Low-res two-view results

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

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

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

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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 97	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

Wz-Net-TNSev	0.02 15	0.05 49	0.04 44	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 65	0.07 59	0.09 53	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 206	0.10 70	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 95	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 191	0.10 70	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NVstereo2D	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWC_ROB	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCDC_ROB	0.01 9	0.01 9	0.02 14	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCK	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

CoDeX	0.15 122	0.70 219	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 348	0.02 15	0.69 330	0.75 351	0.01 9	0.02 20	0.02 20

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

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

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

Wz-Net-LNSev	0.06 44	0.24 119	0.20 162	0.23 146	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 171	0.21 172	0.02 18	0.01 9	0.01 10	0.01 10

psmg	0.43 245	1.91 383	0.92 358	1.91 434	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 459	1.44 452	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 193	1.29 352	1.19 382	1.36 416	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 425	1.21 432	0.03 38	0.09 110	0.02 20	0.09 108

SFCPSM	0.17 134	0.78 223	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 367	0.02 15	0.75 340	0.76 353	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 160	1.31 354	0.74 337	0.92 320	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 347	0.75 340	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 51	0.02 12	0.02 14	1.01 337	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 106	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 52	0.02 12	0.04 44	0.90 315	0.06 107	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 128	0.36 267	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 85	0.02 12	0.02 14	1.62 427	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 89	0.04 76	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

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

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

zh-sn7	0.10 63	0.98 259	0.14 126	0.15 107	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 94	1.14 289	0.17 150	0.20 133	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 148	0.16 143	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 110	1.22 348	0.28 191	0.32 174	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 200	0.27 191	0.04 73	0.03 54	0.03 43	0.03 51

G2L-ROB	0.03 29	0.06 54	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo_test	0.03 29	0.04 37	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

TCMNet	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.02 20	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet_1	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

DualNet (step1)	0.10 63	1.05 279	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 63	1.05 279	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 63	1.05 279	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 52	1.00 263	0.11 90	0.11 74	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 52	0.97 258	0.10 70	0.10 57	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 63	1.07 282	0.11 90	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 63	1.03 275	0.12 101	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 52	0.87 237	0.10 70	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 52	1.03 275	0.11 90	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 52	0.87 237	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 52	1.01 269	0.09 66	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 52	0.95 255	0.09 66	0.10 57	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 110	1.83 374	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.04 82	0.03 40	0.03 52	0.03 42	0.03 52	0.06 89	0.04 76	0.12 91	0.11 95	0.05 86	0.04 78	0.05 92	0.04 79

DualNet	0.10 63	1.07 282	0.11 90	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 63	1.09 284	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 52	1.01 269	0.10 70	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

x	0.11 85	1.15 292	0.15 142	0.14 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 141	0.03 38	0.03 54	0.03 43	0.03 51

Wz-Net-LNSev-Ref	0.11 85	0.44 168	0.33 213	0.39 196	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 242	0.36 236	0.02 18	0.02 20	0.02 20	0.02 20

222	0.10 63	0.99 262	0.12 101	0.13 93	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 85	1.16 293	0.16 143	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 143	0.03 38	0.04 78	0.04 77	0.04 79

test_xeample	0.10 63	1.09 284	0.13 121	0.12 80	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 138	0.03 38	0.03 54	0.03 43	0.03 51

BEATNet_4x	0.11 85	0.03 31	0.03 37	1.60 424	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 85	0.03 31	0.03 37	1.60 424	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCRef	0.12 94	0.03 31	0.04 44	1.71 430	0.04 79	0.03 40	0.03 50	0.04 77	0.04 82	0.04 74	0.03 52	0.04 77	0.03 52	0.06 89	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

AnyNet_C32	0.14 110	0.04 37	0.03 37	2.22 445	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 103	0.04 76	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

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

FADE	0.07 49	0.06 54	0.02 14	0.09 53	0.10 118	0.03 40	0.03 50	0.05 89	0.03 55	0.04 74	0.03 52	0.05 91	0.03 52	0.04 72	0.03 48	0.15 123	0.10 73	0.17 150	0.13 154	0.11 120	0.11 125

z-mn7	0.16 130	1.21 344	0.33 213	0.41 220	0.04 79	0.04 78	0.03 50	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.35 216	0.31 218	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 137	1.47 360	0.33 213	0.40 209	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.38 232	0.32 221	0.05 86	0.04 78	0.04 77	0.04 79

1111x	0.10 63	1.14 289	0.13 121	0.14 97	0.03 48	0.04 78	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 95	0.03 38	0.02 20	0.03 43	0.02 20

GASNet	0.05 41	0.04 37	0.12 101	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.12 123	0.04 89	0.06 98	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

EDNetEfficient	0.04 38	0.05 49	0.04 44	0.04 37	0.03 48	0.04 78	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

FADNet-RVC-Resample	0.12 94	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	1.57 473	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FADNet_RVC	0.12 94	0.04 37	0.04 44	0.05 43	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.65 477	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 101	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.05 95	0.04 72	1.71 482	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

FADNet	0.12 94	0.05 49	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.66 479	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCP+	0.15 122	0.04 37	0.04 44	2.20 444	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.04 85	0.08 106	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCPNet	0.10 63	0.03 31	0.04 44	1.27 409	0.03 48	0.04 78	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 106	0.04 76	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

NVStereoNet_ROB	0.04 38	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
z-ln-s-r	0.21 149	1.40 359	0.53 305	0.56 274	0.04 79	0.05 90	0.04 82	0.05 89	0.05 98	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.05 89	0.57 308	0.44 276	0.04 73	0.04 78	0.04 77	0.04 79

APVNet	0.09 52	0.05 49	0.04 44	0.05 43	0.04 79	0.05 90	0.90 376	0.06 95	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

EDNetEfficientorigin	0.04 38	0.06 54	0.04 44	0.05 43	0.04 79	0.05 90	0.04 82	0.05 89	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

DFGA-Net	0.05 41	0.06 54	0.04 44	0.06 46	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.04 89	0.06 98	0.04 85	0.06 89	0.04 76	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

qqq1	0.25 160	3.70 465	0.14 126	0.14 97	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 107	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 160	3.70 465	0.14 126	0.14 97	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 107	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

11t1	0.17 134	2.16 400	0.13 121	0.13 93	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.05 89	0.18 148	0.12 110	0.06 94	0.03 54	0.05 92	0.03 51

ffm	0.25 160	3.83 471	0.12 101	0.12 80	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 160	3.83 471	0.12 101	0.12 80	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 160	3.83 471	0.12 101	0.12 80	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

qqq	0.16 130	2.01 391	0.12 101	0.15 107	0.04 79	0.06 93	0.05 94	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.03 48	0.12 91	0.14 138	0.04 73	0.04 78	0.03 43	0.03 51

AASNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 107	0.06 97	0.06 107	0.05 91	0.06 107	0.06 89	0.05 89	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 107	0.06 97	0.06 107	0.05 91	0.06 107	0.06 89	0.05 89	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 107	0.06 97	0.06 107	0.05 91	0.06 107	0.06 89	0.05 89	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

FINET	0.07 49	0.08 59	0.07 59	0.07 47	0.07 108	0.08 104	0.06 106	0.08 108	0.07 110	0.08 105	0.07 110	0.08 105	0.06 107	0.07 103	0.07 101	0.08 60	0.07 57	0.07 99	0.07 104	0.06 96	0.06 102

GwcNet	0.12 94	0.07 58	0.05 58	0.08 49	0.05 99	0.08 104	1.20 404	0.07 105	0.05 98	0.05 92	0.05 101	0.08 105	0.05 95	0.08 106	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

BEATNet-Init1	0.19 140	0.08 59	0.08 61	2.23 446	0.08 110	0.08 104	0.07 109	0.07 105	0.08 112	0.08 105	0.07 110	0.08 105	0.07 111	0.11 122	0.08 103	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

DeepPrunerF	0.19 140	0.08 59	0.08 61	2.23 446	0.08 110	0.08 104	0.07 109	0.07 105	0.08 112	0.08 105	0.07 110	0.08 105	0.07 111	0.11 122	0.08 103	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

SepStereo	0.09 52	0.09 65	0.10 70	0.09 53	0.09 112	0.09 108	0.09 111	0.10 110	0.08 112	0.10 109	0.09 113	0.09 109	0.09 114	0.09 109	0.08 103	0.09 66	0.08 59	0.09 106	0.08 108	0.09 109	0.08 105

AnonymousM	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SuperB	0.21 149	0.10 67	2.51 507	0.12 80	0.09 112	0.10 109	0.09 111	0.08 108	0.07 110	0.10 109	0.09 113	0.09 109	0.07 111	0.07 103	0.07 101	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

PVD	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SHD	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SAMSARA	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

XQC	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSC	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTS	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSA	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet+	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet++	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

JetRed	0.11 85	0.12 80	0.11 90	0.11 74	0.11 134	0.11 120	0.14 150	0.11 122	0.11 131	0.12 123	0.11 131	0.11 121	0.11 130	0.11 122	0.11 124	0.11 86	0.16 143	0.11 118	0.11 129	0.11 120	0.11 125

JetBlue	0.11 85	0.11 78	0.12 101	0.13 93	0.14 155	0.11 120	0.11 129	0.11 122	0.11 131	0.11 121	0.11 131	0.11 121	0.11 130	0.12 126	0.12 139	0.11 86	0.11 95	0.11 118	0.11 129	0.11 120	0.11 125

aanetorigin	0.13 101	0.11 78	0.11 90	0.11 74	0.11 134	0.11 120	0.11 129	0.11 122	0.11 131	0.11 121	0.12 142	0.11 121	0.11 130	0.11 122	0.11 124	0.11 86	0.11 95	0.14 126	0.11 129	0.49 286	0.11 125

PASM	0.39 223	3.06 451	1.36 448	1.58 422	0.09 112	0.11 120	0.11 129	0.11 122	0.11 131	0.09 108	0.09 113	0.11 121	0.09 114	0.09 109	0.09 106	0.11 86	0.11 95	0.11 118	0.09 110	0.11 120	0.11 125

ISRNet	0.11 85	0.05 49	0.36 233	0.24 151	0.07 108	0.13 124	0.05 94	0.06 95	0.05 98	0.05 92	0.05 101	0.13 125	0.05 95	0.05 83	0.09 106	0.24 176	0.20 168	0.10 107	0.05 96	0.06 96	0.13 148

S2M2	0.12 94	0.14 85	0.10 70	0.15 107	0.10 118	0.14 125	0.10 116	0.14 126	0.10 116	0.15 131	0.10 117	0.14 126	0.10 118	0.14 128	0.10 112	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.09 108

IPLG	0.13 101	0.20 101	0.14 126	0.15 107	0.11 134	0.14 125	0.11 129	0.14 126	0.11 131	0.14 125	0.11 131	0.14 126	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

IPLGR_C	0.14 110	0.20 101	0.12 101	0.15 107	0.11 134	0.14 125	0.15 155	0.14 126	0.11 131	0.15 131	0.12 142	0.14 126	0.11 130	0.16 138	0.11 124	0.15 123	0.12 110	0.14 126	0.12 146	0.15 139	0.12 142

ACRE	0.13 101	0.21 107	0.14 126	0.15 107	0.11 134	0.14 125	0.11 129	0.14 126	0.11 131	0.14 125	0.12 142	0.14 126	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

LRCNet_RVC	0.13 101	0.13 81	0.09 66	0.13 93	0.10 118	0.14 125	0.10 116	0.14 126	0.10 116	0.23 172	0.10 117	0.20 157	0.10 118	0.24 180	0.11 124	0.11 86	0.09 68	0.12 121	0.14 158	0.12 125	0.09 108

GMStereo	0.14 110	0.13 81	0.14 126	0.14 97	0.14 155	0.14 125	0.14 150	0.14 126	0.14 155	0.14 125	0.14 159	0.14 126	0.14 156	0.14 128	0.14 149	0.14 114	0.14 138	0.14 126	0.14 158	0.14 129	0.14 153
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 174	0.90 244	0.10 70	0.14 97	0.10 118	0.14 125	0.10 116	0.91 353	0.69 355	0.14 125	0.11 131	0.14 126	0.11 130	0.14 128	0.10 112	0.12 91	0.09 68	0.12 121	0.09 110	0.88 341	0.76 363

xyz-stereo-finetune2	0.18 137	0.48 185	0.16 143	0.16 118	0.15 166	0.15 132	0.16 158	0.16 139	0.16 167	0.16 136	0.16 168	0.16 137	0.16 166	0.16 138	0.16 165	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

CAS++	0.17 134	0.27 123	0.21 166	0.10 57	0.21 196	0.15 132	0.22 187	0.10 110	0.21 185	0.22 168	0.10 117	0.19 155	0.18 177	0.10 111	0.19 180	0.20 152	0.19 166	0.18 160	0.10 117	0.19 159	0.18 170
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
testlalala_base	0.13 101	0.16 87	0.11 90	0.15 107	0.11 134	0.15 132	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.14 114	0.11 95	0.14 126	0.11 129	0.14 129	0.11 125

CIPLG	0.13 101	0.21 107	0.12 101	0.16 118	0.11 134	0.15 132	0.11 129	0.14 126	0.11 131	0.15 131	0.12 142	0.15 136	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

MIPNet	0.14 110	0.21 107	0.17 150	0.16 118	0.11 134	0.15 132	0.12 145	0.14 126	0.11 131	0.16 136	0.11 131	0.14 126	0.11 130	0.14 128	0.11 124	0.14 114	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

IPLGR	0.14 110	0.24 119	0.14 126	0.16 118	0.12 150	0.15 132	0.12 145	0.14 126	0.11 131	0.15 131	0.12 142	0.14 126	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

DRN-Test	0.14 110	0.13 81	0.09 66	0.14 97	0.09 112	0.15 132	0.09 111	0.14 126	0.10 116	0.14 125	0.09 113	0.14 126	0.09 114	0.13 127	0.09 106	0.12 91	0.09 68	0.12 121	0.09 110	0.12 125	0.73 358

StereoDRNet	0.15 122	0.14 85	0.10 70	0.14 97	0.09 112	0.15 132	0.09 111	0.14 126	0.09 115	0.14 125	0.10 117	0.14 126	0.09 114	0.14 128	0.09 106	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.82 369

xyz-stereo-finetune	0.28 170	0.49 187	0.16 143	0.16 118	0.16 173	0.16 140	0.16 158	0.22 168	0.30 237	0.32 202	0.31 244	0.32 207	0.31 244	0.32 208	0.32 238	0.32 200	0.33 229	0.31 206	0.32 256	0.31 193	0.32 243

xyz-stereo	0.18 137	0.50 191	0.16 143	0.15 107	0.16 173	0.16 140	0.16 158	0.16 139	0.16 167	0.16 136	0.16 168	0.16 137	0.16 166	0.16 138	0.16 165	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

castereo++	0.54 281	3.59 462	1.15 376	1.31 412	0.14 155	0.16 140	0.14 150	0.16 139	0.14 155	0.16 136	0.14 159	0.16 137	0.13 152	0.16 138	0.14 149	1.45 437	1.16 381	0.15 139	0.14 158	0.15 139	0.13 148

test_for_model	0.15 122	0.23 112	0.18 156	0.21 143	0.11 134	0.16 140	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.21 157	0.18 165	0.14 126	0.11 129	0.14 129	0.11 125

testlalala2	0.13 101	0.16 87	0.11 90	0.15 107	0.11 134	0.16 140	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.14 114	0.11 95	0.14 126	0.11 129	0.14 129	0.11 125

GMStereo_Zeroshot	0.16 130	0.16 87	0.16 143	0.16 118	0.16 173	0.16 140	0.16 158	0.16 139	0.16 167	0.16 136	0.16 168	0.16 137	0.16 166	0.16 138	0.16 165	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

ProNet	0.14 110	0.20 101	0.14 126	0.16 118	0.11 134	0.16 140	0.11 129	0.17 147	0.11 131	0.17 145	0.12 142	0.17 147	0.13 152	0.17 147	0.12 139	0.15 123	0.11 95	0.16 142	0.11 129	0.15 139	0.12 142

ICVP	0.15 122	0.53 203	0.11 90	0.16 118	0.11 134	0.16 140	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 110	0.17 93	0.12 101	0.17 126	0.11 134	0.17 148	0.11 129	0.17 147	0.11 131	0.17 145	0.11 131	0.17 147	0.11 130	0.17 147	0.11 124	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125

castereo	0.61 292	3.79 470	1.35 440	1.52 421	0.15 166	0.17 148	0.16 158	0.20 157	0.21 185	0.18 149	0.16 168	0.21 165	0.12 147	0.26 195	0.17 168	1.43 436	1.38 449	0.17 150	0.16 163	0.18 153	0.16 154

HSM	0.14 110	0.16 87	0.12 101	0.17 126	0.12 150	0.17 148	0.11 129	0.17 147	0.11 131	0.17 145	0.12 142	0.17 147	0.12 147	0.17 147	0.12 139	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.12 142

PDISCO_ROB	0.83 340	2.80 448	3.49 524	0.14 97	0.11 134	0.17 148	0.09 111	0.15 138	0.10 116	0.15 131	0.12 142	0.16 137	0.14 156	3.30 508	0.13 145	0.14 114	2.34 499	0.16 142	0.12 146	2.62 489	0.10 113

cf-r	0.66 299	2.17 401	0.12 101	0.18 128	0.12 150	0.18 152	2.70 513	2.60 488	0.12 150	0.18 149	0.12 142	0.18 151	0.12 147	0.18 150	0.12 139	0.15 123	0.11 95	0.15 139	0.11 129	1.81 449	1.74 493

ELAS_RVC	0.14 110	0.16 87	0.10 70	0.15 107	0.10 118	0.18 152	0.11 129	0.19 152	0.11 131	0.19 151	0.12 142	0.18 151	0.11 130	0.19 153	0.12 139	0.14 114	0.08 59	0.14 126	0.09 110	0.15 139	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 101	0.16 87	0.11 90	0.15 107	0.09 112	0.18 152	0.11 129	0.18 150	0.11 131	0.17 145	0.11 131	0.18 151	0.11 130	0.18 150	0.11 124	0.14 114	0.08 59	0.14 126	0.08 108	0.14 129	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DEFOM-Stereo_RVC	0.83 340	5.18 492	1.98 496	2.19 443	0.17 176	0.19 155	0.18 169	0.19 152	0.16 167	0.20 156	0.19 184	0.22 171	0.22 192	0.20 157	0.15 159	2.28 476	2.13 494	0.24 185	0.17 181	0.18 153	0.16 154

DDVS	0.30 175	3.10 452	0.14 126	0.19 131	0.14 155	0.19 155	0.14 150	0.20 157	0.14 155	0.19 151	0.13 154	0.16 137	0.13 152	0.19 153	0.13 145	0.17 140	0.13 134	0.17 150	0.13 154	0.17 149	0.13 148

ITSA-stereo	0.15 122	0.17 93	0.13 121	0.20 133	0.13 153	0.19 155	0.13 148	0.18 150	0.13 153	0.19 151	0.13 154	0.18 151	0.14 156	0.18 150	0.14 149	0.16 132	0.11 95	0.15 139	0.14 158	0.18 153	0.11 125

DeepPruner_ROB	0.16 130	0.18 96	0.13 121	0.19 131	0.13 153	0.19 155	0.13 148	0.19 152	0.13 153	0.19 151	0.13 154	0.19 155	0.13 152	0.19 153	0.13 145	0.18 148	0.13 134	0.18 160	0.13 154	0.18 153	0.13 148

SGM_RVC	0.15 122	0.17 93	0.11 90	0.18 128	0.11 134	0.19 155	0.11 129	0.19 152	0.12 150	0.19 151	0.12 142	0.20 157	0.12 147	0.19 153	0.12 139	0.16 132	0.11 95	0.17 150	0.10 117	0.17 149	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DAS	0.20 142	0.20 101	0.20 162	0.20 133	0.20 189	0.20 160	0.20 176	0.20 157	0.20 182	0.20 156	0.20 188	0.20 157	0.20 186	0.20 157	0.20 183	0.20 152	0.20 168	0.20 164	0.20 186	0.20 160	0.20 173

ASD4	0.20 142	0.20 101	0.20 162	0.20 133	0.20 189	0.20 160	0.20 176	0.20 157	0.20 182	0.20 156	0.20 188	0.20 157	0.20 186	0.20 157	0.20 183	0.20 152	0.20 168	0.20 164	0.20 186	0.20 160	0.20 173

ACVNet	0.20 142	0.19 97	0.14 126	0.20 133	0.14 155	0.20 160	0.96 383	0.21 164	0.14 155	0.20 156	0.13 154	0.21 165	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 142

acv_ft	0.20 142	0.19 97	0.14 126	0.20 133	0.14 155	0.20 160	0.96 383	0.21 164	0.14 155	0.20 156	0.13 154	0.21 165	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 142

PSMNet-RSSM	0.77 321	2.76 443	0.14 126	0.20 133	0.14 155	0.20 160	2.66 511	2.79 501	0.14 155	0.21 166	0.14 159	0.21 165	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	2.52 480	2.31 508

GwcNet-RSSM	0.77 321	2.77 445	0.14 126	0.20 133	0.14 155	0.20 160	2.67 512	2.78 500	0.14 155	0.20 156	0.14 159	0.20 157	0.14 156	0.21 168	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	2.52 480	2.31 508

CFNet-ft	0.55 285	1.57 363	0.14 126	0.20 133	0.14 155	0.20 160	2.53 510	1.61 446	0.14 155	0.20 156	0.14 159	0.20 157	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	1.56 437	1.24 458

LALA_ROB	0.15 122	0.19 97	0.12 101	0.18 128	0.11 134	0.20 160	0.12 145	0.21 164	0.12 150	0.20 156	0.12 142	0.20 157	0.12 147	0.21 168	0.13 145	0.17 140	0.10 73	0.18 160	0.11 129	0.18 153	0.11 125

hitnet-ft	0.79 325	2.78 447	0.14 126	0.20 133	0.14 155	0.21 168	2.89 514	2.80 502	0.14 155	0.20 156	0.14 159	0.20 157	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	2.54 488	2.33 510

GANet-RSSM	0.75 316	1.91 383	0.14 126	0.47 240	0.14 155	0.21 168	3.21 530	2.30 476	0.14 155	0.46 272	0.14 159	0.23 175	0.18 177	0.21 168	0.14 149	0.18 148	0.27 191	0.37 243	0.13 154	2.13 458	2.12 503

WAO-6	0.22 153	0.23 112	0.22 168	0.23 146	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.22 172	0.22 191	0.22 166	0.22 179

IMH-64-1	0.22 153	0.23 112	0.23 171	0.22 144	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 181

IMH-64	0.22 153	0.23 112	0.23 171	0.22 144	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 181

IGEV_Zeroshot_test	0.20 142	0.19 97	0.40 249	0.30 168	0.17 176	0.22 170	0.17 163	0.21 164	0.17 172	0.20 156	0.17 173	0.21 165	0.18 177	0.21 168	0.17 168	0.20 152	0.16 143	0.20 164	0.16 163	0.20 160	0.17 166

MSKI-zero shot	0.24 159	0.21 107	0.49 290	0.65 288	0.18 183	0.22 170	0.17 163	0.23 172	0.18 174	0.21 166	0.17 173	0.23 175	0.28 227	0.23 176	0.18 177	0.21 157	0.16 143	0.21 167	0.16 163	0.21 164	0.16 154

MIM_Stereo	0.25 160	0.23 112	0.66 323	0.80 305	0.17 176	0.22 170	0.17 163	0.23 172	0.18 174	0.26 188	0.17 173	0.21 165	0.17 170	0.25 185	0.17 168	0.23 171	0.16 143	0.21 167	0.17 181	0.22 166	0.17 166

dd	0.23 157	0.98 259	0.16 143	0.23 146	0.15 166	0.23 176	0.15 155	0.23 172	0.15 165	0.23 172	0.15 167	0.24 179	0.17 170	0.23 176	0.15 159	0.22 160	0.15 141	0.21 167	0.15 162	0.22 166	0.16 154

tg	0.21 149	0.25 121	0.21 166	0.26 163	0.17 176	0.24 177	0.17 163	0.24 175	0.17 172	0.24 177	0.17 173	0.24 179	0.17 170	0.24 180	0.17 168	0.24 176	0.17 159	0.23 178	0.16 163	0.23 175	0.16 154

ACV-stereo	0.30 175	2.08 393	0.25 180	0.25 156	0.18 183	0.24 177	0.17 163	0.24 175	0.18 174	0.24 177	0.17 173	0.25 184	0.17 170	0.24 180	0.17 168	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 154

Pointernet	0.21 149	0.22 111	0.19 159	0.24 151	0.19 187	0.24 177	0.19 173	0.24 175	0.19 180	0.24 177	0.19 184	0.24 179	0.19 182	0.24 180	0.19 180	0.22 160	0.17 159	0.22 172	0.17 181	0.22 166	0.17 166

CASnet	0.35 200	0.51 198	0.44 265	0.32 174	0.31 243	0.24 177	0.34 255	0.36 211	0.25 201	0.31 197	0.37 279	0.30 203	0.33 253	0.25 185	0.45 305	0.37 225	0.37 238	0.33 215	0.35 274	0.34 205	0.37 267
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
dad	0.23 157	1.03 275	0.16 143	0.23 146	0.15 166	0.24 177	0.15 155	0.24 175	0.16 167	0.23 172	0.16 168	0.24 179	0.16 166	0.23 176	0.15 159	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 154

iResNetv2_ROB	0.20 142	0.23 112	0.18 156	0.24 151	0.20 189	0.24 177	0.18 169	0.24 175	0.18 174	0.24 177	0.18 183	0.23 175	0.19 182	0.24 180	0.18 177	0.21 157	0.16 143	0.21 167	0.16 163	0.22 166	0.16 154

iResNet	0.20 142	0.23 112	0.18 156	0.24 151	0.18 183	0.24 177	0.20 176	0.24 175	0.18 174	0.23 172	0.17 173	0.23 175	0.18 177	0.23 176	0.18 177	0.22 160	0.16 143	0.21 167	0.16 163	0.21 164	0.16 154

UNDER WATER-64	0.25 160	0.26 122	0.25 180	0.26 163	0.25 210	0.25 184	0.25 202	0.25 181	0.25 201	0.25 181	0.25 210	0.25 184	0.25 204	0.26 195	0.25 204	0.25 182	0.25 183	0.25 186	0.25 209	0.25 177	0.25 192

LoS	0.25 160	0.27 123	0.25 180	0.25 156	0.25 210	0.25 184	0.25 202	0.26 185	0.25 201	0.25 181	0.25 210	0.25 184	0.25 204	0.25 185	0.25 204	0.26 183	0.25 183	0.25 186	0.26 215	0.26 179	0.25 192
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 249	1.24 350	0.17 150	0.25 156	0.17 176	0.25 184	0.18 169	1.26 434	0.93 384	0.25 181	0.17 173	0.25 184	0.18 177	0.25 185	0.17 168	0.23 171	0.16 143	0.23 178	0.16 163	1.20 378	0.99 383

delet	0.43 245	1.21 344	0.17 150	0.25 156	0.17 176	0.25 184	0.18 169	1.26 434	0.95 386	0.25 181	0.17 173	0.25 184	0.17 170	0.25 185	0.17 168	0.23 171	0.16 143	0.22 172	0.16 163	1.18 375	0.98 382

psm_up	0.43 245	1.19 297	0.17 150	0.25 156	0.18 183	0.25 184	0.19 173	1.26 434	0.91 379	0.26 188	0.17 173	0.25 184	0.17 170	0.25 185	0.17 168	0.22 160	0.17 159	0.23 178	0.16 163	1.18 375	0.99 383

UPFNet	0.42 244	1.20 298	0.17 150	0.24 151	0.17 176	0.25 184	0.17 163	1.19 382	0.90 378	0.25 181	0.17 173	0.24 179	0.17 170	0.25 185	0.17 168	0.22 160	0.17 159	0.22 172	0.16 163	1.15 367	0.93 378

AANet_RVC	1.26 429	0.31 130	4.99 535	5.93 526	0.20 189	0.25 184	0.20 176	0.25 181	0.20 182	0.23 172	0.19 184	0.25 184	0.20 186	0.25 185	0.20 183	5.66 534	4.76 527	0.26 189	0.30 245	0.24 176	0.27 206

LoS_RVC	0.30 175	1.14 289	0.25 180	0.25 156	0.25 210	0.26 191	0.25 202	0.25 181	0.25 201	0.25 181	0.25 210	0.26 193	0.26 213	0.26 195	0.25 204	0.26 183	0.26 186	0.25 186	0.25 209	0.26 179	0.26 198

CAS	0.30 175	1.17 294	0.25 180	0.25 156	0.25 210	0.26 191	0.25 202	0.25 181	0.26 214	0.25 181	0.25 210	0.25 184	0.25 204	0.25 185	0.25 204	0.26 183	0.26 186	0.26 189	0.25 209	0.26 179	0.25 192

ac_64	0.22 153	0.13 81	0.19 159	0.23 146	0.10 118	0.26 191	1.02 391	0.14 126	0.10 116	0.28 191	0.14 159	0.17 147	0.19 182	0.28 200	0.09 106	0.22 160	0.16 143	0.23 178	0.17 181	0.11 120	0.12 142

GEStereo_RVC	0.86 346	4.45 482	0.20 162	0.27 165	0.20 189	0.27 194	0.20 176	0.26 185	0.18 174	5.03 536	0.20 188	0.27 194	0.19 182	0.27 198	0.21 186	0.20 152	0.19 166	0.19 163	4.02 540	0.20 160	0.18 170

SQANet	0.28 170	0.28 126	0.28 191	0.28 166	0.28 223	0.28 195	0.28 218	0.28 188	0.28 222	0.28 191	0.28 226	0.28 195	0.28 227	0.28 200	0.28 216	0.28 188	0.28 197	0.28 195	0.28 226	0.28 184	0.28 219

CFNet	1.37 434	5.27 495	0.19 159	5.49 523	0.19 187	0.28 195	0.19 173	0.28 188	0.19 180	0.28 191	0.19 184	0.28 195	4.35 534	0.28 200	0.19 180	0.23 171	0.17 159	0.23 178	4.21 542	4.81 519	0.17 166

HCRNet	1.22 427	7.11 512	3.00 509	3.55 492	0.33 256	0.29 197	0.14 150	0.19 152	0.15 165	0.33 207	0.29 230	0.25 184	0.14 156	0.22 172	0.33 246	3.64 505	3.00 502	0.76 353	0.32 256	0.18 153	0.13 148

DLNR_Zeroshot_test	0.31 180	0.28 126	0.47 278	0.79 303	0.24 208	0.30 198	0.26 210	0.30 194	0.24 196	0.32 202	0.23 198	0.31 205	0.24 201	0.30 205	0.23 194	0.29 195	0.26 186	0.29 200	0.24 204	0.33 201	0.23 181

ssnet_v2	0.68 304	1.96 390	1.25 436	0.29 167	0.20 189	0.30 198	0.20 176	0.29 192	0.22 188	1.50 448	0.20 188	0.31 205	0.20 186	0.27 198	0.22 188	0.24 176	1.49 455	0.26 189	0.18 185	3.90 497	0.19 172

DANet	0.30 175	0.30 129	0.30 198	0.30 168	0.30 239	0.30 198	0.30 230	0.30 194	0.30 237	0.30 195	0.30 241	0.30 203	0.30 239	0.30 205	0.30 233	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 234
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DEFOM-Stereo	0.68 304	3.11 453	1.40 454	1.63 428	0.25 210	0.31 201	0.25 202	0.31 196	0.28 222	0.31 197	0.29 230	0.29 200	0.27 221	0.31 207	0.28 216	1.59 443	1.47 454	0.30 202	0.29 235	0.30 190	0.28 219

tt1	0.31 180	0.93 253	0.24 177	0.33 178	0.23 203	0.31 201	0.24 199	0.32 197	0.24 196	0.32 202	0.23 198	0.32 207	0.25 204	0.32 208	0.24 198	0.27 186	0.26 186	0.27 193	0.26 215	0.27 182	0.27 206

xxxxx1	0.31 180	0.91 246	0.23 171	0.31 171	0.23 203	0.31 201	0.23 194	0.33 200	0.25 201	0.31 197	0.24 204	0.33 210	0.25 204	0.32 208	0.24 198	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

tt_ll	0.31 180	0.91 246	0.23 171	0.31 171	0.23 203	0.31 201	0.23 194	0.33 200	0.25 201	0.31 197	0.24 204	0.33 210	0.25 204	0.32 208	0.24 198	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

gwcnet-sp	0.82 336	1.72 368	1.48 458	0.39 196	0.15 166	0.31 201	0.21 182	0.20 157	0.25 201	1.61 450	0.23 198	0.28 195	0.26 213	0.20 157	0.15 159	0.24 176	1.33 441	0.32 207	0.16 163	6.75 535	0.23 181

scenet	0.82 336	1.72 368	1.48 458	0.39 196	0.15 166	0.31 201	0.21 182	0.20 157	0.25 201	1.61 450	0.23 198	0.28 195	0.26 213	0.20 157	0.15 159	0.24 176	1.33 441	0.32 207	0.16 163	6.75 535	0.23 181

ssnet	0.82 336	1.72 368	1.48 458	0.39 196	0.15 166	0.31 201	0.21 182	0.20 157	0.25 201	1.61 450	0.23 198	0.28 195	0.26 213	0.20 157	0.15 159	0.24 176	1.33 441	0.32 207	0.16 163	6.75 535	0.23 181

ff	0.31 180	0.91 246	0.23 171	0.31 171	0.23 203	0.31 201	0.23 194	0.33 200	0.25 201	0.31 197	0.24 204	0.33 210	0.25 204	0.32 208	0.24 198	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

WCG-NET（raft）	0.32 188	1.24 350	0.24 177	0.32 174	0.24 208	0.32 209	0.23 194	0.32 197	0.24 196	0.32 202	0.24 204	0.32 207	0.24 201	0.32 208	0.24 198	0.30 196	0.23 180	0.30 202	0.23 196	0.30 190	0.23 181

iResNet_ROB	0.28 170	0.32 131	0.24 177	0.32 174	0.25 210	0.32 209	0.24 199	0.32 197	0.24 196	0.33 207	0.24 204	0.35 216	0.24 201	0.33 214	0.24 198	0.31 199	0.24 182	0.32 207	0.24 204	0.32 195	0.24 191

gcap-zeroshot	0.35 200	0.32 131	0.37 236	0.49 250	0.39 290	0.33 211	0.21 182	0.26 185	0.35 262	0.42 257	0.34 260	0.49 296	0.29 233	0.47 283	0.39 284	0.34 207	0.17 159	0.38 250	0.23 196	0.48 283	0.34 256

testlalala	0.32 188	0.81 229	0.31 204	0.39 196	0.26 218	0.33 211	0.24 199	0.33 200	0.26 214	0.32 202	0.26 216	0.33 210	0.23 198	0.33 214	0.23 194	0.35 216	0.31 218	0.30 202	0.24 204	0.31 193	0.21 176

GCAP-BAT	0.33 191	0.78 223	0.32 208	0.38 191	0.25 210	0.34 213	0.25 202	0.34 204	0.26 214	0.34 209	0.25 210	0.35 216	0.26 213	0.35 218	0.27 210	0.36 221	0.30 214	0.32 207	0.24 204	0.32 195	0.26 198

H2IRNET	0.34 193	0.34 133	0.34 223	0.34 180	0.34 266	0.34 213	0.34 255	0.34 204	0.34 259	0.34 209	0.34 260	0.34 215	0.34 258	0.34 216	0.34 259	0.34 207	0.34 232	0.34 222	0.34 268	0.34 205	0.34 256

EKT-Stereo	0.37 209	0.40 150	0.44 265	1.07 341	0.29 230	0.34 213	0.31 234	0.36 211	0.29 227	0.38 222	0.31 244	0.37 228	0.30 239	0.36 224	0.29 226	0.34 207	0.28 197	0.39 260	0.30 245	0.37 226	0.30 234

DN-CSS_ROB	0.31 180	0.35 134	0.28 191	0.35 181	0.28 223	0.34 213	0.27 213	0.34 204	0.25 201	0.35 213	0.27 220	0.36 222	0.26 213	0.34 216	0.28 216	0.35 216	0.28 197	0.34 222	0.28 226	0.34 205	0.27 206

FENet	0.54 281	1.52 362	1.19 382	1.41 419	0.23 203	0.35 217	0.23 194	0.35 207	0.23 194	0.34 209	0.23 198	0.35 216	0.23 198	0.35 218	0.23 194	1.40 435	1.07 365	0.32 207	0.23 196	0.33 201	0.23 181

MLCV	0.31 180	0.35 134	0.27 187	0.35 181	0.28 223	0.35 217	0.27 213	0.35 207	0.28 222	0.36 216	0.27 220	0.35 216	0.27 221	0.35 218	0.27 210	0.34 207	0.27 191	0.34 222	0.27 222	0.34 205	0.27 206

ETE_ROB	0.35 200	0.35 134	0.35 231	0.35 181	0.35 269	0.35 217	0.35 260	0.35 207	0.35 262	0.35 213	0.35 269	0.35 216	0.35 265	0.35 218	0.35 263	0.35 216	0.35 233	0.35 235	0.35 274	0.35 217	0.35 262

MyStereo07	0.60 289	3.72 468	0.48 285	0.49 250	0.41 299	0.36 220	0.32 235	0.49 286	0.43 303	0.51 308	0.42 306	0.49 296	0.43 301	0.51 311	0.64 343	0.49 287	0.45 277	0.34 222	0.32 256	0.35 217	0.43 297

MyStereo04	0.56 287	3.72 468	0.59 311	0.49 250	0.41 299	0.36 220	0.32 235	0.37 217	0.31 241	0.34 209	0.46 315	0.35 216	0.32 246	0.35 218	0.33 246	0.49 287	0.45 277	0.34 222	0.32 256	0.35 217	0.43 297

Any-RAFT	0.32 188	0.36 137	0.27 187	0.36 185	0.27 220	0.36 220	0.27 213	0.36 211	0.27 219	0.36 216	0.27 220	0.36 222	0.27 221	0.36 224	0.28 216	0.36 221	0.28 197	0.36 240	0.28 226	0.36 224	0.28 219

HGLStereo	0.28 170	0.29 128	0.22 168	0.36 185	0.22 198	0.36 220	0.21 182	0.36 211	0.21 185	0.42 257	0.21 193	0.36 222	0.22 192	0.36 224	0.21 186	0.34 207	0.21 172	0.34 222	0.21 188	0.34 205	0.21 176

DMCA	0.36 204	0.38 142	0.37 236	0.35 181	0.35 269	0.36 220	0.36 267	0.36 211	0.35 262	0.35 213	0.37 279	0.36 222	0.36 268	0.35 218	0.36 267	0.36 221	0.36 236	0.35 235	0.36 280	0.36 224	0.36 263

model_zeroshot	0.27 169	0.20 101	0.27 187	0.33 178	0.21 196	0.37 225	0.22 187	0.37 217	0.24 196	0.26 188	0.27 220	0.33 210	0.21 191	0.25 185	0.27 210	0.32 200	0.20 168	0.34 222	0.23 196	0.25 177	0.26 198

Venus	0.38 215	0.38 142	0.38 239	0.38 191	0.38 285	0.37 225	0.38 278	0.37 217	0.37 274	0.41 245	0.37 279	0.39 234	0.37 272	0.38 230	0.38 278	0.37 225	0.38 244	0.38 250	0.37 282	0.37 226	0.38 274

IGEV-Stereo	0.35 200	0.44 168	0.45 267	0.49 250	0.30 239	0.37 225	0.30 230	0.36 211	0.30 237	0.36 216	0.29 230	0.36 222	0.29 233	0.36 224	0.30 233	0.46 275	0.39 251	0.32 207	0.24 204	0.32 195	0.25 192
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
XPNet_ROB	0.37 209	0.37 139	0.37 236	0.37 188	0.37 278	0.37 225	0.37 272	0.37 217	0.37 274	0.37 221	0.37 279	0.37 228	0.37 272	0.37 228	0.37 275	0.37 225	0.37 238	0.37 243	0.37 282	0.37 226	0.37 267

WAO-8	0.38 215	0.38 142	0.38 239	0.38 191	0.38 285	0.38 229	0.38 278	0.38 222	0.38 278	0.38 222	0.38 284	0.38 230	0.38 276	0.38 230	0.38 278	0.38 232	0.38 244	0.38 250	0.37 282	0.38 235	0.38 274

WAO-7	0.38 215	0.38 142	0.38 239	0.38 191	0.38 285	0.38 229	0.38 278	0.38 222	0.38 278	0.38 222	0.38 284	0.38 230	0.38 276	0.38 230	0.38 278	0.38 232	0.38 244	0.38 250	0.38 294	0.38 235	0.38 274

HanzoNet	0.39 223	0.38 142	0.40 249	0.39 196	0.41 299	0.38 229	0.38 278	0.38 222	0.38 278	0.39 227	0.39 288	0.38 230	0.38 276	0.39 238	0.40 288	0.38 232	0.38 244	0.40 265	0.38 294	0.38 235	0.40 282

IMH	0.38 215	0.38 142	0.38 239	0.38 191	0.38 285	0.38 229	0.38 278	0.38 222	0.38 278	0.42 257	0.38 284	0.40 241	0.38 276	0.38 230	0.38 278	0.38 232	0.38 244	0.39 260	0.38 294	0.38 235	0.38 274

iRaft-Stereo_5w	0.34 193	0.42 164	0.31 204	0.39 196	0.30 239	0.38 229	0.30 230	0.40 231	0.29 227	0.40 232	0.37 279	0.41 253	0.34 258	0.38 230	0.30 233	0.34 207	0.27 191	0.34 222	0.26 215	0.34 205	0.26 198

RAFT + AFF	0.31 180	0.45 171	0.34 223	0.39 196	0.28 223	0.38 229	0.33 244	0.29 192	0.31 241	0.30 195	0.30 241	0.29 200	0.27 221	0.29 203	0.30 233	0.28 188	0.29 206	0.29 200	0.29 235	0.27 182	0.32 243

LG-Stereo_L2	0.34 193	0.37 139	0.38 239	0.47 240	0.28 223	0.39 235	0.28 218	0.39 226	0.28 222	0.39 227	0.28 226	0.39 234	0.28 227	0.38 230	0.28 216	0.42 268	0.35 233	0.36 240	0.26 215	0.35 217	0.26 198

DISCO	1.11 376	0.39 148	5.28 537	0.39 196	0.20 189	0.39 235	0.27 213	0.39 226	0.22 188	0.38 222	0.20 188	0.38 230	0.20 186	6.95 547	0.22 188	0.30 196	0.21 172	0.27 193	0.21 188	5.25 528	0.21 176

DCVSM-stereo	0.36 204	1.89 380	0.22 168	0.40 209	0.22 198	0.40 237	0.22 187	0.40 231	0.22 188	0.40 232	0.22 194	0.40 241	0.22 192	0.40 241	0.22 188	0.28 188	0.21 172	0.28 195	0.21 188	0.28 184	0.20 173

IGEV++	0.34 193	0.43 165	0.30 198	0.40 209	0.29 230	0.40 237	0.29 225	0.40 231	0.29 227	0.40 232	0.29 230	0.40 241	0.29 233	0.40 241	0.30 233	0.38 232	0.29 206	0.37 243	0.29 235	0.37 226	0.29 224

ACVNet-DCA	0.37 209	1.00 263	0.30 198	0.40 209	0.29 230	0.40 237	0.29 225	0.40 231	0.29 227	0.40 232	0.29 230	0.40 241	0.29 233	0.39 238	0.28 216	0.33 204	0.32 221	0.33 215	0.32 256	0.33 201	0.32 243

1test111	0.37 209	1.02 273	0.30 198	0.39 196	0.29 230	0.40 237	0.28 218	0.39 226	0.29 227	0.39 227	0.29 230	0.39 234	0.28 227	0.40 241	0.29 226	0.33 204	0.32 221	0.33 215	0.31 251	0.32 195	0.31 239

cc1	0.37 209	1.02 273	0.30 198	0.39 196	0.29 230	0.40 237	0.28 218	0.39 226	0.29 227	0.39 227	0.29 230	0.39 234	0.28 227	0.40 241	0.29 226	0.33 204	0.32 221	0.33 215	0.31 251	0.32 195	0.31 239

4D-IteraStereo	0.78 324	3.13 454	0.89 351	0.69 293	0.32 245	0.40 237	0.32 235	0.76 338	0.97 389	0.52 311	0.65 355	0.89 364	0.32 246	0.76 348	0.98 385	0.83 342	0.94 357	0.35 235	0.27 222	0.70 319	0.89 374

knoymous	0.40 227	0.40 150	0.40 249	0.40 209	0.40 292	0.40 237	0.40 286	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 298	0.40 247	0.40 282

anonymousa	0.40 227	0.40 150	0.40 249	0.40 209	0.40 292	0.40 237	0.40 286	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 298	0.40 247	0.40 282

riskmin	0.40 227	0.40 150	0.40 249	0.40 209	0.40 292	0.40 237	0.40 286	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 298	0.40 247	0.40 282

Anonymous_2	0.40 227	0.40 150	0.40 249	0.40 209	0.40 292	0.40 237	0.40 286	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 298	0.40 247	0.40 282

Anonymous_1	0.40 227	0.40 150	0.40 249	0.40 209	0.40 292	0.40 237	0.40 286	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 298	0.40 247	0.40 282

BUS	0.83 340	1.91 383	0.92 358	4.48 501	0.02 21	0.40 237	0.04 82	0.41 246	0.02 21	0.48 285	0.03 52	0.41 253	0.05 95	0.03 39	0.05 89	1.97 459	4.19 524	0.33 215	0.23 196	0.34 205	0.27 206

NINENet	0.69 307	3.87 474	1.20 385	1.98 438	0.05 99	0.40 237	0.04 82	0.40 231	0.05 98	0.41 245	0.04 89	0.41 253	0.05 95	0.40 241	0.05 89	1.79 449	1.56 461	0.34 222	0.22 191	0.34 205	0.23 181

iRaft-Stereo_20w	0.34 193	0.41 157	0.31 204	0.39 196	0.29 230	0.40 237	0.32 235	0.41 246	0.32 244	0.38 222	0.30 241	0.39 234	0.30 239	0.38 230	0.32 238	0.35 216	0.27 191	0.34 222	0.27 222	0.34 205	0.29 224

AdaStereo	0.40 227	0.40 150	0.40 249	0.40 209	0.40 292	0.40 237	0.40 286	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 298	0.40 247	0.40 282
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.
StereoDRNet-Refined	0.33 191	0.39 148	0.26 186	0.39 196	0.26 218	0.40 237	0.26 210	0.40 231	0.26 214	0.39 227	0.26 216	0.39 234	0.26 213	0.39 238	0.26 209	0.37 225	0.25 183	0.37 243	0.25 209	0.37 226	0.37 267
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
HART	0.38 215	0.45 171	0.34 223	0.42 229	0.33 256	0.41 253	0.34 255	0.42 262	0.33 250	0.43 263	0.34 260	0.42 269	0.34 258	0.41 255	0.38 278	0.40 246	0.32 221	0.42 289	0.32 256	0.40 247	0.32 243

GIP-stereo	0.36 204	0.49 187	0.39 246	0.48 244	0.32 245	0.41 253	0.28 218	0.40 231	0.30 237	0.41 245	0.28 226	0.40 241	0.28 227	0.42 268	0.28 216	0.45 272	0.32 221	0.38 250	0.30 245	0.37 226	0.27 206

xx1	0.38 215	1.03 275	0.31 204	0.40 209	0.31 243	0.41 253	0.28 218	0.40 231	0.29 227	0.40 232	0.29 230	0.40 241	0.29 233	0.40 241	0.29 226	0.34 207	0.33 229	0.34 222	0.32 256	0.34 205	0.32 243

RAFT-Test	0.36 204	0.37 139	0.33 213	0.41 220	0.32 245	0.41 253	0.32 235	0.41 246	0.32 244	0.41 245	0.32 246	0.41 253	0.32 246	0.41 255	0.33 246	0.37 225	0.29 206	0.37 243	0.29 235	0.38 235	0.31 239

HH	0.71 310	2.54 426	0.74 337	1.10 343	0.32 245	0.41 253	0.37 272	0.69 332	0.78 368	0.73 344	0.90 380	0.75 350	1.00 377	0.84 354	0.69 356	0.69 325	0.40 254	0.35 235	0.26 215	0.35 217	0.26 198

HanStereo	0.71 310	2.54 426	0.74 337	1.10 343	0.32 245	0.41 253	0.37 272	0.69 332	0.78 368	0.73 344	0.90 380	0.75 350	1.00 377	0.84 354	0.69 356	0.69 325	0.40 254	0.35 235	0.26 215	0.35 217	0.26 198

CRFU-Net	0.65 297	1.67 367	1.22 432	1.96 437	0.27 220	0.41 253	0.27 213	0.41 246	0.27 219	0.40 232	0.26 216	0.41 253	0.27 221	0.40 241	0.27 210	1.80 450	1.62 468	0.34 222	0.23 196	0.33 201	0.23 181

GMOStereo	0.37 209	0.45 171	0.23 171	0.30 168	0.37 278	0.41 253	0.36 267	0.41 246	0.35 262	0.43 263	0.36 273	0.41 253	0.40 282	0.41 255	0.36 267	0.34 207	0.22 176	0.47 303	0.37 282	0.39 242	0.33 250

error version	0.93 357	4.47 483	2.35 504	1.99 439	0.37 278	0.41 253	0.36 267	0.41 246	0.35 262	0.43 263	0.36 273	0.41 253	0.40 282	0.41 255	0.36 267	1.87 452	2.16 495	0.47 303	0.37 282	0.39 242	0.33 250

test_1	0.93 357	4.47 483	2.35 504	1.99 439	0.37 278	0.41 253	0.36 267	0.41 246	0.35 262	0.43 263	0.36 273	0.41 253	0.40 282	0.41 255	0.36 267	1.87 452	2.16 495	0.47 303	0.37 282	0.39 242	0.33 250

GwcNet-ADL	0.41 234	0.41 157	0.41 257	0.41 220	0.41 299	0.41 253	0.41 294	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 305	0.41 257	0.41 289

PSMNet-ADL	0.41 234	0.41 157	0.41 257	0.41 220	0.41 299	0.41 253	0.41 294	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 305	0.41 257	0.41 289

GANet-ADL	0.41 234	0.41 157	0.41 257	0.41 220	0.41 299	0.41 253	0.41 294	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 305	0.41 257	0.41 289

ADLNet2	0.41 234	0.41 157	0.41 257	0.41 220	0.41 299	0.41 253	0.41 294	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 305	0.41 257	0.41 289

ADLNet	0.41 234	0.41 157	0.41 257	0.41 220	0.41 299	0.41 253	0.41 294	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 305	0.41 257	0.41 289

GES	0.66 299	2.34 417	0.29 194	0.41 220	0.29 230	0.41 253	0.29 225	0.42 262	0.29 227	0.40 232	0.41 297	0.41 253	0.30 239	0.51 311	0.29 226	0.32 200	0.29 206	0.32 207	2.46 513	2.49 476	0.30 234

DGSMNet	0.34 193	0.41 157	0.27 187	0.41 220	0.28 223	0.41 253	0.28 218	0.41 246	0.27 219	0.41 245	0.27 220	0.42 269	0.27 221	0.41 255	0.28 216	0.40 246	0.29 206	0.40 265	0.28 226	0.40 247	0.27 206

Gwc-CoAtRS	0.41 234	1.49 361	0.32 208	0.42 229	0.32 245	0.41 253	0.32 235	0.41 246	0.33 250	0.41 245	0.32 246	0.41 253	0.32 246	0.41 255	0.32 238	0.39 242	0.28 197	0.39 260	0.28 226	0.40 247	0.28 219

LL-Strereo2	0.48 265	1.73 372	0.51 298	0.59 278	0.34 266	0.42 271	0.33 244	0.40 231	0.31 241	0.42 257	0.33 252	0.42 269	0.31 244	0.44 272	0.39 284	0.60 311	0.51 303	0.44 292	0.33 264	0.44 267	0.33 250

BSDual-CNN	0.81 332	1.91 383	0.92 358	4.48 501	0.02 21	0.42 271	0.06 106	0.41 246	0.02 21	0.48 285	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 459	4.19 524	0.33 215	0.23 196	0.34 205	0.27 206

hknet	1.10 374	1.85 376	3.49 524	4.48 501	0.02 21	0.42 271	0.06 106	0.41 246	0.02 21	0.48 285	0.03 52	0.41 253	0.03 52	0.42 268	0.03 48	4.39 510	4.19 524	0.33 215	0.23 196	0.34 205	0.27 206

UCFNet_RVC	2.75 505	10.06 533	0.29 194	10.31 550	0.29 230	0.42 271	0.29 225	0.43 266	0.29 227	0.42 257	0.29 230	0.42 269	9.87 551	0.43 270	0.29 226	0.36 221	9.84 550	0.36 240	0.26 215	9.77 549	0.26 198

RAFT-Stereo-weight	0.45 251	1.90 382	0.34 223	0.42 229	0.36 275	0.43 275	0.35 260	0.42 262	0.34 259	0.42 257	0.34 260	0.44 273	0.34 258	0.41 255	0.34 259	0.38 232	0.32 221	0.38 250	0.32 256	0.38 235	0.33 250

IER	0.88 347	7.04 511	2.23 501	2.75 461	0.28 223	0.43 275	0.25 202	0.39 226	0.25 201	0.41 245	0.27 220	0.39 234	0.25 204	0.40 241	0.28 216	0.37 225	0.28 197	0.37 243	0.25 209	0.37 226	0.25 192

RCA-Stereo	0.51 277	3.22 457	0.34 223	0.44 232	0.34 266	0.44 277	0.34 255	0.43 266	0.34 259	0.43 263	0.34 260	0.44 273	0.33 253	0.43 270	0.33 246	0.38 232	0.29 206	0.38 250	0.29 235	0.38 235	0.29 224

water-stereo	0.41 234	0.84 232	0.46 271	0.50 257	0.33 256	0.45 278	0.33 244	0.45 268	0.32 244	0.45 268	0.32 246	0.45 275	0.32 246	0.45 275	0.32 238	0.44 270	0.41 263	0.39 260	0.31 251	0.39 242	0.32 243

GREAT-IGEV	0.38 215	0.43 165	0.36 233	0.48 244	0.32 245	0.45 278	0.32 235	0.45 268	0.32 244	0.45 268	0.32 246	0.45 275	0.32 246	0.45 275	0.32 238	0.44 270	0.33 229	0.41 278	0.29 235	0.41 257	0.29 224

fffy	0.38 215	0.43 165	0.33 213	0.46 234	0.33 256	0.45 278	0.32 235	0.45 268	0.32 244	0.45 268	0.32 246	0.45 275	0.33 253	0.45 275	0.32 238	0.38 232	0.38 244	0.38 250	0.37 282	0.37 226	0.36 263

PAM	0.39 223	1.88 379	0.34 223	0.37 188	0.41 299	0.45 278	0.22 187	0.28 188	0.23 194	0.28 191	0.24 204	0.29 200	0.23 198	0.29 203	0.23 194	0.38 232	0.32 221	0.38 250	0.37 282	0.32 195	0.22 179

Former-RAFT_DAM_RVC	0.49 270	0.98 259	0.64 319	0.84 310	0.46 316	0.45 278	0.35 260	0.47 278	0.47 313	0.45 268	0.34 260	0.46 279	0.48 317	0.46 279	0.35 263	0.39 242	0.71 335	0.39 260	0.35 274	0.41 257	0.41 289

CES	0.39 223	0.47 179	0.36 233	0.36 185	0.37 278	0.45 278	0.35 260	0.35 207	0.40 287	0.36 216	0.44 310	0.47 285	0.36 268	0.44 272	0.36 267	0.37 225	0.39 251	0.44 292	0.35 274	0.37 226	0.36 263

DilatedVolume-Stereo	0.43 245	0.86 235	0.48 285	0.50 257	0.33 256	0.46 284	0.33 244	0.46 272	0.33 250	0.46 272	0.33 252	0.47 285	0.33 253	0.47 283	0.34 259	0.45 272	0.42 271	0.40 265	0.33 264	0.47 279	0.38 274

otaku	0.46 254	0.46 175	0.46 271	0.46 234	0.46 316	0.46 284	0.46 308	0.46 272	0.46 308	0.46 272	0.46 315	0.46 279	0.46 308	0.46 279	0.46 309	0.46 275	0.46 279	0.46 299	0.46 317	0.46 272	0.46 303

Dean	0.46 254	0.46 175	0.46 271	0.46 234	0.46 316	0.46 284	0.46 308	0.46 272	0.46 308	0.47 278	0.46 315	0.46 279	0.46 308	0.46 279	0.46 309	0.46 275	0.46 279	0.46 299	0.46 317	0.46 272	0.46 303

ACVNet_1	0.46 254	0.47 179	0.46 271	0.46 234	0.46 316	0.46 284	0.46 308	0.46 272	0.47 313	0.46 272	0.46 315	0.46 279	0.46 308	0.46 279	0.46 309	0.46 275	0.46 279	0.47 303	0.46 317	0.46 272	0.46 303

ACVNet-4b	0.46 254	0.46 175	0.46 271	0.46 234	0.46 316	0.46 284	0.46 308	0.46 272	0.46 308	0.46 272	0.46 315	0.46 279	0.46 308	0.47 283	0.46 309	0.46 275	0.46 279	0.46 299	0.46 317	0.46 272	0.46 303

mms	0.40 227	0.45 171	0.35 231	0.48 244	0.36 275	0.47 289	0.34 255	0.45 268	0.38 278	0.47 278	0.33 252	0.45 275	0.32 246	0.45 275	0.32 238	0.39 242	0.38 244	0.38 250	0.37 282	0.39 242	0.39 279

Ntro	0.47 260	0.47 179	0.46 271	0.46 234	0.46 316	0.47 289	0.47 313	0.46 272	0.47 313	0.46 272	0.46 315	0.47 285	0.46 308	0.47 283	0.47 315	0.47 280	0.46 279	0.46 299	0.46 317	0.46 272	0.46 303

HaxPig	0.47 260	0.47 179	0.47 278	0.49 250	0.47 322	0.47 289	0.47 313	0.47 278	0.47 313	0.47 278	0.47 323	0.47 285	0.47 316	0.47 283	0.47 315	0.47 280	0.47 287	0.47 303	0.47 324	0.47 279	0.48 312

UNDER WATER	0.47 260	0.47 179	0.47 278	0.47 240	0.47 322	0.47 289	0.47 313	0.47 278	0.47 313	0.47 278	0.47 323	0.47 285	0.46 308	0.47 283	0.47 315	0.47 280	0.47 287	0.47 303	0.46 317	0.47 279	0.47 310

LVE	0.47 260	0.47 179	0.47 278	0.47 240	0.49 328	0.47 289	0.47 313	0.47 278	0.49 322	0.47 278	0.47 323	0.47 285	0.46 308	0.47 283	0.47 315	0.47 280	0.47 287	0.48 311	0.47 324	0.47 279	0.47 310

SCV_C0	0.45 251	0.88 239	0.49 290	0.54 268	0.37 278	0.48 294	0.37 272	0.48 282	0.37 274	0.48 285	0.36 273	0.48 292	0.37 272	0.49 298	0.37 275	0.50 293	0.41 263	0.44 292	0.34 268	0.44 267	0.34 256

SCV	0.46 254	0.94 254	0.45 267	0.54 268	0.37 278	0.48 294	0.38 278	0.48 282	0.37 274	0.48 285	0.39 288	0.48 292	0.37 272	0.49 298	0.37 275	0.50 293	0.46 279	0.44 292	0.34 268	0.44 267	0.34 256

ccccc	0.41 234	0.44 168	0.34 223	0.48 244	0.35 269	0.48 294	0.35 260	0.51 303	0.35 262	0.47 278	0.35 269	0.47 285	0.34 258	0.47 283	0.35 263	0.41 254	0.40 254	0.40 265	0.40 298	0.41 257	0.39 279

RainbowNet	0.48 265	0.48 185	0.48 285	0.48 244	0.48 326	0.48 294	0.48 322	0.48 282	0.48 320	0.48 285	0.48 327	0.48 292	0.48 317	0.48 292	0.48 321	0.48 284	0.48 290	0.48 311	0.48 327	0.48 283	0.48 312

notaker	0.48 265	0.49 187	0.48 285	0.48 244	0.48 326	0.48 294	0.48 322	0.48 282	0.49 322	0.48 285	0.48 327	0.48 292	0.48 317	0.48 292	0.48 321	0.48 284	0.48 290	0.48 311	0.48 327	0.48 283	0.49 317

RSM	0.36 204	0.36 137	0.43 263	0.37 188	0.42 309	0.49 299	0.42 299	0.37 217	0.28 222	0.36 216	0.29 230	0.36 222	0.30 239	0.37 228	0.28 216	0.34 207	0.31 218	0.34 222	0.35 274	0.40 247	0.29 224

GCST	0.50 272	2.08 393	0.38 239	0.53 266	0.35 269	0.49 299	0.35 260	0.50 294	0.35 262	0.49 292	0.35 269	0.49 296	0.35 265	0.49 298	0.35 263	0.48 284	0.37 238	0.45 296	0.33 264	0.44 267	0.33 250

KSHMR	0.66 299	0.50 191	0.48 285	1.15 351	0.52 338	0.49 299	0.51 330	0.49 286	0.71 361	0.67 338	0.50 332	1.16 393	1.11 387	0.66 336	0.52 331	0.49 287	0.49 293	0.51 324	0.66 353	0.50 291	1.14 399

ACVNet_2	0.49 270	0.49 187	0.49 290	0.49 250	0.49 328	0.49 299	0.49 324	0.49 286	0.49 322	0.49 292	0.49 330	0.49 296	0.49 322	0.49 298	0.49 323	0.49 287	0.49 293	0.49 315	0.49 330	0.49 286	0.49 317

PCWNet_CMD	2.80 507	9.82 531	0.32 208	10.09 549	0.32 245	0.49 299	0.33 244	3.34 508	0.33 250	0.49 292	0.33 252	0.49 296	8.73 547	0.48 292	0.33 246	0.41 254	9.22 545	0.42 289	0.29 235	9.55 548	0.31 239

CFNet_ucs	2.73 504	9.64 530	0.33 213	9.92 547	0.32 245	0.49 299	0.33 244	0.49 286	0.33 250	0.49 292	0.33 252	0.49 296	8.98 549	0.48 292	0.33 246	0.41 254	9.96 551	0.40 265	0.29 235	10.12 551	0.54 328

psmorigin	0.41 234	0.46 175	0.33 213	0.49 250	0.33 256	0.49 299	0.33 244	0.49 286	0.33 250	0.49 292	0.33 252	0.49 296	0.33 253	0.51 311	0.33 246	0.41 254	0.30 214	0.41 278	0.30 245	0.79 329	0.29 224

ccs_rob	2.79 506	10.17 535	0.32 208	10.00 548	0.33 256	0.49 299	0.33 244	1.90 455	0.32 244	0.51 308	0.33 252	0.49 296	9.24 550	0.49 298	0.33 246	0.41 254	9.82 549	0.41 278	0.28 226	9.34 547	0.29 224

FoundationStereo	0.50 272	0.50 191	0.50 293	0.50 257	0.50 332	0.50 307	0.50 326	0.50 294	0.50 325	0.50 304	0.50 332	0.50 310	0.50 325	0.50 305	0.50 324	0.50 293	0.50 299	0.50 319	0.50 332	0.50 291	0.50 320

StereoAnything_RVC	0.50 272	0.50 191	0.50 293	0.50 257	0.50 332	0.50 307	0.50 326	0.50 294	0.50 325	0.50 304	0.50 332	0.50 310	0.50 325	0.50 305	0.50 324	0.50 293	0.50 299	0.50 319	0.50 332	0.50 291	0.50 320

dual_stereo	0.50 272	0.50 191	0.50 293	0.50 257	0.50 332	0.50 307	0.50 326	0.50 294	0.50 325	0.50 304	0.50 332	0.50 310	0.50 325	0.50 305	0.50 324	0.50 293	0.50 299	0.50 319	0.50 332	0.50 291	0.50 320

UGAM-zero	0.51 277	2.17 401	0.39 246	0.53 266	0.36 275	0.50 307	0.36 267	0.50 294	0.36 273	0.49 292	0.36 273	0.50 310	0.35 265	0.50 305	0.36 267	0.49 287	0.37 238	0.47 303	0.35 274	0.46 272	0.34 256

UGAM	0.51 277	2.23 406	0.39 246	0.54 268	0.35 269	0.50 307	0.35 260	0.49 286	0.35 262	0.49 292	0.35 269	0.49 296	0.36 268	0.50 305	0.36 267	0.49 287	0.37 238	0.45 296	0.34 268	0.45 271	0.34 256

pcwnet_v2	2.66 502	9.89 532	0.33 213	9.89 546	0.32 245	0.50 307	0.32 235	0.49 286	0.33 250	0.49 292	0.34 260	0.49 296	8.76 548	0.48 292	0.33 246	0.41 254	9.58 547	0.40 265	0.29 235	9.01 546	0.63 342

ccnet	0.80 327	2.28 409	0.33 213	0.50 257	0.33 256	0.50 307	0.33 244	0.50 294	0.33 250	0.49 292	0.33 252	0.49 296	1.56 463	2.38 479	0.33 246	0.41 254	0.29 206	0.42 289	1.57 474	2.28 464	0.29 224

FCDSN-DC	0.41 234	0.59 211	0.64 319	0.54 268	0.33 256	0.50 307	0.37 272	0.42 262	0.40 287	0.61 328	0.43 308	0.50 310	0.49 322	0.38 230	0.32 238	0.28 188	0.23 180	0.26 189	0.22 191	0.35 217	0.28 219
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SANet	0.50 272	0.50 191	0.50 293	0.50 257	0.50 332	0.50 307	0.50 326	0.50 294	0.50 325	0.50 304	0.50 332	0.50 310	0.50 325	0.50 305	0.50 324	0.50 293	0.50 299	0.50 319	0.50 332	0.50 291	0.50 320

depthmonostereo	0.44 249	0.85 234	0.46 271	0.54 268	0.40 292	0.52 316	0.38 278	0.52 305	0.35 262	0.47 278	0.34 260	0.46 279	0.34 258	0.47 283	0.34 259	0.45 272	0.43 273	0.41 278	0.33 264	0.41 257	0.32 243

fffft	0.48 265	0.51 198	0.45 267	0.52 265	0.45 314	0.52 316	0.45 306	0.52 305	0.48 320	0.53 313	0.45 313	0.52 316	0.45 305	0.52 314	0.46 309	0.51 299	0.41 263	0.50 319	0.41 305	0.50 291	0.41 289
1: 1. 1
LG-Stereo_L1	0.47 260	0.52 200	0.47 278	0.62 282	0.39 290	0.53 318	0.40 286	0.53 307	0.39 286	0.53 313	0.39 288	0.53 317	0.39 281	0.53 316	0.39 284	0.55 305	0.46 279	0.49 315	0.37 282	0.49 286	0.37 267

PAM_32	0.64 296	2.38 421	0.51 298	0.92 320	0.43 311	0.53 318	0.44 302	0.87 347	0.43 303	0.52 311	0.45 313	0.53 317	0.40 282	0.54 317	0.46 309	0.62 317	0.56 311	0.48 311	0.45 315	0.76 325	0.44 300

AEACV	1.12 377	0.52 200	3.12 521	3.24 476	0.86 381	0.53 318	0.49 324	0.60 321	0.47 313	0.53 313	0.49 330	0.55 323	0.45 305	0.55 320	0.47 315	3.01 500	3.88 521	0.71 348	0.60 346	0.80 332	0.48 312

iRaftStereo_RVC	0.97 361	3.17 456	2.30 503	2.42 455	0.38 285	0.54 321	0.38 278	0.54 309	0.38 278	0.54 316	0.38 284	0.54 319	0.38 276	0.54 317	0.38 278	2.38 483	2.34 499	0.49 315	0.36 280	0.49 286	0.36 263

PSMNet_ROB	0.54 281	0.54 206	0.54 306	0.54 268	0.53 341	0.54 321	0.54 334	0.53 307	0.54 335	0.54 316	0.54 342	0.54 319	0.53 332	0.54 317	0.54 334	0.54 303	0.53 307	0.54 330	0.54 337	0.54 303	0.54 328

LG-Stereo_Zeroshot	0.48 265	0.55 208	0.47 278	0.63 284	0.41 299	0.56 323	0.44 302	0.56 311	0.41 296	0.56 321	0.41 297	0.57 327	0.42 299	0.56 321	0.41 295	0.55 305	0.43 273	0.51 324	0.37 282	0.51 297	0.37 267

Occ-G	1.12 377	0.52 200	3.72 529	3.50 491	0.50 332	0.56 323	0.47 313	0.54 309	0.46 308	0.54 316	0.41 297	0.54 319	0.42 299	0.52 314	0.42 301	3.42 504	4.02 523	0.52 327	0.45 315	0.51 297	0.44 300

LL-Strereo	1.01 369	5.06 490	1.63 465	0.70 295	1.43 469	0.56 323	0.46 308	0.57 314	0.50 325	0.57 323	0.50 332	1.58 453	0.49 322	0.59 327	0.50 324	1.64 446	0.52 305	0.51 324	1.37 462	0.52 299	0.45 302

CASS	0.57 288	0.89 242	0.56 308	0.57 275	0.56 344	0.56 323	0.56 335	0.56 311	0.53 333	0.57 323	0.57 345	0.59 331	0.48 317	0.56 321	0.57 337	0.55 305	0.56 311	0.47 303	0.56 341	0.62 309	0.56 335
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CFNet_RVC	2.38 495	8.71 523	0.38 239	9.33 542	0.42 309	0.56 323	0.42 299	0.60 321	0.38 278	0.62 331	0.42 306	0.56 326	7.29 546	0.62 329	0.42 301	0.53 302	0.37 238	0.49 315	0.34 268	8.30 542	6.87 549

MyStereo8	0.71 310	3.92 475	0.52 301	0.59 278	0.52 338	0.57 328	0.53 332	0.59 319	0.50 325	0.59 327	0.51 338	0.57 327	0.50 325	0.56 321	0.52 331	0.54 303	0.49 293	0.54 330	0.49 330	0.55 304	0.50 320

PML	0.46 254	1.36 357	0.29 194	0.58 276	0.30 239	0.57 328	0.29 225	0.57 314	0.29 227	0.57 323	0.29 230	0.57 327	0.29 233	0.56 321	0.29 226	0.52 301	0.30 214	0.53 329	0.31 251	0.53 302	0.30 234

PA-Net	11.80 551	223.51 576	0.62 316	0.59 278	0.71 368	0.59 330	0.73 360	0.67 330	0.73 365	0.55 319	0.61 349	0.60 332	0.74 359	0.63 333	0.73 361	0.66 322	0.60 315	0.69 345	0.66 353	0.72 320	0.65 344
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-test2	0.55 285	0.59 211	0.52 301	0.67 292	0.47 322	0.61 331	0.47 313	0.61 323	0.47 313	0.61 328	0.47 323	0.61 333	0.48 317	0.62 329	0.47 315	0.64 319	0.53 307	0.58 333	0.47 324	0.58 306	0.48 312

AIO-test1	0.54 281	0.60 213	0.52 301	0.66 291	0.47 322	0.61 331	0.47 313	0.58 317	0.46 308	0.61 328	0.46 315	0.61 333	0.45 305	0.62 329	0.45 305	0.61 314	0.52 305	0.57 332	0.48 327	0.57 305	0.48 312

Selective-IGEV	0.51 277	0.55 208	0.45 267	0.69 293	0.45 314	0.61 331	0.45 306	0.50 294	0.40 287	0.56 321	0.44 310	0.55 323	0.40 282	0.72 342	0.67 348	0.59 310	0.46 279	0.45 296	0.34 268	0.46 272	0.37 267

MyStereo06	0.75 316	4.12 476	0.60 313	0.63 284	0.61 352	0.62 334	0.66 345	0.56 311	0.45 307	0.55 319	0.48 327	0.54 319	0.46 308	0.57 325	0.45 305	0.60 311	0.57 313	0.64 339	0.55 338	0.72 320	0.55 332

MyStereo05	0.80 327	4.12 476	0.63 317	0.63 284	0.61 352	0.62 334	0.66 345	0.65 327	0.62 344	0.67 338	0.61 349	0.65 339	0.58 337	0.67 338	0.55 336	0.60 311	0.57 313	0.64 339	0.55 338	0.72 320	0.55 332

DSFCA	0.66 299	0.73 221	0.78 342	0.65 288	0.65 358	0.64 336	0.64 342	0.65 327	0.63 346	0.64 334	0.64 353	0.64 336	0.64 342	0.65 335	0.65 344	0.65 320	0.65 324	0.65 342	0.65 351	0.66 312	0.64 343

DispNO	1.00 364	0.63 214	0.43 263	3.45 487	0.44 312	0.65 337	0.43 301	0.64 326	0.43 303	0.64 334	0.43 308	0.64 336	3.03 507	0.64 334	0.43 303	4.55 513	0.43 273	0.63 338	0.43 313	0.63 310	0.43 297

LMCR-Stereo	0.65 297	0.63 214	0.65 322	0.65 288	0.65 358	0.66 338	0.63 341	0.58 317	0.65 348	0.63 333	0.64 353	0.65 339	0.65 344	0.66 336	0.66 347	0.66 322	0.64 323	0.65 342	0.67 357	0.68 314	0.73 358

WCG-NET	0.61 292	1.21 344	0.54 306	0.61 281	0.53 341	0.67 339	0.53 332	0.66 329	0.53 333	0.64 334	0.53 341	0.65 339	0.53 332	0.59 327	0.52 331	0.65 320	0.48 290	0.64 339	0.52 336	0.58 306	0.50 320

test-3	0.98 363	4.13 478	1.85 485	1.85 431	0.61 352	0.69 340	0.37 272	0.63 325	0.61 343	0.66 337	0.51 338	0.73 348	0.44 303	0.57 325	0.54 334	1.68 447	1.81 479	0.40 265	0.43 313	0.66 312	0.50 320

TorneroNet-64	0.45 251	0.27 123	0.30 198	0.58 276	0.27 220	0.70 341	0.30 230	0.28 188	0.73 365	0.73 344	0.28 226	0.71 343	0.66 347	0.75 347	0.27 210	0.27 186	0.29 206	0.37 243	0.75 368	0.28 184	0.30 234

DMCA-RVC	0.70 308	0.80 226	0.70 329	0.70 295	0.70 367	0.70 341	0.70 355	0.71 335	0.70 358	0.70 341	0.71 366	0.71 343	0.70 353	0.70 340	0.69 356	0.69 325	0.70 331	0.69 345	0.70 362	0.69 318	0.70 351

SMoEStereo_RVC	0.63 294	0.75 222	0.51 298	0.73 299	0.53 341	0.71 343	0.47 313	0.67 330	0.58 338	0.74 349	0.60 346	0.72 346	0.53 332	0.74 346	0.51 329	0.61 314	0.62 320	0.62 336	0.61 348	0.63 310	0.61 338

anonymity	0.63 294	0.69 218	0.56 308	0.71 297	0.56 344	0.71 343	0.56 335	0.71 335	0.56 336	0.72 342	0.56 344	0.71 343	0.56 336	0.71 341	0.58 338	0.68 324	0.55 309	0.68 344	0.55 338	0.68 314	0.54 328

AFF-stereo	0.73 314	0.88 239	0.67 326	0.75 301	0.68 365	0.75 345	0.64 342	0.80 342	0.72 362	0.83 357	0.70 363	0.82 359	0.64 342	0.84 354	0.67 348	0.77 334	0.63 321	0.81 361	0.63 350	0.78 327	0.62 341

iGMRVC	0.84 343	2.85 449	0.72 334	0.72 298	0.73 371	0.77 346	0.79 365	0.73 337	0.74 367	0.73 344	0.72 368	0.73 348	0.76 362	0.73 344	0.73 361	0.72 330	0.73 337	0.73 349	0.72 366	0.73 323	0.72 355

test_xeample3	1.10 374	1.81 373	0.61 315	0.84 310	0.49 328	0.77 346	0.66 345	0.92 356	1.40 469	0.68 340	0.46 315	0.78 353	0.54 335	1.72 454	1.48 471	1.34 430	1.52 457	1.35 454	1.67 487	1.33 429	1.55 475

GCAP-Stereo	0.75 316	4.15 479	0.42 262	0.75 301	0.35 269	0.78 348	0.40 286	0.79 340	0.38 278	0.78 352	0.36 273	0.78 353	0.36 268	0.79 349	0.39 284	0.75 332	0.39 251	0.76 353	0.39 297	0.75 324	0.39 279

ARAFT	0.68 304	0.81 229	0.63 317	0.74 300	0.60 347	0.78 348	0.62 340	0.77 339	0.66 350	0.74 349	0.63 351	0.75 350	0.62 341	0.83 353	0.60 340	0.70 328	0.55 309	0.70 347	0.60 346	0.78 327	0.55 332

G-Net	0.79 325	0.79 225	0.79 345	0.79 303	0.79 377	0.79 350	0.79 365	0.79 340	0.79 371	0.79 353	0.79 375	0.79 355	0.79 365	0.79 349	0.79 367	0.79 335	0.79 344	0.79 356	0.79 372	0.79 329	0.79 365

NaN_ROB	0.80 327	0.80 226	0.80 346	0.80 305	0.80 379	0.80 351	0.80 368	0.80 342	0.80 372	0.80 354	0.80 376	0.80 356	0.80 366	0.80 351	0.80 369	0.80 336	0.80 347	0.80 359	0.80 374	0.80 332	0.80 366

CSAN	0.80 327	0.80 226	0.80 346	0.80 305	0.80 379	0.80 351	0.80 368	0.80 342	0.80 372	0.80 354	0.80 376	0.80 356	0.80 366	0.80 351	0.80 369	0.80 336	0.80 347	0.80 359	0.80 374	0.80 332	0.80 366

RAFT-Stereo + iAFF	0.70 308	0.72 220	0.71 333	0.80 305	0.62 355	0.82 353	0.61 339	0.81 345	0.62 344	0.81 356	0.63 351	0.80 356	0.70 353	0.73 344	0.61 342	0.76 333	0.61 319	0.74 350	0.61 348	0.77 326	0.61 338

RSM++	0.76 320	0.82 231	0.66 323	0.85 312	0.64 356	0.85 354	0.71 358	0.94 360	0.64 347	0.87 358	0.67 358	0.87 361	0.65 344	0.84 354	0.65 344	0.81 339	0.70 331	0.79 356	0.71 365	0.83 337	0.70 351

CFNet_pseudo	2.67 503	9.36 528	0.32 208	10.99 551	0.33 256	0.85 354	0.33 244	0.49 286	0.33 250	0.49 292	0.32 246	0.49 296	7.26 545	0.49 298	0.33 246	0.41 254	9.62 548	0.41 278	0.29 235	10.03 550	0.29 224

MSMDNet	2.65 501	10.14 534	0.33 213	9.74 545	0.32 245	0.87 356	0.33 244	2.95 504	0.68 352	0.49 292	0.34 260	0.49 296	5.70 541	0.49 298	0.33 246	0.42 268	9.57 546	0.41 278	0.31 251	8.36 543	0.65 344

Selective-RAFT-Error	0.88 347	0.84 232	0.98 363	0.86 313	0.97 393	0.88 357	0.95 382	0.84 346	0.99 392	0.92 364	0.82 378	0.84 360	0.98 376	0.87 358	0.97 384	0.81 339	0.83 350	0.79 356	0.82 377	0.79 329	0.85 371

DCRE	0.84 343	1.89 380	0.77 341	0.94 325	0.72 370	0.88 357	0.73 360	0.87 347	0.78 368	0.90 360	0.71 366	0.88 362	0.67 349	0.88 359	0.73 361	0.81 339	0.68 326	0.81 361	0.70 362	0.82 336	0.70 351

DDUNet	0.81 332	2.45 424	0.57 310	0.90 315	0.60 347	0.88 357	0.59 338	0.90 351	0.60 340	0.88 359	0.60 346	0.90 365	0.58 337	0.88 359	0.60 340	0.84 344	0.60 315	0.86 367	0.57 342	0.86 339	0.60 337

UDG	0.80 327	2.21 405	0.60 313	0.91 317	0.60 347	0.90 360	0.58 337	0.88 350	0.60 340	0.90 360	0.60 346	0.88 362	0.60 339	0.90 362	0.58 338	0.86 346	0.60 315	0.84 365	0.59 345	0.84 338	0.61 338

DGTPSM_ROB	0.93 357	1.00 263	0.92 358	0.94 325	0.96 392	0.91 361	0.92 378	0.91 353	0.96 388	0.91 362	0.96 387	0.93 371	0.92 372	0.94 368	0.92 377	0.92 352	0.92 355	0.90 369	0.92 381	0.94 351	0.91 376

DPSM_ROB	0.92 352	0.91 246	0.91 356	0.91 317	0.92 388	0.92 362	0.92 378	0.92 356	0.91 379	0.93 366	0.91 383	0.92 368	0.90 370	0.91 363	0.92 377	0.92 352	0.91 353	0.91 371	0.92 381	0.93 349	0.93 378

DPSM	0.92 352	0.91 246	0.91 356	0.91 317	0.92 388	0.92 362	0.92 378	0.92 356	0.91 379	0.93 366	0.91 383	0.92 368	0.90 370	0.91 363	0.92 377	0.92 352	0.91 353	0.91 371	0.92 381	0.93 349	0.93 378

pmcnn	0.92 352	0.92 251	0.92 358	0.92 320	0.92 388	0.92 362	0.92 378	0.92 356	0.92 383	0.92 364	0.92 386	0.92 368	0.92 372	0.92 367	0.92 377	0.92 352	0.92 355	0.92 373	0.92 381	0.92 348	0.92 377

R-Stereo Train	0.81 332	0.96 256	0.67 326	0.95 327	0.67 362	0.95 365	0.68 350	0.95 362	0.68 352	0.95 370	0.68 359	0.96 373	0.68 350	0.96 372	0.68 352	0.94 356	0.68 326	0.94 375	0.68 358	0.94 351	0.68 349

RAFT-Stereo	0.81 332	0.96 256	0.67 326	0.95 327	0.67 362	0.95 365	0.68 350	0.95 362	0.68 352	0.95 370	0.68 359	0.96 373	0.68 350	0.96 372	0.68 352	0.94 356	0.68 326	0.94 375	0.68 358	0.94 351	0.68 349
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MoCha-V2	2.11 472	26.97 554	0.78 342	0.92 320	0.77 375	0.96 367	0.72 359	0.90 351	0.72 362	0.94 368	0.70 363	0.90 365	0.71 357	0.91 363	0.71 360	0.85 345	0.71 335	0.88 368	0.69 360	0.87 340	0.67 348

AIO-Stereo	0.84 343	0.66 217	0.70 329	0.83 309	0.67 362	0.98 368	0.82 371	1.14 374	0.72 362	1.03 377	0.74 371	1.03 381	1.09 386	0.99 374	0.45 305	1.04 362	0.73 337	0.95 377	0.74 367	0.94 351	0.46 303

ToySt	0.92 352	2.11 396	0.90 354	0.95 327	0.79 377	0.99 369	0.78 364	0.94 360	0.81 375	0.94 368	0.78 374	0.95 372	0.77 363	0.94 368	0.86 375	0.91 349	0.79 344	0.85 366	0.77 369	0.89 342	0.73 358

LG-Stereo	0.60 289	0.58 210	0.47 278	0.64 287	0.74 373	1.00 370	0.69 353	0.57 314	0.41 296	0.57 323	0.41 297	0.57 327	0.41 293	1.00 375	0.75 364	0.91 349	0.51 303	0.52 327	0.37 282	0.52 299	0.37 267

GANet	1.00 364	1.00 263	1.00 365	1.00 334	1.00 394	1.00 370	1.00 386	1.00 364	1.00 393	1.00 372	1.00 390	1.00 376	1.00 377	1.00 375	1.00 387	1.00 358	1.00 358	1.00 382	1.00 388	1.00 355	1.00 385

TDLM	1.00 364	1.00 263	1.00 365	1.00 334	1.00 394	1.00 370	1.00 386	1.00 364	1.00 393	1.00 372	1.00 390	1.00 376	1.00 377	1.00 375	1.00 387	1.00 358	1.00 358	1.00 382	1.00 388	1.00 355	1.00 385

CVANet_RVC	1.00 364	1.00 263	1.00 365	1.00 334	1.00 394	1.00 370	1.00 386	1.00 364	1.00 393	1.00 372	1.00 390	1.00 376	1.00 377	1.00 375	1.00 387	1.00 358	1.00 358	1.00 382	1.00 388	1.00 355	1.00 385

trnet	1.01 369	1.01 269	1.01 368	1.01 337	1.01 398	1.01 374	1.01 389	1.01 367	1.01 396	1.01 376	1.01 393	1.01 379	1.01 383	1.01 379	1.01 390	1.01 361	1.01 361	1.01 385	1.01 392	1.01 358	1.01 388

DPSimNet_ROB	0.97 361	1.18 296	0.81 348	1.10 343	0.91 387	1.02 375	0.82 371	1.04 369	0.91 379	1.03 377	0.86 379	1.28 445	0.82 368	1.03 380	0.89 376	1.17 376	0.81 349	1.02 386	0.82 377	1.08 362	0.81 368

AIO-Stereo-zeroshot	0.91 350	0.86 235	0.89 351	1.25 408	0.69 366	1.05 376	0.81 370	1.16 377	0.50 325	1.12 386	0.97 388	0.72 346	0.82 368	1.06 382	0.95 382	0.61 314	0.87 352	1.03 387	0.85 380	1.04 360	1.01 388

TorneroNet	0.66 299	0.53 203	0.50 293	0.50 257	0.64 356	1.06 377	0.70 355	0.50 294	0.51 332	0.49 292	0.69 362	0.49 296	0.50 325	0.48 292	1.15 399	0.71 329	0.49 293	1.14 390	1.08 394	0.49 286	0.49 317

Selective-RAFT	0.89 349	0.89 242	0.72 334	1.16 356	0.78 376	1.06 377	0.82 371	0.87 347	0.97 389	1.00 372	0.91 383	0.90 365	1.00 377	0.89 361	0.93 381	0.83 342	0.83 350	0.82 363	0.82 377	0.81 335	0.82 369

GLC_STEREO	1.07 372	1.01 269	1.06 370	1.07 341	1.05 401	1.06 377	1.08 393	1.08 370	1.05 399	1.07 379	1.06 395	1.08 383	1.05 385	1.06 382	1.10 394	1.07 364	1.09 371	1.05 388	1.05 393	1.06 361	1.12 395

STTRV1_RVC	0.82 336	1.60 365	0.70 329	1.01 337	0.60 347	1.07 380	0.69 353	1.01 367	0.60 340	0.72 342	0.55 343	1.02 380	0.68 350	1.03 380	0.67 348	0.89 348	0.63 321	0.92 373	0.57 342	0.90 344	0.65 344

edge stereo	2.43 496	27.07 555	1.14 374	1.06 340	1.14 404	1.08 381	1.17 401	1.16 377	1.14 400	1.10 381	1.16 401	1.09 385	1.16 395	1.10 388	1.16 402	1.10 367	1.11 375	1.16 392	1.19 402	1.13 364	1.11 393

Nwc_Net	2.37 493	25.95 551	1.15 376	1.14 349	1.15 405	1.08 381	1.14 397	1.17 379	1.16 402	1.14 389	1.15 398	1.08 383	1.15 391	1.11 390	1.14 398	1.10 367	1.11 375	1.16 392	1.09 395	1.16 369	1.15 400

999	1.00 364	1.12 288	0.59 311	1.10 343	1.21 459	1.09 383	0.52 331	1.08 370	1.43 471	1.18 391	1.35 463	0.98 375	0.52 331	0.91 363	0.85 374	0.72 330	1.46 453	0.83 364	0.98 386	0.68 314	1.41 471

RP	2.33 489	25.00 547	1.13 373	1.15 351	1.15 405	1.10 384	1.15 398	1.15 375	1.15 401	1.12 386	1.15 398	1.09 385	1.13 388	1.10 388	1.15 399	1.11 372	1.09 371	1.16 392	1.12 396	1.16 369	1.17 404

RGC	2.36 491	25.48 548	1.19 382	1.15 351	1.15 405	1.10 384	1.16 400	1.17 379	1.16 402	1.12 386	1.16 401	1.11 390	1.13 388	1.09 386	1.18 404	1.10 367	1.15 380	1.16 392	1.12 396	1.14 365	1.12 395

MSMD_ROB	1.19 379	1.10 287	0.70 329	1.10 343	0.60 347	1.10 384	0.70 355	1.10 373	0.70 358	1.10 381	0.70 363	1.10 387	0.70 353	7.00 548	0.70 359	1.10 367	0.70 331	1.10 389	0.70 362	1.10 363	0.70 351

NCC-stereo	2.36 491	25.52 549	1.17 378	1.15 351	1.17 410	1.11 387	1.11 394	1.15 375	1.16 402	1.10 381	1.16 401	1.10 387	1.15 391	1.14 392	1.13 397	1.09 365	1.11 375	1.15 391	1.16 400	1.17 374	1.17 404

Abc-Net	2.32 488	24.75 546	1.14 374	1.17 357	1.17 410	1.11 387	1.15 398	1.17 379	1.21 454	1.08 380	1.16 401	1.12 391	1.14 390	1.09 386	1.17 403	1.09 365	1.16 381	1.17 396	1.17 401	1.16 369	1.11 393
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 489	24.38 545	1.18 380	1.18 358	1.18 412	1.14 389	1.18 402	1.19 382	1.19 408	1.14 389	1.18 405	1.14 392	1.18 396	1.14 392	1.18 404	1.14 375	1.14 379	1.19 400	1.19 402	1.15 367	1.19 408

AF-Net	2.37 493	25.71 550	1.17 378	1.13 348	1.15 405	1.15 390	1.18 402	1.19 382	1.16 402	1.10 381	1.15 398	1.10 387	1.18 396	1.12 391	1.15 399	1.10 367	1.10 374	1.17 396	1.15 398	1.16 369	1.12 395

HSM-Net_RVC	0.95 360	1.17 294	0.78 342	1.18 358	0.71 368	1.16 391	0.75 362	1.09 372	0.80 372	1.10 381	0.75 372	1.17 394	0.74 359	1.17 394	0.80 369	1.13 373	0.73 337	1.17 396	0.77 369	1.16 369	0.72 355
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DisPM	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

CrosDoStereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

PFNet+	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

LCNet	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

HHNet	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

Patchmatch Stereo++	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

STrans-v2	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

TransformOpticalFlow	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

OMP-Stereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

IIG-Stereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

NF-Stereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

OCTAStereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

PSM-softLoss	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

KMStereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

NRIStereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

PSM-adaLoss	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

PSM-AAD	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

FTStereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

ROB_FTStereo_v2	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

ROB_FTStereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

Consistency-Raft	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

KYRaft	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

HUI-Stereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

ASMatch	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

DeepStereo_LL	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

DEmStereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

SST-Stereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

THIR-Stereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

RAFT_R40	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

DRaft	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

PFNet	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

GrayStereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

RE-Stereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

Pruner-Stereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

TVStereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

DeepStereo_RVC	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

RAFT-RH_RVC	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

IRAFT_RVC	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

RAFT-345	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

iRAFT	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

CRE-IMP	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

GMM-Stereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

RAFT-IKP	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

Prome-Stereo	1.20 380	1.20 298	1.20 385	1.20 360	1.20 413	1.20 392	1.20 404	1.20 385	1.20 409	1.20 393	1.20 406	1.20 396	1.20 398	1.20 396	1.20 406	1.20 378	1.20 386	1.20 401	1.20 405	1.20 378	1.20 409

FAT-Stereo	2.46 497	26.05 552	1.23 434	1.23 407	1.22 461	1.20 392	1.24 452	1.23 433	1.23 456	1.19 392	1.22 452	1.21 441	1.24 446	1.20 396	1.24 453	1.21 423	1.17 384	1.22 447	1.25 455	1.20 378	1.24 458

ktn	0.72 313	0.53 203	1.08 371	1.14 349	0.51 337	1.22 438	1.36 462	0.51 303	0.59 339	0.51 308	0.51 338	0.69 342	1.20 398	0.67 338	0.51 329	0.51 299	0.49 293	0.58 333	0.66 353	0.52 299	0.53 327

CroCo-Stereo	0.73 314	1.22 348	0.25 180	1.22 405	0.25 210	1.22 438	0.25 202	1.22 431	0.25 201	1.22 439	0.25 210	1.22 442	0.25 204	1.22 442	0.25 204	1.22 424	0.26 186	1.21 446	0.25 209	1.22 425	0.25 192
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
S-Stereo	2.51 498	26.86 553	1.23 434	1.22 405	1.22 461	1.24 440	1.25 453	1.22 431	1.24 457	1.21 438	1.24 454	1.19 395	1.27 448	1.19 395	1.24 453	1.19 377	1.20 386	1.25 448	1.19 402	1.24 426	1.23 457

AIO-Stereo-zeroshot1	0.75 316	0.92 251	0.85 350	0.96 330	0.59 346	1.27 441	0.44 302	0.59 319	0.69 355	0.91 362	0.68 359	0.55 323	0.61 340	1.06 382	0.83 373	0.62 317	0.70 331	0.90 369	0.41 305	0.89 342	0.56 335

CroCo-Stereo Lap2	0.77 321	1.29 352	0.29 194	1.27 409	0.29 230	1.27 441	0.26 210	1.26 434	0.26 214	1.26 440	0.26 216	1.27 444	0.26 213	1.26 443	0.27 210	1.27 426	0.27 191	1.27 449	0.27 222	1.27 427	0.27 206

11t	1.27 430	2.70 435	1.34 438	1.32 413	0.89 383	1.30 443	1.34 459	1.64 447	0.57 337	1.45 447	0.72 368	1.05 382	1.29 450	1.07 385	1.29 460	1.49 438	1.02 362	0.97 380	1.15 398	1.48 434	1.31 462

ours_stereo	1.20 380	1.21 344	0.90 354	1.64 429	1.11 403	1.35 444	0.67 349	1.76 451	0.93 384	1.70 455	1.10 397	1.39 448	0.75 361	1.41 448	0.81 372	1.60 445	1.03 363	1.33 451	1.00 388	1.61 439	0.72 355

MaskLacGwcNet_RVC	1.35 432	1.35 356	1.35 440	1.35 415	1.35 463	1.35 444	1.35 460	1.36 439	1.35 465	1.36 443	1.35 463	1.36 446	1.36 456	1.36 445	1.35 464	1.35 431	1.35 446	1.35 454	1.35 459	1.35 430	1.35 467

MM-Stereo_test2	1.20 380	1.85 376	1.05 369	1.46 420	0.94 391	1.36 446	0.99 385	1.36 439	0.95 386	1.41 445	0.98 389	1.40 450	0.96 374	1.37 446	0.95 382	1.37 434	1.06 364	1.33 451	0.93 385	1.29 428	0.89 374

CC-Net-ROB	1.36 433	1.33 355	1.33 437	1.36 416	1.38 466	1.36 446	1.33 458	1.37 441	1.34 462	1.35 442	1.36 465	1.38 447	1.34 454	1.38 447	1.38 467	1.35 431	1.38 449	1.33 451	1.35 459	1.43 433	1.34 466

MLG-Stereo	0.92 352	0.90 244	0.84 349	1.27 409	0.49 328	1.38 448	0.88 374	1.41 444	0.97 389	0.73 344	1.09 396	1.26 443	0.43 301	0.72 342	1.05 392	1.13 373	0.49 293	1.18 399	0.66 353	1.01 358	0.46 303

PS-NSSS	1.38 435	1.39 358	1.34 438	1.34 414	1.35 463	1.38 448	1.37 467	1.35 438	1.38 468	1.34 441	1.34 462	1.39 448	1.38 459	1.70 453	1.40 468	1.36 433	1.36 447	1.36 456	1.37 462	1.37 431	1.36 468

HBP-ISP	1.24 428	1.72 368	1.65 466	1.15 351	0.76 374	1.40 450	0.88 374	1.67 450	1.02 397	1.69 454	1.38 468	1.69 456	1.21 444	1.87 461	1.21 451	1.05 363	0.79 344	0.97 380	0.80 374	1.19 377	0.75 362

FC-DCNN	1.07 372	1.09 284	0.98 363	0.89 314	0.52 338	1.41 451	0.91 377	1.21 430	1.24 457	1.96 459	2.05 512	1.91 460	1.30 451	1.27 444	1.08 393	0.80 336	0.60 315	0.58 333	0.41 305	0.68 314	0.54 328

MM-Stereo_test3	1.27 430	2.07 392	1.18 380	1.60 424	1.02 399	1.45 452	1.01 389	1.40 443	1.04 398	1.44 446	1.03 394	1.46 452	1.02 384	1.44 449	1.02 391	1.51 441	1.12 378	1.32 450	0.98 386	1.38 432	0.97 381

RASNet	1.49 436	1.65 366	1.45 456	1.38 418	1.43 469	1.47 453	1.36 462	1.38 442	1.36 466	1.39 444	1.60 478	1.45 451	1.45 462	1.51 450	2.21 507	1.53 442	1.36 447	1.36 456	1.36 461	1.66 442	1.36 468

tt45	1.04 371	0.88 239	1.36 448	0.92 320	1.03 400	1.51 454	0.79 365	0.70 334	0.88 377	0.74 349	0.90 380	1.60 454	0.72 358	1.60 451	0.75 364	0.91 349	0.78 343	1.52 461	0.79 372	1.14 365	1.32 463

DPSMNet_ROB	1.60 439	1.59 364	1.70 468	1.59 423	1.59 474	1.61 455	1.61 477	1.60 445	1.60 474	1.62 453	1.59 477	1.60 454	1.60 464	1.60 451	1.59 474	1.59 443	1.60 467	1.59 462	1.59 479	1.59 438	1.59 480

CFNet-RSSM	0.91 350	4.89 488	0.34 223	0.44 232	1.07 402	1.62 456	1.40 469	0.91 353	0.35 262	1.60 449	1.39 469	0.64 336	0.34 258	0.44 272	0.33 246	0.41 254	0.35 233	0.75 351	0.30 245	0.41 257	0.29 224

ff7	1.68 440	2.68 432	1.35 440	0.97 331	0.89 383	1.84 457	2.15 505	2.12 464	1.80 490	2.05 469	1.56 474	2.33 475	2.12 498	2.23 472	2.25 508	1.31 427	1.07 365	1.48 458	1.41 465	0.90 344	1.04 390

ffff	1.68 440	2.68 432	1.35 440	0.97 331	0.89 383	1.84 457	2.15 505	2.12 464	1.80 490	2.05 469	1.56 474	2.33 475	2.12 498	2.23 472	2.25 508	1.31 427	1.07 365	1.48 458	1.41 465	0.90 344	1.04 390

ccc-4	1.68 440	2.68 432	1.35 440	0.97 331	0.89 383	1.84 457	2.15 505	2.12 464	1.80 490	2.05 469	1.56 474	2.33 475	2.12 498	2.23 472	2.25 508	1.31 427	1.07 365	1.48 458	1.41 465	0.90 344	1.04 390

GANetREF_RVC	1.55 437	1.94 389	1.22 432	1.88 432	1.21 459	1.88 460	1.22 450	1.88 453	1.22 455	1.88 456	1.22 452	1.88 458	1.22 445	1.89 462	1.22 452	1.87 452	1.22 433	1.88 474	1.22 451	1.88 451	1.22 455
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
3.75w	1.99 451	2.31 411	1.83 482	3.16 474	1.65 478	1.93 461	1.98 497	2.72 490	1.68 476	2.73 499	1.97 501	2.00 465	1.72 472	1.81 459	1.25 456	2.27 475	2.01 486	2.38 493	1.42 468	1.71 444	1.24 458

4.5w-stereo	1.99 451	2.33 413	1.81 474	3.28 478	1.68 480	1.94 462	1.99 500	2.72 490	1.70 479	2.72 494	1.99 510	1.97 463	1.68 468	1.76 455	1.29 460	1.91 457	2.02 490	2.53 501	1.61 481	1.75 447	1.16 403

2.75w_new	1.99 451	2.34 417	1.81 474	3.14 472	1.62 476	1.94 462	1.99 500	2.72 490	1.71 480	2.72 494	1.99 510	1.90 459	1.73 473	1.82 460	1.29 460	2.37 482	2.01 486	2.31 488	1.42 468	1.77 448	1.22 455

2w_stereo	1.99 451	2.36 420	1.81 474	3.24 476	1.67 479	1.94 462	1.98 497	2.72 490	1.68 476	2.72 494	1.94 498	1.98 464	1.74 475	1.79 458	1.27 457	1.95 458	2.00 484	2.53 501	1.60 480	1.68 443	1.15 400

4.25_new	2.00 455	2.33 413	1.82 479	3.32 481	1.69 481	1.95 465	1.99 500	2.72 490	1.71 480	2.72 494	1.97 501	2.01 466	1.74 475	1.77 456	1.28 458	2.18 467	2.01 486	2.48 499	1.58 477	1.65 440	1.17 404

4.5w_new	2.00 455	2.33 413	1.82 479	3.32 481	1.69 481	1.95 465	1.99 500	2.72 490	1.71 480	2.72 494	1.97 501	2.01 466	1.74 475	1.77 456	1.28 458	2.18 467	2.01 486	2.48 499	1.58 477	1.65 440	1.17 404

MFMNet_re	1.81 447	1.91 383	1.71 470	1.95 436	1.70 484	1.95 465	1.70 482	1.96 456	1.74 487	1.97 461	1.72 485	1.95 461	1.71 471	1.97 465	1.71 482	1.86 451	1.62 468	1.85 468	1.66 486	1.86 450	1.64 486

SPS-STEREO	1.59 438	1.91 383	1.21 431	1.94 435	1.20 413	2.00 468	1.23 451	1.99 458	1.24 457	2.00 464	1.25 455	2.03 468	1.26 447	2.00 466	1.29 460	1.90 456	1.18 385	1.89 475	1.21 450	1.89 452	1.20 409
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test1	1.80 446	3.41 460	1.52 462	2.12 441	1.41 468	2.04 469	1.41 470	2.05 462	1.46 472	2.04 468	1.41 470	2.05 469	1.42 461	2.05 467	1.43 470	2.04 463	1.54 460	1.94 476	1.38 464	1.99 454	1.33 464

RAFT_CTSACE	1.92 449	3.71 467	1.72 471	1.88 432	1.72 485	2.04 469	1.42 472	2.18 469	1.89 501	2.02 466	1.97 501	1.95 461	2.06 497	1.93 463	1.62 475	1.76 448	1.66 471	2.02 478	1.73 495	1.73 445	1.43 473

4.25w-stereo	1.98 450	2.72 439	1.46 457	3.47 488	1.43 469	2.07 471	1.98 497	2.53 487	1.52 473	2.71 493	1.98 507	1.81 457	1.62 466	1.96 464	1.36 465	1.88 455	2.00 484	2.53 501	1.61 481	1.74 446	1.15 400

MonSter	0.60 289	0.64 216	0.52 301	0.62 282	0.44 312	2.07 471	0.44 302	0.62 324	0.44 306	0.62 331	0.44 310	0.62 335	0.44 303	0.62 329	0.44 304	0.58 309	0.42 271	0.62 336	0.46 317	0.58 306	0.42 296

MC-Stereo	1.76 443	2.96 450	1.37 450	2.14 442	1.37 465	2.14 473	1.36 462	2.14 467	1.37 467	2.14 473	1.37 466	2.14 470	1.37 458	2.14 471	1.37 466	1.97 459	1.32 434	1.97 477	1.32 458	1.98 453	1.33 464

2.25w	2.00 455	1.86 378	1.98 496	2.95 469	2.17 510	2.26 474	1.35 460	2.42 481	2.00 508	2.07 472	1.27 457	2.53 484	1.99 493	2.29 476	1.49 472	2.21 470	1.32 434	1.85 468	1.87 499	2.52 480	1.62 484

4.5_new	2.00 455	1.84 375	1.98 496	2.77 463	2.16 508	2.27 475	1.28 457	2.09 463	1.98 505	2.01 465	1.28 458	2.71 495	1.98 491	2.51 486	1.65 477	2.26 472	1.33 441	1.87 471	1.87 499	2.49 476	1.60 481

NCCL2	2.28 487	2.27 408	2.28 502	2.28 451	2.28 513	2.27 475	2.29 508	2.28 470	2.28 511	2.27 477	2.28 513	2.28 471	2.27 501	2.27 475	2.28 512	2.28 476	2.28 498	2.27 485	2.29 511	2.27 463	2.29 507

TRStereo	2.00 455	2.13 397	1.85 485	2.27 448	1.84 489	2.28 477	1.84 486	2.29 472	1.86 495	2.30 478	1.87 490	2.30 472	1.87 481	2.08 468	1.72 484	2.08 464	1.72 474	2.08 480	1.72 492	2.08 455	1.72 490

XX-Stereo	2.00 455	2.13 397	1.85 485	2.27 448	1.84 489	2.28 477	1.84 486	2.29 472	1.86 495	2.30 478	1.87 490	2.30 472	1.87 481	2.08 468	1.72 484	2.08 464	1.72 474	2.08 480	1.72 492	2.08 455	1.72 490

EAI-Stereo	2.00 455	2.13 397	1.85 485	2.27 448	1.84 489	2.28 477	1.84 486	2.29 472	1.86 495	2.30 478	1.87 490	2.30 472	1.87 481	2.08 468	1.72 484	2.08 464	1.72 474	2.08 480	1.72 492	2.08 455	1.72 490

STTStereo	3.73 513	30.40 559	2.37 506	2.39 454	2.31 515	2.35 480	2.33 509	2.29 472	2.42 512	2.32 481	2.34 514	2.33 475	2.36 502	2.30 477	2.27 511	2.35 481	2.22 497	2.31 488	2.22 508	2.29 465	2.34 511

FBW_ROB	2.12 473	2.46 425	1.77 473	2.49 458	1.79 488	2.38 481	1.83 485	2.46 482	1.78 489	2.48 487	1.97 501	2.40 480	1.78 478	2.42 483	1.83 492	2.31 479	1.85 481	2.38 493	1.82 497	2.35 467	1.84 495

AIO_rvc	2.18 475	2.34 417	1.87 489	2.32 452	1.94 498	2.40 482	1.89 494	2.37 478	2.07 510	2.52 489	1.95 500	2.44 482	1.99 493	2.41 481	1.89 500	2.32 480	2.09 492	2.24 484	2.18 507	2.21 459	2.23 506

IGEV	2.02 463	2.20 403	1.82 479	2.90 468	2.16 508	2.41 483	1.25 453	2.00 459	1.98 505	1.99 463	1.31 460	2.72 499	1.93 487	2.67 494	1.69 481	2.26 472	1.32 434	1.83 467	1.87 499	2.53 483	1.61 483

HUF	2.18 475	2.30 410	1.99 499	2.34 453	2.02 503	2.41 483	2.06 504	2.38 479	1.89 501	2.36 482	1.85 488	2.56 488	1.98 491	2.31 478	1.97 503	2.30 478	2.03 491	2.30 487	2.11 506	2.23 460	2.16 504

AIO_test	2.18 475	2.09 395	2.04 500	2.42 455	2.01 500	2.47 485	1.94 496	2.34 477	2.03 509	2.56 490	1.94 498	2.43 481	1.94 488	2.41 481	1.87 498	2.39 484	2.10 493	2.35 492	1.91 505	2.25 462	2.19 505

4w-stereo	2.02 463	2.72 439	1.44 455	3.36 484	1.59 474	2.48 486	1.72 483	2.28 470	1.24 457	2.24 476	1.65 482	2.56 488	1.32 453	2.39 480	1.98 504	2.67 496	1.51 456	1.66 464	1.24 453	2.53 483	1.88 502

3w_stereo	2.04 468	2.24 407	1.70 468	3.15 473	2.18 512	2.49 487	1.26 455	2.03 461	1.98 505	1.98 462	1.33 461	2.72 499	1.99 493	2.59 489	1.72 484	2.22 471	1.33 441	1.85 468	1.88 504	2.50 478	1.58 479

monsterstereo	2.20 481	2.33 413	1.95 494	3.65 495	2.07 505	2.49 487	1.61 477	2.48 483	1.83 493	2.45 485	1.61 480	2.67 494	1.86 480	2.64 491	1.94 501	2.48 490	1.66 471	2.34 490	1.68 489	2.40 469	1.86 497

asda	2.17 474	2.54 426	1.81 474	3.47 488	1.78 487	2.50 489	1.86 490	2.61 489	1.68 476	2.61 491	1.83 487	2.37 479	1.73 473	2.44 484	1.88 499	2.51 491	1.84 480	2.34 490	1.62 483	2.23 460	1.77 494

UDGNet	2.23 485	5.40 500	1.72 471	2.48 457	1.69 481	2.51 490	1.69 481	2.51 486	1.72 484	2.50 488	1.69 484	2.52 483	1.69 470	2.50 485	1.68 480	2.41 485	1.70 473	2.42 495	1.69 491	2.42 470	1.64 486

qwe	2.18 475	2.60 429	1.58 463	3.83 500	1.90 497	2.53 491	1.90 495	2.48 483	1.73 485	2.37 483	1.92 497	2.53 484	1.68 468	2.56 487	1.83 492	2.52 493	1.87 482	2.07 479	1.68 489	2.32 466	1.71 489

monsters	2.18 475	2.41 423	1.96 495	3.47 488	2.03 504	2.53 491	1.64 479	2.48 483	1.73 485	2.40 484	1.50 473	2.62 491	1.94 488	2.59 489	1.94 501	2.44 486	1.57 462	2.28 486	1.87 499	2.42 470	1.86 497

IGEVStereo-DCA	1.77 444	4.21 480	1.84 483	2.49 458	2.11 506	2.54 493	1.36 462	1.65 448	1.17 406	2.75 500	1.90 495	2.54 486	1.15 391	0.94 368	1.11 395	1.50 439	1.32 434	0.96 378	1.46 471	1.49 435	0.88 372

rrr	1.77 444	4.21 480	1.84 483	2.49 458	2.11 506	2.54 493	1.36 462	1.65 448	1.17 406	2.75 500	1.90 495	2.54 486	1.15 391	0.94 368	1.11 395	1.50 439	1.32 434	0.96 378	1.46 471	1.49 435	0.88 372

asd	2.18 475	2.77 445	1.58 463	3.59 493	2.00 499	2.58 495	1.85 489	2.39 480	1.71 480	2.47 486	1.97 501	2.59 490	1.61 465	2.56 487	1.79 491	2.51 491	1.99 483	2.11 483	1.62 483	2.36 468	1.60 481

3.25w	2.04 468	2.20 403	1.48 458	3.03 470	2.17 510	2.63 496	1.39 468	1.96 456	1.95 504	1.96 459	1.37 466	2.71 495	1.96 490	2.71 495	1.73 489	2.26 472	1.32 434	1.87 471	1.87 499	2.51 479	1.63 485

2.5w	2.01 462	2.40 422	1.37 450	3.28 478	2.01 500	2.71 497	1.43 474	1.82 452	1.83 493	1.90 458	1.41 470	2.71 495	1.35 455	2.71 495	1.85 494	2.66 494	1.53 458	1.64 463	1.23 452	2.53 483	1.87 499

3.25w_new	2.03 465	2.72 439	1.35 440	3.33 483	1.57 472	2.72 498	1.53 476	2.15 468	1.33 461	2.15 474	1.60 478	2.63 492	1.30 451	2.72 497	1.99 505	2.67 496	1.53 458	1.75 466	1.25 455	2.53 483	1.87 499

3.5w_stereo	2.03 465	2.72 439	1.35 440	3.41 485	1.57 472	2.72 498	1.49 475	2.01 460	1.34 462	2.15 474	1.61 480	2.63 492	1.36 456	2.72 497	1.99 505	2.66 494	1.58 463	1.68 465	1.24 453	2.53 483	1.87 499

1w_stereo	2.05 470	2.32 412	1.35 440	3.74 499	2.01 500	2.73 500	1.42 472	1.88 453	1.93 503	2.03 467	1.28 458	2.71 495	1.99 493	2.72 497	1.72 484	2.20 469	1.32 434	1.87 471	1.86 498	2.45 472	1.54 474

sCroCo_RVC	2.10 471	2.76 443	1.92 493	2.78 466	1.39 467	2.73 500	1.41 470	2.73 496	1.40 469	2.77 505	1.41 470	2.74 501	1.40 460	2.74 500	1.40 468	2.72 498	1.42 451	2.72 504	1.44 470	2.79 490	1.42 472

LG-G_1	2.22 482	2.71 437	1.89 490	2.77 463	1.87 495	2.75 502	1.87 492	2.76 498	1.87 499	2.75 500	1.87 490	2.76 502	1.87 481	2.75 501	1.86 495	2.47 488	1.58 463	2.45 496	1.57 474	2.45 472	1.57 477

LG-G	2.22 482	2.71 437	1.89 490	2.77 463	1.87 495	2.75 502	1.87 492	2.76 498	1.87 499	2.75 500	1.87 490	2.76 502	1.87 481	2.75 501	1.86 495	2.47 488	1.58 463	2.45 496	1.57 474	2.45 472	1.57 477

LGtest1	2.22 482	2.70 435	1.89 490	2.76 462	1.86 492	2.75 502	1.86 490	2.75 497	1.86 495	2.75 500	1.86 489	2.77 504	1.87 481	2.75 501	1.86 495	2.46 487	1.58 463	2.45 496	1.56 473	2.45 472	1.56 476

NLCA_NET_v2_RVC	5.04 541	50.87 569	2.78 508	2.87 467	2.71 516	2.78 505	0.47 313	2.88 503	2.86 516	1.89 457	2.67 515	2.79 505	2.79 506	2.78 504	2.83 513	2.82 499	2.82 501	2.83 505	2.77 514	2.83 491	2.76 515
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RAFT+CT+SA	4.28 528	7.62 516	4.91 534	5.55 524	2.28 513	3.09 506	3.64 534	4.49 520	3.07 522	4.80 532	3.35 529	4.77 535	3.70 525	4.29 519	3.05 516	5.58 533	5.98 534	3.58 511	3.78 537	4.26 502	3.72 535

plain	1.88 448	3.16 455	0.64 319	3.10 471	0.65 358	3.10 507	0.64 342	3.12 505	0.65 348	3.10 506	0.65 355	3.11 506	0.65 344	3.12 505	0.65 344	3.12 501	0.65 324	3.13 506	0.65 351	3.13 492	0.65 344

MIF-Stereo (partial)	2.58 500	3.31 459	0.66 323	3.18 475	0.66 361	3.18 508	0.66 345	3.21 506	0.67 351	3.19 507	0.66 357	3.19 507	0.66 347	3.31 509	0.68 352	5.09 530	1.79 478	8.23 549	1.67 487	6.18 533	1.38 470

Anonymous3	2.55 499	3.26 458	1.65 466	3.28 478	1.63 477	3.24 509	1.68 480	3.27 507	1.66 475	3.28 508	1.67 483	3.25 508	1.66 467	3.27 507	1.64 476	3.26 502	1.65 470	3.30 507	1.65 485	4.95 524	1.65 488

UniTT-Stereo	2.03 465	3.43 461	0.72 334	3.42 486	0.73 371	3.27 510	0.68 350	3.38 509	0.69 355	3.29 509	0.72 368	3.28 509	0.70 353	3.35 510	0.68 352	3.39 503	0.68 326	3.31 508	0.69 360	3.37 493	0.73 358

Sa-1000	4.34 531	8.37 519	6.84 544	6.98 534	4.45 544	3.58 511	3.00 515	3.42 510	3.39 530	2.61 491	4.00 539	3.83 514	4.01 532	3.90 514	3.90 535	5.98 537	5.62 532	3.76 514	2.34 512	4.35 504	2.47 514

SA	4.33 530	7.35 513	6.85 545	5.96 527	4.09 541	3.59 512	3.15 529	3.82 514	2.64 513	3.91 512	3.85 536	3.57 510	2.72 505	3.13 506	4.03 537	7.09 544	6.86 539	3.57 510	3.12 526	3.85 496	3.51 533

DPSNet	3.66 512	3.60 463	3.62 527	3.63 494	3.64 536	3.65 513	3.65 535	3.66 512	3.67 532	3.67 511	3.65 533	3.67 512	3.66 523	3.66 511	3.68 530	3.68 506	3.66 519	3.67 512	3.68 535	3.67 494	3.67 534

RAStereo	2.23 485	3.64 464	0.76 340	3.65 495	0.86 381	3.66 514	0.76 363	3.67 513	0.81 375	3.66 510	0.76 373	3.66 511	0.77 363	3.68 512	0.77 366	3.68 506	0.77 342	3.69 513	0.77 369	3.70 495	0.77 364

StereoVision	3.15 508	5.00 489	0.89 351	4.83 516	1.00 394	3.93 515	1.27 456	6.37 542	1.34 462	5.67 542	1.26 456	5.84 543	1.27 448	5.03 539	1.24 453	5.10 531	1.09 371	4.61 525	0.57 342	5.62 531	1.12 395

TestStereo1	4.60 532	8.41 520	6.44 542	6.86 532	3.79 538	3.97 516	3.78 537	3.99 516	3.74 534	3.97 513	3.52 531	3.94 515	3.58 520	3.98 515	3.72 532	6.82 541	6.50 537	3.76 514	3.66 533	3.90 497	3.74 537

SA-5K	4.60 532	8.41 520	6.44 542	6.86 532	3.79 538	3.97 516	3.78 537	3.99 516	3.74 534	3.97 513	3.52 531	3.94 515	3.58 520	3.98 515	3.72 532	6.82 541	6.50 537	3.76 514	3.66 533	3.90 497	3.74 537

test_3	5.01 540	8.86 525	7.77 548	8.09 537	2.76 517	4.13 518	4.05 541	3.88 515	3.76 536	4.33 517	4.13 540	3.71 513	3.91 529	4.21 518	4.06 538	7.93 545	7.69 542	4.53 518	3.91 538	4.17 501	4.29 543

test_4	4.88 538	8.13 518	6.98 546	7.46 535	4.44 543	4.25 519	3.85 539	4.04 518	3.92 538	4.13 515	3.91 537	4.18 518	3.84 528	4.14 517	4.06 538	7.01 543	7.13 540	4.53 518	3.72 536	4.09 500	3.72 535

raft_robust	4.71 536	7.75 517	5.40 539	6.81 531	3.31 530	4.28 520	4.20 542	4.32 519	4.37 543	4.35 518	4.35 542	4.14 517	3.75 527	4.30 520	4.20 540	6.67 540	6.37 535	3.36 509	4.24 543	4.86 522	3.25 530

rvit_105_1	3.83 514	5.22 493	3.01 510	4.53 504	3.01 518	4.51 521	3.01 516	4.56 522	3.04 517	4.53 521	3.03 518	4.55 523	3.03 507	4.56 522	3.04 514	4.57 514	3.05 503	4.57 520	3.05 518	4.57 508	3.05 518

cross-raft	4.83 537	7.52 514	6.43 541	6.63 530	3.96 540	4.51 521	3.99 540	4.49 520	3.96 539	4.52 519	3.96 538	4.50 520	3.97 531	4.50 521	3.97 536	6.65 539	6.44 536	4.33 517	3.92 539	4.35 504	3.91 540

rvit_0105_6	3.87 518	5.73 507	3.10 520	4.69 514	3.12 528	4.54 523	3.02 517	4.56 522	3.04 517	4.54 523	3.03 518	4.54 521	3.04 510	4.56 522	3.05 516	4.58 517	3.05 503	4.58 522	3.05 518	4.58 509	3.05 518

rvit_0105_4	3.91 521	5.47 504	3.02 513	4.54 507	3.02 519	4.54 523	3.03 521	4.75 532	3.17 528	4.57 525	3.06 521	4.61 529	3.16 518	4.65 529	3.09 522	4.66 521	3.11 510	4.68 529	3.18 528	4.81 519	3.16 528

rvit_stereo_0081_aga	3.86 516	5.33 497	3.02 513	4.55 510	3.04 524	4.54 523	3.02 517	4.64 529	3.06 521	4.54 523	3.04 520	4.62 530	3.08 514	4.62 528	3.07 519	4.58 517	3.06 507	4.60 524	3.08 522	4.63 512	3.07 522

rvit_stereo_0082	3.86 516	5.82 508	3.01 510	4.53 504	3.03 520	4.54 523	3.02 517	4.56 522	3.04 517	4.53 521	3.02 516	4.55 523	3.04 510	4.57 525	3.05 516	4.57 514	3.05 503	4.58 522	3.05 518	4.58 509	3.06 521

rvit_stereo_0081	3.83 514	5.23 494	3.01 510	4.53 504	3.03 520	4.55 527	3.02 517	4.56 522	3.04 517	4.52 519	3.02 516	4.54 521	3.03 507	4.56 522	3.04 514	4.57 514	3.05 503	4.57 520	3.05 518	4.58 509	3.05 518

rvit_stereo_0080	3.89 519	5.70 505	3.04 515	4.54 507	3.03 520	4.56 528	3.05 523	4.60 526	3.07 522	4.58 526	3.06 521	4.59 525	3.06 512	4.61 526	3.08 520	4.63 519	3.09 508	4.64 526	3.10 523	4.65 513	3.10 523

whm_eth	3.89 519	5.70 505	3.04 515	4.54 507	3.03 520	4.56 528	3.05 523	4.60 526	3.07 522	4.58 526	3.06 521	4.59 525	3.06 512	4.61 526	3.08 520	4.63 519	3.09 508	4.64 526	3.10 523	4.65 513	3.10 523

rvit_0105_3	3.91 521	5.33 497	3.06 518	4.60 512	3.07 526	4.60 530	3.06 525	4.62 528	3.08 525	4.60 528	3.07 524	4.62 530	3.08 514	4.67 530	3.10 523	4.70 522	3.11 510	4.77 533	3.19 529	4.77 518	3.14 527

rvit_stereo_ft	3.93 524	5.44 502	3.05 517	4.59 511	3.06 525	4.61 531	3.08 526	4.67 531	3.12 527	4.63 530	3.10 526	4.65 532	3.11 516	4.69 532	3.13 524	4.70 522	3.14 512	4.71 531	3.15 527	4.74 516	3.16 528

rvit_stereo_0083	3.92 523	5.30 496	3.06 518	4.61 513	3.09 527	4.67 532	3.08 526	4.66 530	3.09 526	4.62 529	3.10 526	4.66 533	3.11 516	4.67 530	3.16 525	4.72 524	3.16 513	4.77 533	3.11 525	4.66 515	3.11 525

sAnonymous2	3.31 510	2.63 430	1.38 452	3.71 497	1.86 492	4.70 533	1.11 394	4.82 535	2.72 514	5.45 540	1.98 507	4.59 525	2.64 503	2.65 492	6.21 546	4.37 508	1.08 369	5.16 539	2.24 509	4.52 506	2.39 512

CroCo_RVC	3.31 510	2.63 430	1.38 452	3.71 497	1.86 492	4.70 533	1.11 394	4.82 535	2.72 514	5.45 540	1.98 507	4.59 525	2.64 503	2.65 492	6.21 546	4.37 508	1.08 369	5.16 539	2.24 509	4.52 506	2.39 512

rvit_0105_5	4.10 525	5.40 500	3.13 523	4.71 515	3.15 529	4.72 535	3.10 528	4.90 537	3.27 529	4.69 531	3.16 528	4.84 537	3.25 519	4.96 536	3.34 527	5.05 529	3.39 518	5.10 538	3.40 530	5.11 526	3.42 531

MLG-Stereo_test3	4.26 527	4.85 487	3.95 530	5.35 522	3.60 534	4.75 536	3.76 536	5.49 541	3.71 533	5.39 538	3.69 534	4.82 536	3.66 523	4.85 533	3.73 534	4.93 525	3.19 516	4.69 530	2.99 517	4.84 521	2.98 517

DispFullNet	4.61 534	4.84 486	3.12 521	5.00 519	3.57 533	4.75 536	3.03 521	7.75 548	4.17 541	4.91 535	3.09 525	6.20 544	3.95 530	6.71 544	3.51 528	5.30 532	3.67 520	5.86 545	3.63 532	5.61 530	3.46 532

TestStereo	4.88 538	4.75 485	4.79 533	4.87 518	4.92 545	4.81 538	4.90 545	4.78 533	4.77 544	4.87 534	4.89 544	4.90 538	4.91 537	4.99 537	4.79 542	4.98 527	4.87 528	4.87 536	4.92 545	5.00 525	5.00 544

MLG-Stereo_test1	4.25 526	5.34 499	3.61 526	5.31 521	3.63 535	5.23 539	3.57 533	5.38 540	3.65 531	5.23 537	3.47 530	4.76 534	3.74 526	4.85 533	3.71 531	4.96 526	3.18 515	4.71 531	2.92 515	4.86 522	2.90 516

test_5	4.62 535	7.55 515	6.23 540	6.32 529	3.40 532	5.29 540	3.50 532	3.53 511	4.11 540	4.28 516	4.47 543	4.26 519	4.38 535	3.68 512	3.24 526	5.89 535	5.60 531	4.84 535	3.50 531	4.33 503	3.93 541

MaDis-Stereo	3.19 509	6.02 510	1.12 372	5.61 525	1.16 409	5.43 541	1.02 391	5.15 539	0.70 358	5.43 539	1.21 451	5.03 540	0.97 375	4.85 533	0.99 386	4.53 512	1.16 381	5.53 541	1.25 455	5.37 529	1.30 461

MLG-Stereo_test2	4.28 528	5.46 503	3.69 528	4.86 517	3.72 537	5.58 542	3.42 531	4.81 534	3.77 537	4.85 533	3.72 535	5.55 542	3.63 522	5.58 540	3.53 529	4.41 511	3.28 517	4.99 537	2.95 516	4.75 517	3.13 526

test-1	6.46 545	9.16 527	8.03 551	8.09 537	5.62 548	6.11 543	6.35 548	6.85 545	4.94 545	6.08 543	6.29 550	4.98 539	6.43 542	6.22 541	6.36 548	6.16 538	7.47 541	5.82 543	5.44 548	7.11 538	5.68 547

SGM-Forest	5.21 544	5.92 509	4.08 531	6.18 528	4.16 542	6.31 544	4.34 543	6.50 543	4.33 542	6.14 544	4.21 541	6.61 547	4.55 536	6.67 543	4.48 541	5.94 536	3.94 522	5.85 544	4.03 541	5.79 532	4.17 542
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FC-DCNN v2	5.10 542	5.15 491	4.49 532	5.07 520	3.37 531	6.87 545	4.75 544	5.04 538	6.34 548	7.84 548	5.06 545	6.72 548	4.09 533	4.99 537	5.44 545	5.03 528	3.16 513	4.67 528	4.86 544	5.15 527	3.89 539

RAFT	6.73 547	9.36 528	7.40 547	8.51 540	6.55 549	6.88 546	6.60 549	6.79 544	6.60 549	6.80 545	6.72 551	5.31 541	5.50 540	6.61 542	6.61 549	8.42 547	5.89 533	5.73 542	5.45 549	6.61 534	6.24 548

test-v	7.53 549	11.89 536	7.98 549	9.36 543	7.14 550	7.06 547	7.09 550	7.37 546	6.91 550	7.29 546	5.71 548	6.45 545	6.93 543	6.73 545	7.27 550	8.93 550	7.85 543	6.98 546	6.80 550	7.56 539	7.34 550

test-2	7.53 549	11.89 536	7.98 549	9.36 543	7.14 550	7.06 547	7.09 550	7.37 546	6.91 550	7.29 546	5.71 548	6.45 545	6.93 543	6.73 545	7.27 550	8.93 550	7.85 543	6.98 546	6.80 550	7.56 539	7.34 550

rvit_stereo_0075_2	6.64 546	8.80 524	5.25 536	7.89 536	5.27 547	7.90 549	5.27 546	7.92 549	5.28 546	7.91 549	5.29 547	7.93 549	5.27 538	7.92 549	5.28 543	7.93 545	5.28 530	7.93 548	5.29 547	7.93 541	5.28 546

U	5.15 543	8.49 522	1.81 474	8.49 539	1.77 486	8.49 550	1.77 484	8.51 550	1.77 488	8.49 550	1.77 486	8.50 550	1.78 478	8.58 550	1.77 490	8.54 548	1.78 477	8.55 550	1.78 496	8.55 544	1.84 495

SGM+DAISY	7.06 548	9.15 526	5.38 538	8.84 541	5.18 546	8.80 551	5.31 547	8.79 551	5.28 546	8.89 551	5.20 546	8.93 551	5.33 539	8.95 551	5.36 544	8.70 549	5.21 529	8.74 551	5.20 546	8.89 545	5.15 545

rafts_anoy	20.00 553	20.00 538	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553

raft+_RVC	20.00 553	20.00 538	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553

raftrobust	20.00 553	20.00 538	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553

CasAABBNet	20.00 553	20.00 538	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553

RALCasStereoNet	20.00 553	20.00 538	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553

RALAANet	20.00 553	20.00 538	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553	20.00 552	20.00 553

MANE	19.05 552	23.00 544	15.00 552	23.00 558	15.00 552	24.00 558	16.00 552	24.00 558	16.00 552	22.00 558	15.00 552	23.00 558	16.00 552	23.00 558	15.00 552	22.00 558	15.00 552	22.00 558	15.00 552	22.00 558	15.00 552

111	30.40 559	30.94 560	29.72 560	32.61 559	30.02 560	33.57 559	30.47 560	31.50 559	29.39 560	30.98 559	29.11 560	29.78 559	30.39 563	29.45 559	30.76 563	30.08 559	29.02 560	29.92 559	30.32 563	29.86 559	30.17 560

DCANet-4	35.22 561	34.54 561	35.08 566	33.58 563	35.47 567	34.55 560	35.53 567	36.08 565	35.85 564	35.92 565	35.77 566	35.18 565	35.48 565	35.39 565	37.15 569	34.55 565	33.92 564	35.02 566	34.90 565	35.79 563	34.74 567

fff	1000028.16 579	29.62 556	29.72 560	32.61 559	30.02 560	35.13 561	31.83 561	32.07 560	10000000.00 579	35.27 562	29.82 561	32.45 560	30.15 560	32.35 560	30.09 560	31.04 560	29.55 561	30.64 560	30.14 560	10000000.00 579	30.77 561

csc	1000028.16 579	29.62 556	29.72 560	32.61 559	30.02 560	35.13 561	31.83 561	32.07 560	10000000.00 579	35.27 562	29.82 561	32.45 560	30.15 560	32.35 560	30.09 560	31.04 560	29.55 561	30.64 560	30.14 560	10000000.00 579	30.77 561

cscssc	1000028.16 579	29.62 556	29.72 560	32.61 559	30.02 560	35.13 561	31.83 561	32.07 560	10000000.00 579	35.27 562	29.82 561	32.45 560	30.15 560	32.35 560	30.09 560	31.04 560	29.55 561	30.64 560	30.14 560	10000000.00 579	30.77 561

ADStereo(finetuned)	36.13 562	36.63 565	38.07 570	36.97 564	33.25 564	35.91 564	34.45 564	36.36 566	32.99 561	38.14 570	36.71 567	36.69 566	34.13 564	38.57 570	40.79 570	37.60 570	36.58 567	35.90 567	33.36 564	35.42 562	34.04 564

tt	500032.53 577	34.60 562	29.72 560	37.47 568	34.41 565	36.85 565	35.22 565	34.71 563	33.55 562	34.50 560	35.43 564	33.81 563	10000000.00 580	33.57 563	33.13 564	33.68 563	35.00 565	34.03 564	35.26 566	30.96 560	34.63 565

DCANet	500032.53 577	34.60 562	29.72 560	37.47 568	34.41 565	36.85 565	35.22 565	34.71 563	33.55 562	34.50 560	35.43 564	33.81 563	10000000.00 580	33.57 563	33.13 564	33.68 563	35.00 565	34.03 564	35.26 566	30.96 560	34.63 565

Reg-Stereo(zero)	37.00 563	37.00 566	37.00 567	37.00 565	37.00 568	37.00 567	37.00 568	37.00 567	37.00 565	37.00 566	37.00 568	37.00 567	37.00 566	37.00 566	37.00 566	37.00 567	37.00 568	37.00 568	37.00 568	37.00 564	37.00 568

HI	37.00 563	37.00 566	37.00 567	37.00 565	37.00 568	37.00 567	37.00 568	37.00 567	37.00 565	37.00 566	37.00 568	37.00 567	37.00 566	37.00 566	37.00 566	37.00 567	37.00 568	37.00 568	37.00 568	37.00 564	37.00 568

CoSv	37.00 563	37.00 566	37.00 567	37.00 565	37.00 568	37.00 567	37.00 568	37.00 567	37.00 565	37.00 566	37.00 568	37.00 567	37.00 566	37.00 566	37.00 566	37.00 567	37.00 568	37.00 568	37.00 568	37.00 564	37.00 568

WCMA_ROB	31.10 560	35.43 564	27.12 559	39.51 570	23.10 559	38.78 570	25.30 559	37.49 570	25.39 559	37.29 569	27.02 559	38.52 570	26.48 559	37.80 569	26.44 559	36.28 566	22.65 559	33.90 563	22.30 559	37.10 567	24.18 559

MDST_ROB	69.83 566	87.70 570	41.95 571	113.75 573	65.62 573	75.05 571	55.25 572	75.64 572	45.04 568	71.61 571	41.75 571	72.81 571	44.06 569	68.38 571	44.63 571	101.89 573	59.57 573	107.10 573	61.05 573	104.38 570	59.38 573

CBMV	128.50 568	1422.70 581	53.10 572	79.50 572	51.30 572	77.30 572	49.70 571	74.00 571	48.20 569	77.20 572	48.80 572	73.90 572	48.00 570	73.80 572	48.80 572	70.40 572	45.10 572	68.90 572	46.10 572	68.20 569	45.00 572
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 569	171.00 575	160.68 577	162.58 574	160.59 574	164.01 573	160.35 574	158.51 574	158.56 571	158.34 573	160.12 574	158.56 573	159.92 572	157.26 574	158.94 574	154.38 574	158.36 574	155.75 574	159.13 575	153.67 571	154.07 574
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
NOSS_ROB	102.95 567	153.00 574	121.00 574	51.00 571	44.00 571	165.00 574	127.00 573	153.00 573	119.00 570	164.00 574	125.00 573	168.00 574	120.00 571	153.00 573	117.00 573	49.00 571	44.00 571	49.00 571	44.00 571	49.00 568	44.00 571

AE-Stereo	201.80 570	123.00 571	115.00 573	219.00 575	218.00 576	223.00 575	244.00 576	217.00 575	236.00 573	202.00 575	203.00 575	205.00 575	208.00 573	225.00 575	204.00 575	210.00 575	198.00 575	197.00 575	184.00 576	204.00 572	201.00 575

MGS-Stereo	239.45 571	123.00 571	135.00 575	266.00 576	286.00 577	277.00 576	305.00 577	271.00 576	242.00 574	274.00 576	279.00 577	255.00 576	270.00 575	268.00 576	297.00 577	221.00 576	247.00 577	216.00 576	123.00 574	217.00 573	217.00 577

EGLCR-Stereo	246.90 572	129.00 573	139.00 576	266.00 576	286.00 577	277.00 576	305.00 577	271.00 576	242.00 574	274.00 576	279.00 577	255.00 576	270.00 575	268.00 576	297.00 577	230.00 577	247.00 577	216.00 576	223.00 578	237.00 574	227.00 578

DLCB_ROB	284.23 573	354.61 577	207.27 578	363.24 578	206.46 575	364.72 578	210.41 575	364.72 578	210.41 572	364.81 578	208.64 576	364.81 578	208.64 574	364.72 578	210.41 576	354.70 578	205.53 576	354.70 578	205.53 577	354.70 575	205.53 576

LE_ROB	396.57 574	471.28 578	329.84 579	471.48 579	308.15 579	526.83 579	322.10 579	488.15 579	323.76 576	495.46 579	317.97 579	497.17 579	320.10 577	481.62 579	326.76 579	462.71 579	298.97 579	466.16 579	285.98 579	447.62 576	289.21 579

SGM-ForestM	596.69 575	677.77 579	444.52 580	699.85 580	517.25 580	732.94 580	488.29 580	770.79 580	460.11 577	750.81 580	487.98 580	792.79 580	499.41 578	730.90 580	475.81 580	720.03 580	491.16 580	663.96 580	418.60 580	674.76 577	436.05 580

CBMV_ROB	818.48 576	913.88 580	709.52 581	862.84 581	597.78 581	1073.99 581	700.52 581	1015.66 581	702.59 578	1115.65 581	760.02 581	1130.24 581	721.57 579	1037.41 581	692.65 581	814.05 581	564.29 581	843.28 581	595.31 581	915.51 578	602.92 581

111111	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 580	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582

SGD-Stereo	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 580	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582

IGEV-Stereo++	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 580	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582

IGEV-BASED-STEREO-	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 580	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582

IGEV-Stereo+	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 580	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582

SDNR	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 580	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582

anonymousdsp2	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 580	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582

anonymousdsp	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 580	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582

test_example2	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 580	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582

DIP-Stereo	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 580	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 582	10000000.00 579	10000000.00 582
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark