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

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

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NVstereo2D	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 97	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

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

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

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

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

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

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

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

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

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

test_sample7	0.09 51	1.00 269	0.11 89	0.11 73	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 51	0.97 264	0.10 69	0.10 56	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

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

test_sample2	0.09 51	1.03 281	0.11 89	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

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

SMFormer	0.09 51	1.01 275	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 261	0.09 65	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 275	0.10 69	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

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

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 384	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

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

zh-sn7	0.10 62	0.98 265	0.14 125	0.15 106	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

DualNet (step1)	0.10 62	1.05 285	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 285	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 285	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 62	1.07 288	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 62	1.03 281	0.12 100	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

DualNet	0.10 62	1.07 288	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 62	1.09 290	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 62	1.14 295	0.13 120	0.14 96	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

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

222	0.10 62	0.99 268	0.12 100	0.13 92	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.04 77	0.03 51

test_xeample	0.10 62	1.09 290	0.13 120	0.12 79	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 137	0.03 38	0.03 54	0.03 43	0.03 51

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

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

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

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

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

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

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

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

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

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 416	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 105	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

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

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

x	0.11 84	1.15 298	0.15 141	0.14 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 140	0.03 38	0.03 54	0.03 43	0.03 51

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

xxxx	0.11 84	1.16 299	0.16 142	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 142	0.03 38	0.04 78	0.04 77	0.04 79

BEATNet_4x	0.11 84	0.03 31	0.03 36	1.60 433	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 84	0.03 31	0.03 36	1.60 433	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 436	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

zh-mn7	0.12 93	1.14 295	0.17 149	0.20 132	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 147	0.16 142	0.03 38	0.03 54	0.03 43	0.03 51

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

GwcNet	0.12 93	0.07 57	0.05 57	0.08 49	0.05 99	0.08 103	1.20 412	0.07 104	0.05 97	0.05 91	0.05 100	0.08 104	0.05 94	0.08 105	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

FADNet-RVC-Resample	0.12 93	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 481	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FADNet_RVC	0.12 93	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 485	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet	0.12 93	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 487	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 93	0.03 31	0.04 43	1.71 439	0.04 79	0.03 40	0.03 50	0.04 77	0.04 81	0.04 74	0.03 52	0.04 77	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

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

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

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

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

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

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

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

FADNet-RVC	0.13 100	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 490	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

ELAS	0.13 100	0.16 86	0.11 89	0.15 106	0.09 112	0.18 151	0.11 128	0.18 149	0.11 130	0.17 144	0.11 130	0.18 150	0.11 129	0.18 149	0.11 123	0.14 114	0.08 59	0.14 126	0.08 108	0.14 128	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
w-ln-seven-2	0.14 109	1.22 355	0.28 189	0.32 174	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 200	0.27 190	0.04 73	0.03 54	0.03 43	0.03 51

S2M2_XL	0.14 109	0.17 92	0.12 100	0.17 125	0.11 133	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.11 130	0.17 146	0.11 129	0.17 146	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125

mmm	0.14 109	1.83 384	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 91	0.11 94	0.05 86	0.04 78	0.05 92	0.04 79

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

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

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

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

GMStereo	0.14 109	0.13 80	0.14 125	0.14 96	0.14 154	0.14 124	0.14 149	0.14 125	0.14 154	0.14 124	0.14 158	0.14 125	0.14 155	0.14 127	0.14 148	0.14 114	0.14 137	0.14 126	0.14 157	0.14 128	0.14 152
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AnyNet_C32	0.14 109	0.04 37	0.03 36	2.22 454	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 102	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

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

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

ELAS_RVC	0.14 109	0.16 86	0.10 69	0.15 106	0.10 118	0.18 151	0.11 128	0.19 151	0.11 130	0.19 150	0.12 141	0.18 150	0.11 129	0.19 152	0.12 138	0.14 114	0.08 59	0.14 126	0.09 110	0.15 138	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ITSA-stereo	0.15 121	0.17 92	0.13 120	0.20 132	0.13 152	0.19 154	0.13 147	0.18 149	0.13 152	0.19 150	0.13 153	0.18 150	0.14 155	0.18 149	0.14 148	0.16 131	0.11 94	0.15 139	0.14 157	0.18 152	0.11 125

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

CoDeX	0.15 121	0.70 223	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 354	0.02 15	0.69 339	0.75 357	0.01 9	0.02 20	0.02 20

ICVP	0.15 121	0.53 204	0.11 89	0.16 117	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	0.15 121	0.04 37	0.04 43	2.20 453	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 105	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

StereoDRNet	0.15 121	0.14 84	0.10 69	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.09 114	0.14 124	0.10 116	0.14 125	0.09 113	0.14 127	0.09 105	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.82 377

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

SGM_RVC	0.15 121	0.17 92	0.11 89	0.18 127	0.11 133	0.19 154	0.11 128	0.19 151	0.12 149	0.19 150	0.12 141	0.20 156	0.12 146	0.19 152	0.12 138	0.16 131	0.11 94	0.17 150	0.10 117	0.17 148	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
z-mn7	0.16 129	1.21 350	0.33 213	0.41 223	0.04 79	0.04 77	0.03 50	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 216	0.31 220	0.04 73	0.04 78	0.04 77	0.04 79

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

qqq	0.16 129	2.01 401	0.12 100	0.15 106	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.03 48	0.12 91	0.14 137	0.04 73	0.04 78	0.03 43	0.03 51

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

CAS++	0.17 133	0.27 122	0.21 164	0.10 56	0.21 194	0.15 131	0.22 185	0.10 109	0.21 183	0.22 166	0.10 116	0.19 154	0.18 176	0.10 110	0.19 179	0.20 151	0.19 165	0.18 159	0.10 117	0.19 158	0.18 169
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
11t1	0.17 133	2.16 410	0.13 120	0.13 92	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.05 88	0.18 147	0.12 109	0.06 94	0.03 54	0.05 92	0.03 51

SFCPSM	0.17 133	0.78 227	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 375	0.02 15	0.75 349	0.76 359	0.02 20	0.02 20	0.02 20

w-ln-seven	0.18 136	1.47 369	0.33 213	0.40 211	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 232	0.32 224	0.05 86	0.04 78	0.04 77	0.04 79

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

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

BEATNet-Init1	0.19 139	0.08 58	0.08 60	2.23 455	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

DeepPrunerF	0.19 139	0.08 58	0.08 60	2.23 455	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

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

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

ACVNet	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 391	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

acv_ft	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 391	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

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

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

z-ln-s-r	0.21 147	1.40 367	0.53 306	0.56 277	0.04 79	0.05 89	0.04 81	0.05 89	0.05 97	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 88	0.57 309	0.44 280	0.04 73	0.04 78	0.04 77	0.04 79

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

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

SuperB	0.21 147	0.10 66	2.51 515	0.12 79	0.09 112	0.10 108	0.09 110	0.08 107	0.07 109	0.10 108	0.09 112	0.09 108	0.07 110	0.07 102	0.07 100	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

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

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

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

ac_64	0.22 151	0.13 80	0.19 158	0.23 144	0.10 118	0.26 189	1.02 399	0.14 125	0.10 115	0.28 189	0.14 158	0.17 146	0.19 181	0.28 198	0.09 105	0.22 158	0.16 142	0.23 176	0.17 180	0.11 120	0.12 141

dd	0.23 155	0.98 265	0.16 142	0.23 144	0.15 165	0.23 174	0.15 154	0.23 170	0.15 164	0.23 170	0.15 166	0.24 177	0.17 169	0.23 174	0.15 158	0.22 158	0.15 140	0.21 165	0.15 161	0.22 164	0.16 153

dad	0.23 155	1.03 281	0.16 142	0.23 144	0.15 165	0.24 175	0.15 154	0.24 173	0.16 166	0.23 170	0.16 167	0.24 177	0.16 165	0.23 174	0.15 158	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

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

qqq1	0.25 158	3.70 475	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 158	3.70 475	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

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

ffm	0.25 158	3.83 481	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 158	3.83 481	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 158	3.83 481	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

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

LoS	0.25 158	0.27 122	0.25 178	0.25 154	0.25 208	0.25 182	0.25 200	0.26 183	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.25 181	0.25 184	0.26 213	0.26 177	0.25 190
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Syn2CoEx	0.25 158	1.31 361	0.74 345	0.92 325	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 352	0.75 349	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

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

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

UNet	0.29 172	0.90 249	0.10 69	0.14 96	0.10 118	0.14 124	0.10 115	0.91 359	0.69 359	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.10 111	0.12 91	0.09 68	0.12 121	0.09 110	0.88 350	0.76 371

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

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

DDVS	0.30 173	3.10 462	0.14 125	0.19 130	0.14 154	0.19 154	0.14 149	0.20 156	0.14 154	0.19 150	0.13 153	0.16 136	0.13 151	0.19 152	0.13 144	0.17 139	0.13 133	0.17 150	0.13 154	0.17 148	0.13 147

ACV-stereo	0.30 173	2.08 403	0.25 178	0.25 154	0.18 182	0.24 175	0.17 162	0.24 173	0.18 173	0.24 175	0.17 172	0.25 182	0.17 169	0.24 178	0.17 167	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

LoS_RVC	0.30 173	1.14 295	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.26 191	0.26 211	0.26 193	0.25 202	0.26 181	0.26 184	0.25 184	0.25 207	0.26 177	0.26 196

CAS	0.30 173	1.17 300	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.26 212	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.26 184	0.26 187	0.25 207	0.26 177	0.25 190

DANet	0.30 173	0.30 128	0.30 196	0.30 166	0.30 240	0.30 196	0.30 231	0.30 192	0.30 236	0.30 193	0.30 241	0.30 201	0.30 238	0.30 203	0.30 234	0.30 194	0.30 214	0.30 200	0.30 245	0.30 188	0.30 232
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 180	0.93 258	0.24 175	0.33 178	0.23 201	0.31 201	0.24 197	0.32 197	0.24 194	0.32 202	0.23 196	0.32 207	0.25 202	0.32 208	0.24 196	0.27 184	0.26 184	0.27 191	0.26 213	0.27 180	0.27 204

xxxxx1	0.31 180	0.91 251	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

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

tt_ll	0.31 180	0.91 251	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

ff	0.31 180	0.91 251	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 196	0.28 193	0.28 225	0.29 185	0.27 204

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

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

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

WCG-NET（raft）	0.32 188	1.24 357	0.24 175	0.32 174	0.24 206	0.32 209	0.23 192	0.32 197	0.24 194	0.32 202	0.24 202	0.32 207	0.24 199	0.32 208	0.24 196	0.30 194	0.23 178	0.30 200	0.23 194	0.30 188	0.23 179

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

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

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

StereoDRNet-Refined	0.33 191	0.39 149	0.26 184	0.39 197	0.26 216	0.40 240	0.26 208	0.40 234	0.26 212	0.39 228	0.26 214	0.39 235	0.26 211	0.39 238	0.26 207	0.37 225	0.25 181	0.37 246	0.25 207	0.37 228	0.37 268
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LG-Stereo_L2	0.34 193	0.37 140	0.38 238	0.47 243	0.28 222	0.39 238	0.28 218	0.39 229	0.28 220	0.39 228	0.28 225	0.39 235	0.28 225	0.38 230	0.28 217	0.42 268	0.35 236	0.36 243	0.26 213	0.35 217	0.26 196

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

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

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

CSP-Net	0.34 193	1.29 359	1.19 390	1.36 423	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 430	1.21 441	0.03 38	0.09 110	0.02 20	0.09 108

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

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

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

CASnet	0.35 200	0.51 199	0.44 264	0.32 174	0.31 246	0.24 175	0.34 258	0.36 211	0.25 199	0.31 197	0.37 281	0.30 201	0.33 256	0.25 183	0.45 309	0.37 225	0.37 241	0.33 215	0.35 278	0.34 205	0.37 268
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
IGEV-Stereo	0.35 200	0.44 169	0.45 266	0.49 253	0.30 240	0.37 225	0.30 231	0.36 211	0.30 236	0.36 216	0.29 229	0.36 222	0.29 231	0.36 224	0.30 234	0.46 275	0.39 254	0.32 207	0.24 202	0.32 195	0.25 190
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ETE_ROB	0.35 200	0.35 135	0.35 230	0.35 181	0.35 272	0.35 217	0.35 263	0.35 207	0.35 265	0.35 213	0.35 272	0.35 216	0.35 267	0.35 218	0.35 266	0.35 216	0.35 236	0.35 238	0.35 278	0.35 217	0.35 263

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

DCVSM-stereo	0.36 204	1.89 390	0.22 166	0.40 211	0.22 196	0.40 240	0.22 185	0.40 234	0.22 186	0.40 234	0.22 192	0.40 243	0.22 190	0.40 241	0.22 186	0.28 186	0.21 170	0.28 193	0.21 186	0.28 182	0.20 172

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

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

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

ACVNet-DCA	0.37 209	1.00 269	0.30 196	0.40 211	0.29 230	0.40 240	0.29 226	0.40 234	0.29 225	0.40 234	0.29 229	0.40 243	0.29 231	0.39 238	0.28 217	0.33 204	0.32 224	0.33 215	0.32 259	0.33 201	0.32 243

1test111	0.37 209	1.02 279	0.30 196	0.39 197	0.29 230	0.40 240	0.28 218	0.39 229	0.29 225	0.39 228	0.29 229	0.39 235	0.28 225	0.40 241	0.29 227	0.33 204	0.32 224	0.33 215	0.31 254	0.32 195	0.31 239

cc1	0.37 209	1.02 279	0.30 196	0.39 197	0.29 230	0.40 240	0.28 218	0.39 229	0.29 225	0.39 228	0.29 229	0.39 235	0.28 225	0.40 241	0.29 227	0.33 204	0.32 224	0.33 215	0.31 254	0.32 195	0.31 239

EKT-Stereo	0.37 209	0.40 151	0.44 264	1.07 348	0.29 230	0.34 213	0.31 237	0.36 211	0.29 225	0.38 222	0.31 246	0.37 228	0.30 238	0.36 224	0.29 227	0.34 207	0.28 196	0.39 263	0.30 245	0.37 228	0.30 232

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

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

HART	0.38 215	0.45 172	0.34 223	0.42 232	0.33 259	0.41 256	0.34 258	0.42 265	0.33 253	0.43 266	0.34 263	0.42 272	0.34 261	0.41 255	0.38 280	0.40 246	0.32 224	0.42 292	0.32 259	0.40 250	0.32 243

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

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

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

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

xx1	0.38 215	1.03 281	0.31 204	0.40 211	0.31 246	0.41 256	0.28 218	0.40 234	0.29 225	0.40 234	0.29 229	0.40 243	0.29 231	0.40 241	0.29 227	0.34 207	0.33 232	0.34 222	0.32 259	0.34 205	0.32 243

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

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

PAM	0.39 223	1.88 389	0.34 223	0.37 188	0.41 304	0.45 281	0.22 185	0.28 186	0.23 192	0.28 189	0.24 202	0.29 198	0.23 196	0.29 201	0.23 192	0.38 232	0.32 224	0.38 253	0.37 286	0.32 195	0.22 177

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

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

PASM	0.39 223	3.06 461	1.36 456	1.58 429	0.09 112	0.11 119	0.11 128	0.11 121	0.11 130	0.09 107	0.09 112	0.11 120	0.09 113	0.09 108	0.09 105	0.11 86	0.11 94	0.11 118	0.09 110	0.11 120	0.11 125

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

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

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

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

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

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

AdaStereo	0.40 227	0.40 151	0.40 248	0.40 211	0.40 297	0.40 240	0.40 290	0.40 234	0.40 290	0.40 234	0.40 294	0.40 243	0.40 285	0.40 241	0.40 291	0.40 246	0.40 257	0.40 268	0.40 303	0.40 250	0.40 283
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
water-stereo	0.41 234	0.84 236	0.46 270	0.50 260	0.33 259	0.45 281	0.33 247	0.45 271	0.32 247	0.45 271	0.32 249	0.45 278	0.32 249	0.45 275	0.32 241	0.44 270	0.41 266	0.39 263	0.31 254	0.39 245	0.32 243

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

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

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

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

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

FCDSN-DC	0.41 234	0.59 215	0.64 323	0.54 271	0.33 259	0.50 310	0.37 274	0.42 265	0.40 290	0.61 333	0.43 312	0.50 313	0.49 326	0.38 230	0.32 241	0.28 186	0.23 178	0.26 187	0.22 189	0.35 217	0.28 217
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 234	0.46 176	0.33 213	0.49 253	0.33 259	0.49 302	0.33 247	0.49 289	0.33 253	0.49 295	0.33 255	0.49 299	0.33 256	0.51 312	0.33 249	0.41 254	0.30 214	0.41 281	0.30 245	0.79 335	0.29 222

Gwc-CoAtRS	0.41 234	1.49 370	0.32 208	0.42 232	0.32 248	0.41 256	0.32 238	0.41 249	0.33 253	0.41 248	0.32 249	0.41 256	0.32 249	0.41 255	0.32 241	0.39 242	0.28 196	0.39 263	0.28 225	0.40 250	0.28 217

UPFNet	0.42 243	1.20 304	0.17 149	0.24 149	0.17 175	0.25 182	0.17 162	1.19 389	0.90 386	0.25 179	0.17 172	0.24 177	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.22 170	0.16 162	1.15 376	0.93 386

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

psmg	0.43 244	1.91 393	0.92 366	1.91 443	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 467	1.44 461	0.04 73	0.03 54	0.02 20	0.03 51

delet	0.43 244	1.21 350	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 441	0.95 394	0.25 179	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.22 170	0.16 162	1.18 384	0.98 390

psm_up	0.43 244	1.19 303	0.17 149	0.25 154	0.18 182	0.25 182	0.19 172	1.26 441	0.91 387	0.26 186	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.23 176	0.16 162	1.18 384	0.99 391

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

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

MMNet	0.44 248	1.24 357	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 441	0.93 392	0.25 179	0.17 172	0.25 182	0.18 176	0.25 183	0.17 167	0.23 169	0.16 142	0.23 176	0.16 162	1.20 387	0.99 391

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

Replicate-Monster	0.45 251	0.57 212	0.60 314	0.40 211	0.29 230	0.37 225	0.27 211	0.37 217	0.30 236	0.40 234	0.31 246	0.40 243	0.30 238	0.99 380	0.27 208	1.36 438	0.31 220	0.34 222	0.30 245	0.36 224	0.54 332

SCV_C0	0.45 251	0.88 244	0.49 290	0.54 271	0.37 281	0.48 297	0.37 274	0.48 285	0.37 276	0.48 288	0.36 275	0.48 295	0.37 274	0.49 298	0.37 277	0.50 293	0.41 266	0.44 295	0.34 271	0.44 270	0.34 256

RAFT-Stereo-weight	0.45 251	1.90 392	0.34 223	0.42 232	0.36 278	0.43 278	0.35 263	0.42 265	0.34 262	0.42 260	0.34 263	0.44 276	0.34 261	0.41 255	0.34 262	0.38 232	0.32 224	0.38 253	0.32 259	0.38 238	0.33 250

TorneroNet-64	0.45 251	0.27 122	0.30 196	0.58 280	0.27 218	0.70 346	0.30 231	0.28 186	0.73 373	0.73 348	0.28 225	0.71 348	0.66 352	0.75 349	0.27 208	0.27 184	0.29 206	0.37 246	0.75 377	0.28 182	0.30 232

SCV	0.46 256	0.94 260	0.45 266	0.54 271	0.37 281	0.48 297	0.38 280	0.48 285	0.37 276	0.48 288	0.39 291	0.48 295	0.37 274	0.49 298	0.37 277	0.50 293	0.46 283	0.44 295	0.34 271	0.44 270	0.34 256

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

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

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

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

PML	0.46 256	1.36 365	0.29 192	0.58 280	0.30 240	0.57 333	0.29 226	0.57 319	0.29 225	0.57 328	0.29 229	0.57 332	0.29 231	0.56 323	0.29 227	0.52 301	0.30 214	0.53 334	0.31 254	0.53 307	0.30 232

LG-Stereo_L1	0.47 262	0.52 201	0.47 277	0.62 287	0.39 295	0.53 323	0.40 290	0.53 311	0.39 289	0.53 318	0.39 291	0.53 321	0.39 284	0.53 317	0.39 287	0.55 306	0.46 283	0.49 320	0.37 286	0.49 291	0.37 268

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

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

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

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

GASTEREO	0.48 267	1.21 350	0.47 277	0.57 278	0.38 288	0.50 310	0.38 280	0.50 297	0.38 280	0.50 307	0.38 286	0.50 313	0.38 278	0.50 305	0.38 280	0.52 301	0.42 274	0.46 302	0.34 271	0.46 275	0.34 256

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

fffft	0.48 267	0.51 199	0.45 266	0.52 268	0.45 319	0.52 321	0.45 310	0.52 309	0.48 324	0.53 318	0.45 317	0.52 320	0.45 309	0.52 315	0.46 313	0.51 299	0.41 266	0.50 324	0.41 310	0.50 296	0.41 290
1: 1. 1
RainbowNet	0.48 267	0.48 186	0.48 285	0.48 247	0.48 331	0.48 297	0.48 326	0.48 285	0.48 324	0.48 288	0.48 331	0.48 295	0.48 321	0.48 292	0.48 325	0.48 284	0.48 295	0.48 315	0.48 332	0.48 287	0.48 313

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

LL-Strereo2	0.48 267	1.73 382	0.51 299	0.59 283	0.34 269	0.42 274	0.33 247	0.40 234	0.31 244	0.42 260	0.33 255	0.42 272	0.31 247	0.44 272	0.39 287	0.60 312	0.51 308	0.44 295	0.33 267	0.44 270	0.33 250

Former-RAFT_DAM_RVC	0.49 273	0.98 265	0.64 323	0.84 315	0.46 321	0.45 281	0.35 263	0.47 281	0.47 317	0.45 271	0.34 263	0.46 282	0.48 321	0.46 279	0.35 266	0.39 242	0.71 344	0.39 263	0.35 278	0.41 260	0.41 290

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

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

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

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

GCST	0.50 275	2.08 403	0.38 238	0.53 269	0.35 272	0.49 302	0.35 263	0.50 297	0.35 265	0.49 295	0.35 272	0.49 299	0.35 267	0.49 298	0.35 266	0.48 284	0.37 241	0.45 299	0.33 267	0.44 270	0.33 250

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

MSCF	0.51 280	1.40 367	0.49 290	0.58 280	0.38 288	0.50 310	0.38 280	0.54 313	0.41 299	0.52 315	0.41 300	0.53 321	0.42 302	0.53 317	0.41 298	0.60 312	0.47 291	0.48 315	0.37 286	0.48 287	0.38 275

UGAM-zero	0.51 280	2.17 411	0.39 245	0.53 269	0.36 278	0.50 310	0.36 269	0.50 297	0.36 275	0.49 295	0.36 275	0.50 313	0.35 267	0.50 305	0.36 269	0.49 287	0.37 241	0.47 307	0.35 278	0.46 275	0.34 256

UGAM	0.51 280	2.23 416	0.39 245	0.54 271	0.35 272	0.50 310	0.35 263	0.49 289	0.35 265	0.49 295	0.35 272	0.49 299	0.36 270	0.50 305	0.36 269	0.49 287	0.37 241	0.45 299	0.34 271	0.45 274	0.34 256

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

RCA-Stereo	0.51 280	3.22 467	0.34 223	0.44 235	0.34 269	0.44 280	0.34 258	0.43 269	0.34 262	0.43 266	0.34 263	0.44 276	0.33 256	0.43 270	0.33 249	0.38 232	0.29 206	0.38 253	0.29 235	0.38 238	0.29 222

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

castereo++	0.54 285	3.59 472	1.15 384	1.31 419	0.14 154	0.16 139	0.14 149	0.16 138	0.14 154	0.16 135	0.14 158	0.16 136	0.13 151	0.16 137	0.14 148	1.45 444	1.16 390	0.15 139	0.14 157	0.15 138	0.13 147

FENet	0.54 285	1.52 371	1.19 390	1.41 426	0.23 201	0.35 217	0.23 192	0.35 207	0.23 192	0.34 209	0.23 196	0.35 216	0.23 196	0.35 218	0.23 192	1.40 441	1.07 374	0.32 207	0.23 194	0.33 201	0.23 179

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

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

CFNet-ft	0.55 289	1.57 372	0.14 125	0.20 132	0.14 154	0.20 159	2.53 518	1.61 453	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	1.56 446	1.24 466

MyStereo04	0.56 291	3.72 478	0.59 312	0.49 253	0.41 304	0.36 220	0.32 238	0.37 217	0.31 244	0.34 209	0.46 319	0.35 216	0.32 249	0.35 218	0.33 249	0.49 287	0.45 281	0.34 222	0.32 259	0.35 217	0.43 298

CASS	0.57 292	0.89 247	0.56 309	0.57 278	0.56 349	0.56 328	0.56 339	0.56 316	0.53 337	0.57 328	0.57 348	0.59 336	0.48 321	0.56 323	0.57 341	0.55 306	0.56 316	0.47 307	0.56 348	0.62 314	0.56 340
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
LG-Stereo	0.60 293	0.58 214	0.47 277	0.64 292	0.74 381	1.00 377	0.69 358	0.57 319	0.41 299	0.57 328	0.41 300	0.57 332	0.41 296	1.00 382	0.75 372	0.91 353	0.51 308	0.52 332	0.37 286	0.52 304	0.37 268

MonSter	0.60 293	0.64 220	0.52 302	0.62 287	0.44 317	2.07 480	0.44 306	0.62 329	0.44 310	0.62 336	0.44 314	0.62 340	0.44 307	0.62 331	0.44 308	0.58 310	0.42 274	0.62 341	0.46 322	0.58 311	0.42 297

MyStereo07	0.60 293	3.72 478	0.48 285	0.49 253	0.41 304	0.36 220	0.32 238	0.49 289	0.43 307	0.51 312	0.42 310	0.49 299	0.43 305	0.51 312	0.64 349	0.49 287	0.45 281	0.34 222	0.32 259	0.35 217	0.43 298

castereo	0.61 296	3.79 480	1.35 448	1.52 428	0.15 165	0.17 147	0.16 157	0.20 156	0.21 183	0.18 148	0.16 167	0.21 163	0.12 146	0.26 193	0.17 167	1.43 443	1.38 458	0.17 150	0.16 162	0.18 152	0.16 153

WCG-NET	0.61 296	1.21 350	0.54 307	0.61 286	0.53 346	0.67 344	0.53 336	0.66 334	0.53 337	0.64 339	0.53 345	0.65 344	0.53 336	0.59 329	0.52 335	0.65 322	0.48 295	0.64 344	0.52 341	0.58 311	0.50 321

SMoEStereo_RVC	0.63 298	0.75 226	0.51 299	0.73 304	0.53 346	0.71 348	0.47 317	0.67 335	0.58 342	0.74 353	0.60 349	0.72 351	0.53 336	0.74 348	0.51 333	0.61 316	0.62 328	0.62 341	0.61 356	0.63 315	0.61 345

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

PAM_32	0.64 300	2.38 431	0.51 299	0.92 325	0.43 316	0.53 323	0.44 306	0.87 353	0.43 307	0.52 315	0.45 317	0.53 321	0.40 285	0.54 319	0.46 313	0.62 319	0.56 316	0.48 315	0.45 320	0.76 330	0.44 301

CRFU-Net	0.65 301	1.67 375	1.22 440	1.96 446	0.27 218	0.41 256	0.27 211	0.41 249	0.27 217	0.40 234	0.26 214	0.41 256	0.27 219	0.40 241	0.27 208	1.80 458	1.62 477	0.34 222	0.23 194	0.33 201	0.23 179

LMCR-Stereo	0.65 301	0.63 218	0.65 326	0.65 293	0.65 363	0.66 343	0.63 346	0.58 322	0.65 352	0.63 338	0.64 357	0.65 344	0.65 349	0.66 338	0.66 353	0.66 324	0.64 330	0.65 347	0.67 366	0.68 319	0.73 365

KSHMR	0.66 303	0.50 192	0.48 285	1.15 358	0.52 343	0.49 302	0.51 334	0.49 289	0.71 367	0.67 343	0.50 336	1.16 400	1.11 395	0.66 338	0.52 335	0.49 287	0.49 298	0.51 329	0.66 362	0.50 296	1.14 407

TorneroNet	0.66 303	0.53 204	0.50 294	0.50 260	0.64 361	1.06 385	0.70 361	0.50 297	0.51 336	0.49 295	0.69 367	0.49 299	0.50 329	0.48 292	1.15 407	0.71 331	0.49 298	1.14 399	1.08 403	0.49 291	0.49 318

GES	0.66 303	2.34 427	0.29 192	0.41 223	0.29 230	0.41 256	0.29 226	0.42 265	0.29 225	0.40 234	0.41 300	0.41 256	0.30 238	0.51 312	0.29 227	0.32 200	0.29 206	0.32 207	2.46 522	2.49 485	0.30 232

cf-r	0.66 303	2.17 411	0.12 100	0.18 127	0.12 149	0.18 151	2.70 521	2.60 497	0.12 149	0.18 148	0.12 141	0.18 150	0.12 146	0.18 149	0.12 138	0.15 123	0.11 94	0.15 139	0.11 129	1.81 458	1.74 501

DSFCA	0.66 303	0.73 225	0.78 350	0.65 293	0.65 363	0.64 341	0.64 347	0.65 332	0.63 350	0.64 339	0.64 357	0.64 341	0.64 347	0.65 337	0.65 350	0.65 322	0.65 332	0.65 347	0.65 360	0.66 317	0.64 350

DEFOM-Stereo	0.68 308	3.11 463	1.40 462	1.63 437	0.25 208	0.31 201	0.25 200	0.31 196	0.28 220	0.31 197	0.29 229	0.29 198	0.27 219	0.31 207	0.28 217	1.59 451	1.47 463	0.30 200	0.29 235	0.30 188	0.28 217

ssnet_v2	0.68 308	1.96 400	1.25 444	0.29 165	0.20 188	0.30 196	0.20 175	0.29 190	0.22 186	1.50 455	0.20 187	0.31 205	0.20 185	0.27 196	0.22 186	0.24 174	1.49 464	0.26 187	0.18 184	3.90 506	0.19 171

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

NINENet	0.69 311	3.87 484	1.20 393	1.98 447	0.05 99	0.40 240	0.04 81	0.40 234	0.05 97	0.41 248	0.04 88	0.41 256	0.05 94	0.40 241	0.05 88	1.79 457	1.56 470	0.34 222	0.22 189	0.34 205	0.23 179

RAFT-Stereo + iAFF	0.70 312	0.72 224	0.71 338	0.80 310	0.62 360	0.82 358	0.61 344	0.81 350	0.62 348	0.81 360	0.63 355	0.80 361	0.70 359	0.73 346	0.61 347	0.76 336	0.61 327	0.74 356	0.61 356	0.77 332	0.61 345

DMCA-RVC	0.70 312	0.80 230	0.70 335	0.70 300	0.70 373	0.70 346	0.70 361	0.71 340	0.70 362	0.70 346	0.71 373	0.71 348	0.70 359	0.70 342	0.69 361	0.69 327	0.70 340	0.69 350	0.70 371	0.69 323	0.70 358

MyStereo8	0.71 314	3.92 485	0.52 302	0.59 283	0.52 343	0.57 333	0.53 336	0.59 324	0.50 329	0.59 332	0.51 342	0.57 332	0.50 329	0.56 323	0.52 335	0.54 304	0.49 298	0.54 335	0.49 335	0.55 309	0.50 321

HH	0.71 314	2.54 436	0.74 345	1.10 350	0.32 248	0.41 256	0.37 274	0.69 337	0.78 376	0.73 348	0.90 388	0.75 355	1.00 385	0.84 357	0.69 361	0.69 327	0.40 257	0.35 238	0.26 213	0.35 217	0.26 196

HanStereo	0.71 314	2.54 436	0.74 345	1.10 350	0.32 248	0.41 256	0.37 274	0.69 337	0.78 376	0.73 348	0.90 388	0.75 355	1.00 385	0.84 357	0.69 361	0.69 327	0.40 257	0.35 238	0.26 213	0.35 217	0.26 196

zero-FE	0.72 317	1.31 361	0.66 327	0.92 325	0.60 352	0.82 358	0.58 341	0.82 351	0.58 342	0.81 360	0.60 349	0.81 364	0.60 343	0.82 355	0.58 342	0.74 334	0.59 322	0.73 354	0.52 341	0.76 330	0.51 328

ktn	0.72 317	0.53 204	1.08 379	1.14 356	0.51 342	1.22 445	1.36 470	0.51 307	0.59 344	0.51 312	0.51 342	0.69 347	1.20 406	0.67 340	0.51 333	0.51 299	0.49 298	0.58 338	0.66 362	0.52 304	0.53 329

CroCo-Stereo	0.73 319	1.22 355	0.25 178	1.22 412	0.25 208	1.22 445	0.25 200	1.22 438	0.25 199	1.22 446	0.25 208	1.22 449	0.25 202	1.22 449	0.25 202	1.22 429	0.26 184	1.21 455	0.25 207	1.22 434	0.25 190
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
AFF-stereo	0.73 319	0.88 244	0.67 331	0.75 306	0.68 370	0.75 350	0.64 347	0.80 347	0.72 369	0.83 362	0.70 369	0.82 365	0.64 347	0.84 357	0.67 354	0.77 337	0.63 329	0.81 368	0.63 358	0.78 333	0.62 348

AIO-Stereo-zeroshot1	0.75 321	0.92 256	0.85 358	0.96 337	0.59 351	1.27 448	0.44 306	0.59 324	0.69 359	0.91 368	0.68 364	0.55 328	0.61 345	1.06 388	0.83 381	0.62 319	0.70 340	0.90 378	0.41 310	0.89 351	0.56 340

MyStereo06	0.75 321	4.12 486	0.60 314	0.63 289	0.61 357	0.62 339	0.66 350	0.56 316	0.45 311	0.55 324	0.48 331	0.54 324	0.46 312	0.57 327	0.45 309	0.60 312	0.57 318	0.64 344	0.55 344	0.72 325	0.55 337

GCAP-Stereo	0.75 321	4.15 489	0.42 261	0.75 306	0.35 272	0.78 353	0.40 290	0.79 345	0.38 280	0.78 356	0.36 275	0.78 358	0.36 270	0.79 351	0.39 287	0.75 335	0.39 254	0.76 359	0.39 302	0.75 329	0.39 281

GANet-RSSM	0.75 321	1.91 393	0.14 125	0.47 243	0.14 154	0.21 166	3.21 538	2.30 485	0.14 154	0.46 275	0.14 158	0.23 173	0.18 176	0.21 166	0.14 148	0.18 147	0.27 190	0.37 246	0.13 154	2.13 467	2.12 511

RSM++	0.76 325	0.82 235	0.66 327	0.85 317	0.64 361	0.85 360	0.71 364	0.94 367	0.64 351	0.87 363	0.67 363	0.87 367	0.65 349	0.84 357	0.65 350	0.81 342	0.70 340	0.79 362	0.71 374	0.83 346	0.70 358

CroCo-Stereo Lap2	0.77 326	1.29 359	0.29 192	1.27 416	0.29 230	1.27 448	0.26 208	1.26 441	0.26 212	1.26 447	0.26 214	1.27 451	0.26 211	1.26 450	0.27 208	1.27 431	0.27 190	1.27 458	0.27 221	1.27 436	0.27 204

PSMNet-RSSM	0.77 326	2.76 453	0.14 125	0.20 132	0.14 154	0.20 159	2.66 519	2.79 510	0.14 154	0.21 164	0.14 158	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 489	2.31 516

GwcNet-RSSM	0.77 326	2.77 455	0.14 125	0.20 132	0.14 154	0.20 159	2.67 520	2.78 509	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.21 166	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 489	2.31 516

4D-IteraStereo	0.78 329	3.13 464	0.89 359	0.69 298	0.32 248	0.40 240	0.32 238	0.76 343	0.97 397	0.52 315	0.65 359	0.89 370	0.32 249	0.76 350	0.98 393	0.83 347	0.94 366	0.35 238	0.27 221	0.70 324	0.89 382

hitnet-ft	0.79 330	2.78 457	0.14 125	0.20 132	0.14 154	0.21 166	2.89 522	2.80 511	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.54 497	2.33 518

G-Net	0.79 330	0.79 229	0.79 353	0.79 308	0.79 385	0.79 355	0.79 373	0.79 345	0.79 379	0.79 357	0.79 383	0.79 360	0.79 373	0.79 351	0.79 375	0.79 338	0.79 353	0.79 362	0.79 381	0.79 335	0.79 373

MyStereo05	0.80 332	4.12 486	0.63 321	0.63 289	0.61 357	0.62 339	0.66 350	0.65 332	0.62 348	0.67 343	0.61 353	0.65 344	0.58 341	0.67 340	0.55 340	0.60 312	0.57 318	0.64 344	0.55 344	0.72 325	0.55 337

UDG	0.80 332	2.21 415	0.60 314	0.91 322	0.60 352	0.90 367	0.58 341	0.88 356	0.60 345	0.90 366	0.60 349	0.88 368	0.60 343	0.90 366	0.58 342	0.86 351	0.60 323	0.84 374	0.59 352	0.84 347	0.61 345

ccnet	0.80 332	2.28 419	0.33 213	0.50 260	0.33 259	0.50 310	0.33 247	0.50 297	0.33 253	0.49 295	0.33 255	0.49 299	1.56 471	2.38 488	0.33 249	0.41 254	0.29 206	0.42 292	1.57 483	2.28 473	0.29 222

NaN_ROB	0.80 332	0.80 230	0.80 354	0.80 310	0.80 387	0.80 356	0.80 376	0.80 347	0.80 380	0.80 358	0.80 384	0.80 361	0.80 374	0.80 353	0.80 377	0.80 339	0.80 356	0.80 365	0.80 383	0.80 339	0.80 374

CSAN	0.80 332	0.80 230	0.80 354	0.80 310	0.80 387	0.80 356	0.80 376	0.80 347	0.80 380	0.80 358	0.80 384	0.80 361	0.80 374	0.80 353	0.80 377	0.80 339	0.80 356	0.80 365	0.80 383	0.80 339	0.80 374

BSDual-CNN	0.81 337	1.91 393	0.92 366	4.48 510	0.02 21	0.42 274	0.06 105	0.41 249	0.02 21	0.48 288	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 467	4.19 533	0.33 215	0.23 194	0.34 205	0.27 204

DDUNet	0.81 337	2.45 434	0.57 311	0.90 320	0.60 352	0.88 363	0.59 343	0.90 357	0.60 345	0.88 365	0.60 349	0.90 371	0.58 341	0.88 363	0.60 345	0.84 349	0.60 323	0.86 376	0.57 350	0.86 348	0.60 344

R-Stereo Train	0.81 337	0.96 262	0.67 331	0.95 334	0.67 367	0.95 372	0.68 355	0.95 369	0.68 356	0.95 376	0.68 364	0.96 380	0.68 355	0.96 378	0.68 357	0.94 361	0.68 335	0.94 384	0.68 367	0.94 360	0.68 355

RAFT-Stereo	0.81 337	0.96 262	0.67 331	0.95 334	0.67 367	0.95 372	0.68 355	0.95 369	0.68 356	0.95 376	0.68 364	0.96 380	0.68 355	0.96 378	0.68 357	0.94 361	0.68 335	0.94 384	0.68 367	0.94 360	0.68 355
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gwcnet-sp	0.82 341	1.72 377	1.48 466	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 459	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 450	0.32 207	0.16 162	6.75 544	0.23 179

scenet	0.82 341	1.72 377	1.48 466	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 459	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 450	0.32 207	0.16 162	6.75 544	0.23 179

ssnet	0.82 341	1.72 377	1.48 466	0.39 197	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 459	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 450	0.32 207	0.16 162	6.75 544	0.23 179

DEFOM-Stereo_RVC	0.83 344	5.18 502	1.98 504	2.19 452	0.17 175	0.19 154	0.18 168	0.19 151	0.16 166	0.20 155	0.19 183	0.22 169	0.22 190	0.20 156	0.15 158	2.28 484	2.13 503	0.24 183	0.17 180	0.18 152	0.16 153

BUS	0.83 344	1.91 393	0.92 366	4.48 510	0.02 21	0.40 240	0.04 81	0.41 249	0.02 21	0.48 288	0.03 52	0.41 256	0.05 94	0.03 39	0.05 88	1.97 467	4.19 533	0.33 215	0.23 194	0.34 205	0.27 204

PDISCO_ROB	0.83 344	2.80 458	3.49 532	0.14 96	0.11 133	0.17 147	0.09 110	0.15 137	0.10 115	0.15 130	0.12 141	0.16 136	0.14 155	3.30 517	0.13 144	0.14 114	2.34 508	0.16 142	0.12 146	2.62 498	0.10 113

AIO-Stereo	0.84 347	0.66 221	0.70 335	0.83 314	0.67 367	0.98 375	0.82 379	1.14 381	0.72 369	1.03 384	0.74 379	1.03 388	1.09 394	0.99 380	0.45 309	1.04 367	0.73 346	0.95 386	0.74 376	0.94 360	0.46 304

DCRE	0.84 347	1.89 390	0.77 349	0.94 331	0.72 378	0.88 363	0.73 367	0.87 353	0.78 376	0.90 366	0.71 373	0.88 368	0.67 354	0.88 363	0.73 369	0.81 342	0.68 335	0.81 368	0.70 371	0.82 344	0.70 358

iGMRVC	0.84 347	2.85 459	0.72 341	0.72 303	0.73 379	0.77 351	0.79 373	0.73 342	0.74 375	0.73 348	0.72 376	0.73 353	0.76 370	0.73 346	0.73 369	0.72 332	0.73 346	0.73 354	0.72 375	0.73 328	0.72 362

AdaDepth	0.86 350	0.93 258	0.71 338	1.01 344	1.07 410	1.02 382	0.71 364	1.00 371	0.71 367	1.01 382	0.71 373	1.00 383	0.72 364	1.14 398	0.71 367	0.92 356	0.64 330	0.90 378	0.64 359	0.89 351	0.69 357

GEStereo_RVC	0.86 350	4.45 492	0.20 161	0.27 163	0.20 188	0.27 192	0.20 175	0.26 183	0.18 173	5.03 545	0.20 187	0.27 192	0.19 181	0.27 196	0.21 184	0.20 151	0.19 165	0.19 162	4.02 549	0.20 159	0.18 169

MS	0.88 352	0.86 239	0.69 334	0.94 331	0.71 375	0.89 366	0.77 371	0.91 359	0.72 369	0.87 363	0.65 359	0.93 377	0.74 366	0.93 373	0.63 348	2.77 507	0.66 334	0.80 365	0.59 352	0.79 335	0.75 369

Selective-RAFT-Error	0.88 352	0.84 236	0.98 371	0.86 318	0.97 401	0.88 363	0.95 390	0.84 352	0.99 400	0.92 370	0.82 386	0.84 366	0.98 384	0.87 362	0.97 392	0.81 342	0.83 359	0.79 362	0.82 386	0.79 335	0.85 379

IER	0.88 352	7.04 521	2.23 509	2.75 470	0.28 222	0.43 278	0.25 200	0.39 229	0.25 199	0.41 248	0.27 218	0.39 235	0.25 202	0.40 241	0.28 217	0.37 225	0.28 196	0.37 246	0.25 207	0.37 228	0.25 190

Selective-RAFT	0.89 355	0.89 247	0.72 341	1.16 363	0.78 384	1.06 385	0.82 379	0.87 353	0.97 397	1.00 378	0.91 391	0.90 371	1.00 385	0.89 365	0.93 389	0.83 347	0.83 359	0.82 372	0.82 386	0.81 342	0.82 377

AIO-Stereo-zeroshot	0.91 356	0.86 239	0.89 359	1.25 415	0.69 371	1.05 384	0.81 378	1.16 384	0.50 329	1.12 393	0.97 396	0.72 351	0.82 376	1.06 388	0.95 390	0.61 316	0.87 361	1.03 396	0.85 389	1.04 369	1.01 396

CFNet-RSSM	0.91 356	4.89 498	0.34 223	0.44 235	1.07 410	1.62 465	1.40 477	0.91 359	0.35 265	1.60 456	1.39 477	0.64 341	0.34 261	0.44 272	0.33 249	0.41 254	0.35 236	0.75 357	0.30 245	0.41 260	0.29 222

MLG-Stereo	0.92 358	0.90 249	0.84 357	1.27 416	0.49 333	1.38 455	0.88 382	1.41 451	0.97 397	0.73 348	1.09 404	1.26 450	0.43 305	0.72 344	1.05 400	1.13 378	0.49 298	1.18 408	0.66 362	1.01 367	0.46 304

ToySt	0.92 358	2.11 406	0.90 362	0.95 334	0.79 385	0.99 376	0.78 372	0.94 367	0.81 383	0.94 374	0.78 382	0.95 379	0.77 371	0.94 374	0.86 383	0.91 353	0.79 353	0.85 375	0.77 378	0.89 351	0.73 365

DPSM_ROB	0.92 358	0.91 251	0.91 364	0.91 322	0.92 396	0.92 369	0.92 386	0.92 363	0.91 387	0.93 372	0.91 391	0.92 374	0.90 378	0.91 367	0.92 385	0.92 356	0.91 362	0.91 381	0.92 390	0.93 358	0.93 386

DPSM	0.92 358	0.91 251	0.91 364	0.91 322	0.92 396	0.92 369	0.92 386	0.92 363	0.91 387	0.93 372	0.91 391	0.92 374	0.90 378	0.91 367	0.92 385	0.92 356	0.91 362	0.91 381	0.92 390	0.93 358	0.93 386

pmcnn	0.92 358	0.92 256	0.92 366	0.92 325	0.92 396	0.92 369	0.92 386	0.92 363	0.92 391	0.92 370	0.92 394	0.92 374	0.92 380	0.92 371	0.92 385	0.92 356	0.92 364	0.92 383	0.92 390	0.92 357	0.92 385

error version	0.93 363	4.47 493	2.35 512	1.99 448	0.37 281	0.41 256	0.36 269	0.41 249	0.35 265	0.43 266	0.36 275	0.41 256	0.40 285	0.41 255	0.36 269	1.87 460	2.16 504	0.47 307	0.37 286	0.39 245	0.33 250

test_1	0.93 363	4.47 493	2.35 512	1.99 448	0.37 281	0.41 256	0.36 269	0.41 249	0.35 265	0.43 266	0.36 275	0.41 256	0.40 285	0.41 255	0.36 269	1.87 460	2.16 504	0.47 307	0.37 286	0.39 245	0.33 250

DGTPSM_ROB	0.93 363	1.00 269	0.92 366	0.94 331	0.96 400	0.91 368	0.92 386	0.91 359	0.96 396	0.91 368	0.96 395	0.93 377	0.92 380	0.94 374	0.92 385	0.92 356	0.92 364	0.90 378	0.92 390	0.94 360	0.91 384

HSM-Net_RVC	0.95 366	1.17 300	0.78 350	1.18 365	0.71 375	1.16 398	0.75 369	1.09 379	0.80 380	1.10 388	0.75 380	1.17 401	0.74 366	1.17 401	0.80 377	1.13 378	0.73 346	1.17 405	0.77 378	1.16 378	0.72 362
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRaftStereo_RVC	0.97 367	3.17 466	2.30 511	2.42 464	0.38 288	0.54 326	0.38 280	0.54 313	0.38 280	0.54 321	0.38 286	0.54 324	0.38 278	0.54 319	0.38 280	2.38 491	2.34 508	0.49 320	0.36 284	0.49 291	0.36 264

DPSimNet_ROB	0.97 367	1.18 302	0.81 356	1.10 350	0.91 395	1.02 382	0.82 379	1.04 376	0.91 387	1.03 384	0.86 387	1.28 452	0.82 376	1.03 387	0.89 384	1.17 381	0.81 358	1.02 395	0.82 386	1.08 371	0.81 376

test-3	0.98 369	4.13 488	1.85 493	1.85 440	0.61 357	0.69 345	0.37 274	0.63 330	0.61 347	0.66 342	0.51 342	0.73 353	0.44 307	0.57 327	0.54 338	1.68 455	1.81 488	0.40 268	0.43 318	0.66 317	0.50 321

999	1.00 370	1.12 294	0.59 312	1.10 350	1.21 468	1.09 390	0.52 335	1.08 377	1.43 479	1.18 398	1.35 471	0.98 382	0.52 335	0.91 367	0.85 382	0.72 332	1.46 462	0.83 373	0.98 395	0.68 319	1.41 479

DispNO	1.00 370	0.63 218	0.43 262	3.45 496	0.44 317	0.65 342	0.43 305	0.64 331	0.43 307	0.64 339	0.43 312	0.64 341	3.03 515	0.64 336	0.43 307	4.55 522	0.43 277	0.63 343	0.43 318	0.63 315	0.43 298

GANet	1.00 370	1.00 269	1.00 373	1.00 341	1.00 402	1.00 377	1.00 394	1.00 371	1.00 401	1.00 378	1.00 398	1.00 383	1.00 385	1.00 382	1.00 395	1.00 363	1.00 367	1.00 391	1.00 397	1.00 364	1.00 393

TDLM	1.00 370	1.00 269	1.00 373	1.00 341	1.00 402	1.00 377	1.00 394	1.00 371	1.00 401	1.00 378	1.00 398	1.00 383	1.00 385	1.00 382	1.00 395	1.00 363	1.00 367	1.00 391	1.00 397	1.00 364	1.00 393

CVANet_RVC	1.00 370	1.00 269	1.00 373	1.00 341	1.00 402	1.00 377	1.00 394	1.00 371	1.00 401	1.00 378	1.00 398	1.00 383	1.00 385	1.00 382	1.00 395	1.00 363	1.00 367	1.00 391	1.00 397	1.00 364	1.00 393

trnet	1.01 375	1.01 275	1.01 376	1.01 344	1.01 406	1.01 381	1.01 397	1.01 375	1.01 404	1.01 382	1.01 401	1.01 387	1.01 391	1.01 386	1.01 398	1.01 366	1.01 370	1.01 394	1.01 401	1.01 367	1.01 396

LL-Strereo	1.01 375	5.06 500	1.63 473	0.70 300	1.43 478	0.56 328	0.46 312	0.57 319	0.50 329	0.57 328	0.50 336	1.58 460	0.49 326	0.59 329	0.50 328	1.64 454	0.52 310	0.51 329	1.37 471	0.52 304	0.45 303

FlowAnything_test	1.02 377	1.72 377	0.71 338	1.59 430	0.70 373	1.61 463	0.69 358	1.61 453	0.70 362	1.60 456	0.70 369	1.61 464	0.69 357	1.61 460	0.70 365	0.81 342	0.58 320	0.81 368	0.55 344	0.81 342	0.56 340

FlowAnything	1.02 377	1.71 376	0.72 341	1.59 430	0.69 371	1.60 462	0.69 358	1.61 453	0.70 362	1.60 456	0.69 367	1.60 461	0.69 357	1.61 460	0.69 361	0.81 342	0.58 320	0.81 368	0.56 348	0.82 344	0.56 340

tt45	1.04 379	0.88 244	1.36 456	0.92 325	1.03 408	1.51 461	0.79 373	0.70 339	0.88 385	0.74 353	0.90 388	1.60 461	0.72 364	1.60 458	0.75 372	0.91 353	0.78 352	1.52 470	0.79 381	1.14 374	1.32 471

GLC_STEREO	1.07 380	1.01 275	1.06 378	1.07 348	1.05 409	1.06 385	1.08 401	1.08 377	1.05 407	1.07 386	1.06 403	1.08 390	1.05 393	1.06 388	1.10 402	1.07 369	1.09 380	1.05 397	1.05 402	1.06 370	1.12 403

FC-DCNN	1.07 380	1.09 290	0.98 371	0.89 319	0.52 343	1.41 458	0.91 385	1.21 437	1.24 465	1.96 468	2.05 520	1.91 469	1.30 459	1.27 451	1.08 401	0.80 339	0.60 323	0.58 338	0.41 310	0.68 319	0.54 332

hknet	1.10 382	1.85 386	3.49 532	4.48 510	0.02 21	0.42 274	0.06 105	0.41 249	0.02 21	0.48 288	0.03 52	0.41 256	0.03 52	0.42 268	0.03 48	4.39 519	4.19 533	0.33 215	0.23 194	0.34 205	0.27 204

test_xeample3	1.10 382	1.81 383	0.61 319	0.84 315	0.49 333	0.77 351	0.66 350	0.92 363	1.40 477	0.68 345	0.46 319	0.78 358	0.54 339	1.72 463	1.48 479	1.34 435	1.52 466	1.35 463	1.67 496	1.33 438	1.55 483

DISCO	1.11 384	0.39 149	5.28 545	0.39 197	0.20 188	0.39 238	0.27 211	0.39 229	0.22 186	0.38 222	0.20 187	0.38 230	0.20 185	6.95 556	0.22 186	0.30 194	0.21 170	0.27 191	0.21 186	5.25 537	0.21 174

Occ-G	1.12 385	0.52 201	3.72 537	3.50 500	0.50 337	0.56 328	0.47 317	0.54 313	0.46 312	0.54 321	0.41 300	0.54 324	0.42 302	0.52 315	0.42 305	3.42 513	4.02 532	0.52 332	0.45 320	0.51 302	0.44 301

AEACV	1.12 385	0.52 201	3.12 529	3.24 485	0.86 389	0.53 323	0.49 328	0.60 326	0.47 317	0.53 318	0.49 334	0.55 328	0.45 309	0.55 322	0.47 319	3.01 509	3.88 530	0.71 353	0.60 354	0.80 339	0.48 313

MSMD_ROB	1.19 387	1.10 293	0.70 335	1.10 350	0.60 352	1.10 391	0.70 361	1.10 380	0.70 362	1.10 388	0.70 369	1.10 394	0.70 359	7.00 557	0.70 365	1.10 372	0.70 340	1.10 398	0.70 371	1.10 372	0.70 358

MM-Stereo_test2	1.20 388	1.85 386	1.05 377	1.46 427	0.94 399	1.36 453	0.99 393	1.36 446	0.95 394	1.41 452	0.98 397	1.40 457	0.96 382	1.37 453	0.95 390	1.37 440	1.06 373	1.33 460	0.93 394	1.29 437	0.89 382

ours_stereo	1.20 388	1.21 350	0.90 362	1.64 438	1.11 412	1.35 451	0.67 354	1.76 460	0.93 392	1.70 464	1.10 405	1.39 455	0.75 369	1.41 455	0.81 380	1.60 453	1.03 372	1.33 460	1.00 397	1.61 448	0.72 362

DisPM	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

CrosDoStereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

PFNet+	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

LCNet	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

HHNet	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

Patchmatch Stereo++	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417
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	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

STrans-v2	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

TransformOpticalFlow	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

OMP-Stereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

IIG-Stereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

NF-Stereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

OCTAStereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

PSM-softLoss	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

KMStereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

NRIStereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

PSM-adaLoss	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

PSM-AAD	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

FTStereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

ROB_FTStereo_v2	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

ROB_FTStereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

Consistency-Raft	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

KYRaft	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

HUI-Stereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

ASMatch	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

DeepStereo_LL	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

DEmStereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

SST-Stereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

THIR-Stereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

RAFT_R40	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

DRaft	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

PFNet	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

GrayStereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

RE-Stereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

Pruner-Stereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

TVStereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

DeepStereo_RVC	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

RAFT-RH_RVC	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

IRAFT_RVC	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

RAFT-345	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

iRAFT	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

CRE-IMP	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

GMM-Stereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

RAFT-IKP	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

Prome-Stereo	1.20 388	1.20 304	1.20 393	1.20 367	1.20 422	1.20 399	1.20 412	1.20 392	1.20 417	1.20 400	1.20 414	1.20 403	1.20 406	1.20 403	1.20 414	1.20 383	1.20 395	1.20 410	1.20 414	1.20 387	1.20 417

HCRNet	1.22 435	7.11 522	3.00 517	3.55 501	0.33 259	0.29 195	0.14 149	0.19 151	0.15 164	0.33 207	0.29 229	0.25 182	0.14 155	0.22 170	0.33 249	3.64 514	3.00 511	0.76 359	0.32 259	0.18 152	0.13 147

HBP-ISP	1.24 436	1.72 377	1.65 474	1.15 358	0.76 382	1.40 457	0.88 382	1.67 459	1.02 405	1.69 463	1.38 476	1.69 465	1.21 452	1.87 470	1.21 459	1.05 368	0.79 353	0.97 389	0.80 383	1.19 386	0.75 369

AANet_RVC	1.26 437	0.31 131	4.99 543	5.93 535	0.20 188	0.25 182	0.20 175	0.25 179	0.20 181	0.23 170	0.19 183	0.25 182	0.20 185	0.25 183	0.20 182	5.66 543	4.76 536	0.26 187	0.30 245	0.24 174	0.27 204

MM-Stereo_test3	1.27 438	2.07 402	1.18 388	1.60 433	1.02 407	1.45 459	1.01 397	1.40 450	1.04 406	1.44 453	1.03 402	1.46 459	1.02 392	1.44 456	1.02 399	1.51 449	1.12 387	1.32 459	0.98 395	1.38 441	0.97 389

11t	1.27 438	2.70 445	1.34 446	1.32 420	0.89 391	1.30 450	1.34 467	1.64 456	0.57 341	1.45 454	0.72 376	1.05 389	1.29 458	1.07 391	1.29 468	1.49 446	1.02 371	0.97 389	1.15 407	1.48 443	1.31 470

MaskLacGwcNet_RVC	1.35 440	1.35 364	1.35 448	1.35 422	1.35 472	1.35 451	1.35 468	1.36 446	1.35 473	1.36 450	1.35 471	1.36 453	1.36 464	1.36 452	1.35 472	1.35 436	1.35 455	1.35 463	1.35 468	1.35 439	1.35 475

CC-Net-ROB	1.36 441	1.33 363	1.33 445	1.36 423	1.38 475	1.36 453	1.33 466	1.37 448	1.34 470	1.35 449	1.36 473	1.38 454	1.34 462	1.38 454	1.38 475	1.35 436	1.38 458	1.33 460	1.35 468	1.43 442	1.34 474

CFNet	1.37 442	5.27 505	0.19 158	5.49 532	0.19 186	0.28 193	0.19 172	0.28 186	0.19 179	0.28 189	0.19 183	0.28 193	4.35 542	0.28 198	0.19 179	0.23 169	0.17 158	0.23 176	4.21 551	4.81 528	0.17 165

PS-NSSS	1.38 443	1.39 366	1.34 446	1.34 421	1.35 472	1.38 455	1.37 475	1.35 445	1.38 476	1.34 448	1.34 470	1.39 455	1.38 467	1.70 462	1.40 476	1.36 438	1.36 456	1.36 465	1.37 471	1.37 440	1.36 476

RASNet	1.49 444	1.65 374	1.45 464	1.38 425	1.43 478	1.47 460	1.36 470	1.38 449	1.36 474	1.39 451	1.60 486	1.45 458	1.45 470	1.51 457	2.21 515	1.53 450	1.36 456	1.36 465	1.36 470	1.66 451	1.36 476

GANetREF_RVC	1.55 445	1.94 399	1.22 440	1.88 441	1.21 468	1.88 469	1.22 458	1.88 462	1.22 463	1.88 465	1.22 460	1.88 467	1.22 453	1.89 471	1.22 460	1.87 460	1.22 442	1.88 483	1.22 460	1.88 460	1.22 463
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
SPS-STEREO	1.59 446	1.91 393	1.21 439	1.94 444	1.20 422	2.00 477	1.23 459	1.99 467	1.24 465	2.00 473	1.25 463	2.03 477	1.26 455	2.00 475	1.29 468	1.90 464	1.18 394	1.89 484	1.21 459	1.89 461	1.20 417
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.60 447	1.59 373	1.70 476	1.59 430	1.59 483	1.61 463	1.61 485	1.60 452	1.60 482	1.62 462	1.59 485	1.60 461	1.60 472	1.60 458	1.59 482	1.59 451	1.60 476	1.59 471	1.59 488	1.59 447	1.59 488

ff7	1.68 448	2.68 442	1.35 448	0.97 338	0.89 391	1.84 466	2.15 513	2.12 473	1.80 498	2.05 478	1.56 482	2.33 484	2.12 506	2.23 481	2.25 516	1.31 432	1.07 374	1.48 467	1.41 474	0.90 354	1.04 398

ffff	1.68 448	2.68 442	1.35 448	0.97 338	0.89 391	1.84 466	2.15 513	2.12 473	1.80 498	2.05 478	1.56 482	2.33 484	2.12 506	2.23 481	2.25 516	1.31 432	1.07 374	1.48 467	1.41 474	0.90 354	1.04 398

ccc-4	1.68 448	2.68 442	1.35 448	0.97 338	0.89 391	1.84 466	2.15 513	2.12 473	1.80 498	2.05 478	1.56 482	2.33 484	2.12 506	2.23 481	2.25 516	1.31 432	1.07 374	1.48 467	1.41 474	0.90 354	1.04 398

MC-Stereo	1.76 451	2.96 460	1.37 458	2.14 451	1.37 474	2.14 482	1.36 470	2.14 476	1.37 475	2.14 482	1.37 474	2.14 479	1.37 466	2.14 480	1.37 474	1.97 467	1.32 443	1.97 486	1.32 467	1.98 462	1.33 472

IGEVStereo-DCA	1.77 452	4.21 490	1.84 491	2.49 467	2.11 515	2.54 502	1.36 470	1.65 457	1.17 414	2.75 509	1.90 503	2.54 495	1.15 399	0.94 374	1.11 403	1.50 447	1.32 443	0.96 387	1.46 480	1.49 444	0.88 380

rrr	1.77 452	4.21 490	1.84 491	2.49 467	2.11 515	2.54 502	1.36 470	1.65 457	1.17 414	2.75 509	1.90 503	2.54 495	1.15 399	0.94 374	1.11 403	1.50 447	1.32 443	0.96 387	1.46 480	1.49 444	0.88 380

MM-Stereo_test1	1.80 454	3.41 470	1.52 470	2.12 450	1.41 477	2.04 478	1.41 478	2.05 471	1.46 480	2.04 477	1.41 478	2.05 478	1.42 469	2.05 476	1.43 478	2.04 471	1.54 469	1.94 485	1.38 473	1.99 463	1.33 472

MFMNet_re	1.81 455	1.91 393	1.71 478	1.95 445	1.70 493	1.95 474	1.70 490	1.96 465	1.74 495	1.97 470	1.72 493	1.95 470	1.71 479	1.97 474	1.71 490	1.86 459	1.62 477	1.85 477	1.66 495	1.86 459	1.64 494

plain	1.88 456	3.16 465	0.64 323	3.10 480	0.65 363	3.10 516	0.64 347	3.12 514	0.65 352	3.10 515	0.65 359	3.11 515	0.65 349	3.12 514	0.65 350	3.12 510	0.65 332	3.13 515	0.65 360	3.13 501	0.65 351

RAFT_CTSACE	1.92 457	3.71 477	1.72 479	1.88 441	1.72 494	2.04 478	1.42 480	2.18 478	1.89 509	2.02 475	1.97 509	1.95 470	2.06 505	1.93 472	1.62 483	1.76 456	1.66 480	2.02 487	1.73 504	1.73 454	1.43 481

4.25w-stereo	1.98 458	2.72 449	1.46 465	3.47 497	1.43 478	2.07 480	1.98 505	2.53 496	1.52 481	2.71 502	1.98 515	1.81 466	1.62 474	1.96 473	1.36 473	1.88 463	2.00 493	2.53 510	1.61 490	1.74 455	1.15 408

4.5w-stereo	1.99 459	2.33 423	1.81 482	3.28 487	1.68 489	1.94 471	1.99 508	2.72 499	1.70 487	2.72 503	1.99 518	1.97 472	1.68 476	1.76 464	1.29 468	1.91 465	2.02 499	2.53 510	1.61 490	1.75 456	1.16 411

2.75w_new	1.99 459	2.34 427	1.81 482	3.14 481	1.62 485	1.94 471	1.99 508	2.72 499	1.71 488	2.72 503	1.99 518	1.90 468	1.73 481	1.82 469	1.29 468	2.37 490	2.01 495	2.31 497	1.42 477	1.77 457	1.22 463

3.75w	1.99 459	2.31 421	1.83 490	3.16 483	1.65 487	1.93 470	1.98 505	2.72 499	1.68 484	2.73 508	1.97 509	2.00 474	1.72 480	1.81 468	1.25 464	2.27 483	2.01 495	2.38 502	1.42 477	1.71 453	1.24 466

2w_stereo	1.99 459	2.36 430	1.81 482	3.24 485	1.67 488	1.94 471	1.98 505	2.72 499	1.68 484	2.72 503	1.94 506	1.98 473	1.74 483	1.79 467	1.27 465	1.95 466	2.00 493	2.53 510	1.60 489	1.68 452	1.15 408

2.25w	2.00 463	1.86 388	1.98 504	2.95 478	2.17 519	2.26 483	1.35 468	2.42 490	2.00 516	2.07 481	1.27 465	2.53 493	1.99 501	2.29 485	1.49 480	2.21 478	1.32 443	1.85 477	1.87 508	2.52 489	1.62 492

4.25_new	2.00 463	2.33 423	1.82 487	3.32 490	1.69 490	1.95 474	1.99 508	2.72 499	1.71 488	2.72 503	1.97 509	2.01 475	1.74 483	1.77 465	1.28 466	2.18 475	2.01 495	2.48 508	1.58 486	1.65 449	1.17 412

4.5w_new	2.00 463	2.33 423	1.82 487	3.32 490	1.69 490	1.95 474	1.99 508	2.72 499	1.71 488	2.72 503	1.97 509	2.01 475	1.74 483	1.77 465	1.28 466	2.18 475	2.01 495	2.48 508	1.58 486	1.65 449	1.17 412

4.5_new	2.00 463	1.84 385	1.98 504	2.77 472	2.16 517	2.27 484	1.28 465	2.09 472	1.98 513	2.01 474	1.28 466	2.71 504	1.98 499	2.51 495	1.65 485	2.26 480	1.33 450	1.87 480	1.87 508	2.49 485	1.60 489

TRStereo	2.00 463	2.13 407	1.85 493	2.27 457	1.84 498	2.28 486	1.84 494	2.29 481	1.86 503	2.30 487	1.87 498	2.30 481	1.87 489	2.08 477	1.72 492	2.08 472	1.72 483	2.08 489	1.72 501	2.08 464	1.72 498

XX-Stereo	2.00 463	2.13 407	1.85 493	2.27 457	1.84 498	2.28 486	1.84 494	2.29 481	1.86 503	2.30 487	1.87 498	2.30 481	1.87 489	2.08 477	1.72 492	2.08 472	1.72 483	2.08 489	1.72 501	2.08 464	1.72 498

EAI-Stereo	2.00 463	2.13 407	1.85 493	2.27 457	1.84 498	2.28 486	1.84 494	2.29 481	1.86 503	2.30 487	1.87 498	2.30 481	1.87 489	2.08 477	1.72 492	2.08 472	1.72 483	2.08 489	1.72 501	2.08 464	1.72 498

2.5w	2.01 470	2.40 432	1.37 458	3.28 487	2.01 509	2.71 506	1.43 482	1.82 461	1.83 501	1.90 467	1.41 478	2.71 504	1.35 463	2.71 504	1.85 502	2.66 502	1.53 467	1.64 472	1.23 461	2.53 492	1.87 507

4w-stereo	2.02 471	2.72 449	1.44 463	3.36 493	1.59 483	2.48 495	1.72 491	2.28 479	1.24 465	2.24 485	1.65 490	2.56 497	1.32 461	2.39 489	1.98 512	2.67 504	1.51 465	1.66 473	1.24 462	2.53 492	1.88 510

IGEV	2.02 471	2.20 413	1.82 487	2.90 477	2.16 517	2.41 492	1.25 461	2.00 468	1.98 513	1.99 472	1.31 468	2.72 508	1.93 495	2.67 503	1.69 489	2.26 480	1.32 443	1.83 476	1.87 508	2.53 492	1.61 491

3.25w_new	2.03 473	2.72 449	1.35 448	3.33 492	1.57 481	2.72 507	1.53 484	2.15 477	1.33 469	2.15 483	1.60 486	2.63 501	1.30 459	2.72 506	1.99 513	2.67 504	1.53 467	1.75 475	1.25 464	2.53 492	1.87 507

3.5w_stereo	2.03 473	2.72 449	1.35 448	3.41 494	1.57 481	2.72 507	1.49 483	2.01 469	1.34 470	2.15 483	1.61 488	2.63 501	1.36 464	2.72 506	1.99 513	2.66 502	1.58 472	1.68 474	1.24 462	2.53 492	1.87 507

UniTT-Stereo	2.03 473	3.43 471	0.72 341	3.42 495	0.73 379	3.27 519	0.68 355	3.38 518	0.69 359	3.29 518	0.72 376	3.28 518	0.70 359	3.35 519	0.68 357	3.39 512	0.68 335	3.31 517	0.69 369	3.37 502	0.73 365

3.25w	2.04 476	2.20 413	1.48 466	3.03 479	2.17 519	2.63 505	1.39 476	1.96 465	1.95 512	1.96 468	1.37 474	2.71 504	1.96 498	2.71 504	1.73 497	2.26 480	1.32 443	1.87 480	1.87 508	2.51 488	1.63 493

3w_stereo	2.04 476	2.24 417	1.70 476	3.15 482	2.18 521	2.49 496	1.26 463	2.03 470	1.98 513	1.98 471	1.33 469	2.72 508	1.99 501	2.59 498	1.72 492	2.22 479	1.33 450	1.85 477	1.88 513	2.50 487	1.58 487

1w_stereo	2.05 478	2.32 422	1.35 448	3.74 508	2.01 509	2.73 509	1.42 480	1.88 462	1.93 511	2.03 476	1.28 466	2.71 504	1.99 501	2.72 506	1.72 492	2.20 477	1.32 443	1.87 480	1.86 507	2.45 481	1.54 482

sCroCo_RVC	2.10 479	2.76 453	1.92 501	2.78 475	1.39 476	2.73 509	1.41 478	2.73 505	1.40 477	2.77 514	1.41 478	2.74 510	1.40 468	2.74 509	1.40 476	2.72 506	1.42 460	2.72 513	1.44 479	2.79 499	1.42 480

MoCha-V2	2.11 480	26.97 564	0.78 350	0.92 325	0.77 383	0.96 374	0.72 366	0.90 357	0.72 369	0.94 374	0.70 369	0.90 371	0.71 363	0.91 367	0.71 367	0.85 350	0.71 344	0.88 377	0.69 369	0.87 349	0.67 354

FBW_ROB	2.12 481	2.46 435	1.77 481	2.49 467	1.79 497	2.38 490	1.83 493	2.46 491	1.78 497	2.48 496	1.97 509	2.40 489	1.78 486	2.42 492	1.83 500	2.31 487	1.85 490	2.38 502	1.82 506	2.35 476	1.84 503

asda	2.17 482	2.54 436	1.81 482	3.47 497	1.78 496	2.50 498	1.86 498	2.61 498	1.68 484	2.61 500	1.83 495	2.37 488	1.73 481	2.44 493	1.88 507	2.51 499	1.84 489	2.34 499	1.62 492	2.23 469	1.77 502

asd	2.18 483	2.77 455	1.58 471	3.59 502	2.00 508	2.58 504	1.85 497	2.39 489	1.71 488	2.47 495	1.97 509	2.59 499	1.61 473	2.56 496	1.79 499	2.51 499	1.99 492	2.11 492	1.62 492	2.36 477	1.60 489

qwe	2.18 483	2.60 439	1.58 471	3.83 509	1.90 506	2.53 500	1.90 503	2.48 492	1.73 493	2.37 492	1.92 505	2.53 493	1.68 476	2.56 496	1.83 500	2.52 501	1.87 491	2.07 488	1.68 498	2.32 475	1.71 497

monsters	2.18 483	2.41 433	1.96 503	3.47 497	2.03 513	2.53 500	1.64 487	2.48 492	1.73 493	2.40 493	1.50 481	2.62 500	1.94 496	2.59 498	1.94 509	2.44 494	1.57 471	2.28 495	1.87 508	2.42 479	1.86 505

AIO_rvc	2.18 483	2.34 427	1.87 497	2.32 461	1.94 507	2.40 491	1.89 502	2.37 487	2.07 518	2.52 498	1.95 508	2.44 491	1.99 501	2.41 490	1.89 508	2.32 488	2.09 501	2.24 493	2.18 516	2.21 468	2.23 514

HUF	2.18 483	2.30 420	1.99 507	2.34 462	2.02 512	2.41 492	2.06 512	2.38 488	1.89 509	2.36 491	1.85 496	2.56 497	1.98 499	2.31 487	1.97 511	2.30 486	2.03 500	2.30 496	2.11 515	2.23 469	2.16 512

AIO_test	2.18 483	2.09 405	2.04 508	2.42 464	2.01 509	2.47 494	1.94 504	2.34 486	2.03 517	2.56 499	1.94 506	2.43 490	1.94 496	2.41 490	1.87 506	2.39 492	2.10 502	2.35 501	1.91 514	2.25 471	2.19 513

monsterstereo	2.20 489	2.33 423	1.95 502	3.65 504	2.07 514	2.49 496	1.61 485	2.48 492	1.83 501	2.45 494	1.61 488	2.67 503	1.86 488	2.64 500	1.94 509	2.48 498	1.66 480	2.34 499	1.68 498	2.40 478	1.86 505

LG-G_1	2.22 490	2.71 447	1.89 498	2.77 472	1.87 504	2.75 511	1.87 500	2.76 507	1.87 507	2.75 509	1.87 498	2.76 511	1.87 489	2.75 510	1.86 503	2.47 496	1.58 472	2.45 505	1.57 483	2.45 481	1.57 485

LG-G	2.22 490	2.71 447	1.89 498	2.77 472	1.87 504	2.75 511	1.87 500	2.76 507	1.87 507	2.75 509	1.87 498	2.76 511	1.87 489	2.75 510	1.86 503	2.47 496	1.58 472	2.45 505	1.57 483	2.45 481	1.57 485

LGtest1	2.22 490	2.70 445	1.89 498	2.76 471	1.86 501	2.75 511	1.86 498	2.75 506	1.86 503	2.75 509	1.86 497	2.77 513	1.87 489	2.75 510	1.86 503	2.46 495	1.58 472	2.45 505	1.56 482	2.45 481	1.56 484

RAStereo	2.23 493	3.64 474	0.76 348	3.65 504	0.86 389	3.66 523	0.76 370	3.67 522	0.81 383	3.66 519	0.76 381	3.66 520	0.77 371	3.68 521	0.77 374	3.68 515	0.77 351	3.69 522	0.77 378	3.70 504	0.77 372

UDGNet	2.23 493	5.40 510	1.72 479	2.48 466	1.69 490	2.51 499	1.69 489	2.51 495	1.72 492	2.50 497	1.69 492	2.52 492	1.69 478	2.50 494	1.68 488	2.41 493	1.70 482	2.42 504	1.69 500	2.42 479	1.64 494

NCCL2	2.28 495	2.27 418	2.28 510	2.28 460	2.28 522	2.27 484	2.29 516	2.28 479	2.28 519	2.27 486	2.28 521	2.28 480	2.27 509	2.27 484	2.28 520	2.28 484	2.28 507	2.27 494	2.29 520	2.27 472	2.29 515

Abc-Net	2.32 496	24.75 556	1.14 382	1.17 364	1.17 419	1.11 394	1.15 406	1.17 386	1.21 462	1.08 387	1.16 409	1.12 398	1.14 398	1.09 392	1.17 411	1.09 370	1.16 390	1.17 405	1.17 410	1.16 378	1.11 401
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 497	25.00 557	1.13 381	1.15 358	1.15 414	1.10 391	1.15 406	1.15 382	1.15 409	1.12 393	1.15 406	1.09 392	1.13 396	1.10 394	1.15 407	1.11 377	1.09 380	1.16 401	1.12 405	1.16 378	1.17 412

stereogan	2.33 497	24.38 555	1.18 388	1.18 365	1.18 421	1.14 396	1.18 410	1.19 389	1.19 416	1.14 396	1.18 413	1.14 399	1.18 404	1.14 398	1.18 412	1.14 380	1.14 388	1.19 409	1.19 411	1.15 376	1.19 416

RGC	2.36 499	25.48 558	1.19 390	1.15 358	1.15 414	1.10 391	1.16 408	1.17 386	1.16 410	1.12 393	1.16 409	1.11 397	1.13 396	1.09 392	1.18 412	1.10 372	1.15 389	1.16 401	1.12 405	1.14 374	1.12 403

NCC-stereo	2.36 499	25.52 559	1.17 386	1.15 358	1.17 419	1.11 394	1.11 402	1.15 382	1.16 410	1.10 388	1.16 409	1.10 394	1.15 399	1.14 398	1.13 405	1.09 370	1.11 384	1.15 400	1.16 409	1.17 383	1.17 412

AF-Net	2.37 501	25.71 560	1.17 386	1.13 355	1.15 414	1.15 397	1.18 410	1.19 389	1.16 410	1.10 388	1.15 406	1.10 394	1.18 404	1.12 397	1.15 407	1.10 372	1.10 383	1.17 405	1.15 407	1.16 378	1.12 403

Nwc_Net	2.37 501	25.95 561	1.15 384	1.14 356	1.15 414	1.08 388	1.14 405	1.17 386	1.16 410	1.14 396	1.15 406	1.08 390	1.15 399	1.11 396	1.14 406	1.10 372	1.11 384	1.16 401	1.09 404	1.16 378	1.15 408

CFNet_RVC	2.38 503	8.71 533	0.38 238	9.33 551	0.42 314	0.56 328	0.42 303	0.60 326	0.38 280	0.62 336	0.42 310	0.56 331	7.29 554	0.62 331	0.42 305	0.53 303	0.37 241	0.49 320	0.34 271	8.30 551	6.87 557

edge stereo	2.43 504	27.07 565	1.14 382	1.06 347	1.14 413	1.08 388	1.17 409	1.16 384	1.14 408	1.10 388	1.16 409	1.09 392	1.16 403	1.10 394	1.16 410	1.10 372	1.11 384	1.16 401	1.19 411	1.13 373	1.11 401

FAT-Stereo	2.46 505	26.05 562	1.23 442	1.23 414	1.22 470	1.20 399	1.24 460	1.23 440	1.23 464	1.19 399	1.22 460	1.21 448	1.24 454	1.20 403	1.24 461	1.21 428	1.17 393	1.22 456	1.25 464	1.20 387	1.24 466

S-Stereo	2.51 506	26.86 563	1.23 442	1.22 412	1.22 470	1.24 447	1.25 461	1.22 438	1.24 465	1.21 445	1.24 462	1.19 402	1.27 456	1.19 402	1.24 461	1.19 382	1.20 395	1.25 457	1.19 411	1.24 435	1.23 465

Anonymous3	2.55 507	3.26 468	1.65 474	3.28 487	1.63 486	3.24 518	1.68 488	3.27 516	1.66 483	3.28 517	1.67 491	3.25 517	1.66 475	3.27 516	1.64 484	3.26 511	1.65 479	3.30 516	1.65 494	4.95 533	1.65 496

MIF-Stereo (partial)	2.58 508	3.31 469	0.66 327	3.18 484	0.66 366	3.18 517	0.66 350	3.21 515	0.67 355	3.19 516	0.66 362	3.19 516	0.66 352	3.31 518	0.68 357	5.09 539	1.79 487	8.23 558	1.67 496	6.18 542	1.38 478

MSMDNet	2.65 509	10.14 544	0.33 213	9.74 554	0.32 248	0.87 362	0.33 247	2.95 513	0.68 356	0.49 295	0.34 263	0.49 299	5.70 549	0.49 298	0.33 249	0.42 268	9.57 555	0.41 281	0.31 254	8.36 552	0.65 351

pcwnet_v2	2.66 510	9.89 542	0.33 213	9.89 555	0.32 248	0.50 310	0.32 238	0.49 289	0.33 253	0.49 295	0.34 263	0.49 299	8.76 556	0.48 292	0.33 249	0.41 254	9.58 556	0.40 268	0.29 235	9.01 555	0.63 349

CFNet_pseudo	2.67 511	9.36 538	0.32 208	10.99 560	0.33 259	0.85 360	0.33 247	0.49 289	0.33 253	0.49 295	0.32 249	0.49 299	7.26 553	0.49 298	0.33 249	0.41 254	9.62 557	0.41 281	0.29 235	10.03 559	0.29 222

CFNet_ucs	2.73 512	9.64 540	0.33 213	9.92 556	0.32 248	0.49 302	0.33 247	0.49 289	0.33 253	0.49 295	0.33 255	0.49 299	8.98 557	0.48 292	0.33 249	0.41 254	9.96 560	0.40 268	0.29 235	10.12 560	0.54 332

UCFNet_RVC	2.75 513	10.06 543	0.29 192	10.31 559	0.29 230	0.42 274	0.29 226	0.43 269	0.29 225	0.42 260	0.29 229	0.42 272	9.87 559	0.43 270	0.29 227	0.36 221	9.84 559	0.36 243	0.26 213	9.77 558	0.26 196

ccs_rob	2.79 514	10.17 545	0.32 208	10.00 557	0.33 259	0.49 302	0.33 247	1.90 464	0.32 247	0.51 312	0.33 255	0.49 299	9.24 558	0.49 298	0.33 249	0.41 254	9.82 558	0.41 281	0.28 225	9.34 556	0.29 222

PCWNet_CMD	2.80 515	9.82 541	0.32 208	10.09 558	0.32 248	0.49 302	0.33 247	3.34 517	0.33 253	0.49 295	0.33 255	0.49 299	8.73 555	0.48 292	0.33 249	0.41 254	9.22 554	0.42 292	0.29 235	9.55 557	0.31 239

StereoVision	3.15 516	5.00 499	0.89 359	4.83 525	1.00 402	3.93 524	1.27 464	6.37 551	1.34 470	5.67 551	1.26 464	5.84 552	1.27 456	5.03 548	1.24 461	5.10 540	1.09 380	4.61 534	0.57 350	5.62 540	1.12 403

MaDis-Stereo	3.19 517	6.02 520	1.12 380	5.61 534	1.16 418	5.43 550	1.02 399	5.15 548	0.70 362	5.43 548	1.21 459	5.03 549	0.97 383	4.85 542	0.99 394	4.53 521	1.16 390	5.53 550	1.25 464	5.37 538	1.30 469

sAnonymous2	3.31 518	2.63 440	1.38 460	3.71 506	1.86 501	4.70 542	1.11 402	4.82 544	2.72 522	5.45 549	1.98 515	4.59 534	2.64 511	2.65 501	6.21 554	4.37 517	1.08 378	5.16 548	2.24 518	4.52 515	2.39 520

CroCo_RVC	3.31 518	2.63 440	1.38 460	3.71 506	1.86 501	4.70 542	1.11 402	4.82 544	2.72 522	5.45 549	1.98 515	4.59 534	2.64 511	2.65 501	6.21 554	4.37 517	1.08 378	5.16 548	2.24 518	4.52 515	2.39 520

DPSNet	3.66 520	3.60 473	3.62 535	3.63 503	3.64 545	3.65 522	3.65 543	3.66 521	3.67 540	3.67 520	3.65 541	3.67 521	3.66 531	3.66 520	3.68 538	3.68 515	3.66 528	3.67 521	3.68 544	3.67 503	3.67 542

STTStereo	3.73 521	30.40 569	2.37 514	2.39 463	2.31 524	2.35 489	2.33 517	2.29 481	2.42 520	2.32 490	2.34 522	2.33 484	2.36 510	2.30 486	2.27 519	2.35 489	2.22 506	2.31 497	2.22 517	2.29 474	2.34 519

rvit_105_1	3.83 522	5.22 503	3.01 518	4.53 513	3.01 527	4.51 530	3.01 524	4.56 531	3.04 525	4.53 530	3.03 526	4.55 532	3.03 515	4.56 531	3.04 522	4.57 523	3.05 512	4.57 529	3.05 527	4.57 517	3.05 526

rvit_stereo_0081	3.83 522	5.23 504	3.01 518	4.53 513	3.03 529	4.55 536	3.02 525	4.56 531	3.04 525	4.52 528	3.02 524	4.54 530	3.03 515	4.56 531	3.04 522	4.57 523	3.05 512	4.57 529	3.05 527	4.58 518	3.05 526

rvit_stereo_0081_aga	3.86 524	5.33 507	3.02 521	4.55 519	3.04 533	4.54 532	3.02 525	4.64 538	3.06 529	4.54 532	3.04 528	4.62 539	3.08 522	4.62 537	3.07 527	4.58 526	3.06 516	4.60 533	3.08 531	4.63 521	3.07 530

rvit_stereo_0082	3.86 524	5.82 518	3.01 518	4.53 513	3.03 529	4.54 532	3.02 525	4.56 531	3.04 525	4.53 530	3.02 524	4.55 532	3.04 518	4.57 534	3.05 524	4.57 523	3.05 512	4.58 531	3.05 527	4.58 518	3.06 529

rvit_0105_6	3.87 526	5.73 517	3.10 528	4.69 523	3.12 537	4.54 532	3.02 525	4.56 531	3.04 525	4.54 532	3.03 526	4.54 530	3.04 518	4.56 531	3.05 524	4.58 526	3.05 512	4.58 531	3.05 527	4.58 518	3.05 526

rvit_stereo_0080	3.89 527	5.70 515	3.04 523	4.54 516	3.03 529	4.56 537	3.05 531	4.60 535	3.07 530	4.58 535	3.06 529	4.59 534	3.06 520	4.61 535	3.08 528	4.63 528	3.09 517	4.64 535	3.10 532	4.65 522	3.10 531

whm_eth	3.89 527	5.70 515	3.04 523	4.54 516	3.03 529	4.56 537	3.05 531	4.60 535	3.07 530	4.58 535	3.06 529	4.59 534	3.06 520	4.61 535	3.08 528	4.63 528	3.09 517	4.64 535	3.10 532	4.65 522	3.10 531

rvit_0105_4	3.91 529	5.47 514	3.02 521	4.54 516	3.02 528	4.54 532	3.03 529	4.75 541	3.17 536	4.57 534	3.06 529	4.61 538	3.16 526	4.65 538	3.09 530	4.66 530	3.11 519	4.68 538	3.18 537	4.81 528	3.16 536

rvit_0105_3	3.91 529	5.33 507	3.06 526	4.60 521	3.07 535	4.60 539	3.06 533	4.62 537	3.08 533	4.60 537	3.07 532	4.62 539	3.08 522	4.67 539	3.10 531	4.70 531	3.11 519	4.77 542	3.19 538	4.77 527	3.14 535

rvit_stereo_0083	3.92 531	5.30 506	3.06 526	4.61 522	3.09 536	4.67 541	3.08 534	4.66 539	3.09 534	4.62 538	3.10 534	4.66 542	3.11 524	4.67 539	3.16 533	4.72 533	3.16 522	4.77 542	3.11 534	4.66 524	3.11 533

rvit_stereo_ft	3.93 532	5.44 512	3.05 525	4.59 520	3.06 534	4.61 540	3.08 534	4.67 540	3.12 535	4.63 539	3.10 534	4.65 541	3.11 524	4.69 541	3.13 532	4.70 531	3.14 521	4.71 540	3.15 536	4.74 525	3.16 536

rvit_0105_5	4.10 533	5.40 510	3.13 531	4.71 524	3.15 538	4.72 544	3.10 536	4.90 546	3.27 537	4.69 540	3.16 536	4.84 546	3.25 527	4.96 545	3.34 535	5.05 538	3.39 527	5.10 547	3.40 539	5.11 535	3.42 539

MLG-Stereo_test1	4.25 534	5.34 509	3.61 534	5.31 530	3.63 544	5.23 548	3.57 541	5.38 549	3.65 539	5.23 546	3.47 538	4.76 543	3.74 534	4.85 542	3.71 539	4.96 535	3.18 524	4.71 540	2.92 524	4.86 531	2.90 524

MLG-Stereo_test3	4.26 535	4.85 497	3.95 538	5.35 531	3.60 543	4.75 545	3.76 544	5.49 550	3.71 541	5.39 547	3.69 542	4.82 545	3.66 531	4.85 542	3.73 542	4.93 534	3.19 525	4.69 539	2.99 526	4.84 530	2.98 525

MLG-Stereo_test2	4.28 536	5.46 513	3.69 536	4.86 526	3.72 546	5.58 551	3.42 539	4.81 543	3.77 545	4.85 542	3.72 543	5.55 551	3.63 530	5.58 549	3.53 537	4.41 520	3.28 526	4.99 546	2.95 525	4.75 526	3.13 534

RAFT+CT+SA	4.28 536	7.62 526	4.91 542	5.55 533	2.28 522	3.09 515	3.64 542	4.49 529	3.07 530	4.80 541	3.35 537	4.77 544	3.70 533	4.29 528	3.05 524	5.58 542	5.98 543	3.58 520	3.78 546	4.26 511	3.72 543

SA	4.33 538	7.35 523	6.85 553	5.96 536	4.09 550	3.59 521	3.15 537	3.82 523	2.64 521	3.91 521	3.85 544	3.57 519	2.72 513	3.13 515	4.03 545	7.09 553	6.86 548	3.57 519	3.12 535	3.85 505	3.51 541

Sa-1000	4.34 539	8.37 529	6.84 552	6.98 543	4.45 553	3.58 520	3.00 523	3.42 519	3.39 538	2.61 500	4.00 547	3.83 523	4.01 540	3.90 523	3.90 543	5.98 546	5.62 541	3.76 523	2.34 521	4.35 513	2.47 522

TestStereo1	4.60 540	8.41 530	6.44 550	6.86 541	3.79 547	3.97 525	3.78 545	3.99 525	3.74 542	3.97 522	3.52 539	3.94 524	3.58 528	3.98 524	3.72 540	6.82 550	6.50 546	3.76 523	3.66 542	3.90 506	3.74 545

SA-5K	4.60 540	8.41 530	6.44 550	6.86 541	3.79 547	3.97 525	3.78 545	3.99 525	3.74 542	3.97 522	3.52 539	3.94 524	3.58 528	3.98 524	3.72 540	6.82 550	6.50 546	3.76 523	3.66 542	3.90 506	3.74 545

DispFullNet	4.61 542	4.84 496	3.12 529	5.00 528	3.57 542	4.75 545	3.03 529	7.75 557	4.17 549	4.91 544	3.09 533	6.20 553	3.95 538	6.71 553	3.51 536	5.30 541	3.67 529	5.86 554	3.63 541	5.61 539	3.46 540

test_5	4.62 543	7.55 525	6.23 548	6.32 538	3.40 541	5.29 549	3.50 540	3.53 520	4.11 548	4.28 525	4.47 551	4.26 528	4.38 543	3.68 521	3.24 534	5.89 544	5.60 540	4.84 544	3.50 540	4.33 512	3.93 549

raft_robust	4.71 544	7.75 527	5.40 547	6.81 540	3.31 539	4.28 529	4.20 550	4.32 528	4.37 551	4.35 527	4.35 550	4.14 526	3.75 535	4.30 529	4.20 548	6.67 549	6.37 544	3.36 518	4.24 552	4.86 531	3.25 538

cross-raft	4.83 545	7.52 524	6.43 549	6.63 539	3.96 549	4.51 530	3.99 548	4.49 529	3.96 547	4.52 528	3.96 546	4.50 529	3.97 539	4.50 530	3.97 544	6.65 548	6.44 545	4.33 526	3.92 548	4.35 513	3.91 548

test_4	4.88 546	8.13 528	6.98 554	7.46 544	4.44 552	4.25 528	3.85 547	4.04 527	3.92 546	4.13 524	3.91 545	4.18 527	3.84 536	4.14 526	4.06 546	7.01 552	7.13 549	4.53 527	3.72 545	4.09 509	3.72 543

TestStereo	4.88 546	4.75 495	4.79 541	4.87 527	4.92 554	4.81 547	4.90 553	4.78 542	4.77 552	4.87 543	4.89 552	4.90 547	4.91 545	4.99 546	4.79 550	4.98 536	4.87 537	4.87 545	4.92 554	5.00 534	5.00 552

test_3	5.01 548	8.86 535	7.77 556	8.09 546	2.76 526	4.13 527	4.05 549	3.88 524	3.76 544	4.33 526	4.13 548	3.71 522	3.91 537	4.21 527	4.06 546	7.93 554	7.69 551	4.53 527	3.91 547	4.17 510	4.29 551

NLCA_NET_v2_RVC	5.04 549	50.87 579	2.78 516	2.87 476	2.71 525	2.78 514	0.47 317	2.88 512	2.86 524	1.89 466	2.67 523	2.79 514	2.79 514	2.78 513	2.83 521	2.82 508	2.82 510	2.83 514	2.77 523	2.83 500	2.76 523
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
FC-DCNN v2	5.10 550	5.15 501	4.49 540	5.07 529	3.37 540	6.87 554	4.75 552	5.04 547	6.34 556	7.84 557	5.06 553	6.72 557	4.09 541	4.99 546	5.44 553	5.03 537	3.16 522	4.67 537	4.86 553	5.15 536	3.89 547

U	5.15 551	8.49 532	1.81 482	8.49 548	1.77 495	8.49 559	1.77 492	8.51 559	1.77 496	8.49 559	1.77 494	8.50 559	1.78 486	8.58 559	1.77 498	8.54 557	1.78 486	8.55 559	1.78 505	8.55 553	1.84 503

SGM-Forest	5.21 552	5.92 519	4.08 539	6.18 537	4.16 551	6.31 553	4.34 551	6.50 552	4.33 550	6.14 553	4.21 549	6.61 556	4.55 544	6.67 552	4.48 549	5.94 545	3.94 531	5.85 553	4.03 550	5.79 541	4.17 550
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-1	6.46 553	9.16 537	8.03 559	8.09 546	5.62 557	6.11 552	6.35 556	6.85 554	4.94 553	6.08 552	6.29 558	4.98 548	6.43 550	6.22 550	6.36 556	6.16 547	7.47 550	5.82 552	5.44 557	7.11 547	5.68 555

rvit_stereo_0075_2	6.64 554	8.80 534	5.25 544	7.89 545	5.27 556	7.90 558	5.27 554	7.92 558	5.28 554	7.91 558	5.29 555	7.93 558	5.27 546	7.92 558	5.28 551	7.93 554	5.28 539	7.93 557	5.29 556	7.93 550	5.28 554

RAFT	6.73 555	9.36 538	7.40 555	8.51 549	6.55 558	6.88 555	6.60 557	6.79 553	6.60 557	6.80 554	6.72 559	5.31 550	5.50 548	6.61 551	6.61 557	8.42 556	5.89 542	5.73 551	5.45 558	6.61 543	6.24 556

SGM+DAISY	7.06 556	9.15 536	5.38 546	8.84 550	5.18 555	8.80 560	5.31 555	8.79 560	5.28 554	8.89 560	5.20 554	8.93 560	5.33 547	8.95 560	5.36 552	8.70 558	5.21 538	8.74 560	5.20 555	8.89 554	5.15 553

test-v	7.53 557	11.89 546	7.98 557	9.36 552	7.14 559	7.06 556	7.09 558	7.37 555	6.91 558	7.29 555	5.71 556	6.45 554	6.93 551	6.73 554	7.27 558	8.93 559	7.85 552	6.98 555	6.80 559	7.56 548	7.34 558

test-2	7.53 557	11.89 546	7.98 557	9.36 552	7.14 559	7.06 556	7.09 558	7.37 555	6.91 558	7.29 555	5.71 556	6.45 554	6.93 551	6.73 554	7.27 558	8.93 559	7.85 552	6.98 555	6.80 559	7.56 548	7.34 558

PA-Net	11.80 559	223.51 586	0.62 320	0.59 283	0.71 375	0.59 335	0.73 367	0.67 335	0.73 373	0.55 324	0.61 353	0.60 337	0.74 366	0.63 335	0.73 369	0.66 324	0.60 323	0.69 350	0.66 362	0.72 325	0.65 351
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANE	19.05 560	23.00 554	15.00 560	23.00 567	15.00 561	24.00 567	16.00 560	24.00 567	16.00 560	22.00 567	15.00 560	23.00 567	16.00 560	23.00 567	15.00 560	22.00 567	15.00 561	22.00 567	15.00 561	22.00 567	15.00 560

rafts_anoy	20.00 561	20.00 548	20.00 561	20.00 561	20.00 562	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 562	20.00 561	20.00 562	20.00 561	20.00 561

raft+_RVC	20.00 561	20.00 548	20.00 561	20.00 561	20.00 562	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 562	20.00 561	20.00 562	20.00 561	20.00 561

raftrobust	20.00 561	20.00 548	20.00 561	20.00 561	20.00 562	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 562	20.00 561	20.00 562	20.00 561	20.00 561

CasAABBNet	20.00 561	20.00 548	20.00 561	20.00 561	20.00 562	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 562	20.00 561	20.00 562	20.00 561	20.00 561

RALCasStereoNet	20.00 561	20.00 548	20.00 561	20.00 561	20.00 562	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 562	20.00 561	20.00 562	20.00 561	20.00 561

RALAANet	20.00 561	20.00 548	20.00 561	20.00 561	20.00 562	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 561	20.00 562	20.00 561	20.00 562	20.00 561	20.00 561

111	30.40 567	30.94 570	29.72 568	32.61 568	30.02 569	33.57 568	30.47 568	31.50 568	29.39 568	30.98 568	29.11 568	29.78 568	30.39 571	29.45 568	30.76 571	30.08 568	29.02 569	29.92 568	30.32 572	29.86 568	30.17 568

WCMA_ROB	31.10 568	35.43 574	27.12 567	39.51 579	23.10 568	38.78 579	25.30 567	37.49 579	25.39 567	37.29 578	27.02 567	38.52 579	26.48 567	37.80 578	26.44 567	36.28 575	22.65 568	33.90 572	22.30 568	37.10 576	24.18 567

DCANet-4	35.22 569	34.54 571	35.08 574	33.58 572	35.47 576	34.55 569	35.53 575	36.08 574	35.85 572	35.92 574	35.77 574	35.18 574	35.48 573	35.39 574	37.15 577	34.55 574	33.92 573	35.02 575	34.90 574	35.79 572	34.74 575

ADStereo(finetuned)	36.13 570	36.63 575	38.07 578	36.97 573	33.25 573	35.91 573	34.45 572	36.36 575	32.99 569	38.14 579	36.71 575	36.69 575	34.13 572	38.57 579	40.79 578	37.60 579	36.58 576	35.90 576	33.36 573	35.42 571	34.04 572

Reg-Stereo(zero)	37.00 571	37.00 576	37.00 575	37.00 574	37.00 577	37.00 576	37.00 576	37.00 576	37.00 573	37.00 575	37.00 576	37.00 576	37.00 574	37.00 575	37.00 574	37.00 576	37.00 577	37.00 577	37.00 577	37.00 573	37.00 576

HI	37.00 571	37.00 576	37.00 575	37.00 574	37.00 577	37.00 576	37.00 576	37.00 576	37.00 573	37.00 575	37.00 576	37.00 576	37.00 574	37.00 575	37.00 574	37.00 576	37.00 577	37.00 577	37.00 577	37.00 573	37.00 576

CoSv	37.00 571	37.00 576	37.00 575	37.00 574	37.00 577	37.00 576	37.00 576	37.00 576	37.00 573	37.00 575	37.00 576	37.00 576	37.00 574	37.00 575	37.00 574	37.00 576	37.00 577	37.00 577	37.00 577	37.00 573	37.00 576

MDST_ROB	69.83 574	87.70 580	41.95 579	113.75 582	65.62 582	75.05 580	55.25 580	75.64 581	45.04 576	71.61 580	41.75 579	72.81 580	44.06 577	68.38 580	44.63 579	101.89 582	59.57 582	107.10 582	61.05 582	104.38 579	59.38 581

NOSS_ROB	102.95 575	153.00 584	121.00 582	51.00 580	44.00 580	165.00 583	127.00 581	153.00 582	119.00 578	164.00 583	125.00 581	168.00 583	120.00 579	153.00 582	117.00 581	49.00 580	44.00 580	49.00 580	44.00 580	49.00 577	44.00 579

CBMV	128.50 576	1422.70 591	53.10 580	79.50 581	51.30 581	77.30 581	49.70 579	74.00 580	48.20 577	77.20 581	48.80 580	73.90 581	48.00 578	73.80 581	48.80 580	70.40 581	45.10 581	68.90 581	46.10 581	68.20 578	45.00 580
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 577	171.00 585	160.68 585	162.58 583	160.59 583	164.01 582	160.35 582	158.51 583	158.56 579	158.34 582	160.12 582	158.56 582	159.92 580	157.26 583	158.94 582	154.38 583	158.36 583	155.75 583	159.13 584	153.67 580	154.07 582
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
AE-Stereo	201.80 578	123.00 581	115.00 581	219.00 584	218.00 585	223.00 584	244.00 584	217.00 584	236.00 581	202.00 584	203.00 583	205.00 584	208.00 581	225.00 584	204.00 583	210.00 584	198.00 584	197.00 584	184.00 585	204.00 581	201.00 583

MGS-Stereo	239.45 579	123.00 581	135.00 583	266.00 585	286.00 586	277.00 585	305.00 585	271.00 585	242.00 582	274.00 585	279.00 585	255.00 585	270.00 583	268.00 585	297.00 585	221.00 585	247.00 586	216.00 585	123.00 583	217.00 582	217.00 585

EGLCR-Stereo	246.90 580	129.00 583	139.00 584	266.00 585	286.00 586	277.00 585	305.00 585	271.00 585	242.00 582	274.00 585	279.00 585	255.00 585	270.00 583	268.00 585	297.00 585	230.00 586	247.00 586	216.00 585	223.00 587	237.00 583	227.00 586

DLCB_ROB	284.23 581	354.61 587	207.27 586	363.24 587	206.46 584	364.72 587	210.41 583	364.72 587	210.41 580	364.81 587	208.64 584	364.81 587	208.64 582	364.72 587	210.41 584	354.70 587	205.53 585	354.70 587	205.53 586	354.70 584	205.53 584

LE_ROB	396.57 582	471.28 588	329.84 587	471.48 588	308.15 588	526.83 588	322.10 587	488.15 588	323.76 584	495.46 588	317.97 587	497.17 588	320.10 585	481.62 588	326.76 587	462.71 588	298.97 588	466.16 588	285.98 588	447.62 585	289.21 587

SGM-ForestM	596.69 583	677.77 589	444.52 588	699.85 589	517.25 589	732.94 589	488.29 588	770.79 589	460.11 585	750.81 589	487.98 588	792.79 589	499.41 586	730.90 589	475.81 588	720.03 589	491.16 589	663.96 589	418.60 589	674.76 586	436.05 588

CBMV_ROB	818.48 584	913.88 590	709.52 589	862.84 590	597.78 590	1073.99 590	700.52 589	1015.66 590	702.59 586	1115.65 590	760.02 589	1130.24 590	721.57 587	1037.41 590	692.65 589	814.05 590	564.29 590	843.28 590	595.31 590	915.51 587	602.92 589

tt	500032.53 585	34.60 572	29.72 568	37.47 577	34.41 574	36.85 574	35.22 573	34.71 572	33.55 570	34.50 569	35.43 572	33.81 572	10000000.00 588	33.57 572	33.13 572	33.68 572	35.00 574	34.03 573	35.26 575	30.96 569	34.63 573

DCANet	500032.53 585	34.60 572	29.72 568	37.47 577	34.41 574	36.85 574	35.22 573	34.71 572	33.55 570	34.50 569	35.43 572	33.81 572	10000000.00 588	33.57 572	33.13 572	33.68 572	35.00 574	34.03 573	35.26 575	30.96 569	34.63 573

fff	1000028.16 587	29.62 566	29.72 568	32.61 568	30.02 569	35.13 570	31.83 569	32.07 569	10000000.00 587	35.27 571	29.82 569	32.45 569	30.15 568	32.35 569	30.09 568	31.04 569	29.55 570	30.64 569	30.14 569	10000000.00 588	30.77 569

csc	1000028.16 587	29.62 566	29.72 568	32.61 568	30.02 569	35.13 570	31.83 569	32.07 569	10000000.00 587	35.27 571	29.82 569	32.45 569	30.15 568	32.35 569	30.09 568	31.04 569	29.55 570	30.64 569	30.14 569	10000000.00 588	30.77 569

cscssc	1000028.16 587	29.62 566	29.72 568	32.61 568	30.02 569	35.13 570	31.83 569	32.07 569	10000000.00 587	35.27 571	29.82 569	32.45 569	30.15 568	32.35 569	30.09 568	31.04 569	29.55 570	30.64 569	30.14 569	10000000.00 588	30.77 569

111111	10000000.00 590	10000000.00 592	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 587	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 588	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 588	10000000.00 590

SGD-Stereo	10000000.00 590	10000000.00 592	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 587	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 588	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 588	10000000.00 590

IGEV-Stereo++	10000000.00 590	10000000.00 592	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 587	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 588	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 588	10000000.00 590

IGEV-BASED-STEREO-	10000000.00 590	10000000.00 592	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 587	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 588	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 588	10000000.00 590

IGEV-Stereo+	10000000.00 590	10000000.00 592	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 587	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 588	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 588	10000000.00 590

SDNR	10000000.00 590	10000000.00 592	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 587	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 588	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 588	10000000.00 590

anonymousdsp2	10000000.00 590	10000000.00 592	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 587	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 588	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 588	10000000.00 590

anonymousdsp	10000000.00 590	10000000.00 592	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 587	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 588	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 588	10000000.00 590

test_example2	10000000.00 590	10000000.00 592	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 587	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 588	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 588	10000000.00 590

DIP-Stereo	10000000.00 590	10000000.00 592	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 587	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 588	10000000.00 591	10000000.00 590	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 591	10000000.00 588	10000000.00 590
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ccccc		0.44 169		0.48 247	0.35 272	0.48 297		0.51 307		0.47 281		0.47 288		0.47 283		0.41 254	0.40 257	0.40 268	0.40 303	0.41 260

ASD4		0.20 100

Low-res two-view benchmark