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

CAS	0.34 61	0.13 1	0.25 7	1.28 440	0.30 264	0.46 171	0.38 221	0.48 25	0.47 85	0.34 25	0.52 73	0.24 3	0.19 5	0.29 3	0.27 56	0.69 430	0.08 1	0.12 2	0.08 1	0.12 11	0.15 135

Occ-G	0.26 11	0.14 2	0.28 13	0.34 17	0.20 28	0.27 31	0.34 148	0.41 7	0.31 12	0.29 14	0.43 37	0.49 104	0.25 25	0.47 65	0.28 68	0.13 17	0.11 69	0.14 25	0.11 26	0.12 11	0.12 47

Pointernet	0.27 14	0.14 2	0.33 28	0.35 38	0.23 89	0.35 101	0.21 8	0.72 168	0.38 48	0.39 46	0.36 28	0.34 30	0.25 25	0.36 14	0.25 21	0.15 93	0.10 12	0.12 2	0.08 1	0.11 1	0.10 3

IGEV-Stereo+	0.23 2	0.14 2	0.26 8	0.32 10	0.19 13	0.12 1	0.17 1	0.29 1	0.29 6	0.21 1	0.15 1	0.22 2	0.22 14	0.40 27	0.22 1	0.14 41	0.10 12	0.12 2	0.09 8	0.15 100	0.86 437

trnet	0.27 14	0.14 2	0.23 1	0.28 2	0.15 1	0.37 111	0.23 25	0.52 44	0.72 168	0.42 59	0.51 65	0.34 30	0.26 35	0.39 24	0.25 21	0.15 93	0.11 69	0.12 2	0.08 1	0.11 1	0.10 3

CES	0.28 19	0.14 2	0.23 1	0.30 5	0.70 421	0.37 111	0.27 62	0.48 25	0.46 81	0.34 25	0.48 52	0.27 7	0.22 14	0.39 24	0.23 10	0.13 17	0.11 69	0.12 2	0.08 1	0.13 28	0.17 195

WCG-NET	0.29 26	0.15 7	0.36 48	0.36 49	0.23 89	0.43 154	0.23 25	0.48 25	0.46 81	0.40 51	0.47 49	0.46 91	0.28 54	0.55 103	0.25 21	0.15 93	0.11 69	0.13 15	0.12 46	0.13 28	0.12 47

IGEV-Stereo++	0.21 1	0.15 7	0.27 10	0.37 64	0.19 13	0.22 5	0.18 2	0.42 10	0.35 28	0.22 2	0.28 12	0.24 3	0.18 2	0.27 2	0.22 1	0.12 4	0.09 3	0.12 2	0.10 16	0.12 11	0.10 3

WCG-NET（raft）	0.31 42	0.15 7	0.36 48	0.32 10	0.19 13	0.35 101	0.27 62	0.51 37	0.78 205	0.45 67	0.55 82	0.48 99	0.27 42	0.54 99	0.26 44	0.13 17	0.10 12	0.12 2	0.11 26	0.12 11	0.11 15

MoCha-V2	0.25 6	0.15 7	0.29 14	0.40 145	0.18 8	0.27 31	0.26 52	0.49 29	0.27 3	0.36 31	0.27 9	0.33 27	0.35 107	0.49 75	0.22 1	0.12 4	0.10 12	0.12 2	0.10 16	0.13 28	0.11 15

LoS	0.29 26	0.15 7	0.30 17	0.29 3	0.18 8	0.33 86	0.29 80	0.51 37	0.72 168	0.34 25	0.52 73	0.41 63	0.28 54	0.47 65	0.28 68	0.15 93	0.11 69	0.13 15	0.09 8	0.11 1	0.11 15
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CREStereo++_RVC	0.32 48	0.15 7	0.23 1	0.31 7	0.24 113	0.27 31	0.22 14	0.46 22	0.88 261	0.46 72	0.80 168	0.30 10	0.26 35	0.36 14	0.33 116	0.13 17	0.09 3	0.13 15	0.51 427	0.13 28	0.09 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.36 93	0.15 7	0.24 4	0.34 17	0.15 1	0.77 307	0.29 80	0.80 203	0.83 232	0.56 100	0.57 88	0.43 77	0.40 143	0.57 123	0.33 116	0.12 4	0.10 12	0.14 25	0.09 8	0.14 63	0.09 1

TANstereo	0.30 39	0.15 7	0.31 19	0.30 5	0.17 4	0.55 204	0.23 25	0.44 17	0.55 107	0.59 105	0.68 118	0.37 45	0.26 35	0.35 13	0.27 56	0.15 93	0.16 264	0.12 2	0.10 16	0.13 28	0.14 114

CREStereo	0.28 19	0.15 7	0.24 4	0.27 1	0.17 4	0.37 111	0.25 44	0.51 37	0.72 168	0.42 59	0.51 65	0.32 18	0.26 35	0.38 22	0.25 21	0.16 134	0.11 69	0.12 2	0.08 1	0.12 11	0.11 15
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
U	0.45 194	0.16 16	0.32 24	0.40 145	0.71 422	3.55 456	0.20 3	0.41 7	0.38 48	0.26 6	0.23 3	0.24 3	0.22 14	0.26 1	0.22 1	0.15 93	0.09 3	0.88 432	0.13 71	0.13 28	0.11 15

Any-RAFT	0.35 75	0.16 16	0.30 17	0.34 17	0.21 40	0.52 189	0.22 14	0.88 230	0.73 175	0.53 91	0.73 128	0.64 181	0.28 54	0.46 58	0.24 14	0.15 93	0.10 12	0.13 15	0.10 16	0.13 28	0.12 47

LoS_RVC	0.27 14	0.16 16	0.27 10	0.32 10	0.30 264	0.44 160	0.34 148	0.41 7	0.33 18	0.31 18	0.51 65	0.29 9	0.32 87	0.36 14	0.28 68	0.11 1	0.10 12	0.11 1	0.08 1	0.11 1	0.19 243

EGLCR-Stereo	0.25 6	0.16 16	0.33 28	0.34 17	0.20 28	0.35 101	0.20 3	0.52 44	0.36 34	0.28 10	0.27 9	0.41 63	0.18 2	0.45 50	0.26 44	0.14 41	0.10 12	0.16 83	0.14 96	0.13 28	0.11 15

fff	0.37 109	0.16 16	0.41 103	0.34 17	0.19 13	0.29 52	0.30 94	0.69 144	1.06 350	0.69 171	0.78 156	0.42 70	0.63 266	0.46 58	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.11 1	0.13 75

ADStereo(finetuned)	0.37 109	0.16 16	0.49 216	0.34 17	0.19 13	0.30 60	0.30 94	0.68 136	0.91 281	0.70 177	0.77 146	0.43 77	0.69 300	0.45 50	0.33 116	0.14 41	0.10 12	0.14 25	0.11 26	0.13 28	0.12 47

test-3	0.34 61	0.16 16	0.43 133	0.39 116	0.21 40	0.43 154	0.22 14	0.63 95	0.78 205	0.71 183	0.45 39	0.64 181	0.27 42	0.43 40	0.31 94	0.12 4	0.09 3	0.17 109	0.13 71	0.12 11	0.10 3

test_1	0.34 61	0.16 16	0.43 133	0.39 116	0.21 40	0.43 154	0.23 25	0.63 95	0.78 205	0.68 163	0.45 39	0.64 181	0.27 42	0.43 40	0.31 94	0.12 4	0.09 3	0.17 109	0.13 71	0.12 11	0.10 3

DCANet	0.36 93	0.16 16	0.41 103	0.34 17	0.19 13	0.30 60	0.30 94	0.68 136	0.91 281	0.70 177	0.77 146	0.43 77	0.57 230	0.45 50	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.13 28	0.12 47

csc	0.37 109	0.16 16	0.41 103	0.34 17	0.19 13	0.29 52	0.30 94	0.69 144	1.06 350	0.69 171	0.78 156	0.42 70	0.63 266	0.46 58	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.11 1	0.13 75

cscssc	0.37 109	0.16 16	0.41 103	0.34 17	0.19 13	0.29 52	0.30 94	0.69 144	1.06 350	0.69 171	0.78 156	0.42 70	0.63 266	0.46 58	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.11 1	0.13 75

PMTNet	0.32 48	0.16 16	0.24 4	0.29 3	0.18 8	0.45 167	0.22 14	0.56 56	0.63 131	0.46 72	0.54 77	0.39 50	0.34 104	0.48 72	0.24 14	0.75 432	0.10 12	0.12 2	0.08 1	0.12 11	0.11 15

RAStereo	0.24 3	0.17 28	0.29 14	0.40 145	0.21 40	0.23 7	0.26 52	0.42 10	0.45 77	0.23 3	0.34 25	0.30 10	0.19 5	0.34 10	0.25 21	0.15 93	0.12 119	0.16 83	0.13 71	0.14 63	0.11 15

IGEV++	0.24 3	0.17 28	0.31 19	0.38 89	0.22 55	0.24 10	0.22 14	0.50 36	0.23 1	0.28 10	0.35 27	0.30 10	0.22 14	0.31 5	0.28 68	0.14 41	0.10 12	0.13 15	0.10 16	0.13 28	0.13 75

MSKI-zero shot	0.32 48	0.17 28	0.34 38	0.39 116	0.21 40	0.32 82	0.22 14	0.61 83	0.43 66	0.52 88	0.64 104	0.61 166	0.20 8	0.74 261	0.25 21	0.14 41	0.10 12	0.14 25	0.10 16	0.12 11	0.12 47

UniTT-Stereo	0.27 14	0.17 28	0.37 61	0.40 145	0.27 203	0.30 60	0.28 72	0.39 4	0.31 12	0.29 14	0.46 44	0.27 7	0.25 25	0.47 65	0.34 130	0.17 168	0.13 178	0.13 15	0.12 46	0.14 63	0.12 47

MIM_Stereo	0.38 124	0.17 28	0.53 253	0.37 64	0.24 113	0.27 31	0.24 37	0.70 158	0.54 103	0.72 195	1.00 266	0.63 174	0.29 67	0.64 196	0.38 186	0.13 17	0.14 206	0.17 109	0.16 149	0.14 63	0.11 15

AEACV	0.27 14	0.17 28	0.31 19	0.34 17	0.45 377	0.26 21	0.28 72	0.37 2	0.32 15	0.30 17	0.46 44	0.31 16	0.37 124	0.36 14	0.24 14	0.14 41	0.10 12	0.15 60	0.12 46	0.13 28	0.11 15

MC-Stereo	0.28 19	0.17 28	0.32 24	0.38 89	0.20 28	0.26 21	0.26 52	0.49 29	0.37 44	0.37 34	0.61 98	0.41 63	0.31 83	0.55 103	0.25 21	0.13 17	0.09 3	0.14 25	0.12 46	0.12 11	0.11 15

RCA-Stereo	0.35 75	0.17 28	0.34 38	0.38 89	0.22 55	0.31 72	0.34 148	0.68 136	1.24 385	0.45 67	0.65 107	0.47 95	0.43 157	0.38 22	0.27 56	0.13 17	0.10 12	0.14 25	0.11 26	0.11 1	0.11 15

HHNet	0.41 161	0.17 28	0.41 103	0.34 17	0.37 330	0.33 86	0.34 148	0.69 144	0.75 184	0.86 275	1.30 357	0.52 113	0.32 87	0.52 89	0.35 147	0.15 93	0.11 69	0.19 186	0.15 119	0.15 100	0.24 309

DEmStereo	0.48 225	0.17 28	0.50 229	0.38 89	0.25 139	0.59 235	0.34 148	0.63 95	0.74 181	0.89 294	1.66 400	0.58 140	1.06 390	0.60 162	0.42 205	0.14 41	0.11 69	0.16 83	0.16 149	0.14 63	0.15 135

DRaft	0.49 242	0.17 28	0.47 186	0.37 64	0.25 139	0.58 223	0.40 252	0.65 107	0.85 243	1.02 353	1.75 407	0.50 106	0.82 348	0.63 185	0.40 198	0.13 17	0.11 69	0.16 83	0.16 149	0.14 63	0.15 135

RAFT-RH_RVC	0.56 300	0.17 28	0.41 103	0.37 64	0.23 89	0.57 221	0.24 37	0.60 77	0.70 157	1.19 386	3.94 454	0.56 127	0.38 127	0.65 203	0.36 163	0.13 17	0.11 69	0.20 214	0.14 96	0.12 11	0.13 75

XX-Stereo	0.37 109	0.17 28	0.45 157	0.55 372	0.36 325	0.38 124	0.20 3	0.60 77	0.30 9	0.46 72	1.30 357	0.73 238	0.26 35	0.56 112	0.26 44	0.16 134	0.11 69	0.17 109	0.16 149	0.14 63	0.10 3

111	0.40 150	0.17 28	0.41 103	0.34 17	0.19 13	0.52 189	0.28 72	0.74 178	1.16 371	0.50 81	0.91 225	0.63 174	0.48 183	0.61 168	0.35 147	0.14 41	0.10 12	0.14 25	0.12 46	0.13 28	0.13 75

RAFT-Stereo + iAFF	0.36 93	0.17 28	0.41 103	0.35 38	0.19 13	0.33 86	0.29 80	0.65 107	0.73 175	0.68 163	1.01 269	0.56 127	0.40 143	0.42 36	0.30 87	0.11 1	0.09 3	0.15 60	0.14 96	0.13 28	0.10 3

CFNet-RSSM	0.34 61	0.17 28	0.45 157	0.39 116	0.22 55	0.35 101	0.23 25	0.73 176	0.84 236	0.65 143	0.54 77	0.57 132	0.28 54	0.46 58	0.26 44	0.13 17	0.10 12	0.14 25	0.12 46	0.13 28	0.11 15

Gwc-CoAtRS	0.34 61	0.17 28	0.44 145	0.39 116	0.23 89	0.34 93	0.22 14	0.70 158	0.75 184	0.60 109	0.59 93	0.58 140	0.29 67	0.45 50	0.26 44	0.14 41	0.11 69	0.14 25	0.12 46	0.12 11	0.12 47

model_zeroshot	0.33 58	0.18 45	0.48 205	0.39 116	0.28 225	0.45 167	0.25 44	0.63 95	0.45 77	0.61 115	0.50 58	0.51 110	0.25 25	0.45 50	0.26 44	0.16 134	0.13 178	0.15 60	0.14 96	0.13 28	0.13 75

AIO-Stereo	0.25 6	0.18 45	0.34 38	0.37 64	0.18 8	0.28 44	0.30 94	0.48 25	0.27 3	0.29 14	0.30 13	0.32 18	0.17 1	0.52 89	0.23 10	0.12 4	0.10 12	0.14 25	0.11 26	0.13 28	0.10 3

RSM++	0.25 6	0.18 45	0.34 38	0.36 49	0.20 28	0.28 44	0.30 94	0.51 37	0.32 15	0.25 5	0.22 2	0.37 45	0.21 10	0.50 79	0.24 14	0.12 4	0.10 12	0.14 25	0.12 46	0.14 63	0.10 3

RSM	0.25 6	0.18 45	0.33 28	0.36 49	0.20 28	0.27 31	0.34 148	0.51 37	0.27 3	0.26 6	0.23 3	0.39 50	0.21 10	0.56 112	0.22 1	0.12 4	0.10 12	0.14 25	0.11 26	0.14 63	0.10 3

RAFT-Stereo-weight	0.32 48	0.18 45	0.33 28	0.39 116	0.22 55	0.26 21	0.29 80	0.67 126	0.80 215	0.53 91	0.51 65	0.58 140	0.20 8	0.47 65	0.27 56	0.13 17	0.10 12	0.14 25	0.11 26	0.13 28	0.11 15

gcap-zeroshot	0.34 61	0.18 45	0.52 246	0.38 89	0.22 55	0.49 179	0.27 62	0.52 44	0.34 19	0.64 135	0.50 58	0.83 273	0.34 104	0.48 72	0.24 14	0.13 17	0.11 69	0.15 60	0.12 46	0.13 28	0.12 47

testlalala2	0.36 93	0.18 45	0.45 157	0.89 426	0.53 398	0.44 160	0.26 52	0.61 83	0.49 87	0.68 163	0.56 85	0.44 82	0.24 22	0.34 10	0.31 94	0.15 93	0.12 119	0.14 25	0.10 16	0.13 28	0.13 75

MaDis-Stereo	0.26 11	0.18 45	0.36 48	0.36 49	0.26 176	0.27 31	0.27 62	0.43 15	0.35 28	0.27 8	0.26 8	0.41 63	0.28 54	0.40 27	0.28 68	0.16 134	0.14 206	0.16 83	0.13 71	0.14 63	0.12 47

IGEV_Zeroshot_test	0.34 61	0.18 45	0.67 314	0.39 116	0.28 225	0.30 60	0.25 44	0.74 178	0.31 12	0.62 117	0.57 88	0.54 121	0.25 25	0.53 96	0.27 56	0.14 41	0.10 12	0.15 60	0.14 96	0.14 63	0.12 47

MIF-Stereo (partial)	0.31 42	0.18 45	0.37 61	0.41 172	0.31 285	0.28 44	0.23 25	0.47 23	0.42 64	0.31 18	0.63 101	0.36 43	0.35 107	0.57 123	0.31 94	0.17 168	0.13 178	0.19 186	0.17 196	0.18 184	0.14 114

RAFT-Test	0.34 61	0.18 45	0.37 61	0.38 89	0.23 89	0.50 182	0.23 25	0.69 144	0.40 55	0.60 109	0.85 198	0.61 166	0.28 54	0.46 58	0.27 56	0.14 41	0.11 69	0.14 25	0.11 26	0.13 28	0.12 47

4D-IteraStereo	0.33 58	0.18 45	0.40 95	0.40 145	0.24 113	0.32 82	0.27 62	0.58 65	0.72 168	0.65 143	0.54 77	0.42 70	0.23 18	0.45 50	0.28 68	0.14 41	0.09 3	0.19 186	0.16 149	0.16 133	0.11 15

Selective-IGEV	0.24 3	0.18 45	0.35 43	0.35 38	0.19 13	0.27 31	0.25 44	0.55 54	0.23 1	0.27 8	0.25 7	0.34 30	0.19 5	0.58 141	0.22 1	0.12 4	0.10 12	0.14 25	0.11 26	0.12 11	0.10 3

DCRE	0.37 109	0.18 45	0.46 174	0.45 267	0.32 299	0.42 152	0.37 200	0.63 95	0.51 93	0.47 75	0.94 233	0.56 127	0.36 121	0.52 89	0.32 104	0.14 41	0.13 178	0.15 60	0.14 96	0.14 63	0.13 75

test_4	0.36 93	0.18 45	0.31 19	0.44 245	0.25 139	0.20 2	0.34 148	0.56 56	0.41 59	0.59 105	1.45 384	0.43 77	0.25 25	0.63 185	0.28 68	0.12 4	0.10 12	0.17 109	0.19 246	0.15 100	0.11 15

CrosDoStereo	0.50 256	0.18 45	0.45 157	0.38 89	0.24 113	0.40 132	1.18 430	0.67 126	0.86 248	0.94 321	1.37 367	0.63 174	0.77 333	0.65 203	0.45 234	0.15 93	0.12 119	0.17 109	0.18 220	0.14 63	0.14 114

DeepStereo_LL	0.50 256	0.18 45	0.45 157	0.38 89	0.24 113	0.40 132	1.18 430	0.67 126	0.86 248	0.94 321	1.37 367	0.63 174	0.77 333	0.65 203	0.45 234	0.15 93	0.12 119	0.17 109	0.18 220	0.14 63	0.14 114

THIR-Stereo	0.50 256	0.18 45	0.45 157	0.38 89	0.23 89	0.75 304	0.67 370	0.66 116	0.87 257	1.02 353	1.40 373	0.72 228	0.76 329	0.62 175	0.42 205	0.15 93	0.11 69	0.17 109	0.18 220	0.14 63	0.15 135

PFNet	0.42 168	0.18 45	0.58 274	0.43 228	0.24 113	0.43 154	0.32 132	0.74 178	0.78 205	1.00 346	0.74 137	0.68 207	0.39 138	0.72 249	0.37 178	0.16 134	0.10 12	0.20 214	0.15 119	0.16 133	0.13 75

RAFT-345	0.40 150	0.18 45	0.40 95	0.38 89	0.22 55	0.33 86	0.26 52	0.61 83	0.51 93	0.74 207	1.79 408	0.45 84	0.33 97	0.66 211	0.36 163	0.14 41	0.11 69	0.18 148	0.14 96	0.13 28	0.13 75

R-Stereo Train	0.39 139	0.18 45	0.42 123	0.42 209	0.26 176	0.40 132	0.32 132	0.72 168	0.34 19	0.89 294	1.28 353	0.57 132	0.35 107	0.42 36	0.32 104	0.15 93	0.12 119	0.14 25	0.12 46	0.14 63	0.13 75

RAFT-Stereo	0.39 139	0.18 45	0.42 123	0.42 209	0.26 176	0.40 132	0.32 132	0.72 168	0.34 19	0.89 294	1.28 353	0.57 132	0.35 107	0.42 36	0.32 104	0.15 93	0.12 119	0.14 25	0.12 46	0.14 63	0.13 75
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
UGAM-zero	0.46 201	0.19 67	0.62 285	0.37 64	0.23 89	0.34 93	0.21 8	1.15 331	0.39 54	0.66 155	0.61 98	1.70 415	0.91 366	0.75 265	0.25 21	0.14 41	0.11 69	0.15 60	0.12 46	0.13 28	0.13 75

MGS-Stereo	0.28 19	0.19 67	0.40 95	0.36 49	0.23 89	0.37 111	0.30 94	0.39 4	0.44 70	0.31 18	0.51 65	0.40 57	0.24 22	0.43 40	0.26 44	0.15 93	0.12 119	0.15 60	0.13 71	0.14 63	0.13 75

testlalala	0.28 19	0.19 67	0.43 133	0.34 17	0.23 89	0.45 167	0.30 94	0.43 15	0.29 6	0.68 163	0.49 55	0.35 37	0.25 25	0.32 7	0.25 21	0.14 41	0.11 69	0.14 25	0.09 8	0.11 1	0.11 15

SPstereo	0.28 19	0.19 67	0.40 95	0.38 89	0.19 13	0.38 124	0.23 25	0.57 59	0.41 59	0.45 67	0.49 55	0.39 50	0.27 42	0.33 9	0.23 10	0.14 41	0.12 119	0.14 25	0.11 26	0.12 11	0.11 15

DisPM	0.39 139	0.19 67	0.44 145	0.41 172	0.27 203	0.24 10	0.31 115	0.65 107	0.57 114	0.87 282	0.87 208	0.60 161	0.32 87	0.76 269	0.32 104	0.18 197	0.12 119	0.19 186	0.17 196	0.15 100	0.20 265

iRaft-Stereo_20w	0.39 139	0.19 67	0.57 270	0.37 64	0.27 203	0.31 72	0.24 37	1.44 410	0.29 6	0.69 171	0.53 75	0.60 161	0.42 151	0.83 297	0.27 56	0.14 41	0.11 69	0.14 25	0.13 71	0.15 100	0.13 75

GLC_STEREO	0.29 26	0.19 67	0.27 10	0.44 245	0.19 13	0.31 72	0.26 52	0.47 23	0.43 66	0.37 34	0.47 49	0.41 63	0.23 18	0.50 79	0.34 130	0.14 41	0.18 296	0.19 186	0.16 149	0.16 133	0.13 75

GMOStereo	0.37 109	0.19 67	0.38 70	0.43 228	0.24 113	0.37 111	0.38 221	0.52 44	0.62 120	0.87 282	0.84 189	0.64 181	0.35 107	0.37 18	0.28 68	0.13 17	0.11 69	0.20 214	0.18 220	0.15 100	0.11 15

error version	0.37 109	0.19 67	0.38 70	0.43 228	0.24 113	0.37 111	0.38 221	0.52 44	0.62 120	0.87 282	0.84 189	0.64 181	0.35 107	0.37 18	0.28 68	0.13 17	0.11 69	0.20 214	0.18 220	0.15 100	0.11 15

test-v	0.37 109	0.19 67	0.38 70	0.43 228	0.24 113	0.37 111	0.38 221	0.52 44	0.62 120	0.87 282	0.84 189	0.64 181	0.35 107	0.37 18	0.28 68	0.13 17	0.11 69	0.20 214	0.18 220	0.15 100	0.11 15

test_3	0.36 93	0.19 67	0.44 145	0.44 245	0.23 89	0.48 175	0.36 187	0.66 116	0.82 227	0.64 135	0.45 39	0.68 207	0.25 25	0.41 32	0.31 94	0.12 4	0.10 12	0.18 148	0.16 149	0.15 100	0.11 15

PFNet+	0.40 150	0.19 67	0.49 216	0.39 116	0.25 139	0.28 44	0.23 25	0.64 106	0.70 157	0.85 270	0.79 165	0.64 181	0.35 107	0.72 249	0.34 130	0.19 226	0.14 206	0.23 286	0.20 270	0.16 133	0.20 265

ASMatch	0.48 225	0.19 67	0.45 157	0.39 116	0.28 225	0.37 111	0.26 52	0.74 178	0.68 152	0.76 216	2.34 423	0.61 166	0.52 203	0.62 175	0.37 178	0.14 41	0.12 119	0.17 109	0.15 119	0.14 63	0.21 283

SST-Stereo	0.40 150	0.19 67	0.45 157	0.42 209	0.25 139	0.25 19	0.21 8	0.66 116	0.47 85	1.08 373	0.79 165	0.72 228	0.43 157	0.77 276	0.35 147	0.16 134	0.11 69	0.20 214	0.16 149	0.19 218	0.15 135

RAFT_R40	0.40 150	0.19 67	0.44 145	0.43 228	0.25 139	0.23 7	0.26 52	0.67 126	0.67 148	0.98 338	0.78 156	0.72 228	0.43 157	0.76 269	0.35 147	0.16 134	0.11 69	0.20 214	0.16 149	0.18 184	0.14 114

GrayStereo	0.49 242	0.19 67	0.42 123	0.46 287	0.28 225	0.53 195	0.67 370	0.69 144	0.63 131	1.02 353	1.47 387	0.78 259	0.76 329	0.56 112	0.33 116	0.14 41	0.12 119	0.17 109	0.17 196	0.15 100	0.29 341

test-2	0.37 109	0.19 67	0.38 70	0.43 228	0.24 113	0.37 111	0.38 221	0.52 44	0.62 120	0.87 282	0.84 189	0.64 181	0.35 107	0.37 18	0.28 68	0.13 17	0.11 69	0.20 214	0.18 220	0.15 100	0.11 15

test-1	0.36 93	0.19 67	0.71 331	0.46 287	0.26 176	0.44 160	0.36 187	0.60 77	0.59 116	0.48 77	0.67 116	0.53 117	0.36 121	0.40 27	0.29 81	0.14 41	0.11 69	0.16 83	0.14 96	0.15 100	0.16 177

GMM-Stereo	0.44 184	0.19 67	0.36 48	0.42 209	0.25 139	0.51 186	0.47 297	0.71 164	0.53 99	0.76 216	1.37 367	0.76 252	0.38 127	0.60 162	0.33 116	0.15 93	0.10 12	0.20 214	0.19 246	0.16 133	0.27 328

Prome-Stereo	0.46 201	0.19 67	0.35 43	0.44 245	0.26 176	0.40 132	0.45 287	0.68 136	0.44 70	0.96 329	1.84 410	0.59 155	0.67 290	0.61 168	0.32 104	0.14 41	0.11 69	0.16 83	0.14 96	0.16 133	0.29 341

iRaftStereo_RVC	0.32 48	0.19 67	0.37 61	0.39 116	0.22 55	0.31 72	0.29 80	0.68 136	0.51 93	0.49 78	0.66 112	0.37 45	0.23 18	0.45 50	0.33 116	0.14 41	0.10 12	0.18 148	0.17 196	0.15 100	0.12 47

raft+_RVC	0.38 124	0.19 67	0.35 43	0.37 64	0.25 139	0.45 167	0.37 200	0.78 197	0.89 274	0.51 83	0.78 156	0.50 106	0.29 67	0.53 96	0.40 198	0.15 93	0.12 119	0.17 109	0.15 119	0.14 63	0.12 47

raftrobust	0.34 61	0.19 67	0.36 48	0.41 172	0.27 203	0.30 60	0.25 44	0.71 164	0.63 131	0.58 103	0.55 82	0.45 84	0.46 175	0.51 84	0.29 81	0.16 134	0.12 119	0.14 25	0.12 46	0.12 11	0.13 75

AFF-stereo	0.38 124	0.19 67	0.39 87	0.37 64	0.21 40	0.27 31	0.31 115	0.65 107	0.66 146	0.64 135	1.13 319	0.76 252	0.39 138	0.55 103	0.33 116	0.11 1	0.09 3	0.16 83	0.16 149	0.13 28	0.11 15

EAI-Stereo	0.34 61	0.19 67	0.44 145	0.39 116	0.21 40	0.31 72	0.30 94	1.15 331	0.30 9	0.49 78	0.75 139	0.36 43	0.28 54	0.62 175	0.27 56	0.14 41	0.11 69	0.14 25	0.13 71	0.13 28	0.12 47

AIO-Stereo-zeroshot	0.42 168	0.20 92	0.74 344	0.38 89	0.43 366	0.39 128	0.26 52	0.94 248	0.49 87	0.53 91	0.77 146	0.93 309	0.45 171	0.63 185	0.24 14	0.16 134	0.10 12	0.17 109	0.18 220	0.20 234	0.20 265

H2IRNET	0.37 109	0.20 92	0.33 28	0.38 89	0.25 139	0.27 31	0.23 25	0.59 67	0.72 168	0.39 46	0.90 222	0.74 244	0.55 222	0.52 89	0.43 210	0.15 93	0.13 178	0.18 148	0.20 270	0.16 133	0.13 75

MyStereo8	0.40 150	0.20 92	0.54 256	0.41 172	0.29 251	0.53 195	0.29 80	0.65 107	0.49 87	0.71 183	0.98 259	0.58 140	0.43 157	0.50 79	0.51 267	0.15 93	0.12 119	0.16 83	0.14 96	0.19 218	0.19 243

CoDeX	0.47 214	0.20 92	0.49 216	0.42 209	0.25 139	0.75 304	0.36 187	1.27 379	0.80 215	0.82 250	0.96 245	0.62 172	0.57 230	0.60 162	0.36 163	0.17 168	0.12 119	0.17 109	0.15 119	0.16 133	0.14 114

plain	0.31 42	0.20 92	0.50 229	0.39 116	0.29 251	0.27 31	0.30 94	0.44 17	0.35 28	0.31 18	0.66 112	0.30 10	0.31 83	0.65 203	0.31 94	0.17 168	0.13 178	0.20 214	0.15 119	0.17 165	0.12 47

CASnet	0.30 39	0.20 92	0.33 28	0.41 172	0.16 3	0.26 21	0.24 37	0.52 44	0.53 99	0.52 88	0.54 77	0.39 50	0.24 22	0.40 27	0.26 44	0.14 41	0.10 12	0.22 268	0.18 220	0.18 184	0.11 15
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
HH	0.35 75	0.20 92	0.47 186	0.40 145	0.25 139	0.33 86	0.31 115	0.76 189	0.38 48	0.43 62	0.57 88	0.79 261	0.44 166	0.71 244	0.25 21	0.15 93	0.11 69	0.15 60	0.14 96	0.14 63	0.12 47

HanStereo	0.35 75	0.20 92	0.47 186	0.40 145	0.25 139	0.33 86	0.31 115	0.76 189	0.38 48	0.43 62	0.57 88	0.79 261	0.44 166	0.71 244	0.25 21	0.15 93	0.11 69	0.15 60	0.14 96	0.14 63	0.12 47

anonymousdsp2	0.35 75	0.20 92	0.43 133	0.37 64	0.24 113	0.48 175	0.31 115	0.86 218	0.65 143	0.55 97	0.50 58	0.50 106	0.34 104	0.56 112	0.31 94	0.14 41	0.10 12	0.14 25	0.10 16	0.16 133	0.14 114

knoymous	0.36 93	0.20 92	0.31 19	0.31 7	0.22 55	0.36 109	0.29 80	0.61 83	0.64 138	0.67 157	0.70 122	0.60 161	0.40 143	0.58 141	0.34 130	0.17 168	0.11 69	0.20 214	0.11 26	0.17 165	0.18 211

anonymousa	0.49 242	0.20 92	0.42 123	0.38 89	0.23 89	0.91 342	0.35 167	0.75 184	0.62 120	0.85 270	1.54 392	1.06 341	0.66 287	0.51 84	0.43 210	0.16 134	0.13 178	0.19 186	0.21 290	0.16 133	0.14 114

riskmin	0.38 124	0.20 92	0.39 87	0.32 10	0.23 89	0.53 195	0.30 94	0.63 95	0.80 215	0.49 78	0.56 85	0.73 238	0.58 239	0.55 103	0.36 163	0.17 168	0.11 69	0.19 186	0.13 71	0.19 218	0.20 265

DCANet-4	0.36 93	0.20 92	0.48 205	0.34 17	0.19 13	0.29 52	0.30 94	0.66 116	0.92 286	0.69 171	0.78 156	0.40 57	0.47 178	0.45 50	0.34 130	0.14 41	0.10 12	0.14 25	0.11 26	0.11 1	0.13 75

tt	6.20 466	0.20 92	5.89 457	3.55 469	2.07 457	11.26 471	19.21 472	11.74 473	5.46 459	2.69 445	2.04 419	4.87 457	6.25 465	3.70 456	7.09 463	8.32 473	11.17 478	4.93 470	5.41 472	5.74 471	2.37 466

RAFT_CTSACE	0.45 194	0.20 92	0.44 145	0.45 267	0.27 203	0.34 93	0.39 243	0.60 77	0.73 175	0.76 216	1.44 381	0.83 273	0.38 127	1.08 367	0.26 44	0.12 4	0.13 178	0.18 148	0.16 149	0.15 100	0.11 15

IPLG	0.39 139	0.20 92	0.59 275	0.40 145	0.24 113	0.54 199	0.27 62	0.75 184	0.63 131	0.84 269	0.81 175	0.32 18	0.32 87	0.60 162	0.45 234	0.13 17	0.11 69	0.16 83	0.13 71	0.13 28	0.12 47

LCNet	0.41 161	0.20 92	0.32 24	0.44 245	0.24 113	0.47 173	0.29 80	0.67 126	0.53 99	0.72 195	1.03 281	0.66 199	0.60 249	0.58 141	0.34 130	0.14 41	0.10 12	0.19 186	0.19 246	0.21 255	0.36 376

AAGNet	1.43 426	0.20 92	0.48 205	0.44 245	0.25 139	0.29 52	0.31 115	0.65 107	0.68 152	0.97 333	0.86 201	0.67 206	0.62 260	0.64 196	20.63 474	0.16 134	0.11 69	0.19 186	0.15 119	0.19 218	0.12 47

STrans-v2	0.46 201	0.20 92	0.48 205	0.40 145	0.24 113	0.55 204	0.50 314	1.07 299	0.73 175	0.65 143	1.05 291	0.72 228	0.69 300	0.72 249	0.33 116	0.14 41	0.10 12	0.17 109	0.14 96	0.13 28	0.12 47

TransformOpticalFlow	0.44 184	0.20 92	0.47 186	0.41 172	0.23 89	0.37 111	0.47 297	0.94 248	0.76 191	0.65 143	1.14 322	0.73 238	0.56 229	0.76 269	0.32 104	0.15 93	0.10 12	0.17 109	0.15 119	0.14 63	0.13 75

NF-Stereo	0.38 124	0.20 92	0.45 157	0.41 172	0.25 139	0.26 21	0.31 115	0.69 144	0.70 157	0.65 143	0.77 146	0.57 132	0.30 78	0.67 221	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.16 133	0.27 328

OCTAStereo	0.38 124	0.20 92	0.46 174	0.41 172	0.25 139	0.26 21	0.31 115	0.69 144	0.70 157	0.65 143	0.77 146	0.58 140	0.30 78	0.67 221	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.16 133	0.27 328

PSM-softLoss	0.38 124	0.20 92	0.48 205	0.41 172	0.26 176	0.30 60	0.35 167	0.69 144	0.46 81	0.62 117	0.82 178	0.59 155	0.33 97	0.70 239	0.39 192	0.19 226	0.12 119	0.20 214	0.18 220	0.16 133	0.22 297

KMStereo	0.38 124	0.20 92	0.48 205	0.41 172	0.26 176	0.30 60	0.35 167	0.69 144	0.46 81	0.62 117	0.82 178	0.59 155	0.33 97	0.70 239	0.39 192	0.19 226	0.12 119	0.20 214	0.18 220	0.16 133	0.22 297

NRIStereo	0.36 93	0.20 92	0.45 157	0.41 172	0.23 89	0.34 93	0.26 52	0.65 107	0.55 107	0.64 135	0.63 101	0.56 127	0.37 124	0.65 203	0.37 178	0.15 93	0.11 69	0.18 148	0.15 119	0.17 165	0.14 114

PSM-AAD	0.48 225	0.20 92	0.37 61	0.43 228	0.23 89	0.56 217	0.50 314	0.65 107	0.70 157	1.07 370	1.12 313	0.58 140	0.92 370	0.61 168	0.32 104	0.15 93	0.11 69	0.25 312	0.26 353	0.18 184	0.43 402

FTStereo	0.56 300	0.20 92	0.37 61	0.41 172	0.25 139	0.40 132	0.79 399	0.66 116	0.43 66	1.09 375	3.27 443	0.70 215	0.73 322	0.55 103	0.33 116	0.14 41	0.13 178	0.19 186	0.17 196	0.15 100	0.30 348

KYRaft	0.48 225	0.20 92	0.38 70	0.44 245	0.23 89	0.44 160	0.37 200	0.66 116	0.41 59	0.94 321	1.73 404	0.79 261	0.41 149	0.63 185	0.31 94	0.16 134	0.11 69	0.18 148	0.22 306	0.16 133	0.78 432

RE-Stereo	0.38 124	0.20 92	0.46 174	0.41 172	0.25 139	0.26 21	0.31 115	0.69 144	0.70 157	0.65 143	0.77 146	0.58 140	0.30 78	0.67 221	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.16 133	0.27 328

Pruner-Stereo	0.38 124	0.20 92	0.45 157	0.40 145	0.25 139	0.22 5	0.24 37	0.67 126	0.55 107	0.89 294	0.76 142	0.68 207	0.29 67	0.62 175	0.35 147	0.18 197	0.12 119	0.20 214	0.17 196	0.17 165	0.18 211

TVStereo	0.38 124	0.20 92	0.46 174	0.41 172	0.25 139	0.26 21	0.31 115	0.69 144	0.70 157	0.65 143	0.77 146	0.58 140	0.30 78	0.67 221	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.16 133	0.27 328

IRAFT_RVC	0.42 168	0.20 92	0.48 205	0.44 245	0.24 113	0.27 31	0.54 339	0.74 178	0.77 198	0.76 216	0.80 168	0.73 238	0.51 201	0.70 239	0.36 163	0.17 168	0.10 12	0.21 255	0.16 149	0.16 133	0.14 114

cross-raft	0.34 61	0.20 92	0.37 61	0.44 245	0.23 89	0.32 82	0.35 167	0.74 178	0.40 55	0.60 109	0.77 146	0.57 132	0.27 42	0.43 40	0.28 68	0.12 4	0.10 12	0.15 60	0.13 71	0.15 100	0.11 15

GCAP-BAT	0.30 39	0.21 125	0.42 123	0.33 14	0.27 203	0.26 21	0.27 62	0.45 20	0.30 9	0.60 109	0.64 104	0.45 84	0.23 18	0.56 112	0.26 44	0.15 93	0.12 119	0.15 60	0.10 16	0.12 11	0.11 15

AIO-Stereo-zeroshot1	0.48 225	0.21 125	1.26 409	0.39 116	0.51 393	0.28 44	0.30 94	1.25 375	0.44 70	0.68 163	1.11 310	0.86 284	0.33 97	0.67 221	0.27 56	0.15 93	0.11 69	0.17 109	0.20 270	0.22 275	0.24 309

MyStereo06	0.38 124	0.21 125	0.61 282	0.41 172	0.28 225	0.41 145	0.50 314	0.95 255	0.35 28	0.62 117	0.54 77	0.76 252	0.27 42	0.50 79	0.29 81	0.14 41	0.13 178	0.18 148	0.17 196	0.17 165	0.15 135

MyStereo05	0.44 184	0.21 125	0.45 157	0.41 172	0.28 225	0.41 145	0.50 314	0.93 244	1.09 361	0.76 216	0.61 98	0.51 110	0.57 230	0.73 254	0.42 205	0.14 41	0.13 178	0.18 148	0.17 196	0.17 165	0.15 135

AE-Stereo	0.34 61	0.21 125	0.42 123	0.48 301	0.31 285	0.48 175	0.35 167	0.61 83	0.62 120	0.32 23	0.55 82	0.52 113	0.27 42	0.47 65	0.29 81	0.13 17	0.13 178	0.18 148	0.16 149	0.15 100	0.12 47

11t1	0.36 93	0.21 125	0.42 123	0.35 38	0.22 55	0.62 250	0.29 80	0.69 144	0.43 66	0.60 109	0.53 75	0.53 117	0.48 183	0.56 112	0.40 198	0.18 197	0.14 206	0.16 83	0.13 71	0.17 165	0.17 195

ff7	0.29 26	0.21 125	0.38 70	0.36 49	0.26 176	0.31 72	0.35 167	0.62 89	0.34 19	0.38 38	0.33 19	0.32 18	0.29 67	0.58 141	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

ffff	0.29 26	0.21 125	0.38 70	0.36 49	0.26 176	0.31 72	0.35 167	0.62 89	0.34 19	0.38 38	0.33 19	0.32 18	0.29 67	0.58 141	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

11t	0.29 26	0.21 125	0.38 70	0.36 49	0.26 176	0.31 72	0.35 167	0.62 89	0.34 19	0.38 38	0.33 19	0.32 18	0.29 67	0.58 141	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

anonymousdsp	0.29 26	0.21 125	0.38 70	0.37 64	0.25 139	0.30 60	0.35 167	0.63 95	0.35 28	0.39 46	0.33 19	0.33 27	0.28 54	0.59 156	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

ProNet	0.29 26	0.21 125	0.38 70	0.35 38	0.24 113	0.32 82	0.43 276	0.57 59	0.37 44	0.33 24	0.30 13	0.32 18	0.28 54	0.57 123	0.26 44	0.13 17	0.11 69	0.16 83	0.13 71	0.13 28	0.13 75

ccc-4	0.29 26	0.21 125	0.38 70	0.36 49	0.26 176	0.31 72	0.35 167	0.62 89	0.34 19	0.38 38	0.33 19	0.32 18	0.29 67	0.58 141	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135

IGEV-Stereo	0.29 26	0.21 125	0.38 70	0.37 64	0.25 139	0.30 60	0.35 167	0.63 95	0.35 28	0.39 46	0.33 19	0.33 27	0.28 54	0.59 156	0.25 21	0.14 41	0.10 12	0.17 109	0.12 46	0.14 63	0.15 135
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.45 194	0.21 125	0.48 205	0.42 209	0.28 225	0.31 72	0.54 339	0.63 95	0.62 120	0.62 117	0.89 219	1.01 327	0.69 300	0.75 265	0.66 307	0.13 17	0.12 119	0.17 109	0.15 119	0.14 63	0.15 135

CIPLG	0.41 161	0.21 125	0.63 294	0.45 267	0.33 309	0.52 189	0.33 141	0.65 107	0.60 118	0.82 250	0.96 245	0.46 91	0.32 87	0.55 103	0.44 226	0.16 134	0.12 119	0.15 60	0.14 96	0.13 28	0.14 114

IPLGR_C	0.40 150	0.21 125	0.64 299	0.45 267	0.33 309	0.52 189	0.34 148	0.66 116	0.62 120	0.82 250	0.92 229	0.45 84	0.32 87	0.52 89	0.46 244	0.17 168	0.12 119	0.15 60	0.14 96	0.13 28	0.14 114

MIPNet	0.37 109	0.21 125	0.59 275	0.39 116	0.25 139	0.50 182	0.28 72	0.77 192	0.70 157	0.65 143	0.60 95	0.40 57	0.49 186	0.44 49	0.37 178	0.14 41	0.11 69	0.16 83	0.13 71	0.14 63	0.13 75

IPLGR	0.39 139	0.21 125	0.63 294	0.39 116	0.22 55	0.49 179	0.29 80	0.76 189	0.74 181	0.78 226	0.77 146	0.44 82	0.42 151	0.47 65	0.38 186	0.13 17	0.12 119	0.16 83	0.14 96	0.15 100	0.13 75

ACRE	0.40 150	0.21 125	0.65 305	0.45 267	0.33 309	0.51 186	0.33 141	0.66 116	0.63 131	0.80 231	0.92 229	0.45 84	0.32 87	0.52 89	0.45 234	0.16 134	0.12 119	0.15 60	0.14 96	0.13 28	0.14 114

IIG-Stereo	0.43 178	0.21 125	0.44 145	0.50 330	0.25 139	0.44 160	0.21 8	0.71 164	0.76 191	0.83 262	0.95 241	0.83 273	0.43 157	0.90 322	0.35 147	0.15 93	0.12 119	0.19 186	0.14 96	0.15 100	0.11 15

DeepStereo_RVC	0.36 93	0.21 125	0.47 186	0.40 145	0.24 113	0.26 21	0.22 14	0.60 77	0.38 48	0.69 171	0.67 116	0.57 132	0.51 201	0.56 112	0.39 192	0.16 134	0.12 119	0.18 148	0.15 119	0.19 218	0.18 211

rafts_anoy	0.37 109	0.21 125	0.36 48	0.41 172	0.26 176	0.30 60	0.33 141	0.67 126	0.90 276	0.58 103	0.66 112	0.45 84	0.33 97	0.47 65	0.39 192	0.16 134	0.11 69	0.21 255	0.23 319	0.17 165	0.14 114

RALCasStereoNet	0.36 93	0.21 125	0.37 61	0.42 209	0.26 176	0.35 101	0.38 221	0.63 95	0.64 138	0.50 81	0.72 124	0.51 110	0.29 67	0.59 156	0.36 163	0.16 134	0.14 206	0.15 60	0.13 71	0.17 165	0.16 177

test_xeample3	0.29 26	0.21 125	0.41 103	0.35 38	0.26 176	0.35 101	0.32 132	0.56 56	0.36 34	0.43 62	0.32 18	0.34 30	0.28 54	0.54 99	0.23 10	0.14 41	0.11 69	0.16 83	0.12 46	0.14 63	0.13 75

test_xeample	1.01 392	0.21 125	0.42 123	0.35 38	0.21 40	0.71 293	0.39 243	1.23 365	0.86 248	0.81 241	1.04 287	0.69 211	0.61 254	0.69 236	10.93 466	0.19 226	0.15 235	0.18 148	0.17 196	0.18 184	0.17 195

SFCPSM	0.47 214	0.21 125	0.55 261	0.40 145	0.27 203	0.87 340	0.37 200	1.33 390	0.77 198	0.80 231	0.84 189	0.54 121	0.49 186	0.57 123	0.37 178	0.18 197	0.13 178	0.18 148	0.20 270	0.16 133	0.15 135

GANet-RSSM	0.47 214	0.21 125	0.37 61	0.38 89	0.25 139	0.58 223	0.36 187	1.07 299	0.78 205	0.68 163	1.01 269	0.86 284	0.67 290	0.62 175	0.44 226	0.21 262	0.15 235	0.18 148	0.18 220	0.18 184	0.17 195

DIP-Stereo	0.39 139	0.21 125	0.50 229	0.41 172	0.28 225	0.62 250	0.27 62	0.77 192	0.40 55	0.64 135	0.86 201	0.52 113	0.33 97	0.66 211	0.42 205	0.15 93	0.13 178	0.17 109	0.14 96	0.15 100	0.15 135
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
iResNet_ROB	0.52 272	0.21 125	0.53 253	0.37 64	0.21 40	0.61 243	0.29 80	1.51 419	1.32 397	0.90 301	1.02 277	0.80 269	0.62 260	0.76 269	0.43 210	0.16 134	0.12 119	0.13 15	0.09 8	0.15 100	0.18 211

UGAM	0.52 272	0.22 154	0.46 174	0.45 267	0.25 139	0.41 145	0.52 331	0.62 89	1.16 371	0.76 216	1.13 319	1.32 380	0.57 230	1.00 351	0.53 277	0.17 168	0.14 206	0.25 312	0.21 290	0.15 100	0.13 75

test_sample2	0.42 168	0.22 154	0.43 133	0.33 14	0.21 40	0.58 223	0.39 243	0.95 255	0.67 148	0.63 125	0.77 146	0.69 211	0.57 230	0.61 168	0.38 186	0.19 226	0.14 206	0.18 148	0.16 149	0.19 218	0.18 211

test_sample1	0.42 168	0.22 154	0.46 174	0.34 17	0.23 89	0.58 223	0.35 167	0.99 266	0.49 87	0.62 117	0.75 139	0.69 211	0.61 254	0.58 141	0.44 226	0.18 197	0.14 206	0.17 109	0.15 119	0.17 165	0.17 195

MyStereo07	0.32 48	0.22 154	0.34 38	0.42 209	0.28 225	0.40 132	0.50 314	0.72 168	0.37 44	0.37 34	0.34 25	0.32 18	0.31 83	0.59 156	0.27 56	0.14 41	0.13 178	0.18 148	0.17 196	0.17 165	0.16 177

MyStereo04	0.44 184	0.22 154	0.44 145	0.42 209	0.28 225	0.40 132	0.50 314	1.00 270	1.08 359	0.62 117	0.58 92	0.55 124	0.57 230	0.71 244	0.44 226	0.14 41	0.13 178	0.18 148	0.17 196	0.17 165	0.16 177

IGEVStereo-DCA	0.29 26	0.22 154	0.38 70	0.35 38	0.27 203	0.37 111	0.35 167	0.62 89	0.34 19	0.38 38	0.30 13	0.35 37	0.27 42	0.51 84	0.22 1	0.15 93	0.12 119	0.16 83	0.12 46	0.13 28	0.15 135

rrr	0.29 26	0.22 154	0.41 103	0.35 38	0.27 203	0.37 111	0.32 132	0.52 44	0.42 64	0.38 38	0.30 13	0.35 37	0.27 42	0.51 84	0.22 1	0.15 93	0.12 119	0.16 83	0.13 71	0.13 28	0.14 114

1111x	0.55 289	0.22 154	0.46 174	0.38 89	0.20 28	0.66 276	0.43 276	1.23 365	0.99 317	0.71 183	0.99 264	0.95 313	0.69 300	0.90 322	1.08 391	0.18 197	0.17 282	0.18 148	0.19 246	0.20 234	0.18 211

CBFPSM	0.59 320	0.22 154	1.31 413	0.38 89	0.27 203	1.12 382	0.65 367	0.79 200	0.82 227	0.80 231	0.81 175	1.35 389	0.87 360	0.67 221	0.76 329	0.16 134	0.15 235	0.15 60	0.16 149	0.17 165	0.22 297

GwcNet-ADL	0.44 184	0.22 154	0.48 205	0.45 267	0.30 264	0.40 132	0.37 200	0.92 242	0.97 308	0.71 183	0.78 156	0.61 166	0.42 151	0.62 175	0.50 257	0.19 226	0.14 206	0.15 60	0.14 96	0.18 184	0.18 211

OMP-Stereo	0.42 168	0.22 154	0.46 174	0.52 356	0.24 113	0.36 109	0.25 44	0.71 164	0.78 205	0.77 222	0.64 104	0.89 299	0.39 138	0.91 329	0.35 147	0.15 93	0.12 119	0.20 214	0.15 119	0.15 100	0.12 47

CroCo-Stereo	0.26 11	0.22 154	0.36 48	0.48 301	0.22 55	0.20 2	0.29 80	0.51 37	0.44 70	0.28 10	0.23 3	0.42 70	0.26 35	0.29 3	0.26 44	0.15 93	0.13 178	0.13 15	0.11 26	0.16 133	0.12 47
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
RAFT	0.45 194	0.22 154	0.45 157	0.47 296	0.26 176	0.54 199	0.47 297	0.66 116	0.58 115	0.80 231	0.82 178	0.94 311	0.57 230	0.75 265	0.34 130	0.17 168	0.15 235	0.22 268	0.20 270	0.16 133	0.12 47

222	1.18 412	0.22 154	0.44 145	0.37 64	0.22 55	0.79 314	0.37 200	1.31 387	0.89 274	0.92 314	1.08 303	0.72 228	0.71 317	0.66 211	13.89 469	0.20 249	0.15 235	0.17 109	0.16 149	0.18 184	0.19 243

xxxx	1.01 392	0.22 154	0.43 133	0.36 49	0.21 40	0.82 330	0.36 187	1.32 388	0.88 261	0.71 183	0.94 233	0.97 317	0.63 266	0.64 196	10.58 465	0.20 249	0.16 264	0.18 148	0.17 196	0.19 218	0.19 243

FENet	0.42 168	0.22 154	0.38 70	0.39 116	0.24 113	0.55 204	0.32 132	0.79 200	0.70 157	0.71 183	0.72 124	0.63 174	0.57 230	0.62 175	0.44 226	0.19 226	0.13 178	0.19 186	0.17 196	0.18 184	0.19 243

ac_64	0.52 272	0.22 154	0.50 229	0.45 267	0.28 225	0.80 317	0.45 287	1.02 280	0.61 119	0.91 306	0.83 184	1.07 346	0.68 296	0.74 261	0.70 317	0.21 262	0.18 296	0.20 214	0.19 246	0.18 184	0.15 135

PSMNet-RSSM	0.48 225	0.22 154	0.38 70	0.42 209	0.25 139	0.50 182	0.37 200	1.10 308	0.77 198	0.70 177	1.06 297	0.84 277	0.64 276	0.62 175	0.47 251	0.23 296	0.15 235	0.23 286	0.25 342	0.20 234	0.19 243

RASNet	0.53 277	0.22 154	0.52 246	0.38 89	0.22 55	0.68 282	0.38 221	0.97 261	0.88 261	0.73 202	1.04 287	1.03 334	0.92 370	0.90 322	0.86 348	0.16 134	0.14 206	0.14 25	0.17 196	0.15 100	0.13 75

HSM-Net_RVC	0.53 277	0.22 154	0.35 43	0.37 64	0.21 40	0.85 336	0.37 200	1.23 365	0.93 291	0.90 301	1.15 327	1.26 368	0.63 266	0.72 249	0.48 254	0.17 168	0.13 178	0.16 83	0.15 119	0.17 165	0.15 135
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DispNO	0.47 214	0.23 174	0.71 331	0.39 116	0.31 285	0.60 241	0.38 221	0.89 232	0.77 198	0.75 209	0.84 189	0.72 228	0.54 217	0.73 254	0.46 244	0.19 226	0.14 206	0.20 214	0.18 220	0.16 133	0.17 195

SMFormer	0.51 263	0.23 174	0.62 285	0.34 17	0.20 28	0.62 250	0.34 148	1.21 353	1.02 330	0.81 241	1.01 269	0.71 219	0.65 282	0.84 302	0.55 286	0.19 226	0.15 235	0.18 148	0.16 149	0.18 184	0.18 211

tta	0.51 263	0.23 174	0.62 285	0.34 17	0.20 28	0.62 250	0.34 148	1.21 353	1.02 330	0.81 241	1.01 269	0.71 219	0.65 282	0.84 302	0.55 286	0.19 226	0.15 235	0.18 148	0.16 149	0.15 100	0.14 114

qqq1	0.49 242	0.23 174	0.62 285	0.34 17	0.20 28	0.62 250	0.34 148	1.21 353	1.02 330	0.81 241	1.01 269	0.71 219	0.65 282	0.84 302	0.34 130	0.19 226	0.15 235	0.14 25	0.12 46	0.15 100	0.14 114

fff1	0.49 242	0.23 174	0.62 285	0.34 17	0.20 28	0.62 250	0.34 148	1.21 353	1.02 330	0.81 241	1.01 269	0.71 219	0.65 282	0.84 302	0.34 130	0.19 226	0.15 235	0.14 25	0.12 46	0.15 100	0.14 114

ACVNet-DCA	0.35 75	0.23 174	0.33 28	0.41 172	0.22 55	0.55 204	0.38 221	0.85 215	0.54 103	0.41 54	0.50 58	0.34 30	0.49 186	0.57 123	0.25 21	0.16 134	0.10 12	0.19 186	0.13 71	0.18 184	0.17 195

xx1	0.39 139	0.23 174	0.33 28	0.41 172	0.22 55	0.55 204	0.38 221	0.67 126	1.06 350	0.41 54	0.50 58	0.65 194	0.53 206	0.57 123	0.25 21	0.16 134	0.10 12	0.20 214	0.19 246	0.18 184	0.17 195

1test111	0.36 93	0.23 174	0.33 28	0.41 172	0.22 55	0.55 204	0.38 221	0.85 215	0.54 103	0.41 54	0.50 58	0.34 30	0.49 186	0.55 103	0.45 234	0.16 134	0.10 12	0.19 186	0.13 71	0.18 184	0.17 195

cc1	0.37 109	0.23 174	0.33 28	0.41 172	0.22 55	0.55 204	0.38 221	0.67 126	1.06 350	0.41 54	0.50 58	0.34 30	0.49 186	0.57 123	0.25 21	0.16 134	0.10 12	0.19 186	0.13 71	0.16 133	0.15 135

EKT-Stereo	0.35 75	0.23 174	0.39 87	0.43 228	0.29 251	0.38 124	0.31 115	0.69 144	0.64 138	0.45 67	0.63 101	0.49 104	0.27 42	0.56 112	0.33 116	0.18 197	0.14 206	0.18 148	0.15 119	0.16 133	0.16 177

gwcnet-sp	0.48 225	0.23 174	0.70 327	0.40 145	0.26 176	0.81 322	0.41 265	0.89 232	0.84 236	0.91 306	0.76 142	0.66 199	0.61 254	0.66 211	0.50 257	0.18 197	0.17 282	0.18 148	0.18 220	0.18 184	0.18 211

scenet	0.48 225	0.23 174	0.70 327	0.40 145	0.26 176	0.81 322	0.41 265	0.89 232	0.84 236	0.91 306	0.76 142	0.66 199	0.61 254	0.66 211	0.50 257	0.18 197	0.17 282	0.18 148	0.18 220	0.18 184	0.18 211

Selective-RAFT	0.35 75	0.23 174	0.51 241	0.44 245	0.21 40	0.64 266	0.27 62	0.59 67	0.63 131	0.40 51	0.38 30	0.55 124	0.40 143	0.57 123	0.35 147	0.13 17	0.11 69	0.14 25	0.12 46	0.16 133	0.13 75

ssnet	0.48 225	0.23 174	0.70 327	0.40 145	0.26 176	0.81 322	0.41 265	0.89 232	0.84 236	0.91 306	0.76 142	0.66 199	0.61 254	0.66 211	0.50 257	0.18 197	0.17 282	0.18 148	0.18 220	0.18 184	0.18 211

TestStereo1	0.43 178	0.23 174	0.41 103	0.51 345	0.24 113	0.34 93	0.40 252	0.77 192	0.90 276	0.68 163	0.96 245	0.48 99	0.46 175	0.91 329	0.32 104	0.16 134	0.13 178	0.18 148	0.15 119	0.14 63	0.13 75

IER	0.46 201	0.23 174	0.50 229	0.38 89	0.28 225	0.69 284	0.35 167	0.80 203	0.66 146	0.83 262	0.94 233	0.75 246	0.77 333	0.60 162	0.42 205	0.17 168	0.14 206	0.17 109	0.17 196	0.17 165	0.15 135

raft_robust	0.41 161	0.23 174	0.36 48	0.42 209	0.21 40	0.40 132	0.33 141	0.79 200	0.98 312	0.79 229	0.87 208	0.39 50	0.33 97	0.84 302	0.29 81	0.13 17	0.12 119	0.16 83	0.17 196	0.15 100	0.12 47

RAFT+CT+SA	0.39 139	0.23 174	0.36 48	0.51 345	0.27 203	0.29 52	0.46 290	0.75 184	0.80 215	0.51 83	0.89 219	0.41 63	0.40 143	0.78 280	0.32 104	0.14 41	0.11 69	0.18 148	0.18 220	0.15 100	0.14 114

SA-5K	0.43 178	0.23 174	0.41 103	0.51 345	0.24 113	0.34 93	0.40 252	0.77 192	0.90 276	0.68 163	0.96 245	0.48 99	0.46 175	0.91 329	0.32 104	0.16 134	0.13 178	0.18 148	0.15 119	0.14 63	0.13 75

AACVNet	0.50 256	0.23 174	0.49 216	0.46 287	0.29 251	0.52 189	0.38 221	0.90 237	0.55 107	0.81 241	1.03 281	1.00 324	0.70 313	0.83 297	0.54 281	0.21 262	0.18 296	0.24 300	0.18 220	0.23 291	0.20 265

Patchmatch Stereo++	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.22 14	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.58 141	0.36 163	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.31 115	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.56 112	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

ROB_FTStereo_v2	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.31 115	0.59 67	0.36 34	0.63 125	0.73 128	0.57 132	0.38 127	0.57 123	0.36 163	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

ROB_FTStereo	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.25 19	0.21 8	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.57 123	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

HUI-Stereo	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.22 14	0.60 77	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.50 79	0.35 147	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

iGMRVC	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.30 94	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.58 141	0.36 163	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

iRAFT	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.22 14	0.59 67	0.36 34	0.63 125	0.73 128	0.58 140	0.38 127	0.58 141	0.36 163	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

CRE-IMP	0.36 93	0.23 174	0.49 216	0.42 209	0.24 113	0.41 145	0.21 8	0.57 59	0.41 59	0.65 143	0.72 124	0.53 117	0.37 124	0.61 168	0.38 186	0.17 168	0.11 69	0.19 186	0.15 119	0.21 255	0.18 211

RAFT-IKP	0.35 75	0.23 174	0.47 186	0.41 172	0.22 55	0.24 10	0.28 72	0.59 67	0.36 34	0.63 125	0.73 128	0.57 132	0.38 127	0.58 141	0.36 163	0.18 197	0.12 119	0.20 214	0.16 149	0.20 234	0.15 135

RALAANet	0.38 124	0.23 174	0.48 205	0.42 209	0.29 251	0.35 101	0.25 44	0.86 218	0.64 138	0.67 157	0.65 107	0.60 161	0.29 67	0.60 162	0.34 130	0.15 93	0.12 119	0.17 109	0.15 119	0.21 255	0.13 75

GES	0.44 184	0.23 174	0.57 270	0.40 145	0.30 264	0.59 235	0.36 187	0.96 258	0.68 152	0.74 207	0.83 184	0.47 95	0.48 183	0.67 221	0.43 210	0.22 284	0.16 264	0.17 109	0.16 149	0.18 184	0.23 303

ACVNet	0.46 201	0.23 174	0.36 48	0.39 116	0.28 225	0.58 223	0.40 252	0.87 225	0.80 215	0.64 135	0.96 245	0.79 261	0.60 249	0.63 185	0.67 310	0.17 168	0.15 235	0.16 83	0.15 119	0.18 184	0.15 135

acv_ft	0.51 263	0.23 174	0.56 267	0.44 245	0.28 225	0.86 339	0.39 243	0.91 241	0.80 215	0.97 333	0.96 245	0.79 261	0.59 245	0.63 185	0.87 352	0.17 168	0.15 235	0.16 83	0.15 119	0.17 165	0.15 135

cf-r	0.47 214	0.23 174	0.41 103	0.39 116	0.23 89	0.59 235	0.37 200	0.88 230	0.85 243	0.72 195	1.05 291	0.94 311	0.62 260	0.56 112	0.54 281	0.21 262	0.14 206	0.17 109	0.19 246	0.15 100	0.15 135

CFNet-ft	0.48 225	0.23 174	0.36 48	0.40 145	0.26 176	0.64 266	0.37 200	0.87 225	0.85 243	0.64 135	1.00 266	1.01 327	0.64 276	0.61 168	0.53 277	0.23 296	0.15 235	0.24 300	0.21 290	0.23 291	0.18 211

CFNet_RVC	0.48 225	0.23 174	0.36 48	0.40 145	0.26 176	0.64 266	0.37 200	0.87 225	0.85 243	0.64 135	1.00 266	1.01 327	0.64 276	0.61 168	0.53 277	0.23 296	0.15 235	0.24 300	0.21 290	0.23 291	0.18 211

rvit_stereo_0083	0.34 61	0.24 210	0.50 229	0.44 245	0.27 203	0.34 93	0.35 167	0.45 20	0.62 120	0.37 34	0.47 49	0.42 70	0.35 107	0.40 27	0.36 163	0.22 284	0.20 318	0.20 214	0.17 196	0.20 234	0.14 114

rvit_stereo_0081	0.32 48	0.24 210	0.47 186	0.43 228	0.26 176	0.30 60	0.37 200	0.42 10	0.55 107	0.36 31	0.40 31	0.39 50	0.35 107	0.43 40	0.33 116	0.22 284	0.16 264	0.19 186	0.16 149	0.19 218	0.13 75

rvit_stereo_0082	0.32 48	0.24 210	0.47 186	0.43 228	0.26 176	0.30 60	0.37 200	0.42 10	0.55 107	0.36 31	0.40 31	0.39 50	0.35 107	0.43 40	0.33 116	0.22 284	0.16 264	0.19 186	0.16 149	0.19 218	0.13 75

CAS++	0.32 48	0.24 210	0.36 48	0.37 64	0.26 176	0.28 44	0.23 25	0.87 225	0.50 91	0.47 75	0.45 39	0.26 6	0.21 10	0.49 75	0.24 14	0.23 296	0.19 310	0.22 268	0.17 196	0.21 255	0.16 177
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
tt1	0.36 93	0.24 210	0.32 24	0.41 172	0.22 55	0.54 199	0.38 221	0.68 136	1.04 339	0.41 54	0.46 44	0.35 37	0.45 171	0.57 123	0.25 21	0.16 134	0.10 12	0.19 186	0.13 71	0.16 133	0.16 177

PCWNet_CMD	0.48 225	0.24 210	0.52 246	0.39 116	0.27 203	0.63 259	0.30 94	0.95 255	0.96 305	0.86 275	1.07 300	0.79 261	0.44 166	0.57 123	0.43 210	0.17 168	0.12 119	0.21 255	0.16 149	0.24 304	0.19 243

CFNet_ucs	0.50 256	0.24 210	0.55 261	0.38 89	0.31 285	0.58 223	0.33 141	0.98 264	0.93 291	0.88 290	1.19 340	0.80 269	0.49 186	0.63 185	0.43 210	0.21 262	0.15 235	0.26 328	0.18 220	0.26 316	0.22 297

LL-Strereo2	0.35 75	0.24 210	0.48 205	0.41 172	0.26 176	0.35 101	0.24 37	0.67 126	0.44 70	0.54 95	0.51 65	0.66 199	0.25 25	0.66 211	0.30 87	0.14 41	0.12 119	0.23 286	0.20 270	0.18 184	0.13 75

CroCo-Stereo Lap2	0.28 19	0.24 210	0.39 87	0.50 330	0.29 251	0.20 2	0.31 115	0.49 29	0.38 48	0.24 4	0.27 9	0.46 91	0.31 83	0.39 24	0.30 87	0.14 41	0.15 235	0.16 83	0.13 71	0.16 133	0.15 135

x	0.39 139	0.24 210	0.41 103	0.34 17	0.23 89	0.52 189	0.32 132	0.86 218	0.52 96	0.57 102	0.70 122	0.59 155	0.50 197	0.49 75	0.46 244	0.17 168	0.15 235	0.17 109	0.15 119	0.17 165	0.16 177

test_5	0.43 178	0.24 210	0.43 133	0.52 356	0.28 225	0.28 44	0.42 274	0.72 168	0.82 227	0.62 117	0.91 225	0.72 228	0.55 222	0.79 284	0.35 147	0.14 41	0.11 69	0.18 148	0.18 220	0.18 184	0.16 177

Sa-1000	0.48 225	0.24 210	0.41 103	0.45 267	0.25 139	0.59 235	0.34 148	0.81 206	0.93 291	0.82 250	1.50 388	0.53 117	0.45 171	0.92 332	0.30 87	0.15 93	0.12 119	0.21 255	0.19 246	0.15 100	0.13 75

CFNet_pseudo	0.46 201	0.24 210	0.52 246	0.37 64	0.27 203	0.58 223	0.30 94	0.86 218	0.88 261	0.82 250	1.03 281	0.75 246	0.47 178	0.58 141	0.44 226	0.17 168	0.12 119	0.24 300	0.16 149	0.24 304	0.19 243

ARAFT	0.47 214	0.24 210	0.79 360	0.42 209	0.25 139	0.55 204	0.55 343	0.75 184	0.81 222	0.89 294	0.75 139	0.73 238	0.47 178	0.88 315	0.37 178	0.15 93	0.12 119	0.23 286	0.22 306	0.14 63	0.13 75

delet	0.55 289	0.24 210	0.55 261	0.44 245	0.33 309	1.07 373	0.50 314	1.00 270	0.86 248	0.85 270	0.96 245	0.90 303	0.63 266	0.83 297	0.74 327	0.18 197	0.18 296	0.20 214	0.21 290	0.16 133	0.15 135

UPFNet	0.53 277	0.24 210	0.51 241	0.45 267	0.38 339	0.84 335	0.49 311	0.99 266	0.75 184	0.87 282	0.88 215	0.86 284	0.64 276	0.80 285	0.71 321	0.20 249	0.20 318	0.20 214	0.20 270	0.19 218	0.15 135

GwcNet-RSSM	0.49 242	0.24 210	0.42 123	0.40 145	0.23 89	0.55 204	0.38 221	0.93 244	0.93 291	0.71 183	1.16 332	0.86 284	0.60 249	0.62 175	0.66 307	0.21 262	0.14 206	0.19 186	0.20 270	0.16 133	0.15 135

MSMDNet	0.48 225	0.24 210	0.52 246	0.39 116	0.27 203	0.63 259	0.30 94	0.96 258	0.96 305	0.86 275	1.07 300	0.79 261	0.44 166	0.57 123	0.43 210	0.17 168	0.12 119	0.20 214	0.16 149	0.23 291	0.19 243

ccs_rob	0.46 201	0.24 210	0.52 246	0.37 64	0.27 203	0.58 223	0.31 115	0.86 218	0.88 261	0.82 250	1.02 277	0.75 246	0.47 178	0.58 141	0.44 226	0.17 168	0.12 119	0.24 300	0.16 149	0.24 304	0.19 243

MLCV	0.47 214	0.24 210	0.61 282	0.37 64	0.17 4	0.61 243	0.33 141	0.80 203	0.87 257	0.94 321	1.13 319	0.72 228	0.43 157	0.89 320	0.51 267	0.13 17	0.10 12	0.13 15	0.11 26	0.14 63	0.12 47

HSM	0.51 263	0.24 210	0.41 103	0.39 116	0.24 113	0.75 304	0.40 252	1.22 361	0.75 184	0.81 241	0.91 225	1.21 364	0.69 300	0.87 312	0.46 244	0.17 168	0.13 178	0.17 109	0.14 96	0.17 165	0.17 195

LE_ROB	4.42 461	0.24 210	2.75 445	0.42 209	0.23 89	1.57 418	0.90 412	1.71 433	17.88 477	16.56 479	4.88 462	5.17 458	18.85 479	1.63 419	14.62 470	0.17 168	0.14 206	0.16 83	0.16 149	0.19 218	0.17 195

rvit_stereo_0080	0.31 42	0.25 232	0.40 95	0.39 116	0.28 225	0.27 31	0.46 290	0.49 29	0.44 70	0.35 29	0.42 35	0.40 57	0.28 54	0.41 32	0.33 116	0.22 284	0.17 282	0.17 109	0.16 149	0.22 275	0.15 135

rvit_stereo_ft	0.33 58	0.25 232	0.47 186	0.52 356	0.32 299	0.33 86	0.47 297	0.49 29	0.50 91	0.34 25	0.41 33	0.41 63	0.32 87	0.48 72	0.34 130	0.22 284	0.14 206	0.19 186	0.18 220	0.19 218	0.14 114

test_sample3	0.46 201	0.25 232	0.50 229	0.35 38	0.23 89	0.69 284	0.37 200	1.15 331	0.81 222	0.75 209	0.79 165	0.66 199	0.49 186	0.63 185	0.46 244	0.21 262	0.15 235	0.20 214	0.19 246	0.21 255	0.19 243

ttt	0.51 263	0.25 232	0.43 133	0.38 89	0.24 113	0.65 273	0.38 221	1.18 345	1.05 343	0.72 195	1.08 303	0.63 174	0.49 186	0.84 302	0.59 293	0.24 307	0.21 328	0.22 268	0.20 270	0.24 304	0.24 309

whm_eth	0.31 42	0.25 232	0.40 95	0.39 116	0.28 225	0.27 31	0.46 290	0.49 29	0.44 70	0.35 29	0.42 35	0.40 57	0.28 54	0.41 32	0.33 116	0.22 284	0.17 282	0.17 109	0.16 149	0.22 275	0.15 135

testlalala_base	0.46 201	0.25 232	0.41 103	0.46 287	0.33 309	0.58 223	0.25 44	0.57 59	0.34 19	0.51 83	0.56 85	0.46 91	0.30 78	0.43 40	0.31 94	1.47 452	0.11 69	0.14 25	0.09 8	1.59 442	0.13 75

BUS	0.45 194	0.25 232	0.43 133	0.45 267	0.28 225	0.70 288	0.34 148	0.94 248	0.76 191	0.75 209	0.80 168	0.65 194	0.49 186	0.64 196	0.51 267	0.20 249	0.14 206	0.22 268	0.19 246	0.18 184	0.18 211

BSDual-CNN	0.46 201	0.25 232	0.43 133	0.45 267	0.28 225	0.77 307	0.40 252	0.94 248	0.76 191	0.75 209	0.80 168	0.76 252	0.54 217	0.64 196	0.43 210	0.20 249	0.14 206	0.22 268	0.19 246	0.18 184	0.18 211

hknet	0.49 242	0.25 232	0.51 241	0.45 267	0.29 251	0.77 307	0.40 252	0.94 248	0.83 232	0.75 209	0.80 168	0.97 317	0.61 254	0.73 254	0.45 234	0.18 197	0.14 206	0.22 268	0.19 246	0.18 184	0.18 211

SA	0.44 184	0.25 232	0.46 174	0.46 287	0.24 113	0.43 154	0.36 187	0.75 184	0.96 305	0.59 105	1.03 281	0.48 99	0.52 203	0.94 345	0.32 104	0.16 134	0.12 119	0.21 255	0.19 246	0.15 100	0.13 75

psmg	0.49 242	0.25 232	0.43 133	0.41 172	0.28 225	0.85 336	0.43 276	0.99 266	0.76 191	0.91 306	0.94 233	0.76 252	0.54 217	0.64 196	0.43 210	0.20 249	0.15 235	0.20 214	0.20 270	0.18 184	0.18 211

DAS	0.51 263	0.25 232	0.60 280	0.48 301	0.31 285	0.58 223	0.41 265	0.83 209	0.97 308	0.89 294	1.12 313	0.70 215	0.75 326	0.82 290	0.43 210	0.17 168	0.13 178	0.18 148	0.15 119	0.20 234	0.18 211

SepStereo	0.51 263	0.25 232	0.60 280	0.48 301	0.31 285	0.58 223	0.41 265	0.83 209	0.97 308	0.89 294	1.12 313	0.70 215	0.75 326	0.93 338	0.43 210	0.17 168	0.13 178	0.18 148	0.15 119	0.20 234	0.18 211

AASNet	0.53 277	0.25 232	0.52 246	0.49 316	0.32 299	0.74 301	0.40 252	1.50 416	0.86 248	0.86 275	0.92 229	0.64 181	0.59 245	0.59 156	0.79 334	0.23 296	0.19 310	0.20 214	0.16 149	0.21 255	0.19 243

GANet-ADL	0.42 168	0.25 232	0.45 157	0.43 228	0.29 251	0.54 199	0.35 167	0.89 232	0.86 248	0.63 125	0.72 124	0.68 207	0.42 151	0.52 89	0.41 201	0.21 262	0.14 206	0.15 60	0.13 71	0.18 184	0.19 243

ADLNet2	0.55 289	0.25 232	0.65 305	0.47 296	0.30 264	0.83 332	0.50 314	1.05 292	0.95 304	0.80 231	0.98 259	0.99 321	0.69 300	0.77 276	0.73 324	0.20 249	0.16 264	0.17 109	0.18 220	0.21 255	0.21 283

ICVP	0.46 201	0.25 232	0.38 70	0.48 301	0.28 225	0.58 223	0.43 276	1.00 270	0.70 157	0.67 157	0.95 241	0.75 246	0.55 222	0.53 96	0.54 281	0.23 296	0.17 282	0.19 186	0.17 196	0.19 218	0.20 265
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.55 289	0.25 232	0.61 282	0.43 228	0.34 317	1.07 373	0.39 243	0.87 225	0.91 281	0.91 306	0.93 232	0.86 284	0.76 329	0.81 288	0.76 329	0.15 93	0.14 206	0.18 148	0.19 246	0.20 234	0.16 177

DSFCA	0.55 289	0.25 232	0.62 285	0.40 145	0.36 325	0.74 301	0.52 331	1.04 287	0.82 227	1.06 367	0.84 189	0.89 299	0.63 266	0.99 348	0.58 289	0.25 317	0.21 328	0.21 255	0.21 290	0.21 255	0.19 243

test_sample6	0.49 242	0.26 251	0.50 229	0.37 64	0.22 55	0.63 259	0.40 252	1.12 317	0.83 232	0.80 231	1.03 281	0.66 199	0.55 222	0.67 221	0.46 244	0.22 284	0.16 264	0.22 268	0.22 306	0.23 291	0.21 283

test_sample5	0.47 214	0.26 251	0.49 216	0.36 49	0.22 55	0.64 266	0.39 243	1.13 319	0.81 222	0.77 222	0.94 233	0.64 181	0.54 217	0.65 203	0.43 210	0.21 262	0.16 264	0.22 268	0.20 270	0.22 275	0.20 265

test_sample4	0.47 214	0.26 251	0.50 229	0.35 38	0.22 55	0.69 284	0.38 221	1.15 331	0.81 222	0.78 226	0.82 178	0.62 172	0.53 206	0.63 185	0.44 226	0.21 262	0.15 235	0.21 255	0.19 246	0.21 255	0.19 243

DualNet	0.48 225	0.26 251	0.49 216	0.36 49	0.22 55	0.64 266	0.39 243	1.13 319	0.81 222	0.80 231	1.03 281	0.64 181	0.54 217	0.65 203	0.43 210	0.21 262	0.16 264	0.22 268	0.20 270	0.22 275	0.20 265

ffm	0.44 184	0.26 251	0.49 216	0.37 64	0.25 139	0.55 204	0.37 200	0.68 136	1.04 339	0.73 202	0.96 245	0.71 219	0.53 206	0.57 123	0.25 21	0.16 134	0.10 12	0.25 312	0.21 290	0.16 133	0.16 177

ff1	0.49 242	0.26 251	0.49 216	0.37 64	0.25 139	0.55 204	0.37 200	0.68 136	1.04 339	0.73 202	0.96 245	0.71 219	0.53 206	1.01 352	0.88 355	0.16 134	0.10 12	0.25 312	0.21 290	0.16 133	0.16 177

mmx	0.53 277	0.26 251	0.49 216	0.37 64	0.25 139	0.55 204	0.37 200	1.16 337	1.03 335	0.73 202	0.96 245	0.71 219	0.53 206	1.01 352	0.88 355	0.20 249	0.15 235	0.25 312	0.21 290	0.22 275	0.20 265

xxx	0.53 277	0.26 251	0.49 216	0.37 64	0.25 139	0.55 204	0.37 200	1.16 337	1.03 335	0.73 202	0.96 245	0.71 219	0.53 206	1.01 352	0.88 355	0.20 249	0.15 235	0.25 312	0.21 290	0.22 275	0.20 265

iinet-f	0.67 333	0.26 251	2.15 440	0.39 116	0.31 285	1.19 392	0.56 348	0.84 212	0.84 236	0.80 231	1.17 334	1.05 340	0.84 354	0.71 244	1.21 402	0.20 249	0.18 296	0.17 109	0.15 119	0.20 234	0.20 265

qqq	0.40 150	0.26 251	0.44 145	0.36 49	0.22 55	0.46 171	0.36 187	0.85 215	0.54 103	0.56 100	0.69 119	0.65 194	0.53 206	0.55 103	0.45 234	0.17 168	0.16 264	0.20 214	0.19 246	0.18 184	0.17 195

psm_up	0.55 289	0.26 251	0.47 186	0.49 316	0.32 299	0.65 273	0.56 348	1.04 287	0.82 227	0.82 250	0.88 215	1.01 327	0.94 376	0.74 261	0.61 297	0.21 262	0.25 360	0.26 328	0.23 319	0.21 255	0.20 265

UNet	0.54 287	0.26 251	0.66 311	0.44 245	0.40 348	0.99 359	0.41 265	0.98 264	0.75 184	0.83 262	0.89 219	1.04 336	0.72 321	0.73 254	0.62 299	0.19 226	0.14 206	0.20 214	0.17 196	0.20 234	0.17 195

DMCA	0.45 194	0.26 251	0.50 229	0.38 89	0.28 225	0.51 186	0.34 148	0.93 244	0.68 152	0.75 209	0.83 184	0.79 261	0.53 206	0.51 84	0.54 281	0.21 262	0.16 264	0.21 255	0.16 149	0.19 218	0.21 283

UCFNet_RVC	0.49 242	0.26 251	0.35 43	0.39 116	0.26 176	0.64 266	0.36 187	1.15 331	0.84 236	0.67 157	0.88 215	0.88 295	0.59 245	0.58 141	0.45 234	0.24 307	0.17 282	0.27 340	0.27 359	0.25 312	0.23 303

HITNet	0.41 161	0.26 251	0.45 157	0.33 14	0.17 4	0.63 259	0.30 94	0.93 244	0.64 138	0.71 183	0.82 178	0.64 181	0.52 203	0.59 156	0.43 210	0.14 41	0.10 12	0.15 60	0.13 71	0.19 218	0.12 47
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
DISCO	0.70 340	0.26 251	0.68 317	0.44 245	0.31 285	1.14 384	0.51 328	1.23 365	1.23 383	0.81 241	1.05 291	1.50 403	0.85 355	1.82 428	1.03 385	0.19 226	0.15 235	0.18 148	0.16 149	0.24 304	0.23 303

DN-CSS_ROB	0.43 178	0.26 251	0.62 285	0.40 145	0.29 251	0.44 160	0.27 62	0.77 192	0.75 184	0.72 195	1.09 307	0.48 99	0.43 157	0.69 236	0.37 178	0.15 93	0.12 119	0.21 255	0.19 246	0.18 184	0.16 177

Former-RAFT_DAM_RVC	0.34 61	0.27 268	0.45 157	0.36 49	0.25 139	0.48 175	0.30 94	0.58 65	0.90 276	0.42 59	0.36 28	0.30 10	0.29 67	0.49 75	0.30 87	0.16 134	0.14 206	0.18 148	0.15 119	0.18 184	0.15 135

mmm	0.44 184	0.27 268	0.46 174	0.38 89	0.24 113	0.61 243	0.35 167	0.94 248	0.53 99	0.72 195	1.05 291	0.63 174	0.50 197	0.57 123	0.45 234	0.18 197	0.15 235	0.23 286	0.20 270	0.20 234	0.18 211

LL-Strereo	0.57 306	0.27 268	0.68 317	0.48 301	0.34 317	0.39 128	0.48 305	0.94 248	0.97 308	0.83 262	0.78 156	1.10 352	1.18 402	1.33 398	0.49 256	0.17 168	0.14 206	0.22 268	0.19 246	0.16 133	0.17 195

CASS	0.45 194	0.27 268	0.42 123	0.48 301	0.22 55	0.61 243	0.34 148	0.97 261	0.62 120	0.71 183	0.85 198	0.61 166	0.55 222	0.57 123	0.41 201	0.29 350	0.16 264	0.22 268	0.18 220	0.22 275	0.28 335
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ToySt	0.49 242	0.27 268	0.75 348	0.40 145	0.27 203	0.64 266	0.49 311	0.84 212	0.77 198	0.60 109	0.83 184	0.88 295	0.66 287	0.70 239	0.56 288	0.16 134	0.17 282	0.21 255	0.20 270	0.21 255	0.19 243

CRFU-Net	0.57 306	0.27 268	0.57 270	0.46 287	0.30 264	1.20 393	0.52 331	1.10 308	0.56 113	1.00 346	0.98 259	1.06 341	0.79 340	0.81 288	0.71 321	0.21 262	0.19 310	0.18 148	0.16 149	0.18 184	0.19 243

CSP-Net	0.56 300	0.27 268	0.49 216	0.41 172	0.28 225	1.22 394	0.50 314	1.23 365	0.72 168	0.95 328	0.95 241	0.89 299	0.62 260	0.83 297	0.62 299	0.26 327	0.17 282	0.17 109	0.17 196	0.18 184	0.17 195

PSMNet-ADL	0.48 225	0.27 268	0.40 95	0.48 301	0.30 264	0.68 282	0.37 200	0.90 237	0.80 215	0.61 115	0.80 168	0.92 307	0.62 260	0.72 249	0.63 302	0.23 296	0.18 296	0.18 148	0.20 270	0.22 275	0.20 265

TRStereo	0.37 109	0.27 268	0.59 275	0.47 296	0.41 355	0.29 52	0.30 94	0.84 212	0.59 116	0.52 88	0.41 33	0.52 113	0.26 35	0.73 254	0.27 56	0.17 168	0.12 119	0.19 186	0.19 246	0.13 28	0.11 15

ADLNet	0.55 289	0.27 268	0.51 241	0.44 245	0.35 323	0.78 311	0.46 290	1.08 303	0.86 248	0.99 341	0.98 259	0.92 307	0.63 266	0.69 236	0.81 339	0.22 284	0.16 264	0.22 268	0.22 306	0.21 255	0.21 283

hitnet-ft	0.55 289	0.27 268	0.39 87	0.41 172	0.28 225	0.78 311	0.40 252	0.92 242	0.90 276	0.82 250	1.01 269	1.13 359	0.70 313	0.78 280	0.67 310	0.28 343	0.20 318	0.28 348	0.22 306	0.29 332	0.26 321

iResNetv2_ROB	0.52 272	0.27 268	0.69 323	0.38 89	0.25 139	0.62 250	0.35 167	1.17 342	1.01 327	0.99 341	1.06 297	0.88 295	0.67 290	0.66 211	0.39 192	0.19 226	0.13 178	0.15 60	0.11 26	0.18 184	0.16 177

MDST_ROB	0.91 384	0.27 268	0.85 365	0.63 397	0.41 355	2.53 439	0.71 390	1.60 426	1.13 367	2.83 448	1.73 404	0.97 317	0.69 300	1.61 416	0.73 324	0.25 317	0.22 334	0.32 370	0.28 364	0.25 312	0.24 309

rvit_0105_6	0.38 124	0.28 281	0.64 299	0.50 330	0.30 264	0.39 128	0.38 221	0.51 37	0.67 148	0.40 51	0.45 39	0.50 106	0.41 149	0.54 99	0.36 163	0.27 335	0.26 367	0.24 300	0.21 290	0.22 275	0.16 177

rvit_stereo_0081_aga	0.31 42	0.28 281	0.44 145	0.42 209	0.29 251	0.34 93	0.31 115	0.44 17	0.40 55	0.39 46	0.44 38	0.40 57	0.32 87	0.42 36	0.29 81	0.23 296	0.17 282	0.19 186	0.16 149	0.20 234	0.15 135

StereoVision	0.42 168	0.28 281	0.45 157	0.49 316	0.28 225	0.38 124	0.38 221	0.72 168	0.62 120	0.44 65	1.14 322	0.54 121	0.39 138	0.56 112	0.34 130	0.21 262	0.24 352	0.25 312	0.24 333	0.26 316	0.16 177

ssnet_v2	0.58 313	0.28 281	0.56 267	0.43 228	0.29 251	0.95 350	0.59 354	1.13 319	0.99 317	0.93 318	0.80 168	0.99 321	0.64 276	0.82 290	0.94 371	0.25 317	0.22 334	0.23 286	0.24 333	0.20 234	0.19 243

Wz-Net-LNSev-Ref	0.63 327	0.28 281	0.99 381	0.40 145	0.30 264	1.03 366	0.56 348	1.10 308	0.99 317	0.97 333	1.22 342	1.06 341	0.69 300	1.07 365	0.95 374	0.19 226	0.11 69	0.16 83	0.13 71	0.22 275	0.21 283

pcwnet_v2	0.58 313	0.28 281	0.84 364	0.45 267	0.35 323	0.61 243	0.35 167	1.27 379	1.21 380	0.99 341	1.27 351	0.72 228	0.58 239	0.67 221	0.48 254	0.27 335	0.21 328	0.24 300	0.23 319	0.29 332	0.29 341

sCroCo_RVC	0.35 75	0.28 281	0.69 323	0.51 345	0.39 343	0.41 145	0.31 115	0.49 29	0.45 77	0.31 18	0.48 52	0.38 49	0.32 87	0.46 58	0.32 104	0.21 262	0.22 334	0.19 186	0.19 246	0.21 255	0.20 265

HGLStereo	0.56 300	0.28 281	0.57 270	0.50 330	0.37 330	0.80 317	0.45 287	1.02 280	0.78 205	0.86 275	1.14 322	0.89 299	0.82 348	0.76 269	0.73 324	0.21 262	0.20 318	0.19 186	0.18 220	0.19 218	0.21 283

DLCB_ROB	0.58 313	0.28 281	0.47 186	0.49 316	0.32 299	0.77 307	0.50 314	0.99 266	0.92 286	1.04 362	1.14 322	1.21 364	0.69 300	0.88 315	0.69 314	0.20 249	0.20 318	0.22 268	0.22 306	0.21 255	0.18 211

SGM_RVC	0.97 389	0.28 281	0.41 103	0.39 116	0.22 55	1.55 416	0.73 392	1.51 419	1.25 389	2.25 438	1.92 413	2.58 434	1.56 423	2.02 436	1.19 401	0.27 335	0.27 373	0.27 340	0.25 342	0.25 312	0.25 316
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
rvit_0105_4	0.41 161	0.29 291	0.71 331	0.50 330	0.29 251	0.41 145	0.41 265	0.55 54	0.73 175	0.45 67	0.48 52	0.55 124	0.44 166	0.57 123	0.36 163	0.28 343	0.26 367	0.25 312	0.22 306	0.23 291	0.18 211

test_sample7	0.52 272	0.29 291	0.50 229	0.36 49	0.27 203	0.62 250	0.41 265	1.06 295	0.88 261	0.92 314	0.86 201	0.85 279	0.69 300	0.68 231	0.50 257	0.26 327	0.20 318	0.27 340	0.26 353	0.27 326	0.24 309

NINENet	0.50 256	0.29 291	0.51 241	0.45 267	0.32 299	0.70 288	0.34 148	1.10 308	0.88 261	0.80 231	0.94 233	0.65 194	0.49 186	0.73 254	0.51 267	0.22 284	0.20 318	0.25 312	0.18 220	0.22 275	0.21 283

GEStereo_RVC	0.55 289	0.29 291	0.63 294	0.49 316	0.31 285	0.70 288	0.54 339	1.22 361	0.92 286	0.82 250	0.85 198	0.85 279	0.63 266	0.90 322	0.65 305	0.24 307	0.16 264	0.19 186	0.16 149	0.21 255	0.22 297

RAFT + AFF	0.53 277	0.29 291	0.75 348	0.51 345	0.32 299	0.63 259	0.60 356	1.00 270	0.91 281	0.78 226	0.87 208	0.83 273	0.58 239	0.80 285	0.47 251	0.17 168	0.20 318	0.23 286	0.22 306	0.18 184	0.18 211

CFNet	0.51 263	0.29 291	0.46 174	0.41 172	0.27 203	0.70 288	0.32 132	1.13 319	1.00 323	0.72 195	1.07 300	0.85 279	0.60 249	0.76 269	0.52 274	0.19 226	0.14 206	0.23 286	0.23 319	0.21 255	0.16 177

iResNet	0.49 242	0.29 291	0.79 360	0.42 209	0.21 40	0.61 243	0.40 252	0.82 208	0.99 317	0.87 282	1.12 313	0.69 211	0.53 206	0.78 280	0.51 267	0.15 93	0.11 69	0.14 25	0.12 46	0.17 165	0.15 135

pmcnn	1.23 415	0.29 291	0.96 378	0.40 145	0.23 89	0.95 350	0.69 380	1.16 337	1.28 393	1.67 419	2.33 422	11.15 471	0.86 357	0.93 338	0.88 355	0.15 93	0.12 119	0.12 2	0.10 16	0.15 100	0.15 135

fast-acv-ft	0.64 328	0.30 299	0.73 339	0.45 267	0.34 317	1.17 389	0.49 311	0.86 218	0.98 312	1.02 353	1.36 364	1.29 372	0.85 355	0.76 269	0.81 339	0.21 262	0.23 344	0.23 286	0.23 319	0.21 255	0.20 265

LMCR-Stereo	0.53 277	0.30 299	0.53 253	0.58 381	0.30 264	0.83 332	0.36 187	1.19 347	0.76 191	0.88 290	1.04 287	0.56 127	0.62 260	0.82 290	0.67 310	0.19 226	0.15 235	0.19 186	0.14 96	0.23 291	0.17 195

DMCA-RVC	0.51 263	0.30 299	0.59 275	0.50 330	0.32 299	0.54 199	0.38 221	0.86 218	0.68 152	0.94 321	0.86 201	0.91 305	0.68 296	0.70 239	0.59 293	0.23 296	0.18 296	0.31 365	0.23 319	0.26 316	0.19 243

NVstereo2D	0.60 323	0.30 299	0.75 348	0.48 301	0.43 366	0.89 341	0.48 305	1.05 292	1.15 370	0.66 155	0.86 201	0.88 295	0.70 313	0.99 348	0.65 305	0.32 371	0.15 235	0.28 348	0.20 270	0.40 382	0.36 376

rvit_0105_5	0.42 168	0.31 303	0.73 339	0.50 330	0.29 251	0.44 160	0.42 274	0.61 83	0.74 181	0.51 83	0.51 65	0.60 161	0.47 178	0.57 123	0.38 186	0.27 335	0.25 360	0.25 312	0.23 319	0.22 275	0.18 211

TestStereo	0.38 124	0.31 303	0.40 95	0.45 267	0.20 28	0.40 132	0.37 200	0.66 116	0.65 143	0.53 91	0.78 156	0.47 95	0.40 143	0.55 103	0.37 178	0.18 197	0.13 178	0.20 214	0.15 119	0.22 275	0.13 75

stereogan	0.80 361	0.31 303	0.71 331	0.59 385	0.50 390	1.72 427	0.48 305	1.35 395	1.37 400	1.00 346	1.46 386	1.56 409	0.95 379	1.29 394	0.84 343	0.28 343	0.29 381	0.29 356	0.25 342	0.38 379	0.38 387

BEATNet_4x	0.46 201	0.32 306	0.56 267	0.37 64	0.19 13	0.63 259	0.35 167	1.01 277	0.72 168	0.77 222	0.83 184	0.70 215	0.59 245	0.68 231	0.53 277	0.16 134	0.12 119	0.16 83	0.14 96	0.24 304	0.16 177

NLCA_NET_v2_RVC	0.53 277	0.32 306	0.64 299	0.44 245	0.30 264	0.66 276	0.44 285	1.04 287	0.88 261	0.91 306	0.91 225	0.99 321	0.60 249	0.68 231	0.60 296	0.21 262	0.17 282	0.22 268	0.22 306	0.21 255	0.21 283
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	0.57 306	0.32 306	0.54 256	0.45 267	0.27 203	0.57 221	0.48 305	1.00 270	1.28 393	0.86 275	1.33 361	0.87 290	0.58 239	1.07 365	0.75 328	0.18 197	0.12 119	0.15 60	0.13 71	0.18 184	0.18 211

AdaStereo	0.50 256	0.32 306	0.47 186	0.48 301	0.25 139	0.67 280	0.32 132	1.17 342	0.88 261	0.75 209	0.99 264	0.75 246	0.49 186	0.67 221	0.46 244	0.27 335	0.12 119	0.28 348	0.18 220	0.23 291	0.18 211
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.
SGM-ForestM	4.04 459	0.32 306	0.46 174	0.43 228	0.27 203	7.50 467	1.45 450	3.84 459	4.24 458	8.19 470	6.76 467	19.00 477	9.08 467	10.74 471	6.62 461	0.31 360	0.33 403	0.32 370	0.32 384	0.29 332	0.29 341

StereoDRNet-Refined	0.58 313	0.32 306	0.54 256	0.46 287	0.30 264	0.96 353	0.40 252	1.00 270	0.94 298	1.12 379	1.08 303	0.96 315	0.67 290	0.90 322	0.89 365	0.17 168	0.13 178	0.22 268	0.21 290	0.20 234	0.19 243
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.66 332	0.32 306	0.66 311	0.50 330	0.39 343	1.15 386	0.61 361	1.49 415	1.01 327	1.12 379	1.08 303	1.06 341	0.69 300	0.77 276	0.94 371	0.23 296	0.17 282	0.26 328	0.25 342	0.25 312	0.21 283

SGM-Forest	0.62 326	0.32 306	0.39 87	0.43 228	0.30 264	1.02 363	0.55 343	1.09 307	1.05 343	1.06 367	1.18 336	1.10 352	0.67 290	0.88 315	0.62 299	0.31 360	0.33 403	0.33 375	0.30 371	0.30 341	0.28 335
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FAT-Stereo	0.73 350	0.33 314	0.75 348	0.49 316	0.37 330	0.71 293	0.59 354	1.36 398	1.30 395	1.03 361	1.40 373	1.59 412	1.15 398	0.87 312	0.86 348	0.28 343	0.28 376	0.28 348	0.23 319	0.28 329	0.38 387

FADNet-RVC-Resample	0.56 300	0.33 314	1.16 395	0.49 316	0.34 317	0.71 293	0.43 276	1.01 277	0.93 291	0.82 250	0.87 208	0.74 244	0.67 290	0.73 254	0.45 234	0.18 197	0.18 296	0.26 328	0.27 359	0.26 316	0.27 328

TDLM	0.57 306	0.33 314	0.49 216	0.51 345	0.30 264	0.66 276	0.73 392	1.03 284	1.01 327	0.82 250	1.10 309	0.84 277	0.70 313	0.86 311	0.58 289	0.28 343	0.17 282	0.25 312	0.22 306	0.26 316	0.19 243

CVANet_RVC	0.57 306	0.33 314	0.44 145	0.47 296	0.32 299	0.67 280	0.61 361	1.05 292	0.93 291	0.85 270	1.04 287	1.01 327	0.73 322	0.83 297	0.52 274	0.29 350	0.19 310	0.27 340	0.25 342	0.31 346	0.21 283

StereoDRNet	0.64 328	0.33 314	0.68 317	0.51 345	0.43 366	1.03 366	0.53 335	1.47 412	0.99 317	1.10 377	0.87 208	1.07 346	0.71 317	0.82 290	0.88 355	0.23 296	0.19 310	0.25 312	0.23 319	0.27 326	0.19 243

rvit_0105_3	0.47 214	0.34 319	0.77 358	0.54 368	0.31 285	0.49 179	0.47 297	0.63 95	0.79 213	0.65 143	0.59 93	0.64 181	0.50 197	0.65 203	0.39 192	0.29 350	0.27 373	0.29 356	0.28 364	0.21 255	0.20 265

SACVNet	0.58 313	0.34 319	0.55 261	0.55 372	0.36 325	0.63 259	0.48 305	1.13 319	0.77 198	1.02 353	1.06 297	1.02 332	0.74 324	0.90 322	0.51 267	0.27 335	0.21 328	0.25 312	0.24 333	0.29 332	0.36 376

Anonymous3	0.46 201	0.34 319	0.86 370	0.50 330	0.37 330	0.81 322	0.50 314	0.72 168	0.65 143	0.51 83	0.65 107	0.45 84	0.45 171	0.64 196	0.38 186	0.24 307	0.24 352	0.22 268	0.21 290	0.23 291	0.23 303

HCRNet	0.44 184	0.34 319	0.41 103	0.53 362	0.26 176	0.53 195	0.29 80	0.83 209	0.63 131	0.71 183	0.81 175	0.77 258	0.50 197	0.66 211	0.36 163	0.24 307	0.16 264	0.24 300	0.20 270	0.21 255	0.18 211

DeepPruner_ROB	0.53 277	0.34 319	0.59 275	0.41 172	0.30 264	0.50 182	0.43 276	1.19 347	0.70 157	0.85 270	1.05 291	0.86 284	0.55 222	0.84 302	0.51 267	0.29 350	0.23 344	0.22 268	0.22 306	0.26 316	0.25 316

S-Stereo	0.74 351	0.35 324	0.96 378	0.56 375	0.45 377	0.82 330	0.60 356	1.24 372	1.60 422	0.96 329	1.41 375	1.12 356	0.94 376	0.80 285	1.04 388	0.26 327	0.31 394	0.28 348	0.25 342	0.32 351	0.47 413

ADCP+	1.06 401	0.35 324	1.51 428	0.49 316	0.51 393	1.45 411	0.55 343	1.25 375	1.03 335	1.16 383	1.15 327	1.10 352	1.07 392	1.56 413	6.75 462	0.19 226	0.16 264	0.23 286	0.21 290	0.28 329	0.21 283

RYNet	0.72 348	0.35 324	0.64 299	0.53 362	0.67 417	1.31 401	0.67 370	1.20 351	1.18 375	1.05 364	0.87 208	1.27 369	0.93 375	0.93 338	1.27 407	0.22 284	0.16 264	0.26 328	0.23 319	0.40 382	0.39 389

XPNet_ROB	0.70 340	0.35 324	0.68 317	0.52 356	0.40 348	0.79 314	0.85 408	1.16 337	0.94 298	1.33 400	1.15 327	1.38 391	0.83 352	1.03 359	0.90 367	0.32 371	0.25 360	0.26 328	0.24 333	0.31 346	0.28 335

CBMV	0.64 328	0.35 324	0.41 103	0.42 209	0.25 139	1.01 361	0.77 396	1.13 319	1.09 361	1.17 384	1.22 342	1.04 336	0.75 326	0.88 315	0.63 302	0.28 343	0.30 385	0.34 377	0.30 371	0.26 316	0.26 321
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DualNet (step1)	0.57 306	0.36 329	0.72 336	0.38 89	0.30 264	0.71 293	0.43 276	1.06 295	0.88 261	0.92 314	0.86 201	0.85 279	0.69 300	0.68 231	0.50 257	0.41 404	0.20 318	0.40 395	0.41 408	0.36 370	0.33 362

test_sample9	1.05 400	0.36 329	0.72 336	0.38 89	0.30 264	0.71 293	0.43 276	1.06 295	0.88 261	0.92 314	0.86 201	0.85 279	0.69 300	1.20 381	1.36 410	0.41 404	8.41 471	0.40 395	0.41 408	0.36 370	0.33 362

test_sample8	1.25 417	0.36 329	0.72 336	0.38 89	0.30 264	0.71 293	0.43 276	1.13 319	0.75 184	1.50 406	0.95 241	3.29 445	1.59 425	1.20 381	1.36 410	0.41 404	8.41 471	0.40 395	0.41 408	0.36 370	0.33 362

GwcNet	0.69 338	0.36 329	1.10 389	0.51 345	0.42 361	1.08 377	0.50 314	1.21 353	1.16 371	1.00 346	1.37 367	1.06 341	0.79 340	0.92 332	0.94 371	0.25 317	0.24 352	0.24 300	0.22 306	0.23 291	0.26 321

RP	0.76 353	0.36 329	0.63 294	0.66 406	0.58 411	0.80 317	0.55 343	1.14 328	1.22 382	0.97 333	1.65 398	1.43 396	1.32 412	1.01 352	0.84 343	0.33 379	0.30 385	0.36 383	0.30 371	0.34 362	0.34 369

WCMA_ROB	1.14 407	0.36 329	0.76 353	0.49 316	0.44 373	1.23 396	0.67 370	1.11 313	1.23 383	2.84 449	3.95 455	3.28 444	1.83 435	1.25 389	0.99 381	0.44 408	0.34 405	0.34 377	0.37 393	0.41 388	0.40 392

rvit_stereo_0075_2	0.47 214	0.37 335	0.70 327	0.53 362	0.46 384	0.43 154	0.36 187	0.81 206	0.67 148	0.55 97	0.74 137	0.59 155	0.43 157	0.63 185	0.43 210	0.32 371	0.23 344	0.35 379	0.25 342	0.30 341	0.25 316

SDNR	0.86 375	0.37 335	1.47 426	0.40 145	0.38 339	3.38 455	0.33 141	0.90 237	0.98 312	0.99 341	2.09 420	0.59 155	0.71 317	1.29 394	0.70 317	0.51 419	0.56 434	0.36 383	0.26 353	0.43 392	0.46 408

GMStereo	0.39 139	0.37 335	0.54 256	0.40 145	0.26 176	0.42 152	0.36 187	0.59 67	1.04 339	0.55 97	0.51 65	0.37 45	0.35 107	0.54 99	0.41 201	0.19 226	0.13 178	0.16 83	0.17 196	0.24 304	0.18 211
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
APVNet	0.71 344	0.37 335	0.89 373	0.56 375	0.45 377	1.18 391	0.68 375	1.41 406	0.85 243	0.81 241	1.15 327	1.04 336	0.81 344	1.10 370	1.17 399	0.26 327	0.28 376	0.32 370	0.31 378	0.29 332	0.30 348

FADNet_RVC	0.55 289	0.37 335	1.17 400	0.44 245	0.31 285	0.56 217	0.34 148	1.06 295	0.88 261	0.67 157	0.90 222	0.61 166	0.65 282	0.93 338	0.70 317	0.21 262	0.18 296	0.26 328	0.23 319	0.31 346	0.28 335

STTStereo	0.55 289	0.37 335	0.76 353	0.44 245	0.31 285	0.60 241	0.44 285	0.96 258	0.86 248	0.99 341	0.90 222	0.96 315	0.58 239	0.71 244	0.61 297	0.25 317	0.23 344	0.26 328	0.32 384	0.24 304	0.23 303

SuperB	1.04 397	0.37 335	4.81 456	0.43 228	0.31 285	0.99 359	0.46 290	1.02 280	2.09 433	1.09 375	1.09 307	0.75 246	0.81 344	1.06 362	1.76 421	0.19 226	0.15 235	0.17 109	0.15 119	2.82 463	0.26 321

GANet	0.70 340	0.37 335	0.55 261	0.51 345	0.34 317	0.94 347	0.96 417	1.08 303	0.94 298	1.04 362	1.98 416	1.13 359	0.88 363	1.12 373	0.66 307	0.25 317	0.26 367	0.27 340	0.22 306	0.31 346	0.22 297

CBMV_ROB	0.59 320	0.37 335	0.38 70	0.39 116	0.28 225	0.74 301	0.28 72	1.00 270	0.98 312	0.94 321	1.25 349	0.81 271	0.78 338	0.87 312	0.50 257	0.36 393	0.37 410	0.43 401	0.40 403	0.33 356	0.30 348

PSMNet_ROB	0.64 328	0.37 335	0.65 305	0.56 375	0.42 361	0.97 354	0.83 402	1.21 353	0.92 286	0.79 229	1.02 277	1.08 348	0.63 266	0.82 290	0.91 369	0.29 350	0.20 318	0.31 365	0.31 378	0.26 316	0.23 303

dd	0.43 178	0.38 345	0.55 261	0.44 245	0.25 139	0.47 173	0.38 221	0.70 158	1.05 343	0.59 105	0.65 107	0.42 70	0.39 138	0.66 211	0.50 257	0.24 307	0.15 235	0.21 255	0.15 119	0.22 275	0.18 211

edge stereo	0.76 353	0.38 345	0.74 344	0.52 356	0.43 366	0.80 317	0.53 335	1.28 381	1.06 350	1.28 396	1.38 372	1.81 417	1.11 395	1.08 367	0.85 347	0.33 379	0.32 397	0.41 399	0.28 364	0.32 351	0.36 376

Nwc_Net	0.78 357	0.38 345	0.73 339	0.60 390	0.55 403	1.05 371	0.55 343	1.67 431	1.05 343	0.88 290	1.86 412	1.40 394	1.09 393	1.10 370	0.87 352	0.30 357	0.25 360	0.36 383	0.38 396	0.29 332	0.29 341

ADCL	1.04 397	0.38 345	1.35 417	0.50 330	0.39 343	1.61 420	0.89 410	1.29 382	1.39 403	1.29 397	1.50 388	1.24 367	1.24 407	1.37 406	4.87 455	0.21 262	0.19 310	0.25 312	0.25 342	0.29 332	0.27 328

sAnonymous2	0.40 150	0.39 349	0.85 365	0.48 301	0.37 330	0.40 132	0.46 290	0.57 59	0.52 96	0.38 38	0.46 44	0.35 37	0.42 151	0.43 40	0.30 87	0.19 226	0.14 206	0.18 148	0.17 196	0.57 419	0.44 403

CroCo_RVC	0.40 150	0.39 349	0.85 365	0.48 301	0.37 330	0.40 132	0.46 290	0.57 59	0.52 96	0.38 38	0.46 44	0.35 37	0.42 151	0.43 40	0.30 87	0.19 226	0.14 206	0.18 148	0.17 196	0.57 419	0.44 403

AF-Net	0.81 364	0.39 349	0.68 317	0.64 398	0.54 401	0.91 342	0.51 328	1.61 427	1.31 396	0.96 329	2.02 417	1.46 397	1.26 410	1.11 372	0.99 381	0.32 371	0.24 352	0.39 392	0.27 359	0.30 341	0.25 316

NOSS_ROB	0.57 306	0.39 349	0.39 87	0.44 245	0.30 264	0.73 300	0.54 339	1.03 284	1.08 359	0.67 157	0.87 208	0.76 252	0.57 230	0.77 276	0.47 251	0.38 397	0.38 412	0.44 404	0.42 412	0.37 375	0.34 369

rvit_105_1	0.54 287	0.40 353	0.76 353	0.58 381	0.37 330	0.59 235	0.68 375	0.70 158	0.94 298	0.82 250	0.69 119	0.73 238	0.58 239	0.78 280	0.54 281	0.32 371	0.29 381	0.31 365	0.34 388	0.23 291	0.20 265

Wz-Net-MNSev	0.76 353	0.40 353	1.34 416	0.50 330	0.40 348	1.44 410	0.83 402	1.15 331	1.16 371	1.25 395	1.20 341	1.13 359	0.81 344	1.16 376	1.00 384	0.22 284	0.19 310	0.24 300	0.23 319	0.28 329	0.26 321

NCC-stereo	0.78 357	0.40 353	0.76 353	0.61 392	0.67 417	0.81 322	0.69 380	1.54 423	1.11 363	0.90 301	1.36 364	1.33 383	1.16 399	1.19 379	0.88 355	0.31 360	0.30 385	0.37 387	0.48 420	0.33 356	0.33 362

Abc-Net	0.78 357	0.40 353	0.76 353	0.61 392	0.67 417	0.81 322	0.69 380	1.54 423	1.11 363	0.90 301	1.36 364	1.33 383	1.16 399	1.19 379	0.88 355	0.31 360	0.30 385	0.37 387	0.48 420	0.33 356	0.33 362
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NCCL2	0.72 348	0.41 357	0.65 305	0.64 398	0.44 373	0.98 358	1.20 432	1.11 313	1.00 323	0.98 338	0.96 245	1.49 402	0.87 360	0.90 322	0.79 334	0.31 360	0.26 367	0.39 392	0.39 400	0.32 351	0.32 358

SANet	1.07 403	0.41 357	1.06 386	0.48 301	0.30 264	1.41 407	0.94 415	1.42 407	3.36 452	1.58 410	2.43 426	2.33 430	1.70 430	1.34 400	1.07 390	0.28 343	0.24 352	0.26 328	0.23 319	0.34 362	0.30 348

FINET	0.67 333	0.42 359	1.00 382	0.46 287	0.43 366	0.83 332	0.89 410	1.08 303	1.50 412	0.87 282	1.14 322	0.71 219	0.68 296	0.92 332	0.70 317	0.36 393	0.30 385	0.26 328	0.24 333	0.35 366	0.33 362

DPSNet	0.99 391	0.42 359	1.88 436	0.53 362	0.41 355	1.59 419	1.26 438	2.21 442	1.43 406	1.10 377	1.11 310	1.46 397	1.95 439	1.34 400	1.26 405	0.34 385	0.25 360	0.25 312	0.21 290	0.46 400	0.37 381

ADCRef	0.80 361	0.43 361	1.32 415	0.50 330	0.45 377	1.07 373	0.51 328	1.07 299	0.98 312	1.17 384	1.42 376	0.87 290	0.91 366	0.85 309	3.19 442	0.18 197	0.16 264	0.23 286	0.23 319	0.22 275	0.21 283

PA-Net	0.67 333	0.43 361	0.83 363	0.50 330	0.53 398	0.94 347	0.68 375	1.10 308	1.14 369	0.80 231	0.88 215	0.87 290	0.77 333	1.02 357	0.88 355	0.24 307	0.41 419	0.29 356	0.44 413	0.26 316	0.34 369
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LALA_ROB	0.74 351	0.43 361	0.69 323	0.54 368	0.40 348	1.01 361	0.95 416	1.21 353	1.07 356	1.22 391	1.12 313	1.56 409	0.79 340	1.04 361	0.86 348	0.33 379	0.22 334	0.35 379	0.30 371	0.35 366	0.31 354

MeshStereo	1.34 420	0.43 361	0.54 256	0.44 245	0.34 317	1.66 423	0.60 356	1.94 436	1.37 400	4.47 462	3.25 441	4.71 453	1.94 438	1.92 432	1.17 399	0.35 390	0.35 407	0.37 387	0.31 378	0.32 351	0.32 358
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
GMStereo_Zeroshot	0.49 242	0.44 365	0.74 344	0.49 316	0.27 203	0.56 217	0.29 80	0.73 176	0.76 191	0.86 275	0.94 233	0.91 305	0.36 121	0.74 261	0.43 210	0.26 327	0.14 206	0.26 328	0.15 119	0.36 370	0.18 211

Anonymous_2	0.82 365	0.44 365	0.63 294	0.40 145	0.43 366	0.80 317	0.52 331	0.72 168	0.77 198	0.71 183	0.60 95	0.87 290	0.76 329	0.75 265	0.58 289	0.52 420	0.54 433	0.54 421	4.82 471	0.56 417	0.40 392

PS-NSSS	0.58 313	0.44 365	0.62 285	0.42 209	0.33 309	0.66 276	0.58 352	1.02 280	0.86 248	0.77 222	1.28 353	0.72 228	0.64 276	0.82 290	0.59 293	0.31 360	0.26 367	0.40 395	0.27 359	0.33 356	0.26 321

NaN_ROB	0.69 338	0.44 365	0.69 323	0.51 345	0.33 309	0.97 354	1.06 424	1.22 361	1.19 377	1.24 394	0.96 245	1.08 348	0.78 338	1.20 381	0.67 310	0.24 307	0.30 385	0.23 286	0.24 333	0.23 291	0.25 316

HBP-ISP	0.59 320	0.45 369	0.43 133	0.45 267	0.33 309	0.70 288	0.28 72	1.11 313	1.00 323	0.83 262	1.18 336	0.65 194	0.68 296	0.88 315	0.52 274	0.35 390	0.38 412	0.47 409	0.41 408	0.38 379	0.31 354

DANet	0.71 344	0.45 369	0.91 374	0.59 385	0.40 348	0.81 322	0.40 252	0.97 261	0.84 236	1.20 389	1.22 342	1.33 383	0.88 363	1.16 376	1.24 403	0.27 335	0.23 344	0.31 365	0.25 342	0.35 366	0.32 358
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
G-Net	0.95 388	0.46 371	1.04 384	0.64 398	0.48 386	2.12 435	0.64 366	1.01 277	0.87 257	1.75 421	2.82 439	1.30 374	1.64 429	1.06 362	0.96 376	0.36 393	0.29 381	0.35 379	0.25 342	0.45 397	0.42 397

RTSC	0.87 376	0.48 372	1.23 406	0.52 356	0.37 330	1.13 383	0.50 314	1.34 392	1.79 427	1.51 407	1.24 347	1.12 356	0.81 344	1.62 417	2.16 431	0.25 317	0.19 310	0.23 286	0.24 333	0.30 341	0.31 354

ADCPNet	1.03 396	0.48 372	2.70 444	0.54 368	0.42 361	1.40 405	0.75 394	1.13 319	1.07 356	1.22 391	1.42 376	1.68 414	1.09 393	1.36 405	3.45 446	0.30 357	0.28 376	0.29 356	0.32 384	0.37 375	0.35 374

PDISCO_ROB	0.91 384	0.48 372	1.06 386	0.99 429	0.97 431	1.67 425	0.63 363	1.64 429	1.59 419	1.06 367	1.18 336	1.31 375	0.79 340	1.55 411	0.97 377	0.49 416	0.22 334	0.45 405	0.40 403	0.45 397	0.37 381

CSAN	0.83 372	0.49 375	0.77 358	0.60 390	0.41 355	1.14 384	1.06 424	1.19 347	1.46 410	1.32 398	1.43 379	1.37 390	1.19 404	1.27 393	0.86 348	0.39 399	0.31 394	0.36 383	0.37 393	0.35 366	0.34 369

ETE_ROB	0.70 340	0.49 375	0.73 339	0.56 375	0.36 325	0.79 314	0.87 409	1.14 328	0.93 291	1.19 386	1.18 336	1.39 392	0.82 348	0.99 348	0.80 336	0.26 327	0.21 328	0.31 365	0.26 353	0.33 356	0.34 369

MSMD_ROB	1.21 414	0.49 375	0.62 285	0.59 385	0.50 390	1.62 422	0.67 370	1.23 365	1.24 385	2.45 442	3.77 449	3.09 441	2.98 454	1.32 397	0.81 339	0.45 409	0.41 419	0.49 416	0.51 427	0.47 402	0.44 403

PWCDC_ROB	0.89 380	0.49 375	0.80 362	0.74 420	0.40 348	1.03 366	0.39 243	1.33 390	2.35 440	1.02 353	3.77 449	0.81 271	0.92 370	1.20 381	0.90 367	0.34 385	0.22 334	0.24 300	0.20 270	0.34 362	0.29 341

dad	0.58 313	0.50 379	0.64 299	0.43 228	0.30 264	0.59 235	0.36 187	0.78 197	1.25 389	1.01 351	1.17 334	1.15 362	0.53 206	0.68 231	0.50 257	0.35 390	0.23 344	0.37 387	0.21 290	0.29 332	0.20 265

SHD	0.93 387	0.50 379	1.18 401	0.59 385	0.46 384	0.97 354	0.48 305	1.70 432	2.15 434	1.58 410	1.37 367	1.42 395	1.19 404	1.31 396	1.60 416	0.31 360	0.26 367	0.32 370	0.33 387	0.40 382	0.42 397

FBW_ROB	0.88 378	0.50 379	0.85 365	0.55 372	0.40 348	1.17 389	0.78 398	1.50 416	1.37 400	1.33 400	1.27 351	1.48 401	1.00 386	2.57 448	0.98 380	0.25 317	0.32 397	0.45 405	0.30 371	0.34 362	0.28 335

FC-DCNN v2	1.65 435	0.51 382	0.65 305	0.61 392	0.49 388	1.61 420	0.70 385	1.75 434	1.56 418	4.74 465	4.91 463	6.46 464	3.31 456	1.91 431	1.11 393	0.46 410	0.42 421	0.47 409	0.46 414	0.48 403	0.46 408

Wz-Net-LNSev	0.71 344	0.51 382	1.36 421	0.50 330	0.41 355	1.15 386	0.69 380	1.21 353	1.07 356	1.02 353	1.12 313	1.08 348	0.87 360	0.89 320	0.89 365	0.24 307	0.22 334	0.21 255	0.19 246	0.26 316	0.26 321

Syn2CoEx	0.71 344	0.51 382	0.95 376	0.64 398	0.45 377	0.91 342	0.53 335	1.48 413	1.13 367	0.93 318	1.35 363	1.02 332	0.99 384	0.92 332	0.80 336	0.30 357	0.27 373	0.28 348	0.24 333	0.23 291	0.24 309

psmorigin	0.82 365	0.51 382	2.09 438	0.49 316	0.41 355	0.85 336	0.50 314	1.04 287	0.88 261	1.45 404	1.43 379	1.50 403	1.06 390	1.22 386	0.97 377	0.31 360	0.32 397	0.27 340	0.27 359	0.33 356	0.42 397

FADNet	0.61 325	0.51 382	1.10 389	0.45 267	0.44 373	0.65 273	0.41 265	1.19 347	1.05 343	0.70 177	0.84 189	0.98 320	0.66 287	0.82 290	0.50 257	0.29 350	0.30 385	0.27 340	0.30 371	0.46 400	0.35 374

MANE	4.13 460	0.51 382	0.64 299	0.66 406	0.56 406	6.89 466	0.99 420	7.55 468	12.04 466	6.68 468	8.57 470	10.69 470	9.45 468	7.59 468	6.39 460	0.49 416	0.43 425	0.48 413	0.98 448	0.49 405	0.48 415

FC-DCNN	1.59 431	0.51 382	0.66 311	0.61 392	0.49 388	1.56 417	0.70 385	1.66 430	1.53 414	4.64 463	4.62 461	5.85 460	3.34 458	1.84 429	1.11 393	0.46 410	0.42 421	0.47 409	0.46 414	0.48 403	0.46 408

ADCMid	1.14 407	0.52 389	2.23 441	0.53 362	0.43 366	1.07 373	0.75 394	1.23 365	1.05 343	2.15 435	1.44 381	1.50 403	1.43 418	1.56 413	5.01 456	0.26 327	0.24 352	0.29 356	0.31 378	0.37 375	0.33 362

DeepPrunerF	0.89 380	0.52 389	3.43 449	0.68 413	0.81 423	0.72 299	0.72 391	1.22 361	1.99 432	0.93 318	1.01 269	0.87 290	0.86 357	1.08 367	0.95 374	0.34 385	0.28 376	0.43 401	0.39 400	0.30 341	0.32 358

PWC_ROB	0.87 376	0.52 389	1.28 410	0.50 330	0.32 299	0.91 342	0.37 200	1.36 398	1.46 410	1.61 413	2.59 432	1.16 363	1.01 387	1.34 400	1.40 414	0.25 317	0.18 296	0.28 348	0.20 270	0.29 332	0.28 335

XX-TBD	0.32 48	0.53 392	0.26 8	0.51 345	0.20 28	0.37 111	0.24 37	0.40 6	0.73 175	0.54 95	0.69 119	0.31 16	0.25 25	0.32 7	0.27 56	0.16 134	0.10 12	0.12 2	0.09 8	0.13 28	0.11 15

FADNet-RVC	0.60 323	0.53 392	1.14 394	0.46 287	0.39 343	0.61 243	0.39 243	1.12 317	0.87 257	0.70 177	0.84 189	1.04 336	0.55 222	0.94 345	0.69 314	0.26 327	0.25 360	0.28 348	0.28 364	0.31 346	0.31 354

DGSMNet	0.76 353	0.55 394	1.29 412	0.58 381	0.62 414	0.94 347	0.70 385	1.26 377	1.11 363	0.83 262	1.24 347	1.00 324	0.71 317	1.03 359	0.81 339	0.34 385	0.29 381	0.41 399	0.40 403	0.57 419	0.55 424

FCDSN-DC	1.39 425	0.56 395	0.65 305	0.74 420	0.59 412	1.38 404	0.63 363	1.35 395	1.39 403	3.26 456	4.50 460	4.61 451	2.63 449	1.58 415	1.03 385	0.46 410	0.42 421	0.48 413	0.47 418	0.50 407	0.50 419
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
aanetorigin	0.83 372	0.56 395	1.87 435	0.49 316	0.38 339	0.56 217	0.66 368	0.70 158	1.00 323	2.42 441	2.02 417	1.31 375	1.18 402	0.93 338	1.13 398	0.20 249	0.18 296	0.20 214	0.19 246	0.27 326	0.30 348

ccnet	0.82 365	0.57 397	0.75 348	0.54 368	0.59 412	1.09 378	0.66 368	1.38 401	0.94 298	1.12 379	1.44 381	1.29 372	0.92 370	0.95 347	1.24 403	0.49 416	0.42 421	0.50 418	0.47 418	0.51 408	0.46 408

MFN_U_SF_DS_RVC	1.02 395	0.57 397	1.51 428	0.67 409	0.50 390	2.57 440	1.66 453	1.20 351	1.43 406	1.38 402	1.57 394	1.33 383	0.92 370	1.64 420	0.88 355	0.37 396	0.39 416	0.46 408	0.60 432	0.41 388	0.40 392

WZ-Net	1.19 413	0.59 399	4.07 453	0.62 396	0.51 393	1.34 402	1.31 442	1.32 388	1.74 426	1.53 409	1.65 398	1.74 416	1.28 411	2.25 442	2.01 428	0.27 335	0.21 328	0.23 286	0.25 342	0.40 382	0.39 389

MFN_U_SF_RVC	1.09 405	0.59 399	1.97 437	0.67 409	0.44 373	1.93 431	0.60 356	1.85 435	1.36 398	1.61 413	1.54 392	1.95 423	1.37 414	1.64 420	1.73 419	0.40 403	0.37 410	0.45 405	0.48 420	0.44 393	0.44 403

RGC	0.79 360	0.59 399	0.71 331	0.65 403	0.65 416	0.92 346	0.58 352	1.29 382	1.05 343	1.07 370	1.45 384	1.47 400	1.03 388	1.21 385	0.88 355	0.32 371	0.30 385	0.48 413	0.40 403	0.37 375	0.37 381

STTRV1_RVC	0.82 365	0.59 399	1.16 395	0.67 409	0.81 423	1.11 379	0.63 363	1.30 385	1.11 363	0.98 338	1.33 361	1.08 348	0.95 379	1.26 390	0.87 352	0.55 425	0.25 360	0.43 401	0.39 400	0.58 422	0.40 392

ADCS	1.51 429	0.61 403	3.42 448	0.59 385	0.51 393	1.27 399	1.08 427	1.59 425	1.81 428	1.91 429	1.66 400	1.51 406	1.42 417	1.94 434	8.60 464	0.33 379	0.32 397	0.33 375	0.36 392	0.44 393	0.42 397

ELAS_RVC	1.60 432	0.61 403	1.01 383	0.70 416	0.56 406	2.00 433	1.89 460	1.96 437	2.65 443	3.33 457	3.26 442	3.03 438	3.41 459	2.49 446	2.09 430	0.52 420	0.45 428	0.50 418	0.48 420	0.54 415	0.52 421
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	1.63 434	0.61 403	0.95 376	0.68 413	0.55 403	3.01 453	1.55 451	2.39 444	2.33 439	3.64 459	3.89 453	2.75 436	2.90 453	2.15 440	2.27 437	0.52 420	0.45 428	0.50 418	0.48 420	0.54 415	0.52 421
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AnyNet_C32	1.16 411	0.62 406	2.40 442	0.57 380	0.55 403	1.41 407	1.34 443	1.18 345	1.24 385	1.49 405	1.42 376	1.39 392	1.20 406	1.55 411	4.82 454	0.29 350	0.28 376	0.29 356	0.34 388	0.38 379	0.42 397

PASM	0.90 383	0.64 407	1.69 430	0.69 415	0.69 420	0.78 311	0.84 405	1.03 284	1.26 392	1.19 386	1.15 327	1.31 375	0.98 383	1.24 388	1.03 385	0.52 420	0.56 434	0.59 426	0.66 434	0.56 417	0.54 423

SAMSARA	1.07 403	0.65 408	1.19 402	1.06 434	0.90 426	1.76 428	1.76 457	1.46 411	1.44 408	1.51 407	1.16 332	2.00 424	1.14 397	1.48 409	1.31 409	0.39 399	0.44 427	0.35 379	0.38 396	0.49 405	0.49 418

XQC	0.89 380	0.65 408	1.31 413	0.67 409	0.52 397	1.22 394	0.68 375	1.26 377	1.52 413	1.14 382	1.11 310	1.28 371	1.04 389	1.40 408	1.77 422	0.38 397	0.24 352	0.37 387	0.31 378	0.53 413	0.47 413

PVD	1.28 419	0.67 410	1.28 410	0.74 420	0.62 414	1.50 413	0.84 405	1.99 438	2.96 446	2.18 436	2.36 425	1.85 420	1.95 439	1.92 432	1.94 426	0.39 399	0.36 409	0.49 416	0.37 393	0.51 408	0.64 426

GASNet	0.67 333	0.72 411	0.96 378	0.70 416	0.48 386	0.62 250	0.47 297	1.08 303	1.03 335	0.94 321	0.82 178	0.93 309	0.83 352	1.33 398	0.80 336	0.31 360	0.22 334	0.29 356	0.28 364	0.44 393	0.24 309

Wz-Net-SNSev	0.91 384	0.73 412	2.13 439	0.56 375	0.45 377	0.95 350	1.13 429	1.34 392	1.24 385	1.02 353	1.30 357	1.46 397	0.86 357	1.81 427	1.50 415	0.25 317	0.23 344	0.25 312	0.26 353	0.32 351	0.29 341

SQANet	0.82 365	0.74 413	0.67 314	1.13 435	0.98 433	1.11 379	0.47 297	1.07 299	0.83 232	0.91 306	1.05 291	1.03 334	0.74 324	1.01 352	0.64 304	0.61 427	0.24 352	1.03 436	0.35 391	1.18 439	0.58 425

GANetREF_RVC	0.80 361	0.75 414	0.86 370	0.66 406	0.42 361	1.15 386	0.98 418	1.14 328	1.19 377	1.01 351	1.02 277	1.10 352	0.90 365	1.15 375	0.76 329	0.48 414	0.39 416	0.57 423	0.38 396	0.63 425	0.46 408
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
UDGNet	0.48 225	0.77 415	0.50 229	0.48 301	0.31 285	0.41 145	0.34 148	0.70 158	0.92 286	0.65 143	0.60 95	0.58 140	0.43 157	0.63 185	0.41 201	0.32 371	0.15 235	0.66 427	0.19 246	0.36 370	0.21 283

LSM	4.74 463	0.77 415	10.16 462	0.70 416	56.56 483	1.02 363	1.00 422	1.24 372	1.62 423	2.04 431	2.34 423	1.33 383	1.17 401	1.38 407	1.09 392	0.33 379	0.49 431	0.39 392	0.46 414	0.51 408	10.09 473

EDNetEfficient	1.46 427	0.80 417	6.12 458	0.47 296	0.39 343	0.69 284	0.83 402	0.90 237	2.77 445	3.50 458	1.96 415	1.66 413	2.03 441	1.26 390	4.18 452	0.21 262	0.18 296	0.21 255	0.20 270	0.41 388	0.39 389

Consistency-Raft	1.01 392	0.81 418	1.24 407	0.84 423	0.97 431	0.81 322	0.84 405	1.30 385	1.59 419	1.05 364	1.68 403	1.12 356	0.91 366	0.92 332	1.11 393	0.65 428	0.74 442	0.79 430	0.90 444	1.06 437	0.79 434

AnonymousM	0.41 161	0.81 418	0.29 14	0.34 17	0.22 55	0.28 44	0.38 221	0.53 53	0.41 59	0.70 177	0.49 55	0.47 95	0.27 42	0.41 32	0.31 94	0.15 93	0.12 119	1.51 441	0.26 353	0.12 11	0.10 3

MaskLacGwcNet_RVC	0.67 333	0.81 418	0.73 339	0.53 362	0.37 330	1.40 405	0.53 335	1.04 287	0.79 213	0.88 290	0.94 233	0.95 313	0.53 206	0.93 338	0.58 289	0.39 399	0.30 385	0.57 423	0.31 378	0.53 413	0.30 348

UDG	0.88 378	0.82 421	0.67 314	1.00 431	0.96 430	1.02 363	0.57 351	1.13 319	0.99 317	0.90 301	0.97 258	1.31 375	0.99 384	0.85 309	0.84 343	0.54 424	0.32 397	1.77 444	0.40 403	0.94 432	0.66 428

BEATNet-Init1	15.13 473	0.82 421	50.86 486	0.72 419	0.53 398	38.10 484	7.03 470	11.83 474	14.25 471	29.78 484	30.17 484	48.21 487	22.64 481	26.78 482	18.11 472	0.42 407	0.38 412	0.47 409	0.46 414	0.51 408	0.48 415

MSC_U_SF_DS_RVC	1.34 420	0.87 423	1.76 433	0.86 424	0.56 406	4.29 460	1.79 458	1.50 416	1.98 431	1.61 413	1.85 411	1.84 418	1.41 416	1.89 430	1.36 410	0.48 414	0.40 418	0.56 422	0.57 430	0.69 426	0.48 415

anonymity	0.97 389	0.89 424	1.05 385	0.92 427	1.03 437	0.97 354	0.81 401	1.29 382	0.91 281	1.07 370	0.98 259	1.00 324	0.95 379	1.02 357	0.92 370	0.96 438	0.95 457	0.90 433	0.91 447	0.92 431	0.94 440

NVStereoNet_ROB	1.24 416	0.90 425	1.13 393	0.86 424	0.88 425	1.11 379	0.99 420	1.42 407	1.53 414	1.59 412	2.48 427	2.24 427	1.53 420	1.96 435	1.30 408	0.76 433	0.70 439	0.78 429	1.00 449	0.71 427	0.88 438
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	1.04 397	0.93 426	0.88 372	1.33 441	1.05 439	1.66 423	0.70 385	1.40 405	1.18 375	1.08 373	1.32 360	1.33 383	0.91 366	1.23 387	0.76 329	0.72 431	0.46 430	1.24 439	0.50 425	1.40 440	0.75 430

SPS-STEREO	1.25 417	0.93 426	1.06 386	1.04 433	1.03 437	1.41 407	0.91 413	1.51 419	1.19 377	2.09 433	1.83 409	1.94 422	1.39 415	1.62 417	1.39 413	0.97 440	0.94 456	0.90 433	0.89 443	0.96 434	0.96 443
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	1.35 422	0.94 428	1.25 408	0.96 428	1.00 435	1.52 415	1.02 423	1.34 392	1.21 380	2.64 444	2.65 434	2.44 431	1.56 423	1.64 420	1.26 405	0.97 440	0.95 457	0.90 433	0.90 444	0.94 432	0.96 443

RTS	1.98 441	0.96 429	11.36 464	0.65 403	0.57 409	2.77 445	1.40 446	1.39 402	2.26 435	1.89 426	2.56 429	1.32 380	1.25 408	5.20 461	4.05 450	0.31 360	0.22 334	0.29 356	0.29 369	0.40 382	0.37 381

RTSA	1.98 441	0.96 429	11.36 464	0.65 403	0.57 409	2.77 445	1.40 446	1.39 402	2.26 435	1.89 426	2.56 429	1.32 380	1.25 408	5.20 461	4.05 450	0.31 360	0.22 334	0.29 356	0.29 369	0.40 382	0.37 381

CC-Net-ROB	0.82 365	0.96 429	0.85 365	0.58 381	0.45 377	1.27 399	0.70 385	1.17 342	1.02 330	0.83 262	1.23 346	0.90 303	0.77 333	1.06 362	0.69 314	0.46 410	0.34 405	1.71 443	0.38 396	0.59 423	0.36 376

Ntro	1.09 405	0.97 432	0.91 374	1.44 442	1.19 441	1.69 426	0.80 400	1.35 395	1.25 389	1.00 346	1.29 356	1.31 375	0.97 382	1.26 390	0.84 343	0.84 435	0.43 425	1.36 440	0.50 425	1.56 441	0.78 432

MFMNet_re	1.14 407	0.97 432	1.19 402	0.99 429	0.95 429	1.25 398	1.22 435	1.39 402	1.55 416	1.69 420	1.67 402	1.21 364	1.53 420	1.12 373	0.99 381	0.87 437	0.75 446	0.79 430	0.75 438	0.90 429	0.94 440

AnyNet_C01	1.56 430	1.05 434	7.45 460	0.64 398	0.54 401	1.99 432	1.38 445	1.43 409	1.36 398	1.63 416	1.92 413	1.84 418	1.33 413	2.40 444	4.03 449	0.33 379	0.32 397	0.32 370	0.34 388	0.44 393	0.45 407

Wz-Net-TNSev	1.14 407	1.06 435	4.32 455	0.49 316	0.42 361	1.51 414	1.11 428	1.48 413	1.40 405	1.22 391	1.26 350	1.58 411	1.43 418	1.76 425	1.70 418	0.32 371	0.31 394	0.26 328	0.30 371	0.41 388	0.41 396

EDNetEfficientorigin	9.93 469	1.15 436	175.16 488	0.48 301	0.36 325	1.04 370	0.68 375	1.24 372	2.69 444	3.17 455	2.50 428	2.30 428	2.07 442	1.76 425	2.21 432	0.20 249	0.18 296	0.24 300	0.19 246	0.51 408	0.50 419

WAO-7	1.90 439	1.20 437	1.35 417	1.27 439	1.06 440	2.84 447	1.56 452	3.23 452	3.06 450	2.23 437	3.33 446	3.17 442	2.28 444	3.12 449	2.21 432	1.02 442	0.91 452	1.06 437	1.03 452	1.04 436	0.97 446

GCST	0.83 372	1.22 438	0.74 344	1.58 443	1.01 436	1.06 372	0.23 25	0.78 197	0.78 205	0.97 333	0.65 107	0.78 259	0.35 107	0.92 332	0.34 130	0.96 438	0.65 438	1.20 438	0.81 441	0.91 430	0.70 429

JetBlue	2.78 450	1.26 439	7.04 459	1.16 436	1.48 444	8.00 468	6.02 469	2.60 445	1.92 430	2.12 434	2.64 433	3.34 446	3.05 455	6.49 465	3.39 444	0.78 434	0.76 447	0.75 428	0.76 439	0.97 435	1.18 455

ACVNet_2	1.65 435	1.27 440	1.41 424	1.75 446	1.62 446	2.22 436	1.20 432	2.30 443	2.62 442	1.78 423	2.56 429	3.03 438	1.61 426	1.54 410	1.12 397	1.06 443	0.58 436	1.82 445	0.70 437	1.82 446	0.96 443

ACVNet-4b	1.35 422	1.31 441	1.10 389	1.90 450	1.59 445	1.92 430	0.77 396	1.52 422	1.62 423	1.05 364	1.60 396	2.11 425	0.94 376	1.64 420	0.77 333	1.30 448	0.35 407	2.03 451	0.67 435	1.88 450	0.84 435

ACVNet_1	1.46 427	1.33 442	1.12 392	1.91 451	1.62 446	1.83 429	0.98 418	2.00 439	1.85 429	1.39 403	1.53 391	2.32 429	1.53 420	1.34 400	1.11 393	1.30 448	0.50 432	2.06 453	0.58 431	1.93 452	0.95 442

Dean	1.98 441	1.36 443	1.36 421	2.12 453	1.81 453	2.74 442	1.36 444	3.37 456	3.80 456	2.08 432	3.32 445	3.21 443	1.82 433	1.71 424	1.67 417	1.27 445	0.77 448	1.99 447	0.90 444	1.86 447	1.03 448

LVE	2.12 446	1.44 444	1.36 421	1.99 452	1.78 451	2.75 443	1.79 458	2.82 446	3.95 457	1.90 428	4.33 459	3.52 448	1.81 432	2.24 441	1.74 420	1.74 457	0.87 451	2.06 453	1.13 455	1.91 451	1.35 458

RainbowNet	1.35 422	1.49 445	1.19 402	1.88 449	1.45 443	1.48 412	1.07 426	1.61 427	1.55 416	1.20 389	1.59 395	1.54 407	1.13 396	1.34 400	0.97 377	1.36 451	0.70 439	1.82 445	0.79 440	1.71 444	1.07 449

WAO-6	2.04 444	1.50 446	1.16 395	1.70 445	1.67 450	2.69 441	1.44 449	3.06 449	3.63 455	1.98 430	3.27 443	3.54 449	2.07 442	2.36 443	2.22 434	1.31 450	0.91 452	2.04 452	1.22 459	1.73 445	1.27 457

coex-ft	6.43 467	1.51 447	87.33 487	0.49 316	0.38 339	1.34 402	1.21 434	1.16 337	8.09 463	12.12 471	2.79 436	2.77 437	3.31 456	1.16 376	3.15 441	0.24 307	0.23 344	0.27 340	0.24 333	0.45 397	0.37 381

WAO-8	2.92 451	1.55 448	1.35 417	1.79 447	1.63 448	5.23 462	1.22 435	4.58 463	12.56 468	2.84 449	4.07 457	4.83 454	2.72 451	3.49 453	2.25 435	1.27 445	0.91 452	1.99 447	1.15 457	1.86 447	1.15 451

Venus	2.92 451	1.55 448	1.35 417	1.79 447	1.63 448	5.23 462	1.22 435	4.58 463	12.56 468	2.84 449	4.06 456	4.83 454	2.72 451	3.49 453	2.25 435	1.27 445	0.91 452	1.99 447	1.15 457	1.86 447	1.15 451

IMH-64-1	1.86 437	1.62 450	1.16 395	2.20 454	1.89 454	2.33 437	1.30 439	2.89 447	2.29 437	1.66 417	2.80 437	2.49 432	1.61 426	2.10 438	1.78 423	1.60 453	0.74 442	2.43 457	1.02 450	2.12 453	1.17 453

IMH-64	1.86 437	1.62 450	1.16 395	2.20 454	1.89 454	2.33 437	1.30 439	2.89 447	2.29 437	1.66 417	2.80 437	2.49 432	1.61 426	2.10 438	1.78 423	1.60 453	0.74 442	2.43 457	1.02 450	2.12 453	1.17 453

IMH	2.04 444	1.62 450	1.20 405	2.20 454	1.89 454	2.91 452	1.30 439	3.11 450	3.03 448	1.81 424	3.35 447	3.03 438	1.90 436	2.48 445	1.80 425	1.66 456	0.77 448	2.45 459	1.04 453	2.15 455	1.19 456

PWCK	1.92 440	1.66 453	3.12 447	1.65 444	0.91 427	2.84 447	2.26 463	2.10 440	2.41 441	2.36 440	2.31 421	2.22 426	1.82 433	3.43 452	2.03 429	1.61 455	0.71 441	1.51 441	0.82 442	1.69 443	0.91 439

TorneroNet-64	3.44 454	1.86 454	1.42 425	2.58 462	2.28 460	6.87 465	1.68 454	4.70 465	12.03 465	2.31 439	5.59 466	8.25 466	2.55 448	3.97 458	2.73 439	1.81 458	0.74 442	2.57 461	1.07 454	2.35 457	1.44 459

TorneroNet	4.53 462	1.89 455	1.48 427	2.55 460	2.27 459	13.78 473	1.69 455	4.84 467	23.73 482	2.89 452	7.70 469	7.06 465	2.69 450	4.26 460	3.42 445	1.84 459	0.77 448	2.68 463	1.13 455	2.42 458	1.47 460

KSHMR	2.57 448	1.93 456	1.69 430	2.63 463	2.42 462	2.86 449	2.07 461	3.27 454	6.50 461	2.49 443	3.36 448	3.41 447	1.92 437	2.49 446	1.94 426	2.13 462	1.40 462	2.79 466	1.50 462	2.73 461	1.77 461

UNDER WATER-64	3.53 456	2.01 457	3.94 452	3.22 468	2.49 464	5.41 464	2.60 466	3.43 457	12.41 467	3.03 454	2.68 435	6.07 462	4.04 461	3.79 457	3.33 443	2.02 460	1.24 461	2.63 462	1.46 461	2.78 462	2.08 465

FADE	5.17 464	2.05 458	13.14 468	1.03 432	0.99 434	2.09 434	0.91 413	3.91 460	3.00 447	1.76 422	1.60 396	2.73 435	6.73 466	5.95 463	3.95 448	11.57 477	1.70 464	23.09 480	15.86 477	0.62 424	0.65 427

UNDER WATER	3.46 455	2.07 459	3.64 451	3.09 466	2.48 463	3.75 458	2.42 465	3.31 455	13.77 470	2.90 453	2.95 440	5.84 459	3.69 460	3.69 455	3.48 447	2.07 461	1.11 459	2.70 464	1.40 460	2.84 464	1.98 463

ktn	2.98 453	2.25 460	1.73 432	2.84 464	2.53 465	3.76 459	2.15 462	3.70 458	5.47 460	2.75 446	5.17 465	5.94 461	2.48 446	3.23 450	2.46 438	2.34 466	1.44 463	2.78 465	2.03 465	2.45 459	2.01 464

notaker	2.76 449	2.29 461	1.80 434	2.96 465	2.58 466	2.90 451	1.75 456	3.24 453	3.05 449	2.78 447	4.24 458	6.15 463	2.51 447	3.34 451	2.75 440	2.31 464	1.18 460	3.00 467	1.65 463	2.84 464	1.97 462

MADNet+	2.23 447	2.43 462	10.85 463	1.22 438	0.91 427	2.76 444	1.40 446	2.12 441	1.67 425	1.32 398	1.74 406	1.86 421	1.74 431	6.25 464	4.41 453	0.65 428	0.64 437	0.58 425	0.54 429	0.80 428	0.76 431

HanzoNet	6.76 468	2.45 463	4.22 454	3.19 467	2.94 468	3.62 457	2.28 464	4.79 466	7.20 462	14.00 475	13.19 474	17.49 475	22.30 480	13.25 473	6.19 459	4.20 469	1.93 465	3.10 468	2.56 467	3.35 466	2.88 469

DPSimNet_ROB	3.58 457	2.45 463	8.57 461	2.53 459	2.37 461	2.88 450	3.77 468	3.14 451	3.23 451	4.71 464	3.86 452	4.68 452	4.87 464	4.07 459	5.62 457	2.33 465	2.33 466	2.47 460	2.52 466	2.51 460	2.64 467

DDUNet	1.06 401	2.56 465	0.68 317	1.21 437	1.26 442	1.03 366	0.69 380	1.11 313	0.94 298	0.96 329	1.22 342	1.27 369	0.82 348	0.93 338	0.72 323	0.84 435	0.38 412	1.99 447	0.60 432	1.10 438	0.85 436

DispFullNet	1.60 432	2.63 466	2.75 445	2.56 461	1.79 452	1.24 397	0.47 297	1.37 400	1.45 409	1.87 425	1.50 388	1.55 408	2.46 445	2.04 437	1.04 388	0.59 426	0.18 296	2.32 456	0.68 436	2.29 456	1.14 450

MADNet++	4.03 458	2.70 467	3.44 450	3.72 470	3.44 469	4.44 461	3.52 467	3.95 461	3.61 454	4.46 461	4.98 464	4.10 450	4.58 463	7.00 467	5.89 458	3.74 467	3.67 469	3.27 469	2.71 468	3.70 469	3.66 470

IGEV-BASED-STEREO-	0.56 300	3.08 468	2.43 443	0.31 7	0.18 8	0.29 52	0.20 3	0.37 2	0.32 15	0.28 10	0.24 6	0.18 1	0.18 2	0.31 5	0.22 1	1.09 444	0.08 1	0.17 109	0.16 149	0.14 63	0.97 446

test_for_model	0.82 365	3.60 469	0.39 87	2.35 457	2.07 457	0.39 128	0.28 72	0.42 10	0.45 77	0.71 183	0.31 17	0.30 10	0.27 42	0.34 10	0.25 21	0.34 385	0.11 69	0.13 15	0.09 8	3.49 468	0.18 211

JetRed	5.27 465	5.84 470	12.81 467	2.36 458	2.83 467	12.23 472	10.50 471	4.46 462	3.60 453	3.86 460	3.83 451	4.85 456	4.18 462	6.78 466	11.96 467	2.17 463	2.96 468	2.18 455	1.97 464	3.38 467	2.68 468

DPSMNet_ROB	12.08 472	8.00 471	21.00 471	8.97 474	16.79 473	10.67 469	30.89 478	9.02 471	15.17 473	6.51 467	15.41 478	9.04 468	14.85 471	9.27 470	21.67 475	4.58 471	8.57 473	5.09 472	9.29 474	5.90 472	10.95 474

DGTPSM_ROB	12.07 471	8.00 471	20.99 470	8.93 473	16.78 472	10.67 469	30.87 477	9.01 470	15.16 472	6.50 466	15.41 478	9.04 468	14.85 471	9.25 469	21.67 475	4.57 470	8.57 473	5.08 471	9.28 473	5.90 472	10.95 474

ASD4	9.96 470	8.86 473	17.78 469	7.17 471	9.80 470	16.08 474	28.92 476	9.77 472	8.20 464	7.02 469	7.08 468	8.47 467	9.57 469	11.17 472	20.26 473	4.12 468	4.14 470	5.57 473	4.74 470	5.53 470	4.90 472

Anonymous_1	33.25 479	18.26 474	23.92 473	20.54 475	21.28 476	25.59 476	35.94 479	22.01 483	15.57 474	13.33 472	13.49 475	18.08 476	15.29 473	20.36 474	24.60 477	16.28 481	8.84 475	66.59 485	118.00 485	155.73 488	11.23 476

DPSM_ROB	17.78 474	18.63 475	24.31 477	20.90 476	19.47 474	25.97 477	36.21 480	21.23 481	16.24 475	13.38 473	14.06 476	19.18 478	16.30 474	20.78 475	25.67 478	9.38 475	9.23 476	9.49 475	9.82 475	13.51 475	11.91 477

DPSM	17.78 474	18.63 475	24.31 477	20.90 476	19.47 474	25.97 477	36.21 480	21.23 481	16.24 475	13.38 473	14.06 476	19.18 478	16.30 474	20.78 475	25.67 478	9.38 475	9.23 476	9.49 475	9.82 475	13.51 475	11.91 477

xxxxx1	36.64 482	19.51 477	24.21 474	61.66 485	64.63 485	27.28 480	40.10 482	20.25 476	18.63 478	14.07 476	12.97 471	17.26 472	17.36 476	21.70 478	27.93 480	13.18 478	18.50 481	111.26 486	133.37 486	29.24 480	39.73 483

tt_ll	36.64 482	19.51 477	24.21 474	61.66 485	64.63 485	27.28 480	40.10 482	20.25 476	18.63 478	14.07 476	12.97 471	17.26 472	17.36 476	21.70 478	27.93 480	13.18 478	18.50 481	111.26 486	133.37 486	29.24 480	39.73 483

ff	36.64 482	19.51 477	24.21 474	61.66 485	64.63 485	27.28 480	40.10 482	20.25 476	18.63 478	14.07 476	12.97 471	17.26 472	17.36 476	21.70 478	27.93 480	13.18 478	18.50 481	111.26 486	133.37 486	29.24 480	39.73 483

PML	40.80 488	29.24 480	11.87 466	7.20 472	14.47 471	92.13 488	213.69 489	7.63 469	23.35 481	74.72 488	190.14 489	50.17 488	26.15 482	21.39 477	12.70 468	8.76 474	2.92 467	8.45 474	3.25 469	13.26 474	4.42 471

LRCNet_RVC	21.24 477	31.15 481	21.41 472	28.98 479	23.82 477	3.13 454	0.60 356	20.96 480	1.59 419	25.58 480	28.15 482	21.99 480	14.79 470	21.94 481	16.41 471	28.89 485	14.87 479	33.53 481	31.28 481	29.51 483	26.16 481

DLNR_Zeroshot_test	20.09 476	36.28 482	38.04 480	169.85 488	61.80 484	0.23 7	0.20 3	13.88 475	0.37 44	0.44 65	0.66 112	0.43 77	0.21 10	0.62 175	0.28 68	5.46 472	0.10 12	0.15 60	0.11 26	72.60 487	0.11 15

HaxPig	31.96 478	37.24 483	34.27 479	24.37 478	24.88 478	18.26 475	19.86 473	20.64 479	28.52 483	35.97 485	38.75 485	25.57 481	28.72 483	33.88 483	34.39 483	35.94 486	38.87 486	37.80 482	40.48 482	39.68 484	41.15 486

CasAABBNet	35.74 480	37.43 484	48.72 484	42.22 482	39.20 481	52.24 485	73.12 487	42.61 486	32.62 485	26.78 481	27.95 480	38.58 484	32.60 484	41.67 486	51.65 487	18.74 482	18.57 484	19.15 478	19.77 479	27.20 477	23.98 479

Selective-RAFT-Error	35.84 481	37.49 485	48.83 485	42.26 483	39.24 482	52.30 486	73.09 486	42.66 487	32.61 484	26.80 482	28.30 483	38.84 486	33.51 486	41.68 487	51.59 486	18.82 483	18.58 485	19.17 479	19.80 480	27.28 478	24.05 480

LSM0	38.95 487	37.60 486	48.58 483	43.57 484	91.06 488	52.57 487	72.57 485	43.17 488	32.63 486	26.97 483	27.97 481	38.65 485	32.94 485	41.86 488	51.78 488	18.89 484	18.41 480	19.13 477	19.63 478	27.29 479	33.77 482

AVERAGE_ROB	37.58 486	40.13 487	40.15 481	34.81 481	33.82 480	28.55 483	25.10 475	32.02 485	34.06 488	41.28 486	40.66 486	34.46 483	34.81 488	39.18 484	37.57 485	42.78 487	43.44 487	43.82 483	43.03 483	40.47 485	41.51 487

MEDIAN_ROB	37.38 485	40.85 488	40.60 482	32.31 480	31.85 479	27.20 479	24.55 474	29.10 484	33.19 487	42.09 487	41.76 487	33.35 482	34.39 487	39.78 485	37.07 484	43.64 488	44.10 488	44.12 484	43.40 484	41.51 486	42.76 488

test_example2	176.61 489	205.14 489	198.86 489	188.60 489	190.98 489	152.67 489	170.61 488	94.86 489	123.55 489	178.88 489	179.48 488	158.94 489	141.34 489	192.61 489	198.96 489	203.76 489	236.37 489	164.13 489	173.55 489	218.58 489	160.41 489

Low-res two-view benchmark