Low-res two-view results

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

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

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

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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 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

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-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

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

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

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

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

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

test_sample6	0.09 51	0.97 257	0.10 69	0.10 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_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

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

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

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

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

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	0.14 122	0.36 259	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

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

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_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

11t1	0.17 128	2.16 393	0.13 119	0.13 93	0.04 77	0.06 86	0.04 77	0.06 89	0.04 79	0.06 91	0.03 52	0.06 92	0.03 52	0.06 83	0.05 83	0.18 146	0.12 109	0.06 88	0.03 54	0.05 86	0.03 51

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

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

qqq	0.16 125	2.01 384	0.12 100	0.15 107	0.04 77	0.06 86	0.05 87	0.06 89	0.04 79	0.06 91	0.03 52	0.06 92	0.03 52	0.06 83	0.03 48	0.12 91	0.14 136	0.04 71	0.04 75	0.03 43	0.03 51

x	0.11 83	1.15 289	0.15 139	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

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

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

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

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 79	0.05 87	0.04 85	0.05 86	0.04 81	0.05 78	0.04 72	0.05 51	0.03 36	0.06 88	0.03 54	0.04 74	0.03 51

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

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 78	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 78	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C01	0.11 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 83	0.04 72	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 107	0.04 37	0.03 36	2.22 438	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 97	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	0.08 100	0.04 72	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 77	0.06 86	0.04 77	0.06 89	0.04 79	0.06 91	0.04 85	0.06 92	0.04 81	0.06 83	0.04 72	0.06 55	0.04 45	0.05 81	0.04 75	0.05 86	0.04 76

qqq1	0.25 152	3.70 458	0.14 124	0.14 97	0.04 77	0.06 86	0.05 87	0.06 89	0.05 93	0.06 91	0.05 94	0.04 74	0.05 88	0.06 83	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 89	0.05 93	0.06 91	0.05 94	0.04 74	0.05 88	0.06 83	0.05 83	0.13 107	0.12 109	0.06 88	0.05 90	0.03 43	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 79	0.03 40	0.03 52	0.03 42	0.03 52	0.06 83	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 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 88	0.06 83	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 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 88	0.06 83	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 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 88	0.06 83	0.05 83	0.12 91	0.12 109	0.05 81	0.04 75	0.06 90	0.04 76

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 77	0.04 74	0.05 87	0.04 74	0.04 79	0.12 117	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

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

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 79	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 79	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 79	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 79	0.04 71	0.03 52	0.04 74	0.03 52	0.06 83	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 79	0.04 71	0.05 94	0.04 74	0.04 81	0.08 100	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 79	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
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	0.06 101	0.06 91	0.06 100	0.05 86	0.06 100	0.06 83	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	0.06 101	0.06 91	0.06 100	0.05 86	0.06 100	0.06 83	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	0.06 101	0.06 91	0.06 100	0.05 86	0.06 100	0.06 83	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 77	0.05 84	0.90 368	0.06 89	0.04 79	0.05 87	0.04 85	0.05 86	0.04 81	0.05 78	0.04 72	0.05 51	0.04 45	0.05 81	0.04 75	0.05 86	0.05 91

GwcNet	0.12 92	0.07 58	0.05 57	0.08 49	0.05 93	0.08 97	1.20 396	0.07 99	0.05 93	0.05 87	0.05 94	0.08 99	0.05 88	0.08 100	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	0.08 102	0.07 104	0.08 99	0.07 103	0.08 99	0.06 100	0.07 97	0.07 94	0.08 60	0.07 57	0.07 93	0.07 98	0.06 90	0.06 96

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 79	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

SuperB	0.21 142	0.10 67	2.51 499	0.12 80	0.09 106	0.10 102	0.09 104	0.08 102	0.07 104	0.10 103	0.09 106	0.09 103	0.07 104	0.07 97	0.07 94	0.07 58	0.08 59	0.07 93	0.07 98	0.08 100	0.07 98

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

BEATNet-Init1	0.19 133	0.08 59	0.08 60	2.23 439	0.08 104	0.08 97	0.07 102	0.07 99	0.08 106	0.08 99	0.07 103	0.08 99	0.07 104	0.11 116	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 99	0.08 106	0.08 99	0.07 103	0.08 99	0.07 104	0.11 116	0.08 96	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

S2M2	0.12 92	0.14 85	0.10 69	0.15 107	0.10 112	0.14 118	0.10 109	0.14 120	0.10 110	0.15 125	0.10 110	0.14 120	0.10 111	0.14 122	0.10 105	0.13 107	0.10 73	0.13 118	0.09 104	0.13 121	0.09 102

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

LRCNet_RVC	0.13 98	0.13 81	0.09 65	0.13 93	0.10 112	0.14 118	0.10 109	0.14 120	0.10 110	0.23 165	0.10 110	0.20 150	0.10 111	0.24 173	0.11 117	0.11 86	0.09 68	0.12 115	0.14 151	0.12 119	0.09 102

ELAS_RVC	0.14 107	0.16 87	0.10 69	0.15 107	0.10 112	0.18 144	0.11 122	0.19 145	0.11 125	0.19 144	0.12 134	0.18 144	0.11 123	0.19 146	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	0.18 143	0.11 125	0.17 139	0.11 124	0.18 144	0.11 123	0.18 143	0.11 117	0.14 114	0.08 59	0.14 120	0.08 102	0.14 123	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AnonymousM	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	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	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	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	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	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	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	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	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	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	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	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	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	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	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	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	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	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	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

PDISCO_ROB	0.83 332	2.80 441	3.49 516	0.14 97	0.11 128	0.17 141	0.09 104	0.15 132	0.10 110	0.15 125	0.12 134	0.16 131	0.14 148	3.30 501	0.13 137	0.14 114	2.34 492	0.16 136	0.12 139	2.62 482	0.10 107

SGM_RVC	0.15 117	0.17 93	0.11 89	0.18 126	0.11 128	0.19 147	0.11 122	0.19 145	0.12 143	0.19 144	0.12 134	0.20 150	0.12 139	0.19 146	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
ITSA-stereo	0.15 117	0.17 93	0.13 119	0.20 131	0.13 146	0.19 147	0.13 140	0.18 143	0.13 146	0.19 144	0.13 146	0.18 144	0.14 148	0.18 143	0.14 141	0.16 131	0.11 95	0.15 133	0.14 151	0.18 146	0.11 119

test_for_model	0.15 117	0.23 111	0.18 152	0.21 140	0.11 128	0.16 133	0.11 122	0.16 133	0.11 125	0.16 130	0.11 124	0.16 131	0.11 123	0.16 132	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	0.16 133	0.11 125	0.16 130	0.11 124	0.16 131	0.11 123	0.16 132	0.11 117	0.14 114	0.11 95	0.14 120	0.11 123	0.14 123	0.11 119

JetRed	0.11 83	0.12 80	0.11 89	0.11 74	0.11 128	0.11 113	0.14 142	0.11 116	0.11 125	0.12 117	0.11 124	0.11 115	0.11 123	0.11 116	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	0.11 116	0.11 125	0.11 115	0.11 124	0.11 115	0.11 123	0.12 120	0.12 131	0.11 86	0.11 95	0.11 112	0.11 123	0.11 114	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	0.16 133	0.11 125	0.16 130	0.11 124	0.16 131	0.11 123	0.16 132	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	0.14 120	0.11 125	0.15 125	0.12 134	0.15 130	0.11 123	0.14 122	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	0.14 120	0.11 125	0.14 119	0.11 124	0.14 120	0.11 123	0.14 122	0.11 117	0.15 123	0.12 109	0.14 120	0.11 123	0.14 123	0.11 119

MIPNet	0.14 107	0.21 106	0.17 147	0.16 117	0.11 128	0.15 125	0.12 137	0.14 120	0.11 125	0.16 130	0.11 124	0.14 120	0.11 123	0.14 122	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	0.14 120	0.11 125	0.15 125	0.12 134	0.14 120	0.11 123	0.14 122	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	0.14 120	0.11 125	0.14 119	0.12 134	0.14 120	0.11 123	0.14 122	0.11 117	0.15 123	0.12 109	0.14 120	0.11 123	0.14 123	0.11 119

ICVP	0.15 117	0.53 202	0.11 89	0.16 117	0.11 128	0.16 133	0.11 122	0.16 133	0.11 125	0.16 130	0.11 124	0.16 131	0.11 123	0.16 132	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)
aanetorigin	0.13 98	0.11 78	0.11 89	0.11 74	0.11 128	0.11 113	0.11 122	0.11 116	0.11 125	0.11 115	0.12 134	0.11 115	0.11 123	0.11 116	0.11 117	0.11 86	0.11 95	0.14 120	0.11 123	0.49 279	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	0.11 116	0.11 125	0.09 102	0.09 106	0.11 115	0.09 107	0.09 103	0.09 99	0.11 86	0.11 95	0.11 112	0.09 104	0.11 114	0.11 119

LALA_ROB	0.15 117	0.19 96	0.12 100	0.18 126	0.11 128	0.20 152	0.12 137	0.21 157	0.12 143	0.20 149	0.12 134	0.20 150	0.12 139	0.21 161	0.13 137	0.17 138	0.10 73	0.18 153	0.11 123	0.18 146	0.11 119

FADE		0.06 54		0.09 53	0.10 112			0.05 84	0.03 55	0.04 71		0.05 86		0.04 69		0.15 123	0.10 73	0.17 143	0.13 147	0.11 114	0.11 119

ProNet	0.14 107	0.20 100	0.14 124	0.16 117	0.11 128	0.16 133	0.11 122	0.17 141	0.11 125	0.17 139	0.12 134	0.17 141	0.13 144	0.17 141	0.12 131	0.15 123	0.11 95	0.16 136	0.11 123	0.15 133	0.12 135

IPLGR_C	0.14 107	0.20 100	0.12 100	0.15 107	0.11 128	0.14 118	0.15 147	0.14 120	0.11 125	0.15 125	0.12 134	0.14 120	0.11 123	0.16 132	0.11 117	0.15 123	0.12 109	0.14 120	0.12 139	0.15 133	0.12 135

ac_64	0.22 145	0.13 81	0.19 155	0.23 143	0.10 112	0.26 183	1.02 383	0.14 120	0.10 110	0.28 184	0.14 151	0.17 141	0.19 174	0.28 193	0.09 99	0.22 157	0.16 141	0.23 171	0.17 174	0.11 114	0.12 135

ACVNet	0.20 135	0.19 96	0.14 124	0.20 131	0.14 148	0.20 152	0.96 375	0.21 157	0.14 148	0.20 149	0.13 146	0.21 158	0.14 148	0.20 150	0.14 141	0.17 138	0.12 109	0.17 143	0.12 139	0.17 142	0.12 135

acv_ft	0.20 135	0.19 96	0.14 124	0.20 131	0.14 148	0.20 152	0.96 375	0.21 157	0.14 148	0.20 149	0.13 146	0.21 158	0.14 148	0.20 150	0.14 141	0.17 138	0.12 109	0.17 143	0.12 139	0.17 142	0.12 135

HSM	0.14 107	0.16 87	0.12 100	0.17 125	0.12 143	0.17 141	0.11 122	0.17 141	0.11 125	0.17 139	0.12 134	0.17 141	0.12 139	0.17 141	0.12 131	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.12 135

ISRNet	0.11 83	0.05 49	0.36 226	0.24 148	0.07 102	0.13 117	0.05 87	0.06 89	0.05 93	0.05 87	0.05 94	0.13 119	0.05 88	0.05 78	0.09 99	0.24 173	0.20 165	0.10 101	0.05 90	0.06 90	0.13 141

castereo++	0.54 273	3.59 455	1.15 368	1.31 405	0.14 148	0.16 133	0.14 142	0.16 133	0.14 148	0.16 130	0.14 151	0.16 131	0.13 144	0.16 132	0.14 141	1.45 430	1.16 374	0.15 133	0.14 151	0.15 133	0.13 141

DDVS	0.30 167	3.10 445	0.14 124	0.19 129	0.14 148	0.19 147	0.14 142	0.20 150	0.14 148	0.19 144	0.13 146	0.16 131	0.13 144	0.19 146	0.13 137	0.17 138	0.13 133	0.17 143	0.13 147	0.17 142	0.13 141

HCRNet	1.22 419	7.11 505	3.00 501	3.55 485	0.33 249	0.29 189	0.14 142	0.19 145	0.15 158	0.33 200	0.29 222	0.25 177	0.14 148	0.22 165	0.33 238	3.64 498	3.00 495	0.76 346	0.32 249	0.18 146	0.13 141

DeepPruner_ROB	0.16 125	0.18 95	0.13 119	0.19 129	0.13 146	0.19 147	0.13 140	0.19 145	0.13 146	0.19 144	0.13 146	0.19 148	0.13 144	0.19 146	0.13 137	0.18 146	0.13 133	0.18 153	0.13 147	0.18 146	0.13 141

GMStereo	0.14 107	0.13 81	0.14 124	0.14 97	0.14 148	0.14 118	0.14 142	0.14 120	0.14 148	0.14 119	0.14 151	0.14 120	0.14 148	0.14 122	0.14 141	0.14 114	0.14 136	0.14 120	0.14 151	0.14 123	0.14 146
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
xyz-stereo-finetune2	0.18 131	0.48 184	0.16 140	0.16 117	0.15 159	0.15 125	0.16 150	0.16 133	0.16 160	0.16 130	0.16 160	0.16 131	0.16 158	0.16 132	0.16 157	0.16 131	0.16 141	0.16 136	0.16 156	0.16 137	0.16 147

xyz-stereo	0.18 131	0.50 190	0.16 140	0.15 107	0.16 166	0.16 133	0.16 150	0.16 133	0.16 160	0.16 130	0.16 160	0.16 131	0.16 158	0.16 132	0.16 157	0.16 131	0.16 141	0.16 136	0.16 156	0.16 137	0.16 147

DEFOM-Stereo_RVC	0.83 332	5.18 485	1.98 488	2.19 436	0.17 169	0.19 147	0.18 161	0.19 145	0.16 160	0.20 149	0.19 176	0.22 164	0.22 184	0.20 150	0.15 151	2.28 469	2.13 487	0.24 178	0.17 174	0.18 146	0.16 147

castereo	0.61 284	3.79 463	1.35 432	1.52 414	0.15 159	0.17 141	0.16 150	0.20 150	0.21 178	0.18 142	0.16 160	0.21 158	0.12 139	0.26 188	0.17 160	1.43 429	1.38 442	0.17 143	0.16 156	0.18 146	0.16 147

tg	0.21 142	0.25 120	0.21 162	0.26 160	0.17 169	0.24 169	0.17 155	0.24 168	0.17 165	0.24 170	0.17 165	0.24 172	0.17 162	0.24 173	0.17 160	0.24 173	0.17 156	0.23 171	0.16 156	0.23 168	0.16 147

ACV-stereo	0.30 167	2.08 386	0.25 176	0.25 153	0.18 176	0.24 169	0.17 155	0.24 168	0.18 167	0.24 170	0.17 165	0.25 177	0.17 162	0.24 173	0.17 160	0.22 157	0.16 141	0.22 165	0.16 156	0.22 159	0.16 147

GMStereo_Zeroshot	0.16 125	0.16 87	0.16 140	0.16 117	0.16 166	0.16 133	0.16 150	0.16 133	0.16 160	0.16 130	0.16 160	0.16 131	0.16 158	0.16 132	0.16 157	0.16 131	0.16 141	0.16 136	0.16 156	0.16 137	0.16 147

MSKI-zero shot	0.24 151	0.21 106	0.49 283	0.65 281	0.18 176	0.22 162	0.17 155	0.23 165	0.18 167	0.21 159	0.17 165	0.23 168	0.28 219	0.23 169	0.18 169	0.21 154	0.16 141	0.21 160	0.16 156	0.21 157	0.16 147

dd	0.23 149	0.98 258	0.16 140	0.23 143	0.15 159	0.23 168	0.15 147	0.23 165	0.15 158	0.23 165	0.15 159	0.24 172	0.17 162	0.23 169	0.15 151	0.22 157	0.15 139	0.21 160	0.15 155	0.22 159	0.16 147

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

iResNetv2_ROB	0.20 135	0.23 111	0.18 152	0.24 148	0.20 182	0.24 169	0.18 161	0.24 168	0.18 167	0.24 170	0.18 175	0.23 168	0.19 174	0.24 173	0.18 169	0.21 154	0.16 141	0.21 160	0.16 156	0.22 159	0.16 147

iResNet	0.20 135	0.23 111	0.18 152	0.24 148	0.18 176	0.24 169	0.20 168	0.24 168	0.18 167	0.23 165	0.17 165	0.23 168	0.18 169	0.23 169	0.18 169	0.22 157	0.16 141	0.21 160	0.16 156	0.21 157	0.16 147

Pointernet	0.21 142	0.22 110	0.19 155	0.24 148	0.19 180	0.24 169	0.19 165	0.24 168	0.19 173	0.24 170	0.19 176	0.24 172	0.19 174	0.24 173	0.19 172	0.22 157	0.17 156	0.22 165	0.17 174	0.22 159	0.17 159

IGEV_Zeroshot_test	0.20 135	0.19 96	0.40 242	0.30 165	0.17 169	0.22 162	0.17 155	0.21 157	0.17 165	0.20 149	0.17 165	0.21 158	0.18 169	0.21 161	0.17 160	0.20 149	0.16 141	0.20 157	0.16 156	0.20 153	0.17 159

MIM_Stereo	0.25 152	0.23 111	0.66 315	0.80 298	0.17 169	0.22 162	0.17 155	0.23 165	0.18 167	0.26 181	0.17 165	0.21 158	0.17 162	0.25 178	0.17 160	0.23 168	0.16 141	0.21 160	0.17 174	0.22 159	0.17 159

CFNet	1.37 426	5.27 488	0.19 155	5.49 516	0.19 180	0.28 187	0.19 165	0.28 181	0.19 173	0.28 184	0.19 176	0.28 188	4.35 526	0.28 193	0.19 172	0.23 168	0.17 156	0.23 171	4.21 535	4.81 512	0.17 159

CAS++	0.17 128	0.27 122	0.21 162	0.10 57	0.21 189	0.15 125	0.22 179	0.10 104	0.21 178	0.22 161	0.10 110	0.19 148	0.18 169	0.10 105	0.19 172	0.20 149	0.19 163	0.18 153	0.10 111	0.19 152	0.18 163
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
GEStereo_RVC	0.86 338	4.45 475	0.20 158	0.27 162	0.20 182	0.27 186	0.20 168	0.26 178	0.18 167	5.03 529	0.20 180	0.27 187	0.19 174	0.27 191	0.21 178	0.20 149	0.19 163	0.19 156	4.02 533	0.20 153	0.18 163

ssnet_v2	0.68 296	1.96 383	1.25 428	0.29 164	0.20 182	0.30 190	0.20 168	0.29 185	0.22 181	1.50 441	0.20 180	0.31 198	0.20 178	0.27 191	0.22 180	0.24 173	1.49 448	0.26 182	0.18 178	3.90 490	0.19 165

DCVSM-stereo	0.36 196	1.89 373	0.22 164	0.40 205	0.22 191	0.40 229	0.22 179	0.40 224	0.22 181	0.40 225	0.22 186	0.40 234	0.22 184	0.40 234	0.22 180	0.28 185	0.21 169	0.28 188	0.21 181	0.28 177	0.20 166

DAS	0.20 135	0.20 100	0.20 158	0.20 131	0.20 182	0.20 152	0.20 168	0.20 150	0.20 175	0.20 149	0.20 180	0.20 150	0.20 178	0.20 150	0.20 175	0.20 149	0.20 165	0.20 157	0.20 179	0.20 153	0.20 166

ASD4	0.20 135	0.20 100	0.20 158	0.20 131	0.20 182	0.20 152	0.20 168	0.20 150	0.20 175	0.20 149	0.20 180	0.20 150	0.20 178	0.20 150	0.20 175	0.20 149	0.20 165	0.20 157	0.20 179	0.20 153	0.20 166

testlalala	0.32 180	0.81 228	0.31 199	0.39 192	0.26 211	0.33 203	0.24 191	0.33 193	0.26 207	0.32 195	0.26 208	0.33 203	0.23 190	0.33 207	0.23 186	0.35 212	0.31 214	0.30 195	0.24 197	0.31 186	0.21 169

HGLStereo	0.28 162	0.29 127	0.22 164	0.36 181	0.22 191	0.36 212	0.21 174	0.36 204	0.21 178	0.42 250	0.21 185	0.36 215	0.22 184	0.36 217	0.21 178	0.34 203	0.21 169	0.34 215	0.21 181	0.34 198	0.21 169

DISCO	1.11 368	0.39 147	5.28 529	0.39 192	0.20 182	0.39 227	0.27 205	0.39 219	0.22 181	0.38 215	0.20 180	0.38 223	0.20 178	6.95 540	0.22 180	0.30 193	0.21 169	0.27 186	0.21 181	5.25 521	0.21 169

PAM	0.39 215	1.88 372	0.34 216	0.37 184	0.41 292	0.45 270	0.22 179	0.28 181	0.23 187	0.28 184	0.24 196	0.29 193	0.23 190	0.29 196	0.23 186	0.38 227	0.32 216	0.38 243	0.37 275	0.32 188	0.22 172

WAO-6	0.22 145	0.23 111	0.22 164	0.23 143	0.22 191	0.22 162	0.22 179	0.22 161	0.22 181	0.22 161	0.22 186	0.22 164	0.22 184	0.22 165	0.22 180	0.22 157	0.22 173	0.22 165	0.22 184	0.22 159	0.22 172

WCG-NET（raft）	0.32 180	1.24 345	0.24 173	0.32 171	0.24 201	0.32 201	0.23 186	0.32 190	0.24 189	0.32 195	0.24 196	0.32 200	0.24 193	0.32 201	0.24 190	0.30 193	0.23 177	0.30 195	0.23 189	0.30 183	0.23 174

IMH-64-1	0.22 145	0.23 111	0.23 167	0.22 141	0.22 191	0.22 162	0.22 179	0.22 161	0.22 181	0.22 161	0.22 186	0.22 164	0.22 184	0.22 165	0.22 180	0.22 157	0.22 173	0.23 171	0.22 184	0.22 159	0.23 174

IMH-64	0.22 145	0.23 111	0.23 167	0.22 141	0.22 191	0.22 162	0.22 179	0.22 161	0.22 181	0.22 161	0.22 186	0.22 164	0.22 184	0.22 165	0.22 180	0.22 157	0.22 173	0.23 171	0.22 184	0.22 159	0.23 174

DLNR_Zeroshot_test	0.31 172	0.28 125	0.47 271	0.79 296	0.24 201	0.30 190	0.26 202	0.30 187	0.24 189	0.32 195	0.23 190	0.31 198	0.24 193	0.30 198	0.23 186	0.29 192	0.26 183	0.29 193	0.24 197	0.33 194	0.23 174

gwcnet-sp	0.82 328	1.72 361	1.48 450	0.39 192	0.15 159	0.31 193	0.21 174	0.20 150	0.25 194	1.61 443	0.23 190	0.28 188	0.26 205	0.20 150	0.15 151	0.24 173	1.33 434	0.32 200	0.16 156	6.75 528	0.23 174

scenet	0.82 328	1.72 361	1.48 450	0.39 192	0.15 159	0.31 193	0.21 174	0.20 150	0.25 194	1.61 443	0.23 190	0.28 188	0.26 205	0.20 150	0.15 151	0.24 173	1.33 434	0.32 200	0.16 156	6.75 528	0.23 174

ssnet	0.82 328	1.72 361	1.48 450	0.39 192	0.15 159	0.31 193	0.21 174	0.20 150	0.25 194	1.61 443	0.23 190	0.28 188	0.26 205	0.20 150	0.15 151	0.24 173	1.33 434	0.32 200	0.16 156	6.75 528	0.23 174

CRFU-Net	0.65 289	1.67 360	1.22 424	1.96 430	0.27 213	0.41 245	0.27 205	0.41 239	0.27 212	0.40 225	0.26 208	0.41 246	0.27 213	0.40 234	0.27 202	1.80 443	1.62 461	0.34 215	0.23 189	0.33 194	0.23 174

NINENet	0.69 299	3.87 467	1.20 377	1.98 431	0.05 93	0.40 229	0.04 77	0.40 224	0.05 93	0.41 238	0.04 85	0.41 246	0.05 88	0.40 234	0.05 83	1.79 442	1.56 454	0.34 215	0.22 184	0.34 198	0.23 174

FENet	0.54 273	1.52 355	1.19 374	1.41 412	0.23 196	0.35 209	0.23 186	0.35 200	0.23 187	0.34 202	0.23 190	0.35 209	0.23 190	0.35 211	0.23 186	1.40 428	1.07 358	0.32 200	0.23 189	0.33 194	0.23 174

iResNet_ROB	0.28 162	0.32 130	0.24 173	0.32 171	0.25 203	0.32 201	0.24 191	0.32 190	0.24 189	0.33 200	0.24 196	0.35 209	0.24 193	0.33 207	0.24 190	0.31 196	0.24 179	0.32 200	0.24 197	0.32 188	0.24 184

UNDER WATER-64	0.25 152	0.26 121	0.25 176	0.26 160	0.25 203	0.25 176	0.25 194	0.25 174	0.25 194	0.25 174	0.25 202	0.25 177	0.25 196	0.26 188	0.25 196	0.25 179	0.25 180	0.25 179	0.25 202	0.25 170	0.25 185

CAS	0.30 167	1.17 291	0.25 176	0.25 153	0.25 203	0.26 183	0.25 194	0.25 174	0.26 207	0.25 174	0.25 202	0.25 177	0.25 196	0.25 178	0.25 196	0.26 180	0.26 183	0.26 182	0.25 202	0.26 172	0.25 185

LoS	0.25 152	0.27 122	0.25 176	0.25 153	0.25 203	0.25 176	0.25 194	0.26 178	0.25 194	0.25 174	0.25 202	0.25 177	0.25 196	0.25 178	0.25 196	0.26 180	0.25 180	0.25 179	0.26 208	0.26 172	0.25 185
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
IER	0.88 339	7.04 504	2.23 493	2.75 454	0.28 216	0.43 267	0.25 194	0.39 219	0.25 194	0.41 238	0.27 212	0.39 227	0.25 196	0.40 234	0.28 208	0.37 220	0.28 193	0.37 236	0.25 202	0.37 219	0.25 185

IGEV-Stereo	0.35 192	0.44 167	0.45 260	0.49 244	0.30 232	0.37 217	0.30 222	0.36 204	0.30 230	0.36 209	0.29 222	0.36 215	0.29 225	0.36 217	0.30 225	0.46 269	0.39 245	0.32 200	0.24 197	0.32 188	0.25 185
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CroCo-Stereo	0.73 306	1.22 344	0.25 176	1.22 398	0.25 203	1.22 430	0.25 194	1.22 424	0.25 194	1.22 432	0.25 202	1.22 435	0.25 196	1.22 435	0.25 196	1.22 417	0.26 183	1.21 439	0.25 202	1.22 418	0.25 185
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
LG-Stereo_L2	0.34 185	0.37 138	0.38 232	0.47 234	0.28 216	0.39 227	0.28 210	0.39 219	0.28 215	0.39 220	0.28 218	0.39 227	0.28 219	0.38 223	0.28 208	0.42 262	0.35 227	0.36 233	0.26 208	0.35 210	0.26 191

model_zeroshot	0.27 161	0.20 100	0.27 183	0.33 174	0.21 189	0.37 217	0.22 179	0.37 210	0.24 189	0.26 181	0.27 212	0.33 203	0.21 183	0.25 178	0.27 202	0.32 197	0.20 165	0.34 215	0.23 189	0.25 170	0.26 191

GCAP-BAT	0.33 183	0.78 222	0.32 203	0.38 187	0.25 203	0.34 205	0.25 194	0.34 197	0.26 207	0.34 202	0.25 202	0.35 209	0.26 205	0.35 211	0.27 202	0.36 216	0.30 210	0.32 200	0.24 197	0.32 188	0.26 191

HH	0.71 302	2.54 419	0.74 329	1.10 336	0.32 238	0.41 245	0.37 264	0.69 325	0.78 361	0.73 337	0.90 372	0.75 343	1.00 369	0.84 347	0.69 348	0.69 318	0.40 248	0.35 228	0.26 208	0.35 210	0.26 191

HanStereo	0.71 302	2.54 419	0.74 329	1.10 336	0.32 238	0.41 245	0.37 264	0.69 325	0.78 361	0.73 337	0.90 372	0.75 343	1.00 369	0.84 347	0.69 348	0.69 318	0.40 248	0.35 228	0.26 208	0.35 210	0.26 191

LoS_RVC	0.30 167	1.14 287	0.25 176	0.25 153	0.25 203	0.26 183	0.25 194	0.25 174	0.25 194	0.25 174	0.25 202	0.26 186	0.26 205	0.26 188	0.25 196	0.26 180	0.26 183	0.25 179	0.25 202	0.26 172	0.26 191

iRaft-Stereo_5w	0.34 185	0.42 163	0.31 199	0.39 192	0.30 232	0.38 221	0.30 222	0.40 224	0.29 220	0.40 225	0.37 271	0.41 246	0.34 250	0.38 223	0.30 225	0.34 203	0.27 188	0.34 215	0.26 208	0.34 198	0.26 191

UCFNet_RVC	2.75 497	10.06 526	0.29 189	10.31 543	0.29 223	0.42 263	0.29 217	0.43 259	0.29 220	0.42 250	0.29 222	0.42 262	9.87 543	0.43 263	0.29 218	0.36 216	9.84 543	0.36 233	0.26 208	9.77 542	0.26 191

GIP-stereo	0.36 196	0.49 186	0.39 239	0.48 238	0.32 238	0.41 245	0.28 210	0.40 224	0.30 230	0.41 238	0.28 218	0.40 234	0.28 219	0.42 261	0.28 208	0.45 266	0.32 216	0.38 243	0.30 238	0.37 219	0.27 199

tt1	0.31 172	0.93 252	0.24 173	0.33 174	0.23 196	0.31 193	0.24 191	0.32 190	0.24 189	0.32 195	0.23 190	0.32 200	0.25 196	0.32 201	0.24 190	0.27 183	0.26 183	0.27 186	0.26 208	0.27 175	0.27 199

xxxxx1	0.31 172	0.91 245	0.23 167	0.31 168	0.23 196	0.31 193	0.23 186	0.33 193	0.25 194	0.31 190	0.24 196	0.33 203	0.25 196	0.32 201	0.24 190	0.28 185	0.28 193	0.28 188	0.28 219	0.29 180	0.27 199

tt_ll	0.31 172	0.91 245	0.23 167	0.31 168	0.23 196	0.31 193	0.23 186	0.33 193	0.25 194	0.31 190	0.24 196	0.33 203	0.25 196	0.32 201	0.24 190	0.28 185	0.28 193	0.28 188	0.28 219	0.29 180	0.27 199

CroCo-Stereo Lap2	0.77 313	1.29 347	0.29 189	1.27 402	0.29 223	1.27 433	0.26 202	1.26 427	0.26 207	1.26 433	0.26 208	1.27 437	0.26 205	1.26 436	0.27 202	1.27 419	0.27 188	1.27 442	0.27 215	1.27 420	0.27 199

ff	0.31 172	0.91 245	0.23 167	0.31 168	0.23 196	0.31 193	0.23 186	0.33 193	0.25 194	0.31 190	0.24 196	0.33 203	0.25 196	0.32 201	0.24 190	0.28 185	0.28 193	0.28 188	0.28 219	0.29 180	0.27 199

BUS	0.83 332	1.91 376	0.92 350	4.48 494	0.02 21	0.40 229	0.04 77	0.41 239	0.02 21	0.48 278	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	0.27 199

BSDual-CNN	0.81 324	1.91 376	0.92 350	4.48 494	0.02 21	0.42 263	0.06 99	0.41 239	0.02 21	0.48 278	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	0.27 199

hknet	1.10 366	1.85 369	3.49 516	4.48 494	0.02 21	0.42 263	0.06 99	0.41 239	0.02 21	0.48 278	0.03 52	0.41 246	0.03 52	0.42 261	0.03 48	4.39 503	4.19 517	0.33 208	0.23 189	0.34 198	0.27 199

DGSMNet	0.34 185	0.41 156	0.27 183	0.41 215	0.28 216	0.41 245	0.28 210	0.41 239	0.27 212	0.41 238	0.27 212	0.42 262	0.27 213	0.41 248	0.28 208	0.40 240	0.29 202	0.40 258	0.28 219	0.40 240	0.27 199

AANet_RVC	1.26 421	0.31 129	4.99 527	5.93 519	0.20 182	0.25 176	0.20 168	0.25 174	0.20 175	0.23 165	0.19 176	0.25 177	0.20 178	0.25 178	0.20 175	5.66 527	4.76 520	0.26 182	0.30 238	0.24 169	0.27 199

MLCV	0.31 172	0.35 133	0.27 183	0.35 177	0.28 216	0.35 209	0.27 205	0.35 200	0.28 215	0.36 209	0.27 212	0.35 209	0.27 213	0.35 211	0.27 202	0.34 203	0.27 188	0.34 215	0.27 215	0.34 198	0.27 199

DN-CSS_ROB	0.31 172	0.35 133	0.28 187	0.35 177	0.28 216	0.34 205	0.27 205	0.34 197	0.25 194	0.35 206	0.27 212	0.36 215	0.26 205	0.34 209	0.28 208	0.35 212	0.28 193	0.34 215	0.28 219	0.34 198	0.27 199

DEFOM-Stereo	0.68 296	3.11 446	1.40 446	1.63 421	0.25 203	0.31 193	0.25 194	0.31 189	0.28 215	0.31 190	0.29 222	0.29 193	0.27 213	0.31 200	0.28 208	1.59 436	1.47 447	0.30 195	0.29 228	0.30 183	0.28 212

SQANet	0.28 162	0.28 125	0.28 187	0.28 163	0.28 216	0.28 187	0.28 210	0.28 181	0.28 215	0.28 184	0.28 218	0.28 188	0.28 219	0.28 193	0.28 208	0.28 185	0.28 193	0.28 188	0.28 219	0.28 177	0.28 212

Any-RAFT	0.32 180	0.36 136	0.27 183	0.36 181	0.27 213	0.36 212	0.27 205	0.36 204	0.27 212	0.36 209	0.27 212	0.36 215	0.27 213	0.36 217	0.28 208	0.36 216	0.28 193	0.36 233	0.28 219	0.36 217	0.28 212

FCDSN-DC	0.41 226	0.59 210	0.64 311	0.54 262	0.33 249	0.50 299	0.37 264	0.42 255	0.40 280	0.61 321	0.43 300	0.50 303	0.49 314	0.38 223	0.32 230	0.28 185	0.23 177	0.26 182	0.22 184	0.35 210	0.28 212
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Gwc-CoAtRS	0.41 226	1.49 354	0.32 203	0.42 223	0.32 238	0.41 245	0.32 227	0.41 239	0.33 243	0.41 238	0.32 238	0.41 246	0.32 238	0.41 248	0.32 230	0.39 236	0.28 193	0.39 253	0.28 219	0.40 240	0.28 212

GREAT-IGEV	0.38 207	0.43 164	0.36 226	0.48 238	0.32 238	0.45 270	0.32 227	0.45 261	0.32 237	0.45 261	0.32 238	0.45 268	0.32 238	0.45 268	0.32 230	0.44 264	0.33 223	0.41 271	0.29 228	0.41 250	0.29 217

RSM	0.36 196	0.36 136	0.43 256	0.37 184	0.42 302	0.49 291	0.42 291	0.37 210	0.28 215	0.36 209	0.29 222	0.36 215	0.30 231	0.37 221	0.28 208	0.34 203	0.31 214	0.34 215	0.35 267	0.40 240	0.29 217

IGEV++	0.34 185	0.43 164	0.30 193	0.40 205	0.29 223	0.40 229	0.29 217	0.40 224	0.29 220	0.40 225	0.29 222	0.40 234	0.29 225	0.40 234	0.30 225	0.38 227	0.29 202	0.37 236	0.29 228	0.37 219	0.29 217

RCA-Stereo	0.51 269	3.22 450	0.34 216	0.44 226	0.34 259	0.44 269	0.34 247	0.43 259	0.34 252	0.43 256	0.34 252	0.44 266	0.33 245	0.43 263	0.33 238	0.38 227	0.29 202	0.38 243	0.29 228	0.38 228	0.29 217

iRaft-Stereo_20w	0.34 185	0.41 156	0.31 199	0.39 192	0.29 223	0.40 229	0.32 227	0.41 239	0.32 237	0.38 215	0.30 233	0.39 227	0.30 231	0.38 223	0.32 230	0.35 212	0.27 188	0.34 215	0.27 215	0.34 198	0.29 217

CFNet_pseudo	2.67 495	9.36 521	0.32 203	10.99 544	0.33 249	0.85 346	0.33 236	0.49 279	0.33 243	0.49 285	0.32 238	0.49 289	7.26 537	0.49 291	0.33 238	0.41 248	9.62 541	0.41 271	0.29 228	10.03 543	0.29 217

ccnet	0.80 319	2.28 402	0.33 208	0.50 251	0.33 249	0.50 299	0.33 236	0.50 287	0.33 243	0.49 285	0.33 244	0.49 289	1.56 455	2.38 472	0.33 238	0.41 248	0.29 202	0.42 282	1.57 467	2.28 457	0.29 217

CFNet-RSSM	0.91 342	4.89 481	0.34 216	0.44 226	1.07 395	1.62 448	1.40 461	0.91 346	0.35 255	1.60 442	1.39 461	0.64 329	0.34 250	0.44 265	0.33 238	0.41 248	0.35 227	0.75 344	0.30 238	0.41 250	0.29 217

psmorigin	0.41 226	0.46 174	0.33 208	0.49 244	0.33 249	0.49 291	0.33 236	0.49 279	0.33 243	0.49 285	0.33 244	0.49 289	0.33 245	0.51 304	0.33 238	0.41 248	0.30 210	0.41 271	0.30 238	0.79 322	0.29 217

ccs_rob	2.79 498	10.17 528	0.32 203	10.00 541	0.33 249	0.49 291	0.33 236	1.90 448	0.32 237	0.51 301	0.33 244	0.49 289	9.24 542	0.49 291	0.33 238	0.41 248	9.82 542	0.41 271	0.28 219	9.34 540	0.29 217

TorneroNet-64	0.45 243	0.27 122	0.30 193	0.58 269	0.27 213	0.70 333	0.30 222	0.28 181	0.73 358	0.73 337	0.28 218	0.71 336	0.66 339	0.75 340	0.27 202	0.27 183	0.29 202	0.37 236	0.75 361	0.28 177	0.30 227

EKT-Stereo	0.37 201	0.40 149	0.44 258	1.07 334	0.29 223	0.34 205	0.31 226	0.36 204	0.29 220	0.38 215	0.31 236	0.37 221	0.30 231	0.36 217	0.29 218	0.34 203	0.28 193	0.39 253	0.30 238	0.37 219	0.30 227

PML	0.46 246	1.36 352	0.29 189	0.58 269	0.30 232	0.57 320	0.29 217	0.57 307	0.29 220	0.57 316	0.29 222	0.57 320	0.29 225	0.56 314	0.29 218	0.52 295	0.30 210	0.53 322	0.31 244	0.53 295	0.30 227

GES	0.66 291	2.34 410	0.29 189	0.41 215	0.29 223	0.41 245	0.29 217	0.42 255	0.29 220	0.40 225	0.41 289	0.41 246	0.30 231	0.51 304	0.29 218	0.32 197	0.29 202	0.32 200	2.46 506	2.49 469	0.30 227

DANet	0.30 167	0.30 128	0.30 193	0.30 165	0.30 232	0.30 190	0.30 222	0.30 187	0.30 230	0.30 188	0.30 233	0.30 196	0.30 231	0.30 198	0.30 225	0.30 193	0.30 210	0.30 195	0.30 238	0.30 183	0.30 227
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
1test111	0.37 201	1.02 271	0.30 193	0.39 192	0.29 223	0.40 229	0.28 210	0.39 219	0.29 220	0.39 220	0.29 222	0.39 227	0.28 219	0.40 234	0.29 218	0.33 200	0.32 216	0.33 208	0.31 244	0.32 188	0.31 232

cc1	0.37 201	1.02 271	0.30 193	0.39 192	0.29 223	0.40 229	0.28 210	0.39 219	0.29 220	0.39 220	0.29 222	0.39 227	0.28 219	0.40 234	0.29 218	0.33 200	0.32 216	0.33 208	0.31 244	0.32 188	0.31 232

PCWNet_CMD	2.80 499	9.82 524	0.32 203	10.09 542	0.32 238	0.49 291	0.33 236	3.34 501	0.33 243	0.49 285	0.33 244	0.49 289	8.73 539	0.48 285	0.33 238	0.41 248	9.22 538	0.42 282	0.29 228	9.55 541	0.31 232

RAFT-Test	0.36 196	0.37 138	0.33 208	0.41 215	0.32 238	0.41 245	0.32 227	0.41 239	0.32 237	0.41 238	0.32 238	0.41 246	0.32 238	0.41 248	0.33 238	0.37 220	0.29 202	0.37 236	0.29 228	0.38 228	0.31 232

water-stereo	0.41 226	0.84 231	0.46 264	0.50 251	0.33 249	0.45 270	0.33 236	0.45 261	0.32 237	0.45 261	0.32 238	0.45 268	0.32 238	0.45 268	0.32 230	0.44 264	0.41 257	0.39 253	0.31 244	0.39 235	0.32 236

depthmonostereo	0.44 241	0.85 233	0.46 264	0.54 262	0.40 285	0.52 308	0.38 270	0.52 298	0.35 255	0.47 271	0.34 252	0.46 272	0.34 250	0.47 276	0.34 251	0.45 266	0.43 267	0.41 271	0.33 257	0.41 250	0.32 236

xyz-stereo-finetune	0.28 162	0.49 186	0.16 140	0.16 117	0.16 166	0.16 133	0.16 150	0.22 161	0.30 230	0.32 195	0.31 236	0.32 200	0.31 236	0.32 201	0.32 230	0.32 197	0.33 223	0.31 199	0.32 249	0.31 186	0.32 236

HART	0.38 207	0.45 170	0.34 216	0.42 223	0.33 249	0.41 245	0.34 247	0.42 255	0.33 243	0.43 256	0.34 252	0.42 262	0.34 250	0.41 248	0.38 270	0.40 240	0.32 216	0.42 282	0.32 249	0.40 240	0.32 236

ACVNet-DCA	0.37 201	1.00 261	0.30 193	0.40 205	0.29 223	0.40 229	0.29 217	0.40 224	0.29 220	0.40 225	0.29 222	0.40 234	0.29 225	0.39 231	0.28 208	0.33 200	0.32 216	0.33 208	0.32 249	0.33 194	0.32 236

xx1	0.38 207	1.03 273	0.31 199	0.40 205	0.31 236	0.41 245	0.28 210	0.40 224	0.29 220	0.40 225	0.29 222	0.40 234	0.29 225	0.40 234	0.29 218	0.34 203	0.33 223	0.34 215	0.32 249	0.34 198	0.32 236

RAFT + AFF	0.31 172	0.45 170	0.34 216	0.39 192	0.28 216	0.38 221	0.33 236	0.29 185	0.31 234	0.30 188	0.30 233	0.29 193	0.27 213	0.29 196	0.30 225	0.28 185	0.29 202	0.29 193	0.29 228	0.27 175	0.32 236

GCST	0.50 264	2.08 386	0.38 232	0.53 260	0.35 262	0.49 291	0.35 252	0.50 287	0.35 255	0.49 285	0.35 261	0.49 289	0.35 257	0.49 291	0.35 255	0.48 278	0.37 232	0.45 289	0.33 257	0.44 260	0.33 243

RAFT-Stereo-weight	0.45 243	1.90 375	0.34 216	0.42 223	0.36 268	0.43 267	0.35 252	0.42 255	0.34 252	0.42 250	0.34 252	0.44 266	0.34 250	0.41 248	0.34 251	0.38 227	0.32 216	0.38 243	0.32 249	0.38 228	0.33 243

LL-Strereo2	0.48 257	1.73 365	0.51 291	0.59 271	0.34 259	0.42 263	0.33 236	0.40 224	0.31 234	0.42 250	0.33 244	0.42 262	0.31 236	0.44 265	0.39 276	0.60 304	0.51 296	0.44 285	0.33 257	0.44 260	0.33 243

GMOStereo	0.37 201	0.45 170	0.23 167	0.30 165	0.37 271	0.41 245	0.36 259	0.41 239	0.35 255	0.43 256	0.36 265	0.41 246	0.40 274	0.41 248	0.36 259	0.34 203	0.22 173	0.47 296	0.37 275	0.39 235	0.33 243

error version	0.93 349	4.47 476	2.35 496	1.99 432	0.37 271	0.41 245	0.36 259	0.41 239	0.35 255	0.43 256	0.36 265	0.41 246	0.40 274	0.41 248	0.36 259	1.87 445	2.16 488	0.47 296	0.37 275	0.39 235	0.33 243

test_1	0.93 349	4.47 476	2.35 496	1.99 432	0.37 271	0.41 245	0.36 259	0.41 239	0.35 255	0.43 256	0.36 265	0.41 246	0.40 274	0.41 248	0.36 259	1.87 445	2.16 488	0.47 296	0.37 275	0.39 235	0.33 243

SCV_C0	0.45 243	0.88 238	0.49 283	0.54 262	0.37 271	0.48 286	0.37 264	0.48 275	0.37 267	0.48 278	0.36 265	0.48 285	0.37 264	0.49 291	0.37 267	0.50 287	0.41 257	0.44 285	0.34 261	0.44 260	0.34 249

SCV	0.46 246	0.94 253	0.45 260	0.54 262	0.37 271	0.48 286	0.38 270	0.48 275	0.37 267	0.48 278	0.39 280	0.48 285	0.37 264	0.49 291	0.37 267	0.50 287	0.46 272	0.44 285	0.34 261	0.44 260	0.34 249

UGAM-zero	0.51 269	2.17 394	0.39 239	0.53 260	0.36 268	0.50 299	0.36 259	0.50 287	0.36 266	0.49 285	0.36 265	0.50 303	0.35 257	0.50 298	0.36 259	0.49 281	0.37 232	0.47 296	0.35 267	0.46 265	0.34 249

UGAM	0.51 269	2.23 399	0.39 239	0.54 262	0.35 262	0.50 299	0.35 252	0.49 279	0.35 255	0.49 285	0.35 261	0.49 289	0.36 260	0.50 298	0.36 259	0.49 281	0.37 232	0.45 289	0.34 261	0.45 264	0.34 249

gcap-zeroshot	0.35 192	0.32 130	0.37 229	0.49 244	0.39 283	0.33 203	0.21 174	0.26 178	0.35 255	0.42 250	0.34 252	0.49 289	0.29 225	0.47 276	0.39 276	0.34 203	0.17 156	0.38 243	0.23 189	0.48 276	0.34 249

H2IRNET	0.34 185	0.34 132	0.34 216	0.34 176	0.34 259	0.34 205	0.34 247	0.34 197	0.34 252	0.34 202	0.34 252	0.34 208	0.34 250	0.34 209	0.34 251	0.34 203	0.34 226	0.34 215	0.34 261	0.34 198	0.34 249

ETE_ROB	0.35 192	0.35 133	0.35 224	0.35 177	0.35 262	0.35 209	0.35 252	0.35 200	0.35 255	0.35 206	0.35 261	0.35 209	0.35 257	0.35 211	0.35 255	0.35 212	0.35 227	0.35 228	0.35 267	0.35 210	0.35 255

fffy	0.38 207	0.43 164	0.33 208	0.46 228	0.33 249	0.45 270	0.32 227	0.45 261	0.32 237	0.45 261	0.32 238	0.45 268	0.33 245	0.45 268	0.32 230	0.38 227	0.38 238	0.38 243	0.37 275	0.37 219	0.36 256

CES	0.39 215	0.47 178	0.36 226	0.36 181	0.37 271	0.45 270	0.35 252	0.35 200	0.40 280	0.36 209	0.44 302	0.47 278	0.36 260	0.44 265	0.36 259	0.37 220	0.39 245	0.44 285	0.35 267	0.37 219	0.36 256

iRaftStereo_RVC	0.97 353	3.17 449	2.30 495	2.42 448	0.38 278	0.54 313	0.38 270	0.54 302	0.38 271	0.54 309	0.38 276	0.54 312	0.38 268	0.54 310	0.38 270	2.38 476	2.34 492	0.49 308	0.36 273	0.49 279	0.36 256

DMCA	0.36 196	0.38 141	0.37 229	0.35 177	0.35 262	0.36 212	0.36 259	0.36 204	0.35 255	0.35 206	0.37 271	0.36 215	0.36 260	0.35 211	0.36 259	0.36 216	0.36 230	0.35 228	0.36 273	0.36 217	0.36 256

LG-Stereo_L1	0.47 252	0.52 199	0.47 271	0.62 275	0.39 283	0.53 310	0.40 278	0.53 300	0.39 279	0.53 306	0.39 280	0.53 310	0.39 273	0.53 309	0.39 276	0.55 299	0.46 272	0.49 308	0.37 275	0.49 279	0.37 260

LG-Stereo_Zeroshot	0.48 257	0.55 207	0.47 271	0.63 277	0.41 292	0.56 315	0.44 294	0.56 304	0.41 289	0.56 314	0.41 289	0.57 320	0.42 291	0.56 314	0.41 287	0.55 299	0.43 267	0.51 317	0.37 275	0.51 290	0.37 260

LG-Stereo	0.60 281	0.58 209	0.47 271	0.64 280	0.74 366	1.00 362	0.69 345	0.57 307	0.41 289	0.57 316	0.41 289	0.57 320	0.41 285	1.00 368	0.75 356	0.91 342	0.51 296	0.52 320	0.37 275	0.52 292	0.37 260

CASnet	0.35 192	0.51 197	0.44 258	0.32 171	0.31 236	0.24 169	0.34 247	0.36 204	0.25 194	0.31 190	0.37 271	0.30 196	0.33 245	0.25 178	0.45 297	0.37 220	0.37 232	0.33 208	0.35 267	0.34 198	0.37 260
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-IGEV	0.51 269	0.55 207	0.45 260	0.69 286	0.45 307	0.61 323	0.45 298	0.50 287	0.40 280	0.56 314	0.44 302	0.55 316	0.40 274	0.72 335	0.67 340	0.59 303	0.46 272	0.45 289	0.34 261	0.46 265	0.37 260

StereoDRNet-Refined	0.33 183	0.39 147	0.26 182	0.39 192	0.26 211	0.40 229	0.26 202	0.40 224	0.26 207	0.39 220	0.26 208	0.39 227	0.26 205	0.39 231	0.26 201	0.37 220	0.25 180	0.37 236	0.25 202	0.37 219	0.37 260
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	0.37 210	0.37 267	0.37 214	0.37 271	0.37 221	0.37 264	0.37 221	0.37 267	0.37 220	0.37 232	0.37 236	0.37 275	0.37 219	0.37 260

DilatedVolume-Stereo	0.43 237	0.86 234	0.48 278	0.50 251	0.33 249	0.46 276	0.33 236	0.46 265	0.33 243	0.46 265	0.33 244	0.47 278	0.33 245	0.47 276	0.34 251	0.45 266	0.42 265	0.40 258	0.33 257	0.47 272	0.38 267

WAO-8	0.38 207	0.38 141	0.38 232	0.38 187	0.38 278	0.38 221	0.38 270	0.38 215	0.38 271	0.38 215	0.38 276	0.38 223	0.38 268	0.38 223	0.38 270	0.38 227	0.38 238	0.38 243	0.37 275	0.38 228	0.38 267

WAO-7	0.38 207	0.38 141	0.38 232	0.38 187	0.38 278	0.38 221	0.38 270	0.38 215	0.38 271	0.38 215	0.38 276	0.38 223	0.38 268	0.38 223	0.38 270	0.38 227	0.38 238	0.38 243	0.38 287	0.38 228	0.38 267

Venus	0.38 207	0.38 141	0.38 232	0.38 187	0.38 278	0.37 217	0.38 270	0.37 210	0.37 267	0.41 238	0.37 271	0.39 227	0.37 264	0.38 223	0.38 270	0.37 220	0.38 238	0.38 243	0.37 275	0.37 219	0.38 267

IMH	0.38 207	0.38 141	0.38 232	0.38 187	0.38 278	0.38 221	0.38 270	0.38 215	0.38 271	0.42 250	0.38 276	0.40 234	0.38 268	0.38 223	0.38 270	0.38 227	0.38 238	0.39 253	0.38 287	0.38 228	0.38 267

mms	0.40 219	0.45 170	0.35 224	0.48 238	0.36 268	0.47 281	0.34 247	0.45 261	0.38 271	0.47 271	0.33 244	0.45 268	0.32 238	0.45 268	0.32 230	0.39 236	0.38 238	0.38 243	0.37 275	0.39 235	0.39 272

ccccc	0.41 226	0.44 167	0.34 216	0.48 238	0.35 262	0.48 286	0.35 252	0.51 296	0.35 255	0.47 271	0.35 261	0.47 278	0.34 250	0.47 276	0.35 255	0.41 248	0.40 248	0.40 258	0.40 291	0.41 250	0.39 272

GCAP-Stereo	0.75 308	4.15 472	0.42 255	0.75 294	0.35 262	0.78 340	0.40 278	0.79 333	0.38 271	0.78 345	0.36 265	0.78 346	0.36 260	0.79 342	0.39 276	0.75 325	0.39 245	0.76 346	0.39 290	0.75 317	0.39 272

HanzoNet	0.39 215	0.38 141	0.40 242	0.39 192	0.41 292	0.38 221	0.38 270	0.38 215	0.38 271	0.39 220	0.39 280	0.38 223	0.38 268	0.39 231	0.40 280	0.38 227	0.38 238	0.40 258	0.38 287	0.38 228	0.40 275

knoymous	0.40 219	0.40 149	0.40 242	0.40 205	0.40 285	0.40 229	0.40 278	0.40 224	0.40 280	0.40 225	0.40 283	0.40 234	0.40 274	0.40 234	0.40 280	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 275

anonymousa	0.40 219	0.40 149	0.40 242	0.40 205	0.40 285	0.40 229	0.40 278	0.40 224	0.40 280	0.40 225	0.40 283	0.40 234	0.40 274	0.40 234	0.40 280	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 275

riskmin	0.40 219	0.40 149	0.40 242	0.40 205	0.40 285	0.40 229	0.40 278	0.40 224	0.40 280	0.40 225	0.40 283	0.40 234	0.40 274	0.40 234	0.40 280	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 275

Anonymous_2	0.40 219	0.40 149	0.40 242	0.40 205	0.40 285	0.40 229	0.40 278	0.40 224	0.40 280	0.40 225	0.40 283	0.40 234	0.40 274	0.40 234	0.40 280	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 275

Anonymous_1	0.40 219	0.40 149	0.40 242	0.40 205	0.40 285	0.40 229	0.40 278	0.40 224	0.40 280	0.40 225	0.40 283	0.40 234	0.40 274	0.40 234	0.40 280	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 275

AdaStereo	0.40 219	0.40 149	0.40 242	0.40 205	0.40 285	0.40 229	0.40 278	0.40 224	0.40 280	0.40 225	0.40 283	0.40 234	0.40 274	0.40 234	0.40 280	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 275
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.
fffft	0.48 257	0.51 197	0.45 260	0.52 259	0.45 307	0.52 308	0.45 298	0.52 298	0.48 313	0.53 306	0.45 305	0.52 309	0.45 297	0.52 307	0.46 301	0.51 293	0.41 257	0.50 312	0.41 298	0.50 284	0.41 282
1: 1. 1
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	0.47 271	0.47 306	0.45 261	0.34 252	0.46 272	0.48 309	0.46 272	0.35 255	0.39 236	0.71 328	0.39 253	0.35 267	0.41 250	0.41 282

GwcNet-ADL	0.41 226	0.41 156	0.41 250	0.41 215	0.41 292	0.41 245	0.41 286	0.41 239	0.41 289	0.41 238	0.41 289	0.41 246	0.41 285	0.41 248	0.41 287	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 282

PSMNet-ADL	0.41 226	0.41 156	0.41 250	0.41 215	0.41 292	0.41 245	0.41 286	0.41 239	0.41 289	0.41 238	0.41 289	0.41 246	0.41 285	0.41 248	0.41 287	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 282

GANet-ADL	0.41 226	0.41 156	0.41 250	0.41 215	0.41 292	0.41 245	0.41 286	0.41 239	0.41 289	0.41 238	0.41 289	0.41 246	0.41 285	0.41 248	0.41 287	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 282

ADLNet2	0.41 226	0.41 156	0.41 250	0.41 215	0.41 292	0.41 245	0.41 286	0.41 239	0.41 289	0.41 238	0.41 289	0.41 246	0.41 285	0.41 248	0.41 287	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 282

ADLNet	0.41 226	0.41 156	0.41 250	0.41 215	0.41 292	0.41 245	0.41 286	0.41 239	0.41 289	0.41 238	0.41 289	0.41 246	0.41 285	0.41 248	0.41 287	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 282

MonSter	0.60 281	0.64 215	0.52 294	0.62 275	0.44 305	2.07 463	0.44 294	0.62 317	0.44 299	0.62 324	0.44 302	0.62 328	0.44 295	0.62 322	0.44 296	0.58 302	0.42 265	0.62 329	0.46 310	0.58 299	0.42 289

DispNO	1.00 356	0.63 213	0.43 256	3.45 480	0.44 305	0.65 329	0.43 293	0.64 319	0.43 296	0.64 327	0.43 300	0.64 329	3.03 499	0.64 327	0.43 295	4.55 506	0.43 267	0.63 331	0.43 306	0.63 303	0.43 290

MyStereo07	0.60 281	3.72 461	0.48 278	0.49 244	0.41 292	0.36 212	0.32 227	0.49 279	0.43 296	0.51 301	0.42 298	0.49 289	0.43 293	0.51 304	0.64 335	0.49 281	0.45 270	0.34 215	0.32 249	0.35 210	0.43 290

MyStereo04	0.56 279	3.72 461	0.59 303	0.49 244	0.41 292	0.36 212	0.32 227	0.37 210	0.31 234	0.34 202	0.46 307	0.35 209	0.32 238	0.35 211	0.33 238	0.49 281	0.45 270	0.34 215	0.32 249	0.35 210	0.43 290

PAM_32	0.64 288	2.38 414	0.51 291	0.92 313	0.43 304	0.53 310	0.44 294	0.87 340	0.43 296	0.52 304	0.45 305	0.53 310	0.40 274	0.54 310	0.46 301	0.62 310	0.56 304	0.48 304	0.45 308	0.76 318	0.44 293

Occ-G	1.12 369	0.52 199	3.72 521	3.50 484	0.50 325	0.56 315	0.47 305	0.54 302	0.46 301	0.54 309	0.41 289	0.54 312	0.42 291	0.52 307	0.42 293	3.42 497	4.02 516	0.52 320	0.45 308	0.51 290	0.44 293

LL-Strereo	1.01 361	5.06 483	1.63 457	0.70 288	1.43 462	0.56 315	0.46 300	0.57 307	0.50 318	0.57 316	0.50 324	1.58 446	0.49 314	0.59 320	0.50 316	1.64 439	0.52 298	0.51 317	1.37 455	0.52 292	0.45 295

MLG-Stereo	0.92 344	0.90 243	0.84 341	1.27 402	0.49 321	1.38 440	0.88 366	1.41 437	0.97 382	0.73 337	1.09 388	1.26 436	0.43 293	0.72 335	1.05 384	1.13 366	0.49 286	1.18 392	0.66 346	1.01 351	0.46 296

AIO-Stereo	0.84 335	0.66 216	0.70 321	0.83 302	0.67 355	0.98 360	0.82 363	1.14 367	0.72 355	1.03 370	0.74 363	1.03 374	1.09 378	0.99 367	0.45 297	1.04 355	0.73 330	0.95 370	0.74 360	0.94 344	0.46 296

otaku	0.46 246	0.46 174	0.46 264	0.46 228	0.46 309	0.46 276	0.46 300	0.46 265	0.46 301	0.46 265	0.46 307	0.46 272	0.46 300	0.46 272	0.46 301	0.46 269	0.46 272	0.46 292	0.46 310	0.46 265	0.46 296

Ntro	0.47 252	0.47 178	0.46 264	0.46 228	0.46 309	0.47 281	0.47 305	0.46 265	0.47 306	0.46 265	0.46 307	0.47 278	0.46 300	0.47 276	0.47 307	0.47 274	0.46 272	0.46 292	0.46 310	0.46 265	0.46 296

Dean	0.46 246	0.46 174	0.46 264	0.46 228	0.46 309	0.46 276	0.46 300	0.46 265	0.46 301	0.47 271	0.46 307	0.46 272	0.46 300	0.46 272	0.46 301	0.46 269	0.46 272	0.46 292	0.46 310	0.46 265	0.46 296

ACVNet_1	0.46 246	0.47 178	0.46 264	0.46 228	0.46 309	0.46 276	0.46 300	0.46 265	0.47 306	0.46 265	0.46 307	0.46 272	0.46 300	0.46 272	0.46 301	0.46 269	0.46 272	0.47 296	0.46 310	0.46 265	0.46 296

ACVNet-4b	0.46 246	0.46 174	0.46 264	0.46 228	0.46 309	0.46 276	0.46 300	0.46 265	0.46 301	0.46 265	0.46 307	0.46 272	0.46 300	0.47 276	0.46 301	0.46 269	0.46 272	0.46 292	0.46 310	0.46 265	0.46 296

UNDER WATER	0.47 252	0.47 178	0.47 271	0.47 234	0.47 315	0.47 281	0.47 305	0.47 271	0.47 306	0.47 271	0.47 315	0.47 278	0.46 300	0.47 276	0.47 307	0.47 274	0.47 280	0.47 296	0.46 310	0.47 272	0.47 303

LVE	0.47 252	0.47 178	0.47 271	0.47 234	0.49 321	0.47 281	0.47 305	0.47 271	0.49 315	0.47 271	0.47 315	0.47 278	0.46 300	0.47 276	0.47 307	0.47 274	0.47 280	0.48 304	0.47 317	0.47 272	0.47 303

AIO-test2	0.55 277	0.59 210	0.52 294	0.67 285	0.47 315	0.61 323	0.47 305	0.61 316	0.47 306	0.61 321	0.47 315	0.61 326	0.48 309	0.62 322	0.47 307	0.64 312	0.53 300	0.58 326	0.47 317	0.58 299	0.48 305

AIO-test1	0.54 273	0.60 212	0.52 294	0.66 284	0.47 315	0.61 323	0.47 305	0.58 310	0.46 301	0.61 321	0.46 307	0.61 326	0.45 297	0.62 322	0.45 297	0.61 307	0.52 298	0.57 325	0.48 320	0.57 298	0.48 305

RainbowNet	0.48 257	0.48 184	0.48 278	0.48 238	0.48 319	0.48 286	0.48 314	0.48 275	0.48 313	0.48 278	0.48 319	0.48 285	0.48 309	0.48 285	0.48 313	0.48 278	0.48 283	0.48 304	0.48 320	0.48 276	0.48 305

HaxPig	0.47 252	0.47 178	0.47 271	0.49 244	0.47 315	0.47 281	0.47 305	0.47 271	0.47 306	0.47 271	0.47 315	0.47 278	0.47 308	0.47 276	0.47 307	0.47 274	0.47 280	0.47 296	0.47 317	0.47 272	0.48 305

AEACV	1.12 369	0.52 199	3.12 513	3.24 469	0.86 374	0.53 310	0.49 316	0.60 314	0.47 306	0.53 306	0.49 322	0.55 316	0.45 297	0.55 313	0.47 307	3.01 493	3.88 514	0.71 341	0.60 339	0.80 325	0.48 305

TorneroNet	0.66 291	0.53 202	0.50 286	0.50 251	0.64 349	1.06 369	0.70 347	0.50 287	0.51 325	0.49 285	0.69 354	0.49 289	0.50 317	0.48 285	1.15 391	0.71 322	0.49 286	1.14 383	1.08 387	0.49 279	0.49 310

notaker	0.48 257	0.49 186	0.48 278	0.48 238	0.48 319	0.48 286	0.48 314	0.48 275	0.49 315	0.48 278	0.48 319	0.48 285	0.48 309	0.48 285	0.48 313	0.48 278	0.48 283	0.48 304	0.48 320	0.48 276	0.49 310

ACVNet_2	0.49 262	0.49 186	0.49 283	0.49 244	0.49 321	0.49 291	0.49 316	0.49 279	0.49 315	0.49 285	0.49 322	0.49 289	0.49 314	0.49 291	0.49 315	0.49 281	0.49 286	0.49 308	0.49 323	0.49 279	0.49 310

FoundationStereo	0.50 264	0.50 190	0.50 286	0.50 251	0.50 325	0.50 299	0.50 318	0.50 287	0.50 318	0.50 297	0.50 324	0.50 303	0.50 317	0.50 298	0.50 316	0.50 287	0.50 292	0.50 312	0.50 325	0.50 284	0.50 313

StereoAnything_RVC	0.50 264	0.50 190	0.50 286	0.50 251	0.50 325	0.50 299	0.50 318	0.50 287	0.50 318	0.50 297	0.50 324	0.50 303	0.50 317	0.50 298	0.50 316	0.50 287	0.50 292	0.50 312	0.50 325	0.50 284	0.50 313

dual_stereo	0.50 264	0.50 190	0.50 286	0.50 251	0.50 325	0.50 299	0.50 318	0.50 287	0.50 318	0.50 297	0.50 324	0.50 303	0.50 317	0.50 298	0.50 316	0.50 287	0.50 292	0.50 312	0.50 325	0.50 284	0.50 313

WCG-NET	0.61 284	1.21 341	0.54 298	0.61 274	0.53 334	0.67 331	0.53 324	0.66 322	0.53 326	0.64 327	0.53 333	0.65 332	0.53 324	0.59 320	0.52 323	0.65 313	0.48 283	0.64 332	0.52 329	0.58 299	0.50 313

MyStereo8	0.71 302	3.92 468	0.52 294	0.59 271	0.52 331	0.57 320	0.53 324	0.59 312	0.50 318	0.59 320	0.51 330	0.57 320	0.50 317	0.56 314	0.52 323	0.54 297	0.49 286	0.54 323	0.49 323	0.55 297	0.50 313

test-3	0.98 355	4.13 471	1.85 477	1.85 424	0.61 345	0.69 332	0.37 264	0.63 318	0.61 336	0.66 330	0.51 330	0.73 341	0.44 295	0.57 318	0.54 326	1.68 440	1.81 472	0.40 258	0.43 306	0.66 305	0.50 313

SANet	0.50 264	0.50 190	0.50 286	0.50 251	0.50 325	0.50 299	0.50 318	0.50 287	0.50 318	0.50 297	0.50 324	0.50 303	0.50 317	0.50 298	0.50 316	0.50 287	0.50 292	0.50 312	0.50 325	0.50 284	0.50 313

ktn	0.72 305	0.53 202	1.08 363	1.14 342	0.51 330	1.22 430	1.36 454	0.51 296	0.59 332	0.51 301	0.51 330	0.69 335	1.20 390	0.67 331	0.51 321	0.51 293	0.49 286	0.58 326	0.66 346	0.52 292	0.53 320

CFNet_ucs	2.73 496	9.64 523	0.33 208	9.92 540	0.32 238	0.49 291	0.33 236	0.49 279	0.33 243	0.49 285	0.33 244	0.49 289	8.98 541	0.48 285	0.33 238	0.41 248	9.96 544	0.40 258	0.29 228	10.12 544	0.54 321

anonymity	0.63 286	0.69 217	0.56 300	0.71 290	0.56 337	0.71 335	0.56 327	0.71 328	0.56 329	0.72 335	0.56 336	0.71 336	0.56 328	0.71 334	0.58 330	0.68 317	0.55 302	0.68 337	0.55 331	0.68 307	0.54 321

FC-DCNN	1.07 364	1.09 282	0.98 355	0.89 307	0.52 331	1.41 443	0.91 369	1.21 423	1.24 450	1.96 452	2.05 504	1.91 453	1.30 443	1.27 437	1.08 385	0.80 329	0.60 308	0.58 326	0.41 298	0.68 307	0.54 321

PSMNet_ROB	0.54 273	0.54 205	0.54 298	0.54 262	0.53 334	0.54 313	0.54 326	0.53 300	0.54 328	0.54 309	0.54 334	0.54 312	0.53 324	0.54 310	0.54 326	0.54 297	0.53 300	0.54 323	0.54 330	0.54 296	0.54 321

MyStereo06	0.75 308	4.12 469	0.60 305	0.63 277	0.61 345	0.62 326	0.66 337	0.56 304	0.45 300	0.55 312	0.48 319	0.54 312	0.46 300	0.57 318	0.45 297	0.60 304	0.57 306	0.64 332	0.55 331	0.72 313	0.55 325

MyStereo05	0.80 319	4.12 469	0.63 309	0.63 277	0.61 345	0.62 326	0.66 337	0.65 320	0.62 337	0.67 331	0.61 341	0.65 332	0.58 329	0.67 331	0.55 328	0.60 304	0.57 306	0.64 332	0.55 331	0.72 313	0.55 325

ARAFT	0.68 296	0.81 228	0.63 309	0.74 293	0.60 340	0.78 340	0.62 332	0.77 332	0.66 343	0.74 342	0.63 343	0.75 343	0.62 333	0.83 346	0.60 332	0.70 321	0.55 302	0.70 340	0.60 339	0.78 320	0.55 325

AIO-Stereo-zeroshot1	0.75 308	0.92 250	0.85 342	0.96 323	0.59 339	1.27 433	0.44 294	0.59 312	0.69 348	0.91 355	0.68 351	0.55 316	0.61 332	1.06 375	0.83 365	0.62 310	0.70 324	0.90 362	0.41 298	0.89 335	0.56 328

CASS	0.57 280	0.89 241	0.56 300	0.57 268	0.56 337	0.56 315	0.56 327	0.56 304	0.53 326	0.57 316	0.57 337	0.59 324	0.48 309	0.56 314	0.57 329	0.55 299	0.56 304	0.47 296	0.56 334	0.62 302	0.56 328
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DDUNet	0.81 324	2.45 417	0.57 302	0.90 308	0.60 340	0.88 349	0.59 330	0.90 344	0.60 333	0.88 352	0.60 338	0.90 358	0.58 329	0.88 352	0.60 332	0.84 337	0.60 308	0.86 360	0.57 335	0.86 332	0.60 330

SMoEStereo_RVC	0.63 286	0.75 221	0.51 291	0.73 292	0.53 334	0.71 335	0.47 305	0.67 323	0.58 331	0.74 342	0.60 338	0.72 339	0.53 324	0.74 339	0.51 321	0.61 307	0.62 313	0.62 329	0.61 341	0.63 303	0.61 331

UDG	0.80 319	2.21 398	0.60 305	0.91 310	0.60 340	0.90 352	0.58 329	0.88 343	0.60 333	0.90 353	0.60 338	0.88 355	0.60 331	0.90 355	0.58 330	0.86 339	0.60 308	0.84 358	0.59 338	0.84 331	0.61 331

RAFT-Stereo + iAFF	0.70 300	0.72 219	0.71 325	0.80 298	0.62 348	0.82 345	0.61 331	0.81 338	0.62 337	0.81 349	0.63 343	0.80 349	0.70 345	0.73 337	0.61 334	0.76 326	0.61 312	0.74 343	0.61 341	0.77 319	0.61 331

AFF-stereo	0.73 306	0.88 238	0.67 318	0.75 294	0.68 358	0.75 337	0.64 334	0.80 335	0.72 355	0.83 350	0.70 355	0.82 352	0.64 334	0.84 347	0.67 340	0.77 327	0.63 314	0.81 354	0.63 343	0.78 320	0.62 334

pcwnet_v2	2.66 494	9.89 525	0.33 208	9.89 539	0.32 238	0.50 299	0.32 227	0.49 279	0.33 243	0.49 285	0.34 252	0.49 289	8.76 540	0.48 285	0.33 238	0.41 248	9.58 540	0.40 258	0.29 228	9.01 539	0.63 335

DSFCA	0.66 291	0.73 220	0.78 334	0.65 281	0.65 351	0.64 328	0.64 334	0.65 320	0.63 339	0.64 327	0.64 345	0.64 329	0.64 334	0.65 328	0.65 336	0.65 313	0.65 317	0.65 335	0.65 344	0.66 305	0.64 336

plain	1.88 440	3.16 448	0.64 311	3.10 464	0.65 351	3.10 499	0.64 334	3.12 498	0.65 341	3.10 499	0.65 347	3.11 499	0.65 336	3.12 498	0.65 336	3.12 494	0.65 317	3.13 499	0.65 344	3.13 485	0.65 337

MSMDNet	2.65 493	10.14 527	0.33 208	9.74 538	0.32 238	0.87 348	0.33 236	2.95 497	0.68 345	0.49 285	0.34 252	0.49 289	5.70 533	0.49 291	0.33 238	0.42 262	9.57 539	0.41 271	0.31 244	8.36 536	0.65 337

STTRV1_RVC	0.82 328	1.60 358	0.70 321	1.01 330	0.60 340	1.07 372	0.69 345	1.01 360	0.60 333	0.72 335	0.55 335	1.02 373	0.68 342	1.03 373	0.67 340	0.89 341	0.63 314	0.92 366	0.57 335	0.90 337	0.65 337

PA-Net	11.80 543	223.51 569	0.62 308	0.59 271	0.71 361	0.59 322	0.73 352	0.67 323	0.73 358	0.55 312	0.61 341	0.60 325	0.74 351	0.63 326	0.73 353	0.66 315	0.60 308	0.69 338	0.66 346	0.72 313	0.65 337
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MoCha-V2	2.11 464	26.97 547	0.78 334	0.92 313	0.77 368	0.96 359	0.72 351	0.90 344	0.72 355	0.94 361	0.70 355	0.90 358	0.71 349	0.91 356	0.71 352	0.85 338	0.71 328	0.88 361	0.69 353	0.87 333	0.67 341

R-Stereo Train	0.81 324	0.96 255	0.67 318	0.95 320	0.67 355	0.95 357	0.68 342	0.95 355	0.68 345	0.95 363	0.68 351	0.96 366	0.68 342	0.96 365	0.68 344	0.94 349	0.68 319	0.94 368	0.68 351	0.94 344	0.68 342

RAFT-Stereo	0.81 324	0.96 255	0.67 318	0.95 320	0.67 355	0.95 357	0.68 342	0.95 355	0.68 345	0.95 363	0.68 351	0.96 366	0.68 342	0.96 365	0.68 344	0.94 349	0.68 319	0.94 368	0.68 351	0.94 344	0.68 342
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RSM++	0.76 312	0.82 230	0.66 315	0.85 305	0.64 349	0.85 346	0.71 350	0.94 353	0.64 340	0.87 351	0.67 350	0.87 354	0.65 336	0.84 347	0.65 336	0.81 332	0.70 324	0.79 349	0.71 358	0.83 330	0.70 344

DCRE	0.84 335	1.89 373	0.77 333	0.94 318	0.72 363	0.88 349	0.73 352	0.87 340	0.78 361	0.90 353	0.71 358	0.88 355	0.67 341	0.88 352	0.73 353	0.81 332	0.68 319	0.81 354	0.70 355	0.82 329	0.70 344

DMCA-RVC	0.70 300	0.80 225	0.70 321	0.70 288	0.70 360	0.70 333	0.70 347	0.71 328	0.70 351	0.70 334	0.71 358	0.71 336	0.70 345	0.70 333	0.69 348	0.69 318	0.70 324	0.69 338	0.70 355	0.69 311	0.70 344

MSMD_ROB	1.19 371	1.10 285	0.70 321	1.10 336	0.60 340	1.10 376	0.70 347	1.10 366	0.70 351	1.10 374	0.70 355	1.10 380	0.70 345	7.00 541	0.70 351	1.10 360	0.70 324	1.10 382	0.70 355	1.10 356	0.70 344

ours_stereo	1.20 372	1.21 341	0.90 346	1.64 422	1.11 396	1.35 436	0.67 341	1.76 444	0.93 377	1.70 448	1.10 389	1.39 441	0.75 353	1.41 441	0.81 364	1.60 438	1.03 356	1.33 444	1.00 381	1.61 432	0.72 348

iGMRVC	0.84 335	2.85 442	0.72 326	0.72 291	0.73 364	0.77 338	0.79 357	0.73 330	0.74 360	0.73 337	0.72 360	0.73 341	0.76 354	0.73 337	0.73 353	0.72 323	0.73 330	0.73 342	0.72 359	0.73 316	0.72 348

HSM-Net_RVC	0.95 352	1.17 291	0.78 334	1.18 351	0.71 361	1.16 383	0.75 354	1.09 365	0.80 365	1.10 374	0.75 364	1.17 387	0.74 351	1.17 387	0.80 361	1.13 366	0.73 330	1.17 389	0.77 362	1.16 362	0.72 348
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
UniTT-Stereo	2.03 457	3.43 454	0.72 326	3.42 479	0.73 364	3.27 502	0.68 342	3.38 502	0.69 348	3.29 502	0.72 360	3.28 502	0.70 345	3.35 503	0.68 344	3.39 496	0.68 319	3.31 501	0.69 353	3.37 486	0.73 351

ToySt	0.92 344	2.11 389	0.90 346	0.95 320	0.79 370	0.99 361	0.78 356	0.94 353	0.81 368	0.94 361	0.78 366	0.95 365	0.77 355	0.94 361	0.86 367	0.91 342	0.79 337	0.85 359	0.77 362	0.89 335	0.73 351

LMCR-Stereo	0.65 289	0.63 213	0.65 314	0.65 281	0.65 351	0.66 330	0.63 333	0.58 310	0.65 341	0.63 326	0.64 345	0.65 332	0.65 336	0.66 329	0.66 339	0.66 315	0.64 316	0.65 335	0.67 350	0.68 307	0.73 351

DRN-Test	0.14 107	0.13 81	0.09 65	0.14 97	0.09 106	0.15 125	0.09 104	0.14 120	0.10 110	0.14 119	0.09 106	0.14 120	0.09 107	0.13 121	0.09 99	0.12 91	0.09 68	0.12 115	0.09 104	0.12 119	0.73 351

HBP-ISP	1.24 420	1.72 361	1.65 458	1.15 344	0.76 367	1.40 442	0.88 366	1.67 443	1.02 390	1.69 447	1.38 460	1.69 449	1.21 436	1.87 454	1.21 443	1.05 356	0.79 337	0.97 373	0.80 367	1.19 370	0.75 355

UNet	0.29 166	0.90 243	0.10 69	0.14 97	0.10 112	0.14 118	0.10 109	0.91 346	0.69 348	0.14 119	0.11 124	0.14 120	0.11 123	0.14 122	0.10 105	0.12 91	0.09 68	0.12 115	0.09 104	0.88 334	0.76 356

RAStereo	2.23 477	3.64 457	0.76 332	3.65 488	0.86 374	3.66 506	0.76 355	3.67 506	0.81 368	3.66 503	0.76 365	3.66 504	0.77 355	3.68 505	0.77 358	3.68 499	0.77 335	3.69 506	0.77 362	3.70 488	0.77 357

G-Net	0.79 317	0.79 224	0.79 337	0.79 296	0.79 370	0.79 342	0.79 357	0.79 333	0.79 364	0.79 346	0.79 367	0.79 348	0.79 357	0.79 342	0.79 359	0.79 328	0.79 337	0.79 349	0.79 365	0.79 322	0.79 358

NaN_ROB	0.80 319	0.80 225	0.80 338	0.80 298	0.80 372	0.80 343	0.80 360	0.80 335	0.80 365	0.80 347	0.80 368	0.80 349	0.80 358	0.80 344	0.80 361	0.80 329	0.80 340	0.80 352	0.80 367	0.80 325	0.80 359

CSAN	0.80 319	0.80 225	0.80 338	0.80 298	0.80 372	0.80 343	0.80 360	0.80 335	0.80 365	0.80 347	0.80 368	0.80 349	0.80 358	0.80 344	0.80 361	0.80 329	0.80 340	0.80 352	0.80 367	0.80 325	0.80 359

DPSimNet_ROB	0.97 353	1.18 293	0.81 340	1.10 336	0.91 380	1.02 367	0.82 363	1.04 362	0.91 372	1.03 370	0.86 371	1.28 438	0.82 360	1.03 373	0.89 368	1.17 369	0.81 342	1.02 379	0.82 370	1.08 355	0.81 361

Selective-RAFT	0.89 341	0.89 241	0.72 326	1.16 349	0.78 369	1.06 369	0.82 363	0.87 340	0.97 382	1.00 365	0.91 375	0.90 358	1.00 369	0.89 354	0.93 373	0.83 335	0.83 343	0.82 356	0.82 370	0.81 328	0.82 362

StereoDRNet	0.15 117	0.14 85	0.10 69	0.14 97	0.09 106	0.15 125	0.09 104	0.14 120	0.09 109	0.14 119	0.10 110	0.14 120	0.09 107	0.14 122	0.09 99	0.13 107	0.10 73	0.13 118	0.09 104	0.13 121	0.82 362

Selective-RAFT-Error	0.88 339	0.84 231	0.98 355	0.86 306	0.97 386	0.88 349	0.95 374	0.84 339	0.99 385	0.92 357	0.82 370	0.84 353	0.98 368	0.87 351	0.97 376	0.81 332	0.83 343	0.79 349	0.82 370	0.79 322	0.85 364

IGEVStereo-DCA	1.77 436	4.21 473	1.84 475	2.49 451	2.11 499	2.54 485	1.36 454	1.65 441	1.17 399	2.75 493	1.90 487	2.54 479	1.15 383	0.94 361	1.11 387	1.50 432	1.32 427	0.96 371	1.46 464	1.49 428	0.88 365

rrr	1.77 436	4.21 473	1.84 475	2.49 451	2.11 499	2.54 485	1.36 454	1.65 441	1.17 399	2.75 493	1.90 487	2.54 479	1.15 383	0.94 361	1.11 387	1.50 432	1.32 427	0.96 371	1.46 464	1.49 428	0.88 365

MM-Stereo_test2	1.20 372	1.85 369	1.05 361	1.46 413	0.94 384	1.36 438	0.99 377	1.36 432	0.95 379	1.41 438	0.98 381	1.40 443	0.96 366	1.37 439	0.95 374	1.37 427	1.06 357	1.33 444	0.93 378	1.29 421	0.89 367

4D-IteraStereo	0.78 316	3.13 447	0.89 343	0.69 286	0.32 238	0.40 229	0.32 227	0.76 331	0.97 382	0.52 304	0.65 347	0.89 357	0.32 238	0.76 341	0.98 377	0.83 335	0.94 350	0.35 228	0.27 215	0.70 312	0.89 367

DGTPSM_ROB	0.93 349	1.00 261	0.92 350	0.94 318	0.96 385	0.91 353	0.92 370	0.91 346	0.96 381	0.91 355	0.96 379	0.93 364	0.92 364	0.94 361	0.92 369	0.92 345	0.92 348	0.90 362	0.92 374	0.94 344	0.91 369

pmcnn	0.92 344	0.92 250	0.92 350	0.92 313	0.92 381	0.92 354	0.92 370	0.92 349	0.92 376	0.92 357	0.92 378	0.92 361	0.92 364	0.92 360	0.92 369	0.92 345	0.92 348	0.92 366	0.92 374	0.92 341	0.92 370

UPFNet	0.42 236	1.20 295	0.17 147	0.24 148	0.17 169	0.25 176	0.17 155	1.19 375	0.90 371	0.25 174	0.17 165	0.24 172	0.17 162	0.25 178	0.17 160	0.22 157	0.17 156	0.22 165	0.16 156	1.15 360	0.93 371

DPSM_ROB	0.92 344	0.91 245	0.91 348	0.91 310	0.92 381	0.92 354	0.92 370	0.92 349	0.91 372	0.93 359	0.91 375	0.92 361	0.90 362	0.91 356	0.92 369	0.92 345	0.91 346	0.91 364	0.92 374	0.93 342	0.93 371

DPSM	0.92 344	0.91 245	0.91 348	0.91 310	0.92 381	0.92 354	0.92 370	0.92 349	0.91 372	0.93 359	0.91 375	0.92 361	0.90 362	0.91 356	0.92 369	0.92 345	0.91 346	0.91 364	0.92 374	0.93 342	0.93 371

MM-Stereo_test3	1.27 422	2.07 385	1.18 372	1.60 417	1.02 392	1.45 444	1.01 381	1.40 436	1.04 391	1.44 439	1.03 386	1.46 445	1.02 376	1.44 442	1.02 383	1.51 434	1.12 371	1.32 443	0.98 379	1.38 425	0.97 374

delet	0.43 237	1.21 341	0.17 147	0.25 153	0.17 169	0.25 176	0.18 161	1.26 427	0.95 379	0.25 174	0.17 165	0.25 177	0.17 162	0.25 178	0.17 160	0.23 168	0.16 141	0.22 165	0.16 156	1.18 368	0.98 375

MMNet	0.44 241	1.24 345	0.17 147	0.25 153	0.17 169	0.25 176	0.18 161	1.26 427	0.93 377	0.25 174	0.17 165	0.25 177	0.18 169	0.25 178	0.17 160	0.23 168	0.16 141	0.23 171	0.16 156	1.20 371	0.99 376

psm_up	0.43 237	1.19 294	0.17 147	0.25 153	0.18 176	0.25 176	0.19 165	1.26 427	0.91 372	0.26 181	0.17 165	0.25 177	0.17 162	0.25 178	0.17 160	0.22 157	0.17 156	0.23 171	0.16 156	1.18 368	0.99 376

GANet	1.00 356	1.00 261	1.00 357	1.00 327	1.00 387	1.00 362	1.00 378	1.00 357	1.00 386	1.00 365	1.00 382	1.00 369	1.00 369	1.00 368	1.00 379	1.00 351	1.00 351	1.00 375	1.00 381	1.00 348	1.00 378

TDLM	1.00 356	1.00 261	1.00 357	1.00 327	1.00 387	1.00 362	1.00 378	1.00 357	1.00 386	1.00 365	1.00 382	1.00 369	1.00 369	1.00 368	1.00 379	1.00 351	1.00 351	1.00 375	1.00 381	1.00 348	1.00 378

CVANet_RVC	1.00 356	1.00 261	1.00 357	1.00 327	1.00 387	1.00 362	1.00 378	1.00 357	1.00 386	1.00 365	1.00 382	1.00 369	1.00 369	1.00 368	1.00 379	1.00 351	1.00 351	1.00 375	1.00 381	1.00 348	1.00 378

AIO-Stereo-zeroshot	0.91 342	0.86 234	0.89 343	1.25 401	0.69 359	1.05 368	0.81 362	1.16 370	0.50 318	1.12 379	0.97 380	0.72 339	0.82 360	1.06 375	0.95 374	0.61 307	0.87 345	1.03 380	0.85 373	1.04 353	1.01 381

trnet	1.01 361	1.01 267	1.01 360	1.01 330	1.01 391	1.01 366	1.01 381	1.01 360	1.01 389	1.01 369	1.01 385	1.01 372	1.01 375	1.01 372	1.01 382	1.01 354	1.01 354	1.01 378	1.01 385	1.01 351	1.01 381

ff7	1.68 432	2.68 425	1.35 432	0.97 324	0.89 376	1.84 449	2.15 497	2.12 457	1.80 483	2.05 462	1.56 466	2.33 468	2.12 490	2.23 465	2.25 500	1.31 420	1.07 358	1.48 451	1.41 458	0.90 337	1.04 383

ffff	1.68 432	2.68 425	1.35 432	0.97 324	0.89 376	1.84 449	2.15 497	2.12 457	1.80 483	2.05 462	1.56 466	2.33 468	2.12 490	2.23 465	2.25 500	1.31 420	1.07 358	1.48 451	1.41 458	0.90 337	1.04 383

ccc-4	1.68 432	2.68 425	1.35 432	0.97 324	0.89 376	1.84 449	2.15 497	2.12 457	1.80 483	2.05 462	1.56 466	2.33 468	2.12 490	2.23 465	2.25 500	1.31 420	1.07 358	1.48 451	1.41 458	0.90 337	1.04 383

edge stereo	2.43 488	27.07 548	1.14 366	1.06 333	1.14 397	1.08 373	1.17 393	1.16 370	1.14 393	1.10 374	1.16 393	1.09 378	1.16 387	1.10 381	1.16 394	1.10 360	1.11 368	1.16 385	1.19 395	1.13 357	1.11 386

Abc-Net	2.32 480	24.75 539	1.14 366	1.17 350	1.17 403	1.11 379	1.15 390	1.17 372	1.21 447	1.08 373	1.16 393	1.12 384	1.14 382	1.09 379	1.17 395	1.09 358	1.16 374	1.17 389	1.17 394	1.16 362	1.11 386
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
StereoVision	3.15 500	5.00 482	0.89 343	4.83 509	1.00 387	3.93 507	1.27 448	6.37 535	1.34 455	5.67 535	1.26 448	5.84 536	1.27 440	5.03 532	1.24 445	5.10 524	1.09 364	4.61 518	0.57 335	5.62 524	1.12 388

GLC_STEREO	1.07 364	1.01 267	1.06 362	1.07 334	1.05 394	1.06 369	1.08 385	1.08 363	1.05 392	1.07 372	1.06 387	1.08 376	1.05 377	1.06 375	1.10 386	1.07 357	1.09 364	1.05 381	1.05 386	1.06 354	1.12 388

AF-Net	2.37 485	25.71 543	1.17 370	1.13 341	1.15 398	1.15 382	1.18 394	1.19 375	1.16 395	1.10 374	1.15 390	1.10 380	1.18 388	1.12 384	1.15 391	1.10 360	1.10 367	1.17 389	1.15 391	1.16 362	1.12 388

RGC	2.36 483	25.48 541	1.19 374	1.15 344	1.15 398	1.10 376	1.16 392	1.17 372	1.16 395	1.12 379	1.16 393	1.11 383	1.13 380	1.09 379	1.18 396	1.10 360	1.15 373	1.16 385	1.12 389	1.14 358	1.12 388

KSHMR	0.66 291	0.50 190	0.48 278	1.15 344	0.52 331	0.49 291	0.51 322	0.49 279	0.71 354	0.67 331	0.50 324	1.16 386	1.11 379	0.66 329	0.52 323	0.49 281	0.49 286	0.51 317	0.66 346	0.50 284	1.14 392

4.25w-stereo	1.98 442	2.72 432	1.46 449	3.47 481	1.43 462	2.07 463	1.98 489	2.53 480	1.52 466	2.71 486	1.98 499	1.81 450	1.62 458	1.96 457	1.36 457	1.88 448	2.00 477	2.53 494	1.61 474	1.74 439	1.15 393

2w_stereo	1.99 443	2.36 413	1.81 466	3.24 469	1.67 472	1.94 454	1.98 489	2.72 483	1.68 469	2.72 487	1.94 490	1.98 457	1.74 467	1.79 451	1.27 449	1.95 451	2.00 477	2.53 494	1.60 473	1.68 436	1.15 393

Nwc_Net	2.37 485	25.95 544	1.15 368	1.14 342	1.15 398	1.08 373	1.14 389	1.17 372	1.16 395	1.14 382	1.15 390	1.08 376	1.15 383	1.11 383	1.14 390	1.10 360	1.11 368	1.16 385	1.09 388	1.16 362	1.15 393

4.5w-stereo	1.99 443	2.33 406	1.81 466	3.28 471	1.68 473	1.94 454	1.99 492	2.72 483	1.70 472	2.72 487	1.99 502	1.97 456	1.68 460	1.76 448	1.29 452	1.91 450	2.02 483	2.53 494	1.61 474	1.75 440	1.16 396

4.25_new	2.00 447	2.33 406	1.82 471	3.32 474	1.69 474	1.95 457	1.99 492	2.72 483	1.71 473	2.72 487	1.97 493	2.01 459	1.74 467	1.77 449	1.28 450	2.18 460	2.01 479	2.48 492	1.58 470	1.65 433	1.17 397

4.5w_new	2.00 447	2.33 406	1.82 471	3.32 474	1.69 474	1.95 457	1.99 492	2.72 483	1.71 473	2.72 487	1.97 493	2.01 459	1.74 467	1.77 449	1.28 450	2.18 460	2.01 479	2.48 492	1.58 470	1.65 433	1.17 397

RP	2.33 481	25.00 540	1.13 365	1.15 344	1.15 398	1.10 376	1.15 390	1.15 368	1.15 394	1.12 379	1.15 390	1.09 378	1.13 380	1.10 381	1.15 391	1.11 365	1.09 364	1.16 385	1.12 389	1.16 362	1.17 397

NCC-stereo	2.36 483	25.52 542	1.17 370	1.15 344	1.17 403	1.11 379	1.11 386	1.15 368	1.16 395	1.10 374	1.16 393	1.10 380	1.15 383	1.14 385	1.13 389	1.09 358	1.11 368	1.15 384	1.16 393	1.17 367	1.17 397

stereogan	2.33 481	24.38 538	1.18 372	1.18 351	1.18 405	1.14 381	1.18 394	1.19 375	1.19 401	1.14 382	1.18 397	1.14 385	1.18 388	1.14 385	1.18 396	1.14 368	1.14 372	1.19 393	1.19 395	1.15 360	1.19 401

DisPM	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

CrosDoStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

PFNet+	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

LCNet	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

HHNet	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

Patchmatch Stereo++	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402
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	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

STrans-v2	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

TransformOpticalFlow	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

OMP-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

IIG-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

NF-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

OCTAStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

PSM-softLoss	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

KMStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

NRIStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

PSM-adaLoss	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

PSM-AAD	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

FTStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

ROB_FTStereo_v2	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

ROB_FTStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

Consistency-Raft	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

KYRaft	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

HUI-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

ASMatch	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

DeepStereo_LL	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

DEmStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

SST-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

THIR-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

RAFT_R40	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

DRaft	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

PFNet	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

GrayStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

RE-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

Pruner-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

TVStereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

DeepStereo_RVC	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

RAFT-RH_RVC	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

IRAFT_RVC	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

RAFT-345	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

iRAFT	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

CRE-IMP	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

GMM-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

RAFT-IKP	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

Prome-Stereo	1.20 372	1.20 295	1.20 377	1.20 353	1.20 406	1.20 384	1.20 396	1.20 378	1.20 402	1.20 386	1.20 398	1.20 389	1.20 390	1.20 389	1.20 398	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

SPS-STEREO	1.59 430	1.91 376	1.21 423	1.94 428	1.20 406	2.00 460	1.23 443	1.99 451	1.24 450	2.00 457	1.25 447	2.03 461	1.26 439	2.00 459	1.29 452	1.90 449	1.18 378	1.89 468	1.21 443	1.89 445	1.20 402
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
2.75w_new	1.99 443	2.34 410	1.81 466	3.14 465	1.62 469	1.94 454	1.99 492	2.72 483	1.71 473	2.72 487	1.99 502	1.90 452	1.73 465	1.82 453	1.29 452	2.37 475	2.01 479	2.31 481	1.42 461	1.77 441	1.22 448

GANetREF_RVC	1.55 429	1.94 382	1.22 424	1.88 425	1.21 452	1.88 452	1.22 442	1.88 446	1.22 448	1.88 449	1.22 444	1.88 451	1.22 437	1.89 455	1.22 444	1.87 445	1.22 426	1.88 467	1.22 444	1.88 444	1.22 448
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
S-Stereo	2.51 490	26.86 546	1.23 426	1.22 398	1.22 454	1.24 432	1.25 445	1.22 424	1.24 450	1.21 431	1.24 446	1.19 388	1.27 440	1.19 388	1.24 445	1.19 370	1.20 379	1.25 441	1.19 395	1.24 419	1.23 450

3.75w	1.99 443	2.31 404	1.83 474	3.16 467	1.65 471	1.93 453	1.98 489	2.72 483	1.68 469	2.73 492	1.97 493	2.00 458	1.72 464	1.81 452	1.25 448	2.27 468	2.01 479	2.38 486	1.42 461	1.71 437	1.24 451

CFNet-ft	0.55 277	1.57 356	0.14 124	0.20 131	0.14 148	0.20 152	2.53 502	1.61 439	0.14 148	0.20 149	0.14 151	0.20 150	0.14 148	0.20 150	0.14 141	0.17 138	0.12 109	0.17 143	0.12 139	1.56 430	1.24 451

FAT-Stereo	2.46 489	26.05 545	1.23 426	1.23 400	1.22 454	1.20 384	1.24 444	1.23 426	1.23 449	1.19 385	1.22 444	1.21 434	1.24 438	1.20 389	1.24 445	1.21 416	1.17 377	1.22 440	1.25 448	1.20 371	1.24 451

MaDis-Stereo	3.19 501	6.02 503	1.12 364	5.61 518	1.16 402	5.43 533	1.02 383	5.15 532	0.70 351	5.43 532	1.21 443	5.03 533	0.97 367	4.85 526	0.99 378	4.53 505	1.16 374	5.53 534	1.25 448	5.37 522	1.30 454

11t	1.27 422	2.70 428	1.34 430	1.32 406	0.89 376	1.30 435	1.34 451	1.64 440	0.57 330	1.45 440	0.72 360	1.05 375	1.29 442	1.07 378	1.29 452	1.49 431	1.02 355	0.97 373	1.15 391	1.48 427	1.31 455

tt45	1.04 363	0.88 238	1.36 440	0.92 313	1.03 393	1.51 446	0.79 357	0.70 327	0.88 370	0.74 342	0.90 372	1.60 447	0.72 350	1.60 444	0.75 356	0.91 342	0.78 336	1.52 454	0.79 365	1.14 358	1.32 456

MM-Stereo_test1	1.80 438	3.41 453	1.52 454	2.12 434	1.41 461	2.04 461	1.41 462	2.05 455	1.46 465	2.04 461	1.41 462	2.05 462	1.42 453	2.05 460	1.43 462	2.04 456	1.54 453	1.94 469	1.38 457	1.99 447	1.33 457

MC-Stereo	1.76 435	2.96 443	1.37 442	2.14 435	1.37 458	2.14 465	1.36 454	2.14 460	1.37 460	2.14 466	1.37 458	2.14 463	1.37 450	2.14 464	1.37 458	1.97 452	1.32 427	1.97 470	1.32 451	1.98 446	1.33 457

CC-Net-ROB	1.36 425	1.33 350	1.33 429	1.36 409	1.38 459	1.36 438	1.33 450	1.37 434	1.34 455	1.35 435	1.36 457	1.38 440	1.34 446	1.38 440	1.38 459	1.35 424	1.38 442	1.33 444	1.35 452	1.43 426	1.34 459

MaskLacGwcNet_RVC	1.35 424	1.35 351	1.35 432	1.35 408	1.35 456	1.35 436	1.35 452	1.36 432	1.35 458	1.36 436	1.35 455	1.36 439	1.36 448	1.36 438	1.35 456	1.35 424	1.35 439	1.35 447	1.35 452	1.35 423	1.35 460

RASNet	1.49 428	1.65 359	1.45 448	1.38 411	1.43 462	1.47 445	1.36 454	1.38 435	1.36 459	1.39 437	1.60 470	1.45 444	1.45 454	1.51 443	2.21 499	1.53 435	1.36 440	1.36 449	1.36 454	1.66 435	1.36 461

PS-NSSS	1.38 427	1.39 353	1.34 430	1.34 407	1.35 456	1.38 440	1.37 459	1.35 431	1.38 461	1.34 434	1.34 454	1.39 441	1.38 451	1.70 446	1.40 460	1.36 426	1.36 440	1.36 449	1.37 455	1.37 424	1.36 461

MIF-Stereo (partial)	2.58 492	3.31 452	0.66 315	3.18 468	0.66 354	3.18 500	0.66 337	3.21 499	0.67 344	3.19 500	0.66 349	3.19 500	0.66 339	3.31 502	0.68 344	5.09 523	1.79 471	8.23 542	1.67 480	6.18 526	1.38 463

999	1.00 356	1.12 286	0.59 303	1.10 336	1.21 452	1.09 375	0.52 323	1.08 363	1.43 464	1.18 384	1.35 455	0.98 368	0.52 323	0.91 356	0.85 366	0.72 323	1.46 446	0.83 357	0.98 379	0.68 307	1.41 464

sCroCo_RVC	2.10 463	2.76 436	1.92 485	2.78 459	1.39 460	2.73 492	1.41 462	2.73 489	1.40 462	2.77 498	1.41 462	2.74 494	1.40 452	2.74 493	1.40 460	2.72 491	1.42 444	2.72 497	1.44 463	2.79 483	1.42 465

RAFT_CTSACE	1.92 441	3.71 460	1.72 463	1.88 425	1.72 478	2.04 461	1.42 464	2.18 462	1.89 494	2.02 459	1.97 493	1.95 454	2.06 489	1.93 456	1.62 467	1.76 441	1.66 464	2.02 471	1.73 488	1.73 438	1.43 466

1w_stereo	2.05 462	2.32 405	1.35 432	3.74 492	2.01 493	2.73 492	1.42 464	1.88 446	1.93 496	2.03 460	1.28 450	2.71 488	1.99 485	2.72 490	1.72 476	2.20 462	1.32 427	1.87 464	1.86 491	2.45 465	1.54 467

test_xeample3	1.10 366	1.81 366	0.61 307	0.84 303	0.49 321	0.77 338	0.66 337	0.92 349	1.40 462	0.68 333	0.46 307	0.78 346	0.54 327	1.72 447	1.48 463	1.34 423	1.52 450	1.35 447	1.67 480	1.33 422	1.55 468

LGtest1	2.22 474	2.70 428	1.89 482	2.76 455	1.86 485	2.75 494	1.86 482	2.75 490	1.86 488	2.75 493	1.86 481	2.77 497	1.87 473	2.75 494	1.86 487	2.46 480	1.58 456	2.45 489	1.56 466	2.45 465	1.56 469

LG-G_1	2.22 474	2.71 430	1.89 482	2.77 456	1.87 488	2.75 494	1.87 484	2.76 491	1.87 492	2.75 493	1.87 482	2.76 495	1.87 473	2.75 494	1.86 487	2.47 481	1.58 456	2.45 489	1.57 467	2.45 465	1.57 470

LG-G	2.22 474	2.71 430	1.89 482	2.77 456	1.87 488	2.75 494	1.87 484	2.76 491	1.87 492	2.75 493	1.87 482	2.76 495	1.87 473	2.75 494	1.86 487	2.47 481	1.58 456	2.45 489	1.57 467	2.45 465	1.57 470

3w_stereo	2.04 460	2.24 400	1.70 460	3.15 466	2.18 505	2.49 479	1.26 447	2.03 454	1.98 498	1.98 455	1.33 453	2.72 492	1.99 485	2.59 482	1.72 476	2.22 464	1.33 434	1.85 461	1.88 497	2.50 471	1.58 472

DPSMNet_ROB	1.60 431	1.59 357	1.70 460	1.59 416	1.59 467	1.61 447	1.61 469	1.60 438	1.60 467	1.62 446	1.59 469	1.60 447	1.60 456	1.60 444	1.59 466	1.59 436	1.60 460	1.59 455	1.59 472	1.59 431	1.59 473

asd	2.18 467	2.77 438	1.58 455	3.59 486	2.00 492	2.58 487	1.85 481	2.39 473	1.71 473	2.47 479	1.97 493	2.59 483	1.61 457	2.56 480	1.79 483	2.51 484	1.99 476	2.11 476	1.62 476	2.36 461	1.60 474

4.5_new	2.00 447	1.84 368	1.98 488	2.77 456	2.16 501	2.27 467	1.28 449	2.09 456	1.98 498	2.01 458	1.28 450	2.71 488	1.98 483	2.51 479	1.65 469	2.26 465	1.33 434	1.87 464	1.87 492	2.49 469	1.60 474

IGEV	2.02 455	2.20 396	1.82 471	2.90 461	2.16 501	2.41 475	1.25 445	2.00 452	1.98 498	1.99 456	1.31 452	2.72 492	1.93 479	2.67 487	1.69 473	2.26 465	1.32 427	1.83 460	1.87 492	2.53 476	1.61 476

2.25w	2.00 447	1.86 371	1.98 488	2.95 462	2.17 503	2.26 466	1.35 452	2.42 474	2.00 501	2.07 465	1.27 449	2.53 477	1.99 485	2.29 469	1.49 464	2.21 463	1.32 427	1.85 461	1.87 492	2.52 473	1.62 477

3.25w	2.04 460	2.20 396	1.48 450	3.03 463	2.17 503	2.63 488	1.39 460	1.96 449	1.95 497	1.96 452	1.37 458	2.71 488	1.96 482	2.71 488	1.73 481	2.26 465	1.32 427	1.87 464	1.87 492	2.51 472	1.63 478

UDGNet	2.23 477	5.40 493	1.72 463	2.48 450	1.69 474	2.51 482	1.69 473	2.51 479	1.72 477	2.50 481	1.69 476	2.52 476	1.69 462	2.50 478	1.68 472	2.41 478	1.70 466	2.42 488	1.69 484	2.42 463	1.64 479

MFMNet_re	1.81 439	1.91 376	1.71 462	1.95 429	1.70 477	1.95 457	1.70 474	1.96 449	1.74 480	1.97 454	1.72 477	1.95 454	1.71 463	1.97 458	1.71 474	1.86 444	1.62 461	1.85 461	1.66 479	1.86 443	1.64 479

Anonymous3	2.55 491	3.26 451	1.65 458	3.28 471	1.63 470	3.24 501	1.68 472	3.27 500	1.66 468	3.28 501	1.67 475	3.25 501	1.66 459	3.27 500	1.64 468	3.26 495	1.65 463	3.30 500	1.65 478	4.95 517	1.65 481

qwe	2.18 467	2.60 422	1.58 455	3.83 493	1.90 490	2.53 483	1.90 487	2.48 476	1.73 478	2.37 476	1.92 489	2.53 477	1.68 460	2.56 480	1.83 484	2.52 486	1.87 475	2.07 472	1.68 482	2.32 459	1.71 482

TRStereo	2.00 447	2.13 390	1.85 477	2.27 441	1.84 482	2.28 469	1.84 478	2.29 465	1.86 488	2.30 471	1.87 482	2.30 465	1.87 473	2.08 461	1.72 476	2.08 457	1.72 467	2.08 473	1.72 485	2.08 448	1.72 483

XX-Stereo	2.00 447	2.13 390	1.85 477	2.27 441	1.84 482	2.28 469	1.84 478	2.29 465	1.86 488	2.30 471	1.87 482	2.30 465	1.87 473	2.08 461	1.72 476	2.08 457	1.72 467	2.08 473	1.72 485	2.08 448	1.72 483

EAI-Stereo	2.00 447	2.13 390	1.85 477	2.27 441	1.84 482	2.28 469	1.84 478	2.29 465	1.86 488	2.30 471	1.87 482	2.30 465	1.87 473	2.08 461	1.72 476	2.08 457	1.72 467	2.08 473	1.72 485	2.08 448	1.72 483

cf-r	0.66 291	2.17 394	0.12 100	0.18 126	0.12 143	0.18 144	2.70 505	2.60 481	0.12 143	0.18 142	0.12 134	0.18 144	0.12 139	0.18 143	0.12 131	0.15 123	0.11 95	0.15 133	0.11 123	1.81 442	1.74 486

asda	2.17 466	2.54 419	1.81 466	3.47 481	1.78 480	2.50 481	1.86 482	2.61 482	1.68 469	2.61 484	1.83 479	2.37 472	1.73 465	2.44 477	1.88 491	2.51 484	1.84 473	2.34 483	1.62 476	2.23 453	1.77 487

U	5.15 535	8.49 515	1.81 466	8.49 532	1.77 479	8.49 542	1.77 476	8.51 543	1.77 481	8.49 543	1.77 478	8.50 543	1.78 470	8.58 543	1.77 482	8.54 541	1.78 470	8.55 543	1.78 489	8.55 537	1.84 488

FBW_ROB	2.12 465	2.46 418	1.77 465	2.49 451	1.79 481	2.38 473	1.83 477	2.46 475	1.78 482	2.48 480	1.97 493	2.40 473	1.78 470	2.42 476	1.83 484	2.31 472	1.85 474	2.38 486	1.82 490	2.35 460	1.84 488

monsterstereo	2.20 473	2.33 406	1.95 486	3.65 488	2.07 498	2.49 479	1.61 469	2.48 476	1.83 486	2.45 478	1.61 472	2.67 487	1.86 472	2.64 484	1.94 493	2.48 483	1.66 464	2.34 483	1.68 482	2.40 462	1.86 490

monsters	2.18 467	2.41 416	1.96 487	3.47 481	2.03 497	2.53 483	1.64 471	2.48 476	1.73 478	2.40 477	1.50 465	2.62 484	1.94 480	2.59 482	1.94 493	2.44 479	1.57 455	2.28 479	1.87 492	2.42 463	1.86 490

2.5w	2.01 454	2.40 415	1.37 442	3.28 471	2.01 493	2.71 489	1.43 466	1.82 445	1.83 486	1.90 451	1.41 462	2.71 488	1.35 447	2.71 488	1.85 486	2.66 487	1.53 451	1.64 456	1.23 445	2.53 476	1.87 492

3.25w_new	2.03 457	2.72 432	1.35 432	3.33 476	1.57 465	2.72 490	1.53 468	2.15 461	1.33 454	2.15 467	1.60 470	2.63 485	1.30 443	2.72 490	1.99 497	2.67 489	1.53 451	1.75 459	1.25 448	2.53 476	1.87 492

3.5w_stereo	2.03 457	2.72 432	1.35 432	3.41 478	1.57 465	2.72 490	1.49 467	2.01 453	1.34 455	2.15 467	1.61 472	2.63 485	1.36 448	2.72 490	1.99 497	2.66 487	1.58 456	1.68 458	1.24 446	2.53 476	1.87 492

4w-stereo	2.02 455	2.72 432	1.44 447	3.36 477	1.59 467	2.48 478	1.72 475	2.28 463	1.24 450	2.24 469	1.65 474	2.56 481	1.32 445	2.39 473	1.98 496	2.67 489	1.51 449	1.66 457	1.24 446	2.53 476	1.88 495

GANet-RSSM	0.75 308	1.91 376	0.14 124	0.47 234	0.14 148	0.21 160	3.21 522	2.30 469	0.14 148	0.46 265	0.14 151	0.23 168	0.18 169	0.21 161	0.14 141	0.18 146	0.27 188	0.37 236	0.13 147	2.13 451	2.12 496

HUF	2.18 467	2.30 403	1.99 491	2.34 446	2.02 496	2.41 475	2.06 496	2.38 472	1.89 494	2.36 475	1.85 480	2.56 481	1.98 483	2.31 471	1.97 495	2.30 471	2.03 484	2.30 480	2.11 499	2.23 453	2.16 497

AIO_test	2.18 467	2.09 388	2.04 492	2.42 448	2.01 493	2.47 477	1.94 488	2.34 470	2.03 502	2.56 483	1.94 490	2.43 474	1.94 480	2.41 474	1.87 490	2.39 477	2.10 486	2.35 485	1.91 498	2.25 455	2.19 498

AIO_rvc	2.18 467	2.34 410	1.87 481	2.32 445	1.94 491	2.40 474	1.89 486	2.37 471	2.07 503	2.52 482	1.95 492	2.44 475	1.99 485	2.41 474	1.89 492	2.32 473	2.09 485	2.24 477	2.18 500	2.21 452	2.23 499

NCCL2	2.28 479	2.27 401	2.28 494	2.28 444	2.28 506	2.27 467	2.29 500	2.28 463	2.28 504	2.27 470	2.28 505	2.28 464	2.27 493	2.27 468	2.28 504	2.28 469	2.28 491	2.27 478	2.29 504	2.27 456	2.29 500

PSMNet-RSSM	0.77 313	2.76 436	0.14 124	0.20 131	0.14 148	0.20 152	2.66 503	2.79 494	0.14 148	0.21 159	0.14 151	0.21 158	0.14 148	0.20 150	0.14 141	0.17 138	0.12 109	0.17 143	0.12 139	2.52 473	2.31 501

GwcNet-RSSM	0.77 313	2.77 438	0.14 124	0.20 131	0.14 148	0.20 152	2.67 504	2.78 493	0.14 148	0.20 149	0.14 151	0.20 150	0.14 148	0.21 161	0.14 141	0.17 138	0.12 109	0.17 143	0.12 139	2.52 473	2.31 501

hitnet-ft	0.79 317	2.78 440	0.14 124	0.20 131	0.14 148	0.21 160	2.89 506	2.80 495	0.14 148	0.20 149	0.14 151	0.20 150	0.14 148	0.20 150	0.14 141	0.17 138	0.12 109	0.17 143	0.12 139	2.54 481	2.33 503

STTStereo	3.73 505	30.40 552	2.37 498	2.39 447	2.31 508	2.35 472	2.33 501	2.29 465	2.42 505	2.32 474	2.34 506	2.33 468	2.36 494	2.30 470	2.27 503	2.35 474	2.22 490	2.31 481	2.22 501	2.29 458	2.34 504

sAnonymous2	3.31 502	2.63 423	1.38 444	3.71 490	1.86 485	4.70 525	1.11 386	4.82 528	2.72 507	5.45 533	1.98 499	4.59 518	2.64 495	2.65 485	6.21 538	4.37 501	1.08 362	5.16 532	2.24 502	4.52 499	2.39 505

CroCo_RVC	3.31 502	2.63 423	1.38 444	3.71 490	1.86 485	4.70 525	1.11 386	4.82 528	2.72 507	5.45 533	1.98 499	4.59 518	2.64 495	2.65 485	6.21 538	4.37 501	1.08 362	5.16 532	2.24 502	4.52 499	2.39 505

Sa-1000	4.34 523	8.37 512	6.84 536	6.98 527	4.45 537	3.58 503	3.00 507	3.42 503	3.39 523	2.61 484	4.00 531	3.83 507	4.01 524	3.90 507	3.90 527	5.98 530	5.62 525	3.76 507	2.34 505	4.35 497	2.47 507

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	2.88 496	2.86 509	1.89 450	2.67 507	2.79 498	2.79 498	2.78 497	2.83 505	2.82 492	2.82 494	2.83 498	2.77 507	2.83 484	2.76 508
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MLG-Stereo_test1	4.25 518	5.34 492	3.61 518	5.31 514	3.63 528	5.23 531	3.57 525	5.38 533	3.65 524	5.23 530	3.47 522	4.76 527	3.74 518	4.85 526	3.71 523	4.96 519	3.18 508	4.71 524	2.92 508	4.86 515	2.90 509

MLG-Stereo_test3	4.26 519	4.85 480	3.95 522	5.35 515	3.60 527	4.75 528	3.76 528	5.49 534	3.71 526	5.39 531	3.69 526	4.82 529	3.66 515	4.85 526	3.73 526	4.93 518	3.19 509	4.69 523	2.99 510	4.84 514	2.98 510

rvit_0105_6	3.87 510	5.73 500	3.10 512	4.69 507	3.12 521	4.54 515	3.02 509	4.56 515	3.04 510	4.54 516	3.03 510	4.54 514	3.04 502	4.56 515	3.05 508	4.58 510	3.05 496	4.58 515	3.05 511	4.58 502	3.05 511

rvit_105_1	3.83 506	5.22 486	3.01 502	4.53 497	3.01 511	4.51 513	3.01 508	4.56 515	3.04 510	4.53 514	3.03 510	4.55 516	3.03 499	4.56 515	3.04 506	4.57 507	3.05 496	4.57 513	3.05 511	4.57 501	3.05 511

rvit_stereo_0081	3.83 506	5.23 487	3.01 502	4.53 497	3.03 513	4.55 519	3.02 509	4.56 515	3.04 510	4.52 512	3.02 508	4.54 514	3.03 499	4.56 515	3.04 506	4.57 507	3.05 496	4.57 513	3.05 511	4.58 502	3.05 511

rvit_stereo_0082	3.86 508	5.82 501	3.01 502	4.53 497	3.03 513	4.54 515	3.02 509	4.56 515	3.04 510	4.53 514	3.02 508	4.55 516	3.04 502	4.57 518	3.05 508	4.57 507	3.05 496	4.58 515	3.05 511	4.58 502	3.06 514

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	4.64 522	3.06 514	4.54 516	3.04 512	4.62 523	3.08 506	4.62 521	3.07 511	4.58 510	3.06 500	4.60 517	3.08 515	4.63 505	3.07 515

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

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

rvit_stereo_0083	3.92 515	5.30 489	3.06 510	4.61 506	3.09 520	4.67 524	3.08 518	4.66 523	3.09 519	4.62 522	3.10 518	4.66 526	3.11 508	4.67 523	3.16 517	4.72 517	3.16 506	4.77 526	3.11 518	4.66 508	3.11 518

MLG-Stereo_test2	4.28 520	5.46 496	3.69 520	4.86 510	3.72 530	5.58 534	3.42 523	4.81 527	3.77 530	4.85 526	3.72 527	5.55 535	3.63 514	5.58 533	3.53 521	4.41 504	3.28 510	4.99 530	2.95 509	4.75 510	3.13 519

rvit_0105_3	3.91 513	5.33 490	3.06 510	4.60 505	3.07 519	4.60 522	3.06 517	4.62 521	3.08 518	4.60 521	3.07 516	4.62 523	3.08 506	4.67 523	3.10 515	4.70 515	3.11 503	4.77 526	3.19 522	4.77 511	3.14 520

rvit_0105_4	3.91 513	5.47 497	3.02 505	4.54 500	3.02 512	4.54 515	3.03 513	4.75 525	3.17 521	4.57 518	3.06 513	4.61 522	3.16 510	4.65 522	3.09 514	4.66 514	3.11 503	4.68 522	3.18 521	4.81 512	3.16 521

rvit_stereo_ft	3.93 516	5.44 495	3.05 509	4.59 504	3.06 518	4.61 523	3.08 518	4.67 524	3.12 520	4.63 523	3.10 518	4.65 525	3.11 508	4.69 525	3.13 516	4.70 515	3.14 505	4.71 524	3.15 520	4.74 509	3.16 521

raft_robust	4.71 528	7.75 510	5.40 531	6.81 524	3.31 523	4.28 512	4.20 534	4.32 512	4.37 536	4.35 511	4.35 534	4.14 510	3.75 519	4.30 513	4.20 532	6.67 533	6.37 528	3.36 502	4.24 536	4.86 515	3.25 523

rvit_0105_5	4.10 517	5.40 493	3.13 515	4.71 508	3.15 522	4.72 527	3.10 520	4.90 530	3.27 522	4.69 524	3.16 520	4.84 530	3.25 511	4.96 529	3.34 519	5.05 522	3.39 511	5.10 531	3.40 523	5.11 519	3.42 524

DispFullNet	4.61 526	4.84 479	3.12 513	5.00 512	3.57 526	4.75 528	3.03 513	7.75 541	4.17 534	4.91 528	3.09 517	6.20 537	3.95 522	6.71 537	3.51 520	5.30 525	3.67 513	5.86 538	3.63 525	5.61 523	3.46 525

SA	4.33 522	7.35 506	6.85 537	5.96 520	4.09 534	3.59 504	3.15 521	3.82 507	2.64 506	3.91 505	3.85 528	3.57 503	2.72 497	3.13 499	4.03 529	7.09 537	6.86 532	3.57 503	3.12 519	3.85 489	3.51 526

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

RAFT+CT+SA	4.28 520	7.62 509	4.91 526	5.55 517	2.28 506	3.09 498	3.64 526	4.49 513	3.07 515	4.80 525	3.35 521	4.77 528	3.70 517	4.29 512	3.05 508	5.58 526	5.98 527	3.58 504	3.78 530	4.26 495	3.72 528

test_4	4.88 530	8.13 511	6.98 538	7.46 528	4.44 536	4.25 511	3.85 531	4.04 511	3.92 531	4.13 508	3.91 529	4.18 511	3.84 520	4.14 510	4.06 530	7.01 536	7.13 533	4.53 511	3.72 529	4.09 493	3.72 528

TestStereo1	4.60 524	8.41 513	6.44 534	6.86 525	3.79 531	3.97 508	3.78 529	3.99 509	3.74 527	3.97 506	3.52 523	3.94 508	3.58 512	3.98 508	3.72 524	6.82 534	6.50 530	3.76 507	3.66 526	3.90 490	3.74 530

SA-5K	4.60 524	8.41 513	6.44 534	6.86 525	3.79 531	3.97 508	3.78 529	3.99 509	3.74 527	3.97 506	3.52 523	3.94 508	3.58 512	3.98 508	3.72 524	6.82 534	6.50 530	3.76 507	3.66 526	3.90 490	3.74 530

FC-DCNN v2	5.10 534	5.15 484	4.49 524	5.07 513	3.37 524	6.87 537	4.75 536	5.04 531	6.34 541	7.84 541	5.06 537	6.72 541	4.09 525	4.99 530	5.44 537	5.03 521	3.16 506	4.67 521	4.86 537	5.15 520	3.89 532

cross-raft	4.83 529	7.52 507	6.43 533	6.63 523	3.96 533	4.51 513	3.99 532	4.49 513	3.96 532	4.52 512	3.96 530	4.50 513	3.97 523	4.50 514	3.97 528	6.65 532	6.44 529	4.33 510	3.92 532	4.35 497	3.91 533

test_5	4.62 527	7.55 508	6.23 532	6.32 522	3.40 525	5.29 532	3.50 524	3.53 504	4.11 533	4.28 509	4.47 535	4.26 512	4.38 527	3.68 505	3.24 518	5.89 528	5.60 524	4.84 528	3.50 524	4.33 496	3.93 534

SGM-Forest	5.21 536	5.92 502	4.08 523	6.18 521	4.16 535	6.31 536	4.34 535	6.50 536	4.33 535	6.14 537	4.21 533	6.61 540	4.55 528	6.67 536	4.48 533	5.94 529	3.94 515	5.85 537	4.03 534	5.79 525	4.17 535
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test_3	5.01 532	8.86 518	7.77 540	8.09 530	2.76 510	4.13 510	4.05 533	3.88 508	3.76 529	4.33 510	4.13 532	3.71 506	3.91 521	4.21 511	4.06 530	7.93 538	7.69 535	4.53 511	3.91 531	4.17 494	4.29 536

TestStereo	4.88 530	4.75 478	4.79 525	4.87 511	4.92 538	4.81 530	4.90 537	4.78 526	4.77 537	4.87 527	4.89 536	4.90 531	4.91 529	4.99 530	4.79 534	4.98 520	4.87 521	4.87 529	4.92 538	5.00 518	5.00 537

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

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	7.92 542	5.28 539	7.91 542	5.29 539	7.93 542	5.27 530	7.92 542	5.28 535	7.93 538	5.28 523	7.93 541	5.29 540	7.93 534	5.28 539

test-1	6.46 537	9.16 520	8.03 543	8.09 530	5.62 541	6.11 535	6.35 540	6.85 538	4.94 538	6.08 536	6.29 542	4.98 532	6.43 534	6.22 534	6.36 540	6.16 531	7.47 534	5.82 536	5.44 541	7.11 531	5.68 540

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

CFNet_RVC	2.38 487	8.71 516	0.38 232	9.33 535	0.42 302	0.56 315	0.42 291	0.60 314	0.38 271	0.62 324	0.42 298	0.56 319	7.29 538	0.62 322	0.42 293	0.53 296	0.37 232	0.49 308	0.34 261	8.30 535	6.87 542

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

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

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

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

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

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

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

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

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

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

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

fff	1000028.16 571	29.62 549	29.72 552	32.61 552	30.02 553	35.13 553	31.83 553	32.07 553	10000000.00 572	35.27 555	29.82 553	32.45 553	30.15 552	32.35 553	30.09 552	31.04 553	29.55 554	30.64 553	30.14 553	10000000.00 572	30.77 554

csc	1000028.16 571	29.62 549	29.72 552	32.61 552	30.02 553	35.13 553	31.83 553	32.07 553	10000000.00 572	35.27 555	29.82 553	32.45 553	30.15 552	32.35 553	30.09 552	31.04 553	29.55 554	30.64 553	30.14 553	10000000.00 572	30.77 554

cscssc	1000028.16 571	29.62 549	29.72 552	32.61 552	30.02 553	35.13 553	31.83 553	32.07 553	10000000.00 572	35.27 555	29.82 553	32.45 553	30.15 552	32.35 553	30.09 552	31.04 553	29.55 554	30.64 553	30.14 553	10000000.00 572	30.77 554

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

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

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

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

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

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

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

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

CBMV	128.50 560	1422.70 574	53.10 564	79.50 565	51.30 565	77.30 564	49.70 563	74.00 564	48.20 562	77.20 565	48.80 564	73.90 565	48.00 562	73.80 565	48.80 564	70.40 565	45.10 565	68.90 565	46.10 565	68.20 562	45.00 565
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	75.64 565	45.04 561	71.61 564	41.75 563	72.81 564	44.06 561	68.38 564	44.63 563	101.89 566	59.57 566	107.10 566	61.05 566	104.38 563	59.38 566

MeshStereo	159.24 561	171.00 568	160.68 569	162.58 567	160.59 567	164.01 565	160.35 566	158.51 567	158.56 564	158.34 566	160.12 566	158.56 566	159.92 564	157.26 567	158.94 566	154.38 567	158.36 567	155.75 567	159.13 568	153.67 564	154.07 567
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	217.00 568	236.00 566	202.00 568	203.00 567	205.00 568	208.00 565	225.00 568	204.00 567	210.00 568	198.00 568	197.00 568	184.00 569	204.00 565	201.00 568

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

DIP-Stereo	10000000.00 574	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 574	10000000.00 574	10000000.00 575	10000000.00 572	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 572	10000000.00 575	10000000.00 574	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575
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