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	0.15 119	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	0.67 342	0.02 15	0.69 324	0.75 345	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	0.20 160	0.23 144	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	0.23 169	0.21 170	0.02 18	0.01 9	0.01 10	0.01 10

psmg	0.43 239	1.91 377	0.92 352	1.91 428	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	1.97 453	1.44 446	0.04 71	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 187	1.29 348	1.19 376	1.36 410	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	1.26 419	1.21 426	0.03 38	0.09 104	0.02 20	0.09 102

SFCPSM	0.17 130	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	0.79 361	0.02 15	0.75 334	0.76 347	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 154	1.31 350	0.74 331	0.92 314	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	0.87 341	0.75 334	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	1.01 331	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 69	0.09 100	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	0.90 309	0.06 101	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 122	0.36 261	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 421	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 83	0.04 73	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

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 71	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	1.05 278	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	1.05 278	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	1.05 278	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	1.00 262	0.11 90	0.11 74	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	1.07 281	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 74	0.03 51

test_sample4	0.10 63	1.03 274	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	1.03 274	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 71	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	1.01 268	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	0.14 108	1.83 368	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.04 79	0.03 40	0.03 52	0.03 42	0.03 52	0.06 83	0.04 73	0.12 91	0.11 95	0.05 81	0.04 75	0.05 86	0.04 76

DualNet	0.10 63	1.07 281	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 74	0.03 51

ttt	0.10 63	1.09 283	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	1.01 268	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 84	1.15 290	0.15 141	0.14 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 140	0.03 38	0.03 54	0.03 43	0.03 51

Wz-Net-LNSev-Ref	0.11 84	0.44 168	0.33 210	0.39 193	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	0.39 237	0.36 231	0.02 18	0.02 20	0.02 20	0.02 20

222	0.10 63	0.99 261	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 74	0.03 51

xxxx	0.11 84	1.16 291	0.16 142	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	0.16 142	0.03 38	0.04 75	0.04 74	0.04 76

test_xeample	0.10 63	1.09 283	0.13 121	0.12 80	0.03 48	0.03 40	0.03 50	0.04 74	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 137	0.03 38	0.03 54	0.03 43	0.03 51

BEATNet_4x	0.11 84	0.03 31	0.03 37	1.60 418	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 78	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 84	0.03 31	0.03 37	1.60 418	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 78	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCRef	0.12 93	0.03 31	0.04 44	1.71 424	0.04 77	0.03 40	0.03 50	0.04 74	0.04 79	0.04 71	0.03 52	0.04 74	0.03 52	0.06 83	0.04 73	0.04 44	0.04 45	0.04 71	0.04 75	0.03 43	0.04 76

AnyNet_C32	0.14 108	0.04 37	0.03 37	2.22 439	0.04 77	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 74	0.02 21	0.07 97	0.04 73	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	0.10 112	0.03 40	0.03 50	0.05 84	0.03 55	0.04 71	0.03 52	0.05 86	0.03 52	0.04 69	0.03 48	0.15 123	0.10 73	0.17 144	0.13 148	0.11 114	0.11 119

1111x	0.10 63	1.14 288	0.13 121	0.14 97	0.03 48	0.04 75	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 77	0.04 75	0.05 88	0.04 74	0.04 79	0.12 117	0.04 86	0.06 92	0.04 82	0.04 69	0.04 73	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

EDNetEfficient	0.04 38	0.05 49	0.04 44	0.04 37	0.03 48	0.04 75	0.03 50	0.04 74	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.04 69	0.03 48	0.05 51	0.03 36	0.05 81	0.03 54	0.04 74	0.03 51

FADNet-RVC-Resample	0.12 93	0.04 37	0.04 44	0.04 37	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.04 86	0.04 74	0.04 82	0.04 69	1.57 467	0.04 44	0.04 45	0.04 71	0.05 90	0.04 74	0.06 96

FADNet_RVC	0.12 93	0.04 37	0.04 44	0.05 43	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.04 86	0.04 74	0.05 89	0.04 69	1.65 471	0.05 51	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

FADNet-RVC	0.13 99	0.04 37	0.04 44	0.04 37	0.04 77	0.04 75	0.05 88	0.04 74	0.04 79	0.04 71	0.05 95	0.04 74	0.05 89	0.04 69	1.71 476	0.04 44	0.04 45	0.04 71	0.04 75	0.07 98	0.04 76

FADNet	0.12 93	0.05 49	0.04 44	0.04 37	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.04 86	0.04 74	0.05 89	0.04 69	1.66 473	0.06 55	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

ADCP+	0.15 119	0.04 37	0.04 44	2.20 438	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.05 95	0.04 74	0.04 82	0.08 100	0.04 73	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

ADCPNet	0.10 63	0.03 31	0.04 44	1.27 403	0.03 48	0.04 75	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.08 100	0.04 73	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 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.04 86	0.04 74	0.04 82	0.04 69	0.04 73	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
APVNet	0.09 52	0.05 49	0.04 44	0.05 43	0.04 77	0.05 85	0.90 370	0.06 89	0.04 79	0.05 87	0.04 86	0.05 86	0.04 82	0.05 78	0.04 73	0.05 51	0.04 45	0.05 81	0.04 75	0.05 86	0.05 91

EDNetEfficientorigin	0.04 38	0.06 54	0.04 44	0.05 43	0.04 77	0.05 85	0.04 78	0.05 84	0.04 79	0.05 87	0.04 86	0.05 86	0.04 82	0.05 78	0.04 73	0.05 51	0.03 36	0.06 88	0.03 54	0.04 74	0.03 51

DFGA-Net	0.05 41	0.06 54	0.04 44	0.06 46	0.04 77	0.06 87	0.04 78	0.06 89	0.04 79	0.06 91	0.04 86	0.06 92	0.04 82	0.06 83	0.04 73	0.06 55	0.04 45	0.05 81	0.04 75	0.05 86	0.04 76

qqq1	0.25 154	3.70 459	0.14 126	0.14 97	0.04 77	0.06 87	0.05 88	0.06 89	0.05 93	0.06 91	0.05 95	0.04 74	0.05 89	0.06 83	0.05 84	0.13 107	0.12 110	0.06 88	0.05 90	0.03 43	0.04 76

fff1	0.25 154	3.70 459	0.14 126	0.14 97	0.04 77	0.06 87	0.05 88	0.06 89	0.05 93	0.06 91	0.05 95	0.04 74	0.05 89	0.06 83	0.05 84	0.13 107	0.12 110	0.06 88	0.05 90	0.03 43	0.04 76

11t1	0.17 130	2.16 394	0.13 121	0.13 93	0.04 77	0.06 87	0.04 78	0.06 89	0.04 79	0.06 91	0.03 52	0.06 92	0.03 52	0.06 83	0.05 84	0.18 147	0.12 110	0.06 88	0.03 54	0.05 86	0.03 51

ffm	0.25 154	3.83 465	0.12 101	0.12 80	0.05 93	0.06 87	0.05 88	0.06 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 89	0.06 83	0.05 84	0.12 91	0.12 110	0.05 81	0.04 75	0.06 90	0.04 76

ff1	0.25 154	3.83 465	0.12 101	0.12 80	0.05 93	0.06 87	0.05 88	0.06 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 89	0.06 83	0.05 84	0.12 91	0.12 110	0.05 81	0.04 75	0.06 90	0.04 76

mmx	0.25 154	3.83 465	0.12 101	0.12 80	0.05 93	0.06 87	0.05 88	0.06 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 89	0.06 83	0.05 84	0.12 91	0.12 110	0.05 81	0.04 75	0.06 90	0.04 76

qqq	0.16 127	2.01 385	0.12 101	0.15 107	0.04 77	0.06 87	0.05 88	0.06 89	0.04 79	0.06 91	0.03 52	0.06 92	0.03 52	0.06 83	0.03 48	0.12 91	0.14 137	0.04 71	0.04 75	0.03 43	0.03 51

AASNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 93	0.06 87	0.05 88	0.05 84	0.06 101	0.06 91	0.06 101	0.05 86	0.06 101	0.06 83	0.05 84	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

SACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 93	0.06 87	0.05 88	0.05 84	0.06 101	0.06 91	0.06 101	0.05 86	0.06 101	0.06 83	0.05 84	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

AACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 93	0.06 87	0.05 88	0.05 84	0.06 101	0.06 91	0.06 101	0.05 86	0.06 101	0.06 83	0.05 84	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

FINET	0.07 49	0.08 59	0.07 59	0.07 47	0.07 102	0.08 98	0.06 100	0.08 102	0.07 104	0.08 99	0.07 104	0.08 99	0.06 101	0.07 97	0.07 95	0.08 60	0.07 57	0.07 93	0.07 98	0.06 90	0.06 96

GwcNet	0.12 93	0.07 58	0.05 58	0.08 49	0.05 93	0.08 98	1.20 398	0.07 99	0.05 93	0.05 87	0.05 95	0.08 99	0.05 89	0.08 100	0.03 48	0.07 58	0.05 56	0.06 88	0.05 90	0.07 98	0.05 91

BEATNet-Init1	0.19 135	0.08 59	0.08 61	2.23 440	0.08 104	0.08 98	0.07 103	0.07 99	0.08 106	0.08 99	0.07 104	0.08 99	0.07 105	0.11 116	0.08 97	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

DeepPrunerF	0.19 135	0.08 59	0.08 61	2.23 440	0.08 104	0.08 98	0.07 103	0.07 99	0.08 106	0.08 99	0.07 104	0.08 99	0.07 105	0.11 116	0.08 97	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

SepStereo	0.09 52	0.09 65	0.10 70	0.09 53	0.09 106	0.09 102	0.09 105	0.10 104	0.08 106	0.10 103	0.09 107	0.09 103	0.09 108	0.09 103	0.08 97	0.09 66	0.08 59	0.09 100	0.08 102	0.09 103	0.08 99

AnonymousM	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SuperB	0.21 144	0.10 67	2.51 501	0.12 80	0.09 106	0.10 103	0.09 105	0.08 102	0.07 104	0.10 103	0.09 107	0.09 103	0.07 105	0.07 97	0.07 95	0.07 58	0.08 59	0.07 93	0.07 98	0.08 100	0.07 98

PVD	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SHD	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SAMSARA	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

XQC	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSC	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTS	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSA	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet+	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet++	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

JetRed	0.11 84	0.12 80	0.11 90	0.11 74	0.11 128	0.11 114	0.14 144	0.11 116	0.11 125	0.12 117	0.11 125	0.11 115	0.11 124	0.11 116	0.11 118	0.11 86	0.16 142	0.11 112	0.11 123	0.11 114	0.11 119

JetBlue	0.11 84	0.11 78	0.12 101	0.13 93	0.14 149	0.11 114	0.11 123	0.11 116	0.11 125	0.11 115	0.11 125	0.11 115	0.11 124	0.12 120	0.12 133	0.11 86	0.11 95	0.11 112	0.11 123	0.11 114	0.11 119

aanetorigin	0.13 99	0.11 78	0.11 90	0.11 74	0.11 128	0.11 114	0.11 123	0.11 116	0.11 125	0.11 115	0.12 136	0.11 115	0.11 124	0.11 116	0.11 118	0.11 86	0.11 95	0.14 120	0.11 123	0.49 280	0.11 119

PASM	0.39 217	3.06 445	1.36 442	1.58 416	0.09 106	0.11 114	0.11 123	0.11 116	0.11 125	0.09 102	0.09 107	0.11 115	0.09 108	0.09 103	0.09 100	0.11 86	0.11 95	0.11 112	0.09 104	0.11 114	0.11 119

ISRNet	0.11 84	0.05 49	0.36 228	0.24 149	0.07 102	0.13 118	0.05 88	0.06 89	0.05 93	0.05 87	0.05 95	0.13 119	0.05 89	0.05 78	0.09 100	0.24 174	0.20 166	0.10 101	0.05 90	0.06 90	0.13 142

S2M2	0.12 93	0.14 85	0.10 70	0.15 107	0.10 112	0.14 119	0.10 110	0.14 120	0.10 110	0.15 125	0.10 111	0.14 120	0.10 112	0.14 122	0.10 106	0.13 107	0.10 73	0.13 118	0.09 104	0.13 121	0.09 102

IPLG	0.13 99	0.20 101	0.14 126	0.15 107	0.11 128	0.14 119	0.11 123	0.14 120	0.11 125	0.14 119	0.11 125	0.14 120	0.11 124	0.14 122	0.11 118	0.15 123	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

IPLGR_C	0.14 108	0.20 101	0.12 101	0.15 107	0.11 128	0.14 119	0.15 149	0.14 120	0.11 125	0.15 125	0.12 136	0.14 120	0.11 124	0.16 132	0.11 118	0.15 123	0.12 110	0.14 120	0.12 140	0.15 133	0.12 136

ACRE	0.13 99	0.21 107	0.14 126	0.15 107	0.11 128	0.14 119	0.11 123	0.14 120	0.11 125	0.14 119	0.12 136	0.14 120	0.11 124	0.14 122	0.11 118	0.15 123	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

LRCNet_RVC	0.13 99	0.13 81	0.09 66	0.13 93	0.10 112	0.14 119	0.10 110	0.14 120	0.10 110	0.23 166	0.10 111	0.20 151	0.10 112	0.24 174	0.11 118	0.11 86	0.09 68	0.12 115	0.14 152	0.12 119	0.09 102

GMStereo	0.14 108	0.13 81	0.14 126	0.14 97	0.14 149	0.14 119	0.14 144	0.14 120	0.14 149	0.14 119	0.14 153	0.14 120	0.14 150	0.14 122	0.14 143	0.14 114	0.14 137	0.14 120	0.14 152	0.14 123	0.14 147
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 168	0.90 244	0.10 70	0.14 97	0.10 112	0.14 119	0.10 110	0.91 347	0.69 349	0.14 119	0.11 125	0.14 120	0.11 124	0.14 122	0.10 106	0.12 91	0.09 68	0.12 115	0.09 104	0.88 335	0.76 357

xyz-stereo-finetune2	0.18 133	0.48 185	0.16 142	0.16 117	0.15 160	0.15 126	0.16 152	0.16 133	0.16 161	0.16 130	0.16 162	0.16 131	0.16 160	0.16 132	0.16 159	0.16 131	0.16 142	0.16 136	0.16 157	0.16 137	0.16 148

CAS++	0.17 130	0.27 123	0.21 164	0.10 57	0.21 190	0.15 126	0.22 181	0.10 104	0.21 179	0.22 162	0.10 111	0.19 149	0.18 171	0.10 105	0.19 174	0.20 150	0.19 164	0.18 154	0.10 111	0.19 153	0.18 164
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
testlalala_base	0.13 99	0.16 87	0.11 90	0.15 107	0.11 128	0.15 126	0.11 123	0.16 133	0.11 125	0.16 130	0.11 125	0.16 131	0.11 124	0.16 132	0.11 118	0.14 114	0.11 95	0.14 120	0.11 123	0.14 123	0.11 119

CIPLG	0.13 99	0.21 107	0.12 101	0.16 117	0.11 128	0.15 126	0.11 123	0.14 120	0.11 125	0.15 125	0.12 136	0.15 130	0.11 124	0.14 122	0.11 118	0.15 123	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

MIPNet	0.14 108	0.21 107	0.17 149	0.16 117	0.11 128	0.15 126	0.12 139	0.14 120	0.11 125	0.16 130	0.11 125	0.14 120	0.11 124	0.14 122	0.11 118	0.14 114	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

IPLGR	0.14 108	0.24 119	0.14 126	0.16 117	0.12 144	0.15 126	0.12 139	0.14 120	0.11 125	0.15 125	0.12 136	0.14 120	0.11 124	0.14 122	0.11 118	0.15 123	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

DRN-Test	0.14 108	0.13 81	0.09 66	0.14 97	0.09 106	0.15 126	0.09 105	0.14 120	0.10 110	0.14 119	0.09 107	0.14 120	0.09 108	0.13 121	0.09 100	0.12 91	0.09 68	0.12 115	0.09 104	0.12 119	0.73 352

StereoDRNet	0.15 119	0.14 85	0.10 70	0.14 97	0.09 106	0.15 126	0.09 105	0.14 120	0.09 109	0.14 119	0.10 111	0.14 120	0.09 108	0.14 122	0.09 100	0.13 107	0.10 73	0.13 118	0.09 104	0.13 121	0.82 363

xyz-stereo-finetune	0.28 164	0.49 187	0.16 142	0.16 117	0.16 167	0.16 134	0.16 152	0.22 162	0.30 231	0.32 196	0.31 238	0.32 201	0.31 238	0.32 202	0.32 232	0.32 198	0.33 224	0.31 200	0.32 250	0.31 187	0.32 237

xyz-stereo	0.18 133	0.50 191	0.16 142	0.15 107	0.16 167	0.16 134	0.16 152	0.16 133	0.16 161	0.16 130	0.16 162	0.16 131	0.16 160	0.16 132	0.16 159	0.16 131	0.16 142	0.16 136	0.16 157	0.16 137	0.16 148

castereo++	0.54 275	3.59 456	1.15 370	1.31 406	0.14 149	0.16 134	0.14 144	0.16 133	0.14 149	0.16 130	0.14 153	0.16 131	0.13 146	0.16 132	0.14 143	1.45 431	1.16 375	0.15 133	0.14 152	0.15 133	0.13 142

test_for_model	0.15 119	0.23 112	0.18 154	0.21 141	0.11 128	0.16 134	0.11 123	0.16 133	0.11 125	0.16 130	0.11 125	0.16 131	0.11 124	0.16 132	0.11 118	0.21 155	0.18 163	0.14 120	0.11 123	0.14 123	0.11 119

testlalala2	0.13 99	0.16 87	0.11 90	0.15 107	0.11 128	0.16 134	0.11 123	0.16 133	0.11 125	0.16 130	0.11 125	0.16 131	0.11 124	0.16 132	0.11 118	0.14 114	0.11 95	0.14 120	0.11 123	0.14 123	0.11 119

GMStereo_Zeroshot	0.16 127	0.16 87	0.16 142	0.16 117	0.16 167	0.16 134	0.16 152	0.16 133	0.16 161	0.16 130	0.16 162	0.16 131	0.16 160	0.16 132	0.16 159	0.16 131	0.16 142	0.16 136	0.16 157	0.16 137	0.16 148

ProNet	0.14 108	0.20 101	0.14 126	0.16 117	0.11 128	0.16 134	0.11 123	0.17 141	0.11 125	0.17 139	0.12 136	0.17 141	0.13 146	0.17 141	0.12 133	0.15 123	0.11 95	0.16 136	0.11 123	0.15 133	0.12 136

ICVP	0.15 119	0.53 203	0.11 90	0.16 117	0.11 128	0.16 134	0.11 123	0.16 133	0.11 125	0.16 130	0.11 125	0.16 131	0.11 124	0.16 132	0.11 118	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.11 119
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 108	0.17 93	0.12 101	0.17 125	0.11 128	0.17 142	0.11 123	0.17 141	0.11 125	0.17 139	0.11 125	0.17 141	0.11 124	0.17 141	0.11 118	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.11 119

castereo	0.61 286	3.79 464	1.35 434	1.52 415	0.15 160	0.17 142	0.16 152	0.20 151	0.21 179	0.18 143	0.16 162	0.21 159	0.12 141	0.26 189	0.17 162	1.43 430	1.38 443	0.17 144	0.16 157	0.18 147	0.16 148

HSM	0.14 108	0.16 87	0.12 101	0.17 125	0.12 144	0.17 142	0.11 123	0.17 141	0.11 125	0.17 139	0.12 136	0.17 141	0.12 141	0.17 141	0.12 133	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.12 136

PDISCO_ROB	0.83 334	2.80 442	3.49 518	0.14 97	0.11 128	0.17 142	0.09 105	0.15 132	0.10 110	0.15 125	0.12 136	0.16 131	0.14 150	3.30 502	0.13 139	0.14 114	2.34 493	0.16 136	0.12 140	2.62 483	0.10 107

cf-r	0.66 293	2.17 395	0.12 101	0.18 127	0.12 144	0.18 146	2.70 507	2.60 482	0.12 144	0.18 143	0.12 136	0.18 145	0.12 141	0.18 144	0.12 133	0.15 123	0.11 95	0.15 133	0.11 123	1.81 443	1.74 487

ELAS_RVC	0.14 108	0.16 87	0.10 70	0.15 107	0.10 112	0.18 146	0.11 123	0.19 146	0.11 125	0.19 145	0.12 136	0.18 145	0.11 124	0.19 147	0.12 133	0.14 114	0.08 59	0.14 120	0.09 104	0.15 133	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 99	0.16 87	0.11 90	0.15 107	0.09 106	0.18 146	0.11 123	0.18 144	0.11 125	0.17 139	0.11 125	0.18 145	0.11 124	0.18 144	0.11 118	0.14 114	0.08 59	0.14 120	0.08 102	0.14 123	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DEFOM-Stereo_RVC	0.83 334	5.18 486	1.98 490	2.19 437	0.17 170	0.19 149	0.18 163	0.19 146	0.16 161	0.20 150	0.19 178	0.22 165	0.22 186	0.20 151	0.15 153	2.28 470	2.13 488	0.24 179	0.17 175	0.18 147	0.16 148

DDVS	0.30 169	3.10 446	0.14 126	0.19 130	0.14 149	0.19 149	0.14 144	0.20 151	0.14 149	0.19 145	0.13 148	0.16 131	0.13 146	0.19 147	0.13 139	0.17 139	0.13 134	0.17 144	0.13 148	0.17 143	0.13 142

ITSA-stereo	0.15 119	0.17 93	0.13 121	0.20 132	0.13 147	0.19 149	0.13 142	0.18 144	0.13 147	0.19 145	0.13 148	0.18 145	0.14 150	0.18 144	0.14 143	0.16 131	0.11 95	0.15 133	0.14 152	0.18 147	0.11 119

DeepPruner_ROB	0.16 127	0.18 96	0.13 121	0.19 130	0.13 147	0.19 149	0.13 142	0.19 146	0.13 147	0.19 145	0.13 148	0.19 149	0.13 146	0.19 147	0.13 139	0.18 147	0.13 134	0.18 154	0.13 148	0.18 147	0.13 142

SGM_RVC	0.15 119	0.17 93	0.11 90	0.18 127	0.11 128	0.19 149	0.11 123	0.19 146	0.12 144	0.19 145	0.12 136	0.20 151	0.12 141	0.19 147	0.12 133	0.16 131	0.11 95	0.17 144	0.10 111	0.17 143	0.10 107
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DAS	0.20 137	0.20 101	0.20 160	0.20 132	0.20 183	0.20 154	0.20 170	0.20 151	0.20 176	0.20 150	0.20 182	0.20 151	0.20 180	0.20 151	0.20 177	0.20 150	0.20 166	0.20 158	0.20 180	0.20 154	0.20 167

ASD4	0.20 137	0.20 101	0.20 160	0.20 132	0.20 183	0.20 154	0.20 170	0.20 151	0.20 176	0.20 150	0.20 182	0.20 151	0.20 180	0.20 151	0.20 177	0.20 150	0.20 166	0.20 158	0.20 180	0.20 154	0.20 167

ACVNet	0.20 137	0.19 97	0.14 126	0.20 132	0.14 149	0.20 154	0.96 377	0.21 158	0.14 149	0.20 150	0.13 148	0.21 159	0.14 150	0.20 151	0.14 143	0.17 139	0.12 110	0.17 144	0.12 140	0.17 143	0.12 136

acv_ft	0.20 137	0.19 97	0.14 126	0.20 132	0.14 149	0.20 154	0.96 377	0.21 158	0.14 149	0.20 150	0.13 148	0.21 159	0.14 150	0.20 151	0.14 143	0.17 139	0.12 110	0.17 144	0.12 140	0.17 143	0.12 136

PSMNet-RSSM	0.77 315	2.76 437	0.14 126	0.20 132	0.14 149	0.20 154	2.66 505	2.79 495	0.14 149	0.21 160	0.14 153	0.21 159	0.14 150	0.20 151	0.14 143	0.17 139	0.12 110	0.17 144	0.12 140	2.52 474	2.31 502

GwcNet-RSSM	0.77 315	2.77 439	0.14 126	0.20 132	0.14 149	0.20 154	2.67 506	2.78 494	0.14 149	0.20 150	0.14 153	0.20 151	0.14 150	0.21 162	0.14 143	0.17 139	0.12 110	0.17 144	0.12 140	2.52 474	2.31 502

CFNet-ft	0.55 279	1.57 357	0.14 126	0.20 132	0.14 149	0.20 154	2.53 504	1.61 440	0.14 149	0.20 150	0.14 153	0.20 151	0.14 150	0.20 151	0.14 143	0.17 139	0.12 110	0.17 144	0.12 140	1.56 431	1.24 452

LALA_ROB	0.15 119	0.19 97	0.12 101	0.18 127	0.11 128	0.20 154	0.12 139	0.21 158	0.12 144	0.20 150	0.12 136	0.20 151	0.12 141	0.21 162	0.13 139	0.17 139	0.10 73	0.18 154	0.11 123	0.18 147	0.11 119

hitnet-ft	0.79 319	2.78 441	0.14 126	0.20 132	0.14 149	0.21 162	2.89 508	2.80 496	0.14 149	0.20 150	0.14 153	0.20 151	0.14 150	0.20 151	0.14 143	0.17 139	0.12 110	0.17 144	0.12 140	2.54 482	2.33 504

GANet-RSSM	0.75 310	1.91 377	0.14 126	0.47 235	0.14 149	0.21 162	3.21 524	2.30 470	0.14 149	0.46 266	0.14 153	0.23 169	0.18 171	0.21 162	0.14 143	0.18 147	0.27 189	0.37 237	0.13 148	2.13 452	2.12 497

WAO-6	0.22 147	0.23 112	0.22 166	0.23 144	0.22 192	0.22 164	0.22 181	0.22 162	0.22 182	0.22 162	0.22 188	0.22 165	0.22 186	0.22 166	0.22 182	0.22 158	0.22 174	0.22 166	0.22 185	0.22 160	0.22 173

IMH-64-1	0.22 147	0.23 112	0.23 169	0.22 142	0.22 192	0.22 164	0.22 181	0.22 162	0.22 182	0.22 162	0.22 188	0.22 165	0.22 186	0.22 166	0.22 182	0.22 158	0.22 174	0.23 172	0.22 185	0.22 160	0.23 175

IMH-64	0.22 147	0.23 112	0.23 169	0.22 142	0.22 192	0.22 164	0.22 181	0.22 162	0.22 182	0.22 162	0.22 188	0.22 165	0.22 186	0.22 166	0.22 182	0.22 158	0.22 174	0.23 172	0.22 185	0.22 160	0.23 175

IGEV_Zeroshot_test	0.20 137	0.19 97	0.40 244	0.30 166	0.17 170	0.22 164	0.17 157	0.21 158	0.17 166	0.20 150	0.17 167	0.21 159	0.18 171	0.21 162	0.17 162	0.20 150	0.16 142	0.20 158	0.16 157	0.20 154	0.17 160

MSKI-zero shot	0.24 153	0.21 107	0.49 285	0.65 282	0.18 177	0.22 164	0.17 157	0.23 166	0.18 168	0.21 160	0.17 167	0.23 169	0.28 221	0.23 170	0.18 171	0.21 155	0.16 142	0.21 161	0.16 157	0.21 158	0.16 148

MIM_Stereo	0.25 154	0.23 112	0.66 317	0.80 299	0.17 170	0.22 164	0.17 157	0.23 166	0.18 168	0.26 182	0.17 167	0.21 159	0.17 164	0.25 179	0.17 162	0.23 169	0.16 142	0.21 161	0.17 175	0.22 160	0.17 160

dd	0.23 151	0.98 259	0.16 142	0.23 144	0.15 160	0.23 170	0.15 149	0.23 166	0.15 159	0.23 166	0.15 161	0.24 173	0.17 164	0.23 170	0.15 153	0.22 158	0.15 140	0.21 161	0.15 156	0.22 160	0.16 148

tg	0.21 144	0.25 121	0.21 164	0.26 161	0.17 170	0.24 171	0.17 157	0.24 169	0.17 166	0.24 171	0.17 167	0.24 173	0.17 164	0.24 174	0.17 162	0.24 174	0.17 157	0.23 172	0.16 157	0.23 169	0.16 148

ACV-stereo	0.30 169	2.08 387	0.25 178	0.25 154	0.18 177	0.24 171	0.17 157	0.24 169	0.18 168	0.24 171	0.17 167	0.25 178	0.17 164	0.24 174	0.17 162	0.22 158	0.16 142	0.22 166	0.16 157	0.22 160	0.16 148

Pointernet	0.21 144	0.22 111	0.19 157	0.24 149	0.19 181	0.24 171	0.19 167	0.24 169	0.19 174	0.24 171	0.19 178	0.24 173	0.19 176	0.24 174	0.19 174	0.22 158	0.17 157	0.22 166	0.17 175	0.22 160	0.17 160

CASnet	0.35 194	0.51 198	0.44 260	0.32 172	0.31 237	0.24 171	0.34 249	0.36 205	0.25 195	0.31 191	0.37 273	0.30 197	0.33 247	0.25 179	0.45 299	0.37 221	0.37 233	0.33 209	0.35 268	0.34 199	0.37 261
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
dad	0.23 151	1.03 274	0.16 142	0.23 144	0.15 160	0.24 171	0.15 149	0.24 169	0.16 161	0.23 166	0.16 162	0.24 173	0.16 160	0.23 170	0.15 153	0.22 158	0.16 142	0.22 166	0.16 157	0.22 160	0.16 148

iResNetv2_ROB	0.20 137	0.23 112	0.18 154	0.24 149	0.20 183	0.24 171	0.18 163	0.24 169	0.18 168	0.24 171	0.18 177	0.23 169	0.19 176	0.24 174	0.18 171	0.21 155	0.16 142	0.21 161	0.16 157	0.22 160	0.16 148

iResNet	0.20 137	0.23 112	0.18 154	0.24 149	0.18 177	0.24 171	0.20 170	0.24 169	0.18 168	0.23 166	0.17 167	0.23 169	0.18 171	0.23 170	0.18 171	0.22 158	0.16 142	0.21 161	0.16 157	0.21 158	0.16 148

UNDER WATER-64	0.25 154	0.26 122	0.25 178	0.26 161	0.25 204	0.25 178	0.25 196	0.25 175	0.25 195	0.25 175	0.25 204	0.25 178	0.25 198	0.26 189	0.25 198	0.25 180	0.25 181	0.25 180	0.25 203	0.25 171	0.25 186

LoS	0.25 154	0.27 123	0.25 178	0.25 154	0.25 204	0.25 178	0.25 196	0.26 179	0.25 195	0.25 175	0.25 204	0.25 178	0.25 198	0.25 179	0.25 198	0.26 181	0.25 181	0.25 180	0.26 209	0.26 173	0.25 186
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 243	1.24 346	0.17 149	0.25 154	0.17 170	0.25 178	0.18 163	1.26 428	0.93 378	0.25 175	0.17 167	0.25 178	0.18 171	0.25 179	0.17 162	0.23 169	0.16 142	0.23 172	0.16 157	1.20 372	0.99 377

delet	0.43 239	1.21 342	0.17 149	0.25 154	0.17 170	0.25 178	0.18 163	1.26 428	0.95 380	0.25 175	0.17 167	0.25 178	0.17 164	0.25 179	0.17 162	0.23 169	0.16 142	0.22 166	0.16 157	1.18 369	0.98 376

psm_up	0.43 239	1.19 295	0.17 149	0.25 154	0.18 177	0.25 178	0.19 167	1.26 428	0.91 373	0.26 182	0.17 167	0.25 178	0.17 164	0.25 179	0.17 162	0.22 158	0.17 157	0.23 172	0.16 157	1.18 369	0.99 377

UPFNet	0.42 238	1.20 296	0.17 149	0.24 149	0.17 170	0.25 178	0.17 157	1.19 376	0.90 372	0.25 175	0.17 167	0.24 173	0.17 164	0.25 179	0.17 162	0.22 158	0.17 157	0.22 166	0.16 157	1.15 361	0.93 372

AANet_RVC	1.26 423	0.31 130	4.99 529	5.93 520	0.20 183	0.25 178	0.20 170	0.25 175	0.20 176	0.23 166	0.19 178	0.25 178	0.20 180	0.25 179	0.20 177	5.66 528	4.76 521	0.26 183	0.30 239	0.24 170	0.27 200

LoS_RVC	0.30 169	1.14 288	0.25 178	0.25 154	0.25 204	0.26 185	0.25 196	0.25 175	0.25 195	0.25 175	0.25 204	0.26 187	0.26 207	0.26 189	0.25 198	0.26 181	0.26 184	0.25 180	0.25 203	0.26 173	0.26 192

CAS	0.30 169	1.17 292	0.25 178	0.25 154	0.25 204	0.26 185	0.25 196	0.25 175	0.26 208	0.25 175	0.25 204	0.25 178	0.25 198	0.25 179	0.25 198	0.26 181	0.26 184	0.26 183	0.25 203	0.26 173	0.25 186

ac_64	0.22 147	0.13 81	0.19 157	0.23 144	0.10 112	0.26 185	1.02 385	0.14 120	0.10 110	0.28 185	0.14 153	0.17 141	0.19 176	0.28 194	0.09 100	0.22 158	0.16 142	0.23 172	0.17 175	0.11 114	0.12 136

GEStereo_RVC	0.86 340	4.45 476	0.20 160	0.27 163	0.20 183	0.27 188	0.20 170	0.26 179	0.18 168	5.03 530	0.20 182	0.27 188	0.19 176	0.27 192	0.21 180	0.20 150	0.19 164	0.19 157	4.02 534	0.20 154	0.18 164

SQANet	0.28 164	0.28 126	0.28 189	0.28 164	0.28 217	0.28 189	0.28 212	0.28 182	0.28 216	0.28 185	0.28 220	0.28 189	0.28 221	0.28 194	0.28 210	0.28 186	0.28 194	0.28 189	0.28 220	0.28 178	0.28 213

CFNet	1.37 428	5.27 489	0.19 157	5.49 517	0.19 181	0.28 189	0.19 167	0.28 182	0.19 174	0.28 185	0.19 178	0.28 189	4.35 528	0.28 194	0.19 174	0.23 169	0.17 157	0.23 172	4.21 536	4.81 513	0.17 160

HCRNet	1.22 421	7.11 506	3.00 503	3.55 486	0.33 250	0.29 191	0.14 144	0.19 146	0.15 159	0.33 201	0.29 224	0.25 178	0.14 150	0.22 166	0.33 240	3.64 499	3.00 496	0.76 347	0.32 250	0.18 147	0.13 142

DLNR_Zeroshot_test	0.31 174	0.28 126	0.47 273	0.79 297	0.24 202	0.30 192	0.26 204	0.30 188	0.24 190	0.32 196	0.23 192	0.31 199	0.24 195	0.30 199	0.23 188	0.29 193	0.26 184	0.29 194	0.24 198	0.33 195	0.23 175

ssnet_v2	0.68 298	1.96 384	1.25 430	0.29 165	0.20 183	0.30 192	0.20 170	0.29 186	0.22 182	1.50 442	0.20 182	0.31 199	0.20 180	0.27 192	0.22 182	0.24 174	1.49 449	0.26 183	0.18 179	3.90 491	0.19 166

DANet	0.30 169	0.30 129	0.30 195	0.30 166	0.30 233	0.30 192	0.30 224	0.30 188	0.30 231	0.30 189	0.30 235	0.30 197	0.30 233	0.30 199	0.30 227	0.30 194	0.30 211	0.30 196	0.30 239	0.30 184	0.30 228
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	0.68 298	3.11 447	1.40 448	1.63 422	0.25 204	0.31 195	0.25 196	0.31 190	0.28 216	0.31 191	0.29 224	0.29 194	0.27 215	0.31 201	0.28 210	1.59 437	1.47 448	0.30 196	0.29 229	0.30 184	0.28 213

tt1	0.31 174	0.93 253	0.24 175	0.33 175	0.23 197	0.31 195	0.24 193	0.32 191	0.24 190	0.32 196	0.23 192	0.32 201	0.25 198	0.32 202	0.24 192	0.27 184	0.26 184	0.27 187	0.26 209	0.27 176	0.27 200

xxxxx1	0.31 174	0.91 246	0.23 169	0.31 169	0.23 197	0.31 195	0.23 188	0.33 194	0.25 195	0.31 191	0.24 198	0.33 204	0.25 198	0.32 202	0.24 192	0.28 186	0.28 194	0.28 189	0.28 220	0.29 181	0.27 200

tt_ll	0.31 174	0.91 246	0.23 169	0.31 169	0.23 197	0.31 195	0.23 188	0.33 194	0.25 195	0.31 191	0.24 198	0.33 204	0.25 198	0.32 202	0.24 192	0.28 186	0.28 194	0.28 189	0.28 220	0.29 181	0.27 200

gwcnet-sp	0.82 330	1.72 362	1.48 452	0.39 193	0.15 160	0.31 195	0.21 176	0.20 151	0.25 195	1.61 444	0.23 192	0.28 189	0.26 207	0.20 151	0.15 153	0.24 174	1.33 435	0.32 201	0.16 157	6.75 529	0.23 175

scenet	0.82 330	1.72 362	1.48 452	0.39 193	0.15 160	0.31 195	0.21 176	0.20 151	0.25 195	1.61 444	0.23 192	0.28 189	0.26 207	0.20 151	0.15 153	0.24 174	1.33 435	0.32 201	0.16 157	6.75 529	0.23 175

ssnet	0.82 330	1.72 362	1.48 452	0.39 193	0.15 160	0.31 195	0.21 176	0.20 151	0.25 195	1.61 444	0.23 192	0.28 189	0.26 207	0.20 151	0.15 153	0.24 174	1.33 435	0.32 201	0.16 157	6.75 529	0.23 175

ff	0.31 174	0.91 246	0.23 169	0.31 169	0.23 197	0.31 195	0.23 188	0.33 194	0.25 195	0.31 191	0.24 198	0.33 204	0.25 198	0.32 202	0.24 192	0.28 186	0.28 194	0.28 189	0.28 220	0.29 181	0.27 200

WCG-NET（raft）	0.32 182	1.24 346	0.24 175	0.32 172	0.24 202	0.32 203	0.23 188	0.32 191	0.24 190	0.32 196	0.24 198	0.32 201	0.24 195	0.32 202	0.24 192	0.30 194	0.23 178	0.30 196	0.23 190	0.30 184	0.23 175

iResNet_ROB	0.28 164	0.32 131	0.24 175	0.32 172	0.25 204	0.32 203	0.24 193	0.32 191	0.24 190	0.33 201	0.24 198	0.35 210	0.24 195	0.33 208	0.24 192	0.31 197	0.24 180	0.32 201	0.24 198	0.32 189	0.24 185

gcap-zeroshot	0.35 194	0.32 131	0.37 231	0.49 245	0.39 284	0.33 205	0.21 176	0.26 179	0.35 256	0.42 251	0.34 254	0.49 290	0.29 227	0.47 277	0.39 278	0.34 204	0.17 157	0.38 244	0.23 190	0.48 277	0.34 250

testlalala	0.32 182	0.81 229	0.31 201	0.39 193	0.26 212	0.33 205	0.24 193	0.33 194	0.26 208	0.32 196	0.26 210	0.33 204	0.23 192	0.33 208	0.23 188	0.35 213	0.31 215	0.30 196	0.24 198	0.31 187	0.21 170

GCAP-BAT	0.33 185	0.78 223	0.32 205	0.38 188	0.25 204	0.34 207	0.25 196	0.34 198	0.26 208	0.34 203	0.25 204	0.35 210	0.26 207	0.35 212	0.27 204	0.36 217	0.30 211	0.32 201	0.24 198	0.32 189	0.26 192

H2IRNET	0.34 187	0.34 133	0.34 218	0.34 177	0.34 260	0.34 207	0.34 249	0.34 198	0.34 253	0.34 203	0.34 254	0.34 209	0.34 252	0.34 210	0.34 253	0.34 204	0.34 227	0.34 216	0.34 262	0.34 199	0.34 250

EKT-Stereo	0.37 203	0.40 150	0.44 260	1.07 335	0.29 224	0.34 207	0.31 228	0.36 205	0.29 221	0.38 216	0.31 238	0.37 222	0.30 233	0.36 218	0.29 220	0.34 204	0.28 194	0.39 254	0.30 239	0.37 220	0.30 228

DN-CSS_ROB	0.31 174	0.35 134	0.28 189	0.35 178	0.28 217	0.34 207	0.27 207	0.34 198	0.25 195	0.35 207	0.27 214	0.36 216	0.26 207	0.34 210	0.28 210	0.35 213	0.28 194	0.34 216	0.28 220	0.34 199	0.27 200

FENet	0.54 275	1.52 356	1.19 376	1.41 413	0.23 197	0.35 211	0.23 188	0.35 201	0.23 188	0.34 203	0.23 192	0.35 210	0.23 192	0.35 212	0.23 188	1.40 429	1.07 359	0.32 201	0.23 190	0.33 195	0.23 175

MLCV	0.31 174	0.35 134	0.27 185	0.35 178	0.28 217	0.35 211	0.27 207	0.35 201	0.28 216	0.36 210	0.27 214	0.35 210	0.27 215	0.35 212	0.27 204	0.34 204	0.27 189	0.34 216	0.27 216	0.34 199	0.27 200

ETE_ROB	0.35 194	0.35 134	0.35 226	0.35 178	0.35 263	0.35 211	0.35 254	0.35 201	0.35 256	0.35 207	0.35 263	0.35 210	0.35 259	0.35 212	0.35 257	0.35 213	0.35 228	0.35 229	0.35 268	0.35 211	0.35 256

MyStereo07	0.60 283	3.72 462	0.48 280	0.49 245	0.41 293	0.36 214	0.32 229	0.49 280	0.43 297	0.51 302	0.42 300	0.49 290	0.43 295	0.51 305	0.64 337	0.49 282	0.45 271	0.34 216	0.32 250	0.35 211	0.43 291

MyStereo04	0.56 281	3.72 462	0.59 305	0.49 245	0.41 293	0.36 214	0.32 229	0.37 211	0.31 235	0.34 203	0.46 309	0.35 210	0.32 240	0.35 212	0.33 240	0.49 282	0.45 271	0.34 216	0.32 250	0.35 211	0.43 291

Any-RAFT	0.32 182	0.36 137	0.27 185	0.36 182	0.27 214	0.36 214	0.27 207	0.36 205	0.27 213	0.36 210	0.27 214	0.36 216	0.27 215	0.36 218	0.28 210	0.36 217	0.28 194	0.36 234	0.28 220	0.36 218	0.28 213

HGLStereo	0.28 164	0.29 128	0.22 166	0.36 182	0.22 192	0.36 214	0.21 176	0.36 205	0.21 179	0.42 251	0.21 187	0.36 216	0.22 186	0.36 218	0.21 180	0.34 204	0.21 170	0.34 216	0.21 182	0.34 199	0.21 170

DMCA	0.36 198	0.38 142	0.37 231	0.35 178	0.35 263	0.36 214	0.36 261	0.36 205	0.35 256	0.35 207	0.37 273	0.36 216	0.36 262	0.35 212	0.36 261	0.36 217	0.36 231	0.35 229	0.36 274	0.36 218	0.36 257

model_zeroshot	0.27 163	0.20 101	0.27 185	0.33 175	0.21 190	0.37 219	0.22 181	0.37 211	0.24 190	0.26 182	0.27 214	0.33 204	0.21 185	0.25 179	0.27 204	0.32 198	0.20 166	0.34 216	0.23 190	0.25 171	0.26 192

Venus	0.38 209	0.38 142	0.38 234	0.38 188	0.38 279	0.37 219	0.38 272	0.37 211	0.37 268	0.41 239	0.37 273	0.39 228	0.37 266	0.38 224	0.38 272	0.37 221	0.38 239	0.38 244	0.37 276	0.37 220	0.38 268

IGEV-Stereo	0.35 194	0.44 168	0.45 262	0.49 245	0.30 233	0.37 219	0.30 224	0.36 205	0.30 231	0.36 210	0.29 224	0.36 216	0.29 227	0.36 218	0.30 227	0.46 270	0.39 246	0.32 201	0.24 198	0.32 189	0.25 186
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
XPNet_ROB	0.37 203	0.37 139	0.37 231	0.37 185	0.37 272	0.37 219	0.37 266	0.37 211	0.37 268	0.37 215	0.37 273	0.37 222	0.37 266	0.37 222	0.37 269	0.37 221	0.37 233	0.37 237	0.37 276	0.37 220	0.37 261

WAO-8	0.38 209	0.38 142	0.38 234	0.38 188	0.38 279	0.38 223	0.38 272	0.38 216	0.38 272	0.38 216	0.38 278	0.38 224	0.38 270	0.38 224	0.38 272	0.38 228	0.38 239	0.38 244	0.37 276	0.38 229	0.38 268

WAO-7	0.38 209	0.38 142	0.38 234	0.38 188	0.38 279	0.38 223	0.38 272	0.38 216	0.38 272	0.38 216	0.38 278	0.38 224	0.38 270	0.38 224	0.38 272	0.38 228	0.38 239	0.38 244	0.38 288	0.38 229	0.38 268

HanzoNet	0.39 217	0.38 142	0.40 244	0.39 193	0.41 293	0.38 223	0.38 272	0.38 216	0.38 272	0.39 221	0.39 282	0.38 224	0.38 270	0.39 232	0.40 282	0.38 228	0.38 239	0.40 259	0.38 288	0.38 229	0.40 276

IMH	0.38 209	0.38 142	0.38 234	0.38 188	0.38 279	0.38 223	0.38 272	0.38 216	0.38 272	0.42 251	0.38 278	0.40 235	0.38 270	0.38 224	0.38 272	0.38 228	0.38 239	0.39 254	0.38 288	0.38 229	0.38 268

iRaft-Stereo_5w	0.34 187	0.42 164	0.31 201	0.39 193	0.30 233	0.38 223	0.30 224	0.40 225	0.29 221	0.40 226	0.37 273	0.41 247	0.34 252	0.38 224	0.30 227	0.34 204	0.27 189	0.34 216	0.26 209	0.34 199	0.26 192

RAFT + AFF	0.31 174	0.45 171	0.34 218	0.39 193	0.28 217	0.38 223	0.33 238	0.29 186	0.31 235	0.30 189	0.30 235	0.29 194	0.27 215	0.29 197	0.30 227	0.28 186	0.29 203	0.29 194	0.29 229	0.27 176	0.32 237

LG-Stereo_L2	0.34 187	0.37 139	0.38 234	0.47 235	0.28 217	0.39 229	0.28 212	0.39 220	0.28 216	0.39 221	0.28 220	0.39 228	0.28 221	0.38 224	0.28 210	0.42 263	0.35 228	0.36 234	0.26 209	0.35 211	0.26 192

DISCO	1.11 370	0.39 148	5.28 531	0.39 193	0.20 183	0.39 229	0.27 207	0.39 220	0.22 182	0.38 216	0.20 182	0.38 224	0.20 180	6.95 541	0.22 182	0.30 194	0.21 170	0.27 187	0.21 182	5.25 522	0.21 170

DCVSM-stereo	0.36 198	1.89 374	0.22 166	0.40 206	0.22 192	0.40 231	0.22 181	0.40 225	0.22 182	0.40 226	0.22 188	0.40 235	0.22 186	0.40 235	0.22 182	0.28 186	0.21 170	0.28 189	0.21 182	0.28 178	0.20 167

IGEV++	0.34 187	0.43 165	0.30 195	0.40 206	0.29 224	0.40 231	0.29 219	0.40 225	0.29 221	0.40 226	0.29 224	0.40 235	0.29 227	0.40 235	0.30 227	0.38 228	0.29 203	0.37 237	0.29 229	0.37 220	0.29 218

ACVNet-DCA	0.37 203	1.00 262	0.30 195	0.40 206	0.29 224	0.40 231	0.29 219	0.40 225	0.29 221	0.40 226	0.29 224	0.40 235	0.29 227	0.39 232	0.28 210	0.33 201	0.32 217	0.33 209	0.32 250	0.33 195	0.32 237

1test111	0.37 203	1.02 272	0.30 195	0.39 193	0.29 224	0.40 231	0.28 212	0.39 220	0.29 221	0.39 221	0.29 224	0.39 228	0.28 221	0.40 235	0.29 220	0.33 201	0.32 217	0.33 209	0.31 245	0.32 189	0.31 233

cc1	0.37 203	1.02 272	0.30 195	0.39 193	0.29 224	0.40 231	0.28 212	0.39 220	0.29 221	0.39 221	0.29 224	0.39 228	0.28 221	0.40 235	0.29 220	0.33 201	0.32 217	0.33 209	0.31 245	0.32 189	0.31 233

4D-IteraStereo	0.78 318	3.13 448	0.89 345	0.69 287	0.32 239	0.40 231	0.32 229	0.76 332	0.97 383	0.52 305	0.65 349	0.89 358	0.32 240	0.76 342	0.98 379	0.83 336	0.94 351	0.35 229	0.27 216	0.70 313	0.89 368

knoymous	0.40 221	0.40 150	0.40 244	0.40 206	0.40 286	0.40 231	0.40 280	0.40 225	0.40 281	0.40 226	0.40 285	0.40 235	0.40 276	0.40 235	0.40 282	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

anonymousa	0.40 221	0.40 150	0.40 244	0.40 206	0.40 286	0.40 231	0.40 280	0.40 225	0.40 281	0.40 226	0.40 285	0.40 235	0.40 276	0.40 235	0.40 282	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

riskmin	0.40 221	0.40 150	0.40 244	0.40 206	0.40 286	0.40 231	0.40 280	0.40 225	0.40 281	0.40 226	0.40 285	0.40 235	0.40 276	0.40 235	0.40 282	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

Anonymous_2	0.40 221	0.40 150	0.40 244	0.40 206	0.40 286	0.40 231	0.40 280	0.40 225	0.40 281	0.40 226	0.40 285	0.40 235	0.40 276	0.40 235	0.40 282	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

Anonymous_1	0.40 221	0.40 150	0.40 244	0.40 206	0.40 286	0.40 231	0.40 280	0.40 225	0.40 281	0.40 226	0.40 285	0.40 235	0.40 276	0.40 235	0.40 282	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

BUS	0.83 334	1.91 377	0.92 352	4.48 495	0.02 21	0.40 231	0.04 78	0.41 240	0.02 21	0.48 279	0.03 52	0.41 247	0.05 89	0.03 39	0.05 84	1.97 453	4.19 518	0.33 209	0.23 190	0.34 199	0.27 200

NINENet	0.69 301	3.87 468	1.20 379	1.98 432	0.05 93	0.40 231	0.04 78	0.40 225	0.05 93	0.41 239	0.04 86	0.41 247	0.05 89	0.40 235	0.05 84	1.79 443	1.56 455	0.34 216	0.22 185	0.34 199	0.23 175

iRaft-Stereo_20w	0.34 187	0.41 157	0.31 201	0.39 193	0.29 224	0.40 231	0.32 229	0.41 240	0.32 238	0.38 216	0.30 235	0.39 228	0.30 233	0.38 224	0.32 232	0.35 213	0.27 189	0.34 216	0.27 216	0.34 199	0.29 218

AdaStereo	0.40 221	0.40 150	0.40 244	0.40 206	0.40 286	0.40 231	0.40 280	0.40 225	0.40 281	0.40 226	0.40 285	0.40 235	0.40 276	0.40 235	0.40 282	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276
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	0.33 185	0.39 148	0.26 184	0.39 193	0.26 212	0.40 231	0.26 204	0.40 225	0.26 208	0.39 221	0.26 210	0.39 228	0.26 207	0.39 232	0.26 203	0.37 221	0.25 181	0.37 237	0.25 203	0.37 220	0.37 261
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
HART	0.38 209	0.45 171	0.34 218	0.42 224	0.33 250	0.41 247	0.34 249	0.42 256	0.33 244	0.43 257	0.34 254	0.42 263	0.34 252	0.41 249	0.38 272	0.40 241	0.32 217	0.42 283	0.32 250	0.40 241	0.32 237

GIP-stereo	0.36 198	0.49 187	0.39 241	0.48 239	0.32 239	0.41 247	0.28 212	0.40 225	0.30 231	0.41 239	0.28 220	0.40 235	0.28 221	0.42 262	0.28 210	0.45 267	0.32 217	0.38 244	0.30 239	0.37 220	0.27 200

xx1	0.38 209	1.03 274	0.31 201	0.40 206	0.31 237	0.41 247	0.28 212	0.40 225	0.29 221	0.40 226	0.29 224	0.40 235	0.29 227	0.40 235	0.29 220	0.34 204	0.33 224	0.34 216	0.32 250	0.34 199	0.32 237

RAFT-Test	0.36 198	0.37 139	0.33 210	0.41 216	0.32 239	0.41 247	0.32 229	0.41 240	0.32 238	0.41 239	0.32 240	0.41 247	0.32 240	0.41 249	0.33 240	0.37 221	0.29 203	0.37 237	0.29 229	0.38 229	0.31 233

HH	0.71 304	2.54 420	0.74 331	1.10 337	0.32 239	0.41 247	0.37 266	0.69 326	0.78 362	0.73 338	0.90 374	0.75 344	1.00 371	0.84 348	0.69 350	0.69 319	0.40 249	0.35 229	0.26 209	0.35 211	0.26 192

HanStereo	0.71 304	2.54 420	0.74 331	1.10 337	0.32 239	0.41 247	0.37 266	0.69 326	0.78 362	0.73 338	0.90 374	0.75 344	1.00 371	0.84 348	0.69 350	0.69 319	0.40 249	0.35 229	0.26 209	0.35 211	0.26 192

CRFU-Net	0.65 291	1.67 361	1.22 426	1.96 431	0.27 214	0.41 247	0.27 207	0.41 240	0.27 213	0.40 226	0.26 210	0.41 247	0.27 215	0.40 235	0.27 204	1.80 444	1.62 462	0.34 216	0.23 190	0.33 195	0.23 175

GMOStereo	0.37 203	0.45 171	0.23 169	0.30 166	0.37 272	0.41 247	0.36 261	0.41 240	0.35 256	0.43 257	0.36 267	0.41 247	0.40 276	0.41 249	0.36 261	0.34 204	0.22 174	0.47 297	0.37 276	0.39 236	0.33 244

error version	0.93 351	4.47 477	2.35 498	1.99 433	0.37 272	0.41 247	0.36 261	0.41 240	0.35 256	0.43 257	0.36 267	0.41 247	0.40 276	0.41 249	0.36 261	1.87 446	2.16 489	0.47 297	0.37 276	0.39 236	0.33 244

test_1	0.93 351	4.47 477	2.35 498	1.99 433	0.37 272	0.41 247	0.36 261	0.41 240	0.35 256	0.43 257	0.36 267	0.41 247	0.40 276	0.41 249	0.36 261	1.87 446	2.16 489	0.47 297	0.37 276	0.39 236	0.33 244

GwcNet-ADL	0.41 228	0.41 157	0.41 252	0.41 216	0.41 293	0.41 247	0.41 288	0.41 240	0.41 290	0.41 239	0.41 291	0.41 247	0.41 287	0.41 249	0.41 289	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

PSMNet-ADL	0.41 228	0.41 157	0.41 252	0.41 216	0.41 293	0.41 247	0.41 288	0.41 240	0.41 290	0.41 239	0.41 291	0.41 247	0.41 287	0.41 249	0.41 289	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

GANet-ADL	0.41 228	0.41 157	0.41 252	0.41 216	0.41 293	0.41 247	0.41 288	0.41 240	0.41 290	0.41 239	0.41 291	0.41 247	0.41 287	0.41 249	0.41 289	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

ADLNet2	0.41 228	0.41 157	0.41 252	0.41 216	0.41 293	0.41 247	0.41 288	0.41 240	0.41 290	0.41 239	0.41 291	0.41 247	0.41 287	0.41 249	0.41 289	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

ADLNet	0.41 228	0.41 157	0.41 252	0.41 216	0.41 293	0.41 247	0.41 288	0.41 240	0.41 290	0.41 239	0.41 291	0.41 247	0.41 287	0.41 249	0.41 289	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

GES	0.66 293	2.34 411	0.29 191	0.41 216	0.29 224	0.41 247	0.29 219	0.42 256	0.29 221	0.40 226	0.41 291	0.41 247	0.30 233	0.51 305	0.29 220	0.32 198	0.29 203	0.32 201	2.46 507	2.49 470	0.30 228

DGSMNet	0.34 187	0.41 157	0.27 185	0.41 216	0.28 217	0.41 247	0.28 212	0.41 240	0.27 213	0.41 239	0.27 214	0.42 263	0.27 215	0.41 249	0.28 210	0.40 241	0.29 203	0.40 259	0.28 220	0.40 241	0.27 200

Gwc-CoAtRS	0.41 228	1.49 355	0.32 205	0.42 224	0.32 239	0.41 247	0.32 229	0.41 240	0.33 244	0.41 239	0.32 240	0.41 247	0.32 240	0.41 249	0.32 232	0.39 237	0.28 194	0.39 254	0.28 220	0.40 241	0.28 213

LL-Strereo2	0.48 259	1.73 366	0.51 293	0.59 272	0.34 260	0.42 265	0.33 238	0.40 225	0.31 235	0.42 251	0.33 246	0.42 263	0.31 238	0.44 266	0.39 278	0.60 305	0.51 297	0.44 286	0.33 258	0.44 261	0.33 244

BSDual-CNN	0.81 326	1.91 377	0.92 352	4.48 495	0.02 21	0.42 265	0.06 100	0.41 240	0.02 21	0.48 279	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 453	4.19 518	0.33 209	0.23 190	0.34 199	0.27 200

hknet	1.10 368	1.85 370	3.49 518	4.48 495	0.02 21	0.42 265	0.06 100	0.41 240	0.02 21	0.48 279	0.03 52	0.41 247	0.03 52	0.42 262	0.03 48	4.39 504	4.19 518	0.33 209	0.23 190	0.34 199	0.27 200

UCFNet_RVC	2.75 499	10.06 527	0.29 191	10.31 544	0.29 224	0.42 265	0.29 219	0.43 260	0.29 221	0.42 251	0.29 224	0.42 263	9.87 545	0.43 264	0.29 220	0.36 217	9.84 544	0.36 234	0.26 209	9.77 543	0.26 192

RAFT-Stereo-weight	0.45 245	1.90 376	0.34 218	0.42 224	0.36 269	0.43 269	0.35 254	0.42 256	0.34 253	0.42 251	0.34 254	0.44 267	0.34 252	0.41 249	0.34 253	0.38 228	0.32 217	0.38 244	0.32 250	0.38 229	0.33 244

IER	0.88 341	7.04 505	2.23 495	2.75 455	0.28 217	0.43 269	0.25 196	0.39 220	0.25 195	0.41 239	0.27 214	0.39 228	0.25 198	0.40 235	0.28 210	0.37 221	0.28 194	0.37 237	0.25 203	0.37 220	0.25 186

RCA-Stereo	0.51 271	3.22 451	0.34 218	0.44 227	0.34 260	0.44 271	0.34 249	0.43 260	0.34 253	0.43 257	0.34 254	0.44 267	0.33 247	0.43 264	0.33 240	0.38 228	0.29 203	0.38 244	0.29 229	0.38 229	0.29 218

water-stereo	0.41 228	0.84 232	0.46 266	0.50 252	0.33 250	0.45 272	0.33 238	0.45 262	0.32 238	0.45 262	0.32 240	0.45 269	0.32 240	0.45 269	0.32 232	0.44 265	0.41 258	0.39 254	0.31 245	0.39 236	0.32 237

GREAT-IGEV	0.38 209	0.43 165	0.36 228	0.48 239	0.32 239	0.45 272	0.32 229	0.45 262	0.32 238	0.45 262	0.32 240	0.45 269	0.32 240	0.45 269	0.32 232	0.44 265	0.33 224	0.41 272	0.29 229	0.41 251	0.29 218

fffy	0.38 209	0.43 165	0.33 210	0.46 229	0.33 250	0.45 272	0.32 229	0.45 262	0.32 238	0.45 262	0.32 240	0.45 269	0.33 247	0.45 269	0.32 232	0.38 228	0.38 239	0.38 244	0.37 276	0.37 220	0.36 257

PAM	0.39 217	1.88 373	0.34 218	0.37 185	0.41 293	0.45 272	0.22 181	0.28 182	0.23 188	0.28 185	0.24 198	0.29 194	0.23 192	0.29 197	0.23 188	0.38 228	0.32 217	0.38 244	0.37 276	0.32 189	0.22 173

Former-RAFT_DAM_RVC	0.49 264	0.98 259	0.64 313	0.84 304	0.46 310	0.45 272	0.35 254	0.47 272	0.47 307	0.45 262	0.34 254	0.46 273	0.48 311	0.46 273	0.35 257	0.39 237	0.71 329	0.39 254	0.35 268	0.41 251	0.41 283

CES	0.39 217	0.47 179	0.36 228	0.36 182	0.37 272	0.45 272	0.35 254	0.35 201	0.40 281	0.36 210	0.44 304	0.47 279	0.36 262	0.44 266	0.36 261	0.37 221	0.39 246	0.44 286	0.35 268	0.37 220	0.36 257

DilatedVolume-Stereo	0.43 239	0.86 235	0.48 280	0.50 252	0.33 250	0.46 278	0.33 238	0.46 266	0.33 244	0.46 266	0.33 246	0.47 279	0.33 247	0.47 277	0.34 253	0.45 267	0.42 266	0.40 259	0.33 258	0.47 273	0.38 268

otaku	0.46 248	0.46 175	0.46 266	0.46 229	0.46 310	0.46 278	0.46 302	0.46 266	0.46 302	0.46 266	0.46 309	0.46 273	0.46 302	0.46 273	0.46 303	0.46 270	0.46 273	0.46 293	0.46 311	0.46 266	0.46 297

Dean	0.46 248	0.46 175	0.46 266	0.46 229	0.46 310	0.46 278	0.46 302	0.46 266	0.46 302	0.47 272	0.46 309	0.46 273	0.46 302	0.46 273	0.46 303	0.46 270	0.46 273	0.46 293	0.46 311	0.46 266	0.46 297

ACVNet_1	0.46 248	0.47 179	0.46 266	0.46 229	0.46 310	0.46 278	0.46 302	0.46 266	0.47 307	0.46 266	0.46 309	0.46 273	0.46 302	0.46 273	0.46 303	0.46 270	0.46 273	0.47 297	0.46 311	0.46 266	0.46 297

ACVNet-4b	0.46 248	0.46 175	0.46 266	0.46 229	0.46 310	0.46 278	0.46 302	0.46 266	0.46 302	0.46 266	0.46 309	0.46 273	0.46 302	0.47 277	0.46 303	0.46 270	0.46 273	0.46 293	0.46 311	0.46 266	0.46 297

mms	0.40 221	0.45 171	0.35 226	0.48 239	0.36 269	0.47 283	0.34 249	0.45 262	0.38 272	0.47 272	0.33 246	0.45 269	0.32 240	0.45 269	0.32 232	0.39 237	0.38 239	0.38 244	0.37 276	0.39 236	0.39 273

Ntro	0.47 254	0.47 179	0.46 266	0.46 229	0.46 310	0.47 283	0.47 307	0.46 266	0.47 307	0.46 266	0.46 309	0.47 279	0.46 302	0.47 277	0.47 309	0.47 275	0.46 273	0.46 293	0.46 311	0.46 266	0.46 297

HaxPig	0.47 254	0.47 179	0.47 273	0.49 245	0.47 316	0.47 283	0.47 307	0.47 272	0.47 307	0.47 272	0.47 317	0.47 279	0.47 310	0.47 277	0.47 309	0.47 275	0.47 281	0.47 297	0.47 318	0.47 273	0.48 306

UNDER WATER	0.47 254	0.47 179	0.47 273	0.47 235	0.47 316	0.47 283	0.47 307	0.47 272	0.47 307	0.47 272	0.47 317	0.47 279	0.46 302	0.47 277	0.47 309	0.47 275	0.47 281	0.47 297	0.46 311	0.47 273	0.47 304

LVE	0.47 254	0.47 179	0.47 273	0.47 235	0.49 322	0.47 283	0.47 307	0.47 272	0.49 316	0.47 272	0.47 317	0.47 279	0.46 302	0.47 277	0.47 309	0.47 275	0.47 281	0.48 305	0.47 318	0.47 273	0.47 304

SCV_C0	0.45 245	0.88 239	0.49 285	0.54 263	0.37 272	0.48 288	0.37 266	0.48 276	0.37 268	0.48 279	0.36 267	0.48 286	0.37 266	0.49 292	0.37 269	0.50 288	0.41 258	0.44 286	0.34 262	0.44 261	0.34 250

SCV	0.46 248	0.94 254	0.45 262	0.54 263	0.37 272	0.48 288	0.38 272	0.48 276	0.37 268	0.48 279	0.39 282	0.48 286	0.37 266	0.49 292	0.37 269	0.50 288	0.46 273	0.44 286	0.34 262	0.44 261	0.34 250

ccccc	0.41 228	0.44 168	0.34 218	0.48 239	0.35 263	0.48 288	0.35 254	0.51 297	0.35 256	0.47 272	0.35 263	0.47 279	0.34 252	0.47 277	0.35 257	0.41 249	0.40 249	0.40 259	0.40 292	0.41 251	0.39 273

RainbowNet	0.48 259	0.48 185	0.48 280	0.48 239	0.48 320	0.48 288	0.48 316	0.48 276	0.48 314	0.48 279	0.48 321	0.48 286	0.48 311	0.48 286	0.48 315	0.48 279	0.48 284	0.48 305	0.48 321	0.48 277	0.48 306

notaker	0.48 259	0.49 187	0.48 280	0.48 239	0.48 320	0.48 288	0.48 316	0.48 276	0.49 316	0.48 279	0.48 321	0.48 286	0.48 311	0.48 286	0.48 315	0.48 279	0.48 284	0.48 305	0.48 321	0.48 277	0.49 311

RSM	0.36 198	0.36 137	0.43 258	0.37 185	0.42 303	0.49 293	0.42 293	0.37 211	0.28 216	0.36 210	0.29 224	0.36 216	0.30 233	0.37 222	0.28 210	0.34 204	0.31 215	0.34 216	0.35 268	0.40 241	0.29 218

GCST	0.50 266	2.08 387	0.38 234	0.53 261	0.35 263	0.49 293	0.35 254	0.50 288	0.35 256	0.49 286	0.35 263	0.49 290	0.35 259	0.49 292	0.35 257	0.48 279	0.37 233	0.45 290	0.33 258	0.44 261	0.33 244

KSHMR	0.66 293	0.50 191	0.48 280	1.15 345	0.52 332	0.49 293	0.51 324	0.49 280	0.71 355	0.67 332	0.50 326	1.16 387	1.11 381	0.66 330	0.52 325	0.49 282	0.49 287	0.51 318	0.66 347	0.50 285	1.14 393

ACVNet_2	0.49 264	0.49 187	0.49 285	0.49 245	0.49 322	0.49 293	0.49 318	0.49 280	0.49 316	0.49 286	0.49 324	0.49 290	0.49 316	0.49 292	0.49 317	0.49 282	0.49 287	0.49 309	0.49 324	0.49 280	0.49 311

PCWNet_CMD	2.80 501	9.82 525	0.32 205	10.09 543	0.32 239	0.49 293	0.33 238	3.34 502	0.33 244	0.49 286	0.33 246	0.49 290	8.73 541	0.48 286	0.33 240	0.41 249	9.22 539	0.42 283	0.29 229	9.55 542	0.31 233

CFNet_ucs	2.73 498	9.64 524	0.33 210	9.92 541	0.32 239	0.49 293	0.33 238	0.49 280	0.33 244	0.49 286	0.33 246	0.49 290	8.98 543	0.48 286	0.33 240	0.41 249	9.96 545	0.40 259	0.29 229	10.12 545	0.54 322

psmorigin	0.41 228	0.46 175	0.33 210	0.49 245	0.33 250	0.49 293	0.33 238	0.49 280	0.33 244	0.49 286	0.33 246	0.49 290	0.33 247	0.51 305	0.33 240	0.41 249	0.30 211	0.41 272	0.30 239	0.79 323	0.29 218

ccs_rob	2.79 500	10.17 529	0.32 205	10.00 542	0.33 250	0.49 293	0.33 238	1.90 449	0.32 238	0.51 302	0.33 246	0.49 290	9.24 544	0.49 292	0.33 240	0.41 249	9.82 543	0.41 272	0.28 220	9.34 541	0.29 218

FoundationStereo	0.50 266	0.50 191	0.50 288	0.50 252	0.50 326	0.50 301	0.50 320	0.50 288	0.50 319	0.50 298	0.50 326	0.50 304	0.50 319	0.50 299	0.50 318	0.50 288	0.50 293	0.50 313	0.50 326	0.50 285	0.50 314

StereoAnything_RVC	0.50 266	0.50 191	0.50 288	0.50 252	0.50 326	0.50 301	0.50 320	0.50 288	0.50 319	0.50 298	0.50 326	0.50 304	0.50 319	0.50 299	0.50 318	0.50 288	0.50 293	0.50 313	0.50 326	0.50 285	0.50 314

dual_stereo	0.50 266	0.50 191	0.50 288	0.50 252	0.50 326	0.50 301	0.50 320	0.50 288	0.50 319	0.50 298	0.50 326	0.50 304	0.50 319	0.50 299	0.50 318	0.50 288	0.50 293	0.50 313	0.50 326	0.50 285	0.50 314

UGAM-zero	0.51 271	2.17 395	0.39 241	0.53 261	0.36 269	0.50 301	0.36 261	0.50 288	0.36 267	0.49 286	0.36 267	0.50 304	0.35 259	0.50 299	0.36 261	0.49 282	0.37 233	0.47 297	0.35 268	0.46 266	0.34 250

UGAM	0.51 271	2.23 400	0.39 241	0.54 263	0.35 263	0.50 301	0.35 254	0.49 280	0.35 256	0.49 286	0.35 263	0.49 290	0.36 262	0.50 299	0.36 261	0.49 282	0.37 233	0.45 290	0.34 262	0.45 265	0.34 250

pcwnet_v2	2.66 496	9.89 526	0.33 210	9.89 540	0.32 239	0.50 301	0.32 229	0.49 280	0.33 244	0.49 286	0.34 254	0.49 290	8.76 542	0.48 286	0.33 240	0.41 249	9.58 541	0.40 259	0.29 229	9.01 540	0.63 336

ccnet	0.80 321	2.28 403	0.33 210	0.50 252	0.33 250	0.50 301	0.33 238	0.50 288	0.33 244	0.49 286	0.33 246	0.49 290	1.56 457	2.38 473	0.33 240	0.41 249	0.29 203	0.42 283	1.57 468	2.28 458	0.29 218

FCDSN-DC	0.41 228	0.59 211	0.64 313	0.54 263	0.33 250	0.50 301	0.37 266	0.42 256	0.40 281	0.61 322	0.43 302	0.50 304	0.49 316	0.38 224	0.32 232	0.28 186	0.23 178	0.26 183	0.22 185	0.35 211	0.28 213
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SANet	0.50 266	0.50 191	0.50 288	0.50 252	0.50 326	0.50 301	0.50 320	0.50 288	0.50 319	0.50 298	0.50 326	0.50 304	0.50 319	0.50 299	0.50 318	0.50 288	0.50 293	0.50 313	0.50 326	0.50 285	0.50 314

depthmonostereo	0.44 243	0.85 234	0.46 266	0.54 263	0.40 286	0.52 310	0.38 272	0.52 299	0.35 256	0.47 272	0.34 254	0.46 273	0.34 252	0.47 277	0.34 253	0.45 267	0.43 268	0.41 272	0.33 258	0.41 251	0.32 237

fffft	0.48 259	0.51 198	0.45 262	0.52 260	0.45 308	0.52 310	0.45 300	0.52 299	0.48 314	0.53 307	0.45 307	0.52 310	0.45 299	0.52 308	0.46 303	0.51 294	0.41 258	0.50 313	0.41 299	0.50 285	0.41 283
1: 1. 1
LG-Stereo_L1	0.47 254	0.52 200	0.47 273	0.62 276	0.39 284	0.53 312	0.40 280	0.53 301	0.39 280	0.53 307	0.39 282	0.53 311	0.39 275	0.53 310	0.39 278	0.55 300	0.46 273	0.49 309	0.37 276	0.49 280	0.37 261

PAM_32	0.64 290	2.38 415	0.51 293	0.92 314	0.43 305	0.53 312	0.44 296	0.87 341	0.43 297	0.52 305	0.45 307	0.53 311	0.40 276	0.54 311	0.46 303	0.62 311	0.56 305	0.48 305	0.45 309	0.76 319	0.44 294

AEACV	1.12 371	0.52 200	3.12 515	3.24 470	0.86 375	0.53 312	0.49 318	0.60 315	0.47 307	0.53 307	0.49 324	0.55 317	0.45 299	0.55 314	0.47 309	3.01 494	3.88 515	0.71 342	0.60 340	0.80 326	0.48 306

iRaftStereo_RVC	0.97 355	3.17 450	2.30 497	2.42 449	0.38 279	0.54 315	0.38 272	0.54 303	0.38 272	0.54 310	0.38 278	0.54 313	0.38 270	0.54 311	0.38 272	2.38 477	2.34 493	0.49 309	0.36 274	0.49 280	0.36 257

PSMNet_ROB	0.54 275	0.54 206	0.54 300	0.54 263	0.53 335	0.54 315	0.54 328	0.53 301	0.54 329	0.54 310	0.54 336	0.54 313	0.53 326	0.54 311	0.54 328	0.54 298	0.53 301	0.54 324	0.54 331	0.54 297	0.54 322

LG-Stereo_Zeroshot	0.48 259	0.55 208	0.47 273	0.63 278	0.41 293	0.56 317	0.44 296	0.56 305	0.41 290	0.56 315	0.41 291	0.57 321	0.42 293	0.56 315	0.41 289	0.55 300	0.43 268	0.51 318	0.37 276	0.51 291	0.37 261

Occ-G	1.12 371	0.52 200	3.72 523	3.50 485	0.50 326	0.56 317	0.47 307	0.54 303	0.46 302	0.54 310	0.41 291	0.54 313	0.42 293	0.52 308	0.42 295	3.42 498	4.02 517	0.52 321	0.45 309	0.51 291	0.44 294

LL-Strereo	1.01 363	5.06 484	1.63 459	0.70 289	1.43 463	0.56 317	0.46 302	0.57 308	0.50 319	0.57 317	0.50 326	1.58 447	0.49 316	0.59 321	0.50 318	1.64 440	0.52 299	0.51 318	1.37 456	0.52 293	0.45 296

CASS	0.57 282	0.89 242	0.56 302	0.57 269	0.56 338	0.56 317	0.56 329	0.56 305	0.53 327	0.57 317	0.57 339	0.59 325	0.48 311	0.56 315	0.57 331	0.55 300	0.56 305	0.47 297	0.56 335	0.62 303	0.56 329
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CFNet_RVC	2.38 489	8.71 517	0.38 234	9.33 536	0.42 303	0.56 317	0.42 293	0.60 315	0.38 272	0.62 325	0.42 300	0.56 320	7.29 540	0.62 323	0.42 295	0.53 297	0.37 233	0.49 309	0.34 262	8.30 536	6.87 543

MyStereo8	0.71 304	3.92 469	0.52 296	0.59 272	0.52 332	0.57 322	0.53 326	0.59 313	0.50 319	0.59 321	0.51 332	0.57 321	0.50 319	0.56 315	0.52 325	0.54 298	0.49 287	0.54 324	0.49 324	0.55 298	0.50 314

PML	0.46 248	1.36 353	0.29 191	0.58 270	0.30 233	0.57 322	0.29 219	0.57 308	0.29 221	0.57 317	0.29 224	0.57 321	0.29 227	0.56 315	0.29 220	0.52 296	0.30 211	0.53 323	0.31 245	0.53 296	0.30 228

PA-Net	11.80 545	223.51 570	0.62 310	0.59 272	0.71 362	0.59 324	0.73 354	0.67 324	0.73 359	0.55 313	0.61 343	0.60 326	0.74 353	0.63 327	0.73 355	0.66 316	0.60 309	0.69 339	0.66 347	0.72 314	0.65 338
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-test2	0.55 279	0.59 211	0.52 296	0.67 286	0.47 316	0.61 325	0.47 307	0.61 317	0.47 307	0.61 322	0.47 317	0.61 327	0.48 311	0.62 323	0.47 309	0.64 313	0.53 301	0.58 327	0.47 318	0.58 300	0.48 306

AIO-test1	0.54 275	0.60 213	0.52 296	0.66 285	0.47 316	0.61 325	0.47 307	0.58 311	0.46 302	0.61 322	0.46 309	0.61 327	0.45 299	0.62 323	0.45 299	0.61 308	0.52 299	0.57 326	0.48 321	0.57 299	0.48 306

Selective-IGEV	0.51 271	0.55 208	0.45 262	0.69 287	0.45 308	0.61 325	0.45 300	0.50 288	0.40 281	0.56 315	0.44 304	0.55 317	0.40 276	0.72 336	0.67 342	0.59 304	0.46 273	0.45 290	0.34 262	0.46 266	0.37 261

MyStereo06	0.75 310	4.12 470	0.60 307	0.63 278	0.61 346	0.62 328	0.66 339	0.56 305	0.45 301	0.55 313	0.48 321	0.54 313	0.46 302	0.57 319	0.45 299	0.60 305	0.57 307	0.64 333	0.55 332	0.72 314	0.55 326

MyStereo05	0.80 321	4.12 470	0.63 311	0.63 278	0.61 346	0.62 328	0.66 339	0.65 321	0.62 338	0.67 332	0.61 343	0.65 333	0.58 331	0.67 332	0.55 330	0.60 305	0.57 307	0.64 333	0.55 332	0.72 314	0.55 326

DSFCA	0.66 293	0.73 221	0.78 336	0.65 282	0.65 352	0.64 330	0.64 336	0.65 321	0.63 340	0.64 328	0.64 347	0.64 330	0.64 336	0.65 329	0.65 338	0.65 314	0.65 318	0.65 336	0.65 345	0.66 306	0.64 337

DispNO	1.00 358	0.63 214	0.43 258	3.45 481	0.44 306	0.65 331	0.43 295	0.64 320	0.43 297	0.64 328	0.43 302	0.64 330	3.03 501	0.64 328	0.43 297	4.55 507	0.43 268	0.63 332	0.43 307	0.63 304	0.43 291

LMCR-Stereo	0.65 291	0.63 214	0.65 316	0.65 282	0.65 352	0.66 332	0.63 335	0.58 311	0.65 342	0.63 327	0.64 347	0.65 333	0.65 338	0.66 330	0.66 341	0.66 316	0.64 317	0.65 336	0.67 351	0.68 308	0.73 352

WCG-NET	0.61 286	1.21 342	0.54 300	0.61 275	0.53 335	0.67 333	0.53 326	0.66 323	0.53 327	0.64 328	0.53 335	0.65 333	0.53 326	0.59 321	0.52 325	0.65 314	0.48 284	0.64 333	0.52 330	0.58 300	0.50 314

test-3	0.98 357	4.13 472	1.85 479	1.85 425	0.61 346	0.69 334	0.37 266	0.63 319	0.61 337	0.66 331	0.51 332	0.73 342	0.44 297	0.57 319	0.54 328	1.68 441	1.81 473	0.40 259	0.43 307	0.66 306	0.50 314

TorneroNet-64	0.45 245	0.27 123	0.30 195	0.58 270	0.27 214	0.70 335	0.30 224	0.28 182	0.73 359	0.73 338	0.28 220	0.71 337	0.66 341	0.75 341	0.27 204	0.27 184	0.29 203	0.37 237	0.75 362	0.28 178	0.30 228

DMCA-RVC	0.70 302	0.80 226	0.70 323	0.70 289	0.70 361	0.70 335	0.70 349	0.71 329	0.70 352	0.70 335	0.71 360	0.71 337	0.70 347	0.70 334	0.69 350	0.69 319	0.70 325	0.69 339	0.70 356	0.69 312	0.70 345

SMoEStereo_RVC	0.63 288	0.75 222	0.51 293	0.73 293	0.53 335	0.71 337	0.47 307	0.67 324	0.58 332	0.74 343	0.60 340	0.72 340	0.53 326	0.74 340	0.51 323	0.61 308	0.62 314	0.62 330	0.61 342	0.63 304	0.61 332

anonymity	0.63 288	0.69 218	0.56 302	0.71 291	0.56 338	0.71 337	0.56 329	0.71 329	0.56 330	0.72 336	0.56 338	0.71 337	0.56 330	0.71 335	0.58 332	0.68 318	0.55 303	0.68 338	0.55 332	0.68 308	0.54 322

AFF-stereo	0.73 308	0.88 239	0.67 320	0.75 295	0.68 359	0.75 339	0.64 336	0.80 336	0.72 356	0.83 351	0.70 357	0.82 353	0.64 336	0.84 348	0.67 342	0.77 328	0.63 315	0.81 355	0.63 344	0.78 321	0.62 335

iGMRVC	0.84 337	2.85 443	0.72 328	0.72 292	0.73 365	0.77 340	0.79 359	0.73 331	0.74 361	0.73 338	0.72 362	0.73 342	0.76 356	0.73 338	0.73 355	0.72 324	0.73 331	0.73 343	0.72 360	0.73 317	0.72 349

test_xeample3	1.10 368	1.81 367	0.61 309	0.84 304	0.49 322	0.77 340	0.66 339	0.92 350	1.40 463	0.68 334	0.46 309	0.78 347	0.54 329	1.72 448	1.48 465	1.34 424	1.52 451	1.35 448	1.67 481	1.33 423	1.55 469

GCAP-Stereo	0.75 310	4.15 473	0.42 257	0.75 295	0.35 263	0.78 342	0.40 280	0.79 334	0.38 272	0.78 346	0.36 267	0.78 347	0.36 262	0.79 343	0.39 278	0.75 326	0.39 246	0.76 347	0.39 291	0.75 318	0.39 273

ARAFT	0.68 298	0.81 229	0.63 311	0.74 294	0.60 341	0.78 342	0.62 334	0.77 333	0.66 344	0.74 343	0.63 345	0.75 344	0.62 335	0.83 347	0.60 334	0.70 322	0.55 303	0.70 341	0.60 340	0.78 321	0.55 326

G-Net	0.79 319	0.79 225	0.79 339	0.79 297	0.79 371	0.79 344	0.79 359	0.79 334	0.79 365	0.79 347	0.79 369	0.79 349	0.79 359	0.79 343	0.79 361	0.79 329	0.79 338	0.79 350	0.79 366	0.79 323	0.79 359

NaN_ROB	0.80 321	0.80 226	0.80 340	0.80 299	0.80 373	0.80 345	0.80 362	0.80 336	0.80 366	0.80 348	0.80 370	0.80 350	0.80 360	0.80 345	0.80 363	0.80 330	0.80 341	0.80 353	0.80 368	0.80 326	0.80 360

CSAN	0.80 321	0.80 226	0.80 340	0.80 299	0.80 373	0.80 345	0.80 362	0.80 336	0.80 366	0.80 348	0.80 370	0.80 350	0.80 360	0.80 345	0.80 363	0.80 330	0.80 341	0.80 353	0.80 368	0.80 326	0.80 360

RAFT-Stereo + iAFF	0.70 302	0.72 220	0.71 327	0.80 299	0.62 349	0.82 347	0.61 333	0.81 339	0.62 338	0.81 350	0.63 345	0.80 350	0.70 347	0.73 338	0.61 336	0.76 327	0.61 313	0.74 344	0.61 342	0.77 320	0.61 332

RSM++	0.76 314	0.82 231	0.66 317	0.85 306	0.64 350	0.85 348	0.71 352	0.94 354	0.64 341	0.87 352	0.67 352	0.87 355	0.65 338	0.84 348	0.65 338	0.81 333	0.70 325	0.79 350	0.71 359	0.83 331	0.70 345

CFNet_pseudo	2.67 497	9.36 522	0.32 205	10.99 545	0.33 250	0.85 348	0.33 238	0.49 280	0.33 244	0.49 286	0.32 240	0.49 290	7.26 539	0.49 292	0.33 240	0.41 249	9.62 542	0.41 272	0.29 229	10.03 544	0.29 218

MSMDNet	2.65 495	10.14 528	0.33 210	9.74 539	0.32 239	0.87 350	0.33 238	2.95 498	0.68 346	0.49 286	0.34 254	0.49 290	5.70 535	0.49 292	0.33 240	0.42 263	9.57 540	0.41 272	0.31 245	8.36 537	0.65 338

Selective-RAFT-Error	0.88 341	0.84 232	0.98 357	0.86 307	0.97 387	0.88 351	0.95 376	0.84 340	0.99 386	0.92 358	0.82 372	0.84 354	0.98 370	0.87 352	0.97 378	0.81 333	0.83 344	0.79 350	0.82 371	0.79 323	0.85 365

DCRE	0.84 337	1.89 374	0.77 335	0.94 319	0.72 364	0.88 351	0.73 354	0.87 341	0.78 362	0.90 354	0.71 360	0.88 356	0.67 343	0.88 353	0.73 355	0.81 333	0.68 320	0.81 355	0.70 356	0.82 330	0.70 345

DDUNet	0.81 326	2.45 418	0.57 304	0.90 309	0.60 341	0.88 351	0.59 332	0.90 345	0.60 334	0.88 353	0.60 340	0.90 359	0.58 331	0.88 353	0.60 334	0.84 338	0.60 309	0.86 361	0.57 336	0.86 333	0.60 331

UDG	0.80 321	2.21 399	0.60 307	0.91 311	0.60 341	0.90 354	0.58 331	0.88 344	0.60 334	0.90 354	0.60 340	0.88 356	0.60 333	0.90 356	0.58 332	0.86 340	0.60 309	0.84 359	0.59 339	0.84 332	0.61 332

DGTPSM_ROB	0.93 351	1.00 262	0.92 352	0.94 319	0.96 386	0.91 355	0.92 372	0.91 347	0.96 382	0.91 356	0.96 381	0.93 365	0.92 366	0.94 362	0.92 371	0.92 346	0.92 349	0.90 363	0.92 375	0.94 345	0.91 370

DPSM_ROB	0.92 346	0.91 246	0.91 350	0.91 311	0.92 382	0.92 356	0.92 372	0.92 350	0.91 373	0.93 360	0.91 377	0.92 362	0.90 364	0.91 357	0.92 371	0.92 346	0.91 347	0.91 365	0.92 375	0.93 343	0.93 372

DPSM	0.92 346	0.91 246	0.91 350	0.91 311	0.92 382	0.92 356	0.92 372	0.92 350	0.91 373	0.93 360	0.91 377	0.92 362	0.90 364	0.91 357	0.92 371	0.92 346	0.91 347	0.91 365	0.92 375	0.93 343	0.93 372

pmcnn	0.92 346	0.92 251	0.92 352	0.92 314	0.92 382	0.92 356	0.92 372	0.92 350	0.92 377	0.92 358	0.92 380	0.92 362	0.92 366	0.92 361	0.92 371	0.92 346	0.92 349	0.92 367	0.92 375	0.92 342	0.92 371

R-Stereo Train	0.81 326	0.96 256	0.67 320	0.95 321	0.67 356	0.95 359	0.68 344	0.95 356	0.68 346	0.95 364	0.68 353	0.96 367	0.68 344	0.96 366	0.68 346	0.94 350	0.68 320	0.94 369	0.68 352	0.94 345	0.68 343

RAFT-Stereo	0.81 326	0.96 256	0.67 320	0.95 321	0.67 356	0.95 359	0.68 344	0.95 356	0.68 346	0.95 364	0.68 353	0.96 367	0.68 344	0.96 366	0.68 346	0.94 350	0.68 320	0.94 369	0.68 352	0.94 345	0.68 343
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MoCha-V2	2.11 466	26.97 548	0.78 336	0.92 314	0.77 369	0.96 361	0.72 353	0.90 345	0.72 356	0.94 362	0.70 357	0.90 359	0.71 351	0.91 357	0.71 354	0.85 339	0.71 329	0.88 362	0.69 354	0.87 334	0.67 342

AIO-Stereo	0.84 337	0.66 217	0.70 323	0.83 303	0.67 356	0.98 362	0.82 365	1.14 368	0.72 356	1.03 371	0.74 365	1.03 375	1.09 380	0.99 368	0.45 299	1.04 356	0.73 331	0.95 371	0.74 361	0.94 345	0.46 297

ToySt	0.92 346	2.11 390	0.90 348	0.95 321	0.79 371	0.99 363	0.78 358	0.94 354	0.81 369	0.94 362	0.78 368	0.95 366	0.77 357	0.94 362	0.86 369	0.91 343	0.79 338	0.85 360	0.77 363	0.89 336	0.73 352

LG-Stereo	0.60 283	0.58 210	0.47 273	0.64 281	0.74 367	1.00 364	0.69 347	0.57 308	0.41 290	0.57 317	0.41 291	0.57 321	0.41 287	1.00 369	0.75 358	0.91 343	0.51 297	0.52 321	0.37 276	0.52 293	0.37 261

GANet	1.00 358	1.00 262	1.00 359	1.00 328	1.00 388	1.00 364	1.00 380	1.00 358	1.00 387	1.00 366	1.00 384	1.00 370	1.00 371	1.00 369	1.00 381	1.00 352	1.00 352	1.00 376	1.00 382	1.00 349	1.00 379

TDLM	1.00 358	1.00 262	1.00 359	1.00 328	1.00 388	1.00 364	1.00 380	1.00 358	1.00 387	1.00 366	1.00 384	1.00 370	1.00 371	1.00 369	1.00 381	1.00 352	1.00 352	1.00 376	1.00 382	1.00 349	1.00 379

CVANet_RVC	1.00 358	1.00 262	1.00 359	1.00 328	1.00 388	1.00 364	1.00 380	1.00 358	1.00 387	1.00 366	1.00 384	1.00 370	1.00 371	1.00 369	1.00 381	1.00 352	1.00 352	1.00 376	1.00 382	1.00 349	1.00 379

trnet	1.01 363	1.01 268	1.01 362	1.01 331	1.01 392	1.01 368	1.01 383	1.01 361	1.01 390	1.01 370	1.01 387	1.01 373	1.01 377	1.01 373	1.01 384	1.01 355	1.01 355	1.01 379	1.01 386	1.01 352	1.01 382

DPSimNet_ROB	0.97 355	1.18 294	0.81 342	1.10 337	0.91 381	1.02 369	0.82 365	1.04 363	0.91 373	1.03 371	0.86 373	1.28 439	0.82 362	1.03 374	0.89 370	1.17 370	0.81 343	1.02 380	0.82 371	1.08 356	0.81 362

AIO-Stereo-zeroshot	0.91 344	0.86 235	0.89 345	1.25 402	0.69 360	1.05 370	0.81 364	1.16 371	0.50 319	1.12 380	0.97 382	0.72 340	0.82 362	1.06 376	0.95 376	0.61 308	0.87 346	1.03 381	0.85 374	1.04 354	1.01 382

TorneroNet	0.66 293	0.53 203	0.50 288	0.50 252	0.64 350	1.06 371	0.70 349	0.50 288	0.51 326	0.49 286	0.69 356	0.49 290	0.50 319	0.48 286	1.15 393	0.71 323	0.49 287	1.14 384	1.08 388	0.49 280	0.49 311

Selective-RAFT	0.89 343	0.89 242	0.72 328	1.16 350	0.78 370	1.06 371	0.82 365	0.87 341	0.97 383	1.00 366	0.91 377	0.90 359	1.00 371	0.89 355	0.93 375	0.83 336	0.83 344	0.82 357	0.82 371	0.81 329	0.82 363

GLC_STEREO	1.07 366	1.01 268	1.06 364	1.07 335	1.05 395	1.06 371	1.08 387	1.08 364	1.05 393	1.07 373	1.06 389	1.08 377	1.05 379	1.06 376	1.10 388	1.07 358	1.09 365	1.05 382	1.05 387	1.06 355	1.12 389

STTRV1_RVC	0.82 330	1.60 359	0.70 323	1.01 331	0.60 341	1.07 374	0.69 347	1.01 361	0.60 334	0.72 336	0.55 337	1.02 374	0.68 344	1.03 374	0.67 342	0.89 342	0.63 315	0.92 367	0.57 336	0.90 338	0.65 338

edge stereo	2.43 490	27.07 549	1.14 368	1.06 334	1.14 398	1.08 375	1.17 395	1.16 371	1.14 394	1.10 375	1.16 395	1.09 379	1.16 389	1.10 382	1.16 396	1.10 361	1.11 369	1.16 386	1.19 396	1.13 358	1.11 387

Nwc_Net	2.37 487	25.95 545	1.15 370	1.14 343	1.15 399	1.08 375	1.14 391	1.17 373	1.16 396	1.14 383	1.15 392	1.08 377	1.15 385	1.11 384	1.14 392	1.10 361	1.11 369	1.16 386	1.09 389	1.16 363	1.15 394

999	1.00 358	1.12 287	0.59 305	1.10 337	1.21 453	1.09 377	0.52 325	1.08 364	1.43 465	1.18 385	1.35 457	0.98 369	0.52 325	0.91 357	0.85 368	0.72 324	1.46 447	0.83 358	0.98 380	0.68 308	1.41 465

RP	2.33 483	25.00 541	1.13 367	1.15 345	1.15 399	1.10 378	1.15 392	1.15 369	1.15 395	1.12 380	1.15 392	1.09 379	1.13 382	1.10 382	1.15 393	1.11 366	1.09 365	1.16 386	1.12 390	1.16 363	1.17 398

RGC	2.36 485	25.48 542	1.19 376	1.15 345	1.15 399	1.10 378	1.16 394	1.17 373	1.16 396	1.12 380	1.16 395	1.11 384	1.13 382	1.09 380	1.18 398	1.10 361	1.15 374	1.16 386	1.12 390	1.14 359	1.12 389

MSMD_ROB	1.19 373	1.10 286	0.70 323	1.10 337	0.60 341	1.10 378	0.70 349	1.10 367	0.70 352	1.10 375	0.70 357	1.10 381	0.70 347	7.00 542	0.70 353	1.10 361	0.70 325	1.10 383	0.70 356	1.10 357	0.70 345

NCC-stereo	2.36 485	25.52 543	1.17 372	1.15 345	1.17 404	1.11 381	1.11 388	1.15 369	1.16 396	1.10 375	1.16 395	1.10 381	1.15 385	1.14 386	1.13 391	1.09 359	1.11 369	1.15 385	1.16 394	1.17 368	1.17 398

Abc-Net	2.32 482	24.75 540	1.14 368	1.17 351	1.17 404	1.11 381	1.15 392	1.17 373	1.21 448	1.08 374	1.16 395	1.12 385	1.14 384	1.09 380	1.17 397	1.09 359	1.16 375	1.17 390	1.17 395	1.16 363	1.11 387
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 483	24.38 539	1.18 374	1.18 352	1.18 406	1.14 383	1.18 396	1.19 376	1.19 402	1.14 383	1.18 399	1.14 386	1.18 390	1.14 386	1.18 398	1.14 369	1.14 373	1.19 394	1.19 396	1.15 361	1.19 402

AF-Net	2.37 487	25.71 544	1.17 372	1.13 342	1.15 399	1.15 384	1.18 396	1.19 376	1.16 396	1.10 375	1.15 392	1.10 381	1.18 390	1.12 385	1.15 393	1.10 361	1.10 368	1.17 390	1.15 392	1.16 363	1.12 389

HSM-Net_RVC	0.95 354	1.17 292	0.78 336	1.18 352	0.71 362	1.16 385	0.75 356	1.09 366	0.80 366	1.10 375	0.75 366	1.17 388	0.74 353	1.17 388	0.80 363	1.13 367	0.73 331	1.17 390	0.77 363	1.16 363	0.72 349
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DisPM	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

CrosDoStereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

PFNet+	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

LCNet	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

HHNet	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

Patchmatch Stereo++	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403
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	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

STrans-v2	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

TransformOpticalFlow	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

OMP-Stereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

IIG-Stereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

NF-Stereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

OCTAStereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

PSM-softLoss	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

KMStereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

NRIStereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

PSM-adaLoss	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

PSM-AAD	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

FTStereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

ROB_FTStereo_v2	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

ROB_FTStereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

Consistency-Raft	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

KYRaft	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

HUI-Stereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

ASMatch	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

DeepStereo_LL	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

DEmStereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

SST-Stereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

THIR-Stereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

RAFT_R40	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

DRaft	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

PFNet	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

GrayStereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

RE-Stereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

Pruner-Stereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

TVStereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

DeepStereo_RVC	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

RAFT-RH_RVC	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

IRAFT_RVC	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

RAFT-345	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

iRAFT	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

CRE-IMP	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

GMM-Stereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

RAFT-IKP	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

Prome-Stereo	1.20 374	1.20 296	1.20 379	1.20 354	1.20 407	1.20 386	1.20 398	1.20 379	1.20 403	1.20 387	1.20 400	1.20 390	1.20 392	1.20 390	1.20 400	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

FAT-Stereo	2.46 491	26.05 546	1.23 428	1.23 401	1.22 455	1.20 386	1.24 446	1.23 427	1.23 450	1.19 386	1.22 446	1.21 435	1.24 440	1.20 390	1.24 447	1.21 417	1.17 378	1.22 441	1.25 449	1.20 372	1.24 452

ktn	0.72 307	0.53 203	1.08 365	1.14 343	0.51 331	1.22 432	1.36 456	0.51 297	0.59 333	0.51 302	0.51 332	0.69 336	1.20 392	0.67 332	0.51 323	0.51 294	0.49 287	0.58 327	0.66 347	0.52 293	0.53 321

CroCo-Stereo	0.73 308	1.22 345	0.25 178	1.22 399	0.25 204	1.22 432	0.25 196	1.22 425	0.25 195	1.22 433	0.25 204	1.22 436	0.25 198	1.22 436	0.25 198	1.22 418	0.26 184	1.21 440	0.25 203	1.22 419	0.25 186
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	2.51 492	26.86 547	1.23 428	1.22 399	1.22 455	1.24 434	1.25 447	1.22 425	1.24 451	1.21 432	1.24 448	1.19 389	1.27 442	1.19 389	1.24 447	1.19 371	1.20 380	1.25 442	1.19 396	1.24 420	1.23 451

AIO-Stereo-zeroshot1	0.75 310	0.92 251	0.85 344	0.96 324	0.59 340	1.27 435	0.44 296	0.59 313	0.69 349	0.91 356	0.68 353	0.55 317	0.61 334	1.06 376	0.83 367	0.62 311	0.70 325	0.90 363	0.41 299	0.89 336	0.56 329

CroCo-Stereo Lap2	0.77 315	1.29 348	0.29 191	1.27 403	0.29 224	1.27 435	0.26 204	1.26 428	0.26 208	1.26 434	0.26 210	1.27 438	0.26 207	1.26 437	0.27 204	1.27 420	0.27 189	1.27 443	0.27 216	1.27 421	0.27 200

11t	1.27 424	2.70 429	1.34 432	1.32 407	0.89 377	1.30 437	1.34 453	1.64 441	0.57 331	1.45 441	0.72 362	1.05 376	1.29 444	1.07 379	1.29 454	1.49 432	1.02 356	0.97 374	1.15 392	1.48 428	1.31 456

ours_stereo	1.20 374	1.21 342	0.90 348	1.64 423	1.11 397	1.35 438	0.67 343	1.76 445	0.93 378	1.70 449	1.10 391	1.39 442	0.75 355	1.41 442	0.81 366	1.60 439	1.03 357	1.33 445	1.00 382	1.61 433	0.72 349

MaskLacGwcNet_RVC	1.35 426	1.35 352	1.35 434	1.35 409	1.35 457	1.35 438	1.35 454	1.36 433	1.35 459	1.36 437	1.35 457	1.36 440	1.36 450	1.36 439	1.35 458	1.35 425	1.35 440	1.35 448	1.35 453	1.35 424	1.35 461

MM-Stereo_test2	1.20 374	1.85 370	1.05 363	1.46 414	0.94 385	1.36 440	0.99 379	1.36 433	0.95 380	1.41 439	0.98 383	1.40 444	0.96 368	1.37 440	0.95 376	1.37 428	1.06 358	1.33 445	0.93 379	1.29 422	0.89 368

CC-Net-ROB	1.36 427	1.33 351	1.33 431	1.36 410	1.38 460	1.36 440	1.33 452	1.37 435	1.34 456	1.35 436	1.36 459	1.38 441	1.34 448	1.38 441	1.38 461	1.35 425	1.38 443	1.33 445	1.35 453	1.43 427	1.34 460

MLG-Stereo	0.92 346	0.90 244	0.84 343	1.27 403	0.49 322	1.38 442	0.88 368	1.41 438	0.97 383	0.73 338	1.09 390	1.26 437	0.43 295	0.72 336	1.05 386	1.13 367	0.49 287	1.18 393	0.66 347	1.01 352	0.46 297

PS-NSSS	1.38 429	1.39 354	1.34 432	1.34 408	1.35 457	1.38 442	1.37 461	1.35 432	1.38 462	1.34 435	1.34 456	1.39 442	1.38 453	1.70 447	1.40 462	1.36 427	1.36 441	1.36 450	1.37 456	1.37 425	1.36 462

HBP-ISP	1.24 422	1.72 362	1.65 460	1.15 345	0.76 368	1.40 444	0.88 368	1.67 444	1.02 391	1.69 448	1.38 462	1.69 450	1.21 438	1.87 455	1.21 445	1.05 357	0.79 338	0.97 374	0.80 368	1.19 371	0.75 356

FC-DCNN	1.07 366	1.09 283	0.98 357	0.89 308	0.52 332	1.41 445	0.91 371	1.21 424	1.24 451	1.96 453	2.05 506	1.91 454	1.30 445	1.27 438	1.08 387	0.80 330	0.60 309	0.58 327	0.41 299	0.68 308	0.54 322

MM-Stereo_test3	1.27 424	2.07 386	1.18 374	1.60 418	1.02 393	1.45 446	1.01 383	1.40 437	1.04 392	1.44 440	1.03 388	1.46 446	1.02 378	1.44 443	1.02 385	1.51 435	1.12 372	1.32 444	0.98 380	1.38 426	0.97 375

RASNet	1.49 430	1.65 360	1.45 450	1.38 412	1.43 463	1.47 447	1.36 456	1.38 436	1.36 460	1.39 438	1.60 472	1.45 445	1.45 456	1.51 444	2.21 501	1.53 436	1.36 441	1.36 450	1.36 455	1.66 436	1.36 462

tt45	1.04 365	0.88 239	1.36 442	0.92 314	1.03 394	1.51 448	0.79 359	0.70 328	0.88 371	0.74 343	0.90 374	1.60 448	0.72 352	1.60 445	0.75 358	0.91 343	0.78 337	1.52 455	0.79 366	1.14 359	1.32 457

DPSMNet_ROB	1.60 433	1.59 358	1.70 462	1.59 417	1.59 468	1.61 449	1.61 471	1.60 439	1.60 468	1.62 447	1.59 471	1.60 448	1.60 458	1.60 445	1.59 468	1.59 437	1.60 461	1.59 456	1.59 473	1.59 432	1.59 474

CFNet-RSSM	0.91 344	4.89 482	0.34 218	0.44 227	1.07 396	1.62 450	1.40 463	0.91 347	0.35 256	1.60 443	1.39 463	0.64 330	0.34 252	0.44 266	0.33 240	0.41 249	0.35 228	0.75 345	0.30 239	0.41 251	0.29 218

ff7	1.68 434	2.68 426	1.35 434	0.97 325	0.89 377	1.84 451	2.15 499	2.12 458	1.80 484	2.05 463	1.56 468	2.33 469	2.12 492	2.23 466	2.25 502	1.31 421	1.07 359	1.48 452	1.41 459	0.90 338	1.04 384

ffff	1.68 434	2.68 426	1.35 434	0.97 325	0.89 377	1.84 451	2.15 499	2.12 458	1.80 484	2.05 463	1.56 468	2.33 469	2.12 492	2.23 466	2.25 502	1.31 421	1.07 359	1.48 452	1.41 459	0.90 338	1.04 384

ccc-4	1.68 434	2.68 426	1.35 434	0.97 325	0.89 377	1.84 451	2.15 499	2.12 458	1.80 484	2.05 463	1.56 468	2.33 469	2.12 492	2.23 466	2.25 502	1.31 421	1.07 359	1.48 452	1.41 459	0.90 338	1.04 384

GANetREF_RVC	1.55 431	1.94 383	1.22 426	1.88 426	1.21 453	1.88 454	1.22 444	1.88 447	1.22 449	1.88 450	1.22 446	1.88 452	1.22 439	1.89 456	1.22 446	1.87 446	1.22 427	1.88 468	1.22 445	1.88 445	1.22 449
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	1.99 445	2.31 405	1.83 476	3.16 468	1.65 472	1.93 455	1.98 491	2.72 484	1.68 470	2.73 493	1.97 495	2.00 459	1.72 466	1.81 453	1.25 450	2.27 469	2.01 480	2.38 487	1.42 462	1.71 438	1.24 452

4.5w-stereo	1.99 445	2.33 407	1.81 468	3.28 472	1.68 474	1.94 456	1.99 494	2.72 484	1.70 473	2.72 488	1.99 504	1.97 457	1.68 462	1.76 449	1.29 454	1.91 451	2.02 484	2.53 495	1.61 475	1.75 441	1.16 397

2.75w_new	1.99 445	2.34 411	1.81 468	3.14 466	1.62 470	1.94 456	1.99 494	2.72 484	1.71 474	2.72 488	1.99 504	1.90 453	1.73 467	1.82 454	1.29 454	2.37 476	2.01 480	2.31 482	1.42 462	1.77 442	1.22 449

2w_stereo	1.99 445	2.36 414	1.81 468	3.24 470	1.67 473	1.94 456	1.98 491	2.72 484	1.68 470	2.72 488	1.94 492	1.98 458	1.74 469	1.79 452	1.27 451	1.95 452	2.00 478	2.53 495	1.60 474	1.68 437	1.15 394

4.25_new	2.00 449	2.33 407	1.82 473	3.32 475	1.69 475	1.95 459	1.99 494	2.72 484	1.71 474	2.72 488	1.97 495	2.01 460	1.74 469	1.77 450	1.28 452	2.18 461	2.01 480	2.48 493	1.58 471	1.65 434	1.17 398

4.5w_new	2.00 449	2.33 407	1.82 473	3.32 475	1.69 475	1.95 459	1.99 494	2.72 484	1.71 474	2.72 488	1.97 495	2.01 460	1.74 469	1.77 450	1.28 452	2.18 461	2.01 480	2.48 493	1.58 471	1.65 434	1.17 398

MFMNet_re	1.81 441	1.91 377	1.71 464	1.95 430	1.70 478	1.95 459	1.70 476	1.96 450	1.74 481	1.97 455	1.72 479	1.95 455	1.71 465	1.97 459	1.71 476	1.86 445	1.62 462	1.85 462	1.66 480	1.86 444	1.64 480

SPS-STEREO	1.59 432	1.91 377	1.21 425	1.94 429	1.20 407	2.00 462	1.23 445	1.99 452	1.24 451	2.00 458	1.25 449	2.03 462	1.26 441	2.00 460	1.29 454	1.90 450	1.18 379	1.89 469	1.21 444	1.89 446	1.20 403
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test1	1.80 440	3.41 454	1.52 456	2.12 435	1.41 462	2.04 463	1.41 464	2.05 456	1.46 466	2.04 462	1.41 464	2.05 463	1.42 455	2.05 461	1.43 464	2.04 457	1.54 454	1.94 470	1.38 458	1.99 448	1.33 458

RAFT_CTSACE	1.92 443	3.71 461	1.72 465	1.88 426	1.72 479	2.04 463	1.42 466	2.18 463	1.89 495	2.02 460	1.97 495	1.95 455	2.06 491	1.93 457	1.62 469	1.76 442	1.66 465	2.02 472	1.73 489	1.73 439	1.43 467

4.25w-stereo	1.98 444	2.72 433	1.46 451	3.47 482	1.43 463	2.07 465	1.98 491	2.53 481	1.52 467	2.71 487	1.98 501	1.81 451	1.62 460	1.96 458	1.36 459	1.88 449	2.00 478	2.53 495	1.61 475	1.74 440	1.15 394

MonSter	0.60 283	0.64 216	0.52 296	0.62 276	0.44 306	2.07 465	0.44 296	0.62 318	0.44 300	0.62 325	0.44 304	0.62 329	0.44 297	0.62 323	0.44 298	0.58 303	0.42 266	0.62 330	0.46 311	0.58 300	0.42 290

MC-Stereo	1.76 437	2.96 444	1.37 444	2.14 436	1.37 459	2.14 467	1.36 456	2.14 461	1.37 461	2.14 467	1.37 460	2.14 464	1.37 452	2.14 465	1.37 460	1.97 453	1.32 428	1.97 471	1.32 452	1.98 447	1.33 458

2.25w	2.00 449	1.86 372	1.98 490	2.95 463	2.17 504	2.26 468	1.35 454	2.42 475	2.00 502	2.07 466	1.27 451	2.53 478	1.99 487	2.29 470	1.49 466	2.21 464	1.32 428	1.85 462	1.87 493	2.52 474	1.62 478

4.5_new	2.00 449	1.84 369	1.98 490	2.77 457	2.16 502	2.27 469	1.28 451	2.09 457	1.98 499	2.01 459	1.28 452	2.71 489	1.98 485	2.51 480	1.65 471	2.26 466	1.33 435	1.87 465	1.87 493	2.49 470	1.60 475

NCCL2	2.28 481	2.27 402	2.28 496	2.28 445	2.28 507	2.27 469	2.29 502	2.28 464	2.28 505	2.27 471	2.28 507	2.28 465	2.27 495	2.27 469	2.28 506	2.28 470	2.28 492	2.27 479	2.29 505	2.27 457	2.29 501

TRStereo	2.00 449	2.13 391	1.85 479	2.27 442	1.84 483	2.28 471	1.84 480	2.29 466	1.86 489	2.30 472	1.87 484	2.30 466	1.87 475	2.08 462	1.72 478	2.08 458	1.72 468	2.08 474	1.72 486	2.08 449	1.72 484

XX-Stereo	2.00 449	2.13 391	1.85 479	2.27 442	1.84 483	2.28 471	1.84 480	2.29 466	1.86 489	2.30 472	1.87 484	2.30 466	1.87 475	2.08 462	1.72 478	2.08 458	1.72 468	2.08 474	1.72 486	2.08 449	1.72 484

EAI-Stereo	2.00 449	2.13 391	1.85 479	2.27 442	1.84 483	2.28 471	1.84 480	2.29 466	1.86 489	2.30 472	1.87 484	2.30 466	1.87 475	2.08 462	1.72 478	2.08 458	1.72 468	2.08 474	1.72 486	2.08 449	1.72 484

STTStereo	3.73 507	30.40 553	2.37 500	2.39 448	2.31 509	2.35 474	2.33 503	2.29 466	2.42 506	2.32 475	2.34 508	2.33 469	2.36 496	2.30 471	2.27 505	2.35 475	2.22 491	2.31 482	2.22 502	2.29 459	2.34 505

FBW_ROB	2.12 467	2.46 419	1.77 467	2.49 452	1.79 482	2.38 475	1.83 479	2.46 476	1.78 483	2.48 481	1.97 495	2.40 474	1.78 472	2.42 477	1.83 486	2.31 473	1.85 475	2.38 487	1.82 491	2.35 461	1.84 489

AIO_rvc	2.18 469	2.34 411	1.87 483	2.32 446	1.94 492	2.40 476	1.89 488	2.37 472	2.07 504	2.52 483	1.95 494	2.44 476	1.99 487	2.41 475	1.89 494	2.32 474	2.09 486	2.24 478	2.18 501	2.21 453	2.23 500

IGEV	2.02 457	2.20 397	1.82 473	2.90 462	2.16 502	2.41 477	1.25 447	2.00 453	1.98 499	1.99 457	1.31 454	2.72 493	1.93 481	2.67 488	1.69 475	2.26 466	1.32 428	1.83 461	1.87 493	2.53 477	1.61 477

HUF	2.18 469	2.30 404	1.99 493	2.34 447	2.02 497	2.41 477	2.06 498	2.38 473	1.89 495	2.36 476	1.85 482	2.56 482	1.98 485	2.31 472	1.97 497	2.30 472	2.03 485	2.30 481	2.11 500	2.23 454	2.16 498

AIO_test	2.18 469	2.09 389	2.04 494	2.42 449	2.01 494	2.47 479	1.94 490	2.34 471	2.03 503	2.56 484	1.94 492	2.43 475	1.94 482	2.41 475	1.87 492	2.39 478	2.10 487	2.35 486	1.91 499	2.25 456	2.19 499

4w-stereo	2.02 457	2.72 433	1.44 449	3.36 478	1.59 468	2.48 480	1.72 477	2.28 464	1.24 451	2.24 470	1.65 476	2.56 482	1.32 447	2.39 474	1.98 498	2.67 490	1.51 450	1.66 458	1.24 447	2.53 477	1.88 496

3w_stereo	2.04 462	2.24 401	1.70 462	3.15 467	2.18 506	2.49 481	1.26 449	2.03 455	1.98 499	1.98 456	1.33 455	2.72 493	1.99 487	2.59 483	1.72 478	2.22 465	1.33 435	1.85 462	1.88 498	2.50 472	1.58 473

monsterstereo	2.20 475	2.33 407	1.95 488	3.65 489	2.07 499	2.49 481	1.61 471	2.48 477	1.83 487	2.45 479	1.61 474	2.67 488	1.86 474	2.64 485	1.94 495	2.48 484	1.66 465	2.34 484	1.68 483	2.40 463	1.86 491

asda	2.17 468	2.54 420	1.81 468	3.47 482	1.78 481	2.50 483	1.86 484	2.61 483	1.68 470	2.61 485	1.83 481	2.37 473	1.73 467	2.44 478	1.88 493	2.51 485	1.84 474	2.34 484	1.62 477	2.23 454	1.77 488

UDGNet	2.23 479	5.40 494	1.72 465	2.48 451	1.69 475	2.51 484	1.69 475	2.51 480	1.72 478	2.50 482	1.69 478	2.52 477	1.69 464	2.50 479	1.68 474	2.41 479	1.70 467	2.42 489	1.69 485	2.42 464	1.64 480

qwe	2.18 469	2.60 423	1.58 457	3.83 494	1.90 491	2.53 485	1.90 489	2.48 477	1.73 479	2.37 477	1.92 491	2.53 478	1.68 462	2.56 481	1.83 486	2.52 487	1.87 476	2.07 473	1.68 483	2.32 460	1.71 483

monsters	2.18 469	2.41 417	1.96 489	3.47 482	2.03 498	2.53 485	1.64 473	2.48 477	1.73 479	2.40 478	1.50 467	2.62 485	1.94 482	2.59 483	1.94 495	2.44 480	1.57 456	2.28 480	1.87 493	2.42 464	1.86 491

IGEVStereo-DCA	1.77 438	4.21 474	1.84 477	2.49 452	2.11 500	2.54 487	1.36 456	1.65 442	1.17 400	2.75 494	1.90 489	2.54 480	1.15 385	0.94 362	1.11 389	1.50 433	1.32 428	0.96 372	1.46 465	1.49 429	0.88 366

rrr	1.77 438	4.21 474	1.84 477	2.49 452	2.11 500	2.54 487	1.36 456	1.65 442	1.17 400	2.75 494	1.90 489	2.54 480	1.15 385	0.94 362	1.11 389	1.50 433	1.32 428	0.96 372	1.46 465	1.49 429	0.88 366

asd	2.18 469	2.77 439	1.58 457	3.59 487	2.00 493	2.58 489	1.85 483	2.39 474	1.71 474	2.47 480	1.97 495	2.59 484	1.61 459	2.56 481	1.79 485	2.51 485	1.99 477	2.11 477	1.62 477	2.36 462	1.60 475

3.25w	2.04 462	2.20 397	1.48 452	3.03 464	2.17 504	2.63 490	1.39 462	1.96 450	1.95 498	1.96 453	1.37 460	2.71 489	1.96 484	2.71 489	1.73 483	2.26 466	1.32 428	1.87 465	1.87 493	2.51 473	1.63 479

2.5w	2.01 456	2.40 416	1.37 444	3.28 472	2.01 494	2.71 491	1.43 468	1.82 446	1.83 487	1.90 452	1.41 464	2.71 489	1.35 449	2.71 489	1.85 488	2.66 488	1.53 452	1.64 457	1.23 446	2.53 477	1.87 493

3.25w_new	2.03 459	2.72 433	1.35 434	3.33 477	1.57 466	2.72 492	1.53 470	2.15 462	1.33 455	2.15 468	1.60 472	2.63 486	1.30 445	2.72 491	1.99 499	2.67 490	1.53 452	1.75 460	1.25 449	2.53 477	1.87 493

3.5w_stereo	2.03 459	2.72 433	1.35 434	3.41 479	1.57 466	2.72 492	1.49 469	2.01 454	1.34 456	2.15 468	1.61 474	2.63 486	1.36 450	2.72 491	1.99 499	2.66 488	1.58 457	1.68 459	1.24 447	2.53 477	1.87 493

1w_stereo	2.05 464	2.32 406	1.35 434	3.74 493	2.01 494	2.73 494	1.42 466	1.88 447	1.93 497	2.03 461	1.28 452	2.71 489	1.99 487	2.72 491	1.72 478	2.20 463	1.32 428	1.87 465	1.86 492	2.45 466	1.54 468

sCroCo_RVC	2.10 465	2.76 437	1.92 487	2.78 460	1.39 461	2.73 494	1.41 464	2.73 490	1.40 463	2.77 499	1.41 464	2.74 495	1.40 454	2.74 494	1.40 462	2.72 492	1.42 445	2.72 498	1.44 464	2.79 484	1.42 466

LG-G_1	2.22 476	2.71 431	1.89 484	2.77 457	1.87 489	2.75 496	1.87 486	2.76 492	1.87 493	2.75 494	1.87 484	2.76 496	1.87 475	2.75 495	1.86 489	2.47 482	1.58 457	2.45 490	1.57 468	2.45 466	1.57 471

LG-G	2.22 476	2.71 431	1.89 484	2.77 457	1.87 489	2.75 496	1.87 486	2.76 492	1.87 493	2.75 494	1.87 484	2.76 496	1.87 475	2.75 495	1.86 489	2.47 482	1.58 457	2.45 490	1.57 468	2.45 466	1.57 471

LGtest1	2.22 476	2.70 429	1.89 484	2.76 456	1.86 486	2.75 496	1.86 484	2.75 491	1.86 489	2.75 494	1.86 483	2.77 498	1.87 475	2.75 495	1.86 489	2.46 481	1.58 457	2.45 490	1.56 467	2.45 466	1.56 470

NLCA_NET_v2_RVC	5.04 535	50.87 563	2.78 502	2.87 461	2.71 510	2.78 499	0.47 307	2.88 497	2.86 510	1.89 451	2.67 509	2.79 499	2.79 500	2.78 498	2.83 507	2.82 493	2.82 495	2.83 499	2.77 508	2.83 485	2.76 509
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	4.28 522	7.62 510	4.91 528	5.55 518	2.28 507	3.09 500	3.64 528	4.49 514	3.07 516	4.80 526	3.35 523	4.77 529	3.70 519	4.29 513	3.05 510	5.58 527	5.98 528	3.58 505	3.78 531	4.26 496	3.72 529

plain	1.88 442	3.16 449	0.64 313	3.10 465	0.65 352	3.10 501	0.64 336	3.12 499	0.65 342	3.10 500	0.65 349	3.11 500	0.65 338	3.12 499	0.65 338	3.12 495	0.65 318	3.13 500	0.65 345	3.13 486	0.65 338

MIF-Stereo (partial)	2.58 494	3.31 453	0.66 317	3.18 469	0.66 355	3.18 502	0.66 339	3.21 500	0.67 345	3.19 501	0.66 351	3.19 501	0.66 341	3.31 503	0.68 346	5.09 524	1.79 472	8.23 543	1.67 481	6.18 527	1.38 464

Anonymous3	2.55 493	3.26 452	1.65 460	3.28 472	1.63 471	3.24 503	1.68 474	3.27 501	1.66 469	3.28 502	1.67 477	3.25 502	1.66 461	3.27 501	1.64 470	3.26 496	1.65 464	3.30 501	1.65 479	4.95 518	1.65 482

UniTT-Stereo	2.03 459	3.43 455	0.72 328	3.42 480	0.73 365	3.27 504	0.68 344	3.38 503	0.69 349	3.29 503	0.72 362	3.28 503	0.70 347	3.35 504	0.68 346	3.39 497	0.68 320	3.31 502	0.69 354	3.37 487	0.73 352

Sa-1000	4.34 525	8.37 513	6.84 538	6.98 528	4.45 538	3.58 505	3.00 509	3.42 504	3.39 524	2.61 485	4.00 533	3.83 508	4.01 526	3.90 508	3.90 529	5.98 531	5.62 526	3.76 508	2.34 506	4.35 498	2.47 508

SA	4.33 524	7.35 507	6.85 539	5.96 521	4.09 535	3.59 506	3.15 523	3.82 508	2.64 507	3.91 506	3.85 530	3.57 504	2.72 499	3.13 500	4.03 531	7.09 538	6.86 533	3.57 504	3.12 520	3.85 490	3.51 527

DPSNet	3.66 506	3.60 457	3.62 521	3.63 488	3.64 530	3.65 507	3.65 529	3.66 506	3.67 526	3.67 505	3.65 527	3.67 506	3.66 517	3.66 505	3.68 524	3.68 500	3.66 513	3.67 506	3.68 529	3.67 488	3.67 528

RAStereo	2.23 479	3.64 458	0.76 334	3.65 489	0.86 375	3.66 508	0.76 357	3.67 507	0.81 369	3.66 504	0.76 367	3.66 505	0.77 357	3.68 506	0.77 360	3.68 500	0.77 336	3.69 507	0.77 363	3.70 489	0.77 358

StereoVision	3.15 502	5.00 483	0.89 345	4.83 510	1.00 388	3.93 509	1.27 450	6.37 536	1.34 456	5.67 536	1.26 450	5.84 537	1.27 442	5.03 533	1.24 447	5.10 525	1.09 365	4.61 519	0.57 336	5.62 525	1.12 389

TestStereo1	4.60 526	8.41 514	6.44 536	6.86 526	3.79 532	3.97 510	3.78 531	3.99 510	3.74 528	3.97 507	3.52 525	3.94 509	3.58 514	3.98 509	3.72 526	6.82 535	6.50 531	3.76 508	3.66 527	3.90 491	3.74 531

SA-5K	4.60 526	8.41 514	6.44 536	6.86 526	3.79 532	3.97 510	3.78 531	3.99 510	3.74 528	3.97 507	3.52 525	3.94 509	3.58 514	3.98 509	3.72 526	6.82 535	6.50 531	3.76 508	3.66 527	3.90 491	3.74 531

test_3	5.01 534	8.86 519	7.77 542	8.09 531	2.76 511	4.13 512	4.05 535	3.88 509	3.76 530	4.33 511	4.13 534	3.71 507	3.91 523	4.21 512	4.06 532	7.93 539	7.69 536	4.53 512	3.91 532	4.17 495	4.29 537

test_4	4.88 532	8.13 512	6.98 540	7.46 529	4.44 537	4.25 513	3.85 533	4.04 512	3.92 532	4.13 509	3.91 531	4.18 512	3.84 522	4.14 511	4.06 532	7.01 537	7.13 534	4.53 512	3.72 530	4.09 494	3.72 529

raft_robust	4.71 530	7.75 511	5.40 533	6.81 525	3.31 524	4.28 514	4.20 536	4.32 513	4.37 537	4.35 512	4.35 536	4.14 511	3.75 521	4.30 514	4.20 534	6.67 534	6.37 529	3.36 503	4.24 537	4.86 516	3.25 524

rvit_105_1	3.83 508	5.22 487	3.01 504	4.53 498	3.01 512	4.51 515	3.01 510	4.56 516	3.04 511	4.53 515	3.03 512	4.55 517	3.03 501	4.56 516	3.04 508	4.57 508	3.05 497	4.57 514	3.05 512	4.57 502	3.05 512

cross-raft	4.83 531	7.52 508	6.43 535	6.63 524	3.96 534	4.51 515	3.99 534	4.49 514	3.96 533	4.52 513	3.96 532	4.50 514	3.97 525	4.50 515	3.97 530	6.65 533	6.44 530	4.33 511	3.92 533	4.35 498	3.91 534

rvit_0105_6	3.87 512	5.73 501	3.10 514	4.69 508	3.12 522	4.54 517	3.02 511	4.56 516	3.04 511	4.54 517	3.03 512	4.54 515	3.04 504	4.56 516	3.05 510	4.58 511	3.05 497	4.58 516	3.05 512	4.58 503	3.05 512

rvit_0105_4	3.91 515	5.47 498	3.02 507	4.54 501	3.02 513	4.54 517	3.03 515	4.75 526	3.17 522	4.57 519	3.06 515	4.61 523	3.16 512	4.65 523	3.09 516	4.66 515	3.11 504	4.68 523	3.18 522	4.81 513	3.16 522

rvit_stereo_0081_aga	3.86 510	5.33 491	3.02 507	4.55 504	3.04 518	4.54 517	3.02 511	4.64 523	3.06 515	4.54 517	3.04 514	4.62 524	3.08 508	4.62 522	3.07 513	4.58 511	3.06 501	4.60 518	3.08 516	4.63 506	3.07 516

rvit_stereo_0082	3.86 510	5.82 502	3.01 504	4.53 498	3.03 514	4.54 517	3.02 511	4.56 516	3.04 511	4.53 515	3.02 510	4.55 517	3.04 504	4.57 519	3.05 510	4.57 508	3.05 497	4.58 516	3.05 512	4.58 503	3.06 515

rvit_stereo_0081	3.83 508	5.23 488	3.01 504	4.53 498	3.03 514	4.55 521	3.02 511	4.56 516	3.04 511	4.52 513	3.02 510	4.54 515	3.03 501	4.56 516	3.04 508	4.57 508	3.05 497	4.57 514	3.05 512	4.58 503	3.05 512

rvit_stereo_0080	3.89 513	5.70 499	3.04 509	4.54 501	3.03 514	4.56 522	3.05 517	4.60 520	3.07 516	4.58 520	3.06 515	4.59 519	3.06 506	4.61 520	3.08 514	4.63 513	3.09 502	4.64 520	3.10 517	4.65 507	3.10 517

whm_eth	3.89 513	5.70 499	3.04 509	4.54 501	3.03 514	4.56 522	3.05 517	4.60 520	3.07 516	4.58 520	3.06 515	4.59 519	3.06 506	4.61 520	3.08 514	4.63 513	3.09 502	4.64 520	3.10 517	4.65 507	3.10 517

rvit_0105_3	3.91 515	5.33 491	3.06 512	4.60 506	3.07 520	4.60 524	3.06 519	4.62 522	3.08 519	4.60 522	3.07 518	4.62 524	3.08 508	4.67 524	3.10 517	4.70 516	3.11 504	4.77 527	3.19 523	4.77 512	3.14 521

rvit_stereo_ft	3.93 518	5.44 496	3.05 511	4.59 505	3.06 519	4.61 525	3.08 520	4.67 525	3.12 521	4.63 524	3.10 520	4.65 526	3.11 510	4.69 526	3.13 518	4.70 516	3.14 506	4.71 525	3.15 521	4.74 510	3.16 522

rvit_stereo_0083	3.92 517	5.30 490	3.06 512	4.61 507	3.09 521	4.67 526	3.08 520	4.66 524	3.09 520	4.62 523	3.10 520	4.66 527	3.11 510	4.67 524	3.16 519	4.72 518	3.16 507	4.77 527	3.11 519	4.66 509	3.11 519

sAnonymous2	3.31 504	2.63 424	1.38 446	3.71 491	1.86 486	4.70 527	1.11 388	4.82 529	2.72 508	5.45 534	1.98 501	4.59 519	2.64 497	2.65 486	6.21 540	4.37 502	1.08 363	5.16 533	2.24 503	4.52 500	2.39 506

CroCo_RVC	3.31 504	2.63 424	1.38 446	3.71 491	1.86 486	4.70 527	1.11 388	4.82 529	2.72 508	5.45 534	1.98 501	4.59 519	2.64 497	2.65 486	6.21 540	4.37 502	1.08 363	5.16 533	2.24 503	4.52 500	2.39 506

rvit_0105_5	4.10 519	5.40 494	3.13 517	4.71 509	3.15 523	4.72 529	3.10 522	4.90 531	3.27 523	4.69 525	3.16 522	4.84 531	3.25 513	4.96 530	3.34 521	5.05 523	3.39 512	5.10 532	3.40 524	5.11 520	3.42 525

MLG-Stereo_test3	4.26 521	4.85 481	3.95 524	5.35 516	3.60 528	4.75 530	3.76 530	5.49 535	3.71 527	5.39 532	3.69 528	4.82 530	3.66 517	4.85 527	3.73 528	4.93 519	3.19 510	4.69 524	2.99 511	4.84 515	2.98 511

DispFullNet	4.61 528	4.84 480	3.12 515	5.00 513	3.57 527	4.75 530	3.03 515	7.75 542	4.17 535	4.91 529	3.09 519	6.20 538	3.95 524	6.71 538	3.51 522	5.30 526	3.67 514	5.86 539	3.63 526	5.61 524	3.46 526

TestStereo	4.88 532	4.75 479	4.79 527	4.87 512	4.92 539	4.81 532	4.90 539	4.78 527	4.77 538	4.87 528	4.89 538	4.90 532	4.91 531	4.99 531	4.79 536	4.98 521	4.87 522	4.87 530	4.92 539	5.00 519	5.00 538

MLG-Stereo_test1	4.25 520	5.34 493	3.61 520	5.31 515	3.63 529	5.23 533	3.57 527	5.38 534	3.65 525	5.23 531	3.47 524	4.76 528	3.74 520	4.85 527	3.71 525	4.96 520	3.18 509	4.71 525	2.92 509	4.86 516	2.90 510

test_5	4.62 529	7.55 509	6.23 534	6.32 523	3.40 526	5.29 534	3.50 526	3.53 505	4.11 534	4.28 510	4.47 537	4.26 513	4.38 529	3.68 506	3.24 520	5.89 529	5.60 525	4.84 529	3.50 525	4.33 497	3.93 535

MaDis-Stereo	3.19 503	6.02 504	1.12 366	5.61 519	1.16 403	5.43 535	1.02 385	5.15 533	0.70 352	5.43 533	1.21 445	5.03 534	0.97 369	4.85 527	0.99 380	4.53 506	1.16 375	5.53 535	1.25 449	5.37 523	1.30 455

MLG-Stereo_test2	4.28 522	5.46 497	3.69 522	4.86 511	3.72 531	5.58 536	3.42 525	4.81 528	3.77 531	4.85 527	3.72 529	5.55 536	3.63 516	5.58 534	3.53 523	4.41 505	3.28 511	4.99 531	2.95 510	4.75 511	3.13 520

test-1	6.46 539	9.16 521	8.03 545	8.09 531	5.62 542	6.11 537	6.35 542	6.85 539	4.94 539	6.08 537	6.29 544	4.98 533	6.43 536	6.22 535	6.36 542	6.16 532	7.47 535	5.82 537	5.44 542	7.11 532	5.68 541

SGM-Forest	5.21 538	5.92 503	4.08 525	6.18 522	4.16 536	6.31 538	4.34 537	6.50 537	4.33 536	6.14 538	4.21 535	6.61 541	4.55 530	6.67 537	4.48 535	5.94 530	3.94 516	5.85 538	4.03 535	5.79 526	4.17 536
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	5.10 536	5.15 485	4.49 526	5.07 514	3.37 525	6.87 539	4.75 538	5.04 532	6.34 542	7.84 542	5.06 539	6.72 542	4.09 527	4.99 531	5.44 539	5.03 522	3.16 507	4.67 522	4.86 538	5.15 521	3.89 533

RAFT	6.73 541	9.36 522	7.40 541	8.51 534	6.55 543	6.88 540	6.60 543	6.79 538	6.60 543	6.80 539	6.72 545	5.31 535	5.50 534	6.61 536	6.61 543	8.42 541	5.89 527	5.73 536	5.45 543	6.61 528	6.24 542

test-v	7.53 543	11.89 530	7.98 543	9.36 537	7.14 544	7.06 541	7.09 544	7.37 540	6.91 544	7.29 540	5.71 542	6.45 539	6.93 537	6.73 539	7.27 544	8.93 544	7.85 537	6.98 540	6.80 544	7.56 533	7.34 544

test-2	7.53 543	11.89 530	7.98 543	9.36 537	7.14 544	7.06 541	7.09 544	7.37 540	6.91 544	7.29 540	5.71 542	6.45 539	6.93 537	6.73 539	7.27 544	8.93 544	7.85 537	6.98 540	6.80 544	7.56 533	7.34 544

rvit_stereo_0075_2	6.64 540	8.80 518	5.25 530	7.89 530	5.27 541	7.90 543	5.27 540	7.92 543	5.28 540	7.91 543	5.29 541	7.93 543	5.27 532	7.92 543	5.28 537	7.93 539	5.28 524	7.93 542	5.29 541	7.93 535	5.28 540

U	5.15 537	8.49 516	1.81 468	8.49 533	1.77 480	8.49 544	1.77 478	8.51 544	1.77 482	8.49 544	1.77 480	8.50 544	1.78 472	8.58 544	1.77 484	8.54 542	1.78 471	8.55 544	1.78 490	8.55 538	1.84 489

SGM+DAISY	7.06 542	9.15 520	5.38 532	8.84 535	5.18 540	8.80 545	5.31 541	8.79 545	5.28 540	8.89 545	5.20 540	8.93 545	5.33 533	8.95 545	5.36 538	8.70 543	5.21 523	8.74 545	5.20 540	8.89 539	5.15 539

rafts_anoy	20.00 547	20.00 532	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547

raft+_RVC	20.00 547	20.00 532	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547

raftrobust	20.00 547	20.00 532	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547

CasAABBNet	20.00 547	20.00 532	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547

RALCasStereoNet	20.00 547	20.00 532	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547

RALAANet	20.00 547	20.00 532	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547

MANE	19.05 546	23.00 538	15.00 546	23.00 552	15.00 546	24.00 552	16.00 546	24.00 552	16.00 546	22.00 552	15.00 546	23.00 552	16.00 546	23.00 552	15.00 546	22.00 552	15.00 546	22.00 552	15.00 546	22.00 552	15.00 546

111	30.40 553	30.94 554	29.72 554	32.61 553	30.02 554	33.57 553	30.47 554	31.50 553	29.39 554	30.98 553	29.11 554	29.78 553	30.39 557	29.45 553	30.76 557	30.08 553	29.02 554	29.92 553	30.32 557	29.86 553	30.17 554

DCANet-4	35.22 555	34.54 555	35.08 560	33.58 557	35.47 561	34.55 554	35.53 561	36.08 559	35.85 558	35.92 559	35.77 560	35.18 559	35.48 559	35.39 559	37.15 563	34.55 559	33.92 558	35.02 560	34.90 559	35.79 557	34.74 561

fff	1000028.16 573	29.62 550	29.72 554	32.61 553	30.02 554	35.13 555	31.83 555	32.07 554	10000000.00 573	35.27 556	29.82 555	32.45 554	30.15 554	32.35 554	30.09 554	31.04 554	29.55 555	30.64 554	30.14 554	10000000.00 573	30.77 555

csc	1000028.16 573	29.62 550	29.72 554	32.61 553	30.02 554	35.13 555	31.83 555	32.07 554	10000000.00 573	35.27 556	29.82 555	32.45 554	30.15 554	32.35 554	30.09 554	31.04 554	29.55 555	30.64 554	30.14 554	10000000.00 573	30.77 555

cscssc	1000028.16 573	29.62 550	29.72 554	32.61 553	30.02 554	35.13 555	31.83 555	32.07 554	10000000.00 573	35.27 556	29.82 555	32.45 554	30.15 554	32.35 554	30.09 554	31.04 554	29.55 555	30.64 554	30.14 554	10000000.00 573	30.77 555

ADStereo(finetuned)	36.13 556	36.63 559	38.07 564	36.97 558	33.25 558	35.91 558	34.45 558	36.36 560	32.99 555	38.14 564	36.71 561	36.69 560	34.13 558	38.57 564	40.79 564	37.60 564	36.58 561	35.90 561	33.36 558	35.42 556	34.04 558

tt	500032.53 571	34.60 556	29.72 554	37.47 562	34.41 559	36.85 559	35.22 559	34.71 557	33.55 556	34.50 554	35.43 558	33.81 557	10000000.00 574	33.57 557	33.13 558	33.68 557	35.00 559	34.03 558	35.26 560	30.96 554	34.63 559

DCANet	500032.53 571	34.60 556	29.72 554	37.47 562	34.41 559	36.85 559	35.22 559	34.71 557	33.55 556	34.50 554	35.43 558	33.81 557	10000000.00 574	33.57 557	33.13 558	33.68 557	35.00 559	34.03 558	35.26 560	30.96 554	34.63 559

Reg-Stereo(zero)	37.00 557	37.00 560	37.00 561	37.00 559	37.00 562	37.00 561	37.00 562	37.00 561	37.00 559	37.00 560	37.00 562	37.00 561	37.00 560	37.00 560	37.00 560	37.00 561	37.00 562	37.00 562	37.00 562	37.00 558	37.00 562

HI	37.00 557	37.00 560	37.00 561	37.00 559	37.00 562	37.00 561	37.00 562	37.00 561	37.00 559	37.00 560	37.00 562	37.00 561	37.00 560	37.00 560	37.00 560	37.00 561	37.00 562	37.00 562	37.00 562	37.00 558	37.00 562

CoSv	37.00 557	37.00 560	37.00 561	37.00 559	37.00 562	37.00 561	37.00 562	37.00 561	37.00 559	37.00 560	37.00 562	37.00 561	37.00 560	37.00 560	37.00 560	37.00 561	37.00 562	37.00 562	37.00 562	37.00 558	37.00 562

WCMA_ROB	31.10 554	35.43 558	27.12 553	39.51 564	23.10 553	38.78 564	25.30 553	37.49 564	25.39 553	37.29 563	27.02 553	38.52 564	26.48 553	37.80 563	26.44 553	36.28 560	22.65 553	33.90 557	22.30 553	37.10 561	24.18 553

MDST_ROB	69.83 560	87.70 564	41.95 565	113.75 567	65.62 567	75.05 565	55.25 566	75.64 566	45.04 562	71.61 565	41.75 565	72.81 565	44.06 563	68.38 565	44.63 565	101.89 567	59.57 567	107.10 567	61.05 567	104.38 564	59.38 567

CBMV	128.50 562	1422.70 575	53.10 566	79.50 566	51.30 566	77.30 566	49.70 565	74.00 565	48.20 563	77.20 566	48.80 566	73.90 566	48.00 564	73.80 566	48.80 566	70.40 566	45.10 566	68.90 566	46.10 566	68.20 563	45.00 566
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 563	171.00 569	160.68 571	162.58 568	160.59 568	164.01 567	160.35 568	158.51 568	158.56 565	158.34 567	160.12 568	158.56 567	159.92 566	157.26 568	158.94 568	154.38 568	158.36 568	155.75 568	159.13 569	153.67 565	154.07 568
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	102.95 561	153.00 568	121.00 568	51.00 565	44.00 565	165.00 568	127.00 567	153.00 567	119.00 564	164.00 568	125.00 567	168.00 568	120.00 565	153.00 567	117.00 567	49.00 565	44.00 565	49.00 565	44.00 565	49.00 562	44.00 565

AE-Stereo	201.80 564	123.00 565	115.00 567	219.00 569	218.00 570	223.00 569	244.00 570	217.00 569	236.00 567	202.00 569	203.00 569	205.00 569	208.00 567	225.00 569	204.00 569	210.00 569	198.00 569	197.00 569	184.00 570	204.00 566	201.00 569

MGS-Stereo	239.45 565	123.00 565	135.00 569	266.00 570	286.00 571	277.00 570	305.00 571	271.00 570	242.00 568	274.00 570	279.00 571	255.00 570	270.00 569	268.00 570	297.00 571	221.00 570	247.00 571	216.00 570	123.00 568	217.00 567	217.00 571

EGLCR-Stereo	246.90 566	129.00 567	139.00 570	266.00 570	286.00 571	277.00 570	305.00 571	271.00 570	242.00 568	274.00 570	279.00 571	255.00 570	270.00 569	268.00 570	297.00 571	230.00 571	247.00 571	216.00 570	223.00 572	237.00 568	227.00 572

DLCB_ROB	284.23 567	354.61 571	207.27 572	363.24 572	206.46 569	364.72 572	210.41 569	364.72 572	210.41 566	364.81 572	208.64 570	364.81 572	208.64 568	364.72 572	210.41 570	354.70 572	205.53 570	354.70 572	205.53 571	354.70 569	205.53 570

LE_ROB	396.57 568	471.28 572	329.84 573	471.48 573	308.15 573	526.83 573	322.10 573	488.15 573	323.76 570	495.46 573	317.97 573	497.17 573	320.10 571	481.62 573	326.76 573	462.71 573	298.97 573	466.16 573	285.98 573	447.62 570	289.21 573

SGM-ForestM	596.69 569	677.77 573	444.52 574	699.85 574	517.25 574	732.94 574	488.29 574	770.79 574	460.11 571	750.81 574	487.98 574	792.79 574	499.41 572	730.90 574	475.81 574	720.03 574	491.16 574	663.96 574	418.60 574	674.76 571	436.05 574

CBMV_ROB	818.48 570	913.88 574	709.52 575	862.84 575	597.78 575	1073.99 575	700.52 575	1015.66 575	702.59 572	1115.65 575	760.02 575	1130.24 575	721.57 573	1037.41 575	692.65 575	814.05 575	564.29 575	843.28 575	595.31 575	915.51 572	602.92 575

111111	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 574	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

SGD-Stereo	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 574	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

IGEV-Stereo++	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 574	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

IGEV-BASED-STEREO-	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 574	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

IGEV-Stereo+	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 574	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

SDNR	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 574	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

anonymousdsp2	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 574	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

anonymousdsp	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 574	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

test_example2	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 574	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

DIP-Stereo	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 574	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576
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