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

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

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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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
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

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

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

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

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

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

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)
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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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_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

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.
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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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
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

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

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

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

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)
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

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

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

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

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

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

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

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

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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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_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_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_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

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

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

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

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

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

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

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_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_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

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

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_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

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

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

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

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-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
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

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

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

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

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

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

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

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

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

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

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

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
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

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
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