17 133	0.12 106	0.17 139	0.12 137	1.56 416	1.24 430

LALA_ROB	0.15 115	0.19 93	0.12 98	0.18 120	0.11 125	0.20 147	0.12 135	0.21 151	0.12 140	0.20 144	0.12 132	0.20 145	0.12 137	0.21 155	0.13 135	0.17 133	0.10 71	0.18 148	0.11 121	0.18 141	0.11 117

SGM_RVC	0.15 115	0.17 90	0.11 87	0.18 120	0.11 125	0.19 142	0.11 120	0.19 140	0.12 140	0.19 139	0.12 132	0.20 145	0.12 137	0.19 141	0.12 129	0.16 128	0.11 92	0.17 139	0.10 109	0.17 137	0.10 105
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
castereo	0.61 272	3.79 426	1.35 418	1.52 400	0.15 156	0.17 136	0.16 148	0.20 145	0.21 172	0.18 137	0.16 158	0.21 152	0.12 137	0.26 182	0.17 156	1.43 415	1.38 422	0.17 139	0.16 153	0.18 141	0.16 144

IGEV_Zeroshot_test	0.20 131	0.19 93	0.40 234	0.30 158	0.17 163	0.22 156	0.17 150	0.21 151	0.17 160	0.20 144	0.17 161	0.21 152	0.18 165	0.21 155	0.17 156	0.20 144	0.16 138	0.20 152	0.16 153	0.20 148	0.17 154

MIM_Stereo	0.25 147	0.23 108	0.66 303	0.80 286	0.17 163	0.22 156	0.17 150	0.23 158	0.18 162	0.26 175	0.17 161	0.21 152	0.17 158	0.25 172	0.17 156	0.23 162	0.16 138	0.21 154	0.17 169	0.22 153	0.17 154

ACVNet	0.20 131	0.19 93	0.14 122	0.20 125	0.14 145	0.20 147	0.96 361	0.21 151	0.14 145	0.20 144	0.13 144	0.21 152	0.14 146	0.20 145	0.14 139	0.17 133	0.12 106	0.17 139	0.12 137	0.17 137	0.12 132

acv_ft	0.20 131	0.19 93	0.14 122	0.20 125	0.14 145	0.20 147	0.96 361	0.21 151	0.14 145	0.20 144	0.13 144	0.21 152	0.14 146	0.20 145	0.14 139	0.17 133	0.12 106	0.17 139	0.12 137	0.17 137	0.12 132

PSMNet-RSSM	0.77 301	2.76 400	0.14 122	0.20 125	0.14 145	0.20 147	2.66 465	2.79 456	0.14 145	0.21 153	0.14 149	0.21 152	0.14 146	0.20 145	0.14 139	0.17 133	0.12 106	0.17 139	0.12 137	2.52 441	2.31 462

DEFOM-Stereo_RVC	0.83 319	5.18 447	1.98 452	2.19 422	0.17 163	0.19 142	0.18 156	0.19 140	0.16 157	0.20 144	0.19 172	0.22 158	0.22 179	0.20 145	0.15 149	2.28 443	2.13 449	0.24 172	0.17 169	0.18 141	0.16 144

WAO-6	0.22 140	0.23 108	0.22 158	0.23 136	0.22 184	0.22 156	0.22 173	0.22 155	0.22 175	0.22 155	0.22 181	0.22 158	0.22 179	0.22 159	0.22 175	0.22 151	0.22 167	0.22 159	0.22 178	0.22 153	0.22 166

IMH-64-1	0.22 140	0.23 108	0.23 161	0.22 134	0.22 184	0.22 156	0.22 173	0.22 155	0.22 175	0.22 155	0.22 181	0.22 158	0.22 179	0.22 159	0.22 175	0.22 151	0.22 167	0.23 165	0.22 178	0.22 153	0.23 168

IMH-64	0.22 140	0.23 108	0.23 161	0.22 134	0.22 184	0.22 156	0.22 173	0.22 155	0.22 175	0.22 155	0.22 181	0.22 158	0.22 179	0.22 159	0.22 175	0.22 151	0.22 167	0.23 165	0.22 178	0.22 153	0.23 168

MSKI-zero shot	0.24 146	0.21 103	0.49 271	0.65 269	0.18 170	0.22 156	0.17 150	0.23 158	0.18 162	0.21 153	0.17 161	0.23 162	0.28 214	0.23 163	0.18 165	0.21 148	0.16 138	0.21 154	0.16 153	0.21 151	0.16 144

GANet-RSSM	0.75 296	1.91 361	0.14 122	0.47 227	0.14 145	0.21 154	3.21 484	2.30 446	0.14 145	0.46 256	0.14 149	0.23 162	0.18 165	0.21 155	0.14 139	0.18 141	0.27 182	0.37 228	0.13 145	2.13 430	2.12 457

iResNetv2_ROB	0.20 131	0.23 108	0.18 147	0.24 141	0.20 176	0.24 163	0.18 156	0.24 161	0.18 162	0.24 164	0.18 171	0.23 162	0.19 170	0.24 167	0.18 165	0.21 148	0.16 138	0.21 154	0.16 153	0.22 153	0.16 144

iResNet	0.20 131	0.23 108	0.18 147	0.24 141	0.18 170	0.24 163	0.20 163	0.24 161	0.18 162	0.23 159	0.17 161	0.23 162	0.18 165	0.23 163	0.18 165	0.22 151	0.16 138	0.21 154	0.16 153	0.21 151	0.16 144

tg	0.21 137	0.25 117	0.21 156	0.26 153	0.17 163	0.24 163	0.17 150	0.24 161	0.17 160	0.24 164	0.17 161	0.24 166	0.17 158	0.24 167	0.17 156	0.24 167	0.17 151	0.23 165	0.16 153	0.23 162	0.16 144

Pointernet	0.21 137	0.22 107	0.19 150	0.24 141	0.19 174	0.24 163	0.19 160	0.24 161	0.19 168	0.24 164	0.19 172	0.24 166	0.19 170	0.24 167	0.19 168	0.22 151	0.17 151	0.22 159	0.17 169	0.22 153	0.17 154

dd	0.23 144	0.98 246	0.16 138	0.23 136	0.15 156	0.23 162	0.15 145	0.23 158	0.15 155	0.23 159	0.15 157	0.24 166	0.17 158	0.23 163	0.15 149	0.22 151	0.15 136	0.21 154	0.15 152	0.22 153	0.16 144

dad	0.23 144	1.03 261	0.16 138	0.23 136	0.15 156	0.24 163	0.15 145	0.24 161	0.16 157	0.23 159	0.16 158	0.24 166	0.16 156	0.23 163	0.15 149	0.22 151	0.16 138	0.22 159	0.16 153	0.22 153	0.16 144

UPFNet	0.42 227	1.20 283	0.17 142	0.24 141	0.17 163	0.25 170	0.17 150	1.19 362	0.90 357	0.25 168	0.17 161	0.24 166	0.17 158	0.25 172	0.17 156	0.22 151	0.17 151	0.22 159	0.16 153	1.15 346	0.93 356

ACV-stereo	0.30 161	2.08 371	0.25 170	0.25 146	0.18 170	0.24 163	0.17 150	0.24 161	0.18 162	0.24 164	0.17 161	0.25 171	0.17 158	0.24 167	0.17 156	0.22 151	0.16 138	0.22 159	0.16 153	0.22 153	0.16 144

UNDER WATER-64	0.25 147	0.26 118	0.25 170	0.26 153	0.25 196	0.25 170	0.25 188	0.25 167	0.25 188	0.25 168	0.25 197	0.25 171	0.25 191	0.26 182	0.25 191	0.25 173	0.25 174	0.25 173	0.25 196	0.25 164	0.25 179

CAS	0.30 161	1.17 279	0.25 170	0.25 146	0.25 196	0.26 177	0.25 188	0.25 167	0.26 201	0.25 168	0.25 197	0.25 171	0.25 191	0.25 172	0.25 191	0.26 174	0.26 177	0.26 176	0.25 196	0.26 166	0.25 179

LoS	0.25 147	0.27 119	0.25 170	0.25 146	0.25 196	0.25 170	0.25 188	0.26 171	0.25 188	0.25 168	0.25 197	0.25 171	0.25 191	0.25 172	0.25 191	0.26 174	0.25 174	0.25 173	0.26 202	0.26 166	0.25 179
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
HCRNet	1.22 405	7.11 465	3.00 463	3.55 451	0.33 241	0.29 183	0.14 140	0.19 140	0.15 155	0.33 193	0.29 216	0.25 171	0.14 146	0.22 159	0.33 230	3.64 460	3.00 457	0.76 334	0.32 241	0.18 141	0.13 138

MMNet	0.44 231	1.24 333	0.17 142	0.25 146	0.17 163	0.25 170	0.18 156	1.26 414	0.93 363	0.25 168	0.17 161	0.25 171	0.18 165	0.25 172	0.17 156	0.23 162	0.16 138	0.23 165	0.16 153	1.20 357	0.99 361

delet	0.43 228	1.21 329	0.17 142	0.25 146	0.17 163	0.25 170	0.18 156	1.26 414	0.95 365	0.25 168	0.17 161	0.25 171	0.17 158	0.25 172	0.17 156	0.23 162	0.16 138	0.22 159	0.16 153	1.18 354	0.98 360

psm_up	0.43 228	1.19 282	0.17 142	0.25 146	0.18 170	0.25 170	0.19 160	1.26 414	0.91 358	0.26 175	0.17 161	0.25 171	0.17 158	0.25 172	0.17 156	0.22 151	0.17 151	0.23 165	0.16 153	1.18 354	0.99 361

AANet_RVC	1.26 407	0.31 126	4.99 486	5.93 478	0.20 176	0.25 170	0.20 163	0.25 167	0.20 170	0.23 159	0.19 172	0.25 171	0.20 174	0.25 172	0.20 171	5.66 486	4.76 479	0.26 176	0.30 231	0.24 163	0.27 192

LoS_RVC	0.30 161	1.14 275	0.25 170	0.25 146	0.25 196	0.26 177	0.25 188	0.25 167	0.25 188	0.25 168	0.25 197	0.26 180	0.26 200	0.26 182	0.25 191	0.26 174	0.26 177	0.25 173	0.25 196	0.26 166	0.26 185

GEStereo_RVC	0.86 325	4.45 438	0.20 153	0.27 155	0.20 176	0.27 180	0.20 163	0.26 171	0.18 162	5.03 490	0.20 176	0.27 181	0.19 170	0.27 185	0.21 173	0.20 144	0.19 158	0.19 151	4.02 492	0.20 148	0.18 158

SQANet	0.28 157	0.28 122	0.28 181	0.28 156	0.28 209	0.28 181	0.28 204	0.28 174	0.28 209	0.28 178	0.28 213	0.28 182	0.28 214	0.28 187	0.28 203	0.28 179	0.28 187	0.28 182	0.28 212	0.28 171	0.28 205

gwcnet-sp	0.82 316	1.72 348	1.48 430	0.39 185	0.15 156	0.31 187	0.21 168	0.20 145	0.25 188	1.61 429	0.23 185	0.28 182	0.26 200	0.20 145	0.15 149	0.24 167	1.33 416	0.32 193	0.16 153	6.75 487	0.23 168

scenet	0.82 316	1.72 348	1.48 430	0.39 185	0.15 156	0.31 187	0.21 168	0.20 145	0.25 188	1.61 429	0.23 185	0.28 182	0.26 200	0.20 145	0.15 149	0.24 167	1.33 416	0.32 193	0.16 153	6.75 487	0.23 168

ssnet	0.82 316	1.72 348	1.48 430	0.39 185	0.15 156	0.31 187	0.21 168	0.20 145	0.25 188	1.61 429	0.23 185	0.28 182	0.26 200	0.20 145	0.15 149	0.24 167	1.33 416	0.32 193	0.16 153	6.75 487	0.23 168

CFNet	1.37 412	5.27 450	0.19 150	5.49 475	0.19 174	0.28 181	0.19 160	0.28 174	0.19 168	0.28 178	0.19 172	0.28 182	4.35 485	0.28 187	0.19 168	0.23 162	0.17 151	0.23 165	4.21 494	4.81 473	0.17 154

DEFOM-Stereo	0.68 284	3.11 409	1.40 428	1.63 407	0.25 196	0.31 187	0.25 188	0.31 182	0.28 209	0.31 184	0.29 216	0.29 187	0.27 208	0.31 194	0.28 203	1.59 422	1.47 427	0.30 189	0.29 221	0.30 177	0.28 205

PAM	0.39 208	1.88 357	0.34 210	0.37 177	0.41 280	0.45 263	0.22 173	0.28 174	0.23 181	0.28 178	0.24 191	0.29 187	0.23 185	0.29 190	0.23 181	0.38 220	0.32 210	0.38 235	0.37 264	0.32 181	0.22 166

RAFT + AFF	0.31 166	0.45 166	0.34 210	0.39 185	0.28 209	0.38 215	0.33 229	0.29 178	0.31 226	0.30 182	0.30 227	0.29 187	0.27 208	0.29 190	0.30 219	0.28 179	0.29 196	0.29 187	0.29 221	0.27 169	0.32 229

CASnet	0.35 185	0.51 190	0.44 250	0.32 164	0.31 228	0.24 163	0.34 238	0.36 197	0.25 188	0.31 184	0.37 260	0.30 190	0.33 237	0.25 172	0.45 285	0.37 213	0.37 224	0.33 201	0.35 256	0.34 191	0.37 250
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
DANet	0.30 161	0.30 125	0.30 187	0.30 158	0.30 224	0.30 184	0.30 215	0.30 180	0.30 223	0.30 182	0.30 227	0.30 190	0.30 225	0.30 192	0.30 219	0.30 187	0.30 204	0.30 189	0.30 231	0.30 177	0.30 220
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DLNR_Zeroshot_test	0.31 166	0.28 122	0.47 261	0.79 284	0.24 194	0.30 184	0.26 196	0.30 180	0.24 183	0.32 189	0.23 185	0.31 192	0.24 188	0.30 192	0.23 181	0.29 186	0.26 177	0.29 187	0.24 191	0.33 187	0.23 168

ssnet_v2	0.68 284	1.96 368	1.25 414	0.29 157	0.20 176	0.30 184	0.20 163	0.29 178	0.22 175	1.50 427	0.20 176	0.31 192	0.20 174	0.27 185	0.22 175	0.24 167	1.49 428	0.26 176	0.18 173	3.90 452	0.19 160

WCG-NET（raft）	0.32 174	1.24 333	0.24 167	0.32 164	0.24 194	0.32 195	0.23 180	0.32 183	0.24 183	0.32 189	0.24 191	0.32 194	0.24 188	0.32 195	0.24 185	0.30 187	0.23 171	0.30 189	0.23 183	0.30 177	0.23 168

tt1	0.31 166	0.93 240	0.24 167	0.33 167	0.23 189	0.31 187	0.24 185	0.32 183	0.24 183	0.32 189	0.23 185	0.32 194	0.25 191	0.32 195	0.24 185	0.27 177	0.26 177	0.27 180	0.26 202	0.27 169	0.27 192

model_zeroshot	0.27 156	0.20 97	0.27 177	0.33 167	0.21 182	0.37 211	0.22 173	0.37 203	0.24 183	0.26 175	0.27 207	0.33 196	0.21 178	0.25 172	0.27 197	0.32 191	0.20 160	0.34 208	0.23 183	0.25 164	0.26 185

xxxxx1	0.31 166	0.91 233	0.23 161	0.31 161	0.23 189	0.31 187	0.23 180	0.33 186	0.25 188	0.31 184	0.24 191	0.33 196	0.25 191	0.32 195	0.24 185	0.28 179	0.28 187	0.28 182	0.28 212	0.29 174	0.27 192

testlalala	0.32 174	0.81 220	0.31 193	0.39 185	0.26 204	0.33 197	0.24 185	0.33 186	0.26 201	0.32 189	0.26 203	0.33 196	0.23 185	0.33 200	0.23 181	0.35 205	0.31 208	0.30 189	0.24 191	0.31 180	0.21 163

tt_ll	0.31 166	0.91 233	0.23 161	0.31 161	0.23 189	0.31 187	0.23 180	0.33 186	0.25 188	0.31 184	0.24 191	0.33 196	0.25 191	0.32 195	0.24 185	0.28 179	0.28 187	0.28 182	0.28 212	0.29 174	0.27 192

ff	0.31 166	0.91 233	0.23 161	0.31 161	0.23 189	0.31 187	0.23 180	0.33 186	0.25 188	0.31 184	0.24 191	0.33 196	0.25 191	0.32 195	0.24 185	0.28 179	0.28 187	0.28 182	0.28 212	0.29 174	0.27 192

H2IRNET	0.34 179	0.34 129	0.34 210	0.34 169	0.34 249	0.34 199	0.34 238	0.34 190	0.34 242	0.34 195	0.34 243	0.34 201	0.34 241	0.34 202	0.34 243	0.34 196	0.34 219	0.34 208	0.34 250	0.34 191	0.34 239

GCAP-BAT	0.33 177	0.78 214	0.32 197	0.38 180	0.25 196	0.34 199	0.25 188	0.34 190	0.26 201	0.34 195	0.25 197	0.35 202	0.26 200	0.35 204	0.27 197	0.36 209	0.30 204	0.32 193	0.24 191	0.32 181	0.26 185

MyStereo04	0.56 267	3.72 424	0.59 291	0.49 236	0.41 280	0.36 206	0.32 220	0.37 203	0.31 226	0.34 195	0.46 295	0.35 202	0.32 231	0.35 204	0.33 230	0.49 270	0.45 259	0.34 208	0.32 241	0.35 203	0.43 277

FENet	0.54 261	1.52 343	1.19 360	1.41 398	0.23 189	0.35 203	0.23 180	0.35 193	0.23 181	0.34 195	0.23 185	0.35 202	0.23 185	0.35 204	0.23 181	1.40 414	1.07 344	0.32 193	0.23 183	0.33 187	0.23 168

MLCV	0.31 166	0.35 130	0.27 177	0.35 170	0.28 209	0.35 203	0.27 199	0.35 193	0.28 209	0.36 202	0.27 207	0.35 202	0.27 208	0.35 204	0.27 197	0.34 196	0.27 182	0.34 208	0.27 208	0.34 191	0.27 192

iResNet_ROB	0.28 157	0.32 127	0.24 167	0.32 164	0.25 196	0.32 195	0.24 185	0.32 183	0.24 183	0.33 193	0.24 191	0.35 202	0.24 188	0.33 200	0.24 185	0.31 190	0.24 173	0.32 193	0.24 191	0.32 181	0.24 178

ETE_ROB	0.35 185	0.35 130	0.35 217	0.35 170	0.35 252	0.35 203	0.35 243	0.35 193	0.35 245	0.35 199	0.35 251	0.35 202	0.35 246	0.35 204	0.35 245	0.35 205	0.35 220	0.35 221	0.35 256	0.35 203	0.35 245

RSM	0.36 189	0.36 133	0.43 248	0.37 177	0.42 290	0.49 282	0.42 279	0.37 203	0.28 209	0.36 202	0.29 216	0.36 208	0.30 225	0.37 214	0.28 203	0.34 196	0.31 208	0.34 208	0.35 256	0.40 231	0.29 210

Any-RAFT	0.32 174	0.36 133	0.27 177	0.36 174	0.27 206	0.36 206	0.27 199	0.36 197	0.27 206	0.36 202	0.27 207	0.36 208	0.27 208	0.36 210	0.28 203	0.36 209	0.28 187	0.36 226	0.28 212	0.36 209	0.28 205

IGEV-Stereo	0.35 185	0.44 163	0.45 252	0.49 236	0.30 224	0.37 211	0.30 215	0.36 197	0.30 223	0.36 202	0.29 216	0.36 208	0.29 219	0.36 210	0.30 219	0.46 258	0.39 237	0.32 193	0.24 191	0.32 181	0.25 179
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HGLStereo	0.28 157	0.29 124	0.22 158	0.36 174	0.22 184	0.36 206	0.21 168	0.36 197	0.21 172	0.42 242	0.21 180	0.36 208	0.22 179	0.36 210	0.21 173	0.34 196	0.21 163	0.34 208	0.21 175	0.34 191	0.21 163

DMCA	0.36 189	0.38 137	0.37 222	0.35 170	0.35 252	0.36 206	0.36 249	0.36 197	0.35 245	0.35 199	0.37 260	0.36 208	0.36 249	0.35 204	0.36 248	0.36 209	0.36 222	0.35 221	0.36 262	0.36 209	0.36 246

DN-CSS_ROB	0.31 166	0.35 130	0.28 181	0.35 170	0.28 209	0.34 199	0.27 199	0.34 190	0.25 188	0.35 199	0.27 207	0.36 208	0.26 200	0.34 202	0.28 203	0.35 205	0.28 187	0.34 208	0.28 212	0.34 191	0.27 192

EKT-Stereo	0.37 194	0.40 145	0.44 250	1.07 321	0.29 215	0.34 199	0.31 219	0.36 197	0.29 213	0.38 208	0.31 230	0.37 214	0.30 225	0.36 210	0.29 212	0.34 196	0.28 187	0.39 245	0.30 231	0.37 211	0.30 220

XPNet_ROB	0.37 194	0.37 135	0.37 222	0.37 177	0.37 261	0.37 211	0.37 254	0.37 203	0.37 255	0.37 207	0.37 260	0.37 214	0.37 253	0.37 214	0.37 256	0.37 213	0.37 224	0.37 228	0.37 264	0.37 211	0.37 250

WAO-8	0.38 200	0.38 137	0.38 225	0.38 180	0.38 268	0.38 215	0.38 260	0.38 208	0.38 259	0.38 208	0.38 265	0.38 216	0.38 257	0.38 216	0.38 259	0.38 220	0.38 230	0.38 235	0.37 264	0.38 220	0.38 256

WAO-7	0.38 200	0.38 137	0.38 225	0.38 180	0.38 268	0.38 215	0.38 260	0.38 208	0.38 259	0.38 208	0.38 265	0.38 216	0.38 257	0.38 216	0.38 259	0.38 220	0.38 230	0.38 235	0.38 275	0.38 220	0.38 256

HanzoNet	0.39 208	0.38 137	0.40 234	0.39 185	0.41 280	0.38 215	0.38 260	0.38 208	0.38 259	0.39 213	0.39 269	0.38 216	0.38 257	0.39 223	0.40 268	0.38 220	0.38 230	0.40 249	0.38 275	0.38 220	0.40 262

DISCO	1.11 354	0.39 143	5.28 488	0.39 185	0.20 176	0.39 221	0.27 199	0.39 212	0.22 175	0.38 208	0.20 176	0.38 216	0.20 174	6.95 499	0.22 175	0.30 187	0.21 163	0.27 180	0.21 175	5.25 480	0.21 163

1test111	0.37 194	1.02 259	0.30 187	0.39 185	0.29 215	0.40 222	0.28 204	0.39 212	0.29 213	0.39 213	0.29 216	0.39 220	0.28 214	0.40 226	0.29 212	0.33 193	0.32 210	0.33 201	0.31 237	0.32 181	0.31 225

cc1	0.37 194	1.02 259	0.30 187	0.39 185	0.29 215	0.40 222	0.28 204	0.39 212	0.29 213	0.39 213	0.29 216	0.39 220	0.28 214	0.40 226	0.29 212	0.33 193	0.32 210	0.33 201	0.31 237	0.32 181	0.31 225

Venus	0.38 200	0.38 137	0.38 225	0.38 180	0.38 268	0.37 211	0.38 260	0.37 203	0.37 255	0.41 230	0.37 260	0.39 220	0.37 253	0.38 216	0.38 259	0.37 213	0.38 230	0.38 235	0.37 264	0.37 211	0.38 256

IER	0.88 326	7.04 464	2.23 455	2.75 440	0.28 209	0.43 260	0.25 188	0.39 212	0.25 188	0.41 230	0.27 207	0.39 220	0.25 191	0.40 226	0.28 203	0.37 213	0.28 187	0.37 228	0.25 196	0.37 211	0.25 179

iRaft-Stereo_20w	0.34 179	0.41 152	0.31 193	0.39 185	0.29 215	0.40 222	0.32 220	0.41 231	0.32 229	0.38 208	0.30 227	0.39 220	0.30 225	0.38 216	0.32 224	0.35 205	0.27 182	0.34 208	0.27 208	0.34 191	0.29 210

StereoDRNet-Refined	0.33 177	0.39 143	0.26 176	0.39 185	0.26 204	0.40 222	0.26 196	0.40 216	0.26 201	0.39 213	0.26 203	0.39 220	0.26 200	0.39 223	0.26 196	0.37 213	0.25 174	0.37 228	0.25 196	0.37 211	0.37 250
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
GIP-stereo	0.36 189	0.49 181	0.39 231	0.48 230	0.32 230	0.41 238	0.28 204	0.40 216	0.30 223	0.41 230	0.28 213	0.40 226	0.28 214	0.42 253	0.28 203	0.45 257	0.32 210	0.38 235	0.30 231	0.37 211	0.27 192

DCVSM-stereo	0.36 189	1.89 358	0.22 158	0.40 198	0.22 184	0.40 222	0.22 173	0.40 216	0.22 175	0.40 217	0.22 181	0.40 226	0.22 179	0.40 226	0.22 175	0.28 179	0.21 163	0.28 182	0.21 175	0.28 171	0.20 161

IGEV++	0.34 179	0.43 160	0.30 187	0.40 198	0.29 215	0.40 222	0.29 210	0.40 216	0.29 213	0.40 217	0.29 216	0.40 226	0.29 219	0.40 226	0.30 219	0.38 220	0.29 196	0.37 228	0.29 221	0.37 211	0.29 210

ACVNet-DCA	0.37 194	1.00 249	0.30 187	0.40 198	0.29 215	0.40 222	0.29 210	0.40 216	0.29 213	0.40 217	0.29 216	0.40 226	0.29 219	0.39 223	0.28 203	0.33 193	0.32 210	0.33 201	0.32 241	0.33 187	0.32 229

xx1	0.38 200	1.03 261	0.31 193	0.40 198	0.31 228	0.41 238	0.28 204	0.40 216	0.29 213	0.40 217	0.29 216	0.40 226	0.29 219	0.40 226	0.29 212	0.34 196	0.33 217	0.34 208	0.32 241	0.34 191	0.32 229

IMH	0.38 200	0.38 137	0.38 225	0.38 180	0.38 268	0.38 215	0.38 260	0.38 208	0.38 259	0.42 242	0.38 265	0.40 226	0.38 257	0.38 216	0.38 259	0.38 220	0.38 230	0.39 245	0.38 275	0.38 220	0.38 256

knoymous	0.40 212	0.40 145	0.40 234	0.40 198	0.40 274	0.40 222	0.40 267	0.40 216	0.40 267	0.40 217	0.40 271	0.40 226	0.40 262	0.40 226	0.40 268	0.40 233	0.40 240	0.40 249	0.40 279	0.40 231	0.40 262

anonymousa	0.40 212	0.40 145	0.40 234	0.40 198	0.40 274	0.40 222	0.40 267	0.40 216	0.40 267	0.40 217	0.40 271	0.40 226	0.40 262	0.40 226	0.40 268	0.40 233	0.40 240	0.40 249	0.40 279	0.40 231	0.40 262

riskmin	0.40 212	0.40 145	0.40 234	0.40 198	0.40 274	0.40 222	0.40 267	0.40 216	0.40 267	0.40 217	0.40 271	0.40 226	0.40 262	0.40 226	0.40 268	0.40 233	0.40 240	0.40 249	0.40 279	0.40 231	0.40 262

Anonymous_2	0.40 212	0.40 145	0.40 234	0.40 198	0.40 274	0.40 222	0.40 267	0.40 216	0.40 267	0.40 217	0.40 271	0.40 226	0.40 262	0.40 226	0.40 268	0.40 233	0.40 240	0.40 249	0.40 279	0.40 231	0.40 262

Anonymous_1	0.40 212	0.40 145	0.40 234	0.40 198	0.40 274	0.40 222	0.40 267	0.40 216	0.40 267	0.40 217	0.40 271	0.40 226	0.40 262	0.40 226	0.40 268	0.40 233	0.40 240	0.40 249	0.40 279	0.40 231	0.40 262

AdaStereo	0.40 212	0.40 145	0.40 234	0.40 198	0.40 274	0.40 222	0.40 267	0.40 216	0.40 267	0.40 217	0.40 271	0.40 226	0.40 262	0.40 226	0.40 268	0.40 233	0.40 240	0.40 249	0.40 279	0.40 231	0.40 262
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.
RAFT-Test	0.36 189	0.37 135	0.33 202	0.41 208	0.32 230	0.41 238	0.32 220	0.41 231	0.32 229	0.41 230	0.32 231	0.41 238	0.32 231	0.41 240	0.33 230	0.37 213	0.29 196	0.37 228	0.29 221	0.38 220	0.31 225

BUS	0.83 319	1.91 361	0.92 336	4.48 456	0.02 20	0.40 222	0.04 75	0.41 231	0.02 20	0.48 267	0.03 50	0.41 238	0.05 86	0.03 38	0.05 81	1.97 435	4.19 476	0.33 201	0.23 183	0.34 191	0.27 192

CRFU-Net	0.65 277	1.67 347	1.22 410	1.96 416	0.27 206	0.41 238	0.27 199	0.41 231	0.27 206	0.40 217	0.26 203	0.41 238	0.27 208	0.40 226	0.27 197	1.80 429	1.62 434	0.34 208	0.23 183	0.33 187	0.23 168

NINENet	0.69 287	3.87 430	1.20 363	1.98 417	0.05 91	0.40 222	0.04 75	0.40 216	0.05 90	0.41 230	0.04 83	0.41 238	0.05 86	0.40 226	0.05 81	1.79 428	1.56 431	0.34 208	0.22 178	0.34 191	0.23 168

hknet	1.10 352	1.85 355	3.49 478	4.48 456	0.02 20	0.42 256	0.06 97	0.41 231	0.02 20	0.48 267	0.03 50	0.41 238	0.03 50	0.42 253	0.03 46	4.39 465	4.19 476	0.33 201	0.23 183	0.34 191	0.27 192

iRaft-Stereo_5w	0.34 179	0.42 159	0.31 193	0.39 185	0.30 224	0.38 215	0.30 215	0.40 216	0.29 213	0.40 217	0.37 260	0.41 238	0.34 241	0.38 216	0.30 219	0.34 196	0.27 182	0.34 208	0.26 202	0.34 191	0.26 185

GMOStereo	0.37 194	0.45 166	0.23 161	0.30 158	0.37 261	0.41 238	0.36 249	0.41 231	0.35 245	0.43 248	0.36 254	0.41 238	0.40 262	0.41 240	0.36 248	0.34 196	0.22 167	0.47 285	0.37 264	0.39 227	0.33 233

error version	0.93 335	4.47 439	2.35 458	1.99 418	0.37 261	0.41 238	0.36 249	0.41 231	0.35 245	0.43 248	0.36 254	0.41 238	0.40 262	0.41 240	0.36 248	1.87 431	2.16 450	0.47 285	0.37 264	0.39 227	0.33 233

test_1	0.93 335	4.47 439	2.35 458	1.99 418	0.37 261	0.41 238	0.36 249	0.41 231	0.35 245	0.43 248	0.36 254	0.41 238	0.40 262	0.41 240	0.36 248	1.87 431	2.16 450	0.47 285	0.37 264	0.39 227	0.33 233

GwcNet-ADL	0.41 219	0.41 152	0.41 242	0.41 208	0.41 280	0.41 238	0.41 274	0.41 231	0.41 276	0.41 230	0.41 277	0.41 238	0.41 273	0.41 240	0.41 275	0.41 241	0.41 249	0.41 261	0.41 286	0.41 241	0.41 269

PSMNet-ADL	0.41 219	0.41 152	0.41 242	0.41 208	0.41 280	0.41 238	0.41 274	0.41 231	0.41 276	0.41 230	0.41 277	0.41 238	0.41 273	0.41 240	0.41 275	0.41 241	0.41 249	0.41 261	0.41 286	0.41 241	0.41 269

GANet-ADL	0.41 219	0.41 152	0.41 242	0.41 208	0.41 280	0.41 238	0.41 274	0.41 231	0.41 276	0.41 230	0.41 277	0.41 238	0.41 273	0.41 240	0.41 275	0.41 241	0.41 249	0.41 261	0.41 286	0.41 241	0.41 269

ADLNet2	0.41 219	0.41 152	0.41 242	0.41 208	0.41 280	0.41 238	0.41 274	0.41 231	0.41 276	0.41 230	0.41 277	0.41 238	0.41 273	0.41 240	0.41 275	0.41 241	0.41 249	0.41 261	0.41 286	0.41 241	0.41 269

ADLNet	0.41 219	0.41 152	0.41 242	0.41 208	0.41 280	0.41 238	0.41 274	0.41 231	0.41 276	0.41 230	0.41 277	0.41 238	0.41 273	0.41 240	0.41 275	0.41 241	0.41 249	0.41 261	0.41 286	0.41 241	0.41 269

GES	0.66 279	2.34 386	0.29 183	0.41 208	0.29 215	0.41 238	0.29 210	0.42 247	0.29 213	0.40 217	0.41 277	0.41 238	0.30 225	0.51 293	0.29 212	0.32 191	0.29 196	0.32 193	2.46 468	2.49 440	0.30 220

Gwc-CoAtRS	0.41 219	1.49 342	0.32 197	0.42 216	0.32 230	0.41 238	0.32 220	0.41 231	0.33 234	0.41 230	0.32 231	0.41 238	0.32 231	0.41 240	0.32 224	0.39 229	0.28 187	0.39 245	0.28 212	0.40 231	0.28 205

HART	0.38 200	0.45 166	0.34 210	0.42 216	0.33 241	0.41 238	0.34 238	0.42 247	0.33 234	0.43 248	0.34 243	0.42 254	0.34 241	0.41 240	0.38 259	0.40 233	0.32 210	0.42 271	0.32 241	0.40 231	0.32 229

LL-Strereo2	0.48 245	1.73 352	0.51 279	0.59 260	0.34 249	0.42 256	0.33 229	0.40 216	0.31 226	0.42 242	0.33 236	0.42 254	0.31 230	0.44 257	0.39 265	0.60 292	0.51 283	0.44 274	0.33 248	0.44 250	0.33 233

DGSMNet	0.34 179	0.41 152	0.27 177	0.41 208	0.28 209	0.41 238	0.28 204	0.41 231	0.27 206	0.41 230	0.27 207	0.42 254	0.27 208	0.41 240	0.28 203	0.40 233	0.29 196	0.40 249	0.28 212	0.40 231	0.27 192

UCFNet_RVC	2.75 459	10.06 486	0.29 183	10.31 502	0.29 215	0.42 256	0.29 210	0.43 251	0.29 213	0.42 242	0.29 216	0.42 254	9.87 502	0.43 255	0.29 212	0.36 209	9.84 502	0.36 226	0.26 202	9.77 501	0.26 185

RAFT-Stereo-weight	0.45 232	1.90 360	0.34 210	0.42 216	0.36 258	0.43 260	0.35 243	0.42 247	0.34 242	0.42 242	0.34 243	0.44 258	0.34 241	0.41 240	0.34 243	0.38 220	0.32 210	0.38 235	0.32 241	0.38 220	0.33 233

RCA-Stereo	0.51 257	3.22 413	0.34 210	0.44 219	0.34 249	0.44 262	0.34 238	0.43 251	0.34 242	0.43 248	0.34 243	0.44 258	0.33 237	0.43 255	0.33 230	0.38 220	0.29 196	0.38 235	0.29 221	0.38 220	0.29 210

GREAT-IGEV	0.38 200	0.43 160	0.36 219	0.48 230	0.32 230	0.45 263	0.32 220	0.45 253	0.32 229	0.45 253	0.32 231	0.45 260	0.32 231	0.45 260	0.32 224	0.44 256	0.33 217	0.41 261	0.29 221	0.41 241	0.29 210

mms	0.40 212	0.45 166	0.35 217	0.48 230	0.36 258	0.47 272	0.34 238	0.45 253	0.38 259	0.47 261	0.33 236	0.45 260	0.32 231	0.45 260	0.32 224	0.39 229	0.38 230	0.38 235	0.37 264	0.39 227	0.39 260

fffy	0.38 200	0.43 160	0.33 202	0.46 221	0.33 241	0.45 263	0.32 220	0.45 253	0.32 229	0.45 253	0.32 231	0.45 260	0.33 237	0.45 260	0.32 224	0.38 220	0.38 230	0.38 235	0.37 264	0.37 211	0.36 246

Former-RAFT_DAM_RVC	0.49 250	0.98 246	0.64 299	0.84 291	0.46 297	0.45 263	0.35 243	0.47 261	0.47 293	0.45 253	0.34 243	0.46 263	0.48 296	0.46 263	0.35 245	0.39 229	0.71 314	0.39 245	0.35 256	0.41 241	0.41 269

otaku	0.46 235	0.46 170	0.46 256	0.46 221	0.46 297	0.46 268	0.46 288	0.46 256	0.46 288	0.46 256	0.46 295	0.46 263	0.46 287	0.46 263	0.46 289	0.46 258	0.46 261	0.46 281	0.46 298	0.46 255	0.46 283

Dean	0.46 235	0.46 170	0.46 256	0.46 221	0.46 297	0.46 268	0.46 288	0.46 256	0.46 288	0.47 261	0.46 295	0.46 263	0.46 287	0.46 263	0.46 289	0.46 258	0.46 261	0.46 281	0.46 298	0.46 255	0.46 283

ACVNet_1	0.46 235	0.47 174	0.46 256	0.46 221	0.46 297	0.46 268	0.46 288	0.46 256	0.47 293	0.46 256	0.46 295	0.46 263	0.46 287	0.46 263	0.46 289	0.46 258	0.46 261	0.47 285	0.46 298	0.46 255	0.46 283

ACVNet-4b	0.46 235	0.46 170	0.46 256	0.46 221	0.46 297	0.46 268	0.46 288	0.46 256	0.46 288	0.46 256	0.46 295	0.46 263	0.46 287	0.47 267	0.46 289	0.46 258	0.46 261	0.46 281	0.46 298	0.46 255	0.46 283

ccccc		0.44 163		0.48 230	0.35 252	0.48 277		0.51 286		0.47 261		0.47 268		0.47 267		0.41 241	0.40 240	0.40 249	0.40 279	0.41 241

Ntro	0.47 241	0.47 174	0.46 256	0.46 221	0.46 297	0.47 272	0.47 293	0.46 256	0.47 293	0.46 256	0.46 295	0.47 268	0.46 287	0.47 267	0.47 295	0.47 263	0.46 261	0.46 281	0.46 298	0.46 255	0.46 283

HaxPig	0.47 241	0.47 174	0.47 261	0.49 236	0.47 303	0.47 272	0.47 293	0.47 261	0.47 293	0.47 261	0.47 303	0.47 268	0.47 295	0.47 267	0.47 295	0.47 263	0.47 268	0.47 285	0.47 305	0.47 262	0.48 291

UNDER WATER	0.47 241	0.47 174	0.47 261	0.47 227	0.47 303	0.47 272	0.47 293	0.47 261	0.47 293	0.47 261	0.47 303	0.47 268	0.46 287	0.47 267	0.47 295	0.47 263	0.47 268	0.47 285	0.46 298	0.47 262	0.47 289

LVE	0.47 241	0.47 174	0.47 261	0.47 227	0.49 309	0.47 272	0.47 293	0.47 261	0.49 302	0.47 261	0.47 303	0.47 268	0.46 287	0.47 267	0.47 295	0.47 263	0.47 268	0.48 293	0.47 305	0.47 262	0.47 289

CES	0.39 208	0.47 174	0.36 219	0.36 174	0.37 261	0.45 263	0.35 243	0.35 193	0.40 267	0.36 202	0.44 290	0.47 268	0.36 249	0.44 257	0.36 248	0.37 213	0.39 237	0.44 274	0.35 256	0.37 211	0.36 246

SCV_C0	0.45 232	0.88 227	0.49 271	0.54 252	0.37 261	0.48 277	0.37 254	0.48 265	0.37 255	0.48 267	0.36 254	0.48 274	0.37 253	0.49 280	0.37 256	0.50 276	0.41 249	0.44 274	0.34 250	0.44 250	0.34 239

SCV	0.46 235	0.94 241	0.45 252	0.54 252	0.37 261	0.48 277	0.38 260	0.48 265	0.37 255	0.48 267	0.39 269	0.48 274	0.37 253	0.49 280	0.37 256	0.50 276	0.46 261	0.44 274	0.34 250	0.44 250	0.34 239

RainbowNet	0.48 245	0.48 180	0.48 267	0.48 230	0.48 307	0.48 277	0.48 302	0.48 265	0.48 300	0.48 267	0.48 307	0.48 274	0.48 296	0.48 274	0.48 301	0.48 267	0.48 271	0.48 293	0.48 308	0.48 265	0.48 291

notaker	0.48 245	0.49 181	0.48 267	0.48 230	0.48 307	0.48 277	0.48 302	0.48 265	0.49 302	0.48 267	0.48 307	0.48 274	0.48 296	0.48 274	0.48 301	0.48 267	0.48 271	0.48 293	0.48 308	0.48 265	0.49 296

UGAM	0.51 257	2.23 382	0.39 231	0.54 252	0.35 252	0.50 290	0.35 243	0.49 269	0.35 245	0.49 274	0.35 251	0.49 278	0.36 249	0.50 287	0.36 248	0.49 270	0.37 224	0.45 278	0.34 250	0.45 254	0.34 239

GCST	0.50 252	2.08 371	0.38 225	0.53 250	0.35 252	0.49 282	0.35 243	0.50 277	0.35 245	0.49 274	0.35 251	0.49 278	0.35 246	0.49 280	0.35 245	0.48 267	0.37 224	0.45 278	0.33 248	0.44 250	0.33 233

gcap-zeroshot	0.35 185	0.32 127	0.37 222	0.49 236	0.39 273	0.33 197	0.21 168	0.26 171	0.35 245	0.42 242	0.34 243	0.49 278	0.29 219	0.47 267	0.39 265	0.34 196	0.17 151	0.38 235	0.23 183	0.48 265	0.34 239

MyStereo07	0.60 269	3.72 424	0.48 267	0.49 236	0.41 280	0.36 206	0.32 220	0.49 269	0.43 283	0.51 290	0.42 286	0.49 278	0.43 281	0.51 293	0.64 323	0.49 270	0.45 259	0.34 208	0.32 241	0.35 203	0.43 277

TorneroNet	0.66 279	0.53 194	0.50 274	0.50 243	0.64 335	1.06 358	0.70 334	0.50 277	0.51 312	0.49 274	0.69 341	0.49 278	0.50 304	0.48 274	1.15 377	0.71 310	0.49 274	1.14 370	1.08 373	0.49 268	0.49 296

ACVNet_2	0.49 250	0.49 181	0.49 271	0.49 236	0.49 309	0.49 282	0.49 304	0.49 269	0.49 302	0.49 274	0.49 310	0.49 278	0.49 301	0.49 280	0.49 303	0.49 270	0.49 274	0.49 297	0.49 311	0.49 268	0.49 296

PCWNet_CMD	2.80 461	9.82 484	0.32 197	10.09 501	0.32 230	0.49 282	0.33 229	3.34 463	0.33 234	0.49 274	0.33 236	0.49 278	8.73 498	0.48 274	0.33 230	0.41 241	9.22 497	0.42 271	0.29 221	9.55 500	0.31 225

CFNet_ucs	2.73 458	9.64 483	0.33 202	9.92 499	0.32 230	0.49 282	0.33 229	0.49 269	0.33 234	0.49 274	0.33 236	0.49 278	8.98 500	0.48 274	0.33 230	0.41 241	9.96 503	0.40 249	0.29 221	10.12 503	0.54 307

CFNet_pseudo	2.67 457	9.36 481	0.32 197	10.99 503	0.33 241	0.85 335	0.33 229	0.49 269	0.33 234	0.49 274	0.32 231	0.49 278	7.26 496	0.49 280	0.33 230	0.41 241	9.62 500	0.41 261	0.29 221	10.03 502	0.29 210

pcwnet_v2	2.66 456	9.89 485	0.33 202	9.89 498	0.32 230	0.50 290	0.32 220	0.49 269	0.33 234	0.49 274	0.34 243	0.49 278	8.76 499	0.48 274	0.33 230	0.41 241	9.58 499	0.40 249	0.29 221	9.01 498	0.63 321

ccnet	0.80 307	2.28 384	0.33 202	0.50 243	0.33 241	0.50 290	0.33 229	0.50 277	0.33 234	0.49 274	0.33 236	0.49 278	1.56 437	2.38 450	0.33 230	0.41 241	0.29 196	0.42 271	1.57 447	2.28 435	0.29 210

psmorigin	0.41 219	0.46 170	0.33 202	0.49 236	0.33 241	0.49 282	0.33 229	0.49 269	0.33 234	0.49 274	0.33 236	0.49 278	0.33 237	0.51 293	0.33 230	0.41 241	0.30 204	0.41 261	0.30 231	0.79 310	0.29 210

MSMDNet	2.65 455	10.14 487	0.33 202	9.74 497	0.32 230	0.87 337	0.33 229	2.95 459	0.68 331	0.49 274	0.34 243	0.49 278	5.70 492	0.49 280	0.33 230	0.42 255	9.57 498	0.41 261	0.31 237	8.36 495	0.65 323

ccs_rob	2.79 460	10.17 488	0.32 197	10.00 500	0.33 241	0.49 282	0.33 229	1.90 432	0.32 229	0.51 290	0.33 236	0.49 278	9.24 501	0.49 280	0.33 230	0.41 241	9.82 501	0.41 261	0.28 212	9.34 499	0.29 210

FoundationStereo	0.50 252	0.50 184	0.50 274	0.50 243	0.50 312	0.50 290	0.50 306	0.50 277	0.50 305	0.50 286	0.50 312	0.50 292	0.50 304	0.50 287	0.50 304	0.50 276	0.50 279	0.50 300	0.50 313	0.50 272	0.50 299

StereoAnything_RVC	0.50 252	0.50 184	0.50 274	0.50 243	0.50 312	0.50 290	0.50 306	0.50 277	0.50 305	0.50 286	0.50 312	0.50 292	0.50 304	0.50 287	0.50 304	0.50 276	0.50 279	0.50 300	0.50 313	0.50 272	0.50 299

dual_stereo	0.50 252	0.50 184	0.50 274	0.50 243	0.50 312	0.50 290	0.50 306	0.50 277	0.50 305	0.50 286	0.50 312	0.50 292	0.50 304	0.50 287	0.50 304	0.50 276	0.50 279	0.50 300	0.50 313	0.50 272	0.50 299

UGAM-zero	0.51 257	2.17 379	0.39 231	0.53 250	0.36 258	0.50 290	0.36 249	0.50 277	0.36 254	0.49 274	0.36 254	0.50 292	0.35 246	0.50 287	0.36 248	0.49 270	0.37 224	0.47 285	0.35 256	0.46 255	0.34 239

FCDSN-DC	0.41 219	0.59 202	0.64 299	0.54 252	0.33 241	0.50 290	0.37 254	0.42 247	0.40 267	0.61 309	0.43 288	0.50 292	0.49 301	0.38 216	0.32 224	0.28 179	0.23 171	0.26 176	0.22 178	0.35 203	0.28 205
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SANet	0.50 252	0.50 184	0.50 274	0.50 243	0.50 312	0.50 290	0.50 306	0.50 277	0.50 305	0.50 286	0.50 312	0.50 292	0.50 304	0.50 287	0.50 304	0.50 276	0.50 279	0.50 300	0.50 313	0.50 272	0.50 299

fffft	0.48 245	0.51 190	0.45 252	0.52 249	0.45 295	0.52 299	0.45 286	0.52 288	0.48 300	0.53 295	0.45 293	0.52 298	0.45 284	0.52 296	0.46 289	0.51 282	0.41 249	0.50 300	0.41 286	0.50 272	0.41 269
1: 1. 1
PAM_32	0.64 276	2.38 388	0.51 279	0.92 301	0.43 292	0.53 300	0.44 282	0.87 328	0.43 283	0.52 293	0.45 293	0.53 299	0.40 262	0.54 298	0.46 289	0.62 298	0.56 291	0.48 293	0.45 296	0.76 306	0.44 280

Occ-G	1.12 355	0.52 192	3.72 481	3.50 450	0.50 312	0.56 304	0.47 293	0.54 290	0.46 288	0.54 297	0.41 277	0.54 300	0.42 279	0.52 296	0.42 281	3.42 459	4.02 475	0.52 308	0.45 296	0.51 278	0.44 280

MyStereo06	0.75 296	4.12 432	0.60 293	0.63 265	0.61 331	0.62 315	0.66 325	0.56 292	0.45 287	0.55 300	0.48 307	0.54 300	0.46 287	0.57 306	0.45 285	0.60 292	0.57 293	0.64 320	0.55 319	0.72 301	0.55 311

iRaftStereo_RVC	0.97 339	3.17 412	2.30 457	2.42 434	0.38 268	0.54 302	0.38 260	0.54 290	0.38 259	0.54 297	0.38 265	0.54 300	0.38 257	0.54 298	0.38 259	2.38 449	2.34 454	0.49 297	0.36 262	0.49 268	0.36 246

PSMNet_ROB	0.54 261	0.54 197	0.54 286	0.54 252	0.53 321	0.54 302	0.54 314	0.53 289	0.54 315	0.54 297	0.54 322	0.54 300	0.53 311	0.54 298	0.54 314	0.54 286	0.53 287	0.54 311	0.54 318	0.54 284	0.54 307

AIO-Stereo-zeroshot1	0.75 296	0.92 238	0.85 328	0.96 311	0.59 326	1.27 421	0.44 282	0.59 300	0.69 334	0.91 341	0.68 338	0.55 304	0.61 319	1.06 361	0.83 352	0.62 298	0.70 310	0.90 350	0.41 286	0.89 323	0.56 314

AEACV	1.12 355	0.52 192	3.12 475	3.24 446	0.86 360	0.53 300	0.49 304	0.60 302	0.47 293	0.53 295	0.49 310	0.55 304	0.45 284	0.55 301	0.47 295	3.01 455	3.88 473	0.71 329	0.60 326	0.80 313	0.48 291

Selective-IGEV	0.51 257	0.55 199	0.45 252	0.69 274	0.45 295	0.61 312	0.45 286	0.50 277	0.40 267	0.56 302	0.44 290	0.55 304	0.40 262	0.72 323	0.67 328	0.59 291	0.46 261	0.45 278	0.34 250	0.46 255	0.37 250

CFNet_RVC	2.38 449	8.71 476	0.38 225	9.33 494	0.42 290	0.56 304	0.42 279	0.60 302	0.38 259	0.62 312	0.42 286	0.56 307	7.29 497	0.62 310	0.42 281	0.53 285	0.37 224	0.49 297	0.34 250	8.30 494	6.87 500

LG-Stereo_Zeroshot	0.48 245	0.55 199	0.47 261	0.63 265	0.41 280	0.56 304	0.44 282	0.56 292	0.41 276	0.56 302	0.41 277	0.57 308	0.42 279	0.56 302	0.41 275	0.55 288	0.43 257	0.51 305	0.37 264	0.51 278	0.37 250

LG-Stereo	0.60 269	0.58 201	0.47 261	0.64 268	0.74 352	1.00 351	0.69 333	0.57 295	0.41 276	0.57 304	0.41 277	0.57 308	0.41 273	1.00 355	0.75 343	0.91 329	0.51 283	0.52 308	0.37 264	0.52 280	0.37 250

MyStereo8	0.71 290	3.92 431	0.52 282	0.59 260	0.52 318	0.57 309	0.53 312	0.59 300	0.50 305	0.59 308	0.51 318	0.57 308	0.50 304	0.56 302	0.52 311	0.54 286	0.49 274	0.54 311	0.49 311	0.55 285	0.50 299

PML	0.46 235	1.36 340	0.29 183	0.58 258	0.30 224	0.57 309	0.29 210	0.57 295	0.29 213	0.57 304	0.29 216	0.57 308	0.29 219	0.56 302	0.29 212	0.52 284	0.30 204	0.53 310	0.31 237	0.53 283	0.30 220

CASS	0.57 268	0.89 230	0.56 288	0.57 257	0.56 324	0.56 304	0.56 315	0.56 292	0.53 313	0.57 304	0.57 324	0.59 312	0.48 296	0.56 302	0.57 317	0.55 288	0.56 291	0.47 285	0.56 322	0.62 290	0.56 314
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PA-Net	11.80 502	223.51 529	0.62 296	0.59 260	0.71 347	0.59 311	0.73 339	0.67 311	0.73 344	0.55 300	0.61 328	0.60 313	0.74 337	0.63 314	0.73 340	0.66 303	0.60 295	0.69 326	0.66 333	0.72 301	0.65 323
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-test2	0.55 265	0.59 202	0.52 282	0.67 273	0.47 303	0.61 312	0.47 293	0.61 304	0.47 293	0.61 309	0.47 303	0.61 314	0.48 296	0.62 310	0.47 295	0.64 300	0.53 287	0.58 314	0.47 305	0.58 287	0.48 291

AIO-test1	0.54 261	0.60 204	0.52 282	0.66 272	0.47 303	0.61 312	0.47 293	0.58 298	0.46 288	0.61 309	0.46 295	0.61 314	0.45 284	0.62 310	0.45 285	0.61 295	0.52 285	0.57 313	0.48 308	0.57 286	0.48 291

MonSter	0.60 269	0.64 207	0.52 282	0.62 264	0.44 293	2.07 444	0.44 282	0.62 305	0.44 286	0.62 312	0.44 290	0.62 316	0.44 282	0.62 310	0.44 284	0.58 290	0.42 256	0.62 317	0.46 298	0.58 287	0.42 276

DispNO	1.00 342	0.63 205	0.43 248	3.45 449	0.44 293	0.65 318	0.43 281	0.64 307	0.43 283	0.64 315	0.43 288	0.64 317	3.03 461	0.64 315	0.43 283	4.55 467	0.43 257	0.63 319	0.43 294	0.63 291	0.43 277

CFNet-RSSM	0.91 329	4.89 443	0.34 210	0.44 219	1.07 381	1.62 435	1.40 442	0.91 334	0.35 245	1.60 428	1.39 441	0.64 317	0.34 241	0.44 257	0.33 230	0.41 241	0.35 220	0.75 332	0.30 231	0.41 241	0.29 210

DSFCA	0.66 279	0.73 212	0.78 321	0.65 269	0.65 337	0.64 317	0.64 322	0.65 308	0.63 325	0.64 315	0.64 332	0.64 317	0.64 321	0.65 316	0.65 324	0.65 301	0.65 303	0.65 323	0.65 331	0.66 293	0.64 322

WCG-NET	0.61 272	1.21 329	0.54 286	0.61 263	0.53 321	0.67 320	0.53 312	0.66 310	0.53 313	0.64 315	0.53 321	0.65 320	0.53 311	0.59 308	0.52 311	0.65 301	0.48 271	0.64 320	0.52 317	0.58 287	0.50 299

MyStereo05	0.80 307	4.12 432	0.63 297	0.63 265	0.61 331	0.62 315	0.66 325	0.65 308	0.62 323	0.67 319	0.61 328	0.65 320	0.58 316	0.67 319	0.55 316	0.60 292	0.57 293	0.64 320	0.55 319	0.72 301	0.55 311

LMCR-Stereo	0.65 277	0.63 205	0.65 302	0.65 269	0.65 337	0.66 319	0.63 321	0.58 298	0.65 327	0.63 314	0.64 332	0.65 320	0.65 323	0.66 317	0.66 327	0.66 303	0.64 302	0.65 323	0.67 336	0.68 295	0.73 336

ktn	0.72 293	0.53 194	1.08 349	1.14 329	0.51 317	1.22 418	1.36 436	0.51 286	0.59 319	0.51 290	0.51 318	0.69 323	1.20 376	0.67 319	0.51 309	0.51 282	0.49 274	0.58 314	0.66 333	0.52 280	0.53 306

TorneroNet-64	0.45 232	0.27 119	0.30 187	0.58 258	0.27 206	0.70 322	0.30 215	0.28 174	0.73 344	0.73 324	0.28 213	0.71 324	0.66 326	0.75 327	0.27 197	0.27 177	0.29 196	0.37 228	0.75 347	0.28 171	0.30 220

anonymity	0.63 274	0.69 209	0.56 288	0.71 278	0.56 324	0.71 324	0.56 315	0.71 316	0.56 316	0.72 323	0.56 323	0.71 324	0.56 315	0.71 322	0.58 318	0.68 305	0.55 289	0.68 325	0.55 319	0.68 295	0.54 307

DMCA-RVC	0.70 288	0.80 217	0.70 309	0.70 276	0.70 346	0.70 322	0.70 334	0.71 316	0.70 337	0.70 322	0.71 345	0.71 324	0.70 331	0.70 321	0.69 335	0.69 306	0.70 310	0.69 326	0.70 341	0.69 299	0.70 329

SMoEStereo_RVC	0.63 274	0.75 213	0.51 279	0.73 280	0.53 321	0.71 324	0.47 293	0.67 311	0.58 318	0.74 328	0.60 325	0.72 327	0.53 311	0.74 326	0.51 309	0.61 295	0.62 300	0.62 317	0.61 328	0.63 291	0.61 317

AIO-Stereo-zeroshot	0.91 329	0.86 224	0.89 329	1.25 388	0.69 345	1.05 357	0.81 349	1.16 357	0.50 305	1.12 365	0.97 367	0.72 327	0.82 346	1.06 361	0.95 361	0.61 295	0.87 331	1.03 367	0.85 359	1.04 339	1.01 366

test-3	0.98 341	4.13 434	1.85 445	1.85 410	0.61 331	0.69 321	0.37 254	0.63 306	0.61 322	0.66 318	0.51 318	0.73 329	0.44 282	0.57 306	0.54 314	1.68 426	1.81 444	0.40 249	0.43 294	0.66 293	0.50 299

iGMRVC	0.84 322	2.85 405	0.72 313	0.72 279	0.73 350	0.77 327	0.79 344	0.73 318	0.74 346	0.73 324	0.72 347	0.73 329	0.76 340	0.73 324	0.73 340	0.72 311	0.73 316	0.73 330	0.72 345	0.73 304	0.72 333

HH	0.71 290	2.54 391	0.74 316	1.10 323	0.32 230	0.41 238	0.37 254	0.69 313	0.78 347	0.73 324	0.90 359	0.75 331	1.00 355	0.84 334	0.69 335	0.69 306	0.40 240	0.35 221	0.26 202	0.35 203	0.26 185

HanStereo	0.71 290	2.54 391	0.74 316	1.10 323	0.32 230	0.41 238	0.37 254	0.69 313	0.78 347	0.73 324	0.90 359	0.75 331	1.00 355	0.84 334	0.69 335	0.69 306	0.40 240	0.35 221	0.26 202	0.35 203	0.26 185

ARAFT	0.68 284	0.81 220	0.63 297	0.74 281	0.60 327	0.78 329	0.62 320	0.77 320	0.66 329	0.74 328	0.63 330	0.75 331	0.62 320	0.83 333	0.60 320	0.70 309	0.55 289	0.70 328	0.60 326	0.78 308	0.55 311

GCAP-Stereo	0.75 296	4.15 435	0.42 247	0.75 282	0.35 252	0.78 329	0.40 267	0.79 321	0.38 259	0.78 331	0.36 254	0.78 334	0.36 249	0.79 329	0.39 265	0.75 313	0.39 237	0.76 334	0.39 278	0.75 305	0.39 260

test_xeample3	1.10 352	1.81 353	0.61 295	0.84 291	0.49 309	0.77 327	0.66 325	0.92 337	1.40 444	0.68 321	0.46 295	0.78 334	0.54 314	1.72 433	1.48 442	1.34 409	1.52 429	1.35 433	1.67 451	1.33 408	1.55 445

G-Net	0.79 305	0.79 216	0.79 324	0.79 284	0.79 356	0.79 331	0.79 344	0.79 321	0.79 350	0.79 332	0.79 354	0.79 336	0.79 343	0.79 329	0.79 346	0.79 316	0.79 323	0.79 337	0.79 351	0.79 310	0.79 343

RAFT-Stereo + iAFF	0.70 288	0.72 211	0.71 312	0.80 286	0.62 334	0.82 334	0.61 319	0.81 326	0.62 323	0.81 335	0.63 330	0.80 337	0.70 331	0.73 324	0.61 322	0.76 314	0.61 299	0.74 331	0.61 328	0.77 307	0.61 317

NaN_ROB	0.80 307	0.80 217	0.80 325	0.80 286	0.80 358	0.80 332	0.80 347	0.80 323	0.80 351	0.80 333	0.80 355	0.80 337	0.80 344	0.80 331	0.80 348	0.80 317	0.80 326	0.80 340	0.80 353	0.80 313	0.80 344

CSAN	0.80 307	0.80 217	0.80 325	0.80 286	0.80 358	0.80 332	0.80 347	0.80 323	0.80 351	0.80 333	0.80 355	0.80 337	0.80 344	0.80 331	0.80 348	0.80 317	0.80 326	0.80 340	0.80 353	0.80 313	0.80 344

AFF-stereo	0.73 294	0.88 227	0.67 306	0.75 282	0.68 344	0.75 326	0.64 322	0.80 323	0.72 341	0.83 336	0.70 342	0.82 340	0.64 321	0.84 334	0.67 328	0.77 315	0.63 301	0.81 342	0.63 330	0.78 308	0.62 320

Selective-RAFT-Error	0.88 326	0.84 223	0.98 341	0.86 294	0.97 372	0.88 338	0.95 360	0.84 327	0.99 370	0.92 343	0.82 357	0.84 341	0.98 354	0.87 338	0.97 363	0.81 320	0.83 329	0.79 337	0.82 356	0.79 310	0.85 349

RSM++	0.76 300	0.82 222	0.66 303	0.85 293	0.64 335	0.85 335	0.71 337	0.94 341	0.64 326	0.87 337	0.67 337	0.87 342	0.65 323	0.84 334	0.65 324	0.81 320	0.70 310	0.79 337	0.71 344	0.83 318	0.70 329

DCRE	0.84 322	1.89 358	0.77 320	0.94 306	0.72 349	0.88 338	0.73 339	0.87 328	0.78 347	0.90 339	0.71 345	0.88 343	0.67 328	0.88 339	0.73 340	0.81 320	0.68 305	0.81 342	0.70 341	0.82 317	0.70 329

UDG	0.80 307	2.21 381	0.60 293	0.91 298	0.60 327	0.90 341	0.58 317	0.88 331	0.60 320	0.90 339	0.60 325	0.88 343	0.60 318	0.90 342	0.58 318	0.86 327	0.60 295	0.84 346	0.59 325	0.84 319	0.61 317

4D-IteraStereo	0.78 304	3.13 410	0.89 329	0.69 274	0.32 230	0.40 222	0.32 220	0.76 319	0.97 368	0.52 293	0.65 334	0.89 345	0.32 231	0.76 328	0.98 364	0.83 323	0.94 336	0.35 221	0.27 208	0.70 300	0.89 352

MoCha-V2	2.11 433	26.97 507	0.78 321	0.92 301	0.77 354	0.96 348	0.72 338	0.90 332	0.72 341	0.94 347	0.70 342	0.90 346	0.71 335	0.91 343	0.71 339	0.85 326	0.71 314	0.88 349	0.69 339	0.87 321	0.67 326

Selective-RAFT	0.89 328	0.89 230	0.72 313	1.16 336	0.78 355	1.06 358	0.82 350	0.87 328	0.97 368	1.00 351	0.91 362	0.90 346	1.00 355	0.89 341	0.93 360	0.83 323	0.83 329	0.82 344	0.82 356	0.81 316	0.82 347

DDUNet	0.81 312	2.45 389	0.57 290	0.90 296	0.60 327	0.88 338	0.59 318	0.90 332	0.60 320	0.88 338	0.60 325	0.90 346	0.58 316	0.88 339	0.60 320	0.84 325	0.60 295	0.86 348	0.57 323	0.86 320	0.60 316

DPSM_ROB	0.92 331	0.91 233	0.91 334	0.91 298	0.92 367	0.92 343	0.92 356	0.92 337	0.91 358	0.93 345	0.91 362	0.92 349	0.90 348	0.91 343	0.92 356	0.92 332	0.91 332	0.91 352	0.92 360	0.93 329	0.93 356

DPSM	0.92 331	0.91 233	0.91 334	0.91 298	0.92 367	0.92 343	0.92 356	0.92 337	0.91 358	0.93 345	0.91 362	0.92 349	0.90 348	0.91 343	0.92 356	0.92 332	0.91 332	0.91 352	0.92 360	0.93 329	0.93 356

pmcnn	0.92 331	0.92 238	0.92 336	0.92 301	0.92 367	0.92 343	0.92 356	0.92 337	0.92 362	0.92 343	0.92 365	0.92 349	0.92 350	0.92 347	0.92 356	0.92 332	0.92 334	0.92 354	0.92 360	0.92 328	0.92 355

DGTPSM_ROB	0.93 335	1.00 249	0.92 336	0.94 306	0.96 371	0.91 342	0.92 356	0.91 334	0.96 367	0.91 341	0.96 366	0.93 352	0.92 350	0.94 348	0.92 356	0.92 332	0.92 334	0.90 350	0.92 360	0.94 331	0.91 354

ToySt	0.92 331	2.11 374	0.90 332	0.95 308	0.79 356	0.99 350	0.78 343	0.94 341	0.81 354	0.94 347	0.78 353	0.95 353	0.77 341	0.94 348	0.86 354	0.91 329	0.79 323	0.85 347	0.77 348	0.89 323	0.73 336

R-Stereo Train	0.81 312	0.96 243	0.67 306	0.95 308	0.67 341	0.95 346	0.68 330	0.95 343	0.68 331	0.95 349	0.68 338	0.96 354	0.68 329	0.96 352	0.68 331	0.94 336	0.68 305	0.94 355	0.68 337	0.94 331	0.68 327

RAFT-Stereo	0.81 312	0.96 243	0.67 306	0.95 308	0.67 341	0.95 346	0.68 330	0.95 343	0.68 331	0.95 349	0.68 338	0.96 354	0.68 329	0.96 352	0.68 331	0.94 336	0.68 305	0.94 355	0.68 337	0.94 331	0.68 327
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
999	1.00 342	1.12 274	0.59 291	1.10 323	1.21 438	1.09 363	0.52 311	1.08 350	1.43 446	1.18 370	1.35 436	0.98 356	0.52 310	0.91 343	0.85 353	0.72 311	1.46 426	0.83 345	0.98 365	0.68 295	1.41 442

GANet	1.00 342	1.00 249	1.00 343	1.00 315	1.00 373	1.00 351	1.00 364	1.00 345	1.00 371	1.00 351	1.00 369	1.00 357	1.00 355	1.00 355	1.00 366	1.00 338	1.00 337	1.00 362	1.00 367	1.00 335	1.00 363

TDLM	1.00 342	1.00 249	1.00 343	1.00 315	1.00 373	1.00 351	1.00 364	1.00 345	1.00 371	1.00 351	1.00 369	1.00 357	1.00 355	1.00 355	1.00 366	1.00 338	1.00 337	1.00 362	1.00 367	1.00 335	1.00 363

CVANet_RVC	1.00 342	1.00 249	1.00 343	1.00 315	1.00 373	1.00 351	1.00 364	1.00 345	1.00 371	1.00 351	1.00 369	1.00 357	1.00 355	1.00 355	1.00 366	1.00 338	1.00 337	1.00 362	1.00 367	1.00 335	1.00 363

trnet	1.01 347	1.01 255	1.01 346	1.01 318	1.01 377	1.01 355	1.01 367	1.01 348	1.01 374	1.01 355	1.01 372	1.01 360	1.01 361	1.01 359	1.01 369	1.01 341	1.01 340	1.01 365	1.01 371	1.01 338	1.01 366

AIO-Stereo	0.84 322	0.66 208	0.70 309	0.83 290	0.67 341	0.98 349	0.82 350	1.14 354	0.72 341	1.03 356	0.74 350	1.03 361	1.09 364	0.99 354	0.45 285	1.04 342	0.73 316	0.95 357	0.74 346	0.94 331	0.46 283

11t	1.27 408	2.70 398	1.34 416	1.32 392	0.89 362	1.30 423	1.34 434	1.64 426	0.57 317	1.45 426	0.72 347	1.05 362	1.29 428	1.07 364	1.29 434	1.49 417	1.02 341	0.97 360	1.15 377	1.48 413	1.31 433

GLC_STEREO	1.07 350	1.01 255	1.06 348	1.07 321	1.05 380	1.06 358	1.08 371	1.08 350	1.05 377	1.07 358	1.06 374	1.08 363	1.05 363	1.06 361	1.10 372	1.07 344	1.09 350	1.05 368	1.05 372	1.06 340	1.12 373

Nwc_Net	2.37 447	25.95 504	1.15 354	1.14 329	1.15 384	1.08 361	1.14 375	1.17 359	1.16 380	1.14 368	1.15 376	1.08 363	1.15 369	1.11 369	1.14 376	1.10 347	1.11 354	1.16 372	1.09 374	1.16 348	1.15 378

RP	2.33 443	25.00 500	1.13 351	1.15 331	1.15 384	1.10 364	1.15 376	1.15 355	1.15 379	1.12 365	1.15 376	1.09 365	1.13 366	1.10 367	1.15 377	1.11 352	1.09 350	1.16 372	1.12 375	1.16 348	1.17 379

edge stereo	2.43 450	27.07 508	1.14 352	1.06 320	1.14 383	1.08 361	1.17 379	1.16 357	1.14 378	1.10 360	1.16 379	1.09 365	1.16 373	1.10 367	1.16 380	1.10 347	1.11 354	1.16 372	1.19 381	1.13 343	1.11 371

AF-Net	2.37 447	25.71 503	1.17 356	1.13 328	1.15 384	1.15 370	1.18 380	1.19 362	1.16 380	1.10 360	1.15 376	1.10 367	1.18 374	1.12 370	1.15 377	1.10 347	1.10 353	1.17 376	1.15 377	1.16 348	1.12 373

NCC-stereo	2.36 445	25.52 502	1.17 356	1.15 331	1.17 389	1.11 367	1.11 372	1.15 355	1.16 380	1.10 360	1.16 379	1.10 367	1.15 369	1.14 371	1.13 375	1.09 345	1.11 354	1.15 371	1.16 379	1.17 353	1.17 379

MSMD_ROB	1.19 357	1.10 273	0.70 309	1.10 323	0.60 327	1.10 364	0.70 334	1.10 353	0.70 337	1.10 360	0.70 342	1.10 367	0.70 331	7.00 500	0.70 338	1.10 347	0.70 310	1.10 369	0.70 341	1.10 342	0.70 329

RGC	2.36 445	25.48 501	1.19 360	1.15 331	1.15 384	1.10 364	1.16 378	1.17 359	1.16 380	1.12 365	1.16 379	1.11 370	1.13 366	1.09 365	1.18 382	1.10 347	1.15 359	1.16 372	1.12 375	1.14 344	1.12 373

Abc-Net	2.32 442	24.75 499	1.14 352	1.17 337	1.17 389	1.11 367	1.15 376	1.17 359	1.21 432	1.08 359	1.16 379	1.12 371	1.14 368	1.09 365	1.17 381	1.09 345	1.16 360	1.17 376	1.17 380	1.16 348	1.11 371
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 443	24.38 498	1.18 358	1.18 338	1.18 391	1.14 369	1.18 380	1.19 362	1.19 386	1.14 368	1.18 383	1.14 372	1.18 374	1.14 371	1.18 382	1.14 354	1.14 358	1.19 379	1.19 381	1.15 346	1.19 381

KSHMR	0.66 279	0.50 184	0.48 267	1.15 331	0.52 318	0.49 282	0.51 310	0.49 269	0.71 340	0.67 319	0.50 312	1.16 373	1.11 365	0.66 317	0.52 311	0.49 270	0.49 274	0.51 305	0.66 333	0.50 272	1.14 377

HSM-Net_RVC	0.95 338	1.17 279	0.78 321	1.18 338	0.71 347	1.16 371	0.75 341	1.09 352	0.80 351	1.10 360	0.75 351	1.17 374	0.74 337	1.17 373	0.80 348	1.13 353	0.73 316	1.17 376	0.77 348	1.16 348	0.72 333
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
S-Stereo	2.51 452	26.86 506	1.23 412	1.22 385	1.22 440	1.24 420	1.25 431	1.22 411	1.24 435	1.21 417	1.24 432	1.19 375	1.27 426	1.19 374	1.24 431	1.19 356	1.20 365	1.25 427	1.19 381	1.24 405	1.23 429

DisPM	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

CrosDoStereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

PFNet+	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

LCNet	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

HHNet	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

Patchmatch Stereo++	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382
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	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

STrans-v2	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

TransformOpticalFlow	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

OMP-Stereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

IIG-Stereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

NF-Stereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

OCTAStereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

PSM-softLoss	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

KMStereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

NRIStereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

PSM-adaLoss	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

PSM-AAD	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

FTStereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

ROB_FTStereo_v2	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

ROB_FTStereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

Consistency-Raft	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

KYRaft	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

HUI-Stereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

ASMatch	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

DeepStereo_LL	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

DEmStereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

SST-Stereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

THIR-Stereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

RAFT_R40	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

DRaft	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

PFNet	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

GrayStereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

RE-Stereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

Pruner-Stereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

TVStereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

DeepStereo_RVC	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

RAFT-RH_RVC	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

IRAFT_RVC	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

RAFT-345	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

iRAFT	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

CRE-IMP	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

GMM-Stereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

RAFT-IKP	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

Prome-Stereo	1.20 358	1.20 283	1.20 363	1.20 340	1.20 392	1.20 372	1.20 382	1.20 365	1.20 387	1.20 372	1.20 384	1.20 376	1.20 376	1.20 375	1.20 384	1.20 357	1.20 365	1.20 380	1.20 384	1.20 357	1.20 382

FAT-Stereo	2.46 451	26.05 505	1.23 412	1.23 387	1.22 440	1.20 372	1.24 430	1.23 413	1.23 434	1.19 371	1.22 430	1.21 421	1.24 424	1.20 375	1.24 431	1.21 402	1.17 363	1.22 426	1.25 431	1.20 357	1.24 430

CroCo-Stereo	0.73 294	1.22 332	0.25 170	1.22 385	0.25 196	1.22 418	0.25 188	1.22 411	0.25 188	1.22 418	0.25 197	1.22 422	0.25 191	1.22 421	0.25 191	1.22 403	0.26 177	1.21 425	0.25 196	1.22 404	0.25 179
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	0.77 301	1.29 335	0.29 183	1.27 389	0.29 215	1.27 421	0.26 196	1.26 414	0.26 201	1.26 419	0.26 203	1.27 423	0.26 200	1.26 422	0.27 197	1.27 405	0.27 182	1.27 428	0.27 208	1.27 406	0.27 192

DPSimNet_ROB	0.97 339	1.18 281	0.81 327	1.10 323	0.91 366	1.02 356	0.82 350	1.04 349	0.91 358	1.03 356	0.86 358	1.28 424	0.82 346	1.03 360	0.89 355	1.17 355	0.81 328	1.02 366	0.82 356	1.08 341	0.81 346

MaskLacGwcNet_RVC	1.35 410	1.35 339	1.35 418	1.35 394	1.35 442	1.35 424	1.35 435	1.36 419	1.35 440	1.36 422	1.35 436	1.36 425	1.36 431	1.36 424	1.35 436	1.35 410	1.35 419	1.35 433	1.35 434	1.35 409	1.35 438

CC-Net-ROB	1.36 411	1.33 338	1.33 415	1.36 395	1.38 445	1.36 426	1.33 433	1.37 421	1.34 438	1.35 421	1.36 438	1.38 426	1.34 430	1.38 426	1.38 438	1.35 410	1.38 422	1.33 430	1.35 434	1.43 412	1.34 437

ours_stereo	1.20 358	1.21 329	0.90 332	1.64 408	1.11 382	1.35 424	0.67 329	1.76 430	0.93 363	1.70 434	1.10 375	1.39 427	0.75 339	1.41 427	0.81 351	1.60 424	1.03 342	1.33 430	1.00 367	1.61 418	0.72 333

PS-NSSS	1.38 413	1.39 341	1.34 416	1.34 393	1.35 442	1.38 428	1.37 441	1.35 418	1.38 443	1.34 420	1.34 435	1.39 427	1.38 433	1.70 432	1.40 439	1.36 412	1.36 420	1.36 435	1.37 437	1.37 410	1.36 439

MM-Stereo_test2	1.20 358	1.85 355	1.05 347	1.46 399	0.94 370	1.36 426	0.99 363	1.36 419	0.95 365	1.41 424	0.98 368	1.40 429	0.96 352	1.37 425	0.95 361	1.37 413	1.06 343	1.33 430	0.93 364	1.29 407	0.89 352

RASNet	1.49 414	1.65 346	1.45 429	1.38 397	1.43 448	1.47 432	1.36 436	1.38 422	1.36 441	1.39 423	1.60 448	1.45 430	1.45 436	1.51 429	2.21 461	1.53 421	1.36 420	1.36 435	1.36 436	1.66 419	1.36 439

MM-Stereo_test3	1.27 408	2.07 370	1.18 358	1.60 403	1.02 378	1.45 431	1.01 367	1.40 423	1.04 376	1.44 425	1.03 373	1.46 431	1.02 362	1.44 428	1.02 370	1.51 420	1.12 357	1.32 429	0.98 365	1.38 411	0.97 359

LL-Strereo	1.01 347	5.06 445	1.63 434	0.70 276	1.43 448	0.56 304	0.46 288	0.57 295	0.50 305	0.57 304	0.50 312	1.58 432	0.49 301	0.59 308	0.50 304	1.64 425	0.52 285	0.51 305	1.37 437	0.52 280	0.45 282

tt45	1.04 349	0.88 227	1.36 423	0.92 301	1.03 379	1.51 433	0.79 344	0.70 315	0.88 356	0.74 328	0.90 359	1.60 433	0.72 336	1.60 430	0.75 343	0.91 329	0.78 322	1.52 440	0.79 351	1.14 344	1.32 434

DPSMNet_ROB	1.60 417	1.59 345	1.70 437	1.59 402	1.59 450	1.61 434	1.61 446	1.60 424	1.60 448	1.62 432	1.59 447	1.60 433	1.60 438	1.60 430	1.59 444	1.59 422	1.60 433	1.59 441	1.59 448	1.59 417	1.59 447

HBP-ISP	1.24 406	1.72 348	1.65 435	1.15 331	0.76 353	1.40 429	0.88 353	1.67 429	1.02 375	1.69 433	1.38 440	1.69 435	1.21 422	1.87 434	1.21 429	1.05 343	0.79 323	0.97 360	0.80 353	1.19 356	0.75 340

GANetREF_RVC	1.55 415	1.94 367	1.22 410	1.88 411	1.21 438	1.88 439	1.22 428	1.88 431	1.22 433	1.88 435	1.22 430	1.88 436	1.22 423	1.89 435	1.22 430	1.87 431	1.22 412	1.88 443	1.22 430	1.88 423	1.22 428
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
FC-DCNN	1.07 350	1.09 270	0.98 341	0.89 295	0.52 318	1.41 430	0.91 355	1.21 410	1.24 435	1.96 437	2.05 466	1.91 437	1.30 429	1.27 423	1.08 371	0.80 317	0.60 295	0.58 314	0.41 286	0.68 295	0.54 307

RAFT_CTSACE	1.92 427	3.71 423	1.72 439	1.88 411	1.72 454	2.04 442	1.42 445	2.18 440	1.89 461	2.02 440	1.97 462	1.95 438	2.06 451	1.93 436	1.62 445	1.76 427	1.66 437	2.02 447	1.73 457	1.73 420	1.43 444

MFMNet_re	1.81 425	1.91 361	1.71 438	1.95 415	1.70 453	1.95 440	1.70 449	1.96 433	1.74 451	1.97 438	1.72 451	1.95 438	1.71 441	1.97 437	1.71 450	1.86 430	1.62 434	1.85 442	1.66 450	1.86 422	1.64 448

SPS-STEREO	1.59 416	1.91 361	1.21 409	1.94 414	1.20 392	2.00 441	1.23 429	1.99 434	1.24 435	2.00 439	1.25 433	2.03 440	1.26 425	2.00 438	1.29 434	1.90 434	1.18 364	1.89 444	1.21 429	1.89 424	1.20 382
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test1	1.80 424	3.41 416	1.52 433	2.12 420	1.41 447	2.04 442	1.41 443	2.05 435	1.46 447	2.04 441	1.41 442	2.05 441	1.42 435	2.05 439	1.43 441	2.04 439	1.54 430	1.94 445	1.38 439	1.99 426	1.33 435

MC-Stereo	1.76 421	2.96 406	1.37 425	2.14 421	1.37 444	2.14 445	1.36 436	2.14 439	1.37 442	2.14 445	1.37 439	2.14 442	1.37 432	2.14 443	1.37 437	1.97 435	1.32 413	1.97 446	1.32 433	1.98 425	1.33 435

NCCL2	2.28 441	2.27 383	2.28 456	2.28 430	2.28 468	2.27 446	2.29 462	2.28 441	2.28 465	2.27 446	2.28 467	2.28 443	2.27 455	2.27 447	2.28 466	2.28 443	2.28 453	2.27 452	2.29 466	2.27 434	2.29 461

TRStereo	2.00 428	2.13 375	1.85 445	2.27 427	1.84 457	2.28 447	1.84 452	2.29 442	1.86 457	2.30 447	1.87 455	2.30 444	1.87 444	2.08 440	1.72 452	2.08 440	1.72 439	2.08 448	1.72 454	2.08 427	1.72 451

XX-Stereo	2.00 428	2.13 375	1.85 445	2.27 427	1.84 457	2.28 447	1.84 452	2.29 442	1.86 457	2.30 447	1.87 455	2.30 444	1.87 444	2.08 440	1.72 452	2.08 440	1.72 439	2.08 448	1.72 454	2.08 427	1.72 451

EAI-Stereo	2.00 428	2.13 375	1.85 445	2.27 427	1.84 457	2.28 447	1.84 452	2.29 442	1.86 457	2.30 447	1.87 455	2.30 444	1.87 444	2.08 440	1.72 452	2.08 440	1.72 439	2.08 448	1.72 454	2.08 427	1.72 451

ff7	1.68 418	2.68 395	1.35 418	0.97 312	0.89 362	1.84 436	2.15 459	2.12 436	1.80 454	2.05 442	1.56 444	2.33 447	2.12 452	2.23 444	2.25 462	1.31 406	1.07 344	1.48 437	1.41 440	0.90 325	1.04 368

ffff	1.68 418	2.68 395	1.35 418	0.97 312	0.89 362	1.84 436	2.15 459	2.12 436	1.80 454	2.05 442	1.56 444	2.33 447	2.12 452	2.23 444	2.25 462	1.31 406	1.07 344	1.48 437	1.41 440	0.90 325	1.04 368

ccc-4	1.68 418	2.68 395	1.35 418	0.97 312	0.89 362	1.84 436	2.15 459	2.12 436	1.80 454	2.05 442	1.56 444	2.33 447	2.12 452	2.23 444	2.25 462	1.31 406	1.07 344	1.48 437	1.41 440	0.90 325	1.04 368

STTStereo	3.73 467	30.40 512	2.37 460	2.39 433	2.31 470	2.35 450	2.33 463	2.29 442	2.42 466	2.32 450	2.34 468	2.33 447	2.36 456	2.30 448	2.27 465	2.35 448	2.22 452	2.31 454	2.22 463	2.29 436	2.34 465

FBW_ROB	2.12 434	2.46 390	1.77 441	2.49 437	1.79 456	2.38 451	1.83 451	2.46 450	1.78 453	2.48 452	1.97 462	2.40 451	1.78 442	2.42 453	1.83 456	2.31 446	1.85 445	2.38 456	1.82 459	2.35 437	1.84 455

AIO_test	2.18 435	2.09 373	2.04 454	2.42 434	2.01 464	2.47 454	1.94 457	2.34 447	2.03 463	2.56 455	1.94 460	2.43 452	1.94 448	2.41 451	1.87 458	2.39 450	2.10 448	2.35 455	1.91 460	2.25 433	2.19 459

AIO_rvc	2.18 435	2.34 386	1.87 449	2.32 431	1.94 463	2.40 452	1.89 456	2.37 448	2.07 464	2.52 454	1.95 461	2.44 453	1.99 450	2.41 451	1.89 459	2.32 447	2.09 447	2.24 451	2.18 462	2.21 431	2.23 460

UDGNet	2.23 439	5.40 454	1.72 439	2.48 436	1.69 452	2.51 455	1.69 448	2.51 451	1.72 450	2.50 453	1.69 450	2.52 454	1.69 440	2.50 454	1.68 449	2.41 451	1.70 438	2.42 457	1.69 453	2.42 438	1.64 448

IGEVStereo-DCA	1.77 422	4.21 436	1.84 443	2.49 437	2.11 466	2.54 456	1.36 436	1.65 427	1.17 384	2.75 457	1.90 458	2.54 455	1.15 369	0.94 348	1.11 373	1.50 418	1.32 413	0.96 358	1.46 444	1.49 414	0.88 350

rrr	1.77 422	4.21 436	1.84 443	2.49 437	2.11 466	2.54 456	1.36 436	1.65 427	1.17 384	2.75 457	1.90 458	2.54 455	1.15 369	0.94 348	1.11 373	1.50 418	1.32 413	0.96 358	1.46 444	1.49 414	0.88 350

HUF	2.18 435	2.30 385	1.99 453	2.34 432	2.02 465	2.41 453	2.06 458	2.38 449	1.89 461	2.36 451	1.85 453	2.56 457	1.98 449	2.31 449	1.97 460	2.30 445	2.03 446	2.30 453	2.11 461	2.23 432	2.16 458

sCroCo_RVC	2.10 432	2.76 400	1.92 451	2.78 442	1.39 446	2.73 458	1.41 443	2.73 453	1.40 444	2.77 460	1.41 442	2.74 458	1.40 434	2.74 457	1.40 439	2.72 453	1.42 424	2.72 459	1.44 443	2.79 445	1.42 443

LGtest1	2.22 438	2.70 398	1.89 450	2.76 441	1.86 460	2.75 459	1.86 455	2.75 454	1.86 457	2.75 457	1.86 454	2.77 459	1.87 444	2.75 458	1.86 457	2.46 452	1.58 432	2.45 458	1.56 446	2.45 439	1.56 446

NLCA_NET_v2_RVC	5.04 492	50.87 522	2.78 462	2.87 443	2.71 471	2.78 460	0.47 293	2.88 458	2.86 470	1.89 436	2.67 469	2.79 460	2.79 460	2.78 459	2.83 467	2.82 454	2.82 456	2.83 460	2.77 469	2.83 446	2.76 469
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
plain	1.88 426	3.16 411	0.64 299	3.10 444	0.65 337	3.10 462	0.64 322	3.12 460	0.65 327	3.10 461	0.65 334	3.11 461	0.65 323	3.12 460	0.65 324	3.12 456	0.65 303	3.13 461	0.65 331	3.13 447	0.65 323

MIF-Stereo (partial)	2.58 454	3.31 415	0.66 303	3.18 445	0.66 340	3.18 463	0.66 325	3.21 461	0.67 330	3.19 462	0.66 336	3.19 462	0.66 326	3.31 464	0.68 331	5.09 482	1.79 443	8.23 501	1.67 451	6.18 485	1.38 441

Anonymous3	2.55 453	3.26 414	1.65 435	3.28 447	1.63 451	3.24 464	1.68 447	3.27 462	1.66 449	3.28 463	1.67 449	3.25 463	1.66 439	3.27 462	1.64 446	3.26 457	1.65 436	3.30 462	1.65 449	4.95 476	1.65 450

UniTT-Stereo	2.03 431	3.43 417	0.72 313	3.42 448	0.73 350	3.27 465	0.68 330	3.38 464	0.69 334	3.29 464	0.72 347	3.28 464	0.70 331	3.35 465	0.68 331	3.39 458	0.68 305	3.31 463	0.69 339	3.37 448	0.73 336

SA	4.33 481	7.35 466	6.85 496	5.96 479	4.09 493	3.59 467	3.15 483	3.82 469	2.64 467	3.91 467	3.85 487	3.57 465	2.72 459	3.13 461	4.03 488	7.09 496	6.86 491	3.57 465	3.12 478	3.85 451	3.51 484

RAStereo	2.23 439	3.64 420	0.76 319	3.65 453	0.86 360	3.66 469	0.76 342	3.67 468	0.81 354	3.66 465	0.76 352	3.66 466	0.77 341	3.68 467	0.77 345	3.68 461	0.77 321	3.69 468	0.77 348	3.70 450	0.77 342

DPSNet	3.66 466	3.60 419	3.62 480	3.63 452	3.64 489	3.65 468	3.65 487	3.66 467	3.67 485	3.67 466	3.65 486	3.67 467	3.66 476	3.66 466	3.68 483	3.68 461	3.66 471	3.67 467	3.68 487	3.67 449	3.67 485

test_3	5.01 491	8.86 478	7.77 499	8.09 489	2.76 472	4.13 473	4.05 492	3.88 470	3.76 488	4.33 472	4.13 491	3.71 468	3.91 480	4.21 473	4.06 489	7.93 497	7.69 494	4.53 473	3.91 490	4.17 456	4.29 494

Sa-1000	4.34 482	8.37 472	6.84 495	6.98 486	4.45 496	3.58 466	3.00 469	3.42 465	3.39 484	2.61 456	4.00 490	3.83 469	4.01 483	3.90 469	3.90 486	5.98 489	5.62 484	3.76 469	2.34 467	4.35 459	2.47 468

TestStereo1	4.60 483	8.41 473	6.44 493	6.86 484	3.79 490	3.97 471	3.78 488	3.99 471	3.74 486	3.97 468	3.52 484	3.94 470	3.58 474	3.98 470	3.72 484	6.82 493	6.50 489	3.76 469	3.66 485	3.90 452	3.74 488

SA-5K	4.60 483	8.41 473	6.44 493	6.86 484	3.79 490	3.97 471	3.78 488	3.99 471	3.74 486	3.97 468	3.52 484	3.94 470	3.58 474	3.98 470	3.72 484	6.82 493	6.50 489	3.76 469	3.66 485	3.90 452	3.74 488

raft_robust	4.71 487	7.75 470	5.40 490	6.81 483	3.31 485	4.28 475	4.20 493	4.32 474	4.37 494	4.35 473	4.35 493	4.14 472	3.75 478	4.30 475	4.20 491	6.67 492	6.37 487	3.36 464	4.24 495	4.86 475	3.25 481

test_4	4.88 489	8.13 471	6.98 497	7.46 487	4.44 495	4.25 474	3.85 490	4.04 473	3.92 489	4.13 470	3.91 488	4.18 473	3.84 479	4.14 472	4.06 489	7.01 495	7.13 492	4.53 473	3.72 488	4.09 455	3.72 486

test_5	4.62 486	7.55 468	6.23 491	6.32 481	3.40 487	5.29 493	3.50 485	3.53 466	4.11 491	4.28 471	4.47 494	4.26 474	4.38 486	3.68 467	3.24 480	5.89 487	5.60 483	4.84 488	3.50 483	4.33 458	3.93 492

cross-raft	4.83 488	7.52 467	6.43 492	6.63 482	3.96 492	4.51 476	3.99 491	4.49 475	3.96 490	4.52 474	3.96 489	4.50 475	3.97 482	4.50 476	3.97 487	6.65 491	6.44 488	4.33 472	3.92 491	4.35 459	3.91 491

rvit_0105_6	3.87 472	5.73 460	3.10 474	4.69 469	3.12 483	4.54 478	3.02 471	4.56 477	3.04 471	4.54 478	3.03 472	4.54 476	3.04 464	4.56 477	3.05 470	4.58 471	3.05 458	4.58 477	3.05 470	4.58 464	3.05 470

rvit_stereo_0081	3.83 468	5.23 449	3.01 464	4.53 459	3.03 475	4.55 482	3.02 471	4.56 477	3.04 471	4.52 474	3.02 470	4.54 476	3.03 461	4.56 477	3.04 468	4.57 468	3.05 458	4.57 475	3.05 470	4.58 464	3.05 470

rvit_105_1	3.83 468	5.22 448	3.01 464	4.53 459	3.01 473	4.51 476	3.01 470	4.56 477	3.04 471	4.53 476	3.03 472	4.55 478	3.03 461	4.56 477	3.04 468	4.57 468	3.05 458	4.57 475	3.05 470	4.57 463	3.05 470

rvit_stereo_0082	3.86 470	5.82 461	3.01 464	4.53 459	3.03 475	4.54 478	3.02 471	4.56 477	3.04 471	4.53 476	3.02 470	4.55 478	3.04 464	4.57 480	3.05 470	4.57 468	3.05 458	4.58 477	3.05 470	4.58 464	3.06 473

rvit_stereo_0080	3.89 473	5.70 458	3.04 469	4.54 462	3.03 475	4.56 483	3.05 477	4.60 481	3.07 476	4.58 481	3.06 475	4.59 480	3.06 466	4.61 481	3.08 474	4.63 473	3.09 463	4.64 481	3.10 475	4.65 468	3.10 475

whm_eth	3.89 473	5.70 458	3.04 469	4.54 462	3.03 475	4.56 483	3.05 477	4.60 481	3.07 476	4.58 481	3.06 475	4.59 480	3.06 466	4.61 481	3.08 474	4.63 473	3.09 463	4.64 481	3.10 475	4.65 468	3.10 475

sAnonymous2	3.31 464	2.63 393	1.38 426	3.71 454	1.86 460	4.70 488	1.11 372	4.82 489	2.72 468	5.45 492	1.98 464	4.59 480	2.64 457	2.65 455	6.21 497	4.37 463	1.08 348	5.16 491	2.24 464	4.52 461	2.39 466

CroCo_RVC	3.31 464	2.63 393	1.38 426	3.71 454	1.86 460	4.70 488	1.11 372	4.82 489	2.72 468	5.45 492	1.98 464	4.59 480	2.64 457	2.65 455	6.21 497	4.37 463	1.08 348	5.16 491	2.24 464	4.52 461	2.39 466

rvit_0105_4	3.91 475	5.47 457	3.02 467	4.54 462	3.02 474	4.54 478	3.03 475	4.75 487	3.17 482	4.57 480	3.06 475	4.61 484	3.16 472	4.65 484	3.09 476	4.66 475	3.11 465	4.68 484	3.18 480	4.81 473	3.16 479

rvit_0105_3	3.91 475	5.33 452	3.06 472	4.60 467	3.07 481	4.60 485	3.06 479	4.62 483	3.08 479	4.60 483	3.07 478	4.62 485	3.08 468	4.67 485	3.10 477	4.70 476	3.11 465	4.77 486	3.19 481	4.77 472	3.14 478

rvit_stereo_0081_aga	3.86 470	5.33 452	3.02 467	4.55 465	3.04 479	4.54 478	3.02 471	4.64 484	3.06 475	4.54 478	3.04 474	4.62 485	3.08 468	4.62 483	3.07 473	4.58 471	3.06 462	4.60 479	3.08 474	4.63 467	3.07 474

rvit_stereo_ft	3.93 478	5.44 456	3.05 471	4.59 466	3.06 480	4.61 486	3.08 480	4.67 486	3.12 481	4.63 485	3.10 480	4.65 487	3.11 470	4.69 487	3.13 478	4.70 476	3.14 467	4.71 485	3.15 479	4.74 471	3.16 479

rvit_stereo_0083	3.92 477	5.30 451	3.06 472	4.61 468	3.09 482	4.67 487	3.08 480	4.66 485	3.09 480	4.62 484	3.10 480	4.66 488	3.11 470	4.67 485	3.16 479	4.72 478	3.16 468	4.77 486	3.11 477	4.66 470	3.11 477

RAFT+CT+SA	4.28 480	7.62 469	4.91 485	5.55 476	2.28 468	3.09 461	3.64 486	4.49 475	3.07 476	4.80 487	3.35 483	4.77 489	3.70 477	4.29 474	3.05 470	5.58 485	5.98 486	3.58 466	3.78 489	4.26 457	3.72 486

rvit_0105_5	4.10 479	5.40 454	3.13 477	4.71 470	3.15 484	4.72 490	3.10 482	4.90 491	3.27 483	4.69 486	3.16 482	4.84 490	3.25 473	4.96 489	3.34 481	5.05 481	3.39 470	5.10 490	3.40 482	5.11 478	3.42 482

TestStereo	4.88 489	4.75 441	4.79 484	4.87 472	4.92 497	4.81 492	4.90 496	4.78 488	4.77 495	4.87 488	4.89 495	4.90 491	4.91 488	4.99 490	4.79 493	4.98 479	4.87 480	4.87 489	4.92 497	5.00 477	5.00 495

test-1	6.46 496	9.16 480	8.03 502	8.09 489	5.62 500	6.11 495	6.35 499	6.85 497	4.94 496	6.08 495	6.29 501	4.98 492	6.43 493	6.22 493	6.36 499	6.16 490	7.47 493	5.82 495	5.44 500	7.11 490	5.68 498

MaDis-Stereo	3.19 463	6.02 463	1.12 350	5.61 477	1.16 388	5.43 494	1.02 369	5.15 493	0.70 337	5.43 491	1.21 429	5.03 493	0.97 353	4.85 488	0.99 365	4.53 466	1.16 360	5.53 493	1.25 431	5.37 481	1.30 432

RAFT	6.73 498	9.36 481	7.40 498	8.51 492	6.55 501	6.88 498	6.60 500	6.79 496	6.60 500	6.80 497	6.72 502	5.31 494	5.50 491	6.61 494	6.61 500	8.42 499	5.89 485	5.73 494	5.45 501	6.61 486	6.24 499

StereoVision	3.15 462	5.00 444	0.89 329	4.83 471	1.00 373	3.93 470	1.27 432	6.37 494	1.34 438	5.67 494	1.26 434	5.84 495	1.27 426	5.03 492	1.24 431	5.10 483	1.09 350	4.61 480	0.57 323	5.62 483	1.12 373

DispFullNet	4.61 485	4.84 442	3.12 475	5.00 473	3.57 488	4.75 491	3.03 475	7.75 500	4.17 492	4.91 489	3.09 479	6.20 496	3.95 481	6.71 496	3.51 482	5.30 484	3.67 472	5.86 497	3.63 484	5.61 482	3.46 483

test-v	7.53 500	11.89 489	7.98 500	9.36 495	7.14 502	7.06 499	7.09 501	7.37 498	6.91 501	7.29 498	5.71 499	6.45 497	6.93 494	6.73 497	7.27 501	8.93 502	7.85 495	6.98 498	6.80 502	7.56 491	7.34 501

test-2	7.53 500	11.89 489	7.98 500	9.36 495	7.14 502	7.06 499	7.09 501	7.37 498	6.91 501	7.29 498	5.71 499	6.45 497	6.93 494	6.73 497	7.27 501	8.93 502	7.85 495	6.98 498	6.80 502	7.56 491	7.34 501

SGM-Forest	5.21 495	5.92 462	4.08 482	6.18 480	4.16 494	6.31 496	4.34 494	6.50 495	4.33 493	6.14 496	4.21 492	6.61 499	4.55 487	6.67 495	4.48 492	5.94 488	3.94 474	5.85 496	4.03 493	5.79 484	4.17 493
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FC-DCNN v2	5.10 493	5.15 446	4.49 483	5.07 474	3.37 486	6.87 497	4.75 495	5.04 492	6.34 499	7.84 500	5.06 496	6.72 500	4.09 484	4.99 490	5.44 496	5.03 480	3.16 468	4.67 483	4.86 496	5.15 479	3.89 490

rvit_stereo_0075_2	6.64 497	8.80 477	5.25 487	7.89 488	5.27 499	7.90 501	5.27 497	7.92 501	5.28 497	7.91 501	5.29 498	7.93 501	5.27 489	7.92 501	5.28 494	7.93 497	5.28 482	7.93 500	5.29 499	7.93 493	5.28 497

U	5.15 494	8.49 475	1.81 442	8.49 491	1.77 455	8.49 502	1.77 450	8.51 502	1.77 452	8.49 502	1.77 452	8.50 502	1.78 442	8.58 502	1.77 455	8.54 500	1.78 442	8.55 502	1.78 458	8.55 496	1.84 455

SGM+DAISY	7.06 499	9.15 479	5.38 489	8.84 493	5.18 498	8.80 503	5.31 498	8.79 503	5.28 497	8.89 503	5.20 497	8.93 503	5.33 490	8.95 503	5.36 495	8.70 501	5.21 481	8.74 503	5.20 498	8.89 497	5.15 496

rafts_anoy	20.00 504	20.00 491	20.00 504	20.00 504	20.00 505	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 505	20.00 504	20.00 505	20.00 504	20.00 504

raft+_RVC	20.00 504	20.00 491	20.00 504	20.00 504	20.00 505	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 505	20.00 504	20.00 505	20.00 504	20.00 504

raftrobust	20.00 504	20.00 491	20.00 504	20.00 504	20.00 505	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 505	20.00 504	20.00 505	20.00 504	20.00 504

CasAABBNet	20.00 504	20.00 491	20.00 504	20.00 504	20.00 505	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 505	20.00 504	20.00 505	20.00 504	20.00 504

RALCasStereoNet	20.00 504	20.00 491	20.00 504	20.00 504	20.00 505	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 505	20.00 504	20.00 505	20.00 504	20.00 504

RALAANet	20.00 504	20.00 491	20.00 504	20.00 504	20.00 505	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 504	20.00 505	20.00 504	20.00 505	20.00 504	20.00 504

MANE	19.05 503	23.00 497	15.00 503	23.00 510	15.00 504	24.00 510	16.00 503	24.00 510	16.00 503	22.00 510	15.00 503	23.00 510	16.00 503	23.00 510	15.00 503	22.00 510	15.00 504	22.00 510	15.00 504	22.00 510	15.00 503

111	30.40 510	30.94 513	29.72 511	32.61 511	30.02 512	33.57 511	30.47 511	31.50 511	29.39 511	30.98 511	29.11 511	29.78 511	30.39 514	29.45 511	30.76 514	30.08 511	29.02 512	29.92 511	30.32 515	29.86 511	30.17 511

fff	1000028.16 530	29.62 509	29.72 511	32.61 511	30.02 512	35.13 513	31.83 512	32.07 512	10000000.00 530	35.27 514	29.82 512	32.45 512	30.15 511	32.35 512	30.09 511	31.04 512	29.55 513	30.64 512	30.14 512	10000000.00 531	30.77 512

csc	1000028.16 530	29.62 509	29.72 511	32.61 511	30.02 512	35.13 513	31.83 512	32.07 512	10000000.00 530	35.27 514	29.82 512	32.45 512	30.15 511	32.35 512	30.09 511	31.04 512	29.55 513	30.64 512	30.14 512	10000000.00 531	30.77 512

cscssc	1000028.16 530	29.62 509	29.72 511	32.61 511	30.02 512	35.13 513	31.83 512	32.07 512	10000000.00 530	35.27 514	29.82 512	32.45 512	30.15 511	32.35 512	30.09 511	31.04 512	29.55 513	30.64 512	30.14 512	10000000.00 531	30.77 512

tt	500032.53 528	34.60 515	29.72 511	37.47 520	34.41 517	36.85 517	35.22 516	34.71 515	33.55 513	34.50 512	35.43 515	33.81 515	10000000.00 531	33.57 515	33.13 515	33.68 515	35.00 517	34.03 516	35.26 518	30.96 512	34.63 516

DCANet	500032.53 528	34.60 515	29.72 511	37.47 520	34.41 517	36.85 517	35.22 516	34.71 515	33.55 513	34.50 512	35.43 515	33.81 515	10000000.00 531	33.57 515	33.13 515	33.68 515	35.00 517	34.03 516	35.26 518	30.96 512	34.63 516

DCANet-4	35.22 512	34.54 514	35.08 517	33.58 515	35.47 519	34.55 512	35.53 518	36.08 517	35.85 515	35.92 517	35.77 517	35.18 517	35.48 516	35.39 517	37.15 520	34.55 517	33.92 516	35.02 518	34.90 517	35.79 515	34.74 518

ADStereo(finetuned)	36.13 513	36.63 518	38.07 521	36.97 516	33.25 516	35.91 516	34.45 515	36.36 518	32.99 512	38.14 522	36.71 518	36.69 518	34.13 515	38.57 522	40.79 521	37.60 522	36.58 519	35.90 519	33.36 516	35.42 514	34.04 515

Reg-Stereo(zero)	37.00 514	37.00 519	37.00 518	37.00 517	37.00 520	37.00 519	37.00 519	37.00 519	37.00 516	37.00 518	37.00 519	37.00 519	37.00 517	37.00 518	37.00 517	37.00 519	37.00 520	37.00 520	37.00 520	37.00 516	37.00 519

HI	37.00 514	37.00 519	37.00 518	37.00 517	37.00 520	37.00 519	37.00 519	37.00 519	37.00 516	37.00 518	37.00 519	37.00 519	37.00 517	37.00 518	37.00 517	37.00 519	37.00 520	37.00 520	37.00 520	37.00 516	37.00 519

CoSv	37.00 514	37.00 519	37.00 518	37.00 517	37.00 520	37.00 519	37.00 519	37.00 519	37.00 516	37.00 518	37.00 519	37.00 519	37.00 517	37.00 518	37.00 517	37.00 519	37.00 520	37.00 520	37.00 520	37.00 516	37.00 519

WCMA_ROB	31.10 511	35.43 517	27.12 510	39.51 522	23.10 511	38.78 522	25.30 510	37.49 522	25.39 510	37.29 521	27.02 510	38.52 522	26.48 510	37.80 521	26.44 510	36.28 518	22.65 511	33.90 515	22.30 511	37.10 519	24.18 510

MDST_ROB	69.83 517	87.70 523	41.95 522	113.75 525	65.62 525	75.05 523	55.25 523	75.64 524	45.04 519	71.61 523	41.75 522	72.81 523	44.06 520	68.38 523	44.63 522	101.89 525	59.57 525	107.10 525	61.05 525	104.38 522	59.38 524

CBMV	128.50 519	1422.70 534	53.10 523	79.50 524	51.30 524	77.30 524	49.70 522	74.00 523	48.20 520	77.20 524	48.80 523	73.90 524	48.00 521	73.80 524	48.80 523	70.40 524	45.10 524	68.90 524	46.10 524	68.20 521	45.00 523
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 520	171.00 528	160.68 528	162.58 526	160.59 526	164.01 525	160.35 525	158.51 526	158.56 522	158.34 525	160.12 525	158.56 525	159.92 523	157.26 526	158.94 525	154.38 526	158.36 526	155.75 526	159.13 527	153.67 523	154.07 525
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	102.95 518	153.00 527	121.00 525	51.00 523	44.00 523	165.00 526	127.00 524	153.00 525	119.00 521	164.00 526	125.00 524	168.00 526	120.00 522	153.00 525	117.00 524	49.00 523	44.00 523	49.00 523	44.00 523	49.00 520	44.00 522

AE-Stereo	201.80 521	123.00 524	115.00 524	219.00 527	218.00 528	223.00 527	244.00 527	217.00 527	236.00 524	202.00 527	203.00 526	205.00 527	208.00 524	225.00 527	204.00 526	210.00 527	198.00 527	197.00 527	184.00 528	204.00 524	201.00 526

MGS-Stereo	239.45 522	123.00 524	135.00 526	266.00 528	286.00 529	277.00 528	305.00 528	271.00 528	242.00 525	274.00 528	279.00 528	255.00 528	270.00 526	268.00 528	297.00 528	221.00 528	247.00 529	216.00 528	123.00 526	217.00 525	217.00 528

EGLCR-Stereo	246.90 523	129.00 526	139.00 527	266.00 528	286.00 529	277.00 528	305.00 528	271.00 528	242.00 525	274.00 528	279.00 528	255.00 528	270.00 526	268.00 528	297.00 528	230.00 529	247.00 529	216.00 528	223.00 530	237.00 526	227.00 529

DLCB_ROB	284.23 524	354.61 530	207.27 529	363.24 530	206.46 527	364.72 530	210.41 526	364.72 530	210.41 523	364.81 530	208.64 527	364.81 530	208.64 525	364.72 530	210.41 527	354.70 530	205.53 528	354.70 530	205.53 529	354.70 527	205.53 527

LE_ROB	396.57 525	471.28 531	329.84 530	471.48 531	308.15 531	526.83 531	322.10 530	488.15 531	323.76 527	495.46 531	317.97 530	497.17 531	320.10 528	481.62 531	326.76 530	462.71 531	298.97 531	466.16 531	285.98 531	447.62 528	289.21 530

SGM-ForestM	596.69 526	677.77 532	444.52 531	699.85 532	517.25 532	732.94 532	488.29 531	770.79 532	460.11 528	750.81 532	487.98 531	792.79 532	499.41 529	730.90 532	475.81 531	720.03 532	491.16 532	663.96 532	418.60 532	674.76 529	436.05 531

CBMV_ROB	818.48 527	913.88 533	709.52 532	862.84 533	597.78 533	1073.99 533	700.52 532	1015.66 533	702.59 529	1115.65 533	760.02 532	1130.24 533	721.57 530	1037.41 533	692.65 532	814.05 533	564.29 533	843.28 533	595.31 533	915.51 530	602.92 532

SGD-Stereo	10000000.00 533	10000000.00 535	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 530	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 531	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 531	10000000.00 533

IGEV-Stereo++	10000000.00 533	10000000.00 535	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 530	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 531	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 531	10000000.00 533

IGEV-BASED-STEREO-	10000000.00 533	10000000.00 535	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 530	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 531	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 531	10000000.00 533

IGEV-Stereo+	10000000.00 533	10000000.00 535	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 530	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 531	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 531	10000000.00 533

SDNR	10000000.00 533	10000000.00 535	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 530	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 531	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 531	10000000.00 533

anonymousdsp2	10000000.00 533	10000000.00 535	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 530	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 531	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 531	10000000.00 533

anonymousdsp	10000000.00 533	10000000.00 535	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 530	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 531	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 531	10000000.00 533

test_example2	10000000.00 533	10000000.00 535	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 530	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 531	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 531	10000000.00 533

DIP-Stereo	10000000.00 533	10000000.00 535	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 530	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 531	10000000.00 534	10000000.00 533	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 534	10000000.00 531	10000000.00 533
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 97

Low-res two-view benchmark