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

HITNet	0.11 98	0.06 28	0.12 105	0.14 15	0.06 3	0.12 131	0.10 8	0.18 116	0.18 141	0.13 137	0.17 154	0.15 180	0.11 138	0.15 195	0.14 215	0.06 59	0.04 2	0.04 1	0.04 10	0.06 109	0.05 54
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
IGEV-Stereo++	0.07 1	0.06 28	0.08 8	0.18 212	0.06 3	0.05 2	0.10 8	0.11 3	0.11 24	0.06 1	0.07 15	0.07 26	0.06 13	0.09 12	0.09 22	0.05 3	0.04 2	0.05 2	0.04 10	0.05 44	0.04 5

Occ-G	0.08 4	0.05 6	0.07 1	0.14 15	0.07 21	0.09 43	0.14 95	0.14 28	0.15 87	0.07 4	0.12 82	0.07 26	0.05 3	0.09 12	0.10 61	0.06 59	0.05 93	0.05 2	0.04 10	0.05 44	0.06 121

Pointernet	0.09 19	0.05 6	0.10 47	0.16 81	0.08 60	0.13 153	0.10 8	0.15 40	0.18 141	0.09 28	0.07 15	0.06 4	0.06 13	0.11 52	0.10 61	0.08 215	0.04 2	0.05 2	0.03 1	0.06 109	0.05 54

IGEV-Stereo+	0.07 1	0.04 1	0.08 8	0.15 45	0.06 3	0.04 1	0.09 5	0.10 1	0.09 3	0.06 1	0.06 2	0.06 4	0.06 13	0.06 1	0.09 22	0.06 59	0.04 2	0.05 2	0.04 10	0.06 109	0.06 121

AIO-Stereo	0.08 4	0.06 28	0.10 47	0.18 212	0.06 3	0.09 43	0.11 17	0.16 58	0.09 3	0.09 28	0.08 26	0.07 26	0.05 3	0.11 52	0.08 10	0.05 3	0.05 93	0.05 2	0.04 10	0.04 1	0.04 5

WCG-NET（raft）	0.08 4	0.05 6	0.10 47	0.15 45	0.06 3	0.11 99	0.13 59	0.15 40	0.12 38	0.08 12	0.07 15	0.06 4	0.06 13	0.13 158	0.08 10	0.05 3	0.04 2	0.05 2	0.04 10	0.05 44	0.04 5

RSM	0.08 4	0.06 28	0.09 29	0.17 139	0.07 21	0.08 26	0.12 33	0.12 9	0.10 10	0.08 12	0.07 15	0.06 4	0.05 3	0.11 52	0.09 22	0.04 1	0.04 2	0.05 2	0.04 10	0.04 1	0.04 5

test_for_model	0.09 19	0.12 314	0.14 170	0.23 373	0.11 296	0.08 26	0.13 59	0.12 9	0.13 57	0.10 51	0.07 15	0.07 26	0.06 13	0.11 52	0.10 61	0.06 59	0.05 93	0.05 2	0.04 10	0.08 231	0.05 54

trnet	0.08 4	0.05 6	0.07 1	0.12 3	0.05 1	0.12 131	0.10 8	0.13 20	0.10 10	0.08 12	0.13 96	0.09 58	0.08 71	0.11 52	0.10 61	0.08 215	0.05 93	0.05 2	0.03 1	0.06 109	0.05 54

testlalala2	0.10 66	0.06 28	0.11 78	0.20 308	0.10 249	0.10 70	0.11 17	0.17 91	0.13 57	0.12 111	0.13 96	0.09 58	0.08 71	0.11 52	0.13 180	0.06 59	0.05 93	0.05 2	0.04 10	0.05 44	0.05 54

MoCha-V2	0.08 4	0.05 6	0.11 78	0.20 308	0.07 21	0.10 70	0.14 95	0.12 9	0.08 1	0.07 4	0.08 26	0.07 26	0.06 13	0.09 12	0.08 10	0.05 3	0.05 93	0.05 2	0.04 10	0.04 1	0.04 5

IGEV++	0.08 4	0.06 28	0.09 29	0.18 212	0.07 21	0.10 70	0.13 59	0.10 1	0.10 10	0.08 12	0.08 26	0.06 4	0.05 3	0.13 158	0.09 22	0.05 3	0.04 2	0.05 2	0.04 10	0.05 44	0.04 5

qqq1	0.14 219	0.07 70	0.18 297	0.14 15	0.08 60	0.17 257	0.17 227	0.27 266	0.27 276	0.19 264	0.20 197	0.19 238	0.15 246	0.15 195	0.12 150	0.08 215	0.05 93	0.05 2	0.05 49	0.06 109	0.06 121

fff1	0.14 219	0.07 70	0.18 297	0.14 15	0.08 60	0.17 257	0.17 227	0.27 266	0.27 276	0.19 264	0.20 197	0.19 238	0.15 246	0.15 195	0.12 150	0.08 215	0.05 93	0.05 2	0.05 49	0.06 109	0.06 121

MSKI-zero shot	0.09 19	0.05 6	0.09 29	0.16 81	0.07 21	0.10 70	0.13 59	0.15 40	0.14 73	0.09 28	0.09 35	0.09 58	0.06 13	0.12 114	0.11 98	0.06 59	0.04 2	0.05 2	0.04 10	0.04 1	0.05 54

UniTT-Stereo	0.09 19	0.07 70	0.08 8	0.18 212	0.08 60	0.13 153	0.11 17	0.12 9	0.11 24	0.10 51	0.12 82	0.05 1	0.06 13	0.09 12	0.10 61	0.07 161	0.06 216	0.05 2	0.05 49	0.06 109	0.05 54

testlalala_base	0.10 66	0.09 217	0.14 170	0.21 338	0.08 60	0.10 70	0.14 95	0.13 20	0.11 24	0.08 12	0.15 121	0.07 26	0.08 71	0.11 52	0.12 150	0.08 215	0.05 93	0.05 2	0.03 1	0.07 171	0.05 54

SPstereo	0.09 19	0.07 70	0.13 132	0.18 212	0.06 3	0.11 99	0.07 1	0.14 28	0.12 38	0.09 28	0.10 50	0.07 26	0.09 93	0.13 158	0.10 61	0.06 59	0.05 93	0.05 2	0.04 10	0.04 1	0.05 54

Any-RAFT	0.10 66	0.05 6	0.10 47	0.15 45	0.07 21	0.13 153	0.14 95	0.21 166	0.15 87	0.11 82	0.12 82	0.13 139	0.10 112	0.13 158	0.10 61	0.07 161	0.04 2	0.05 2	0.04 10	0.06 109	0.05 54

RAFT-Test	0.09 19	0.06 28	0.10 47	0.16 81	0.07 21	0.11 99	0.15 153	0.16 58	0.13 57	0.09 28	0.10 50	0.11 97	0.09 93	0.12 114	0.09 22	0.06 59	0.04 2	0.05 2	0.04 10	0.05 44	0.05 54

LoS_RVC	0.08 4	0.05 6	0.07 1	0.15 45	0.07 21	0.08 26	0.15 153	0.12 9	0.11 24	0.08 12	0.09 35	0.06 4	0.09 93	0.10 23	0.09 22	0.05 3	0.04 2	0.05 2	0.03 1	0.04 1	0.04 5

CAS	0.08 4	0.04 1	0.07 1	0.17 139	0.08 60	0.10 70	0.13 59	0.12 9	0.09 3	0.09 28	0.10 50	0.08 41	0.06 13	0.09 12	0.09 22	0.08 215	0.04 2	0.05 2	0.03 1	0.05 44	0.04 5

anonymousdsp2	0.11 98	0.07 70	0.11 78	0.16 81	0.09 150	0.13 153	0.14 95	0.19 140	0.23 220	0.13 137	0.14 109	0.12 116	0.09 93	0.14 178	0.11 98	0.05 3	0.05 93	0.05 2	0.04 10	0.06 109	0.06 121

LoS	0.09 19	0.05 6	0.11 78	0.13 7	0.07 21	0.14 188	0.11 17	0.15 40	0.15 87	0.09 28	0.09 35	0.12 116	0.09 93	0.15 195	0.10 61	0.07 161	0.05 93	0.05 2	0.03 1	0.05 44	0.05 54
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.08 4	0.04 1	0.08 8	0.14 15	0.07 21	0.09 43	0.14 95	0.11 3	0.09 3	0.08 12	0.09 35	0.11 97	0.07 46	0.12 114	0.08 10	0.06 59	0.04 2	0.05 2	0.03 1	0.05 44	0.05 54

Selective-IGEV	0.07 1	0.06 28	0.09 29	0.17 139	0.06 3	0.08 26	0.12 33	0.13 20	0.08 1	0.08 12	0.07 15	0.06 4	0.04 1	0.10 23	0.09 22	0.05 3	0.04 2	0.05 2	0.04 10	0.04 1	0.03 1

DCANet-4	0.11 98	0.07 70	0.13 132	0.16 81	0.06 3	0.09 43	0.17 227	0.18 116	0.20 178	0.13 137	0.17 154	0.09 58	0.14 226	0.12 114	0.13 180	0.06 59	0.04 2	0.05 2	0.04 10	0.04 1	0.05 54

fff	0.10 66	0.06 28	0.12 105	0.15 45	0.07 21	0.09 43	0.17 227	0.16 58	0.21 191	0.13 137	0.17 154	0.10 80	0.11 138	0.12 114	0.13 180	0.06 59	0.04 2	0.05 2	0.04 10	0.04 1	0.05 54

ADStereo(finetuned)	0.10 66	0.06 28	0.13 132	0.16 81	0.06 3	0.09 43	0.17 227	0.16 58	0.20 178	0.13 137	0.18 175	0.10 80	0.12 167	0.12 114	0.12 150	0.06 59	0.04 2	0.05 2	0.04 10	0.05 44	0.05 54

CREStereo++_RVC	0.08 4	0.04 1	0.07 1	0.13 7	0.07 21	0.09 43	0.12 33	0.14 28	0.14 73	0.10 51	0.14 109	0.08 41	0.07 46	0.10 23	0.11 98	0.06 59	0.04 2	0.05 2	0.05 49	0.04 1	0.04 5
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
TANstereo	0.09 19	0.04 1	0.08 8	0.13 7	0.06 3	0.11 99	0.13 59	0.15 40	0.19 161	0.11 82	0.15 121	0.10 80	0.07 46	0.12 114	0.09 22	0.07 161	0.05 93	0.05 2	0.04 10	0.06 109	0.05 54

XX-TBD	0.09 19	0.06 28	0.07 1	0.14 15	0.07 21	0.13 153	0.16 207	0.14 28	0.14 73	0.11 82	0.12 82	0.09 58	0.08 71	0.10 23	0.10 61	0.06 59	0.04 2	0.05 2	0.04 10	0.06 109	0.05 54

DCANet	0.10 66	0.06 28	0.12 105	0.16 81	0.06 3	0.09 43	0.17 227	0.16 58	0.20 178	0.13 137	0.18 175	0.10 80	0.11 138	0.11 52	0.12 150	0.06 59	0.04 2	0.05 2	0.04 10	0.05 44	0.05 54

csc	0.10 66	0.06 28	0.12 105	0.15 45	0.07 21	0.09 43	0.17 227	0.16 58	0.21 191	0.13 137	0.17 154	0.10 80	0.11 138	0.12 114	0.13 180	0.06 59	0.04 2	0.05 2	0.04 10	0.04 1	0.05 54

cscssc	0.10 66	0.06 28	0.12 105	0.15 45	0.07 21	0.09 43	0.17 227	0.16 58	0.21 191	0.13 137	0.17 154	0.10 80	0.11 138	0.12 114	0.13 180	0.06 59	0.04 2	0.05 2	0.04 10	0.04 1	0.05 54

EAI-Stereo	0.09 19	0.07 70	0.11 78	0.16 81	0.07 21	0.10 70	0.15 153	0.16 58	0.09 3	0.08 12	0.09 35	0.08 41	0.07 46	0.09 12	0.11 98	0.05 3	0.05 93	0.05 2	0.05 49	0.05 44	0.04 5

CREStereo	0.09 19	0.05 6	0.08 8	0.11 1	0.06 3	0.14 188	0.14 95	0.14 28	0.10 10	0.09 28	0.13 96	0.09 58	0.08 71	0.12 114	0.10 61	0.08 215	0.04 2	0.05 2	0.03 1	0.06 109	0.06 121
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 19	0.05 6	0.09 29	0.12 3	0.06 3	0.13 153	0.14 95	0.16 58	0.11 24	0.09 28	0.13 96	0.10 80	0.07 46	0.14 178	0.10 61	0.15 390	0.04 2	0.05 2	0.03 1	0.07 171	0.06 121

BEATNet_4x	0.12 165	0.09 217	0.15 205	0.18 212	0.07 21	0.15 212	0.07 1	0.23 202	0.19 161	0.16 211	0.19 188	0.19 238	0.14 226	0.17 257	0.15 248	0.07 161	0.05 93	0.05 2	0.05 49	0.06 109	0.07 184

MLCV	0.13 192	0.08 161	0.17 268	0.18 212	0.06 3	0.16 235	0.17 227	0.19 140	0.22 211	0.19 264	0.25 268	0.17 215	0.13 197	0.15 195	0.14 215	0.05 3	0.04 2	0.05 2	0.04 10	0.05 44	0.04 5

iResNet_ROB	0.14 219	0.07 70	0.13 132	0.15 45	0.07 21	0.19 293	0.14 95	0.26 252	0.32 316	0.23 321	0.26 281	0.23 292	0.16 264	0.15 195	0.14 215	0.07 161	0.05 93	0.05 2	0.04 10	0.08 231	0.08 249

pmcnn	0.15 256	0.07 70	0.20 323	0.15 45	0.07 21	0.21 323	0.16 207	0.25 241	0.26 264	0.21 295	0.33 343	0.29 341	0.19 312	0.18 270	0.17 280	0.07 161	0.05 93	0.05 2	0.04 10	0.07 171	0.06 121

UGAM-zero	0.10 66	0.05 6	0.15 205	0.15 45	0.08 60	0.10 70	0.13 59	0.20 153	0.15 87	0.11 82	0.15 121	0.07 26	0.08 71	0.09 12	0.10 61	0.06 59	0.05 93	0.06 44	0.05 49	0.05 44	0.06 121

WCG-NET	0.09 19	0.05 6	0.10 47	0.15 45	0.07 21	0.11 99	0.11 17	0.16 58	0.09 3	0.09 28	0.12 82	0.08 41	0.06 13	0.14 178	0.09 22	0.07 161	0.04 2	0.06 44	0.05 49	0.06 109	0.05 54

model_zeroshot	0.10 66	0.05 6	0.12 105	0.15 45	0.09 150	0.13 153	0.14 95	0.20 153	0.14 73	0.11 82	0.10 50	0.12 116	0.07 46	0.12 114	0.11 98	0.07 161	0.06 216	0.06 44	0.05 49	0.06 109	0.06 121

GCAP-BAT	0.09 19	0.07 70	0.14 170	0.15 45	0.08 60	0.10 70	0.12 33	0.15 40	0.11 24	0.11 82	0.10 50	0.09 58	0.07 46	0.12 114	0.10 61	0.06 59	0.05 93	0.06 44	0.04 10	0.04 1	0.04 5

AIO-Stereo-zeroshot	0.11 98	0.05 6	0.12 105	0.15 45	0.13 347	0.14 188	0.16 207	0.23 202	0.18 141	0.10 51	0.13 96	0.10 80	0.07 46	0.12 114	0.09 22	0.06 59	0.05 93	0.06 44	0.06 107	0.07 171	0.08 249

U	0.08 4	0.07 70	0.10 47	0.19 263	0.10 249	0.10 70	0.13 59	0.12 9	0.17 127	0.07 4	0.07 15	0.06 4	0.05 3	0.07 2	0.09 22	0.06 59	0.04 2	0.06 44	0.04 10	0.06 109	0.05 54

RSM++	0.08 4	0.06 28	0.09 29	0.17 139	0.07 21	0.09 43	0.12 33	0.11 3	0.11 24	0.08 12	0.06 2	0.07 26	0.05 3	0.10 23	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.03 1

RAFT-Stereo-weight	0.09 19	0.06 28	0.11 78	0.16 81	0.07 21	0.09 43	0.14 95	0.19 140	0.16 106	0.11 82	0.10 50	0.08 41	0.06 13	0.10 23	0.11 98	0.06 59	0.04 2	0.06 44	0.04 10	0.04 1	0.04 5

test_sample1	0.13 192	0.07 70	0.14 170	0.14 15	0.08 60	0.19 293	0.17 227	0.20 153	0.15 87	0.14 160	0.22 228	0.18 229	0.16 264	0.17 257	0.15 248	0.07 161	0.06 216	0.06 44	0.06 107	0.08 231	0.08 249

gcap-zeroshot	0.09 19	0.06 28	0.10 47	0.16 81	0.07 21	0.14 188	0.13 59	0.11 3	0.12 38	0.13 137	0.12 82	0.09 58	0.08 71	0.09 12	0.09 22	0.06 59	0.05 93	0.06 44	0.05 49	0.04 1	0.04 5

MGS-Stereo	0.09 19	0.07 70	0.12 105	0.16 81	0.08 60	0.09 43	0.15 153	0.12 9	0.12 38	0.07 4	0.10 50	0.08 41	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.06 109	0.05 54

ACVNet-DCA	0.10 66	0.08 161	0.13 132	0.17 139	0.09 150	0.13 153	0.15 153	0.24 222	0.16 106	0.09 28	0.09 35	0.06 4	0.06 13	0.10 23	0.07 1	0.06 59	0.05 93	0.06 44	0.05 49	0.07 171	0.07 184

1test111	0.11 98	0.08 161	0.13 132	0.17 139	0.09 150	0.13 153	0.15 153	0.24 222	0.16 106	0.09 28	0.09 35	0.06 4	0.06 13	0.15 195	0.16 266	0.06 59	0.05 93	0.06 44	0.05 49	0.07 171	0.07 184

cc1	0.10 66	0.08 161	0.13 132	0.17 139	0.09 150	0.13 153	0.15 153	0.16 58	0.18 141	0.09 28	0.09 35	0.06 4	0.06 13	0.10 23	0.07 1	0.06 59	0.05 93	0.06 44	0.05 49	0.06 109	0.06 121

11t1	0.12 165	0.07 70	0.14 170	0.14 15	0.08 60	0.17 257	0.15 153	0.19 140	0.15 87	0.15 184	0.15 121	0.17 215	0.16 264	0.15 195	0.13 180	0.08 215	0.05 93	0.06 44	0.05 49	0.08 231	0.07 184

ff7	0.09 19	0.07 70	0.11 78	0.16 81	0.09 150	0.11 99	0.15 153	0.16 58	0.12 38	0.10 51	0.06 2	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121

IGEVStereo-DCA	0.09 19	0.07 70	0.11 78	0.16 81	0.10 249	0.11 99	0.15 153	0.16 58	0.12 38	0.10 51	0.06 2	0.08 41	0.06 13	0.10 23	0.09 22	0.06 59	0.05 93	0.06 44	0.05 49	0.05 44	0.06 121

ffff	0.09 19	0.07 70	0.11 78	0.16 81	0.09 150	0.11 99	0.15 153	0.16 58	0.12 38	0.10 51	0.06 2	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121

rrr	0.09 19	0.07 70	0.13 132	0.16 81	0.10 249	0.11 99	0.15 153	0.16 58	0.15 87	0.10 51	0.06 2	0.08 41	0.06 13	0.10 23	0.09 22	0.06 59	0.05 93	0.06 44	0.05 49	0.05 44	0.06 121

11t	0.09 19	0.07 70	0.11 78	0.16 81	0.09 150	0.11 99	0.15 153	0.16 58	0.12 38	0.10 51	0.06 2	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121

tt1	0.10 66	0.08 161	0.13 132	0.17 139	0.09 150	0.13 153	0.15 153	0.15 40	0.19 161	0.09 28	0.08 26	0.06 4	0.06 13	0.10 23	0.08 10	0.06 59	0.05 93	0.06 44	0.05 49	0.06 109	0.06 121

IGEV_Zeroshot_test	0.09 19	0.05 6	0.13 132	0.14 15	0.08 60	0.12 131	0.13 59	0.17 91	0.11 24	0.10 51	0.06 2	0.09 58	0.06 13	0.11 52	0.09 22	0.06 59	0.04 2	0.06 44	0.06 107	0.05 44	0.05 54

DLNR_Zeroshot_test	10.48 477	2.27 471	19.78 483	120.28 489	13.29 482	0.06 4	0.13 59	0.24 222	0.10 10	0.08 12	0.10 50	0.09 58	0.07 46	0.10 23	0.09 22	0.13 369	0.04 2	0.06 44	0.04 10	52.68 488	0.04 5

testlalala	0.08 4	0.07 70	0.17 268	0.16 81	0.08 60	0.09 43	0.12 33	0.15 40	0.10 10	0.07 4	0.09 35	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.04 10	0.04 1	0.04 5

AEACV	0.09 19	0.05 6	0.08 8	0.14 15	0.13 347	0.14 188	0.13 59	0.15 40	0.09 3	0.07 4	0.09 35	0.07 26	0.08 71	0.10 23	0.09 22	0.06 59	0.04 2	0.06 44	0.05 49	0.05 44	0.04 5

HH	0.09 19	0.06 28	0.13 132	0.17 139	0.08 60	0.11 99	0.16 207	0.15 40	0.10 10	0.08 12	0.10 50	0.08 41	0.07 46	0.10 23	0.09 22	0.06 59	0.04 2	0.06 44	0.05 49	0.05 44	0.04 5

HanStereo	0.09 19	0.06 28	0.13 132	0.17 139	0.08 60	0.11 99	0.16 207	0.15 40	0.10 10	0.08 12	0.10 50	0.08 41	0.07 46	0.10 23	0.09 22	0.06 59	0.04 2	0.06 44	0.05 49	0.05 44	0.04 5

anonymousdsp	0.09 19	0.07 70	0.11 78	0.17 139	0.09 150	0.11 99	0.15 153	0.16 58	0.12 38	0.10 51	0.06 2	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121

CBFPSM	0.15 256	0.07 70	0.27 363	0.17 139	0.09 150	0.13 153	0.15 153	0.22 188	0.23 220	0.20 284	0.27 296	0.23 292	0.16 264	0.16 222	0.19 305	0.06 59	0.06 216	0.06 44	0.07 191	0.07 171	0.07 184

EGLCR-Stereo	0.08 4	0.05 6	0.08 8	0.14 15	0.07 21	0.11 99	0.12 33	0.11 3	0.16 106	0.06 1	0.05 1	0.07 26	0.05 3	0.10 23	0.11 98	0.06 59	0.04 2	0.06 44	0.05 49	0.04 1	0.04 5

DCRE	0.11 98	0.07 70	0.13 132	0.16 81	0.11 296	0.11 99	0.17 227	0.18 116	0.17 127	0.11 82	0.18 175	0.11 97	0.10 112	0.15 195	0.11 98	0.06 59	0.05 93	0.06 44	0.06 107	0.05 44	0.05 54

knoymous	0.11 98	0.06 28	0.12 105	0.14 15	0.07 21	0.15 212	0.13 59	0.20 153	0.14 73	0.11 82	0.17 154	0.13 139	0.09 93	0.14 178	0.11 98	0.09 264	0.05 93	0.06 44	0.05 49	0.07 171	0.07 184

Selective-RAFT	0.11 98	0.11 299	0.12 105	0.21 338	0.08 60	0.16 235	0.13 59	0.21 166	0.23 220	0.10 51	0.10 50	0.11 97	0.10 112	0.15 195	0.11 98	0.05 3	0.05 93	0.06 44	0.05 49	0.06 109	0.05 54

ProNet	0.09 19	0.07 70	0.11 78	0.17 139	0.08 60	0.11 99	0.15 153	0.15 40	0.12 38	0.10 51	0.06 2	0.07 26	0.06 13	0.11 52	0.09 22	0.05 3	0.05 93	0.06 44	0.05 49	0.04 1	0.06 121

MC-Stereo	0.09 19	0.07 70	0.09 29	0.17 139	0.06 3	0.10 70	0.14 95	0.12 9	0.11 24	0.09 28	0.12 82	0.09 58	0.06 13	0.11 52	0.10 61	0.06 59	0.04 2	0.06 44	0.05 49	0.04 1	0.04 5

RCA-Stereo	0.09 19	0.06 28	0.09 29	0.16 81	0.06 3	0.09 43	0.13 59	0.18 116	0.14 73	0.10 51	0.11 72	0.08 41	0.07 46	0.12 114	0.11 98	0.06 59	0.04 2	0.06 44	0.05 49	0.05 44	0.04 5

ccc-4	0.09 19	0.07 70	0.11 78	0.16 81	0.09 150	0.11 99	0.15 153	0.16 58	0.12 38	0.10 51	0.06 2	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121

x	0.13 192	0.08 161	0.15 205	0.14 15	0.08 60	0.19 293	0.14 95	0.22 188	0.21 191	0.15 184	0.20 197	0.20 255	0.18 297	0.18 270	0.18 292	0.07 161	0.05 93	0.06 44	0.06 107	0.07 171	0.07 184

Wz-Net-LNSev-Ref	0.18 316	0.09 217	0.30 380	0.15 45	0.11 296	0.23 347	0.20 325	0.27 266	0.40 366	0.26 348	0.43 400	0.25 313	0.15 246	0.21 323	0.20 313	0.07 161	0.05 93	0.06 44	0.05 49	0.10 320	0.09 290

IGEV-Stereo	0.09 19	0.07 70	0.11 78	0.17 139	0.09 150	0.11 99	0.15 153	0.16 58	0.12 38	0.10 51	0.06 2	0.06 4	0.06 13	0.11 52	0.09 22	0.05 3	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CIPLG	0.11 98	0.08 161	0.15 205	0.17 139	0.08 60	0.13 153	0.15 153	0.17 91	0.16 106	0.14 160	0.11 72	0.16 198	0.10 112	0.17 257	0.12 150	0.07 161	0.05 93	0.06 44	0.06 107	0.05 44	0.06 121

iRaft-Stereo_20w	0.09 19	0.05 6	0.13 132	0.14 15	0.09 150	0.12 131	0.15 153	0.19 140	0.11 24	0.11 82	0.08 26	0.08 41	0.05 3	0.10 23	0.09 22	0.06 59	0.04 2	0.06 44	0.05 49	0.06 109	0.05 54

DAS	0.15 256	0.08 161	0.18 297	0.19 263	0.10 249	0.19 293	0.17 227	0.28 288	0.30 303	0.18 251	0.26 281	0.21 262	0.16 264	0.16 222	0.13 180	0.08 215	0.06 216	0.06 44	0.06 107	0.07 171	0.07 184

SepStereo	0.15 256	0.08 161	0.18 297	0.19 263	0.10 249	0.19 293	0.17 227	0.28 288	0.30 303	0.18 251	0.26 281	0.21 262	0.16 264	0.26 366	0.13 180	0.08 215	0.06 216	0.06 44	0.06 107	0.07 171	0.07 184

IPLG	0.11 98	0.08 161	0.15 205	0.17 139	0.08 60	0.11 99	0.14 95	0.20 153	0.15 87	0.13 137	0.18 175	0.07 26	0.07 46	0.14 178	0.14 215	0.06 59	0.04 2	0.06 44	0.05 49	0.04 1	0.04 5

IPLGR_C	0.11 98	0.08 161	0.15 205	0.17 139	0.08 60	0.12 131	0.15 153	0.17 91	0.15 87	0.14 160	0.11 72	0.16 198	0.10 112	0.16 222	0.12 150	0.07 161	0.05 93	0.06 44	0.06 107	0.05 44	0.06 121

MIPNet	0.11 98	0.08 161	0.15 205	0.17 139	0.09 150	0.12 131	0.14 95	0.21 166	0.25 252	0.12 111	0.10 50	0.09 58	0.07 46	0.13 158	0.13 180	0.06 59	0.04 2	0.06 44	0.05 49	0.04 1	0.04 5

IPLGR	0.11 98	0.09 217	0.17 268	0.18 212	0.08 60	0.13 153	0.16 207	0.21 166	0.24 230	0.12 111	0.12 82	0.11 97	0.09 93	0.13 158	0.12 150	0.06 59	0.05 93	0.06 44	0.06 107	0.05 44	0.04 5

ACRE	0.11 98	0.08 161	0.15 205	0.17 139	0.08 60	0.13 153	0.15 153	0.17 91	0.14 73	0.14 160	0.11 72	0.16 198	0.10 112	0.16 222	0.12 150	0.07 161	0.05 93	0.06 44	0.06 107	0.05 44	0.06 121

GwcNet-ADL	0.13 192	0.08 161	0.14 170	0.20 308	0.09 150	0.12 131	0.20 325	0.30 315	0.25 252	0.14 160	0.14 109	0.18 229	0.14 226	0.13 158	0.15 248	0.07 161	0.05 93	0.06 44	0.05 49	0.07 171	0.06 121

GANet-ADL	0.13 192	0.07 70	0.15 205	0.17 139	0.10 249	0.19 293	0.15 153	0.30 315	0.21 191	0.13 137	0.18 175	0.19 238	0.13 197	0.16 222	0.14 215	0.08 215	0.06 216	0.06 44	0.05 49	0.07 171	0.08 249

STrans-v2	0.10 66	0.07 70	0.13 132	0.18 212	0.08 60	0.10 70	0.14 95	0.22 188	0.11 24	0.11 82	0.15 121	0.12 116	0.10 112	0.11 52	0.12 150	0.05 3	0.04 2	0.06 44	0.06 107	0.05 44	0.05 54

TransformOpticalFlow	0.10 66	0.08 161	0.13 132	0.18 212	0.07 21	0.09 43	0.15 153	0.19 140	0.16 106	0.12 111	0.16 137	0.11 97	0.11 138	0.11 52	0.11 98	0.05 3	0.04 2	0.06 44	0.06 107	0.05 44	0.05 54

ASMatch	0.11 98	0.06 28	0.13 132	0.17 139	0.10 249	0.08 26	0.14 95	0.18 116	0.16 106	0.12 111	0.16 137	0.16 198	0.11 138	0.13 158	0.11 98	0.05 3	0.04 2	0.06 44	0.06 107	0.04 1	0.09 290

CroCo-Stereo	0.09 19	0.08 161	0.08 8	0.22 355	0.09 150	0.09 43	0.18 270	0.16 58	0.12 38	0.07 4	0.07 15	0.08 41	0.06 13	0.08 7	0.07 1	0.07 161	0.05 93	0.06 44	0.04 10	0.05 44	0.04 5
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
cross-raft	0.10 66	0.09 217	0.09 29	0.19 263	0.07 21	0.11 99	0.24 369	0.13 20	0.15 87	0.08 12	0.10 50	0.12 116	0.10 112	0.09 12	0.11 98	0.05 3	0.04 2	0.06 44	0.05 49	0.04 1	0.04 5

test-1	0.10 66	0.07 70	0.17 268	0.19 263	0.08 60	0.11 99	0.24 369	0.15 40	0.18 141	0.09 28	0.07 15	0.10 80	0.08 71	0.08 7	0.09 22	0.06 59	0.04 2	0.06 44	0.06 107	0.04 1	0.05 54

s12784h	0.10 66	0.06 28	0.08 8	0.15 45	0.05 1	0.16 235	0.18 270	0.16 58	0.15 87	0.10 51	0.11 72	0.11 97	0.11 138	0.11 52	0.12 150	0.05 3	0.04 2	0.06 44	0.04 10	0.04 1	0.04 5

raftrobust	0.09 19	0.06 28	0.11 78	0.17 139	0.08 60	0.09 43	0.10 8	0.18 116	0.16 106	0.10 51	0.09 35	0.12 116	0.08 71	0.12 114	0.10 61	0.08 215	0.05 93	0.06 44	0.05 49	0.05 44	0.06 121

RALCasStereoNet	0.11 98	0.07 70	0.09 29	0.16 81	0.08 60	0.13 153	0.14 95	0.17 91	0.11 24	0.12 111	0.17 154	0.14 157	0.10 112	0.12 114	0.11 98	0.07 161	0.06 216	0.06 44	0.05 49	0.08 231	0.07 184

XX-Stereo	0.09 19	0.05 6	0.09 29	0.17 139	0.09 150	0.15 212	0.12 33	0.21 166	0.10 10	0.10 51	0.14 109	0.07 26	0.06 13	0.13 158	0.08 10	0.06 59	0.05 93	0.06 44	0.06 107	0.04 1	0.04 5

111	0.11 98	0.06 28	0.12 105	0.15 45	0.07 21	0.10 70	0.14 95	0.21 166	0.24 230	0.11 82	0.12 82	0.14 157	0.12 167	0.13 158	0.10 61	0.06 59	0.04 2	0.06 44	0.04 10	0.06 109	0.05 54

test_xeample3	0.09 19	0.07 70	0.12 105	0.16 81	0.09 150	0.11 99	0.15 153	0.16 58	0.14 73	0.10 51	0.07 15	0.08 41	0.06 13	0.10 23	0.09 22	0.06 59	0.04 2	0.06 44	0.05 49	0.05 44	0.06 121

RAFT-Stereo + iAFF	0.09 19	0.06 28	0.10 47	0.17 139	0.07 21	0.10 70	0.15 153	0.17 91	0.15 87	0.10 51	0.10 50	0.08 41	0.09 93	0.12 114	0.10 61	0.05 3	0.04 2	0.06 44	0.06 107	0.04 1	0.03 1

GMStereo	0.13 192	0.15 360	0.14 170	0.18 212	0.09 150	0.16 235	0.16 207	0.20 153	0.25 252	0.17 221	0.17 154	0.11 97	0.11 138	0.16 222	0.13 180	0.07 161	0.06 216	0.06 44	0.06 107	0.07 171	0.06 121
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet-RSSM	0.09 19	0.07 70	0.10 47	0.16 81	0.07 21	0.09 43	0.15 153	0.17 91	0.18 141	0.08 12	0.12 82	0.11 97	0.09 93	0.12 114	0.10 61	0.06 59	0.04 2	0.06 44	0.04 10	0.04 1	0.04 5

Gwc-CoAtRS	0.09 19	0.07 70	0.10 47	0.16 81	0.07 21	0.10 70	0.15 153	0.18 116	0.17 127	0.08 12	0.10 50	0.12 116	0.09 93	0.12 114	0.09 22	0.06 59	0.04 2	0.06 44	0.04 10	0.04 1	0.05 54

ACVNet	0.15 256	0.09 217	0.15 205	0.13 7	0.12 325	0.14 188	0.20 325	0.22 188	0.34 331	0.17 221	0.26 281	0.21 262	0.17 286	0.18 270	0.21 324	0.07 161	0.06 216	0.06 44	0.06 107	0.08 231	0.06 121

acv_ft	0.15 256	0.09 217	0.16 246	0.19 263	0.10 249	0.16 235	0.17 227	0.25 241	0.34 331	0.19 264	0.26 281	0.21 262	0.17 286	0.18 270	0.19 305	0.07 161	0.06 216	0.06 44	0.06 107	0.08 231	0.06 121

cf-r	0.14 219	0.07 70	0.13 132	0.16 81	0.08 60	0.14 188	0.19 310	0.21 166	0.25 252	0.17 221	0.26 281	0.22 279	0.17 286	0.14 178	0.15 248	0.10 298	0.05 93	0.06 44	0.08 252	0.06 109	0.06 121

DIP-Stereo	0.11 98	0.08 161	0.15 205	0.17 139	0.09 150	0.13 153	0.09 5	0.16 58	0.16 106	0.12 111	0.16 137	0.14 157	0.12 167	0.16 222	0.14 215	0.06 59	0.05 93	0.06 44	0.05 49	0.05 44	0.07 184
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
SuperB	0.20 334	0.10 277	0.57 424	0.16 81	0.09 150	0.19 293	0.18 270	0.25 241	0.51 405	0.27 355	0.39 378	0.17 215	0.22 338	0.22 340	0.21 324	0.08 215	0.06 216	0.06 44	0.06 107	0.12 351	0.11 335

R-Stereo Train	0.10 66	0.06 28	0.11 78	0.17 139	0.08 60	0.11 99	0.14 95	0.24 222	0.11 24	0.12 111	0.19 188	0.11 97	0.08 71	0.10 23	0.11 98	0.07 161	0.05 93	0.06 44	0.05 49	0.05 44	0.05 54

RAFT-Stereo	0.10 66	0.06 28	0.11 78	0.17 139	0.08 60	0.11 99	0.14 95	0.24 222	0.11 24	0.12 111	0.19 188	0.11 97	0.08 71	0.10 23	0.11 98	0.07 161	0.05 93	0.06 44	0.05 49	0.05 44	0.05 54
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.15 256	0.07 70	0.15 205	0.16 81	0.08 60	0.19 293	0.14 95	0.30 315	0.21 191	0.17 221	0.25 268	0.21 262	0.19 312	0.20 308	0.20 313	0.07 161	0.06 216	0.06 44	0.08 252	0.06 109	0.06 121

HSM-Net_RVC	0.14 219	0.08 161	0.12 105	0.15 45	0.08 60	0.16 235	0.15 153	0.27 266	0.29 298	0.20 284	0.21 214	0.29 341	0.14 226	0.18 270	0.13 180	0.06 59	0.06 216	0.06 44	0.06 107	0.07 171	0.06 121
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.16 281	0.10 277	0.11 78	0.18 212	0.09 150	0.19 293	0.18 270	0.27 266	0.32 316	0.22 307	0.35 358	0.21 262	0.22 338	0.22 340	0.17 280	0.06 59	0.05 93	0.06 44	0.06 107	0.07 171	0.06 121

iResNetv2_ROB	0.15 256	0.08 161	0.16 246	0.16 81	0.08 60	0.16 235	0.13 59	0.26 252	0.36 348	0.21 295	0.29 319	0.24 301	0.13 197	0.14 178	0.14 215	0.06 59	0.06 216	0.06 44	0.04 10	0.09 289	0.08 249

iResNet	0.13 192	0.10 277	0.18 297	0.19 263	0.08 60	0.14 188	0.18 270	0.21 166	0.27 276	0.16 211	0.24 242	0.15 180	0.13 197	0.14 178	0.15 248	0.06 59	0.04 2	0.06 44	0.05 49	0.06 109	0.05 54

LE_ROB	0.50 436	0.07 70	0.14 170	0.15 45	0.08 60	0.26 371	0.17 227	0.23 202	1.71 467	4.68 472	0.67 431	0.46 419	0.47 429	0.21 323	0.30 400	0.07 161	0.06 216	0.06 44	0.06 107	0.08 231	0.06 121

RAStereo	0.10 66	0.09 217	0.08 8	0.20 308	0.08 60	0.13 153	0.18 270	0.16 58	0.17 127	0.10 51	0.12 82	0.05 1	0.06 13	0.09 12	0.08 10	0.07 161	0.05 93	0.07 124	0.05 49	0.05 44	0.04 5

AIO-Stereo-zeroshot1	0.11 98	0.05 6	0.14 170	0.16 81	0.21 416	0.09 43	0.17 227	0.21 166	0.16 106	0.11 82	0.15 121	0.10 80	0.07 46	0.10 23	0.08 10	0.06 59	0.05 93	0.07 124	0.07 191	0.07 171	0.09 290

rvit_stereo_0080	0.10 66	0.08 161	0.15 205	0.15 45	0.10 249	0.07 17	0.15 153	0.16 58	0.16 106	0.11 82	0.10 50	0.15 180	0.09 93	0.12 114	0.10 61	0.09 264	0.07 281	0.07 124	0.06 107	0.07 171	0.05 54

IGEV-BASED-STEREO-	0.09 19	0.10 277	0.32 387	0.15 45	0.06 3	0.08 26	0.14 95	0.11 3	0.10 10	0.07 4	0.07 15	0.06 4	0.04 1	0.11 52	0.07 1	0.12 352	0.04 2	0.07 124	0.05 49	0.05 44	0.05 54

test_sample3	0.14 219	0.08 161	0.15 205	0.14 15	0.09 150	0.20 312	0.17 227	0.27 266	0.18 141	0.17 221	0.22 228	0.19 238	0.15 246	0.17 257	0.14 215	0.09 264	0.06 216	0.07 124	0.06 107	0.09 289	0.08 249

test_sample2	0.13 192	0.07 70	0.12 105	0.14 15	0.08 60	0.16 235	0.18 270	0.21 166	0.16 106	0.14 160	0.21 214	0.20 255	0.15 246	0.15 195	0.13 180	0.08 215	0.06 216	0.07 124	0.06 107	0.08 231	0.08 249

MyStereo8	0.12 165	0.07 70	0.15 205	0.15 45	0.09 150	0.18 273	0.14 95	0.19 140	0.22 211	0.12 111	0.18 175	0.11 97	0.10 112	0.16 222	0.18 292	0.07 161	0.05 93	0.07 124	0.05 49	0.08 231	0.09 290

SMFormer	0.14 219	0.07 70	0.18 297	0.14 15	0.08 60	0.17 257	0.17 227	0.27 266	0.27 276	0.19 264	0.20 197	0.19 238	0.15 246	0.15 195	0.17 280	0.08 215	0.05 93	0.07 124	0.06 107	0.08 231	0.07 184

tta	0.14 219	0.07 70	0.18 297	0.14 15	0.08 60	0.17 257	0.17 227	0.27 266	0.27 276	0.19 264	0.20 197	0.19 238	0.15 246	0.15 195	0.17 280	0.08 215	0.05 93	0.07 124	0.06 107	0.06 109	0.06 121

AE-Stereo	0.10 66	0.08 161	0.11 78	0.19 263	0.09 150	0.10 70	0.15 153	0.14 28	0.20 178	0.09 28	0.15 121	0.12 116	0.08 71	0.11 52	0.10 61	0.05 3	0.06 216	0.07 124	0.06 107	0.05 44	0.04 5

CoDeX	0.12 165	0.07 70	0.13 132	0.17 139	0.08 60	0.12 131	0.16 207	0.23 202	0.27 276	0.13 137	0.17 154	0.15 180	0.12 167	0.14 178	0.11 98	0.07 161	0.05 93	0.07 124	0.06 107	0.06 109	0.05 54

whm_eth	0.10 66	0.08 161	0.15 205	0.15 45	0.10 249	0.07 17	0.15 153	0.16 58	0.16 106	0.11 82	0.10 50	0.15 180	0.09 93	0.12 114	0.10 61	0.09 264	0.07 281	0.07 124	0.06 107	0.07 171	0.05 54

EKT-Stereo	0.11 98	0.07 70	0.14 170	0.16 81	0.10 249	0.13 153	0.14 95	0.19 140	0.21 191	0.11 82	0.08 26	0.13 139	0.10 112	0.11 52	0.12 150	0.08 215	0.06 216	0.07 124	0.06 107	0.08 231	0.07 184

MIM_Stereo	0.10 66	0.07 70	0.11 78	0.15 45	0.07 21	0.07 17	0.12 33	0.20 153	0.14 73	0.13 137	0.14 109	0.09 58	0.05 3	0.12 114	0.08 10	0.05 3	0.06 216	0.07 124	0.06 107	0.06 109	0.05 54

PCWNet_CMD	0.14 219	0.08 161	0.15 205	0.17 139	0.09 150	0.14 188	0.14 95	0.29 305	0.36 348	0.14 160	0.20 197	0.21 262	0.13 197	0.17 257	0.14 215	0.07 161	0.05 93	0.07 124	0.07 191	0.07 171	0.07 184

iinet-f	0.17 301	0.07 70	0.46 412	0.14 15	0.10 249	0.21 323	0.14 95	0.27 266	0.23 220	0.22 307	0.25 268	0.21 262	0.16 264	0.18 270	0.22 337	0.09 264	0.07 281	0.07 124	0.06 107	0.09 289	0.10 313

gwcnet-sp	0.14 219	0.07 70	0.13 132	0.18 212	0.09 150	0.16 235	0.18 270	0.24 222	0.24 230	0.19 264	0.24 242	0.15 180	0.16 264	0.16 222	0.15 248	0.08 215	0.07 281	0.07 124	0.08 252	0.08 231	0.07 184

scenet	0.14 219	0.07 70	0.13 132	0.18 212	0.09 150	0.16 235	0.18 270	0.24 222	0.24 230	0.19 264	0.24 242	0.15 180	0.16 264	0.16 222	0.15 248	0.08 215	0.07 281	0.07 124	0.08 252	0.08 231	0.07 184

anonymousa	0.13 192	0.07 70	0.14 170	0.18 212	0.09 150	0.13 153	0.17 227	0.20 153	0.29 298	0.15 184	0.24 242	0.16 198	0.14 226	0.14 178	0.14 215	0.07 161	0.05 93	0.07 124	0.09 290	0.05 44	0.07 184

riskmin	0.11 98	0.06 28	0.13 132	0.14 15	0.08 60	0.14 188	0.14 95	0.18 116	0.15 87	0.12 111	0.15 121	0.17 215	0.11 138	0.14 178	0.12 150	0.09 264	0.05 93	0.07 124	0.05 49	0.08 231	0.08 249

ssnet	0.14 219	0.07 70	0.13 132	0.18 212	0.09 150	0.16 235	0.18 270	0.24 222	0.24 230	0.19 264	0.24 242	0.15 180	0.16 264	0.16 222	0.15 248	0.08 215	0.07 281	0.07 124	0.08 252	0.08 231	0.07 184

CroCo-Stereo Lap2	0.09 19	0.09 217	0.08 8	0.22 355	0.09 150	0.09 43	0.18 270	0.16 58	0.12 38	0.09 28	0.10 50	0.05 1	0.05 3	0.08 7	0.08 10	0.06 59	0.06 216	0.07 124	0.05 49	0.06 109	0.05 54

DisPM	0.11 98	0.07 70	0.13 132	0.16 81	0.09 150	0.06 4	0.13 59	0.18 116	0.17 127	0.14 160	0.19 188	0.12 116	0.10 112	0.12 114	0.11 98	0.07 161	0.05 93	0.07 124	0.06 107	0.06 109	0.11 335

IER	0.14 219	0.08 161	0.13 132	0.17 139	0.09 150	0.14 188	0.16 207	0.26 252	0.27 276	0.18 251	0.26 281	0.17 215	0.20 324	0.17 257	0.14 215	0.08 215	0.05 93	0.07 124	0.06 107	0.08 231	0.07 184

raft_robust	0.13 192	0.10 277	0.07 1	0.18 212	0.08 60	0.13 153	0.24 369	0.29 305	0.34 331	0.20 284	0.20 197	0.15 180	0.10 112	0.11 52	0.12 150	0.05 3	0.05 93	0.07 124	0.07 191	0.05 44	0.04 5

CRFU-Net	0.16 281	0.08 161	0.15 205	0.17 139	0.09 150	0.20 312	0.14 95	0.27 266	0.21 191	0.28 367	0.28 305	0.29 341	0.18 297	0.19 291	0.18 292	0.09 264	0.09 331	0.07 124	0.07 191	0.08 231	0.09 290

RAFT+CT+SA	0.13 192	0.11 299	0.09 29	0.19 263	0.09 150	0.15 212	0.28 402	0.22 188	0.22 211	0.15 184	0.26 281	0.10 80	0.10 112	0.11 52	0.12 150	0.05 3	0.04 2	0.07 124	0.08 252	0.07 171	0.06 121

test_5	0.14 219	0.12 314	0.08 8	0.20 308	0.10 249	0.14 188	0.28 402	0.21 166	0.24 230	0.19 264	0.28 305	0.11 97	0.15 246	0.12 114	0.13 180	0.06 59	0.05 93	0.07 124	0.08 252	0.08 231	0.07 184

iRaft-Stereo_5w	0.12 165	0.09 217	0.12 105	0.20 308	0.08 60	0.09 43	0.12 33	0.22 188	0.22 211	0.19 264	0.14 109	0.11 97	0.09 93	0.20 308	0.16 266	0.05 3	0.05 93	0.07 124	0.06 107	0.05 44	0.06 121

CSP-Net	0.16 281	0.09 217	0.14 170	0.17 139	0.09 150	0.19 293	0.18 270	0.25 241	0.33 321	0.26 348	0.31 328	0.25 313	0.16 264	0.21 323	0.19 305	0.09 264	0.06 216	0.07 124	0.07 191	0.08 231	0.08 249

test-3	0.09 19	0.06 28	0.10 47	0.18 212	0.07 21	0.07 17	0.14 95	0.12 9	0.16 106	0.10 51	0.08 26	0.08 41	0.08 71	0.11 52	0.10 61	0.05 3	0.04 2	0.07 124	0.05 49	0.04 1	0.04 5

test_1	0.09 19	0.06 28	0.10 47	0.18 212	0.07 21	0.07 17	0.14 95	0.12 9	0.16 106	0.10 51	0.08 26	0.08 41	0.08 71	0.11 52	0.10 61	0.05 3	0.04 2	0.07 124	0.05 49	0.04 1	0.04 5

ADLNet2	0.16 281	0.09 217	0.14 170	0.17 139	0.09 150	0.20 312	0.16 207	0.32 333	0.39 362	0.17 221	0.20 197	0.20 255	0.19 312	0.21 323	0.23 346	0.08 215	0.07 281	0.07 124	0.07 191	0.09 289	0.07 184

CrosDoStereo	0.12 165	0.07 70	0.12 105	0.14 15	0.09 150	0.12 131	0.15 153	0.17 91	0.22 211	0.19 264	0.24 242	0.15 180	0.11 138	0.11 52	0.12 150	0.06 59	0.05 93	0.07 124	0.07 191	0.05 44	0.05 54

TRStereo	0.10 66	0.05 6	0.12 105	0.16 81	0.12 325	0.10 70	0.13 59	0.18 116	0.19 161	0.09 28	0.09 35	0.09 58	0.07 46	0.10 23	0.08 10	0.07 161	0.05 93	0.07 124	0.07 191	0.04 1	0.04 5

OMP-Stereo	0.11 98	0.07 70	0.14 170	0.18 212	0.08 60	0.09 43	0.12 33	0.21 166	0.21 191	0.13 137	0.14 109	0.11 97	0.12 167	0.11 52	0.13 180	0.06 59	0.05 93	0.07 124	0.06 107	0.05 44	0.04 5

IIG-Stereo	0.11 98	0.06 28	0.13 132	0.17 139	0.08 60	0.11 99	0.12 33	0.22 188	0.18 141	0.14 160	0.17 154	0.12 116	0.13 197	0.12 114	0.13 180	0.06 59	0.05 93	0.07 124	0.06 107	0.06 109	0.05 54

NF-Stereo	0.11 98	0.07 70	0.13 132	0.17 139	0.09 150	0.10 70	0.13 59	0.23 202	0.19 161	0.12 111	0.17 154	0.12 116	0.12 167	0.11 52	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.07 171	0.12 353

OCTAStereo	0.11 98	0.07 70	0.14 170	0.17 139	0.09 150	0.10 70	0.13 59	0.23 202	0.19 161	0.12 111	0.17 154	0.12 116	0.12 167	0.11 52	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.07 171	0.11 335

NRIStereo	0.11 98	0.08 161	0.15 205	0.18 212	0.08 60	0.10 70	0.13 59	0.17 91	0.15 87	0.12 111	0.15 121	0.13 139	0.13 197	0.13 158	0.10 61	0.06 59	0.04 2	0.07 124	0.06 107	0.06 109	0.07 184

FTStereo	0.12 165	0.07 70	0.14 170	0.18 212	0.09 150	0.07 17	0.15 153	0.22 188	0.18 141	0.12 111	0.24 242	0.11 97	0.13 197	0.13 158	0.14 215	0.05 3	0.05 93	0.07 124	0.07 191	0.06 109	0.10 313

DeepStereo_LL	0.12 165	0.07 70	0.12 105	0.14 15	0.09 150	0.12 131	0.15 153	0.17 91	0.22 211	0.19 264	0.24 242	0.15 180	0.11 138	0.11 52	0.12 150	0.06 59	0.05 93	0.07 124	0.07 191	0.05 44	0.05 54

DEmStereo	0.12 165	0.06 28	0.14 170	0.14 15	0.10 249	0.16 235	0.15 153	0.16 58	0.24 230	0.17 221	0.23 232	0.12 116	0.14 226	0.12 114	0.14 215	0.05 3	0.04 2	0.07 124	0.06 107	0.05 44	0.05 54

THIR-Stereo	0.12 165	0.07 70	0.11 78	0.15 45	0.08 60	0.14 188	0.16 207	0.18 116	0.25 252	0.17 221	0.24 242	0.13 139	0.13 197	0.12 114	0.14 215	0.06 59	0.05 93	0.07 124	0.07 191	0.05 44	0.05 54

DRaft	0.12 165	0.06 28	0.12 105	0.14 15	0.09 150	0.14 188	0.17 227	0.21 166	0.30 303	0.18 251	0.27 296	0.10 80	0.16 264	0.11 52	0.12 150	0.05 3	0.04 2	0.07 124	0.07 191	0.05 44	0.05 54

PFNet	0.12 165	0.06 28	0.17 268	0.18 212	0.08 60	0.09 43	0.15 153	0.26 252	0.20 178	0.16 211	0.16 137	0.14 157	0.12 167	0.13 158	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.05 44	0.05 54

GrayStereo	0.11 98	0.06 28	0.11 78	0.19 263	0.09 150	0.09 43	0.16 207	0.18 116	0.17 127	0.14 160	0.17 154	0.17 215	0.11 138	0.12 114	0.11 98	0.05 3	0.05 93	0.07 124	0.06 107	0.06 109	0.10 313

RE-Stereo	0.11 98	0.07 70	0.13 132	0.17 139	0.09 150	0.10 70	0.13 59	0.23 202	0.19 161	0.12 111	0.17 154	0.12 116	0.12 167	0.11 52	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.07 171	0.11 335

Pruner-Stereo	0.11 98	0.07 70	0.12 105	0.17 139	0.09 150	0.06 4	0.12 33	0.18 116	0.17 127	0.14 160	0.19 188	0.13 139	0.10 112	0.11 52	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.06 109	0.08 249

TVStereo	0.11 98	0.07 70	0.13 132	0.17 139	0.09 150	0.10 70	0.13 59	0.23 202	0.19 161	0.12 111	0.17 154	0.12 116	0.12 167	0.11 52	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.07 171	0.11 335

DeepStereo_RVC	0.11 98	0.08 161	0.17 268	0.18 212	0.08 60	0.08 26	0.11 17	0.17 91	0.12 38	0.13 137	0.15 121	0.12 116	0.12 167	0.12 114	0.11 98	0.06 59	0.04 2	0.07 124	0.06 107	0.07 171	0.08 249

RAFT-345	0.11 98	0.07 70	0.16 246	0.17 139	0.08 60	0.08 26	0.12 33	0.16 58	0.10 10	0.11 82	0.34 353	0.09 58	0.10 112	0.11 52	0.12 150	0.05 3	0.05 93	0.07 124	0.06 107	0.04 1	0.05 54

Prome-Stereo	0.11 98	0.07 70	0.11 78	0.18 212	0.09 150	0.12 131	0.14 95	0.23 202	0.13 57	0.13 137	0.16 137	0.13 139	0.08 71	0.12 114	0.10 61	0.05 3	0.05 93	0.07 124	0.06 107	0.06 109	0.10 313

raft+_RVC	0.11 98	0.07 70	0.09 29	0.16 81	0.07 21	0.10 70	0.11 17	0.24 222	0.20 178	0.12 111	0.15 121	0.12 116	0.08 71	0.12 114	0.13 180	0.07 161	0.04 2	0.07 124	0.06 107	0.05 44	0.05 54

GES	0.14 219	0.08 161	0.16 246	0.15 45	0.10 249	0.13 153	0.13 59	0.28 288	0.26 264	0.17 221	0.24 242	0.19 238	0.14 226	0.16 222	0.14 215	0.08 215	0.08 309	0.07 124	0.06 107	0.08 231	0.09 290

222	0.16 281	0.07 70	0.15 205	0.14 15	0.08 60	0.25 361	0.18 270	0.30 315	0.21 191	0.18 251	0.29 319	0.17 215	0.16 264	0.16 222	0.44 434	0.10 298	0.05 93	0.07 124	0.06 107	0.08 231	0.08 249

xxxx	0.15 256	0.07 70	0.14 170	0.14 15	0.08 60	0.24 353	0.18 270	0.32 333	0.20 178	0.14 160	0.28 305	0.22 279	0.14 226	0.15 195	0.29 395	0.09 264	0.05 93	0.07 124	0.07 191	0.08 231	0.08 249

test_xeample	0.15 256	0.07 70	0.14 170	0.15 45	0.08 60	0.22 335	0.20 325	0.29 305	0.21 191	0.16 211	0.29 319	0.19 238	0.17 286	0.16 222	0.28 388	0.09 264	0.05 93	0.07 124	0.07 191	0.07 171	0.07 184

AFF-stereo	0.09 19	0.07 70	0.10 47	0.17 139	0.07 21	0.10 70	0.15 153	0.18 116	0.10 10	0.10 51	0.11 72	0.09 58	0.10 112	0.12 114	0.10 61	0.05 3	0.04 2	0.07 124	0.07 191	0.04 1	0.04 5

SFCPSM	0.13 192	0.07 70	0.15 205	0.17 139	0.09 150	0.15 212	0.16 207	0.28 288	0.27 276	0.14 160	0.18 175	0.12 116	0.13 197	0.14 178	0.11 98	0.08 215	0.05 93	0.07 124	0.07 191	0.07 171	0.06 121

MMNet	0.17 301	0.10 277	0.17 268	0.20 308	0.11 296	0.27 379	0.20 325	0.26 252	0.42 375	0.22 307	0.30 325	0.22 279	0.20 324	0.18 270	0.20 313	0.06 59	0.06 216	0.07 124	0.07 191	0.08 231	0.07 184

HGLStereo	0.17 301	0.09 217	0.19 320	0.17 139	0.12 325	0.18 273	0.18 270	0.31 329	0.33 321	0.22 307	0.33 343	0.24 301	0.18 297	0.20 308	0.21 324	0.10 298	0.09 331	0.07 124	0.07 191	0.09 289	0.10 313

GANet-RSSM	0.14 219	0.07 70	0.13 132	0.13 7	0.08 60	0.14 188	0.18 270	0.23 202	0.21 191	0.17 221	0.25 268	0.24 301	0.16 264	0.16 222	0.16 266	0.10 298	0.06 216	0.07 124	0.08 252	0.08 231	0.07 184

GwcNet-RSSM	0.14 219	0.07 70	0.12 105	0.16 81	0.08 60	0.15 212	0.20 325	0.22 188	0.28 292	0.18 251	0.28 305	0.23 292	0.17 286	0.15 195	0.16 266	0.10 298	0.06 216	0.07 124	0.09 290	0.07 171	0.07 184

MSMDNet	0.14 219	0.08 161	0.15 205	0.17 139	0.09 150	0.14 188	0.14 95	0.29 305	0.36 348	0.14 160	0.20 197	0.21 262	0.13 197	0.18 270	0.14 215	0.07 161	0.05 93	0.07 124	0.07 191	0.07 171	0.07 184

HSM	0.15 256	0.09 217	0.15 205	0.16 81	0.09 150	0.16 235	0.14 95	0.28 288	0.25 252	0.20 284	0.24 242	0.37 387	0.17 286	0.20 308	0.15 248	0.07 161	0.05 93	0.07 124	0.06 107	0.07 171	0.06 121

DISCO	0.20 334	0.09 217	0.22 338	0.17 139	0.10 249	0.25 361	0.18 270	0.28 288	0.45 389	0.23 321	0.32 337	0.34 377	0.26 364	0.29 384	0.29 395	0.08 215	0.06 216	0.07 124	0.07 191	0.09 289	0.10 313

rvit_stereo_0081_aga	0.12 165	0.09 217	0.15 205	0.18 212	0.10 249	0.14 188	0.14 95	0.14 28	0.19 161	0.10 51	0.18 175	0.16 198	0.09 93	0.12 114	0.10 61	0.10 298	0.06 216	0.08 191	0.07 191	0.07 171	0.06 121

rvit_stereo_0081	0.11 98	0.08 161	0.16 246	0.16 81	0.09 150	0.11 99	0.14 95	0.14 28	0.24 230	0.11 82	0.13 96	0.14 157	0.09 93	0.11 52	0.12 150	0.10 298	0.07 281	0.08 191	0.07 191	0.07 171	0.06 121

rvit_stereo_0082	0.11 98	0.08 161	0.16 246	0.16 81	0.09 150	0.11 99	0.14 95	0.14 28	0.24 230	0.11 82	0.13 96	0.14 157	0.09 93	0.11 52	0.12 150	0.10 298	0.07 281	0.08 191	0.07 191	0.07 171	0.06 121

rvit_stereo_ft	0.12 165	0.07 70	0.13 132	0.19 263	0.10 249	0.12 131	0.17 227	0.16 58	0.16 106	0.13 137	0.13 96	0.15 180	0.10 112	0.14 178	0.13 180	0.10 298	0.06 216	0.08 191	0.07 191	0.07 171	0.06 121

test_sample6	0.14 219	0.09 217	0.14 170	0.17 139	0.08 60	0.17 257	0.19 310	0.26 252	0.18 141	0.18 251	0.28 305	0.19 238	0.15 246	0.15 195	0.13 180	0.08 215	0.05 93	0.08 191	0.07 191	0.08 231	0.08 249

test_sample5	0.14 219	0.08 161	0.14 170	0.16 81	0.08 60	0.18 273	0.18 270	0.25 241	0.17 127	0.17 221	0.28 305	0.18 229	0.15 246	0.16 222	0.13 180	0.08 215	0.06 216	0.08 191	0.07 191	0.09 289	0.08 249

test_sample4	0.14 219	0.08 161	0.15 205	0.15 45	0.08 60	0.19 293	0.18 270	0.26 252	0.18 141	0.17 221	0.26 281	0.18 229	0.15 246	0.17 257	0.13 180	0.08 215	0.06 216	0.08 191	0.06 107	0.09 289	0.08 249

H2IRNET	0.10 66	0.09 217	0.10 47	0.18 212	0.09 150	0.12 131	0.15 153	0.14 28	0.21 191	0.10 51	0.10 50	0.10 80	0.11 138	0.10 23	0.10 61	0.06 59	0.04 2	0.08 191	0.08 252	0.06 109	0.05 54

DispNO	0.15 256	0.09 217	0.18 297	0.19 263	0.12 325	0.11 99	0.21 340	0.23 202	0.29 298	0.18 251	0.23 232	0.19 238	0.17 286	0.16 222	0.16 266	0.07 161	0.05 93	0.08 191	0.08 252	0.07 171	0.06 121

Former-RAFT_DAM_RVC	0.11 98	0.08 161	0.13 132	0.16 81	0.08 60	0.15 212	0.16 207	0.18 116	0.19 161	0.10 51	0.09 35	0.09 58	0.08 71	0.11 52	0.12 150	0.07 161	0.05 93	0.08 191	0.06 107	0.07 171	0.06 121

MyStereo07	0.10 66	0.07 70	0.10 47	0.17 139	0.09 150	0.14 188	0.17 227	0.15 40	0.15 87	0.09 28	0.06 2	0.06 4	0.07 46	0.12 114	0.09 22	0.06 59	0.05 93	0.08 191	0.07 191	0.06 109	0.06 121

MyStereo06	0.10 66	0.07 70	0.12 105	0.17 139	0.09 150	0.13 153	0.18 270	0.19 140	0.12 38	0.13 137	0.08 26	0.07 26	0.07 46	0.11 52	0.09 22	0.06 59	0.05 93	0.08 191	0.07 191	0.06 109	0.06 121

MyStereo05	0.13 192	0.07 70	0.10 47	0.17 139	0.09 150	0.13 153	0.18 270	0.28 288	0.35 342	0.17 221	0.14 109	0.15 180	0.11 138	0.15 195	0.13 180	0.06 59	0.05 93	0.08 191	0.07 191	0.06 109	0.06 121

MyStereo04	0.13 192	0.07 70	0.10 47	0.17 139	0.09 150	0.14 188	0.17 227	0.29 305	0.38 358	0.17 221	0.14 109	0.16 198	0.11 138	0.15 195	0.13 180	0.06 59	0.05 93	0.08 191	0.07 191	0.06 109	0.06 121

xx1	0.11 98	0.08 161	0.13 132	0.17 139	0.09 150	0.13 153	0.15 153	0.16 58	0.18 141	0.09 28	0.09 35	0.16 198	0.16 264	0.10 23	0.07 1	0.06 59	0.05 93	0.08 191	0.08 252	0.07 171	0.07 184

mmm	0.14 219	0.08 161	0.18 297	0.17 139	0.09 150	0.17 257	0.18 270	0.21 166	0.16 106	0.16 211	0.23 232	0.21 262	0.16 264	0.16 222	0.17 280	0.08 215	0.05 93	0.08 191	0.08 252	0.08 231	0.07 184

DualNet	0.14 219	0.08 161	0.14 170	0.16 81	0.08 60	0.18 273	0.18 270	0.25 241	0.17 127	0.18 251	0.28 305	0.18 229	0.15 246	0.16 222	0.13 180	0.08 215	0.06 216	0.08 191	0.07 191	0.09 289	0.08 249

1111x	0.16 281	0.09 217	0.13 132	0.18 212	0.08 60	0.18 273	0.25 385	0.32 333	0.25 252	0.17 221	0.24 242	0.27 326	0.15 246	0.14 178	0.24 357	0.07 161	0.07 281	0.08 191	0.09 290	0.07 171	0.07 184

MaDis-Stereo	0.09 19	0.09 217	0.08 8	0.17 139	0.09 150	0.14 188	0.11 17	0.16 58	0.16 106	0.09 28	0.11 72	0.06 4	0.06 13	0.09 12	0.13 180	0.07 161	0.06 216	0.08 191	0.05 49	0.05 44	0.04 5

MIF-Stereo (partial)	0.11 98	0.06 28	0.10 47	0.19 263	0.10 249	0.10 70	0.12 33	0.17 91	0.19 161	0.14 160	0.16 137	0.10 80	0.11 138	0.12 114	0.12 150	0.08 215	0.05 93	0.08 191	0.07 191	0.06 109	0.07 184

CFNet_ucs	0.15 256	0.09 217	0.17 268	0.16 81	0.11 296	0.14 188	0.14 95	0.30 315	0.34 331	0.16 211	0.24 242	0.23 292	0.14 226	0.18 270	0.15 248	0.09 264	0.06 216	0.08 191	0.07 191	0.09 289	0.09 290

4D-IteraStereo	0.10 66	0.07 70	0.10 47	0.18 212	0.07 21	0.09 43	0.15 153	0.18 116	0.15 87	0.10 51	0.11 72	0.10 80	0.07 46	0.12 114	0.09 22	0.05 3	0.03 1	0.08 191	0.07 191	0.06 109	0.05 54

fast-acv-ft	0.18 316	0.11 299	0.20 323	0.19 263	0.12 325	0.26 371	0.21 340	0.26 252	0.35 342	0.22 307	0.34 353	0.27 326	0.21 331	0.21 323	0.23 346	0.09 264	0.09 331	0.08 191	0.10 322	0.08 231	0.07 184

TestStereo1	0.13 192	0.08 161	0.08 8	0.20 308	0.08 60	0.18 273	0.29 413	0.23 202	0.17 127	0.17 221	0.20 197	0.16 198	0.11 138	0.12 114	0.13 180	0.06 59	0.06 216	0.08 191	0.06 107	0.05 44	0.05 54

qqq	0.13 192	0.09 217	0.15 205	0.16 81	0.08 60	0.13 153	0.15 153	0.24 222	0.16 106	0.15 184	0.19 188	0.16 198	0.16 264	0.15 195	0.16 266	0.07 161	0.06 216	0.08 191	0.08 252	0.07 171	0.07 184

Wz-Net-LNSev	0.22 353	0.16 368	0.41 407	0.22 355	0.13 347	0.25 361	0.24 369	0.33 345	0.44 385	0.30 379	0.42 397	0.32 367	0.19 312	0.23 347	0.27 381	0.10 298	0.09 331	0.08 191	0.08 252	0.12 351	0.11 335

RAFT_CTSACE	0.12 165	0.09 217	0.10 47	0.22 355	0.08 60	0.12 131	0.24 369	0.18 116	0.17 127	0.21 295	0.27 296	0.13 139	0.07 46	0.13 158	0.09 22	0.05 3	0.06 216	0.08 191	0.07 191	0.04 1	0.04 5

SA-5K	0.13 192	0.08 161	0.08 8	0.20 308	0.08 60	0.18 273	0.29 413	0.23 202	0.17 127	0.17 221	0.20 197	0.16 198	0.11 138	0.12 114	0.13 180	0.06 59	0.06 216	0.08 191	0.06 107	0.05 44	0.05 54

test_4	0.11 98	0.10 277	0.08 8	0.19 263	0.09 150	0.08 26	0.21 340	0.15 40	0.18 141	0.12 111	0.18 175	0.12 116	0.09 93	0.08 7	0.11 98	0.04 1	0.04 2	0.08 191	0.08 252	0.04 1	0.04 5

psmg	0.14 219	0.09 217	0.14 170	0.17 139	0.10 249	0.15 212	0.17 227	0.29 305	0.20 178	0.17 221	0.21 214	0.25 313	0.16 264	0.16 222	0.14 215	0.08 215	0.07 281	0.08 191	0.08 252	0.07 171	0.07 184

dd	0.15 256	0.17 377	0.17 268	0.19 263	0.09 150	0.15 212	0.18 270	0.22 188	0.26 264	0.23 321	0.20 197	0.21 262	0.10 112	0.21 323	0.17 280	0.10 298	0.06 216	0.08 191	0.06 107	0.08 231	0.07 184

GLC_STEREO	0.11 98	0.07 70	0.11 78	0.18 212	0.07 21	0.08 26	0.13 59	0.16 58	0.24 230	0.12 111	0.13 96	0.12 116	0.08 71	0.18 270	0.12 150	0.06 59	0.08 309	0.08 191	0.06 107	0.05 44	0.05 54

AASNet	0.16 281	0.08 161	0.13 132	0.19 263	0.09 150	0.19 293	0.15 153	0.38 393	0.37 352	0.20 284	0.24 242	0.20 255	0.17 286	0.17 257	0.21 324	0.10 298	0.08 309	0.08 191	0.07 191	0.09 289	0.09 290

test_3	0.11 98	0.09 217	0.10 47	0.21 338	0.08 60	0.13 153	0.25 385	0.14 28	0.21 191	0.10 51	0.10 50	0.09 58	0.10 112	0.08 7	0.11 98	0.05 3	0.04 2	0.08 191	0.07 191	0.04 1	0.04 5

PSMNet-ADL	0.15 256	0.12 314	0.13 132	0.22 355	0.09 150	0.13 153	0.20 325	0.26 252	0.23 220	0.18 251	0.20 197	0.23 292	0.17 286	0.18 270	0.18 292	0.09 264	0.08 309	0.08 191	0.11 348	0.08 231	0.07 184

LCNet	0.11 98	0.07 70	0.09 29	0.19 263	0.09 150	0.08 26	0.14 95	0.21 166	0.15 87	0.12 111	0.15 121	0.16 198	0.11 138	0.12 114	0.11 98	0.05 3	0.04 2	0.08 191	0.07 191	0.06 109	0.14 379

HHNet	0.11 98	0.06 28	0.16 246	0.15 45	0.14 362	0.07 17	0.13 59	0.20 153	0.18 141	0.15 184	0.25 268	0.11 97	0.09 93	0.13 158	0.10 61	0.06 59	0.04 2	0.08 191	0.06 107	0.05 44	0.09 290

Patchmatch Stereo++	0.11 98	0.09 217	0.17 268	0.19 263	0.08 60	0.06 4	0.11 17	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 191	0.06 107	0.08 231	0.07 184
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-softLoss	0.12 165	0.07 70	0.15 205	0.17 139	0.09 150	0.08 26	0.12 33	0.24 222	0.17 127	0.15 184	0.19 188	0.13 139	0.11 138	0.11 52	0.11 98	0.07 161	0.05 93	0.08 191	0.07 191	0.07 171	0.12 353

KMStereo	0.12 165	0.07 70	0.15 205	0.17 139	0.09 150	0.08 26	0.12 33	0.24 222	0.17 127	0.15 184	0.19 188	0.13 139	0.11 138	0.11 52	0.11 98	0.07 161	0.05 93	0.08 191	0.07 191	0.07 171	0.12 353

PSM-adaLoss	0.11 98	0.09 217	0.17 268	0.19 263	0.08 60	0.06 4	0.12 33	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 191	0.06 107	0.08 231	0.07 184

ROB_FTStereo_v2	0.11 98	0.09 217	0.17 268	0.19 263	0.08 60	0.06 4	0.12 33	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 191	0.06 107	0.08 231	0.07 184

ROB_FTStereo	0.11 98	0.09 217	0.17 268	0.19 263	0.08 60	0.06 4	0.11 17	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 191	0.06 107	0.08 231	0.07 184

KYRaft	0.12 165	0.07 70	0.10 47	0.19 263	0.09 150	0.08 26	0.15 153	0.23 202	0.12 38	0.13 137	0.16 137	0.20 255	0.10 112	0.12 114	0.11 98	0.06 59	0.04 2	0.08 191	0.08 252	0.06 109	0.15 393

HUI-Stereo	0.11 98	0.09 217	0.17 268	0.19 263	0.08 60	0.06 4	0.11 17	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 191	0.06 107	0.08 231	0.07 184

iGMRVC	0.11 98	0.09 217	0.17 268	0.19 263	0.08 60	0.06 4	0.12 33	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 191	0.06 107	0.08 231	0.07 184

RAFT-RH_RVC	0.12 165	0.06 28	0.14 170	0.16 81	0.09 150	0.12 131	0.12 33	0.17 91	0.12 38	0.13 137	0.40 381	0.11 97	0.10 112	0.13 158	0.12 150	0.05 3	0.04 2	0.08 191	0.05 49	0.05 44	0.06 121

iRAFT	0.11 98	0.09 217	0.17 268	0.19 263	0.08 60	0.06 4	0.11 17	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 191	0.06 107	0.08 231	0.07 184

AnonymousM	0.10 66	0.06 28	0.10 47	0.14 15	0.07 21	0.09 43	0.13 59	0.19 140	0.14 73	0.13 137	0.12 82	0.09 58	0.08 71	0.13 158	0.10 61	0.08 215	0.05 93	0.08 191	0.05 49	0.05 44	0.05 54

CRE-IMP	0.11 98	0.09 217	0.16 246	0.19 263	0.09 150	0.10 70	0.12 33	0.18 116	0.10 10	0.14 160	0.14 109	0.14 157	0.13 197	0.12 114	0.12 150	0.07 161	0.04 2	0.08 191	0.06 107	0.08 231	0.08 249

GMM-Stereo	0.11 98	0.07 70	0.10 47	0.18 212	0.09 150	0.08 26	0.14 95	0.24 222	0.16 106	0.11 82	0.15 121	0.13 139	0.11 138	0.11 52	0.11 98	0.05 3	0.04 2	0.08 191	0.07 191	0.06 109	0.09 290

RAFT-IKP	0.11 98	0.09 217	0.17 268	0.19 263	0.08 60	0.06 4	0.11 17	0.17 91	0.13 57	0.15 184	0.16 137	0.14 157	0.12 167	0.11 52	0.11 98	0.06 59	0.05 93	0.08 191	0.06 107	0.08 231	0.07 184

LMCR-Stereo	0.15 256	0.08 161	0.14 170	0.21 338	0.09 150	0.18 273	0.19 310	0.28 288	0.19 161	0.24 332	0.24 242	0.23 292	0.17 286	0.20 308	0.17 280	0.07 161	0.06 216	0.08 191	0.06 107	0.10 320	0.09 290

ICVP	0.16 281	0.09 217	0.12 105	0.22 355	0.09 150	0.18 273	0.21 340	0.26 252	0.24 230	0.18 251	0.30 325	0.27 326	0.18 297	0.18 270	0.15 248	0.10 298	0.07 281	0.08 191	0.07 191	0.07 171	0.08 249
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iRaftStereo_RVC	0.10 66	0.07 70	0.10 47	0.17 139	0.09 150	0.11 99	0.17 227	0.18 116	0.12 38	0.09 28	0.11 72	0.10 80	0.07 46	0.11 52	0.10 61	0.05 3	0.04 2	0.08 191	0.08 252	0.04 1	0.04 5

GEStereo_RVC	0.17 301	0.12 314	0.16 246	0.22 355	0.11 296	0.19 293	0.18 270	0.32 333	0.49 400	0.20 284	0.25 268	0.17 215	0.13 197	0.21 323	0.16 266	0.10 298	0.06 216	0.08 191	0.07 191	0.09 289	0.08 249

Anonymous3	0.16 281	0.14 354	0.34 392	0.26 397	0.14 362	0.27 379	0.18 270	0.28 288	0.28 292	0.15 184	0.17 154	0.14 157	0.11 138	0.16 222	0.12 150	0.08 215	0.08 309	0.08 191	0.08 252	0.08 231	0.11 335

TestStereo	0.14 219	0.15 360	0.11 78	0.23 373	0.08 60	0.15 212	0.21 340	0.20 153	0.23 220	0.14 160	0.25 268	0.16 198	0.13 197	0.16 222	0.14 215	0.06 59	0.06 216	0.08 191	0.06 107	0.09 289	0.05 54

sAnonymous2	0.13 192	0.12 314	0.25 353	0.20 308	0.12 325	0.18 273	0.14 95	0.27 266	0.21 191	0.11 82	0.12 82	0.13 139	0.08 71	0.11 52	0.11 98	0.09 264	0.05 93	0.08 191	0.06 107	0.15 390	0.10 313

CroCo_RVC	0.13 192	0.12 314	0.25 353	0.20 308	0.12 325	0.18 273	0.14 95	0.27 266	0.21 191	0.11 82	0.12 82	0.13 139	0.08 71	0.11 52	0.11 98	0.09 264	0.05 93	0.08 191	0.06 107	0.15 390	0.10 313

CFNet_pseudo	0.14 219	0.08 161	0.16 246	0.16 81	0.09 150	0.13 153	0.14 95	0.27 266	0.34 331	0.15 184	0.21 214	0.22 279	0.13 197	0.18 270	0.14 215	0.07 161	0.05 93	0.08 191	0.06 107	0.07 171	0.07 184

RALAANet	0.11 98	0.08 161	0.10 47	0.17 139	0.09 150	0.14 188	0.10 8	0.20 153	0.16 106	0.14 160	0.13 96	0.16 198	0.09 93	0.12 114	0.12 150	0.06 59	0.05 93	0.08 191	0.07 191	0.06 109	0.04 5

sCroCo_RVC	0.12 165	0.09 217	0.24 350	0.24 382	0.11 296	0.19 293	0.14 95	0.17 91	0.15 87	0.10 51	0.13 96	0.12 116	0.07 46	0.14 178	0.11 98	0.08 215	0.08 309	0.08 191	0.08 252	0.05 44	0.07 184

UNet	0.17 301	0.09 217	0.18 297	0.19 263	0.12 325	0.28 387	0.19 310	0.33 345	0.30 303	0.21 295	0.25 268	0.23 292	0.19 312	0.20 308	0.19 305	0.07 161	0.06 216	0.08 191	0.07 191	0.08 231	0.07 184

UPFNet	0.16 281	0.08 161	0.12 105	0.20 308	0.12 325	0.20 312	0.23 361	0.28 288	0.26 264	0.18 251	0.24 242	0.22 279	0.20 324	0.19 291	0.22 337	0.09 264	0.07 281	0.08 191	0.09 290	0.08 231	0.06 121

aanetorigin	0.22 353	0.17 377	0.57 424	0.18 212	0.10 249	0.16 235	0.19 310	0.20 153	0.33 321	0.49 427	0.48 409	0.30 348	0.28 379	0.21 323	0.24 357	0.08 215	0.07 281	0.08 191	0.07 191	0.10 320	0.09 290

EDNetEfficient	0.30 406	0.24 411	1.18 456	0.18 212	0.10 249	0.20 312	0.20 325	0.21 166	0.61 425	0.74 444	0.56 419	0.30 348	0.40 418	0.23 347	0.32 410	0.09 264	0.07 281	0.08 191	0.07 191	0.11 337	0.10 313

FENet	0.13 192	0.08 161	0.13 132	0.16 81	0.08 60	0.15 212	0.16 207	0.23 202	0.23 220	0.17 221	0.24 242	0.16 198	0.13 197	0.14 178	0.15 248	0.08 215	0.05 93	0.08 191	0.08 252	0.08 231	0.08 249

ac_64	0.16 281	0.09 217	0.15 205	0.18 212	0.10 249	0.22 335	0.17 227	0.24 222	0.22 211	0.19 264	0.24 242	0.29 341	0.18 297	0.19 291	0.22 337	0.09 264	0.08 309	0.08 191	0.09 290	0.07 171	0.06 121

CFNet-ft	0.14 219	0.07 70	0.15 205	0.12 3	0.09 150	0.17 257	0.18 270	0.22 188	0.24 230	0.17 221	0.26 281	0.24 301	0.14 226	0.16 222	0.15 248	0.11 328	0.06 216	0.08 191	0.09 290	0.09 289	0.08 249

DMCA	0.14 219	0.09 217	0.17 268	0.19 263	0.09 150	0.15 212	0.17 227	0.23 202	0.28 292	0.14 160	0.20 197	0.17 215	0.18 297	0.15 195	0.17 280	0.10 298	0.06 216	0.08 191	0.06 107	0.09 289	0.10 313

ADCP+	0.20 334	0.10 277	0.35 398	0.21 338	0.12 325	0.22 335	0.27 396	0.31 329	0.35 342	0.26 348	0.37 364	0.22 279	0.22 338	0.27 368	0.28 388	0.09 264	0.06 216	0.08 191	0.08 252	0.10 320	0.10 313

CFNet_RVC	0.14 219	0.07 70	0.15 205	0.12 3	0.09 150	0.17 257	0.18 270	0.22 188	0.24 230	0.17 221	0.26 281	0.24 301	0.14 226	0.16 222	0.15 248	0.11 328	0.06 216	0.08 191	0.09 290	0.09 289	0.08 249

NLCA_NET_v2_RVC	0.17 301	0.10 277	0.23 344	0.20 308	0.10 249	0.15 212	0.18 270	0.31 329	0.25 252	0.21 295	0.31 328	0.25 313	0.17 286	0.21 323	0.20 313	0.09 264	0.06 216	0.08 191	0.09 290	0.07 171	0.08 249
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ccs_rob	0.14 219	0.09 217	0.16 246	0.16 81	0.09 150	0.13 153	0.14 95	0.27 266	0.34 331	0.15 184	0.21 214	0.22 279	0.13 197	0.18 270	0.14 215	0.07 161	0.05 93	0.08 191	0.07 191	0.07 171	0.07 184

rvit_stereo_0083	0.12 165	0.08 161	0.17 268	0.16 81	0.09 150	0.11 99	0.15 153	0.15 40	0.26 264	0.11 82	0.14 109	0.13 139	0.10 112	0.12 114	0.13 180	0.10 298	0.08 309	0.09 266	0.07 191	0.07 171	0.06 121

CAS++	0.11 98	0.07 70	0.11 78	0.14 15	0.10 249	0.13 153	0.14 95	0.24 222	0.14 73	0.11 82	0.09 35	0.11 97	0.07 46	0.14 178	0.09 22	0.11 328	0.09 331	0.09 266	0.07 191	0.07 171	0.08 249
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
ffm	0.12 165	0.09 217	0.15 205	0.16 81	0.09 150	0.17 257	0.17 227	0.15 40	0.19 161	0.15 184	0.26 281	0.19 238	0.13 197	0.10 23	0.08 10	0.06 59	0.05 93	0.09 266	0.08 252	0.06 109	0.06 121

ff1	0.13 192	0.09 217	0.15 205	0.16 81	0.09 150	0.17 257	0.17 227	0.15 40	0.19 161	0.15 184	0.26 281	0.19 238	0.13 197	0.15 195	0.22 337	0.06 59	0.05 93	0.09 266	0.08 252	0.06 109	0.06 121

mmx	0.15 256	0.09 217	0.15 205	0.16 81	0.09 150	0.17 257	0.17 227	0.27 266	0.26 264	0.15 184	0.26 281	0.19 238	0.13 197	0.15 195	0.22 337	0.08 215	0.06 216	0.09 266	0.08 252	0.08 231	0.08 249

ttt	0.14 219	0.08 161	0.14 170	0.15 45	0.08 60	0.15 212	0.18 270	0.27 266	0.30 303	0.16 211	0.24 242	0.17 215	0.14 226	0.13 158	0.14 215	0.11 328	0.08 309	0.09 266	0.08 252	0.09 289	0.09 290

xxx	0.15 256	0.09 217	0.15 205	0.16 81	0.09 150	0.17 257	0.17 227	0.27 266	0.26 264	0.15 184	0.26 281	0.19 238	0.13 197	0.15 195	0.22 337	0.08 215	0.06 216	0.09 266	0.08 252	0.08 231	0.08 249

plain	0.11 98	0.09 217	0.10 47	0.19 263	0.09 150	0.11 99	0.14 95	0.14 28	0.13 57	0.13 137	0.15 121	0.09 58	0.12 167	0.13 158	0.12 150	0.07 161	0.05 93	0.09 266	0.06 107	0.06 109	0.06 121

LL-Strereo	0.13 192	0.10 277	0.12 105	0.20 308	0.10 249	0.11 99	0.18 270	0.33 345	0.25 252	0.16 211	0.16 137	0.14 157	0.14 226	0.19 291	0.11 98	0.06 59	0.05 93	0.09 266	0.08 252	0.04 1	0.05 54

ToySt	0.17 301	0.11 299	0.19 320	0.17 139	0.11 296	0.16 235	0.26 391	0.24 222	0.33 321	0.19 264	0.24 242	0.26 322	0.24 351	0.19 291	0.21 324	0.07 161	0.08 309	0.09 266	0.10 322	0.09 289	0.08 249

ssnet_v2	0.17 301	0.10 277	0.18 297	0.17 139	0.11 296	0.21 323	0.22 351	0.34 359	0.25 252	0.23 321	0.23 232	0.27 326	0.19 312	0.22 340	0.21 324	0.11 328	0.10 353	0.09 266	0.09 290	0.08 231	0.08 249

Wz-Net-MNSev	0.23 366	0.13 339	0.33 389	0.20 308	0.15 375	0.36 411	0.25 385	0.34 359	0.45 389	0.29 374	0.41 391	0.39 398	0.19 312	0.25 362	0.27 381	0.09 264	0.07 281	0.09 266	0.09 290	0.12 351	0.10 313

Sa-1000	0.12 165	0.08 161	0.09 29	0.18 212	0.08 60	0.15 212	0.22 351	0.22 188	0.19 161	0.15 184	0.20 197	0.17 215	0.11 138	0.10 23	0.10 61	0.06 59	0.05 93	0.09 266	0.09 290	0.05 44	0.05 54

SA	0.13 192	0.09 217	0.09 29	0.18 212	0.08 60	0.12 131	0.24 369	0.23 202	0.19 161	0.17 221	0.27 296	0.15 180	0.11 138	0.11 52	0.11 98	0.05 3	0.05 93	0.09 266	0.08 252	0.05 44	0.05 54

WZ-Net	0.29 403	0.17 377	0.82 448	0.23 373	0.16 387	0.35 407	0.29 413	0.40 401	0.59 423	0.24 332	0.57 423	0.37 387	0.25 357	0.34 400	0.37 421	0.09 264	0.08 309	0.09 266	0.10 322	0.14 379	0.16 402

UDGNet	0.14 219	0.13 339	0.17 268	0.18 212	0.10 249	0.12 131	0.16 207	0.21 166	0.27 276	0.20 284	0.20 197	0.17 215	0.13 197	0.16 222	0.14 215	0.10 298	0.06 216	0.09 266	0.07 191	0.07 171	0.07 184

GMOStereo	0.11 98	0.09 217	0.08 8	0.19 263	0.08 60	0.12 131	0.28 402	0.13 20	0.18 141	0.11 82	0.17 154	0.14 157	0.12 167	0.07 2	0.07 1	0.05 3	0.05 93	0.09 266	0.07 191	0.04 1	0.04 5

error version	0.11 98	0.09 217	0.08 8	0.19 263	0.08 60	0.12 131	0.28 402	0.13 20	0.18 141	0.11 82	0.17 154	0.14 157	0.12 167	0.07 2	0.07 1	0.05 3	0.05 93	0.09 266	0.07 191	0.04 1	0.04 5

test-v	0.11 98	0.09 217	0.08 8	0.19 263	0.08 60	0.12 131	0.28 402	0.13 20	0.18 141	0.11 82	0.17 154	0.14 157	0.12 167	0.07 2	0.07 1	0.05 3	0.05 93	0.09 266	0.07 191	0.04 1	0.04 5

AACVNet	0.16 281	0.08 161	0.15 205	0.15 45	0.10 249	0.18 273	0.15 153	0.24 222	0.25 252	0.27 355	0.27 296	0.28 334	0.18 297	0.19 291	0.17 280	0.09 264	0.07 281	0.09 266	0.07 191	0.10 320	0.09 290

PFNet+	0.12 165	0.06 28	0.14 170	0.16 81	0.09 150	0.05 2	0.12 33	0.18 116	0.21 191	0.16 211	0.19 188	0.14 157	0.10 112	0.11 52	0.11 98	0.08 215	0.05 93	0.09 266	0.08 252	0.06 109	0.11 335

AAGNet	0.12 165	0.08 161	0.17 268	0.19 263	0.09 150	0.08 26	0.13 59	0.19 140	0.13 57	0.16 211	0.21 214	0.13 139	0.14 226	0.11 52	0.14 215	0.06 59	0.04 2	0.09 266	0.06 107	0.06 109	0.05 54

PSM-AAD	0.11 98	0.07 70	0.10 47	0.20 308	0.09 150	0.10 70	0.14 95	0.21 166	0.13 57	0.12 111	0.14 109	0.18 229	0.11 138	0.11 52	0.10 61	0.05 3	0.05 93	0.09 266	0.08 252	0.06 109	0.14 379

SST-Stereo	0.11 98	0.07 70	0.16 246	0.18 212	0.09 150	0.06 4	0.12 33	0.18 116	0.10 10	0.15 184	0.18 175	0.13 139	0.12 167	0.10 23	0.11 98	0.06 59	0.04 2	0.09 266	0.06 107	0.07 171	0.06 121

RAFT_R40	0.11 98	0.07 70	0.15 205	0.18 212	0.09 150	0.06 4	0.13 59	0.17 91	0.15 87	0.14 160	0.18 175	0.15 180	0.12 167	0.10 23	0.11 98	0.06 59	0.04 2	0.09 266	0.06 107	0.06 109	0.05 54

IRAFT_RVC	0.12 165	0.08 161	0.17 268	0.19 263	0.08 60	0.07 17	0.14 95	0.25 241	0.23 220	0.14 160	0.15 121	0.15 180	0.12 167	0.12 114	0.11 98	0.06 59	0.04 2	0.09 266	0.06 107	0.06 109	0.06 121

test-2	0.11 98	0.09 217	0.08 8	0.19 263	0.08 60	0.12 131	0.28 402	0.13 20	0.18 141	0.11 82	0.17 154	0.14 157	0.12 167	0.07 2	0.07 1	0.05 3	0.05 93	0.09 266	0.07 191	0.04 1	0.04 5

rafts_anoy	0.11 98	0.06 28	0.10 47	0.17 139	0.08 60	0.10 70	0.14 95	0.18 116	0.14 73	0.13 137	0.13 96	0.12 116	0.11 138	0.11 52	0.13 180	0.07 161	0.05 93	0.09 266	0.11 348	0.07 171	0.06 121

RAFT + AFF	0.13 192	0.08 161	0.21 329	0.20 308	0.10 249	0.14 188	0.23 361	0.27 266	0.21 191	0.12 111	0.10 50	0.12 116	0.10 112	0.16 222	0.12 150	0.08 215	0.07 281	0.09 266	0.09 290	0.06 109	0.09 290

delet	0.17 301	0.09 217	0.18 297	0.19 263	0.11 296	0.21 323	0.22 351	0.30 315	0.38 358	0.17 221	0.27 296	0.19 238	0.19 312	0.19 291	0.21 324	0.08 215	0.08 309	0.09 266	0.11 348	0.06 109	0.07 184

EDNetEfficientorigin	7.92 473	0.32 430	152.98 488	0.20 308	0.10 249	0.22 335	0.17 227	0.23 202	0.60 424	0.73 442	0.67 431	0.41 406	0.51 434	0.24 357	0.41 428	0.08 215	0.07 281	0.09 266	0.07 191	0.12 351	0.11 335

GwcNet	0.20 334	0.14 354	0.20 323	0.18 212	0.12 325	0.25 361	0.20 325	0.36 379	0.45 389	0.20 284	0.33 343	0.33 373	0.21 331	0.22 340	0.25 364	0.11 328	0.09 331	0.09 266	0.09 290	0.09 289	0.10 313

PSMNet-RSSM	0.14 219	0.07 70	0.14 170	0.15 45	0.08 60	0.13 153	0.16 207	0.25 241	0.24 230	0.17 221	0.28 305	0.23 292	0.14 226	0.16 222	0.14 215	0.11 328	0.06 216	0.09 266	0.12 368	0.08 231	0.07 184

DSFCA	0.16 281	0.09 217	0.14 170	0.16 81	0.10 249	0.21 323	0.19 310	0.28 288	0.31 311	0.23 321	0.25 268	0.22 279	0.16 264	0.20 308	0.20 313	0.10 298	0.07 281	0.09 266	0.09 290	0.08 231	0.08 249

RTSC	0.23 366	0.13 339	0.30 380	0.21 338	0.13 347	0.29 389	0.17 227	0.36 379	0.68 433	0.27 355	0.34 353	0.30 348	0.22 338	0.32 394	0.31 405	0.10 298	0.08 309	0.09 266	0.10 322	0.13 364	0.14 379

ADCL	0.25 382	0.12 314	0.49 417	0.22 355	0.12 325	0.36 411	0.29 413	0.30 315	0.57 418	0.24 332	0.47 408	0.30 348	0.31 398	0.30 390	0.30 400	0.09 264	0.07 281	0.09 266	0.09 290	0.10 320	0.10 313

ADCRef	0.20 334	0.12 314	0.43 410	0.20 308	0.12 325	0.23 347	0.18 270	0.32 333	0.37 352	0.26 348	0.33 343	0.18 229	0.23 344	0.25 362	0.26 376	0.07 161	0.06 216	0.09 266	0.09 290	0.08 231	0.09 290

RYNet	0.23 366	0.12 314	0.22 338	0.19 263	0.17 399	0.47 426	0.26 391	0.39 398	0.49 400	0.24 332	0.29 319	0.34 377	0.24 351	0.20 308	0.31 405	0.10 298	0.06 216	0.09 266	0.09 290	0.14 379	0.15 393

CFNet	0.15 256	0.11 299	0.17 268	0.17 139	0.08 60	0.19 293	0.10 8	0.29 305	0.26 264	0.19 264	0.24 242	0.24 301	0.18 297	0.18 270	0.15 248	0.08 215	0.06 216	0.09 266	0.10 322	0.08 231	0.07 184

DeepPruner_ROB	0.16 281	0.11 299	0.16 246	0.17 139	0.10 249	0.17 257	0.15 153	0.32 333	0.21 191	0.19 264	0.21 214	0.22 279	0.19 312	0.21 323	0.16 266	0.13 369	0.09 331	0.09 266	0.10 322	0.11 337	0.11 335

StereoDRNet-Refined	0.17 301	0.12 314	0.16 246	0.20 308	0.10 249	0.18 273	0.18 270	0.27 266	0.24 230	0.26 348	0.41 391	0.23 292	0.18 297	0.21 323	0.21 324	0.09 264	0.05 93	0.09 266	0.10 322	0.07 171	0.07 184
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.18 316	0.10 277	0.16 246	0.23 373	0.11 296	0.24 353	0.18 270	0.30 315	0.28 292	0.27 355	0.29 319	0.28 334	0.25 357	0.20 308	0.20 313	0.08 215	0.08 309	0.09 266	0.09 290	0.07 171	0.07 184

rvit_0105_5	0.14 219	0.10 277	0.14 170	0.17 139	0.09 150	0.14 188	0.23 361	0.24 222	0.27 276	0.14 160	0.15 121	0.18 229	0.13 197	0.17 257	0.14 215	0.14 386	0.11 366	0.10 308	0.11 348	0.08 231	0.07 184

test_sample7	0.16 281	0.10 277	0.16 246	0.14 15	0.12 325	0.16 235	0.17 227	0.28 288	0.24 230	0.21 295	0.21 214	0.24 301	0.20 324	0.16 222	0.16 266	0.12 352	0.06 216	0.10 308	0.09 290	0.11 337	0.10 313

CASnet	0.09 19	0.09 217	0.09 29	0.19 263	0.06 3	0.07 17	0.11 17	0.18 116	0.14 73	0.11 82	0.10 50	0.09 58	0.07 46	0.10 23	0.10 61	0.06 59	0.04 2	0.10 308	0.08 252	0.06 109	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CASS	0.14 219	0.12 314	0.12 105	0.23 373	0.09 150	0.15 212	0.17 227	0.19 140	0.20 178	0.17 221	0.18 175	0.15 180	0.15 246	0.15 195	0.14 215	0.09 264	0.06 216	0.10 308	0.08 252	0.09 289	0.07 184
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Wz-Net-TNSev	0.29 403	0.20 397	0.69 440	0.19 263	0.15 375	0.38 417	0.27 396	0.36 379	0.56 417	0.35 396	0.42 397	0.45 415	0.39 414	0.33 397	0.31 405	0.13 369	0.13 390	0.10 308	0.12 368	0.15 390	0.15 393

Wz-Net-SNSev	0.26 393	0.17 377	0.46 412	0.25 388	0.14 362	0.26 371	0.24 369	0.38 393	0.57 418	0.30 379	0.56 419	0.39 398	0.26 364	0.24 357	0.32 410	0.10 298	0.09 331	0.10 308	0.11 348	0.11 337	0.11 335

BUS	0.15 256	0.09 217	0.14 170	0.22 355	0.10 249	0.20 312	0.14 95	0.34 359	0.20 178	0.17 221	0.23 232	0.16 198	0.14 226	0.16 222	0.14 215	0.08 215	0.06 216	0.10 308	0.09 290	0.07 171	0.07 184

NINENet	0.16 281	0.10 277	0.16 246	0.17 139	0.11 296	0.20 312	0.14 95	0.41 406	0.37 352	0.18 251	0.21 214	0.16 198	0.14 226	0.16 222	0.14 215	0.08 215	0.08 309	0.10 308	0.07 191	0.10 320	0.09 290

BSDual-CNN	0.15 256	0.09 217	0.14 170	0.22 355	0.10 249	0.15 212	0.15 153	0.34 359	0.20 178	0.17 221	0.23 232	0.25 313	0.16 264	0.16 222	0.14 215	0.08 215	0.06 216	0.10 308	0.09 290	0.07 171	0.07 184

hknet	0.15 256	0.11 299	0.14 170	0.22 355	0.11 296	0.15 212	0.15 153	0.34 359	0.26 264	0.17 221	0.23 232	0.22 279	0.18 297	0.17 257	0.13 180	0.07 161	0.06 216	0.10 308	0.09 290	0.07 171	0.07 184

SACVNet	0.19 326	0.12 314	0.15 205	0.17 139	0.13 347	0.22 335	0.18 270	0.31 329	0.31 311	0.24 332	0.31 328	0.30 348	0.23 344	0.23 347	0.17 280	0.11 328	0.08 309	0.10 308	0.10 322	0.12 351	0.14 379

RAFT	0.13 192	0.09 217	0.11 78	0.18 212	0.08 60	0.15 212	0.23 361	0.21 166	0.20 178	0.21 295	0.21 214	0.18 229	0.13 197	0.17 257	0.10 61	0.06 59	0.07 281	0.10 308	0.09 290	0.06 109	0.05 54

pcwnet_v2	0.19 326	0.11 299	0.26 361	0.18 212	0.14 362	0.18 273	0.15 153	0.37 386	0.46 396	0.19 264	0.24 242	0.21 262	0.19 312	0.21 323	0.20 313	0.13 369	0.10 353	0.10 308	0.10 322	0.11 337	0.13 363

ADLNet	0.16 281	0.08 161	0.15 205	0.16 81	0.10 249	0.16 235	0.17 227	0.33 345	0.27 276	0.23 321	0.27 296	0.24 301	0.16 264	0.18 270	0.21 324	0.10 298	0.06 216	0.10 308	0.10 322	0.08 231	0.09 290

ARAFT	0.12 165	0.08 161	0.18 297	0.19 263	0.09 150	0.15 212	0.17 227	0.20 153	0.13 57	0.12 111	0.13 96	0.14 157	0.12 167	0.15 195	0.13 180	0.06 59	0.05 93	0.10 308	0.09 290	0.06 109	0.04 5

hitnet-ft	0.18 316	0.10 277	0.17 268	0.14 15	0.09 150	0.27 379	0.20 325	0.25 241	0.26 264	0.24 332	0.32 337	0.32 367	0.23 344	0.24 357	0.21 324	0.12 352	0.07 281	0.10 308	0.08 252	0.12 351	0.11 335

FAT-Stereo	0.21 345	0.13 339	0.22 338	0.21 338	0.12 325	0.18 273	0.18 270	0.35 373	0.40 366	0.28 367	0.37 364	0.33 373	0.33 403	0.21 323	0.20 313	0.09 264	0.11 366	0.10 308	0.09 290	0.11 337	0.14 379

S-Stereo	0.21 345	0.12 314	0.25 353	0.21 338	0.13 347	0.21 323	0.19 310	0.33 345	0.45 389	0.23 321	0.36 361	0.28 334	0.29 382	0.20 308	0.23 346	0.09 264	0.12 378	0.10 308	0.10 322	0.13 364	0.14 379

stereogan	0.22 353	0.11 299	0.21 329	0.20 308	0.12 325	0.32 397	0.19 310	0.36 379	0.45 389	0.23 321	0.39 378	0.35 382	0.27 370	0.33 397	0.23 346	0.10 298	0.12 378	0.10 308	0.10 322	0.14 379	0.14 379

GANet	0.22 353	0.13 339	0.21 329	0.25 388	0.14 362	0.23 347	0.22 351	0.42 411	0.27 276	0.31 384	0.43 400	0.37 387	0.29 382	0.23 347	0.23 346	0.10 298	0.12 378	0.10 308	0.09 290	0.10 320	0.08 249

TDLM	0.18 316	0.12 314	0.14 170	0.24 382	0.10 249	0.18 273	0.18 270	0.37 386	0.30 303	0.22 307	0.28 305	0.28 334	0.18 297	0.23 347	0.19 305	0.11 328	0.07 281	0.10 308	0.10 322	0.08 231	0.08 249

AdaStereo	0.15 256	0.11 299	0.16 246	0.19 263	0.09 150	0.21 323	0.11 17	0.33 345	0.28 292	0.21 295	0.23 232	0.21 262	0.13 197	0.19 291	0.15 248	0.13 369	0.05 93	0.10 308	0.07 191	0.09 289	0.07 184
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.
NVstereo2D	0.19 326	0.11 299	0.16 246	0.17 139	0.16 387	0.28 387	0.23 361	0.44 420	0.42 375	0.15 184	0.28 305	0.25 313	0.19 312	0.23 347	0.18 292	0.09 264	0.06 216	0.10 308	0.08 252	0.15 390	0.10 313

NaN_ROB	0.23 366	0.20 397	0.25 353	0.25 388	0.13 347	0.31 395	0.27 396	0.34 359	0.41 373	0.31 384	0.31 328	0.32 367	0.23 344	0.31 391	0.22 337	0.11 328	0.17 411	0.10 308	0.11 348	0.08 231	0.09 290

SANet	0.25 382	0.14 354	0.29 375	0.21 338	0.11 296	0.29 389	0.25 385	0.40 401	0.65 432	0.36 398	0.40 381	0.42 408	0.27 370	0.27 368	0.25 364	0.12 352	0.09 331	0.10 308	0.09 290	0.13 364	0.12 353

XPNet_ROB	0.22 353	0.12 314	0.20 323	0.22 355	0.13 347	0.22 335	0.19 310	0.35 373	0.40 366	0.30 379	0.40 381	0.38 393	0.27 370	0.26 366	0.29 395	0.15 390	0.10 353	0.10 308	0.10 322	0.13 364	0.12 353

DN-CSS_ROB	0.13 192	0.13 339	0.17 268	0.18 212	0.10 249	0.16 235	0.08 3	0.22 188	0.19 161	0.17 221	0.23 232	0.13 139	0.13 197	0.13 158	0.14 215	0.05 3	0.05 93	0.10 308	0.10 322	0.08 231	0.06 121

PWCDC_ROB	0.21 345	0.13 339	0.23 344	0.25 388	0.12 325	0.20 312	0.15 153	0.34 359	0.55 415	0.29 374	0.49 410	0.21 262	0.15 246	0.28 376	0.20 313	0.11 328	0.09 331	0.10 308	0.08 252	0.11 337	0.09 290

rvit_0105_4	0.15 256	0.09 217	0.17 268	0.17 139	0.10 249	0.12 131	0.20 325	0.23 202	0.27 276	0.14 160	0.20 197	0.17 215	0.14 226	0.17 257	0.13 180	0.15 390	0.11 366	0.11 336	0.10 322	0.09 289	0.06 121

GMStereo_Zeroshot	0.16 281	0.13 339	0.25 353	0.20 308	0.10 249	0.17 257	0.13 59	0.30 315	0.25 252	0.23 321	0.32 337	0.25 313	0.11 138	0.19 291	0.14 215	0.09 264	0.06 216	0.11 336	0.06 107	0.12 351	0.08 249

LL-Strereo2	0.11 98	0.10 277	0.16 246	0.18 212	0.08 60	0.15 212	0.09 5	0.17 91	0.14 73	0.14 160	0.11 72	0.09 58	0.07 46	0.16 222	0.10 61	0.05 3	0.05 93	0.11 336	0.07 191	0.06 109	0.05 54

dad	0.18 316	0.20 397	0.21 329	0.17 139	0.11 296	0.20 312	0.19 310	0.21 166	0.28 292	0.30 379	0.24 242	0.30 348	0.13 197	0.19 291	0.17 280	0.18 413	0.09 331	0.11 336	0.09 290	0.11 337	0.07 184

HCRNet	0.16 281	0.23 408	0.12 105	0.35 429	0.11 296	0.15 212	0.17 227	0.26 252	0.22 211	0.19 264	0.24 242	0.21 262	0.14 226	0.15 195	0.13 180	0.11 328	0.07 281	0.11 336	0.10 322	0.09 289	0.07 184

FINET	0.22 353	0.18 390	0.28 366	0.19 263	0.16 387	0.24 353	0.24 369	0.33 345	0.49 400	0.26 348	0.33 343	0.22 279	0.23 344	0.23 347	0.18 292	0.18 413	0.16 407	0.11 336	0.10 322	0.15 390	0.14 379

APVNet	0.23 366	0.12 314	0.20 323	0.18 212	0.14 362	0.32 397	0.31 421	0.40 401	0.33 321	0.27 355	0.40 381	0.30 348	0.29 382	0.27 368	0.25 364	0.11 328	0.12 378	0.11 336	0.14 383	0.12 351	0.13 363

psm_up	0.19 326	0.10 277	0.18 297	0.21 338	0.11 296	0.17 257	0.19 310	0.38 393	0.34 331	0.22 307	0.28 305	0.29 341	0.25 357	0.20 308	0.22 337	0.09 264	0.10 353	0.11 336	0.11 348	0.08 231	0.08 249

psmorigin	0.25 382	0.16 368	0.35 398	0.17 139	0.13 347	0.24 353	0.14 95	0.34 359	0.34 331	0.41 413	0.55 418	0.41 406	0.38 413	0.35 405	0.28 388	0.11 328	0.15 402	0.11 336	0.11 348	0.12 351	0.17 410

STTStereo	0.18 316	0.13 339	0.28 366	0.20 308	0.11 296	0.16 235	0.21 340	0.29 305	0.23 220	0.22 307	0.30 325	0.29 341	0.18 297	0.20 308	0.20 313	0.12 352	0.11 366	0.11 336	0.14 383	0.09 289	0.08 249

ADCMid	0.26 393	0.15 360	0.42 409	0.20 308	0.14 362	0.25 361	0.26 391	0.35 373	0.40 366	0.37 403	0.45 404	0.34 377	0.42 423	0.36 409	0.36 417	0.10 298	0.09 331	0.11 336	0.11 348	0.13 364	0.13 363

ADCPNet	0.26 393	0.17 377	0.62 429	0.21 338	0.15 375	0.36 411	0.25 385	0.33 345	0.37 352	0.31 384	0.41 391	0.36 384	0.29 382	0.29 384	0.34 415	0.12 352	0.10 353	0.11 336	0.12 368	0.14 379	0.13 363

DANet	0.21 345	0.16 368	0.29 375	0.25 388	0.13 347	0.23 347	0.19 310	0.28 288	0.27 276	0.28 367	0.32 337	0.35 382	0.32 401	0.31 391	0.24 357	0.11 328	0.09 331	0.11 336	0.10 322	0.13 364	0.11 335
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
UCFNet_RVC	0.15 256	0.08 161	0.13 132	0.11 1	0.10 249	0.20 312	0.10 8	0.24 222	0.23 220	0.17 221	0.21 214	0.24 301	0.15 246	0.18 270	0.15 248	0.12 352	0.07 281	0.11 336	0.13 378	0.11 337	0.10 313

DPSNet	0.28 400	0.16 368	0.33 389	0.18 212	0.13 347	0.55 432	0.42 440	0.52 432	0.68 433	0.29 374	0.38 371	0.39 398	0.30 393	0.32 394	0.23 346	0.11 328	0.10 353	0.11 336	0.08 252	0.20 416	0.16 402

DRN-Test	0.20 334	0.11 299	0.21 329	0.22 355	0.10 249	0.22 335	0.22 351	0.40 401	0.38 358	0.24 332	0.33 343	0.26 322	0.22 338	0.22 340	0.25 364	0.11 328	0.07 281	0.11 336	0.10 322	0.09 289	0.08 249

StereoDRNet	0.19 326	0.11 299	0.18 297	0.22 355	0.11 296	0.22 335	0.22 351	0.37 386	0.34 331	0.24 332	0.28 305	0.30 348	0.19 312	0.20 308	0.21 324	0.10 298	0.08 309	0.11 336	0.09 290	0.09 289	0.07 184

PWC_ROB	0.21 345	0.16 368	0.27 363	0.18 212	0.11 296	0.22 335	0.13 59	0.33 345	0.49 400	0.30 379	0.40 381	0.32 367	0.25 357	0.31 391	0.23 346	0.10 298	0.07 281	0.11 336	0.08 252	0.11 337	0.10 313

rvit_0105_6	0.14 219	0.09 217	0.18 297	0.17 139	0.10 249	0.10 70	0.17 227	0.19 140	0.26 264	0.12 111	0.18 175	0.17 215	0.13 197	0.18 270	0.13 180	0.15 390	0.11 366	0.12 354	0.10 322	0.09 289	0.06 121

rvit_0105_3	0.16 281	0.10 277	0.15 205	0.20 308	0.12 325	0.15 212	0.26 391	0.25 241	0.30 303	0.15 184	0.17 154	0.21 262	0.14 226	0.18 270	0.14 215	0.14 386	0.11 366	0.12 354	0.14 383	0.07 171	0.07 184

StereoVision	0.14 219	0.13 339	0.10 47	0.24 382	0.10 249	0.16 235	0.21 340	0.21 166	0.20 178	0.12 111	0.25 268	0.10 80	0.10 112	0.16 222	0.10 61	0.09 264	0.10 353	0.12 354	0.12 368	0.06 109	0.05 54

coex-ft	3.24 467	0.35 433	57.83 487	0.18 212	0.13 347	0.27 379	0.23 361	0.28 288	0.72 438	1.89 469	0.70 435	0.43 411	0.47 429	0.29 384	0.43 431	0.09 264	0.09 331	0.12 354	0.09 290	0.14 379	0.14 379

GASNet	0.22 353	0.24 411	0.34 392	0.26 397	0.17 399	0.27 379	0.16 207	0.45 422	0.42 375	0.27 355	0.24 242	0.30 348	0.16 264	0.27 368	0.18 292	0.12 352	0.09 331	0.12 354	0.11 348	0.16 401	0.08 249

FADNet-RVC-Resample	0.17 301	0.12 314	0.32 387	0.22 355	0.12 325	0.19 293	0.14 95	0.25 241	0.24 230	0.24 332	0.27 296	0.20 255	0.15 246	0.17 257	0.16 266	0.07 161	0.08 309	0.12 354	0.10 322	0.09 289	0.11 335

FADNet_RVC	0.17 301	0.14 354	0.41 407	0.20 308	0.11 296	0.13 153	0.13 59	0.27 266	0.22 211	0.21 295	0.23 232	0.20 255	0.18 297	0.15 195	0.17 280	0.08 215	0.08 309	0.12 354	0.09 290	0.11 337	0.10 313

FADNet-RVC	0.21 345	0.20 397	0.40 405	0.21 338	0.16 387	0.21 323	0.15 153	0.27 266	0.27 276	0.26 348	0.32 337	0.26 322	0.21 331	0.22 340	0.19 305	0.12 352	0.13 390	0.12 354	0.14 383	0.13 364	0.18 412

FADNet	0.21 345	0.23 408	0.37 401	0.18 212	0.17 399	0.25 361	0.13 59	0.32 333	0.32 316	0.23 321	0.25 268	0.27 326	0.21 331	0.19 291	0.16 266	0.13 369	0.15 402	0.12 354	0.15 398	0.17 408	0.18 412

G-Net	0.25 382	0.17 377	0.38 402	0.23 373	0.16 387	0.51 429	0.23 361	0.29 305	0.35 342	0.36 398	0.38 371	0.31 360	0.29 382	0.28 376	0.27 381	0.11 328	0.09 331	0.12 354	0.10 322	0.16 401	0.14 379

AnyNet_C32	0.26 393	0.16 368	0.39 403	0.20 308	0.17 399	0.26 371	0.31 421	0.32 333	0.45 389	0.31 384	0.50 412	0.30 348	0.34 404	0.41 427	0.36 417	0.12 352	0.12 378	0.12 354	0.14 383	0.14 379	0.15 393

CVANet_RVC	0.18 316	0.11 299	0.14 170	0.21 338	0.11 296	0.19 293	0.18 270	0.34 359	0.34 331	0.22 307	0.31 328	0.28 334	0.18 297	0.24 357	0.18 292	0.12 352	0.08 309	0.12 354	0.12 368	0.09 289	0.08 249

ETE_ROB	0.23 366	0.17 377	0.23 344	0.25 388	0.14 362	0.26 371	0.29 413	0.32 333	0.37 352	0.28 367	0.37 364	0.45 415	0.27 370	0.28 376	0.27 381	0.11 328	0.09 331	0.12 354	0.10 322	0.14 379	0.13 363

WCMA_ROB	0.24 376	0.11 299	0.24 350	0.17 139	0.14 362	0.34 403	0.16 207	0.33 345	0.33 321	0.39 406	0.54 417	0.40 404	0.35 407	0.35 405	0.26 376	0.12 352	0.12 378	0.12 354	0.11 348	0.14 379	0.14 379

rvit_105_1	0.19 326	0.12 314	0.25 353	0.21 338	0.16 387	0.22 335	0.28 402	0.32 333	0.42 375	0.20 284	0.21 214	0.22 279	0.18 297	0.19 291	0.18 292	0.12 352	0.12 378	0.13 368	0.15 398	0.08 231	0.07 184

UGAM	0.13 192	0.10 277	0.09 29	0.22 355	0.08 60	0.13 153	0.20 325	0.18 116	0.24 230	0.22 307	0.16 137	0.13 139	0.13 197	0.19 291	0.13 180	0.07 161	0.05 93	0.13 368	0.11 348	0.07 171	0.05 54

UDG	0.21 345	0.17 377	0.20 323	0.23 373	0.15 375	0.31 395	0.20 325	0.33 345	0.35 342	0.24 332	0.28 305	0.31 360	0.29 382	0.21 323	0.23 346	0.15 390	0.12 378	0.13 368	0.09 290	0.14 379	0.15 393

DMCA-RVC	0.17 301	0.10 277	0.16 246	0.24 382	0.11 296	0.19 293	0.18 270	0.26 252	0.24 230	0.21 295	0.27 296	0.25 313	0.27 370	0.18 270	0.21 324	0.12 352	0.08 309	0.13 368	0.10 322	0.10 320	0.08 249

RP	0.22 353	0.13 339	0.22 338	0.23 373	0.12 325	0.21 323	0.20 325	0.26 252	0.45 389	0.22 307	0.38 371	0.37 387	0.25 357	0.28 376	0.25 364	0.11 328	0.12 378	0.13 368	0.12 368	0.13 364	0.14 379

RTS	0.46 432	0.19 393	3.33 465	0.25 388	0.15 375	0.72 445	0.21 340	0.37 386	0.78 444	0.42 415	0.44 402	0.31 360	0.43 426	0.55 438	0.37 421	0.10 298	0.09 331	0.13 368	0.13 378	0.15 390	0.15 393

RTSA	0.46 432	0.19 393	3.33 465	0.25 388	0.15 375	0.72 445	0.21 340	0.37 386	0.78 444	0.42 415	0.44 402	0.31 360	0.43 426	0.55 438	0.37 421	0.10 298	0.09 331	0.13 368	0.13 378	0.15 390	0.15 393

ADCS	0.30 406	0.19 393	0.48 416	0.21 338	0.18 408	0.29 389	0.24 369	0.42 411	0.64 430	0.40 409	0.50 412	0.40 404	0.37 411	0.40 422	0.43 431	0.13 369	0.13 390	0.13 368	0.14 383	0.16 401	0.16 402

AnyNet_C01	0.37 420	0.26 417	1.41 459	0.22 355	0.17 399	0.51 429	0.28 402	0.36 379	0.40 366	0.39 406	0.75 440	0.46 419	0.39 414	0.46 430	0.50 441	0.13 369	0.13 390	0.13 368	0.14 383	0.14 379	0.16 402

LALA_ROB	0.25 382	0.16 368	0.23 344	0.27 405	0.17 399	0.27 379	0.27 396	0.42 411	0.38 358	0.33 395	0.39 378	0.51 425	0.26 364	0.29 384	0.28 388	0.16 407	0.09 331	0.13 368	0.12 368	0.13 364	0.13 363

PSMNet_ROB	0.22 353	0.12 314	0.15 205	0.27 405	0.15 375	0.25 361	0.36 432	0.43 416	0.37 352	0.27 355	0.33 343	0.32 367	0.23 344	0.21 323	0.27 381	0.12 352	0.08 309	0.13 368	0.11 348	0.10 320	0.09 290

SGM_RVC	0.24 376	0.12 314	0.16 246	0.15 45	0.09 150	0.34 403	0.19 310	0.35 373	0.32 316	0.44 421	0.38 371	0.53 429	0.36 410	0.36 409	0.26 376	0.13 369	0.13 390	0.13 368	0.13 378	0.11 337	0.11 335
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MeshStereo	0.27 398	0.13 339	0.18 297	0.15 45	0.11 296	0.33 399	0.24 369	0.41 406	0.36 348	0.53 430	0.58 426	0.67 439	0.41 419	0.36 409	0.27 381	0.14 386	0.13 390	0.13 368	0.11 348	0.11 337	0.11 335
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
DualNet (step1)	0.17 301	0.12 314	0.21 329	0.13 7	0.14 362	0.18 273	0.14 95	0.28 288	0.24 230	0.21 295	0.21 214	0.24 301	0.20 324	0.16 222	0.16 266	0.15 390	0.06 216	0.14 381	0.14 383	0.15 390	0.13 363

test_sample9	0.18 316	0.12 314	0.21 329	0.13 7	0.14 362	0.18 273	0.14 95	0.28 288	0.24 230	0.21 295	0.21 214	0.24 301	0.20 324	0.19 291	0.18 292	0.15 390	0.30 437	0.14 381	0.14 383	0.15 390	0.13 363

test_sample8	0.20 334	0.12 314	0.21 329	0.13 7	0.14 362	0.18 273	0.14 95	0.32 333	0.21 191	0.28 367	0.22 228	0.36 384	0.26 364	0.19 291	0.18 292	0.15 390	0.30 437	0.14 381	0.14 383	0.15 390	0.13 363

SDNR	0.20 334	0.09 217	0.19 320	0.16 81	0.12 325	0.79 450	0.13 59	0.26 252	0.33 321	0.19 264	0.25 268	0.19 238	0.12 167	0.19 291	0.15 248	0.16 407	0.18 413	0.14 381	0.11 348	0.08 231	0.12 353

DGSMNet	0.25 382	0.19 393	0.34 392	0.21 338	0.24 423	0.24 353	0.21 340	0.36 379	0.42 375	0.25 345	0.32 337	0.38 393	0.21 331	0.29 384	0.24 357	0.13 369	0.11 366	0.14 381	0.16 401	0.23 419	0.23 426

Syn2CoEx	0.22 353	0.16 368	0.29 375	0.29 418	0.15 375	0.26 371	0.21 340	0.34 359	0.32 316	0.29 374	0.36 361	0.28 334	0.25 357	0.20 308	0.25 364	0.16 407	0.12 378	0.14 381	0.11 348	0.09 289	0.08 249

edge stereo	0.23 366	0.14 354	0.21 329	0.21 338	0.13 347	0.24 353	0.16 207	0.32 333	0.42 375	0.32 391	0.40 381	0.39 398	0.35 407	0.25 362	0.25 364	0.13 369	0.11 366	0.14 381	0.11 348	0.12 351	0.14 379

SHD	0.26 393	0.15 360	0.31 383	0.24 382	0.18 408	0.23 347	0.15 153	0.39 398	0.72 438	0.32 391	0.42 397	0.36 384	0.29 382	0.33 397	0.30 400	0.13 369	0.11 366	0.14 381	0.13 378	0.16 401	0.20 420

LSM	0.34 419	0.21 402	0.62 429	0.27 405	0.62 455	0.35 407	0.26 391	0.43 416	0.49 400	0.45 423	0.60 429	0.42 408	0.37 411	0.35 405	0.26 376	0.13 369	0.21 427	0.14 381	0.16 401	0.18 410	0.34 441

MDST_ROB	0.22 353	0.10 277	0.18 297	0.18 212	0.11 296	0.40 421	0.19 310	0.44 420	0.42 375	0.40 409	0.40 381	0.29 341	0.21 331	0.27 368	0.19 305	0.11 328	0.10 353	0.14 381	0.11 348	0.10 320	0.08 249

NCC-stereo	0.25 382	0.15 360	0.31 383	0.26 397	0.17 399	0.21 323	0.31 421	0.41 406	0.40 366	0.24 332	0.38 371	0.33 373	0.29 382	0.37 413	0.28 388	0.13 369	0.11 366	0.15 391	0.22 419	0.13 364	0.13 363

Abc-Net	0.25 382	0.15 360	0.31 383	0.26 397	0.17 399	0.21 323	0.31 421	0.41 406	0.40 366	0.24 332	0.38 371	0.33 373	0.29 382	0.37 413	0.28 388	0.13 369	0.11 366	0.15 391	0.22 419	0.13 364	0.13 363
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SAMSARA	0.41 425	0.28 420	0.34 392	0.55 444	0.39 438	0.85 453	1.25 468	0.49 428	0.52 411	0.36 398	0.35 358	0.56 431	0.39 414	0.39 419	0.41 428	0.15 390	0.20 419	0.15 391	0.14 383	0.23 419	0.21 421

XQC	0.29 403	0.23 408	0.53 419	0.29 418	0.19 411	0.36 411	0.28 402	0.37 386	0.58 421	0.31 384	0.31 328	0.37 387	0.30 393	0.39 419	0.39 425	0.13 369	0.09 331	0.15 391	0.12 368	0.18 410	0.18 412

PA-Net	0.24 376	0.18 390	0.34 392	0.28 411	0.22 419	0.22 335	0.39 437	0.29 305	0.39 362	0.22 307	0.33 343	0.25 313	0.26 364	0.21 323	0.25 364	0.10 298	0.23 431	0.15 391	0.22 419	0.09 289	0.13 363
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
FBW_ROB	0.25 382	0.17 377	0.23 344	0.27 405	0.14 362	0.26 371	0.22 351	0.42 411	0.43 383	0.42 415	0.41 391	0.43 411	0.27 370	0.32 394	0.24 357	0.09 264	0.15 402	0.15 391	0.12 368	0.12 351	0.10 313

SGM-Forest	0.20 334	0.14 354	0.18 297	0.20 308	0.13 347	0.21 323	0.22 351	0.33 345	0.31 311	0.24 332	0.29 319	0.28 334	0.20 324	0.23 347	0.18 292	0.15 390	0.16 407	0.15 391	0.14 383	0.13 364	0.12 353
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
AF-Net	0.23 366	0.17 377	0.17 268	0.27 405	0.13 347	0.26 371	0.24 369	0.33 345	0.51 405	0.25 345	0.33 343	0.39 398	0.27 370	0.28 376	0.26 376	0.11 328	0.10 353	0.16 398	0.12 368	0.11 337	0.11 335

STTRV1_RVC	0.25 382	0.26 417	0.39 403	0.19 263	0.26 430	0.30 392	0.24 369	0.35 373	0.35 342	0.36 398	0.34 353	0.31 360	0.31 398	0.28 376	0.25 364	0.18 413	0.10 353	0.16 398	0.14 383	0.18 410	0.12 353

SGM-ForestM	0.33 413	0.12 314	0.17 268	0.16 81	0.11 296	0.42 423	0.20 325	0.43 416	0.53 414	0.53 430	0.57 423	1.41 461	0.44 428	0.42 428	0.29 395	0.14 386	0.16 407	0.16 398	0.16 401	0.12 351	0.13 363

rvit_stereo_0075_2	0.17 301	0.12 314	0.25 353	0.23 373	0.16 387	0.13 153	0.10 8	0.30 315	0.27 276	0.20 284	0.28 305	0.22 279	0.15 246	0.18 270	0.13 180	0.16 407	0.10 353	0.17 401	0.10 322	0.10 320	0.10 313

Anonymous_2	0.22 353	0.17 377	0.28 366	0.15 45	0.16 387	0.33 399	0.22 351	0.23 202	0.18 141	0.23 321	0.24 242	0.26 322	0.27 370	0.27 368	0.24 357	0.22 426	0.26 433	0.17 401	0.17 408	0.16 401	0.18 412

DDUNet	0.23 366	0.18 390	0.22 338	0.22 355	0.15 375	0.25 361	0.24 369	0.30 315	0.31 311	0.31 384	0.37 364	0.34 377	0.26 364	0.25 362	0.21 324	0.18 413	0.13 390	0.17 401	0.11 348	0.16 401	0.17 410

RGC	0.25 382	0.20 397	0.29 375	0.28 411	0.16 387	0.22 335	0.23 361	0.33 345	0.44 385	0.27 355	0.40 381	0.38 393	0.28 379	0.37 413	0.23 346	0.11 328	0.13 390	0.17 401	0.17 408	0.15 390	0.16 402

Nwc_Net	0.23 366	0.17 377	0.22 338	0.25 388	0.15 375	0.25 361	0.27 396	0.38 393	0.39 362	0.22 307	0.41 391	0.30 348	0.29 382	0.28 376	0.25 364	0.11 328	0.10 353	0.17 401	0.20 414	0.10 320	0.11 335

PVD	0.40 424	0.21 402	0.40 405	0.32 425	0.23 420	0.30 392	0.45 444	0.53 434	0.97 451	0.55 432	0.80 444	0.54 430	0.60 441	0.53 436	0.40 427	0.19 417	0.14 398	0.17 401	0.14 383	0.24 426	0.32 439

PS-NSSS	0.20 334	0.21 402	0.23 344	0.20 308	0.10 249	0.19 293	0.17 227	0.36 379	0.26 264	0.27 355	0.34 353	0.27 326	0.24 351	0.20 308	0.20 313	0.15 390	0.12 378	0.17 401	0.14 383	0.10 320	0.09 290

PDISCO_ROB	0.28 400	0.16 368	0.28 366	0.28 411	0.20 414	0.33 399	0.27 396	0.45 422	0.58 421	0.28 367	0.41 391	0.45 415	0.30 393	0.34 400	0.35 416	0.12 352	0.09 331	0.17 401	0.16 401	0.17 408	0.13 363

CBMV	0.20 334	0.15 360	0.18 297	0.18 212	0.10 249	0.20 312	0.11 17	0.30 315	0.31 311	0.29 374	0.31 328	0.31 360	0.23 344	0.28 376	0.19 305	0.13 369	0.15 402	0.17 401	0.16 401	0.10 320	0.10 313
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MFN_U_SF_RVC	0.33 413	0.22 406	0.58 427	0.31 422	0.15 375	0.36 411	0.17 227	0.54 435	0.46 396	0.47 426	0.56 419	0.58 432	0.39 414	0.36 409	0.38 424	0.15 390	0.15 402	0.18 410	0.21 416	0.16 401	0.16 402

NCCL2	0.24 376	0.15 360	0.18 297	0.34 427	0.18 408	0.24 353	0.24 369	0.34 359	0.29 298	0.31 384	0.38 371	0.38 393	0.29 382	0.23 347	0.25 364	0.15 390	0.12 378	0.18 410	0.21 416	0.13 364	0.13 363

CSAN	0.30 406	0.24 411	0.28 366	0.34 427	0.19 411	0.34 403	0.42 440	0.38 393	0.51 405	0.38 405	0.40 381	0.44 414	0.34 404	0.29 384	0.31 405	0.19 417	0.16 407	0.19 412	0.19 413	0.14 379	0.15 393

DispFullNet	0.27 398	0.22 406	0.66 432	0.28 411	0.17 399	0.27 379	0.17 227	0.34 359	0.57 418	0.27 355	0.37 364	0.43 411	0.24 351	0.39 419	0.25 364	0.12 352	0.06 216	0.19 412	0.11 348	0.23 419	0.16 402

DeepPrunerF	0.24 376	0.17 377	0.45 411	0.26 397	0.16 387	0.23 347	0.29 413	0.37 386	0.51 405	0.27 355	0.31 328	0.24 301	0.28 379	0.22 340	0.23 346	0.15 390	0.11 366	0.20 414	0.18 412	0.12 351	0.14 379

SQANet	0.24 376	0.24 411	0.31 383	0.31 422	0.19 411	0.27 379	0.13 59	0.30 315	0.33 321	0.25 345	0.37 364	0.31 360	0.22 338	0.27 368	0.23 346	0.15 390	0.10 353	0.21 415	0.16 401	0.22 417	0.16 402

HBP-ISP	0.18 316	0.13 339	0.17 268	0.15 45	0.11 296	0.08 26	0.13 59	0.28 288	0.30 303	0.22 307	0.33 343	0.21 262	0.25 357	0.23 347	0.18 292	0.15 390	0.17 411	0.21 415	0.17 408	0.10 320	0.09 290

ccnet	0.30 406	0.28 420	0.24 350	0.20 308	0.28 432	0.41 422	0.22 351	0.46 425	0.33 321	0.37 403	0.46 406	0.37 387	0.30 393	0.40 422	0.43 431	0.23 431	0.14 398	0.21 415	0.17 408	0.23 419	0.19 417

MaskLacGwcNet_RVC	0.22 353	0.21 402	0.25 353	0.26 397	0.11 296	0.24 353	0.14 95	0.39 398	0.24 230	0.32 391	0.36 361	0.30 348	0.21 331	0.19 291	0.22 337	0.17 412	0.14 398	0.21 415	0.16 401	0.13 364	0.12 353

CBMV_ROB	0.19 326	0.13 339	0.18 297	0.16 81	0.11 296	0.16 235	0.12 33	0.27 266	0.29 298	0.27 355	0.31 328	0.27 326	0.24 351	0.24 357	0.16 266	0.15 390	0.18 413	0.22 419	0.20 414	0.10 320	0.12 353

BEATNet-Init1	0.54 438	0.28 420	0.68 439	0.31 422	0.21 416	0.85 453	0.31 421	0.57 437	0.69 436	0.89 451	1.00 452	2.17 469	0.66 444	0.58 442	0.44 434	0.19 417	0.18 413	0.23 420	0.22 419	0.22 417	0.21 421

NOSS_ROB	0.19 326	0.13 339	0.18 297	0.16 81	0.12 325	0.16 235	0.12 33	0.30 315	0.33 321	0.20 284	0.22 228	0.27 326	0.24 351	0.21 323	0.16 266	0.16 407	0.18 413	0.23 420	0.21 416	0.13 364	0.13 363

MFN_U_SF_DS_RVC	0.30 406	0.24 411	0.30 380	0.36 431	0.16 387	0.36 411	0.31 421	0.34 359	0.43 383	0.41 413	0.46 406	0.38 393	0.30 393	0.35 405	0.29 395	0.19 417	0.20 419	0.26 422	0.29 432	0.18 410	0.19 417

PASM	0.33 413	0.25 416	0.51 418	0.28 411	0.27 431	0.30 392	0.31 421	0.35 373	0.51 405	0.36 398	0.40 381	0.47 422	0.35 407	0.34 400	0.36 417	0.23 431	0.26 433	0.26 422	0.28 431	0.23 419	0.21 421

MSMD_ROB	0.31 411	0.26 417	0.26 361	0.24 382	0.21 416	0.34 403	0.25 385	0.34 359	0.39 362	0.40 409	0.69 434	0.45 415	0.41 419	0.34 400	0.28 388	0.20 421	0.20 419	0.26 422	0.25 425	0.23 419	0.22 424

FC-DCNN v2	0.33 413	0.28 420	0.28 366	0.26 397	0.23 420	0.39 419	0.29 413	0.41 406	0.44 385	0.46 424	0.57 423	0.51 425	0.41 419	0.38 417	0.30 400	0.21 423	0.20 419	0.27 425	0.26 426	0.25 428	0.24 427

FCDSN-DC	0.33 413	0.28 420	0.28 366	0.30 420	0.24 423	0.39 419	0.28 402	0.43 416	0.42 375	0.44 421	0.53 416	0.51 425	0.42 423	0.37 413	0.30 400	0.21 423	0.20 419	0.27 425	0.26 426	0.25 428	0.25 429
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MANE	0.47 434	0.28 420	0.28 366	0.27 405	0.24 423	0.50 427	0.32 429	0.57 437	0.62 428	0.74 444	1.20 462	1.21 454	0.64 443	0.54 437	0.39 425	0.22 426	0.20 419	0.27 425	0.31 435	0.26 431	0.25 429

FC-DCNN	0.33 413	0.28 420	0.28 366	0.26 397	0.23 420	0.38 417	0.29 413	0.40 401	0.44 385	0.46 424	0.56 419	0.51 425	0.41 419	0.38 417	0.31 405	0.21 423	0.20 419	0.27 425	0.26 426	0.25 428	0.24 427

ELAS_RVC	0.42 427	0.29 427	0.33 389	0.28 411	0.24 423	0.56 433	0.38 435	0.50 429	0.61 425	0.74 444	0.76 441	0.67 439	0.56 437	0.55 438	0.42 430	0.22 426	0.21 427	0.27 425	0.26 426	0.27 433	0.26 432
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 427	0.29 427	0.34 392	0.28 411	0.24 423	0.63 437	0.37 433	0.52 432	0.52 411	0.72 441	0.82 445	0.68 441	0.56 437	0.52 434	0.45 437	0.22 426	0.21 427	0.27 425	0.26 426	0.26 431	0.26 432
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet+	0.76 449	0.72 452	3.76 468	0.67 447	0.41 440	0.99 459	0.97 466	0.72 447	0.75 442	0.52 429	0.58 426	0.64 437	0.68 445	0.89 459	1.04 464	0.35 440	0.36 441	0.28 431	0.23 423	0.38 440	0.33 440

MSC_U_SF_DS_RVC	0.44 429	0.39 436	0.56 422	0.40 433	0.20 414	0.66 440	0.33 430	0.54 435	0.72 438	0.71 440	0.72 437	0.62 434	0.55 435	0.52 434	0.47 438	0.20 421	0.19 418	0.29 432	0.30 434	0.24 426	0.19 417

GANetREF_RVC	0.31 411	0.34 431	0.29 375	0.35 429	0.16 387	0.33 399	0.42 440	0.48 427	0.52 411	0.35 396	0.35 358	0.34 377	0.32 401	0.40 422	0.33 413	0.27 435	0.20 419	0.29 432	0.15 398	0.19 414	0.18 412
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
CC-Net-ROB	0.28 400	0.31 429	0.36 400	0.30 420	0.15 375	0.25 361	0.19 310	0.45 422	0.34 331	0.39 406	0.37 364	0.39 398	0.31 398	0.27 368	0.27 381	0.24 433	0.18 413	0.30 434	0.23 423	0.19 414	0.15 393

JetBlue	0.73 448	0.46 440	1.21 457	0.52 443	0.47 444	2.16 468	0.67 456	0.78 448	0.72 438	0.70 439	0.79 443	1.21 454	0.84 452	1.06 465	1.04 464	0.40 442	0.28 435	0.33 435	0.33 437	0.30 434	0.34 441

NVStereoNet_ROB	0.47 434	0.37 434	0.47 415	0.42 436	0.29 435	0.35 407	0.35 431	0.50 429	0.61 425	0.73 442	0.94 449	0.70 443	0.68 445	0.48 431	0.62 448	0.22 426	0.33 440	0.34 436	0.34 439	0.30 434	0.31 438
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Ntro	0.41 425	0.40 437	0.54 421	0.46 441	0.30 436	0.64 438	0.24 369	0.47 426	0.68 433	0.42 415	0.49 410	0.47 422	0.42 423	0.40 422	0.32 410	0.32 438	0.28 435	0.37 437	0.31 435	0.33 439	0.29 435

otaku	0.39 422	0.38 435	0.53 419	0.44 437	0.28 432	0.57 434	0.24 369	0.42 411	0.62 428	0.40 409	0.50 412	0.46 419	0.34 404	0.40 422	0.33 413	0.30 436	0.30 437	0.39 438	0.33 437	0.30 434	0.29 435

ACVNet_1	0.45 431	0.51 441	0.61 428	0.45 438	0.28 432	0.50 427	0.28 402	0.58 442	0.71 437	0.63 435	0.59 428	0.74 444	0.50 432	0.50 432	0.36 417	0.26 434	0.25 432	0.39 438	0.29 432	0.32 438	0.25 429

FADE		0.34 431		0.33 426	0.25 429			0.64 445	1.07 452	0.43 420		0.42 408		0.72 448		0.30 436	0.21 427	0.41 440	0.38 440	0.23 419	0.22 424

Consistency-Raft	0.44 429	0.40 437	0.46 412	0.37 432	0.43 442	0.42 423	0.41 438	0.57 437	0.55 415	0.32 391	0.73 438	0.32 367	0.50 432	0.42 428	0.49 440	0.39 441	0.36 441	0.45 441	0.52 451	0.42 441	0.30 437

ACVNet-4b	0.39 422	0.53 442	0.56 422	0.45 438	0.24 423	0.46 425	0.18 270	0.50 429	0.64 430	0.42 415	0.45 404	0.60 433	0.27 370	0.34 400	0.24 357	0.33 439	0.14 398	0.48 442	0.42 442	0.31 437	0.27 434

SGM+DAISY	0.57 440	0.58 443	0.67 436	0.41 434	0.55 448	0.68 442	0.51 446	0.57 437	0.46 396	0.67 436	0.70 435	0.69 442	0.57 439	0.64 445	0.58 446	0.59 453	0.49 451	0.50 443	0.50 448	0.52 443	0.59 454

anonymity	0.53 437	0.58 443	0.66 432	0.41 434	0.61 454	0.54 431	0.41 438	0.57 437	0.41 373	0.56 433	0.50 412	0.50 424	0.55 435	0.59 443	0.50 441	0.58 452	0.50 454	0.51 444	0.51 449	0.52 443	0.58 451

SPS-STEREO	0.58 441	0.59 445	0.66 432	0.45 438	0.55 448	0.65 439	0.44 443	0.63 444	0.51 405	0.69 438	0.65 430	0.66 438	0.58 440	0.62 444	0.62 448	0.62 455	0.47 449	0.51 444	0.49 446	0.55 446	0.58 451
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.54 438	0.61 446	0.71 445	0.57 445	0.43 442	0.66 440	0.37 433	0.60 443	0.87 448	0.51 428	0.67 431	0.63 435	0.47 429	0.50 432	0.44 434	0.47 447	0.48 450	0.53 446	0.41 441	0.53 445	0.41 446

ACVNet_2	0.67 445	0.68 451	0.70 443	0.64 446	0.41 440	0.75 448	0.50 445	0.98 458	1.38 462	0.90 452	1.09 456	1.04 449	0.74 448	0.55 438	0.48 439	0.43 443	0.40 443	0.53 446	0.45 443	0.48 442	0.36 443

MFMNet_re	0.65 442	0.66 450	0.66 432	0.51 442	0.69 459	0.70 443	0.58 450	0.65 446	0.75 442	0.61 434	0.73 438	0.63 435	0.68 445	0.65 446	0.60 447	0.66 457	0.58 463	0.63 448	0.59 452	0.68 454	0.69 461

WAO-7	0.80 451	0.78 455	0.57 424	0.85 455	0.67 458	0.76 449	0.69 459	1.07 462	1.30 459	0.90 452	1.20 462	1.05 450	0.93 456	0.71 447	0.68 451	0.60 454	0.62 464	0.67 449	0.68 458	0.64 450	0.59 454

IMH-64-1	0.66 443	0.62 447	0.69 440	0.72 448	0.51 445	0.60 435	0.51 446	0.92 452	0.84 446	0.75 447	1.02 453	0.81 445	0.78 450	0.80 450	0.50 441	0.43 443	0.46 445	0.72 450	0.48 444	0.55 446	0.40 444

IMH-64	0.66 443	0.62 447	0.69 440	0.72 448	0.51 445	0.60 435	0.51 446	0.92 452	0.84 446	0.75 447	1.02 453	0.81 445	0.78 450	0.80 450	0.50 441	0.43 443	0.46 445	0.72 450	0.48 444	0.55 446	0.40 444

TorneroNet-64	0.76 449	0.73 453	0.77 446	0.78 452	0.58 453	0.94 458	0.58 450	0.85 451	1.26 457	0.67 436	0.88 447	1.41 461	0.76 449	0.87 456	0.68 451	0.49 448	0.46 445	0.73 452	0.59 452	0.68 454	0.54 450

GCST	0.37 420	0.42 439	0.27 363	1.03 463	0.39 438	0.18 273	0.08 3	0.21 166	0.18 141	0.28 367	0.25 268	0.15 180	0.12 167	0.16 222	0.14 215	0.64 456	0.43 444	0.75 453	0.65 455	0.64 450	0.46 449

IMH	0.72 446	0.65 449	0.70 443	0.77 450	0.54 447	0.71 444	0.56 449	0.99 460	1.08 453	0.82 450	1.09 456	0.89 447	0.88 454	0.88 458	0.53 445	0.44 446	0.50 454	0.75 453	0.51 449	0.58 449	0.42 447

LVE	0.84 454	0.87 459	0.86 451	0.81 453	0.56 450	1.09 464	0.66 455	1.07 462	1.45 464	0.97 456	1.23 464	1.11 452	0.86 453	0.84 453	0.72 455	0.49 448	0.56 460	0.76 455	0.60 454	0.66 452	0.60 457

PWCK	0.72 446	0.95 461	0.99 454	0.77 450	0.32 437	0.79 450	0.38 435	0.92 452	0.90 449	0.96 455	0.76 441	0.97 448	0.62 442	0.87 456	0.68 451	0.73 459	0.46 445	0.76 455	0.49 446	0.71 457	0.44 448

Dean	0.88 455	0.88 460	0.81 447	0.82 454	0.57 451	0.91 455	0.62 453	1.17 467	1.71 467	1.15 462	1.16 460	1.31 458	1.00 459	0.82 452	0.83 460	0.57 450	0.56 460	0.78 457	0.65 455	0.67 453	0.58 451

TorneroNet	0.83 453	0.75 454	0.83 450	0.85 455	0.63 456	1.03 462	0.65 454	0.96 456	1.14 455	0.80 449	1.10 458	1.36 459	0.88 454	0.95 461	0.82 459	0.57 450	0.49 451	0.79 458	0.66 457	0.74 460	0.64 460

WAO-8	0.92 456	0.83 457	0.67 436	0.94 460	0.70 460	0.92 456	0.68 457	1.08 464	1.80 469	1.06 460	1.42 466	1.29 456	1.08 462	0.86 454	0.80 457	0.74 460	0.54 457	0.86 459	0.75 460	0.71 457	0.63 458

Venus	0.92 456	0.83 457	0.67 436	0.94 460	0.70 460	0.92 456	0.68 457	1.08 464	1.80 469	1.06 460	1.42 466	1.29 456	1.08 462	0.86 454	0.80 457	0.74 460	0.54 457	0.86 459	0.75 460	0.71 457	0.63 458

WAO-6	0.82 452	0.81 456	0.63 431	0.87 457	0.63 456	0.79 450	0.60 452	0.98 458	1.52 466	0.91 454	0.97 451	1.08 451	1.04 460	0.72 448	0.70 454	0.72 458	0.49 451	0.91 461	0.71 459	0.70 456	0.59 454

JetRed	1.66 465	1.51 469	3.09 464	0.93 459	1.21 468	5.28 470	1.61 470	1.29 469	1.42 463	1.84 468	1.77 469	1.59 467	0.95 457	1.43 468	2.51 470	0.91 465	1.61 470	0.93 462	0.91 466	1.36 468	1.03 468

UNDER WATER	0.99 460	1.00 463	1.47 460	1.00 462	0.71 462	1.18 466	0.86 462	0.81 450	1.09 454	1.02 457	0.90 448	1.53 465	1.26 466	1.06 465	1.02 463	0.79 462	0.54 457	1.02 463	0.88 464	0.83 462	0.75 462

UNDER WATER-64	0.97 458	0.96 462	1.48 461	0.88 458	0.57 451	1.24 467	0.90 464	0.78 448	0.96 450	1.05 458	0.85 446	1.56 466	1.26 466	0.97 463	0.99 462	0.88 464	0.57 462	1.04 464	0.88 464	0.81 461	0.75 462

ASD4	3.59 468	3.47 472	2.05 463	1.75 469	2.54 472	9.22 474	17.86 475	2.29 470	5.54 473	2.49 470	2.86 471	2.05 468	3.46 470	2.77 471	5.29 471	1.23 467	1.36 469	1.13 465	1.33 470	1.71 469	1.50 471

notaker	0.98 459	1.13 464	1.02 455	1.14 465	0.81 463	0.73 447	0.69 459	0.94 455	1.15 456	1.19 464	1.19 461	1.41 461	1.17 465	1.10 467	0.74 456	0.82 463	0.64 465	1.18 466	0.79 462	1.02 464	0.82 465

KSHMR	1.10 462	1.19 465	0.90 453	1.26 468	1.00 467	0.99 459	0.96 465	1.13 466	1.35 460	1.16 463	1.28 465	1.40 460	0.97 458	1.03 464	0.93 461	1.03 466	1.08 468	1.20 467	1.03 468	1.03 465	0.98 467

DPSimNet_ROB	1.14 463	1.25 467	0.87 452	1.15 466	0.90 466	1.15 465	1.18 467	1.20 468	1.26 457	1.45 466	1.05 455	1.44 464	1.13 464	0.92 460	1.70 467	1.47 470	0.52 456	1.22 468	1.04 469	0.92 463	1.03 468

HanzoNet	1.31 464	1.29 468	1.22 458	1.13 464	0.85 464	1.05 463	0.84 461	1.06 461	1.47 465	1.66 467	1.63 468	2.48 471	1.78 468	1.63 469	1.69 466	1.27 468	0.80 467	1.32 469	1.02 467	1.07 467	0.90 466

ktn	1.02 461	1.23 466	0.82 448	1.24 467	0.86 465	1.00 461	0.86 462	0.96 456	1.37 461	1.05 458	1.12 459	1.16 453	1.06 461	0.95 461	0.62 448	1.28 469	0.71 466	1.39 470	0.83 463	1.06 466	0.77 464

MADNet++	1.97 466	1.75 470	1.66 462	1.83 470	1.69 470	2.38 469	1.45 469	2.36 471	2.11 471	2.58 471	2.37 470	2.25 470	2.21 469	2.28 470	2.36 469	1.87 471	1.67 471	1.53 471	1.34 471	1.87 470	1.78 472

tt	4.65 469	0.07 70	3.54 467	2.01 471	1.55 469	10.25 475	16.66 474	8.90 479	5.03 472	1.33 465	0.96 450	4.71 472	4.74 471	3.33 472	5.86 473	6.06 478	10.30 482	1.87 472	2.09 473	2.61 471	1.19 470

DPSMNet_ROB	8.06 474	4.50 473	8.69 477	5.36 477	10.74 479	8.32 472	22.71 477	5.47 474	13.38 479	5.13 473	9.98 475	5.10 473	10.47 477	5.53 474	12.77 478	3.80 476	8.00 477	3.49 473	6.95 476	3.75 476	7.09 478

DGTPSM_ROB	8.06 474	4.50 473	8.69 477	5.34 475	10.73 478	8.32 472	22.71 477	5.47 474	13.38 479	5.13 473	9.98 475	5.10 473	10.47 477	5.53 474	12.77 478	3.79 475	8.00 477	3.49 473	6.95 476	3.74 475	7.09 478

xxxxx1	7.75 470	5.06 475	7.26 470	3.15 472	3.91 473	16.37 478	22.88 479	5.87 476	8.68 475	7.99 475	8.55 472	9.13 477	8.46 474	10.05 477	10.47 474	2.43 472	2.48 473	3.56 475	12.26 479	3.48 472	3.02 474

tt_ll	7.75 470	5.06 475	7.26 470	3.15 472	3.91 473	16.37 478	22.88 479	5.87 476	8.68 475	7.99 475	8.55 472	9.13 477	8.46 474	10.05 477	10.47 474	2.43 472	2.48 473	3.56 475	12.26 479	3.48 472	3.02 474

ff	7.75 470	5.06 475	7.26 470	3.15 472	3.91 473	16.37 478	22.88 479	5.87 476	8.68 475	7.99 475	8.55 472	9.13 477	8.46 474	10.05 477	10.47 474	2.43 472	2.48 473	3.56 475	12.26 479	3.48 472	3.02 474

Anonymous_1	10.87 479	7.82 478	7.41 473	10.29 478	10.08 477	18.64 482	26.11 482	11.02 480	13.45 481	9.43 478	10.10 477	9.73 480	11.31 479	10.69 480	12.47 477	6.42 479	8.38 479	5.70 478	10.22 478	11.41 480	6.65 477

DPSM_ROB	11.10 480	8.47 479	7.95 474	10.84 479	11.58 480	19.10 483	26.50 483	12.02 481	14.09 482	10.38 479	10.91 478	10.39 481	11.92 480	11.67 481	13.39 480	6.99 480	8.79 480	5.82 479	6.92 474	6.97 477	7.31 480

DPSM	11.10 480	8.47 479	7.95 474	10.84 479	11.58 480	19.10 483	26.50 483	12.02 481	14.09 482	10.38 479	10.91 478	10.39 481	11.92 480	11.67 481	13.39 480	6.99 480	8.79 480	5.82 479	6.92 474	6.97 477	7.31 480

PML	8.57 476	9.39 481	6.24 469	5.34 475	6.36 476	13.21 477	20.99 476	5.35 473	6.68 474	17.75 483	26.46 487	7.58 475	6.08 473	7.89 476	5.76 472	5.33 477	1.83 472	5.95 481	1.93 472	8.75 479	2.53 473

Selective-RAFT-Error	22.39 485	17.14 484	16.01 480	22.00 485	23.34 486	38.37 486	53.36 486	24.24 488	28.53 488	20.80 486	21.94 485	20.94 485	24.02 484	23.48 487	27.33 487	14.07 483	17.70 486	11.70 482	13.93 482	14.05 482	14.83 484

CasAABBNet	22.33 484	17.11 483	15.84 479	21.94 484	23.28 485	38.30 485	53.40 487	24.05 486	28.44 487	20.66 485	21.86 484	21.03 486	24.04 485	23.35 485	27.03 486	14.06 482	17.69 485	11.70 482	13.94 483	14.04 481	14.76 483

LSM0	22.80 486	17.22 485	19.17 481	22.12 486	28.90 488	38.38 487	53.27 485	24.21 487	28.36 486	20.84 487	21.11 483	21.63 487	24.25 486	23.42 486	26.98 485	14.08 484	17.39 484	11.72 484	13.98 484	14.22 483	14.66 482

HaxPig	15.73 482	18.55 486	19.19 482	16.92 481	15.89 483	7.80 471	7.57 471	13.37 483	10.80 478	15.40 482	14.87 480	15.95 483	14.81 482	15.67 483	15.97 482	18.96 485	16.72 483	19.47 485	18.10 485	19.45 485	19.06 486

MEDIAN_ROB	20.38 483	24.05 487	23.36 484	21.18 483	21.62 484	10.51 476	8.17 472	17.68 484	15.46 484	20.04 484	19.65 482	20.30 484	20.16 483	21.17 484	21.03 483	23.81 487	21.77 487	24.98 486	23.75 486	25.01 486	23.94 487

LRCNet_RVC	10.76 478	13.97 482	7.97 476	19.07 482	2.04 471	0.35 407	0.31 421	5.29 472	0.48 399	13.02 481	17.65 481	8.69 476	5.73 472	4.78 473	2.22 468	23.53 486	2.69 476	27.60 487	25.75 487	17.60 484	16.54 485

AVERAGE_ROB	24.89 487	29.12 488	27.98 485	24.83 487	24.59 487	17.82 481	11.61 473	21.45 485	19.91 485	25.04 488	24.38 486	25.06 488	25.31 487	24.69 488	22.86 484	29.74 488	27.09 488	28.97 488	27.94 488	30.07 487	29.35 488

test_example2	97.69 488	92.93 489	45.57 486	96.02 488	109.84 489	88.44 488	93.70 488	25.54 489	94.63 489	130.46 489	126.87 488	58.93 489	75.48 488	87.99 489	77.94 488	150.16 489	221.11 489	76.29 489	98.21 489	108.42 489	95.33 489

Low-res two-view benchmark