Low-res two-view results

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

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

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

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

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

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

U	12.87 457	0.43 1	2.54 19	0.68 10	58.93 478	63.36 484	0.33 4	1.95 27	1.08 1	0.62 1	0.83 12	0.46 1	0.57 6	0.91 2	0.50 2	0.31 86	0.17 3	63.34 481	59.81 480	0.30 59	0.26 7

IGEV-Stereo++	1.68 48	0.48 2	1.27 2	0.77 15	1.31 302	3.87 235	0.33 4	3.41 147	1.72 69	0.89 33	1.20 42	0.68 14	1.03 92	1.15 12	0.49 1	0.23 3	0.22 55	0.23 9	0.18 11	0.26 16	13.90 443

CAS	1.34 27	0.48 2	2.20 15	3.01 432	1.66 372	4.08 282	0.73 115	1.96 28	1.51 22	0.86 21	1.10 29	0.59 4	0.53 4	1.36 47	0.94 59	3.07 437	0.14 1	0.21 3	0.14 1	0.38 174	1.78 336

Pointernet	0.99 6	0.50 4	3.54 26	0.89 58	0.44 33	2.30 62	0.38 7	3.12 118	1.48 12	0.69 2	1.44 90	0.92 58	0.73 28	1.28 28	0.82 33	0.24 5	0.23 79	0.21 3	0.19 12	0.19 1	0.25 6

s12784h	2.08 75	0.50 4	16.85 152	0.75 13	0.36 5	4.42 358	0.49 22	4.23 317	3.08 262	2.03 186	2.67 359	0.91 56	1.05 107	2.05 133	0.78 17	0.37 193	0.18 6	0.24 21	0.16 6	0.27 21	0.26 7

RSM	0.99 6	0.54 6	1.25 1	0.94 91	0.61 96	1.32 20	0.74 124	2.54 66	4.08 375	0.89 33	1.49 97	1.22 96	0.62 14	1.24 22	0.80 27	0.25 10	0.20 21	0.25 32	0.21 36	0.29 44	0.42 95

IGEV-Stereo+	1.08 17	0.55 7	2.59 20	0.89 58	2.06 403	1.40 24	0.38 7	1.18 1	1.29 3	0.76 9	0.45 1	0.47 2	0.79 47	2.16 146	0.65 4	0.29 46	0.25 112	0.22 5	0.19 12	2.27 428	2.70 365

trnet	1.00 10	0.55 7	1.89 14	0.66 4	0.33 3	4.41 356	0.40 12	2.42 54	1.95 93	0.96 42	1.24 50	0.88 50	0.89 69	1.27 26	0.78 17	0.30 70	0.19 10	0.23 9	0.15 3	0.22 3	0.22 1

PMTNet	1.13 22	0.55 7	3.88 33	0.71 11	0.59 89	4.21 324	0.43 16	2.00 29	1.58 38	1.02 47	1.06 22	0.78 31	0.98 84	1.58 76	0.93 53	1.21 409	0.20 21	0.23 9	0.15 3	0.23 5	0.27 9

RSM++	0.99 6	0.56 10	1.35 3	1.54 330	0.50 61	1.53 29	0.68 90	2.31 48	4.13 378	0.86 21	1.27 58	0.90 55	0.60 10	1.21 19	0.78 17	0.27 27	0.20 21	0.25 32	0.21 36	0.29 44	0.42 95

EGLCR-Stereo	2.52 161	0.56 10	9.39 63	1.16 190	0.81 165	5.24 431	0.61 55	4.20 306	1.56 33	1.09 52	0.71 2	1.09 73	0.66 22	1.92 121	0.82 33	0.29 46	0.30 166	0.29 105	0.24 85	0.37 164	19.09 470

GrayStereo	3.68 352	0.56 10	20.61 356	1.71 366	0.90 202	4.17 308	8.11 453	3.17 122	4.13 378	2.80 357	2.49 339	1.70 146	17.06 458	2.83 199	1.25 124	0.37 193	0.23 79	0.27 63	0.32 235	0.30 59	0.57 176

GMM-Stereo	2.52 161	0.56 10	20.57 351	0.92 79	0.83 170	4.18 312	1.88 370	2.51 61	2.40 157	2.48 319	2.30 314	1.69 143	1.84 283	2.93 205	1.25 124	0.32 102	0.19 10	0.33 197	0.49 346	0.37 164	2.40 357

CFNet-RSSM	2.17 85	0.56 10	20.50 339	1.08 157	0.57 85	3.42 139	0.62 65	4.24 323	1.60 46	1.73 119	1.39 80	2.55 265	1.19 145	1.36 47	1.04 82	0.29 46	0.20 21	0.26 49	0.23 71	0.28 29	0.32 22

RAFT-Stereo-weight	1.38 29	0.57 15	5.44 41	1.05 148	0.63 109	4.19 320	0.77 143	3.95 225	1.53 25	2.01 179	1.53 102	1.30 103	0.65 19	1.30 31	1.05 85	0.27 27	0.26 133	0.26 49	0.22 59	0.28 29	0.38 72

KYRaft	2.55 174	0.57 15	20.60 355	0.98 119	0.51 62	4.38 347	1.76 363	2.51 61	1.59 41	2.48 319	2.98 377	1.99 207	3.36 379	2.17 148	0.96 66	0.34 146	0.22 55	0.33 197	0.46 339	0.38 174	2.44 359

LoS	1.05 13	0.58 17	3.31 24	0.91 71	0.38 8	4.14 297	0.50 26	2.22 42	1.49 17	1.02 47	0.88 13	0.62 7	0.84 57	1.69 87	0.94 59	0.27 27	0.20 21	0.24 21	0.17 9	0.22 3	0.32 22
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Selective-IGEV	1.42 33	0.58 17	8.82 62	0.92 79	0.85 180	1.32 20	0.80 162	2.85 96	3.84 364	0.87 27	1.68 151	0.71 22	0.62 14	1.30 31	0.75 12	0.24 5	0.27 143	0.24 21	0.19 12	0.27 21	1.18 297

Selective-RAFT	1.34 27	0.58 17	2.21 16	1.01 132	0.49 52	4.19 320	0.51 29	3.39 145	3.62 351	1.15 55	1.40 82	1.45 123	1.40 177	2.09 136	1.31 135	0.43 254	0.40 238	0.25 32	0.26 113	0.29 44	0.38 72

MC-Stereo	2.54 169	0.58 17	6.38 48	1.30 254	1.37 313	4.56 387	0.60 52	2.08 35	1.57 35	1.97 162	1.68 151	0.89 53	1.12 125	1.46 61	0.88 45	0.27 27	8.44 440	0.27 63	0.22 59	0.26 16	14.87 450

DCANet-4	2.06 74	0.58 17	15.30 115	0.86 44	0.44 33	4.16 303	0.57 40	4.31 350	3.28 295	2.31 271	1.82 197	1.04 70	1.54 216	1.69 87	1.56 182	0.35 161	0.24 99	0.24 21	0.19 12	0.25 7	0.57 176

tt	7.29 441	0.58 17	7.34 51	4.04 447	2.30 413	12.04 457	20.18 464	15.60 468	7.41 447	3.46 398	3.36 393	5.36 420	6.39 421	4.27 235	7.46 384	9.80 468	11.53 462	7.04 466	7.45 467	6.31 458	3.81 390

test_3	2.17 85	0.58 17	18.64 191	1.11 165	0.78 159	2.15 55	0.85 188	4.42 384	1.47 11	2.00 170	1.20 42	2.02 212	0.79 47	2.70 193	1.35 138	0.29 46	1.04 359	0.29 105	0.29 188	0.31 66	1.07 289

PSM-AAD	3.41 329	0.58 17	20.55 345	0.95 101	0.56 77	4.46 362	7.40 451	3.11 117	1.58 38	2.30 268	2.56 348	1.26 98	16.19 456	2.47 173	1.00 76	0.32 102	0.22 55	0.58 369	0.41 319	0.37 164	1.32 303

CASnet	0.85 2	0.59 25	1.66 11	0.91 71	0.30 1	1.37 22	0.73 115	1.63 8	1.94 92	1.66 105	1.14 38	0.66 12	0.63 16	1.07 6	0.90 49	0.37 193	0.17 3	0.41 289	0.31 222	0.33 105	0.23 5
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	1.62 40	0.59 25	5.29 39	1.12 175	0.76 154	4.41 356	0.79 154	4.12 279	3.26 291	2.02 181	1.36 74	2.82 292	1.56 221	1.90 120	0.81 28	0.29 46	0.25 112	0.26 49	0.19 12	0.25 7	0.35 43

GLC_STEREO	0.83 1	0.59 25	1.71 12	0.89 58	0.34 4	1.88 38	0.80 162	1.48 3	1.60 46	0.98 44	1.06 22	0.68 14	0.71 26	1.19 16	0.89 46	0.25 10	0.25 112	0.32 163	0.25 96	0.32 84	0.34 37

test-3	2.19 88	0.59 25	18.63 190	1.13 180	0.75 150	2.07 51	0.89 203	4.37 372	1.53 25	2.25 251	1.20 42	2.05 218	0.79 47	2.68 189	1.35 138	0.29 46	0.95 353	0.28 89	0.27 129	0.27 21	1.47 317

test_1	2.19 88	0.59 25	18.67 192	1.13 180	0.78 159	2.07 51	0.89 203	4.37 372	1.53 25	2.18 230	1.20 42	2.05 218	0.78 41	2.68 189	1.36 145	0.29 46	0.93 350	0.28 89	0.27 129	0.28 29	1.53 320

CREStereo++_RVC	1.98 58	0.59 25	19.94 266	0.87 51	0.55 73	4.02 267	0.31 2	1.75 17	2.09 104	1.65 103	2.20 295	0.85 43	0.65 19	1.03 4	0.72 10	0.29 46	0.16 2	0.23 9	1.22 422	0.25 7	0.22 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
CREStereo	1.00 10	0.59 25	1.82 13	0.66 4	0.36 5	4.43 359	0.40 12	2.43 55	1.98 96	0.96 42	1.22 47	0.88 50	0.87 65	1.30 31	0.79 24	0.30 70	0.20 21	0.23 9	0.16 6	0.23 5	0.22 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
UniTT-Stereo	1.73 51	0.60 32	20.25 303	0.98 119	1.19 277	0.78 3	0.39 10	1.19 2	1.55 30	1.21 59	1.28 60	0.52 3	0.64 17	1.17 14	1.16 101	0.35 161	0.20 21	0.25 32	0.22 59	0.42 221	0.31 19

LCNet	2.54 169	0.60 32	20.89 383	1.01 132	0.57 85	3.60 177	1.21 303	3.20 124	1.70 67	2.17 227	1.76 172	1.43 120	4.12 395	3.61 217	0.94 59	0.32 102	0.20 21	0.28 89	0.76 392	0.50 285	1.83 340

FTStereo	3.74 355	0.60 32	20.43 324	0.99 125	0.66 121	4.34 344	11.24 455	2.63 81	1.95 93	2.58 329	5.03 417	1.90 188	13.77 451	3.70 220	1.28 132	0.41 228	0.24 99	0.31 145	0.33 243	0.32 84	2.08 346

RAFT-345	2.55 174	0.60 32	19.89 262	1.22 216	0.49 52	4.43 359	0.77 143	1.68 9	3.54 346	2.09 206	3.10 384	1.95 199	1.30 161	6.65 278	1.47 169	0.41 228	0.23 79	0.32 163	0.26 113	0.29 44	0.28 11

Prome-Stereo	2.57 183	0.60 32	20.29 309	1.01 132	0.62 106	4.40 354	1.80 366	3.22 127	1.74 70	2.18 230	3.43 395	1.71 149	3.45 384	2.24 158	1.19 105	0.32 102	0.20 21	0.27 63	0.25 96	0.37 164	2.15 349

riskmin	2.46 152	0.61 37	12.91 81	1.22 216	1.65 369	3.56 169	0.61 55	4.30 340	1.50 19	1.86 137	1.16 40	4.30 392	2.02 299	1.53 73	1.32 136	0.29 46	0.95 353	0.34 215	0.23 71	0.43 231	8.34 427

RCA-Stereo	1.38 29	0.61 37	3.95 35	0.94 91	0.48 45	4.68 410	0.78 147	4.17 296	1.95 93	1.93 146	1.84 211	0.94 60	1.48 201	1.23 20	0.75 12	0.30 70	0.43 257	0.25 32	0.20 27	0.26 16	0.37 65

DisPM	2.29 113	0.61 37	20.25 303	1.79 377	0.52 65	4.58 388	0.77 143	2.50 60	2.22 125	2.49 322	1.82 197	1.45 123	1.01 90	2.73 194	1.04 82	0.48 298	0.20 21	0.32 163	0.31 222	0.32 84	0.45 109

Gwc-CoAtRS	1.80 52	0.61 37	14.92 111	1.08 157	0.61 96	2.88 84	0.63 70	2.47 57	1.62 54	1.80 132	1.50 99	2.73 281	1.17 140	1.35 45	1.08 90	0.30 70	0.22 55	0.25 32	0.23 71	0.28 29	0.30 16

FENet	2.30 117	0.61 37	20.21 297	1.43 306	0.68 132	4.04 270	0.60 52	4.01 237	2.26 133	2.03 186	1.13 35	2.42 252	1.42 184	1.72 95	1.43 158	0.36 182	0.24 99	0.33 197	0.27 129	0.29 44	0.51 148

UGAM-zero	3.14 289	0.62 42	20.64 360	1.02 136	0.93 212	2.87 83	0.51 29	4.52 400	1.57 35	2.19 235	1.65 146	5.78 424	3.40 382	9.89 341	1.71 220	0.33 125	0.44 264	0.28 89	0.59 372	0.30 59	3.59 388

AIO-Stereo	1.40 32	0.62 42	1.44 4	0.85 40	0.76 154	1.28 19	0.79 154	2.39 50	2.83 214	0.75 6	1.62 133	0.89 53	0.46 1	1.30 31	0.77 15	0.28 38	0.27 143	0.25 32	0.23 71	0.27 21	9.88 435

AE-Stereo	2.91 255	0.63 44	17.05 156	1.15 185	0.63 109	4.39 351	0.70 100	4.02 242	2.12 113	1.24 67	2.04 259	1.01 66	0.91 73	1.67 81	1.42 156	0.30 70	1.14 364	0.28 89	0.28 155	0.27 21	16.93 468

CES	1.08 17	0.63 44	2.53 18	0.95 101	2.18 406	2.13 53	0.50 26	2.07 34	1.46 10	0.79 11	1.06 22	0.61 6	0.48 3	1.45 59	0.87 43	0.24 5	0.18 6	0.24 21	0.15 3	0.64 332	2.36 356

SST-Stereo	2.63 198	0.63 44	19.76 249	1.69 361	0.46 36	4.71 416	0.74 124	2.27 43	3.07 261	2.07 200	2.15 281	2.42 252	3.17 370	6.66 279	0.95 65	0.45 271	0.19 10	0.30 126	0.27 129	0.35 141	0.31 19

RAFT-Test	1.67 47	0.64 47	6.13 46	1.25 238	1.82 390	3.06 96	0.78 147	4.02 242	3.09 265	1.88 139	1.70 156	3.76 360	1.03 92	1.40 54	1.07 88	0.29 46	0.33 184	0.25 32	0.23 71	0.29 44	0.33 29

BUS	1.64 44	0.64 47	3.82 30	0.94 91	0.86 184	4.50 371	0.75 134	4.49 394	2.29 141	2.96 372	1.82 197	3.61 353	1.03 92	1.79 103	1.18 102	0.39 215	0.25 112	0.31 145	0.28 155	0.38 174	0.41 88

BSDual-CNN	1.61 39	0.64 47	3.82 30	0.94 91	0.86 184	4.18 312	1.14 288	4.49 394	2.29 141	2.96 372	1.82 197	2.58 270	1.30 161	1.79 103	1.44 162	0.39 215	0.25 112	0.31 145	0.28 155	0.38 174	0.41 88

psmg	1.63 41	0.64 47	3.82 30	0.96 108	0.86 184	4.35 345	1.41 328	4.11 273	2.29 141	2.68 341	2.09 273	2.58 270	1.30 161	1.79 103	1.44 162	0.39 215	0.29 156	0.33 197	0.34 252	0.38 174	0.44 105

PFNet+	2.46 152	0.64 47	21.10 405	0.98 119	0.48 45	4.63 396	0.83 174	2.47 57	3.48 341	2.14 216	1.67 149	1.34 106	1.03 92	4.66 237	1.35 138	0.49 304	0.33 184	0.38 273	0.39 300	0.33 105	0.49 137

RAFT_R40	2.61 191	0.64 47	19.86 258	1.69 361	0.46 36	4.74 419	0.95 245	2.28 45	2.52 175	2.02 181	2.32 316	2.69 280	2.52 340	6.70 281	1.05 85	0.42 238	0.19 10	0.30 126	0.27 129	0.33 105	0.29 14

RAFT-RH_RVC	2.72 224	0.64 47	20.10 286	1.48 317	0.49 52	4.46 362	0.56 37	1.73 16	2.86 223	3.06 377	5.50 419	2.02 212	1.28 156	6.70 281	1.56 182	0.46 283	0.22 55	0.37 258	0.34 252	0.29 44	0.33 29

knoymous	1.50 35	0.65 54	8.73 61	0.91 71	0.75 150	2.97 93	0.90 218	2.93 99	1.38 7	1.56 90	1.07 25	2.75 286	0.88 66	1.43 57	1.13 94	0.32 102	0.22 55	0.35 233	0.20 27	0.45 252	0.41 88

PSM-softLoss	2.62 194	0.65 54	21.11 407	2.46 413	0.49 52	4.68 410	0.68 90	2.61 79	4.23 384	2.14 216	1.47 94	1.42 118	0.99 85	6.04 264	1.24 118	0.47 290	0.23 79	0.37 258	0.39 300	0.33 105	0.34 37

KMStereo	2.62 194	0.65 54	21.11 407	2.46 413	0.49 52	4.68 410	0.68 90	2.61 79	4.23 384	2.14 216	1.47 94	1.42 118	0.99 85	6.04 264	1.24 118	0.47 290	0.23 79	0.37 258	0.39 300	0.33 105	0.34 37

DEmStereo	3.24 310	0.65 54	18.95 200	0.83 34	0.54 69	3.85 227	1.79 365	2.53 65	2.54 177	2.25 251	2.74 365	2.02 212	6.02 416	6.78 284	11.30 400	0.40 225	0.26 133	0.27 63	0.27 129	0.28 29	0.57 176

R-Stereo Train	2.13 78	0.65 54	19.43 223	1.02 136	0.67 125	3.79 214	0.89 203	4.12 279	1.55 30	2.15 221	1.72 162	1.13 77	0.94 79	1.46 61	1.30 133	0.32 102	0.25 112	0.27 63	0.21 36	0.28 29	0.37 65

RAFT-Stereo	2.13 78	0.65 54	19.43 223	1.02 136	0.67 125	3.79 214	0.89 203	4.12 279	1.55 30	2.15 221	1.72 162	1.13 77	0.94 79	1.46 61	1.30 133	0.32 102	0.25 112	0.27 63	0.21 36	0.28 29	0.37 65
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HSM-Net_RVC	3.02 272	0.65 54	19.48 227	0.94 91	0.90 202	3.71 200	1.20 298	5.61 442	2.87 225	3.24 390	2.49 339	2.53 262	1.61 231	11.39 399	1.90 254	0.37 193	0.27 143	0.27 63	0.24 85	0.31 66	0.39 80
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MGS-Stereo	1.24 25	0.66 61	9.68 65	0.97 115	0.40 23	1.26 14	0.72 108	1.50 4	1.35 4	1.03 49	2.26 303	0.80 36	0.56 5	1.28 28	0.78 17	0.31 86	0.23 79	0.26 49	0.22 59	0.28 29	0.34 37

testlalala	2.95 263	0.66 61	20.83 377	1.03 140	0.81 165	4.39 351	0.90 218	2.96 108	3.69 357	2.50 323	1.55 120	1.31 104	0.61 12	1.15 12	0.77 15	0.42 238	14.33 463	0.25 32	0.20 27	0.26 16	0.36 63

cross-raft	1.95 56	0.66 61	16.17 135	1.23 223	0.92 208	2.25 58	0.70 100	3.69 175	1.68 65	1.78 127	1.53 102	3.15 317	1.13 126	1.35 45	1.06 87	0.24 5	0.23 79	0.26 49	0.24 85	0.29 44	0.45 109

AEACV	2.12 77	0.67 64	6.33 47	1.38 281	1.50 332	3.53 164	0.90 218	2.83 94	1.60 46	0.91 35	0.81 10	0.80 36	1.61 231	1.56 75	0.73 11	0.25 10	0.60 317	0.26 49	0.27 129	0.29 44	15.65 459

AAGNet	3.88 364	0.67 64	20.04 276	2.27 403	0.46 36	4.76 421	1.05 269	2.28 45	3.38 321	2.16 225	1.84 211	2.40 246	3.95 392	6.22 268	24.21 463	0.49 304	0.19 10	0.30 126	0.29 188	0.33 105	0.29 14

NF-Stereo	2.68 215	0.67 64	21.09 403	2.43 409	0.47 40	4.67 402	0.67 82	3.68 171	4.30 390	2.11 210	1.62 133	1.36 110	1.09 115	6.07 266	1.24 118	0.45 271	0.20 21	0.36 247	0.34 252	0.32 84	0.37 65

OCTAStereo	2.67 212	0.67 64	21.08 398	2.43 409	0.47 40	4.67 402	0.67 82	3.68 171	4.31 393	2.11 210	1.62 133	1.36 110	1.09 115	6.02 263	1.25 124	0.45 271	0.20 21	0.36 247	0.34 252	0.32 84	0.37 65

RE-Stereo	2.67 212	0.67 64	21.08 398	2.43 409	0.47 40	4.67 402	0.67 82	3.68 171	4.30 390	2.11 210	1.62 133	1.36 110	1.09 115	6.01 260	1.26 129	0.45 271	0.20 21	0.36 247	0.34 252	0.32 84	0.37 65

TVStereo	2.67 212	0.67 64	21.08 398	2.43 409	0.47 40	4.67 402	0.67 82	3.68 171	4.30 390	2.11 210	1.62 133	1.36 110	1.09 115	6.01 260	1.26 129	0.45 271	0.20 21	0.36 247	0.34 252	0.32 84	0.37 65

anonymousdsp2	2.72 224	0.68 70	11.15 71	1.20 207	0.64 112	3.66 190	0.71 105	3.71 180	2.14 116	1.62 98	1.61 130	1.95 199	1.00 87	2.24 158	0.81 28	0.32 102	0.50 297	0.28 89	0.20 27	0.34 127	19.58 471

test_4	1.98 58	0.68 70	15.65 123	0.91 71	0.48 45	4.11 287	1.09 277	2.41 52	1.50 19	1.55 89	2.31 315	1.87 185	0.79 47	2.86 201	1.51 172	0.34 146	0.19 10	0.29 105	0.29 188	0.30 59	0.40 83

ASMatch	2.65 203	0.68 70	20.65 361	1.60 343	0.71 139	4.40 354	0.77 143	2.02 32	1.65 60	1.71 116	3.89 403	1.93 193	3.75 389	5.45 249	1.67 209	0.33 125	0.24 99	0.34 215	0.28 155	0.34 127	0.57 176

DRaft	3.12 286	0.68 70	20.57 351	0.77 15	0.49 52	3.95 255	1.20 298	2.40 51	1.60 46	2.64 339	2.80 369	1.59 132	5.33 409	6.94 291	9.51 394	0.43 254	0.22 55	0.27 63	0.27 129	0.32 84	0.47 125

CRE-IMP	2.28 110	0.68 70	19.67 240	0.85 40	0.39 22	4.54 377	0.80 162	2.63 81	4.84 417	1.96 159	1.51 100	1.86 182	0.96 82	1.52 70	1.43 158	0.47 290	0.21 40	0.31 145	0.26 113	0.41 212	0.35 43

MSKI-zero shot	2.33 122	0.69 75	20.22 299	1.14 184	0.77 157	4.05 274	0.68 90	3.95 225	1.51 22	1.93 146	2.35 318	1.91 192	0.71 26	3.01 207	0.79 24	0.28 38	1.47 374	0.27 63	0.21 36	0.28 29	0.44 105

MIF-Stereo (partial)	1.93 55	0.69 75	21.14 409	0.74 12	1.02 232	1.07 6	0.49 22	2.75 89	1.78 75	0.82 14	1.22 47	0.80 36	0.90 71	1.68 82	1.63 201	0.38 208	0.24 99	0.33 197	0.26 113	0.41 212	0.32 22

iRaft-Stereo_20w	3.11 283	0.69 75	18.89 198	1.00 129	1.09 253	5.03 428	1.00 256	5.86 444	2.46 170	2.83 361	1.64 143	3.06 310	4.30 398	3.08 209	1.74 229	0.31 86	0.30 166	0.27 63	0.35 265	0.42 221	7.93 418

NRIStereo	2.32 119	0.69 75	20.07 278	1.35 269	0.38 8	4.73 417	0.89 203	2.43 55	3.35 316	1.95 157	1.37 76	1.75 154	1.21 147	2.97 206	1.35 138	0.49 304	0.22 55	0.29 105	0.26 113	0.31 66	0.33 29

PFNet	2.75 234	0.69 75	19.96 267	2.25 402	0.80 163	4.63 396	0.90 218	2.60 78	3.85 366	2.39 302	2.71 363	1.82 177	1.41 182	7.53 301	1.41 154	0.36 182	0.21 40	0.36 247	0.27 129	0.32 84	0.46 117

EAI-Stereo	4.89 405	0.69 75	7.74 54	0.99 125	1.63 361	4.68 410	51.52 478	5.79 443	3.37 318	3.64 404	7.24 423	1.10 74	0.95 81	2.51 175	1.71 220	0.33 125	0.31 172	0.28 89	2.04 445	0.28 29	0.92 272

test_sample2	2.20 92	0.70 81	6.07 44	1.49 319	0.81 165	2.96 90	0.86 192	4.13 282	3.31 306	2.07 200	1.54 112	1.56 130	1.63 242	10.61 364	1.80 239	0.33 125	0.77 339	0.32 163	0.32 235	0.38 174	2.35 355

Pruner-Stereo	2.33 122	0.70 81	20.66 362	2.05 397	0.48 45	4.73 417	0.78 147	2.55 73	2.70 194	2.47 317	1.57 121	1.48 126	1.03 92	1.71 91	1.55 181	0.48 298	0.21 40	0.34 215	0.30 206	0.31 66	0.42 95

DeepStereo_RVC	2.42 145	0.70 81	18.41 186	0.79 26	0.43 29	4.50 371	0.70 100	2.51 61	3.51 344	2.02 181	1.79 185	1.54 129	6.35 419	1.93 124	1.22 110	0.47 290	0.22 55	0.29 105	0.29 188	0.35 141	0.40 83

pcwnet_v2	2.73 229	0.70 81	22.43 453	1.11 165	1.02 232	3.58 172	0.80 162	4.31 350	3.42 330	2.39 302	2.28 309	2.99 303	1.68 255	3.31 212	1.54 178	0.44 262	0.51 299	0.41 289	0.34 252	0.62 323	0.74 239

XX-Stereo	2.66 208	0.70 81	21.17 414	2.33 406	1.24 290	4.31 343	0.45 18	4.48 393	1.60 46	2.39 302	1.89 228	4.60 405	0.60 10	4.17 232	1.11 93	0.34 146	0.26 133	0.29 105	0.29 188	0.53 292	0.43 101

RAStereo	1.53 37	0.71 86	17.55 167	0.62 1	0.65 117	1.18 7	0.32 3	1.94 25	1.15 2	0.80 12	1.07 25	0.64 9	0.47 2	0.89 1	1.01 80	0.25 10	0.20 21	0.27 63	0.21 36	0.36 159	0.27 9

PCWNet_CMD	2.16 82	0.71 86	15.44 119	0.84 35	0.76 154	3.38 131	0.68 90	3.69 175	2.24 127	1.72 117	1.63 138	3.20 319	3.00 361	2.09 136	1.23 113	0.32 102	0.37 213	0.47 320	0.27 129	0.65 338	0.51 148

IRAFT_RVC	2.74 230	0.71 86	19.80 250	2.52 415	0.67 125	4.60 392	1.57 347	3.05 113	2.99 240	2.23 248	1.72 162	2.08 221	2.59 341	6.69 280	1.61 196	0.37 193	0.21 40	0.33 197	0.29 188	0.33 105	0.35 43

MSMDNet	2.16 82	0.71 86	15.36 117	0.86 44	0.75 150	3.41 137	0.69 98	3.70 178	2.25 130	1.73 119	1.64 143	3.21 320	2.95 353	2.09 136	1.24 118	0.32 102	0.37 213	0.45 312	0.27 129	0.63 329	0.50 142

model_zeroshot	2.43 146	0.72 90	19.99 271	1.24 224	1.23 287	3.70 199	0.63 70	3.76 187	1.61 52	2.79 354	1.41 86	2.24 229	0.82 55	2.87 202	1.22 110	0.33 125	0.52 302	0.30 126	0.25 96	0.28 29	2.59 362

test_sample1	2.29 113	0.72 90	5.74 43	1.51 324	0.86 184	2.35 63	0.64 75	4.07 256	3.45 337	2.01 179	1.51 100	1.70 146	1.71 262	9.53 330	1.73 226	0.31 86	0.97 356	0.31 145	0.31 222	0.33 105	6.12 411

11t1	2.82 243	0.72 90	17.81 177	1.60 343	0.93 212	2.27 60	0.62 65	3.76 187	4.47 400	1.72 117	1.33 68	1.05 71	1.34 165	1.84 116	1.45 166	0.29 46	5.57 430	0.29 105	0.26 113	0.32 84	8.80 430

test-1	1.81 53	0.72 90	9.51 64	1.02 136	1.57 349	3.85 227	0.60 52	4.07 256	1.51 22	1.94 152	1.81 195	2.04 215	0.91 73	1.39 53	1.73 226	0.27 27	0.93 350	0.31 145	0.25 96	0.29 44	1.37 306

ICVP	2.19 88	0.72 90	19.18 210	1.03 140	0.88 196	4.22 326	0.94 241	3.44 151	1.69 66	1.68 108	1.76 172	1.35 108	1.19 145	1.80 109	1.40 153	0.58 345	0.37 213	0.34 215	0.30 206	0.41 212	0.59 190
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rvit_stereo_0083	0.91 5	0.73 95	1.60 10	0.90 67	0.66 121	1.21 8	0.64 75	1.75 17	2.71 195	0.83 17	0.93 15	0.94 60	1.06 110	1.50 69	0.79 24	0.34 146	0.36 207	0.30 126	0.27 129	0.34 127	0.34 37

rvit_stereo_0081	0.87 3	0.73 95	1.54 5	0.92 79	0.65 117	1.27 16	0.61 55	2.11 38	2.35 151	0.86 21	0.75 4	0.86 46	0.74 33	1.36 47	0.83 35	0.33 125	0.26 133	0.27 63	0.25 96	0.38 174	0.35 43

rvit_stereo_0082	0.87 3	0.73 95	1.54 5	0.92 79	0.65 117	1.27 16	0.61 55	2.11 38	2.35 151	0.86 21	0.75 4	0.86 46	0.74 33	1.36 47	0.83 35	0.33 125	0.26 133	0.27 63	0.25 96	0.38 174	0.35 43

SMFormer	2.40 137	0.73 95	8.34 56	1.41 293	0.61 96	2.04 46	0.72 108	4.30 340	4.43 395	2.41 307	2.40 326	1.94 195	1.52 211	10.99 379	3.10 336	0.35 161	0.84 344	0.36 247	0.33 243	0.40 192	0.77 243

tta	2.44 148	0.73 95	8.34 56	1.41 293	0.61 96	2.04 46	0.72 108	4.30 340	4.43 395	2.41 307	2.40 326	1.94 195	1.52 211	10.99 379	3.10 336	0.35 161	0.84 344	0.36 247	0.33 243	0.31 66	1.75 331

qqq1	2.35 126	0.73 95	8.34 56	1.41 293	0.61 96	2.04 46	0.72 108	4.30 340	4.43 395	2.41 307	2.40 326	1.94 195	1.52 211	10.99 379	1.36 145	0.35 161	0.84 344	0.30 126	0.25 96	0.31 66	1.75 331

fff1	2.35 126	0.73 95	8.34 56	1.41 293	0.61 96	2.04 46	0.72 108	4.30 340	4.43 395	2.41 307	2.40 326	1.94 195	1.52 211	10.99 379	1.36 145	0.35 161	0.84 344	0.30 126	0.25 96	0.31 66	1.75 331

CASS	1.65 45	0.73 95	8.72 60	0.97 115	0.67 125	2.88 84	0.69 98	3.07 115	1.86 83	2.82 359	2.02 255	1.39 114	1.55 219	1.75 101	1.36 145	0.51 320	0.28 151	0.34 215	0.28 155	0.47 273	0.63 205
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
IPLGR	2.61 191	0.73 95	20.72 370	0.87 51	0.54 69	4.58 388	0.52 32	4.32 358	2.79 207	1.91 142	1.54 112	1.72 150	1.71 262	6.94 291	1.43 158	0.31 86	0.21 40	0.27 63	0.24 85	0.34 127	0.48 132

Occ-G	2.25 99	0.74 104	13.22 83	0.90 67	0.89 197	1.52 28	0.78 147	1.82 20	2.87 225	1.65 103	0.89 14	2.18 225	0.89 69	1.04 5	1.69 214	0.28 38	0.27 143	0.26 49	0.19 12	0.25 7	12.70 440

gcap-zeroshot	2.25 99	0.74 104	19.48 227	0.97 115	1.18 271	3.50 157	0.83 174	3.21 125	2.66 190	1.86 137	1.23 49	3.24 322	0.88 66	1.92 121	0.94 59	0.34 146	0.43 257	0.28 89	0.22 59	0.29 44	0.83 255

Patchmatch Stereo++	2.28 110	0.74 104	20.54 343	0.77 15	0.38 8	4.67 402	0.75 134	2.55 73	3.21 278	2.00 170	1.53 102	1.77 161	1.14 132	2.46 170	0.98 71	0.51 320	0.23 79	0.32 163	0.28 155	0.40 192	0.35 43
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	2.26 103	0.74 104	20.53 342	0.77 15	0.38 8	4.67 402	0.71 105	2.54 66	3.22 284	2.00 170	1.53 102	1.77 161	1.13 126	2.22 156	0.96 66	0.50 314	0.23 79	0.32 163	0.28 155	0.40 192	0.35 43

ROB_FTStereo_v2	2.25 99	0.74 104	20.45 327	0.77 15	0.38 8	4.66 401	0.74 124	2.54 66	3.20 275	2.00 170	1.53 102	1.77 161	1.14 132	2.13 142	0.96 66	0.50 314	0.22 55	0.32 163	0.28 155	0.40 192	0.35 43

ROB_FTStereo	2.26 103	0.74 104	20.44 325	0.77 15	0.38 8	4.65 399	0.75 134	2.54 66	3.19 274	2.00 170	1.54 112	1.77 161	1.13 126	2.28 162	0.94 59	0.49 304	0.22 55	0.32 163	0.28 155	0.40 192	0.35 43

HUI-Stereo	2.27 106	0.74 104	20.56 347	0.77 15	0.38 8	4.67 402	0.78 147	2.54 66	3.23 287	2.00 170	1.53 102	1.77 161	1.13 126	2.21 155	0.93 53	0.49 304	0.23 79	0.32 163	0.28 155	0.40 192	0.35 43

iGMRVC	2.27 106	0.74 104	20.46 328	0.77 15	0.38 8	4.65 399	0.73 115	2.54 66	3.21 278	2.00 170	1.53 102	1.77 161	1.14 132	2.47 173	0.99 73	0.51 320	0.23 79	0.32 163	0.28 155	0.40 192	0.35 43

iRAFT	2.28 110	0.74 104	20.54 343	0.77 15	0.38 8	4.67 402	0.75 134	2.55 73	3.21 278	2.00 170	1.53 102	1.77 161	1.14 132	2.46 170	0.98 71	0.51 320	0.23 79	0.32 163	0.28 155	0.40 192	0.35 43

RAFT-IKP	2.27 106	0.74 104	20.55 345	0.77 15	0.38 8	4.64 398	0.73 115	2.54 66	3.21 278	2.00 170	1.53 102	1.77 161	1.13 126	2.25 161	1.00 76	0.51 320	0.22 55	0.32 163	0.28 155	0.40 192	0.35 43

CFNet_pseudo	2.03 70	0.74 104	12.75 79	0.87 51	0.74 145	3.91 242	0.65 79	4.04 249	1.93 90	1.93 146	1.79 185	3.25 324	1.61 231	2.51 175	1.25 124	0.32 102	0.37 213	0.53 352	0.28 155	0.64 332	0.50 142

HCRNet	2.24 97	0.74 104	14.54 104	0.82 33	1.36 310	4.11 287	0.70 100	3.61 164	3.03 252	1.83 136	1.61 130	1.58 131	1.40 177	5.79 255	1.60 194	0.35 161	0.28 151	0.36 247	0.29 188	0.34 127	0.46 117

ccs_rob	2.03 70	0.74 104	12.67 78	0.87 51	0.75 150	3.91 242	0.66 80	4.04 249	1.93 90	1.92 145	1.79 185	3.24 322	1.63 242	2.52 179	1.25 124	0.32 102	0.37 213	0.54 360	0.28 155	0.66 342	0.51 148

test_sample3	2.65 203	0.75 117	15.69 124	1.42 300	0.85 180	3.14 103	0.73 115	4.28 336	3.21 278	2.28 262	1.79 185	1.78 169	1.46 195	11.11 388	1.84 246	0.36 182	0.46 273	0.34 215	0.36 274	0.40 192	0.76 242

testlalala2	2.47 154	0.75 117	20.46 328	2.58 419	2.91 422	3.80 217	0.76 141	4.20 306	3.87 368	1.45 85	1.57 121	2.43 254	0.80 51	1.23 20	0.71 9	0.28 38	0.33 184	0.24 21	0.21 36	0.35 141	0.38 72

ttt	4.23 378	0.75 117	19.96 267	1.48 317	1.31 302	3.69 195	0.87 196	4.65 416	5.33 427	2.45 315	2.39 324	2.44 256	1.54 216	11.35 398	16.49 430	0.43 254	4.35 424	0.37 258	0.35 265	0.41 212	4.01 395

IGEV_Zeroshot_test	2.66 208	0.75 117	21.55 432	1.50 322	0.89 197	2.21 56	0.90 218	3.52 154	1.83 79	2.17 227	1.57 121	4.09 377	1.60 226	1.73 98	1.21 108	0.32 102	0.33 184	0.28 89	0.30 206	0.44 244	6.09 410

EKT-Stereo	7.93 444	0.75 117	21.17 414	1.84 380	109.80 481	4.51 375	0.61 55	4.13 282	1.59 41	1.89 140	1.24 50	1.96 204	1.35 166	4.02 228	1.36 145	0.42 238	0.31 172	0.29 105	0.27 129	0.35 141	0.78 246

CFNet_ucs	2.32 119	0.75 117	17.05 156	0.90 67	0.81 165	3.86 230	0.68 90	4.31 350	2.68 191	2.13 214	2.04 259	3.30 326	1.24 151	2.63 185	1.23 113	0.37 193	0.46 273	0.56 364	0.30 206	0.67 344	0.53 161

GwcNet-ADL	2.51 159	0.75 117	21.41 428	0.98 119	0.73 141	4.58 388	0.95 245	4.46 392	2.61 184	2.06 194	1.80 190	2.54 264	1.24 151	1.98 130	1.73 226	0.41 228	0.46 273	0.24 21	0.27 129	0.41 212	0.55 169

CrosDoStereo	5.27 411	0.75 117	20.07 278	0.85 40	0.53 66	3.40 134	18.03 461	3.90 213	3.29 300	1.99 166	8.27 430	1.95 199	6.95 428	7.34 296	25.94 466	0.33 125	0.22 55	0.30 126	0.28 155	0.35 141	0.61 198

DeepStereo_LL	5.27 411	0.75 117	20.07 278	0.85 40	0.53 66	3.40 134	18.03 461	3.90 213	3.29 300	1.99 166	8.27 430	1.95 199	6.95 428	7.34 296	25.94 466	0.33 125	0.22 55	0.30 126	0.28 155	0.35 141	0.61 198

SFCPSM	2.16 82	0.75 117	15.82 126	0.91 71	0.98 222	3.74 205	1.27 310	4.15 290	2.56 178	1.90 141	1.82 197	1.64 138	1.39 173	2.51 175	1.57 185	0.36 182	0.28 151	0.39 278	0.36 274	0.36 159	0.50 142

rvit_stereo_0075_2	2.14 80	0.76 127	21.42 429	0.91 71	1.26 293	2.49 70	0.68 90	2.30 47	2.10 106	1.42 79	1.86 220	1.45 123	0.85 59	1.49 65	1.03 81	0.47 290	0.40 238	0.48 325	0.38 293	0.47 273	0.53 161

test_sample6	2.71 222	0.76 127	14.30 98	1.43 306	0.83 170	3.17 105	0.79 154	4.40 379	4.65 409	2.35 288	2.13 278	1.69 143	1.45 190	11.48 404	1.99 266	0.39 215	0.46 273	0.38 273	0.40 309	0.43 231	0.77 243

test_sample5	2.68 215	0.76 127	14.56 105	1.40 289	0.83 170	3.11 100	0.74 124	4.33 361	4.48 401	2.29 266	2.04 259	1.67 139	1.45 190	11.18 391	1.88 250	0.37 193	0.47 283	0.37 258	0.39 300	0.43 231	0.78 246

test_sample4	2.68 215	0.76 127	15.85 127	1.45 309	0.83 170	3.10 97	0.72 108	4.31 350	3.37 318	2.39 302	1.90 236	1.72 150	1.47 200	11.13 390	1.86 248	0.36 182	0.47 283	0.35 233	0.37 284	0.42 221	0.85 261

DualNet	2.68 215	0.76 127	14.56 105	1.40 289	0.83 170	3.11 100	0.74 124	4.33 361	4.48 401	2.35 288	2.13 278	1.67 139	1.45 190	11.18 391	1.88 250	0.37 193	0.47 283	0.37 258	0.39 300	0.43 231	0.78 246

DAS	2.52 161	0.76 127	7.72 52	1.16 190	1.64 365	2.96 90	2.10 386	4.14 286	3.31 306	4.16 417	2.51 343	2.56 268	1.81 277	11.54 406	1.83 244	0.44 262	0.23 79	0.39 278	0.25 96	0.42 221	0.45 109

SepStereo	2.36 128	0.76 127	7.72 52	1.16 190	1.64 365	2.96 90	2.10 386	4.14 286	3.31 306	4.16 417	2.51 343	2.56 268	1.81 277	8.34 311	1.83 244	0.44 262	0.23 79	0.39 278	0.25 96	0.42 221	0.45 109

HHNet	2.51 159	0.76 127	20.83 377	0.67 6	0.67 125	4.07 278	0.90 218	3.85 206	1.59 41	2.14 216	4.91 416	0.98 63	3.32 375	1.73 98	1.80 239	0.41 228	0.20 21	0.31 145	0.28 155	0.38 174	0.44 105

CAS++	1.01 12	0.77 135	3.30 23	0.86 44	0.53 66	1.23 13	0.85 188	3.43 149	1.57 35	1.16 56	1.33 68	0.62 7	0.58 8	1.18 15	0.63 3	0.37 193	0.30 166	0.35 233	0.27 129	0.41 212	0.38 72
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
testlalala_base	2.69 219	0.77 135	21.10 405	1.22 216	1.46 327	2.72 77	0.83 174	4.11 273	1.49 17	1.28 69	1.45 93	1.21 95	0.85 59	1.28 28	1.19 105	3.94 450	2.36 398	0.27 63	0.19 12	4.48 452	1.58 323

UGAM	2.78 239	0.78 137	19.69 242	0.93 84	0.73 141	3.27 117	1.02 260	2.88 97	3.06 260	1.40 75	2.76 367	3.51 346	1.28 156	10.74 369	1.44 162	0.30 70	0.30 166	0.40 283	0.33 243	0.37 164	0.49 137

hknet	2.34 124	0.78 137	13.86 90	0.94 91	1.07 247	4.18 312	1.14 288	4.49 394	3.00 242	2.96 372	1.82 197	3.47 337	1.30 161	4.11 231	1.77 233	0.35 161	0.25 112	0.31 145	0.28 155	0.38 174	0.41 88

PSMNet-ADL	2.01 66	0.78 137	2.89 22	1.11 165	0.86 184	4.13 292	0.80 162	3.84 204	2.26 133	1.74 122	1.87 224	2.90 298	1.81 277	10.37 361	2.34 301	0.49 304	0.47 283	0.29 105	0.30 206	0.39 188	0.56 172

GCAP-BAT	2.74 230	0.79 140	19.74 248	1.06 152	0.85 180	4.25 333	0.91 228	2.80 91	1.83 79	2.14 216	2.08 272	2.55 265	0.80 51	1.87 119	1.41 154	0.35 161	7.97 439	0.24 21	0.22 59	0.27 21	2.72 366

GES	2.26 103	0.79 140	19.68 241	1.12 175	0.59 89	4.30 340	1.01 257	3.90 213	1.59 41	1.78 127	1.78 182	1.28 100	1.75 266	1.80 109	1.61 196	0.42 238	0.29 156	0.33 197	0.31 222	0.45 252	0.50 142

mmm	2.70 220	0.80 142	8.26 55	1.50 322	1.18 271	2.44 69	0.85 188	4.08 264	4.59 404	2.31 271	1.95 245	1.51 127	1.55 219	2.33 166	1.72 223	0.31 86	7.71 438	0.45 312	0.42 323	0.40 192	9.56 432

GANet-ADL	2.25 99	0.80 142	20.17 290	1.28 245	0.69 138	3.83 222	0.75 134	3.63 166	1.83 79	1.68 108	2.04 259	2.09 222	1.10 120	1.63 78	1.43 158	0.42 238	0.33 184	0.26 49	0.23 71	0.43 231	0.41 88

Anonymous3	2.20 92	0.80 142	20.08 283	0.86 44	0.86 184	4.46 362	0.84 183	3.64 168	1.40 8	1.37 73	1.40 82	1.11 76	1.03 92	1.71 91	1.24 118	0.75 384	0.58 314	0.34 215	0.35 265	0.48 280	0.65 213

test_sample7	2.85 246	0.81 145	14.48 103	1.59 342	0.77 157	2.42 68	1.08 273	4.40 379	4.92 419	2.20 241	1.85 215	1.90 188	2.00 296	6.87 287	1.75 231	0.47 290	1.36 371	0.44 305	0.41 319	0.47 273	6.81 416

ff7	2.60 187	0.81 145	16.25 136	0.89 58	0.56 77	4.55 383	0.83 174	1.68 9	3.44 331	0.88 28	1.10 29	0.70 18	0.78 41	1.93 124	0.93 53	0.29 46	0.37 213	0.29 105	0.21 36	0.33 105	15.08 453

ffff	2.60 187	0.81 145	16.25 136	0.89 58	0.56 77	4.55 383	0.83 174	1.68 9	3.44 331	0.88 28	1.10 29	0.70 18	0.78 41	1.93 124	0.93 53	0.29 46	0.37 213	0.29 105	0.21 36	0.33 105	15.08 453

11t	2.60 187	0.81 145	16.25 136	0.89 58	0.56 77	4.55 383	0.83 174	1.68 9	3.44 331	0.88 28	1.10 29	0.70 18	0.78 41	1.93 124	0.93 53	0.29 46	0.37 213	0.29 105	0.21 36	0.33 105	15.08 453

ccc-4	2.60 187	0.81 145	16.25 136	0.89 58	0.56 77	4.55 383	0.83 174	1.68 9	3.44 331	0.88 28	1.10 29	0.70 18	0.78 41	1.93 124	0.93 53	0.29 46	0.37 213	0.29 105	0.21 36	0.33 105	15.08 453

H2IRNET	2.19 88	0.83 150	19.13 206	1.25 238	0.61 96	4.48 369	0.44 17	2.94 101	1.86 83	1.08 51	2.29 311	1.67 139	1.40 177	2.18 150	1.64 204	0.41 228	0.21 40	0.33 197	0.37 284	0.38 174	0.39 80

anonymousdsp	3.14 289	0.83 150	20.28 306	0.94 91	0.64 112	4.54 377	0.82 170	2.03 33	3.32 311	0.91 35	1.13 35	0.78 31	0.77 39	1.78 102	0.90 49	0.29 46	0.25 112	0.29 105	0.21 36	0.33 105	21.81 472

anonymousa	3.14 289	0.83 150	19.20 212	1.62 347	9.63 458	2.06 50	0.78 147	2.93 99	2.20 122	1.95 157	2.17 286	3.41 334	1.81 277	1.33 39	1.67 209	0.29 46	8.64 445	0.34 215	0.37 284	0.32 84	1.33 304

x	2.94 261	0.83 150	16.07 130	1.51 324	0.83 170	2.13 53	0.96 250	3.97 230	4.73 411	1.73 119	1.43 88	1.61 134	1.27 153	2.24 158	1.71 220	0.29 46	6.91 435	0.34 215	0.31 222	0.34 127	9.60 433

IGEV-Stereo	3.15 292	0.83 150	20.31 313	0.94 91	0.64 112	4.54 377	0.82 170	2.01 31	3.31 306	0.91 35	1.13 35	0.79 34	0.77 39	1.79 103	0.92 52	0.29 46	0.25 112	0.29 105	0.21 36	0.33 105	21.85 473
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
Former-RAFT_DAM_RVC	0.99 6	0.85 155	1.58 9	0.95 101	1.08 250	2.95 89	0.53 33	1.93 24	2.00 99	1.19 58	1.63 138	0.59 4	0.65 19	1.10 8	0.90 49	0.28 38	0.23 79	0.31 145	0.25 96	0.45 252	0.32 22

xxxx	4.25 379	0.86 156	14.59 107	1.30 254	1.16 267	3.51 160	0.63 70	4.56 405	5.42 433	2.33 284	2.29 311	2.04 215	1.39 173	10.23 355	18.00 449	0.33 125	7.15 437	0.31 145	0.30 206	0.35 141	8.33 426

UPFNet	2.23 95	0.86 156	14.25 97	1.28 245	1.44 325	3.51 160	1.34 317	4.05 252	2.11 111	2.44 314	1.53 102	2.41 250	1.39 173	3.62 219	1.91 257	0.41 228	0.41 245	0.37 258	0.32 235	0.44 244	0.48 132

SGM-Forest	4.96 407	0.86 156	21.02 391	1.22 216	0.83 170	4.05 274	3.26 420	4.40 379	3.49 343	4.40 422	3.69 401	4.66 409	13.91 454	11.94 422	17.16 442	0.66 362	0.46 273	0.49 338	0.39 300	0.49 284	1.77 335
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TransformOpticalFlow	3.07 279	0.87 159	20.87 382	1.10 161	0.56 77	4.18 312	0.64 75	4.36 369	3.28 295	2.19 235	3.08 382	4.32 393	5.01 406	7.36 298	1.59 190	0.34 146	0.18 6	0.32 163	0.26 113	0.29 44	0.57 176

TANstereo	1.98 58	0.87 159	20.35 316	0.80 27	0.37 7	4.05 274	0.38 7	1.50 4	1.65 60	2.03 186	2.16 285	0.84 41	0.93 77	1.09 7	0.68 6	0.30 70	0.36 207	0.24 21	0.20 27	0.26 16	0.46 117

ac_64	2.93 257	0.87 159	19.66 234	1.35 269	1.70 376	3.29 123	0.92 234	3.56 157	3.46 339	1.91 142	1.79 185	3.90 367	1.76 268	10.23 355	1.93 262	0.44 262	0.32 178	0.33 197	0.31 222	0.35 141	0.51 148

qqq	2.96 265	0.88 162	15.54 122	1.27 243	0.74 145	2.29 61	0.90 218	4.07 256	4.63 405	1.63 99	1.32 67	1.78 169	1.36 167	5.19 243	1.68 211	0.29 46	6.43 433	0.33 197	0.36 274	0.35 141	8.09 420

222	3.82 359	0.88 162	6.92 50	1.15 185	0.99 224	3.27 117	0.64 75	4.57 407	5.37 430	2.43 311	2.32 316	1.41 117	1.44 188	10.64 366	18.51 453	0.32 102	4.89 427	0.32 163	0.30 206	0.34 127	9.80 434

FAT-Stereo	3.38 327	0.88 162	19.96 267	1.28 245	1.20 279	3.44 142	1.97 375	4.26 333	3.15 272	3.14 384	3.92 405	3.50 343	3.28 373	11.68 414	2.04 277	0.65 361	0.68 330	0.48 325	0.54 362	0.63 329	0.91 270

plain	2.00 63	0.89 165	21.49 430	0.67 6	0.73 141	1.66 33	0.57 40	3.27 135	2.18 118	0.80 12	1.25 54	0.80 36	0.86 62	1.72 95	1.13 94	0.34 146	0.21 40	0.32 163	0.25 96	0.44 244	0.34 37

ToySt	2.53 165	0.89 165	19.20 212	1.12 175	0.95 218	3.47 148	1.13 286	3.72 181	2.25 130	1.36 72	1.71 160	2.22 228	1.59 225	2.14 145	1.81 243	0.28 38	0.64 324	0.30 126	0.33 243	0.43 231	5.14 404

CRFU-Net	2.56 179	0.89 165	10.77 69	2.53 416	1.09 253	3.91 242	1.40 326	3.87 208	1.92 89	2.25 251	1.80 190	3.32 329	7.85 434	5.53 252	1.54 178	0.58 345	0.36 207	0.31 145	0.28 155	0.39 188	0.56 172

NINENet	2.59 184	0.89 165	16.09 131	1.16 190	1.07 247	4.50 371	0.75 134	4.43 386	2.61 184	2.18 230	1.91 237	3.61 353	1.03 92	7.92 306	1.18 102	0.49 304	0.34 192	0.41 289	0.30 206	0.42 221	0.44 105

NOSS_ROB	3.12 286	0.89 165	19.03 203	2.01 393	1.07 247	3.90 239	0.97 252	4.32 358	3.08 262	2.94 369	2.19 294	3.85 366	1.18 143	11.75 417	1.69 214	0.69 367	0.54 303	0.57 367	0.52 357	0.57 308	0.72 230

MoCha-V2	3.53 342	0.90 170	17.00 154	1.32 263	8.54 457	1.38 23	0.55 36	2.89 98	3.31 306	0.99 46	1.82 197	0.66 12	1.16 139	1.79 103	0.84 38	0.26 19	15.15 466	0.20 1	0.20 27	0.25 7	11.33 439

AdaStereo	2.22 94	0.90 170	16.41 145	1.33 266	0.83 170	3.21 107	1.12 284	4.25 332	2.91 232	2.06 194	1.76 172	2.47 258	1.17 140	1.93 124	1.65 207	0.50 314	0.26 133	0.43 303	0.29 188	0.46 261	0.39 80
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.
CBMV_ROB	4.57 395	0.90 170	21.30 423	1.46 311	0.89 197	4.43 359	1.69 360	4.51 399	3.14 270	5.97 437	4.23 408	4.16 382	7.83 433	11.06 383	16.47 429	0.61 350	0.55 305	0.53 352	0.51 356	0.56 304	0.59 190

IGEV++	3.59 344	0.91 173	13.63 85	1.08 157	0.98 222	1.27 16	0.98 254	3.33 140	1.89 87	0.93 38	1.38 79	0.86 46	1.09 115	1.71 91	1.09 91	0.36 182	21.52 477	0.23 9	0.21 36	0.31 66	18.10 469

CoDeX	2.47 154	0.91 173	13.65 86	1.03 140	1.17 269	3.28 120	1.30 312	4.17 296	2.99 240	1.78 127	1.85 215	2.04 215	1.46 195	9.99 348	1.66 208	0.38 208	0.28 151	0.32 163	0.28 155	0.34 127	0.57 176

HH	3.19 299	0.91 173	21.34 424	1.24 224	0.61 96	4.16 303	0.80 162	2.94 101	1.82 77	1.23 65	1.84 211	4.61 406	1.84 283	2.63 185	0.99 73	0.29 46	1.53 376	0.30 126	0.24 85	0.34 127	14.22 448

HanStereo	3.19 299	0.91 173	21.34 424	1.24 224	0.61 96	4.16 303	0.80 162	2.94 101	1.82 77	1.23 65	1.84 211	4.61 406	1.84 283	2.63 185	0.99 73	0.29 46	1.53 376	0.30 126	0.24 85	0.34 127	14.22 448

ProNet	1.63 41	0.91 173	5.70 42	0.96 108	0.64 112	2.40 67	0.82 170	1.92 23	3.28 295	0.69 2	1.17 41	0.78 31	0.76 38	1.72 95	0.87 43	0.27 27	0.97 356	0.25 32	0.26 113	0.31 66	7.97 419

IER	2.09 76	0.91 173	14.11 95	0.97 115	1.15 266	3.17 105	0.89 203	3.59 160	2.39 154	2.15 221	1.98 250	2.27 232	2.11 306	2.39 169	1.80 239	0.35 161	0.24 99	0.36 247	0.30 206	0.34 127	0.42 95

UNet	2.53 165	0.91 173	20.07 278	1.19 205	1.44 325	3.45 145	0.75 134	3.80 197	1.98 96	2.09 206	1.57 121	2.74 284	2.37 327	3.51 215	2.52 314	0.35 161	0.30 166	0.41 289	0.28 155	0.40 192	0.50 142

WCG-NET（raft）	1.44 34	0.92 180	1.56 7	0.89 58	0.32 2	1.43 25	0.97 252	1.69 15	2.42 160	1.68 108	1.44 90	2.37 245	1.01 90	1.33 39	0.85 39	0.25 10	8.56 442	0.22 5	0.21 36	0.28 29	0.32 22

GMOStereo	2.64 199	0.92 180	19.83 254	0.81 28	0.68 132	3.22 109	0.89 203	2.94 101	1.48 12	2.36 294	1.54 112	1.75 154	1.04 99	1.33 39	1.15 97	0.26 19	11.32 458	0.35 233	0.28 155	0.35 141	0.33 29

error version	2.64 199	0.92 180	19.83 254	0.81 28	0.68 132	3.22 109	0.89 203	2.94 101	1.48 12	2.36 294	1.54 112	1.75 154	1.04 99	1.33 39	1.15 97	0.26 19	11.32 458	0.35 233	0.28 155	0.35 141	0.33 29

test-v	2.64 199	0.92 180	19.83 254	0.81 28	0.68 132	3.22 109	0.89 203	2.94 101	1.48 12	2.36 294	1.54 112	1.75 154	1.04 99	1.33 39	1.15 97	0.26 19	11.32 458	0.35 233	0.28 155	0.35 141	0.33 29

test-2	2.64 199	0.92 180	19.83 254	0.81 28	0.68 132	3.22 109	0.89 203	2.94 101	1.48 12	2.36 294	1.54 112	1.75 154	1.04 99	1.33 39	1.15 97	0.26 19	11.32 458	0.35 233	0.28 155	0.35 141	0.33 29

tt1	3.79 358	0.93 185	15.34 116	1.83 379	0.45 35	4.54 377	0.78 147	4.23 317	4.73 411	1.27 68	1.89 228	0.74 28	1.48 201	2.29 163	0.78 17	0.30 70	19.28 474	0.32 163	0.22 59	0.31 66	14.02 445

sCroCo_RVC	1.81 53	0.93 185	19.44 225	1.04 144	1.05 244	0.97 4	0.61 55	2.08 35	1.36 5	0.71 5	1.28 60	0.82 40	1.10 120	1.31 35	0.97 69	0.54 335	0.41 245	0.33 197	0.30 206	0.46 261	0.48 132

test_xeample	4.19 375	0.93 185	14.09 94	1.16 190	1.17 269	3.28 120	0.80 162	4.63 414	5.30 426	2.46 316	2.35 318	1.39 114	1.42 184	10.88 374	17.68 447	0.30 70	6.50 434	0.32 163	0.32 235	0.36 159	8.38 428

WCG-NET	1.06 14	0.94 188	1.57 8	0.96 108	0.84 178	2.01 45	0.63 70	3.16 121	2.30 144	1.70 114	1.10 29	1.31 104	1.05 107	1.26 24	0.66 5	0.29 46	0.19 10	0.22 5	0.20 27	0.27 21	0.51 148

ACVNet-DCA	3.67 350	0.94 188	19.66 234	1.87 381	0.42 25	4.47 365	0.73 115	4.07 256	4.63 405	1.21 59	1.89 228	0.73 23	1.62 239	2.20 152	0.81 28	0.31 86	18.77 467	0.32 163	0.21 36	0.35 141	8.09 420

xx1	3.69 353	0.94 188	19.66 234	1.87 381	0.42 25	4.47 365	0.73 115	4.24 323	4.01 373	1.21 59	1.89 228	1.78 169	1.36 167	2.20 152	0.81 28	0.31 86	18.77 467	0.33 197	0.36 274	0.35 141	8.09 420

1test111	3.86 362	0.94 188	19.66 234	1.87 381	0.42 25	4.47 365	0.73 115	4.07 256	4.63 405	1.21 59	1.89 228	0.73 23	1.62 239	5.19 243	1.68 211	0.31 86	18.77 467	0.32 163	0.21 36	0.35 141	8.09 420

cc1	3.93 367	0.94 188	19.66 234	1.87 381	0.42 25	4.47 365	0.73 115	4.24 323	4.01 373	1.21 59	1.89 228	0.73 23	1.62 239	2.20 152	0.81 28	0.31 86	18.77 467	0.32 163	0.21 36	0.32 84	13.93 444

DCRE	3.02 272	0.95 193	18.48 188	1.18 201	1.89 392	3.57 170	0.82 170	3.36 143	1.70 67	2.04 189	8.12 428	1.73 153	1.07 113	1.31 35	1.24 118	0.24 5	0.87 348	0.26 49	0.27 129	0.28 29	11.03 438

STrans-v2	3.11 283	0.95 193	20.80 375	0.86 44	0.64 112	3.90 239	1.01 257	4.30 340	3.61 349	2.28 262	3.65 399	4.11 380	5.17 408	7.32 295	1.63 201	0.34 146	0.18 6	0.29 105	0.26 113	0.30 59	0.65 213

fff	2.40 137	0.96 195	20.47 331	0.84 35	0.38 8	4.15 300	0.57 40	4.30 340	2.85 217	2.31 271	1.82 197	1.19 89	2.98 357	1.68 82	1.57 185	0.35 161	0.24 99	0.23 9	0.19 12	0.25 7	0.57 176

csc	2.40 137	0.96 195	20.47 331	0.84 35	0.38 8	4.15 300	0.57 40	4.30 340	2.85 217	2.31 271	1.82 197	1.19 89	2.98 357	1.68 82	1.57 185	0.35 161	0.24 99	0.23 9	0.19 12	0.25 7	0.57 176

cscssc	2.40 137	0.96 195	20.47 331	0.84 35	0.38 8	4.15 300	0.57 40	4.30 340	2.85 217	2.31 271	1.82 197	1.19 89	2.98 357	1.68 82	1.57 185	0.35 161	0.24 99	0.23 9	0.19 12	0.25 7	0.57 176

S-Stereo	3.51 341	0.96 195	22.00 444	1.38 281	1.50 332	3.55 167	2.49 400	4.27 335	3.00 242	2.38 300	3.94 406	3.73 358	1.84 283	11.89 421	2.59 316	0.64 359	0.71 335	0.49 338	0.81 397	0.68 349	1.31 302

ADStereo(finetuned)	2.30 117	0.97 199	17.29 162	0.86 44	0.43 29	4.17 308	0.59 48	4.31 350	3.29 300	2.35 288	1.86 220	1.18 85	3.35 378	1.69 87	1.59 190	0.34 146	0.25 112	0.23 9	0.19 12	0.31 66	0.72 230

ACVNet	2.40 137	0.97 199	20.20 293	0.94 91	0.86 184	4.22 326	0.79 154	2.97 110	2.85 217	1.93 146	1.91 237	3.07 311	1.46 195	1.52 70	2.37 305	0.33 125	0.27 143	0.30 126	0.27 129	0.42 221	0.35 43

acv_ft	2.45 150	0.97 199	19.57 231	1.15 185	2.01 399	2.97 93	0.96 250	3.88 209	2.85 217	2.34 286	1.91 237	3.07 311	1.65 251	1.52 70	2.26 295	0.33 125	0.27 143	0.30 126	0.27 129	0.42 221	0.35 43

FC-DCNN v2	7.41 442	0.98 202	22.19 448	1.75 373	1.64 365	8.98 451	2.37 396	7.60 448	9.44 451	11.09 462	11.95 451	20.04 460	16.35 457	12.99 441	17.14 441	0.72 376	0.57 307	0.59 370	0.57 369	0.64 332	0.68 220

ffm	4.27 382	0.98 202	21.04 393	1.24 224	1.03 236	3.64 184	0.87 196	4.23 317	4.73 411	2.31 271	2.40 326	3.49 339	1.64 245	2.29 163	0.78 17	0.30 70	19.28 474	0.48 325	0.40 309	0.31 66	14.02 445

ff1	5.58 414	0.98 202	21.04 393	1.24 224	1.03 236	3.64 184	0.87 196	4.23 317	4.73 411	2.31 271	2.40 326	3.49 339	1.64 245	12.40 428	16.90 434	0.30 70	19.28 474	0.48 325	0.40 309	0.31 66	14.02 445

mmx	4.56 393	0.98 202	21.04 393	1.24 224	1.03 236	3.64 184	0.87 196	4.53 401	5.34 428	2.31 271	2.40 326	3.49 339	1.64 245	12.40 428	16.90 434	0.34 146	5.98 431	0.48 325	0.40 309	0.46 261	5.71 407

xxx	4.56 393	0.98 202	21.04 393	1.24 224	1.03 236	3.64 184	0.87 196	4.53 401	5.34 428	2.31 271	2.40 326	3.49 339	1.64 245	12.40 428	16.90 434	0.34 146	5.98 431	0.48 325	0.40 309	0.46 261	5.71 407

IIG-Stereo	2.89 253	0.98 202	19.80 250	2.78 424	0.67 125	4.62 394	0.74 124	4.29 338	2.26 133	2.62 337	3.10 384	3.33 330	1.60 226	7.64 302	1.51 172	0.42 238	0.21 40	0.32 163	0.25 96	0.33 105	0.28 11

DCANet	2.37 132	0.98 202	20.47 331	0.86 44	0.43 29	4.18 312	0.59 48	4.31 350	3.29 300	2.35 288	1.86 220	1.18 85	1.63 242	1.69 87	1.59 190	0.34 146	0.25 112	0.24 21	0.19 12	0.31 66	0.73 235

DIP-Stereo	2.03 70	0.98 202	16.44 147	0.67 6	0.62 106	4.30 340	0.58 46	4.43 386	2.89 228	1.97 162	1.40 82	0.91 56	0.86 62	1.31 35	1.27 131	0.38 208	0.23 79	0.33 197	0.23 71	0.33 105	0.57 176
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
StereoDRNet-Refined	2.23 95	0.98 202	10.62 68	1.25 238	0.78 159	3.29 123	0.71 105	3.96 227	2.20 122	2.43 311	2.05 266	2.97 301	1.46 195	6.87 287	2.33 300	0.37 193	0.25 112	0.42 299	0.34 252	0.47 273	0.80 251
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Anonymous_2	4.03 371	0.99 211	11.19 72	1.20 207	1.71 377	3.68 194	0.93 239	3.76 187	1.63 56	2.07 200	1.43 88	4.76 410	2.34 325	1.86 118	1.78 234	0.82 391	2.42 401	8.69 468	16.64 472	4.38 449	8.29 425

DISCO	2.40 137	0.99 211	11.99 74	1.81 378	1.12 261	3.47 148	1.24 307	3.34 141	2.57 180	2.73 346	1.96 246	4.52 401	1.90 291	4.18 233	3.62 347	0.37 193	0.27 143	0.31 145	0.30 206	0.70 352	0.62 202

FC-DCNN	7.08 439	1.01 213	21.89 436	1.74 371	1.64 365	8.18 450	2.31 394	6.50 446	9.16 450	10.85 461	11.33 447	19.85 459	13.33 450	12.94 440	17.10 438	0.72 376	0.57 307	0.59 370	0.57 369	0.64 332	0.69 223

rvit_stereo_0081_aga	1.06 14	1.02 214	5.34 40	0.75 13	0.74 145	1.21 8	0.63 70	2.00 29	2.30 144	0.88 28	0.82 11	0.79 34	0.69 23	1.42 56	0.78 17	0.36 182	0.29 156	0.26 49	0.26 113	0.41 212	0.32 22

HGLStereo	2.74 230	1.03 215	20.80 375	1.24 224	1.55 342	3.62 182	0.94 241	3.83 203	2.09 104	2.18 230	2.20 295	3.11 315	2.12 308	5.65 253	2.07 280	0.50 314	0.34 192	0.32 163	0.30 206	0.42 221	0.50 142

DSFCA	2.38 133	1.03 215	11.06 70	1.15 185	1.18 271	3.97 261	1.75 362	3.63 166	2.44 167	3.14 384	1.68 151	2.90 298	2.48 335	5.38 247	3.17 339	0.49 304	0.45 268	0.37 258	0.37 284	0.54 295	0.46 117

1111x	4.75 402	1.05 217	20.89 383	1.28 245	1.02 232	3.81 221	0.88 202	4.65 416	5.52 434	2.43 311	2.27 306	1.97 205	1.81 277	12.40 428	18.19 451	0.32 102	9.06 452	0.32 163	0.34 252	0.38 174	6.34 413

STTRV1_RVC	3.55 343	1.06 218	20.71 369	1.47 315	1.46 327	3.29 123	1.56 346	4.14 286	3.33 313	1.96 159	3.50 397	2.63 275	2.08 302	11.95 423	2.32 299	2.09 425	4.04 423	0.81 407	0.73 390	1.06 393	0.71 227

MyStereo06	2.74 230	1.07 219	21.19 417	1.06 152	1.08 250	4.26 334	0.86 192	3.72 181	1.80 76	2.25 251	1.77 179	4.28 390	4.12 395	1.85 117	1.38 151	0.25 10	2.43 403	0.34 215	0.27 129	0.46 261	0.48 132

MyStereo05	2.55 174	1.07 219	19.87 260	1.06 152	1.08 250	4.26 334	0.86 192	4.10 270	3.01 246	2.19 235	1.26 56	2.30 236	1.64 245	2.13 142	1.99 266	0.25 10	2.43 403	0.34 215	0.27 129	0.46 261	0.48 132

SPstereo	2.59 184	1.07 219	20.48 337	0.91 71	4.13 446	3.67 191	0.51 29	2.27 43	1.76 72	1.18 57	1.15 39	1.18 85	0.84 57	1.36 47	1.54 178	0.27 27	8.46 441	0.27 63	0.19 12	0.29 44	0.30 16

DMCA	2.02 68	1.07 219	11.33 73	1.17 197	0.96 220	3.92 249	0.89 203	3.80 197	3.11 266	2.89 363	1.58 127	2.35 243	1.17 140	1.79 103	2.25 294	0.42 238	0.29 156	0.42 299	0.27 129	0.38 174	0.43 101

XX-TBD	1.98 58	1.08 223	20.29 309	1.31 257	0.43 29	3.97 261	0.33 4	1.76 19	1.77 73	1.59 95	2.18 291	0.69 17	0.59 9	1.44 58	0.75 12	0.33 125	0.25 112	0.23 9	0.16 6	0.31 66	0.22 1

edge stereo	3.45 334	1.08 223	22.14 446	1.31 257	1.36 310	2.68 76	1.54 342	4.13 282	3.27 293	2.94 369	3.27 392	4.34 394	2.48 335	11.60 410	2.79 320	0.62 355	0.64 324	0.79 404	0.56 368	0.70 352	0.82 253

HSM	3.25 313	1.08 223	19.18 210	1.19 205	1.54 338	3.45 145	1.02 260	4.04 249	2.61 184	2.31 271	2.17 286	8.01 437	2.99 360	11.59 408	1.80 239	0.35 161	0.24 99	0.28 89	0.24 85	0.33 105	0.55 169

rvit_stereo_0080	1.10 19	1.09 226	3.78 28	0.65 2	0.60 93	1.91 40	0.74 124	2.74 87	2.65 188	0.94 40	1.09 27	0.85 43	0.81 53	1.20 17	0.89 46	0.39 215	0.29 156	0.25 32	0.28 155	0.46 261	0.35 43

whm_eth	1.10 19	1.09 226	3.78 28	0.65 2	0.60 93	1.91 40	0.74 124	2.74 87	2.65 188	0.94 40	1.09 27	0.85 43	0.81 53	1.20 17	0.89 46	0.39 215	0.29 156	0.25 32	0.28 155	0.46 261	0.35 43

SGM_RVC	6.11 426	1.10 228	20.44 325	2.15 399	0.66 121	15.87 465	3.98 440	5.00 427	6.19 443	9.79 456	11.46 448	8.23 439	12.63 448	12.32 427	9.15 391	0.54 335	0.39 235	0.41 289	0.35 265	0.55 298	1.05 288
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MaDis-Stereo	1.60 38	1.11 229	16.13 133	0.67 6	1.87 391	1.22 12	0.39 10	2.17 41	1.42 9	0.69 2	0.78 7	0.88 50	0.70 24	1.24 22	1.13 94	0.32 102	0.23 79	0.26 49	0.21 36	0.32 84	0.28 11

IPLG	2.56 179	1.11 229	19.89 262	0.95 101	0.79 162	4.60 392	0.56 37	4.31 350	2.10 106	1.94 152	2.00 254	1.34 106	1.37 169	6.59 277	1.59 190	0.32 102	0.21 40	0.27 63	0.23 71	0.32 84	0.63 205

THIR-Stereo	4.50 391	1.11 229	18.71 193	0.89 58	0.47 40	2.25 58	16.71 460	3.53 155	1.58 38	2.04 189	12.04 452	2.66 277	7.52 431	7.29 294	11.25 399	0.32 102	0.21 40	0.29 105	0.28 155	0.35 141	0.52 156

delet	2.66 208	1.11 229	18.42 187	1.05 148	1.65 369	3.47 148	2.00 379	3.81 200	2.82 213	2.15 221	2.11 275	2.62 274	1.88 290	5.38 247	2.21 292	0.34 146	0.38 226	0.40 283	0.32 235	0.45 252	0.54 166

MIPNet	2.43 146	1.13 233	20.00 272	0.93 84	0.58 88	4.74 419	0.62 65	4.33 361	2.95 235	1.94 152	1.49 97	1.52 128	1.96 294	2.77 195	1.60 194	0.35 161	0.20 21	0.27 63	0.23 71	0.32 84	0.59 190

NVstereo2D	2.79 241	1.13 233	13.75 87	1.37 278	1.47 330	3.57 170	1.38 324	4.17 296	3.77 362	2.04 189	1.72 162	3.05 308	1.75 266	10.84 372	1.72 223	0.62 355	0.48 290	0.56 364	0.54 362	0.79 371	1.02 284

CroCo-Stereo Lap2	1.65 45	1.14 235	14.70 109	1.00 129	1.80 389	0.53 2	0.46 19	3.18 123	1.62 54	1.10 54	1.24 50	1.05 71	0.78 41	1.40 54	1.18 102	0.31 86	0.23 79	0.27 63	0.22 59	0.46 261	0.38 72

StereoVision	2.36 128	1.15 236	20.38 319	1.07 156	1.79 387	2.58 75	0.61 55	3.14 119	2.34 148	1.33 70	3.46 396	1.85 181	0.88 66	2.12 140	2.01 272	0.46 283	0.36 207	0.37 258	0.36 274	0.50 285	0.41 88

rvit_0105_6	1.10 19	1.17 237	3.33 25	0.93 84	0.55 73	1.45 26	0.79 154	2.51 61	3.30 304	0.78 10	0.74 3	1.03 68	0.75 36	1.45 59	0.97 69	0.42 238	0.43 257	0.34 215	0.31 222	0.44 244	0.38 72

AIO-Stereo-zeroshot	2.84 245	1.17 237	20.72 370	1.15 185	2.05 402	3.61 179	0.49 22	4.63 414	2.10 106	1.41 78	1.66 148	6.02 427	2.40 328	2.79 197	2.09 283	0.30 70	0.51 299	0.31 145	0.96 405	0.59 313	1.93 341

DANet	2.82 243	1.17 237	10.20 66	1.87 381	1.72 379	3.25 116	1.15 291	4.36 369	3.02 250	3.42 397	2.18 291	4.09 377	1.79 274	9.78 336	4.32 355	0.55 338	0.57 307	0.60 374	0.44 332	0.65 338	1.25 301
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MyStereo07	2.29 113	1.18 240	20.10 286	1.04 144	1.21 284	3.96 259	0.95 245	2.13 40	3.37 318	1.09 52	1.28 60	0.68 14	0.91 73	1.74 100	0.86 42	0.26 19	3.49 419	0.34 215	0.27 129	0.43 231	0.49 137

MyStereo04	2.54 169	1.18 240	18.82 197	1.04 144	1.21 284	3.96 259	0.95 245	4.02 242	3.01 246	2.06 194	1.27 58	2.33 239	1.66 252	2.06 134	2.01 272	0.26 19	3.49 419	0.34 215	0.27 129	0.43 231	0.49 137

CroCo-Stereo	1.07 16	1.18 240	3.66 27	0.91 71	0.60 93	0.49 1	0.49 22	4.07 256	1.91 88	0.84 19	1.29 64	1.00 65	0.75 36	1.32 38	1.38 151	0.26 19	0.21 40	0.24 21	0.20 27	0.37 164	0.30 16
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
iRaftStereo_RVC	1.70 49	1.18 240	3.88 33	0.99 125	0.46 36	3.83 222	0.41 14	2.41 52	1.60 46	1.69 112	1.76 172	1.81 175	0.83 56	1.58 76	1.23 113	0.31 86	4.86 426	0.29 105	0.26 113	0.33 105	4.33 398

FCDSN-DC	6.71 437	1.18 240	21.61 433	1.29 250	1.10 256	4.38 347	2.59 404	4.58 409	5.52 434	9.58 453	11.19 446	19.17 457	17.69 460	13.03 442	17.11 439	0.73 379	0.57 307	0.61 377	0.60 375	0.71 357	0.92 272
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MDST_ROB	6.31 427	1.18 240	22.96 457	2.56 418	2.69 418	21.07 466	2.01 381	4.79 425	2.87 225	9.49 452	4.45 411	4.10 379	4.48 401	22.33 463	17.61 446	0.79 386	0.44 264	0.47 320	0.44 332	0.47 273	0.95 277

DualNet (step1)	3.32 320	1.19 246	20.68 363	1.11 165	0.87 193	4.22 326	1.20 298	4.40 379	4.92 419	2.20 241	1.85 215	1.90 188	2.00 296	6.87 287	1.75 231	1.41 416	1.36 371	4.19 459	2.07 446	0.70 352	1.43 312

test_sample9	4.68 397	1.19 246	20.68 363	1.11 165	0.87 193	4.22 326	1.20 298	4.40 379	4.92 419	2.20 241	1.85 215	1.90 188	2.00 296	11.08 386	11.57 405	1.41 416	14.65 464	4.19 459	2.07 446	0.70 352	1.43 312

test_sample8	5.57 413	1.19 246	20.68 363	1.11 165	0.87 193	4.22 326	1.20 298	4.43 386	3.76 360	5.63 433	1.97 249	12.99 450	6.34 418	11.08 386	11.57 405	1.41 416	14.65 464	4.19 459	2.07 446	0.70 352	1.43 312

ADLNet	3.23 308	1.19 246	21.03 392	1.36 273	1.61 356	3.69 195	1.23 305	4.05 252	3.41 328	2.72 344	2.29 311	4.00 373	1.77 270	11.21 393	2.15 286	0.42 238	0.43 257	0.36 247	0.35 265	0.47 273	0.82 253

GEStereo_RVC	2.66 208	1.20 250	20.38 319	1.29 250	1.05 244	4.02 267	1.42 329	4.17 296	2.24 127	2.10 208	1.86 220	2.33 239	1.84 283	4.93 239	1.78 234	0.51 320	0.38 226	0.32 163	0.29 188	0.44 244	0.56 172

RASNet	3.15 292	1.20 250	19.81 252	1.63 350	2.26 409	3.67 191	1.09 277	3.58 158	3.44 331	1.99 166	2.15 281	4.59 404	2.30 323	10.24 357	2.98 330	0.57 344	0.26 133	0.25 32	0.25 96	0.30 59	0.54 166

hitnet-ft	2.99 270	1.23 252	19.37 222	0.96 108	0.90 202	3.76 208	0.79 154	3.60 162	2.68 191	2.31 271	2.04 259	3.63 356	1.49 204	11.70 415	2.37 305	0.45 271	0.54 303	0.44 305	0.36 274	0.54 295	0.56 172

rvit_0105_5	1.72 50	1.26 253	13.05 82	0.92 79	0.56 77	1.92 43	0.90 218	3.07 115	3.04 255	0.98 44	1.24 50	1.19 89	0.93 77	1.55 74	1.22 110	0.43 254	0.43 257	0.37 258	0.36 274	0.43 231	0.51 148

MIM_Stereo	2.71 222	1.26 253	20.92 385	1.34 268	5.57 454	3.10 97	0.59 48	3.25 132	2.51 173	1.64 100	1.61 130	1.82 177	1.29 159	2.07 135	1.35 138	0.25 10	0.31 172	0.28 89	0.26 113	0.29 44	4.43 400

OMP-Stereo	2.94 261	1.26 253	20.07 278	2.73 422	0.67 125	4.58 388	1.46 334	4.33 361	2.21 124	3.14 384	2.68 360	3.22 321	1.38 170	7.65 303	1.42 156	0.46 283	0.21 40	0.33 197	0.26 113	0.34 127	0.31 19

stereogan	3.26 314	1.26 253	18.01 178	1.38 281	1.66 372	3.76 208	1.64 355	4.06 254	3.86 367	3.23 389	2.70 362	5.02 415	2.85 348	9.88 340	1.85 247	0.71 371	0.51 299	0.69 393	0.48 343	0.86 379	0.85 261

GMStereo_Zeroshot	1.51 36	1.27 257	4.75 36	1.54 330	0.72 140	3.33 129	0.54 35	2.67 84	1.74 70	2.34 286	1.57 121	2.40 246	0.96 82	2.51 175	1.21 108	0.48 298	0.23 79	0.41 289	0.24 85	0.82 375	0.40 83

GANet-RSSM	2.96 265	1.27 257	21.17 414	1.73 369	1.23 287	4.22 326	0.91 228	3.39 145	2.02 100	1.97 162	1.74 170	2.53 262	2.06 301	10.91 377	1.88 250	0.37 193	0.35 201	0.32 163	0.29 188	0.42 221	0.46 117

CBMV	4.12 373	1.27 257	21.14 409	1.52 327	0.85 180	3.80 217	3.89 439	4.58 409	3.02 250	3.56 403	2.37 321	4.44 396	13.88 453	11.23 395	3.78 349	0.56 342	0.43 257	0.48 325	0.39 300	0.55 298	0.74 239
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
anonymity	2.02 68	1.28 260	5.16 38	1.73 369	1.63 361	1.86 37	1.06 271	3.50 153	2.42 160	2.19 235	2.11 275	1.88 186	3.89 391	1.92 121	1.56 182	1.11 404	1.14 364	1.08 416	1.11 414	1.05 392	2.68 364

STTStereo	2.62 194	1.28 260	19.16 208	1.52 327	1.55 342	3.84 224	0.89 203	3.75 186	2.59 183	2.23 248	1.59 129	2.48 260	1.58 222	5.11 241	1.72 223	0.38 208	0.41 245	0.47 320	0.54 362	0.53 292	0.75 241

rvit_0105_4	1.63 41	1.29 262	12.50 77	0.94 91	0.54 69	1.56 30	0.84 183	2.84 95	3.25 289	0.82 14	0.94 16	1.10 74	0.86 62	1.65 79	1.07 88	0.43 254	0.45 268	0.35 233	0.31 222	0.44 244	0.45 109

UCFNet_RVC	2.53 165	1.29 262	20.56 347	1.42 300	1.40 319	4.01 265	1.04 268	2.79 90	1.67 64	2.27 260	1.88 226	2.94 300	1.50 205	3.48 213	1.68 211	0.37 193	0.29 156	0.52 348	0.41 319	0.55 298	0.51 148

MSMD_ROB	5.99 421	1.29 262	19.23 215	1.40 289	0.84 178	10.25 453	2.05 384	4.20 306	6.02 442	10.42 460	8.00 427	22.21 462	9.45 442	11.67 411	8.73 390	0.76 385	0.59 315	0.67 390	0.68 385	0.67 344	0.72 230

RAFT+CT+SA	2.32 119	1.30 265	19.71 243	1.01 132	1.41 320	4.04 270	0.92 234	3.96 227	1.64 58	1.64 100	1.69 154	1.63 137	1.18 143	3.06 208	1.19 105	0.28 38	0.22 55	0.32 163	0.34 252	0.34 127	0.47 125

psm_up	3.04 276	1.30 265	18.97 202	1.31 257	1.51 334	3.86 230	1.22 304	4.26 333	2.31 146	2.72 344	1.83 210	2.43 254	1.68 255	12.86 439	1.78 234	0.43 254	0.41 245	0.41 289	0.34 252	0.46 261	0.67 219

DRN-Test	3.17 296	1.30 265	19.66 234	1.41 293	1.60 355	3.61 179	1.47 335	4.18 301	2.83 214	3.48 399	1.92 242	2.58 270	2.50 338	10.81 371	2.90 328	0.49 304	0.49 293	0.44 305	0.42 323	0.57 308	0.78 246

DLCB_ROB	2.55 174	1.32 268	10.26 67	1.31 257	1.04 242	2.94 88	1.29 311	3.81 200	2.73 197	2.93 367	2.17 286	3.37 332	1.53 215	10.40 362	3.26 341	0.42 238	0.35 201	0.41 289	0.37 284	0.43 231	0.68 220

AnonymousM	1.38 29	1.33 269	2.35 17	0.95 101	0.56 77	4.03 269	0.67 82	2.63 81	2.49 172	1.51 87	1.36 74	1.15 80	1.00 87	1.26 24	1.04 82	0.41 228	0.46 273	2.07 432	1.71 433	0.25 7	0.40 83

MMNet	2.15 81	1.33 269	12.06 75	1.22 216	1.23 287	3.55 167	0.89 203	3.84 204	2.26 133	2.19 235	1.78 182	2.15 224	2.10 304	3.70 220	2.35 302	0.45 271	0.38 226	0.34 215	0.28 155	0.40 192	0.52 156

rvit_0105_3	1.97 57	1.34 271	16.03 129	0.98 119	0.59 89	2.37 66	1.08 273	3.30 136	3.01 246	1.21 59	1.47 94	1.24 97	1.04 99	1.82 112	1.23 113	0.47 290	0.44 264	0.40 283	0.43 328	0.43 231	0.55 169

iResNet	2.70 220	1.35 272	20.93 386	2.01 393	0.73 141	3.76 208	0.83 174	4.28 336	2.93 233	2.38 300	2.03 257	1.35 108	1.54 216	3.28 211	4.42 358	0.42 238	0.25 112	0.29 105	0.23 71	0.45 252	0.64 210

rvit_105_1	2.17 85	1.36 273	16.82 151	1.09 160	0.68 132	2.78 80	1.26 309	3.55 156	2.90 230	1.40 75	1.57 121	1.29 102	1.14 132	2.91 203	1.49 170	0.55 338	0.47 283	0.45 312	0.61 377	0.45 252	0.63 205

iRaft-Stereo_5w	2.47 154	1.37 274	13.85 88	0.87 51	0.99 224	3.22 109	0.84 183	3.72 181	2.12 113	1.57 92	2.49 339	2.20 227	2.22 318	9.12 322	2.03 275	0.48 298	0.27 143	0.35 233	0.29 188	0.48 280	0.94 276

rvit_stereo_ft	1.28 26	1.39 275	6.72 49	0.99 125	0.66 121	1.06 5	0.79 154	2.81 93	3.14 270	0.83 17	1.02 19	0.95 62	1.13 126	1.27 26	1.00 76	0.34 146	0.24 99	0.27 63	0.29 188	0.40 192	0.35 43

ssnet_v2	2.81 242	1.39 275	21.16 412	1.25 238	0.90 202	3.86 230	1.63 352	4.10 270	3.22 284	2.79 354	1.96 246	3.78 361	1.70 260	2.53 180	3.12 338	0.44 262	0.37 213	0.42 299	0.38 293	0.59 313	0.58 188

G-Net	4.16 374	1.39 275	20.31 313	2.30 404	2.91 422	4.68 410	2.86 411	3.35 142	2.44 167	4.43 423	9.43 440	6.89 431	3.83 390	8.91 318	4.83 365	0.80 387	0.80 342	0.70 394	0.50 352	0.95 388	0.97 278

TestStereo1	2.56 179	1.41 278	20.56 347	1.63 350	0.74 145	4.13 292	1.34 317	3.93 222	3.38 321	1.61 96	2.56 348	1.43 120	2.13 310	2.55 181	1.70 217	0.32 102	0.22 55	0.34 215	0.26 113	0.40 192	0.53 161

SA-5K	2.56 179	1.41 278	20.56 347	1.63 350	0.74 145	4.13 292	1.34 317	3.93 222	3.38 321	1.61 96	2.56 348	1.43 120	2.13 310	2.55 181	1.70 217	0.32 102	0.22 55	0.34 215	0.26 113	0.40 192	0.53 161

test_5	2.45 150	1.43 280	19.72 245	1.20 207	1.39 315	3.88 236	1.25 308	4.03 245	1.98 96	1.74 122	1.82 197	1.86 182	1.78 271	3.57 216	1.35 138	0.33 125	0.21 40	0.35 233	0.33 243	0.34 127	0.43 101

ADLNet2	3.20 301	1.43 280	20.11 289	1.22 216	1.78 386	3.86 230	1.47 335	3.96 227	3.89 369	2.26 257	2.49 339	4.63 408	1.92 293	10.68 368	2.00 271	0.42 238	0.37 213	0.29 105	0.30 206	0.51 290	0.46 117

raftrobust	2.05 73	1.45 282	13.44 84	1.29 250	5.81 455	3.59 173	0.67 82	2.80 91	1.50 19	2.21 244	1.41 86	1.17 82	1.22 148	1.37 52	1.46 168	0.29 46	0.33 184	0.22 5	0.20 27	0.27 21	0.36 63

psmorigin	6.62 432	1.45 282	87.38 483	1.55 334	0.97 221	2.86 82	1.42 329	3.30 136	2.12 113	3.74 407	2.45 335	5.15 418	2.59 341	10.55 363	2.91 329	0.55 338	0.68 330	0.48 325	0.53 359	0.73 359	1.02 284

Sa-1000	2.54 169	1.47 284	20.36 317	1.16 190	0.55 73	4.07 278	1.39 325	4.49 394	3.01 246	2.06 194	2.79 368	1.84 180	1.43 187	2.68 189	1.53 175	0.31 86	0.26 133	0.36 247	0.33 243	0.37 164	0.46 117

ccnet	3.03 274	1.48 285	12.88 80	1.54 330	1.26 293	3.71 200	2.32 395	4.11 273	3.05 258	2.92 366	3.21 388	2.86 295	2.40 328	9.87 339	4.19 352	0.80 387	0.76 338	0.71 396	0.70 387	0.78 367	1.07 289

RYNet	3.15 292	1.48 285	16.27 141	1.24 224	1.39 315	3.67 191	1.44 333	4.09 268	3.20 275	2.26 257	1.70 156	3.83 364	2.15 312	13.64 451	3.23 340	0.45 271	0.45 268	0.50 340	0.35 265	0.81 373	0.83 255

NLCA_NET_v2_RVC	2.76 236	1.48 285	19.72 245	1.62 347	2.00 398	3.95 255	0.86 192	3.92 218	2.51 173	2.56 328	1.69 154	2.83 294	1.61 231	5.65 253	1.78 234	0.48 298	0.36 207	0.38 273	0.42 323	0.56 304	0.77 243
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
LoS_RVC	1.23 24	1.51 288	6.09 45	0.88 57	1.71 377	1.96 44	0.59 48	1.61 7	1.37 6	0.84 19	1.35 71	0.84 41	1.15 138	1.49 65	0.83 35	0.21 1	0.17 3	0.20 1	0.14 1	0.20 2	1.49 318

gwcnet-sp	2.38 133	1.51 288	17.58 170	1.11 165	0.92 208	3.59 173	1.03 263	3.79 192	2.43 163	2.60 331	1.63 138	1.80 172	1.61 231	3.87 223	1.99 266	0.33 125	0.32 178	0.30 126	0.29 188	0.40 192	0.47 125

scenet	2.38 133	1.51 288	17.58 170	1.11 165	0.92 208	3.59 173	1.03 263	3.79 192	2.43 163	2.60 331	1.63 138	1.80 172	1.61 231	3.87 223	1.99 266	0.33 125	0.32 178	0.30 126	0.29 188	0.40 192	0.47 125

ssnet	2.38 133	1.51 288	17.58 170	1.11 165	0.92 208	3.59 173	1.03 263	3.79 192	2.43 163	2.60 331	1.63 138	1.80 172	1.61 231	3.87 223	1.99 266	0.33 125	0.32 178	0.30 126	0.29 188	0.40 192	0.47 125

SA	2.55 174	1.54 292	20.70 367	1.12 175	0.48 45	4.26 334	1.33 316	4.45 390	3.28 295	1.68 108	1.96 246	1.69 143	2.25 320	2.60 183	1.57 185	0.30 70	0.29 156	0.37 258	0.38 293	0.36 159	0.47 125

sAnonymous2	2.00 63	1.54 292	21.24 419	0.93 84	0.89 197	1.21 8	0.62 65	2.58 76	2.28 137	0.86 21	1.04 20	0.73 23	1.22 148	1.10 8	0.85 39	0.30 70	0.25 112	0.31 145	0.31 222	1.06 393	0.72 230

CroCo_RVC	2.00 63	1.54 292	21.24 419	0.93 84	0.89 197	1.21 8	0.62 65	2.58 76	2.28 137	0.86 21	1.04 20	0.73 23	1.22 148	1.10 8	0.85 39	0.30 70	0.25 112	0.31 145	0.31 222	1.06 393	0.72 230

PSMNet-RSSM	2.91 255	1.55 295	20.10 286	1.32 263	1.30 298	4.19 320	0.95 245	3.78 191	2.28 137	2.28 262	1.80 190	2.64 276	1.87 288	9.83 338	1.93 262	0.37 193	0.33 184	0.35 233	0.38 293	0.46 261	0.40 83

TDLM	3.20 301	1.58 296	18.80 194	1.70 365	1.10 256	4.29 338	2.17 389	3.81 200	3.27 293	2.89 363	1.98 250	2.06 220	1.70 260	12.44 434	2.15 286	0.58 345	0.31 172	0.56 364	0.40 309	0.58 311	1.59 324

XPNet_ROB	2.99 270	1.58 296	17.06 158	1.38 281	0.99 224	3.91 242	1.62 351	4.20 306	2.42 160	2.87 362	2.03 257	2.31 237	1.72 264	10.76 370	3.60 346	0.55 338	0.49 293	0.48 325	0.40 309	0.53 292	0.85 261

APVNet	3.24 310	1.59 298	21.72 435	1.36 273	1.52 336	3.93 250	1.12 284	3.58 158	2.80 208	2.32 282	2.02 255	3.05 308	1.96 294	11.77 418	2.61 317	0.44 262	0.46 273	0.65 388	0.47 341	0.73 359	0.73 235

PS-NSSS	3.11 283	1.60 299	19.48 227	1.00 129	1.53 337	4.12 289	1.08 273	4.59 412	2.80 208	2.19 235	2.38 322	1.76 160	1.39 173	11.79 419	1.94 265	0.69 367	0.45 268	0.95 411	0.43 328	1.03 391	1.00 281

SACVNet	3.06 278	1.61 300	19.29 218	1.46 311	1.18 271	4.05 274	1.48 337	4.03 245	2.58 182	2.75 348	1.89 228	2.55 265	1.38 170	11.33 397	2.28 297	0.51 320	0.41 245	0.48 325	0.43 328	0.57 308	0.93 275

fast-acv-ft	2.62 194	1.62 301	20.48 337	1.45 309	1.39 315	3.16 104	1.16 293	3.41 147	2.45 169	1.97 162	2.15 281	2.68 278	2.15 312	2.92 204	2.47 311	0.43 254	0.40 238	0.45 312	0.40 309	0.62 323	0.64 210

RAFT	2.36 128	1.62 301	18.03 179	1.75 373	0.54 69	1.91 40	0.91 228	3.24 129	3.65 353	1.64 100	1.73 168	3.45 336	1.58 222	1.82 112	1.74 229	0.42 238	1.06 360	0.40 283	0.32 235	0.44 244	1.03 286

CVANet_RVC	3.32 320	1.63 303	21.06 397	1.66 356	1.29 297	3.99 263	1.55 344	3.98 231	3.00 242	3.51 400	2.06 268	2.58 270	1.72 264	12.46 435	1.70 217	0.62 355	0.34 192	0.53 352	0.47 341	0.64 332	1.66 329

AACVNet	2.77 238	1.64 304	19.22 214	1.57 337	0.86 184	3.28 120	0.74 124	3.31 139	1.66 62	2.06 194	1.82 197	2.47 258	1.40 177	10.95 378	1.92 261	0.41 228	0.35 201	0.38 273	0.33 243	0.46 261	0.61 198

MaskLacGwcNet_RVC	3.77 356	1.65 305	20.61 356	2.55 417	1.63 361	4.29 338	1.67 358	3.99 233	2.56 178	1.76 125	1.93 243	3.03 307	1.41 182	13.24 446	2.02 274	4.47 455	1.63 380	1.12 419	0.48 343	2.42 431	2.85 369

rafts_anoy	2.76 236	1.68 306	20.42 323	1.42 300	3.90 441	3.03 95	0.61 55	3.24 129	1.66 62	1.42 79	1.26 56	1.19 89	1.11 123	2.13 142	1.64 204	0.33 125	8.77 447	0.32 163	0.32 235	0.32 84	0.38 72

RAFT-Stereo + iAFF	2.49 157	1.68 306	20.50 339	1.11 165	1.32 306	4.13 292	0.42 15	3.23 128	3.30 304	2.05 193	2.40 326	1.61 134	1.11 123	1.49 65	1.63 201	0.22 2	0.22 55	0.26 49	0.24 85	0.31 66	2.47 361

CSP-Net	1.99 62	1.70 308	4.84 37	1.22 216	1.02 232	3.42 139	1.30 312	3.66 169	2.11 111	2.07 200	1.93 243	2.40 246	1.48 201	8.56 313	1.62 198	0.51 320	0.41 245	0.27 63	0.27 129	0.44 244	0.54 166

UDGNet	2.34 124	1.71 309	20.28 306	1.42 300	0.62 106	4.39 351	0.67 82	1.82 20	2.28 137	1.40 75	1.21 46	0.99 64	1.00 87	2.23 157	1.23 113	1.14 406	0.35 201	1.30 424	0.98 408	1.11 402	0.62 202

RP	3.26 314	1.73 310	17.70 175	1.56 336	1.93 395	3.43 141	1.94 372	4.18 301	2.72 196	2.77 350	3.05 380	3.96 371	2.69 343	10.17 352	2.86 324	1.04 400	0.50 297	0.71 396	0.59 372	0.75 364	0.83 255

MyStereo8	2.97 269	1.76 311	18.94 199	1.55 334	1.62 358	4.16 303	0.57 40	3.79 192	2.41 159	2.22 246	2.93 375	2.27 232	1.14 132	2.16 146	2.28 297	0.27 27	8.58 443	0.32 163	0.29 188	0.37 164	1.72 330

GANet	3.64 346	1.76 311	19.65 233	1.92 386	1.04 242	3.91 242	2.51 401	3.86 207	2.81 212	3.13 381	3.03 379	3.19 318	2.19 317	12.43 433	8.23 389	0.60 349	0.43 257	0.52 348	0.43 328	0.63 329	0.63 205

MLCV	2.52 161	1.77 313	18.20 183	1.17 197	0.63 109	3.60 177	0.53 33	3.88 209	2.35 151	2.82 359	2.24 300	1.99 207	1.42 184	4.59 236	3.09 335	0.39 215	0.22 55	0.33 197	0.22 59	0.35 141	0.52 156

CFNet-ft	2.87 249	1.80 314	20.20 293	1.10 161	1.54 338	4.09 283	0.89 203	2.97 110	1.88 85	1.93 146	1.70 156	3.50 343	1.60 226	9.35 326	2.17 288	0.35 161	0.32 178	0.61 377	0.38 293	0.55 298	0.45 109

CFNet_RVC	2.87 249	1.80 314	20.20 293	1.10 161	1.54 338	4.09 283	0.89 203	2.97 110	1.88 85	1.93 146	1.70 156	3.50 343	1.60 226	9.35 326	2.17 288	0.35 161	0.32 178	0.61 377	0.38 293	0.55 298	0.45 109

MeshStereo	5.67 417	1.80 314	21.28 421	1.40 289	1.14 264	4.38 347	3.83 438	5.51 440	4.85 418	10.12 458	11.72 450	11.44 443	5.87 415	13.86 453	12.31 409	0.68 366	0.61 319	0.61 377	0.60 375	0.73 359	0.68 220
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
LL-Strereo2	2.36 128	1.81 317	19.35 220	1.04 144	1.03 236	3.73 203	1.35 320	2.70 85	2.04 101	1.76 125	1.44 90	1.82 177	0.73 28	1.48 64	1.53 175	0.33 125	0.30 166	0.55 361	0.35 265	0.30 59	3.51 387

pmcnn	5.90 419	1.81 317	22.30 449	1.69 361	2.37 414	3.47 148	2.10 386	4.58 409	5.56 437	3.75 408	13.12 455	22.07 461	3.70 388	11.99 424	17.13 440	0.58 345	0.23 79	0.23 9	0.19 12	0.37 164	0.70 225

iinet-f	2.44 148	1.82 319	14.97 112	1.21 212	1.11 258	3.78 213	1.10 281	4.19 304	2.90 230	2.10 208	1.76 172	2.99 303	2.97 355	2.84 200	2.79 320	0.38 208	0.38 226	0.28 89	0.28 155	0.50 285	0.47 125

4D-IteraStereo	2.95 263	1.83 320	20.75 372	0.81 28	1.56 346	2.22 57	1.03 263	2.48 59	1.56 33	1.42 79	1.00 18	1.93 193	0.61 12	1.65 79	2.04 277	0.31 86	0.22 55	0.31 145	0.26 113	0.28 29	16.75 466

RAFT_CTSACE	2.41 143	1.83 320	20.33 315	1.77 376	1.39 315	3.50 157	1.03 263	3.25 132	1.64 58	1.80 132	2.04 259	2.82 292	1.78 271	2.11 139	1.10 92	0.27 27	0.24 99	0.28 89	0.30 206	0.31 66	0.33 29

RGC	3.35 325	1.84 322	18.13 181	1.52 327	1.79 387	3.33 129	1.37 323	4.18 301	2.39 154	2.96 372	3.23 390	3.98 372	2.71 344	11.53 405	3.42 343	0.90 395	0.48 290	0.79 404	0.79 395	0.75 364	0.89 268

AIO-Stereo-zeroshot1	3.20 301	1.87 323	21.91 438	1.18 201	2.03 400	4.07 278	0.98 254	3.99 233	2.17 117	1.57 92	5.62 421	4.27 388	2.92 352	2.69 192	2.50 313	0.27 27	0.49 293	0.31 145	1.20 419	0.92 385	3.04 376

RALCasStereoNet	3.17 296	1.87 323	20.86 381	1.17 197	1.63 361	3.10 97	0.70 100	3.21 125	2.19 119	1.39 74	1.73 168	1.18 85	0.91 73	2.46 170	1.64 204	0.31 86	8.75 446	0.25 32	0.22 59	0.31 66	9.45 431

Nwc_Net	3.03 274	1.90 325	19.16 208	1.38 281	1.69 375	3.53 164	1.19 295	4.03 245	2.19 119	2.79 354	2.84 371	3.80 363	2.46 334	6.93 290	2.87 326	0.96 398	0.41 245	0.59 370	0.68 385	0.60 317	0.65 213

Consistency-Raft	2.93 257	1.93 326	19.72 245	1.41 293	1.75 381	3.85 227	1.32 315	4.09 268	2.75 200	1.82 134	2.66 357	1.81 175	4.34 400	2.29 163	2.08 281	0.90 395	0.94 352	1.03 413	1.13 415	1.71 426	1.10 291

TestStereo	2.41 143	1.95 327	19.15 207	0.77 15	0.61 96	1.83 36	0.58 46	2.33 49	1.53 25	1.44 83	1.37 76	1.26 98	0.90 71	11.59 408	0.94 59	0.36 182	0.19 10	0.33 197	0.24 85	0.45 252	0.32 22

DeepPruner_ROB	2.61 191	1.97 328	19.32 219	1.03 140	1.20 279	4.38 347	0.90 218	3.44 151	1.77 73	2.61 335	1.54 112	2.77 289	1.27 153	5.05 240	2.08 281	0.52 330	0.40 238	0.37 258	0.35 265	0.52 291	0.62 202

aanetorigin	3.34 324	2.00 329	17.58 170	1.20 207	1.57 349	2.57 73	3.75 435	2.73 86	2.10 106	6.11 439	4.27 409	2.88 296	5.64 412	5.46 250	4.60 361	0.53 332	0.46 273	0.45 312	0.48 343	1.15 405	1.22 298

DPSNet	3.94 368	2.01 330	14.69 108	1.58 339	1.30 298	4.17 308	2.08 385	4.57 407	4.63 405	2.78 352	1.99 253	3.79 362	7.88 435	10.66 367	11.35 402	0.94 397	0.99 358	0.41 289	0.57 369	1.09 399	1.40 308

DispNO	3.22 305	2.06 331	19.82 253	1.21 212	1.11 258	3.74 205	0.93 239	4.31 350	2.89 228	2.37 299	2.27 306	4.51 400	2.09 303	11.41 400	3.47 344	0.35 161	0.28 151	0.31 145	0.29 188	0.39 188	0.51 148

CBFPSM	2.24 97	2.06 331	12.12 76	1.13 180	1.05 244	2.85 81	1.23 305	3.37 144	2.05 102	1.82 134	1.33 68	4.55 402	4.00 393	2.38 168	2.35 302	0.27 27	0.38 226	0.32 163	0.28 155	0.39 188	0.89 268

NCC-stereo	3.49 339	2.07 333	20.23 300	1.31 257	1.76 383	4.04 270	1.42 329	4.01 237	2.34 148	3.06 377	2.59 351	3.51 346	3.02 362	10.02 350	5.44 369	1.38 414	0.66 328	0.64 386	0.88 401	0.67 344	0.84 259

Abc-Net	3.49 339	2.07 333	20.23 300	1.31 257	1.76 383	4.04 270	1.42 329	4.01 237	2.34 148	3.06 377	2.59 351	3.51 346	3.02 362	10.02 350	5.44 369	1.38 414	0.66 328	0.64 386	0.88 401	0.67 344	0.84 259
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FBW_ROB	3.91 365	2.07 333	15.46 120	1.60 343	1.16 267	3.80 217	1.48 337	4.37 372	3.41 328	2.53 325	2.45 335	4.19 385	2.10 304	15.17 458	9.45 393	0.86 393	0.65 327	1.54 428	0.96 405	1.08 398	3.80 389

TRStereo	2.86 247	2.12 336	19.98 270	1.68 360	1.18 271	4.35 345	1.05 269	5.07 429	3.48 341	1.56 90	1.39 80	1.75 154	0.85 59	2.01 132	1.50 171	0.43 254	0.34 192	0.33 197	0.36 274	0.36 159	7.50 417

ETE_ROB	2.93 257	2.12 336	17.80 176	1.13 180	0.94 216	3.71 200	1.53 340	4.29 338	2.98 239	3.32 394	2.13 278	2.34 242	1.51 207	8.68 315	2.82 322	0.44 262	0.40 238	0.51 345	0.49 346	0.56 304	0.80 251

LALA_ROB	2.88 251	2.13 338	19.08 204	1.10 161	0.99 224	3.91 242	1.81 367	4.50 398	3.04 255	3.32 394	1.87 224	2.75 286	1.66 252	4.06 229	4.02 351	0.47 290	0.44 264	0.55 361	0.53 359	0.61 318	0.73 235

raft_robust	3.17 296	2.15 339	20.28 306	1.06 152	0.55 73	3.86 230	0.46 19	4.42 384	2.77 204	1.70 114	1.37 76	7.48 434	6.35 419	6.81 286	1.44 162	0.31 86	0.74 337	0.30 126	0.37 284	0.32 84	0.57 176

cf-r	2.93 257	2.19 340	20.59 354	1.49 319	1.35 309	4.18 312	0.92 234	3.73 185	3.12 268	2.16 225	1.82 197	3.40 333	1.44 188	8.22 308	1.93 262	0.34 146	0.31 172	0.33 197	0.30 206	0.38 174	0.45 109

SDNR	4.37 385	2.22 341	20.63 359	1.60 343	0.99 224	5.15 429	0.67 82	4.36 369	5.55 436	4.89 428	7.17 422	5.50 423	1.58 222	17.48 460	4.33 356	0.80 387	0.72 336	0.59 370	0.45 337	1.18 408	1.43 312

GMStereo	2.01 66	2.26 342	20.93 386	0.90 67	0.48 45	1.67 34	0.56 37	1.90 22	2.19 119	1.58 94	1.31 66	0.87 49	0.74 33	1.68 82	1.00 76	0.41 228	0.21 40	0.30 126	0.32 235	0.50 285	0.46 117
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
EDNetEfficient	5.62 416	2.26 342	17.51 166	1.67 357	3.59 435	3.99 263	7.25 449	3.14 119	5.63 438	11.52 463	4.82 415	3.94 369	12.48 447	8.39 312	20.56 461	0.46 283	0.46 273	0.48 325	1.06 412	1.65 425	1.62 327

LMCR-Stereo	2.53 165	2.30 344	18.81 195	1.64 354	0.86 184	3.88 236	1.14 288	4.33 361	1.63 56	2.27 260	2.35 318	1.13 77	2.41 330	2.63 185	2.26 295	1.06 402	0.24 99	0.29 105	0.25 96	0.62 323	0.42 95

DGSMNet	8.13 445	2.31 345	18.62 189	2.77 423	13.96 464	6.91 445	42.17 477	4.16 292	2.53 176	2.25 251	3.21 388	3.41 334	1.69 257	9.19 324	3.03 332	3.79 447	10.31 457	11.70 473	5.68 464	4.38 449	10.58 437

WCMA_ROB	5.78 418	2.42 346	21.71 434	1.67 357	1.55 342	4.07 278	3.53 429	4.14 286	4.73 411	6.59 441	10.89 445	12.82 449	9.59 443	10.17 352	12.65 413	1.05 401	0.61 319	0.52 348	0.52 357	0.71 357	5.64 406

PA-Net	3.45 334	2.50 347	20.39 322	1.42 300	1.20 279	3.39 133	1.73 361	3.93 222	3.57 348	1.94 152	2.17 286	3.02 306	1.87 288	11.67 411	6.48 375	0.40 225	0.55 305	0.44 305	0.63 384	0.55 298	1.13 293
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ELAS_RVC	6.36 428	2.53 348	20.21 297	2.67 421	2.48 415	4.90 425	11.89 456	4.84 426	6.31 446	9.03 450	8.54 435	8.09 438	12.73 449	9.32 325	13.25 415	1.92 423	2.18 390	1.51 427	1.31 423	1.40 418	2.15 349
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	6.58 431	2.54 349	20.08 283	2.66 420	2.48 415	15.49 463	7.29 450	5.50 439	5.72 439	10.05 457	8.94 438	6.91 432	10.83 445	8.33 310	14.27 420	1.92 423	2.19 391	1.23 422	1.31 423	1.62 422	2.17 351
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Wz-Net-LNSev-Ref	2.72 224	2.55 350	14.91 110	1.37 278	1.36 310	3.50 157	1.63 352	4.11 273	3.38 321	2.55 327	2.04 259	2.35 243	2.50 338	5.14 242	4.64 362	0.53 332	0.22 55	0.35 233	0.21 36	0.41 212	0.60 194

raft+_RVC	3.46 337	2.57 351	19.51 230	1.49 319	17.54 465	3.63 183	0.76 141	3.24 129	1.53 25	1.35 71	1.67 149	1.03 68	1.10 120	1.98 130	1.53 175	0.25 10	7.10 436	0.25 32	0.24 85	0.28 29	2.18 352

AF-Net	3.15 292	2.65 352	18.81 195	1.37 278	1.76 383	3.30 127	1.57 347	4.20 306	3.05 258	2.76 349	2.94 376	4.50 399	3.21 371	5.88 258	3.07 334	0.88 394	0.39 235	0.72 399	0.50 352	0.75 364	0.66 218

RALAANet	2.29 113	2.73 353	21.08 398	1.29 250	0.94 216	1.45 26	0.68 90	3.25 132	2.61 184	2.02 181	1.80 190	1.28 100	1.04 99	2.12 140	1.79 238	0.30 70	0.22 55	0.27 63	0.27 129	0.41 212	0.35 43

DDUNet	3.65 347	2.81 354	19.59 232	3.57 441	2.26 409	3.47 148	1.35 320	4.21 311	2.40 157	2.68 341	2.48 338	4.17 383	1.78 271	5.48 251	2.61 317	2.25 428	1.77 383	2.61 440	2.43 452	2.63 432	2.40 357

PASM	3.22 305	2.89 355	15.38 118	2.00 391	1.57 349	2.77 78	1.96 374	3.62 165	2.75 200	2.95 371	2.26 303	3.10 314	2.24 319	11.87 420	2.46 309	0.97 399	1.06 360	0.87 408	1.02 409	1.20 409	1.41 310

UDG	3.84 361	2.91 356	20.05 277	2.98 430	1.98 397	3.95 255	1.18 294	4.43 386	2.24 127	2.47 317	2.53 346	4.49 398	2.44 333	6.52 276	4.74 363	2.14 427	1.77 383	2.64 441	2.58 454	2.66 433	2.19 353

HITNet	2.49 157	2.91 356	19.23 215	1.54 330	0.57 85	3.47 148	0.79 154	4.16 292	2.93 233	2.18 230	1.65 146	1.68 142	1.45 190	2.17 148	2.99 331	0.28 38	0.20 21	0.41 289	0.27 129	0.45 252	0.52 156
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
StereoDRNet	3.07 279	2.92 358	16.33 143	1.36 273	1.57 349	3.45 145	2.04 383	3.77 190	2.85 217	3.31 393	1.85 215	2.78 290	1.79 274	10.85 373	3.41 342	0.45 271	0.36 207	0.39 278	0.37 284	0.62 323	0.85 261

dd	2.27 106	3.06 359	20.18 291	0.96 108	0.51 62	4.24 332	0.74 124	1.94 25	2.43 163	1.48 86	1.28 60	1.19 89	1.05 107	1.82 112	1.69 214	0.63 358	0.34 192	0.35 233	0.33 243	0.61 318	0.57 176

111	2.59 184	3.10 360	20.47 331	0.84 35	0.38 8	4.26 334	0.91 228	4.45 390	2.96 236	2.48 319	2.07 271	2.31 237	1.64 245	1.49 65	1.90 254	0.35 161	0.22 55	0.25 32	0.21 36	0.32 84	1.14 294

AASNet	2.65 203	3.20 361	20.19 292	1.38 281	1.49 331	3.84 224	1.06 271	3.92 218	3.28 295	2.07 200	2.28 309	1.95 199	1.28 156	2.19 151	2.17 288	0.42 238	0.33 184	0.45 312	0.30 206	0.59 313	0.52 156

EDNetEfficientorigin	12.42 454	3.26 362	179.44 488	1.21 212	1.00 230	2.89 86	1.82 368	3.05 113	5.37 430	8.87 449	4.78 414	4.17 383	4.80 404	9.91 342	11.32 401	0.41 228	0.41 245	0.62 383	0.88 401	1.33 416	2.81 368

IGEV-BASED-STEREO-	1.13 22	3.31 363	2.61 21	0.87 51	0.40 23	1.26 14	0.61 55	1.55 6	1.61 52	0.93 38	0.94 16	0.65 10	0.57 6	1.10 8	0.68 6	1.55 422	0.19 10	0.32 163	0.28 155	1.11 402	2.04 345

DMCA-RVC	2.72 224	3.31 363	20.08 283	1.27 243	1.13 263	2.49 70	0.85 188	3.43 149	1.85 82	3.04 376	1.58 127	1.99 207	1.51 207	6.42 273	2.86 324	0.39 215	0.31 172	0.44 305	0.37 284	0.47 273	0.65 213

dad	2.65 203	3.40 365	19.45 226	1.05 148	0.65 117	4.21 324	0.84 183	2.10 37	2.77 204	2.32 282	1.72 162	1.72 150	1.27 153	3.86 222	2.04 277	1.06 402	0.40 238	2.04 431	0.49 346	0.78 367	0.83 255

CC-Net-ROB	3.82 359	3.41 366	20.20 293	2.40 408	1.66 372	4.49 370	1.61 349	4.77 424	3.08 262	2.06 194	2.06 268	1.99 207	1.60 226	12.57 437	1.91 257	2.82 433	2.19 391	2.67 442	1.06 412	2.31 430	1.59 324

AFF-stereo	2.54 169	3.44 367	20.84 380	1.30 254	0.48 45	3.94 253	0.48 21	3.30 136	3.40 327	1.94 152	2.21 298	2.10 223	1.51 207	2.36 167	1.62 198	0.23 3	0.21 40	0.25 32	0.25 96	0.33 105	0.53 161

IGEVStereo-DCA	3.09 281	3.48 368	16.25 136	0.96 108	0.49 52	1.59 31	0.83 174	1.68 9	3.44 331	0.75 6	0.78 7	0.74 28	0.73 28	5.79 255	7.75 386	0.32 102	0.26 133	0.28 89	0.21 36	0.32 84	15.08 453

rrr	3.66 348	3.48 368	23.50 458	0.96 108	0.49 52	1.59 31	0.92 234	8.19 451	2.75 200	0.75 6	0.78 7	0.74 28	0.73 28	5.79 255	7.75 386	0.32 102	0.26 133	0.28 89	0.21 36	0.32 84	13.47 441

test_xeample3	3.67 350	3.52 370	21.53 431	0.98 119	0.51 62	1.88 38	0.91 228	8.10 450	2.76 203	0.82 14	0.76 6	0.65 10	0.70 24	5.88 258	7.74 385	0.32 102	0.29 156	0.27 63	0.22 59	0.29 44	15.33 458

test_for_model	3.36 326	3.87 371	21.00 389	4.24 448	3.68 436	2.57 73	0.94 241	3.80 197	3.64 352	2.59 330	1.40 82	1.02 67	0.73 28	0.97 3	0.70 8	3.05 436	2.42 401	0.26 49	0.17 9	5.36 456	4.82 402

GwcNet	3.26 314	3.93 372	20.24 302	1.38 281	2.04 401	3.24 114	1.53 340	3.72 181	3.66 354	2.17 227	2.25 302	3.55 351	1.69 257	9.38 328	3.03 332	0.48 298	0.49 293	0.46 318	0.39 300	0.66 342	0.86 265

DispFullNet	4.71 400	3.93 372	23.92 460	4.00 446	3.01 425	3.38 131	1.31 314	4.23 317	3.26 291	6.31 440	2.92 374	4.03 374	7.80 432	3.93 226	5.15 366	2.80 432	1.61 379	3.11 450	2.70 457	3.32 436	3.38 384

GCST	2.86 247	3.95 374	20.52 341	1.93 387	1.56 346	1.74 35	0.50 26	3.69 175	2.10 106	1.79 130	1.64 143	1.60 133	1.29 159	5.27 245	1.90 254	2.10 426	0.77 339	1.45 425	0.97 407	1.15 405	1.38 307

ADCL	4.70 399	4.04 375	16.12 132	1.35 269	1.28 295	5.46 434	10.88 454	4.08 264	4.25 386	5.97 437	4.51 412	4.29 391	5.60 410	6.37 272	15.21 426	0.54 335	0.48 290	0.88 409	0.78 394	0.86 379	1.01 283

ADCPNet	4.25 379	4.04 375	21.95 440	1.33 266	1.31 302	6.34 440	2.63 405	4.07 256	3.23 287	2.81 358	2.21 298	4.27 388	6.08 417	6.01 260	11.73 407	0.67 365	1.17 366	0.71 396	1.71 433	0.87 381	1.82 338

NCCL2	2.96 265	4.07 377	15.75 125	1.24 224	1.03 236	3.48 154	2.55 402	3.79 192	2.39 154	2.78 352	1.80 190	2.41 250	1.67 254	10.27 358	2.48 312	0.46 283	0.41 245	0.57 367	0.55 366	0.61 318	0.86 265

SHD	3.22 305	4.21 378	14.19 96	2.37 407	2.12 405	2.77 78	1.19 295	4.24 323	3.25 289	4.64 426	2.73 364	3.62 355	2.76 346	6.30 271	4.75 364	0.66 362	1.25 369	0.52 348	0.59 372	0.69 351	1.64 328

PVD	3.91 365	4.36 379	13.89 92	2.81 428	4.79 451	3.80 217	1.94 372	3.89 211	4.11 376	5.75 435	3.56 398	3.59 352	3.34 377	6.44 275	6.44 374	0.73 379	2.84 407	0.74 402	0.84 399	0.82 375	3.45 386

BEATNet_4x	2.65 203	4.43 380	18.10 180	1.41 293	0.59 89	3.44 142	1.02 260	4.08 264	2.97 237	2.28 262	1.75 171	2.18 225	1.61 231	2.80 198	3.54 345	0.39 215	0.25 112	0.47 320	0.31 222	0.61 318	0.86 265

PWC_ROB	3.32 320	4.61 381	14.41 101	1.46 311	1.90 393	3.21 107	1.15 291	4.39 378	3.46 339	3.13 381	3.40 394	2.79 291	2.34 325	9.17 323	6.94 377	0.61 350	0.34 192	0.61 377	0.37 284	0.73 359	1.40 308

GwcNet-RSSM	3.13 288	5.08 382	19.86 258	1.28 245	1.20 279	4.12 289	1.11 282	3.89 211	2.80 208	2.13 214	1.81 195	3.11 315	1.46 195	10.33 360	2.19 291	0.36 182	0.34 192	0.35 233	0.31 222	0.45 252	0.43 101

GANetREF_RVC	3.45 334	5.10 383	19.89 262	1.58 339	0.80 163	4.13 292	1.82 368	4.24 323	3.33 313	1.91 142	1.76 172	2.46 257	1.83 282	13.17 444	1.87 249	0.83 392	0.57 307	0.79 404	0.77 393	1.21 410	0.91 270
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
PDISCO_ROB	3.32 320	5.22 384	18.16 182	2.03 395	2.19 408	4.52 376	1.63 352	4.74 423	3.32 311	2.22 246	2.18 291	3.71 357	2.41 330	5.36 246	2.43 308	1.35 412	0.79 341	0.72 399	0.62 380	1.31 415	1.53 320

PSMNet_ROB	3.38 327	5.24 385	20.61 356	1.24 224	1.22 286	3.76 208	1.64 355	3.59 160	2.80 208	2.07 200	1.72 162	2.75 286	1.79 274	11.42 402	4.58 360	0.42 238	0.38 226	0.50 340	0.62 380	0.62 323	0.69 223

DeepPrunerF	4.00 370	5.64 386	16.81 150	1.36 273	1.75 381	3.69 195	1.54 342	4.24 323	13.98 457	2.21 244	1.77 179	2.73 281	2.29 321	10.90 376	6.64 376	0.71 371	0.61 319	0.77 403	0.79 395	0.87 381	0.79 250

ADCRef	3.66 348	5.95 387	15.50 121	1.20 207	1.41 320	3.93 250	1.61 349	3.92 218	2.77 204	3.13 381	2.20 295	2.40 246	2.78 347	6.23 270	16.59 431	0.50 314	0.35 201	0.63 384	0.62 380	0.58 311	0.92 272

Wz-Net-LNSev	2.78 239	6.16 388	17.27 161	1.24 224	1.65 369	3.49 155	1.55 344	3.70 178	3.61 349	1.96 159	1.76 172	3.30 326	2.17 316	2.78 196	2.24 293	0.49 304	0.35 201	0.32 163	0.31 222	0.56 304	0.65 213

MADNet++	8.64 447	6.17 389	13.88 91	6.61 461	5.25 453	10.15 452	14.20 459	5.89 445	8.25 448	7.14 442	8.18 429	6.41 428	9.84 444	11.71 416	16.73 433	9.65 467	5.03 428	8.63 467	5.68 464	4.83 454	8.57 429

SAMSARA	4.67 396	6.50 390	16.40 144	4.62 458	3.13 429	6.62 442	3.49 426	5.24 430	3.04 255	7.78 445	3.07 381	5.32 419	4.05 394	9.98 347	6.42 373	0.69 367	2.39 400	0.60 374	0.74 391	0.99 389	2.26 354

XQC	3.41 329	6.58 391	15.18 114	1.97 388	1.62 358	3.40 134	1.76 363	4.53 401	3.67 356	3.40 396	2.45 335	3.73 358	2.91 351	6.78 284	5.36 368	0.73 379	0.90 349	0.60 374	0.61 377	1.02 390	0.99 280

NaN_ROB	4.73 401	6.66 392	21.89 436	1.26 242	1.28 295	3.49 155	3.02 416	4.38 376	3.93 370	3.65 405	2.55 347	2.97 301	5.01 406	13.23 445	17.43 445	0.38 208	0.42 256	0.38 273	0.40 309	0.50 285	1.82 338

RTSC	3.44 332	6.78 393	16.53 148	1.76 375	1.54 338	3.53 164	0.94 241	4.22 312	2.97 237	3.65 405	3.23 390	3.31 328	2.29 321	6.22 268	7.41 383	0.61 350	1.32 370	0.37 258	0.42 323	0.78 367	0.98 279

CFNet	3.04 276	6.89 394	16.27 141	1.36 273	1.24 290	4.09 283	0.72 108	4.15 290	3.00 242	1.69 112	1.88 226	2.27 232	1.45 190	11.41 400	2.12 285	0.36 182	0.29 156	0.43 303	0.36 274	0.48 280	0.38 72

AANet_RVC	3.70 354	7.03 395	17.25 159	1.21 212	1.12 261	3.79 214	1.09 277	3.98 231	3.38 321	2.65 340	4.29 410	3.95 370	1.40 177	11.43 403	7.88 388	1.25 410	0.57 307	0.34 215	0.25 96	0.43 231	0.71 227

Wz-Net-MNSev	3.26 314	7.24 396	17.26 160	1.58 339	1.37 313	3.27 117	2.45 397	4.10 270	4.50 403	2.61 335	2.17 286	2.33 239	3.02 362	7.48 300	2.88 327	0.46 283	0.39 235	0.37 258	0.38 293	0.61 318	0.63 205

FADNet_RVC	3.10 282	7.62 397	19.12 205	1.05 148	0.93 212	4.09 283	0.84 183	4.34 366	2.05 102	1.54 88	1.78 182	1.61 134	1.50 205	8.92 319	2.64 319	0.50 314	0.38 226	0.44 305	0.61 377	0.91 383	1.16 296

Syn2CoEx	3.42 331	7.66 398	20.57 351	1.42 300	1.18 271	2.49 70	1.64 355	4.07 256	2.68 191	2.51 324	2.27 306	2.89 297	3.15 369	9.56 331	2.58 315	0.52 330	0.45 268	0.53 352	0.42 323	0.79 371	1.00 281

ACRE	2.75 234	7.69 399	19.93 265	0.93 84	1.30 298	3.94 253	0.90 218	4.23 317	3.66 354	2.33 284	2.61 353	1.17 82	1.04 99	1.80 109	1.35 138	0.46 283	0.25 112	0.27 63	0.23 71	0.32 84	0.60 194

LSM	13.03 458	7.72 400	21.01 390	55.44 481	85.65 479	3.65 188	6.27 447	3.91 217	5.06 423	5.63 433	13.91 456	3.53 349	3.46 385	9.93 344	4.36 357	0.72 376	0.95 353	0.72 399	0.85 400	1.09 399	26.67 474

FADNet-RVC-Resample	3.31 318	8.52 401	22.84 454	1.18 201	0.91 207	3.52 162	1.35 320	4.13 282	2.32 147	1.75 124	1.35 71	2.26 231	1.51 207	9.51 329	2.03 275	0.42 238	0.38 226	0.42 299	0.44 332	0.59 313	0.71 227

MFMNet_re	3.44 332	8.89 402	19.36 221	3.25 436	1.91 394	3.13 102	1.99 376	3.60 162	4.16 380	3.17 387	2.86 372	2.25 230	2.41 330	2.61 184	2.35 302	1.13 405	1.06 360	0.94 410	0.91 404	1.29 414	1.57 322

SuperB	5.03 408	8.93 403	20.96 388	1.51 324	1.11 258	3.88 236	3.00 414	4.24 323	3.13 269	2.53 325	2.10 274	2.74 284	3.37 380	8.76 316	19.44 459	0.45 271	0.34 192	0.53 352	0.40 309	11.97 470	1.15 295

WAO-6	6.68 435	9.03 404	20.68 363	2.98 430	2.79 421	11.93 455	3.56 431	5.39 435	11.65 454	3.55 402	9.59 441	6.77 430	6.72 424	12.28 426	11.56 403	2.88 434	2.36 398	2.50 436	1.84 440	2.89 434	2.72 366

HBP-ISP	3.78 357	9.10 405	20.83 377	1.72 367	1.14 264	4.54 377	2.82 409	4.61 413	3.03 252	4.13 416	1.98 250	1.88 186	3.31 374	11.06 383	1.52 174	0.74 382	0.57 307	0.67 390	0.62 380	0.65 338	0.64 210

RTS	4.29 383	9.35 406	18.25 184	2.79 426	2.29 411	4.98 426	3.41 423	4.72 420	4.27 388	4.35 420	3.10 384	4.93 412	3.14 367	7.71 304	6.99 378	0.71 371	0.68 330	0.51 345	0.50 352	1.07 396	1.98 342

RTSA	4.29 383	9.35 406	18.25 184	2.79 426	2.29 411	4.98 426	3.41 423	4.72 420	4.27 388	4.35 420	3.10 384	4.93 412	3.14 367	7.71 304	6.99 378	0.71 371	0.68 330	0.51 345	0.50 352	1.07 396	1.98 342

AnyNet_C32	4.49 390	9.53 408	13.85 88	1.67 357	1.56 346	5.40 433	4.06 441	4.03 245	3.69 357	4.21 419	3.09 383	3.09 313	3.38 381	8.24 309	18.76 456	0.56 342	0.64 324	0.53 352	0.81 397	1.36 417	1.42 311

NVStereoNet_ROB	6.63 433	9.57 409	19.28 217	3.19 434	2.11 404	3.69 195	1.99 376	4.32 358	6.27 445	3.26 392	24.57 468	5.45 422	11.39 446	13.56 449	12.37 411	2.79 431	2.05 388	1.76 429	1.75 436	1.49 420	1.75 331
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DN-CSS_ROB	2.89 253	9.72 410	19.71 243	2.07 398	0.90 202	4.01 265	0.61 55	4.06 254	3.35 316	1.66 105	1.89 228	1.39 114	1.06 110	3.24 210	1.88 250	0.44 262	0.19 10	0.44 305	0.29 188	0.40 192	0.42 95

PWCDC_ROB	3.62 345	9.86 411	17.35 163	1.62 347	1.57 349	4.19 320	1.01 257	4.35 367	4.20 381	2.26 257	7.36 424	2.73 281	2.75 345	4.10 230	4.51 359	1.47 419	0.37 213	0.39 278	0.34 252	1.22 411	0.73 235

CIPLG	2.88 251	10.01 412	20.02 274	0.95 101	1.34 307	3.95 255	0.91 228	4.24 323	3.69 357	2.36 294	2.66 357	1.17 82	1.06 110	1.82 112	1.37 150	0.45 271	0.25 112	0.27 63	0.23 71	0.33 105	0.60 194

SPS-STEREO	5.18 409	10.36 413	21.09 403	1.74 371	1.72 379	3.24 114	2.26 392	3.92 218	4.12 377	5.06 430	3.66 400	5.43 421	3.33 376	9.56 331	12.34 410	1.17 408	1.17 366	1.07 415	1.03 411	1.17 407	10.25 436
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
iResNet_ROB	2.72 224	10.38 414	14.41 101	1.46 311	0.99 224	3.74 205	0.66 80	4.01 237	2.84 216	2.04 189	2.05 266	1.98 206	1.38 170	4.73 238	1.91 257	0.35 161	0.20 21	0.28 89	0.19 12	0.33 105	0.41 88

Wz-Net-SNSev	3.47 338	10.51 415	16.90 153	1.65 355	1.20 279	3.29 123	2.03 382	4.16 292	3.03 252	2.35 288	2.39 324	3.48 338	2.12 308	7.95 307	4.28 354	0.51 320	0.40 238	0.53 352	0.49 346	0.74 363	1.46 316

ADCMid	4.55 392	10.78 416	17.67 174	1.32 263	1.43 323	4.62 394	2.24 391	4.22 312	4.97 422	3.93 411	3.01 378	3.84 365	3.66 387	4.22 234	18.57 455	0.69 367	0.62 322	1.09 417	1.20 419	1.48 419	1.49 318

AnyNet_C01	4.68 397	10.90 417	16.41 145	2.03 395	1.62 358	6.25 438	6.40 448	4.19 304	5.13 425	4.03 413	3.77 402	4.14 381	3.26 372	7.23 293	11.19 398	0.64 359	0.80 342	0.65 388	0.72 389	2.18 427	2.08 346

MADNet+	4.46 389	11.36 418	14.35 100	2.23 401	2.50 417	4.18 312	2.86 411	5.46 437	4.43 395	2.74 347	2.69 361	4.55 402	3.43 383	8.97 321	9.42 392	1.47 419	2.06 389	1.09 417	1.02 409	1.54 421	2.96 375

coex-ft	20.00 466	11.54 419	120.82 485	1.18 201	1.30 298	2.36 65	1.99 376	2.96 108	13.96 456	129.83 486	8.40 434	5.88 426	52.82 480	9.93 344	31.13 475	0.61 350	0.62 322	0.50 340	0.49 346	1.10 401	2.63 363

FADNet	3.20 301	11.55 420	16.16 134	1.24 224	0.95 218	3.30 127	0.87 196	4.00 235	2.73 197	1.42 79	1.35 71	2.51 261	2.04 300	9.95 346	2.39 307	0.44 262	0.46 273	0.40 283	0.44 332	1.13 404	0.61 198

IPLGR_C	2.96 265	11.71 421	20.02 274	0.95 101	1.31 302	3.93 250	0.92 234	4.22 312	3.76 360	2.35 288	2.62 354	1.16 81	1.07 113	1.71 91	1.34 137	0.45 271	0.25 112	0.27 63	0.23 71	0.33 105	0.60 194

JetBlue	6.69 436	12.01 422	14.30 98	1.98 390	4.64 450	11.97 456	12.29 457	5.39 435	4.32 394	3.81 409	4.51 412	9.50 441	6.53 423	10.22 354	14.50 422	1.32 411	1.47 374	1.18 420	1.36 428	7.48 464	5.05 403

WZ-Net	4.39 387	12.37 423	17.44 165	1.47 315	1.42 322	3.76 208	2.27 393	4.17 296	3.11 266	2.89 363	2.24 300	4.05 375	5.69 414	10.89 375	12.07 408	0.66 362	0.41 245	0.47 320	0.49 346	0.78 367	1.12 292

FADNet-RVC	3.23 308	12.51 424	17.02 155	1.17 197	0.81 165	3.52 162	1.09 277	4.16 292	2.74 199	1.44 83	1.29 64	1.86 182	1.76 268	9.82 337	2.46 309	0.39 215	0.38 226	0.40 283	0.41 319	0.68 349	0.59 190

ADCS	4.77 403	12.63 425	17.40 164	1.72 367	1.34 307	3.90 239	3.60 432	4.30 340	3.54 346	5.11 431	2.81 370	4.44 396	3.05 365	6.15 267	19.32 458	0.74 382	0.68 330	0.70 394	0.70 387	1.25 413	1.98 342

ADCP+	4.42 388	12.67 426	18.95 200	1.12 175	1.55 342	4.30 340	3.60 432	4.01 237	3.80 363	2.30 268	1.71 160	3.93 368	4.29 397	3.49 214	18.77 457	0.40 225	0.41 245	0.63 384	0.53 359	0.67 344	1.35 305

LE_ROB	19.18 465	12.99 427	48.22 477	8.42 466	23.91 470	7.26 446	19.71 463	9.92 453	38.58 475	43.44 473	21.85 464	28.15 471	41.18 474	23.00 465	54.71 479	0.38 208	0.34 192	0.32 163	0.36 274	0.43 231	0.49 137

PWCK	6.49 430	13.40 428	20.27 305	2.95 429	1.61 356	5.68 436	7.63 452	5.37 434	4.77 416	3.90 410	7.48 425	7.96 436	5.63 411	15.15 457	10.93 397	3.21 438	1.55 378	2.34 435	1.43 430	6.05 457	2.45 360

ARAFT	3.24 310	13.49 429	19.88 261	0.93 84	0.49 52	4.16 303	1.40 326	4.37 372	3.21 278	2.40 306	1.91 237	1.70 146	1.04 99	6.43 274	1.45 166	0.37 193	0.19 10	0.37 258	0.35 265	0.37 164	0.35 43

Wz-Net-TNSev	4.22 376	13.55 430	15.87 128	1.57 337	1.19 277	3.61 179	2.48 399	4.38 376	3.45 337	2.29 266	1.91 237	4.20 386	2.86 349	12.11 425	10.56 396	0.61 350	0.59 315	0.48 325	0.54 362	0.93 386	1.24 300

UNDER WATER	11.28 453	13.60 431	22.90 456	5.11 459	4.53 449	7.75 448	3.75 435	12.50 457	21.62 469	7.80 446	10.68 444	23.75 465	35.20 470	11.54 406	17.40 444	4.46 454	2.95 410	4.23 462	2.90 460	6.57 459	6.27 412

MFN_U_SF_DS_RVC	4.38 386	13.66 432	13.95 93	1.39 288	1.58 354	5.18 430	3.31 421	4.53 401	3.22 284	2.60 331	2.62 354	4.99 414	2.11 306	13.99 455	4.21 353	1.53 421	2.56 405	0.67 390	1.82 439	0.83 378	2.92 373

MANE	15.29 460	13.67 433	23.58 459	10.15 468	13.37 462	23.58 470	23.86 465	27.83 471	26.26 471	12.02 464	15.10 457	19.83 458	18.01 461	15.68 459	20.35 460	8.58 466	9.20 454	3.05 448	4.19 463	0.82 375	16.69 463

LL-Strereo	4.26 381	13.69 434	20.37 318	1.24 224	2.18 406	2.90 87	1.08 273	4.35 367	2.22 125	3.20 388	2.26 303	3.29 325	3.13 366	11.30 396	1.91 257	0.33 125	3.89 422	0.46 318	0.34 252	0.54 295	6.47 414

CSAN	5.95 420	13.70 435	21.94 439	1.35 269	0.93 212	3.65 188	3.46 425	4.73 422	4.26 387	3.98 412	7.70 426	3.54 350	6.94 427	22.83 464	16.00 428	0.53 332	0.47 283	0.50 340	0.55 366	0.65 338	1.22 298

SANet	6.43 429	13.71 436	22.08 445	1.43 306	1.00 230	6.86 444	3.78 437	4.71 419	11.10 452	4.71 427	8.72 436	7.47 433	7.91 436	12.46 435	18.12 450	0.51 320	0.47 283	0.50 340	0.45 337	0.94 387	1.60 326

MFN_U_SF_RVC	4.08 372	13.72 437	15.13 113	2.00 391	1.43 323	3.73 203	1.68 359	4.11 273	3.39 326	2.93 367	2.38 322	4.39 395	3.63 386	8.63 314	6.14 371	1.14 406	1.07 363	1.01 412	1.35 427	1.63 423	2.09 348

IMH-64-1	6.10 424	13.83 438	17.55 167	4.34 451	3.78 438	4.79 422	5.94 445	5.34 431	4.20 381	4.10 414	8.31 432	5.07 416	6.92 425	9.63 334	7.36 381	4.60 458	2.96 412	3.04 446	2.14 449	4.30 447	3.88 392

IMH-64	6.10 424	13.83 438	17.55 167	4.34 451	3.78 438	4.79 422	5.94 445	5.34 431	4.20 381	4.10 414	8.31 432	5.07 416	6.92 425	9.63 334	7.36 381	4.60 458	2.96 412	3.04 446	2.14 449	4.30 447	3.88 392

MSC_U_SF_DS_RVC	4.90 406	13.94 440	16.59 149	1.69 361	1.46 327	6.15 437	3.52 428	5.47 438	3.95 371	2.77 350	2.74 365	4.81 411	2.49 337	13.78 452	5.33 367	2.34 429	3.46 418	1.05 414	1.21 421	2.28 429	2.94 374

SQANet	4.22 376	14.03 441	20.30 311	2.78 424	2.75 420	3.41 137	1.48 337	3.66 169	2.25 130	2.62 337	1.77 179	2.68 278	1.90 291	7.41 299	3.78 349	2.97 435	1.42 373	1.85 430	1.13 415	3.28 435	2.86 370

RAFT + AFF	3.98 369	14.10 442	20.78 373	1.16 190	1.96 396	4.14 297	2.00 379	4.56 405	3.52 345	2.23 248	2.51 343	2.27 232	4.92 405	8.94 320	2.82 322	0.33 125	0.60 317	0.48 325	0.39 300	0.81 373	1.03 286

notaker	10.92 452	14.17 443	20.38 319	4.56 457	3.98 443	6.29 439	3.53 429	7.68 449	5.10 424	9.04 451	46.37 475	13.84 454	28.85 469	14.18 456	14.16 419	4.57 457	3.19 416	3.52 454	2.70 457	8.16 466	4.13 396

UNDER WATER-64	10.08 448	14.27 444	22.85 455	5.26 460	4.88 452	11.00 454	4.57 444	11.41 455	17.25 462	7.68 444	9.72 442	15.96 455	21.47 467	11.12 389	16.63 432	4.38 452	2.88 409	4.41 463	2.95 461	7.12 462	5.81 409

WAO-7	6.00 422	14.29 445	20.46 328	1.97 388	1.51 334	5.31 432	3.06 418	5.00 427	5.92 441	4.55 425	8.87 437	6.52 429	6.47 422	13.38 448	13.85 417	1.35 412	1.24 368	1.48 426	1.36 428	1.63 423	1.79 337

TorneroNet-64	10.52 449	14.33 446	21.95 440	4.29 450	3.76 437	13.77 460	2.83 410	14.96 465	23.11 470	10.24 459	23.77 467	13.44 451	8.15 437	13.98 454	17.70 448	4.03 451	2.73 406	3.23 451	2.53 453	7.27 463	4.35 399

SGM+DAISY	13.18 459	14.36 447	24.65 462	8.10 464	13.49 463	22.47 468	25.54 468	12.13 456	17.08 461	14.77 465	15.82 460	12.17 448	13.97 455	12.65 438	18.22 452	8.40 465	9.18 453	1.23 422	1.33 426	1.23 412	16.81 467

ktn	22.24 469	14.37 448	20.30 311	4.54 456	4.02 444	6.52 441	4.50 443	6.78 447	78.80 483	84.67 483	100.54 486	58.48 480	8.39 439	13.13 443	17.09 437	4.61 460	3.24 417	3.49 453	2.62 455	4.70 453	3.96 394

KSHMR	17.50 464	14.38 449	22.35 451	4.50 455	4.51 448	8.17 449	3.33 422	15.44 467	76.15 481	7.32 443	61.40 479	56.33 479	5.66 413	32.91 472	13.97 418	4.42 453	2.99 414	3.64 458	2.79 459	5.13 455	4.55 401

FINET	10.59 450	14.44 450	25.84 463	2.30 404	3.90 441	21.74 467	25.19 467	8.85 452	16.99 460	2.68 341	15.19 458	11.45 444	13.83 452	6.71 283	15.11 425	0.80 387	8.59 444	0.53 352	0.44 332	0.62 323	16.67 462

TorneroNet	26.32 471	14.70 451	22.40 452	4.24 448	4.08 445	54.72 480	3.19 419	15.11 466	76.73 482	57.99 478	82.55 483	86.65 484	45.79 479	13.34 447	18.51 453	4.52 456	2.86 408	3.45 452	2.63 456	8.75 468	4.28 397

Ntro	4.83 404	14.73 452	20.47 331	3.24 435	2.97 424	4.12 289	1.88 370	4.00 235	2.57 180	1.79 130	2.15 281	3.34 331	2.16 314	10.01 349	7.34 380	3.53 444	1.77 383	2.13 433	1.32 425	3.89 444	3.23 377

FADE	78.97 483	14.73 452	35.82 469	10.62 470	13.30 461	4.17 308	4.16 442	28.45 472	8.38 449	5.17 432	3.89 403	11.84 447	36.55 471	44.20 477	27.82 472	481.80 489	167.92 488	346.21 489	320.29 489	7.64 465	6.52 415

ACVNet-4b	6.98 438	14.78 454	22.17 447	3.56 440	3.11 428	4.14 297	2.23 390	4.08 264	3.84 364	1.67 107	3.96 407	5.86 425	2.87 350	10.30 359	17.16 442	26.09 475	2.24 394	2.53 437	1.79 437	3.91 445	3.28 380

ACVNet_1	6.63 433	14.79 455	21.40 427	3.59 442	3.17 430	4.69 415	2.46 398	4.24 323	3.34 315	3.11 380	2.86 372	23.21 463	4.59 403	11.06 383	12.59 412	3.75 445	2.34 397	2.60 439	1.80 438	3.70 439	3.31 381

otaku	5.59 415	14.82 456	20.70 367	3.13 433	2.70 419	3.91 242	2.56 403	3.90 213	2.48 171	2.25 251	9.38 439	4.06 376	2.32 324	9.59 333	14.37 421	3.52 443	1.66 381	2.15 434	1.19 418	3.73 442	3.35 383

iResNetv2_ROB	3.31 318	14.88 457	20.01 273	2.17 400	1.09 253	3.84 224	1.13 286	4.22 312	3.15 272	2.02 181	2.06 268	2.00 211	1.69 257	3.61 217	2.10 284	0.36 182	0.22 55	0.32 163	0.22 59	0.48 280	0.58 188

SGM-ForestM	15.60 461	14.94 458	28.17 467	7.84 463	10.49 459	23.43 469	24.58 466	20.87 469	16.87 458	15.92 468	15.89 461	27.08 470	22.45 468	24.86 469	28.42 474	3.85 448	8.90 448	0.55 361	1.15 417	0.64 332	15.05 451

RainbowNet	5.20 410	15.03 459	21.14 409	3.66 443	3.25 433	4.18 312	2.98 413	4.22 312	3.20 275	2.30 268	2.65 356	4.24 387	2.97 355	9.92 343	6.29 372	3.92 449	2.27 395	2.71 444	1.73 435	3.82 443	3.43 385

Dean	8.35 446	15.23 460	22.34 450	3.76 445	3.55 434	4.81 424	3.51 427	5.34 431	5.37 430	4.49 424	26.13 469	25.59 469	4.33 399	11.21 393	13.12 414	3.78 446	2.31 396	2.90 445	1.89 441	4.04 446	3.34 382

ACVNet_2	6.09 423	15.28 461	21.36 426	3.30 437	3.17 430	4.50 371	3.00 414	4.70 418	3.96 372	3.52 401	5.34 418	7.79 435	2.95 353	12.40 428	13.76 416	3.28 439	2.23 393	2.70 443	1.70 432	3.52 437	3.24 378

GASNet	3.86 362	15.35 462	21.16 412	1.63 350	1.25 292	2.35 63	1.11 282	4.11 273	2.86 223	1.99 166	2.11 275	2.99 303	2.16 314	10.62 365	3.75 348	0.71 371	0.37 213	0.61 377	0.46 339	0.91 383	0.70 225

LVE	7.57 443	15.80 463	21.28 421	3.69 444	3.19 432	4.54 377	2.78 406	10.13 454	11.63 453	3.24 390	11.52 449	18.10 456	4.55 402	11.67 411	10.30 395	4.62 461	2.95 410	2.56 438	1.91 442	3.63 438	3.26 379

WAO-8	12.61 455	16.02 464	21.99 442	3.55 438	3.10 426	15.07 461	2.80 407	12.81 459	19.10 467	7.93 447	13.05 453	11.75 445	8.46 440	83.86 485	15.10 423	3.51 441	1.94 386	3.54 455	1.96 443	3.72 440	2.89 371

Venus	12.61 455	16.02 464	21.99 442	3.55 438	3.10 426	15.07 461	2.80 407	12.81 459	19.10 467	7.93 447	13.05 453	11.75 445	8.46 440	83.86 485	15.10 423	3.51 441	1.94 386	3.54 455	1.96 443	3.72 440	2.89 371

IMH	7.25 440	16.24 466	21.08 398	4.40 453	3.79 440	5.46 434	3.03 417	5.58 441	6.26 444	4.92 429	10.32 443	9.24 440	8.30 438	13.62 450	11.56 403	4.84 462	3.00 415	3.09 449	2.14 449	4.38 449	3.83 391

HanzoNet	31.86 473	17.33 467	21.23 418	7.52 462	5.85 456	7.49 447	3.61 434	14.35 463	13.37 455	50.38 476	46.35 474	44.46 473	56.50 481	36.53 476	28.25 473	64.05 481	58.31 482	9.45 469	89.24 482	31.17 477	31.77 475

Anonymous_1	57.77 481	19.65 468	26.12 464	23.12 472	141.97 485	30.79 471	39.72 474	34.10 476	16.98 459	70.09 482	15.64 459	23.44 464	19.73 464	23.03 466	27.21 469	164.70 487	9.02 451	130.41 482	137.42 484	161.21 488	41.01 479

DPSM_ROB	20.83 467	20.01 469	26.54 465	23.64 473	22.42 468	31.06 472	39.94 475	34.02 474	17.42 463	15.35 466	16.05 462	24.04 466	20.69 465	23.28 467	27.60 470	10.77 469	9.41 455	11.68 471	11.50 469	14.48 471	16.71 464

DPSM	20.83 467	20.01 469	26.54 465	23.64 473	22.42 468	31.06 472	39.94 475	34.02 474	17.42 463	15.35 466	16.05 462	24.04 466	20.69 465	23.28 467	27.60 470	10.77 469	9.41 455	11.68 471	11.50 469	14.48 471	16.71 464

DGTPSM_ROB	16.67 462	21.79 471	40.19 473	10.00 467	19.05 466	12.43 458	33.20 471	13.71 461	18.09 465	9.71 454	22.85 465	13.77 452	19.64 462	21.23 461	24.07 462	5.09 463	8.95 449	5.62 464	11.49 468	6.73 460	15.75 460

DPSMNet_ROB	16.76 463	21.81 472	40.95 474	10.20 469	19.08 467	12.43 458	33.21 472	13.73 462	18.21 466	9.76 455	22.88 466	13.78 453	19.64 462	21.39 462	24.21 463	5.20 464	8.97 450	5.63 465	11.51 471	6.80 461	15.82 461

JetRed	10.68 451	26.07 473	35.62 468	4.40 453	4.16 447	15.72 464	13.07 458	14.57 464	5.83 440	5.85 436	5.55 420	10.12 442	7.37 430	8.86 317	25.99 468	3.33 440	3.82 421	3.59 457	2.98 462	8.51 467	8.22 424

LRCNet_RVC	25.63 470	33.47 474	24.35 461	31.77 475	32.74 471	6.73 443	1.19 295	25.87 470	4.67 410	28.95 469	30.91 470	24.89 468	17.54 459	27.82 470	24.57 465	35.48 476	25.62 478	35.91 477	33.80 476	31.95 478	34.38 478

LSM0	49.69 479	40.02 475	53.50 482	97.07 482	129.56 483	62.65 483	79.82 483	68.02 480	35.12 474	33.72 472	33.34 473	48.41 478	41.54 475	46.57 481	55.40 481	21.63 474	19.16 473	23.60 476	23.13 473	29.46 476	52.08 483

Selective-RAFT-Error	41.88 474	40.10 476	53.23 480	47.74 480	45.20 477	62.42 481	80.58 484	68.27 481	34.95 473	30.85 471	32.30 471	48.08 476	42.07 477	46.54 480	54.92 480	21.60 473	19.12 472	23.46 474	23.15 474	29.14 474	33.95 477

CasAABBNet	41.89 475	40.14 477	53.33 481	47.71 479	45.10 476	62.42 481	80.65 485	68.29 482	34.85 472	30.67 470	32.34 472	48.22 477	41.76 476	46.61 482	55.60 482	21.59 472	18.89 471	23.46 474	23.21 475	29.17 475	33.75 476

HaxPig	43.31 476	43.63 478	45.01 475	33.88 476	35.67 473	32.79 474	30.52 470	45.50 477	42.95 476	48.75 474	48.14 476	43.24 472	40.44 473	44.58 478	43.63 476	47.17 478	49.30 479	51.65 479	50.37 478	43.72 479	45.27 480

AVERAGE_ROB	44.46 477	45.87 479	46.48 476	40.54 478	38.62 474	32.95 475	30.49 469	46.80 478	43.31 477	49.57 475	48.93 477	44.57 474	39.87 472	45.01 479	43.89 477	48.70 479	50.65 480	50.80 478	49.79 477	45.54 480	46.89 481

MEDIAN_ROB	47.37 478	49.00 480	49.74 478	40.28 477	39.94 475	34.93 476	33.41 473	49.78 479	46.38 479	53.04 477	52.61 478	47.67 475	42.28 478	48.33 483	47.25 478	52.06 480	53.99 481	54.28 480	53.48 479	48.70 481	50.27 482

DLNR_Zeroshot_test	29.83 472	55.48 481	50.99 479	183.84 485	114.74 482	3.44 142	0.28 1	29.52 473	1.59 41	1.03 49	1.25 54	0.93 59	0.64 17	3.95 227	1.62 198	37.16 477	1.69 382	0.26 49	0.23 71	92.97 482	15.07 452

PML	64.55 482	56.00 482	20.79 374	8.10 464	32.82 472	147.60 487	247.57 489	12.71 458	45.39 478	111.32 485	288.85 489	101.42 486	100.62 487	31.63 471	15.84 427	13.96 471	4.84 425	10.95 470	6.18 466	28.99 473	5.33 405

BEATNet-Init1	51.93 480	71.67 483	99.39 484	10.91 471	13.10 460	84.39 485	59.36 479	73.78 483	67.97 480	88.09 484	88.15 484	91.73 485	97.51 486	85.13 487	72.56 486	2.59 430	5.18 429	1.20 421	1.49 431	10.61 469	13.83 442

xxxxx1	112.85 484	94.19 484	38.10 470	228.21 487	161.02 486	39.23 477	61.26 480	92.54 484	79.08 484	63.44 479	74.84 480	77.80 481	69.88 482	33.55 473	70.96 483	117.25 483	130.44 485	258.49 486	273.88 486	145.63 485	147.24 486

tt_ll	112.85 484	94.19 484	38.10 470	228.21 487	161.02 486	39.23 477	61.26 480	92.54 484	79.08 484	63.44 479	74.84 480	77.80 481	69.88 482	33.55 473	70.96 483	117.25 483	130.44 485	258.49 486	273.88 486	145.63 485	147.24 486

ff	112.85 484	94.19 484	38.10 470	228.21 487	161.02 486	39.23 477	61.26 480	92.54 484	79.08 484	63.44 479	74.84 480	77.80 481	69.88 482	33.55 473	70.96 483	117.25 483	130.44 485	258.49 486	273.88 486	145.63 485	147.24 486

ASD4	117.27 487	129.52 487	123.56 486	122.58 483	90.02 480	142.70 486	121.49 486	155.40 488	106.26 487	137.15 487	93.99 485	116.23 487	77.54 485	123.37 488	97.34 487	115.20 482	101.37 483	138.98 484	118.15 483	131.38 484	103.11 484

DPSimNet_ROB	143.68 488	156.64 488	170.66 487	162.59 484	135.40 484	195.13 488	174.01 487	141.76 487	167.78 489	174.58 488	138.78 487	186.01 488	183.75 488	82.32 484	97.85 488	151.24 486	102.48 484	131.25 483	82.78 481	115.21 483	123.37 485

test_example2	213.42 489	219.67 489	222.97 489	213.78 486	220.82 489	199.03 489	200.49 488	189.27 489	143.61 488	211.05 489	218.08 488	210.69 489	205.21 489	221.14 489	216.49 489	236.74 488	242.08 489	213.66 485	216.96 485	235.55 489	231.06 489

Low-res two-view benchmark