Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-LNSev	0.06 44	0.24 118	0.20 159	0.23 142	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	0.23 167	0.21 168	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 205	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 94	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 190	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

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

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

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

test_sample6	0.09 51	0.97 257	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_sample2	0.09 51	1.03 273	0.11 89	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 267	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	0.95 254	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	1.01 267	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

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

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

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

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

Wz-Net-LNSev-Ref	0.11 83	0.44 167	0.33 208	0.39 191	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	0.39 235	0.36 229	0.02 18	0.02 20	0.02 20	0.02 20

BSDual-CNN	0.81 323	1.91 375	0.92 348	4.48 492	0.02 21	0.42 263	0.06 99	0.41 238	0.02 21	0.48 277	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 450	4.19 515	0.33 207	0.23 188	0.34 197	0.27 198

psmg	0.43 236	1.91 375	0.92 348	1.91 425	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	1.97 450	1.44 443	0.04 71	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 185	1.29 347	1.19 372	1.36 407	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	1.26 416	1.21 423	0.03 38	0.09 104	0.02 20	0.09 102

Syn2CoEx	0.25 152	1.31 349	0.74 327	0.92 312	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	0.87 339	0.75 331	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

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

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 71	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

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

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

DualNet (step1)	0.10 62	1.05 277	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	1.05 277	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	1.05 277	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 51	1.00 261	0.11 89	0.11 73	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	1.07 280	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 74	0.03 51

test_sample4	0.10 62	1.03 273	0.12 100	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 51	0.87 236	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_sample1	0.09 51	0.87 236	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 71	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

DualNet	0.10 62	1.07 280	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 74	0.03 51

ttt	0.10 62	1.09 282	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	1.14 287	0.13 120	0.14 96	0.03 48	0.04 74	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

qqq	0.16 126	2.01 383	0.12 100	0.15 106	0.04 77	0.06 86	0.05 87	0.06 88	0.04 78	0.06 90	0.03 52	0.06 91	0.03 52	0.06 82	0.03 48	0.12 91	0.14 136	0.04 71	0.04 75	0.03 43	0.03 51

x	0.11 83	1.15 289	0.15 140	0.14 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 139	0.03 38	0.03 54	0.03 43	0.03 51

hknet	1.10 364	1.85 368	3.49 514	4.48 492	0.02 21	0.42 263	0.06 99	0.41 238	0.02 21	0.48 277	0.03 52	0.41 245	0.03 52	0.42 260	0.03 48	4.39 501	4.19 515	0.33 207	0.23 188	0.34 197	0.27 198

222	0.10 62	0.99 260	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 74	0.03 51

xxxx	0.11 83	1.16 290	0.16 141	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	0.16 141	0.03 38	0.04 75	0.04 74	0.04 76

test_xeample	0.10 62	1.09 282	0.13 120	0.12 79	0.03 48	0.03 40	0.03 50	0.04 74	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 136	0.03 38	0.03 54	0.03 43	0.03 51

EDNetEfficient	0.04 38	0.05 49	0.04 43	0.04 37	0.03 48	0.04 74	0.03 50	0.04 74	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.04 69	0.03 48	0.05 51	0.03 36	0.05 81	0.03 54	0.04 74	0.03 51

GwcNet	0.12 92	0.07 57	0.05 57	0.08 49	0.05 93	0.08 97	1.20 394	0.07 98	0.05 92	0.05 86	0.05 94	0.08 98	0.05 88	0.08 99	0.03 48	0.07 58	0.05 56	0.06 88	0.05 90	0.07 98	0.05 91

BEATNet_4x	0.11 83	0.03 31	0.03 36	1.60 415	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 77	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 83	0.03 31	0.03 36	1.60 415	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 77	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 77	0.06 86	0.04 77	0.06 88	0.04 78	0.06 90	0.04 85	0.06 91	0.04 81	0.06 82	0.04 72	0.06 55	0.04 45	0.05 81	0.04 75	0.05 86	0.04 76

mmm	0.14 107	1.83 366	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.04 78	0.03 40	0.03 52	0.03 42	0.03 52	0.06 82	0.04 72	0.12 91	0.11 94	0.05 81	0.04 75	0.05 86	0.04 76

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 77	0.04 74	0.05 87	0.04 74	0.04 78	0.12 116	0.04 85	0.06 91	0.04 81	0.04 69	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 77	0.05 84	0.90 366	0.06 88	0.04 78	0.05 86	0.04 85	0.05 86	0.04 81	0.05 77	0.04 72	0.05 51	0.04 45	0.05 81	0.04 75	0.05 86	0.05 91

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 77	0.05 84	0.04 77	0.05 84	0.04 78	0.05 86	0.04 85	0.05 86	0.04 81	0.05 77	0.04 72	0.05 51	0.03 36	0.06 88	0.03 54	0.04 74	0.03 51

ADCRef	0.12 92	0.03 31	0.04 43	1.71 421	0.04 77	0.03 40	0.03 50	0.04 74	0.04 78	0.04 71	0.03 52	0.04 74	0.03 52	0.06 82	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.03 43	0.04 76

AnyNet_C01	0.11 83	0.02 12	0.02 14	1.62 418	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 82	0.04 72	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 107	0.04 37	0.03 36	2.22 436	0.04 77	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 74	0.02 21	0.07 96	0.04 72	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCP+	0.15 118	0.04 37	0.04 43	2.20 435	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.05 94	0.04 74	0.04 81	0.08 99	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 400	0.03 48	0.04 74	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.08 99	0.04 72	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.04 81	0.04 69	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
qqq1	0.25 152	3.70 457	0.14 125	0.14 96	0.04 77	0.06 86	0.05 87	0.06 88	0.05 92	0.06 90	0.05 94	0.04 74	0.05 88	0.06 82	0.05 83	0.13 107	0.12 109	0.06 88	0.05 90	0.03 43	0.04 76

fff1	0.25 152	3.70 457	0.14 125	0.14 96	0.04 77	0.06 86	0.05 87	0.06 88	0.05 92	0.06 90	0.05 94	0.04 74	0.05 88	0.06 82	0.05 83	0.13 107	0.12 109	0.06 88	0.05 90	0.03 43	0.04 76

11t1	0.17 129	2.16 392	0.13 120	0.13 92	0.04 77	0.06 86	0.04 77	0.06 88	0.04 78	0.06 90	0.03 52	0.06 91	0.03 52	0.06 82	0.05 83	0.18 146	0.12 109	0.06 88	0.03 54	0.05 86	0.03 51

ffm	0.25 152	3.83 463	0.12 100	0.12 79	0.05 93	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 52	0.06 91	0.05 88	0.06 82	0.05 83	0.12 91	0.12 109	0.05 81	0.04 75	0.06 90	0.04 76

ff1	0.25 152	3.83 463	0.12 100	0.12 79	0.05 93	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 52	0.06 91	0.05 88	0.06 82	0.05 83	0.12 91	0.12 109	0.05 81	0.04 75	0.06 90	0.04 76

mmx	0.25 152	3.83 463	0.12 100	0.12 79	0.05 93	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 52	0.06 91	0.05 88	0.06 82	0.05 83	0.12 91	0.12 109	0.05 81	0.04 75	0.06 90	0.04 76

BUS	0.83 330	1.91 375	0.92 348	4.48 492	0.02 21	0.40 229	0.04 77	0.41 238	0.02 21	0.48 277	0.03 52	0.41 245	0.05 88	0.03 39	0.05 83	1.97 450	4.19 515	0.33 207	0.23 188	0.34 197	0.27 198

NINENet	0.69 298	3.87 466	1.20 375	1.98 429	0.05 93	0.40 229	0.04 77	0.40 223	0.05 92	0.41 237	0.04 85	0.41 245	0.05 88	0.40 233	0.05 83	1.79 440	1.56 452	0.34 214	0.22 183	0.34 197	0.23 173

AASNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 93	0.06 86	0.05 87	0.05 84	0.06 100	0.06 90	0.06 100	0.05 86	0.06 100	0.06 82	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

SACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 93	0.06 86	0.05 87	0.05 84	0.06 100	0.06 90	0.06 100	0.05 86	0.06 100	0.06 82	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

AACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 93	0.06 86	0.05 87	0.05 84	0.06 100	0.06 90	0.06 100	0.05 86	0.06 100	0.06 82	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 102	0.08 97	0.06 99	0.08 101	0.07 103	0.08 98	0.07 103	0.08 98	0.06 100	0.07 96	0.07 94	0.08 60	0.07 57	0.07 93	0.07 98	0.06 90	0.06 96

SuperB	0.21 142	0.10 66	2.51 497	0.12 79	0.09 106	0.10 102	0.09 104	0.08 101	0.07 103	0.10 102	0.09 106	0.09 102	0.07 104	0.07 96	0.07 94	0.07 58	0.08 59	0.07 93	0.07 98	0.08 100	0.07 98

SepStereo	0.09 51	0.09 64	0.10 69	0.09 53	0.09 106	0.09 101	0.09 104	0.10 103	0.08 105	0.10 102	0.09 106	0.09 102	0.09 107	0.09 102	0.08 96	0.09 66	0.08 59	0.09 100	0.08 102	0.09 103	0.08 99

BEATNet-Init1	0.19 134	0.08 58	0.08 60	2.23 437	0.08 104	0.08 97	0.07 102	0.07 98	0.08 105	0.08 98	0.07 103	0.08 98	0.07 104	0.11 115	0.08 96	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

DeepPrunerF	0.19 134	0.08 58	0.08 60	2.23 437	0.08 104	0.08 97	0.07 102	0.07 98	0.08 105	0.08 98	0.07 103	0.08 98	0.07 104	0.11 115	0.08 96	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

ISRNet	0.11 83	0.05 49	0.36 225	0.24 147	0.07 102	0.13 117	0.05 87	0.06 88	0.05 92	0.05 86	0.05 94	0.13 118	0.05 88	0.05 77	0.09 99	0.24 172	0.20 165	0.10 101	0.05 90	0.06 90	0.13 141

ac_64	0.22 145	0.13 80	0.19 156	0.23 142	0.10 112	0.26 183	1.02 381	0.14 119	0.10 109	0.28 183	0.14 152	0.17 140	0.19 175	0.28 192	0.09 99	0.22 156	0.16 141	0.23 170	0.17 174	0.11 114	0.12 135

ADCMid	0.08 50	0.02 12	0.02 14	1.01 329	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 69	0.09 99	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

PASM	0.39 215	3.06 443	1.36 438	1.58 413	0.09 106	0.11 113	0.11 122	0.11 115	0.11 124	0.09 101	0.09 106	0.11 114	0.09 107	0.09 102	0.09 99	0.11 86	0.11 94	0.11 112	0.09 104	0.11 114	0.11 119

DRN-Test	0.14 107	0.13 80	0.09 65	0.14 96	0.09 106	0.15 125	0.09 104	0.14 119	0.10 109	0.14 118	0.09 106	0.14 119	0.09 107	0.13 120	0.09 99	0.12 91	0.09 68	0.12 115	0.09 104	0.12 118	0.73 348

StereoDRNet	0.15 118	0.14 84	0.10 69	0.14 96	0.09 106	0.15 125	0.09 104	0.14 119	0.09 108	0.14 118	0.10 110	0.14 119	0.09 107	0.14 121	0.09 99	0.13 107	0.10 73	0.13 118	0.09 104	0.13 120	0.82 359

S2M2	0.12 92	0.14 84	0.10 69	0.15 106	0.10 112	0.14 118	0.10 109	0.14 119	0.10 109	0.15 124	0.10 110	0.14 119	0.10 111	0.14 121	0.10 105	0.13 107	0.10 73	0.13 118	0.09 104	0.13 120	0.09 102

AnonymousM	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

UNet	0.29 166	0.90 243	0.10 69	0.14 96	0.10 112	0.14 118	0.10 109	0.91 345	0.69 345	0.14 118	0.11 124	0.14 119	0.11 123	0.14 121	0.10 105	0.12 91	0.09 68	0.12 115	0.09 104	0.88 333	0.76 353

PVD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SHD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SAMSARA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

XQC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTS	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet+	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet++	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

S2M2_XL	0.14 107	0.17 92	0.12 100	0.17 124	0.11 127	0.17 141	0.11 122	0.17 140	0.11 124	0.17 138	0.11 124	0.17 140	0.11 123	0.17 140	0.11 117	0.16 130	0.11 94	0.16 136	0.11 123	0.16 136	0.11 119

test_for_model	0.15 118	0.23 111	0.18 153	0.21 139	0.11 127	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.21 153	0.18 162	0.14 120	0.11 123	0.14 122	0.11 119

testlalala2	0.13 98	0.16 86	0.11 89	0.15 106	0.11 127	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.14 114	0.11 94	0.14 120	0.11 123	0.14 122	0.11 119

JetRed	0.11 83	0.12 79	0.11 89	0.11 73	0.11 127	0.11 113	0.14 143	0.11 115	0.11 124	0.12 116	0.11 124	0.11 114	0.11 123	0.11 115	0.11 117	0.11 86	0.16 141	0.11 112	0.11 123	0.11 114	0.11 119

testlalala_base	0.13 98	0.16 86	0.11 89	0.15 106	0.11 127	0.15 125	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.14 114	0.11 94	0.14 120	0.11 123	0.14 122	0.11 119

CIPLG	0.13 98	0.21 106	0.12 100	0.16 116	0.11 127	0.15 125	0.11 122	0.14 119	0.11 124	0.15 124	0.12 135	0.15 129	0.11 123	0.14 121	0.11 117	0.15 123	0.12 109	0.14 120	0.11 123	0.14 122	0.11 119

IPLG	0.13 98	0.20 100	0.14 125	0.15 106	0.11 127	0.14 118	0.11 122	0.14 119	0.11 124	0.14 118	0.11 124	0.14 119	0.11 123	0.14 121	0.11 117	0.15 123	0.12 109	0.14 120	0.11 123	0.14 122	0.11 119

IPLGR_C	0.14 107	0.20 100	0.12 100	0.15 106	0.11 127	0.14 118	0.15 148	0.14 119	0.11 124	0.15 124	0.12 135	0.14 119	0.11 123	0.16 131	0.11 117	0.15 123	0.12 109	0.14 120	0.12 140	0.15 132	0.12 135

MIPNet	0.14 107	0.21 106	0.17 148	0.16 116	0.11 127	0.15 125	0.12 138	0.14 119	0.11 124	0.16 129	0.11 124	0.14 119	0.11 123	0.14 121	0.11 117	0.14 114	0.12 109	0.14 120	0.11 123	0.14 122	0.11 119

IPLGR	0.14 107	0.24 118	0.14 125	0.16 116	0.12 143	0.15 125	0.12 138	0.14 119	0.11 124	0.15 124	0.12 135	0.14 119	0.11 123	0.14 121	0.11 117	0.15 123	0.12 109	0.14 120	0.11 123	0.14 122	0.11 119

ACRE	0.13 98	0.21 106	0.14 125	0.15 106	0.11 127	0.14 118	0.11 122	0.14 119	0.11 124	0.14 118	0.12 135	0.14 119	0.11 123	0.14 121	0.11 117	0.15 123	0.12 109	0.14 120	0.11 123	0.14 122	0.11 119

ICVP	0.15 118	0.53 202	0.11 89	0.16 116	0.11 127	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.16 130	0.11 94	0.16 136	0.11 123	0.16 136	0.11 119
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
LRCNet_RVC	0.13 98	0.13 80	0.09 65	0.13 92	0.10 112	0.14 118	0.10 109	0.14 119	0.10 109	0.23 164	0.10 110	0.20 150	0.10 111	0.24 172	0.11 117	0.11 86	0.09 68	0.12 115	0.14 151	0.12 118	0.09 102

aanetorigin	0.13 98	0.11 77	0.11 89	0.11 73	0.11 127	0.11 113	0.11 122	0.11 115	0.11 124	0.11 114	0.12 135	0.11 114	0.11 123	0.11 115	0.11 117	0.11 86	0.11 94	0.14 120	0.11 123	0.49 278	0.11 119

ELAS	0.13 98	0.16 86	0.11 89	0.15 106	0.09 106	0.18 145	0.11 122	0.18 143	0.11 124	0.17 138	0.11 124	0.18 144	0.11 123	0.18 143	0.11 117	0.14 114	0.08 59	0.14 120	0.08 102	0.14 122	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	0.11 83	0.11 77	0.12 100	0.13 92	0.14 148	0.11 113	0.11 122	0.11 115	0.11 124	0.11 114	0.11 124	0.11 114	0.11 123	0.12 119	0.12 132	0.11 86	0.11 94	0.11 112	0.11 123	0.11 114	0.11 119

ProNet	0.14 107	0.20 100	0.14 125	0.16 116	0.11 127	0.16 133	0.11 122	0.17 140	0.11 124	0.17 138	0.12 135	0.17 140	0.13 145	0.17 140	0.12 132	0.15 123	0.11 94	0.16 136	0.11 123	0.15 132	0.12 135

cf-r	0.66 290	2.17 393	0.12 100	0.18 126	0.12 143	0.18 145	2.70 503	2.60 479	0.12 143	0.18 142	0.12 135	0.18 144	0.12 140	0.18 143	0.12 132	0.15 123	0.11 94	0.15 133	0.11 123	1.81 440	1.74 483

HSM	0.14 107	0.16 86	0.12 100	0.17 124	0.12 143	0.17 141	0.11 122	0.17 140	0.11 124	0.17 138	0.12 135	0.17 140	0.12 140	0.17 140	0.12 132	0.16 130	0.11 94	0.16 136	0.11 123	0.16 136	0.12 135

ELAS_RVC	0.14 107	0.16 86	0.10 69	0.15 106	0.10 112	0.18 145	0.11 122	0.19 145	0.11 124	0.19 144	0.12 135	0.18 144	0.11 123	0.19 146	0.12 132	0.14 114	0.08 59	0.14 120	0.09 104	0.15 132	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 118	0.17 92	0.11 89	0.18 126	0.11 127	0.19 148	0.11 122	0.19 145	0.12 143	0.19 144	0.12 135	0.20 150	0.12 140	0.19 146	0.12 132	0.16 130	0.11 94	0.17 144	0.10 111	0.17 142	0.10 107
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.30 167	3.10 444	0.14 125	0.19 129	0.14 148	0.19 148	0.14 143	0.20 150	0.14 148	0.19 144	0.13 147	0.16 130	0.13 145	0.19 146	0.13 138	0.17 138	0.13 133	0.17 144	0.13 148	0.17 142	0.13 141

DeepPruner_ROB	0.16 126	0.18 95	0.13 120	0.19 129	0.13 146	0.19 148	0.13 141	0.19 145	0.13 146	0.19 144	0.13 147	0.19 148	0.13 145	0.19 146	0.13 138	0.18 146	0.13 133	0.18 153	0.13 148	0.18 146	0.13 141

PDISCO_ROB	0.83 330	2.80 440	3.49 514	0.14 96	0.11 127	0.17 141	0.09 104	0.15 131	0.10 109	0.15 124	0.12 135	0.16 130	0.14 149	3.30 499	0.13 138	0.14 114	2.34 490	0.16 136	0.12 140	2.62 480	0.10 107

LALA_ROB	0.15 118	0.19 96	0.12 100	0.18 126	0.11 127	0.20 153	0.12 138	0.21 156	0.12 143	0.20 149	0.12 135	0.20 150	0.12 140	0.21 160	0.13 138	0.17 138	0.10 73	0.18 153	0.11 123	0.18 146	0.11 119

castereo++	0.54 272	3.59 454	1.15 366	1.31 403	0.14 148	0.16 133	0.14 143	0.16 132	0.14 148	0.16 129	0.14 152	0.16 130	0.13 145	0.16 131	0.14 142	1.45 428	1.16 372	0.15 133	0.14 151	0.15 132	0.13 141

ITSA-stereo	0.15 118	0.17 92	0.13 120	0.20 131	0.13 146	0.19 148	0.13 141	0.18 143	0.13 146	0.19 144	0.13 147	0.18 144	0.14 149	0.18 143	0.14 142	0.16 130	0.11 94	0.15 133	0.14 151	0.18 146	0.11 119

GMStereo	0.14 107	0.13 80	0.14 125	0.14 96	0.14 148	0.14 118	0.14 143	0.14 119	0.14 148	0.14 118	0.14 152	0.14 119	0.14 149	0.14 121	0.14 142	0.14 114	0.14 136	0.14 120	0.14 151	0.14 122	0.14 146
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 136	0.19 96	0.14 125	0.20 131	0.14 148	0.20 153	0.96 373	0.21 156	0.14 148	0.20 149	0.13 147	0.21 157	0.14 149	0.20 150	0.14 142	0.17 138	0.12 109	0.17 144	0.12 140	0.17 142	0.12 135

acv_ft	0.20 136	0.19 96	0.14 125	0.20 131	0.14 148	0.20 153	0.96 373	0.21 156	0.14 148	0.20 149	0.13 147	0.21 157	0.14 149	0.20 150	0.14 142	0.17 138	0.12 109	0.17 144	0.12 140	0.17 142	0.12 135

hitnet-ft	0.79 316	2.78 439	0.14 125	0.20 131	0.14 148	0.21 160	2.89 504	2.80 493	0.14 148	0.20 149	0.14 152	0.20 150	0.14 149	0.20 150	0.14 142	0.17 138	0.12 109	0.17 144	0.12 140	2.54 479	2.33 500

GANet-RSSM	0.75 307	1.91 375	0.14 125	0.47 233	0.14 148	0.21 160	3.21 520	2.30 467	0.14 148	0.46 264	0.14 152	0.23 167	0.18 170	0.21 160	0.14 142	0.18 146	0.27 187	0.37 235	0.13 148	2.13 449	2.12 493

PSMNet-RSSM	0.77 312	2.76 435	0.14 125	0.20 131	0.14 148	0.20 153	2.66 501	2.79 492	0.14 148	0.21 158	0.14 152	0.21 157	0.14 149	0.20 150	0.14 142	0.17 138	0.12 109	0.17 144	0.12 140	2.52 471	2.31 498

GwcNet-RSSM	0.77 312	2.77 437	0.14 125	0.20 131	0.14 148	0.20 153	2.67 502	2.78 491	0.14 148	0.20 149	0.14 152	0.20 150	0.14 149	0.21 160	0.14 142	0.17 138	0.12 109	0.17 144	0.12 140	2.52 471	2.31 498

CFNet-ft	0.55 276	1.57 356	0.14 125	0.20 131	0.14 148	0.20 153	2.53 500	1.61 437	0.14 148	0.20 149	0.14 152	0.20 150	0.14 149	0.20 150	0.14 142	0.17 138	0.12 109	0.17 144	0.12 140	1.56 428	1.24 448

DEFOM-Stereo_RVC	0.83 330	5.18 484	1.98 486	2.19 434	0.17 169	0.19 148	0.18 162	0.19 145	0.16 160	0.20 149	0.19 177	0.22 163	0.22 184	0.20 150	0.15 152	2.28 467	2.13 485	0.24 177	0.17 174	0.18 146	0.16 147

gwcnet-sp	0.82 327	1.72 360	1.48 448	0.39 191	0.15 159	0.31 193	0.21 174	0.20 150	0.25 193	1.61 441	0.23 190	0.28 187	0.26 205	0.20 150	0.15 152	0.24 172	1.33 432	0.32 199	0.16 156	6.75 526	0.23 173

scenet	0.82 327	1.72 360	1.48 448	0.39 191	0.15 159	0.31 193	0.21 174	0.20 150	0.25 193	1.61 441	0.23 190	0.28 187	0.26 205	0.20 150	0.15 152	0.24 172	1.33 432	0.32 199	0.16 156	6.75 526	0.23 173

ssnet	0.82 327	1.72 360	1.48 448	0.39 191	0.15 159	0.31 193	0.21 174	0.20 150	0.25 193	1.61 441	0.23 190	0.28 187	0.26 205	0.20 150	0.15 152	0.24 172	1.33 432	0.32 199	0.16 156	6.75 526	0.23 173

dd	0.23 149	0.98 258	0.16 141	0.23 142	0.15 159	0.23 168	0.15 148	0.23 164	0.15 158	0.23 164	0.15 160	0.24 171	0.17 163	0.23 168	0.15 152	0.22 156	0.15 139	0.21 159	0.15 155	0.22 158	0.16 147

dad	0.23 149	1.03 273	0.16 141	0.23 142	0.15 159	0.24 169	0.15 148	0.24 167	0.16 160	0.23 164	0.16 161	0.24 171	0.16 159	0.23 168	0.15 152	0.22 156	0.16 141	0.22 164	0.16 156	0.22 158	0.16 147

xyz-stereo-finetune2	0.18 132	0.48 184	0.16 141	0.16 116	0.15 159	0.15 125	0.16 151	0.16 132	0.16 160	0.16 129	0.16 161	0.16 130	0.16 159	0.16 131	0.16 158	0.16 130	0.16 141	0.16 136	0.16 156	0.16 136	0.16 147

xyz-stereo	0.18 132	0.50 190	0.16 141	0.15 106	0.16 166	0.16 133	0.16 151	0.16 132	0.16 160	0.16 129	0.16 161	0.16 130	0.16 159	0.16 131	0.16 158	0.16 130	0.16 141	0.16 136	0.16 156	0.16 136	0.16 147

GMStereo_Zeroshot	0.16 126	0.16 86	0.16 141	0.16 116	0.16 166	0.16 133	0.16 151	0.16 132	0.16 160	0.16 129	0.16 161	0.16 130	0.16 159	0.16 131	0.16 158	0.16 130	0.16 141	0.16 136	0.16 156	0.16 136	0.16 147

castereo	0.61 283	3.79 462	1.35 430	1.52 412	0.15 159	0.17 141	0.16 151	0.20 150	0.21 177	0.18 142	0.16 161	0.21 157	0.12 140	0.26 187	0.17 161	1.43 427	1.38 440	0.17 144	0.16 156	0.18 146	0.16 147

tg	0.21 142	0.25 120	0.21 162	0.26 159	0.17 169	0.24 169	0.17 156	0.24 167	0.17 165	0.24 169	0.17 166	0.24 171	0.17 163	0.24 172	0.17 161	0.24 172	0.17 156	0.23 170	0.16 156	0.23 167	0.16 147

ACV-stereo	0.30 167	2.08 385	0.25 176	0.25 152	0.18 176	0.24 169	0.17 156	0.24 167	0.18 167	0.24 169	0.17 166	0.25 176	0.17 163	0.24 172	0.17 161	0.22 156	0.16 141	0.22 164	0.16 156	0.22 158	0.16 147

IGEV_Zeroshot_test	0.20 136	0.19 96	0.40 241	0.30 164	0.17 169	0.22 162	0.17 156	0.21 156	0.17 165	0.20 149	0.17 166	0.21 157	0.18 170	0.21 160	0.17 161	0.20 149	0.16 141	0.20 157	0.16 156	0.20 153	0.17 159

MIM_Stereo	0.25 152	0.23 111	0.66 314	0.80 297	0.17 169	0.22 162	0.17 156	0.23 164	0.18 167	0.26 180	0.17 166	0.21 157	0.17 163	0.25 177	0.17 161	0.23 167	0.16 141	0.21 159	0.17 174	0.22 158	0.17 159

MMNet	0.44 240	1.24 345	0.17 148	0.25 152	0.17 169	0.25 176	0.18 162	1.26 425	0.93 374	0.25 173	0.17 166	0.25 176	0.18 170	0.25 177	0.17 161	0.23 167	0.16 141	0.23 170	0.16 156	1.20 369	0.99 373

delet	0.43 236	1.21 341	0.17 148	0.25 152	0.17 169	0.25 176	0.18 162	1.26 425	0.95 376	0.25 173	0.17 166	0.25 176	0.17 163	0.25 177	0.17 161	0.23 167	0.16 141	0.22 164	0.16 156	1.18 366	0.98 372

psm_up	0.43 236	1.19 294	0.17 148	0.25 152	0.18 176	0.25 176	0.19 166	1.26 425	0.91 369	0.26 180	0.17 166	0.25 176	0.17 163	0.25 177	0.17 161	0.22 156	0.17 156	0.23 170	0.16 156	1.18 366	0.99 373

UPFNet	0.42 235	1.20 295	0.17 148	0.24 147	0.17 169	0.25 176	0.17 156	1.19 373	0.90 368	0.25 173	0.17 166	0.24 171	0.17 163	0.25 177	0.17 161	0.22 156	0.17 156	0.22 164	0.16 156	1.15 358	0.93 368

MSKI-zero shot	0.24 151	0.21 106	0.49 282	0.65 280	0.18 176	0.22 162	0.17 156	0.23 164	0.18 167	0.21 158	0.17 166	0.23 167	0.28 219	0.23 168	0.18 170	0.21 153	0.16 141	0.21 159	0.16 156	0.21 156	0.16 147

iResNetv2_ROB	0.20 136	0.23 111	0.18 153	0.24 147	0.20 182	0.24 169	0.18 162	0.24 167	0.18 167	0.24 169	0.18 176	0.23 167	0.19 175	0.24 172	0.18 170	0.21 153	0.16 141	0.21 159	0.16 156	0.22 158	0.16 147

iResNet	0.20 136	0.23 111	0.18 153	0.24 147	0.18 176	0.24 169	0.20 169	0.24 167	0.18 167	0.23 164	0.17 166	0.23 167	0.18 170	0.23 168	0.18 170	0.22 156	0.16 141	0.21 159	0.16 156	0.21 156	0.16 147

Pointernet	0.21 142	0.22 110	0.19 156	0.24 147	0.19 180	0.24 169	0.19 166	0.24 167	0.19 173	0.24 169	0.19 177	0.24 171	0.19 175	0.24 172	0.19 173	0.22 156	0.17 156	0.22 164	0.17 174	0.22 158	0.17 159

CAS++	0.17 129	0.27 122	0.21 162	0.10 56	0.21 188	0.15 125	0.22 179	0.10 103	0.21 177	0.22 160	0.10 110	0.19 148	0.18 170	0.10 104	0.19 173	0.20 149	0.19 163	0.18 153	0.10 111	0.19 152	0.18 163
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
CFNet	1.37 424	5.27 487	0.19 156	5.49 514	0.19 180	0.28 187	0.19 166	0.28 180	0.19 173	0.28 183	0.19 177	0.28 187	4.35 524	0.28 192	0.19 173	0.23 167	0.17 156	0.23 170	4.21 533	4.81 510	0.17 159

DAS	0.20 136	0.20 100	0.20 159	0.20 131	0.20 182	0.20 153	0.20 169	0.20 150	0.20 175	0.20 149	0.20 181	0.20 150	0.20 179	0.20 150	0.20 176	0.20 149	0.20 165	0.20 157	0.20 179	0.20 153	0.20 166

AANet_RVC	1.26 419	0.31 129	4.99 525	5.93 517	0.20 182	0.25 176	0.20 169	0.25 173	0.20 175	0.23 164	0.19 177	0.25 176	0.20 179	0.25 177	0.20 176	5.66 525	4.76 518	0.26 181	0.30 237	0.24 168	0.27 198

GEStereo_RVC	0.86 336	4.45 474	0.20 159	0.27 161	0.20 182	0.27 186	0.20 169	0.26 177	0.18 167	5.03 527	0.20 181	0.27 186	0.19 175	0.27 190	0.21 178	0.20 149	0.19 163	0.19 156	4.02 531	0.20 153	0.18 163

HGLStereo	0.28 162	0.29 127	0.22 164	0.36 180	0.22 190	0.36 212	0.21 174	0.36 203	0.21 177	0.42 249	0.21 185	0.36 214	0.22 184	0.36 216	0.21 178	0.34 202	0.21 168	0.34 214	0.21 180	0.34 197	0.21 168

DCVSM-stereo	0.36 196	1.89 372	0.22 164	0.40 204	0.22 190	0.40 229	0.22 179	0.40 223	0.22 180	0.40 224	0.22 186	0.40 233	0.22 184	0.40 233	0.22 180	0.28 184	0.21 168	0.28 187	0.21 180	0.28 176	0.20 166

WAO-6	0.22 145	0.23 111	0.22 164	0.23 142	0.22 190	0.22 162	0.22 179	0.22 160	0.22 180	0.22 160	0.22 186	0.22 163	0.22 184	0.22 164	0.22 180	0.22 156	0.22 172	0.22 164	0.22 183	0.22 158	0.22 171

IMH-64-1	0.22 145	0.23 111	0.23 167	0.22 140	0.22 190	0.22 162	0.22 179	0.22 160	0.22 180	0.22 160	0.22 186	0.22 163	0.22 184	0.22 164	0.22 180	0.22 156	0.22 172	0.23 170	0.22 183	0.22 158	0.23 173

IMH-64	0.22 145	0.23 111	0.23 167	0.22 140	0.22 190	0.22 162	0.22 179	0.22 160	0.22 180	0.22 160	0.22 186	0.22 163	0.22 184	0.22 164	0.22 180	0.22 156	0.22 172	0.23 170	0.22 183	0.22 158	0.23 173

ssnet_v2	0.68 295	1.96 382	1.25 426	0.29 163	0.20 182	0.30 190	0.20 169	0.29 184	0.22 180	1.50 439	0.20 181	0.31 197	0.20 179	0.27 190	0.22 180	0.24 172	1.49 446	0.26 181	0.18 178	3.90 488	0.19 165

DISCO	1.11 366	0.39 147	5.28 527	0.39 191	0.20 182	0.39 227	0.27 205	0.39 218	0.22 180	0.38 214	0.20 181	0.38 222	0.20 179	6.95 538	0.22 180	0.30 192	0.21 168	0.27 185	0.21 180	5.25 519	0.21 168

PAM	0.39 215	1.88 371	0.34 216	0.37 183	0.41 291	0.45 270	0.22 179	0.28 180	0.23 186	0.28 183	0.24 196	0.29 192	0.23 190	0.29 195	0.23 186	0.38 226	0.32 215	0.38 242	0.37 274	0.32 187	0.22 171

DLNR_Zeroshot_test	0.31 172	0.28 125	0.47 270	0.79 295	0.24 200	0.30 190	0.26 202	0.30 186	0.24 188	0.32 194	0.23 190	0.31 197	0.24 193	0.30 197	0.23 186	0.29 191	0.26 182	0.29 192	0.24 196	0.33 193	0.23 173

testlalala	0.32 180	0.81 228	0.31 199	0.39 191	0.26 210	0.33 203	0.24 191	0.33 192	0.26 206	0.32 194	0.26 208	0.33 202	0.23 190	0.33 206	0.23 186	0.35 211	0.31 213	0.30 194	0.24 196	0.31 185	0.21 168

FENet	0.54 272	1.52 355	1.19 372	1.41 410	0.23 195	0.35 209	0.23 186	0.35 199	0.23 186	0.34 201	0.23 190	0.35 208	0.23 190	0.35 210	0.23 186	1.40 426	1.07 356	0.32 199	0.23 188	0.33 193	0.23 173

WCG-NET（raft）	0.32 180	1.24 345	0.24 173	0.32 170	0.24 200	0.32 201	0.23 186	0.32 189	0.24 188	0.32 194	0.24 196	0.32 199	0.24 193	0.32 200	0.24 190	0.30 192	0.23 176	0.30 194	0.23 188	0.30 182	0.23 173

tt1	0.31 172	0.93 252	0.24 173	0.33 173	0.23 195	0.31 193	0.24 191	0.32 189	0.24 188	0.32 194	0.23 190	0.32 199	0.25 196	0.32 200	0.24 190	0.27 182	0.26 182	0.27 185	0.26 207	0.27 174	0.27 198

xxxxx1	0.31 172	0.91 245	0.23 167	0.31 167	0.23 195	0.31 193	0.23 186	0.33 192	0.25 193	0.31 189	0.24 196	0.33 202	0.25 196	0.32 200	0.24 190	0.28 184	0.28 192	0.28 187	0.28 218	0.29 179	0.27 198

tt_ll	0.31 172	0.91 245	0.23 167	0.31 167	0.23 195	0.31 193	0.23 186	0.33 192	0.25 193	0.31 189	0.24 196	0.33 202	0.25 196	0.32 200	0.24 190	0.28 184	0.28 192	0.28 187	0.28 218	0.29 179	0.27 198

ff	0.31 172	0.91 245	0.23 167	0.31 167	0.23 195	0.31 193	0.23 186	0.33 192	0.25 193	0.31 189	0.24 196	0.33 202	0.25 196	0.32 200	0.24 190	0.28 184	0.28 192	0.28 187	0.28 218	0.29 179	0.27 198

iResNet_ROB	0.28 162	0.32 130	0.24 173	0.32 170	0.25 202	0.32 201	0.24 191	0.32 189	0.24 188	0.33 199	0.24 196	0.35 208	0.24 193	0.33 206	0.24 190	0.31 195	0.24 178	0.32 199	0.24 196	0.32 187	0.24 183

UNDER WATER-64	0.25 152	0.26 121	0.25 176	0.26 159	0.25 202	0.25 176	0.25 194	0.25 173	0.25 193	0.25 173	0.25 202	0.25 176	0.25 196	0.26 187	0.25 196	0.25 178	0.25 179	0.25 178	0.25 201	0.25 169	0.25 184

LoS_RVC	0.30 167	1.14 287	0.25 176	0.25 152	0.25 202	0.26 183	0.25 194	0.25 173	0.25 193	0.25 173	0.25 202	0.26 185	0.26 205	0.26 187	0.25 196	0.26 179	0.26 182	0.25 178	0.25 201	0.26 171	0.26 190

CAS	0.30 167	1.17 291	0.25 176	0.25 152	0.25 202	0.26 183	0.25 194	0.25 173	0.26 206	0.25 173	0.25 202	0.25 176	0.25 196	0.25 177	0.25 196	0.26 179	0.26 182	0.26 181	0.25 201	0.26 171	0.25 184

LoS	0.25 152	0.27 122	0.25 176	0.25 152	0.25 202	0.25 176	0.25 194	0.26 177	0.25 193	0.25 173	0.25 202	0.25 176	0.25 196	0.25 177	0.25 196	0.26 179	0.25 179	0.25 178	0.26 207	0.26 171	0.25 184
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CroCo-Stereo	0.73 305	1.22 344	0.25 176	1.22 396	0.25 202	1.22 429	0.25 194	1.22 422	0.25 193	1.22 430	0.25 202	1.22 433	0.25 196	1.22 433	0.25 196	1.22 415	0.26 182	1.21 437	0.25 201	1.22 416	0.25 184
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
StereoDRNet-Refined	0.33 183	0.39 147	0.26 182	0.39 191	0.26 210	0.40 229	0.26 202	0.40 223	0.26 206	0.39 219	0.26 208	0.39 226	0.26 205	0.39 230	0.26 201	0.37 219	0.25 179	0.37 235	0.25 201	0.37 218	0.37 259
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
model_zeroshot	0.27 161	0.20 100	0.27 183	0.33 173	0.21 188	0.37 217	0.22 179	0.37 209	0.24 188	0.26 180	0.27 212	0.33 202	0.21 183	0.25 177	0.27 202	0.32 196	0.20 165	0.34 214	0.23 188	0.25 169	0.26 190

GCAP-BAT	0.33 183	0.78 222	0.32 203	0.38 186	0.25 202	0.34 205	0.25 194	0.34 196	0.26 206	0.34 201	0.25 202	0.35 208	0.26 205	0.35 210	0.27 202	0.36 215	0.30 209	0.32 199	0.24 196	0.32 187	0.26 190

TorneroNet-64	0.45 242	0.27 122	0.30 193	0.58 268	0.27 212	0.70 333	0.30 222	0.28 180	0.73 355	0.73 335	0.28 218	0.71 335	0.66 338	0.75 339	0.27 202	0.27 182	0.29 201	0.37 235	0.75 359	0.28 176	0.30 226

CroCo-Stereo Lap2	0.77 312	1.29 347	0.29 189	1.27 400	0.29 222	1.27 432	0.26 202	1.26 425	0.26 206	1.26 431	0.26 208	1.27 435	0.26 205	1.26 434	0.27 202	1.27 417	0.27 187	1.27 440	0.27 214	1.27 418	0.27 198

CRFU-Net	0.65 288	1.67 359	1.22 422	1.96 428	0.27 212	0.41 245	0.27 205	0.41 238	0.27 211	0.40 224	0.26 208	0.41 245	0.27 213	0.40 233	0.27 202	1.80 441	1.62 459	0.34 214	0.23 188	0.33 193	0.23 173

MLCV	0.31 172	0.35 133	0.27 183	0.35 176	0.28 215	0.35 209	0.27 205	0.35 199	0.28 214	0.36 208	0.27 212	0.35 208	0.27 213	0.35 210	0.27 202	0.34 202	0.27 187	0.34 214	0.27 214	0.34 197	0.27 198

LG-Stereo_L2	0.34 185	0.37 138	0.38 231	0.47 233	0.28 215	0.39 227	0.28 210	0.39 218	0.28 214	0.39 219	0.28 218	0.39 226	0.28 219	0.38 222	0.28 208	0.42 261	0.35 226	0.36 232	0.26 207	0.35 209	0.26 190

GIP-stereo	0.36 196	0.49 186	0.39 238	0.48 237	0.32 237	0.41 245	0.28 210	0.40 223	0.30 229	0.41 237	0.28 218	0.40 233	0.28 219	0.42 260	0.28 208	0.45 265	0.32 215	0.38 242	0.30 237	0.37 218	0.27 198

DEFOM-Stereo	0.68 295	3.11 445	1.40 444	1.63 419	0.25 202	0.31 193	0.25 194	0.31 188	0.28 214	0.31 189	0.29 222	0.29 192	0.27 213	0.31 199	0.28 208	1.59 434	1.47 445	0.30 194	0.29 227	0.30 182	0.28 211

RSM	0.36 196	0.36 136	0.43 255	0.37 183	0.42 301	0.49 291	0.42 290	0.37 209	0.28 214	0.36 208	0.29 222	0.36 214	0.30 231	0.37 220	0.28 208	0.34 202	0.31 213	0.34 214	0.35 266	0.40 239	0.29 216

ACVNet-DCA	0.37 201	1.00 261	0.30 193	0.40 204	0.29 222	0.40 229	0.29 217	0.40 223	0.29 219	0.40 224	0.29 222	0.40 233	0.29 225	0.39 230	0.28 208	0.33 199	0.32 215	0.33 207	0.32 248	0.33 193	0.32 235

SQANet	0.28 162	0.28 125	0.28 187	0.28 162	0.28 215	0.28 187	0.28 210	0.28 180	0.28 214	0.28 183	0.28 218	0.28 187	0.28 219	0.28 192	0.28 208	0.28 184	0.28 192	0.28 187	0.28 218	0.28 176	0.28 211

Any-RAFT	0.32 180	0.36 136	0.27 183	0.36 180	0.27 212	0.36 212	0.27 205	0.36 203	0.27 211	0.36 208	0.27 212	0.36 214	0.27 213	0.36 216	0.28 208	0.36 215	0.28 192	0.36 232	0.28 218	0.36 216	0.28 211

IER	0.88 337	7.04 503	2.23 491	2.75 452	0.28 215	0.43 267	0.25 194	0.39 218	0.25 193	0.41 237	0.27 212	0.39 226	0.25 196	0.40 233	0.28 208	0.37 219	0.28 192	0.37 235	0.25 201	0.37 218	0.25 184

DGSMNet	0.34 185	0.41 156	0.27 183	0.41 214	0.28 215	0.41 245	0.28 210	0.41 238	0.27 211	0.41 237	0.27 212	0.42 261	0.27 213	0.41 247	0.28 208	0.40 239	0.29 201	0.40 257	0.28 218	0.40 239	0.27 198

DN-CSS_ROB	0.31 172	0.35 133	0.28 187	0.35 176	0.28 215	0.34 205	0.27 205	0.34 196	0.25 193	0.35 205	0.27 212	0.36 214	0.26 205	0.34 208	0.28 208	0.35 211	0.28 192	0.34 214	0.28 218	0.34 197	0.27 198

xx1	0.38 207	1.03 273	0.31 199	0.40 204	0.31 235	0.41 245	0.28 210	0.40 223	0.29 219	0.40 224	0.29 222	0.40 233	0.29 225	0.40 233	0.29 218	0.34 202	0.33 222	0.34 214	0.32 248	0.34 197	0.32 235

1test111	0.37 201	1.02 271	0.30 193	0.39 191	0.29 222	0.40 229	0.28 210	0.39 218	0.29 219	0.39 219	0.29 222	0.39 226	0.28 219	0.40 233	0.29 218	0.33 199	0.32 215	0.33 207	0.31 243	0.32 187	0.31 231

cc1	0.37 201	1.02 271	0.30 193	0.39 191	0.29 222	0.40 229	0.28 210	0.39 218	0.29 219	0.39 219	0.29 222	0.39 226	0.28 219	0.40 233	0.29 218	0.33 199	0.32 215	0.33 207	0.31 243	0.32 187	0.31 231

EKT-Stereo	0.37 201	0.40 149	0.44 257	1.07 332	0.29 222	0.34 205	0.31 226	0.36 203	0.29 219	0.38 214	0.31 236	0.37 220	0.30 231	0.36 216	0.29 218	0.34 202	0.28 192	0.39 252	0.30 237	0.37 218	0.30 226

PML	0.46 245	1.36 352	0.29 189	0.58 268	0.30 231	0.57 320	0.29 217	0.57 306	0.29 219	0.57 315	0.29 222	0.57 319	0.29 225	0.56 313	0.29 218	0.52 294	0.30 209	0.53 321	0.31 243	0.53 294	0.30 226

GES	0.66 290	2.34 409	0.29 189	0.41 214	0.29 222	0.41 245	0.29 217	0.42 254	0.29 219	0.40 224	0.41 288	0.41 245	0.30 231	0.51 303	0.29 218	0.32 196	0.29 201	0.32 199	2.46 504	2.49 467	0.30 226

UCFNet_RVC	2.75 495	10.06 525	0.29 189	10.31 541	0.29 222	0.42 263	0.29 217	0.43 258	0.29 219	0.42 249	0.29 222	0.42 261	9.87 541	0.43 262	0.29 218	0.36 215	9.84 541	0.36 232	0.26 207	9.77 540	0.26 190

IGEV++	0.34 185	0.43 164	0.30 193	0.40 204	0.29 222	0.40 229	0.29 217	0.40 223	0.29 219	0.40 224	0.29 222	0.40 233	0.29 225	0.40 233	0.30 225	0.38 226	0.29 201	0.37 235	0.29 227	0.37 218	0.29 216

IGEV-Stereo	0.35 192	0.44 167	0.45 259	0.49 243	0.30 231	0.37 217	0.30 222	0.36 203	0.30 229	0.36 208	0.29 222	0.36 214	0.29 225	0.36 216	0.30 225	0.46 268	0.39 244	0.32 199	0.24 196	0.32 187	0.25 184
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.34 185	0.42 163	0.31 199	0.39 191	0.30 231	0.38 221	0.30 222	0.40 223	0.29 219	0.40 224	0.37 270	0.41 245	0.34 250	0.38 222	0.30 225	0.34 202	0.27 187	0.34 214	0.26 207	0.34 197	0.26 190

RAFT + AFF	0.31 172	0.45 170	0.34 216	0.39 191	0.28 215	0.38 221	0.33 236	0.29 184	0.31 233	0.30 187	0.30 233	0.29 192	0.27 213	0.29 195	0.30 225	0.28 184	0.29 201	0.29 192	0.29 227	0.27 174	0.32 235

DANet	0.30 167	0.30 128	0.30 193	0.30 164	0.30 231	0.30 190	0.30 222	0.30 186	0.30 229	0.30 187	0.30 233	0.30 195	0.30 231	0.30 197	0.30 225	0.30 192	0.30 209	0.30 194	0.30 237	0.30 182	0.30 226
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
water-stereo	0.41 226	0.84 231	0.46 263	0.50 250	0.33 248	0.45 270	0.33 236	0.45 260	0.32 236	0.45 260	0.32 238	0.45 267	0.32 238	0.45 267	0.32 230	0.44 263	0.41 256	0.39 252	0.31 243	0.39 234	0.32 235

xyz-stereo-finetune	0.28 162	0.49 186	0.16 141	0.16 116	0.16 166	0.16 133	0.16 151	0.22 160	0.30 229	0.32 194	0.31 236	0.32 199	0.31 236	0.32 200	0.32 230	0.32 196	0.33 222	0.31 198	0.32 248	0.31 185	0.32 235

GREAT-IGEV	0.38 207	0.43 164	0.36 225	0.48 237	0.32 237	0.45 270	0.32 227	0.45 260	0.32 236	0.45 260	0.32 238	0.45 267	0.32 238	0.45 267	0.32 230	0.44 263	0.33 222	0.41 270	0.29 227	0.41 249	0.29 216

mms	0.40 219	0.45 170	0.35 223	0.48 237	0.36 267	0.47 281	0.34 247	0.45 260	0.38 269	0.47 270	0.33 244	0.45 267	0.32 238	0.45 267	0.32 230	0.39 235	0.38 237	0.38 242	0.37 274	0.39 234	0.39 271

fffy	0.38 207	0.43 164	0.33 208	0.46 227	0.33 248	0.45 270	0.32 227	0.45 260	0.32 236	0.45 260	0.32 238	0.45 267	0.33 245	0.45 267	0.32 230	0.38 226	0.38 237	0.38 242	0.37 274	0.37 218	0.36 255

iRaft-Stereo_20w	0.34 185	0.41 156	0.31 199	0.39 191	0.29 222	0.40 229	0.32 227	0.41 238	0.32 236	0.38 214	0.30 233	0.39 226	0.30 231	0.38 222	0.32 230	0.35 211	0.27 187	0.34 214	0.27 214	0.34 197	0.29 216

FCDSN-DC	0.41 226	0.59 210	0.64 310	0.54 261	0.33 248	0.50 299	0.37 263	0.42 254	0.40 278	0.61 320	0.43 299	0.50 302	0.49 313	0.38 222	0.32 230	0.28 184	0.23 176	0.26 181	0.22 183	0.35 209	0.28 211
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Gwc-CoAtRS	0.41 226	1.49 354	0.32 203	0.42 222	0.32 237	0.41 245	0.32 227	0.41 238	0.33 242	0.41 237	0.32 238	0.41 245	0.32 238	0.41 247	0.32 230	0.39 235	0.28 192	0.39 252	0.28 218	0.40 239	0.28 211

MyStereo04	0.56 278	3.72 460	0.59 302	0.49 243	0.41 291	0.36 212	0.32 227	0.37 209	0.31 233	0.34 201	0.46 306	0.35 208	0.32 238	0.35 210	0.33 238	0.49 280	0.45 269	0.34 214	0.32 248	0.35 209	0.43 288

PCWNet_CMD	2.80 497	9.82 523	0.32 203	10.09 540	0.32 237	0.49 291	0.33 236	3.34 499	0.33 242	0.49 284	0.33 244	0.49 288	8.73 537	0.48 284	0.33 238	0.41 247	9.22 536	0.42 281	0.29 227	9.55 539	0.31 231

CFNet_ucs	2.73 494	9.64 522	0.33 208	9.92 538	0.32 237	0.49 291	0.33 236	0.49 278	0.33 242	0.49 284	0.33 244	0.49 288	8.98 539	0.48 284	0.33 238	0.41 247	9.96 542	0.40 257	0.29 227	10.12 542	0.54 319

RAFT-Test	0.36 196	0.37 138	0.33 208	0.41 214	0.32 237	0.41 245	0.32 227	0.41 238	0.32 236	0.41 237	0.32 238	0.41 245	0.32 238	0.41 247	0.33 238	0.37 219	0.29 201	0.37 235	0.29 227	0.38 227	0.31 231

RCA-Stereo	0.51 268	3.22 449	0.34 216	0.44 225	0.34 258	0.44 269	0.34 247	0.43 258	0.34 251	0.43 255	0.34 252	0.44 265	0.33 245	0.43 262	0.33 238	0.38 226	0.29 201	0.38 242	0.29 227	0.38 227	0.29 216

CFNet_pseudo	2.67 493	9.36 520	0.32 203	10.99 542	0.33 248	0.85 346	0.33 236	0.49 278	0.33 242	0.49 284	0.32 238	0.49 288	7.26 535	0.49 290	0.33 238	0.41 247	9.62 539	0.41 270	0.29 227	10.03 541	0.29 216

pcwnet_v2	2.66 492	9.89 524	0.33 208	9.89 537	0.32 237	0.50 299	0.32 227	0.49 278	0.33 242	0.49 284	0.34 252	0.49 288	8.76 538	0.48 284	0.33 238	0.41 247	9.58 538	0.40 257	0.29 227	9.01 537	0.63 333

HCRNet	1.22 417	7.11 504	3.00 499	3.55 483	0.33 248	0.29 189	0.14 143	0.19 145	0.15 158	0.33 199	0.29 222	0.25 176	0.14 149	0.22 164	0.33 238	3.64 496	3.00 493	0.76 345	0.32 248	0.18 146	0.13 141

ccnet	0.80 318	2.28 401	0.33 208	0.50 250	0.33 248	0.50 299	0.33 236	0.50 286	0.33 242	0.49 284	0.33 244	0.49 288	1.56 453	2.38 470	0.33 238	0.41 247	0.29 201	0.42 281	1.57 465	2.28 455	0.29 216

CFNet-RSSM	0.91 340	4.89 480	0.34 216	0.44 225	1.07 393	1.62 447	1.40 459	0.91 345	0.35 254	1.60 440	1.39 459	0.64 328	0.34 250	0.44 264	0.33 238	0.41 247	0.35 226	0.75 343	0.30 237	0.41 249	0.29 216

psmorigin	0.41 226	0.46 174	0.33 208	0.49 243	0.33 248	0.49 291	0.33 236	0.49 278	0.33 242	0.49 284	0.33 244	0.49 288	0.33 245	0.51 303	0.33 238	0.41 247	0.30 209	0.41 270	0.30 237	0.79 321	0.29 216

MSMDNet	2.65 491	10.14 526	0.33 208	9.74 536	0.32 237	0.87 348	0.33 236	2.95 495	0.68 342	0.49 284	0.34 252	0.49 288	5.70 531	0.49 290	0.33 238	0.42 261	9.57 537	0.41 270	0.31 243	8.36 534	0.65 335

ccs_rob	2.79 496	10.17 527	0.32 203	10.00 539	0.33 248	0.49 291	0.33 236	1.90 446	0.32 236	0.51 300	0.33 244	0.49 288	9.24 540	0.49 290	0.33 238	0.41 247	9.82 540	0.41 270	0.28 218	9.34 538	0.29 216

depthmonostereo	0.44 240	0.85 233	0.46 263	0.54 261	0.40 284	0.52 308	0.38 269	0.52 297	0.35 254	0.47 270	0.34 252	0.46 271	0.34 250	0.47 275	0.34 251	0.45 265	0.43 266	0.41 270	0.33 256	0.41 249	0.32 235

DilatedVolume-Stereo	0.43 236	0.86 234	0.48 277	0.50 250	0.33 248	0.46 276	0.33 236	0.46 264	0.33 242	0.46 264	0.33 244	0.47 277	0.33 245	0.47 275	0.34 251	0.45 265	0.42 264	0.40 257	0.33 256	0.47 271	0.38 266

RAFT-Stereo-weight	0.45 242	1.90 374	0.34 216	0.42 222	0.36 267	0.43 267	0.35 252	0.42 254	0.34 251	0.42 249	0.34 252	0.44 265	0.34 250	0.41 247	0.34 251	0.38 226	0.32 215	0.38 242	0.32 248	0.38 227	0.33 242

H2IRNET	0.34 185	0.34 132	0.34 216	0.34 175	0.34 258	0.34 205	0.34 247	0.34 196	0.34 251	0.34 201	0.34 252	0.34 207	0.34 250	0.34 208	0.34 251	0.34 202	0.34 225	0.34 214	0.34 260	0.34 197	0.34 248

GCST	0.50 263	2.08 385	0.38 231	0.53 259	0.35 261	0.49 291	0.35 252	0.50 286	0.35 254	0.49 284	0.35 261	0.49 288	0.35 256	0.49 290	0.35 255	0.48 277	0.37 231	0.45 288	0.33 256	0.44 259	0.33 242

Former-RAFT_DAM_RVC	0.49 261	0.98 258	0.64 310	0.84 302	0.46 308	0.45 270	0.35 252	0.47 270	0.47 304	0.45 260	0.34 252	0.46 271	0.48 308	0.46 271	0.35 255	0.39 235	0.71 326	0.39 252	0.35 266	0.41 249	0.41 280

ETE_ROB	0.35 192	0.35 133	0.35 223	0.35 176	0.35 261	0.35 209	0.35 252	0.35 199	0.35 254	0.35 205	0.35 261	0.35 208	0.35 256	0.35 210	0.35 255	0.35 211	0.35 226	0.35 227	0.35 266	0.35 209	0.35 254

UGAM-zero	0.51 268	2.17 393	0.39 238	0.53 259	0.36 267	0.50 299	0.36 258	0.50 286	0.36 264	0.49 284	0.36 264	0.50 302	0.35 256	0.50 297	0.36 258	0.49 280	0.37 231	0.47 295	0.35 266	0.46 264	0.34 248

UGAM	0.51 268	2.23 398	0.39 238	0.54 261	0.35 261	0.50 299	0.35 252	0.49 278	0.35 254	0.49 284	0.35 261	0.49 288	0.36 259	0.50 297	0.36 258	0.49 280	0.37 231	0.45 288	0.34 260	0.45 263	0.34 248

CES	0.39 215	0.47 178	0.36 225	0.36 180	0.37 270	0.45 270	0.35 252	0.35 199	0.40 278	0.36 208	0.44 301	0.47 277	0.36 259	0.44 264	0.36 258	0.37 219	0.39 244	0.44 284	0.35 266	0.37 218	0.36 255

GMOStereo	0.37 201	0.45 170	0.23 167	0.30 164	0.37 270	0.41 245	0.36 258	0.41 238	0.35 254	0.43 255	0.36 264	0.41 245	0.40 273	0.41 247	0.36 258	0.34 202	0.22 172	0.47 295	0.37 274	0.39 234	0.33 242

error version	0.93 347	4.47 475	2.35 494	1.99 430	0.37 270	0.41 245	0.36 258	0.41 238	0.35 254	0.43 255	0.36 264	0.41 245	0.40 273	0.41 247	0.36 258	1.87 443	2.16 486	0.47 295	0.37 274	0.39 234	0.33 242

test_1	0.93 347	4.47 475	2.35 494	1.99 430	0.37 270	0.41 245	0.36 258	0.41 238	0.35 254	0.43 255	0.36 264	0.41 245	0.40 273	0.41 247	0.36 258	1.87 443	2.16 486	0.47 295	0.37 274	0.39 234	0.33 242

DMCA	0.36 196	0.38 141	0.37 228	0.35 176	0.35 261	0.36 212	0.36 258	0.36 203	0.35 254	0.35 205	0.37 270	0.36 214	0.36 259	0.35 210	0.36 258	0.36 215	0.36 229	0.35 227	0.36 272	0.36 216	0.36 255

ADCS	0.09 51	0.02 12	0.04 43	0.90 307	0.06 101	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 121	0.36 258	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

SCV_C0	0.45 242	0.88 238	0.49 282	0.54 261	0.37 270	0.48 286	0.37 263	0.48 274	0.37 265	0.48 277	0.36 264	0.48 284	0.37 263	0.49 290	0.37 266	0.50 286	0.41 256	0.44 284	0.34 260	0.44 259	0.34 248

SCV	0.46 245	0.94 253	0.45 259	0.54 261	0.37 270	0.48 286	0.38 269	0.48 274	0.37 265	0.48 277	0.39 279	0.48 284	0.37 263	0.49 290	0.37 266	0.50 286	0.46 271	0.44 284	0.34 260	0.44 259	0.34 248

XPNet_ROB	0.37 201	0.37 138	0.37 228	0.37 183	0.37 270	0.37 217	0.37 263	0.37 209	0.37 265	0.37 213	0.37 270	0.37 220	0.37 263	0.37 220	0.37 266	0.37 219	0.37 231	0.37 235	0.37 274	0.37 218	0.37 259

HART	0.38 207	0.45 170	0.34 216	0.42 222	0.33 248	0.41 245	0.34 247	0.42 254	0.33 242	0.43 255	0.34 252	0.42 261	0.34 250	0.41 247	0.38 269	0.40 239	0.32 215	0.42 281	0.32 248	0.40 239	0.32 235

WAO-8	0.38 207	0.38 141	0.38 231	0.38 186	0.38 277	0.38 221	0.38 269	0.38 214	0.38 269	0.38 214	0.38 275	0.38 222	0.38 267	0.38 222	0.38 269	0.38 226	0.38 237	0.38 242	0.37 274	0.38 227	0.38 266

WAO-7	0.38 207	0.38 141	0.38 231	0.38 186	0.38 277	0.38 221	0.38 269	0.38 214	0.38 269	0.38 214	0.38 275	0.38 222	0.38 267	0.38 222	0.38 269	0.38 226	0.38 237	0.38 242	0.38 286	0.38 227	0.38 266

Venus	0.38 207	0.38 141	0.38 231	0.38 186	0.38 277	0.37 217	0.38 269	0.37 209	0.37 265	0.41 237	0.37 270	0.39 226	0.37 263	0.38 222	0.38 269	0.37 219	0.38 237	0.38 242	0.37 274	0.37 218	0.38 266

IMH	0.38 207	0.38 141	0.38 231	0.38 186	0.38 277	0.38 221	0.38 269	0.38 214	0.38 269	0.42 249	0.38 275	0.40 233	0.38 267	0.38 222	0.38 269	0.38 226	0.38 237	0.39 252	0.38 286	0.38 227	0.38 266

iRaftStereo_RVC	0.97 351	3.17 448	2.30 493	2.42 446	0.38 277	0.54 313	0.38 269	0.54 301	0.38 269	0.54 308	0.38 275	0.54 311	0.38 267	0.54 309	0.38 269	2.38 474	2.34 490	0.49 307	0.36 272	0.49 278	0.36 255

LG-Stereo_L1	0.47 251	0.52 199	0.47 270	0.62 274	0.39 282	0.53 310	0.40 277	0.53 299	0.39 277	0.53 305	0.39 279	0.53 309	0.39 272	0.53 308	0.39 275	0.55 298	0.46 271	0.49 307	0.37 274	0.49 278	0.37 259

gcap-zeroshot	0.35 192	0.32 130	0.37 228	0.49 243	0.39 282	0.33 203	0.21 174	0.26 177	0.35 254	0.42 249	0.34 252	0.49 288	0.29 225	0.47 275	0.39 275	0.34 202	0.17 156	0.38 242	0.23 188	0.48 275	0.34 248

GCAP-Stereo	0.75 307	4.15 471	0.42 254	0.75 293	0.35 261	0.78 340	0.40 277	0.79 332	0.38 269	0.78 343	0.36 264	0.78 345	0.36 259	0.79 341	0.39 275	0.75 324	0.39 244	0.76 345	0.39 289	0.75 316	0.39 271

LL-Strereo2	0.48 256	1.73 364	0.51 290	0.59 270	0.34 258	0.42 263	0.33 236	0.40 223	0.31 233	0.42 249	0.33 244	0.42 261	0.31 236	0.44 264	0.39 275	0.60 303	0.51 295	0.44 284	0.33 256	0.44 259	0.33 242

HanzoNet	0.39 215	0.38 141	0.40 241	0.39 191	0.41 291	0.38 221	0.38 269	0.38 214	0.38 269	0.39 219	0.39 279	0.38 222	0.38 267	0.39 230	0.40 279	0.38 226	0.38 237	0.40 257	0.38 286	0.38 227	0.40 273

knoymous	0.40 219	0.40 149	0.40 241	0.40 204	0.40 284	0.40 229	0.40 277	0.40 223	0.40 278	0.40 224	0.40 282	0.40 233	0.40 273	0.40 233	0.40 279	0.40 239	0.40 247	0.40 257	0.40 290	0.40 239	0.40 273

anonymousa	0.40 219	0.40 149	0.40 241	0.40 204	0.40 284	0.40 229	0.40 277	0.40 223	0.40 278	0.40 224	0.40 282	0.40 233	0.40 273	0.40 233	0.40 279	0.40 239	0.40 247	0.40 257	0.40 290	0.40 239	0.40 273

riskmin	0.40 219	0.40 149	0.40 241	0.40 204	0.40 284	0.40 229	0.40 277	0.40 223	0.40 278	0.40 224	0.40 282	0.40 233	0.40 273	0.40 233	0.40 279	0.40 239	0.40 247	0.40 257	0.40 290	0.40 239	0.40 273

Anonymous_2	0.40 219	0.40 149	0.40 241	0.40 204	0.40 284	0.40 229	0.40 277	0.40 223	0.40 278	0.40 224	0.40 282	0.40 233	0.40 273	0.40 233	0.40 279	0.40 239	0.40 247	0.40 257	0.40 290	0.40 239	0.40 273

Anonymous_1	0.40 219	0.40 149	0.40 241	0.40 204	0.40 284	0.40 229	0.40 277	0.40 223	0.40 278	0.40 224	0.40 282	0.40 233	0.40 273	0.40 233	0.40 279	0.40 239	0.40 247	0.40 257	0.40 290	0.40 239	0.40 273

AdaStereo	0.40 219	0.40 149	0.40 241	0.40 204	0.40 284	0.40 229	0.40 277	0.40 223	0.40 278	0.40 224	0.40 282	0.40 233	0.40 273	0.40 233	0.40 279	0.40 239	0.40 247	0.40 257	0.40 290	0.40 239	0.40 273
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.
LG-Stereo_Zeroshot	0.48 256	0.55 207	0.47 270	0.63 276	0.41 291	0.56 315	0.44 293	0.56 303	0.41 287	0.56 313	0.41 288	0.57 319	0.42 290	0.56 313	0.41 286	0.55 298	0.43 266	0.51 316	0.37 274	0.51 289	0.37 259

GwcNet-ADL	0.41 226	0.41 156	0.41 249	0.41 214	0.41 291	0.41 245	0.41 285	0.41 238	0.41 287	0.41 237	0.41 288	0.41 245	0.41 284	0.41 247	0.41 286	0.41 247	0.41 256	0.41 270	0.41 297	0.41 249	0.41 280

PSMNet-ADL	0.41 226	0.41 156	0.41 249	0.41 214	0.41 291	0.41 245	0.41 285	0.41 238	0.41 287	0.41 237	0.41 288	0.41 245	0.41 284	0.41 247	0.41 286	0.41 247	0.41 256	0.41 270	0.41 297	0.41 249	0.41 280

GANet-ADL	0.41 226	0.41 156	0.41 249	0.41 214	0.41 291	0.41 245	0.41 285	0.41 238	0.41 287	0.41 237	0.41 288	0.41 245	0.41 284	0.41 247	0.41 286	0.41 247	0.41 256	0.41 270	0.41 297	0.41 249	0.41 280

ADLNet2	0.41 226	0.41 156	0.41 249	0.41 214	0.41 291	0.41 245	0.41 285	0.41 238	0.41 287	0.41 237	0.41 288	0.41 245	0.41 284	0.41 247	0.41 286	0.41 247	0.41 256	0.41 270	0.41 297	0.41 249	0.41 280

ADLNet	0.41 226	0.41 156	0.41 249	0.41 214	0.41 291	0.41 245	0.41 285	0.41 238	0.41 287	0.41 237	0.41 288	0.41 245	0.41 284	0.41 247	0.41 286	0.41 247	0.41 256	0.41 270	0.41 297	0.41 249	0.41 280

Occ-G	1.12 367	0.52 199	3.72 519	3.50 482	0.50 324	0.56 315	0.47 304	0.54 301	0.46 299	0.54 308	0.41 288	0.54 311	0.42 290	0.52 306	0.42 292	3.42 495	4.02 514	0.52 319	0.45 307	0.51 289	0.44 291

CFNet_RVC	2.38 485	8.71 515	0.38 231	9.33 533	0.42 301	0.56 315	0.42 290	0.60 313	0.38 269	0.62 323	0.42 297	0.56 318	7.29 536	0.62 321	0.42 292	0.53 295	0.37 231	0.49 307	0.34 260	8.30 533	6.87 539

DispNO	1.00 354	0.63 213	0.43 255	3.45 478	0.44 304	0.65 329	0.43 292	0.64 318	0.43 294	0.64 326	0.43 299	0.64 328	3.03 497	0.64 326	0.43 294	4.55 504	0.43 266	0.63 330	0.43 305	0.63 302	0.43 288

MonSter	0.60 280	0.64 215	0.52 293	0.62 274	0.44 304	2.07 462	0.44 293	0.62 316	0.44 297	0.62 323	0.44 301	0.62 327	0.44 294	0.62 321	0.44 295	0.58 301	0.42 264	0.62 328	0.46 309	0.58 298	0.42 287

AIO-test1	0.54 272	0.60 212	0.52 293	0.66 283	0.47 314	0.61 323	0.47 304	0.58 309	0.46 299	0.61 320	0.46 306	0.61 325	0.45 296	0.62 321	0.45 296	0.61 306	0.52 297	0.57 324	0.48 319	0.57 297	0.48 303

AIO-Stereo	0.84 333	0.66 216	0.70 320	0.83 301	0.67 353	0.98 360	0.82 361	1.14 365	0.72 352	1.03 368	0.74 361	1.03 372	1.09 376	0.99 366	0.45 296	1.04 353	0.73 328	0.95 368	0.74 358	0.94 342	0.46 294

MyStereo06	0.75 307	4.12 468	0.60 304	0.63 276	0.61 343	0.62 326	0.66 336	0.56 303	0.45 298	0.55 311	0.48 318	0.54 311	0.46 299	0.57 317	0.45 296	0.60 303	0.57 305	0.64 331	0.55 330	0.72 312	0.55 323

CASnet	0.35 192	0.51 197	0.44 257	0.32 170	0.31 235	0.24 169	0.34 247	0.36 203	0.25 193	0.31 189	0.37 270	0.30 195	0.33 245	0.25 177	0.45 296	0.37 219	0.37 231	0.33 207	0.35 266	0.34 197	0.37 259
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
fffft	0.48 256	0.51 197	0.45 259	0.52 258	0.45 306	0.52 308	0.45 297	0.52 297	0.48 311	0.53 305	0.45 304	0.52 308	0.45 296	0.52 306	0.46 300	0.51 292	0.41 256	0.50 311	0.41 297	0.50 283	0.41 280
1: 1. 1
PAM_32	0.64 287	2.38 413	0.51 290	0.92 312	0.43 303	0.53 310	0.44 293	0.87 339	0.43 294	0.52 303	0.45 304	0.53 309	0.40 273	0.54 309	0.46 300	0.62 309	0.56 303	0.48 303	0.45 307	0.76 317	0.44 291

otaku	0.46 245	0.46 174	0.46 263	0.46 227	0.46 308	0.46 276	0.46 299	0.46 264	0.46 299	0.46 264	0.46 306	0.46 271	0.46 299	0.46 271	0.46 300	0.46 268	0.46 271	0.46 291	0.46 309	0.46 264	0.46 294

Dean	0.46 245	0.46 174	0.46 263	0.46 227	0.46 308	0.46 276	0.46 299	0.46 264	0.46 299	0.47 270	0.46 306	0.46 271	0.46 299	0.46 271	0.46 300	0.46 268	0.46 271	0.46 291	0.46 309	0.46 264	0.46 294

ACVNet_1	0.46 245	0.47 178	0.46 263	0.46 227	0.46 308	0.46 276	0.46 299	0.46 264	0.47 304	0.46 264	0.46 306	0.46 271	0.46 299	0.46 271	0.46 300	0.46 268	0.46 271	0.47 295	0.46 309	0.46 264	0.46 294

ACVNet-4b	0.46 245	0.46 174	0.46 263	0.46 227	0.46 308	0.46 276	0.46 299	0.46 264	0.46 299	0.46 264	0.46 306	0.46 271	0.46 299	0.47 275	0.46 300	0.46 268	0.46 271	0.46 291	0.46 309	0.46 264	0.46 294

AIO-test2	0.55 276	0.59 210	0.52 293	0.67 284	0.47 314	0.61 323	0.47 304	0.61 315	0.47 304	0.61 320	0.47 314	0.61 325	0.48 308	0.62 321	0.47 306	0.64 311	0.53 299	0.58 325	0.47 316	0.58 298	0.48 303

Ntro	0.47 251	0.47 178	0.46 263	0.46 227	0.46 308	0.47 281	0.47 304	0.46 264	0.47 304	0.46 264	0.46 306	0.47 277	0.46 299	0.47 275	0.47 306	0.47 273	0.46 271	0.46 291	0.46 309	0.46 264	0.46 294

HaxPig	0.47 251	0.47 178	0.47 270	0.49 243	0.47 314	0.47 281	0.47 304	0.47 270	0.47 304	0.47 270	0.47 314	0.47 277	0.47 307	0.47 275	0.47 306	0.47 273	0.47 279	0.47 295	0.47 316	0.47 271	0.48 303

UNDER WATER	0.47 251	0.47 178	0.47 270	0.47 233	0.47 314	0.47 281	0.47 304	0.47 270	0.47 304	0.47 270	0.47 314	0.47 277	0.46 299	0.47 275	0.47 306	0.47 273	0.47 279	0.47 295	0.46 309	0.47 271	0.47 301

LVE	0.47 251	0.47 178	0.47 270	0.47 233	0.49 320	0.47 281	0.47 304	0.47 270	0.49 313	0.47 270	0.47 314	0.47 277	0.46 299	0.47 275	0.47 306	0.47 273	0.47 279	0.48 303	0.47 316	0.47 271	0.47 301

AEACV	1.12 367	0.52 199	3.12 511	3.24 467	0.86 372	0.53 310	0.49 315	0.60 313	0.47 304	0.53 305	0.49 321	0.55 315	0.45 296	0.55 312	0.47 306	3.01 491	3.88 512	0.71 340	0.60 337	0.80 324	0.48 303

RainbowNet	0.48 256	0.48 184	0.48 277	0.48 237	0.48 318	0.48 286	0.48 313	0.48 274	0.48 311	0.48 277	0.48 318	0.48 284	0.48 308	0.48 284	0.48 312	0.48 277	0.48 282	0.48 303	0.48 319	0.48 275	0.48 303

notaker	0.48 256	0.49 186	0.48 277	0.48 237	0.48 318	0.48 286	0.48 313	0.48 274	0.49 313	0.48 277	0.48 318	0.48 284	0.48 308	0.48 284	0.48 312	0.48 277	0.48 282	0.48 303	0.48 319	0.48 275	0.49 308

ACVNet_2	0.49 261	0.49 186	0.49 282	0.49 243	0.49 320	0.49 291	0.49 315	0.49 278	0.49 313	0.49 284	0.49 321	0.49 288	0.49 313	0.49 290	0.49 314	0.49 280	0.49 285	0.49 307	0.49 322	0.49 278	0.49 308

FoundationStereo	0.50 263	0.50 190	0.50 285	0.50 250	0.50 324	0.50 299	0.50 317	0.50 286	0.50 316	0.50 296	0.50 323	0.50 302	0.50 316	0.50 297	0.50 315	0.50 286	0.50 291	0.50 311	0.50 324	0.50 283	0.50 311

StereoAnything_RVC	0.50 263	0.50 190	0.50 285	0.50 250	0.50 324	0.50 299	0.50 317	0.50 286	0.50 316	0.50 296	0.50 323	0.50 302	0.50 316	0.50 297	0.50 315	0.50 286	0.50 291	0.50 311	0.50 324	0.50 283	0.50 311

dual_stereo	0.50 263	0.50 190	0.50 285	0.50 250	0.50 324	0.50 299	0.50 317	0.50 286	0.50 316	0.50 296	0.50 323	0.50 302	0.50 316	0.50 297	0.50 315	0.50 286	0.50 291	0.50 311	0.50 324	0.50 283	0.50 311

LL-Strereo	1.01 359	5.06 482	1.63 455	0.70 287	1.43 460	0.56 315	0.46 299	0.57 306	0.50 316	0.57 315	0.50 323	1.58 444	0.49 313	0.59 319	0.50 315	1.64 437	0.52 297	0.51 316	1.37 453	0.52 291	0.45 293

SANet	0.50 263	0.50 190	0.50 285	0.50 250	0.50 324	0.50 299	0.50 317	0.50 286	0.50 316	0.50 296	0.50 323	0.50 302	0.50 316	0.50 297	0.50 315	0.50 286	0.50 291	0.50 311	0.50 324	0.50 283	0.50 311

SMoEStereo_RVC	0.63 285	0.75 221	0.51 290	0.73 291	0.53 333	0.71 335	0.47 304	0.67 322	0.58 329	0.74 340	0.60 336	0.72 338	0.53 323	0.74 338	0.51 320	0.61 306	0.62 312	0.62 328	0.61 339	0.63 302	0.61 329

ktn	0.72 304	0.53 202	1.08 361	1.14 340	0.51 329	1.22 429	1.36 452	0.51 295	0.59 330	0.51 300	0.51 329	0.69 334	1.20 388	0.67 330	0.51 320	0.51 292	0.49 285	0.58 325	0.66 344	0.52 291	0.53 318

WCG-NET	0.61 283	1.21 341	0.54 297	0.61 273	0.53 333	0.67 331	0.53 323	0.66 321	0.53 324	0.64 326	0.53 332	0.65 331	0.53 323	0.59 319	0.52 322	0.65 312	0.48 282	0.64 331	0.52 328	0.58 298	0.50 311

MyStereo8	0.71 301	3.92 467	0.52 293	0.59 270	0.52 330	0.57 320	0.53 323	0.59 311	0.50 316	0.59 319	0.51 329	0.57 319	0.50 316	0.56 313	0.52 322	0.54 296	0.49 285	0.54 322	0.49 322	0.55 296	0.50 311

KSHMR	0.66 290	0.50 190	0.48 277	1.15 342	0.52 330	0.49 291	0.51 321	0.49 278	0.71 351	0.67 330	0.50 323	1.16 384	1.11 377	0.66 328	0.52 322	0.49 280	0.49 285	0.51 316	0.66 344	0.50 283	1.14 389

test-3	0.98 353	4.13 470	1.85 475	1.85 422	0.61 343	0.69 332	0.37 263	0.63 317	0.61 333	0.66 329	0.51 329	0.73 340	0.44 294	0.57 317	0.54 325	1.68 438	1.81 470	0.40 257	0.43 305	0.66 304	0.50 311

PSMNet_ROB	0.54 272	0.54 205	0.54 297	0.54 261	0.53 333	0.54 313	0.54 325	0.53 299	0.54 326	0.54 308	0.54 333	0.54 311	0.53 323	0.54 309	0.54 325	0.54 296	0.53 299	0.54 322	0.54 329	0.54 295	0.54 319

MyStereo05	0.80 318	4.12 468	0.63 308	0.63 276	0.61 343	0.62 326	0.66 336	0.65 319	0.62 334	0.67 330	0.61 339	0.65 331	0.58 328	0.67 330	0.55 327	0.60 303	0.57 305	0.64 331	0.55 330	0.72 312	0.55 323

CASS	0.57 279	0.89 241	0.56 299	0.57 267	0.56 336	0.56 315	0.56 326	0.56 303	0.53 324	0.57 315	0.57 335	0.59 323	0.48 308	0.56 313	0.57 328	0.55 298	0.56 303	0.47 295	0.56 333	0.62 301	0.56 326
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 285	0.69 217	0.56 299	0.71 289	0.56 336	0.71 335	0.56 326	0.71 327	0.56 327	0.72 334	0.56 334	0.71 335	0.56 327	0.71 333	0.58 329	0.68 316	0.55 301	0.68 336	0.55 330	0.68 306	0.54 319

UDG	0.80 318	2.21 397	0.60 304	0.91 309	0.60 339	0.90 352	0.58 328	0.88 342	0.60 331	0.90 351	0.60 336	0.88 354	0.60 330	0.90 354	0.58 329	0.86 338	0.60 307	0.84 357	0.59 336	0.84 330	0.61 329

DDUNet	0.81 323	2.45 416	0.57 301	0.90 307	0.60 339	0.88 349	0.59 329	0.90 343	0.60 331	0.88 350	0.60 336	0.90 357	0.58 328	0.88 351	0.60 331	0.84 336	0.60 307	0.86 359	0.57 334	0.86 331	0.60 328

ARAFT	0.68 295	0.81 228	0.63 308	0.74 292	0.60 339	0.78 340	0.62 331	0.77 331	0.66 340	0.74 340	0.63 341	0.75 342	0.62 332	0.83 345	0.60 331	0.70 320	0.55 301	0.70 339	0.60 337	0.78 319	0.55 323

RAFT-Stereo + iAFF	0.70 299	0.72 219	0.71 323	0.80 297	0.62 346	0.82 345	0.61 330	0.81 337	0.62 334	0.81 347	0.63 341	0.80 348	0.70 343	0.73 336	0.61 333	0.76 325	0.61 311	0.74 342	0.61 339	0.77 318	0.61 329

MyStereo07	0.60 280	3.72 460	0.48 277	0.49 243	0.41 291	0.36 212	0.32 227	0.49 278	0.43 294	0.51 300	0.42 297	0.49 288	0.43 292	0.51 303	0.64 334	0.49 280	0.45 269	0.34 214	0.32 248	0.35 209	0.43 288

RSM++	0.76 311	0.82 230	0.66 314	0.85 304	0.64 347	0.85 346	0.71 348	0.94 352	0.64 337	0.87 349	0.67 348	0.87 353	0.65 335	0.84 346	0.65 335	0.81 331	0.70 322	0.79 348	0.71 356	0.83 329	0.70 341

plain	1.88 438	3.16 447	0.64 310	3.10 462	0.65 349	3.10 498	0.64 333	3.12 496	0.65 338	3.10 497	0.65 345	3.11 497	0.65 335	3.12 496	0.65 335	3.12 492	0.65 315	3.13 497	0.65 342	3.13 483	0.65 335

DSFCA	0.66 290	0.73 220	0.78 332	0.65 280	0.65 349	0.64 328	0.64 333	0.65 319	0.63 336	0.64 326	0.64 343	0.64 328	0.64 333	0.65 327	0.65 335	0.65 312	0.65 315	0.65 334	0.65 342	0.66 304	0.64 334

LMCR-Stereo	0.65 288	0.63 213	0.65 313	0.65 280	0.65 349	0.66 330	0.63 332	0.58 309	0.65 338	0.63 325	0.64 343	0.65 331	0.65 335	0.66 328	0.66 338	0.66 314	0.64 314	0.65 334	0.67 348	0.68 306	0.73 348

CoDeX	0.15 118	0.70 218	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	0.67 339	0.02 15	0.69 321	0.75 343	0.01 9	0.02 20	0.02 20

Selective-IGEV	0.51 268	0.55 207	0.45 259	0.69 285	0.45 306	0.61 323	0.45 297	0.50 286	0.40 278	0.56 313	0.44 301	0.55 315	0.40 273	0.72 334	0.67 339	0.59 302	0.46 271	0.45 288	0.34 260	0.46 264	0.37 259

AFF-stereo	0.73 305	0.88 238	0.67 317	0.75 293	0.68 356	0.75 337	0.64 333	0.80 334	0.72 352	0.83 348	0.70 353	0.82 351	0.64 333	0.84 346	0.67 339	0.77 326	0.63 313	0.81 353	0.63 341	0.78 319	0.62 332

MIF-Stereo (partial)	2.58 490	3.31 451	0.66 314	3.18 466	0.66 352	3.18 499	0.66 336	3.21 497	0.67 341	3.19 498	0.66 347	3.19 498	0.66 338	3.31 500	0.68 342	5.09 521	1.79 469	8.23 540	1.67 478	6.18 524	1.38 460

UniTT-Stereo	2.03 455	3.43 453	0.72 324	3.42 477	0.73 362	3.27 501	0.68 341	3.38 500	0.69 345	3.29 500	0.72 358	3.28 500	0.70 343	3.35 501	0.68 342	3.39 494	0.68 317	3.31 499	0.69 351	3.37 484	0.73 348

R-Stereo Train	0.81 323	0.96 255	0.67 317	0.95 319	0.67 353	0.95 357	0.68 341	0.95 354	0.68 342	0.95 361	0.68 349	0.96 365	0.68 341	0.96 364	0.68 342	0.94 347	0.68 317	0.94 366	0.68 349	0.94 342	0.68 339

RAFT-Stereo	0.81 323	0.96 255	0.67 317	0.95 319	0.67 353	0.95 357	0.68 341	0.95 354	0.68 342	0.95 361	0.68 349	0.96 365	0.68 341	0.96 364	0.68 342	0.94 347	0.68 317	0.94 366	0.68 349	0.94 342	0.68 339
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HH	0.71 301	2.54 418	0.74 327	1.10 334	0.32 237	0.41 245	0.37 263	0.69 324	0.78 358	0.73 335	0.90 370	0.75 342	1.00 367	0.84 346	0.69 346	0.69 317	0.40 247	0.35 227	0.26 207	0.35 209	0.26 190

HanStereo	0.71 301	2.54 418	0.74 327	1.10 334	0.32 237	0.41 245	0.37 263	0.69 324	0.78 358	0.73 335	0.90 370	0.75 342	1.00 367	0.84 346	0.69 346	0.69 317	0.40 247	0.35 227	0.26 207	0.35 209	0.26 190

DMCA-RVC	0.70 299	0.80 225	0.70 320	0.70 287	0.70 358	0.70 333	0.70 345	0.71 327	0.70 348	0.70 333	0.71 356	0.71 335	0.70 343	0.70 332	0.69 346	0.69 317	0.70 322	0.69 337	0.70 353	0.69 310	0.70 341

MSMD_ROB	1.19 369	1.10 285	0.70 320	1.10 334	0.60 339	1.10 375	0.70 345	1.10 364	0.70 348	1.10 372	0.70 353	1.10 378	0.70 343	7.00 539	0.70 349	1.10 358	0.70 322	1.10 380	0.70 353	1.10 354	0.70 341

MoCha-V2	2.11 462	26.97 546	0.78 332	0.92 312	0.77 366	0.96 359	0.72 349	0.90 343	0.72 352	0.94 359	0.70 353	0.90 357	0.71 347	0.91 355	0.71 350	0.85 337	0.71 326	0.88 360	0.69 351	0.87 332	0.67 338

DCRE	0.84 333	1.89 372	0.77 331	0.94 317	0.72 361	0.88 349	0.73 350	0.87 339	0.78 358	0.90 351	0.71 356	0.88 354	0.67 340	0.88 351	0.73 351	0.81 331	0.68 317	0.81 353	0.70 353	0.82 328	0.70 341

iGMRVC	0.84 333	2.85 441	0.72 324	0.72 290	0.73 362	0.77 338	0.79 355	0.73 329	0.74 357	0.73 335	0.72 358	0.73 340	0.76 352	0.73 336	0.73 351	0.72 322	0.73 328	0.73 341	0.72 357	0.73 315	0.72 345

PA-Net	11.80 541	223.51 568	0.62 307	0.59 270	0.71 359	0.59 322	0.73 350	0.67 322	0.73 355	0.55 311	0.61 339	0.60 324	0.74 349	0.63 325	0.73 351	0.66 314	0.60 307	0.69 337	0.66 344	0.72 312	0.65 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LG-Stereo	0.60 280	0.58 209	0.47 270	0.64 279	0.74 364	1.00 362	0.69 344	0.57 306	0.41 287	0.57 315	0.41 288	0.57 319	0.41 284	1.00 367	0.75 354	0.91 340	0.51 295	0.52 319	0.37 274	0.52 291	0.37 259

tt45	1.04 361	0.88 238	1.36 438	0.92 312	1.03 391	1.51 445	0.79 355	0.70 326	0.88 367	0.74 340	0.90 370	1.60 445	0.72 348	1.60 442	0.75 354	0.91 340	0.78 334	1.52 452	0.79 363	1.14 356	1.32 453

RAStereo	2.23 475	3.64 456	0.76 330	3.65 486	0.86 372	3.66 505	0.76 353	3.67 504	0.81 365	3.66 501	0.76 363	3.66 502	0.77 353	3.68 503	0.77 356	3.68 497	0.77 333	3.69 504	0.77 360	3.70 486	0.77 354

SFCPSM	0.17 129	0.78 222	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	0.79 357	0.02 15	0.75 331	0.76 345	0.02 20	0.02 20	0.02 20

G-Net	0.79 316	0.79 224	0.79 335	0.79 295	0.79 368	0.79 342	0.79 355	0.79 332	0.79 361	0.79 344	0.79 365	0.79 347	0.79 355	0.79 341	0.79 357	0.79 327	0.79 335	0.79 348	0.79 363	0.79 321	0.79 355

HSM-Net_RVC	0.95 350	1.17 291	0.78 332	1.18 349	0.71 359	1.16 382	0.75 352	1.09 363	0.80 362	1.10 372	0.75 362	1.17 385	0.74 349	1.17 385	0.80 359	1.13 364	0.73 328	1.17 387	0.77 360	1.16 360	0.72 345
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	0.80 318	0.80 225	0.80 336	0.80 297	0.80 370	0.80 343	0.80 358	0.80 334	0.80 362	0.80 345	0.80 366	0.80 348	0.80 356	0.80 343	0.80 359	0.80 328	0.80 338	0.80 351	0.80 365	0.80 324	0.80 356

CSAN	0.80 318	0.80 225	0.80 336	0.80 297	0.80 370	0.80 343	0.80 358	0.80 334	0.80 362	0.80 345	0.80 366	0.80 348	0.80 356	0.80 343	0.80 359	0.80 328	0.80 338	0.80 351	0.80 365	0.80 324	0.80 356

ours_stereo	1.20 370	1.21 341	0.90 344	1.64 420	1.11 394	1.35 435	0.67 340	1.76 442	0.93 374	1.70 446	1.10 387	1.39 439	0.75 351	1.41 439	0.81 362	1.60 436	1.03 354	1.33 442	1.00 379	1.61 430	0.72 345

AIO-Stereo-zeroshot1	0.75 307	0.92 250	0.85 340	0.96 322	0.59 338	1.27 432	0.44 293	0.59 311	0.69 345	0.91 353	0.68 349	0.55 315	0.61 331	1.06 373	0.83 363	0.62 309	0.70 322	0.90 361	0.41 297	0.89 334	0.56 326

999	1.00 354	1.12 286	0.59 302	1.10 334	1.21 450	1.09 374	0.52 322	1.08 361	1.43 461	1.18 382	1.35 453	0.98 367	0.52 322	0.91 355	0.85 364	0.72 322	1.46 444	0.83 356	0.98 377	0.68 306	1.41 461

ToySt	0.92 342	2.11 388	0.90 344	0.95 319	0.79 368	0.99 361	0.78 354	0.94 352	0.81 365	0.94 359	0.78 364	0.95 364	0.77 353	0.94 360	0.86 365	0.91 340	0.79 335	0.85 358	0.77 360	0.89 334	0.73 348

DPSimNet_ROB	0.97 351	1.18 293	0.81 338	1.10 334	0.91 378	1.02 367	0.82 361	1.04 360	0.91 369	1.03 368	0.86 369	1.28 436	0.82 358	1.03 372	0.89 366	1.17 367	0.81 340	1.02 377	0.82 368	1.08 353	0.81 358

DGTPSM_ROB	0.93 347	1.00 261	0.92 348	0.94 317	0.96 383	0.91 353	0.92 368	0.91 345	0.96 378	0.91 353	0.96 377	0.93 363	0.92 362	0.94 360	0.92 367	0.92 343	0.92 346	0.90 361	0.92 372	0.94 342	0.91 366

DPSM_ROB	0.92 342	0.91 245	0.91 346	0.91 309	0.92 379	0.92 354	0.92 368	0.92 348	0.91 369	0.93 357	0.91 373	0.92 360	0.90 360	0.91 355	0.92 367	0.92 343	0.91 344	0.91 363	0.92 372	0.93 340	0.93 368

DPSM	0.92 342	0.91 245	0.91 346	0.91 309	0.92 379	0.92 354	0.92 368	0.92 348	0.91 369	0.93 357	0.91 373	0.92 360	0.90 360	0.91 355	0.92 367	0.92 343	0.91 344	0.91 363	0.92 372	0.93 340	0.93 368

pmcnn	0.92 342	0.92 250	0.92 348	0.92 312	0.92 379	0.92 354	0.92 368	0.92 348	0.92 373	0.92 355	0.92 376	0.92 360	0.92 362	0.92 359	0.92 367	0.92 343	0.92 346	0.92 365	0.92 372	0.92 339	0.92 367

Selective-RAFT	0.89 339	0.89 241	0.72 324	1.16 347	0.78 367	1.06 369	0.82 361	0.87 339	0.97 379	1.00 363	0.91 373	0.90 357	1.00 367	0.89 353	0.93 371	0.83 334	0.83 341	0.82 355	0.82 368	0.81 327	0.82 359

MM-Stereo_test2	1.20 370	1.85 368	1.05 359	1.46 411	0.94 382	1.36 437	0.99 375	1.36 430	0.95 376	1.41 436	0.98 379	1.40 441	0.96 364	1.37 437	0.95 372	1.37 425	1.06 355	1.33 442	0.93 376	1.29 419	0.89 364

AIO-Stereo-zeroshot	0.91 340	0.86 234	0.89 341	1.25 399	0.69 357	1.05 368	0.81 360	1.16 368	0.50 316	1.12 377	0.97 378	0.72 338	0.82 358	1.06 373	0.95 372	0.61 306	0.87 343	1.03 378	0.85 371	1.04 351	1.01 378

Selective-RAFT-Error	0.88 337	0.84 231	0.98 353	0.86 305	0.97 384	0.88 349	0.95 372	0.84 338	0.99 382	0.92 355	0.82 368	0.84 352	0.98 366	0.87 350	0.97 374	0.81 331	0.83 341	0.79 348	0.82 368	0.79 321	0.85 361

4D-IteraStereo	0.78 315	3.13 446	0.89 341	0.69 285	0.32 237	0.40 229	0.32 227	0.76 330	0.97 379	0.52 303	0.65 345	0.89 356	0.32 238	0.76 340	0.98 375	0.83 334	0.94 348	0.35 227	0.27 214	0.70 311	0.89 364

MaDis-Stereo	3.19 499	6.02 502	1.12 362	5.61 516	1.16 400	5.43 532	1.02 381	5.15 530	0.70 348	5.43 530	1.21 441	5.03 531	0.97 365	4.85 524	0.99 376	4.53 503	1.16 372	5.53 532	1.25 446	5.37 520	1.30 451

GANet	1.00 354	1.00 261	1.00 355	1.00 326	1.00 385	1.00 362	1.00 376	1.00 356	1.00 383	1.00 363	1.00 380	1.00 368	1.00 367	1.00 367	1.00 377	1.00 349	1.00 349	1.00 373	1.00 379	1.00 346	1.00 375

TDLM	1.00 354	1.00 261	1.00 355	1.00 326	1.00 385	1.00 362	1.00 376	1.00 356	1.00 383	1.00 363	1.00 380	1.00 368	1.00 367	1.00 367	1.00 377	1.00 349	1.00 349	1.00 373	1.00 379	1.00 346	1.00 375

CVANet_RVC	1.00 354	1.00 261	1.00 355	1.00 326	1.00 385	1.00 362	1.00 376	1.00 356	1.00 383	1.00 363	1.00 380	1.00 368	1.00 367	1.00 367	1.00 377	1.00 349	1.00 349	1.00 373	1.00 379	1.00 346	1.00 375

trnet	1.01 359	1.01 267	1.01 358	1.01 329	1.01 389	1.01 366	1.01 379	1.01 359	1.01 386	1.01 367	1.01 383	1.01 371	1.01 373	1.01 371	1.01 380	1.01 352	1.01 352	1.01 376	1.01 383	1.01 349	1.01 378

MM-Stereo_test3	1.27 420	2.07 384	1.18 370	1.60 415	1.02 390	1.45 443	1.01 379	1.40 434	1.04 388	1.44 437	1.03 384	1.46 443	1.02 374	1.44 440	1.02 381	1.51 432	1.12 369	1.32 441	0.98 377	1.38 423	0.97 371

MLG-Stereo	0.92 342	0.90 243	0.84 339	1.27 400	0.49 320	1.38 439	0.88 364	1.41 435	0.97 379	0.73 335	1.09 386	1.26 434	0.43 292	0.72 334	1.05 382	1.13 364	0.49 285	1.18 390	0.66 344	1.01 349	0.46 294

FC-DCNN	1.07 362	1.09 282	0.98 353	0.89 306	0.52 330	1.41 442	0.91 367	1.21 421	1.24 447	1.96 450	2.05 502	1.91 451	1.30 441	1.27 435	1.08 383	0.80 328	0.60 307	0.58 325	0.41 297	0.68 306	0.54 319

GLC_STEREO	1.07 362	1.01 267	1.06 360	1.07 332	1.05 392	1.06 369	1.08 383	1.08 361	1.05 389	1.07 370	1.06 385	1.08 374	1.05 375	1.06 373	1.10 384	1.07 355	1.09 362	1.05 379	1.05 384	1.06 352	1.12 385

IGEVStereo-DCA	1.77 434	4.21 472	1.84 473	2.49 449	2.11 497	2.54 484	1.36 452	1.65 439	1.17 396	2.75 491	1.90 485	2.54 477	1.15 381	0.94 360	1.11 385	1.50 430	1.32 425	0.96 369	1.46 462	1.49 426	0.88 362

rrr	1.77 434	4.21 472	1.84 473	2.49 449	2.11 497	2.54 484	1.36 452	1.65 439	1.17 396	2.75 491	1.90 485	2.54 477	1.15 381	0.94 360	1.11 385	1.50 430	1.32 425	0.96 369	1.46 462	1.49 426	0.88 362

NCC-stereo	2.36 481	25.52 541	1.17 368	1.15 342	1.17 401	1.11 378	1.11 384	1.15 366	1.16 392	1.10 372	1.16 391	1.10 378	1.15 381	1.14 383	1.13 387	1.09 356	1.11 366	1.15 382	1.16 391	1.17 365	1.17 394

Nwc_Net	2.37 483	25.95 543	1.15 366	1.14 340	1.15 396	1.08 372	1.14 387	1.17 370	1.16 392	1.14 380	1.15 388	1.08 374	1.15 381	1.11 381	1.14 388	1.10 358	1.11 366	1.16 383	1.09 386	1.16 360	1.15 390

TorneroNet	0.66 290	0.53 202	0.50 285	0.50 250	0.64 347	1.06 369	0.70 345	0.50 286	0.51 323	0.49 284	0.69 352	0.49 288	0.50 316	0.48 284	1.15 389	0.71 321	0.49 285	1.14 381	1.08 385	0.49 278	0.49 308

AF-Net	2.37 483	25.71 542	1.17 368	1.13 339	1.15 396	1.15 381	1.18 392	1.19 373	1.16 392	1.10 372	1.15 388	1.10 378	1.18 386	1.12 382	1.15 389	1.10 358	1.10 365	1.17 387	1.15 389	1.16 360	1.12 385

RP	2.33 479	25.00 539	1.13 363	1.15 342	1.15 396	1.10 375	1.15 388	1.15 366	1.15 391	1.12 377	1.15 388	1.09 376	1.13 378	1.10 379	1.15 389	1.11 363	1.09 362	1.16 383	1.12 387	1.16 360	1.17 394

edge stereo	2.43 486	27.07 547	1.14 364	1.06 331	1.14 395	1.08 372	1.17 391	1.16 368	1.14 390	1.10 372	1.16 391	1.09 376	1.16 385	1.10 379	1.16 392	1.10 358	1.11 366	1.16 383	1.19 393	1.13 355	1.11 383

Abc-Net	2.32 478	24.75 538	1.14 364	1.17 348	1.17 401	1.11 378	1.15 388	1.17 370	1.21 444	1.08 371	1.16 391	1.12 382	1.14 380	1.09 377	1.17 393	1.09 356	1.16 372	1.17 387	1.17 392	1.16 360	1.11 383
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	2.36 481	25.48 540	1.19 372	1.15 342	1.15 396	1.10 375	1.16 390	1.17 370	1.16 392	1.12 377	1.16 391	1.11 381	1.13 378	1.09 377	1.18 394	1.10 358	1.15 371	1.16 383	1.12 387	1.14 356	1.12 385

stereogan	2.33 479	24.38 537	1.18 370	1.18 349	1.18 403	1.14 380	1.18 392	1.19 373	1.19 398	1.14 380	1.18 395	1.14 383	1.18 386	1.14 383	1.18 394	1.14 366	1.14 370	1.19 391	1.19 393	1.15 358	1.19 398

DisPM	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

CrosDoStereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

PFNet+	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

LCNet	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

HHNet	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

Patchmatch Stereo++	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399
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	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

STrans-v2	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

TransformOpticalFlow	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

OMP-Stereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

IIG-Stereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

NF-Stereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

OCTAStereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

PSM-softLoss	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

KMStereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

NRIStereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

PSM-adaLoss	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

PSM-AAD	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

FTStereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

ROB_FTStereo_v2	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

ROB_FTStereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

Consistency-Raft	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

KYRaft	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

HUI-Stereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

ASMatch	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

DeepStereo_LL	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

DEmStereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

SST-Stereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

THIR-Stereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

RAFT_R40	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

DRaft	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

PFNet	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

GrayStereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

RE-Stereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

Pruner-Stereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

TVStereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

DeepStereo_RVC	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

RAFT-RH_RVC	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

IRAFT_RVC	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

RAFT-345	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

iRAFT	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

CRE-IMP	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

GMM-Stereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

RAFT-IKP	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

Prome-Stereo	1.20 370	1.20 295	1.20 375	1.20 351	1.20 404	1.20 383	1.20 394	1.20 376	1.20 399	1.20 384	1.20 396	1.20 387	1.20 388	1.20 387	1.20 396	1.20 369	1.20 377	1.20 392	1.20 396	1.20 369	1.20 399

HBP-ISP	1.24 418	1.72 360	1.65 456	1.15 342	0.76 365	1.40 441	0.88 364	1.67 441	1.02 387	1.69 445	1.38 458	1.69 447	1.21 434	1.87 452	1.21 441	1.05 354	0.79 335	0.97 371	0.80 365	1.19 368	0.75 352

GANetREF_RVC	1.55 427	1.94 381	1.22 422	1.88 423	1.21 450	1.88 451	1.22 440	1.88 444	1.22 445	1.88 447	1.22 442	1.88 449	1.22 435	1.89 453	1.22 442	1.87 443	1.22 424	1.88 465	1.22 442	1.88 442	1.22 445
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
StereoVision	3.15 498	5.00 481	0.89 341	4.83 507	1.00 385	3.93 506	1.27 446	6.37 533	1.34 452	5.67 533	1.26 446	5.84 534	1.27 438	5.03 530	1.24 443	5.10 522	1.09 362	4.61 516	0.57 334	5.62 522	1.12 385

FAT-Stereo	2.46 487	26.05 544	1.23 424	1.23 398	1.22 452	1.20 383	1.24 442	1.23 424	1.23 446	1.19 383	1.22 442	1.21 432	1.24 436	1.20 387	1.24 443	1.21 414	1.17 375	1.22 438	1.25 446	1.20 369	1.24 448

S-Stereo	2.51 488	26.86 545	1.23 424	1.22 396	1.22 452	1.24 431	1.25 443	1.22 422	1.24 447	1.21 429	1.24 444	1.19 386	1.27 438	1.19 386	1.24 443	1.19 368	1.20 377	1.25 439	1.19 393	1.24 417	1.23 447

3.75w	1.99 441	2.31 403	1.83 472	3.16 465	1.65 469	1.93 452	1.98 487	2.72 481	1.68 466	2.73 490	1.97 491	2.00 456	1.72 462	1.81 450	1.25 446	2.27 466	2.01 477	2.38 484	1.42 459	1.71 435	1.24 448

2w_stereo	1.99 441	2.36 412	1.81 464	3.24 467	1.67 470	1.94 453	1.98 487	2.72 481	1.68 466	2.72 485	1.94 488	1.98 455	1.74 465	1.79 449	1.27 447	1.95 449	2.00 475	2.53 492	1.60 471	1.68 434	1.15 390

4.25_new	2.00 445	2.33 405	1.82 469	3.32 472	1.69 472	1.95 456	1.99 490	2.72 481	1.71 470	2.72 485	1.97 491	2.01 457	1.74 465	1.77 447	1.28 448	2.18 458	2.01 477	2.48 490	1.58 468	1.65 431	1.17 394

4.5w_new	2.00 445	2.33 405	1.82 469	3.32 472	1.69 472	1.95 456	1.99 490	2.72 481	1.71 470	2.72 485	1.97 491	2.01 457	1.74 465	1.77 447	1.28 448	2.18 458	2.01 477	2.48 490	1.58 468	1.65 431	1.17 394

4.5w-stereo	1.99 441	2.33 405	1.81 464	3.28 469	1.68 471	1.94 453	1.99 490	2.72 481	1.70 469	2.72 485	1.99 500	1.97 454	1.68 458	1.76 446	1.29 450	1.91 448	2.02 481	2.53 492	1.61 472	1.75 438	1.16 393

2.75w_new	1.99 441	2.34 409	1.81 464	3.14 463	1.62 467	1.94 453	1.99 490	2.72 481	1.71 470	2.72 485	1.99 500	1.90 450	1.73 463	1.82 451	1.29 450	2.37 473	2.01 477	2.31 479	1.42 459	1.77 439	1.22 445

11t	1.27 420	2.70 427	1.34 428	1.32 404	0.89 374	1.30 434	1.34 449	1.64 438	0.57 328	1.45 438	0.72 358	1.05 373	1.29 440	1.07 376	1.29 450	1.49 429	1.02 353	0.97 371	1.15 389	1.48 425	1.31 452

SPS-STEREO	1.59 428	1.91 375	1.21 421	1.94 426	1.20 404	2.00 459	1.23 441	1.99 449	1.24 447	2.00 455	1.25 445	2.03 459	1.26 437	2.00 457	1.29 450	1.90 447	1.18 376	1.89 466	1.21 441	1.89 443	1.20 399
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MaskLacGwcNet_RVC	1.35 422	1.35 351	1.35 430	1.35 406	1.35 454	1.35 435	1.35 450	1.36 430	1.35 455	1.36 434	1.35 453	1.36 437	1.36 446	1.36 436	1.35 454	1.35 422	1.35 437	1.35 445	1.35 450	1.35 421	1.35 457

4.25w-stereo	1.98 440	2.72 431	1.46 447	3.47 479	1.43 460	2.07 462	1.98 487	2.53 478	1.52 463	2.71 484	1.98 497	1.81 448	1.62 456	1.96 455	1.36 455	1.88 446	2.00 475	2.53 492	1.61 472	1.74 437	1.15 390

MC-Stereo	1.76 433	2.96 442	1.37 440	2.14 433	1.37 456	2.14 464	1.36 452	2.14 458	1.37 457	2.14 464	1.37 456	2.14 461	1.37 448	2.14 462	1.37 456	1.97 450	1.32 425	1.97 468	1.32 449	1.98 444	1.33 454

CC-Net-ROB	1.36 423	1.33 350	1.33 427	1.36 407	1.38 457	1.36 437	1.33 448	1.37 432	1.34 452	1.35 433	1.36 455	1.38 438	1.34 444	1.38 438	1.38 457	1.35 422	1.38 440	1.33 442	1.35 450	1.43 424	1.34 456

sCroCo_RVC	2.10 461	2.76 435	1.92 483	2.78 457	1.39 458	2.73 491	1.41 460	2.73 487	1.40 459	2.77 496	1.41 460	2.74 492	1.40 450	2.74 491	1.40 458	2.72 489	1.42 442	2.72 495	1.44 461	2.79 481	1.42 462

PS-NSSS	1.38 425	1.39 353	1.34 428	1.34 405	1.35 454	1.38 439	1.37 457	1.35 429	1.38 458	1.34 432	1.34 452	1.39 439	1.38 449	1.70 444	1.40 458	1.36 424	1.36 438	1.36 447	1.37 453	1.37 422	1.36 458

MM-Stereo_test1	1.80 436	3.41 452	1.52 452	2.12 432	1.41 459	2.04 460	1.41 460	2.05 453	1.46 462	2.04 459	1.41 460	2.05 460	1.42 451	2.05 458	1.43 460	2.04 454	1.54 451	1.94 467	1.38 455	1.99 445	1.33 454

test_xeample3	1.10 364	1.81 365	0.61 306	0.84 302	0.49 320	0.77 338	0.66 336	0.92 348	1.40 459	0.68 332	0.46 306	0.78 345	0.54 326	1.72 445	1.48 461	1.34 421	1.52 448	1.35 445	1.67 478	1.33 420	1.55 465

2.25w	2.00 445	1.86 370	1.98 486	2.95 460	2.17 501	2.26 465	1.35 450	2.42 472	2.00 498	2.07 463	1.27 447	2.53 475	1.99 483	2.29 467	1.49 462	2.21 461	1.32 425	1.85 459	1.87 490	2.52 471	1.62 474

FADNet-RVC-Resample	0.12 92	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.04 81	0.04 69	1.57 463	0.04 44	0.04 45	0.04 71	0.05 90	0.04 74	0.06 96

DPSMNet_ROB	1.60 429	1.59 357	1.70 458	1.59 414	1.59 465	1.61 446	1.61 467	1.60 436	1.60 464	1.62 444	1.59 467	1.60 445	1.60 454	1.60 442	1.59 464	1.59 434	1.60 458	1.59 453	1.59 470	1.59 429	1.59 470

RAFT_CTSACE	1.92 439	3.71 459	1.72 461	1.88 423	1.72 476	2.04 460	1.42 462	2.18 460	1.89 491	2.02 457	1.97 491	1.95 452	2.06 487	1.93 454	1.62 465	1.76 439	1.66 462	2.02 469	1.73 486	1.73 436	1.43 463

Anonymous3	2.55 489	3.26 450	1.65 456	3.28 469	1.63 468	3.24 500	1.68 470	3.27 498	1.66 465	3.28 499	1.67 473	3.25 499	1.66 457	3.27 498	1.64 466	3.26 493	1.65 461	3.30 498	1.65 476	4.95 515	1.65 478

4.5_new	2.00 445	1.84 367	1.98 486	2.77 454	2.16 499	2.27 466	1.28 447	2.09 454	1.98 495	2.01 456	1.28 448	2.71 486	1.98 481	2.51 477	1.65 467	2.26 463	1.33 432	1.87 462	1.87 490	2.49 467	1.60 471

FADNet_RVC	0.12 92	0.04 37	0.04 43	0.05 43	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.05 88	0.04 69	1.65 467	0.05 51	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

FADNet	0.12 92	0.05 49	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.05 88	0.04 69	1.66 469	0.06 55	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

UDGNet	2.23 475	5.40 492	1.72 461	2.48 448	1.69 472	2.51 481	1.69 471	2.51 477	1.72 474	2.50 479	1.69 474	2.52 474	1.69 460	2.50 476	1.68 470	2.41 476	1.70 464	2.42 486	1.69 482	2.42 461	1.64 476

IGEV	2.02 453	2.20 395	1.82 469	2.90 459	2.16 499	2.41 474	1.25 443	2.00 450	1.98 495	1.99 454	1.31 450	2.72 490	1.93 477	2.67 485	1.69 471	2.26 463	1.32 425	1.83 458	1.87 490	2.53 474	1.61 473

FADNet-RVC	0.13 98	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.05 87	0.04 74	0.04 78	0.04 71	0.05 94	0.04 74	0.05 88	0.04 69	1.71 472	0.04 44	0.04 45	0.04 71	0.04 75	0.07 98	0.04 76

MFMNet_re	1.81 437	1.91 375	1.71 460	1.95 427	1.70 475	1.95 456	1.70 472	1.96 447	1.74 477	1.97 452	1.72 475	1.95 452	1.71 461	1.97 456	1.71 472	1.86 442	1.62 459	1.85 459	1.66 477	1.86 441	1.64 476

3w_stereo	2.04 458	2.24 399	1.70 458	3.15 464	2.18 503	2.49 478	1.26 445	2.03 452	1.98 495	1.98 453	1.33 451	2.72 490	1.99 483	2.59 480	1.72 474	2.22 462	1.33 432	1.85 459	1.88 495	2.50 469	1.58 469

1w_stereo	2.05 460	2.32 404	1.35 430	3.74 490	2.01 491	2.73 491	1.42 462	1.88 444	1.93 493	2.03 458	1.28 448	2.71 486	1.99 483	2.72 488	1.72 474	2.20 460	1.32 425	1.87 462	1.86 489	2.45 463	1.54 464

TRStereo	2.00 445	2.13 389	1.85 475	2.27 439	1.84 480	2.28 468	1.84 476	2.29 463	1.86 485	2.30 469	1.87 480	2.30 463	1.87 471	2.08 459	1.72 474	2.08 455	1.72 465	2.08 471	1.72 483	2.08 446	1.72 480

XX-Stereo	2.00 445	2.13 389	1.85 475	2.27 439	1.84 480	2.28 468	1.84 476	2.29 463	1.86 485	2.30 469	1.87 480	2.30 463	1.87 471	2.08 459	1.72 474	2.08 455	1.72 465	2.08 471	1.72 483	2.08 446	1.72 480

EAI-Stereo	2.00 445	2.13 389	1.85 475	2.27 439	1.84 480	2.28 468	1.84 476	2.29 463	1.86 485	2.30 469	1.87 480	2.30 463	1.87 471	2.08 459	1.72 474	2.08 455	1.72 465	2.08 471	1.72 483	2.08 446	1.72 480

3.25w	2.04 458	2.20 395	1.48 448	3.03 461	2.17 501	2.63 487	1.39 458	1.96 447	1.95 494	1.96 450	1.37 456	2.71 486	1.96 480	2.71 486	1.73 479	2.26 463	1.32 425	1.87 462	1.87 490	2.51 470	1.63 475

U	5.15 533	8.49 514	1.81 464	8.49 530	1.77 477	8.49 541	1.77 474	8.51 541	1.77 478	8.49 541	1.77 476	8.50 541	1.78 468	8.58 541	1.77 480	8.54 539	1.78 468	8.55 541	1.78 487	8.55 535	1.84 485

asd	2.18 465	2.77 437	1.58 453	3.59 484	2.00 490	2.58 486	1.85 479	2.39 471	1.71 470	2.47 477	1.97 491	2.59 481	1.61 455	2.56 478	1.79 481	2.51 482	1.99 474	2.11 474	1.62 474	2.36 459	1.60 471

qwe	2.18 465	2.60 421	1.58 453	3.83 491	1.90 488	2.53 482	1.90 485	2.48 474	1.73 475	2.37 474	1.92 487	2.53 475	1.68 458	2.56 478	1.83 482	2.52 484	1.87 473	2.07 470	1.68 480	2.32 457	1.71 479

FBW_ROB	2.12 463	2.46 417	1.77 463	2.49 449	1.79 479	2.38 472	1.83 475	2.46 473	1.78 479	2.48 478	1.97 491	2.40 471	1.78 468	2.42 474	1.83 482	2.31 470	1.85 472	2.38 484	1.82 488	2.35 458	1.84 485

2.5w	2.01 452	2.40 414	1.37 440	3.28 469	2.01 491	2.71 488	1.43 464	1.82 443	1.83 483	1.90 449	1.41 460	2.71 486	1.35 445	2.71 486	1.85 484	2.66 485	1.53 449	1.64 454	1.23 443	2.53 474	1.87 489

LG-G_1	2.22 472	2.71 429	1.89 480	2.77 454	1.87 486	2.75 493	1.87 482	2.76 489	1.87 489	2.75 491	1.87 480	2.76 493	1.87 471	2.75 492	1.86 485	2.47 479	1.58 454	2.45 487	1.57 465	2.45 463	1.57 467

LG-G	2.22 472	2.71 429	1.89 480	2.77 454	1.87 486	2.75 493	1.87 482	2.76 489	1.87 489	2.75 491	1.87 480	2.76 493	1.87 471	2.75 492	1.86 485	2.47 479	1.58 454	2.45 487	1.57 465	2.45 463	1.57 467

LGtest1	2.22 472	2.70 427	1.89 480	2.76 453	1.86 483	2.75 493	1.86 480	2.75 488	1.86 485	2.75 491	1.86 479	2.77 495	1.87 471	2.75 492	1.86 485	2.46 478	1.58 454	2.45 487	1.56 464	2.45 463	1.56 466

AIO_test	2.18 465	2.09 387	2.04 490	2.42 446	2.01 491	2.47 476	1.94 486	2.34 468	2.03 499	2.56 481	1.94 488	2.43 472	1.94 478	2.41 472	1.87 488	2.39 475	2.10 484	2.35 483	1.91 496	2.25 453	2.19 495

asda	2.17 464	2.54 418	1.81 464	3.47 479	1.78 478	2.50 480	1.86 480	2.61 480	1.68 466	2.61 482	1.83 477	2.37 470	1.73 463	2.44 475	1.88 489	2.51 482	1.84 471	2.34 481	1.62 474	2.23 451	1.77 484

AIO_rvc	2.18 465	2.34 409	1.87 479	2.32 443	1.94 489	2.40 473	1.89 484	2.37 469	2.07 500	2.52 480	1.95 490	2.44 473	1.99 483	2.41 472	1.89 490	2.32 471	2.09 483	2.24 475	2.18 498	2.21 450	2.23 496

monsterstereo	2.20 471	2.33 405	1.95 484	3.65 486	2.07 496	2.49 478	1.61 467	2.48 474	1.83 483	2.45 476	1.61 470	2.67 485	1.86 470	2.64 482	1.94 491	2.48 481	1.66 462	2.34 481	1.68 480	2.40 460	1.86 487

monsters	2.18 465	2.41 415	1.96 485	3.47 479	2.03 495	2.53 482	1.64 469	2.48 474	1.73 475	2.40 475	1.50 463	2.62 482	1.94 478	2.59 480	1.94 491	2.44 477	1.57 453	2.28 477	1.87 490	2.42 461	1.86 487

HUF	2.18 465	2.30 402	1.99 489	2.34 444	2.02 494	2.41 474	2.06 494	2.38 470	1.89 491	2.36 473	1.85 478	2.56 479	1.98 481	2.31 469	1.97 493	2.30 469	2.03 482	2.30 478	2.11 497	2.23 451	2.16 494

4w-stereo	2.02 453	2.72 431	1.44 445	3.36 475	1.59 465	2.48 477	1.72 473	2.28 461	1.24 447	2.24 467	1.65 472	2.56 479	1.32 443	2.39 471	1.98 494	2.67 487	1.51 447	1.66 455	1.24 444	2.53 474	1.88 492

3.25w_new	2.03 455	2.72 431	1.35 430	3.33 474	1.57 463	2.72 489	1.53 466	2.15 459	1.33 451	2.15 465	1.60 468	2.63 483	1.30 441	2.72 488	1.99 495	2.67 487	1.53 449	1.75 457	1.25 446	2.53 474	1.87 489

3.5w_stereo	2.03 455	2.72 431	1.35 430	3.41 476	1.57 463	2.72 489	1.49 465	2.01 451	1.34 452	2.15 465	1.61 470	2.63 483	1.36 446	2.72 488	1.99 495	2.66 485	1.58 454	1.68 456	1.24 444	2.53 474	1.87 489

RASNet	1.49 426	1.65 358	1.45 446	1.38 409	1.43 460	1.47 444	1.36 452	1.38 433	1.36 456	1.39 435	1.60 468	1.45 442	1.45 452	1.51 441	2.21 497	1.53 433	1.36 438	1.36 447	1.36 452	1.66 433	1.36 458

ff7	1.68 430	2.68 424	1.35 430	0.97 323	0.89 374	1.84 448	2.15 495	2.12 455	1.80 480	2.05 460	1.56 464	2.33 466	2.12 488	2.23 463	2.25 498	1.31 418	1.07 356	1.48 449	1.41 456	0.90 336	1.04 380

ffff	1.68 430	2.68 424	1.35 430	0.97 323	0.89 374	1.84 448	2.15 495	2.12 455	1.80 480	2.05 460	1.56 464	2.33 466	2.12 488	2.23 463	2.25 498	1.31 418	1.07 356	1.48 449	1.41 456	0.90 336	1.04 380

ccc-4	1.68 430	2.68 424	1.35 430	0.97 323	0.89 374	1.84 448	2.15 495	2.12 455	1.80 480	2.05 460	1.56 464	2.33 466	2.12 488	2.23 463	2.25 498	1.31 418	1.07 356	1.48 449	1.41 456	0.90 336	1.04 380

STTStereo	3.73 503	30.40 551	2.37 496	2.39 445	2.31 506	2.35 471	2.33 499	2.29 463	2.42 502	2.32 472	2.34 504	2.33 466	2.36 492	2.30 468	2.27 501	2.35 472	2.22 488	2.31 479	2.22 499	2.29 456	2.34 501

NCCL2	2.28 477	2.27 400	2.28 492	2.28 442	2.28 504	2.27 466	2.29 498	2.28 461	2.28 501	2.27 468	2.28 503	2.28 462	2.27 491	2.27 466	2.28 502	2.28 467	2.28 489	2.27 476	2.29 502	2.27 454	2.29 497

NLCA_NET_v2_RVC	5.04 531	50.87 561	2.78 498	2.87 458	2.71 507	2.78 496	0.47 304	2.88 494	2.86 506	1.89 448	2.67 505	2.79 496	2.79 496	2.78 495	2.83 503	2.82 490	2.82 492	2.83 496	2.77 505	2.83 482	2.76 505
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
rvit_105_1	3.83 504	5.22 485	3.01 500	4.53 495	3.01 509	4.51 512	3.01 506	4.56 513	3.04 507	4.53 512	3.03 508	4.55 514	3.03 497	4.56 513	3.04 504	4.57 505	3.05 494	4.57 511	3.05 509	4.57 499	3.05 508

rvit_stereo_0081	3.83 504	5.23 486	3.01 500	4.53 495	3.03 511	4.55 518	3.02 507	4.56 513	3.04 507	4.52 510	3.02 506	4.54 512	3.03 497	4.56 513	3.04 504	4.57 505	3.05 494	4.57 511	3.05 509	4.58 500	3.05 508

rvit_0105_6	3.87 508	5.73 499	3.10 510	4.69 505	3.12 519	4.54 514	3.02 507	4.56 513	3.04 507	4.54 514	3.03 508	4.54 512	3.04 500	4.56 513	3.05 506	4.58 508	3.05 494	4.58 513	3.05 509	4.58 500	3.05 508

rvit_stereo_0082	3.86 506	5.82 500	3.01 500	4.53 495	3.03 511	4.54 514	3.02 507	4.56 513	3.04 507	4.53 512	3.02 506	4.55 514	3.04 500	4.57 516	3.05 506	4.57 505	3.05 494	4.58 513	3.05 509	4.58 500	3.06 511

RAFT+CT+SA	4.28 518	7.62 508	4.91 524	5.55 515	2.28 504	3.09 497	3.64 524	4.49 511	3.07 512	4.80 523	3.35 519	4.77 526	3.70 515	4.29 510	3.05 506	5.58 524	5.98 525	3.58 502	3.78 528	4.26 493	3.72 525

rvit_stereo_0081_aga	3.86 506	5.33 489	3.02 503	4.55 501	3.04 515	4.54 514	3.02 507	4.64 520	3.06 511	4.54 514	3.04 510	4.62 521	3.08 504	4.62 519	3.07 509	4.58 508	3.06 498	4.60 515	3.08 513	4.63 503	3.07 512

rvit_stereo_0080	3.89 509	5.70 497	3.04 505	4.54 498	3.03 511	4.56 519	3.05 513	4.60 517	3.07 512	4.58 517	3.06 511	4.59 516	3.06 502	4.61 517	3.08 510	4.63 510	3.09 499	4.64 517	3.10 514	4.65 504	3.10 513

whm_eth	3.89 509	5.70 497	3.04 505	4.54 498	3.03 511	4.56 519	3.05 513	4.60 517	3.07 512	4.58 517	3.06 511	4.59 516	3.06 502	4.61 517	3.08 510	4.63 510	3.09 499	4.64 517	3.10 514	4.65 504	3.10 513

rvit_0105_4	3.91 511	5.47 496	3.02 503	4.54 498	3.02 510	4.54 514	3.03 511	4.75 523	3.17 518	4.57 516	3.06 511	4.61 520	3.16 508	4.65 520	3.09 512	4.66 512	3.11 501	4.68 520	3.18 519	4.81 510	3.16 518

rvit_0105_3	3.91 511	5.33 489	3.06 508	4.60 503	3.07 517	4.60 521	3.06 515	4.62 519	3.08 515	4.60 519	3.07 514	4.62 521	3.08 504	4.67 521	3.10 513	4.70 513	3.11 501	4.77 524	3.19 520	4.77 509	3.14 517

rvit_stereo_ft	3.93 514	5.44 494	3.05 507	4.59 502	3.06 516	4.61 522	3.08 516	4.67 522	3.12 517	4.63 521	3.10 516	4.65 523	3.11 506	4.69 523	3.13 514	4.70 513	3.14 503	4.71 522	3.15 518	4.74 507	3.16 518

rvit_stereo_0083	3.92 513	5.30 488	3.06 508	4.61 504	3.09 518	4.67 523	3.08 516	4.66 521	3.09 516	4.62 520	3.10 516	4.66 524	3.11 506	4.67 521	3.16 515	4.72 515	3.16 504	4.77 524	3.11 516	4.66 506	3.11 515

test_5	4.62 525	7.55 507	6.23 530	6.32 520	3.40 523	5.29 531	3.50 522	3.53 502	4.11 530	4.28 507	4.47 533	4.26 510	4.38 525	3.68 503	3.24 516	5.89 526	5.60 522	4.84 526	3.50 522	4.33 494	3.93 531

rvit_0105_5	4.10 515	5.40 492	3.13 513	4.71 506	3.15 520	4.72 526	3.10 518	4.90 528	3.27 519	4.69 522	3.16 518	4.84 528	3.25 509	4.96 527	3.34 517	5.05 520	3.39 509	5.10 529	3.40 521	5.11 517	3.42 521

DispFullNet	4.61 524	4.84 478	3.12 511	5.00 510	3.57 524	4.75 527	3.03 511	7.75 539	4.17 531	4.91 526	3.09 515	6.20 535	3.95 520	6.71 535	3.51 518	5.30 523	3.67 511	5.86 536	3.63 523	5.61 521	3.46 522

MLG-Stereo_test2	4.28 518	5.46 495	3.69 518	4.86 508	3.72 528	5.58 533	3.42 521	4.81 525	3.77 527	4.85 524	3.72 525	5.55 533	3.63 512	5.58 531	3.53 519	4.41 502	3.28 508	4.99 528	2.95 507	4.75 508	3.13 516

DPSNet	3.66 502	3.60 455	3.62 517	3.63 485	3.64 527	3.65 504	3.65 525	3.66 503	3.67 522	3.67 502	3.65 523	3.67 503	3.66 513	3.66 502	3.68 520	3.68 497	3.66 510	3.67 503	3.68 526	3.67 485	3.67 524

MLG-Stereo_test1	4.25 516	5.34 491	3.61 516	5.31 512	3.63 526	5.23 530	3.57 523	5.38 531	3.65 521	5.23 528	3.47 520	4.76 525	3.74 516	4.85 524	3.71 521	4.96 517	3.18 506	4.71 522	2.92 506	4.86 513	2.90 506

TestStereo1	4.60 522	8.41 512	6.44 532	6.86 523	3.79 529	3.97 507	3.78 527	3.99 507	3.74 524	3.97 504	3.52 521	3.94 506	3.58 510	3.98 506	3.72 522	6.82 532	6.50 528	3.76 505	3.66 524	3.90 488	3.74 527

SA-5K	4.60 522	8.41 512	6.44 532	6.86 523	3.79 529	3.97 507	3.78 527	3.99 507	3.74 524	3.97 504	3.52 521	3.94 506	3.58 510	3.98 506	3.72 522	6.82 532	6.50 528	3.76 505	3.66 524	3.90 488	3.74 527

MLG-Stereo_test3	4.26 517	4.85 479	3.95 520	5.35 513	3.60 525	4.75 527	3.76 526	5.49 532	3.71 523	5.39 529	3.69 524	4.82 527	3.66 513	4.85 524	3.73 524	4.93 516	3.19 507	4.69 521	2.99 508	4.84 512	2.98 507

Sa-1000	4.34 521	8.37 511	6.84 534	6.98 525	4.45 535	3.58 502	3.00 505	3.42 501	3.39 520	2.61 482	4.00 529	3.83 505	4.01 522	3.90 505	3.90 525	5.98 528	5.62 523	3.76 505	2.34 503	4.35 495	2.47 504

cross-raft	4.83 527	7.52 506	6.43 531	6.63 521	3.96 531	4.51 512	3.99 530	4.49 511	3.96 529	4.52 510	3.96 528	4.50 511	3.97 521	4.50 512	3.97 526	6.65 530	6.44 527	4.33 508	3.92 530	4.35 495	3.91 530

SA	4.33 520	7.35 505	6.85 535	5.96 518	4.09 532	3.59 503	3.15 519	3.82 505	2.64 503	3.91 503	3.85 526	3.57 501	2.72 495	3.13 497	4.03 527	7.09 535	6.86 530	3.57 501	3.12 517	3.85 487	3.51 523

test_4	4.88 528	8.13 510	6.98 536	7.46 526	4.44 534	4.25 510	3.85 529	4.04 509	3.92 528	4.13 506	3.91 527	4.18 509	3.84 518	4.14 508	4.06 528	7.01 534	7.13 531	4.53 509	3.72 527	4.09 491	3.72 525

test_3	5.01 530	8.86 517	7.77 538	8.09 528	2.76 508	4.13 509	4.05 531	3.88 506	3.76 526	4.33 508	4.13 530	3.71 504	3.91 519	4.21 509	4.06 528	7.93 536	7.69 533	4.53 509	3.91 529	4.17 492	4.29 533

raft_robust	4.71 526	7.75 509	5.40 529	6.81 522	3.31 521	4.28 511	4.20 532	4.32 510	4.37 533	4.35 509	4.35 532	4.14 508	3.75 517	4.30 511	4.20 530	6.67 531	6.37 526	3.36 500	4.24 534	4.86 513	3.25 520

SGM-Forest	5.21 534	5.92 501	4.08 521	6.18 519	4.16 533	6.31 535	4.34 533	6.50 534	4.33 532	6.14 535	4.21 531	6.61 538	4.55 526	6.67 534	4.48 531	5.94 527	3.94 513	5.85 535	4.03 532	5.79 523	4.17 532
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.88 528	4.75 477	4.79 523	4.87 509	4.92 536	4.81 529	4.90 535	4.78 524	4.77 534	4.87 525	4.89 534	4.90 529	4.91 527	4.99 528	4.79 532	4.98 518	4.87 519	4.87 527	4.92 536	5.00 516	5.00 534

rvit_stereo_0075_2	6.64 536	8.80 516	5.25 526	7.89 527	5.27 538	7.90 540	5.27 536	7.92 540	5.28 536	7.91 540	5.29 537	7.93 540	5.27 528	7.92 540	5.28 533	7.93 536	5.28 521	7.93 539	5.29 538	7.93 532	5.28 536

SGM+DAISY	7.06 538	9.15 518	5.38 528	8.84 532	5.18 537	8.80 542	5.31 537	8.79 542	5.28 536	8.89 542	5.20 536	8.93 542	5.33 529	8.95 542	5.36 534	8.70 540	5.21 520	8.74 542	5.20 537	8.89 536	5.15 535

FC-DCNN v2	5.10 532	5.15 483	4.49 522	5.07 511	3.37 522	6.87 536	4.75 534	5.04 529	6.34 538	7.84 539	5.06 535	6.72 539	4.09 523	4.99 528	5.44 535	5.03 519	3.16 504	4.67 519	4.86 535	5.15 518	3.89 529

sAnonymous2	3.31 500	2.63 422	1.38 442	3.71 488	1.86 483	4.70 524	1.11 384	4.82 526	2.72 504	5.45 531	1.98 497	4.59 516	2.64 493	2.65 483	6.21 536	4.37 499	1.08 360	5.16 530	2.24 500	4.52 497	2.39 502

CroCo_RVC	3.31 500	2.63 422	1.38 442	3.71 488	1.86 483	4.70 524	1.11 384	4.82 526	2.72 504	5.45 531	1.98 497	4.59 516	2.64 493	2.65 483	6.21 536	4.37 499	1.08 360	5.16 530	2.24 500	4.52 497	2.39 502

test-1	6.46 535	9.16 519	8.03 541	8.09 528	5.62 539	6.11 534	6.35 538	6.85 536	4.94 535	6.08 534	6.29 540	4.98 530	6.43 532	6.22 532	6.36 538	6.16 529	7.47 532	5.82 534	5.44 539	7.11 529	5.68 537

RAFT	6.73 537	9.36 520	7.40 537	8.51 531	6.55 540	6.88 537	6.60 539	6.79 535	6.60 539	6.80 536	6.72 541	5.31 532	5.50 530	6.61 533	6.61 539	8.42 538	5.89 524	5.73 533	5.45 540	6.61 525	6.24 538

test-v	7.53 539	11.89 528	7.98 539	9.36 534	7.14 541	7.06 538	7.09 540	7.37 537	6.91 540	7.29 537	5.71 538	6.45 536	6.93 533	6.73 536	7.27 540	8.93 541	7.85 534	6.98 537	6.80 541	7.56 530	7.34 540

test-2	7.53 539	11.89 528	7.98 539	9.36 534	7.14 541	7.06 538	7.09 540	7.37 537	6.91 540	7.29 537	5.71 538	6.45 536	6.93 533	6.73 536	7.27 540	8.93 541	7.85 534	6.98 537	6.80 541	7.56 530	7.34 540

MANE	19.05 542	23.00 536	15.00 542	23.00 549	15.00 543	24.00 549	16.00 542	24.00 549	16.00 542	22.00 549	15.00 542	23.00 549	16.00 542	23.00 549	15.00 542	22.00 549	15.00 543	22.00 549	15.00 543	22.00 549	15.00 542

rafts_anoy	20.00 543	20.00 530	20.00 543	20.00 543	20.00 544	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 544	20.00 543	20.00 544	20.00 543	20.00 543

raft+_RVC	20.00 543	20.00 530	20.00 543	20.00 543	20.00 544	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 544	20.00 543	20.00 544	20.00 543	20.00 543

raftrobust	20.00 543	20.00 530	20.00 543	20.00 543	20.00 544	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 544	20.00 543	20.00 544	20.00 543	20.00 543

CasAABBNet	20.00 543	20.00 530	20.00 543	20.00 543	20.00 544	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 544	20.00 543	20.00 544	20.00 543	20.00 543

RALCasStereoNet	20.00 543	20.00 530	20.00 543	20.00 543	20.00 544	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 544	20.00 543	20.00 544	20.00 543	20.00 543

RALAANet	20.00 543	20.00 530	20.00 543	20.00 543	20.00 544	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 543	20.00 544	20.00 543	20.00 544	20.00 543	20.00 543

WCMA_ROB	31.10 550	35.43 556	27.12 549	39.51 561	23.10 550	38.78 561	25.30 549	37.49 561	25.39 549	37.29 560	27.02 549	38.52 561	26.48 549	37.80 560	26.44 549	36.28 557	22.65 550	33.90 554	22.30 550	37.10 558	24.18 549

fff	1000028.16 569	29.62 548	29.72 550	32.61 550	30.02 551	35.13 552	31.83 551	32.07 551	10000000.00 569	35.27 553	29.82 551	32.45 551	30.15 550	32.35 551	30.09 550	31.04 551	29.55 552	30.64 551	30.14 551	10000000.00 570	30.77 551

csc	1000028.16 569	29.62 548	29.72 550	32.61 550	30.02 551	35.13 552	31.83 551	32.07 551	10000000.00 569	35.27 553	29.82 551	32.45 551	30.15 550	32.35 551	30.09 550	31.04 551	29.55 552	30.64 551	30.14 551	10000000.00 570	30.77 551

cscssc	1000028.16 569	29.62 548	29.72 550	32.61 550	30.02 551	35.13 552	31.83 551	32.07 551	10000000.00 569	35.27 553	29.82 551	32.45 551	30.15 550	32.35 551	30.09 550	31.04 551	29.55 552	30.64 551	30.14 551	10000000.00 570	30.77 551

111	30.40 549	30.94 552	29.72 550	32.61 550	30.02 551	33.57 550	30.47 550	31.50 550	29.39 550	30.98 550	29.11 550	29.78 550	30.39 553	29.45 550	30.76 553	30.08 550	29.02 551	29.92 550	30.32 554	29.86 550	30.17 550

tt	500032.53 567	34.60 554	29.72 550	37.47 559	34.41 556	36.85 556	35.22 555	34.71 554	33.55 552	34.50 551	35.43 554	33.81 554	10000000.00 570	33.57 554	33.13 554	33.68 554	35.00 556	34.03 555	35.26 557	30.96 551	34.63 555

DCANet	500032.53 567	34.60 554	29.72 550	37.47 559	34.41 556	36.85 556	35.22 555	34.71 554	33.55 552	34.50 551	35.43 554	33.81 554	10000000.00 570	33.57 554	33.13 554	33.68 554	35.00 556	34.03 555	35.26 557	30.96 551	34.63 555

Reg-Stereo(zero)	37.00 553	37.00 558	37.00 557	37.00 556	37.00 559	37.00 558	37.00 558	37.00 558	37.00 555	37.00 557	37.00 558	37.00 558	37.00 556	37.00 557	37.00 556	37.00 558	37.00 559	37.00 559	37.00 559	37.00 555	37.00 558

HI	37.00 553	37.00 558	37.00 557	37.00 556	37.00 559	37.00 558	37.00 558	37.00 558	37.00 555	37.00 557	37.00 558	37.00 558	37.00 556	37.00 557	37.00 556	37.00 558	37.00 559	37.00 559	37.00 559	37.00 555	37.00 558

CoSv	37.00 553	37.00 558	37.00 557	37.00 556	37.00 559	37.00 558	37.00 558	37.00 558	37.00 555	37.00 557	37.00 558	37.00 558	37.00 556	37.00 557	37.00 556	37.00 558	37.00 559	37.00 559	37.00 559	37.00 555	37.00 558

DCANet-4	35.22 551	34.54 553	35.08 556	33.58 554	35.47 558	34.55 551	35.53 557	36.08 556	35.85 554	35.92 556	35.77 556	35.18 556	35.48 555	35.39 556	37.15 559	34.55 556	33.92 555	35.02 557	34.90 556	35.79 554	34.74 557

ADStereo(finetuned)	36.13 552	36.63 557	38.07 560	36.97 555	33.25 555	35.91 555	34.45 554	36.36 557	32.99 551	38.14 561	36.71 557	36.69 557	34.13 554	38.57 561	40.79 560	37.60 561	36.58 558	35.90 558	33.36 555	35.42 553	34.04 554

MDST_ROB	69.83 556	87.70 562	41.95 561	113.75 564	65.62 564	75.05 562	55.25 562	75.64 563	45.04 558	71.61 562	41.75 561	72.81 562	44.06 559	68.38 562	44.63 561	101.89 564	59.57 564	107.10 564	61.05 564	104.38 561	59.38 563

CBMV	128.50 558	1422.70 573	53.10 562	79.50 563	51.30 563	77.30 563	49.70 561	74.00 562	48.20 559	77.20 563	48.80 562	73.90 563	48.00 560	73.80 563	48.80 562	70.40 563	45.10 563	68.90 563	46.10 563	68.20 560	45.00 562
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 557	153.00 566	121.00 564	51.00 562	44.00 562	165.00 565	127.00 563	153.00 564	119.00 560	164.00 565	125.00 563	168.00 565	120.00 561	153.00 564	117.00 563	49.00 562	44.00 562	49.00 562	44.00 562	49.00 559	44.00 561

MeshStereo	159.24 559	171.00 567	160.68 567	162.58 565	160.59 565	164.01 564	160.35 564	158.51 565	158.56 561	158.34 564	160.12 564	158.56 564	159.92 562	157.26 565	158.94 564	154.38 565	158.36 565	155.75 565	159.13 566	153.67 562	154.07 564
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	201.80 560	123.00 563	115.00 563	219.00 566	218.00 567	223.00 566	244.00 566	217.00 566	236.00 563	202.00 566	203.00 565	205.00 566	208.00 563	225.00 566	204.00 565	210.00 566	198.00 566	197.00 566	184.00 567	204.00 563	201.00 565

DLCB_ROB	284.23 563	354.61 569	207.27 568	363.24 569	206.46 566	364.72 569	210.41 565	364.72 569	210.41 562	364.81 569	208.64 566	364.81 569	208.64 564	364.72 569	210.41 566	354.70 569	205.53 567	354.70 569	205.53 568	354.70 566	205.53 566

MGS-Stereo	239.45 561	123.00 563	135.00 565	266.00 567	286.00 568	277.00 567	305.00 567	271.00 567	242.00 564	274.00 567	279.00 567	255.00 567	270.00 565	268.00 567	297.00 567	221.00 567	247.00 568	216.00 567	123.00 565	217.00 564	217.00 567

EGLCR-Stereo	246.90 562	129.00 565	139.00 566	266.00 567	286.00 568	277.00 567	305.00 567	271.00 567	242.00 564	274.00 567	279.00 567	255.00 567	270.00 565	268.00 567	297.00 567	230.00 568	247.00 568	216.00 567	223.00 569	237.00 565	227.00 568

LE_ROB	396.57 564	471.28 570	329.84 569	471.48 570	308.15 570	526.83 570	322.10 569	488.15 570	323.76 566	495.46 570	317.97 569	497.17 570	320.10 567	481.62 570	326.76 569	462.71 570	298.97 570	466.16 570	285.98 570	447.62 567	289.21 569

SGM-ForestM	596.69 565	677.77 571	444.52 570	699.85 571	517.25 571	732.94 571	488.29 570	770.79 571	460.11 567	750.81 571	487.98 570	792.79 571	499.41 568	730.90 571	475.81 570	720.03 571	491.16 571	663.96 571	418.60 571	674.76 568	436.05 570

CBMV_ROB	818.48 566	913.88 572	709.52 571	862.84 572	597.78 572	1073.99 572	700.52 571	1015.66 572	702.59 568	1115.65 572	760.02 571	1130.24 572	721.57 569	1037.41 572	692.65 571	814.05 572	564.29 572	843.28 572	595.31 572	915.51 569	602.92 571

111111	10000000.00 572	10000000.00 574	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 569	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 570	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 570	10000000.00 572

SGD-Stereo	10000000.00 572	10000000.00 574	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 569	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 570	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 570	10000000.00 572

IGEV-Stereo++	10000000.00 572	10000000.00 574	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 569	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 570	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 570	10000000.00 572

IGEV-BASED-STEREO-	10000000.00 572	10000000.00 574	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 569	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 570	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 570	10000000.00 572

IGEV-Stereo+	10000000.00 572	10000000.00 574	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 569	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 570	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 570	10000000.00 572

SDNR	10000000.00 572	10000000.00 574	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 569	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 570	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 570	10000000.00 572

anonymousdsp2	10000000.00 572	10000000.00 574	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 569	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 570	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 570	10000000.00 572

anonymousdsp	10000000.00 572	10000000.00 574	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 569	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 570	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 570	10000000.00 572

test_example2	10000000.00 572	10000000.00 574	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 569	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 570	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 570	10000000.00 572

DIP-Stereo	10000000.00 572	10000000.00 574	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 569	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 570	10000000.00 573	10000000.00 572	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 573	10000000.00 570	10000000.00 572
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		0.44 167		0.48 237	0.35 261	0.48 286		0.51 295		0.47 270		0.47 277		0.47 275		0.41 247	0.40 247	0.40 257	0.40 290	0.41 249

ASD4		0.20 100

Low-res two-view benchmark