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

MLG-Stereo_test1	0.06 1	0.05 11	0.08 18	0.17 205	0.05 1	0.07 22	0.11 44	0.09 9	0.03 1	0.05 1	0.04 1	0.06 14	0.05 9	0.09 32	0.09 41	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.05 108

FoundationStereo	0.06 1	0.04 1	0.08 18	0.13 8	0.05 1	0.09 78	0.13 104	0.06 1	0.09 19	0.05 1	0.05 7	0.06 14	0.04 1	0.07 3	0.07 1	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

asda	0.07 3	0.08 224	0.08 18	0.16 130	0.07 62	0.06 7	0.10 25	0.16 119	0.11 52	0.06 7	0.06 10	0.05 1	0.06 34	0.10 54	0.10 108	0.03 1	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

asd	0.07 3	0.08 224	0.08 18	0.16 130	0.07 62	0.08 46	0.08 7	0.11 24	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.10 54	0.09 41	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

2.25w	0.07 3	0.07 113	0.08 18	0.15 63	0.06 11	0.08 46	0.09 17	0.10 14	0.15 148	0.08 57	0.10 109	0.07 62	0.06 34	0.09 32	0.10 108	0.05 24	0.04 20	0.04 1	0.04 31	0.03 1	0.04 28

4.25_new	0.07 3	0.08 224	0.09 61	0.15 63	0.06 11	0.08 46	0.08 7	0.14 70	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.12 175	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

4.5w_new	0.07 3	0.08 224	0.09 61	0.15 63	0.06 11	0.08 46	0.08 7	0.14 70	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.12 175	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

4.5_new	0.07 3	0.09 294	0.08 18	0.15 63	0.07 62	0.07 22	0.10 25	0.14 70	0.11 52	0.06 7	0.08 66	0.06 14	0.06 34	0.08 13	0.10 108	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

4.5w-stereo	0.07 3	0.09 294	0.08 18	0.15 63	0.07 62	0.07 22	0.10 25	0.14 70	0.11 52	0.06 7	0.08 66	0.06 14	0.06 34	0.08 13	0.10 108	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

4.25w-stereo	0.07 3	0.08 224	0.09 61	0.15 63	0.06 11	0.08 46	0.08 7	0.14 70	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.12 175	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

4w-stereo	0.07 3	0.08 224	0.08 18	0.16 130	0.07 62	0.07 22	0.08 7	0.11 24	0.09 19	0.07 28	0.07 33	0.05 1	0.06 34	0.09 32	0.10 108	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

2.5w	0.07 3	0.07 113	0.08 18	0.16 130	0.06 11	0.08 46	0.12 67	0.10 14	0.10 29	0.07 28	0.06 10	0.09 116	0.06 34	0.08 13	0.09 41	0.04 6	0.03 1	0.04 1	0.04 31	0.03 1	0.03 1

2.75w_new	0.07 3	0.07 113	0.07 3	0.13 8	0.06 11	0.08 46	0.08 7	0.18 181	0.13 109	0.08 57	0.08 66	0.06 14	0.06 34	0.09 32	0.11 165	0.04 6	0.04 20	0.04 1	0.03 1	0.03 1	0.04 28

3.25w_new	0.07 3	0.06 46	0.08 18	0.15 63	0.06 11	0.10 119	0.07 3	0.12 40	0.11 52	0.08 57	0.07 33	0.07 62	0.06 34	0.11 99	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

3.25w	0.07 3	0.06 46	0.08 18	0.15 63	0.06 11	0.10 119	0.07 3	0.12 40	0.11 52	0.08 57	0.07 33	0.07 62	0.06 34	0.11 99	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

3.75w	0.07 3	0.07 113	0.08 18	0.16 130	0.07 62	0.07 22	0.09 17	0.16 119	0.10 29	0.07 28	0.06 10	0.06 14	0.06 34	0.09 32	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 3	0.07 113	0.07 3	0.15 63	0.07 62	0.09 78	0.06 1	0.14 70	0.11 52	0.08 57	0.07 33	0.06 14	0.07 98	0.10 54	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

monsters	0.07 3	0.06 46	0.06 1	0.15 63	0.06 11	0.08 46	0.09 17	0.13 56	0.09 19	0.09 85	0.07 33	0.06 14	0.06 34	0.09 32	0.08 14	0.05 24	0.04 20	0.04 1	0.04 31	0.03 1	0.04 28

111111	0.07 3	0.05 11	0.10 92	0.17 205	0.06 11	0.05 3	0.10 25	0.11 24	0.10 29	0.06 7	0.06 10	0.07 62	0.05 9	0.08 13	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.07 245	0.06 184

LG-Stereo_L2	0.07 3	0.05 11	0.10 92	0.14 26	0.06 11	0.07 22	0.12 67	0.09 9	0.10 29	0.06 7	0.04 1	0.05 1	0.05 9	0.08 13	0.08 14	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.03 1

LG-Stereo_L1	0.07 3	0.05 11	0.11 134	0.14 26	0.06 11	0.07 22	0.12 67	0.09 9	0.08 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 13	0.08 14	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

MLG-Stereo_test3	0.07 3	0.05 11	0.10 92	0.15 63	0.06 11	0.07 22	0.10 25	0.08 3	0.06 4	0.06 7	0.04 1	0.06 14	0.06 34	0.08 13	0.10 108	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.06 184

MLG-Stereo_test2	0.07 3	0.04 1	0.10 92	0.15 63	0.06 11	0.07 22	0.11 44	0.09 9	0.04 2	0.06 7	0.05 7	0.06 14	0.04 1	0.08 13	0.09 41	0.06 108	0.04 20	0.05 23	0.03 1	0.05 93	0.05 108

MLG-Stereo	0.07 3	0.05 11	0.09 61	0.17 205	0.05 1	0.07 22	0.11 44	0.08 3	0.05 3	0.05 1	0.04 1	0.06 14	0.05 9	0.10 54	0.09 41	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.05 108

LG-G_1	0.07 3	0.04 1	0.11 134	0.15 63	0.06 11	0.09 78	0.08 7	0.08 3	0.06 4	0.06 7	0.06 10	0.07 62	0.07 98	0.11 99	0.08 14	0.07 234	0.04 20	0.05 23	0.04 31	0.05 93	0.06 184

LG-G	0.07 3	0.04 1	0.11 134	0.15 63	0.06 11	0.09 78	0.08 7	0.08 3	0.06 4	0.06 7	0.06 10	0.07 62	0.07 98	0.11 99	0.08 14	0.07 234	0.04 20	0.05 23	0.04 31	0.05 93	0.06 184

LGtest1	0.07 3	0.05 11	0.11 134	0.15 63	0.06 11	0.07 22	0.09 17	0.08 3	0.06 4	0.06 7	0.04 1	0.06 14	0.07 98	0.10 54	0.09 41	0.07 234	0.04 20	0.05 23	0.04 31	0.06 179	0.06 184

LG-Stereo_Zeroshot	0.07 3	0.06 46	0.10 92	0.16 130	0.07 62	0.04 1	0.13 104	0.10 14	0.10 29	0.05 1	0.11 139	0.07 62	0.05 9	0.07 3	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

GREAT-IGEV	0.07 3	0.06 46	0.09 61	0.13 8	0.07 62	0.07 22	0.14 152	0.10 14	0.09 19	0.06 7	0.08 66	0.06 14	0.05 9	0.10 54	0.07 1	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

StereoAnything_RVC	0.07 3	0.16 458	0.17 348	0.11 1	0.05 1	0.06 7	0.11 44	0.08 3	0.08 8	0.06 7	0.06 10	0.05 1	0.05 9	0.09 32	0.08 14	0.08 293	0.04 20	0.05 23	0.03 1	0.05 93	0.04 28

AIO_rvc	0.07 3	0.06 46	0.08 18	0.15 63	0.06 11	0.08 46	0.14 152	0.09 9	0.08 8	0.07 28	0.08 66	0.07 62	0.04 1	0.10 54	0.08 14	0.05 24	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

AIO_test	0.07 3	0.06 46	0.07 3	0.15 63	0.07 62	0.07 22	0.14 152	0.10 14	0.10 29	0.07 28	0.07 33	0.06 14	0.05 9	0.08 13	0.10 108	0.05 24	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

MonSter	0.07 3	0.06 46	0.06 1	0.15 63	0.05 1	0.08 46	0.10 25	0.15 94	0.15 148	0.05 1	0.06 10	0.05 1	0.06 34	0.07 3	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

DEFOM-Stereo	0.07 3	0.05 11	0.07 3	0.14 26	0.06 11	0.09 78	0.13 104	0.07 2	0.13 109	0.06 7	0.07 33	0.06 14	0.05 9	0.10 54	0.09 41	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

dual_stereo	0.07 3	0.05 11	0.08 18	0.15 63	0.05 1	0.05 3	0.13 104	0.12 40	0.08 8	0.07 28	0.06 10	0.05 1	0.05 9	0.07 3	0.09 41	0.06 108	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

IGEV-Stereo++	0.07 3	0.06 46	0.08 18	0.18 286	0.06 11	0.05 3	0.10 25	0.11 24	0.11 52	0.06 7	0.07 33	0.07 62	0.06 34	0.09 32	0.09 41	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

IGEV-Stereo+	0.07 3	0.04 1	0.08 18	0.15 63	0.06 11	0.04 1	0.09 17	0.10 14	0.09 19	0.06 7	0.06 10	0.06 14	0.06 34	0.06 1	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.06 179	0.06 184

Selective-IGEV	0.07 3	0.06 46	0.09 61	0.17 205	0.06 11	0.08 46	0.12 67	0.13 56	0.08 8	0.08 57	0.07 33	0.06 14	0.04 1	0.10 54	0.09 41	0.05 24	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

qwe	0.08 39	0.08 224	0.07 3	0.15 63	0.06 11	0.07 22	0.10 25	0.18 181	0.12 79	0.07 28	0.07 33	0.06 14	0.06 34	0.10 54	0.09 41	0.04 6	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

3w_stereo	0.08 39	0.09 294	0.10 92	0.17 205	0.07 62	0.08 46	0.11 44	0.20 221	0.13 109	0.06 7	0.07 33	0.05 1	0.06 34	0.08 13	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

2w_stereo	0.08 39	0.08 224	0.09 61	0.16 130	0.06 11	0.09 78	0.10 25	0.20 221	0.15 148	0.08 57	0.07 33	0.06 14	0.06 34	0.06 1	0.10 108	0.04 6	0.03 1	0.04 1	0.04 31	0.03 1	0.03 1

1w_stereo	0.08 39	0.06 46	0.07 3	0.16 130	0.06 11	0.07 22	0.10 25	0.14 70	0.15 148	0.07 28	0.08 66	0.05 1	0.06 34	0.10 54	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

monsterstereo	0.08 39	0.06 46	0.07 3	0.16 130	0.06 11	0.08 46	0.10 25	0.16 119	0.12 79	0.07 28	0.08 66	0.06 14	0.07 98	0.08 13	0.09 41	0.04 6	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

IGEV	0.08 39	0.04 1	0.09 61	0.13 8	0.06 11	0.09 78	0.12 67	0.14 70	0.10 29	0.06 7	0.09 86	0.07 62	0.05 9	0.09 32	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

LG-Stereo	0.08 39	0.08 224	0.10 92	0.18 286	0.07 62	0.10 119	0.17 306	0.11 24	0.08 8	0.06 7	0.08 66	0.06 14	0.07 98	0.09 32	0.09 41	0.04 6	0.05 153	0.07 191	0.07 265	0.04 13	0.04 28

SGD-Stereo	0.08 39	0.05 11	0.10 92	0.14 26	0.06 11	0.12 199	0.12 67	0.11 24	0.12 79	0.07 28	0.09 86	0.09 116	0.09 159	0.08 13	0.08 14	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

HART	0.08 39	0.07 113	0.09 61	0.18 286	0.07 62	0.10 119	0.16 280	0.13 56	0.11 52	0.09 85	0.10 109	0.08 89	0.05 9	0.10 54	0.08 14	0.05 24	0.04 20	0.06 97	0.04 31	0.05 93	0.04 28

SCV_C0	0.08 39	0.07 113	0.08 18	0.16 130	0.10 328	0.08 46	0.14 152	0.11 24	0.13 109	0.08 57	0.07 33	0.06 14	0.05 9	0.11 99	0.07 1	0.05 24	0.05 153	0.05 23	0.04 31	0.06 179	0.05 108

SCV	0.08 39	0.09 294	0.08 18	0.15 63	0.08 123	0.10 119	0.12 67	0.11 24	0.12 79	0.07 28	0.07 33	0.06 14	0.04 1	0.10 54	0.08 14	0.05 24	0.05 153	0.06 97	0.04 31	0.06 179	0.04 28

DEFOM-Stereo_RVC	0.08 39	0.07 113	0.09 61	0.22 443	0.06 11	0.08 46	0.12 67	0.10 14	0.10 29	0.07 28	0.07 33	0.06 14	0.05 9	0.11 99	0.09 41	0.06 108	0.04 20	0.05 23	0.03 1	0.06 179	0.04 28

HUF	0.08 39	0.05 11	0.08 18	0.14 26	0.06 11	0.09 78	0.13 104	0.13 56	0.13 109	0.07 28	0.07 33	0.09 116	0.06 34	0.10 54	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

castereo++	0.08 39	0.06 46	0.08 18	0.15 63	0.05 1	0.14 267	0.11 44	0.11 24	0.15 148	0.07 28	0.07 33	0.08 89	0.06 34	0.08 13	0.08 14	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

IGEV-RUCA	0.08 39	0.06 46	0.11 134	0.14 26	0.09 223	0.10 119	0.12 67	0.10 14	0.12 79	0.06 7	0.07 33	0.08 89	0.06 34	0.09 32	0.08 14	0.06 108	0.05 153	0.05 23	0.04 31	0.05 93	0.06 184

GIP-stereo	0.08 39	0.06 46	0.11 134	0.15 63	0.07 62	0.09 78	0.13 104	0.15 94	0.11 52	0.07 28	0.08 66	0.05 1	0.04 1	0.10 54	0.07 1	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

SMoEStereo_RVC	0.08 39	0.06 46	0.12 172	0.16 130	0.07 62	0.09 78	0.13 104	0.11 24	0.14 131	0.09 85	0.07 33	0.07 62	0.07 98	0.12 175	0.10 108	0.05 24	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

WCG-NET	0.08 39	0.05 11	0.10 92	0.15 63	0.06 11	0.11 159	0.14 152	0.13 56	0.14 131	0.07 28	0.09 86	0.07 62	0.06 34	0.13 225	0.08 14	0.05 24	0.04 20	0.06 97	0.04 31	0.04 13	0.03 1

Occ-G	0.08 39	0.05 11	0.07 3	0.14 26	0.07 62	0.09 78	0.14 152	0.14 70	0.15 148	0.07 28	0.12 153	0.07 62	0.05 9	0.09 32	0.10 108	0.06 108	0.05 153	0.05 23	0.04 31	0.05 93	0.06 184

U	0.08 39	0.07 113	0.10 92	0.19 344	0.10 328	0.10 119	0.13 104	0.12 40	0.17 198	0.07 28	0.07 33	0.06 14	0.05 9	0.07 3	0.09 41	0.06 108	0.04 20	0.06 97	0.04 31	0.06 179	0.05 108

AIO-Stereo	0.08 39	0.06 46	0.10 92	0.18 286	0.06 11	0.09 78	0.11 44	0.16 119	0.09 19	0.09 85	0.08 66	0.07 62	0.05 9	0.11 99	0.08 14	0.05 24	0.05 153	0.05 23	0.04 31	0.04 13	0.04 28

WCG-NET（raft）	0.08 39	0.05 11	0.10 92	0.15 63	0.06 11	0.11 159	0.13 104	0.15 94	0.12 79	0.08 57	0.07 33	0.06 14	0.06 34	0.13 225	0.08 14	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

RSM++	0.08 39	0.06 46	0.09 61	0.17 205	0.07 62	0.09 78	0.12 67	0.11 24	0.11 52	0.08 57	0.06 10	0.07 62	0.05 9	0.10 54	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.03 1

RSM	0.08 39	0.06 46	0.09 61	0.17 205	0.07 62	0.08 46	0.12 67	0.12 40	0.10 29	0.08 57	0.07 33	0.06 14	0.05 9	0.11 99	0.09 41	0.04 6	0.04 20	0.05 23	0.04 31	0.04 13	0.04 28

trnet	0.08 39	0.05 11	0.07 3	0.12 4	0.05 1	0.12 199	0.10 25	0.13 56	0.10 29	0.08 57	0.13 168	0.09 116	0.08 134	0.11 99	0.10 108	0.08 293	0.05 153	0.05 23	0.03 1	0.06 179	0.05 108

MoCha-V2	0.08 39	0.05 11	0.11 134	0.20 393	0.07 62	0.10 119	0.14 152	0.12 40	0.08 8	0.07 28	0.08 66	0.07 62	0.06 34	0.09 32	0.08 14	0.05 24	0.05 153	0.05 23	0.04 31	0.04 13	0.04 28

IGEV++	0.08 39	0.06 46	0.09 61	0.18 286	0.07 62	0.10 119	0.13 104	0.10 14	0.10 29	0.08 57	0.08 66	0.06 14	0.05 9	0.13 225	0.09 41	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

testlalala	0.08 39	0.07 113	0.17 348	0.16 130	0.08 123	0.09 78	0.12 67	0.15 94	0.10 29	0.07 28	0.09 86	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.04 31	0.04 13	0.04 28

LoS_RVC	0.08 39	0.05 11	0.07 3	0.15 63	0.07 62	0.08 46	0.15 221	0.12 40	0.11 52	0.08 57	0.09 86	0.06 14	0.09 159	0.10 54	0.09 41	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

CAS	0.08 39	0.04 1	0.07 3	0.17 205	0.08 123	0.10 119	0.13 104	0.12 40	0.09 19	0.09 85	0.10 109	0.08 89	0.06 34	0.09 32	0.09 41	0.08 293	0.04 20	0.05 23	0.03 1	0.05 93	0.04 28

CES	0.08 39	0.04 1	0.08 18	0.14 26	0.07 62	0.09 78	0.14 152	0.11 24	0.09 19	0.08 57	0.09 86	0.11 167	0.07 98	0.12 175	0.08 14	0.06 108	0.04 20	0.05 23	0.03 1	0.05 93	0.05 108

EGLCR-Stereo	0.08 39	0.05 11	0.08 18	0.14 26	0.07 62	0.11 159	0.12 67	0.11 24	0.16 174	0.06 7	0.05 7	0.07 62	0.05 9	0.10 54	0.11 165	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

CREStereo++_RVC	0.08 39	0.04 1	0.07 3	0.13 8	0.07 62	0.09 78	0.12 67	0.14 70	0.14 131	0.10 115	0.14 181	0.08 89	0.07 98	0.10 54	0.11 165	0.06 108	0.04 20	0.05 23	0.05 104	0.04 13	0.04 28
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
water-stereo	0.09 72	0.06 46	0.08 18	0.16 130	0.07 62	0.10 119	0.13 104	0.15 94	0.13 109	0.11 149	0.12 153	0.09 116	0.10 181	0.07 3	0.08 14	0.06 108	0.05 153	0.05 23	0.05 104	0.04 13	0.04 28

depthmonostereo	0.09 72	0.06 46	0.09 61	0.15 63	0.06 11	0.11 159	0.13 104	0.14 70	0.15 148	0.10 115	0.10 109	0.09 116	0.11 211	0.08 13	0.09 41	0.06 108	0.05 153	0.06 97	0.04 31	0.04 13	0.03 1

DilatedVolume-Stereo	0.09 72	0.05 11	0.08 18	0.15 63	0.06 11	0.11 159	0.12 67	0.14 70	0.16 174	0.11 149	0.11 139	0.09 116	0.10 181	0.11 99	0.11 165	0.06 108	0.05 153	0.05 23	0.04 31	0.03 1	0.03 1

S2M2	0.09 72	0.08 224	0.11 134	0.13 8	0.10 328	0.08 46	0.06 1	0.10 14	0.10 29	0.10 115	0.10 109	0.09 116	0.09 159	0.11 99	0.11 165	0.13 457	0.07 364	0.08 268	0.09 374	0.10 405	0.08 329

MM-Stereo_test2	0.09 72	0.07 113	0.09 61	0.19 344	0.08 123	0.12 199	0.18 353	0.15 94	0.14 131	0.07 28	0.10 109	0.07 62	0.06 34	0.12 175	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.06 179	0.04 28

Reg-Stereo(zero)	0.09 72	0.05 11	0.08 18	0.16 130	0.06 11	0.12 199	0.11 44	0.15 94	0.11 52	0.12 181	0.09 86	0.10 147	0.08 134	0.11 99	0.09 41	0.06 108	0.05 153	0.05 23	0.04 31	0.04 13	0.05 108

castereo	0.09 72	0.06 46	0.11 134	0.15 63	0.06 11	0.11 159	0.14 152	0.14 70	0.18 212	0.08 57	0.10 109	0.11 167	0.08 134	0.09 32	0.10 108	0.05 24	0.04 20	0.05 23	0.04 31	0.04 13	0.04 28

fffft	0.09 72	0.06 46	0.12 172	0.16 130	0.07 62	0.09 78	0.16 280	0.12 40	0.11 52	0.09 85	0.07 33	0.09 116	0.06 34	0.11 99	0.12 222	0.05 24	0.04 20	0.06 97	0.05 104	0.04 13	0.05 108
1: 1. 1
tt45	0.09 72	0.06 46	0.11 134	0.15 63	0.07 62	0.12 199	0.15 221	0.13 56	0.12 79	0.09 85	0.06 10	0.08 89	0.06 34	0.13 225	0.10 108	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

999	0.09 72	0.06 46	0.13 204	0.15 63	0.08 123	0.10 119	0.14 152	0.15 94	0.12 79	0.10 115	0.08 66	0.08 89	0.08 134	0.16 297	0.10 108	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.06 184

mms	0.09 72	0.07 113	0.08 18	0.17 205	0.08 123	0.11 159	0.15 221	0.12 40	0.11 52	0.09 85	0.09 86	0.08 89	0.06 34	0.11 99	0.12 222	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.04 28

ours_stereo	0.09 72	0.07 113	0.09 61	0.17 205	0.08 123	0.11 159	0.16 280	0.11 24	0.12 79	0.08 57	0.10 109	0.08 89	0.06 34	0.12 175	0.12 222	0.05 24	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

fffy	0.09 72	0.08 224	0.10 92	0.16 130	0.07 62	0.13 228	0.17 306	0.13 56	0.12 79	0.08 57	0.09 86	0.08 89	0.09 159	0.13 225	0.11 165	0.05 24	0.05 153	0.07 191	0.05 104	0.04 13	0.05 108

GCAP-BAT	0.09 72	0.07 113	0.14 248	0.15 63	0.08 123	0.10 119	0.12 67	0.15 94	0.11 52	0.11 149	0.10 109	0.09 116	0.07 98	0.12 175	0.10 108	0.06 108	0.05 153	0.06 97	0.04 31	0.04 13	0.04 28

Pointernet	0.09 72	0.05 11	0.10 92	0.16 130	0.08 123	0.13 228	0.10 25	0.15 94	0.18 212	0.09 85	0.07 33	0.06 14	0.06 34	0.11 99	0.10 108	0.08 293	0.04 20	0.05 23	0.03 1	0.06 179	0.05 108

IGEV-BASED-STEREO-	0.09 72	0.10 359	0.32 478	0.15 63	0.06 11	0.08 46	0.14 152	0.11 24	0.10 29	0.07 28	0.07 33	0.06 14	0.04 1	0.11 99	0.07 1	0.12 440	0.04 20	0.07 191	0.05 104	0.05 93	0.05 108

RAFT-Stereo-weight	0.09 72	0.06 46	0.11 134	0.16 130	0.07 62	0.09 78	0.14 152	0.19 208	0.16 174	0.11 149	0.10 109	0.08 89	0.06 34	0.10 54	0.11 165	0.06 108	0.04 20	0.06 97	0.04 31	0.04 13	0.04 28

gcap-zeroshot	0.09 72	0.06 46	0.10 92	0.16 130	0.07 62	0.14 267	0.13 104	0.11 24	0.12 79	0.13 210	0.12 153	0.09 116	0.08 134	0.09 32	0.09 41	0.06 108	0.05 153	0.06 97	0.05 104	0.04 13	0.04 28

test_for_model	0.09 72	0.12 401	0.14 248	0.23 462	0.11 380	0.08 46	0.13 104	0.12 40	0.13 109	0.10 115	0.07 33	0.07 62	0.06 34	0.11 99	0.10 108	0.06 108	0.05 153	0.05 23	0.04 31	0.08 310	0.05 108

MGS-Stereo	0.09 72	0.07 113	0.12 172	0.16 130	0.08 123	0.09 78	0.15 221	0.12 40	0.12 79	0.07 28	0.10 109	0.08 89	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.06 179	0.05 108

ff7	0.09 72	0.07 113	0.11 134	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

IGEVStereo-DCA	0.09 72	0.07 113	0.11 134	0.16 130	0.10 328	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.08 89	0.06 34	0.10 54	0.09 41	0.06 108	0.05 153	0.06 97	0.05 104	0.05 93	0.06 184

ffff	0.09 72	0.07 113	0.11 134	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

rrr	0.09 72	0.07 113	0.13 204	0.16 130	0.10 328	0.11 159	0.15 221	0.16 119	0.15 148	0.10 115	0.06 10	0.08 89	0.06 34	0.10 54	0.09 41	0.06 108	0.05 153	0.06 97	0.05 104	0.05 93	0.06 184

11t	0.09 72	0.07 113	0.11 134	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

MaDis-Stereo	0.09 72	0.09 294	0.08 18	0.17 205	0.09 223	0.14 267	0.11 44	0.16 119	0.16 174	0.09 85	0.11 139	0.06 14	0.06 34	0.09 32	0.13 257	0.07 234	0.06 296	0.08 268	0.05 104	0.05 93	0.04 28

IGEV_Zeroshot_test	0.09 72	0.05 11	0.13 204	0.14 26	0.08 123	0.12 199	0.13 104	0.17 154	0.11 52	0.10 115	0.06 10	0.09 116	0.06 34	0.11 99	0.09 41	0.06 108	0.04 20	0.06 97	0.06 176	0.05 93	0.05 108

MSKI-zero shot	0.09 72	0.05 11	0.09 61	0.16 130	0.07 62	0.10 119	0.13 104	0.15 94	0.14 131	0.09 85	0.09 86	0.09 116	0.06 34	0.12 175	0.11 165	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

UniTT-Stereo	0.09 72	0.07 113	0.08 18	0.18 286	0.08 123	0.13 228	0.11 44	0.12 40	0.11 52	0.10 115	0.12 153	0.05 1	0.06 34	0.09 32	0.10 108	0.07 234	0.06 296	0.05 23	0.05 104	0.06 179	0.05 108

CASnet	0.09 72	0.09 294	0.09 61	0.19 344	0.06 11	0.07 22	0.11 44	0.18 181	0.14 131	0.11 149	0.10 109	0.09 116	0.07 98	0.10 54	0.10 108	0.06 108	0.04 20	0.10 395	0.08 331	0.06 179	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.09 72	0.05 11	0.08 18	0.14 26	0.13 434	0.14 267	0.13 104	0.15 94	0.09 19	0.07 28	0.09 86	0.07 62	0.08 134	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.04 28

GCAP-Stereo	0.09 72	0.07 113	0.13 204	0.18 286	0.06 11	0.11 159	0.07 3	0.14 70	0.12 79	0.09 85	0.10 109	0.07 62	0.09 159	0.13 225	0.10 108	0.06 108	0.05 153	0.05 23	0.04 31	0.04 13	0.05 108

RAFT-Test	0.09 72	0.06 46	0.10 92	0.16 130	0.07 62	0.11 159	0.15 221	0.16 119	0.13 109	0.09 85	0.10 109	0.11 167	0.09 159	0.12 175	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.05 108

HH	0.09 72	0.06 46	0.13 204	0.17 205	0.08 123	0.11 159	0.16 280	0.15 94	0.10 29	0.08 57	0.10 109	0.08 89	0.07 98	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.04 28

HanStereo	0.09 72	0.06 46	0.13 204	0.17 205	0.08 123	0.11 159	0.16 280	0.15 94	0.10 29	0.08 57	0.10 109	0.08 89	0.07 98	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.04 28

anonymousdsp	0.09 72	0.07 113	0.11 134	0.17 205	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

LoS	0.09 72	0.05 11	0.11 134	0.13 8	0.07 62	0.14 267	0.11 44	0.15 94	0.15 148	0.09 85	0.09 86	0.12 188	0.09 159	0.15 270	0.10 108	0.07 234	0.05 153	0.05 23	0.03 1	0.05 93	0.05 108
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 72	0.07 113	0.11 134	0.17 205	0.08 123	0.11 159	0.15 221	0.15 94	0.12 79	0.10 115	0.06 10	0.07 62	0.06 34	0.11 99	0.09 41	0.05 24	0.05 153	0.06 97	0.05 104	0.04 13	0.06 184

MC-Stereo	0.09 72	0.07 113	0.09 61	0.17 205	0.06 11	0.10 119	0.14 152	0.12 40	0.11 52	0.09 85	0.12 153	0.09 116	0.06 34	0.11 99	0.10 108	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

RCA-Stereo	0.09 72	0.06 46	0.09 61	0.16 130	0.06 11	0.09 78	0.13 104	0.18 181	0.14 131	0.10 115	0.11 139	0.08 89	0.07 98	0.12 175	0.11 165	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.04 28

CroCo-Stereo Lap2	0.09 72	0.09 294	0.08 18	0.22 443	0.09 223	0.09 78	0.18 353	0.16 119	0.12 79	0.09 85	0.10 109	0.05 1	0.05 9	0.08 13	0.08 14	0.06 108	0.06 296	0.07 191	0.05 104	0.06 179	0.05 108

ccc-4	0.09 72	0.07 113	0.11 134	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

IGEV-Stereo	0.09 72	0.07 113	0.11 134	0.17 205	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 72	0.05 11	0.13 204	0.14 26	0.09 223	0.12 199	0.15 221	0.19 208	0.11 52	0.11 149	0.08 66	0.08 89	0.05 9	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.06 179	0.05 108

test-3	0.09 72	0.06 46	0.10 92	0.18 286	0.07 62	0.07 22	0.14 152	0.12 40	0.16 174	0.10 115	0.08 66	0.08 89	0.08 134	0.11 99	0.10 108	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.04 28

test_1	0.09 72	0.06 46	0.10 92	0.18 286	0.07 62	0.07 22	0.14 152	0.12 40	0.16 174	0.10 115	0.08 66	0.08 89	0.08 134	0.11 99	0.10 108	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.04 28

CroCo-Stereo	0.09 72	0.08 224	0.08 18	0.22 443	0.09 223	0.09 78	0.18 353	0.16 119	0.12 79	0.07 28	0.07 33	0.08 89	0.06 34	0.08 13	0.07 1	0.07 234	0.05 153	0.06 97	0.04 31	0.05 93	0.04 28
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
TANstereo	0.09 72	0.04 1	0.08 18	0.13 8	0.06 11	0.11 159	0.13 104	0.15 94	0.19 233	0.11 149	0.15 194	0.10 147	0.07 98	0.12 175	0.09 41	0.07 234	0.05 153	0.05 23	0.04 31	0.06 179	0.05 108

XX-TBD	0.09 72	0.06 46	0.07 3	0.14 26	0.07 62	0.13 228	0.16 280	0.14 70	0.14 131	0.11 149	0.12 153	0.09 116	0.08 134	0.10 54	0.10 108	0.06 108	0.04 20	0.05 23	0.04 31	0.06 179	0.05 108

raftrobust	0.09 72	0.06 46	0.11 134	0.17 205	0.08 123	0.09 78	0.10 25	0.18 181	0.16 174	0.10 115	0.09 86	0.12 188	0.08 134	0.12 175	0.10 108	0.08 293	0.05 153	0.06 97	0.05 104	0.05 93	0.06 184

XX-Stereo	0.09 72	0.05 11	0.09 61	0.17 205	0.09 223	0.15 293	0.12 67	0.21 238	0.10 29	0.10 115	0.14 181	0.07 62	0.06 34	0.13 225	0.08 14	0.06 108	0.05 153	0.06 97	0.06 176	0.04 13	0.04 28

test_xeample3	0.09 72	0.07 113	0.12 172	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.14 131	0.10 115	0.07 33	0.08 89	0.06 34	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

RAFT-Stereo + iAFF	0.09 72	0.06 46	0.10 92	0.17 205	0.07 62	0.10 119	0.15 221	0.17 154	0.15 148	0.10 115	0.10 109	0.08 89	0.09 159	0.12 175	0.10 108	0.05 24	0.04 20	0.06 97	0.06 176	0.04 13	0.03 1

AFF-stereo	0.09 72	0.07 113	0.10 92	0.17 205	0.07 62	0.10 119	0.15 221	0.18 181	0.10 29	0.10 115	0.11 139	0.09 116	0.10 181	0.12 175	0.10 108	0.05 24	0.04 20	0.07 191	0.07 265	0.04 13	0.04 28

EAI-Stereo	0.09 72	0.07 113	0.11 134	0.16 130	0.07 62	0.10 119	0.15 221	0.16 119	0.09 19	0.08 57	0.09 86	0.08 89	0.07 98	0.09 32	0.11 165	0.05 24	0.05 153	0.05 23	0.05 104	0.05 93	0.04 28

CFNet-RSSM	0.09 72	0.07 113	0.10 92	0.16 130	0.07 62	0.09 78	0.15 221	0.17 154	0.18 212	0.08 57	0.12 153	0.11 167	0.09 159	0.12 175	0.10 108	0.06 108	0.04 20	0.06 97	0.04 31	0.04 13	0.04 28

Gwc-CoAtRS	0.09 72	0.07 113	0.10 92	0.16 130	0.07 62	0.10 119	0.15 221	0.18 181	0.17 198	0.08 57	0.10 109	0.12 188	0.09 159	0.12 175	0.09 41	0.06 108	0.04 20	0.06 97	0.04 31	0.04 13	0.05 108

CREStereo	0.09 72	0.05 11	0.08 18	0.11 1	0.06 11	0.14 267	0.14 152	0.14 70	0.10 29	0.09 85	0.13 168	0.09 116	0.08 134	0.12 175	0.10 108	0.08 293	0.04 20	0.05 23	0.03 1	0.06 179	0.06 184
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	0.09 72	0.05 11	0.09 61	0.12 4	0.06 11	0.13 228	0.14 152	0.16 119	0.11 52	0.09 85	0.13 168	0.10 147	0.07 98	0.14 252	0.10 108	0.15 480	0.04 20	0.05 23	0.03 1	0.07 245	0.06 184

MM-Stereo_test3	0.10 131	0.07 113	0.07 3	0.18 286	0.07 62	0.12 199	0.19 395	0.24 302	0.19 233	0.06 7	0.10 109	0.08 89	0.06 34	0.11 99	0.09 41	0.06 108	0.06 296	0.07 191	0.05 104	0.05 93	0.04 28

MM-Stereo_test1	0.10 131	0.07 113	0.09 61	0.18 286	0.07 62	0.12 199	0.18 353	0.21 238	0.20 254	0.09 85	0.11 139	0.08 89	0.06 34	0.10 54	0.10 108	0.06 108	0.05 153	0.07 191	0.06 176	0.05 93	0.04 28

AIO-test2	0.10 131	0.08 224	0.10 92	0.23 462	0.09 223	0.11 159	0.11 44	0.23 279	0.24 310	0.08 57	0.09 86	0.08 89	0.05 9	0.10 54	0.08 14	0.06 108	0.05 153	0.08 268	0.09 374	0.05 93	0.05 108

AIO-test1	0.10 131	0.07 113	0.11 134	0.24 472	0.07 62	0.09 78	0.13 104	0.22 261	0.15 148	0.11 149	0.12 153	0.09 116	0.07 98	0.11 99	0.09 41	0.06 108	0.05 153	0.09 350	0.10 408	0.04 13	0.07 260

tg	0.10 131	0.06 46	0.10 92	0.18 286	0.08 123	0.11 159	0.16 280	0.20 221	0.12 79	0.08 57	0.11 139	0.11 167	0.07 98	0.11 99	0.10 108	0.05 24	0.04 20	0.08 268	0.08 331	0.04 13	0.04 28

PAM_32	0.10 131	0.06 46	0.17 348	0.15 63	0.08 123	0.10 119	0.15 221	0.14 70	0.16 174	0.09 85	0.08 66	0.10 147	0.07 98	0.14 252	0.09 41	0.06 108	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

PAM	0.10 131	0.06 46	0.17 348	0.15 63	0.09 223	0.10 119	0.16 280	0.15 94	0.16 174	0.12 181	0.09 86	0.10 147	0.07 98	0.13 225	0.09 41	0.06 108	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

UGAM-zero	0.10 131	0.05 11	0.15 284	0.15 63	0.08 123	0.10 119	0.13 104	0.20 221	0.15 148	0.11 149	0.15 194	0.07 62	0.08 134	0.09 32	0.10 108	0.06 108	0.05 153	0.06 97	0.05 104	0.05 93	0.06 184

model_zeroshot	0.10 131	0.05 11	0.12 172	0.15 63	0.09 223	0.13 228	0.14 152	0.20 221	0.14 131	0.11 149	0.10 109	0.12 188	0.07 98	0.12 175	0.11 165	0.07 234	0.06 296	0.06 97	0.05 104	0.06 179	0.06 184

RAStereo	0.10 131	0.09 294	0.08 18	0.20 393	0.08 123	0.13 228	0.18 353	0.16 119	0.17 198	0.10 115	0.12 153	0.05 1	0.06 34	0.09 32	0.08 14	0.07 234	0.05 153	0.07 191	0.05 104	0.05 93	0.04 28

rvit_stereo_0080	0.10 131	0.08 224	0.15 284	0.15 63	0.10 328	0.07 22	0.15 221	0.16 119	0.16 174	0.11 149	0.10 109	0.15 255	0.09 159	0.12 175	0.10 108	0.09 346	0.07 364	0.07 191	0.06 176	0.07 245	0.05 108

testlalala2	0.10 131	0.06 46	0.11 134	0.20 393	0.10 328	0.10 119	0.11 44	0.17 154	0.13 109	0.12 181	0.13 168	0.09 116	0.08 134	0.11 99	0.13 257	0.06 108	0.05 153	0.05 23	0.04 31	0.05 93	0.05 108

H2IRNET	0.10 131	0.09 294	0.10 92	0.18 286	0.09 223	0.12 199	0.15 221	0.14 70	0.21 268	0.10 115	0.10 109	0.10 147	0.11 211	0.10 54	0.10 108	0.06 108	0.04 20	0.08 268	0.08 331	0.06 179	0.05 108

MyStereo07	0.10 131	0.07 113	0.10 92	0.17 205	0.09 223	0.14 267	0.17 306	0.15 94	0.15 148	0.09 85	0.06 10	0.06 14	0.07 98	0.12 175	0.09 41	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.06 184

MyStereo06	0.10 131	0.07 113	0.12 172	0.17 205	0.09 223	0.13 228	0.18 353	0.19 208	0.12 79	0.13 210	0.08 66	0.07 62	0.07 98	0.11 99	0.09 41	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.06 184

AE-Stereo	0.10 131	0.08 224	0.11 134	0.19 344	0.09 223	0.10 119	0.15 221	0.14 70	0.20 254	0.09 85	0.15 194	0.12 188	0.08 134	0.11 99	0.10 108	0.05 24	0.06 296	0.07 191	0.06 176	0.05 93	0.04 28

ACVNet-DCA	0.10 131	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.24 302	0.16 174	0.09 85	0.09 86	0.06 14	0.06 34	0.10 54	0.07 1	0.06 108	0.05 153	0.06 97	0.05 104	0.07 245	0.07 260

cc1	0.10 131	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.16 119	0.18 212	0.09 85	0.09 86	0.06 14	0.06 34	0.10 54	0.07 1	0.06 108	0.05 153	0.06 97	0.05 104	0.06 179	0.06 184

tt1	0.10 131	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.15 94	0.19 233	0.09 85	0.08 66	0.06 14	0.06 34	0.10 54	0.08 14	0.06 108	0.05 153	0.06 97	0.05 104	0.06 179	0.06 184

whm_eth	0.10 131	0.08 224	0.15 284	0.15 63	0.10 328	0.07 22	0.15 221	0.16 119	0.16 174	0.11 149	0.10 109	0.15 255	0.09 159	0.12 175	0.10 108	0.09 346	0.07 364	0.07 191	0.06 176	0.07 245	0.05 108

MIM_Stereo	0.10 131	0.07 113	0.11 134	0.15 63	0.07 62	0.07 22	0.12 67	0.20 221	0.14 131	0.13 210	0.14 181	0.09 116	0.05 9	0.12 175	0.08 14	0.05 24	0.06 296	0.07 191	0.06 176	0.06 179	0.05 108

testlalala_base	0.10 131	0.09 294	0.14 248	0.21 423	0.08 123	0.10 119	0.14 152	0.13 56	0.11 52	0.08 57	0.15 194	0.07 62	0.08 134	0.11 99	0.12 222	0.08 293	0.05 153	0.05 23	0.03 1	0.07 245	0.05 108

Any-RAFT	0.10 131	0.05 11	0.10 92	0.15 63	0.07 62	0.13 228	0.14 152	0.21 238	0.15 148	0.11 149	0.12 153	0.13 211	0.10 181	0.13 225	0.10 108	0.07 234	0.04 20	0.05 23	0.04 31	0.06 179	0.05 108

4D-IteraStereo	0.10 131	0.07 113	0.10 92	0.18 286	0.07 62	0.09 78	0.15 221	0.18 181	0.15 148	0.10 115	0.11 139	0.10 147	0.07 98	0.12 175	0.09 41	0.05 24	0.03 1	0.08 268	0.07 265	0.06 179	0.05 108

fff	0.10 131	0.06 46	0.12 172	0.15 63	0.07 62	0.09 78	0.17 306	0.16 119	0.21 268	0.13 210	0.17 230	0.10 147	0.11 211	0.12 175	0.13 257	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

ADStereo(finetuned)	0.10 131	0.06 46	0.13 204	0.16 130	0.06 11	0.09 78	0.17 306	0.16 119	0.20 254	0.13 210	0.18 253	0.10 147	0.12 242	0.12 175	0.12 222	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.05 108

TRStereo	0.10 131	0.05 11	0.12 172	0.16 130	0.12 409	0.10 119	0.13 104	0.18 181	0.19 233	0.09 85	0.09 86	0.09 116	0.07 98	0.10 54	0.08 14	0.07 234	0.05 153	0.07 191	0.07 265	0.04 13	0.04 28

STrans-v2	0.10 131	0.07 113	0.13 204	0.18 286	0.08 123	0.10 119	0.14 152	0.22 261	0.11 52	0.11 149	0.15 194	0.12 188	0.10 181	0.11 99	0.12 222	0.05 24	0.04 20	0.06 97	0.06 176	0.05 93	0.05 108

TransformOpticalFlow	0.10 131	0.08 224	0.13 204	0.18 286	0.07 62	0.09 78	0.15 221	0.19 208	0.16 174	0.12 181	0.16 211	0.11 167	0.11 211	0.11 99	0.11 165	0.05 24	0.04 20	0.06 97	0.06 176	0.05 93	0.05 108

AnonymousM	0.10 131	0.06 46	0.10 92	0.14 26	0.07 62	0.09 78	0.13 104	0.19 208	0.14 131	0.13 210	0.12 153	0.09 116	0.08 134	0.13 225	0.10 108	0.08 293	0.05 153	0.08 268	0.05 104	0.05 93	0.05 108

cross-raft	0.10 131	0.09 294	0.09 61	0.19 344	0.07 62	0.11 159	0.24 460	0.13 56	0.15 148	0.08 57	0.10 109	0.12 188	0.10 181	0.09 32	0.11 165	0.05 24	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

test-1	0.10 131	0.07 113	0.17 348	0.19 344	0.08 123	0.11 159	0.24 460	0.15 94	0.18 212	0.09 85	0.07 33	0.10 147	0.08 134	0.08 13	0.09 41	0.06 108	0.04 20	0.06 97	0.06 176	0.04 13	0.05 108

iRaftStereo_RVC	0.10 131	0.07 113	0.10 92	0.17 205	0.09 223	0.11 159	0.17 306	0.18 181	0.12 79	0.09 85	0.11 139	0.10 147	0.07 98	0.11 99	0.10 108	0.05 24	0.04 20	0.08 268	0.08 331	0.04 13	0.04 28

s12784h	0.10 131	0.06 46	0.08 18	0.15 63	0.05 1	0.16 321	0.18 353	0.16 119	0.15 148	0.10 115	0.11 139	0.11 167	0.11 211	0.11 99	0.12 222	0.05 24	0.04 20	0.06 97	0.04 31	0.04 13	0.04 28

DCANet	0.10 131	0.06 46	0.12 172	0.16 130	0.06 11	0.09 78	0.17 306	0.16 119	0.20 254	0.13 210	0.18 253	0.10 147	0.11 211	0.11 99	0.12 222	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.05 108

csc	0.10 131	0.06 46	0.12 172	0.15 63	0.07 62	0.09 78	0.17 306	0.16 119	0.21 268	0.13 210	0.17 230	0.10 147	0.11 211	0.12 175	0.13 257	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

cscssc	0.10 131	0.06 46	0.12 172	0.15 63	0.07 62	0.09 78	0.17 306	0.16 119	0.21 268	0.13 210	0.17 230	0.10 147	0.11 211	0.12 175	0.13 257	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

R-Stereo Train	0.10 131	0.06 46	0.11 134	0.17 205	0.08 123	0.11 159	0.14 152	0.24 302	0.11 52	0.12 181	0.19 267	0.11 167	0.08 134	0.10 54	0.11 165	0.07 234	0.05 153	0.06 97	0.05 104	0.05 93	0.05 108

RAFT-Stereo	0.10 131	0.06 46	0.11 134	0.17 205	0.08 123	0.11 159	0.14 152	0.24 302	0.11 52	0.12 181	0.19 267	0.11 167	0.08 134	0.10 54	0.11 165	0.07 234	0.05 153	0.06 97	0.05 104	0.05 93	0.05 108
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
xyz-stereo-finetune2	0.11 170	0.07 113	0.13 204	0.13 8	0.07 62	0.11 159	0.19 395	0.17 154	0.12 79	0.15 257	0.15 194	0.17 292	0.13 273	0.13 225	0.11 165	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.06 184

xyz-stereo-finetune	0.11 170	0.08 224	0.13 204	0.14 26	0.06 11	0.10 119	0.19 395	0.18 181	0.19 233	0.12 181	0.14 181	0.15 255	0.11 211	0.13 225	0.12 222	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.05 108

HI	0.11 170	0.06 46	0.12 172	0.13 8	0.09 223	0.09 78	0.14 152	0.22 261	0.11 52	0.20 366	0.17 230	0.14 230	0.10 181	0.16 297	0.09 41	0.05 24	0.04 20	0.07 191	0.08 331	0.07 245	0.06 184

CoSv	0.11 170	0.06 46	0.12 172	0.13 8	0.09 223	0.09 78	0.14 152	0.22 261	0.11 52	0.20 366	0.17 230	0.14 230	0.10 181	0.16 297	0.09 41	0.05 24	0.04 20	0.07 191	0.08 331	0.07 245	0.06 184

rvit_stereo_0081	0.11 170	0.08 224	0.16 325	0.16 130	0.09 223	0.11 159	0.14 152	0.14 70	0.24 310	0.11 149	0.13 168	0.14 230	0.09 159	0.11 99	0.12 222	0.10 383	0.07 364	0.08 268	0.07 265	0.07 245	0.06 184

rvit_stereo_0082	0.11 170	0.08 224	0.16 325	0.16 130	0.09 223	0.11 159	0.14 152	0.14 70	0.24 310	0.11 149	0.13 168	0.14 230	0.09 159	0.11 99	0.12 222	0.10 383	0.07 364	0.08 268	0.07 265	0.07 245	0.06 184

AIO-Stereo-zeroshot1	0.11 170	0.05 11	0.14 248	0.16 130	0.21 507	0.09 78	0.17 306	0.21 238	0.16 174	0.11 149	0.15 194	0.10 147	0.07 98	0.10 54	0.08 14	0.06 108	0.05 153	0.07 191	0.07 265	0.07 245	0.09 373

AIO-Stereo-zeroshot	0.11 170	0.05 11	0.12 172	0.15 63	0.13 434	0.14 267	0.16 280	0.23 279	0.18 212	0.10 115	0.13 168	0.10 147	0.07 98	0.12 175	0.09 41	0.06 108	0.05 153	0.06 97	0.06 176	0.07 245	0.08 329

CAS++	0.11 170	0.07 113	0.11 134	0.14 26	0.10 328	0.13 228	0.14 152	0.24 302	0.14 131	0.11 149	0.09 86	0.11 167	0.07 98	0.14 252	0.09 41	0.11 414	0.09 419	0.09 350	0.07 265	0.07 245	0.08 329
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
Former-RAFT_DAM_RVC	0.11 170	0.08 224	0.13 204	0.16 130	0.08 123	0.15 293	0.16 280	0.18 181	0.19 233	0.10 115	0.09 86	0.09 116	0.08 134	0.11 99	0.12 222	0.07 234	0.05 153	0.08 268	0.06 176	0.07 245	0.06 184

xx1	0.11 170	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.16 119	0.18 212	0.09 85	0.09 86	0.16 275	0.16 347	0.10 54	0.07 1	0.06 108	0.05 153	0.08 268	0.08 331	0.07 245	0.07 260

1test111	0.11 170	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.24 302	0.16 174	0.09 85	0.09 86	0.06 14	0.06 34	0.15 270	0.16 346	0.06 108	0.05 153	0.06 97	0.05 104	0.07 245	0.07 260

plain	0.11 170	0.09 294	0.10 92	0.19 344	0.09 223	0.11 159	0.14 152	0.14 70	0.13 109	0.13 210	0.15 194	0.09 116	0.12 242	0.13 225	0.12 222	0.07 234	0.05 153	0.09 350	0.06 176	0.06 179	0.06 184

MIF-Stereo (partial)	0.11 170	0.06 46	0.10 92	0.19 344	0.10 328	0.10 119	0.12 67	0.17 154	0.19 233	0.14 233	0.16 211	0.10 147	0.11 211	0.12 175	0.12 222	0.08 293	0.05 153	0.08 268	0.07 265	0.06 179	0.07 260

EKT-Stereo	0.11 170	0.07 113	0.14 248	0.16 130	0.10 328	0.13 228	0.14 152	0.19 208	0.21 268	0.11 149	0.08 66	0.13 211	0.10 181	0.11 99	0.12 222	0.08 293	0.06 296	0.07 191	0.06 176	0.08 310	0.07 260

LL-Strereo2	0.11 170	0.10 359	0.16 325	0.18 286	0.08 123	0.15 293	0.09 17	0.17 154	0.14 131	0.14 233	0.11 139	0.09 116	0.07 98	0.16 297	0.10 108	0.05 24	0.05 153	0.11 425	0.07 265	0.06 179	0.05 108

anonymousdsp2	0.11 170	0.07 113	0.11 134	0.16 130	0.09 223	0.13 228	0.14 152	0.19 208	0.23 300	0.13 210	0.14 181	0.12 188	0.09 159	0.14 252	0.11 165	0.05 24	0.05 153	0.05 23	0.04 31	0.06 179	0.06 184

DCRE	0.11 170	0.07 113	0.13 204	0.16 130	0.11 380	0.11 159	0.17 306	0.18 181	0.17 198	0.11 149	0.18 253	0.11 167	0.10 181	0.15 270	0.11 165	0.06 108	0.05 153	0.06 97	0.06 176	0.05 93	0.05 108

knoymous	0.11 170	0.06 46	0.12 172	0.14 26	0.07 62	0.15 293	0.13 104	0.20 221	0.14 131	0.11 149	0.17 230	0.13 211	0.09 159	0.14 252	0.11 165	0.09 346	0.05 153	0.06 97	0.05 104	0.07 245	0.07 260

riskmin	0.11 170	0.06 46	0.13 204	0.14 26	0.08 123	0.14 267	0.14 152	0.18 181	0.15 148	0.12 181	0.15 194	0.17 292	0.11 211	0.14 252	0.12 222	0.09 346	0.05 153	0.07 191	0.05 104	0.08 310	0.08 329

Selective-RAFT	0.11 170	0.11 383	0.12 172	0.21 423	0.08 123	0.16 321	0.13 104	0.21 238	0.23 300	0.10 115	0.10 109	0.11 167	0.10 181	0.15 270	0.11 165	0.05 24	0.05 153	0.06 97	0.05 104	0.06 179	0.05 108

DCANet-4	0.11 170	0.07 113	0.13 204	0.16 130	0.06 11	0.09 78	0.17 306	0.18 181	0.20 254	0.13 210	0.17 230	0.09 116	0.14 305	0.12 175	0.13 257	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

DisPM	0.11 170	0.07 113	0.13 204	0.16 130	0.09 223	0.06 7	0.13 104	0.18 181	0.17 198	0.14 233	0.19 267	0.12 188	0.10 181	0.12 175	0.11 165	0.07 234	0.05 153	0.07 191	0.06 176	0.06 179	0.11 422

test_4	0.11 170	0.10 359	0.08 18	0.19 344	0.09 223	0.08 46	0.21 429	0.15 94	0.18 212	0.12 181	0.18 253	0.12 188	0.09 159	0.08 13	0.11 165	0.04 6	0.04 20	0.08 268	0.08 331	0.04 13	0.04 28

CIPLG	0.11 170	0.08 224	0.15 284	0.17 205	0.08 123	0.13 228	0.15 221	0.17 154	0.16 174	0.14 233	0.11 139	0.16 275	0.10 181	0.17 336	0.12 222	0.07 234	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

GLC_STEREO	0.11 170	0.07 113	0.11 134	0.18 286	0.07 62	0.08 46	0.13 104	0.16 119	0.24 310	0.12 181	0.13 168	0.12 188	0.08 134	0.18 353	0.12 222	0.06 108	0.08 395	0.08 268	0.06 176	0.05 93	0.05 108

IPLG	0.11 170	0.08 224	0.15 284	0.17 205	0.08 123	0.11 159	0.14 152	0.20 221	0.15 148	0.13 210	0.18 253	0.07 62	0.07 98	0.14 252	0.14 293	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

IPLGR_C	0.11 170	0.08 224	0.15 284	0.17 205	0.08 123	0.12 199	0.15 221	0.17 154	0.15 148	0.14 233	0.11 139	0.16 275	0.10 181	0.16 297	0.12 222	0.07 234	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

MIPNet	0.11 170	0.08 224	0.15 284	0.17 205	0.09 223	0.12 199	0.14 152	0.21 238	0.25 334	0.12 181	0.10 109	0.09 116	0.07 98	0.13 225	0.13 257	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

IPLGR	0.11 170	0.09 294	0.17 348	0.18 286	0.08 123	0.13 228	0.16 280	0.21 238	0.24 310	0.12 181	0.12 153	0.11 167	0.09 159	0.13 225	0.12 222	0.06 108	0.05 153	0.06 97	0.06 176	0.05 93	0.04 28

GMOStereo	0.11 170	0.09 294	0.08 18	0.19 344	0.08 123	0.12 199	0.28 494	0.13 56	0.18 212	0.11 149	0.17 230	0.14 230	0.12 242	0.07 3	0.07 1	0.05 24	0.05 153	0.09 350	0.07 265	0.04 13	0.04 28

error version	0.11 170	0.09 294	0.08 18	0.19 344	0.08 123	0.12 199	0.28 494	0.13 56	0.18 212	0.11 149	0.17 230	0.14 230	0.12 242	0.07 3	0.07 1	0.05 24	0.05 153	0.09 350	0.07 265	0.04 13	0.04 28

test-v	0.11 170	0.09 294	0.08 18	0.19 344	0.08 123	0.12 199	0.28 494	0.13 56	0.18 212	0.11 149	0.17 230	0.14 230	0.12 242	0.07 3	0.07 1	0.05 24	0.05 153	0.09 350	0.07 265	0.04 13	0.04 28

ACRE	0.11 170	0.08 224	0.15 284	0.17 205	0.08 123	0.13 228	0.15 221	0.17 154	0.14 131	0.14 233	0.11 139	0.16 275	0.10 181	0.16 297	0.12 222	0.07 234	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

test_3	0.11 170	0.09 294	0.10 92	0.21 423	0.08 123	0.13 228	0.25 477	0.14 70	0.21 268	0.10 115	0.10 109	0.09 116	0.10 181	0.08 13	0.11 165	0.05 24	0.04 20	0.08 268	0.07 265	0.04 13	0.04 28

LCNet	0.11 170	0.07 113	0.09 61	0.19 344	0.09 223	0.08 46	0.14 152	0.21 238	0.15 148	0.12 181	0.15 194	0.16 275	0.11 211	0.12 175	0.11 165	0.05 24	0.04 20	0.08 268	0.07 265	0.06 179	0.14 469

HHNet	0.11 170	0.06 46	0.16 325	0.15 63	0.14 450	0.07 22	0.13 104	0.20 221	0.18 212	0.15 257	0.25 352	0.11 167	0.09 159	0.13 225	0.10 108	0.06 108	0.04 20	0.08 268	0.06 176	0.05 93	0.09 373

Patchmatch Stereo++	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260
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
OMP-Stereo	0.11 170	0.07 113	0.14 248	0.18 286	0.08 123	0.09 78	0.12 67	0.21 238	0.21 268	0.13 210	0.14 181	0.11 167	0.12 242	0.11 99	0.13 257	0.06 108	0.05 153	0.07 191	0.06 176	0.05 93	0.04 28

IIG-Stereo	0.11 170	0.06 46	0.13 204	0.17 205	0.08 123	0.11 159	0.12 67	0.22 261	0.18 212	0.14 233	0.17 230	0.12 188	0.13 273	0.12 175	0.13 257	0.06 108	0.05 153	0.07 191	0.06 176	0.06 179	0.05 108

NF-Stereo	0.11 170	0.07 113	0.13 204	0.17 205	0.09 223	0.10 119	0.13 104	0.23 279	0.19 233	0.12 181	0.17 230	0.12 188	0.12 242	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.12 441

OCTAStereo	0.11 170	0.07 113	0.14 248	0.17 205	0.09 223	0.10 119	0.13 104	0.23 279	0.19 233	0.12 181	0.17 230	0.12 188	0.12 242	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.11 422

NRIStereo	0.11 170	0.08 224	0.15 284	0.18 286	0.08 123	0.10 119	0.13 104	0.17 154	0.15 148	0.12 181	0.15 194	0.13 211	0.13 273	0.13 225	0.10 108	0.06 108	0.04 20	0.07 191	0.06 176	0.06 179	0.07 260

PSM-adaLoss	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.12 67	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

PSM-AAD	0.11 170	0.07 113	0.10 92	0.20 393	0.09 223	0.10 119	0.14 152	0.21 238	0.13 109	0.12 181	0.14 181	0.18 307	0.11 211	0.11 99	0.10 108	0.05 24	0.05 153	0.09 350	0.08 331	0.06 179	0.14 469

ROB_FTStereo_v2	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.12 67	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

ROB_FTStereo	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

HUI-Stereo	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

ASMatch	0.11 170	0.06 46	0.13 204	0.17 205	0.10 328	0.08 46	0.14 152	0.18 181	0.16 174	0.12 181	0.16 211	0.16 275	0.11 211	0.13 225	0.11 165	0.05 24	0.04 20	0.06 97	0.06 176	0.04 13	0.09 373

SST-Stereo	0.11 170	0.07 113	0.16 325	0.18 286	0.09 223	0.06 7	0.12 67	0.18 181	0.10 29	0.15 257	0.18 253	0.13 211	0.12 242	0.10 54	0.11 165	0.06 108	0.04 20	0.09 350	0.06 176	0.07 245	0.06 184

RAFT_R40	0.11 170	0.07 113	0.15 284	0.18 286	0.09 223	0.06 7	0.13 104	0.17 154	0.15 148	0.14 233	0.18 253	0.15 255	0.12 242	0.10 54	0.11 165	0.06 108	0.04 20	0.09 350	0.06 176	0.06 179	0.05 108

GrayStereo	0.11 170	0.06 46	0.11 134	0.19 344	0.09 223	0.09 78	0.16 280	0.18 181	0.17 198	0.14 233	0.17 230	0.17 292	0.11 211	0.12 175	0.11 165	0.05 24	0.05 153	0.07 191	0.06 176	0.06 179	0.10 400

RE-Stereo	0.11 170	0.07 113	0.13 204	0.17 205	0.09 223	0.10 119	0.13 104	0.23 279	0.19 233	0.12 181	0.17 230	0.12 188	0.12 242	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.11 422

Pruner-Stereo	0.11 170	0.07 113	0.12 172	0.17 205	0.09 223	0.06 7	0.12 67	0.18 181	0.17 198	0.14 233	0.19 267	0.13 211	0.10 181	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.06 179	0.08 329

TVStereo	0.11 170	0.07 113	0.13 204	0.17 205	0.09 223	0.10 119	0.13 104	0.23 279	0.19 233	0.12 181	0.17 230	0.12 188	0.12 242	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.11 422

DeepStereo_RVC	0.11 170	0.08 224	0.17 348	0.18 286	0.08 123	0.08 46	0.11 44	0.17 154	0.12 79	0.13 210	0.15 194	0.12 188	0.12 242	0.12 175	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.08 329

iGMRVC	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.12 67	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

RAFT-345	0.11 170	0.07 113	0.16 325	0.17 205	0.08 123	0.08 46	0.12 67	0.16 119	0.10 29	0.11 149	0.34 442	0.09 116	0.10 181	0.11 99	0.12 222	0.05 24	0.05 153	0.07 191	0.06 176	0.04 13	0.05 108

iRAFT	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

CRE-IMP	0.11 170	0.09 294	0.16 325	0.19 344	0.09 223	0.10 119	0.12 67	0.18 181	0.10 29	0.14 233	0.14 181	0.14 230	0.13 273	0.12 175	0.12 222	0.07 234	0.04 20	0.08 268	0.06 176	0.08 310	0.08 329

test-2	0.11 170	0.09 294	0.08 18	0.19 344	0.08 123	0.12 199	0.28 494	0.13 56	0.18 212	0.11 149	0.17 230	0.14 230	0.12 242	0.07 3	0.07 1	0.05 24	0.05 153	0.09 350	0.07 265	0.04 13	0.04 28

GMM-Stereo	0.11 170	0.07 113	0.10 92	0.18 286	0.09 223	0.08 46	0.14 152	0.24 302	0.16 174	0.11 149	0.15 194	0.13 211	0.11 211	0.11 99	0.11 165	0.05 24	0.04 20	0.08 268	0.07 265	0.06 179	0.09 373

RAFT-IKP	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

Prome-Stereo	0.11 170	0.07 113	0.11 134	0.18 286	0.09 223	0.12 199	0.14 152	0.23 279	0.13 109	0.13 210	0.16 211	0.13 211	0.08 134	0.12 175	0.10 108	0.05 24	0.05 153	0.07 191	0.06 176	0.06 179	0.10 400

rafts_anoy	0.11 170	0.06 46	0.10 92	0.17 205	0.08 123	0.10 119	0.14 152	0.18 181	0.14 131	0.13 210	0.13 168	0.12 188	0.11 211	0.11 99	0.13 257	0.07 234	0.05 153	0.09 350	0.11 437	0.07 245	0.06 184

raft+_RVC	0.11 170	0.07 113	0.09 61	0.16 130	0.07 62	0.10 119	0.11 44	0.24 302	0.20 254	0.12 181	0.15 194	0.12 188	0.08 134	0.12 175	0.13 257	0.07 234	0.04 20	0.07 191	0.06 176	0.05 93	0.05 108

RALCasStereoNet	0.11 170	0.07 113	0.09 61	0.16 130	0.08 123	0.13 228	0.14 152	0.17 154	0.11 52	0.12 181	0.17 230	0.14 230	0.10 181	0.12 175	0.11 165	0.07 234	0.06 296	0.06 97	0.05 104	0.08 310	0.07 260

RALAANet	0.11 170	0.08 224	0.10 92	0.17 205	0.09 223	0.14 267	0.10 25	0.20 221	0.16 174	0.14 233	0.13 168	0.16 275	0.09 159	0.12 175	0.12 222	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.04 28

111	0.11 170	0.06 46	0.12 172	0.15 63	0.07 62	0.10 119	0.14 152	0.21 238	0.24 310	0.11 149	0.12 153	0.14 230	0.12 242	0.13 225	0.10 108	0.06 108	0.04 20	0.06 97	0.04 31	0.06 179	0.05 108

DIP-Stereo	0.11 170	0.08 224	0.15 284	0.17 205	0.09 223	0.13 228	0.09 17	0.16 119	0.16 174	0.12 181	0.16 211	0.14 230	0.12 242	0.16 297	0.14 293	0.06 108	0.05 153	0.06 97	0.05 104	0.05 93	0.07 260
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.11 170	0.06 46	0.12 172	0.14 26	0.06 11	0.12 199	0.10 25	0.18 181	0.18 212	0.13 210	0.17 230	0.15 255	0.11 211	0.15 270	0.14 293	0.06 108	0.04 20	0.04 1	0.04 31	0.06 179	0.05 108
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
rvit_stereo_0083	0.12 241	0.08 224	0.17 348	0.16 130	0.09 223	0.11 159	0.15 221	0.15 94	0.26 347	0.11 149	0.14 181	0.13 211	0.10 181	0.12 175	0.13 257	0.10 383	0.08 395	0.09 350	0.07 265	0.07 245	0.06 184

rvit_stereo_0081_aga	0.12 241	0.09 294	0.15 284	0.18 286	0.10 328	0.14 267	0.14 152	0.14 70	0.19 233	0.10 115	0.18 253	0.16 275	0.09 159	0.12 175	0.10 108	0.10 383	0.06 296	0.08 268	0.07 265	0.07 245	0.06 184

rvit_stereo_ft	0.12 241	0.07 113	0.13 204	0.19 344	0.10 328	0.12 199	0.17 306	0.16 119	0.16 174	0.13 210	0.13 168	0.15 255	0.10 181	0.14 252	0.13 257	0.10 383	0.06 296	0.08 268	0.07 265	0.07 245	0.06 184

MyStereo8	0.12 241	0.07 113	0.15 284	0.15 63	0.09 223	0.18 360	0.14 152	0.19 208	0.22 290	0.12 181	0.18 253	0.11 167	0.10 181	0.16 297	0.18 376	0.07 234	0.05 153	0.07 191	0.05 104	0.08 310	0.09 373

CoDeX	0.12 241	0.07 113	0.13 204	0.17 205	0.08 123	0.12 199	0.16 280	0.23 279	0.27 359	0.13 210	0.17 230	0.15 255	0.12 242	0.14 252	0.11 165	0.07 234	0.05 153	0.07 191	0.06 176	0.06 179	0.05 108

11t1	0.12 241	0.07 113	0.14 248	0.14 26	0.08 123	0.17 344	0.15 221	0.19 208	0.15 148	0.15 257	0.15 194	0.17 292	0.16 347	0.15 270	0.13 257	0.08 293	0.05 153	0.06 97	0.05 104	0.08 310	0.07 260

ffm	0.12 241	0.09 294	0.15 284	0.16 130	0.09 223	0.17 344	0.17 306	0.15 94	0.19 233	0.15 257	0.26 365	0.19 316	0.13 273	0.10 54	0.08 14	0.06 108	0.05 153	0.09 350	0.08 331	0.06 179	0.06 184

RAFT_CTSACE	0.12 241	0.09 294	0.10 92	0.22 443	0.08 123	0.12 199	0.24 460	0.18 181	0.17 198	0.21 381	0.27 382	0.13 211	0.07 98	0.13 225	0.09 41	0.05 24	0.06 296	0.08 268	0.07 265	0.04 13	0.04 28

Sa-1000	0.12 241	0.08 224	0.09 61	0.18 286	0.08 123	0.15 293	0.22 440	0.22 261	0.19 233	0.15 257	0.20 277	0.17 292	0.11 211	0.10 54	0.10 108	0.06 108	0.05 153	0.09 350	0.09 374	0.05 93	0.05 108

iRaft-Stereo_5w	0.12 241	0.09 294	0.12 172	0.20 393	0.08 123	0.09 78	0.12 67	0.22 261	0.22 290	0.19 345	0.14 181	0.11 167	0.09 159	0.20 396	0.16 346	0.05 24	0.05 153	0.07 191	0.06 176	0.05 93	0.06 184

CrosDoStereo	0.12 241	0.07 113	0.12 172	0.14 26	0.09 223	0.12 199	0.15 221	0.17 154	0.22 290	0.19 345	0.24 325	0.15 255	0.11 211	0.11 99	0.12 222	0.06 108	0.05 153	0.07 191	0.07 265	0.05 93	0.05 108

PFNet+	0.12 241	0.06 46	0.14 248	0.16 130	0.09 223	0.05 3	0.12 67	0.18 181	0.21 268	0.16 286	0.19 267	0.14 230	0.10 181	0.11 99	0.11 165	0.08 293	0.05 153	0.09 350	0.08 331	0.06 179	0.11 422

AAGNet	0.12 241	0.08 224	0.17 348	0.19 344	0.09 223	0.08 46	0.13 104	0.19 208	0.13 109	0.16 286	0.21 294	0.13 211	0.14 305	0.11 99	0.14 293	0.06 108	0.04 20	0.09 350	0.06 176	0.06 179	0.05 108

PSM-softLoss	0.12 241	0.07 113	0.15 284	0.17 205	0.09 223	0.08 46	0.12 67	0.24 302	0.17 198	0.15 257	0.19 267	0.13 211	0.11 211	0.11 99	0.11 165	0.07 234	0.05 153	0.08 268	0.07 265	0.07 245	0.12 441

KMStereo	0.12 241	0.07 113	0.15 284	0.17 205	0.09 223	0.08 46	0.12 67	0.24 302	0.17 198	0.15 257	0.19 267	0.13 211	0.11 211	0.11 99	0.11 165	0.07 234	0.05 153	0.08 268	0.07 265	0.07 245	0.12 441

FTStereo	0.12 241	0.07 113	0.14 248	0.18 286	0.09 223	0.07 22	0.15 221	0.22 261	0.18 212	0.12 181	0.24 325	0.11 167	0.13 273	0.13 225	0.14 293	0.05 24	0.05 153	0.07 191	0.07 265	0.06 179	0.10 400

KYRaft	0.12 241	0.07 113	0.10 92	0.19 344	0.09 223	0.08 46	0.15 221	0.23 279	0.12 79	0.13 210	0.16 211	0.20 333	0.10 181	0.12 175	0.11 165	0.06 108	0.04 20	0.08 268	0.08 331	0.06 179	0.15 483

DeepStereo_LL	0.12 241	0.07 113	0.12 172	0.14 26	0.09 223	0.12 199	0.15 221	0.17 154	0.22 290	0.19 345	0.24 325	0.15 255	0.11 211	0.11 99	0.12 222	0.06 108	0.05 153	0.07 191	0.07 265	0.05 93	0.05 108

DEmStereo	0.12 241	0.06 46	0.14 248	0.14 26	0.10 328	0.16 321	0.15 221	0.16 119	0.24 310	0.17 298	0.23 313	0.12 188	0.14 305	0.12 175	0.14 293	0.05 24	0.04 20	0.07 191	0.06 176	0.05 93	0.05 108

THIR-Stereo	0.12 241	0.07 113	0.11 134	0.15 63	0.08 123	0.14 267	0.16 280	0.18 181	0.25 334	0.17 298	0.24 325	0.13 211	0.13 273	0.12 175	0.14 293	0.06 108	0.05 153	0.07 191	0.07 265	0.05 93	0.05 108

DRaft	0.12 241	0.06 46	0.12 172	0.14 26	0.09 223	0.14 267	0.17 306	0.21 238	0.30 388	0.18 330	0.27 382	0.10 147	0.16 347	0.11 99	0.12 222	0.05 24	0.04 20	0.07 191	0.07 265	0.05 93	0.05 108

PFNet	0.12 241	0.06 46	0.17 348	0.18 286	0.08 123	0.09 78	0.15 221	0.26 335	0.20 254	0.16 286	0.16 211	0.14 230	0.12 242	0.13 225	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.05 93	0.05 108

RAFT-RH_RVC	0.12 241	0.06 46	0.14 248	0.16 130	0.09 223	0.12 199	0.12 67	0.17 154	0.12 79	0.13 210	0.40 472	0.11 167	0.10 181	0.13 225	0.12 222	0.05 24	0.04 20	0.08 268	0.05 104	0.05 93	0.06 184

IRAFT_RVC	0.12 241	0.08 224	0.17 348	0.19 344	0.08 123	0.07 22	0.14 152	0.25 322	0.23 300	0.14 233	0.15 194	0.15 255	0.12 242	0.12 175	0.11 165	0.06 108	0.04 20	0.09 350	0.06 176	0.06 179	0.06 184

sCroCo_RVC	0.12 241	0.09 294	0.24 440	0.24 472	0.11 380	0.19 381	0.14 152	0.17 154	0.15 148	0.10 115	0.13 168	0.12 188	0.07 98	0.14 252	0.11 165	0.08 293	0.08 395	0.08 268	0.08 331	0.05 93	0.07 260

ARAFT	0.12 241	0.08 224	0.18 380	0.19 344	0.09 223	0.15 293	0.17 306	0.20 221	0.13 109	0.12 181	0.13 168	0.14 230	0.12 242	0.15 270	0.13 257	0.06 108	0.05 153	0.10 395	0.09 374	0.06 179	0.04 28

BEATNet_4x	0.12 241	0.09 294	0.15 284	0.18 286	0.07 62	0.15 293	0.07 3	0.23 279	0.19 233	0.16 286	0.19 267	0.19 316	0.14 305	0.17 336	0.15 327	0.07 234	0.05 153	0.05 23	0.05 104	0.06 179	0.07 260

G2L-ROB	0.13 268	0.07 113	0.13 204	0.13 8	0.08 123	0.14 267	0.17 306	0.25 322	0.19 233	0.20 366	0.19 267	0.20 333	0.14 305	0.18 353	0.16 346	0.08 293	0.05 153	0.06 97	0.05 104	0.08 310	0.09 373

DFGA-Net	0.13 268	0.11 383	0.19 403	0.18 286	0.10 328	0.13 228	0.13 104	0.23 279	0.25 334	0.16 286	0.16 211	0.13 211	0.12 242	0.17 336	0.15 327	0.07 234	0.05 153	0.08 268	0.07 265	0.05 93	0.05 108

FACV-RUCA	0.13 268	0.11 383	0.13 204	0.19 344	0.12 409	0.15 293	0.16 280	0.22 261	0.21 268	0.16 286	0.16 211	0.15 255	0.16 347	0.14 252	0.13 257	0.07 234	0.05 153	0.08 268	0.06 176	0.10 405	0.08 329

UGAM	0.13 268	0.10 359	0.09 61	0.22 443	0.08 123	0.13 228	0.20 413	0.18 181	0.24 310	0.22 395	0.16 211	0.13 211	0.13 273	0.19 378	0.13 257	0.07 234	0.05 153	0.13 458	0.11 437	0.07 245	0.05 108

test_sample2	0.13 268	0.07 113	0.12 172	0.14 26	0.08 123	0.16 321	0.18 353	0.21 238	0.16 174	0.14 233	0.21 294	0.20 333	0.15 326	0.15 270	0.13 257	0.08 293	0.06 296	0.07 191	0.06 176	0.08 310	0.08 329

test_sample1	0.13 268	0.07 113	0.14 248	0.14 26	0.08 123	0.19 381	0.17 306	0.20 221	0.15 148	0.14 233	0.22 309	0.18 307	0.16 347	0.17 336	0.15 327	0.07 234	0.06 296	0.06 97	0.06 176	0.08 310	0.08 329

MyStereo05	0.13 268	0.07 113	0.10 92	0.17 205	0.09 223	0.13 228	0.18 353	0.28 373	0.35 432	0.17 298	0.14 181	0.15 255	0.11 211	0.15 270	0.13 257	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.06 184

MyStereo04	0.13 268	0.07 113	0.10 92	0.17 205	0.09 223	0.14 267	0.17 306	0.29 391	0.38 449	0.17 298	0.14 181	0.16 275	0.11 211	0.15 270	0.13 257	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.06 184

ff1	0.13 268	0.09 294	0.15 284	0.16 130	0.09 223	0.17 344	0.17 306	0.15 94	0.19 233	0.15 257	0.26 365	0.19 316	0.13 273	0.15 270	0.22 426	0.06 108	0.05 153	0.09 350	0.08 331	0.06 179	0.06 184

LL-Strereo	0.13 268	0.10 359	0.12 172	0.20 393	0.10 328	0.11 159	0.18 353	0.33 436	0.25 334	0.16 286	0.16 211	0.14 230	0.14 305	0.19 378	0.11 165	0.06 108	0.05 153	0.09 350	0.08 331	0.04 13	0.05 108

anonymousa	0.13 268	0.07 113	0.14 248	0.18 286	0.09 223	0.13 228	0.17 306	0.20 221	0.29 382	0.15 257	0.24 325	0.16 275	0.14 305	0.14 252	0.14 293	0.07 234	0.05 153	0.07 191	0.09 374	0.05 93	0.07 260

TestStereo1	0.13 268	0.08 224	0.08 18	0.20 393	0.08 123	0.18 360	0.29 505	0.23 279	0.17 198	0.17 298	0.20 277	0.16 275	0.11 211	0.12 175	0.13 257	0.06 108	0.06 296	0.08 268	0.06 176	0.05 93	0.05 108

qqq	0.13 268	0.09 294	0.15 284	0.16 130	0.08 123	0.13 228	0.15 221	0.24 302	0.16 174	0.15 257	0.19 267	0.16 275	0.16 347	0.15 270	0.16 346	0.07 234	0.06 296	0.08 268	0.08 331	0.07 245	0.07 260

x	0.13 268	0.08 224	0.15 284	0.14 26	0.08 123	0.19 381	0.14 152	0.22 261	0.21 268	0.15 257	0.20 277	0.20 333	0.18 384	0.18 353	0.18 376	0.07 234	0.05 153	0.06 97	0.06 176	0.07 245	0.07 260

raft_robust	0.13 268	0.10 359	0.07 3	0.18 286	0.08 123	0.13 228	0.24 460	0.29 391	0.34 419	0.20 366	0.20 277	0.15 255	0.10 181	0.11 99	0.12 222	0.05 24	0.05 153	0.07 191	0.07 265	0.05 93	0.04 28

RAFT+CT+SA	0.13 268	0.11 383	0.09 61	0.19 344	0.09 223	0.15 293	0.28 494	0.22 261	0.22 290	0.15 257	0.26 365	0.10 147	0.10 181	0.11 99	0.12 222	0.05 24	0.04 20	0.07 191	0.08 331	0.07 245	0.06 184

SA-5K	0.13 268	0.08 224	0.08 18	0.20 393	0.08 123	0.18 360	0.29 505	0.23 279	0.17 198	0.17 298	0.20 277	0.16 275	0.11 211	0.12 175	0.13 257	0.06 108	0.06 296	0.08 268	0.06 176	0.05 93	0.05 108

SA	0.13 268	0.09 294	0.09 61	0.18 286	0.08 123	0.12 199	0.24 460	0.23 279	0.19 233	0.17 298	0.27 382	0.15 255	0.11 211	0.11 99	0.11 165	0.05 24	0.05 153	0.09 350	0.08 331	0.05 93	0.05 108

GwcNet-ADL	0.13 268	0.08 224	0.14 248	0.20 393	0.09 223	0.12 199	0.20 413	0.30 401	0.25 334	0.14 233	0.14 181	0.18 307	0.14 305	0.13 225	0.15 327	0.07 234	0.05 153	0.06 97	0.05 104	0.07 245	0.06 184

GANet-ADL	0.13 268	0.07 113	0.15 284	0.17 205	0.10 328	0.19 381	0.15 221	0.30 401	0.21 268	0.13 210	0.18 253	0.19 316	0.13 273	0.16 297	0.14 293	0.08 293	0.06 296	0.06 97	0.05 104	0.07 245	0.08 329

RAFT	0.13 268	0.09 294	0.11 134	0.18 286	0.08 123	0.15 293	0.23 450	0.21 238	0.20 254	0.21 381	0.21 294	0.18 307	0.13 273	0.17 336	0.10 108	0.06 108	0.07 364	0.10 395	0.09 374	0.06 179	0.05 108

sAnonymous2	0.13 268	0.12 401	0.25 443	0.20 393	0.12 409	0.18 360	0.14 152	0.27 349	0.21 268	0.11 149	0.12 153	0.13 211	0.08 134	0.11 99	0.11 165	0.09 346	0.05 153	0.08 268	0.06 176	0.15 481	0.10 400

CroCo_RVC	0.13 268	0.12 401	0.25 443	0.20 393	0.12 409	0.18 360	0.14 152	0.27 349	0.21 268	0.11 149	0.12 153	0.13 211	0.08 134	0.11 99	0.11 165	0.09 346	0.05 153	0.08 268	0.06 176	0.15 481	0.10 400

RAFT + AFF	0.13 268	0.08 224	0.21 417	0.20 393	0.10 328	0.14 267	0.23 450	0.27 349	0.21 268	0.12 181	0.10 109	0.12 188	0.10 181	0.16 297	0.12 222	0.08 293	0.07 364	0.09 350	0.09 374	0.06 179	0.09 373

GMStereo	0.13 268	0.15 450	0.14 248	0.18 286	0.09 223	0.16 321	0.16 280	0.20 221	0.25 334	0.17 298	0.17 230	0.11 167	0.11 211	0.16 297	0.13 257	0.07 234	0.06 296	0.06 97	0.06 176	0.07 245	0.06 184
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 268	0.07 113	0.15 284	0.17 205	0.09 223	0.15 293	0.16 280	0.28 373	0.27 359	0.14 233	0.18 253	0.12 188	0.13 273	0.14 252	0.11 165	0.08 293	0.05 153	0.07 191	0.07 265	0.07 245	0.06 184

FENet	0.13 268	0.08 224	0.13 204	0.16 130	0.08 123	0.15 293	0.16 280	0.23 279	0.23 300	0.17 298	0.24 325	0.16 275	0.13 273	0.14 252	0.15 327	0.08 293	0.05 153	0.08 268	0.08 331	0.08 310	0.08 329

MLCV	0.13 268	0.08 224	0.17 348	0.18 286	0.06 11	0.16 321	0.17 306	0.19 208	0.22 290	0.19 345	0.25 352	0.17 292	0.13 273	0.15 270	0.14 293	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

iResNet	0.13 268	0.10 359	0.18 380	0.19 344	0.08 123	0.14 267	0.18 353	0.21 238	0.27 359	0.16 286	0.24 325	0.15 255	0.13 273	0.14 252	0.15 327	0.06 108	0.04 20	0.06 97	0.05 104	0.06 179	0.05 108

DN-CSS_ROB	0.13 268	0.13 429	0.17 348	0.18 286	0.10 328	0.16 321	0.08 7	0.22 261	0.19 233	0.17 298	0.23 313	0.13 211	0.13 273	0.13 225	0.14 293	0.05 24	0.05 153	0.10 395	0.10 408	0.08 310	0.06 184

xyz-stereo	0.14 298	0.07 113	0.22 426	0.15 63	0.05 1	0.22 424	0.15 221	0.17 154	0.31 397	0.15 257	0.28 392	0.26 407	0.17 371	0.13 225	0.12 222	0.05 24	0.05 153	0.06 97	0.05 104	0.04 13	0.04 28

G2L-Stereo_test	0.14 298	0.07 113	0.11 134	0.13 8	0.08 123	0.12 199	0.17 306	0.31 417	0.28 375	0.21 381	0.23 313	0.20 333	0.16 347	0.17 336	0.19 390	0.07 234	0.05 153	0.05 23	0.05 104	0.07 245	0.07 260

coex_refinement	0.14 298	0.07 113	0.12 172	0.17 205	0.10 328	0.16 321	0.15 221	0.27 349	0.29 382	0.18 330	0.21 294	0.22 360	0.17 371	0.16 297	0.19 390	0.08 293	0.05 153	0.06 97	0.06 176	0.09 371	0.08 329

G2L-Stereo	0.14 298	0.07 113	0.13 204	0.17 205	0.09 223	0.13 228	0.12 67	0.27 349	0.22 290	0.17 298	0.27 382	0.21 342	0.13 273	0.18 353	0.18 376	0.09 346	0.08 395	0.08 268	0.07 265	0.07 245	0.07 260

rvit_0105_6	0.14 298	0.09 294	0.18 380	0.17 205	0.10 328	0.10 119	0.17 306	0.19 208	0.26 347	0.12 181	0.18 253	0.17 292	0.13 273	0.18 353	0.13 257	0.15 480	0.11 454	0.12 444	0.10 408	0.09 371	0.06 184

rvit_0105_5	0.14 298	0.10 359	0.14 248	0.17 205	0.09 223	0.14 267	0.23 450	0.24 302	0.27 359	0.14 233	0.15 194	0.18 307	0.13 273	0.17 336	0.14 293	0.14 476	0.11 454	0.10 395	0.11 437	0.08 310	0.07 260

test_sample6	0.14 298	0.09 294	0.14 248	0.17 205	0.08 123	0.17 344	0.19 395	0.26 335	0.18 212	0.18 330	0.28 392	0.19 316	0.15 326	0.15 270	0.13 257	0.08 293	0.05 153	0.08 268	0.07 265	0.08 310	0.08 329

test_sample5	0.14 298	0.08 224	0.14 248	0.16 130	0.08 123	0.18 360	0.18 353	0.25 322	0.17 198	0.17 298	0.28 392	0.18 307	0.15 326	0.16 297	0.13 257	0.08 293	0.06 296	0.08 268	0.07 265	0.09 371	0.08 329

test_sample4	0.14 298	0.08 224	0.15 284	0.15 63	0.08 123	0.19 381	0.18 353	0.26 335	0.18 212	0.17 298	0.26 365	0.18 307	0.15 326	0.17 336	0.13 257	0.08 293	0.06 296	0.08 268	0.06 176	0.09 371	0.08 329

test_sample3	0.14 298	0.08 224	0.15 284	0.14 26	0.09 223	0.20 400	0.17 306	0.27 349	0.18 212	0.17 298	0.22 309	0.19 316	0.15 326	0.17 336	0.14 293	0.09 346	0.06 296	0.07 191	0.06 176	0.09 371	0.08 329

SMFormer	0.14 298	0.07 113	0.18 380	0.14 26	0.08 123	0.17 344	0.17 306	0.27 349	0.27 359	0.19 345	0.20 277	0.19 316	0.15 326	0.15 270	0.17 363	0.08 293	0.05 153	0.07 191	0.06 176	0.08 310	0.07 260

tta	0.14 298	0.07 113	0.18 380	0.14 26	0.08 123	0.17 344	0.17 306	0.27 349	0.27 359	0.19 345	0.20 277	0.19 316	0.15 326	0.15 270	0.17 363	0.08 293	0.05 153	0.07 191	0.06 176	0.06 179	0.06 184

qqq1	0.14 298	0.07 113	0.18 380	0.14 26	0.08 123	0.17 344	0.17 306	0.27 349	0.27 359	0.19 345	0.20 277	0.19 316	0.15 326	0.15 270	0.12 222	0.08 293	0.05 153	0.05 23	0.05 104	0.06 179	0.06 184

fff1	0.14 298	0.07 113	0.18 380	0.14 26	0.08 123	0.17 344	0.17 306	0.27 349	0.27 359	0.19 345	0.20 277	0.19 316	0.15 326	0.15 270	0.12 222	0.08 293	0.05 153	0.05 23	0.05 104	0.06 179	0.06 184

mmm	0.14 298	0.08 224	0.18 380	0.17 205	0.09 223	0.17 344	0.18 353	0.21 238	0.16 174	0.16 286	0.23 313	0.21 342	0.16 347	0.16 297	0.17 363	0.08 293	0.05 153	0.08 268	0.08 331	0.08 310	0.07 260

DualNet	0.14 298	0.08 224	0.14 248	0.16 130	0.08 123	0.18 360	0.18 353	0.25 322	0.17 198	0.18 330	0.28 392	0.18 307	0.15 326	0.16 297	0.13 257	0.08 293	0.06 296	0.08 268	0.07 265	0.09 371	0.08 329

ttt	0.14 298	0.08 224	0.14 248	0.15 63	0.08 123	0.15 293	0.18 353	0.27 349	0.30 388	0.16 286	0.24 325	0.17 292	0.14 305	0.13 225	0.14 293	0.11 414	0.08 395	0.09 350	0.08 331	0.09 371	0.09 373

StereoVision	0.14 298	0.13 429	0.10 92	0.24 472	0.10 328	0.16 321	0.21 429	0.21 238	0.20 254	0.12 181	0.25 352	0.10 147	0.10 181	0.16 297	0.10 108	0.09 346	0.10 441	0.12 444	0.12 457	0.06 179	0.05 108

PCWNet_CMD	0.14 298	0.08 224	0.15 284	0.17 205	0.09 223	0.14 267	0.14 152	0.29 391	0.36 438	0.14 233	0.20 277	0.21 342	0.13 273	0.17 336	0.14 293	0.07 234	0.05 153	0.07 191	0.07 265	0.07 245	0.07 260

gwcnet-sp	0.14 298	0.07 113	0.13 204	0.18 286	0.09 223	0.16 321	0.18 353	0.24 302	0.24 310	0.19 345	0.24 325	0.15 255	0.16 347	0.16 297	0.15 327	0.08 293	0.07 364	0.07 191	0.08 331	0.08 310	0.07 260

scenet	0.14 298	0.07 113	0.13 204	0.18 286	0.09 223	0.16 321	0.18 353	0.24 302	0.24 310	0.19 345	0.24 325	0.15 255	0.16 347	0.16 297	0.15 327	0.08 293	0.07 364	0.07 191	0.08 331	0.08 310	0.07 260

CASS	0.14 298	0.12 401	0.12 172	0.23 462	0.09 223	0.15 293	0.17 306	0.19 208	0.20 254	0.17 298	0.18 253	0.15 255	0.15 326	0.15 270	0.14 293	0.09 346	0.06 296	0.10 395	0.08 331	0.09 371	0.07 260
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.14 298	0.07 113	0.13 204	0.18 286	0.09 223	0.16 321	0.18 353	0.24 302	0.24 310	0.19 345	0.24 325	0.15 255	0.16 347	0.16 297	0.15 327	0.08 293	0.07 364	0.07 191	0.08 331	0.08 310	0.07 260

IER	0.14 298	0.08 224	0.13 204	0.17 205	0.09 223	0.14 267	0.16 280	0.26 335	0.27 359	0.18 330	0.26 365	0.17 292	0.20 414	0.17 336	0.14 293	0.08 293	0.05 153	0.07 191	0.06 176	0.08 310	0.07 260

test_5	0.14 298	0.12 401	0.08 18	0.20 393	0.10 328	0.14 267	0.28 494	0.21 238	0.24 310	0.19 345	0.28 392	0.11 167	0.15 326	0.12 175	0.13 257	0.06 108	0.05 153	0.07 191	0.08 331	0.08 310	0.07 260

psmg	0.14 298	0.09 294	0.14 248	0.17 205	0.10 328	0.15 293	0.17 306	0.29 391	0.20 254	0.17 298	0.21 294	0.25 397	0.16 347	0.16 297	0.14 293	0.08 293	0.07 364	0.08 268	0.08 331	0.07 245	0.07 260

UDGNet	0.14 298	0.13 429	0.17 348	0.18 286	0.10 328	0.12 199	0.16 280	0.21 238	0.27 359	0.20 366	0.20 277	0.17 292	0.13 273	0.16 297	0.14 293	0.10 383	0.06 296	0.09 350	0.07 265	0.07 245	0.07 260

TestStereo	0.14 298	0.15 450	0.11 134	0.23 462	0.08 123	0.15 293	0.21 429	0.20 221	0.23 300	0.14 233	0.25 352	0.16 275	0.13 273	0.16 297	0.14 293	0.06 108	0.06 296	0.08 268	0.06 176	0.09 371	0.05 108

CFNet_pseudo	0.14 298	0.08 224	0.16 325	0.16 130	0.09 223	0.13 228	0.14 152	0.27 349	0.34 419	0.15 257	0.21 294	0.22 360	0.13 273	0.18 353	0.14 293	0.07 234	0.05 153	0.08 268	0.06 176	0.07 245	0.07 260

GES	0.14 298	0.08 224	0.16 325	0.15 63	0.10 328	0.13 228	0.13 104	0.28 373	0.26 347	0.17 298	0.24 325	0.19 316	0.14 305	0.16 297	0.14 293	0.08 293	0.08 395	0.07 191	0.06 176	0.08 310	0.09 373

cf-r	0.14 298	0.07 113	0.13 204	0.16 130	0.08 123	0.14 267	0.19 395	0.21 238	0.25 334	0.17 298	0.26 365	0.22 360	0.17 371	0.14 252	0.15 327	0.10 383	0.05 153	0.06 97	0.08 331	0.06 179	0.06 184

GANet-RSSM	0.14 298	0.07 113	0.13 204	0.13 8	0.08 123	0.14 267	0.18 353	0.23 279	0.21 268	0.17 298	0.25 352	0.24 385	0.16 347	0.16 297	0.16 346	0.10 383	0.06 296	0.07 191	0.08 331	0.08 310	0.07 260

PSMNet-RSSM	0.14 298	0.07 113	0.14 248	0.15 63	0.08 123	0.13 228	0.16 280	0.25 322	0.24 310	0.17 298	0.28 392	0.23 376	0.14 305	0.16 297	0.14 293	0.11 414	0.06 296	0.09 350	0.12 457	0.08 310	0.07 260

GwcNet-RSSM	0.14 298	0.07 113	0.12 172	0.16 130	0.08 123	0.15 293	0.20 413	0.22 261	0.28 375	0.18 330	0.28 392	0.23 376	0.17 371	0.15 270	0.16 346	0.10 383	0.06 296	0.07 191	0.09 374	0.07 245	0.07 260

CFNet-ft	0.14 298	0.07 113	0.15 284	0.12 4	0.09 223	0.17 344	0.18 353	0.22 261	0.24 310	0.17 298	0.26 365	0.24 385	0.14 305	0.16 297	0.15 327	0.11 414	0.06 296	0.08 268	0.09 374	0.09 371	0.08 329

DMCA	0.14 298	0.09 294	0.17 348	0.19 344	0.09 223	0.15 293	0.17 306	0.23 279	0.28 375	0.14 233	0.20 277	0.17 292	0.18 384	0.15 270	0.17 363	0.10 383	0.06 296	0.08 268	0.06 176	0.09 371	0.10 400

MSMDNet	0.14 298	0.08 224	0.15 284	0.17 205	0.09 223	0.14 267	0.14 152	0.29 391	0.36 438	0.14 233	0.20 277	0.21 342	0.13 273	0.18 353	0.14 293	0.07 234	0.05 153	0.07 191	0.07 265	0.07 245	0.07 260

HSM-Net_RVC	0.14 298	0.08 224	0.12 172	0.15 63	0.08 123	0.16 321	0.15 221	0.27 349	0.29 382	0.20 366	0.21 294	0.29 430	0.14 305	0.18 353	0.13 257	0.06 108	0.06 296	0.06 97	0.06 176	0.07 245	0.06 184
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 298	0.07 113	0.15 284	0.12 4	0.09 223	0.17 344	0.18 353	0.22 261	0.24 310	0.17 298	0.26 365	0.24 385	0.14 305	0.16 297	0.15 327	0.11 414	0.06 296	0.08 268	0.09 374	0.09 371	0.08 329

ccs_rob	0.14 298	0.09 294	0.16 325	0.16 130	0.09 223	0.13 228	0.14 152	0.27 349	0.34 419	0.15 257	0.21 294	0.22 360	0.13 273	0.18 353	0.14 293	0.07 234	0.05 153	0.08 268	0.07 265	0.07 245	0.07 260

iResNet_ROB	0.14 298	0.07 113	0.13 204	0.15 63	0.07 62	0.19 381	0.14 152	0.26 335	0.32 403	0.23 409	0.26 365	0.23 376	0.16 347	0.15 270	0.14 293	0.07 234	0.05 153	0.05 23	0.04 31	0.08 310	0.08 329

rvit_0105_4	0.15 339	0.09 294	0.17 348	0.17 205	0.10 328	0.12 199	0.20 413	0.23 279	0.27 359	0.14 233	0.20 277	0.17 292	0.14 305	0.17 336	0.13 257	0.15 480	0.11 454	0.11 425	0.10 408	0.09 371	0.06 184

DCVSM-stereo	0.15 339	0.09 294	0.16 325	0.16 130	0.10 328	0.15 293	0.09 17	0.20 221	0.24 310	0.20 366	0.24 325	0.26 407	0.15 326	0.19 378	0.14 293	0.09 346	0.07 364	0.09 350	0.08 331	0.10 405	0.12 441

ACV-stereo	0.15 339	0.10 359	0.29 465	0.18 286	0.12 409	0.15 293	0.13 104	0.23 279	0.21 268	0.19 345	0.23 313	0.22 360	0.15 326	0.23 437	0.17 363	0.08 293	0.07 364	0.07 191	0.07 265	0.08 310	0.07 260

DispNO	0.15 339	0.09 294	0.18 380	0.19 344	0.12 409	0.11 159	0.21 429	0.23 279	0.29 382	0.18 330	0.23 313	0.19 316	0.17 371	0.16 297	0.16 346	0.07 234	0.05 153	0.08 268	0.08 331	0.07 245	0.06 184

mmx	0.15 339	0.09 294	0.15 284	0.16 130	0.09 223	0.17 344	0.17 306	0.27 349	0.26 347	0.15 257	0.26 365	0.19 316	0.13 273	0.15 270	0.22 426	0.08 293	0.06 296	0.09 350	0.08 331	0.08 310	0.08 329

xxx	0.15 339	0.09 294	0.15 284	0.16 130	0.09 223	0.17 344	0.17 306	0.27 349	0.26 347	0.15 257	0.26 365	0.19 316	0.13 273	0.15 270	0.22 426	0.08 293	0.06 296	0.09 350	0.08 331	0.08 310	0.08 329

CFNet_ucs	0.15 339	0.09 294	0.17 348	0.16 130	0.11 380	0.14 267	0.14 152	0.30 401	0.34 419	0.16 286	0.24 325	0.23 376	0.14 305	0.18 353	0.15 327	0.09 346	0.06 296	0.08 268	0.07 265	0.09 371	0.09 373

CBFPSM	0.15 339	0.07 113	0.27 453	0.17 205	0.09 223	0.13 228	0.15 221	0.22 261	0.23 300	0.20 366	0.27 382	0.23 376	0.16 347	0.16 297	0.19 390	0.06 108	0.06 296	0.06 97	0.07 265	0.07 245	0.07 260

BUS	0.15 339	0.09 294	0.14 248	0.22 443	0.10 328	0.20 400	0.14 152	0.34 450	0.20 254	0.17 298	0.23 313	0.16 275	0.14 305	0.16 297	0.14 293	0.08 293	0.06 296	0.10 395	0.09 374	0.07 245	0.07 260

BSDual-CNN	0.15 339	0.09 294	0.14 248	0.22 443	0.10 328	0.15 293	0.15 221	0.34 450	0.20 254	0.17 298	0.23 313	0.25 397	0.16 347	0.16 297	0.14 293	0.08 293	0.06 296	0.10 395	0.09 374	0.07 245	0.07 260

hknet	0.15 339	0.11 383	0.14 248	0.22 443	0.11 380	0.15 293	0.15 221	0.34 450	0.26 347	0.17 298	0.23 313	0.22 360	0.18 384	0.17 336	0.13 257	0.07 234	0.06 296	0.10 395	0.09 374	0.07 245	0.07 260

dd	0.15 339	0.17 468	0.17 348	0.19 344	0.09 223	0.15 293	0.18 353	0.22 261	0.26 347	0.23 409	0.20 277	0.21 342	0.10 181	0.21 413	0.17 363	0.10 383	0.06 296	0.08 268	0.06 176	0.08 310	0.07 260

DAS	0.15 339	0.08 224	0.18 380	0.19 344	0.10 328	0.19 381	0.17 306	0.28 373	0.30 388	0.18 330	0.26 365	0.21 342	0.16 347	0.16 297	0.13 257	0.08 293	0.06 296	0.06 97	0.06 176	0.07 245	0.07 260

SepStereo	0.15 339	0.08 224	0.18 380	0.19 344	0.10 328	0.19 381	0.17 306	0.28 373	0.30 388	0.18 330	0.26 365	0.21 342	0.16 347	0.26 457	0.13 257	0.08 293	0.06 296	0.06 97	0.06 176	0.07 245	0.07 260

PSMNet-ADL	0.15 339	0.12 401	0.13 204	0.22 443	0.09 223	0.13 228	0.20 413	0.26 335	0.23 300	0.18 330	0.20 277	0.23 376	0.17 371	0.18 353	0.18 376	0.09 346	0.08 395	0.08 268	0.11 437	0.08 310	0.07 260

LMCR-Stereo	0.15 339	0.08 224	0.14 248	0.21 423	0.09 223	0.18 360	0.19 395	0.28 373	0.19 233	0.24 421	0.24 325	0.23 376	0.17 371	0.20 396	0.17 363	0.07 234	0.06 296	0.08 268	0.06 176	0.10 405	0.09 373

xxxx	0.15 339	0.07 113	0.14 248	0.14 26	0.08 123	0.24 443	0.18 353	0.32 422	0.20 254	0.14 233	0.28 392	0.22 360	0.14 305	0.15 270	0.29 487	0.09 346	0.05 153	0.07 191	0.07 265	0.08 310	0.08 329

test_xeample	0.15 339	0.07 113	0.14 248	0.15 63	0.08 123	0.22 424	0.20 413	0.29 391	0.21 268	0.16 286	0.29 407	0.19 316	0.17 371	0.16 297	0.28 480	0.09 346	0.05 153	0.07 191	0.07 265	0.07 245	0.07 260

ACVNet	0.15 339	0.09 294	0.15 284	0.13 8	0.12 409	0.14 267	0.20 413	0.22 261	0.34 419	0.17 298	0.26 365	0.21 342	0.17 371	0.18 353	0.21 413	0.07 234	0.06 296	0.06 97	0.06 176	0.08 310	0.06 184

acv_ft	0.15 339	0.09 294	0.16 325	0.19 344	0.10 328	0.16 321	0.17 306	0.25 322	0.34 419	0.19 345	0.26 365	0.21 342	0.17 371	0.18 353	0.19 390	0.07 234	0.06 296	0.06 97	0.06 176	0.08 310	0.06 184

RASNet	0.15 339	0.07 113	0.15 284	0.16 130	0.08 123	0.19 381	0.14 152	0.30 401	0.21 268	0.17 298	0.25 352	0.21 342	0.19 402	0.20 396	0.20 400	0.07 234	0.06 296	0.06 97	0.08 331	0.06 179	0.06 184

CFNet	0.15 339	0.11 383	0.17 348	0.17 205	0.08 123	0.19 381	0.10 25	0.29 391	0.26 347	0.19 345	0.24 325	0.24 385	0.18 384	0.18 353	0.15 327	0.08 293	0.06 296	0.09 350	0.10 408	0.08 310	0.07 260

UCFNet_RVC	0.15 339	0.08 224	0.13 204	0.11 1	0.10 328	0.20 400	0.10 25	0.24 302	0.23 300	0.17 298	0.21 294	0.24 385	0.15 326	0.18 353	0.15 327	0.12 440	0.07 364	0.11 425	0.13 468	0.11 425	0.10 400

AdaStereo	0.15 339	0.11 383	0.16 325	0.19 344	0.09 223	0.21 411	0.11 44	0.33 436	0.28 375	0.21 381	0.23 313	0.21 342	0.13 273	0.19 378	0.15 327	0.13 457	0.05 153	0.10 395	0.07 265	0.09 371	0.07 260
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.
iResNetv2_ROB	0.15 339	0.08 224	0.16 325	0.16 130	0.08 123	0.16 321	0.13 104	0.26 335	0.36 438	0.21 381	0.29 407	0.24 385	0.13 273	0.14 252	0.14 293	0.06 108	0.06 296	0.06 97	0.04 31	0.09 371	0.08 329

HSM	0.15 339	0.09 294	0.15 284	0.16 130	0.09 223	0.16 321	0.14 152	0.28 373	0.25 334	0.20 366	0.24 325	0.37 478	0.17 371	0.20 396	0.15 327	0.07 234	0.05 153	0.07 191	0.06 176	0.07 245	0.06 184

pmcnn	0.15 339	0.07 113	0.20 407	0.15 63	0.07 62	0.21 411	0.16 280	0.25 322	0.26 347	0.21 381	0.33 432	0.29 430	0.19 402	0.18 353	0.17 363	0.07 234	0.05 153	0.05 23	0.04 31	0.07 245	0.06 184

DDVS	0.16 366	0.10 359	0.22 426	0.16 130	0.12 409	0.15 293	0.14 152	0.25 322	0.19 233	0.18 330	0.30 413	0.27 413	0.13 273	0.20 396	0.16 346	0.09 346	0.06 296	0.09 350	0.07 265	0.11 425	0.11 422

rvit_0105_3	0.16 366	0.10 359	0.15 284	0.20 393	0.12 409	0.15 293	0.26 483	0.25 322	0.30 388	0.15 257	0.17 230	0.21 342	0.14 305	0.18 353	0.14 293	0.14 476	0.11 454	0.12 444	0.14 473	0.07 245	0.07 260

ITSA-stereo	0.16 366	0.11 383	0.14 248	0.19 344	0.08 123	0.13 228	0.14 152	0.30 401	0.49 491	0.17 298	0.18 253	0.22 360	0.15 326	0.17 336	0.16 346	0.10 383	0.06 296	0.08 268	0.08 331	0.08 310	0.09 373

test_sample7	0.16 366	0.10 359	0.16 325	0.14 26	0.12 409	0.16 321	0.17 306	0.28 373	0.24 310	0.21 381	0.21 294	0.24 385	0.20 414	0.16 297	0.16 346	0.12 440	0.06 296	0.10 395	0.09 374	0.11 425	0.10 400

1111x	0.16 366	0.09 294	0.13 204	0.18 286	0.08 123	0.18 360	0.25 477	0.32 422	0.25 334	0.17 298	0.24 325	0.27 413	0.15 326	0.14 252	0.24 449	0.07 234	0.07 364	0.08 268	0.09 374	0.07 245	0.07 260

GMStereo_Zeroshot	0.16 366	0.13 429	0.25 443	0.20 393	0.10 328	0.17 344	0.13 104	0.30 401	0.25 334	0.23 409	0.32 426	0.25 397	0.11 211	0.19 378	0.14 293	0.09 346	0.06 296	0.11 425	0.06 176	0.12 440	0.08 329

CRFU-Net	0.16 366	0.08 224	0.15 284	0.17 205	0.09 223	0.20 400	0.14 152	0.27 349	0.21 268	0.28 456	0.28 392	0.29 430	0.18 384	0.19 378	0.18 376	0.09 346	0.09 419	0.07 191	0.07 265	0.08 310	0.09 373

NINENet	0.16 366	0.10 359	0.16 325	0.17 205	0.11 380	0.20 400	0.14 152	0.41 497	0.37 443	0.18 330	0.21 294	0.16 275	0.14 305	0.16 297	0.14 293	0.08 293	0.08 395	0.10 395	0.07 265	0.10 405	0.09 373

CSP-Net	0.16 366	0.09 294	0.14 248	0.17 205	0.09 223	0.19 381	0.18 353	0.25 322	0.33 408	0.26 437	0.31 417	0.25 397	0.16 347	0.21 413	0.19 390	0.09 346	0.06 296	0.07 191	0.07 265	0.08 310	0.08 329

AASNet	0.16 366	0.08 224	0.13 204	0.19 344	0.09 223	0.19 381	0.15 221	0.38 484	0.37 443	0.20 366	0.24 325	0.20 333	0.17 371	0.17 336	0.21 413	0.10 383	0.08 395	0.08 268	0.07 265	0.09 371	0.09 373

AACVNet	0.16 366	0.08 224	0.15 284	0.15 63	0.10 328	0.18 360	0.15 221	0.24 302	0.25 334	0.27 444	0.27 382	0.28 423	0.18 384	0.19 378	0.17 363	0.09 346	0.07 364	0.09 350	0.07 265	0.10 405	0.09 373

ADLNet2	0.16 366	0.09 294	0.14 248	0.17 205	0.09 223	0.20 400	0.16 280	0.32 422	0.39 453	0.17 298	0.20 277	0.20 333	0.19 402	0.21 413	0.23 437	0.08 293	0.07 364	0.07 191	0.07 265	0.09 371	0.07 260

ICVP	0.16 366	0.09 294	0.12 172	0.22 443	0.09 223	0.18 360	0.21 429	0.26 335	0.24 310	0.18 330	0.30 413	0.27 413	0.18 384	0.18 353	0.15 327	0.10 383	0.07 364	0.08 268	0.07 265	0.07 245	0.08 329
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous3	0.16 366	0.14 444	0.34 483	0.26 488	0.14 450	0.27 469	0.18 353	0.28 373	0.28 375	0.15 257	0.17 230	0.14 230	0.11 211	0.16 297	0.12 222	0.08 293	0.08 395	0.08 268	0.08 331	0.08 310	0.11 422

ADLNet	0.16 366	0.08 224	0.15 284	0.16 130	0.10 328	0.16 321	0.17 306	0.33 436	0.27 359	0.23 409	0.27 382	0.24 385	0.16 347	0.18 353	0.21 413	0.10 383	0.06 296	0.10 395	0.10 408	0.08 310	0.09 373

HCRNet	0.16 366	0.23 499	0.12 172	0.35 520	0.11 380	0.15 293	0.17 306	0.26 335	0.22 290	0.19 345	0.24 325	0.21 342	0.14 305	0.15 270	0.13 257	0.11 414	0.07 364	0.11 425	0.10 408	0.09 371	0.07 260

222	0.16 366	0.07 113	0.15 284	0.14 26	0.08 123	0.25 451	0.18 353	0.30 401	0.21 268	0.18 330	0.29 407	0.17 292	0.16 347	0.16 297	0.44 526	0.10 383	0.05 153	0.07 191	0.06 176	0.08 310	0.08 329

UPFNet	0.16 366	0.08 224	0.12 172	0.20 393	0.12 409	0.20 400	0.23 450	0.28 373	0.26 347	0.18 330	0.24 325	0.22 360	0.20 414	0.19 378	0.22 426	0.09 346	0.07 364	0.08 268	0.09 374	0.08 310	0.06 184

ac_64	0.16 366	0.09 294	0.15 284	0.18 286	0.10 328	0.22 424	0.17 306	0.24 302	0.22 290	0.19 345	0.24 325	0.29 430	0.18 384	0.19 378	0.22 426	0.09 346	0.08 395	0.08 268	0.09 374	0.07 245	0.06 184

DSFCA	0.16 366	0.09 294	0.14 248	0.16 130	0.10 328	0.21 411	0.19 395	0.28 373	0.31 397	0.23 409	0.25 352	0.22 360	0.16 347	0.20 396	0.20 400	0.10 383	0.07 364	0.09 350	0.09 374	0.08 310	0.08 329

AANet_RVC	0.16 366	0.10 359	0.11 134	0.18 286	0.09 223	0.19 381	0.18 353	0.27 349	0.32 403	0.22 395	0.35 447	0.21 342	0.22 429	0.22 430	0.17 363	0.06 108	0.05 153	0.06 97	0.06 176	0.07 245	0.06 184

DeepPruner_ROB	0.16 366	0.11 383	0.16 325	0.17 205	0.10 328	0.17 344	0.15 221	0.32 422	0.21 268	0.19 345	0.21 294	0.22 360	0.19 402	0.21 413	0.16 346	0.13 457	0.09 419	0.09 350	0.10 408	0.11 425	0.11 422

rvit_stereo_0075_2	0.17 388	0.12 401	0.25 443	0.23 462	0.16 477	0.13 228	0.10 25	0.30 401	0.27 359	0.20 366	0.28 392	0.22 360	0.15 326	0.18 353	0.13 257	0.16 497	0.10 441	0.17 492	0.10 408	0.10 405	0.10 400

DualNet (step1)	0.17 388	0.12 401	0.21 417	0.13 8	0.14 450	0.18 360	0.14 152	0.28 373	0.24 310	0.21 381	0.21 294	0.24 385	0.20 414	0.16 297	0.16 346	0.15 480	0.06 296	0.14 471	0.14 473	0.15 481	0.13 453

iinet-f	0.17 388	0.07 113	0.46 503	0.14 26	0.10 328	0.21 411	0.14 152	0.27 349	0.23 300	0.22 395	0.25 352	0.21 342	0.16 347	0.18 353	0.22 426	0.09 346	0.07 364	0.07 191	0.06 176	0.09 371	0.10 400

ToySt	0.17 388	0.11 383	0.19 403	0.17 205	0.11 380	0.16 321	0.26 483	0.24 302	0.33 408	0.19 345	0.24 325	0.26 407	0.24 442	0.19 378	0.21 413	0.07 234	0.08 395	0.09 350	0.10 408	0.09 371	0.08 329

ssnet_v2	0.17 388	0.10 359	0.18 380	0.17 205	0.11 380	0.21 411	0.22 440	0.34 450	0.25 334	0.23 409	0.23 313	0.27 413	0.19 402	0.22 430	0.21 413	0.11 414	0.10 441	0.09 350	0.09 374	0.08 310	0.08 329

GEStereo_RVC	0.17 388	0.12 401	0.16 325	0.22 443	0.11 380	0.19 381	0.18 353	0.32 422	0.49 491	0.20 366	0.25 352	0.17 292	0.13 273	0.21 413	0.16 346	0.10 383	0.06 296	0.08 268	0.07 265	0.09 371	0.08 329

MMNet	0.17 388	0.10 359	0.17 348	0.20 393	0.11 380	0.27 469	0.20 413	0.26 335	0.42 466	0.22 395	0.30 413	0.22 360	0.20 414	0.18 353	0.20 400	0.06 108	0.06 296	0.07 191	0.07 265	0.08 310	0.07 260

delet	0.17 388	0.09 294	0.18 380	0.19 344	0.11 380	0.21 411	0.22 440	0.30 401	0.38 449	0.17 298	0.27 382	0.19 316	0.19 402	0.19 378	0.21 413	0.08 293	0.08 395	0.09 350	0.11 437	0.06 179	0.07 260

UNet	0.17 388	0.09 294	0.18 380	0.19 344	0.12 409	0.28 479	0.19 395	0.33 436	0.30 388	0.21 381	0.25 352	0.23 376	0.19 402	0.20 396	0.19 390	0.07 234	0.06 296	0.08 268	0.07 265	0.08 310	0.07 260

HGLStereo	0.17 388	0.09 294	0.19 403	0.17 205	0.12 409	0.18 360	0.18 353	0.31 417	0.33 408	0.22 395	0.33 432	0.24 385	0.18 384	0.20 396	0.21 413	0.10 383	0.09 419	0.07 191	0.07 265	0.09 371	0.10 400

DMCA-RVC	0.17 388	0.10 359	0.16 325	0.24 472	0.11 380	0.19 381	0.18 353	0.26 335	0.24 310	0.21 381	0.27 382	0.25 397	0.27 462	0.18 353	0.21 413	0.12 440	0.08 395	0.13 458	0.10 408	0.10 405	0.08 329

FADNet-RVC-Resample	0.17 388	0.12 401	0.32 478	0.22 443	0.12 409	0.19 381	0.14 152	0.25 322	0.24 310	0.24 421	0.27 382	0.20 333	0.15 326	0.17 336	0.16 346	0.07 234	0.08 395	0.12 444	0.10 408	0.09 371	0.11 422

FADNet_RVC	0.17 388	0.14 444	0.41 497	0.20 393	0.11 380	0.13 228	0.13 104	0.27 349	0.22 290	0.21 381	0.23 313	0.20 333	0.18 384	0.15 270	0.17 363	0.08 293	0.08 395	0.12 444	0.09 374	0.11 425	0.10 400

NLCA_NET_v2_RVC	0.17 388	0.10 359	0.23 434	0.20 393	0.10 328	0.15 293	0.18 353	0.31 417	0.25 334	0.21 381	0.31 417	0.25 397	0.17 371	0.21 413	0.20 400	0.09 346	0.06 296	0.08 268	0.09 374	0.07 245	0.08 329
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 388	0.12 401	0.16 325	0.20 393	0.10 328	0.18 360	0.18 353	0.27 349	0.24 310	0.26 437	0.41 482	0.23 376	0.18 384	0.21 413	0.21 413	0.09 346	0.05 153	0.09 350	0.10 408	0.07 245	0.07 260
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 403	0.08 224	0.20 407	0.19 344	0.13 434	0.15 293	0.12 67	0.30 401	0.33 408	0.21 381	0.26 365	0.27 413	0.18 384	0.17 336	0.20 400	0.20 512	0.08 395	0.14 471	0.14 473	0.14 469	0.17 501

test_sample9	0.18 403	0.12 401	0.21 417	0.13 8	0.14 450	0.18 360	0.14 152	0.28 373	0.24 310	0.21 381	0.21 294	0.24 385	0.20 414	0.19 378	0.18 376	0.15 480	0.30 529	0.14 471	0.14 473	0.15 481	0.13 453

fast-acv-ft	0.18 403	0.11 383	0.20 407	0.19 344	0.12 409	0.26 461	0.21 429	0.26 335	0.35 432	0.22 395	0.34 442	0.27 413	0.21 422	0.21 413	0.23 437	0.09 346	0.09 419	0.08 268	0.10 408	0.08 310	0.07 260

HBP-ISP	0.18 403	0.13 429	0.17 348	0.15 63	0.11 380	0.08 46	0.13 104	0.28 373	0.30 388	0.22 395	0.33 432	0.21 342	0.25 449	0.23 437	0.18 376	0.15 480	0.17 503	0.21 506	0.17 500	0.10 405	0.09 373

Wz-Net-LNSev-Ref	0.18 403	0.09 294	0.30 471	0.15 63	0.11 380	0.23 437	0.20 413	0.27 349	0.40 457	0.26 437	0.43 492	0.25 397	0.15 326	0.21 413	0.20 400	0.07 234	0.05 153	0.06 97	0.05 104	0.10 405	0.09 373

dad	0.18 403	0.20 488	0.21 417	0.17 205	0.11 380	0.20 400	0.19 395	0.21 238	0.28 375	0.30 470	0.24 325	0.30 437	0.13 273	0.19 378	0.17 363	0.18 503	0.09 419	0.11 425	0.09 374	0.11 425	0.07 260

hitnet-ft	0.18 403	0.10 359	0.17 348	0.14 26	0.09 223	0.27 469	0.20 413	0.25 322	0.26 347	0.24 421	0.32 426	0.32 458	0.23 435	0.24 448	0.21 413	0.12 440	0.07 364	0.10 395	0.08 331	0.12 440	0.11 422

STTStereo	0.18 403	0.13 429	0.28 456	0.20 393	0.11 380	0.16 321	0.21 429	0.29 391	0.23 300	0.22 395	0.30 413	0.29 430	0.18 384	0.20 396	0.20 400	0.12 440	0.11 454	0.11 425	0.14 473	0.09 371	0.08 329

TDLM	0.18 403	0.12 401	0.14 248	0.24 472	0.10 328	0.18 360	0.18 353	0.37 477	0.30 388	0.22 395	0.28 392	0.28 423	0.18 384	0.23 437	0.19 390	0.11 414	0.07 364	0.10 395	0.10 408	0.08 310	0.08 329

CVANet_RVC	0.18 403	0.11 383	0.14 248	0.21 423	0.11 380	0.19 381	0.18 353	0.34 450	0.34 419	0.22 395	0.31 417	0.28 423	0.18 384	0.24 448	0.18 376	0.12 440	0.08 395	0.12 444	0.12 457	0.09 371	0.08 329

DLCB_ROB	0.18 403	0.10 359	0.16 325	0.23 462	0.11 380	0.24 443	0.18 353	0.30 401	0.28 375	0.27 444	0.29 407	0.28 423	0.25 449	0.20 396	0.20 400	0.08 293	0.08 395	0.09 350	0.09 374	0.07 245	0.07 260

TCMNet	0.19 414	0.12 401	0.20 407	0.21 423	0.18 498	0.21 411	0.24 460	0.28 373	0.36 438	0.23 409	0.26 365	0.25 397	0.20 414	0.20 396	0.23 437	0.13 457	0.11 454	0.11 425	0.12 457	0.13 453	0.12 441

rvit_105_1	0.19 414	0.12 401	0.25 443	0.21 423	0.16 477	0.22 424	0.28 494	0.32 422	0.42 466	0.20 366	0.21 294	0.22 360	0.18 384	0.19 378	0.18 376	0.12 440	0.12 468	0.13 458	0.15 489	0.08 310	0.07 260

SACVNet	0.19 414	0.12 401	0.15 284	0.17 205	0.13 434	0.22 424	0.18 353	0.31 417	0.31 397	0.24 421	0.31 417	0.30 437	0.23 435	0.23 437	0.17 363	0.11 414	0.08 395	0.10 395	0.10 408	0.12 440	0.14 469

pcwnet_v2	0.19 414	0.11 383	0.26 451	0.18 286	0.14 450	0.18 360	0.15 221	0.37 477	0.46 487	0.19 345	0.24 325	0.21 342	0.19 402	0.21 413	0.20 400	0.13 457	0.10 441	0.10 395	0.10 408	0.11 425	0.13 453

psm_up	0.19 414	0.10 359	0.18 380	0.21 423	0.11 380	0.17 344	0.19 395	0.38 484	0.34 419	0.22 395	0.28 392	0.29 430	0.25 449	0.20 396	0.22 426	0.09 346	0.10 441	0.11 425	0.11 437	0.08 310	0.08 329

NVstereo2D	0.19 414	0.11 383	0.16 325	0.17 205	0.16 477	0.28 479	0.23 450	0.44 512	0.42 466	0.15 257	0.28 392	0.25 397	0.19 402	0.23 437	0.18 376	0.09 346	0.06 296	0.10 395	0.08 331	0.15 481	0.10 400

StereoDRNet	0.19 414	0.11 383	0.18 380	0.22 443	0.11 380	0.22 424	0.22 440	0.37 477	0.34 419	0.24 421	0.28 392	0.30 437	0.19 402	0.20 396	0.21 413	0.10 383	0.08 395	0.11 425	0.09 374	0.09 371	0.07 260

CBMV_ROB	0.19 414	0.13 429	0.18 380	0.16 130	0.11 380	0.16 321	0.12 67	0.27 349	0.29 382	0.27 444	0.31 417	0.27 413	0.24 442	0.24 448	0.16 346	0.15 480	0.18 505	0.22 510	0.20 506	0.10 405	0.12 441

NOSS_ROB	0.19 414	0.13 429	0.18 380	0.16 130	0.12 409	0.16 321	0.12 67	0.30 401	0.33 408	0.20 366	0.22 309	0.27 413	0.24 442	0.21 413	0.16 346	0.16 497	0.18 505	0.23 511	0.21 508	0.13 453	0.13 453

YMNet	0.20 423	0.12 401	0.20 407	0.21 423	0.14 450	0.27 469	0.23 450	0.32 422	0.34 419	0.28 456	0.35 447	0.30 437	0.18 384	0.18 353	0.22 426	0.11 414	0.13 480	0.10 395	0.10 408	0.09 371	0.09 373

YMNet_1	0.20 423	0.12 401	0.20 407	0.21 423	0.14 450	0.27 469	0.23 450	0.32 422	0.34 419	0.28 456	0.35 447	0.30 437	0.18 384	0.18 353	0.22 426	0.11 414	0.13 480	0.10 395	0.10 408	0.09 371	0.09 373

test_sample8	0.20 423	0.12 401	0.21 417	0.13 8	0.14 450	0.18 360	0.14 152	0.32 422	0.21 268	0.28 456	0.22 309	0.36 475	0.26 456	0.19 378	0.18 376	0.15 480	0.30 529	0.14 471	0.14 473	0.15 481	0.13 453

SDNR	0.20 423	0.09 294	0.19 403	0.16 130	0.12 409	0.79 542	0.13 104	0.26 335	0.33 408	0.19 345	0.25 352	0.19 316	0.12 242	0.19 378	0.15 327	0.16 497	0.18 505	0.14 471	0.11 437	0.08 310	0.12 441

GwcNet	0.20 423	0.14 444	0.20 407	0.18 286	0.12 409	0.25 451	0.20 413	0.36 470	0.45 480	0.20 366	0.33 432	0.33 464	0.21 422	0.22 430	0.25 456	0.11 414	0.09 419	0.09 350	0.09 374	0.09 371	0.10 400

SuperB	0.20 423	0.10 359	0.57 515	0.16 130	0.09 223	0.19 381	0.18 353	0.25 322	0.51 497	0.27 444	0.39 469	0.17 292	0.22 429	0.22 430	0.21 413	0.08 293	0.06 296	0.06 97	0.06 176	0.12 440	0.11 422

ADCRef	0.20 423	0.12 401	0.43 501	0.20 393	0.12 409	0.23 437	0.18 353	0.32 422	0.37 443	0.26 437	0.33 432	0.18 307	0.23 435	0.25 453	0.26 468	0.07 234	0.06 296	0.09 350	0.09 374	0.08 310	0.09 373

ADCP+	0.20 423	0.10 359	0.35 489	0.21 423	0.12 409	0.22 424	0.27 488	0.31 417	0.35 432	0.26 437	0.37 455	0.22 360	0.22 429	0.27 459	0.28 480	0.09 346	0.06 296	0.08 268	0.08 331	0.10 405	0.10 400

PS-NSSS	0.20 423	0.21 493	0.23 434	0.20 393	0.10 328	0.19 381	0.17 306	0.36 470	0.26 347	0.27 444	0.34 442	0.27 413	0.24 442	0.20 396	0.20 400	0.15 480	0.12 468	0.17 492	0.14 473	0.10 405	0.09 373

DRN-Test	0.20 423	0.11 383	0.21 417	0.22 443	0.10 328	0.22 424	0.22 440	0.40 492	0.38 449	0.24 421	0.33 432	0.26 407	0.22 429	0.22 430	0.25 456	0.11 414	0.07 364	0.11 425	0.10 408	0.09 371	0.08 329

DISCO	0.20 423	0.09 294	0.22 426	0.17 205	0.10 328	0.25 451	0.18 353	0.28 373	0.45 480	0.23 409	0.32 426	0.34 468	0.26 456	0.29 475	0.29 487	0.08 293	0.06 296	0.07 191	0.07 265	0.09 371	0.10 400

SGM-Forest	0.20 423	0.14 444	0.18 380	0.20 393	0.13 434	0.21 411	0.22 440	0.33 436	0.31 397	0.24 421	0.29 407	0.28 423	0.20 414	0.23 437	0.18 376	0.15 480	0.16 499	0.15 482	0.14 473	0.13 453	0.12 441
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.20 423	0.15 450	0.18 380	0.18 286	0.10 328	0.20 400	0.11 44	0.30 401	0.31 397	0.29 465	0.31 417	0.31 451	0.23 435	0.28 467	0.19 390	0.13 457	0.15 494	0.17 492	0.16 493	0.10 405	0.10 400
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UDG	0.21 436	0.17 468	0.20 407	0.23 462	0.15 465	0.31 487	0.20 413	0.33 436	0.35 432	0.24 421	0.28 392	0.31 451	0.29 474	0.21 413	0.23 437	0.15 480	0.12 468	0.13 458	0.09 374	0.14 469	0.15 483

FAT-Stereo	0.21 436	0.13 429	0.22 426	0.21 423	0.12 409	0.18 360	0.18 353	0.35 464	0.40 457	0.28 456	0.37 455	0.33 464	0.33 495	0.21 413	0.20 400	0.09 346	0.11 454	0.10 395	0.09 374	0.11 425	0.14 469

FADNet-RVC	0.21 436	0.20 488	0.40 495	0.21 423	0.16 477	0.21 411	0.15 221	0.27 349	0.27 359	0.26 437	0.32 426	0.26 407	0.21 422	0.22 430	0.19 390	0.12 440	0.13 480	0.12 444	0.14 473	0.13 453	0.18 504

FADNet	0.21 436	0.23 499	0.37 492	0.18 286	0.17 489	0.25 451	0.13 104	0.32 422	0.32 403	0.23 409	0.25 352	0.27 413	0.21 422	0.19 378	0.16 346	0.13 457	0.15 494	0.12 444	0.15 489	0.17 499	0.18 504

S-Stereo	0.21 436	0.12 401	0.25 443	0.21 423	0.13 434	0.21 411	0.19 395	0.33 436	0.45 480	0.23 409	0.36 452	0.28 423	0.29 474	0.20 396	0.23 437	0.09 346	0.12 468	0.10 395	0.10 408	0.13 453	0.14 469

DANet	0.21 436	0.16 458	0.29 465	0.25 479	0.13 434	0.23 437	0.19 395	0.28 373	0.27 359	0.28 456	0.32 426	0.35 473	0.32 493	0.31 482	0.24 449	0.11 414	0.09 419	0.11 425	0.10 408	0.13 453	0.11 422
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PWC_ROB	0.21 436	0.16 458	0.27 453	0.18 286	0.11 380	0.22 424	0.13 104	0.33 436	0.49 491	0.30 470	0.40 472	0.32 458	0.25 449	0.31 482	0.23 437	0.10 383	0.07 364	0.11 425	0.08 331	0.11 425	0.10 400

PWCDC_ROB	0.21 436	0.13 429	0.23 434	0.25 479	0.12 409	0.20 400	0.15 221	0.34 450	0.55 507	0.29 465	0.49 502	0.21 342	0.15 326	0.28 467	0.20 400	0.11 414	0.09 419	0.10 395	0.08 331	0.11 425	0.09 373

GASNet	0.22 444	0.24 502	0.34 483	0.26 488	0.17 489	0.27 469	0.16 280	0.45 514	0.42 466	0.27 444	0.24 325	0.30 437	0.16 347	0.27 459	0.18 376	0.12 440	0.09 419	0.12 444	0.11 437	0.16 492	0.08 329

Anonymous_2	0.22 444	0.17 468	0.28 456	0.15 63	0.16 477	0.33 491	0.22 440	0.23 279	0.18 212	0.23 409	0.24 325	0.26 407	0.27 462	0.27 459	0.24 449	0.22 518	0.26 525	0.17 492	0.17 500	0.16 492	0.18 504

Wz-Net-LNSev	0.22 444	0.16 458	0.41 497	0.22 443	0.13 434	0.25 451	0.24 460	0.33 436	0.44 476	0.30 470	0.42 489	0.32 458	0.19 402	0.23 437	0.27 473	0.10 383	0.09 419	0.08 268	0.08 331	0.12 440	0.11 422

FINET	0.22 444	0.18 481	0.28 456	0.19 344	0.16 477	0.24 443	0.24 460	0.33 436	0.49 491	0.26 437	0.33 432	0.22 360	0.23 435	0.23 437	0.18 376	0.18 503	0.16 499	0.11 425	0.10 408	0.15 481	0.14 469

Syn2CoEx	0.22 444	0.16 458	0.29 465	0.29 509	0.15 465	0.26 461	0.21 429	0.34 450	0.32 403	0.29 465	0.36 452	0.28 423	0.25 449	0.20 396	0.25 456	0.16 497	0.12 468	0.14 471	0.11 437	0.09 371	0.08 329

aanetorigin	0.22 444	0.17 468	0.57 515	0.18 286	0.10 328	0.16 321	0.19 395	0.20 221	0.33 408	0.49 518	0.48 501	0.30 437	0.28 471	0.21 413	0.24 449	0.08 293	0.07 364	0.08 268	0.07 265	0.10 405	0.09 373

MaskLacGwcNet_RVC	0.22 444	0.21 493	0.25 443	0.26 488	0.11 380	0.24 443	0.14 152	0.39 489	0.24 310	0.32 482	0.36 452	0.30 437	0.21 422	0.19 378	0.22 426	0.17 502	0.14 490	0.21 506	0.16 493	0.13 453	0.12 441

RP	0.22 444	0.13 429	0.22 426	0.23 462	0.12 409	0.21 411	0.20 413	0.26 335	0.45 480	0.22 395	0.38 462	0.37 478	0.25 449	0.28 467	0.25 456	0.11 414	0.12 468	0.13 458	0.12 457	0.13 453	0.14 469

stereogan	0.22 444	0.11 383	0.21 417	0.20 393	0.12 409	0.32 489	0.19 395	0.36 470	0.45 480	0.23 409	0.39 469	0.35 473	0.27 462	0.33 489	0.23 437	0.10 383	0.12 468	0.10 395	0.10 408	0.14 469	0.14 469

GANet	0.22 444	0.13 429	0.21 417	0.25 479	0.14 450	0.23 437	0.22 440	0.42 502	0.27 359	0.31 475	0.43 492	0.37 478	0.29 474	0.23 437	0.23 437	0.10 383	0.12 468	0.10 395	0.09 374	0.10 405	0.08 329

MDST_ROB	0.22 444	0.10 359	0.18 380	0.18 286	0.11 380	0.40 513	0.19 395	0.44 512	0.42 466	0.40 501	0.40 472	0.29 430	0.21 422	0.27 459	0.19 390	0.11 414	0.10 441	0.14 471	0.11 437	0.10 405	0.08 329

XPNet_ROB	0.22 444	0.12 401	0.20 407	0.22 443	0.13 434	0.22 424	0.19 395	0.35 464	0.40 457	0.30 470	0.40 472	0.38 484	0.27 462	0.26 457	0.29 487	0.15 480	0.10 441	0.10 395	0.10 408	0.13 453	0.12 441

PSMNet_ROB	0.22 444	0.12 401	0.15 284	0.27 496	0.15 465	0.25 451	0.36 524	0.43 508	0.37 443	0.27 444	0.33 432	0.32 458	0.23 435	0.21 413	0.27 473	0.12 440	0.08 395	0.13 458	0.11 437	0.10 405	0.09 373

Wz-Net-MNSev	0.23 457	0.13 429	0.33 480	0.20 393	0.15 465	0.36 503	0.25 477	0.34 450	0.45 480	0.29 465	0.41 482	0.39 489	0.19 402	0.25 453	0.27 473	0.09 346	0.07 364	0.09 350	0.09 374	0.12 440	0.10 400

DDUNet	0.23 457	0.18 481	0.22 426	0.22 443	0.15 465	0.25 451	0.24 460	0.30 401	0.31 397	0.31 475	0.37 455	0.34 468	0.26 456	0.25 453	0.21 413	0.18 503	0.13 480	0.17 492	0.11 437	0.16 492	0.17 501

APVNet	0.23 457	0.12 401	0.20 407	0.18 286	0.14 450	0.32 489	0.31 513	0.40 492	0.33 408	0.27 444	0.40 472	0.30 437	0.29 474	0.27 459	0.25 456	0.11 414	0.12 468	0.11 425	0.14 473	0.12 440	0.13 453

AF-Net	0.23 457	0.17 468	0.17 348	0.27 496	0.13 434	0.26 461	0.24 460	0.33 436	0.51 497	0.25 434	0.33 432	0.39 489	0.27 462	0.28 467	0.26 468	0.11 414	0.10 441	0.16 489	0.12 457	0.11 425	0.11 422

edge stereo	0.23 457	0.14 444	0.21 417	0.21 423	0.13 434	0.24 443	0.16 280	0.32 422	0.42 466	0.32 482	0.40 472	0.39 489	0.35 499	0.25 453	0.25 456	0.13 457	0.11 454	0.14 471	0.11 437	0.12 440	0.14 469

Nwc_Net	0.23 457	0.17 468	0.22 426	0.25 479	0.15 465	0.25 451	0.27 488	0.38 484	0.39 453	0.22 395	0.41 482	0.30 437	0.29 474	0.28 467	0.25 456	0.11 414	0.10 441	0.17 492	0.20 506	0.10 405	0.11 422

RTSC	0.23 457	0.13 429	0.30 471	0.21 423	0.13 434	0.29 481	0.17 306	0.36 470	0.68 525	0.27 444	0.34 442	0.30 437	0.22 429	0.32 486	0.31 497	0.10 383	0.08 395	0.09 350	0.10 408	0.13 453	0.14 469

RYNet	0.23 457	0.12 401	0.22 426	0.19 344	0.17 489	0.47 518	0.26 483	0.39 489	0.49 491	0.24 421	0.29 407	0.34 468	0.24 442	0.20 396	0.31 497	0.10 383	0.06 296	0.09 350	0.09 374	0.14 469	0.15 483

NaN_ROB	0.23 457	0.20 488	0.25 443	0.25 479	0.13 434	0.31 487	0.27 488	0.34 450	0.41 464	0.31 475	0.31 417	0.32 458	0.23 435	0.31 482	0.22 426	0.11 414	0.17 503	0.10 395	0.11 437	0.08 310	0.09 373

ETE_ROB	0.23 457	0.17 468	0.23 434	0.25 479	0.14 450	0.26 461	0.29 505	0.32 422	0.37 443	0.28 456	0.37 455	0.45 506	0.27 462	0.28 467	0.27 473	0.11 414	0.09 419	0.12 444	0.10 408	0.14 469	0.13 453

SQANet	0.24 467	0.24 502	0.31 474	0.31 513	0.19 502	0.27 469	0.13 104	0.30 401	0.33 408	0.25 434	0.37 455	0.31 451	0.22 429	0.27 459	0.23 437	0.15 480	0.10 441	0.21 506	0.16 493	0.22 508	0.16 492

DeepPrunerF	0.24 467	0.17 468	0.45 502	0.26 488	0.16 477	0.23 437	0.29 505	0.37 477	0.51 497	0.27 444	0.31 417	0.24 385	0.28 471	0.22 430	0.23 437	0.15 480	0.11 454	0.20 505	0.18 504	0.12 440	0.14 469

PA-Net	0.24 467	0.18 481	0.34 483	0.28 502	0.22 510	0.22 424	0.39 529	0.29 391	0.39 453	0.22 395	0.33 432	0.25 397	0.26 456	0.21 413	0.25 456	0.10 383	0.23 523	0.15 482	0.22 511	0.09 371	0.13 453
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.24 467	0.15 450	0.18 380	0.34 518	0.18 498	0.24 443	0.24 460	0.34 450	0.29 382	0.31 475	0.38 462	0.38 484	0.29 474	0.23 437	0.25 456	0.15 480	0.12 468	0.18 501	0.21 508	0.13 453	0.13 453

WCMA_ROB	0.24 467	0.11 383	0.24 440	0.17 205	0.14 450	0.34 495	0.16 280	0.33 436	0.33 408	0.39 498	0.54 509	0.40 495	0.35 499	0.35 497	0.26 468	0.12 440	0.12 468	0.12 444	0.11 437	0.14 469	0.14 469

SGM_RVC	0.24 467	0.12 401	0.16 325	0.15 63	0.09 223	0.34 495	0.19 395	0.35 464	0.32 403	0.44 512	0.38 462	0.53 520	0.36 502	0.36 501	0.26 468	0.13 457	0.13 480	0.13 458	0.13 468	0.11 425	0.11 422
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DGSMNet	0.25 473	0.19 484	0.34 483	0.21 423	0.24 514	0.24 443	0.21 429	0.36 470	0.42 466	0.25 434	0.32 426	0.38 484	0.21 422	0.29 475	0.24 449	0.13 457	0.11 454	0.14 471	0.16 493	0.23 511	0.23 517

psmorigin	0.25 473	0.16 458	0.35 489	0.17 205	0.13 434	0.24 443	0.14 152	0.34 450	0.34 419	0.41 505	0.55 510	0.41 498	0.38 505	0.35 497	0.28 480	0.11 414	0.15 494	0.11 425	0.11 437	0.12 440	0.17 501

RGC	0.25 473	0.20 488	0.29 465	0.28 502	0.16 477	0.22 424	0.23 450	0.33 436	0.44 476	0.27 444	0.40 472	0.38 484	0.28 471	0.37 505	0.23 437	0.11 414	0.13 480	0.17 492	0.17 500	0.15 481	0.16 492

G-Net	0.25 473	0.17 468	0.38 493	0.23 462	0.16 477	0.51 521	0.23 450	0.29 391	0.35 432	0.36 490	0.38 462	0.31 451	0.29 474	0.28 467	0.27 473	0.11 414	0.09 419	0.12 444	0.10 408	0.16 492	0.14 469

NCC-stereo	0.25 473	0.15 450	0.31 474	0.26 488	0.17 489	0.21 411	0.31 513	0.41 497	0.40 457	0.24 421	0.38 462	0.33 464	0.29 474	0.37 505	0.28 480	0.13 457	0.11 454	0.15 482	0.22 511	0.13 453	0.13 453

Abc-Net	0.25 473	0.15 450	0.31 474	0.26 488	0.17 489	0.21 411	0.31 513	0.41 497	0.40 457	0.24 421	0.38 462	0.33 464	0.29 474	0.37 505	0.28 480	0.13 457	0.11 454	0.15 482	0.22 511	0.13 453	0.13 453
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.25 473	0.12 401	0.49 508	0.22 443	0.12 409	0.36 503	0.29 505	0.30 401	0.57 510	0.24 421	0.47 500	0.30 437	0.31 490	0.30 481	0.30 492	0.09 346	0.07 364	0.09 350	0.09 374	0.10 405	0.10 400

FBW_ROB	0.25 473	0.17 468	0.23 434	0.27 496	0.14 450	0.26 461	0.22 440	0.42 502	0.43 474	0.42 507	0.41 482	0.43 502	0.27 462	0.32 486	0.24 449	0.09 346	0.15 494	0.15 482	0.12 457	0.12 440	0.10 400

SANet	0.25 473	0.14 444	0.29 465	0.21 423	0.11 380	0.29 481	0.25 477	0.40 492	0.65 524	0.36 490	0.40 472	0.42 500	0.27 462	0.27 459	0.25 456	0.12 440	0.09 419	0.10 395	0.09 374	0.13 453	0.12 441

LALA_ROB	0.25 473	0.16 458	0.23 434	0.27 496	0.17 489	0.27 469	0.27 488	0.42 502	0.38 449	0.33 486	0.39 469	0.51 516	0.26 456	0.29 475	0.28 480	0.16 497	0.09 419	0.13 458	0.12 457	0.13 453	0.13 453

Wz-Net-SNSev	0.26 483	0.17 468	0.46 503	0.25 479	0.14 450	0.26 461	0.24 460	0.38 484	0.57 510	0.30 470	0.56 511	0.39 489	0.26 456	0.24 448	0.32 502	0.10 383	0.09 419	0.10 395	0.11 437	0.11 425	0.11 422

SHD	0.26 483	0.15 450	0.31 474	0.24 472	0.18 498	0.23 437	0.15 221	0.39 489	0.72 530	0.32 482	0.42 489	0.36 475	0.29 474	0.33 489	0.30 492	0.13 457	0.11 454	0.14 471	0.13 468	0.16 492	0.20 512

ADCMid	0.26 483	0.15 450	0.42 499	0.20 393	0.14 450	0.25 451	0.26 483	0.35 464	0.40 457	0.37 495	0.45 496	0.34 468	0.42 515	0.36 501	0.36 509	0.10 383	0.09 419	0.11 425	0.11 437	0.13 453	0.13 453

AnyNet_C32	0.26 483	0.16 458	0.39 494	0.20 393	0.17 489	0.26 461	0.31 513	0.32 422	0.45 480	0.31 475	0.50 504	0.30 437	0.34 496	0.41 519	0.36 509	0.12 440	0.12 468	0.12 444	0.14 473	0.14 469	0.15 483

ADCPNet	0.26 483	0.17 468	0.62 520	0.21 423	0.15 465	0.36 503	0.25 477	0.33 436	0.37 443	0.31 475	0.41 482	0.36 475	0.29 474	0.29 475	0.34 507	0.12 440	0.10 441	0.11 425	0.12 457	0.14 469	0.13 453

DispFullNet	0.27 488	0.22 497	0.66 523	0.28 502	0.17 489	0.27 469	0.17 306	0.34 450	0.57 510	0.27 444	0.37 455	0.43 502	0.24 442	0.39 511	0.25 456	0.12 440	0.06 296	0.19 503	0.11 437	0.23 511	0.16 492

MeshStereo	0.27 488	0.13 429	0.18 380	0.15 63	0.11 380	0.33 491	0.24 460	0.41 497	0.36 438	0.53 521	0.58 518	0.67 530	0.41 511	0.36 501	0.27 473	0.14 476	0.13 480	0.13 458	0.11 437	0.11 425	0.11 422
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
PSMNet-RUCA	0.28 490	0.33 522	0.42 499	0.36 522	0.32 528	0.18 360	0.20 413	0.42 502	0.30 388	0.33 486	0.41 482	0.40 495	0.24 442	0.31 482	0.20 400	0.19 507	0.11 454	0.25 513	0.15 489	0.22 508	0.16 492

CC-Net-ROB	0.28 490	0.31 520	0.36 491	0.30 511	0.15 465	0.25 451	0.19 395	0.45 514	0.34 419	0.39 498	0.37 455	0.39 489	0.31 490	0.27 459	0.27 473	0.24 525	0.18 505	0.30 526	0.23 515	0.19 505	0.15 483

DPSNet	0.28 490	0.16 458	0.33 480	0.18 286	0.13 434	0.55 524	0.42 532	0.52 524	0.68 525	0.29 465	0.38 462	0.39 489	0.30 485	0.32 486	0.23 437	0.11 414	0.10 441	0.11 425	0.08 331	0.20 507	0.16 492

PDISCO_ROB	0.28 490	0.16 458	0.28 456	0.28 502	0.20 505	0.33 491	0.27 488	0.45 514	0.58 513	0.28 456	0.41 482	0.45 506	0.30 485	0.34 492	0.35 508	0.12 440	0.09 419	0.17 492	0.16 493	0.17 499	0.13 453

Wz-Net-TNSev	0.29 494	0.20 488	0.69 531	0.19 344	0.15 465	0.38 509	0.27 488	0.36 470	0.56 509	0.35 488	0.42 489	0.45 506	0.39 506	0.33 489	0.31 497	0.13 457	0.13 480	0.10 395	0.12 457	0.15 481	0.15 483

WZ-Net	0.29 494	0.17 468	0.82 539	0.23 462	0.16 477	0.35 499	0.29 505	0.40 492	0.59 515	0.24 421	0.57 515	0.37 478	0.25 449	0.34 492	0.37 513	0.09 346	0.08 395	0.09 350	0.10 408	0.14 469	0.16 492

XQC	0.29 494	0.23 499	0.53 510	0.29 509	0.19 502	0.36 503	0.28 494	0.37 477	0.58 513	0.31 475	0.31 417	0.37 478	0.30 485	0.39 511	0.39 517	0.13 457	0.09 419	0.15 482	0.12 457	0.18 501	0.18 504

ccnet	0.30 497	0.28 511	0.24 440	0.20 393	0.28 523	0.41 514	0.22 440	0.46 517	0.33 408	0.37 495	0.46 498	0.37 478	0.30 485	0.40 514	0.43 523	0.23 523	0.14 490	0.21 506	0.17 500	0.23 511	0.19 509

EDNetEfficient	0.30 497	0.24 502	1.18 547	0.18 286	0.10 328	0.20 400	0.20 413	0.21 238	0.61 517	0.74 535	0.56 511	0.30 437	0.40 510	0.23 437	0.32 502	0.09 346	0.07 364	0.08 268	0.07 265	0.11 425	0.10 400

MFN_U_SF_DS_RVC	0.30 497	0.24 502	0.30 471	0.36 522	0.16 477	0.36 503	0.31 513	0.34 450	0.43 474	0.41 505	0.46 498	0.38 484	0.30 485	0.35 497	0.29 487	0.19 507	0.20 511	0.26 514	0.29 524	0.18 501	0.19 509

ADCS	0.30 497	0.19 484	0.48 507	0.21 423	0.18 498	0.29 481	0.24 460	0.42 502	0.64 522	0.40 501	0.50 504	0.40 495	0.37 503	0.40 514	0.43 523	0.13 457	0.13 480	0.13 458	0.14 473	0.16 492	0.16 492

CSAN	0.30 497	0.24 502	0.28 456	0.34 518	0.19 502	0.34 495	0.42 532	0.38 484	0.51 497	0.38 497	0.40 472	0.44 505	0.34 496	0.29 475	0.31 497	0.19 507	0.16 499	0.19 503	0.19 505	0.14 469	0.15 483

GANetREF_RVC	0.31 502	0.34 523	0.29 465	0.35 520	0.16 477	0.33 491	0.42 532	0.48 519	0.52 503	0.35 488	0.35 447	0.34 468	0.32 493	0.40 514	0.33 505	0.27 527	0.20 511	0.29 524	0.15 489	0.19 505	0.18 504
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
MSMD_ROB	0.31 502	0.26 508	0.26 451	0.24 472	0.21 507	0.34 495	0.25 477	0.34 450	0.39 453	0.40 501	0.69 526	0.45 506	0.41 511	0.34 492	0.28 480	0.20 512	0.20 511	0.26 514	0.25 517	0.23 511	0.22 516

FC-DCNN v2	0.33 504	0.28 511	0.28 456	0.26 488	0.23 511	0.39 511	0.29 505	0.41 497	0.44 476	0.46 515	0.57 515	0.51 516	0.41 511	0.38 509	0.30 492	0.21 515	0.20 511	0.27 517	0.26 518	0.25 520	0.24 518

FCDSN-DC	0.33 504	0.28 511	0.28 456	0.30 511	0.24 514	0.39 511	0.28 494	0.43 508	0.42 466	0.44 512	0.53 508	0.51 516	0.42 515	0.37 505	0.30 492	0.21 515	0.20 511	0.27 517	0.26 518	0.25 520	0.25 520
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	0.33 504	0.22 497	0.58 518	0.31 513	0.15 465	0.36 503	0.17 306	0.54 527	0.46 487	0.47 517	0.56 511	0.58 523	0.39 506	0.36 501	0.38 516	0.15 480	0.15 494	0.18 501	0.21 508	0.16 492	0.16 492

FC-DCNN	0.33 504	0.28 511	0.28 456	0.26 488	0.23 511	0.38 509	0.29 505	0.40 492	0.44 476	0.46 515	0.56 511	0.51 516	0.41 511	0.38 509	0.31 497	0.21 515	0.20 511	0.27 517	0.26 518	0.25 520	0.24 518

PASM	0.33 504	0.25 507	0.51 509	0.28 502	0.27 522	0.30 484	0.31 513	0.35 464	0.51 497	0.36 490	0.40 472	0.47 513	0.35 499	0.34 492	0.36 509	0.23 523	0.26 525	0.26 514	0.28 523	0.23 511	0.21 513

SGM-ForestM	0.33 504	0.12 401	0.17 348	0.16 130	0.11 380	0.42 515	0.20 413	0.43 508	0.53 506	0.53 521	0.57 515	1.41 552	0.44 520	0.42 520	0.29 487	0.14 476	0.16 499	0.16 489	0.16 493	0.12 440	0.13 453

LSM	0.34 510	0.21 493	0.62 520	0.27 496	0.62 547	0.35 499	0.26 483	0.43 508	0.49 491	0.45 514	0.60 521	0.42 500	0.37 503	0.35 497	0.26 468	0.13 457	0.21 520	0.14 471	0.16 493	0.18 501	0.34 532

GCST	0.37 511	0.42 531	0.27 453	1.03 555	0.39 530	0.18 360	0.08 7	0.21 238	0.18 212	0.28 456	0.25 352	0.15 255	0.12 242	0.16 297	0.14 293	0.64 547	0.43 536	0.75 545	0.65 546	0.64 542	0.46 540

AnyNet_C01	0.37 511	0.26 508	1.41 550	0.22 443	0.17 489	0.51 521	0.28 494	0.36 470	0.40 457	0.39 498	0.75 532	0.46 510	0.39 506	0.46 522	0.50 533	0.13 457	0.13 480	0.13 458	0.14 473	0.14 469	0.16 492

otaku	0.39 513	0.38 527	0.53 510	0.44 529	0.28 523	0.57 526	0.24 460	0.42 502	0.62 520	0.40 501	0.50 504	0.46 510	0.34 496	0.40 514	0.33 505	0.30 528	0.30 529	0.39 530	0.33 529	0.30 526	0.29 526

ACVNet-4b	0.39 513	0.53 534	0.56 513	0.45 530	0.24 514	0.46 517	0.18 353	0.50 521	0.64 522	0.42 507	0.45 496	0.60 524	0.27 462	0.34 492	0.24 449	0.33 530	0.14 490	0.48 534	0.42 533	0.31 529	0.27 525

PVD	0.40 515	0.21 493	0.40 495	0.32 516	0.23 511	0.30 484	0.45 536	0.53 526	0.97 544	0.55 523	0.80 536	0.54 521	0.60 534	0.53 528	0.40 519	0.19 507	0.14 490	0.17 492	0.14 473	0.24 518	0.32 530

Ntro	0.41 516	0.40 529	0.54 512	0.46 533	0.30 527	0.64 530	0.24 460	0.47 518	0.68 525	0.42 507	0.49 502	0.47 513	0.42 515	0.40 514	0.32 502	0.32 529	0.28 527	0.37 529	0.31 527	0.33 531	0.29 526

SAMSARA	0.41 516	0.28 511	0.34 483	0.55 536	0.39 530	0.85 545	1.25 560	0.49 520	0.52 503	0.36 490	0.35 447	0.56 522	0.39 506	0.39 511	0.41 520	0.15 480	0.20 511	0.15 482	0.14 473	0.23 511	0.21 513

ELAS_RVC	0.42 518	0.29 518	0.33 480	0.28 502	0.24 514	0.56 525	0.38 527	0.50 521	0.61 517	0.74 535	0.76 533	0.67 530	0.56 530	0.55 530	0.42 522	0.22 518	0.21 520	0.27 517	0.26 518	0.27 525	0.26 523
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 518	0.29 518	0.34 483	0.28 502	0.24 514	0.63 529	0.37 525	0.52 524	0.52 503	0.72 532	0.82 537	0.68 532	0.56 530	0.52 526	0.45 529	0.22 518	0.21 520	0.27 517	0.26 518	0.26 523	0.26 523
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Consistency-Raft	0.44 520	0.40 529	0.46 503	0.37 524	0.43 534	0.42 515	0.41 530	0.57 529	0.55 507	0.32 482	0.73 530	0.32 458	0.50 524	0.42 520	0.49 532	0.39 532	0.36 533	0.45 533	0.52 542	0.42 533	0.30 528

MSC_U_SF_DS_RVC	0.44 520	0.39 528	0.56 513	0.40 525	0.20 505	0.66 532	0.33 522	0.54 527	0.72 530	0.71 531	0.72 529	0.62 525	0.55 528	0.52 526	0.47 530	0.20 512	0.19 510	0.29 524	0.30 526	0.24 518	0.19 509

ACVNet_1	0.45 522	0.51 533	0.61 519	0.45 530	0.28 523	0.50 519	0.28 494	0.58 534	0.71 529	0.63 526	0.59 520	0.74 535	0.50 524	0.50 524	0.36 509	0.26 526	0.25 524	0.39 530	0.29 524	0.32 530	0.25 520

RTS	0.46 523	0.19 484	3.33 557	0.25 479	0.15 465	0.72 537	0.21 429	0.37 477	0.78 537	0.42 507	0.44 494	0.31 451	0.43 518	0.55 530	0.37 513	0.10 383	0.09 419	0.13 458	0.13 468	0.15 481	0.15 483

RTSA	0.46 523	0.19 484	3.33 557	0.25 479	0.15 465	0.72 537	0.21 429	0.37 477	0.78 537	0.42 507	0.44 494	0.31 451	0.43 518	0.55 530	0.37 513	0.10 383	0.09 419	0.13 458	0.13 468	0.15 481	0.15 483

MANE	0.47 525	0.28 511	0.28 456	0.27 496	0.24 514	0.50 519	0.32 521	0.57 529	0.62 520	0.74 535	1.20 554	1.21 545	0.64 536	0.54 529	0.39 517	0.22 518	0.20 511	0.27 517	0.31 527	0.26 523	0.25 520

NVStereoNet_ROB	0.47 525	0.37 526	0.47 506	0.42 528	0.29 526	0.35 499	0.35 523	0.50 521	0.61 517	0.73 533	0.94 541	0.70 534	0.68 538	0.48 523	0.62 540	0.22 518	0.33 532	0.34 528	0.34 531	0.30 526	0.31 529
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
LE_ROB	0.50 527	0.07 113	0.14 248	0.15 63	0.08 123	0.26 461	0.17 306	0.23 279	1.71 559	4.68 564	0.67 523	0.46 510	0.47 521	0.21 413	0.30 492	0.07 234	0.06 296	0.06 97	0.06 176	0.08 310	0.06 184

anonymity	0.53 528	0.58 535	0.66 523	0.41 526	0.61 546	0.54 523	0.41 530	0.57 529	0.41 464	0.56 524	0.50 504	0.50 515	0.55 528	0.59 535	0.50 533	0.58 543	0.50 546	0.51 536	0.51 540	0.52 535	0.58 542

RainbowNet	0.54 529	0.61 538	0.71 536	0.57 537	0.43 534	0.66 532	0.37 525	0.60 535	0.87 541	0.51 519	0.67 523	0.63 526	0.47 521	0.50 524	0.44 526	0.47 538	0.48 542	0.53 538	0.41 532	0.53 537	0.41 537

BEATNet-Init1	0.54 529	0.28 511	0.68 530	0.31 513	0.21 507	0.85 545	0.31 513	0.57 529	0.69 528	0.89 542	1.00 544	2.17 560	0.66 537	0.58 534	0.44 526	0.19 507	0.18 505	0.23 511	0.22 511	0.22 508	0.21 513

SGM+DAISY	0.57 531	0.58 535	0.67 527	0.41 526	0.55 540	0.68 534	0.51 538	0.57 529	0.46 487	0.67 527	0.70 527	0.69 533	0.57 532	0.64 537	0.58 538	0.59 544	0.49 543	0.50 535	0.50 539	0.52 535	0.59 545

SPS-STEREO	0.58 532	0.59 537	0.66 523	0.45 530	0.55 540	0.65 531	0.44 535	0.63 536	0.51 497	0.69 529	0.65 522	0.66 529	0.58 533	0.62 536	0.62 540	0.62 546	0.47 541	0.51 536	0.49 537	0.55 538	0.58 542
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.65 533	0.66 542	0.66 523	0.51 534	0.69 551	0.70 535	0.58 542	0.65 537	0.75 535	0.61 525	0.73 530	0.63 526	0.68 538	0.65 538	0.60 539	0.66 548	0.58 555	0.63 540	0.59 543	0.68 546	0.69 552

IMH-64-1	0.66 534	0.62 539	0.69 531	0.72 540	0.51 537	0.60 527	0.51 538	0.92 543	0.84 539	0.75 538	1.02 545	0.81 536	0.78 543	0.80 541	0.50 533	0.43 534	0.46 537	0.72 542	0.48 535	0.55 538	0.40 535

IMH-64	0.66 534	0.62 539	0.69 531	0.72 540	0.51 537	0.60 527	0.51 538	0.92 543	0.84 539	0.75 538	1.02 545	0.81 536	0.78 543	0.80 541	0.50 533	0.43 534	0.46 537	0.72 542	0.48 535	0.55 538	0.40 535

ACVNet_2	0.67 536	0.68 543	0.70 534	0.64 538	0.41 532	0.75 540	0.50 537	0.98 549	1.38 554	0.90 543	1.09 548	1.04 540	0.74 541	0.55 530	0.48 531	0.43 534	0.40 535	0.53 538	0.45 534	0.48 534	0.36 534

IMH	0.72 537	0.65 541	0.70 534	0.77 542	0.54 539	0.71 536	0.56 541	0.99 551	1.08 545	0.82 541	1.09 548	0.89 538	0.88 547	0.88 549	0.53 537	0.44 537	0.50 546	0.75 545	0.51 540	0.58 541	0.42 538

PWCK	0.72 537	0.95 553	0.99 545	0.77 542	0.32 528	0.79 542	0.38 527	0.92 543	0.90 542	0.96 546	0.76 533	0.97 539	0.62 535	0.87 547	0.68 543	0.73 550	0.46 537	0.76 547	0.49 537	0.71 549	0.44 539

JetBlue	0.73 539	0.46 532	1.21 548	0.52 535	0.47 536	2.16 560	0.67 548	0.78 539	0.72 530	0.70 530	0.79 535	1.21 545	0.84 545	1.06 556	1.04 556	0.40 533	0.28 527	0.33 527	0.33 529	0.30 526	0.34 532

TorneroNet-64	0.76 540	0.73 545	0.77 537	0.78 544	0.58 545	0.94 550	0.58 542	0.85 542	1.26 549	0.67 527	0.88 539	1.41 552	0.76 542	0.87 547	0.68 543	0.49 539	0.46 537	0.73 544	0.59 543	0.68 546	0.54 541

MADNet+	0.76 540	0.72 544	3.76 560	0.67 539	0.41 532	0.99 551	0.97 558	0.72 538	0.75 535	0.52 520	0.58 518	0.64 528	0.68 538	0.89 550	1.04 556	0.35 531	0.36 533	0.28 523	0.23 515	0.38 532	0.33 531

WAO-7	0.80 542	0.78 547	0.57 515	0.85 547	0.67 550	0.76 541	0.69 551	1.07 553	1.30 551	0.90 543	1.20 554	1.05 541	0.93 549	0.71 539	0.68 543	0.60 545	0.62 556	0.67 541	0.68 549	0.64 542	0.59 545

WAO-6	0.82 543	0.81 548	0.63 522	0.87 549	0.63 548	0.79 542	0.60 544	0.98 549	1.52 558	0.91 545	0.97 543	1.08 542	1.04 553	0.72 540	0.70 546	0.72 549	0.49 543	0.91 553	0.71 550	0.70 548	0.59 545

TorneroNet	0.83 544	0.75 546	0.83 541	0.85 547	0.63 548	1.03 554	0.65 546	0.96 547	1.14 547	0.80 540	1.10 550	1.36 550	0.88 547	0.95 552	0.82 551	0.57 541	0.49 543	0.79 550	0.66 548	0.74 552	0.64 551

LVE	0.84 545	0.87 551	0.86 542	0.81 545	0.56 542	1.09 556	0.66 547	1.07 553	1.45 556	0.97 547	1.23 556	1.11 543	0.86 546	0.84 544	0.72 547	0.49 539	0.56 552	0.76 547	0.60 545	0.66 544	0.60 548

Dean	0.88 546	0.88 552	0.81 538	0.82 546	0.57 543	0.91 547	0.62 545	1.17 559	1.71 559	1.15 554	1.16 552	1.31 549	1.00 552	0.82 543	0.83 552	0.57 541	0.56 552	0.78 549	0.65 546	0.67 545	0.58 542

WAO-8	0.92 547	0.83 549	0.67 527	0.94 552	0.70 552	0.92 548	0.68 549	1.08 555	1.80 561	1.06 551	1.42 558	1.29 547	1.08 555	0.86 545	0.80 549	0.74 551	0.54 549	0.86 551	0.75 551	0.71 549	0.63 549

Venus	0.92 547	0.83 549	0.67 527	0.94 552	0.70 552	0.92 548	0.68 549	1.08 555	1.80 561	1.06 551	1.42 558	1.29 547	1.08 555	0.86 545	0.80 549	0.74 551	0.54 549	0.86 551	0.75 551	0.71 549	0.63 549

UNDER WATER-64	0.97 549	0.96 554	1.48 552	0.88 550	0.57 543	1.24 559	0.90 556	0.78 539	0.96 543	1.05 549	0.85 538	1.56 557	1.26 559	0.97 554	0.99 554	0.88 555	0.57 554	1.04 556	0.88 555	0.81 553	0.75 553

notaker	0.98 550	1.13 556	1.02 546	1.14 557	0.81 555	0.73 539	0.69 551	0.94 546	1.15 548	1.19 556	1.19 553	1.41 552	1.17 558	1.10 558	0.74 548	0.82 554	0.64 557	1.18 558	0.79 553	1.02 556	0.82 556

UNDER WATER	0.99 551	1.00 555	1.47 551	1.00 554	0.71 554	1.18 558	0.86 554	0.81 541	1.09 546	1.02 548	0.90 540	1.53 556	1.26 559	1.06 556	1.02 555	0.79 553	0.54 549	1.02 555	0.88 555	0.83 554	0.75 553

ktn	1.02 552	1.23 558	0.82 539	1.24 559	0.86 557	1.00 553	0.86 554	0.96 547	1.37 553	1.05 549	1.12 551	1.16 544	1.06 554	0.95 552	0.62 540	1.28 561	0.71 558	1.39 562	0.83 554	1.06 558	0.77 555

KSHMR	1.10 553	1.19 557	0.90 544	1.26 560	1.00 559	0.99 551	0.96 557	1.13 558	1.35 552	1.16 555	1.28 557	1.40 551	0.97 551	1.03 555	0.93 553	1.03 558	1.08 560	1.20 559	1.03 559	1.03 557	0.98 558

DPSimNet_ROB	1.14 554	1.25 559	0.87 543	1.15 558	0.90 558	1.15 557	1.18 559	1.20 560	1.26 549	1.45 558	1.05 547	1.44 555	1.13 557	0.92 551	1.70 559	1.47 562	0.52 548	1.22 560	1.04 560	0.92 555	1.03 559

HanzoNet	1.31 555	1.29 560	1.22 549	1.13 556	0.85 556	1.05 555	0.84 553	1.06 552	1.47 557	1.66 559	1.63 560	2.48 562	1.78 561	1.63 560	1.69 558	1.27 560	0.80 559	1.32 561	1.02 558	1.07 559	0.90 557

JetRed	1.66 556	1.51 561	3.09 556	0.93 551	1.21 560	5.28 563	1.61 562	1.29 561	1.42 555	1.84 560	1.77 561	1.59 558	0.95 550	1.43 559	2.51 563	0.91 557	1.61 562	0.93 554	0.91 557	1.36 560	1.03 559

MADNet++	1.97 557	1.75 562	1.66 553	1.83 562	1.69 562	2.38 561	1.45 561	2.36 563	2.11 563	2.58 563	2.37 563	2.25 561	2.21 562	2.28 561	2.36 562	1.87 563	1.67 563	1.53 563	1.34 562	1.87 562	1.78 563

coex-ft	3.24 558	0.35 525	57.83 580	0.18 286	0.13 434	0.27 469	0.23 450	0.28 373	0.72 530	1.89 561	0.70 527	0.43 502	0.47 521	0.29 475	0.43 523	0.09 346	0.09 419	0.12 444	0.09 374	0.14 469	0.14 469

ASD4	3.59 559	3.47 565	2.05 554	1.75 561	2.54 564	9.22 567	17.86 568	2.29 562	5.54 565	2.49 562	2.86 564	2.05 559	3.46 563	2.77 562	5.29 564	1.23 559	1.36 561	1.13 557	1.33 561	1.71 561	1.50 562

TCMNet-wrong-test	3.69 560	5.54 571	3.91 561	12.22 574	11.75 575	4.77 562	3.86 563	1.08 555	0.74 534	1.13 553	2.21 562	6.16 567	0.53 527	3.43 564	2.33 561	0.90 556	0.20 511	1.85 565	1.69 563	5.71 570	3.79 569

tt	4.65 561	0.07 113	3.54 559	2.01 563	1.55 561	10.25 568	16.66 567	8.90 572	5.03 564	1.33 557	0.96 542	4.71 563	4.74 564	3.33 563	5.86 566	6.06 571	10.30 575	1.87 566	2.09 565	2.61 564	1.19 561

USTest	6.16 562	2.65 564	2.79 555	6.48 570	7.21 569	14.33 571	21.38 570	6.98 571	9.55 570	5.35 567	6.12 565	5.71 566	7.69 567	6.31 568	6.75 567	1.97 564	3.38 569	1.63 564	2.14 566	2.49 563	2.35 564

xxxxx1	7.75 563	5.06 568	7.26 563	3.15 564	3.91 565	16.37 572	22.88 573	5.87 568	8.68 567	7.99 568	8.55 566	9.13 570	8.46 568	10.05 570	10.47 568	2.43 565	2.48 565	3.56 569	12.26 572	3.48 565	3.02 566

tt_ll	7.75 563	5.06 568	7.26 563	3.15 564	3.91 565	16.37 572	22.88 573	5.87 568	8.68 567	7.99 568	8.55 566	9.13 570	8.46 568	10.05 570	10.47 568	2.43 565	2.48 565	3.56 569	12.26 572	3.48 565	3.02 566

ff	7.75 563	5.06 568	7.26 563	3.15 564	3.91 565	16.37 572	22.88 573	5.87 568	8.68 567	7.99 568	8.55 566	9.13 570	8.46 568	10.05 570	10.47 568	2.43 565	2.48 565	3.56 569	12.26 572	3.48 565	3.02 566

EDNetEfficientorigin	7.92 566	0.32 521	152.98 581	0.20 393	0.10 328	0.22 424	0.17 306	0.23 279	0.60 516	0.73 533	0.67 523	0.41 498	0.51 526	0.24 448	0.41 520	0.08 293	0.07 364	0.09 350	0.07 265	0.12 440	0.11 422

DPSMNet_ROB	8.06 567	4.50 566	8.69 570	5.36 569	10.74 572	8.32 565	22.71 571	5.47 566	13.38 572	5.13 565	9.98 569	5.10 564	10.47 571	5.53 566	12.77 572	3.80 569	8.00 570	3.49 567	6.95 569	3.75 569	7.09 571

DGTPSM_ROB	8.06 567	4.50 566	8.69 570	5.34 567	10.73 571	8.32 565	22.71 571	5.47 566	13.38 572	5.13 565	9.98 569	5.10 564	10.47 571	5.53 566	12.77 572	3.79 568	8.00 570	3.49 567	6.95 569	3.74 568	7.09 571

PML	8.57 569	9.39 575	6.24 562	5.34 567	6.36 568	13.21 570	20.99 569	5.35 565	6.68 566	17.75 576	26.46 581	7.58 568	6.08 566	7.89 569	5.76 565	5.33 570	1.83 564	5.95 575	1.93 564	8.75 573	2.53 565

DLNR_Zeroshot_test	10.48 570	2.27 563	19.78 576	120.28 583	13.29 576	0.06 7	0.13 104	0.24 302	0.10 29	0.08 57	0.10 109	0.09 116	0.07 98	0.10 54	0.09 41	0.13 457	0.04 20	0.06 97	0.04 31	52.68 582	0.04 28

LRCNet_RVC	10.76 571	13.97 576	7.97 569	19.07 576	2.04 563	0.35 499	0.31 513	5.29 564	0.48 490	13.02 574	17.65 575	8.69 569	5.73 565	4.78 565	2.22 560	23.53 579	2.69 568	27.60 581	25.75 580	17.60 578	16.54 578

Anonymous_1	10.87 572	7.82 572	7.41 566	10.29 571	10.08 570	18.64 576	26.11 576	11.02 573	13.45 574	9.43 571	10.10 571	9.73 573	11.31 573	10.69 573	12.47 571	6.42 572	8.38 572	5.70 572	10.22 571	11.41 574	6.65 570

DPSM_ROB	11.10 573	8.47 573	7.95 567	10.84 572	11.58 573	19.10 577	26.50 577	12.02 574	14.09 575	10.38 572	10.91 572	10.39 574	11.92 574	11.67 574	13.39 574	6.99 573	8.79 573	5.82 573	6.92 567	6.97 571	7.31 573

DPSM	11.10 573	8.47 573	7.95 567	10.84 572	11.58 573	19.10 577	26.50 577	12.02 574	14.09 575	10.38 572	10.91 572	10.39 574	11.92 574	11.67 574	13.39 574	6.99 573	8.79 573	5.82 573	6.92 567	6.97 571	7.31 573

HaxPig	15.73 575	18.55 580	19.19 575	16.92 575	15.89 577	7.80 564	7.57 564	13.37 576	10.80 571	15.40 575	14.87 574	15.95 576	14.81 576	15.67 576	15.97 576	18.96 578	16.72 576	19.47 579	18.10 578	19.45 579	19.06 579

MEDIAN_ROB	20.38 576	24.05 581	23.36 577	21.18 577	21.62 578	10.51 569	8.17 565	17.68 577	15.46 577	20.04 577	19.65 576	20.30 577	20.16 577	21.17 577	21.03 577	23.81 580	21.77 580	24.98 580	23.75 579	25.01 580	23.94 580

CasAABBNet	22.33 577	17.11 577	15.84 572	21.94 578	23.28 579	38.30 579	53.40 581	24.05 579	28.44 580	20.66 578	21.86 578	21.03 579	24.04 579	23.35 578	27.03 580	14.06 575	17.69 578	11.70 576	13.94 576	14.04 575	14.76 576

Selective-RAFT-Error	22.39 578	17.14 578	16.01 573	22.00 579	23.34 580	38.37 580	53.36 580	24.24 581	28.53 581	20.80 579	21.94 579	20.94 578	24.02 578	23.48 580	27.33 581	14.07 576	17.70 579	11.70 576	13.93 575	14.05 576	14.83 577

LSM0	22.80 579	17.22 579	19.17 574	22.12 580	28.90 582	38.38 581	53.27 579	24.21 580	28.36 579	20.84 580	21.11 577	21.63 580	24.25 580	23.42 579	26.98 579	14.08 577	17.39 577	11.72 578	13.98 577	14.22 577	14.66 575

AVERAGE_ROB	24.89 580	29.12 582	27.98 578	24.83 581	24.59 581	17.82 575	11.61 566	21.45 578	19.91 578	25.04 581	24.38 580	25.06 581	25.31 581	24.69 581	22.86 578	29.74 581	27.09 581	28.97 582	27.94 581	30.07 581	29.35 581

test_example2	97.69 581	92.93 583	45.57 579	96.02 582	109.84 583	88.44 582	93.70 582	25.54 582	94.63 582	130.46 583	126.87 583	58.93 582	75.48 582	87.99 582	77.94 582	150.16 582	221.11 582	76.29 583	98.21 582	108.42 583	95.33 582

ccccc	243.87 582	285.89 584	306.04 582	366.70 584	366.78 584	118.88 583	141.79 583	113.97 583	107.77 583	125.77 582	108.41 582	120.54 583	160.89 583	252.62 583	276.01 583	382.79 583	352.84 583	254.30 584	222.62 583	426.61 584	386.14 583

STTRV1_RVC		0.26 508		0.19 344	0.26 521	0.30 484	0.24 460	0.35 464	0.35 432	0.36 490	0.34 442	0.31 451	0.31 490	0.28 467	0.25 456	0.18 503	0.10 441	0.16 489	0.14 473	0.18 501	0.12 441

FADE		0.34 523		0.33 517	0.25 520													0.41 532		0.23 511

Low-res two-view benchmark