Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-SNSev	0.03 29	0.09 65	0.07 58	0.09 53	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 205	0.10 69	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 95	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 190	0.10 69	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 97	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

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

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

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

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

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

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

Wz-Net-LNSev-Ref	0.11 83	0.44 167	0.33 208	0.39 192	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 236	0.36 230	0.02 18	0.02 20	0.02 20	0.02 20

Wz-Net-LNSev	0.06 44	0.24 118	0.20 158	0.23 143	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 168	0.21 169	0.02 18	0.01 9	0.01 10	0.01 10

Syn2CoEx	0.25 152	1.31 349	0.74 329	0.92 313	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 340	0.75 333	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 50	0.02 12	0.02 14	1.01 330	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 69	0.09 99	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 51	0.02 12	0.04 43	0.90 308	0.06 101	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 121	0.36 259	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 83	0.02 12	0.02 14	1.62 420	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 82	0.04 72	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

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

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

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

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

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

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

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

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

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

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

DualNet (step1)	0.10 62	1.05 277	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 277	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 277	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 51	1.00 261	0.11 89	0.11 74	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 51	0.97 257	0.10 69	0.10 57	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 62	1.07 280	0.11 89	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 74	0.03 51

test_sample4	0.10 62	1.03 273	0.12 100	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 51	0.87 236	0.10 69	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 51	1.03 273	0.11 89	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 236	0.12 100	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 71	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 267	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 254	0.09 65	0.10 57	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

DualNet	0.10 62	1.07 280	0.11 89	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 74	0.03 51

ttt	0.10 62	1.09 282	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 62	1.14 287	0.13 119	0.14 97	0.03 48	0.04 74	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 95	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 267	0.10 69	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

x	0.11 83	1.15 289	0.15 139	0.14 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 139	0.03 38	0.03 54	0.03 43	0.03 51

CSP-Net	0.34 185	1.29 347	1.19 374	1.36 409	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 418	1.21 425	0.03 38	0.09 104	0.02 20	0.09 102

222	0.10 62	0.99 260	0.12 100	0.13 93	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.04 74	0.03 51

xxxx	0.11 83	1.16 290	0.16 140	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 141	0.03 38	0.04 75	0.04 74	0.04 76

test_xeample	0.10 62	1.09 282	0.13 119	0.12 80	0.03 48	0.03 40	0.03 50	0.04 74	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 136	0.03 38	0.03 54	0.03 43	0.03 51

BEATNet_4x	0.11 83	0.03 31	0.03 36	1.60 417	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 77	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 83	0.03 31	0.03 36	1.60 417	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 77	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C32	0.14 107	0.04 37	0.03 36	2.22 438	0.04 77	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 74	0.02 21	0.07 96	0.04 72	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 402	0.03 48	0.04 74	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.08 99	0.04 72	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 77	0.04 74	0.05 87	0.04 74	0.04 78	0.12 116	0.04 85	0.06 92	0.04 81	0.04 69	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

qqq	0.16 125	2.01 384	0.12 100	0.15 107	0.04 77	0.06 86	0.05 87	0.06 88	0.04 78	0.06 90	0.03 52	0.06 92	0.03 52	0.06 82	0.03 48	0.12 91	0.14 136	0.04 71	0.04 75	0.03 43	0.03 51

psmg	0.43 237	1.91 376	0.92 350	1.91 427	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 452	1.44 445	0.04 71	0.03 54	0.02 20	0.03 51

FADNet-RVC-Resample	0.12 92	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.04 81	0.04 69	1.57 465	0.04 44	0.04 45	0.04 71	0.05 90	0.04 74	0.06 96

FADNet_RVC	0.12 92	0.04 37	0.04 43	0.05 43	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.05 88	0.04 69	1.65 469	0.05 51	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

FADNet-RVC	0.13 98	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.05 87	0.04 74	0.04 78	0.04 71	0.05 94	0.04 74	0.05 88	0.04 69	1.71 474	0.04 44	0.04 45	0.04 71	0.04 75	0.07 98	0.04 76

FADNet	0.12 92	0.05 49	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.05 88	0.04 69	1.66 471	0.06 55	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

ADCRef	0.12 92	0.03 31	0.04 43	1.71 423	0.04 77	0.03 40	0.03 50	0.04 74	0.04 78	0.04 71	0.03 52	0.04 74	0.03 52	0.06 82	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.03 43	0.04 76

ADCP+	0.15 117	0.04 37	0.04 43	2.20 437	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.05 94	0.04 74	0.04 81	0.08 99	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.04 81	0.04 69	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 77	0.06 86	0.04 77	0.06 88	0.04 78	0.06 90	0.04 85	0.06 92	0.04 81	0.06 82	0.04 72	0.06 55	0.04 45	0.05 81	0.04 75	0.05 86	0.04 76

mmm	0.14 107	1.83 367	0.12 100	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.04 78	0.03 40	0.03 52	0.03 42	0.03 52	0.06 82	0.04 72	0.12 91	0.11 95	0.05 81	0.04 75	0.05 86	0.04 76

ffm	0.25 152	3.83 464	0.12 100	0.12 80	0.05 93	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 52	0.06 92	0.05 88	0.06 82	0.05 83	0.12 91	0.12 109	0.05 81	0.04 75	0.06 90	0.04 76

ff1	0.25 152	3.83 464	0.12 100	0.12 80	0.05 93	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 52	0.06 92	0.05 88	0.06 82	0.05 83	0.12 91	0.12 109	0.05 81	0.04 75	0.06 90	0.04 76

mmx	0.25 152	3.83 464	0.12 100	0.12 80	0.05 93	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 52	0.06 92	0.05 88	0.06 82	0.05 83	0.12 91	0.12 109	0.05 81	0.04 75	0.06 90	0.04 76

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 77	0.05 84	0.90 368	0.06 88	0.04 78	0.05 86	0.04 85	0.05 86	0.04 81	0.05 77	0.04 72	0.05 51	0.04 45	0.05 81	0.04 75	0.05 86	0.05 91

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

qqq1	0.25 152	3.70 458	0.14 124	0.14 97	0.04 77	0.06 86	0.05 87	0.06 88	0.05 92	0.06 90	0.05 94	0.04 74	0.05 88	0.06 82	0.05 83	0.13 107	0.12 109	0.06 88	0.05 90	0.03 43	0.04 76

fff1	0.25 152	3.70 458	0.14 124	0.14 97	0.04 77	0.06 86	0.05 87	0.06 88	0.05 92	0.06 90	0.05 94	0.04 74	0.05 88	0.06 82	0.05 83	0.13 107	0.12 109	0.06 88	0.05 90	0.03 43	0.04 76

11t1	0.17 128	2.16 393	0.13 119	0.13 93	0.04 77	0.06 86	0.04 77	0.06 88	0.04 78	0.06 90	0.03 52	0.06 92	0.03 52	0.06 82	0.05 83	0.18 146	0.12 109	0.06 88	0.03 54	0.05 86	0.03 51

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

GwcNet	0.12 92	0.07 58	0.05 57	0.08 49	0.05 93	0.08 97	1.20 396	0.07 98	0.05 92	0.05 86	0.05 94	0.08 99	0.05 88	0.08 99	0.03 48	0.07 58	0.05 56	0.06 88	0.05 90	0.07 98	0.05 91

FINET	0.07 49	0.08 59	0.07 58	0.07 47	0.07 102	0.08 97	0.06 99	0.08 101	0.07 103	0.08 98	0.07 103	0.08 99	0.06 100	0.07 96	0.07 94	0.08 60	0.07 57	0.07 93	0.07 98	0.06 90	0.06 96

SuperB	0.21 142	0.10 67	2.51 499	0.12 80	0.09 106	0.10 102	0.09 104	0.08 101	0.07 103	0.10 102	0.09 106	0.09 103	0.07 104	0.07 96	0.07 94	0.07 58	0.08 59	0.07 93	0.07 98	0.08 100	0.07 98

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

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

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

BEATNet-Init1	0.19 133	0.08 59	0.08 60	2.23 439	0.08 104	0.08 97	0.07 102	0.07 98	0.08 105	0.08 98	0.07 103	0.08 99	0.07 104	0.11 115	0.08 96	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

DeepPrunerF	0.19 133	0.08 59	0.08 60	2.23 439	0.08 104	0.08 97	0.07 102	0.07 98	0.08 105	0.08 98	0.07 103	0.08 99	0.07 104	0.11 115	0.08 96	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

SepStereo	0.09 51	0.09 65	0.10 69	0.09 53	0.09 106	0.09 101	0.09 104	0.10 103	0.08 105	0.10 102	0.09 106	0.09 103	0.09 107	0.09 102	0.08 96	0.09 66	0.08 59	0.09 100	0.08 102	0.09 103	0.08 99

ISRNet	0.11 83	0.05 49	0.36 226	0.24 148	0.07 102	0.13 117	0.05 87	0.06 88	0.05 92	0.05 86	0.05 94	0.13 119	0.05 88	0.05 77	0.09 99	0.24 173	0.20 165	0.10 101	0.05 90	0.06 90	0.13 140

AnonymousM	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 105	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

PVD	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 105	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SHD	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 105	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SAMSARA	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 105	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

XQC	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 105	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSC	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 105	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTS	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 105	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSA	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 105	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet+	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 105	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet++	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 105	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

JetRed	0.11 83	0.12 80	0.11 89	0.11 74	0.11 128	0.11 113	0.14 142	0.11 115	0.11 124	0.12 116	0.11 124	0.11 115	0.11 123	0.11 115	0.11 117	0.11 86	0.16 141	0.11 112	0.11 123	0.11 114	0.11 119

JetBlue	0.11 83	0.11 78	0.12 100	0.13 93	0.14 148	0.11 113	0.11 122	0.11 115	0.11 124	0.11 114	0.11 124	0.11 115	0.11 123	0.12 119	0.12 131	0.11 86	0.11 95	0.11 112	0.11 123	0.11 114	0.11 119

PASM	0.39 215	3.06 444	1.36 440	1.58 415	0.09 106	0.11 113	0.11 122	0.11 115	0.11 124	0.09 101	0.09 106	0.11 115	0.09 107	0.09 102	0.09 99	0.11 86	0.11 95	0.11 112	0.09 104	0.11 114	0.11 119

LRCNet_RVC	0.13 98	0.13 81	0.09 65	0.13 93	0.10 112	0.14 118	0.10 109	0.14 119	0.10 109	0.23 164	0.10 110	0.20 150	0.10 111	0.24 172	0.11 117	0.11 86	0.09 68	0.12 115	0.14 151	0.12 119	0.09 102

UNet	0.29 166	0.90 243	0.10 69	0.14 97	0.10 112	0.14 118	0.10 109	0.91 345	0.69 347	0.14 118	0.11 124	0.14 120	0.11 123	0.14 121	0.10 105	0.12 91	0.09 68	0.12 115	0.09 104	0.88 334	0.76 355

DRN-Test	0.14 107	0.13 81	0.09 65	0.14 97	0.09 106	0.15 125	0.09 104	0.14 119	0.10 109	0.14 118	0.09 106	0.14 120	0.09 107	0.13 120	0.09 99	0.12 91	0.09 68	0.12 115	0.09 104	0.12 119	0.73 350

S2M2	0.12 92	0.14 85	0.10 69	0.15 107	0.10 112	0.14 118	0.10 109	0.14 119	0.10 109	0.15 124	0.10 110	0.14 120	0.10 111	0.14 121	0.10 105	0.13 107	0.10 73	0.13 118	0.09 104	0.13 121	0.09 102

StereoDRNet	0.15 117	0.14 85	0.10 69	0.14 97	0.09 106	0.15 125	0.09 104	0.14 119	0.09 108	0.14 118	0.10 110	0.14 120	0.09 107	0.14 121	0.09 99	0.13 107	0.10 73	0.13 118	0.09 104	0.13 121	0.82 361

test_for_model	0.15 117	0.23 111	0.18 152	0.21 140	0.11 128	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 131	0.11 123	0.16 131	0.11 117	0.21 154	0.18 162	0.14 120	0.11 123	0.14 123	0.11 119

testlalala2	0.13 98	0.16 87	0.11 89	0.15 107	0.11 128	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 131	0.11 123	0.16 131	0.11 117	0.14 114	0.11 95	0.14 120	0.11 123	0.14 123	0.11 119

testlalala_base	0.13 98	0.16 87	0.11 89	0.15 107	0.11 128	0.15 125	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 131	0.11 123	0.16 131	0.11 117	0.14 114	0.11 95	0.14 120	0.11 123	0.14 123	0.11 119

CIPLG	0.13 98	0.21 106	0.12 100	0.16 117	0.11 128	0.15 125	0.11 122	0.14 119	0.11 124	0.15 124	0.12 134	0.15 130	0.11 123	0.14 121	0.11 117	0.15 123	0.12 109	0.14 120	0.11 123	0.14 123	0.11 119

IPLG	0.13 98	0.20 100	0.14 124	0.15 107	0.11 128	0.14 118	0.11 122	0.14 119	0.11 124	0.14 118	0.11 124	0.14 120	0.11 123	0.14 121	0.11 117	0.15 123	0.12 109	0.14 120	0.11 123	0.14 123	0.11 119

IPLGR_C	0.14 107	0.20 100	0.12 100	0.15 107	0.11 128	0.14 118	0.15 147	0.14 119	0.11 124	0.15 124	0.12 134	0.14 120	0.11 123	0.16 131	0.11 117	0.15 123	0.12 109	0.14 120	0.12 139	0.15 133	0.12 134

MIPNet	0.14 107	0.21 106	0.17 147	0.16 117	0.11 128	0.15 125	0.12 137	0.14 119	0.11 124	0.16 129	0.11 124	0.14 120	0.11 123	0.14 121	0.11 117	0.14 114	0.12 109	0.14 120	0.11 123	0.14 123	0.11 119

IPLGR	0.14 107	0.24 118	0.14 124	0.16 117	0.12 143	0.15 125	0.12 137	0.14 119	0.11 124	0.15 124	0.12 134	0.14 120	0.11 123	0.14 121	0.11 117	0.15 123	0.12 109	0.14 120	0.11 123	0.14 123	0.11 119

ACRE	0.13 98	0.21 106	0.14 124	0.15 107	0.11 128	0.14 118	0.11 122	0.14 119	0.11 124	0.14 118	0.12 134	0.14 120	0.11 123	0.14 121	0.11 117	0.15 123	0.12 109	0.14 120	0.11 123	0.14 123	0.11 119

GMStereo	0.14 107	0.13 81	0.14 124	0.14 97	0.14 148	0.14 118	0.14 142	0.14 119	0.14 147	0.14 118	0.14 151	0.14 120	0.14 148	0.14 121	0.14 141	0.14 114	0.14 136	0.14 120	0.14 151	0.14 123	0.14 145
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
aanetorigin	0.13 98	0.11 78	0.11 89	0.11 74	0.11 128	0.11 113	0.11 122	0.11 115	0.11 124	0.11 114	0.12 134	0.11 115	0.11 123	0.11 115	0.11 117	0.11 86	0.11 95	0.14 120	0.11 123	0.49 279	0.11 119

ELAS_RVC	0.14 107	0.16 87	0.10 69	0.15 107	0.10 112	0.18 144	0.11 122	0.19 144	0.11 124	0.19 143	0.12 134	0.18 144	0.11 123	0.19 145	0.12 131	0.14 114	0.08 59	0.14 120	0.09 104	0.15 133	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 98	0.16 87	0.11 89	0.15 107	0.09 106	0.18 144	0.11 122	0.18 142	0.11 124	0.17 138	0.11 124	0.18 144	0.11 123	0.18 142	0.11 117	0.14 114	0.08 59	0.14 120	0.08 102	0.14 123	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo++	0.54 273	3.59 455	1.15 368	1.31 405	0.14 148	0.16 133	0.14 142	0.16 132	0.14 147	0.16 129	0.14 151	0.16 131	0.13 144	0.16 131	0.14 141	1.45 430	1.16 374	0.15 133	0.14 151	0.15 133	0.13 140

ITSA-stereo	0.15 117	0.17 93	0.13 119	0.20 131	0.13 146	0.19 147	0.13 140	0.18 142	0.13 145	0.19 143	0.13 146	0.18 144	0.14 148	0.18 142	0.14 141	0.16 131	0.11 95	0.15 133	0.14 151	0.18 146	0.11 119

cf-r	0.66 291	2.17 394	0.12 100	0.18 126	0.12 143	0.18 144	2.70 505	2.60 480	0.12 142	0.18 141	0.12 134	0.18 144	0.12 139	0.18 142	0.12 131	0.15 123	0.11 95	0.15 133	0.11 123	1.81 442	1.74 485

xyz-stereo-finetune2	0.18 131	0.48 184	0.16 140	0.16 117	0.15 159	0.15 125	0.16 150	0.16 132	0.16 159	0.16 129	0.16 160	0.16 131	0.16 158	0.16 131	0.16 157	0.16 131	0.16 141	0.16 136	0.16 156	0.16 137	0.16 146

xyz-stereo	0.18 131	0.50 190	0.16 140	0.15 107	0.16 166	0.16 133	0.16 150	0.16 132	0.16 159	0.16 129	0.16 160	0.16 131	0.16 158	0.16 131	0.16 157	0.16 131	0.16 141	0.16 136	0.16 156	0.16 137	0.16 146

GMStereo_Zeroshot	0.16 125	0.16 87	0.16 140	0.16 117	0.16 166	0.16 133	0.16 150	0.16 132	0.16 159	0.16 129	0.16 160	0.16 131	0.16 158	0.16 131	0.16 157	0.16 131	0.16 141	0.16 136	0.16 156	0.16 137	0.16 146

ProNet	0.14 107	0.20 100	0.14 124	0.16 117	0.11 128	0.16 133	0.11 122	0.17 140	0.11 124	0.17 138	0.12 134	0.17 141	0.13 144	0.17 140	0.12 131	0.15 123	0.11 95	0.16 136	0.11 123	0.15 133	0.12 134

ICVP	0.15 117	0.53 202	0.11 89	0.16 117	0.11 128	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 131	0.11 123	0.16 131	0.11 117	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.11 119
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 107	0.16 87	0.12 100	0.17 125	0.12 143	0.17 141	0.11 122	0.17 140	0.11 124	0.17 138	0.12 134	0.17 141	0.12 139	0.17 140	0.12 131	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.12 134

PDISCO_ROB	0.83 332	2.80 441	3.49 516	0.14 97	0.11 128	0.17 141	0.09 104	0.15 131	0.10 109	0.15 124	0.12 134	0.16 131	0.14 148	3.30 500	0.13 137	0.14 114	2.34 492	0.16 136	0.12 139	2.62 482	0.10 107

castereo	0.61 284	3.79 463	1.35 432	1.52 414	0.15 159	0.17 141	0.16 150	0.20 149	0.21 177	0.18 141	0.16 160	0.21 158	0.12 139	0.26 187	0.17 160	1.43 429	1.38 442	0.17 143	0.16 156	0.18 146	0.16 146

DDVS	0.30 167	3.10 445	0.14 124	0.19 129	0.14 148	0.19 147	0.14 142	0.20 149	0.14 147	0.19 143	0.13 146	0.16 131	0.13 144	0.19 145	0.13 137	0.17 138	0.13 133	0.17 143	0.13 147	0.17 142	0.13 140

ACVNet	0.20 135	0.19 96	0.14 124	0.20 131	0.14 148	0.20 152	0.96 375	0.21 156	0.14 147	0.20 148	0.13 146	0.21 158	0.14 148	0.20 149	0.14 141	0.17 138	0.12 109	0.17 143	0.12 139	0.17 142	0.12 134

acv_ft	0.20 135	0.19 96	0.14 124	0.20 131	0.14 148	0.20 152	0.96 375	0.21 156	0.14 147	0.20 148	0.13 146	0.21 158	0.14 148	0.20 149	0.14 141	0.17 138	0.12 109	0.17 143	0.12 139	0.17 142	0.12 134

hitnet-ft	0.79 317	2.78 440	0.14 124	0.20 131	0.14 148	0.21 160	2.89 506	2.80 494	0.14 147	0.20 148	0.14 151	0.20 150	0.14 148	0.20 149	0.14 141	0.17 138	0.12 109	0.17 143	0.12 139	2.54 481	2.33 502

PSMNet-RSSM	0.77 313	2.76 436	0.14 124	0.20 131	0.14 148	0.20 152	2.66 503	2.79 493	0.14 147	0.21 158	0.14 151	0.21 158	0.14 148	0.20 149	0.14 141	0.17 138	0.12 109	0.17 143	0.12 139	2.52 473	2.31 500

GwcNet-RSSM	0.77 313	2.77 438	0.14 124	0.20 131	0.14 148	0.20 152	2.67 504	2.78 492	0.14 147	0.20 148	0.14 151	0.20 150	0.14 148	0.21 160	0.14 141	0.17 138	0.12 109	0.17 143	0.12 139	2.52 473	2.31 500

CFNet-ft	0.55 277	1.57 356	0.14 124	0.20 131	0.14 148	0.20 152	2.53 502	1.61 438	0.14 147	0.20 148	0.14 151	0.20 150	0.14 148	0.20 149	0.14 141	0.17 138	0.12 109	0.17 143	0.12 139	1.56 430	1.24 450

FADE		0.06 54		0.09 53	0.10 112							0.05 86				0.15 123	0.10 73	0.17 143	0.13 147	0.11 114

SGM_RVC	0.15 117	0.17 93	0.11 89	0.18 126	0.11 128	0.19 147	0.11 122	0.19 144	0.12 142	0.19 143	0.12 134	0.20 150	0.12 139	0.19 145	0.12 131	0.16 131	0.11 95	0.17 143	0.10 111	0.17 142	0.10 107
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
CAS++	0.17 128	0.27 122	0.21 162	0.10 57	0.21 189	0.15 125	0.22 179	0.10 103	0.21 177	0.22 160	0.10 110	0.19 148	0.18 169	0.10 104	0.19 172	0.20 149	0.19 163	0.18 153	0.10 111	0.19 152	0.18 162
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DeepPruner_ROB	0.16 125	0.18 95	0.13 119	0.19 129	0.13 146	0.19 147	0.13 140	0.19 144	0.13 145	0.19 143	0.13 146	0.19 148	0.13 144	0.19 145	0.13 137	0.18 146	0.13 133	0.18 153	0.13 147	0.18 146	0.13 140

LALA_ROB	0.15 117	0.19 96	0.12 100	0.18 126	0.11 128	0.20 152	0.12 137	0.21 156	0.12 142	0.20 148	0.12 134	0.20 150	0.12 139	0.21 160	0.13 137	0.17 138	0.10 73	0.18 153	0.11 123	0.18 146	0.11 119

GEStereo_RVC	0.86 338	4.45 475	0.20 158	0.27 162	0.20 182	0.27 186	0.20 168	0.26 177	0.18 166	5.03 528	0.20 180	0.27 187	0.19 174	0.27 190	0.21 178	0.20 149	0.19 163	0.19 156	4.02 533	0.20 153	0.18 162

IGEV_Zeroshot_test	0.20 135	0.19 96	0.40 242	0.30 165	0.17 169	0.22 162	0.17 155	0.21 156	0.17 164	0.20 148	0.17 165	0.21 158	0.18 169	0.21 160	0.17 160	0.20 149	0.16 141	0.20 157	0.16 156	0.20 153	0.17 158

DAS	0.20 135	0.20 100	0.20 158	0.20 131	0.20 182	0.20 152	0.20 168	0.20 149	0.20 174	0.20 148	0.20 180	0.20 150	0.20 178	0.20 149	0.20 175	0.20 149	0.20 165	0.20 157	0.20 179	0.20 153	0.20 165

ASD4	0.20 135	0.20 100	0.20 158	0.20 131	0.20 182	0.20 152	0.20 168	0.20 149	0.20 174	0.20 148	0.20 180	0.20 150	0.20 178	0.20 149	0.20 175	0.20 149	0.20 165	0.20 157	0.20 179	0.20 153	0.20 165

MSKI-zero shot	0.24 151	0.21 106	0.49 283	0.65 281	0.18 176	0.22 162	0.17 155	0.23 164	0.18 166	0.21 158	0.17 165	0.23 168	0.28 219	0.23 168	0.18 169	0.21 154	0.16 141	0.21 160	0.16 156	0.21 157	0.16 146

MIM_Stereo	0.25 152	0.23 111	0.66 315	0.80 298	0.17 169	0.22 162	0.17 155	0.23 164	0.18 166	0.26 180	0.17 165	0.21 158	0.17 162	0.25 177	0.17 160	0.23 168	0.16 141	0.21 160	0.17 174	0.22 159	0.17 158

dd	0.23 149	0.98 258	0.16 140	0.23 143	0.15 159	0.23 168	0.15 147	0.23 164	0.15 157	0.23 164	0.15 159	0.24 172	0.17 162	0.23 168	0.15 151	0.22 157	0.15 139	0.21 160	0.15 155	0.22 159	0.16 146

iResNetv2_ROB	0.20 135	0.23 111	0.18 152	0.24 148	0.20 182	0.24 169	0.18 161	0.24 167	0.18 166	0.24 169	0.18 175	0.23 168	0.19 174	0.24 172	0.18 169	0.21 154	0.16 141	0.21 160	0.16 156	0.22 159	0.16 146

iResNet	0.20 135	0.23 111	0.18 152	0.24 148	0.18 176	0.24 169	0.20 168	0.24 167	0.18 166	0.23 164	0.17 165	0.23 168	0.18 169	0.23 168	0.18 169	0.22 157	0.16 141	0.21 160	0.16 156	0.21 157	0.16 146

ACV-stereo	0.30 167	2.08 386	0.25 176	0.25 153	0.18 176	0.24 169	0.17 155	0.24 167	0.18 166	0.24 169	0.17 165	0.25 177	0.17 162	0.24 172	0.17 160	0.22 157	0.16 141	0.22 165	0.16 156	0.22 159	0.16 146

Pointernet	0.21 142	0.22 110	0.19 155	0.24 148	0.19 180	0.24 169	0.19 165	0.24 167	0.19 172	0.24 169	0.19 176	0.24 172	0.19 174	0.24 172	0.19 172	0.22 157	0.17 156	0.22 165	0.17 174	0.22 159	0.17 158

WAO-6	0.22 145	0.23 111	0.22 164	0.23 143	0.22 191	0.22 162	0.22 179	0.22 160	0.22 180	0.22 160	0.22 186	0.22 164	0.22 184	0.22 164	0.22 180	0.22 157	0.22 173	0.22 165	0.22 184	0.22 159	0.22 171

dad	0.23 149	1.03 273	0.16 140	0.23 143	0.15 159	0.24 169	0.15 147	0.24 167	0.16 159	0.23 164	0.16 160	0.24 172	0.16 158	0.23 168	0.15 151	0.22 157	0.16 141	0.22 165	0.16 156	0.22 159	0.16 146

delet	0.43 237	1.21 341	0.17 147	0.25 153	0.17 169	0.25 176	0.18 161	1.26 426	0.95 378	0.25 173	0.17 165	0.25 177	0.17 162	0.25 177	0.17 160	0.23 168	0.16 141	0.22 165	0.16 156	1.18 368	0.98 374

UPFNet	0.42 236	1.20 295	0.17 147	0.24 148	0.17 169	0.25 176	0.17 155	1.19 374	0.90 370	0.25 173	0.17 165	0.24 172	0.17 162	0.25 177	0.17 160	0.22 157	0.17 156	0.22 165	0.16 156	1.15 360	0.93 370

tg	0.21 142	0.25 120	0.21 162	0.26 160	0.17 169	0.24 169	0.17 155	0.24 167	0.17 164	0.24 169	0.17 165	0.24 172	0.17 162	0.24 172	0.17 160	0.24 173	0.17 156	0.23 171	0.16 156	0.23 168	0.16 146

IMH-64-1	0.22 145	0.23 111	0.23 167	0.22 141	0.22 191	0.22 162	0.22 179	0.22 160	0.22 180	0.22 160	0.22 186	0.22 164	0.22 184	0.22 164	0.22 180	0.22 157	0.22 173	0.23 171	0.22 184	0.22 159	0.23 173

IMH-64	0.22 145	0.23 111	0.23 167	0.22 141	0.22 191	0.22 162	0.22 179	0.22 160	0.22 180	0.22 160	0.22 186	0.22 164	0.22 184	0.22 164	0.22 180	0.22 157	0.22 173	0.23 171	0.22 184	0.22 159	0.23 173

MMNet	0.44 241	1.24 345	0.17 147	0.25 153	0.17 169	0.25 176	0.18 161	1.26 426	0.93 376	0.25 173	0.17 165	0.25 177	0.18 169	0.25 177	0.17 160	0.23 168	0.16 141	0.23 171	0.16 156	1.20 371	0.99 375

psm_up	0.43 237	1.19 294	0.17 147	0.25 153	0.18 176	0.25 176	0.19 165	1.26 426	0.91 371	0.26 180	0.17 165	0.25 177	0.17 162	0.25 177	0.17 160	0.22 157	0.17 156	0.23 171	0.16 156	1.18 368	0.99 375

ac_64	0.22 145	0.13 81	0.19 155	0.23 143	0.10 112	0.26 183	1.02 383	0.14 119	0.10 109	0.28 183	0.14 151	0.17 141	0.19 174	0.28 192	0.09 99	0.22 157	0.16 141	0.23 171	0.17 174	0.11 114	0.12 134

CFNet	1.37 426	5.27 488	0.19 155	5.49 516	0.19 180	0.28 187	0.19 165	0.28 180	0.19 172	0.28 183	0.19 176	0.28 188	4.35 526	0.28 192	0.19 172	0.23 168	0.17 156	0.23 171	4.21 535	4.81 512	0.17 158

DEFOM-Stereo_RVC	0.83 332	5.18 485	1.98 488	2.19 436	0.17 169	0.19 147	0.18 161	0.19 144	0.16 159	0.20 148	0.19 176	0.22 164	0.22 184	0.20 149	0.15 151	2.28 469	2.13 487	0.24 178	0.17 174	0.18 146	0.16 146

UNDER WATER-64	0.25 152	0.26 121	0.25 176	0.26 160	0.25 203	0.25 176	0.25 194	0.25 173	0.25 193	0.25 173	0.25 202	0.25 177	0.25 196	0.26 187	0.25 196	0.25 179	0.25 180	0.25 179	0.25 202	0.25 170	0.25 184

LoS_RVC	0.30 167	1.14 287	0.25 176	0.25 153	0.25 203	0.26 183	0.25 194	0.25 173	0.25 193	0.25 173	0.25 202	0.26 186	0.26 205	0.26 187	0.25 196	0.26 180	0.26 183	0.25 179	0.25 202	0.26 172	0.26 190

LoS	0.25 152	0.27 122	0.25 176	0.25 153	0.25 203	0.25 176	0.25 194	0.26 177	0.25 193	0.25 173	0.25 202	0.25 177	0.25 196	0.25 177	0.25 196	0.26 180	0.25 180	0.25 179	0.26 208	0.26 172	0.25 184
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CAS	0.30 167	1.17 291	0.25 176	0.25 153	0.25 203	0.26 183	0.25 194	0.25 173	0.26 206	0.25 173	0.25 202	0.25 177	0.25 196	0.25 177	0.25 196	0.26 180	0.26 183	0.26 182	0.25 202	0.26 172	0.25 184

ssnet_v2	0.68 296	1.96 383	1.25 428	0.29 164	0.20 182	0.30 190	0.20 168	0.29 184	0.22 180	1.50 440	0.20 180	0.31 198	0.20 178	0.27 190	0.22 180	0.24 173	1.49 448	0.26 182	0.18 178	3.90 490	0.19 164

FCDSN-DC	0.41 226	0.59 210	0.64 311	0.54 262	0.33 249	0.50 299	0.37 264	0.42 254	0.40 279	0.61 320	0.43 300	0.50 303	0.49 314	0.38 222	0.32 230	0.28 185	0.23 177	0.26 182	0.22 184	0.35 210	0.28 211
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AANet_RVC	1.26 421	0.31 129	4.99 527	5.93 519	0.20 182	0.25 176	0.20 168	0.25 173	0.20 174	0.23 164	0.19 176	0.25 177	0.20 178	0.25 177	0.20 175	5.66 527	4.76 520	0.26 182	0.30 238	0.24 169	0.27 198

tt1	0.31 172	0.93 252	0.24 173	0.33 174	0.23 196	0.31 193	0.24 191	0.32 189	0.24 188	0.32 194	0.23 190	0.32 200	0.25 196	0.32 200	0.24 190	0.27 183	0.26 183	0.27 186	0.26 208	0.27 175	0.27 198

DISCO	1.11 368	0.39 147	5.28 529	0.39 192	0.20 182	0.39 227	0.27 205	0.39 218	0.22 180	0.38 214	0.20 180	0.38 223	0.20 178	6.95 539	0.22 180	0.30 193	0.21 169	0.27 186	0.21 181	5.25 521	0.21 168

DCVSM-stereo	0.36 196	1.89 373	0.22 164	0.40 205	0.22 191	0.40 229	0.22 179	0.40 223	0.22 180	0.40 224	0.22 186	0.40 234	0.22 184	0.40 233	0.22 180	0.28 185	0.21 169	0.28 188	0.21 181	0.28 177	0.20 165

xxxxx1	0.31 172	0.91 245	0.23 167	0.31 168	0.23 196	0.31 193	0.23 186	0.33 192	0.25 193	0.31 189	0.24 196	0.33 203	0.25 196	0.32 200	0.24 190	0.28 185	0.28 193	0.28 188	0.28 219	0.29 180	0.27 198

SQANet	0.28 162	0.28 125	0.28 187	0.28 163	0.28 216	0.28 187	0.28 210	0.28 180	0.28 214	0.28 183	0.28 218	0.28 188	0.28 219	0.28 192	0.28 208	0.28 185	0.28 193	0.28 188	0.28 219	0.28 177	0.28 211

tt_ll	0.31 172	0.91 245	0.23 167	0.31 168	0.23 196	0.31 193	0.23 186	0.33 192	0.25 193	0.31 189	0.24 196	0.33 203	0.25 196	0.32 200	0.24 190	0.28 185	0.28 193	0.28 188	0.28 219	0.29 180	0.27 198

ff	0.31 172	0.91 245	0.23 167	0.31 168	0.23 196	0.31 193	0.23 186	0.33 192	0.25 193	0.31 189	0.24 196	0.33 203	0.25 196	0.32 200	0.24 190	0.28 185	0.28 193	0.28 188	0.28 219	0.29 180	0.27 198

DLNR_Zeroshot_test	0.31 172	0.28 125	0.47 271	0.79 296	0.24 201	0.30 190	0.26 202	0.30 186	0.24 188	0.32 194	0.23 190	0.31 198	0.24 193	0.30 197	0.23 186	0.29 192	0.26 183	0.29 193	0.24 197	0.33 194	0.23 173

RAFT + AFF	0.31 172	0.45 170	0.34 216	0.39 192	0.28 216	0.38 221	0.33 236	0.29 184	0.31 233	0.30 187	0.30 233	0.29 193	0.27 213	0.29 195	0.30 225	0.28 185	0.29 202	0.29 193	0.29 228	0.27 175	0.32 235

DEFOM-Stereo	0.68 296	3.11 446	1.40 446	1.63 421	0.25 203	0.31 193	0.25 194	0.31 188	0.28 214	0.31 189	0.29 222	0.29 193	0.27 213	0.31 199	0.28 208	1.59 436	1.47 447	0.30 195	0.29 228	0.30 183	0.28 211

WCG-NET（raft）	0.32 180	1.24 345	0.24 173	0.32 171	0.24 201	0.32 201	0.23 186	0.32 189	0.24 188	0.32 194	0.24 196	0.32 200	0.24 193	0.32 200	0.24 190	0.30 193	0.23 177	0.30 195	0.23 189	0.30 183	0.23 173

testlalala	0.32 180	0.81 228	0.31 199	0.39 192	0.26 211	0.33 203	0.24 191	0.33 192	0.26 206	0.32 194	0.26 208	0.33 203	0.23 190	0.33 206	0.23 186	0.35 212	0.31 214	0.30 195	0.24 197	0.31 186	0.21 168

DANet	0.30 167	0.30 128	0.30 193	0.30 165	0.30 232	0.30 190	0.30 222	0.30 186	0.30 229	0.30 187	0.30 233	0.30 196	0.30 231	0.30 197	0.30 225	0.30 193	0.30 210	0.30 195	0.30 238	0.30 183	0.30 226
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xyz-stereo-finetune	0.28 162	0.49 186	0.16 140	0.16 117	0.16 166	0.16 133	0.16 150	0.22 160	0.30 229	0.32 194	0.31 236	0.32 200	0.31 236	0.32 200	0.32 230	0.32 197	0.33 223	0.31 199	0.32 249	0.31 186	0.32 235

GCAP-BAT	0.33 183	0.78 222	0.32 203	0.38 187	0.25 203	0.34 205	0.25 194	0.34 196	0.26 206	0.34 201	0.25 202	0.35 209	0.26 205	0.35 210	0.27 202	0.36 216	0.30 210	0.32 200	0.24 197	0.32 188	0.26 190

gwcnet-sp	0.82 328	1.72 361	1.48 450	0.39 192	0.15 159	0.31 193	0.21 174	0.20 149	0.25 193	1.61 442	0.23 190	0.28 188	0.26 205	0.20 149	0.15 151	0.24 173	1.33 434	0.32 200	0.16 156	6.75 528	0.23 173

scenet	0.82 328	1.72 361	1.48 450	0.39 192	0.15 159	0.31 193	0.21 174	0.20 149	0.25 193	1.61 442	0.23 190	0.28 188	0.26 205	0.20 149	0.15 151	0.24 173	1.33 434	0.32 200	0.16 156	6.75 528	0.23 173

ssnet	0.82 328	1.72 361	1.48 450	0.39 192	0.15 159	0.31 193	0.21 174	0.20 149	0.25 193	1.61 442	0.23 190	0.28 188	0.26 205	0.20 149	0.15 151	0.24 173	1.33 434	0.32 200	0.16 156	6.75 528	0.23 173

IGEV-Stereo	0.35 192	0.44 167	0.45 260	0.49 244	0.30 232	0.37 217	0.30 222	0.36 203	0.30 229	0.36 208	0.29 222	0.36 215	0.29 225	0.36 216	0.30 225	0.46 269	0.39 245	0.32 200	0.24 197	0.32 188	0.25 184
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GES	0.66 291	2.34 410	0.29 189	0.41 215	0.29 223	0.41 245	0.29 217	0.42 254	0.29 219	0.40 224	0.41 289	0.41 246	0.30 231	0.51 303	0.29 218	0.32 197	0.29 202	0.32 200	2.46 506	2.49 469	0.30 226

FENet	0.54 273	1.52 355	1.19 374	1.41 412	0.23 196	0.35 209	0.23 186	0.35 199	0.23 186	0.34 201	0.23 190	0.35 209	0.23 190	0.35 210	0.23 186	1.40 428	1.07 358	0.32 200	0.23 189	0.33 194	0.23 173

iResNet_ROB	0.28 162	0.32 130	0.24 173	0.32 171	0.25 203	0.32 201	0.24 191	0.32 189	0.24 188	0.33 199	0.24 196	0.35 209	0.24 193	0.33 206	0.24 190	0.31 196	0.24 179	0.32 200	0.24 197	0.32 188	0.24 183

ACVNet-DCA	0.37 201	1.00 261	0.30 193	0.40 205	0.29 223	0.40 229	0.29 217	0.40 223	0.29 219	0.40 224	0.29 222	0.40 234	0.29 225	0.39 230	0.28 208	0.33 200	0.32 216	0.33 208	0.32 249	0.33 194	0.32 235

1test111	0.37 201	1.02 271	0.30 193	0.39 192	0.29 223	0.40 229	0.28 210	0.39 218	0.29 219	0.39 219	0.29 222	0.39 227	0.28 219	0.40 233	0.29 218	0.33 200	0.32 216	0.33 208	0.31 244	0.32 188	0.31 231

cc1	0.37 201	1.02 271	0.30 193	0.39 192	0.29 223	0.40 229	0.28 210	0.39 218	0.29 219	0.39 219	0.29 222	0.39 227	0.28 219	0.40 233	0.29 218	0.33 200	0.32 216	0.33 208	0.31 244	0.32 188	0.31 231

CASnet	0.35 192	0.51 197	0.44 258	0.32 171	0.31 236	0.24 169	0.34 247	0.36 203	0.25 193	0.31 189	0.37 271	0.30 196	0.33 245	0.25 177	0.45 297	0.37 220	0.37 232	0.33 208	0.35 267	0.34 198	0.37 259
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 332	1.91 376	0.92 350	4.48 494	0.02 21	0.40 229	0.04 77	0.41 238	0.02 21	0.48 277	0.03 52	0.41 246	0.05 88	0.03 39	0.05 83	1.97 452	4.19 517	0.33 208	0.23 189	0.34 198	0.27 198

BSDual-CNN	0.81 324	1.91 376	0.92 350	4.48 494	0.02 21	0.42 263	0.06 99	0.41 238	0.02 21	0.48 277	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 452	4.19 517	0.33 208	0.23 189	0.34 198	0.27 198

hknet	1.10 366	1.85 369	3.49 516	4.48 494	0.02 21	0.42 263	0.06 99	0.41 238	0.02 21	0.48 277	0.03 52	0.41 246	0.03 52	0.42 260	0.03 48	4.39 503	4.19 517	0.33 208	0.23 189	0.34 198	0.27 198

model_zeroshot	0.27 161	0.20 100	0.27 183	0.33 174	0.21 189	0.37 217	0.22 179	0.37 209	0.24 188	0.26 180	0.27 212	0.33 203	0.21 183	0.25 177	0.27 202	0.32 197	0.20 165	0.34 215	0.23 189	0.25 170	0.26 190

RSM	0.36 196	0.36 136	0.43 256	0.37 184	0.42 302	0.49 291	0.42 291	0.37 209	0.28 214	0.36 208	0.29 222	0.36 215	0.30 231	0.37 220	0.28 208	0.34 203	0.31 214	0.34 215	0.35 267	0.40 240	0.29 216

H2IRNET	0.34 185	0.34 132	0.34 216	0.34 176	0.34 259	0.34 205	0.34 247	0.34 196	0.34 251	0.34 201	0.34 252	0.34 208	0.34 250	0.34 208	0.34 251	0.34 203	0.34 226	0.34 215	0.34 261	0.34 198	0.34 248

MyStereo07	0.60 281	3.72 461	0.48 278	0.49 244	0.41 292	0.36 212	0.32 227	0.49 278	0.43 295	0.51 300	0.42 298	0.49 289	0.43 293	0.51 303	0.64 335	0.49 281	0.45 270	0.34 215	0.32 249	0.35 210	0.43 289

MyStereo04	0.56 279	3.72 461	0.59 303	0.49 244	0.41 292	0.36 212	0.32 227	0.37 209	0.31 233	0.34 201	0.46 307	0.35 209	0.32 238	0.35 210	0.33 238	0.49 281	0.45 270	0.34 215	0.32 249	0.35 210	0.43 289

xx1	0.38 207	1.03 273	0.31 199	0.40 205	0.31 236	0.41 245	0.28 210	0.40 223	0.29 219	0.40 224	0.29 222	0.40 234	0.29 225	0.40 233	0.29 218	0.34 203	0.33 223	0.34 215	0.32 249	0.34 198	0.32 235

CRFU-Net	0.65 289	1.67 360	1.22 424	1.96 430	0.27 213	0.41 245	0.27 205	0.41 238	0.27 211	0.40 224	0.26 208	0.41 246	0.27 213	0.40 233	0.27 202	1.80 443	1.62 461	0.34 215	0.23 189	0.33 194	0.23 173

NINENet	0.69 299	3.87 467	1.20 377	1.98 431	0.05 93	0.40 229	0.04 77	0.40 223	0.05 92	0.41 237	0.04 85	0.41 246	0.05 88	0.40 233	0.05 83	1.79 442	1.56 454	0.34 215	0.22 184	0.34 198	0.23 173

iRaft-Stereo_5w	0.34 185	0.42 163	0.31 199	0.39 192	0.30 232	0.38 221	0.30 222	0.40 223	0.29 219	0.40 224	0.37 271	0.41 246	0.34 250	0.38 222	0.30 225	0.34 203	0.27 188	0.34 215	0.26 208	0.34 198	0.26 190

iRaft-Stereo_20w	0.34 185	0.41 156	0.31 199	0.39 192	0.29 223	0.40 229	0.32 227	0.41 238	0.32 236	0.38 214	0.30 233	0.39 227	0.30 231	0.38 222	0.32 230	0.35 212	0.27 188	0.34 215	0.27 215	0.34 198	0.29 216

HGLStereo	0.28 162	0.29 127	0.22 164	0.36 181	0.22 191	0.36 212	0.21 174	0.36 203	0.21 177	0.42 249	0.21 185	0.36 215	0.22 184	0.36 216	0.21 178	0.34 203	0.21 169	0.34 215	0.21 181	0.34 198	0.21 168

MLCV	0.31 172	0.35 133	0.27 183	0.35 177	0.28 216	0.35 209	0.27 205	0.35 199	0.28 214	0.36 208	0.27 212	0.35 209	0.27 213	0.35 210	0.27 202	0.34 203	0.27 188	0.34 215	0.27 215	0.34 198	0.27 198

DN-CSS_ROB	0.31 172	0.35 133	0.28 187	0.35 177	0.28 216	0.34 205	0.27 205	0.34 196	0.25 193	0.35 205	0.27 212	0.36 215	0.26 205	0.34 208	0.28 208	0.35 212	0.28 193	0.34 215	0.28 219	0.34 198	0.27 198

HH	0.71 302	2.54 419	0.74 329	1.10 336	0.32 238	0.41 245	0.37 264	0.69 324	0.78 360	0.73 336	0.90 372	0.75 343	1.00 369	0.84 346	0.69 348	0.69 318	0.40 248	0.35 228	0.26 208	0.35 210	0.26 190

HanStereo	0.71 302	2.54 419	0.74 329	1.10 336	0.32 238	0.41 245	0.37 264	0.69 324	0.78 360	0.73 336	0.90 372	0.75 343	1.00 369	0.84 346	0.69 348	0.69 318	0.40 248	0.35 228	0.26 208	0.35 210	0.26 190

4D-IteraStereo	0.78 316	3.13 447	0.89 343	0.69 286	0.32 238	0.40 229	0.32 227	0.76 330	0.97 381	0.52 303	0.65 347	0.89 357	0.32 238	0.76 340	0.98 377	0.83 335	0.94 350	0.35 228	0.27 215	0.70 312	0.89 366

DMCA	0.36 196	0.38 141	0.37 229	0.35 177	0.35 262	0.36 212	0.36 259	0.36 203	0.35 254	0.35 205	0.37 271	0.36 215	0.36 260	0.35 210	0.36 259	0.36 216	0.36 230	0.35 228	0.36 273	0.36 217	0.36 255

ETE_ROB	0.35 192	0.35 133	0.35 224	0.35 177	0.35 262	0.35 209	0.35 252	0.35 199	0.35 254	0.35 205	0.35 261	0.35 209	0.35 257	0.35 210	0.35 255	0.35 212	0.35 227	0.35 228	0.35 267	0.35 210	0.35 254

LG-Stereo_L2	0.34 185	0.37 138	0.38 232	0.47 234	0.28 216	0.39 227	0.28 210	0.39 218	0.28 214	0.39 219	0.28 218	0.39 227	0.28 219	0.38 222	0.28 208	0.42 262	0.35 227	0.36 233	0.26 208	0.35 210	0.26 190

Any-RAFT	0.32 180	0.36 136	0.27 183	0.36 181	0.27 213	0.36 212	0.27 205	0.36 203	0.27 211	0.36 208	0.27 212	0.36 215	0.27 213	0.36 216	0.28 208	0.36 216	0.28 193	0.36 233	0.28 219	0.36 217	0.28 211

UCFNet_RVC	2.75 497	10.06 526	0.29 189	10.31 543	0.29 223	0.42 263	0.29 217	0.43 258	0.29 219	0.42 249	0.29 222	0.42 262	9.87 543	0.43 262	0.29 218	0.36 216	9.84 543	0.36 233	0.26 208	9.77 542	0.26 190

IGEV++	0.34 185	0.43 164	0.30 193	0.40 205	0.29 223	0.40 229	0.29 217	0.40 223	0.29 219	0.40 224	0.29 222	0.40 234	0.29 225	0.40 233	0.30 225	0.38 227	0.29 202	0.37 236	0.29 228	0.37 219	0.29 216

TorneroNet-64	0.45 243	0.27 122	0.30 193	0.58 269	0.27 213	0.70 333	0.30 222	0.28 180	0.73 357	0.73 336	0.28 218	0.71 336	0.66 339	0.75 339	0.27 202	0.27 183	0.29 202	0.37 236	0.75 361	0.28 177	0.30 226

RAFT-Test	0.36 196	0.37 138	0.33 208	0.41 215	0.32 238	0.41 245	0.32 227	0.41 238	0.32 236	0.41 237	0.32 238	0.41 246	0.32 238	0.41 247	0.33 238	0.37 220	0.29 202	0.37 236	0.29 228	0.38 228	0.31 231

IER	0.88 339	7.04 504	2.23 493	2.75 454	0.28 216	0.43 267	0.25 194	0.39 218	0.25 193	0.41 237	0.27 212	0.39 227	0.25 196	0.40 233	0.28 208	0.37 220	0.28 193	0.37 236	0.25 202	0.37 219	0.25 184

GANet-RSSM	0.75 308	1.91 376	0.14 124	0.47 234	0.14 148	0.21 160	3.21 522	2.30 468	0.14 147	0.46 264	0.14 151	0.23 168	0.18 169	0.21 160	0.14 141	0.18 146	0.27 188	0.37 236	0.13 147	2.13 451	2.12 495

StereoDRNet-Refined	0.33 183	0.39 147	0.26 182	0.39 192	0.26 211	0.40 229	0.26 202	0.40 223	0.26 206	0.39 219	0.26 208	0.39 227	0.26 205	0.39 230	0.26 201	0.37 220	0.25 180	0.37 236	0.25 202	0.37 219	0.37 259
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 201	0.37 138	0.37 229	0.37 184	0.37 271	0.37 217	0.37 264	0.37 209	0.37 266	0.37 213	0.37 271	0.37 221	0.37 264	0.37 220	0.37 267	0.37 220	0.37 232	0.37 236	0.37 275	0.37 219	0.37 259

GIP-stereo	0.36 196	0.49 186	0.39 239	0.48 238	0.32 238	0.41 245	0.28 210	0.40 223	0.30 229	0.41 237	0.28 218	0.40 234	0.28 219	0.42 260	0.28 208	0.45 266	0.32 216	0.38 243	0.30 238	0.37 219	0.27 198

mms	0.40 219	0.45 170	0.35 224	0.48 238	0.36 268	0.47 281	0.34 247	0.45 260	0.38 270	0.47 270	0.33 244	0.45 268	0.32 238	0.45 267	0.32 230	0.39 236	0.38 238	0.38 243	0.37 275	0.39 235	0.39 271

fffy	0.38 207	0.43 164	0.33 208	0.46 228	0.33 249	0.45 270	0.32 227	0.45 260	0.32 236	0.45 260	0.32 238	0.45 268	0.33 245	0.45 267	0.32 230	0.38 227	0.38 238	0.38 243	0.37 275	0.37 219	0.36 255

PAM	0.39 215	1.88 372	0.34 216	0.37 184	0.41 292	0.45 270	0.22 179	0.28 180	0.23 186	0.28 183	0.24 196	0.29 193	0.23 190	0.29 195	0.23 186	0.38 227	0.32 216	0.38 243	0.37 275	0.32 188	0.22 171

RAFT-Stereo-weight	0.45 243	1.90 375	0.34 216	0.42 223	0.36 268	0.43 267	0.35 252	0.42 254	0.34 251	0.42 249	0.34 252	0.44 266	0.34 250	0.41 247	0.34 251	0.38 227	0.32 216	0.38 243	0.32 249	0.38 228	0.33 242

gcap-zeroshot	0.35 192	0.32 130	0.37 229	0.49 244	0.39 283	0.33 203	0.21 174	0.26 177	0.35 254	0.42 249	0.34 252	0.49 289	0.29 225	0.47 275	0.39 276	0.34 203	0.17 156	0.38 243	0.23 189	0.48 276	0.34 248

WAO-8	0.38 207	0.38 141	0.38 232	0.38 187	0.38 278	0.38 221	0.38 270	0.38 214	0.38 270	0.38 214	0.38 276	0.38 223	0.38 268	0.38 222	0.38 270	0.38 227	0.38 238	0.38 243	0.37 275	0.38 228	0.38 266

WAO-7	0.38 207	0.38 141	0.38 232	0.38 187	0.38 278	0.38 221	0.38 270	0.38 214	0.38 270	0.38 214	0.38 276	0.38 223	0.38 268	0.38 222	0.38 270	0.38 227	0.38 238	0.38 243	0.38 287	0.38 228	0.38 266

Venus	0.38 207	0.38 141	0.38 232	0.38 187	0.38 278	0.37 217	0.38 270	0.37 209	0.37 266	0.41 237	0.37 271	0.39 227	0.37 264	0.38 222	0.38 270	0.37 220	0.38 238	0.38 243	0.37 275	0.37 219	0.38 266

RCA-Stereo	0.51 269	3.22 450	0.34 216	0.44 226	0.34 259	0.44 269	0.34 247	0.43 258	0.34 251	0.43 255	0.34 252	0.44 266	0.33 245	0.43 262	0.33 238	0.38 227	0.29 202	0.38 243	0.29 228	0.38 228	0.29 216

water-stereo	0.41 226	0.84 231	0.46 264	0.50 251	0.33 249	0.45 270	0.33 236	0.45 260	0.32 236	0.45 260	0.32 238	0.45 268	0.32 238	0.45 267	0.32 230	0.44 264	0.41 257	0.39 253	0.31 244	0.39 235	0.32 235

Former-RAFT_DAM_RVC	0.49 262	0.98 258	0.64 311	0.84 303	0.46 309	0.45 270	0.35 252	0.47 270	0.47 305	0.45 260	0.34 252	0.46 272	0.48 309	0.46 271	0.35 255	0.39 236	0.71 328	0.39 253	0.35 267	0.41 250	0.41 281

IMH	0.38 207	0.38 141	0.38 232	0.38 187	0.38 278	0.38 221	0.38 270	0.38 214	0.38 270	0.42 249	0.38 276	0.40 234	0.38 268	0.38 222	0.38 270	0.38 227	0.38 238	0.39 253	0.38 287	0.38 228	0.38 266

EKT-Stereo	0.37 201	0.40 149	0.44 258	1.07 334	0.29 223	0.34 205	0.31 226	0.36 203	0.29 219	0.38 214	0.31 236	0.37 221	0.30 231	0.36 216	0.29 218	0.34 203	0.28 193	0.39 253	0.30 238	0.37 219	0.30 226

Gwc-CoAtRS	0.41 226	1.49 354	0.32 203	0.42 223	0.32 238	0.41 245	0.32 227	0.41 238	0.33 242	0.41 237	0.32 238	0.41 246	0.32 238	0.41 247	0.32 230	0.39 236	0.28 193	0.39 253	0.28 219	0.40 240	0.28 211

DilatedVolume-Stereo	0.43 237	0.86 234	0.48 278	0.50 251	0.33 249	0.46 276	0.33 236	0.46 264	0.33 242	0.46 264	0.33 244	0.47 278	0.33 245	0.47 275	0.34 251	0.45 266	0.42 265	0.40 258	0.33 257	0.47 272	0.38 266

ccccc	0.41 226	0.44 167	0.34 216	0.48 238	0.35 262	0.48 286	0.35 252	0.51 295	0.35 254	0.47 270	0.35 261	0.47 278	0.34 250	0.47 275	0.35 255	0.41 248	0.40 248	0.40 258	0.40 291	0.41 250	0.39 271

HanzoNet	0.39 215	0.38 141	0.40 242	0.39 192	0.41 292	0.38 221	0.38 270	0.38 214	0.38 270	0.39 219	0.39 280	0.38 223	0.38 268	0.39 230	0.40 280	0.38 227	0.38 238	0.40 258	0.38 287	0.38 228	0.40 274

CFNet_ucs	2.73 496	9.64 523	0.33 208	9.92 540	0.32 238	0.49 291	0.33 236	0.49 278	0.33 242	0.49 284	0.33 244	0.49 289	8.98 541	0.48 284	0.33 238	0.41 248	9.96 544	0.40 258	0.29 228	10.12 544	0.54 320

knoymous	0.40 219	0.40 149	0.40 242	0.40 205	0.40 285	0.40 229	0.40 278	0.40 223	0.40 279	0.40 224	0.40 283	0.40 234	0.40 274	0.40 233	0.40 280	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 274

anonymousa	0.40 219	0.40 149	0.40 242	0.40 205	0.40 285	0.40 229	0.40 278	0.40 223	0.40 279	0.40 224	0.40 283	0.40 234	0.40 274	0.40 233	0.40 280	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 274

riskmin	0.40 219	0.40 149	0.40 242	0.40 205	0.40 285	0.40 229	0.40 278	0.40 223	0.40 279	0.40 224	0.40 283	0.40 234	0.40 274	0.40 233	0.40 280	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 274

Anonymous_2	0.40 219	0.40 149	0.40 242	0.40 205	0.40 285	0.40 229	0.40 278	0.40 223	0.40 279	0.40 224	0.40 283	0.40 234	0.40 274	0.40 233	0.40 280	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 274

Anonymous_1	0.40 219	0.40 149	0.40 242	0.40 205	0.40 285	0.40 229	0.40 278	0.40 223	0.40 279	0.40 224	0.40 283	0.40 234	0.40 274	0.40 233	0.40 280	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 274

test-3	0.98 355	4.13 471	1.85 477	1.85 424	0.61 345	0.69 332	0.37 264	0.63 317	0.61 335	0.66 329	0.51 330	0.73 341	0.44 295	0.57 317	0.54 326	1.68 440	1.81 472	0.40 258	0.43 306	0.66 305	0.50 312

pcwnet_v2	2.66 494	9.89 525	0.33 208	9.89 539	0.32 238	0.50 299	0.32 227	0.49 278	0.33 242	0.49 284	0.34 252	0.49 289	8.76 540	0.48 284	0.33 238	0.41 248	9.58 540	0.40 258	0.29 228	9.01 539	0.63 334

DGSMNet	0.34 185	0.41 156	0.27 183	0.41 215	0.28 216	0.41 245	0.28 210	0.41 238	0.27 211	0.41 237	0.27 212	0.42 262	0.27 213	0.41 247	0.28 208	0.40 240	0.29 202	0.40 258	0.28 219	0.40 240	0.27 198

AdaStereo	0.40 219	0.40 149	0.40 242	0.40 205	0.40 285	0.40 229	0.40 278	0.40 223	0.40 279	0.40 224	0.40 283	0.40 234	0.40 274	0.40 233	0.40 280	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 274
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.
depthmonostereo	0.44 241	0.85 233	0.46 264	0.54 262	0.40 285	0.52 308	0.38 270	0.52 297	0.35 254	0.47 270	0.34 252	0.46 272	0.34 250	0.47 275	0.34 251	0.45 266	0.43 267	0.41 271	0.33 257	0.41 250	0.32 235

GREAT-IGEV	0.38 207	0.43 164	0.36 226	0.48 238	0.32 238	0.45 270	0.32 227	0.45 260	0.32 236	0.45 260	0.32 238	0.45 268	0.32 238	0.45 267	0.32 230	0.44 264	0.33 223	0.41 271	0.29 228	0.41 250	0.29 216

GwcNet-ADL	0.41 226	0.41 156	0.41 250	0.41 215	0.41 292	0.41 245	0.41 286	0.41 238	0.41 288	0.41 237	0.41 289	0.41 246	0.41 285	0.41 247	0.41 287	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 281

PSMNet-ADL	0.41 226	0.41 156	0.41 250	0.41 215	0.41 292	0.41 245	0.41 286	0.41 238	0.41 288	0.41 237	0.41 289	0.41 246	0.41 285	0.41 247	0.41 287	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 281

GANet-ADL	0.41 226	0.41 156	0.41 250	0.41 215	0.41 292	0.41 245	0.41 286	0.41 238	0.41 288	0.41 237	0.41 289	0.41 246	0.41 285	0.41 247	0.41 287	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 281

ADLNet2	0.41 226	0.41 156	0.41 250	0.41 215	0.41 292	0.41 245	0.41 286	0.41 238	0.41 288	0.41 237	0.41 289	0.41 246	0.41 285	0.41 247	0.41 287	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 281

CFNet_pseudo	2.67 495	9.36 521	0.32 203	10.99 544	0.33 249	0.85 346	0.33 236	0.49 278	0.33 242	0.49 284	0.32 238	0.49 289	7.26 537	0.49 290	0.33 238	0.41 248	9.62 541	0.41 271	0.29 228	10.03 543	0.29 216

ADLNet	0.41 226	0.41 156	0.41 250	0.41 215	0.41 292	0.41 245	0.41 286	0.41 238	0.41 288	0.41 237	0.41 289	0.41 246	0.41 285	0.41 247	0.41 287	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 281

psmorigin	0.41 226	0.46 174	0.33 208	0.49 244	0.33 249	0.49 291	0.33 236	0.49 278	0.33 242	0.49 284	0.33 244	0.49 289	0.33 245	0.51 303	0.33 238	0.41 248	0.30 210	0.41 271	0.30 238	0.79 322	0.29 216

MSMDNet	2.65 493	10.14 527	0.33 208	9.74 538	0.32 238	0.87 348	0.33 236	2.95 496	0.68 344	0.49 284	0.34 252	0.49 289	5.70 533	0.49 290	0.33 238	0.42 262	9.57 539	0.41 271	0.31 244	8.36 536	0.65 336

ccs_rob	2.79 498	10.17 528	0.32 203	10.00 541	0.33 249	0.49 291	0.33 236	1.90 447	0.32 236	0.51 300	0.33 244	0.49 289	9.24 542	0.49 290	0.33 238	0.41 248	9.82 542	0.41 271	0.28 219	9.34 540	0.29 216

HART	0.38 207	0.45 170	0.34 216	0.42 223	0.33 249	0.41 245	0.34 247	0.42 254	0.33 242	0.43 255	0.34 252	0.42 262	0.34 250	0.41 247	0.38 270	0.40 240	0.32 216	0.42 282	0.32 249	0.40 240	0.32 235

PCWNet_CMD	2.80 499	9.82 524	0.32 203	10.09 542	0.32 238	0.49 291	0.33 236	3.34 500	0.33 242	0.49 284	0.33 244	0.49 289	8.73 539	0.48 284	0.33 238	0.41 248	9.22 538	0.42 282	0.29 228	9.55 541	0.31 231

ccnet	0.80 319	2.28 402	0.33 208	0.50 251	0.33 249	0.50 299	0.33 236	0.50 286	0.33 242	0.49 284	0.33 244	0.49 289	1.56 455	2.38 471	0.33 238	0.41 248	0.29 202	0.42 282	1.57 467	2.28 457	0.29 216

SCV_C0	0.45 243	0.88 238	0.49 283	0.54 262	0.37 271	0.48 286	0.37 264	0.48 274	0.37 266	0.48 277	0.36 265	0.48 285	0.37 264	0.49 290	0.37 267	0.50 287	0.41 257	0.44 285	0.34 261	0.44 260	0.34 248

SCV	0.46 246	0.94 253	0.45 260	0.54 262	0.37 271	0.48 286	0.38 270	0.48 274	0.37 266	0.48 277	0.39 280	0.48 285	0.37 264	0.49 290	0.37 267	0.50 287	0.46 272	0.44 285	0.34 261	0.44 260	0.34 248

LL-Strereo2	0.48 257	1.73 365	0.51 291	0.59 271	0.34 259	0.42 263	0.33 236	0.40 223	0.31 233	0.42 249	0.33 244	0.42 262	0.31 236	0.44 264	0.39 276	0.60 304	0.51 296	0.44 285	0.33 257	0.44 260	0.33 242

CES	0.39 215	0.47 178	0.36 226	0.36 181	0.37 271	0.45 270	0.35 252	0.35 199	0.40 279	0.36 208	0.44 302	0.47 278	0.36 260	0.44 264	0.36 259	0.37 220	0.39 245	0.44 285	0.35 267	0.37 219	0.36 255

UGAM	0.51 269	2.23 399	0.39 239	0.54 262	0.35 262	0.50 299	0.35 252	0.49 278	0.35 254	0.49 284	0.35 261	0.49 289	0.36 260	0.50 297	0.36 259	0.49 281	0.37 232	0.45 289	0.34 261	0.45 264	0.34 248

GCST	0.50 264	2.08 386	0.38 232	0.53 260	0.35 262	0.49 291	0.35 252	0.50 286	0.35 254	0.49 284	0.35 261	0.49 289	0.35 257	0.49 290	0.35 255	0.48 278	0.37 232	0.45 289	0.33 257	0.44 260	0.33 242

Selective-IGEV	0.51 269	0.55 207	0.45 260	0.69 286	0.45 307	0.61 323	0.45 298	0.50 286	0.40 279	0.56 313	0.44 302	0.55 316	0.40 274	0.72 334	0.67 340	0.59 303	0.46 272	0.45 289	0.34 261	0.46 265	0.37 259

otaku	0.46 246	0.46 174	0.46 264	0.46 228	0.46 309	0.46 276	0.46 300	0.46 264	0.46 300	0.46 264	0.46 307	0.46 272	0.46 300	0.46 271	0.46 301	0.46 269	0.46 272	0.46 292	0.46 310	0.46 265	0.46 295

Ntro	0.47 252	0.47 178	0.46 264	0.46 228	0.46 309	0.47 281	0.47 305	0.46 264	0.47 305	0.46 264	0.46 307	0.47 278	0.46 300	0.47 275	0.47 307	0.47 274	0.46 272	0.46 292	0.46 310	0.46 265	0.46 295

Dean	0.46 246	0.46 174	0.46 264	0.46 228	0.46 309	0.46 276	0.46 300	0.46 264	0.46 300	0.47 270	0.46 307	0.46 272	0.46 300	0.46 271	0.46 301	0.46 269	0.46 272	0.46 292	0.46 310	0.46 265	0.46 295

ACVNet-4b	0.46 246	0.46 174	0.46 264	0.46 228	0.46 309	0.46 276	0.46 300	0.46 264	0.46 300	0.46 264	0.46 307	0.46 272	0.46 300	0.47 275	0.46 301	0.46 269	0.46 272	0.46 292	0.46 310	0.46 265	0.46 295

UGAM-zero	0.51 269	2.17 394	0.39 239	0.53 260	0.36 268	0.50 299	0.36 259	0.50 286	0.36 265	0.49 284	0.36 265	0.50 303	0.35 257	0.50 297	0.36 259	0.49 281	0.37 232	0.47 296	0.35 267	0.46 265	0.34 248

HaxPig	0.47 252	0.47 178	0.47 271	0.49 244	0.47 315	0.47 281	0.47 305	0.47 270	0.47 305	0.47 270	0.47 315	0.47 278	0.47 308	0.47 275	0.47 307	0.47 274	0.47 280	0.47 296	0.47 317	0.47 272	0.48 304

UNDER WATER	0.47 252	0.47 178	0.47 271	0.47 234	0.47 315	0.47 281	0.47 305	0.47 270	0.47 305	0.47 270	0.47 315	0.47 278	0.46 300	0.47 275	0.47 307	0.47 274	0.47 280	0.47 296	0.46 310	0.47 272	0.47 302

ACVNet_1	0.46 246	0.47 178	0.46 264	0.46 228	0.46 309	0.46 276	0.46 300	0.46 264	0.47 305	0.46 264	0.46 307	0.46 272	0.46 300	0.46 271	0.46 301	0.46 269	0.46 272	0.47 296	0.46 310	0.46 265	0.46 295

CASS	0.57 280	0.89 241	0.56 300	0.57 268	0.56 337	0.56 315	0.56 327	0.56 303	0.53 325	0.57 315	0.57 337	0.59 324	0.48 309	0.56 313	0.57 329	0.55 299	0.56 304	0.47 296	0.56 334	0.62 302	0.56 327
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
GMOStereo	0.37 201	0.45 170	0.23 167	0.30 165	0.37 271	0.41 245	0.36 259	0.41 238	0.35 254	0.43 255	0.36 265	0.41 246	0.40 274	0.41 247	0.36 259	0.34 203	0.22 173	0.47 296	0.37 275	0.39 235	0.33 242

error version	0.93 349	4.47 476	2.35 496	1.99 432	0.37 271	0.41 245	0.36 259	0.41 238	0.35 254	0.43 255	0.36 265	0.41 246	0.40 274	0.41 247	0.36 259	1.87 445	2.16 488	0.47 296	0.37 275	0.39 235	0.33 242

test_1	0.93 349	4.47 476	2.35 496	1.99 432	0.37 271	0.41 245	0.36 259	0.41 238	0.35 254	0.43 255	0.36 265	0.41 246	0.40 274	0.41 247	0.36 259	1.87 445	2.16 488	0.47 296	0.37 275	0.39 235	0.33 242

PAM_32	0.64 288	2.38 414	0.51 291	0.92 313	0.43 304	0.53 310	0.44 294	0.87 339	0.43 295	0.52 303	0.45 305	0.53 310	0.40 274	0.54 309	0.46 301	0.62 310	0.56 304	0.48 304	0.45 308	0.76 318	0.44 292

RainbowNet	0.48 257	0.48 184	0.48 278	0.48 238	0.48 319	0.48 286	0.48 314	0.48 274	0.48 312	0.48 277	0.48 319	0.48 285	0.48 309	0.48 284	0.48 313	0.48 278	0.48 283	0.48 304	0.48 320	0.48 276	0.48 304

notaker	0.48 257	0.49 186	0.48 278	0.48 238	0.48 319	0.48 286	0.48 314	0.48 274	0.49 314	0.48 277	0.48 319	0.48 285	0.48 309	0.48 284	0.48 313	0.48 278	0.48 283	0.48 304	0.48 320	0.48 276	0.49 309

LVE	0.47 252	0.47 178	0.47 271	0.47 234	0.49 321	0.47 281	0.47 305	0.47 270	0.49 314	0.47 270	0.47 315	0.47 278	0.46 300	0.47 275	0.47 307	0.47 274	0.47 280	0.48 304	0.47 317	0.47 272	0.47 302

LG-Stereo_L1	0.47 252	0.52 199	0.47 271	0.62 275	0.39 283	0.53 310	0.40 278	0.53 299	0.39 278	0.53 305	0.39 280	0.53 310	0.39 273	0.53 308	0.39 276	0.55 299	0.46 272	0.49 308	0.37 275	0.49 279	0.37 259

ACVNet_2	0.49 262	0.49 186	0.49 283	0.49 244	0.49 321	0.49 291	0.49 316	0.49 278	0.49 314	0.49 284	0.49 322	0.49 289	0.49 314	0.49 290	0.49 315	0.49 281	0.49 286	0.49 308	0.49 323	0.49 279	0.49 309

iRaftStereo_RVC	0.97 353	3.17 449	2.30 495	2.42 448	0.38 278	0.54 313	0.38 270	0.54 301	0.38 270	0.54 308	0.38 276	0.54 312	0.38 268	0.54 309	0.38 270	2.38 476	2.34 492	0.49 308	0.36 273	0.49 279	0.36 255

CFNet_RVC	2.38 487	8.71 516	0.38 232	9.33 535	0.42 302	0.56 315	0.42 291	0.60 313	0.38 270	0.62 323	0.42 298	0.56 319	7.29 538	0.62 321	0.42 293	0.53 296	0.37 232	0.49 308	0.34 261	8.30 535	6.87 541

FoundationStereo	0.50 264	0.50 190	0.50 286	0.50 251	0.50 325	0.50 299	0.50 318	0.50 286	0.50 317	0.50 296	0.50 324	0.50 303	0.50 317	0.50 297	0.50 316	0.50 287	0.50 292	0.50 312	0.50 325	0.50 284	0.50 312

StereoAnything_RVC	0.50 264	0.50 190	0.50 286	0.50 251	0.50 325	0.50 299	0.50 318	0.50 286	0.50 317	0.50 296	0.50 324	0.50 303	0.50 317	0.50 297	0.50 316	0.50 287	0.50 292	0.50 312	0.50 325	0.50 284	0.50 312

fffft	0.48 257	0.51 197	0.45 260	0.52 259	0.45 307	0.52 308	0.45 298	0.52 297	0.48 312	0.53 305	0.45 305	0.52 309	0.45 297	0.52 306	0.46 301	0.51 293	0.41 257	0.50 312	0.41 298	0.50 284	0.41 281
1: 1. 1
dual_stereo	0.50 264	0.50 190	0.50 286	0.50 251	0.50 325	0.50 299	0.50 318	0.50 286	0.50 317	0.50 296	0.50 324	0.50 303	0.50 317	0.50 297	0.50 316	0.50 287	0.50 292	0.50 312	0.50 325	0.50 284	0.50 312

SANet	0.50 264	0.50 190	0.50 286	0.50 251	0.50 325	0.50 299	0.50 318	0.50 286	0.50 317	0.50 296	0.50 324	0.50 303	0.50 317	0.50 297	0.50 316	0.50 287	0.50 292	0.50 312	0.50 325	0.50 284	0.50 312

LG-Stereo_Zeroshot	0.48 257	0.55 207	0.47 271	0.63 277	0.41 292	0.56 315	0.44 294	0.56 303	0.41 288	0.56 313	0.41 289	0.57 320	0.42 291	0.56 313	0.41 287	0.55 299	0.43 267	0.51 317	0.37 275	0.51 290	0.37 259

KSHMR	0.66 291	0.50 190	0.48 278	1.15 344	0.52 331	0.49 291	0.51 322	0.49 278	0.71 353	0.67 330	0.50 324	1.16 386	1.11 379	0.66 328	0.52 323	0.49 281	0.49 286	0.51 317	0.66 346	0.50 284	1.14 391

LL-Strereo	1.01 361	5.06 483	1.63 457	0.70 288	1.43 462	0.56 315	0.46 300	0.57 306	0.50 317	0.57 315	0.50 324	1.58 446	0.49 314	0.59 319	0.50 316	1.64 439	0.52 298	0.51 317	1.37 455	0.52 292	0.45 294

LG-Stereo	0.60 281	0.58 209	0.47 271	0.64 280	0.74 366	1.00 362	0.69 345	0.57 306	0.41 288	0.57 315	0.41 289	0.57 320	0.41 285	1.00 367	0.75 356	0.91 342	0.51 296	0.52 320	0.37 275	0.52 292	0.37 259

Occ-G	1.12 369	0.52 199	3.72 521	3.50 484	0.50 325	0.56 315	0.47 305	0.54 301	0.46 300	0.54 308	0.41 289	0.54 312	0.42 291	0.52 306	0.42 293	3.42 497	4.02 516	0.52 320	0.45 308	0.51 290	0.44 292

PML	0.46 246	1.36 352	0.29 189	0.58 269	0.30 232	0.57 320	0.29 217	0.57 306	0.29 219	0.57 315	0.29 222	0.57 320	0.29 225	0.56 313	0.29 218	0.52 295	0.30 210	0.53 322	0.31 244	0.53 295	0.30 226

MyStereo8	0.71 302	3.92 468	0.52 294	0.59 271	0.52 331	0.57 320	0.53 324	0.59 311	0.50 317	0.59 319	0.51 330	0.57 320	0.50 317	0.56 313	0.52 323	0.54 297	0.49 286	0.54 323	0.49 323	0.55 297	0.50 312

PSMNet_ROB	0.54 273	0.54 205	0.54 298	0.54 262	0.53 334	0.54 313	0.54 326	0.53 299	0.54 327	0.54 308	0.54 334	0.54 312	0.53 324	0.54 309	0.54 326	0.54 297	0.53 300	0.54 323	0.54 330	0.54 296	0.54 320

AIO-test1	0.54 273	0.60 212	0.52 294	0.66 284	0.47 315	0.61 323	0.47 305	0.58 309	0.46 300	0.61 320	0.46 307	0.61 326	0.45 297	0.62 321	0.45 297	0.61 307	0.52 298	0.57 325	0.48 320	0.57 298	0.48 304

AIO-test2	0.55 277	0.59 210	0.52 294	0.67 285	0.47 315	0.61 323	0.47 305	0.61 315	0.47 305	0.61 320	0.47 315	0.61 326	0.48 309	0.62 321	0.47 307	0.64 312	0.53 300	0.58 326	0.47 317	0.58 299	0.48 304

ktn	0.72 305	0.53 202	1.08 363	1.14 342	0.51 330	1.22 430	1.36 454	0.51 295	0.59 331	0.51 300	0.51 330	0.69 335	1.20 390	0.67 330	0.51 321	0.51 293	0.49 286	0.58 326	0.66 346	0.52 292	0.53 319

FC-DCNN	1.07 364	1.09 282	0.98 355	0.89 307	0.52 331	1.41 443	0.91 369	1.21 422	1.24 449	1.96 451	2.05 504	1.91 453	1.30 443	1.27 436	1.08 385	0.80 329	0.60 308	0.58 326	0.41 298	0.68 307	0.54 320

MonSter	0.60 281	0.64 215	0.52 294	0.62 275	0.44 305	2.07 463	0.44 294	0.62 316	0.44 298	0.62 323	0.44 302	0.62 328	0.44 295	0.62 321	0.44 296	0.58 302	0.42 265	0.62 329	0.46 310	0.58 299	0.42 288

SMoEStereo_RVC	0.63 286	0.75 221	0.51 291	0.73 292	0.53 334	0.71 335	0.47 305	0.67 322	0.58 330	0.74 341	0.60 338	0.72 339	0.53 324	0.74 338	0.51 321	0.61 307	0.62 313	0.62 329	0.61 341	0.63 303	0.61 330

DispNO	1.00 356	0.63 213	0.43 256	3.45 480	0.44 305	0.65 329	0.43 293	0.64 318	0.43 295	0.64 326	0.43 300	0.64 329	3.03 499	0.64 326	0.43 295	4.55 506	0.43 267	0.63 331	0.43 306	0.63 303	0.43 289

WCG-NET	0.61 284	1.21 341	0.54 298	0.61 274	0.53 334	0.67 331	0.53 324	0.66 321	0.53 325	0.64 326	0.53 333	0.65 332	0.53 324	0.59 319	0.52 323	0.65 313	0.48 283	0.64 332	0.52 329	0.58 299	0.50 312

MyStereo06	0.75 308	4.12 469	0.60 305	0.63 277	0.61 345	0.62 326	0.66 337	0.56 303	0.45 299	0.55 311	0.48 319	0.54 312	0.46 300	0.57 317	0.45 297	0.60 304	0.57 306	0.64 332	0.55 331	0.72 313	0.55 324

MyStereo05	0.80 319	4.12 469	0.63 309	0.63 277	0.61 345	0.62 326	0.66 337	0.65 319	0.62 336	0.67 330	0.61 341	0.65 332	0.58 329	0.67 330	0.55 328	0.60 304	0.57 306	0.64 332	0.55 331	0.72 313	0.55 324

LMCR-Stereo	0.65 289	0.63 213	0.65 314	0.65 281	0.65 351	0.66 330	0.63 333	0.58 309	0.65 340	0.63 325	0.64 345	0.65 332	0.65 336	0.66 328	0.66 339	0.66 315	0.64 316	0.65 335	0.67 350	0.68 307	0.73 350

DSFCA	0.66 291	0.73 220	0.78 334	0.65 281	0.65 351	0.64 328	0.64 334	0.65 319	0.63 338	0.64 326	0.64 345	0.64 329	0.64 334	0.65 327	0.65 336	0.65 313	0.65 317	0.65 335	0.65 344	0.66 305	0.64 335

anonymity	0.63 286	0.69 217	0.56 300	0.71 290	0.56 337	0.71 335	0.56 327	0.71 327	0.56 328	0.72 334	0.56 336	0.71 336	0.56 328	0.71 333	0.58 330	0.68 317	0.55 302	0.68 337	0.55 331	0.68 307	0.54 320

DMCA-RVC	0.70 300	0.80 225	0.70 321	0.70 288	0.70 360	0.70 333	0.70 347	0.71 327	0.70 350	0.70 333	0.71 358	0.71 336	0.70 345	0.70 332	0.69 348	0.69 318	0.70 324	0.69 338	0.70 355	0.69 311	0.70 343

PA-Net	11.80 543	223.51 569	0.62 308	0.59 271	0.71 361	0.59 322	0.73 352	0.67 322	0.73 357	0.55 311	0.61 341	0.60 325	0.74 351	0.63 325	0.73 353	0.66 315	0.60 308	0.69 338	0.66 346	0.72 313	0.65 336
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ARAFT	0.68 296	0.81 228	0.63 309	0.74 293	0.60 340	0.78 340	0.62 332	0.77 331	0.66 342	0.74 341	0.63 343	0.75 343	0.62 333	0.83 345	0.60 332	0.70 321	0.55 302	0.70 340	0.60 339	0.78 320	0.55 324

AEACV	1.12 369	0.52 199	3.12 513	3.24 469	0.86 374	0.53 310	0.49 316	0.60 313	0.47 305	0.53 305	0.49 322	0.55 316	0.45 297	0.55 312	0.47 307	3.01 493	3.88 514	0.71 341	0.60 339	0.80 325	0.48 304

iGMRVC	0.84 335	2.85 442	0.72 326	0.72 291	0.73 364	0.77 338	0.79 357	0.73 329	0.74 359	0.73 336	0.72 360	0.73 341	0.76 354	0.73 336	0.73 353	0.72 323	0.73 330	0.73 342	0.72 359	0.73 316	0.72 347

RAFT-Stereo + iAFF	0.70 300	0.72 219	0.71 325	0.80 298	0.62 348	0.82 345	0.61 331	0.81 337	0.62 336	0.81 348	0.63 343	0.80 349	0.70 345	0.73 336	0.61 334	0.76 326	0.61 312	0.74 343	0.61 341	0.77 319	0.61 330

CoDeX	0.15 117	0.70 218	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 340	0.02 15	0.69 323	0.75 344	0.01 9	0.02 20	0.02 20

CFNet-RSSM	0.91 342	4.89 481	0.34 216	0.44 226	1.07 395	1.62 448	1.40 461	0.91 345	0.35 254	1.60 441	1.39 461	0.64 329	0.34 250	0.44 264	0.33 238	0.41 248	0.35 227	0.75 344	0.30 238	0.41 250	0.29 216

GCAP-Stereo	0.75 308	4.15 472	0.42 255	0.75 294	0.35 262	0.78 340	0.40 278	0.79 332	0.38 270	0.78 344	0.36 265	0.78 346	0.36 260	0.79 341	0.39 276	0.75 325	0.39 245	0.76 346	0.39 290	0.75 317	0.39 271

HCRNet	1.22 419	7.11 505	3.00 501	3.55 485	0.33 249	0.29 189	0.14 142	0.19 144	0.15 157	0.33 199	0.29 222	0.25 177	0.14 148	0.22 164	0.33 238	3.64 498	3.00 495	0.76 346	0.32 249	0.18 146	0.13 140

SFCPSM	0.17 128	0.78 222	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 359	0.02 15	0.75 333	0.76 346	0.02 20	0.02 20	0.02 20

RSM++	0.76 312	0.82 230	0.66 315	0.85 305	0.64 349	0.85 346	0.71 350	0.94 352	0.64 339	0.87 350	0.67 350	0.87 354	0.65 336	0.84 346	0.65 336	0.81 332	0.70 324	0.79 349	0.71 358	0.83 330	0.70 343

Selective-RAFT-Error	0.88 339	0.84 231	0.98 355	0.86 306	0.97 386	0.88 349	0.95 374	0.84 338	0.99 384	0.92 356	0.82 370	0.84 353	0.98 368	0.87 350	0.97 376	0.81 332	0.83 343	0.79 349	0.82 370	0.79 322	0.85 363

G-Net	0.79 317	0.79 224	0.79 337	0.79 296	0.79 370	0.79 342	0.79 357	0.79 332	0.79 363	0.79 345	0.79 367	0.79 348	0.79 357	0.79 341	0.79 359	0.79 328	0.79 337	0.79 349	0.79 365	0.79 322	0.79 357

NaN_ROB	0.80 319	0.80 225	0.80 338	0.80 298	0.80 372	0.80 343	0.80 360	0.80 334	0.80 364	0.80 346	0.80 368	0.80 349	0.80 358	0.80 343	0.80 361	0.80 329	0.80 340	0.80 352	0.80 367	0.80 325	0.80 358

CSAN	0.80 319	0.80 225	0.80 338	0.80 298	0.80 372	0.80 343	0.80 360	0.80 334	0.80 364	0.80 346	0.80 368	0.80 349	0.80 358	0.80 343	0.80 361	0.80 329	0.80 340	0.80 352	0.80 367	0.80 325	0.80 358

DCRE	0.84 335	1.89 373	0.77 333	0.94 318	0.72 363	0.88 349	0.73 352	0.87 339	0.78 360	0.90 352	0.71 358	0.88 355	0.67 341	0.88 351	0.73 353	0.81 332	0.68 319	0.81 354	0.70 355	0.82 329	0.70 343

AFF-stereo	0.73 306	0.88 238	0.67 318	0.75 294	0.68 358	0.75 337	0.64 334	0.80 334	0.72 354	0.83 349	0.70 355	0.82 352	0.64 334	0.84 346	0.67 340	0.77 327	0.63 314	0.81 354	0.63 343	0.78 320	0.62 333

Selective-RAFT	0.89 341	0.89 241	0.72 326	1.16 349	0.78 369	1.06 369	0.82 363	0.87 339	0.97 381	1.00 364	0.91 375	0.90 358	1.00 369	0.89 353	0.93 373	0.83 335	0.83 343	0.82 356	0.82 370	0.81 328	0.82 361

999	1.00 356	1.12 286	0.59 303	1.10 336	1.21 452	1.09 375	0.52 323	1.08 362	1.43 463	1.18 383	1.35 455	0.98 368	0.52 323	0.91 355	0.85 366	0.72 323	1.46 446	0.83 357	0.98 379	0.68 307	1.41 463

UDG	0.80 319	2.21 398	0.60 305	0.91 310	0.60 340	0.90 352	0.58 329	0.88 342	0.60 332	0.90 352	0.60 338	0.88 355	0.60 331	0.90 354	0.58 330	0.86 339	0.60 308	0.84 358	0.59 338	0.84 331	0.61 330

ToySt	0.92 344	2.11 389	0.90 346	0.95 320	0.79 370	0.99 361	0.78 356	0.94 352	0.81 367	0.94 360	0.78 366	0.95 365	0.77 355	0.94 360	0.86 367	0.91 342	0.79 337	0.85 359	0.77 362	0.89 335	0.73 350

DDUNet	0.81 324	2.45 417	0.57 302	0.90 308	0.60 340	0.88 349	0.59 330	0.90 343	0.60 332	0.88 351	0.60 338	0.90 358	0.58 329	0.88 351	0.60 332	0.84 337	0.60 308	0.86 360	0.57 335	0.86 332	0.60 329

MoCha-V2	2.11 464	26.97 547	0.78 334	0.92 313	0.77 368	0.96 359	0.72 351	0.90 343	0.72 354	0.94 360	0.70 355	0.90 358	0.71 349	0.91 355	0.71 352	0.85 338	0.71 328	0.88 361	0.69 353	0.87 333	0.67 340

AIO-Stereo-zeroshot1	0.75 308	0.92 250	0.85 342	0.96 323	0.59 339	1.27 433	0.44 294	0.59 311	0.69 347	0.91 354	0.68 351	0.55 316	0.61 332	1.06 374	0.83 365	0.62 310	0.70 324	0.90 362	0.41 298	0.89 335	0.56 327

DGTPSM_ROB	0.93 349	1.00 261	0.92 350	0.94 318	0.96 385	0.91 353	0.92 370	0.91 345	0.96 380	0.91 354	0.96 379	0.93 364	0.92 364	0.94 360	0.92 369	0.92 345	0.92 348	0.90 362	0.92 374	0.94 344	0.91 368

DPSM_ROB	0.92 344	0.91 245	0.91 348	0.91 310	0.92 381	0.92 354	0.92 370	0.92 348	0.91 371	0.93 358	0.91 375	0.92 361	0.90 362	0.91 355	0.92 369	0.92 345	0.91 346	0.91 364	0.92 374	0.93 342	0.93 370

DPSM	0.92 344	0.91 245	0.91 348	0.91 310	0.92 381	0.92 354	0.92 370	0.92 348	0.91 371	0.93 358	0.91 375	0.92 361	0.90 362	0.91 355	0.92 369	0.92 345	0.91 346	0.91 364	0.92 374	0.93 342	0.93 370

STTRV1_RVC	0.82 328	1.60 358	0.70 321	1.01 330	0.60 340	1.07 372	0.69 345	1.01 359	0.60 332	0.72 334	0.55 335	1.02 373	0.68 342	1.03 372	0.67 340	0.89 341	0.63 314	0.92 366	0.57 335	0.90 337	0.65 336

pmcnn	0.92 344	0.92 250	0.92 350	0.92 313	0.92 381	0.92 354	0.92 370	0.92 348	0.92 375	0.92 356	0.92 378	0.92 361	0.92 364	0.92 359	0.92 369	0.92 345	0.92 348	0.92 366	0.92 374	0.92 341	0.92 369

R-Stereo Train	0.81 324	0.96 255	0.67 318	0.95 320	0.67 355	0.95 357	0.68 342	0.95 354	0.68 344	0.95 362	0.68 351	0.96 366	0.68 342	0.96 364	0.68 344	0.94 349	0.68 319	0.94 368	0.68 351	0.94 344	0.68 341

RAFT-Stereo	0.81 324	0.96 255	0.67 318	0.95 320	0.67 355	0.95 357	0.68 342	0.95 354	0.68 344	0.95 362	0.68 351	0.96 366	0.68 342	0.96 364	0.68 344	0.94 349	0.68 319	0.94 368	0.68 351	0.94 344	0.68 341
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AIO-Stereo	0.84 335	0.66 216	0.70 321	0.83 302	0.67 355	0.98 360	0.82 363	1.14 366	0.72 354	1.03 369	0.74 363	1.03 374	1.09 378	0.99 366	0.45 297	1.04 355	0.73 330	0.95 370	0.74 360	0.94 344	0.46 295

IGEVStereo-DCA	1.77 436	4.21 473	1.84 475	2.49 451	2.11 499	2.54 485	1.36 454	1.65 440	1.17 398	2.75 492	1.90 487	2.54 479	1.15 383	0.94 360	1.11 387	1.50 432	1.32 427	0.96 371	1.46 464	1.49 428	0.88 364

rrr	1.77 436	4.21 473	1.84 475	2.49 451	2.11 499	2.54 485	1.36 454	1.65 440	1.17 398	2.75 492	1.90 487	2.54 479	1.15 383	0.94 360	1.11 387	1.50 432	1.32 427	0.96 371	1.46 464	1.49 428	0.88 364

11t	1.27 422	2.70 428	1.34 430	1.32 406	0.89 376	1.30 435	1.34 451	1.64 439	0.57 329	1.45 439	0.72 360	1.05 375	1.29 442	1.07 377	1.29 452	1.49 431	1.02 355	0.97 373	1.15 391	1.48 427	1.31 454

HBP-ISP	1.24 420	1.72 361	1.65 458	1.15 344	0.76 367	1.40 442	0.88 366	1.67 442	1.02 389	1.69 446	1.38 460	1.69 449	1.21 436	1.87 453	1.21 443	1.05 356	0.79 337	0.97 373	0.80 367	1.19 370	0.75 354

GANet	1.00 356	1.00 261	1.00 357	1.00 327	1.00 387	1.00 362	1.00 378	1.00 356	1.00 385	1.00 364	1.00 382	1.00 369	1.00 369	1.00 367	1.00 379	1.00 351	1.00 351	1.00 375	1.00 381	1.00 348	1.00 377

TDLM	1.00 356	1.00 261	1.00 357	1.00 327	1.00 387	1.00 362	1.00 378	1.00 356	1.00 385	1.00 364	1.00 382	1.00 369	1.00 369	1.00 367	1.00 379	1.00 351	1.00 351	1.00 375	1.00 381	1.00 348	1.00 377

CVANet_RVC	1.00 356	1.00 261	1.00 357	1.00 327	1.00 387	1.00 362	1.00 378	1.00 356	1.00 385	1.00 364	1.00 382	1.00 369	1.00 369	1.00 367	1.00 379	1.00 351	1.00 351	1.00 375	1.00 381	1.00 348	1.00 377

trnet	1.01 361	1.01 267	1.01 360	1.01 330	1.01 391	1.01 366	1.01 381	1.01 359	1.01 388	1.01 368	1.01 385	1.01 372	1.01 375	1.01 371	1.01 382	1.01 354	1.01 354	1.01 378	1.01 385	1.01 351	1.01 380

DPSimNet_ROB	0.97 353	1.18 293	0.81 340	1.10 336	0.91 380	1.02 367	0.82 363	1.04 361	0.91 371	1.03 369	0.86 371	1.28 438	0.82 360	1.03 372	0.89 368	1.17 369	0.81 342	1.02 379	0.82 370	1.08 355	0.81 360

AIO-Stereo-zeroshot	0.91 342	0.86 234	0.89 343	1.25 401	0.69 359	1.05 368	0.81 362	1.16 369	0.50 317	1.12 378	0.97 380	0.72 339	0.82 360	1.06 374	0.95 374	0.61 307	0.87 345	1.03 380	0.85 373	1.04 353	1.01 380

GLC_STEREO	1.07 364	1.01 267	1.06 362	1.07 334	1.05 394	1.06 369	1.08 385	1.08 362	1.05 391	1.07 371	1.06 387	1.08 376	1.05 377	1.06 374	1.10 386	1.07 357	1.09 364	1.05 381	1.05 386	1.06 354	1.12 387

MSMD_ROB	1.19 371	1.10 285	0.70 321	1.10 336	0.60 340	1.10 376	0.70 347	1.10 365	0.70 350	1.10 373	0.70 355	1.10 380	0.70 345	7.00 540	0.70 351	1.10 360	0.70 324	1.10 382	0.70 355	1.10 356	0.70 343

TorneroNet	0.66 291	0.53 202	0.50 286	0.50 251	0.64 349	1.06 369	0.70 347	0.50 286	0.51 324	0.49 284	0.69 354	0.49 289	0.50 317	0.48 284	1.15 391	0.71 322	0.49 286	1.14 383	1.08 387	0.49 279	0.49 309

NCC-stereo	2.36 483	25.52 542	1.17 370	1.15 344	1.17 403	1.11 379	1.11 386	1.15 367	1.16 394	1.10 373	1.16 393	1.10 380	1.15 383	1.14 384	1.13 389	1.09 358	1.11 368	1.15 384	1.16 393	1.17 367	1.17 396

RP	2.33 481	25.00 540	1.13 365	1.15 344	1.15 398	1.10 376	1.15 390	1.15 367	1.15 393	1.12 378	1.15 390	1.09 378	1.13 380	1.10 380	1.15 391	1.11 365	1.09 364	1.16 385	1.12 389	1.16 362	1.17 396

RGC	2.36 483	25.48 541	1.19 374	1.15 344	1.15 398	1.10 376	1.16 392	1.17 371	1.16 394	1.12 378	1.16 393	1.11 383	1.13 380	1.09 378	1.18 396	1.10 360	1.15 373	1.16 385	1.12 389	1.14 358	1.12 387

edge stereo	2.43 488	27.07 548	1.14 366	1.06 333	1.14 397	1.08 373	1.17 393	1.16 369	1.14 392	1.10 373	1.16 393	1.09 378	1.16 387	1.10 380	1.16 394	1.10 360	1.11 368	1.16 385	1.19 395	1.13 357	1.11 385

Nwc_Net	2.37 485	25.95 544	1.15 368	1.14 342	1.15 398	1.08 373	1.14 389	1.17 371	1.16 394	1.14 381	1.15 390	1.08 376	1.15 383	1.11 382	1.14 390	1.10 360	1.11 368	1.16 385	1.09 388	1.16 362	1.15 392

AF-Net	2.37 485	25.71 543	1.17 370	1.13 341	1.15 398	1.15 382	1.18 394	1.19 374	1.16 394	1.10 373	1.15 390	1.10 380	1.18 388	1.12 383	1.15 391	1.10 360	1.10 367	1.17 389	1.15 391	1.16 362	1.12 387

Abc-Net	2.32 480	24.75 539	1.14 366	1.17 350	1.17 403	1.11 379	1.15 390	1.17 371	1.21 446	1.08 372	1.16 393	1.12 384	1.14 382	1.09 378	1.17 395	1.09 358	1.16 374	1.17 389	1.17 394	1.16 362	1.11 385
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.95 352	1.17 291	0.78 334	1.18 351	0.71 361	1.16 383	0.75 354	1.09 364	0.80 364	1.10 373	0.75 364	1.17 387	0.74 351	1.17 386	0.80 361	1.13 366	0.73 330	1.17 389	0.77 362	1.16 362	0.72 347
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MLG-Stereo	0.92 344	0.90 243	0.84 341	1.27 402	0.49 321	1.38 440	0.88 366	1.41 436	0.97 381	0.73 336	1.09 388	1.26 436	0.43 293	0.72 334	1.05 384	1.13 366	0.49 286	1.18 392	0.66 346	1.01 351	0.46 295

stereogan	2.33 481	24.38 538	1.18 372	1.18 351	1.18 405	1.14 381	1.18 394	1.19 374	1.19 400	1.14 381	1.18 397	1.14 385	1.18 388	1.14 384	1.18 396	1.14 368	1.14 372	1.19 393	1.19 395	1.15 360	1.19 400

DisPM	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

CrosDoStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

PFNet+	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

LCNet	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

HHNet	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

Patchmatch Stereo++	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

STrans-v2	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

TransformOpticalFlow	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

OMP-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

IIG-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

NF-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

OCTAStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

PSM-softLoss	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

KMStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

NRIStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

PSM-adaLoss	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

PSM-AAD	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

FTStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

ROB_FTStereo_v2	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

ROB_FTStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

Consistency-Raft	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

KYRaft	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

HUI-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

ASMatch	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

DeepStereo_LL	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

DEmStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

SST-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

THIR-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

RAFT_R40	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

DRaft	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

PFNet	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

GrayStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

RE-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

Pruner-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

TVStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

DeepStereo_RVC	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

RAFT-RH_RVC	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

IRAFT_RVC	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

RAFT-345	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

iRAFT	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

CRE-IMP	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

GMM-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

RAFT-IKP	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

Prome-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 377	1.20 401	1.20 385	1.20 398	1.20 389	1.20 390	1.20 388	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 401

CroCo-Stereo	0.73 306	1.22 344	0.25 176	1.22 398	0.25 203	1.22 430	0.25 194	1.22 423	0.25 193	1.22 431	0.25 202	1.22 435	0.25 196	1.22 434	0.25 196	1.22 417	0.26 183	1.21 439	0.25 202	1.22 418	0.25 184
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
FAT-Stereo	2.46 489	26.05 545	1.23 426	1.23 400	1.22 454	1.20 384	1.24 444	1.23 425	1.23 448	1.19 384	1.22 444	1.21 434	1.24 438	1.20 388	1.24 445	1.21 416	1.17 377	1.22 440	1.25 448	1.20 371	1.24 450

S-Stereo	2.51 490	26.86 546	1.23 426	1.22 398	1.22 454	1.24 432	1.25 445	1.22 423	1.24 449	1.21 430	1.24 446	1.19 388	1.27 440	1.19 387	1.24 445	1.19 370	1.20 379	1.25 441	1.19 395	1.24 419	1.23 449

CroCo-Stereo Lap2	0.77 313	1.29 347	0.29 189	1.27 402	0.29 223	1.27 433	0.26 202	1.26 426	0.26 206	1.26 432	0.26 208	1.27 437	0.26 205	1.26 435	0.27 202	1.27 419	0.27 188	1.27 442	0.27 215	1.27 420	0.27 198

MM-Stereo_test3	1.27 422	2.07 385	1.18 372	1.60 417	1.02 392	1.45 444	1.01 381	1.40 435	1.04 390	1.44 438	1.03 386	1.46 445	1.02 376	1.44 441	1.02 383	1.51 434	1.12 371	1.32 443	0.98 379	1.38 425	0.97 373

MM-Stereo_test2	1.20 372	1.85 369	1.05 361	1.46 413	0.94 384	1.36 438	0.99 377	1.36 431	0.95 378	1.41 437	0.98 381	1.40 443	0.96 366	1.37 438	0.95 374	1.37 427	1.06 357	1.33 444	0.93 378	1.29 421	0.89 366

ours_stereo	1.20 372	1.21 341	0.90 346	1.64 422	1.11 396	1.35 436	0.67 341	1.76 443	0.93 376	1.70 447	1.10 389	1.39 441	0.75 353	1.41 440	0.81 364	1.60 438	1.03 356	1.33 444	1.00 381	1.61 432	0.72 347

CC-Net-ROB	1.36 425	1.33 350	1.33 429	1.36 409	1.38 459	1.36 438	1.33 450	1.37 433	1.34 454	1.35 434	1.36 457	1.38 440	1.34 446	1.38 439	1.38 459	1.35 424	1.38 442	1.33 444	1.35 452	1.43 426	1.34 458

test_xeample3	1.10 366	1.81 366	0.61 307	0.84 303	0.49 321	0.77 338	0.66 337	0.92 348	1.40 461	0.68 332	0.46 307	0.78 346	0.54 327	1.72 446	1.48 463	1.34 423	1.52 450	1.35 447	1.67 480	1.33 422	1.55 467

MaskLacGwcNet_RVC	1.35 424	1.35 351	1.35 432	1.35 408	1.35 456	1.35 436	1.35 452	1.36 431	1.35 457	1.36 435	1.35 455	1.36 439	1.36 448	1.36 437	1.35 456	1.35 424	1.35 439	1.35 447	1.35 452	1.35 423	1.35 459

RASNet	1.49 428	1.65 359	1.45 448	1.38 411	1.43 462	1.47 445	1.36 454	1.38 434	1.36 458	1.39 436	1.60 470	1.45 444	1.45 454	1.51 442	2.21 499	1.53 435	1.36 440	1.36 449	1.36 454	1.66 435	1.36 460

PS-NSSS	1.38 427	1.39 353	1.34 430	1.34 407	1.35 456	1.38 440	1.37 459	1.35 430	1.38 460	1.34 433	1.34 454	1.39 441	1.38 451	1.70 445	1.40 460	1.36 426	1.36 440	1.36 449	1.37 455	1.37 424	1.36 460

ff7	1.68 432	2.68 425	1.35 432	0.97 324	0.89 376	1.84 449	2.15 497	2.12 456	1.80 482	2.05 461	1.56 466	2.33 468	2.12 490	2.23 464	2.25 500	1.31 420	1.07 358	1.48 451	1.41 458	0.90 337	1.04 382

ffff	1.68 432	2.68 425	1.35 432	0.97 324	0.89 376	1.84 449	2.15 497	2.12 456	1.80 482	2.05 461	1.56 466	2.33 468	2.12 490	2.23 464	2.25 500	1.31 420	1.07 358	1.48 451	1.41 458	0.90 337	1.04 382

ccc-4	1.68 432	2.68 425	1.35 432	0.97 324	0.89 376	1.84 449	2.15 497	2.12 456	1.80 482	2.05 461	1.56 466	2.33 468	2.12 490	2.23 464	2.25 500	1.31 420	1.07 358	1.48 451	1.41 458	0.90 337	1.04 382

tt45	1.04 363	0.88 238	1.36 440	0.92 313	1.03 393	1.51 446	0.79 357	0.70 326	0.88 369	0.74 341	0.90 372	1.60 447	0.72 350	1.60 443	0.75 356	0.91 342	0.78 336	1.52 454	0.79 365	1.14 358	1.32 455

DPSMNet_ROB	1.60 431	1.59 357	1.70 460	1.59 416	1.59 467	1.61 447	1.61 469	1.60 437	1.60 466	1.62 445	1.59 469	1.60 447	1.60 456	1.60 443	1.59 466	1.59 436	1.60 460	1.59 455	1.59 472	1.59 431	1.59 472

2.5w	2.01 454	2.40 415	1.37 442	3.28 471	2.01 493	2.71 489	1.43 466	1.82 444	1.83 485	1.90 450	1.41 462	2.71 488	1.35 447	2.71 487	1.85 486	2.66 487	1.53 451	1.64 456	1.23 445	2.53 476	1.87 491

4w-stereo	2.02 455	2.72 432	1.44 447	3.36 477	1.59 467	2.48 478	1.72 475	2.28 462	1.24 449	2.24 468	1.65 474	2.56 481	1.32 445	2.39 472	1.98 496	2.67 489	1.51 449	1.66 457	1.24 446	2.53 476	1.88 494

3.5w_stereo	2.03 457	2.72 432	1.35 432	3.41 478	1.57 465	2.72 490	1.49 467	2.01 452	1.34 454	2.15 466	1.61 472	2.63 485	1.36 448	2.72 489	1.99 497	2.66 487	1.58 456	1.68 458	1.24 446	2.53 476	1.87 491

3.25w_new	2.03 457	2.72 432	1.35 432	3.33 476	1.57 465	2.72 490	1.53 468	2.15 460	1.33 453	2.15 466	1.60 470	2.63 485	1.30 443	2.72 489	1.99 497	2.67 489	1.53 451	1.75 459	1.25 448	2.53 476	1.87 491

IGEV	2.02 455	2.20 396	1.82 471	2.90 461	2.16 501	2.41 475	1.25 445	2.00 451	1.98 497	1.99 455	1.31 452	2.72 492	1.93 479	2.67 486	1.69 473	2.26 465	1.32 427	1.83 460	1.87 492	2.53 476	1.61 475

2.25w	2.00 447	1.86 371	1.98 488	2.95 462	2.17 503	2.26 466	1.35 452	2.42 473	2.00 500	2.07 464	1.27 449	2.53 477	1.99 485	2.29 468	1.49 464	2.21 463	1.32 427	1.85 461	1.87 492	2.52 473	1.62 476

3w_stereo	2.04 460	2.24 400	1.70 460	3.15 466	2.18 505	2.49 479	1.26 447	2.03 453	1.98 497	1.98 454	1.33 453	2.72 492	1.99 485	2.59 481	1.72 476	2.22 464	1.33 434	1.85 461	1.88 497	2.50 471	1.58 471

MFMNet_re	1.81 439	1.91 376	1.71 462	1.95 429	1.70 477	1.95 457	1.70 474	1.96 448	1.74 479	1.97 453	1.72 477	1.95 454	1.71 463	1.97 457	1.71 474	1.86 444	1.62 461	1.85 461	1.66 479	1.86 443	1.64 478

4.5_new	2.00 447	1.84 368	1.98 488	2.77 456	2.16 501	2.27 467	1.28 449	2.09 455	1.98 497	2.01 457	1.28 450	2.71 488	1.98 483	2.51 478	1.65 469	2.26 465	1.33 434	1.87 464	1.87 492	2.49 469	1.60 473

3.25w	2.04 460	2.20 396	1.48 450	3.03 463	2.17 503	2.63 488	1.39 460	1.96 448	1.95 496	1.96 451	1.37 458	2.71 488	1.96 482	2.71 487	1.73 481	2.26 465	1.32 427	1.87 464	1.87 492	2.51 472	1.63 477

1w_stereo	2.05 462	2.32 405	1.35 432	3.74 492	2.01 493	2.73 492	1.42 464	1.88 445	1.93 495	2.03 459	1.28 450	2.71 488	1.99 485	2.72 489	1.72 476	2.20 462	1.32 427	1.87 464	1.86 491	2.45 465	1.54 466

GANetREF_RVC	1.55 429	1.94 382	1.22 424	1.88 425	1.21 452	1.88 452	1.22 442	1.88 445	1.22 447	1.88 448	1.22 444	1.88 451	1.22 437	1.89 454	1.22 444	1.87 445	1.22 426	1.88 467	1.22 444	1.88 444	1.22 447
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SPS-STEREO	1.59 430	1.91 376	1.21 423	1.94 428	1.20 406	2.00 460	1.23 443	1.99 450	1.24 449	2.00 456	1.25 447	2.03 461	1.26 439	2.00 458	1.29 452	1.90 449	1.18 378	1.89 468	1.21 443	1.89 445	1.20 401
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test1	1.80 438	3.41 453	1.52 454	2.12 434	1.41 461	2.04 461	1.41 462	2.05 454	1.46 464	2.04 460	1.41 462	2.05 462	1.42 453	2.05 459	1.43 462	2.04 456	1.54 453	1.94 469	1.38 457	1.99 447	1.33 456

MC-Stereo	1.76 435	2.96 443	1.37 442	2.14 435	1.37 458	2.14 465	1.36 454	2.14 459	1.37 459	2.14 465	1.37 458	2.14 463	1.37 450	2.14 463	1.37 458	1.97 452	1.32 427	1.97 470	1.32 451	1.98 446	1.33 456

RAFT_CTSACE	1.92 441	3.71 460	1.72 463	1.88 425	1.72 478	2.04 461	1.42 464	2.18 461	1.89 493	2.02 458	1.97 493	1.95 454	2.06 489	1.93 455	1.62 467	1.76 441	1.66 464	2.02 471	1.73 488	1.73 438	1.43 465

qwe	2.18 467	2.60 422	1.58 455	3.83 493	1.90 490	2.53 483	1.90 487	2.48 475	1.73 477	2.37 475	1.92 489	2.53 477	1.68 460	2.56 479	1.83 484	2.52 486	1.87 475	2.07 472	1.68 482	2.32 459	1.71 481

TRStereo	2.00 447	2.13 390	1.85 477	2.27 441	1.84 482	2.28 469	1.84 478	2.29 464	1.86 487	2.30 470	1.87 482	2.30 465	1.87 473	2.08 460	1.72 476	2.08 457	1.72 467	2.08 473	1.72 485	2.08 448	1.72 482

XX-Stereo	2.00 447	2.13 390	1.85 477	2.27 441	1.84 482	2.28 469	1.84 478	2.29 464	1.86 487	2.30 470	1.87 482	2.30 465	1.87 473	2.08 460	1.72 476	2.08 457	1.72 467	2.08 473	1.72 485	2.08 448	1.72 482

EAI-Stereo	2.00 447	2.13 390	1.85 477	2.27 441	1.84 482	2.28 469	1.84 478	2.29 464	1.86 487	2.30 470	1.87 482	2.30 465	1.87 473	2.08 460	1.72 476	2.08 457	1.72 467	2.08 473	1.72 485	2.08 448	1.72 482

asd	2.18 467	2.77 438	1.58 455	3.59 486	2.00 492	2.58 487	1.85 481	2.39 472	1.71 472	2.47 478	1.97 493	2.59 483	1.61 457	2.56 479	1.79 483	2.51 484	1.99 476	2.11 476	1.62 476	2.36 461	1.60 473

AIO_rvc	2.18 467	2.34 410	1.87 481	2.32 445	1.94 491	2.40 474	1.89 486	2.37 470	2.07 502	2.52 481	1.95 492	2.44 475	1.99 485	2.41 473	1.89 492	2.32 473	2.09 485	2.24 477	2.18 500	2.21 452	2.23 498

NCCL2	2.28 479	2.27 401	2.28 494	2.28 444	2.28 506	2.27 467	2.29 500	2.28 462	2.28 503	2.27 469	2.28 505	2.28 464	2.27 493	2.27 467	2.28 504	2.28 469	2.28 491	2.27 478	2.29 504	2.27 456	2.29 499

monsters	2.18 467	2.41 416	1.96 487	3.47 481	2.03 497	2.53 483	1.64 471	2.48 475	1.73 477	2.40 476	1.50 465	2.62 484	1.94 480	2.59 481	1.94 493	2.44 479	1.57 455	2.28 479	1.87 492	2.42 463	1.86 489

HUF	2.18 467	2.30 403	1.99 491	2.34 446	2.02 496	2.41 475	2.06 496	2.38 471	1.89 493	2.36 474	1.85 480	2.56 481	1.98 483	2.31 470	1.97 495	2.30 471	2.03 484	2.30 480	2.11 499	2.23 453	2.16 496

2.75w_new	1.99 443	2.34 410	1.81 466	3.14 465	1.62 469	1.94 454	1.99 492	2.72 482	1.71 472	2.72 486	1.99 502	1.90 452	1.73 465	1.82 452	1.29 452	2.37 475	2.01 479	2.31 481	1.42 461	1.77 441	1.22 447

STTStereo	3.73 505	30.40 552	2.37 498	2.39 447	2.31 508	2.35 472	2.33 501	2.29 464	2.42 504	2.32 473	2.34 506	2.33 468	2.36 494	2.30 469	2.27 503	2.35 474	2.22 490	2.31 481	2.22 501	2.29 458	2.34 503

asda	2.17 466	2.54 419	1.81 466	3.47 481	1.78 480	2.50 481	1.86 482	2.61 481	1.68 468	2.61 483	1.83 479	2.37 472	1.73 465	2.44 476	1.88 491	2.51 484	1.84 473	2.34 483	1.62 476	2.23 453	1.77 486

monsterstereo	2.20 473	2.33 406	1.95 486	3.65 488	2.07 498	2.49 479	1.61 469	2.48 475	1.83 485	2.45 477	1.61 472	2.67 487	1.86 472	2.64 483	1.94 493	2.48 483	1.66 464	2.34 483	1.68 482	2.40 462	1.86 489

AIO_test	2.18 467	2.09 388	2.04 492	2.42 448	2.01 493	2.47 477	1.94 488	2.34 469	2.03 501	2.56 482	1.94 490	2.43 474	1.94 480	2.41 473	1.87 490	2.39 477	2.10 486	2.35 485	1.91 498	2.25 455	2.19 497

3.75w	1.99 443	2.31 404	1.83 474	3.16 467	1.65 471	1.93 453	1.98 489	2.72 482	1.68 468	2.73 491	1.97 493	2.00 458	1.72 464	1.81 451	1.25 448	2.27 468	2.01 479	2.38 486	1.42 461	1.71 437	1.24 450

FBW_ROB	2.12 465	2.46 418	1.77 465	2.49 451	1.79 481	2.38 473	1.83 477	2.46 474	1.78 481	2.48 479	1.97 493	2.40 473	1.78 470	2.42 475	1.83 484	2.31 472	1.85 474	2.38 486	1.82 490	2.35 460	1.84 487

UDGNet	2.23 477	5.40 493	1.72 463	2.48 450	1.69 474	2.51 482	1.69 473	2.51 478	1.72 476	2.50 480	1.69 476	2.52 476	1.69 462	2.50 477	1.68 472	2.41 478	1.70 466	2.42 488	1.69 484	2.42 463	1.64 478

LG-G_1	2.22 474	2.71 430	1.89 482	2.77 456	1.87 488	2.75 494	1.87 484	2.76 490	1.87 491	2.75 492	1.87 482	2.76 495	1.87 473	2.75 493	1.86 487	2.47 481	1.58 456	2.45 489	1.57 467	2.45 465	1.57 469

LG-G	2.22 474	2.71 430	1.89 482	2.77 456	1.87 488	2.75 494	1.87 484	2.76 490	1.87 491	2.75 492	1.87 482	2.76 495	1.87 473	2.75 493	1.86 487	2.47 481	1.58 456	2.45 489	1.57 467	2.45 465	1.57 469

LGtest1	2.22 474	2.70 428	1.89 482	2.76 455	1.86 485	2.75 494	1.86 482	2.75 489	1.86 487	2.75 492	1.86 481	2.77 497	1.87 473	2.75 493	1.86 487	2.46 480	1.58 456	2.45 489	1.56 466	2.45 465	1.56 468

4.25_new	2.00 447	2.33 406	1.82 471	3.32 474	1.69 474	1.95 457	1.99 492	2.72 482	1.71 472	2.72 486	1.97 493	2.01 459	1.74 467	1.77 448	1.28 450	2.18 460	2.01 479	2.48 492	1.58 470	1.65 433	1.17 396

4.5w_new	2.00 447	2.33 406	1.82 471	3.32 474	1.69 474	1.95 457	1.99 492	2.72 482	1.71 472	2.72 486	1.97 493	2.01 459	1.74 467	1.77 448	1.28 450	2.18 460	2.01 479	2.48 492	1.58 470	1.65 433	1.17 396

4.5w-stereo	1.99 443	2.33 406	1.81 466	3.28 471	1.68 473	1.94 454	1.99 492	2.72 482	1.70 471	2.72 486	1.99 502	1.97 456	1.68 460	1.76 447	1.29 452	1.91 450	2.02 483	2.53 494	1.61 474	1.75 440	1.16 395

4.25w-stereo	1.98 442	2.72 432	1.46 449	3.47 481	1.43 462	2.07 463	1.98 489	2.53 479	1.52 465	2.71 485	1.98 499	1.81 450	1.62 458	1.96 456	1.36 457	1.88 448	2.00 477	2.53 494	1.61 474	1.74 439	1.15 392

2w_stereo	1.99 443	2.36 413	1.81 466	3.24 469	1.67 472	1.94 454	1.98 489	2.72 482	1.68 468	2.72 486	1.94 490	1.98 457	1.74 467	1.79 450	1.27 449	1.95 451	2.00 477	2.53 494	1.60 473	1.68 436	1.15 392

sCroCo_RVC	2.10 463	2.76 436	1.92 485	2.78 459	1.39 460	2.73 492	1.41 462	2.73 488	1.40 461	2.77 497	1.41 462	2.74 494	1.40 452	2.74 492	1.40 460	2.72 491	1.42 444	2.72 497	1.44 463	2.79 483	1.42 464

NLCA_NET_v2_RVC	5.04 533	50.87 562	2.78 500	2.87 460	2.71 509	2.78 497	0.47 305	2.88 495	2.86 508	1.89 449	2.67 507	2.79 498	2.79 498	2.78 496	2.83 505	2.82 492	2.82 494	2.83 498	2.77 507	2.83 484	2.76 507
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
plain	1.88 440	3.16 448	0.64 311	3.10 464	0.65 351	3.10 499	0.64 334	3.12 497	0.65 340	3.10 498	0.65 347	3.11 499	0.65 336	3.12 497	0.65 336	3.12 494	0.65 317	3.13 499	0.65 344	3.13 485	0.65 336

Anonymous3	2.55 491	3.26 451	1.65 458	3.28 471	1.63 470	3.24 501	1.68 472	3.27 499	1.66 467	3.28 500	1.67 475	3.25 501	1.66 459	3.27 499	1.64 468	3.26 495	1.65 463	3.30 500	1.65 478	4.95 517	1.65 480

UniTT-Stereo	2.03 457	3.43 454	0.72 326	3.42 479	0.73 364	3.27 502	0.68 342	3.38 501	0.69 347	3.29 501	0.72 360	3.28 502	0.70 345	3.35 502	0.68 344	3.39 496	0.68 319	3.31 501	0.69 353	3.37 486	0.73 350

raft_robust	4.71 528	7.75 510	5.40 531	6.81 524	3.31 523	4.28 512	4.20 534	4.32 511	4.37 535	4.35 510	4.35 534	4.14 510	3.75 519	4.30 512	4.20 532	6.67 533	6.37 528	3.36 502	4.24 536	4.86 515	3.25 522

SA	4.33 522	7.35 506	6.85 537	5.96 520	4.09 534	3.59 504	3.15 521	3.82 506	2.64 505	3.91 504	3.85 528	3.57 503	2.72 497	3.13 498	4.03 529	7.09 537	6.86 532	3.57 503	3.12 519	3.85 489	3.51 525

RAFT+CT+SA	4.28 520	7.62 509	4.91 526	5.55 517	2.28 506	3.09 498	3.64 526	4.49 512	3.07 514	4.80 524	3.35 521	4.77 528	3.70 517	4.29 511	3.05 508	5.58 526	5.98 527	3.58 504	3.78 530	4.26 495	3.72 527

DPSNet	3.66 504	3.60 456	3.62 519	3.63 487	3.64 529	3.65 505	3.65 527	3.66 504	3.67 524	3.67 503	3.65 525	3.67 505	3.66 515	3.66 503	3.68 522	3.68 499	3.66 512	3.67 505	3.68 528	3.67 487	3.67 526

RAStereo	2.23 477	3.64 457	0.76 332	3.65 488	0.86 374	3.66 506	0.76 355	3.67 505	0.81 367	3.66 502	0.76 365	3.66 504	0.77 355	3.68 504	0.77 358	3.68 499	0.77 335	3.69 506	0.77 362	3.70 488	0.77 356

TestStereo1	4.60 524	8.41 513	6.44 534	6.86 525	3.79 531	3.97 508	3.78 529	3.99 508	3.74 526	3.97 505	3.52 523	3.94 508	3.58 512	3.98 507	3.72 524	6.82 534	6.50 530	3.76 507	3.66 526	3.90 490	3.74 529

SA-5K	4.60 524	8.41 513	6.44 534	6.86 525	3.79 531	3.97 508	3.78 529	3.99 508	3.74 526	3.97 505	3.52 523	3.94 508	3.58 512	3.98 507	3.72 524	6.82 534	6.50 530	3.76 507	3.66 526	3.90 490	3.74 529

Sa-1000	4.34 523	8.37 512	6.84 536	6.98 527	4.45 537	3.58 503	3.00 507	3.42 502	3.39 522	2.61 483	4.00 531	3.83 507	4.01 524	3.90 506	3.90 527	5.98 530	5.62 525	3.76 507	2.34 505	4.35 497	2.47 506

cross-raft	4.83 529	7.52 507	6.43 533	6.63 523	3.96 533	4.51 513	3.99 532	4.49 512	3.96 531	4.52 511	3.96 530	4.50 513	3.97 523	4.50 513	3.97 528	6.65 532	6.44 529	4.33 510	3.92 532	4.35 497	3.91 532

test_4	4.88 530	8.13 511	6.98 538	7.46 528	4.44 536	4.25 511	3.85 531	4.04 510	3.92 530	4.13 507	3.91 529	4.18 511	3.84 520	4.14 509	4.06 530	7.01 536	7.13 533	4.53 511	3.72 529	4.09 493	3.72 527

test_3	5.01 532	8.86 518	7.77 540	8.09 530	2.76 510	4.13 510	4.05 533	3.88 507	3.76 528	4.33 509	4.13 532	3.71 506	3.91 521	4.21 510	4.06 530	7.93 538	7.69 535	4.53 511	3.91 531	4.17 494	4.29 535

rvit_105_1	3.83 506	5.22 486	3.01 502	4.53 497	3.01 511	4.51 513	3.01 508	4.56 514	3.04 509	4.53 513	3.03 510	4.55 516	3.03 499	4.56 514	3.04 506	4.57 507	3.05 496	4.57 513	3.05 511	4.57 501	3.05 510

rvit_stereo_0081	3.83 506	5.23 487	3.01 502	4.53 497	3.03 513	4.55 519	3.02 509	4.56 514	3.04 509	4.52 511	3.02 508	4.54 514	3.03 499	4.56 514	3.04 506	4.57 507	3.05 496	4.57 513	3.05 511	4.58 502	3.05 510

rvit_0105_6	3.87 510	5.73 500	3.10 512	4.69 507	3.12 521	4.54 515	3.02 509	4.56 514	3.04 509	4.54 515	3.03 510	4.54 514	3.04 502	4.56 514	3.05 508	4.58 510	3.05 496	4.58 515	3.05 511	4.58 502	3.05 510

rvit_stereo_0082	3.86 508	5.82 501	3.01 502	4.53 497	3.03 513	4.54 515	3.02 509	4.56 514	3.04 509	4.53 513	3.02 508	4.55 516	3.04 502	4.57 517	3.05 508	4.57 507	3.05 496	4.58 515	3.05 511	4.58 502	3.06 513

rvit_stereo_0081_aga	3.86 508	5.33 490	3.02 505	4.55 503	3.04 517	4.54 515	3.02 509	4.64 521	3.06 513	4.54 515	3.04 512	4.62 523	3.08 506	4.62 520	3.07 511	4.58 510	3.06 500	4.60 517	3.08 515	4.63 505	3.07 514

StereoVision	3.15 500	5.00 482	0.89 343	4.83 509	1.00 387	3.93 507	1.27 448	6.37 534	1.34 454	5.67 534	1.26 448	5.84 536	1.27 440	5.03 531	1.24 445	5.10 524	1.09 364	4.61 518	0.57 335	5.62 524	1.12 387

rvit_stereo_0080	3.89 511	5.70 498	3.04 507	4.54 500	3.03 513	4.56 520	3.05 515	4.60 518	3.07 514	4.58 518	3.06 513	4.59 518	3.06 504	4.61 518	3.08 512	4.63 512	3.09 501	4.64 519	3.10 516	4.65 506	3.10 515

whm_eth	3.89 511	5.70 498	3.04 507	4.54 500	3.03 513	4.56 520	3.05 515	4.60 518	3.07 514	4.58 518	3.06 513	4.59 518	3.06 504	4.61 518	3.08 512	4.63 512	3.09 501	4.64 519	3.10 516	4.65 506	3.10 515

FC-DCNN v2	5.10 534	5.15 484	4.49 524	5.07 513	3.37 524	6.87 537	4.75 536	5.04 530	6.34 540	7.84 540	5.06 537	6.72 541	4.09 525	4.99 529	5.44 537	5.03 521	3.16 506	4.67 521	4.86 537	5.15 520	3.89 531

rvit_0105_4	3.91 513	5.47 497	3.02 505	4.54 500	3.02 512	4.54 515	3.03 513	4.75 524	3.17 520	4.57 517	3.06 513	4.61 522	3.16 510	4.65 521	3.09 514	4.66 514	3.11 503	4.68 522	3.18 521	4.81 512	3.16 520

MLG-Stereo_test3	4.26 519	4.85 480	3.95 522	5.35 515	3.60 527	4.75 528	3.76 528	5.49 533	3.71 525	5.39 530	3.69 526	4.82 529	3.66 515	4.85 525	3.73 526	4.93 518	3.19 509	4.69 523	2.99 510	4.84 514	2.98 509

MLG-Stereo_test1	4.25 518	5.34 492	3.61 518	5.31 514	3.63 528	5.23 531	3.57 525	5.38 532	3.65 523	5.23 529	3.47 522	4.76 527	3.74 518	4.85 525	3.71 523	4.96 519	3.18 508	4.71 524	2.92 508	4.86 515	2.90 508

rvit_stereo_ft	3.93 516	5.44 495	3.05 509	4.59 504	3.06 518	4.61 523	3.08 518	4.67 523	3.12 519	4.63 522	3.10 518	4.65 525	3.11 508	4.69 524	3.13 516	4.70 515	3.14 505	4.71 524	3.15 520	4.74 509	3.16 520

rvit_0105_3	3.91 513	5.33 490	3.06 510	4.60 505	3.07 519	4.60 522	3.06 517	4.62 520	3.08 517	4.60 520	3.07 516	4.62 523	3.08 506	4.67 522	3.10 515	4.70 515	3.11 503	4.77 526	3.19 522	4.77 511	3.14 519

rvit_stereo_0083	3.92 515	5.30 489	3.06 510	4.61 506	3.09 520	4.67 524	3.08 518	4.66 522	3.09 518	4.62 521	3.10 518	4.66 526	3.11 508	4.67 522	3.16 517	4.72 517	3.16 506	4.77 526	3.11 518	4.66 508	3.11 517

test_5	4.62 527	7.55 508	6.23 532	6.32 522	3.40 525	5.29 532	3.50 524	3.53 503	4.11 532	4.28 508	4.47 535	4.26 512	4.38 527	3.68 504	3.24 518	5.89 528	5.60 524	4.84 528	3.50 524	4.33 496	3.93 533

TestStereo	4.88 530	4.75 478	4.79 525	4.87 511	4.92 538	4.81 530	4.90 537	4.78 525	4.77 536	4.87 526	4.89 536	4.90 531	4.91 529	4.99 529	4.79 534	4.98 520	4.87 521	4.87 529	4.92 538	5.00 518	5.00 536

MLG-Stereo_test2	4.28 520	5.46 496	3.69 520	4.86 510	3.72 530	5.58 534	3.42 523	4.81 526	3.77 529	4.85 525	3.72 527	5.55 535	3.63 514	5.58 532	3.53 521	4.41 504	3.28 510	4.99 530	2.95 509	4.75 510	3.13 518

rvit_0105_5	4.10 517	5.40 493	3.13 515	4.71 508	3.15 522	4.72 527	3.10 520	4.90 529	3.27 521	4.69 523	3.16 520	4.84 530	3.25 511	4.96 528	3.34 519	5.05 522	3.39 511	5.10 531	3.40 523	5.11 519	3.42 523

sAnonymous2	3.31 502	2.63 423	1.38 444	3.71 490	1.86 485	4.70 525	1.11 386	4.82 527	2.72 506	5.45 532	1.98 499	4.59 518	2.64 495	2.65 484	6.21 538	4.37 501	1.08 362	5.16 532	2.24 502	4.52 499	2.39 504

CroCo_RVC	3.31 502	2.63 423	1.38 444	3.71 490	1.86 485	4.70 525	1.11 386	4.82 527	2.72 506	5.45 532	1.98 499	4.59 518	2.64 495	2.65 484	6.21 538	4.37 501	1.08 362	5.16 532	2.24 502	4.52 499	2.39 504

MaDis-Stereo	3.19 501	6.02 503	1.12 364	5.61 518	1.16 402	5.43 533	1.02 383	5.15 531	0.70 350	5.43 531	1.21 443	5.03 533	0.97 367	4.85 525	0.99 378	4.53 505	1.16 374	5.53 534	1.25 448	5.37 522	1.30 453

RAFT	6.73 539	9.36 521	7.40 539	8.51 533	6.55 542	6.88 538	6.60 541	6.79 536	6.60 541	6.80 537	6.72 543	5.31 534	5.50 532	6.61 534	6.61 541	8.42 540	5.89 526	5.73 535	5.45 542	6.61 527	6.24 540

test-1	6.46 537	9.16 520	8.03 543	8.09 530	5.62 541	6.11 535	6.35 540	6.85 537	4.94 537	6.08 535	6.29 542	4.98 532	6.43 534	6.22 533	6.36 540	6.16 531	7.47 534	5.82 536	5.44 541	7.11 531	5.68 539

SGM-Forest	5.21 536	5.92 502	4.08 523	6.18 521	4.16 535	6.31 536	4.34 535	6.50 535	4.33 534	6.14 536	4.21 533	6.61 540	4.55 528	6.67 535	4.48 533	5.94 529	3.94 515	5.85 537	4.03 534	5.79 525	4.17 534
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DispFullNet	4.61 526	4.84 479	3.12 513	5.00 512	3.57 526	4.75 528	3.03 513	7.75 540	4.17 533	4.91 527	3.09 517	6.20 537	3.95 522	6.71 536	3.51 520	5.30 525	3.67 513	5.86 538	3.63 525	5.61 523	3.46 524

test-v	7.53 541	11.89 529	7.98 541	9.36 536	7.14 543	7.06 539	7.09 542	7.37 538	6.91 542	7.29 538	5.71 540	6.45 538	6.93 535	6.73 537	7.27 542	8.93 543	7.85 536	6.98 539	6.80 543	7.56 532	7.34 542

test-2	7.53 541	11.89 529	7.98 541	9.36 536	7.14 543	7.06 539	7.09 542	7.37 538	6.91 542	7.29 538	5.71 540	6.45 538	6.93 535	6.73 537	7.27 542	8.93 543	7.85 536	6.98 539	6.80 543	7.56 532	7.34 542

rvit_stereo_0075_2	6.64 538	8.80 517	5.25 528	7.89 529	5.27 540	7.90 541	5.27 538	7.92 541	5.28 538	7.91 541	5.29 539	7.93 542	5.27 530	7.92 541	5.28 535	7.93 538	5.28 523	7.93 541	5.29 540	7.93 534	5.28 538

MIF-Stereo (partial)	2.58 492	3.31 452	0.66 315	3.18 468	0.66 354	3.18 500	0.66 337	3.21 498	0.67 343	3.19 499	0.66 349	3.19 500	0.66 339	3.31 501	0.68 344	5.09 523	1.79 471	8.23 542	1.67 480	6.18 526	1.38 462

U	5.15 535	8.49 515	1.81 466	8.49 532	1.77 479	8.49 542	1.77 476	8.51 542	1.77 480	8.49 542	1.77 478	8.50 543	1.78 470	8.58 542	1.77 482	8.54 541	1.78 470	8.55 543	1.78 489	8.55 537	1.84 487

SGM+DAISY	7.06 540	9.15 519	5.38 530	8.84 534	5.18 539	8.80 543	5.31 539	8.79 543	5.28 538	8.89 543	5.20 538	8.93 544	5.33 531	8.95 543	5.36 536	8.70 542	5.21 522	8.74 544	5.20 539	8.89 538	5.15 537

rafts_anoy	20.00 545	20.00 531	20.00 545	20.00 545	20.00 546	20.00 544	20.00 545	20.00 544	20.00 545	20.00 544	20.00 545	20.00 545	20.00 545	20.00 544	20.00 545	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 545

raft+_RVC	20.00 545	20.00 531	20.00 545	20.00 545	20.00 546	20.00 544	20.00 545	20.00 544	20.00 545	20.00 544	20.00 545	20.00 545	20.00 545	20.00 544	20.00 545	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 545

raftrobust	20.00 545	20.00 531	20.00 545	20.00 545	20.00 546	20.00 544	20.00 545	20.00 544	20.00 545	20.00 544	20.00 545	20.00 545	20.00 545	20.00 544	20.00 545	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 545

CasAABBNet	20.00 545	20.00 531	20.00 545	20.00 545	20.00 546	20.00 544	20.00 545	20.00 544	20.00 545	20.00 544	20.00 545	20.00 545	20.00 545	20.00 544	20.00 545	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 545

RALCasStereoNet	20.00 545	20.00 531	20.00 545	20.00 545	20.00 546	20.00 544	20.00 545	20.00 544	20.00 545	20.00 544	20.00 545	20.00 545	20.00 545	20.00 544	20.00 545	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 545

RALAANet	20.00 545	20.00 531	20.00 545	20.00 545	20.00 546	20.00 544	20.00 545	20.00 544	20.00 545	20.00 544	20.00 545	20.00 545	20.00 545	20.00 544	20.00 545	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 545

MANE	19.05 544	23.00 537	15.00 544	23.00 551	15.00 545	24.00 550	16.00 544	24.00 550	16.00 544	22.00 550	15.00 544	23.00 551	16.00 544	23.00 550	15.00 544	22.00 551	15.00 545	22.00 551	15.00 545	22.00 551	15.00 544

111	30.40 551	30.94 553	29.72 552	32.61 552	30.02 553	33.57 551	30.47 552	31.50 551	29.39 552	30.98 551	29.11 552	29.78 552	30.39 555	29.45 551	30.76 555	30.08 552	29.02 553	29.92 552	30.32 556	29.86 552	30.17 552

fff	1000028.16 571	29.62 549	29.72 552	32.61 552	30.02 553	35.13 553	31.83 553	32.07 552	10000000.00 571	35.27 554	29.82 553	32.45 553	30.15 552	32.35 552	30.09 552	31.04 553	29.55 554	30.64 553	30.14 553	10000000.00 572	30.77 553

csc	1000028.16 571	29.62 549	29.72 552	32.61 552	30.02 553	35.13 553	31.83 553	32.07 552	10000000.00 571	35.27 554	29.82 553	32.45 553	30.15 552	32.35 552	30.09 552	31.04 553	29.55 554	30.64 553	30.14 553	10000000.00 572	30.77 553

cscssc	1000028.16 571	29.62 549	29.72 552	32.61 552	30.02 553	35.13 553	31.83 553	32.07 552	10000000.00 571	35.27 554	29.82 553	32.45 553	30.15 552	32.35 552	30.09 552	31.04 553	29.55 554	30.64 553	30.14 553	10000000.00 572	30.77 553

WCMA_ROB	31.10 552	35.43 557	27.12 551	39.51 563	23.10 552	38.78 562	25.30 551	37.49 562	25.39 551	37.29 561	27.02 551	38.52 563	26.48 551	37.80 561	26.44 551	36.28 559	22.65 552	33.90 556	22.30 552	37.10 560	24.18 551

tt	500032.53 569	34.60 555	29.72 552	37.47 561	34.41 558	36.85 557	35.22 557	34.71 555	33.55 554	34.50 552	35.43 556	33.81 556	10000000.00 572	33.57 555	33.13 556	33.68 556	35.00 558	34.03 557	35.26 559	30.96 553	34.63 557

DCANet	500032.53 569	34.60 555	29.72 552	37.47 561	34.41 558	36.85 557	35.22 557	34.71 555	33.55 554	34.50 552	35.43 556	33.81 556	10000000.00 572	33.57 555	33.13 556	33.68 556	35.00 558	34.03 557	35.26 559	30.96 553	34.63 557

DCANet-4	35.22 553	34.54 554	35.08 558	33.58 556	35.47 560	34.55 552	35.53 559	36.08 557	35.85 556	35.92 557	35.77 558	35.18 558	35.48 557	35.39 557	37.15 561	34.55 558	33.92 557	35.02 559	34.90 558	35.79 556	34.74 559

ADStereo(finetuned)	36.13 554	36.63 558	38.07 562	36.97 557	33.25 557	35.91 556	34.45 556	36.36 558	32.99 553	38.14 562	36.71 559	36.69 559	34.13 556	38.57 562	40.79 562	37.60 563	36.58 560	35.90 560	33.36 557	35.42 555	34.04 556

Reg-Stereo(zero)	37.00 555	37.00 559	37.00 559	37.00 558	37.00 561	37.00 559	37.00 560	37.00 559	37.00 557	37.00 558	37.00 560	37.00 560	37.00 558	37.00 558	37.00 558	37.00 560	37.00 561	37.00 561	37.00 561	37.00 557	37.00 560

HI	37.00 555	37.00 559	37.00 559	37.00 558	37.00 561	37.00 559	37.00 560	37.00 559	37.00 557	37.00 558	37.00 560	37.00 560	37.00 558	37.00 558	37.00 558	37.00 560	37.00 561	37.00 561	37.00 561	37.00 557	37.00 560

CoSv	37.00 555	37.00 559	37.00 559	37.00 558	37.00 561	37.00 559	37.00 560	37.00 559	37.00 557	37.00 558	37.00 560	37.00 560	37.00 558	37.00 558	37.00 558	37.00 560	37.00 561	37.00 561	37.00 561	37.00 557	37.00 560

NOSS_ROB	102.95 559	153.00 567	121.00 566	51.00 564	44.00 564	165.00 566	127.00 565	153.00 565	119.00 562	164.00 566	125.00 565	168.00 567	120.00 563	153.00 565	117.00 565	49.00 564	44.00 564	49.00 564	44.00 564	49.00 561	44.00 563

CBMV	128.50 560	1422.70 574	53.10 564	79.50 565	51.30 565	77.30 564	49.70 563	74.00 563	48.20 561	77.20 564	48.80 564	73.90 565	48.00 562	73.80 564	48.80 564	70.40 565	45.10 565	68.90 565	46.10 565	68.20 562	45.00 564
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 558	87.70 563	41.95 563	113.75 566	65.62 566	75.05 563	55.25 564	75.64 564	45.04 560	71.61 563	41.75 563	72.81 564	44.06 561	68.38 563	44.63 563	101.89 566	59.57 566	107.10 566	61.05 566	104.38 563	59.38 565

MeshStereo	159.24 561	171.00 568	160.68 569	162.58 567	160.59 567	164.01 565	160.35 566	158.51 566	158.56 563	158.34 565	160.12 566	158.56 566	159.92 564	157.26 566	158.94 566	154.38 567	158.36 567	155.75 567	159.13 568	153.67 564	154.07 566
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 562	123.00 564	115.00 565	219.00 568	218.00 569	223.00 567	244.00 568	217.00 567	236.00 565	202.00 567	203.00 567	205.00 568	208.00 565	225.00 567	204.00 567	210.00 568	198.00 568	197.00 568	184.00 569	204.00 565	201.00 567

MGS-Stereo	239.45 563	123.00 564	135.00 567	266.00 569	286.00 570	277.00 568	305.00 569	271.00 568	242.00 566	274.00 568	279.00 569	255.00 569	270.00 567	268.00 568	297.00 569	221.00 569	247.00 570	216.00 569	123.00 567	217.00 566	217.00 569

EGLCR-Stereo	246.90 564	129.00 566	139.00 568	266.00 569	286.00 570	277.00 568	305.00 569	271.00 568	242.00 566	274.00 568	279.00 569	255.00 569	270.00 567	268.00 568	297.00 569	230.00 570	247.00 570	216.00 569	223.00 571	237.00 567	227.00 570

DLCB_ROB	284.23 565	354.61 570	207.27 570	363.24 571	206.46 568	364.72 570	210.41 567	364.72 570	210.41 564	364.81 570	208.64 568	364.81 571	208.64 566	364.72 570	210.41 568	354.70 571	205.53 569	354.70 571	205.53 570	354.70 568	205.53 568

LE_ROB	396.57 566	471.28 571	329.84 571	471.48 572	308.15 572	526.83 571	322.10 571	488.15 571	323.76 568	495.46 571	317.97 571	497.17 572	320.10 569	481.62 571	326.76 571	462.71 572	298.97 572	466.16 572	285.98 572	447.62 569	289.21 571

SGM-ForestM	596.69 567	677.77 572	444.52 572	699.85 573	517.25 573	732.94 572	488.29 572	770.79 572	460.11 569	750.81 572	487.98 572	792.79 573	499.41 570	730.90 572	475.81 572	720.03 573	491.16 573	663.96 573	418.60 573	674.76 570	436.05 572

CBMV_ROB	818.48 568	913.88 573	709.52 573	862.84 574	597.78 574	1073.99 573	700.52 573	1015.66 573	702.59 570	1115.65 573	760.02 573	1130.24 574	721.57 571	1037.41 573	692.65 573	814.05 574	564.29 574	843.28 574	595.31 574	915.51 571	602.92 573

111111	10000000.00 574	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 572	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 574

SGD-Stereo	10000000.00 574	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 572	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 574

IGEV-Stereo++	10000000.00 574	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 572	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 574

IGEV-BASED-STEREO-	10000000.00 574	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 572	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 574

IGEV-Stereo+	10000000.00 574	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 572	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 574

SDNR	10000000.00 574	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 572	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 574

anonymousdsp2	10000000.00 574	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 572	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 574

anonymousdsp	10000000.00 574	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 572	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 574

test_example2	10000000.00 574	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 572	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 574

DIP-Stereo	10000000.00 574	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 572	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 574
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark