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

U	9.45 464	0.21 7	0.58 62	0.47 53	53.11 482	61.27 486	0.24 7	0.70 12	0.52 25	0.36 5	0.28 2	0.29 1	0.35 20	0.33 1	0.26 1	0.19 111	0.11 4	60.50 483	8.88 470	0.17 35	0.13 4

IGEV-Stereo++	0.30 1	0.20 2	0.40 9	0.46 45	0.30 95	0.33 6	0.22 3	0.75 17	0.45 6	0.32 2	0.41 4	0.32 3	0.48 72	0.38 2	0.27 2	0.15 7	0.11 4	0.15 4	0.12 13	0.15 8	0.13 4

MoCha-V2	0.40 15	0.20 2	0.49 21	0.50 97	0.21 4	0.44 27	0.33 48	0.93 68	0.53 27	0.53 46	0.53 20	0.42 10	0.58 130	1.09 148	0.27 2	0.14 4	0.12 12	0.15 4	0.12 13	0.17 35	0.15 37

IGEV-BASED-STEREO-	0.70 193	3.18 463	2.55 423	0.39 5	0.23 8	0.44 27	0.23 5	0.63 4	0.42 4	0.44 17	0.44 8	0.34 4	0.28 4	0.56 20	0.29 4	1.35 437	0.10 1	0.22 150	0.19 132	0.46 370	1.31 437

RSM	0.39 10	0.24 30	0.49 21	0.46 45	0.26 26	0.47 35	0.40 110	0.92 62	0.44 5	0.41 10	0.42 5	0.65 84	0.33 15	1.07 144	0.29 4	0.15 7	0.12 12	0.17 23	0.13 19	0.17 35	0.13 4

SPstereo	0.40 15	0.28 102	0.68 111	0.47 53	0.25 23	0.53 79	0.32 44	0.82 39	0.58 31	0.65 65	0.69 53	0.58 65	0.42 37	0.47 6	0.29 4	0.17 40	0.14 92	0.17 23	0.13 19	0.17 35	0.14 19

IGEV-Stereo+	0.45 40	0.21 7	0.43 13	0.41 8	0.39 214	0.15 1	0.19 1	0.44 1	0.36 1	0.26 1	0.25 1	0.31 2	0.41 34	1.43 213	0.30 7	0.17 40	0.12 12	0.15 4	0.11 7	1.16 430	1.70 444

AIO-Stereo	0.37 5	0.25 49	0.51 30	0.47 53	0.23 8	0.45 30	0.39 104	1.07 131	0.52 25	0.41 10	0.48 13	0.52 46	0.25 1	0.72 57	0.30 7	0.16 15	0.12 12	0.17 23	0.13 19	0.16 18	0.13 4

RSM++	0.38 9	0.24 30	0.51 30	0.47 53	0.26 26	0.50 55	0.41 123	0.79 27	0.45 6	0.37 6	0.45 9	0.60 71	0.35 20	1.02 131	0.30 7	0.15 7	0.13 51	0.17 23	0.14 37	0.18 61	0.13 4

IGEVStereo-DCA	0.46 44	0.28 102	0.56 49	0.43 15	0.33 147	0.49 46	0.42 126	0.87 46	0.50 14	0.47 25	0.48 13	0.48 29	0.46 53	2.03 299	0.30 7	0.19 111	0.14 92	0.19 70	0.15 47	0.16 18	0.18 105

rrr	0.46 44	0.28 102	0.73 158	0.43 15	0.33 147	0.49 46	0.38 92	0.76 20	0.50 14	0.47 25	0.48 13	0.48 29	0.46 53	2.03 299	0.30 7	0.19 111	0.14 92	0.19 70	0.15 47	0.16 18	0.16 56

AEACV	0.37 5	0.24 30	0.52 35	0.47 53	0.51 292	0.37 11	0.38 92	0.65 6	0.53 27	0.42 12	0.56 31	0.46 22	0.60 134	0.53 13	0.30 7	0.16 15	0.13 51	0.18 52	0.15 47	0.17 35	0.14 19

Selective-IGEV	0.39 10	0.24 30	0.50 24	0.44 31	0.25 23	0.46 33	0.33 48	1.25 185	0.40 2	0.35 4	0.45 9	0.52 46	0.30 8	1.07 144	0.30 7	0.14 4	0.12 12	0.17 23	0.13 19	0.16 18	0.13 4

MC-Stereo	0.43 25	0.23 23	0.48 18	0.51 124	0.28 63	0.39 12	0.32 44	0.88 53	0.68 64	0.60 60	0.84 87	0.56 58	0.61 142	1.03 132	0.31 14	0.17 40	0.11 4	0.17 23	0.15 47	0.16 18	0.13 4

test_xeample3	0.42 21	0.28 102	0.69 122	0.43 15	0.33 147	0.56 95	0.38 92	0.79 27	0.45 6	0.53 46	0.46 11	0.44 14	0.44 46	1.38 201	0.31 14	0.18 73	0.14 92	0.19 70	0.15 47	0.17 35	0.16 56

ACVNet-DCA	0.56 114	0.31 184	0.50 24	0.54 172	0.26 26	1.18 315	0.51 206	1.42 214	0.78 89	0.58 52	0.79 78	0.48 29	0.88 245	1.46 219	0.32 16	0.20 140	0.12 12	0.25 243	0.15 47	0.22 177	0.21 183

xx1	0.67 183	0.31 184	0.50 24	0.54 172	0.26 26	1.18 315	0.51 206	0.93 68	3.05 437	0.58 52	0.79 78	0.95 196	0.77 191	1.46 219	0.32 16	0.20 140	0.12 12	0.24 205	0.23 252	0.22 177	0.21 183

cc1	0.64 161	0.31 184	0.50 24	0.54 172	0.26 26	1.18 315	0.51 206	0.93 68	3.05 437	0.58 52	0.79 78	0.48 29	0.88 245	1.46 219	0.32 16	0.20 140	0.12 12	0.25 243	0.15 47	0.19 93	0.19 140

ffm	0.72 202	0.33 219	0.85 214	0.53 157	0.37 187	0.74 188	0.56 252	0.95 79	2.47 425	1.15 203	1.45 299	1.06 230	0.82 214	1.55 236	0.32 16	0.20 140	0.12 12	0.31 313	0.27 302	0.19 93	0.20 167

tt1	0.62 143	0.32 200	0.51 30	0.54 172	0.26 26	1.16 312	0.48 189	0.95 79	2.47 425	0.57 51	0.77 72	0.49 36	0.81 210	1.55 236	0.32 16	0.20 140	0.12 12	0.24 205	0.15 47	0.19 93	0.20 167

MSKI-zero shot	0.55 105	0.26 61	0.57 58	0.51 124	0.26 26	0.69 166	0.28 26	1.18 162	0.64 45	0.91 118	1.32 259	0.82 136	0.33 15	1.92 288	0.32 16	0.17 40	0.12 12	0.17 23	0.13 19	0.16 18	0.16 56

CASnet	0.41 20	0.25 49	0.48 18	0.50 97	0.20 2	0.50 55	0.36 76	0.81 36	0.80 94	0.83 102	0.68 49	0.48 29	0.31 10	0.54 15	0.32 16	0.18 73	0.12 12	0.27 275	0.22 231	0.23 202	0.14 19
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.53 75	0.24 30	0.47 16	0.47 53	0.27 42	1.00 282	0.25 8	1.58 256	1.05 184	0.85 108	0.99 122	1.06 230	0.47 62	0.70 51	0.32 16	0.18 73	0.13 51	0.16 15	0.13 19	0.16 18	0.16 56

RCA-Stereo	0.50 64	0.23 23	0.58 62	0.48 74	0.33 147	0.55 92	0.45 169	0.97 87	1.38 349	0.68 68	1.05 151	0.63 78	0.80 207	0.59 25	0.32 16	0.17 40	0.12 12	0.17 23	0.14 37	0.16 18	0.14 19

WCG-NET	0.46 44	0.23 23	0.52 35	0.45 41	0.35 165	0.70 173	0.26 15	0.95 79	0.96 142	0.74 81	0.69 53	0.65 84	0.52 90	0.88 95	0.33 25	0.18 73	0.13 51	0.16 15	0.15 47	0.16 18	0.17 80

Pointernet	0.37 5	0.20 2	0.57 58	0.43 15	0.28 63	0.51 70	0.27 22	0.93 68	0.61 36	0.47 25	0.63 40	0.49 36	0.38 28	0.49 8	0.33 25	0.17 40	0.13 51	0.14 1	0.11 7	0.13 1	0.12 3

CAS++	0.47 51	0.31 184	0.56 49	0.47 53	0.32 130	0.42 20	0.28 26	1.76 299	0.72 75	0.71 73	0.72 62	0.37 8	0.28 4	0.69 48	0.33 25	0.27 290	0.22 297	0.26 262	0.21 204	0.29 279	0.19 140
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
gcap-zeroshot	0.53 75	0.28 102	0.89 244	0.49 88	0.28 63	0.76 198	0.37 86	1.34 198	0.73 79	0.89 112	0.67 46	1.35 307	0.51 86	0.79 75	0.33 25	0.18 73	0.15 146	0.18 52	0.15 47	0.17 35	0.16 56

test_for_model	1.30 363	3.71 466	0.58 62	3.22 457	2.84 457	0.59 107	0.33 48	1.40 211	0.83 101	1.42 334	0.61 37	0.52 46	0.37 23	0.51 10	0.33 25	2.46 444	0.15 146	0.16 15	0.11 7	4.39 467	1.50 440

ff7	0.43 25	0.27 84	0.56 49	0.44 31	0.33 147	0.50 55	0.42 126	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 201	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

ffff	0.43 25	0.27 84	0.56 49	0.44 31	0.33 147	0.50 55	0.42 126	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 201	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

11t	0.43 25	0.27 84	0.56 49	0.44 31	0.33 147	0.50 55	0.42 126	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 201	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

testlalala	0.45 40	0.28 102	0.59 69	0.42 13	0.39 214	0.71 179	0.39 104	1.08 136	0.45 6	1.24 257	0.80 83	0.61 75	0.36 22	0.54 15	0.33 25	0.20 140	0.13 51	0.18 52	0.12 13	0.15 8	0.15 37

anonymousdsp	0.43 25	0.27 84	0.53 38	0.44 31	0.32 130	0.50 55	0.42 126	0.89 54	0.51 21	0.49 34	0.53 20	0.47 26	0.47 62	1.33 189	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

CES	0.48 57	0.20 2	0.37 2	0.39 5	1.39 434	0.55 92	0.35 64	0.98 89	0.66 60	0.44 17	0.66 43	0.35 5	0.27 3	0.56 20	0.33 25	0.15 7	0.13 51	0.15 4	0.10 2	0.19 93	1.46 439

EGLCR-Stereo	0.37 5	0.22 18	0.51 30	0.43 15	0.26 26	0.44 27	0.22 3	0.99 91	0.48 11	0.42 12	0.42 5	0.67 92	0.29 7	0.86 93	0.33 25	0.17 40	0.12 12	0.19 70	0.17 98	0.17 35	0.15 37

ccc-4	0.43 25	0.27 84	0.56 49	0.44 31	0.33 147	0.50 55	0.42 126	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 201	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

IGEV-Stereo	0.43 25	0.27 84	0.54 43	0.45 41	0.32 130	0.50 55	0.42 126	0.90 60	0.51 21	0.49 34	0.53 20	0.47 26	0.47 62	1.32 187	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
model_zeroshot	0.48 57	0.29 132	0.86 220	0.51 124	0.36 175	0.69 166	0.37 86	1.12 148	0.62 38	0.85 108	0.84 87	0.66 89	0.37 23	0.73 61	0.34 39	0.20 140	0.16 181	0.19 70	0.16 81	0.17 35	0.16 56

RAStereo	0.34 2	0.21 7	0.66 103	0.47 53	0.27 42	0.26 2	0.29 30	0.69 10	0.63 41	0.32 2	0.42 5	0.45 20	0.31 10	0.45 4	0.34 39	0.17 40	0.15 146	0.19 70	0.15 47	0.18 61	0.13 4

WCG-NET（raft）	0.45 40	0.21 7	0.55 48	0.40 7	0.24 13	0.50 55	0.36 76	0.73 14	1.09 203	0.71 73	0.76 70	0.92 184	0.51 86	0.84 87	0.34 39	0.16 15	0.12 12	0.15 4	0.14 37	0.14 3	0.14 19

trnet	0.39 10	0.21 7	0.37 2	0.36 2	0.20 2	0.53 79	0.29 30	0.78 25	1.12 214	0.59 59	0.71 59	0.53 51	0.42 37	0.54 15	0.34 39	0.18 73	0.13 51	0.15 4	0.10 2	0.14 3	0.13 4

MyStereo07	0.48 57	0.29 132	0.50 24	0.55 193	0.45 255	0.59 107	0.79 326	1.05 116	0.51 21	0.48 29	0.53 20	0.43 12	0.55 108	1.30 183	0.34 39	0.17 40	0.16 181	0.24 205	0.20 164	0.23 202	0.20 167

CroCo-Stereo	0.40 15	0.31 184	0.73 158	0.58 226	0.27 42	0.26 2	0.33 48	0.95 79	0.81 95	0.42 12	0.47 12	0.65 84	0.47 62	0.39 3	0.34 39	0.18 73	0.15 146	0.16 15	0.14 37	0.19 93	0.16 56
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
CREStereo	0.39 10	0.21 7	0.38 5	0.34 1	0.22 6	0.53 79	0.29 30	0.77 21	1.11 210	0.58 52	0.71 59	0.51 41	0.41 34	0.54 15	0.34 39	0.18 73	0.13 51	0.15 4	0.10 2	0.14 3	0.14 19
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
CAS	0.63 150	0.18 1	0.37 2	2.27 443	0.84 397	0.57 100	0.54 229	0.79 27	0.62 38	0.48 29	0.70 56	0.36 6	0.26 2	0.45 4	0.35 46	2.24 443	0.10 1	0.14 1	0.09 1	0.15 8	1.06 432

cross-raft	0.54 90	0.25 49	0.61 77	0.52 143	0.29 78	0.68 161	0.37 86	1.46 224	0.76 85	1.01 146	1.06 153	1.28 293	0.46 53	0.71 54	0.35 46	0.15 7	0.12 12	0.18 52	0.16 81	0.19 93	0.14 19

TANstereo	0.44 33	0.21 7	0.44 14	0.41 8	0.21 4	0.65 142	0.26 15	0.79 27	0.83 101	0.93 121	0.98 120	0.51 41	0.46 53	0.54 15	0.35 46	0.18 73	0.24 314	0.16 15	0.13 19	0.16 18	0.26 264

XX-Stereo	0.63 150	0.26 61	1.90 401	0.81 379	0.67 355	0.43 25	0.23 5	1.03 105	0.58 31	0.65 65	1.56 327	1.41 315	0.39 29	1.28 179	0.35 46	0.20 140	0.14 92	0.20 97	0.19 132	0.18 61	0.14 19

CFNet-RSSM	0.54 90	0.24 30	0.70 128	0.48 74	0.28 63	0.60 114	0.27 22	1.49 229	1.14 228	1.06 157	0.93 105	1.08 236	0.54 101	0.70 51	0.35 46	0.16 15	0.12 12	0.17 23	0.15 47	0.16 18	0.14 19

PMTNet	0.46 44	0.21 7	0.38 5	0.37 3	0.23 8	0.71 179	0.27 22	0.74 16	1.04 180	0.64 63	0.70 56	0.55 53	0.47 62	0.86 93	0.35 46	1.00 426	0.13 51	0.15 4	0.10 2	0.15 8	0.13 4

GCAP-BAT	0.49 61	0.31 184	0.64 90	0.41 8	0.46 265	0.70 173	0.35 64	0.77 21	0.64 45	0.86 110	1.00 126	0.77 117	0.37 23	1.18 163	0.36 52	0.18 73	0.14 92	0.18 52	0.13 19	0.17 35	0.15 37

RAFT-Stereo-weight	0.47 51	0.24 30	0.53 38	0.48 74	0.27 42	0.60 114	0.35 64	1.02 101	1.07 192	0.99 139	0.78 74	0.76 114	0.28 4	0.76 67	0.36 52	0.16 15	0.12 12	0.17 23	0.15 47	0.16 18	0.15 37

MGS-Stereo	0.42 21	0.26 61	0.58 62	0.44 31	0.28 63	0.50 55	0.34 60	0.57 3	0.83 101	0.46 23	1.31 253	0.52 46	0.33 15	0.65 43	0.36 52	0.19 111	0.16 181	0.18 52	0.15 47	0.17 35	0.16 56

MaDis-Stereo	0.36 3	0.25 49	0.58 62	0.44 31	0.34 162	0.30 5	0.30 35	0.72 13	0.50 14	0.37 6	0.36 3	0.58 65	0.49 80	0.52 11	0.36 52	0.19 111	0.16 181	0.19 70	0.15 47	0.18 61	0.14 19

RAFT-Test	0.54 90	0.25 49	0.64 90	0.47 53	0.30 95	0.97 275	0.27 22	1.24 183	0.81 95	0.96 129	1.12 182	1.28 293	0.48 72	0.71 54	0.36 52	0.17 40	0.13 51	0.17 23	0.14 37	0.16 18	0.16 56

LoS_RVC	0.42 21	0.26 61	0.40 9	0.44 31	0.82 395	0.51 70	0.44 155	0.64 5	0.41 3	0.44 17	0.78 74	0.44 14	0.47 62	0.56 20	0.36 52	0.13 1	0.12 12	0.14 1	0.10 2	0.13 1	0.84 420

ProNet	0.43 25	0.28 102	0.58 62	0.43 15	0.30 95	0.56 95	0.52 216	1.00 95	0.58 31	0.44 17	0.49 16	0.43 12	0.43 41	1.28 179	0.36 52	0.15 7	0.13 51	0.19 70	0.16 81	0.17 35	0.16 56

RAFT_CTSACE	0.63 150	0.26 61	0.88 238	0.55 193	0.51 292	0.71 179	0.44 155	0.80 33	0.97 150	0.97 132	1.84 371	1.18 266	0.68 164	1.47 223	0.36 52	0.16 15	0.15 146	0.21 123	0.20 164	0.20 120	0.14 19

HH	0.63 150	0.30 151	0.77 191	0.50 97	0.32 130	0.49 46	0.46 175	1.65 272	0.64 45	0.69 69	1.09 165	1.63 352	0.85 228	1.90 286	0.37 60	0.18 73	0.13 51	0.19 70	0.17 98	0.19 93	0.16 56

HanStereo	0.63 150	0.30 151	0.77 191	0.50 97	0.32 130	0.49 46	0.46 175	1.65 272	0.64 45	0.69 69	1.09 165	1.63 352	0.85 228	1.90 286	0.37 60	0.18 73	0.13 51	0.19 70	0.17 98	0.19 93	0.16 56

4D-IteraStereo	0.48 57	0.24 30	0.76 186	0.50 97	0.44 248	0.66 150	0.31 40	0.87 46	1.02 173	1.03 153	0.72 62	0.78 121	0.32 14	0.64 39	0.37 60	0.17 40	0.11 4	0.23 185	0.19 132	0.19 93	0.13 4

LoS	0.40 15	0.21 7	0.44 14	0.37 3	0.22 6	0.50 55	0.40 110	1.00 95	0.94 135	0.48 29	0.66 43	0.48 29	0.40 32	0.60 36	0.37 60	0.18 73	0.14 92	0.16 15	0.11 7	0.14 3	0.14 19
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
raft_robust	0.68 187	0.30 151	0.64 90	0.52 143	0.26 26	0.54 86	0.35 64	1.33 193	1.24 286	1.16 213	1.07 156	0.60 71	0.54 101	3.58 370	0.37 60	0.18 73	0.14 92	0.20 97	0.22 231	0.20 120	0.16 56

test_4	0.53 75	0.22 18	0.56 49	0.54 172	0.32 130	0.64 128	0.39 104	0.80 33	0.62 38	0.92 120	1.87 376	0.68 94	0.42 37	1.16 159	0.37 60	0.15 7	0.13 51	0.20 97	0.22 231	0.20 120	0.15 37

test-3	0.54 90	0.22 18	0.68 111	0.47 53	0.27 42	0.58 102	0.35 64	0.92 62	1.00 167	1.32 297	0.69 53	0.87 160	0.45 49	1.68 259	0.37 60	0.16 15	0.11 4	0.20 97	0.16 81	0.17 35	0.13 4

test_1	0.54 90	0.22 18	0.68 111	0.47 53	0.27 42	0.58 102	0.35 64	0.92 62	1.00 167	1.28 271	0.68 49	0.87 160	0.45 49	1.67 254	0.37 60	0.16 15	0.11 4	0.20 97	0.16 81	0.17 35	0.13 4

XX-TBD	0.46 44	0.70 390	0.35 1	0.79 373	0.25 23	0.58 102	0.26 15	0.69 10	1.27 300	0.76 82	1.00 126	0.45 20	0.33 15	0.47 6	0.37 60	0.19 111	0.15 146	0.15 4	0.11 7	0.17 35	0.14 19

Gwc-CoAtRS	0.52 66	0.24 30	0.68 111	0.48 74	0.29 78	0.64 128	0.25 8	1.16 155	1.08 197	1.01 146	1.00 126	1.12 253	0.56 112	0.69 48	0.37 60	0.16 15	0.13 51	0.17 23	0.15 47	0.15 8	0.15 37

IGEV++	0.40 15	0.22 18	0.51 30	0.52 143	0.29 78	0.45 30	0.25 8	1.65 272	0.46 10	0.37 6	0.57 33	0.46 22	0.45 49	0.50 9	0.38 70	0.19 111	0.12 12	0.16 15	0.13 19	0.16 18	0.15 37

Sa-1000	0.72 202	0.29 132	0.76 186	0.59 239	0.30 95	0.73 185	0.37 86	1.62 268	1.33 327	1.28 271	2.04 390	0.86 156	0.75 179	1.84 279	0.38 70	0.19 111	0.14 92	0.25 243	0.23 252	0.20 120	0.16 56

iRaft-Stereo_20w	0.65 167	0.31 184	1.00 280	0.47 53	0.34 162	0.73 185	0.30 35	2.96 435	0.70 69	1.15 203	1.14 190	0.76 114	0.65 161	1.11 152	0.38 70	0.17 40	0.13 51	0.18 52	0.16 81	0.19 93	0.18 105

GMOStereo	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 143	0.89 54	0.96 142	1.41 328	1.14 190	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 205	0.21 204	0.20 120	0.15 37

error version	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 143	0.89 54	0.96 142	1.41 328	1.14 190	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 205	0.21 204	0.20 120	0.15 37

test-v	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 143	0.89 54	0.96 142	1.41 328	1.14 190	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 205	0.21 204	0.20 120	0.15 37

test-2	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 143	0.89 54	0.96 142	1.41 328	1.14 190	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 205	0.21 204	0.20 120	0.15 37

Former-RAFT_DAM_RVC	0.46 44	0.36 270	0.71 140	0.47 53	0.36 175	0.67 154	0.35 64	0.78 25	1.12 214	0.61 61	0.62 39	0.39 9	0.39 29	0.71 54	0.39 77	0.20 140	0.17 208	0.22 150	0.18 112	0.23 202	0.19 140

IGEV_Zeroshot_test	0.53 75	0.30 151	0.99 275	0.56 205	0.35 165	0.41 16	0.32 44	1.37 203	0.63 41	1.00 143	1.09 165	0.95 196	0.41 34	0.83 85	0.39 77	0.18 73	0.12 12	0.19 70	0.18 112	0.19 93	0.17 80

test_3	0.55 105	0.23 23	0.71 140	0.53 157	0.28 63	0.61 118	0.40 110	0.92 62	1.05 184	1.19 231	0.68 49	0.93 186	0.44 46	1.67 254	0.39 77	0.15 7	0.12 12	0.22 150	0.19 132	0.21 154	0.14 19

RAFT-Stereo + iAFF	0.54 90	0.25 49	0.68 111	0.43 15	0.24 13	0.40 13	0.34 60	1.04 110	1.09 203	1.32 297	1.60 335	0.80 127	0.68 164	0.67 47	0.39 77	0.13 1	0.10 1	0.18 52	0.17 98	0.17 35	0.13 4

UGAM-zero	1.00 316	0.30 151	0.93 257	0.47 53	0.30 95	0.57 100	0.25 8	2.25 408	0.63 41	1.01 146	1.10 169	2.73 422	1.85 408	6.26 418	0.40 81	0.17 40	0.14 92	0.19 70	0.15 47	0.16 18	0.17 80

rvit_stereo_0081_aga	0.44 33	0.34 241	0.73 158	0.51 124	0.41 231	0.50 55	0.40 110	0.81 36	0.57 30	0.58 52	0.56 31	0.53 51	0.43 41	0.66 45	0.40 81	0.26 276	0.21 279	0.22 150	0.20 164	0.26 239	0.18 105

testlalala2	0.58 125	0.27 84	0.68 111	1.72 436	1.27 433	0.68 161	0.42 126	0.93 68	0.70 69	0.90 114	0.93 105	0.76 114	0.34 19	0.52 11	0.40 81	0.18 73	0.15 146	0.17 23	0.13 19	0.17 35	0.17 80

AE-Stereo	0.49 61	0.27 84	0.67 108	0.60 250	0.39 214	0.67 154	0.46 175	1.18 162	1.09 203	0.47 25	0.75 68	0.69 99	0.47 62	0.59 25	0.40 81	0.16 15	0.15 146	0.21 123	0.20 164	0.19 93	0.15 37

EKT-Stereo	0.53 75	0.30 151	0.73 158	0.58 226	0.60 336	0.51 70	0.48 189	0.94 75	0.90 121	0.71 73	0.88 95	0.77 117	0.43 41	1.07 144	0.40 81	0.22 193	0.16 181	0.21 123	0.18 112	0.20 120	0.22 200

testlalala_base	0.77 236	0.40 294	0.70 128	0.65 302	0.50 281	0.79 215	0.28 26	1.50 233	0.51 21	0.73 79	0.90 98	0.69 99	0.54 101	0.66 45	0.40 81	2.82 448	0.14 92	0.17 23	0.12 13	2.68 444	0.19 140

anonymousdsp2	0.53 75	0.27 84	0.74 173	0.48 74	0.29 78	0.76 198	0.47 181	1.61 264	0.82 100	0.77 86	0.77 72	0.75 110	0.47 62	1.03 132	0.40 81	0.18 73	0.13 51	0.18 52	0.13 19	0.19 93	0.18 105

KYRaft	0.75 229	0.28 102	0.62 81	0.56 205	0.29 78	0.67 154	0.86 344	0.94 75	0.84 104	1.62 372	2.21 398	1.16 262	1.02 308	1.57 239	0.40 81	0.20 140	0.13 51	0.22 150	0.28 321	0.20 120	1.02 427

iRaftStereo_RVC	0.47 51	0.26 61	0.64 90	0.50 97	0.29 78	0.53 79	0.33 48	1.05 116	0.77 87	0.84 104	1.00 126	0.55 53	0.37 23	0.81 80	0.40 81	0.17 40	0.12 12	0.22 150	0.20 164	0.19 93	0.15 37

sAnonymous2	0.55 105	0.56 355	1.46 369	0.60 250	0.51 292	0.48 36	0.52 216	0.79 27	0.68 64	0.50 41	0.67 46	0.46 22	0.62 147	0.59 25	0.40 81	0.22 193	0.17 208	0.22 150	0.21 204	0.86 418	0.56 391

CroCo_RVC	0.55 105	0.56 355	1.46 369	0.60 250	0.51 292	0.48 36	0.52 216	0.79 27	0.68 64	0.50 41	0.67 46	0.46 22	0.62 147	0.59 25	0.40 81	0.22 193	0.17 208	0.22 150	0.21 204	0.86 418	0.56 391

Occ-G	0.42 21	0.21 7	0.48 18	0.41 8	0.26 26	0.42 20	0.62 281	0.77 21	0.49 12	0.43 15	0.66 43	1.02 221	0.46 53	0.78 71	0.41 92	0.16 15	0.13 51	0.18 52	0.13 19	0.16 18	0.16 56

AIO-Stereo-zeroshot1	0.98 310	0.39 288	3.21 432	0.50 97	0.63 345	0.64 128	0.39 104	2.36 418	0.75 81	0.95 127	4.63 438	1.81 372	0.56 112	0.96 113	0.41 92	0.18 73	0.13 51	0.21 123	0.26 292	0.32 305	0.35 329

MyStereo06	0.61 139	0.28 102	0.95 264	0.56 205	0.46 265	0.61 118	0.73 310	1.78 307	0.67 61	1.03 153	1.12 182	1.13 258	0.56 112	0.78 71	0.41 92	0.17 40	0.16 181	0.23 185	0.20 164	0.22 177	0.20 167

DCRE	0.82 257	0.26 61	0.70 128	0.58 226	0.44 248	0.54 86	0.48 189	0.95 79	0.78 89	0.78 88	7.33 453	0.86 156	0.52 90	0.76 67	0.41 92	0.16 15	0.16 181	0.19 70	0.17 98	0.18 61	0.17 80

DisPM	0.66 174	0.28 102	0.72 146	0.61 262	0.35 165	0.62 124	0.45 169	1.02 101	0.99 162	1.56 362	1.10 169	0.80 127	0.59 131	2.37 328	0.41 92	0.23 218	0.14 92	0.23 185	0.21 204	0.20 120	0.25 243

RAFT+CT+SA	0.58 125	0.29 132	0.60 74	0.66 309	0.37 187	0.42 20	0.55 244	1.27 187	1.03 176	0.70 71	1.22 218	0.60 71	0.70 170	1.64 248	0.41 92	0.18 73	0.13 51	0.22 150	0.22 231	0.21 154	0.18 105

TRStereo	0.60 133	0.60 373	0.97 271	0.74 361	0.67 355	0.46 33	0.38 92	1.85 328	0.89 117	0.79 91	0.80 83	0.88 164	0.39 29	1.10 149	0.41 92	0.23 218	0.15 146	0.23 185	0.24 263	0.17 35	0.15 37

AnonymousM	0.59 130	1.11 422	0.41 11	0.44 31	0.32 130	0.43 25	0.47 181	1.05 116	0.64 45	0.98 136	0.63 40	0.67 92	0.43 41	0.59 25	0.41 92	0.20 140	0.15 146	1.84 441	0.84 432	0.14 3	0.13 4

raftrobust	0.52 66	0.25 49	0.56 49	0.65 302	0.52 300	0.49 46	0.34 60	0.98 89	0.91 126	1.30 285	0.87 93	0.63 78	0.81 210	0.78 71	0.41 92	0.19 111	0.15 146	0.16 15	0.14 37	0.15 8	0.16 56

EAI-Stereo	0.65 167	0.28 102	0.69 122	0.53 157	0.27 42	0.60 114	0.40 110	2.28 412	0.64 45	0.71 73	3.18 422	0.57 60	0.43 41	1.06 140	0.41 92	0.18 73	0.13 51	0.17 23	0.17 98	0.17 35	0.17 80

LL-Strereo2	0.52 66	0.33 219	0.69 122	0.52 143	0.37 187	0.70 173	0.30 35	1.13 151	0.67 61	0.94 126	0.78 74	0.91 175	0.42 37	1.05 139	0.42 102	0.17 40	0.16 181	0.29 297	0.25 275	0.21 154	0.16 56

TestStereo1	0.63 150	0.28 102	0.75 176	0.76 366	0.31 114	0.48 36	0.43 143	1.30 191	1.21 273	0.97 132	1.31 253	0.64 81	0.77 191	1.75 267	0.42 102	0.20 140	0.15 146	0.22 150	0.18 112	0.21 154	0.17 80

SA-5K	0.63 150	0.28 102	0.75 176	0.76 366	0.31 114	0.48 36	0.43 143	1.30 191	1.21 273	0.97 132	1.31 253	0.64 81	0.77 191	1.75 267	0.42 102	0.20 140	0.15 146	0.22 150	0.18 112	0.21 154	0.17 80

SA	0.66 174	0.30 151	0.82 210	0.61 262	0.30 95	0.58 102	0.38 92	1.44 221	1.30 315	0.96 129	1.36 275	0.66 89	0.95 277	1.85 282	0.42 102	0.19 111	0.15 146	0.25 243	0.23 252	0.21 154	0.17 80

GLC_STEREO	0.39 10	0.25 49	0.41 11	0.54 172	0.23 8	0.48 36	0.30 35	0.73 14	0.58 31	0.52 45	0.73 64	0.51 41	0.31 10	0.64 39	0.42 102	0.17 40	0.20 258	0.23 185	0.19 132	0.21 154	0.17 80

TransformOpticalFlow	0.96 300	0.28 102	0.89 244	0.52 143	0.31 114	0.66 150	0.54 229	1.75 293	1.12 214	1.09 166	1.44 297	1.37 311	1.01 303	6.70 429	0.42 102	0.19 111	0.12 12	0.20 97	0.19 132	0.18 61	0.19 140

test-1	0.52 66	0.26 61	1.04 298	0.56 205	0.32 130	0.61 118	0.38 92	1.10 140	0.91 126	0.78 88	1.01 132	0.77 117	0.52 90	0.60 36	0.42 102	0.17 40	0.14 92	0.20 97	0.17 98	0.20 120	0.23 218

s12784h	0.52 66	0.20 2	0.38 5	0.41 8	0.19 1	0.96 271	0.34 60	1.17 157	1.25 289	0.81 97	0.90 98	0.63 78	0.50 84	1.45 217	0.42 102	0.14 4	0.12 12	0.17 23	0.11 7	0.18 61	0.11 1

RALAANet	0.60 133	0.33 219	0.87 231	0.62 273	0.50 281	0.69 166	0.31 40	1.21 170	1.06 187	1.09 166	1.16 199	0.88 164	0.46 53	1.22 168	0.42 102	0.19 111	0.15 146	0.21 123	0.17 98	0.27 253	0.17 80

AIO-Stereo-zeroshot	0.72 202	0.35 261	1.70 387	0.49 88	0.56 314	0.63 125	0.38 92	2.41 423	0.65 59	0.77 86	1.07 156	1.82 374	0.95 277	0.93 110	0.43 111	0.20 140	0.13 51	0.21 123	0.25 275	0.28 270	0.26 264

STrans-v2	1.04 326	0.28 102	0.96 269	0.49 88	0.32 130	0.68 161	0.79 326	2.47 427	1.12 214	1.12 181	1.46 304	1.40 312	1.46 375	6.70 429	0.43 111	0.18 73	0.13 51	0.20 97	0.18 112	0.18 61	0.18 105

AFF-stereo	0.58 125	0.25 49	0.64 90	0.46 45	0.29 78	0.34 7	0.38 92	1.15 154	1.14 228	1.17 222	1.60 335	1.10 248	0.71 173	0.97 119	0.43 111	0.13 1	0.11 4	0.19 70	0.19 132	0.17 35	0.14 19

rvit_0105_6	0.53 75	0.37 276	0.98 274	0.65 302	0.38 204	0.51 70	0.51 206	0.77 21	1.20 267	0.54 48	0.55 28	0.65 84	0.53 96	0.94 112	0.44 114	0.32 327	0.32 368	0.28 288	0.24 263	0.28 270	0.21 183

rvit_stereo_0081	0.44 33	0.33 219	0.64 90	0.54 172	0.35 165	0.41 16	0.44 155	0.66 7	0.95 137	0.48 29	0.52 18	0.50 39	0.46 53	0.82 83	0.44 114	0.25 256	0.20 258	0.22 150	0.19 132	0.25 228	0.17 80

rvit_stereo_0082	0.44 33	0.33 219	0.64 90	0.54 172	0.35 165	0.41 16	0.44 155	0.66 7	0.95 137	0.48 29	0.52 18	0.50 39	0.46 53	0.82 83	0.44 114	0.25 256	0.20 258	0.22 150	0.19 132	0.25 228	0.17 80

rvit_stereo_0080	0.44 33	0.32 200	0.71 140	0.47 53	0.36 175	0.42 20	0.55 244	0.82 39	0.68 64	0.50 41	0.60 35	0.55 53	0.47 62	0.59 25	0.44 114	0.26 276	0.21 279	0.20 97	0.20 164	0.31 298	0.19 140

qqq1	0.72 202	0.30 151	0.86 220	0.46 45	0.26 26	0.82 227	0.43 143	2.05 373	1.39 353	1.23 249	1.47 305	0.98 205	0.95 277	1.71 262	0.44 114	0.24 233	0.20 258	0.18 52	0.15 47	0.18 61	0.18 105

fff1	0.72 202	0.30 151	0.86 220	0.46 45	0.26 26	0.82 227	0.43 143	2.05 373	1.39 353	1.23 249	1.47 305	0.98 205	0.95 277	1.71 262	0.44 114	0.24 233	0.20 258	0.18 52	0.15 47	0.18 61	0.18 105

whm_eth	0.44 33	0.32 200	0.71 140	0.47 53	0.36 175	0.42 20	0.55 244	0.82 39	0.68 64	0.50 41	0.60 35	0.55 53	0.47 62	0.59 25	0.44 114	0.26 276	0.21 279	0.20 97	0.20 164	0.31 298	0.19 140

DLNR_Zeroshot_test	23.17 475	48.52 488	43.29 480	176.68 488	78.69 484	0.35 8	0.21 2	23.41 475	0.75 81	0.66 67	0.86 90	0.59 70	0.30 8	1.56 238	0.44 114	9.57 472	0.12 12	0.18 52	0.14 37	76.92 487	0.16 56

PSM-AAD	0.79 246	0.27 84	0.53 38	0.55 193	0.28 63	0.77 206	1.24 399	0.99 91	0.91 126	1.66 375	1.57 331	0.81 131	2.19 424	1.65 249	0.44 114	0.19 111	0.14 92	0.38 365	0.32 353	0.21 154	0.70 412

Prome-Stereo	0.75 229	0.27 84	0.53 38	0.55 193	0.32 130	0.59 107	0.97 368	0.89 54	0.88 114	1.45 338	2.46 410	0.91 175	1.41 369	1.58 241	0.44 114	0.18 73	0.13 51	0.19 70	0.17 98	0.20 120	0.92 423

CREStereo++_RVC	0.47 51	0.21 7	0.38 5	0.45 41	0.38 204	0.45 30	0.25 8	0.75 17	1.29 309	0.80 93	1.21 216	0.47 26	0.37 23	0.53 13	0.44 114	0.16 15	0.11 4	0.15 4	0.80 430	0.18 61	0.11 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
R-Stereo Train	0.57 120	0.26 61	0.63 84	0.54 172	0.36 175	0.69 166	0.54 229	1.22 177	0.72 75	1.61 369	1.50 315	0.75 110	0.53 96	0.64 39	0.44 114	0.18 73	0.15 146	0.17 23	0.15 47	0.17 35	0.17 80

RAFT-Stereo	0.57 120	0.26 61	0.63 84	0.54 172	0.36 175	0.69 166	0.54 229	1.22 177	0.72 75	1.61 369	1.50 315	0.75 110	0.53 96	0.64 39	0.44 114	0.18 73	0.15 146	0.17 23	0.15 47	0.17 35	0.17 80
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
rvit_0105_4	0.56 114	0.38 283	1.06 303	0.66 309	0.38 204	0.53 79	0.53 224	0.84 45	1.17 250	0.56 50	0.61 37	0.72 106	0.59 131	0.98 120	0.45 127	0.32 327	0.33 372	0.29 297	0.25 275	0.29 279	0.23 218

plain	0.46 44	0.27 84	1.01 284	0.50 97	0.40 224	0.35 8	0.37 86	0.87 46	0.56 29	0.43 15	0.76 70	0.42 10	0.40 32	1.13 155	0.45 127	0.21 169	0.15 146	0.24 205	0.19 132	0.24 217	0.16 56

MIF-Stereo (partial)	0.45 40	0.25 49	0.70 128	0.50 97	0.52 300	0.35 8	0.26 15	0.91 61	0.59 35	0.45 22	0.71 59	0.51 41	0.51 86	1.11 152	0.45 127	0.20 140	0.16 181	0.23 185	0.20 164	0.24 217	0.18 105

knoymous	0.51 65	0.29 132	0.47 16	0.43 15	0.30 95	0.55 92	0.55 244	1.02 101	0.77 87	0.98 136	0.85 89	0.94 189	0.56 112	0.85 90	0.45 127	0.20 140	0.14 92	0.26 262	0.14 37	0.23 202	0.23 218

test_5	0.65 167	0.30 151	0.75 176	0.67 321	0.50 281	0.92 258	0.52 216	1.39 209	1.12 214	0.76 82	1.11 175	1.00 212	0.90 252	1.53 232	0.45 127	0.18 73	0.13 51	0.23 185	0.22 231	0.21 154	0.19 140

LCNet	0.72 202	0.28 102	0.52 35	0.55 193	0.31 114	0.69 166	0.54 229	1.00 95	0.88 114	1.19 231	1.34 268	0.97 204	1.34 366	2.56 336	0.45 127	0.18 73	0.13 51	0.21 123	0.25 275	0.27 253	0.73 415

Patchmatch Stereo++	0.55 105	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.29 30	1.05 116	0.64 45	1.12 181	0.96 111	0.83 143	0.60 134	1.37 197	0.45 127	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105
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
PSM-adaLoss	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.41 123	1.04 110	0.64 45	1.12 181	0.96 111	0.82 136	0.61 142	1.06 140	0.45 127	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

ROB_FTStereo	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.64 128	0.25 8	1.05 116	0.64 45	1.12 181	0.95 109	0.82 136	0.61 142	1.15 157	0.45 127	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

HUI-Stereo	0.52 66	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.30 35	1.04 110	0.64 45	1.12 181	0.96 111	0.83 143	0.60 134	0.79 75	0.45 127	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

SST-Stereo	0.83 262	0.28 102	0.72 146	0.59 239	0.31 114	0.72 182	0.26 15	1.09 138	0.86 106	1.47 341	1.10 169	1.00 212	0.87 240	5.73 410	0.45 127	0.22 193	0.13 51	0.23 185	0.19 132	0.23 202	0.18 105

iRAFT	0.55 105	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.29 30	1.05 116	0.64 45	1.12 181	0.96 111	0.83 143	0.60 134	1.37 197	0.45 127	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

RAFT-IKP	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.59 107	0.36 76	1.04 110	0.64 45	1.12 181	0.96 111	0.83 143	0.61 142	1.22 168	0.45 127	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

TestStereo	0.64 161	0.39 288	0.71 140	0.51 124	0.27 42	0.56 95	0.42 126	1.03 105	0.91 126	0.80 93	1.00 126	0.68 94	0.52 90	3.25 360	0.45 127	0.22 193	0.15 146	0.24 205	0.18 112	0.27 253	0.16 56

rvit_stereo_0083	0.47 51	0.33 219	0.81 207	0.56 205	0.36 175	0.50 55	0.44 155	0.68 9	0.95 137	0.49 34	0.57 33	0.55 53	0.49 80	0.88 95	0.46 141	0.25 256	0.25 321	0.24 205	0.20 164	0.24 217	0.17 80

GCST	1.08 332	1.47 436	0.93 257	1.73 437	1.14 424	1.30 334	0.31 40	1.33 193	1.16 247	1.29 276	0.97 119	0.98 205	0.49 80	2.08 304	0.46 141	1.19 436	0.70 436	1.30 436	0.85 434	1.02 425	0.89 422

FTStereo	0.91 289	0.26 61	0.56 49	0.54 172	0.33 147	0.66 150	1.87 432	1.00 95	0.75 81	1.75 381	4.15 433	1.04 228	1.65 392	1.57 239	0.46 141	0.19 111	0.16 181	0.23 185	0.21 204	0.18 61	0.63 404

ROB_FTStereo_v2	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.64 128	0.42 126	1.05 116	0.64 45	1.12 181	0.96 111	0.83 143	0.60 134	1.12 154	0.46 141	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

RAFT_R40	0.83 262	0.28 102	0.73 158	0.59 239	0.31 114	0.69 166	0.44 155	1.10 140	0.95 137	1.47 341	1.10 169	1.00 212	0.85 228	5.53 404	0.46 141	0.22 193	0.13 51	0.23 185	0.20 164	0.23 202	0.18 105

iGMRVC	0.56 114	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.38 92	1.05 116	0.64 45	1.12 181	0.96 111	0.83 143	0.60 134	1.52 228	0.46 141	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

GMM-Stereo	0.74 221	0.25 49	0.59 69	0.54 172	0.34 162	0.72 182	0.99 372	1.01 100	0.87 110	1.36 313	1.78 364	1.12 253	0.81 210	2.09 305	0.46 141	0.18 73	0.12 12	0.25 243	0.25 275	0.20 120	0.85 421

CroCo-Stereo Lap2	0.44 33	0.34 241	0.77 191	0.61 262	0.79 386	0.28 4	0.35 64	0.75 17	0.71 74	0.38 9	0.50 17	0.72 106	0.55 108	0.57 23	0.47 148	0.17 40	0.18 225	0.19 70	0.16 81	0.21 154	0.20 167

HHNet	0.62 143	0.26 61	0.63 84	0.43 15	0.45 255	0.50 55	0.58 265	1.07 131	1.01 170	1.25 262	2.23 399	0.70 103	0.61 142	1.07 144	0.47 148	0.20 140	0.13 51	0.23 185	0.19 132	0.19 93	0.30 301

RAFT-345	0.84 267	0.25 49	0.66 103	0.50 97	0.27 42	0.54 86	0.42 126	0.83 42	1.11 210	1.32 297	2.34 404	0.86 156	0.54 101	5.72 409	0.47 148	0.18 73	0.13 51	0.22 150	0.17 98	0.17 35	0.16 56

raft+_RVC	0.53 75	0.26 61	0.54 43	0.60 250	0.47 270	0.54 86	0.54 229	1.27 187	0.99 162	0.76 82	1.03 147	0.70 103	0.56 112	0.93 110	0.47 148	0.18 73	0.14 92	0.19 70	0.18 112	0.18 61	0.15 37

RALCasStereoNet	0.54 90	0.30 151	0.66 103	0.59 239	0.51 292	0.61 118	0.52 216	0.94 75	0.93 132	0.70 71	1.01 132	0.78 121	0.44 46	1.33 189	0.47 148	0.20 140	0.16 181	0.18 52	0.16 81	0.20 120	0.19 140

Selective-RAFT	0.52 66	0.28 102	0.79 201	0.55 193	0.27 42	0.91 251	0.33 48	0.80 33	0.88 114	0.58 52	0.63 40	0.81 131	0.77 191	1.29 182	0.48 153	0.19 111	0.14 92	0.17 23	0.15 47	0.19 93	0.17 80

NF-Stereo	0.80 249	0.30 151	0.75 176	0.60 250	0.31 114	0.64 128	0.44 155	1.21 170	0.90 121	1.29 276	1.02 139	0.82 136	0.57 121	5.40 402	0.48 153	0.23 218	0.14 92	0.24 205	0.20 164	0.20 120	0.30 301

OCTAStereo	0.80 249	0.30 151	0.75 176	0.60 250	0.31 114	0.64 128	0.44 155	1.21 170	0.90 121	1.29 276	1.01 132	0.82 136	0.57 121	5.35 397	0.48 153	0.24 233	0.14 92	0.24 205	0.20 164	0.20 120	0.30 301

GrayStereo	0.82 257	0.26 61	0.58 62	0.63 281	0.37 187	0.76 198	1.86 431	1.11 146	0.87 110	1.99 401	1.89 378	1.08 236	1.82 407	1.39 206	0.48 153	0.19 111	0.14 92	0.19 70	0.21 204	0.18 61	0.39 345

RE-Stereo	0.80 249	0.30 151	0.75 176	0.60 250	0.31 114	0.64 128	0.44 155	1.21 170	0.90 121	1.29 276	1.01 132	0.81 131	0.57 121	5.37 400	0.48 153	0.24 233	0.14 92	0.24 205	0.20 164	0.20 120	0.30 301

TVStereo	0.80 249	0.30 151	0.75 176	0.60 250	0.31 114	0.64 128	0.44 155	1.21 170	0.90 121	1.29 276	1.01 132	0.81 131	0.57 121	5.37 400	0.48 153	0.24 233	0.14 92	0.24 205	0.20 164	0.20 120	0.30 301

sCroCo_RVC	0.49 61	0.40 294	1.02 291	0.65 302	0.60 336	0.52 74	0.40 110	0.83 42	0.61 36	0.44 17	0.74 66	0.49 36	0.50 84	0.63 38	0.48 153	0.26 276	0.27 334	0.23 185	0.22 231	0.29 279	0.25 243

StereoVision	0.65 167	0.34 241	0.86 220	0.59 239	0.40 224	0.50 55	0.41 123	1.09 138	0.93 132	0.71 73	2.50 411	0.82 136	0.57 121	1.03 132	0.49 160	0.25 256	0.28 340	0.29 297	0.28 321	0.36 322	0.20 167

PFNet+	0.59 130	0.28 102	0.77 191	0.53 157	0.30 95	0.59 107	0.31 40	0.92 62	1.14 228	1.33 305	1.10 169	0.79 125	0.57 121	1.31 184	0.49 160	0.25 256	0.17 208	0.28 288	0.26 292	0.21 154	0.25 243

OMP-Stereo	0.94 296	0.33 219	0.72 146	0.90 406	0.31 114	0.49 46	0.36 76	1.16 155	1.06 187	1.58 368	1.12 182	1.46 325	0.69 167	6.94 432	0.49 160	0.19 111	0.14 92	0.24 205	0.18 112	0.20 120	0.14 19

NRIStereo	0.60 133	0.29 132	0.69 122	0.53 157	0.28 63	0.63 125	0.33 48	1.08 136	0.87 110	1.14 197	0.87 93	0.91 175	0.59 131	2.24 317	0.49 160	0.20 140	0.14 92	0.21 123	0.19 132	0.21 154	0.17 80

ASMatch	0.88 281	0.26 61	0.69 122	0.51 124	0.35 165	0.48 36	0.37 86	1.12 148	0.92 130	1.10 174	3.28 423	0.96 202	0.98 291	4.90 390	0.49 160	0.19 111	0.16 181	0.22 150	0.19 132	0.19 93	0.27 273

DN-CSS_ROB	0.64 161	0.32 200	1.05 299	0.55 193	0.40 224	0.54 86	0.45 169	1.21 170	0.93 132	1.03 153	1.47 305	0.69 99	0.63 152	1.76 272	0.49 160	0.18 73	0.14 92	0.25 243	0.22 231	0.22 177	0.20 167

rvit_0105_5	0.58 125	0.39 288	1.05 299	0.66 309	0.37 187	0.58 102	0.56 252	0.94 75	1.18 257	0.64 63	0.68 49	0.75 110	0.63 152	0.88 95	0.50 166	0.32 327	0.32 368	0.30 307	0.27 302	0.28 270	0.25 243

rvit_stereo_ft	0.47 51	0.35 261	0.87 231	0.67 321	0.42 235	0.40 13	0.59 273	0.81 36	0.74 80	0.46 23	0.55 28	0.57 60	0.49 80	0.65 43	0.50 166	0.25 256	0.17 208	0.22 150	0.22 231	0.24 217	0.17 80

RAFT-RH_RVC	1.03 323	0.24 30	0.67 108	0.49 88	0.28 63	0.81 226	0.33 48	0.83 42	1.08 197	2.05 404	4.65 440	1.04 228	0.57 121	5.98 417	0.50 166	0.18 73	0.13 51	0.26 262	0.20 164	0.16 18	0.17 80

CRE-IMP	0.55 105	0.30 151	0.74 173	0.52 143	0.29 78	0.79 215	0.25 8	1.04 110	0.72 75	1.09 166	0.95 109	0.81 131	0.57 121	1.10 149	0.50 166	0.21 169	0.14 92	0.23 185	0.19 132	0.28 270	0.22 200

ARAFT	0.77 236	0.36 270	1.49 376	0.51 124	0.31 114	0.90 249	0.82 336	1.90 341	1.06 187	1.62 372	1.24 224	1.02 221	0.64 156	1.84 279	0.50 166	0.18 73	0.14 92	0.28 288	0.27 302	0.17 35	0.16 56

test_sample2	0.62 143	0.29 132	0.74 173	0.50 97	0.28 63	0.80 221	0.61 278	1.61 264	1.00 167	0.88 111	0.99 122	0.94 189	0.83 222	1.16 159	0.51 171	0.23 218	0.18 225	0.22 150	0.21 204	0.23 202	0.22 200

UniTT-Stereo	0.36 3	0.23 23	0.59 69	0.48 74	0.36 175	0.40 13	0.32 44	0.53 2	0.49 12	0.54 48	0.55 28	0.36 6	0.31 10	0.58 24	0.51 171	0.20 140	0.15 146	0.17 23	0.15 47	0.19 93	0.15 37

riskmin	0.56 114	0.27 84	0.60 74	0.43 15	0.31 114	0.83 232	0.42 126	1.14 152	1.04 180	0.73 79	0.75 68	1.11 252	1.01 303	0.81 80	0.51 171	0.20 140	0.14 92	0.24 205	0.15 47	0.24 217	0.25 243

ADStereo(finetuned)	0.57 120	0.24 30	1.06 303	0.43 15	0.24 13	0.49 46	0.35 64	1.05 116	1.30 315	1.12 181	1.03 147	0.58 65	1.20 344	0.84 87	0.51 171	0.16 15	0.13 51	0.17 23	0.13 19	0.18 61	0.19 140

IIG-Stereo	0.96 300	0.31 184	0.72 146	0.88 401	0.33 147	0.61 118	0.26 15	1.19 168	1.03 176	1.69 377	1.37 277	1.46 325	0.75 179	6.96 433	0.51 171	0.19 111	0.14 92	0.23 185	0.18 112	0.20 120	0.14 19

Pruner-Stereo	0.62 143	0.29 132	0.70 128	0.61 262	0.31 114	0.63 125	0.43 143	1.17 157	0.99 162	1.53 354	1.08 160	0.95 196	0.55 108	1.35 193	0.51 171	0.23 218	0.14 92	0.24 205	0.21 204	0.21 154	0.23 218

rafts_anoy	0.52 66	0.29 132	0.59 69	0.59 239	0.50 281	0.53 79	0.40 110	1.11 146	1.03 176	0.84 104	0.83 85	0.68 94	0.54 101	0.72 57	0.51 171	0.19 111	0.14 92	0.24 205	0.26 292	0.21 154	0.18 105

DCANet-4	0.54 90	0.26 61	1.07 308	0.42 13	0.24 13	0.48 36	0.36 76	0.99 91	1.30 315	1.10 174	1.02 139	0.56 58	0.75 179	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

fff	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 289	1.10 174	1.02 139	0.57 60	1.06 318	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

MIPNet	0.56 114	0.28 102	0.94 261	0.49 88	0.33 147	0.66 150	0.38 92	1.35 200	1.08 197	1.06 157	0.92 102	0.60 71	0.79 201	0.73 61	0.52 178	0.17 40	0.14 92	0.19 70	0.16 81	0.18 61	0.17 80

IPLGR	0.58 125	0.27 84	1.14 326	0.48 74	0.28 63	0.65 142	0.33 48	1.22 177	1.13 226	1.18 227	1.05 151	0.69 99	0.66 163	0.96 113	0.52 178	0.17 40	0.15 146	0.20 97	0.17 98	0.20 120	0.18 105

DCANet	0.54 90	0.24 30	0.70 128	0.43 15	0.24 13	0.49 46	0.36 76	1.05 116	1.30 315	1.12 181	1.03 147	0.58 65	0.92 258	0.81 80	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.18 61	0.19 140

csc	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 289	1.10 174	1.02 139	0.57 60	1.06 318	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

cscssc	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 289	1.10 174	1.02 139	0.57 60	1.06 318	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

PSM-softLoss	0.78 243	0.31 184	0.77 191	0.58 226	0.32 130	0.56 95	0.40 110	1.18 162	0.70 69	1.24 257	1.07 156	0.83 143	0.52 90	5.36 398	0.53 185	0.24 233	0.15 146	0.25 243	0.22 231	0.20 120	0.25 243

KMStereo	0.78 243	0.31 184	0.77 191	0.58 226	0.32 130	0.56 95	0.40 110	1.18 162	0.70 69	1.24 257	1.07 156	0.83 143	0.52 90	5.36 398	0.53 185	0.24 233	0.15 146	0.25 243	0.22 231	0.20 120	0.25 243

IRAFT_RVC	0.88 281	0.28 102	0.76 186	0.63 281	0.31 114	0.65 142	1.02 377	1.22 177	0.94 135	1.22 243	1.04 150	1.01 219	0.98 291	5.82 412	0.53 185	0.22 193	0.12 12	0.25 243	0.20 164	0.20 120	0.19 140

Anonymous3	0.61 139	0.44 310	1.11 318	0.59 239	0.49 274	0.93 262	0.65 287	0.93 68	0.81 95	0.72 78	0.88 95	0.65 84	0.69 167	1.06 140	0.53 185	0.35 350	0.30 355	0.26 262	0.26 292	0.31 298	0.27 273

SFCPSM	0.70 193	0.28 102	1.02 291	0.51 124	0.38 204	1.37 342	0.66 292	2.00 364	1.03 176	1.17 222	1.21 216	0.82 136	0.78 197	1.03 132	0.53 185	0.21 169	0.17 208	0.22 150	0.24 263	0.21 154	0.19 140

CASS	0.65 167	0.34 241	0.72 146	0.56 205	0.27 42	0.78 211	0.42 126	1.59 257	0.86 106	1.30 285	1.25 228	0.87 160	0.84 225	0.84 87	0.54 190	0.35 350	0.19 241	0.26 262	0.21 204	0.28 270	0.42 354
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
UDGNet	0.72 202	1.17 427	0.80 206	0.77 369	0.41 231	0.77 206	0.38 92	0.97 87	1.34 330	0.81 97	0.88 95	0.71 105	0.60 134	1.21 167	0.54 190	0.52 399	0.19 241	1.02 432	0.26 292	0.71 413	0.31 311

PFNet	0.91 289	0.26 61	1.10 316	0.63 281	0.32 130	0.64 128	0.56 252	1.17 157	0.99 162	1.47 341	1.08 160	0.98 205	0.69 167	6.62 424	0.54 190	0.20 140	0.12 12	0.24 205	0.19 132	0.20 120	0.17 80

DeepStereo_RVC	0.55 105	0.29 132	0.72 146	0.51 124	0.30 95	0.59 107	0.33 48	1.03 105	0.70 69	1.16 213	0.93 105	0.83 143	0.94 272	0.96 113	0.54 190	0.21 169	0.14 92	0.21 123	0.19 132	0.24 217	0.24 231

GANet-ADL	0.60 133	0.35 261	0.72 146	0.64 290	0.40 224	0.68 161	0.51 206	1.49 229	1.12 214	0.95 127	1.08 160	0.91 175	0.57 121	0.76 67	0.55 194	0.26 276	0.18 225	0.18 52	0.16 81	0.23 202	0.25 243

GMStereo	0.55 105	0.45 317	0.94 261	0.50 97	0.32 130	0.64 128	0.43 143	1.00 95	1.40 358	0.82 100	0.73 64	0.51 41	0.45 49	0.85 90	0.55 194	0.24 233	0.15 146	0.20 97	0.21 204	0.31 298	0.24 231
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
rvit_0105_3	0.63 150	0.44 310	1.08 311	0.72 350	0.40 224	0.64 128	0.71 306	1.03 105	1.17 250	0.82 100	0.70 56	0.80 127	0.70 170	0.91 103	0.56 196	0.35 350	0.34 374	0.34 343	0.32 353	0.27 253	0.28 285

RAFT	0.64 161	0.30 151	0.73 158	0.59 239	0.33 147	0.68 161	0.58 265	1.04 110	0.76 85	1.08 160	1.19 211	1.65 357	0.93 267	1.06 140	0.56 196	0.21 169	0.18 225	0.27 275	0.24 263	0.22 177	0.17 80

iResNetv2_ROB	0.80 249	0.37 276	1.71 389	0.56 205	0.37 187	0.94 263	0.64 285	1.73 287	1.34 330	1.23 249	1.42 290	1.26 286	0.92 258	1.85 282	0.56 196	0.23 218	0.15 146	0.19 70	0.14 37	0.24 217	0.19 140

11t1	0.52 66	0.28 102	0.68 111	0.51 124	0.28 63	0.83 232	0.39 104	1.22 177	0.63 41	0.84 104	0.74 66	0.68 94	0.68 164	0.91 103	0.57 199	0.21 169	0.18 225	0.19 70	0.16 81	0.20 120	0.21 183

PCWNet_CMD	0.66 174	0.32 200	0.88 238	0.49 88	0.37 187	0.78 211	0.40 110	1.42 214	1.31 319	1.16 213	1.31 253	1.25 282	0.62 147	0.89 101	0.57 199	0.20 140	0.16 181	0.27 275	0.19 132	0.40 343	0.25 243

MSMDNet	0.66 174	0.32 200	0.87 231	0.49 88	0.37 187	0.79 215	0.40 110	1.43 220	1.31 319	1.15 203	1.31 253	1.24 278	0.63 152	0.88 95	0.57 199	0.21 169	0.16 181	0.26 262	0.19 132	0.39 339	0.24 231

mmm	0.63 150	0.35 261	0.72 146	0.51 124	0.30 95	0.86 243	0.54 229	1.59 257	0.86 106	1.07 159	1.38 281	0.79 125	0.75 179	0.91 103	0.58 202	0.22 193	0.18 225	0.29 297	0.25 275	0.25 228	0.23 218

111	0.60 133	0.23 23	0.70 128	0.43 15	0.24 13	0.72 182	0.42 126	1.18 162	1.41 361	0.80 93	1.38 281	1.10 248	0.79 201	0.96 113	0.58 202	0.18 73	0.13 51	0.17 23	0.15 47	0.17 35	0.19 140

rvit_stereo_0075_2	0.64 161	0.46 319	1.05 299	0.66 309	0.66 352	0.53 79	0.48 189	1.20 169	1.12 214	0.76 82	0.92 102	0.78 121	0.53 96	1.03 132	0.59 204	0.37 358	0.28 340	0.40 375	0.31 345	0.37 326	0.32 316

1test111	0.54 90	0.31 184	0.50 24	0.54 172	0.26 26	1.18 315	0.51 206	1.42 214	0.78 89	0.58 52	0.79 78	0.48 29	0.88 245	0.88 95	0.59 204	0.20 140	0.12 12	0.25 243	0.15 47	0.22 177	0.21 183

GMStereo_Zeroshot	0.67 183	0.61 374	1.01 284	0.64 290	0.37 187	0.84 239	0.35 64	1.05 116	1.12 214	1.12 181	1.06 153	1.27 290	0.54 101	1.19 165	0.59 204	0.32 327	0.17 208	0.31 313	0.18 112	0.52 384	0.22 200

CFNet_ucs	0.70 193	0.33 219	0.88 238	0.50 97	0.43 242	0.74 188	0.44 155	1.60 261	1.29 309	1.22 243	1.54 321	1.09 246	0.63 152	0.99 123	0.59 204	0.25 256	0.20 258	0.37 362	0.21 204	0.40 343	0.28 285

anonymousa	0.72 202	0.27 84	0.75 176	0.47 53	0.63 345	1.43 352	0.45 169	1.24 183	0.89 117	1.28 271	1.75 361	1.62 350	1.13 332	0.69 48	0.59 204	0.19 111	0.16 181	0.23 185	0.25 275	0.20 120	0.18 105

qqq	0.57 120	0.34 241	0.71 140	0.47 53	0.27 42	0.64 128	0.62 281	1.42 214	0.78 89	0.80 93	0.92 102	0.95 196	0.77 191	0.88 95	0.59 204	0.21 169	0.20 258	0.24 205	0.23 252	0.22 177	0.21 183

CFNet_pseudo	0.66 174	0.32 200	0.86 220	0.48 74	0.39 214	0.70 173	0.40 110	1.33 193	1.22 279	1.16 213	1.34 268	1.24 278	0.64 156	0.98 120	0.59 204	0.21 169	0.16 181	0.33 333	0.19 132	0.36 322	0.25 243

ccs_rob	0.66 174	0.33 219	0.86 220	0.48 74	0.39 214	0.70 173	0.40 110	1.33 193	1.22 279	1.16 213	1.34 268	1.23 276	0.64 156	0.98 120	0.59 204	0.21 169	0.16 181	0.35 351	0.20 164	0.37 326	0.25 243

DAS	0.84 267	0.34 241	1.03 295	0.64 290	0.69 363	0.77 206	0.63 283	1.54 249	1.20 267	1.79 387	1.55 323	0.95 196	1.04 311	2.83 345	0.60 212	0.21 169	0.16 181	0.25 243	0.18 112	0.27 253	0.22 200

SepStereo	0.82 257	0.34 241	1.03 295	0.64 290	0.69 363	0.77 206	0.63 283	1.54 249	1.20 267	1.79 387	1.55 323	0.95 196	1.04 311	2.30 323	0.60 212	0.21 169	0.16 181	0.25 243	0.18 112	0.27 253	0.22 200

MIM_Stereo	0.57 120	0.24 30	0.92 255	0.46 45	0.30 95	0.54 86	0.28 26	1.27 187	0.75 81	1.00 143	1.16 199	0.93 186	0.53 96	1.45 217	0.61 214	0.16 15	0.16 181	0.20 97	0.19 132	0.17 35	0.14 19

GES	0.66 174	0.34 241	0.90 248	0.59 239	0.38 204	0.94 263	0.57 262	2.11 383	0.86 106	1.02 150	1.11 175	0.66 89	0.79 201	0.99 123	0.61 214	0.27 290	0.19 241	0.20 97	0.20 164	0.21 154	0.30 301

DIP-Stereo	0.62 143	0.30 151	0.83 212	0.48 74	0.36 175	0.95 267	0.33 48	2.37 420	0.67 61	1.25 262	1.00 126	0.68 94	0.51 86	0.91 103	0.61 214	0.18 73	0.15 146	0.21 123	0.17 98	0.19 93	0.19 140
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MyStereo04	0.67 183	0.29 132	1.07 308	0.55 193	0.45 255	0.59 107	0.79 326	1.50 233	1.40 358	0.91 118	0.91 100	0.74 108	0.86 236	1.52 228	0.62 217	0.17 40	0.16 181	0.24 205	0.20 164	0.23 202	0.20 167

x	0.54 90	0.31 184	0.61 77	0.47 53	0.30 95	0.67 154	0.47 181	1.53 247	0.79 93	0.81 97	0.83 85	0.78 121	0.70 170	0.70 51	0.62 217	0.21 169	0.19 241	0.22 150	0.19 132	0.21 154	0.20 167

GANet-RSSM	0.72 202	0.28 102	0.63 84	0.64 290	0.58 326	0.80 221	0.58 265	1.89 338	1.08 197	1.04 156	1.25 228	1.15 261	1.04 311	1.49 225	0.62 217	0.25 256	0.19 241	0.22 150	0.22 231	0.22 177	0.21 183

UCFNet_RVC	0.69 189	0.35 261	0.49 21	0.64 290	0.39 214	0.85 242	0.58 265	1.75 293	1.14 228	0.97 132	1.19 211	1.17 263	0.93 267	0.99 123	0.62 217	0.28 302	0.20 258	0.34 343	0.31 345	0.32 305	0.27 273

H2IRNET	0.56 114	0.26 61	0.66 103	0.47 53	0.35 165	0.41 16	0.26 15	0.92 62	1.17 250	0.61 61	1.28 243	1.08 236	0.86 236	0.99 123	0.63 221	0.19 111	0.16 181	0.22 150	0.25 275	0.21 154	0.18 105

MyStereo05	0.66 174	0.28 102	1.07 308	0.56 205	0.46 265	0.61 118	0.73 310	1.34 198	1.41 361	1.15 203	0.91 100	0.77 117	0.80 207	1.41 212	0.63 221	0.17 40	0.16 181	0.23 185	0.20 164	0.22 177	0.20 167

IPLG	0.69 189	0.27 84	0.97 271	0.51 124	0.43 242	0.79 215	0.33 48	1.21 170	1.06 187	1.30 285	1.10 169	0.52 46	0.55 108	3.16 358	0.63 221	0.16 15	0.14 92	0.19 70	0.16 81	0.18 61	0.17 80

AdaStereo	0.70 193	0.43 307	0.75 176	0.73 358	0.37 187	0.92 258	0.53 224	1.85 328	1.18 257	1.12 181	1.23 222	1.07 235	0.65 161	0.96 113	0.63 221	0.31 321	0.15 146	0.32 325	0.21 204	0.29 279	0.22 200
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.
CoDeX	0.73 218	0.29 132	0.93 257	0.54 172	0.36 175	1.14 305	0.61 278	2.34 417	1.17 250	1.16 213	1.25 228	0.91 175	0.87 240	1.33 189	0.64 225	0.20 140	0.16 181	0.21 123	0.18 112	0.20 120	0.18 105

test_sample5	0.69 189	0.34 241	0.87 231	0.52 143	0.30 95	0.84 239	0.54 229	1.83 324	1.14 228	1.11 180	1.25 228	0.88 164	0.78 197	1.23 170	0.65 226	0.26 276	0.20 258	0.27 275	0.27 302	0.27 253	0.26 264

DualNet	0.70 193	0.34 241	0.87 231	0.52 143	0.30 95	0.84 239	0.54 229	1.83 324	1.14 228	1.14 197	1.33 261	0.88 164	0.78 197	1.23 170	0.65 226	0.26 276	0.20 258	0.27 275	0.27 302	0.27 253	0.26 264

NOSS_ROB	1.26 360	0.46 319	0.62 81	0.56 205	0.38 204	1.06 294	0.78 323	1.73 287	1.40 358	1.01 146	1.43 294	1.10 248	0.75 179	10.62 466	0.65 226	0.45 386	0.43 404	0.48 392	0.45 393	0.44 361	0.41 350

BSDual-CNN	0.71 200	0.32 200	0.68 111	0.54 172	0.44 248	1.27 329	0.65 287	2.16 393	0.98 155	1.20 235	1.11 175	1.12 253	0.74 177	0.91 103	0.66 229	0.24 233	0.17 208	0.25 243	0.22 231	0.22 177	0.22 200

hknet	0.77 236	0.32 200	0.95 264	0.54 172	0.38 204	1.27 329	0.65 287	2.16 393	1.07 192	1.20 235	1.11 175	1.59 346	0.81 210	1.37 197	0.66 229	0.22 193	0.17 208	0.25 243	0.22 231	0.22 177	0.22 200

psmg	0.72 202	0.32 200	0.68 111	0.50 97	0.44 248	1.48 355	0.75 315	1.94 354	0.98 155	1.21 238	1.33 261	1.12 253	0.74 177	0.91 103	0.66 229	0.24 233	0.19 241	0.25 243	0.25 275	0.23 202	0.22 200

DualNet (step1)	0.83 262	0.49 331	1.13 322	0.56 205	0.39 214	1.02 285	0.73 310	1.78 307	1.21 273	1.22 243	1.18 204	1.08 236	0.92 258	1.23 170	0.67 232	0.57 408	0.28 340	0.62 417	0.67 423	0.45 364	0.42 354

test_sample7	0.74 221	0.37 276	0.76 186	0.52 143	0.35 165	0.91 251	0.67 295	1.78 307	1.21 273	1.22 243	1.18 204	1.08 236	0.92 258	1.23 170	0.67 232	0.31 321	0.28 340	0.32 325	0.31 345	0.33 312	0.29 289

test_sample1	0.61 139	0.29 132	0.75 176	0.50 97	0.31 114	0.76 198	0.48 189	1.59 257	0.84 104	0.90 114	0.94 108	0.88 164	0.95 277	1.16 159	0.67 232	0.22 193	0.18 225	0.20 97	0.19 132	0.21 154	0.21 183

pcwnet_v2	0.97 306	0.37 276	4.33 438	0.62 273	0.54 306	0.79 215	0.45 169	2.02 371	1.58 383	1.42 334	1.64 346	1.09 246	0.79 201	1.24 175	0.67 232	0.32 327	0.25 321	0.29 297	0.27 302	0.37 326	0.35 329

test_sample4	0.69 189	0.33 219	0.91 251	0.51 124	0.30 95	0.92 258	0.52 216	1.87 333	1.15 239	1.14 197	1.18 204	0.87 160	0.75 179	1.18 163	0.68 236	0.25 256	0.20 258	0.26 262	0.26 292	0.26 239	0.25 243

test_sample3	0.68 187	0.32 200	0.88 238	0.52 143	0.30 95	0.97 275	0.52 216	1.86 331	1.15 239	1.08 160	1.11 175	0.88 164	0.71 173	1.17 162	0.68 236	0.25 256	0.20 258	0.25 243	0.25 275	0.25 228	0.25 243

FENet	0.60 133	0.28 102	0.63 84	0.54 172	0.33 147	0.83 232	0.38 92	1.27 187	1.07 192	1.00 143	0.86 90	0.99 211	0.85 228	0.96 113	0.68 236	0.22 193	0.15 146	0.23 185	0.20 164	0.22 177	0.23 218

HBP-ISP	0.96 300	0.58 362	0.72 146	0.61 262	0.46 265	1.64 371	0.76 318	1.86 331	1.28 305	1.30 285	1.53 319	0.86 156	0.94 272	3.27 361	0.69 239	0.45 386	0.44 407	0.54 404	0.48 400	0.47 371	0.40 346

BUS	0.74 221	0.32 200	0.68 111	0.54 172	0.44 248	2.34 416	0.42 126	2.16 393	0.98 155	1.20 235	1.11 175	1.03 225	0.62 147	0.91 103	0.70 240	0.24 233	0.17 208	0.25 243	0.22 231	0.22 177	0.22 200

NINENet	0.77 236	0.37 276	0.78 199	0.62 273	0.51 292	2.34 416	0.42 126	1.83 324	1.04 180	1.14 197	1.23 222	1.03 225	0.62 147	1.24 175	0.70 240	0.28 302	0.23 306	0.31 313	0.21 204	0.26 239	0.25 243

CIPLG	0.62 143	0.33 219	0.96 269	0.58 226	0.50 281	0.75 193	0.48 189	1.05 116	0.96 142	1.40 326	1.57 331	0.64 81	0.48 72	0.89 101	0.70 240	0.23 218	0.15 146	0.19 70	0.16 81	0.19 93	0.21 183

ACRE	0.61 139	0.33 219	1.01 284	0.58 226	0.49 274	0.75 193	0.47 181	1.06 129	0.95 137	1.37 315	1.55 323	0.62 76	0.46 53	0.83 85	0.70 240	0.23 218	0.15 146	0.19 70	0.16 81	0.18 61	0.21 183

HCRNet	0.70 193	0.39 288	0.73 158	0.60 250	0.59 333	0.76 198	0.35 64	1.22 177	1.13 226	1.02 150	0.99 122	1.02 221	0.76 187	2.19 314	0.70 240	0.28 302	0.19 241	0.28 288	0.23 252	0.25 228	0.23 218

IER	0.70 193	0.31 184	1.02 291	0.48 74	0.52 300	1.34 339	0.51 206	1.17 157	0.99 162	1.23 249	1.34 268	1.12 253	1.11 327	0.99 123	0.71 245	0.20 140	0.16 181	0.21 123	0.21 204	0.20 120	0.19 140

IPLGR_C	0.62 143	0.33 219	0.99 275	0.58 226	0.49 274	0.76 198	0.48 189	1.10 140	0.96 142	1.40 326	1.56 327	0.62 76	0.48 72	0.80 77	0.71 245	0.23 218	0.15 146	0.19 70	0.16 81	0.19 93	0.21 183

HSM	1.19 355	0.32 200	0.65 97	0.57 220	0.38 204	1.23 324	0.59 273	2.25 408	1.19 262	1.30 285	1.25 228	1.94 385	1.03 310	9.32 455	0.71 245	0.22 193	0.16 181	0.20 97	0.16 81	0.21 154	0.21 183

DRaft	0.80 249	0.24 30	0.70 128	0.45 41	0.30 95	0.97 275	0.53 224	1.05 116	0.97 150	1.78 384	2.02 388	0.80 127	1.74 399	2.73 343	0.72 248	0.17 40	0.14 92	0.20 97	0.20 164	0.18 61	0.21 183

PSMNet-RSSM	0.72 202	0.30 151	0.61 77	0.63 281	0.42 235	0.73 185	0.56 252	1.92 348	1.10 208	1.09 166	1.37 277	1.22 271	0.98 291	1.28 179	0.72 248	0.27 290	0.19 241	0.27 275	0.29 332	0.24 217	0.24 231

FADNet-RVC-Resample	0.84 267	0.47 324	2.10 408	0.61 262	0.45 255	1.07 296	0.61 278	1.59 257	1.20 267	1.08 160	0.98 120	1.03 225	0.98 291	2.17 310	0.72 248	0.23 218	0.22 297	0.30 307	0.32 353	0.35 316	0.34 324

DeepPruner_ROB	0.74 221	0.48 328	0.87 231	0.57 220	0.44 248	0.79 215	0.54 229	1.73 287	0.96 142	1.38 320	1.27 238	1.24 278	0.73 175	1.43 213	0.73 251	0.34 343	0.28 340	0.27 275	0.26 292	0.31 298	0.31 311

test_sample6	0.71 200	0.34 241	0.87 231	0.52 143	0.30 95	0.82 227	0.58 265	1.79 312	1.15 239	1.14 197	1.33 261	0.91 175	0.79 201	1.31 184	0.74 252	0.27 290	0.21 279	0.27 275	0.29 332	0.28 270	0.27 273

DispNO	0.93 294	0.30 151	1.34 357	0.55 193	0.55 312	0.89 246	0.49 198	1.48 227	1.21 273	1.17 222	1.27 238	1.19 267	0.90 252	5.23 395	0.74 252	0.22 193	0.17 208	0.24 205	0.21 204	0.19 93	0.20 167

ToySt	0.66 174	0.33 219	1.23 336	0.51 124	0.33 147	0.86 243	0.68 298	1.10 140	0.97 150	0.84 104	1.08 160	1.25 282	0.94 272	1.01 128	0.74 252	0.19 111	0.19 241	0.24 205	0.24 263	0.27 253	0.23 218

Anonymous_2	1.30 363	0.55 352	0.82 210	0.52 143	0.58 326	1.01 283	0.64 285	1.25 185	0.97 150	0.96 129	0.78 74	1.33 302	1.29 358	1.03 132	0.74 252	0.62 415	0.64 433	1.06 433	9.63 471	1.16 430	0.49 378

AACVNet	0.86 276	0.35 261	0.79 201	0.82 384	0.39 214	0.76 198	0.49 198	1.61 264	0.81 95	1.08 160	1.33 261	1.30 297	0.93 267	4.34 381	0.74 252	0.25 256	0.21 279	0.28 288	0.22 231	0.29 279	0.25 243

rvit_105_1	0.72 202	0.52 344	1.01 284	0.78 371	0.49 274	0.75 193	0.87 346	1.12 148	1.18 257	0.99 139	0.79 78	0.90 173	0.77 191	1.26 177	0.75 257	0.41 371	0.36 388	0.36 359	0.41 384	0.30 290	0.33 321

FADNet	0.92 291	0.61 374	1.81 396	0.62 273	0.55 312	0.96 271	0.57 262	1.78 307	1.33 327	0.93 121	1.01 132	1.36 308	1.01 303	2.71 342	0.75 257	0.33 335	0.34 374	0.31 313	0.34 365	0.59 397	0.40 346

CVANet_RVC	1.07 329	0.43 307	0.76 186	0.60 250	0.50 281	0.90 249	0.97 368	1.52 241	1.26 294	1.33 305	1.38 281	1.24 278	1.18 338	6.75 431	0.75 257	0.34 343	0.23 306	0.34 343	0.29 332	0.42 350	0.27 273

gwcnet-sp	0.74 221	0.33 219	1.44 363	0.57 220	0.45 255	1.40 347	0.54 229	1.50 233	1.14 228	1.30 285	1.02 139	0.94 189	0.82 214	1.39 206	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

scenet	0.74 221	0.33 219	1.44 363	0.57 220	0.45 255	1.40 347	0.54 229	1.50 233	1.14 228	1.30 285	1.02 139	0.94 189	0.82 214	1.39 206	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

ssnet	0.74 221	0.33 219	1.44 363	0.57 220	0.45 255	1.40 347	0.54 229	1.50 233	1.14 228	1.30 285	1.02 139	0.94 189	0.82 214	1.39 206	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

SACVNet	0.85 271	0.46 319	0.85 214	0.81 379	0.56 314	0.80 221	0.79 326	1.68 279	1.12 214	1.34 308	1.33 261	1.25 282	0.94 272	2.39 330	0.76 260	0.34 343	0.26 326	0.31 313	0.29 332	0.35 316	0.44 363

MaskLacGwcNet_RVC	1.10 337	1.02 415	1.00 280	0.82 384	0.67 355	1.93 396	0.93 362	1.62 268	1.11 210	1.15 203	1.25 228	1.50 333	0.79 201	1.96 294	0.76 260	1.89 439	0.34 374	0.79 424	0.36 373	1.25 434	0.83 419

CBMV_ROB	0.90 286	0.44 310	0.63 84	0.51 124	0.37 187	1.25 327	0.49 198	1.77 303	1.27 300	1.41 328	2.00 385	1.33 302	1.08 322	2.17 310	0.76 260	0.43 380	0.42 403	0.47 391	0.44 391	0.41 346	0.36 334

DEmStereo	0.97 306	0.23 23	0.79 201	0.47 53	0.32 130	1.04 290	0.56 252	0.93 68	0.89 117	1.39 325	2.14 396	1.02 221	2.07 421	5.64 408	0.77 266	0.17 40	0.15 146	0.20 97	0.20 164	0.18 61	0.20 167

HSM-Net_RVC	0.87 280	0.29 132	0.53 38	0.53 157	0.30 95	1.15 310	0.55 244	3.57 443	1.28 305	1.53 354	1.74 358	1.68 360	0.93 267	1.49 225	0.77 266	0.22 193	0.17 208	0.19 70	0.18 112	0.20 120	0.19 140
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
GwcNet-ADL	0.64 161	0.31 184	0.79 201	0.56 205	0.41 231	0.60 114	0.58 265	1.41 212	1.26 294	1.08 160	1.13 187	0.91 175	0.60 134	1.04 138	0.78 268	0.27 290	0.18 225	0.18 52	0.18 112	0.25 228	0.29 289

THIR-Stereo	1.02 322	0.27 84	0.69 122	0.49 88	0.28 63	0.95 267	1.34 406	1.03 105	0.97 150	1.34 308	1.90 379	1.17 263	1.58 385	6.44 422	0.78 268	0.19 111	0.14 92	0.21 123	0.22 231	0.19 93	0.20 167

DMCA-RVC	0.74 221	0.40 294	1.27 345	0.66 309	0.49 274	0.77 206	0.47 181	1.35 200	1.01 170	1.53 354	1.01 132	1.29 296	0.82 214	1.31 184	0.78 268	0.27 290	0.21 279	0.35 351	0.27 302	0.32 305	0.24 231

TDLM	1.06 327	0.44 310	0.79 201	0.63 281	0.50 281	0.89 246	1.44 411	1.48 227	1.26 294	1.12 181	1.40 287	1.08 236	0.98 291	6.65 425	0.78 268	0.33 335	0.21 279	0.33 333	0.26 292	0.37 326	0.24 231

PS-NSSS	0.99 312	0.58 362	0.93 257	0.58 226	0.57 317	0.91 251	0.80 332	1.81 318	1.14 228	1.14 197	1.67 352	1.00 212	0.83 222	4.62 385	0.78 268	0.37 358	0.31 361	0.52 398	0.32 353	0.45 364	0.38 342

iResNet	0.75 229	0.40 294	1.36 358	0.67 321	0.29 78	0.92 258	0.59 273	1.52 241	1.25 289	1.28 271	1.48 310	0.94 189	0.76 187	1.62 246	0.78 268	0.18 73	0.14 92	0.18 52	0.15 47	0.22 177	0.23 218

CFNet	0.96 300	0.36 270	1.01 284	0.62 273	0.42 235	0.99 280	0.47 181	1.90 341	1.32 323	0.99 139	1.39 285	1.10 248	0.86 236	5.58 407	0.79 274	0.23 218	0.17 208	0.28 288	0.27 302	0.26 239	0.21 183

HITNet	0.65 167	0.40 294	0.77 191	0.48 74	0.24 13	1.05 291	0.49 198	1.76 299	1.02 173	1.18 227	1.18 204	0.89 172	0.80 207	0.85 90	0.79 274	0.17 40	0.12 12	0.21 123	0.17 98	0.29 279	0.15 37
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
iResNet_ROB	0.77 236	0.30 151	0.99 275	0.57 220	0.36 175	0.83 232	0.36 76	2.33 415	1.58 383	1.27 269	1.30 247	1.25 282	0.84 225	1.65 249	0.79 274	0.20 140	0.14 92	0.17 23	0.12 13	0.18 61	0.27 273

MLCV	0.72 202	0.34 241	1.10 316	0.51 124	0.23 8	0.91 251	0.39 104	1.33 193	1.23 282	1.46 340	1.55 323	1.01 219	0.64 156	1.95 293	0.80 277	0.18 73	0.12 12	0.18 52	0.14 37	0.19 93	0.17 80

CrosDoStereo	1.58 387	0.24 30	0.72 146	0.48 74	0.29 78	0.67 154	12.49 467	1.10 140	0.98 155	1.34 308	1.75 361	1.00 212	1.89 410	6.65 425	0.81 278	0.19 111	0.15 146	0.20 97	0.22 231	0.18 61	0.19 140

DeepStereo_LL	1.58 387	0.24 30	0.72 146	0.48 74	0.29 78	0.67 154	12.49 467	1.10 140	0.98 155	1.34 308	1.75 361	1.00 212	1.89 410	6.65 425	0.81 278	0.19 111	0.15 146	0.20 97	0.22 231	0.18 61	0.19 140

psm_up	0.77 236	0.34 241	0.70 128	0.66 309	0.58 326	1.05 291	0.92 358	1.52 241	1.12 214	1.26 266	1.16 199	1.31 300	1.23 350	1.20 166	0.81 278	0.25 256	0.29 351	0.31 313	0.27 302	0.27 253	0.25 243

CFNet-ft	0.72 202	0.32 200	0.54 43	0.66 309	0.54 306	0.83 232	0.55 244	1.37 203	1.15 239	0.93 121	1.28 243	1.57 342	0.97 287	1.35 193	0.81 278	0.26 276	0.20 258	0.33 333	0.25 275	0.30 290	0.23 218

CFNet_RVC	0.72 202	0.32 200	0.54 43	0.66 309	0.54 306	0.83 232	0.55 244	1.37 203	1.15 239	0.93 121	1.28 243	1.57 342	0.97 287	1.35 193	0.81 278	0.26 276	0.20 258	0.33 333	0.25 275	0.30 290	0.23 218

SMFormer	0.75 229	0.30 151	0.86 220	0.46 45	0.26 26	0.82 227	0.43 143	2.05 373	1.39 353	1.23 249	1.47 305	0.98 205	0.95 277	1.71 262	0.82 283	0.24 233	0.20 258	0.22 150	0.21 204	0.23 202	0.24 231

tta	0.75 229	0.30 151	0.86 220	0.46 45	0.26 26	0.82 227	0.43 143	2.05 373	1.39 353	1.23 249	1.47 305	0.98 205	0.95 277	1.71 262	0.82 283	0.24 233	0.20 258	0.22 150	0.21 204	0.18 61	0.18 105

SQANet	1.31 365	0.88 408	1.08 311	1.83 439	1.44 435	1.44 353	0.75 315	1.74 291	1.09 203	1.32 297	1.26 235	1.28 293	1.01 303	1.50 227	0.83 285	2.50 445	0.34 374	1.47 437	0.55 413	2.32 440	1.57 441

RAFT + AFF	1.00 316	0.42 304	1.09 313	0.67 321	0.50 281	1.22 323	1.24 399	2.24 407	1.19 262	1.30 285	1.56 327	1.17 263	1.49 380	3.44 367	0.83 285	0.21 169	0.25 321	0.30 307	0.26 292	0.27 253	0.27 273

STTStereo	0.78 243	0.50 338	1.22 335	0.64 290	0.54 306	0.89 246	0.54 229	1.44 221	1.11 210	1.38 320	1.09 165	1.27 290	0.85 228	1.43 213	0.83 285	0.29 310	0.27 334	0.33 333	0.39 379	0.32 305	0.30 301

dad	0.86 276	0.66 382	1.06 303	0.56 205	0.37 187	0.76 198	0.44 155	1.17 157	1.50 374	1.44 336	1.27 238	1.34 306	0.75 179	2.52 335	0.84 288	0.42 375	0.27 334	0.83 425	0.26 292	0.41 346	0.29 289

CC-Net-ROB	1.49 380	1.26 429	1.27 345	0.88 401	0.79 386	1.76 381	1.00 374	1.79 312	1.26 294	1.10 174	1.61 339	1.21 269	0.99 299	8.13 448	0.84 288	1.09 433	0.41 401	2.20 442	0.46 396	1.20 433	0.48 374

NLCA_NET_v2_RVC	0.79 246	0.43 307	1.05 299	0.64 290	0.58 326	0.95 267	0.53 224	1.53 247	1.18 257	1.37 315	1.15 196	1.43 317	0.88 245	1.61 245	0.84 288	0.25 256	0.22 297	0.27 275	0.27 302	0.29 279	0.29 289
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CSP-Net	0.97 306	0.38 283	0.83 212	0.53 157	0.41 231	1.63 369	0.77 321	2.00 364	1.05 184	1.25 262	1.20 214	1.33 302	0.83 222	4.93 392	0.85 291	0.32 327	0.22 297	0.20 97	0.20 164	0.23 202	0.25 243

cf-r	0.73 218	0.30 151	0.77 191	0.55 193	0.63 345	0.78 211	0.48 189	1.79 312	1.15 239	1.13 195	1.26 235	1.43 317	0.87 240	1.40 211	0.85 291	0.25 256	0.18 225	0.22 150	0.23 252	0.19 93	0.19 140

dd	0.59 130	0.48 328	0.97 271	0.55 193	0.32 130	0.64 128	0.47 181	1.02 101	1.34 330	0.78 88	0.86 90	0.58 65	0.54 101	1.01 128	0.86 293	0.28 302	0.18 225	0.26 262	0.19 132	0.32 305	0.24 231

UGAM	1.14 347	0.27 84	0.95 264	0.53 157	0.42 235	0.70 173	0.72 309	0.95 79	1.32 323	0.98 136	1.48 310	1.78 371	0.87 240	9.65 460	0.87 294	0.21 169	0.18 225	0.30 307	0.24 263	0.19 93	0.16 56

ICVP	0.63 150	0.33 219	0.57 58	0.61 262	0.40 224	0.80 221	0.58 265	1.61 264	0.89 117	0.90 114	1.24 224	0.88 164	0.73 175	0.72 57	0.88 295	0.29 310	0.21 279	0.22 150	0.21 204	0.24 217	0.27 273
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
LMCR-Stereo	0.82 257	0.46 319	0.88 238	0.75 364	0.43 242	1.33 337	0.56 252	2.43 425	0.98 155	1.53 354	1.49 312	0.74 108	1.00 301	1.63 247	0.89 296	0.28 302	0.17 208	0.22 150	0.17 98	0.29 279	0.20 167

NVstereo2D	0.92 291	0.41 301	1.48 374	0.72 350	0.72 368	1.20 321	0.87 346	1.75 293	1.38 349	0.99 139	1.13 187	1.26 286	0.98 291	2.21 316	0.89 296	0.43 380	0.20 258	0.38 365	0.24 263	0.57 393	0.63 404

CRFU-Net	0.86 276	0.39 288	1.00 280	0.65 302	0.57 317	1.78 386	0.86 344	2.15 390	0.81 95	1.38 320	1.18 204	1.64 355	1.19 341	1.35 193	0.90 298	0.26 276	0.22 297	0.21 123	0.19 132	0.23 202	0.24 231

GEStereo_RVC	0.90 286	0.37 276	0.99 275	0.64 290	0.50 281	0.95 267	0.79 326	2.42 424	1.17 250	1.16 213	1.11 175	1.26 286	0.92 258	3.24 359	0.90 298	0.29 310	0.19 241	0.23 185	0.20 164	0.27 253	0.29 289

GANet	1.36 371	0.47 324	0.86 220	0.67 321	0.45 255	1.34 339	1.73 424	1.64 271	1.24 286	1.49 349	2.38 405	1.55 340	1.20 344	9.30 454	0.93 300	0.30 314	0.31 361	0.33 333	0.28 321	0.39 339	0.30 301

ACVNet	0.63 150	0.31 184	0.54 43	0.54 172	0.36 175	0.80 221	0.46 175	1.37 203	1.07 192	0.93 121	1.30 247	1.08 236	0.85 228	0.80 77	0.94 301	0.21 169	0.19 241	0.21 123	0.18 112	0.22 177	0.18 105

hitnet-ft	0.79 246	0.35 261	0.57 58	0.58 226	0.42 235	0.96 271	0.46 175	1.47 226	1.33 327	1.19 231	1.22 218	1.81 372	0.98 291	1.66 253	0.94 301	0.33 335	0.28 340	0.34 343	0.27 302	0.35 316	0.31 311

MyStereo8	0.65 167	0.29 132	1.00 280	0.58 226	0.49 274	0.91 251	0.35 64	1.18 162	1.31 319	1.16 213	1.27 238	0.90 173	0.64 156	0.72 57	0.95 303	0.18 73	0.14 92	0.20 97	0.18 112	0.22 177	0.26 264

PSMNet-ADL	0.72 202	0.35 261	0.62 81	0.69 335	0.46 265	1.14 305	0.44 155	1.37 203	1.01 170	0.83 102	1.17 202	1.33 302	0.96 284	1.43 213	0.95 303	0.33 335	0.22 297	0.21 123	0.23 252	0.27 253	0.29 289

DMCA	0.67 183	0.34 241	0.90 248	0.51 124	0.44 248	0.86 243	0.47 181	1.42 214	1.02 173	1.17 222	1.12 182	1.23 276	0.75 179	0.78 71	0.95 303	0.25 256	0.19 241	0.27 275	0.19 132	0.24 217	0.27 273

SGM-Forest	1.24 357	0.38 283	0.60 74	0.52 143	0.37 187	1.56 363	1.30 404	1.65 272	1.36 341	2.11 407	1.79 365	1.63 352	0.93 267	7.48 442	0.95 303	0.36 354	0.37 390	0.39 370	0.34 365	0.37 326	0.32 316
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
GANetREF_RVC	1.07 329	0.86 405	1.31 349	0.82 384	0.53 303	1.41 351	1.31 405	1.76 299	1.52 377	1.27 269	1.31 253	1.46 325	1.24 352	2.03 299	0.96 307	0.56 407	0.45 411	0.67 420	0.50 406	0.88 420	0.59 398
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
LL-Strereo	1.33 368	0.39 288	1.38 359	0.61 262	0.61 339	0.75 193	0.66 292	1.63 270	1.17 250	1.56 362	1.60 335	2.03 395	2.12 422	9.72 461	0.97 308	0.21 169	0.18 225	0.27 275	0.23 252	0.22 177	0.25 243

ac_64	0.82 257	0.29 132	0.81 207	0.71 347	0.60 336	1.05 291	0.54 229	1.99 363	0.92 130	1.18 227	1.06 153	1.99 390	1.08 322	1.94 292	0.97 308	0.27 290	0.22 297	0.24 205	0.23 252	0.22 177	0.19 140

otaku	1.60 390	1.11 422	1.21 333	2.20 442	1.56 437	1.97 399	1.24 399	2.07 379	1.36 341	1.44 336	1.62 342	1.73 365	1.19 341	1.73 266	0.98 310	2.89 450	0.57 429	1.74 438	0.60 420	2.78 446	1.94 447

CBMV	0.95 299	0.44 310	0.66 103	0.53 157	0.35 165	1.53 360	1.63 422	1.69 281	1.42 364	2.00 403	1.60 335	1.43 317	1.17 335	1.59 243	0.99 311	0.34 343	0.34 374	0.39 370	0.33 360	0.33 312	0.32 316
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
anonymity	1.12 342	0.97 411	1.21 333	1.07 423	1.12 420	1.08 297	0.89 350	1.95 356	1.16 247	1.29 276	1.26 235	1.22 271	1.09 325	1.15 157	1.01 312	1.02 429	1.00 452	0.97 429	0.97 440	0.98 422	0.99 426

DSFCA	0.93 294	0.34 241	1.06 303	0.52 143	0.65 350	1.55 362	0.93 362	1.49 229	1.19 262	1.56 362	1.15 196	1.50 333	0.96 284	3.07 353	1.02 313	0.30 314	0.26 326	0.25 243	0.25 275	0.28 270	0.24 231

FINET	0.97 306	0.54 349	1.60 382	0.63 281	0.79 386	1.08 297	1.07 383	1.56 254	2.20 419	1.15 203	1.49 312	0.94 189	0.88 245	2.32 324	1.05 314	0.42 375	0.35 383	0.32 325	0.28 321	0.43 355	0.38 342

DLCB_ROB	0.86 276	0.40 294	0.78 199	0.68 332	0.54 306	1.11 300	0.84 338	1.49 229	1.23 282	1.64 374	1.65 348	1.70 362	0.91 255	1.70 261	1.05 314	0.25 256	0.24 314	0.26 262	0.27 302	0.27 253	0.24 231

ACVNet-4b	2.15 419	1.41 433	1.64 383	2.80 449	2.31 449	2.31 415	1.24 399	2.32 414	2.14 417	1.26 266	2.39 406	2.66 419	1.48 378	5.95 416	1.06 316	3.20 455	0.45 411	2.37 446	0.89 435	2.83 450	2.37 452

HGLStereo	0.85 271	0.38 283	0.94 261	0.80 376	1.03 413	1.17 314	0.58 265	1.52 241	1.20 267	1.19 231	1.62 342	1.13 258	1.20 344	1.80 276	1.06 316	0.24 233	0.24 314	0.24 205	0.21 204	0.23 202	0.27 273

BEATNet_4x	0.73 218	0.49 331	1.17 330	0.53 157	0.26 26	1.03 288	0.55 244	1.82 319	1.06 187	1.21 238	1.22 218	0.96 202	0.91 255	1.01 128	1.06 316	0.21 169	0.14 92	0.24 205	0.19 132	0.37 326	0.21 183

DDUNet	1.50 382	2.69 460	1.12 320	1.77 438	1.88 440	1.84 391	0.92 358	1.70 284	1.16 247	1.38 320	1.79 365	1.60 348	1.12 330	1.37 197	1.08 319	1.10 434	0.76 437	2.37 446	0.94 438	2.00 438	1.37 438

stereogan	1.15 351	0.42 304	1.40 360	0.86 395	0.84 397	2.38 418	0.71 306	1.88 336	1.73 394	1.72 379	1.94 383	2.31 406	1.29 358	2.07 303	1.08 319	0.36 354	0.35 383	0.39 370	0.31 345	0.51 382	0.46 368

UNet	0.83 262	0.34 241	1.31 349	0.58 226	0.74 372	1.58 365	0.49 198	1.41 212	1.04 180	1.21 238	1.08 160	1.54 338	1.12 330	1.65 249	1.09 321	0.23 218	0.17 208	0.25 243	0.20 164	0.25 228	0.22 200

UPFNet	0.80 249	0.32 200	0.90 248	0.59 239	0.74 372	1.26 328	0.80 332	1.52 241	1.10 208	1.30 285	1.12 182	1.30 297	0.84 225	1.67 254	1.09 321	0.24 233	0.24 314	0.24 205	0.23 252	0.25 228	0.18 105

GwcNet-RSSM	0.77 236	0.32 200	1.01 284	0.62 273	0.54 306	0.78 211	0.51 206	1.73 287	1.20 267	1.09 166	1.37 277	1.46 325	0.85 228	1.53 232	1.09 321	0.25 256	0.18 225	0.23 185	0.24 263	0.20 120	0.19 140

DGSMNet	1.14 347	0.76 398	2.49 422	0.81 379	0.86 400	1.39 346	1.39 408	2.13 384	1.35 338	1.26 266	1.63 345	1.48 331	0.98 291	1.75 267	1.10 324	0.45 386	0.43 404	0.55 409	0.49 403	0.75 416	0.70 412

delet	0.85 271	0.32 200	0.95 264	0.65 302	0.66 352	1.64 371	0.84 338	1.75 293	1.35 338	1.32 297	1.30 247	1.30 297	0.88 245	1.68 259	1.10 324	0.21 169	0.21 279	0.24 205	0.24 263	0.21 154	0.21 183

Ntro	1.64 394	1.15 425	1.23 336	2.48 447	1.83 439	2.09 406	1.16 393	1.96 357	1.38 349	1.21 238	1.62 342	1.62 350	1.29 358	1.87 285	1.11 326	3.04 451	0.56 428	1.82 440	0.64 421	2.80 447	2.05 448

iRaft-Stereo_5w	0.85 271	0.29 132	0.91 251	0.53 157	0.43 242	0.49 46	0.68 298	0.99 91	0.87 110	0.79 91	1.34 268	1.46 325	0.91 255	5.11 393	1.11 326	0.17 40	0.14 92	0.22 150	0.18 112	0.20 120	0.20 167

FADNet_RVC	0.83 262	0.51 341	1.83 399	0.54 172	0.42 235	1.19 319	0.46 175	1.51 239	1.09 203	0.89 112	1.24 224	0.91 175	0.87 240	2.11 307	1.11 326	0.27 290	0.22 297	0.31 313	0.28 321	0.43 355	0.38 342

ETE_ROB	0.96 300	0.64 380	1.16 328	0.69 335	0.48 271	1.14 305	1.13 389	1.77 303	1.19 262	1.91 398	1.45 299	1.73 365	1.05 315	1.60 244	1.14 329	0.32 327	0.26 326	0.38 365	0.34 365	0.39 339	0.41 350

ADLNet	0.85 271	0.36 270	0.89 244	0.85 393	0.72 368	1.24 325	0.76 318	1.82 319	1.36 341	1.52 353	1.35 274	1.27 290	0.99 299	1.23 170	1.15 330	0.27 290	0.20 258	0.26 262	0.25 275	0.28 270	0.30 301

SDNR	1.62 393	0.51 341	2.17 412	0.53 157	0.56 314	3.80 445	0.45 169	1.54 249	1.29 309	1.33 305	2.41 408	1.08 236	0.96 284	11.18 467	1.16 331	0.66 419	0.63 432	0.43 382	0.32 353	0.64 404	0.67 409

AASNet	0.76 235	0.35 261	0.91 251	0.79 373	0.81 393	1.14 305	0.56 252	2.02 371	1.08 197	1.22 243	1.24 224	0.93 186	0.76 187	0.77 70	1.16 331	0.27 290	0.23 306	0.24 205	0.20 164	0.28 270	0.24 231

ADLNet2	0.88 281	0.34 241	1.17 330	0.77 369	0.64 348	1.12 303	0.76 318	1.74 291	1.24 286	1.21 238	1.65 348	1.71 363	1.05 315	1.67 254	1.17 333	0.24 233	0.21 279	0.21 123	0.22 231	0.26 239	0.29 289

FADNet-RVC	0.88 281	0.67 383	1.93 403	0.60 250	0.48 271	0.91 251	0.60 277	1.71 285	1.18 257	0.90 114	0.96 111	1.36 308	0.92 258	2.25 319	1.17 333	0.30 314	0.29 351	0.32 325	0.32 353	0.41 346	0.35 329

MDST_ROB	1.67 396	0.34 241	1.58 381	0.92 411	0.58 326	4.26 451	1.11 386	2.83 432	1.41 361	4.49 452	2.55 412	1.45 323	0.97 287	7.79 445	1.17 333	0.31 321	0.25 321	0.37 362	0.33 360	0.31 298	0.30 301

FAT-Stereo	1.07 329	0.41 301	1.32 352	0.72 350	0.58 326	1.08 297	0.89 350	1.96 357	1.65 387	1.75 381	1.98 384	2.03 395	1.48 378	2.02 298	1.18 336	0.42 375	0.35 383	0.34 343	0.29 332	0.35 316	0.53 386

MMNet	0.84 267	0.32 200	1.09 313	0.60 250	0.59 333	1.85 392	0.49 198	1.51 239	1.27 300	1.37 315	1.15 196	1.26 286	1.18 338	1.67 254	1.22 337	0.19 111	0.18 225	0.23 185	0.22 231	0.25 228	0.21 183

edge stereo	1.11 340	0.50 338	1.30 348	0.71 347	0.65 350	1.14 305	0.75 315	1.93 352	1.37 345	1.71 378	1.83 369	2.54 415	1.44 372	2.43 332	1.23 338	0.42 375	0.41 401	0.54 404	0.35 369	0.42 350	0.46 368

StereoDRNet-Refined	0.80 249	0.41 301	0.88 238	0.62 273	0.42 235	1.33 337	0.48 189	1.52 241	1.17 250	1.45 338	1.44 297	1.44 321	0.90 252	1.26 177	1.24 339	0.20 140	0.16 181	0.27 275	0.24 263	0.25 228	0.28 285
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
RainbowNet	1.97 415	1.76 441	1.57 380	2.81 450	2.21 445	1.98 401	1.81 427	2.54 429	1.89 405	1.50 350	1.84 371	1.96 387	1.65 392	2.14 309	1.25 340	3.33 457	0.85 444	2.39 449	0.98 442	2.82 449	2.22 449

RP	1.09 335	0.50 338	1.12 320	0.90 406	1.04 414	1.11 300	0.84 338	1.80 315	1.62 385	1.55 361	2.00 385	1.90 379	1.78 402	1.84 279	1.25 340	0.52 399	0.36 388	0.48 392	0.36 373	0.45 364	0.43 361

NCC-stereo	1.10 337	0.54 349	1.24 339	0.84 388	0.94 408	1.29 332	0.89 350	2.01 368	1.34 330	1.32 297	1.74 358	1.88 375	1.74 399	2.35 326	1.25 340	0.45 386	0.37 390	0.45 386	0.58 416	0.42 350	0.42 354

Abc-Net	1.10 337	0.54 349	1.24 339	0.84 388	0.94 408	1.29 332	0.89 350	2.01 368	1.34 330	1.32 297	1.74 358	1.88 375	1.74 399	2.35 326	1.25 340	0.45 386	0.37 390	0.45 386	0.58 416	0.42 350	0.42 354
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PA-Net	1.01 320	0.57 359	1.29 347	0.64 290	0.74 372	1.19 319	0.84 338	1.69 281	1.43 366	1.16 213	1.19 211	1.32 301	1.19 341	3.42 365	1.25 340	0.29 310	0.45 411	0.33 333	0.49 403	0.32 305	0.47 371
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MFMNet_re	1.40 376	1.14 424	1.68 386	1.39 431	1.07 415	1.48 355	1.43 410	1.87 333	1.82 402	2.26 410	2.19 397	1.51 335	1.86 409	1.52 228	1.25 340	0.93 425	0.83 440	0.84 426	0.80 430	0.99 424	1.05 431

MFN_U_SF_DS_RVC	1.74 404	0.87 406	3.56 434	0.80 376	0.75 378	3.72 442	2.44 453	1.82 319	1.82 402	1.74 380	1.91 380	1.92 383	1.26 355	7.69 444	1.28 346	0.45 386	0.47 415	0.52 398	0.77 428	0.50 378	0.50 379

NCCL2	1.00 316	0.56 355	1.06 303	0.75 364	0.57 317	1.31 335	1.72 423	1.77 303	1.36 341	1.50 350	1.17 202	1.91 380	1.17 335	1.54 234	1.29 347	0.35 350	0.31 361	0.45 386	0.44 391	0.40 343	0.40 346

NaN_ROB	1.13 345	0.55 352	1.15 327	0.64 290	0.48 271	1.61 367	2.03 440	1.72 286	1.48 371	2.09 406	1.27 238	1.40 312	1.08 322	3.94 373	1.30 348	0.28 302	0.34 374	0.28 288	0.28 321	0.30 290	0.33 321

RGC	1.14 347	0.79 400	1.26 342	0.91 409	0.96 411	1.52 359	0.77 321	1.92 348	1.26 294	1.54 358	1.93 381	2.02 394	1.54 382	2.25 319	1.31 349	0.44 385	0.35 383	0.58 415	0.48 400	0.47 371	0.46 368

STTRV1_RVC	1.58 387	0.68 386	1.96 405	0.88 401	1.12 420	1.57 364	0.90 355	2.25 408	1.75 397	1.29 276	2.02 388	1.40 312	1.22 348	9.77 462	1.31 349	0.81 422	0.33 372	0.54 404	0.49 403	0.73 415	0.52 385

Wz-Net-LNSev-Ref	0.99 312	0.40 294	1.82 397	0.66 309	0.62 344	2.05 404	0.78 323	1.91 345	1.29 309	1.54 358	1.42 290	1.51 335	1.23 350	1.99 296	1.33 351	0.23 218	0.14 92	0.20 97	0.15 47	0.27 253	0.26 264

MSMD_ROB	1.99 416	0.59 365	0.89 244	0.70 340	0.61 339	3.95 447	0.94 364	1.80 315	1.79 399	4.41 450	4.43 434	8.17 458	3.66 446	3.40 363	1.33 351	0.52 399	0.48 416	0.54 404	0.58 416	0.53 386	0.50 379

acv_ft	0.75 229	0.31 184	0.95 264	0.70 340	0.86 400	1.24 325	0.53 224	1.44 221	1.07 192	1.24 257	1.30 247	1.08 236	0.92 258	0.80 77	1.34 353	0.21 169	0.19 241	0.21 123	0.18 112	0.21 154	0.18 105

Nwc_Net	1.09 335	0.49 331	1.33 354	0.89 405	0.80 391	1.49 357	0.66 292	2.19 401	1.27 300	1.32 297	2.26 400	1.96 387	1.54 382	1.92 288	1.34 353	0.40 367	0.30 355	0.43 382	0.45 393	0.38 335	0.37 336

PASM	1.34 369	0.92 409	2.62 426	0.86 395	0.87 402	1.03 288	1.08 384	1.50 233	1.51 376	1.82 391	1.41 289	1.68 360	1.26 355	4.87 389	1.34 353	0.61 414	0.65 435	0.68 421	0.78 429	0.69 411	0.68 411

PDISCO_ROB	1.32 367	0.65 381	1.44 363	1.36 429	1.46 436	2.55 422	0.92 358	2.45 426	2.07 416	1.37 315	1.49 312	1.65 357	1.00 301	2.82 344	1.35 356	1.01 427	0.27 334	0.54 404	0.47 398	0.71 413	0.73 415

psmorigin	1.52 384	0.69 387	10.52 458	0.68 332	0.59 333	1.13 304	0.70 304	1.57 255	1.19 262	1.99 401	1.79 365	2.26 403	1.47 377	2.09 305	1.36 357	0.39 365	0.40 399	0.34 343	0.33 360	0.43 355	0.56 391

fast-acv-ft	0.94 296	0.44 310	1.40 360	0.58 226	0.51 292	1.77 384	0.69 302	1.36 202	1.42 364	1.29 276	1.86 374	1.74 367	1.25 353	1.52 228	1.38 358	0.26 276	0.28 340	0.28 288	0.28 321	0.27 253	0.26 264

AANet_RVC	1.16 353	0.52 344	1.49 376	0.65 302	0.45 255	0.75 193	0.69 302	1.42 214	1.55 382	1.34 308	1.87 376	1.53 337	0.78 197	7.43 440	1.38 358	0.25 256	0.17 208	0.19 70	0.16 81	0.22 177	0.26 264

LALA_ROB	1.01 320	0.59 365	1.16 328	0.67 321	0.51 292	1.63 369	1.26 403	1.69 281	1.38 349	1.81 390	1.37 277	1.94 385	1.02 308	1.58 241	1.38 358	0.37 358	0.27 334	0.43 382	0.37 376	0.43 355	0.37 336

RASNet	1.12 342	0.30 151	0.91 251	0.66 309	0.77 382	0.97 275	0.57 262	1.37 203	1.35 338	1.02 150	1.34 268	2.11 399	1.43 371	7.09 434	1.39 361	0.19 111	0.17 208	0.17 23	0.19 132	0.18 61	0.16 56

ACVNet_1	2.18 420	1.45 435	1.72 390	2.85 451	2.33 450	2.28 413	1.46 412	3.08 437	2.22 420	1.82 391	2.05 391	3.56 431	1.98 416	3.09 356	1.40 362	3.17 452	0.60 431	2.40 450	0.92 437	2.91 453	2.37 452

Wz-Net-LNSev	1.03 323	0.67 383	2.71 428	0.64 290	0.84 397	1.75 379	1.00 374	1.80 315	1.32 323	1.28 271	1.25 228	1.65 357	1.22 348	1.39 206	1.40 362	0.28 302	0.26 326	0.24 205	0.23 252	0.33 312	0.32 316

Consistency-Raft	1.25 359	0.99 413	1.93 403	1.02 419	1.21 429	0.96 271	1.01 376	1.75 293	1.92 408	1.36 313	2.12 394	1.44 321	1.01 303	1.14 156	1.40 362	0.72 420	0.82 439	0.89 427	0.98 442	1.31 435	0.95 424

Syn2CoEx	1.14 347	0.69 387	1.66 385	0.80 376	0.67 355	1.40 347	0.88 348	2.06 378	1.54 380	1.25 262	1.58 333	1.42 316	1.50 381	4.09 375	1.40 362	0.36 354	0.32 368	0.34 343	0.29 332	0.29 279	0.34 324

GASNet	0.99 312	0.97 411	1.72 390	0.98 415	0.68 361	0.83 232	0.67 295	1.60 261	1.28 305	1.31 295	1.22 218	1.22 271	1.21 347	2.41 331	1.41 366	0.43 380	0.26 326	0.36 359	0.34 365	0.55 390	0.31 311

UDG	1.41 377	2.65 459	0.99 275	1.44 434	1.64 438	1.34 339	0.80 332	1.60 261	1.23 282	1.23 249	1.71 355	2.01 392	1.34 366	1.47 223	1.41 366	0.90 424	0.54 427	2.29 444	0.75 427	1.84 437	1.04 429

GwcNet	1.08 332	0.51 341	2.33 417	0.79 373	1.18 427	1.76 381	0.70 304	1.68 279	1.47 370	1.41 328	1.64 346	1.74 367	1.04 311	2.20 315	1.41 366	0.30 314	0.29 351	0.29 297	0.27 302	0.30 290	0.35 329

S-Stereo	1.15 351	0.46 319	2.17 412	0.81 379	0.80 391	1.21 322	1.19 396	1.93 352	2.02 413	1.47 341	2.11 393	1.57 342	1.17 335	2.05 302	1.41 366	0.40 367	0.40 399	0.35 351	0.31 345	0.44 361	0.70 412

CBFPSM	0.92 291	0.33 219	1.86 400	0.49 88	0.38 204	1.75 379	0.84 338	1.39 209	1.12 214	1.09 166	0.99 122	2.37 409	1.66 396	1.32 187	1.42 370	0.19 111	0.18 225	0.20 97	0.20 164	0.21 154	0.33 321

Wz-Net-MNSev	1.11 340	0.58 362	2.23 415	0.66 309	0.71 366	1.95 398	1.46 412	1.98 362	1.45 368	1.79 387	1.43 294	1.49 332	1.33 365	1.97 295	1.42 370	0.27 290	0.23 306	0.28 288	0.28 321	0.34 315	0.31 311

XPNet_ROB	0.96 300	0.49 331	1.09 313	0.72 350	0.57 317	1.11 300	1.14 390	1.66 277	1.23 282	1.85 393	1.39 285	1.64 355	1.11 327	1.80 276	1.42 370	0.38 362	0.30 355	0.33 333	0.29 332	0.37 326	0.34 324

PSMNet_ROB	0.90 286	0.52 344	1.17 330	0.72 350	0.61 339	1.27 329	1.12 388	1.76 299	1.12 214	1.09 166	1.28 243	1.45 323	0.89 251	1.65 249	1.42 370	0.33 335	0.25 321	0.37 362	0.39 379	0.35 316	0.29 289

PWCDC_ROB	1.29 361	0.75 397	1.33 354	1.05 420	0.88 403	1.73 378	0.52 216	1.89 338	3.28 439	1.29 276	4.88 443	1.22 271	1.46 375	1.77 274	1.45 374	0.60 413	0.26 326	0.29 297	0.25 275	0.52 384	0.37 336

StereoDRNet	0.98 310	0.47 324	1.70 387	0.76 366	0.94 408	1.51 358	0.91 356	1.92 348	1.32 323	1.61 369	1.13 187	1.47 330	0.97 287	1.75 267	1.46 375	0.28 302	0.23 306	0.29 297	0.27 302	0.35 316	0.27 273

ACVNet_2	2.43 431	1.41 433	2.04 406	2.62 448	2.24 446	2.63 426	1.88 433	3.31 439	3.01 436	2.19 408	3.45 426	4.62 439	2.04 418	4.50 383	1.47 376	2.55 446	0.64 433	2.22 443	0.84 432	2.69 445	2.29 451

AF-Net	1.13 345	0.52 344	1.33 354	0.86 395	0.91 404	1.38 345	0.71 306	2.16 393	1.62 385	1.56 362	2.40 407	1.99 390	1.65 392	1.81 278	1.48 377	0.48 394	0.28 340	0.49 394	0.33 360	0.39 339	0.32 316

CSAN	1.41 377	0.59 365	1.26 342	0.70 340	0.50 281	1.76 381	1.78 425	1.77 303	1.90 407	2.35 415	2.32 402	1.92 383	1.94 414	5.56 406	1.49 378	0.43 380	0.35 383	0.40 375	0.41 384	0.43 355	0.41 350

DISCO	1.03 323	0.34 241	1.11 318	0.69 335	0.45 255	2.07 405	0.84 338	2.13 384	1.50 374	1.15 203	1.33 261	2.40 411	1.07 321	2.60 338	1.51 379	0.23 218	0.18 225	0.22 150	0.20 164	0.31 298	0.27 273

DRN-Test	1.00 316	0.44 310	1.13 322	0.70 340	0.81 393	1.62 368	0.79 326	2.14 388	1.44 367	1.78 384	1.33 261	1.43 317	1.05 315	2.18 313	1.53 380	0.27 290	0.21 279	0.31 313	0.30 341	0.32 305	0.28 285

APVNet	1.06 327	0.53 348	1.42 362	0.84 388	0.79 386	1.92 395	0.82 336	1.90 341	1.08 197	1.08 160	1.43 294	1.56 341	1.13 332	3.07 353	1.58 381	0.31 321	0.34 374	0.42 380	0.36 373	0.36 322	0.37 336

DispFullNet	2.34 426	2.85 461	3.66 435	3.08 456	2.27 447	1.97 399	0.67 295	2.00 364	1.70 391	2.52 421	2.00 385	2.23 401	5.86 456	3.44 367	1.58 381	1.01 427	0.32 368	2.64 455	1.94 460	2.85 451	2.24 450

iinet-f	0.99 312	0.45 317	3.71 437	0.55 193	0.43 242	1.81 387	0.68 298	1.14 152	1.14 228	1.18 227	1.42 290	1.58 345	1.44 372	1.34 192	1.59 383	0.24 233	0.23 306	0.20 97	0.19 132	0.26 239	0.25 243

ssnet_v2	0.88 281	0.36 270	1.02 291	0.62 273	0.38 204	1.32 336	0.97 368	2.07 379	1.34 330	1.37 315	1.18 204	1.54 338	0.92 258	1.10 149	1.65 384	0.30 314	0.27 334	0.30 307	0.28 321	0.27 253	0.26 264

NVStereoNet_ROB	1.88 409	1.07 417	1.45 367	1.07 423	1.17 425	1.47 354	1.48 414	1.89 338	1.93 410	1.94 399	4.67 441	3.08 428	1.80 404	6.51 423	1.65 384	1.06 432	0.86 446	1.08 434	1.32 447	0.93 421	1.26 436
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DeepPrunerF	1.60 390	0.73 392	5.81 446	0.88 401	1.19 428	0.91 251	0.95 366	2.19 401	5.24 455	1.17 222	1.30 247	1.19 267	1.30 362	4.90 390	1.66 386	0.42 375	0.34 374	0.52 398	0.47 398	0.41 346	0.40 346

SANet	1.88 409	0.57 359	2.18 414	0.63 281	0.40 224	2.80 430	1.57 419	2.39 422	5.88 457	2.36 417	3.57 427	3.72 434	2.97 439	4.74 386	1.76 387	0.34 343	0.30 355	0.32 325	0.29 332	0.48 374	0.37 336

aanetorigin	1.23 356	0.79 400	2.78 430	0.70 340	0.79 386	0.99 280	1.06 382	1.06 129	1.37 345	3.52 441	2.61 413	1.72 364	1.63 390	1.99 296	1.78 388	0.25 256	0.24 314	0.26 262	0.25 275	0.38 335	0.45 365

FCDSN-DC	2.32 425	0.63 378	0.81 207	0.84 388	0.75 378	2.23 411	0.94 364	2.09 382	1.80 400	5.45 459	7.72 457	7.77 457	6.93 463	3.39 362	1.80 389	0.52 399	0.48 416	0.52 398	0.51 409	0.57 393	0.58 396
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FBW_ROB	1.71 402	0.62 377	1.45 367	0.67 321	0.61 339	1.81 387	1.08 384	2.52 428	1.70 391	1.77 383	1.73 357	1.98 389	1.25 353	12.57 469	1.84 390	0.34 343	0.37 390	0.56 412	0.38 378	0.45 364	0.43 361

G-Net	1.66 395	0.63 378	1.56 379	1.11 425	0.74 372	2.98 434	0.91 356	1.55 253	1.22 279	2.76 429	8.18 460	2.32 407	2.53 434	1.92 288	1.87 391	0.48 394	0.44 407	0.45 386	0.31 345	0.60 401	0.57 395

RYNet	1.17 354	0.49 331	1.24 339	0.70 340	0.97 412	1.71 375	0.92 358	1.91 345	1.46 369	1.38 320	1.14 190	1.88 375	1.30 362	4.24 377	1.87 391	0.26 276	0.21 279	0.35 351	0.27 302	0.55 390	0.54 387

ccnet	1.12 342	0.67 383	1.01 284	0.78 371	0.73 371	1.72 377	0.99 372	1.84 327	1.26 294	1.47 341	1.85 373	1.75 370	1.29 358	1.75 267	1.88 393	0.57 408	0.53 424	0.57 414	0.55 413	0.59 397	0.54 387

SGM_RVC	1.68 398	0.36 270	0.61 77	0.59 239	0.29 78	2.25 412	1.18 395	2.38 421	1.68 390	3.60 442	2.67 415	3.69 433	2.42 430	8.13 448	1.90 394	0.31 321	0.31 361	0.30 307	0.28 321	0.30 290	0.29 289
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
Dean	2.91 444	1.53 438	2.07 407	2.96 455	2.51 452	3.15 435	2.14 444	4.75 453	4.41 451	2.76 429	6.10 447	5.53 448	2.37 428	2.97 351	1.92 395	3.18 453	0.85 444	2.51 453	1.04 445	2.88 452	2.47 455

WCMA_ROB	1.84 406	0.47 324	1.31 349	0.69 335	0.57 317	2.11 407	1.14 390	1.87 333	1.73 394	4.04 446	6.43 448	5.62 449	3.61 445	2.59 337	1.94 396	0.52 399	0.44 407	0.39 370	0.42 387	0.48 374	0.47 371

MeshStereo	2.26 423	0.56 355	0.92 255	0.61 262	0.49 274	2.60 424	1.02 377	3.18 438	2.05 415	7.40 466	4.98 444	7.58 455	2.98 440	6.37 421	1.96 397	0.43 380	0.43 404	0.45 386	0.39 379	0.43 355	0.42 354
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
SAMSARA	1.55 386	0.84 402	2.61 425	1.22 428	1.07 415	2.50 421	1.93 435	2.05 373	1.89 405	2.75 428	1.66 350	2.81 423	1.69 397	3.08 355	1.97 398	0.46 392	0.51 422	0.42 380	0.46 396	0.58 395	0.59 398

DANet	1.08 332	0.61 374	1.32 352	0.85 393	0.72 368	1.37 342	0.51 206	1.54 249	1.15 239	1.78 384	1.54 321	2.01 392	1.11 327	2.90 348	2.00 399	0.33 335	0.30 355	0.40 375	0.30 341	0.44 361	0.45 365
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MSC_U_SF_DS_RVC	2.12 418	1.15 425	3.10 431	1.05 420	0.76 381	5.03 456	2.40 452	2.16 393	2.62 431	1.89 396	2.28 401	2.69 420	1.65 392	9.35 456	2.04 400	0.64 418	0.51 422	0.68 421	0.71 426	1.09 429	0.67 409

SPS-STEREO	1.67 396	1.04 416	1.23 336	1.21 427	1.13 423	1.82 389	1.11 386	2.16 393	1.52 377	3.07 440	2.32 402	2.82 424	1.80 404	4.11 376	2.04 400	1.03 430	0.99 451	0.97 429	0.94 438	1.03 427	1.02 427
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
LSM	6.33 457	1.10 419	13.19 460	1.41 433	68.17 483	1.64 371	1.90 434	1.92 348	2.46 424	2.99 436	3.11 421	1.88 375	1.80 404	2.61 339	2.06 402	0.41 371	0.58 430	0.50 395	0.57 415	0.64 404	17.66 478

PWC_ROB	1.24 357	0.76 398	2.46 421	0.72 350	0.78 384	1.15 310	0.49 198	1.75 293	1.92 408	2.31 412	3.07 420	1.59 346	1.40 368	2.46 333	2.10 403	0.33 335	0.22 297	0.35 351	0.24 263	0.38 335	0.41 350

Wz-Net-SNSev	1.49 380	1.23 428	6.27 448	0.68 332	0.67 355	1.37 342	1.41 409	2.00 364	1.39 353	1.48 347	1.61 339	2.29 404	1.32 364	3.93 372	2.14 404	0.31 321	0.28 340	0.31 313	0.33 360	0.42 350	0.36 334

LVE	3.31 446	1.67 440	1.64 383	2.85 451	2.42 451	3.20 437	2.26 448	4.78 454	5.05 454	2.35 415	6.91 449	6.02 450	2.37 428	9.15 452	2.17 405	3.19 454	1.08 457	2.38 448	1.47 454	2.81 448	2.40 454

SGM+DAISY	2.41 430	1.07 417	2.14 411	1.18 426	1.10 417	2.14 409	1.36 407	1.96 357	1.66 388	5.46 460	7.07 451	4.95 445	4.32 452	5.50 403	2.26 406	1.04 431	1.02 454	0.99 431	0.97 440	1.02 425	1.04 429

SHD	1.31 365	0.71 391	2.34 418	0.86 395	0.75 378	1.77 384	0.65 287	2.22 405	2.50 428	2.40 419	1.71 355	1.91 380	1.60 388	1.93 291	2.37 407	0.38 362	0.31 361	0.38 365	0.40 383	0.48 374	0.50 379

IMH	3.21 445	1.85 447	1.48 374	3.25 458	2.69 455	4.07 449	2.02 439	4.41 451	3.80 445	2.72 426	7.11 452	4.75 442	2.92 438	5.92 414	2.55 408	3.85 464	0.88 447	2.78 458	1.36 450	3.19 457	2.59 457

MFN_U_SF_RVC	1.52 384	0.84 402	3.42 433	0.87 400	0.66 352	2.56 423	0.95 366	2.36 418	1.70 391	1.98 400	1.86 374	2.45 413	1.79 403	2.95 349	2.58 409	0.52 399	0.48 416	0.55 409	0.59 419	0.59 397	0.61 402

IMH-64-1	2.70 438	1.79 443	1.46 369	3.26 459	2.66 453	3.23 438	2.10 441	4.08 446	2.75 434	2.34 413	3.81 430	3.06 426	2.22 425	4.25 378	2.59 410	3.75 461	0.84 441	2.75 456	1.35 448	3.15 455	2.60 458

IMH-64	2.70 438	1.79 443	1.46 369	3.26 459	2.66 453	3.23 438	2.10 441	4.08 446	2.75 434	2.34 413	3.81 430	3.06 426	2.22 425	4.25 378	2.59 410	3.75 461	0.84 441	2.75 456	1.35 448	3.15 455	2.60 458

KSHMR	8.75 463	2.06 452	2.11 409	3.53 463	3.11 460	4.13 450	2.69 454	5.60 458	61.37 487	3.00 437	55.83 486	4.98 447	2.45 431	4.49 382	2.61 412	3.46 458	1.55 462	3.14 462	1.94 460	3.72 460	3.18 463

pmcnn	2.37 427	0.42 304	2.71 428	0.63 281	0.43 242	1.54 361	1.19 396	2.01 368	1.53 379	2.64 425	7.60 454	18.07 471	1.45 374	3.44 367	2.78 413	0.18 73	0.15 146	0.15 4	0.12 13	0.20 120	0.18 105

ktn	4.70 451	2.38 457	2.12 410	3.76 464	3.24 461	4.85 454	2.95 459	5.52 456	7.37 460	4.07 448	19.32 473	7.46 454	3.47 443	7.39 438	2.95 414	4.04 465	1.85 463	3.26 464	2.22 463	3.08 454	2.65 460

XQC	1.37 372	0.87 406	2.56 424	0.84 388	0.69 363	1.83 390	0.89 350	2.07 379	1.88 404	1.88 394	1.53 319	1.91 380	1.55 384	2.85 347	3.05 415	0.48 394	0.29 351	0.44 385	0.39 379	0.69 411	0.60 401

PWCK	2.88 443	2.05 451	5.72 445	2.08 441	1.11 418	3.55 440	3.90 461	2.86 434	3.54 444	3.03 439	3.63 428	3.10 429	2.31 427	8.15 450	3.09 416	2.12 442	0.91 449	1.75 439	0.98 442	2.57 443	1.18 435

Wz-Net-TNSev	1.88 409	2.08 453	7.66 449	0.67 321	0.64 348	2.42 419	1.83 429	2.33 415	1.74 396	1.57 366	1.56 327	2.58 416	1.90 412	4.86 388	3.12 417	0.39 365	0.37 390	0.33 333	0.37 376	0.53 386	0.58 396

PVD	1.70 400	0.84 402	2.26 416	0.94 414	0.83 396	2.48 420	0.97 368	2.59 430	3.35 440	3.01 438	2.77 416	2.34 408	2.47 432	2.67 341	3.14 418	0.47 393	0.45 411	0.59 416	0.48 400	0.59 397	0.75 417

FC-DCNN	2.72 440	0.59 365	0.86 220	0.73 358	0.57 317	2.91 431	1.04 379	3.01 436	2.60 429	6.83 461	7.64 455	9.92 462	6.33 461	5.21 394	3.14 418	0.53 405	0.48 416	0.51 396	0.50 406	0.53 386	0.51 383

WZ-Net	1.95 413	0.95 410	10.10 455	0.86 395	0.78 384	1.69 374	1.60 420	2.20 404	1.98 411	2.08 405	1.93 381	2.30 405	1.97 415	5.30 396	3.17 420	0.34 343	0.26 326	0.29 297	0.31 345	0.51 382	0.47 371

WAO-8	4.40 449	1.82 445	1.79 394	2.34 444	2.20 443	9.19 461	1.53 415	6.09 461	16.46 468	3.94 444	7.84 458	7.32 452	3.72 448	9.41 458	3.31 421	2.00 440	1.07 455	2.44 451	1.37 451	2.50 441	1.68 442

Venus	4.40 449	1.82 445	1.79 394	2.34 444	2.20 443	9.19 461	1.53 415	6.09 461	16.46 468	3.94 444	7.84 458	7.32 452	3.72 448	9.41 458	3.31 421	2.00 440	1.07 455	2.44 451	1.37 451	2.50 441	1.68 442

FC-DCNN v2	2.81 441	0.59 365	0.85 214	0.73 358	0.57 317	2.97 433	1.05 380	3.39 442	2.61 430	6.98 462	7.67 456	10.38 465	6.31 460	5.75 411	3.37 423	0.53 405	0.48 416	0.51 396	0.50 406	0.53 386	0.51 383

EDNetEfficientorigin	10.57 465	1.47 436	177.42 487	0.67 321	0.53 303	1.58 365	1.16 393	1.90 341	3.37 441	4.71 454	3.38 424	3.10 429	2.69 436	3.13 357	3.58 424	0.25 256	0.23 306	0.33 333	0.27 302	0.83 417	0.81 418

DPSNet	1.69 399	0.59 365	4.33 438	0.70 340	0.57 317	2.02 403	1.62 421	3.35 441	1.78 398	1.48 347	1.38 281	2.17 400	2.84 437	4.77 387	3.66 425	0.48 394	0.31 361	0.29 297	0.25 275	0.64 404	0.48 374

WAO-7	2.66 434	1.40 432	1.73 392	1.39 431	1.17 425	3.93 446	1.94 436	4.11 448	3.88 446	2.92 433	5.50 445	4.18 437	3.00 441	7.63 443	3.71 426	1.13 435	1.00 452	1.17 435	1.13 446	1.18 432	1.09 433

RTSC	1.29 361	0.73 392	2.44 420	0.83 387	0.57 317	1.85 392	0.65 287	1.88 336	2.00 412	2.20 409	1.66 350	1.60 348	1.26 355	2.33 325	3.92 427	0.32 327	0.23 306	0.27 275	0.29 332	0.37 326	0.37 336

ELAS_RVC	2.48 432	0.74 395	1.90 401	1.05 420	0.92 406	2.76 427	4.01 462	2.76 431	4.11 448	4.69 453	4.63 438	4.62 439	5.96 458	3.97 374	3.96 428	0.63 417	0.53 424	0.56 412	0.52 410	0.64 404	0.63 404
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ttt	0.94 296	0.34 241	0.59 69	0.61 262	0.37 187	0.94 263	0.50 205	2.17 399	1.34 330	1.23 249	1.61 339	0.91 175	0.76 187	1.85 282	3.97 429	0.30 314	0.26 326	0.26 262	0.24 263	0.29 279	0.29 289

WAO-6	2.81 441	1.60 439	1.46 369	2.36 446	2.28 448	3.55 440	2.29 449	4.21 449	4.56 452	2.36 417	4.51 435	4.88 443	2.66 435	4.60 384	4.07 430	1.72 438	1.15 458	2.31 445	1.46 453	2.31 439	1.85 445

ELAS	2.37 427	0.74 395	1.54 378	0.99 416	0.92 406	4.78 453	2.33 450	3.33 440	3.37 441	5.05 458	4.77 442	3.67 432	4.53 453	3.42 365	4.50 431	0.62 415	0.53 424	0.55 409	0.53 411	0.63 402	0.64 408
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
TorneroNet-64	5.30 455	2.03 449	1.74 393	3.43 461	2.81 456	10.09 463	2.12 443	9.10 468	17.12 473	4.96 457	9.27 463	10.72 467	3.70 447	9.20 453	4.55 432	3.31 456	0.84 441	2.88 459	1.55 455	3.49 458	3.04 461

SuperB	2.53 433	0.59 365	18.45 464	0.69 335	0.50 281	1.87 394	0.88 348	1.67 278	2.39 422	1.50 350	1.42 290	1.14 260	1.15 334	4.28 380	5.07 433	0.24 233	0.19 241	0.22 150	0.19 132	7.86 472	0.34 324

MADNet+	2.69 437	3.22 464	11.53 459	1.44 434	1.12 420	3.19 436	1.81 427	2.85 433	2.37 421	1.68 376	2.07 392	2.85 425	2.18 423	7.41 439	5.23 434	0.79 421	0.76 437	0.69 423	0.65 422	0.98 422	0.95 424

notaker	3.98 448	2.40 458	2.68 427	3.82 466	3.27 463	3.97 448	2.14 444	4.78 454	3.45 443	4.12 449	6.94 450	7.65 456	3.26 442	7.82 446	5.30 435	4.04 465	1.41 460	3.36 465	2.10 462	3.88 461	3.31 464

RTS	2.67 435	1.38 430	15.28 462	0.99 416	1.26 431	3.78 443	1.96 437	2.15 390	2.62 431	2.61 423	2.85 418	2.60 417	1.59 386	6.27 419	5.71 436	0.40 367	0.28 340	0.35 351	0.35 369	0.50 378	0.48 374

RTSA	2.67 435	1.38 430	15.28 462	0.99 416	1.26 431	3.78 443	1.96 437	2.15 390	2.62 431	2.61 423	2.85 418	2.60 417	1.59 386	6.27 419	5.71 436	0.40 367	0.28 340	0.35 351	0.35 369	0.50 378	0.48 374

ADCPNet	1.85 407	0.69 387	8.07 451	0.71 347	0.58 326	2.79 429	1.22 398	1.94 354	1.54 380	1.88 394	1.69 353	2.46 414	2.04 418	2.37 328	6.48 438	0.38 362	0.37 390	0.38 365	0.43 389	0.47 371	0.45 365

coex-ft	8.13 462	2.13 454	98.04 486	0.67 321	0.53 303	1.71 375	1.56 417	1.65 272	11.11 463	18.17 477	3.75 429	3.88 435	7.61 464	2.98 352	6.49 439	0.30 314	0.30 355	0.32 325	0.31 345	0.66 408	0.50 379

AnyNet_C01	2.26 423	1.78 442	10.22 457	0.93 412	0.74 372	2.92 432	2.20 446	2.29 413	1.80 400	2.53 422	2.41 408	2.71 421	1.73 398	3.41 364	6.72 440	0.41 371	0.39 397	0.40 375	0.42 387	0.67 409	0.63 404

JetBlue	3.97 447	2.01 448	10.19 456	1.38 430	2.84 457	10.53 464	9.54 465	3.60 444	2.41 423	2.73 427	3.39 425	4.54 438	4.31 451	7.85 447	6.84 441	0.88 423	0.93 450	0.89 427	0.91 436	1.74 436	1.91 446

tt	6.58 459	0.26 61	6.10 447	3.77 465	2.16 442	11.55 465	19.63 470	13.33 472	5.74 456	2.96 435	2.65 414	4.97 446	6.33 461	3.81 371	7.24 442	9.15 471	11.32 476	5.89 471	6.24 469	6.03 468	2.55 456

ADCRef	1.35 370	0.55 352	2.37 419	0.72 350	0.77 382	1.94 397	0.78 323	1.91 345	1.27 300	1.57 366	1.59 334	1.36 308	1.41 369	1.54 234	7.53 443	0.23 218	0.20 258	0.32 325	0.30 341	0.29 279	0.29 289

ff1	1.37 372	0.33 219	0.85 214	0.53 157	0.37 187	0.74 188	0.56 252	0.95 79	2.47 425	1.15 203	1.45 299	1.06 230	0.82 214	7.22 435	7.61 444	0.20 140	0.12 12	0.31 313	0.27 302	0.19 93	0.20 167

mmx	1.39 374	0.33 219	0.85 214	0.53 157	0.37 187	0.74 188	0.56 252	2.13 384	1.37 345	1.15 203	1.45 299	1.06 230	0.82 214	7.22 435	7.61 444	0.24 233	0.19 241	0.31 313	0.27 302	0.30 290	0.25 243

xxx	1.39 374	0.33 219	0.85 214	0.53 157	0.37 187	0.74 188	0.56 252	2.13 384	1.37 345	1.15 203	1.45 299	1.06 230	0.82 214	7.22 435	7.61 444	0.24 233	0.19 241	0.31 313	0.27 302	0.30 290	0.25 243

TorneroNet	10.70 466	2.03 449	1.82 397	3.43 461	3.01 459	43.83 481	2.22 447	8.87 467	67.47 488	7.17 465	27.36 476	10.68 466	3.85 450	8.67 451	7.65 447	3.59 459	0.88 447	3.04 460	1.57 456	3.71 459	3.17 462

test_sample9	1.86 408	0.49 331	1.13 322	0.56 205	0.39 214	1.02 285	0.73 310	1.78 307	1.21 273	1.22 243	1.18 204	1.08 236	0.92 258	2.27 321	7.92 448	0.57 408	12.61 477	0.62 417	0.67 423	0.45 364	0.42 354

test_sample8	2.19 421	0.49 331	1.13 322	0.56 205	0.39 214	1.02 285	0.73 310	1.82 319	1.15 239	2.26 410	1.30 247	4.94 444	2.52 433	2.27 321	7.92 448	0.57 408	12.61 477	0.62 417	0.67 423	0.45 364	0.42 354

UNDER WATER-64	5.27 454	2.32 455	8.78 454	3.93 467	3.54 465	7.61 459	3.03 460	5.84 460	14.19 464	4.04 446	4.04 432	9.39 461	6.26 459	5.93 415	8.48 450	3.60 460	1.51 461	3.13 461	1.88 458	4.29 465	3.61 466

UNDER WATER	5.08 453	2.33 456	5.55 443	3.94 468	3.51 464	5.20 457	2.72 456	5.61 459	16.52 470	3.84 443	4.60 437	9.21 460	5.89 457	5.90 413	8.66 451	3.75 461	1.34 459	3.18 463	1.88 458	4.33 466	3.61 466

ADCL	1.72 403	0.57 359	3.66 435	0.67 321	0.61 339	2.61 425	1.85 430	1.96 357	1.67 389	1.90 397	1.83 369	2.06 398	1.90 412	2.13 308	9.15 452	0.26 276	0.24 314	0.34 343	0.32 353	0.38 335	0.35 329

EDNetEfficient	2.37 427	1.10 419	8.08 452	0.74 361	0.71 366	0.98 279	1.56 417	1.46 224	4.06 447	4.90 455	2.82 417	2.25 402	3.48 444	2.95 349	9.97 453	0.26 276	0.24 314	0.26 262	0.30 341	0.68 410	0.61 402

HanzoNet	11.04 467	3.62 465	8.10 453	4.08 469	3.55 466	4.90 455	2.73 457	7.19 465	10.10 461	31.86 483	28.92 477	21.96 478	36.36 479	18.08 473	10.17 454	7.94 470	3.32 466	3.47 466	3.31 465	7.06 471	4.04 468

AnyNet_C32	1.96 414	1.10 419	5.17 442	0.90 406	1.11 418	2.12 408	2.37 451	1.85 328	1.48 371	2.45 420	1.70 354	2.05 397	1.64 391	2.50 334	10.28 455	0.37 358	0.34 374	0.35 351	0.41 384	0.49 377	0.54 387

ADCMid	1.89 412	0.73 392	5.06 441	0.72 350	0.67 355	2.00 402	1.14 390	1.97 361	1.48 371	2.86 432	1.81 368	2.37 409	2.05 420	2.24 317	10.39 456	0.33 335	0.31 361	0.39 370	0.43 389	0.50 378	0.44 363

MADNet++	5.01 452	3.14 462	4.91 440	4.55 470	3.94 467	5.20 457	4.41 463	4.40 450	4.13 449	4.95 456	6.08 446	4.74 441	5.37 454	9.40 457	10.67 457	4.65 467	4.15 468	3.97 467	3.34 466	4.09 463	4.08 469

MANE	6.19 456	0.59 365	1.03 295	0.93 412	1.22 430	13.38 468	2.69 454	12.81 471	17.94 474	8.21 467	10.82 465	14.72 469	11.68 465	11.39 468	11.90 458	0.59 412	0.50 421	0.52 398	1.76 457	0.55 390	0.54 387

ADCP+	1.99 416	0.48 328	7.73 450	0.66 309	0.91 404	2.30 414	1.05 380	1.82 319	1.34 330	1.54 358	1.32 259	1.74 367	1.61 389	2.17 310	13.37 459	0.24 233	0.21 279	0.32 325	0.28 321	0.37 326	0.29 289

ADCS	2.25 422	0.99 413	5.55 443	0.81 379	0.74 372	2.19 410	1.80 426	2.27 411	2.14 417	2.80 431	2.13 395	2.40 411	2.03 417	2.64 340	13.69 460	0.41 371	0.39 397	0.40 375	0.45 393	0.58 395	0.56 391

JetRed	6.91 460	8.80 471	25.96 473	2.85 451	3.25 462	13.98 470	11.87 466	6.25 463	4.28 450	4.45 451	4.56 436	6.69 451	5.46 455	7.46 441	14.05 461	2.59 447	3.31 465	2.59 454	2.29 464	4.20 464	3.36 465

PML	51.67 484	36.25 481	13.28 461	7.46 471	20.81 472	108.69 487	232.22 488	8.72 466	27.82 479	87.01 488	269.67 488	69.67 488	61.95 487	24.76 481	14.20 462	9.74 473	3.40 467	9.62 472	4.70 467	18.74 476	4.72 470

test_xeample	1.45 379	0.28 102	0.65 97	0.51 124	0.28 63	0.94 263	0.59 273	2.14 388	1.29 309	1.24 257	1.51 317	0.88 164	0.86 236	1.46 219	15.10 463	0.22 193	0.20 258	0.22 150	0.20 164	0.22 177	0.22 200

1111x	1.70 400	0.29 132	0.86 220	0.51 124	0.27 42	1.01 283	0.68 298	2.22 405	1.28 305	1.13 195	1.40 287	1.21 269	1.10 326	5.53 404	15.20 464	0.22 193	0.21 279	0.22 150	0.22 231	0.24 217	0.22 200

DPSimNet_ROB	11.20 468	4.98 468	35.43 477	2.90 454	4.52 468	7.89 460	17.09 469	4.66 452	6.06 458	14.89 473	10.93 466	17.29 470	36.81 481	13.18 470	15.68 465	2.86 449	6.29 469	5.75 470	5.09 468	3.91 462	7.70 471

xxxx	1.51 383	0.28 102	0.68 111	0.54 172	0.28 63	1.16 312	0.44 155	2.19 401	1.29 309	1.09 166	1.36 275	1.22 271	0.85 228	1.79 275	15.70 466	0.24 233	0.21 279	0.21 123	0.20 164	0.22 177	0.23 218

222	1.61 392	0.29 132	0.67 108	0.56 205	0.29 78	1.06 294	0.42 126	2.17 399	1.31 319	1.31 295	1.52 318	0.92 184	0.94 272	1.76 272	17.65 467	0.24 233	0.20 258	0.21 123	0.19 132	0.22 177	0.23 218

LRCNet_RVC	22.74 474	32.10 480	21.97 468	29.84 478	26.23 475	4.42 452	0.81 335	22.66 474	2.02 413	26.93 479	29.26 478	23.06 480	15.59 468	23.84 477	18.88 468	31.75 480	19.90 482	34.65 479	32.13 480	30.54 480	28.32 481

SGM-ForestM	6.52 458	0.38 283	1.26 342	0.63 281	0.35 165	13.59 469	5.32 464	6.32 464	6.70 459	11.14 468	9.18 462	22.51 479	13.93 467	16.89 472	20.07 469	0.36 354	0.37 390	0.36 359	0.35 369	0.36 322	0.34 324

LE_ROB	8.05 461	0.37 276	23.53 469	0.74 361	0.33 147	2.77 428	2.87 458	3.71 445	27.24 478	25.39 478	8.87 461	8.46 459	26.71 477	6.65 425	21.99 470	0.21 169	0.19 241	0.20 97	0.21 204	0.25 228	0.22 200

DGTPSM_ROB	13.01 469	8.23 469	21.87 466	9.51 472	18.10 470	11.56 466	32.01 476	10.63 469	16.20 466	7.03 463	19.48 474	10.15 463	16.66 469	9.83 463	22.42 471	4.75 468	8.68 470	5.37 468	10.25 472	6.16 469	11.36 472

DPSMNet_ROB	13.02 470	8.23 469	21.91 467	9.53 473	18.11 471	11.56 466	32.02 477	10.64 470	16.23 467	7.05 464	19.49 475	10.16 464	16.66 469	9.85 464	22.43 472	4.77 469	8.68 470	5.38 469	10.26 473	6.17 470	11.36 472

AAGNet	1.83 405	0.28 102	0.72 146	0.61 262	0.32 130	0.67 154	0.51 206	0.96 86	0.98 155	1.47 341	1.20 214	1.00 212	1.18 338	2.83 345	22.77 473	0.22 193	0.13 51	0.22 150	0.19 132	0.23 202	0.15 37

ASD4	15.85 471	10.99 472	19.63 465	10.21 474	11.70 469	19.24 471	31.10 475	19.35 473	10.68 462	11.14 468	10.18 464	12.59 468	12.64 466	14.74 471	24.83 474	12.93 476	9.94 475	26.83 478	19.40 476	16.23 475	12.70 477

Anonymous_1	43.04 483	18.73 474	24.79 470	21.81 475	46.26 481	27.80 472	37.60 478	28.08 478	16.14 465	14.66 472	14.30 467	20.65 472	17.88 471	21.56 474	25.94 475	117.93 487	8.92 472	100.65 484	126.50 484	158.64 488	12.08 474

DPSM_ROB	19.08 472	19.14 475	25.17 471	22.15 476	20.85 473	28.17 473	37.82 479	26.56 476	16.85 471	14.14 470	14.84 468	21.70 473	18.75 472	21.87 475	26.55 476	10.16 474	9.30 473	10.47 473	10.42 474	14.03 473	12.61 475

DPSM	19.08 472	19.14 475	25.17 471	22.15 476	20.85 473	28.17 473	37.82 479	26.56 476	16.85 471	14.14 470	14.84 468	21.70 473	18.75 472	21.87 475	26.55 476	10.16 474	9.30 473	10.47 473	10.42 474	14.03 473	12.61 475

xxxxx1	54.10 485	25.67 477	27.13 474	113.43 485	96.96 485	30.69 477	47.44 481	32.38 480	25.60 475	17.75 474	17.27 470	21.81 475	21.02 474	24.43 478	33.82 478	33.37 481	40.54 483	157.71 486	175.86 486	66.16 484	72.93 486

tt_ll	54.10 485	25.67 477	27.13 474	113.43 485	96.96 485	30.69 477	47.44 481	32.38 480	25.60 475	17.75 474	17.27 470	21.81 475	21.02 474	24.43 478	33.82 478	33.37 481	40.54 483	157.71 486	175.86 486	66.16 484	72.93 486

ff	54.10 485	25.67 477	27.13 474	113.43 485	96.96 485	30.69 477	47.44 481	32.38 480	25.60 475	17.75 474	17.27 470	21.81 475	21.02 474	24.43 478	33.82 478	33.37 481	40.54 483	157.71 486	175.86 486	66.16 484	72.93 486

BEATNet-Init1	26.87 476	13.43 473	70.68 485	0.91 409	0.68 361	57.02 485	21.06 471	32.82 483	32.67 480	52.12 487	53.61 485	66.05 487	49.56 486	48.79 488	34.71 481	0.49 398	0.44 407	0.53 403	0.53 411	0.63 402	0.59 398

AVERAGE_ROB	40.43 480	42.37 486	42.73 479	36.96 481	35.58 478	30.50 476	27.61 473	36.71 485	38.39 485	44.91 485	44.36 483	37.45 483	36.70 480	41.88 483	40.35 482	45.43 485	46.81 486	47.11 481	46.35 481	42.51 482	43.87 483

HaxPig	38.92 479	41.40 485	41.64 478	29.95 479	32.27 476	28.90 475	27.60 472	29.73 479	37.71 484	43.82 484	43.87 482	33.17 481	35.56 478	41.53 482	40.37 483	43.94 484	47.51 487	45.82 480	47.08 482	42.38 481	44.15 484

MEDIAN_ROB	42.00 481	44.40 487	44.29 481	35.15 480	34.95 477	31.28 480	29.60 474	35.88 484	40.02 486	47.20 486	46.64 484	37.37 482	38.48 485	44.35 487	42.45 484	48.03 486	49.39 488	49.71 482	49.03 483	45.14 483	46.65 485

Selective-RAFT-Error	38.39 478	38.47 483	50.44 483	44.73 482	41.97 480	56.68 482	76.38 486	53.24 487	33.92 483	28.34 481	29.85 480	43.60 484	38.20 484	43.75 484	53.34 485	20.38 478	18.70 480	21.09 476	21.05 477	28.30 478	25.43 480

CasAABBNet	38.33 477	38.46 482	50.35 482	44.75 483	41.84 479	56.68 482	76.37 485	53.22 486	33.83 482	28.31 480	29.54 479	43.62 485	37.71 483	43.84 485	53.41 486	20.30 477	18.70 480	21.07 475	21.07 478	28.24 477	25.34 479

LSM0	42.82 482	38.75 484	50.81 484	47.07 484	109.38 488	57.00 484	76.02 484	53.74 488	33.71 481	29.02 482	30.41 481	43.87 486	37.22 482	43.91 486	53.54 487	20.52 479	18.62 479	21.10 477	21.11 479	28.41 479	42.22 482

test_example2	192.40 488	210.76 489	206.48 488	199.83 489	204.73 489	172.94 488	183.52 487	133.93 489	133.41 489	191.38 489	196.19 487	187.13 489	178.77 488	205.33 489	208.00 488	222.09 489	238.72 489	186.54 489	190.54 489	227.34 489	170.31 489

FADE		4.78 467		1.89 440	1.92 441			5.58 457	5.04 453	2.92 433		4.13 436		10.23 465		188.09 488	2.77 464	123.78 485	127.92 485	1.06 428	1.10 434

Low-res two-view benchmark