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

asda	0.07 4	0.08 233	0.08 29	0.16 141	0.06 13	0.06 8	0.10 27	0.16 129	0.10 35	0.06 9	0.06 12	0.05 1	0.05 9	0.10 60	0.10 121	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

asd	0.07 4	0.08 233	0.07 6	0.16 141	0.07 70	0.08 48	0.08 7	0.11 27	0.08 11	0.07 29	0.07 36	0.06 16	0.06 34	0.10 60	0.09 52	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

qwe	0.07 4	0.08 233	0.07 6	0.15 70	0.06 13	0.07 27	0.10 27	0.18 194	0.11 61	0.07 29	0.07 36	0.06 16	0.06 34	0.10 60	0.09 52	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.25_new	0.07 4	0.08 233	0.09 70	0.15 70	0.06 13	0.09 77	0.08 7	0.14 74	0.08 11	0.07 29	0.07 36	0.06 16	0.06 34	0.12 187	0.10 121	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5w_new	0.07 4	0.08 233	0.09 70	0.15 70	0.06 13	0.09 77	0.08 7	0.14 74	0.08 11	0.07 29	0.07 36	0.06 16	0.06 34	0.12 187	0.10 121	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5_new	0.07 4	0.09 307	0.08 29	0.15 70	0.07 70	0.06 8	0.10 27	0.14 74	0.11 61	0.06 9	0.08 69	0.06 16	0.06 34	0.08 15	0.10 121	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.5w-stereo	0.07 4	0.09 307	0.08 29	0.15 70	0.07 70	0.06 8	0.10 27	0.14 74	0.11 61	0.06 9	0.08 69	0.06 16	0.06 34	0.08 15	0.10 121	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.25w-stereo	0.07 4	0.08 233	0.09 70	0.15 70	0.06 13	0.09 77	0.08 7	0.14 74	0.08 11	0.07 29	0.07 36	0.06 16	0.06 34	0.12 187	0.10 121	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4w-stereo	0.07 4	0.08 233	0.08 29	0.16 141	0.06 13	0.07 27	0.08 7	0.12 42	0.08 11	0.07 29	0.07 36	0.05 1	0.06 34	0.09 33	0.10 121	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

3w_stereo	0.08 43	0.09 307	0.10 105	0.17 215	0.07 70	0.08 48	0.10 27	0.20 226	0.13 115	0.06 9	0.07 36	0.05 1	0.06 34	0.08 15	0.09 52	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

2.5w	0.07 4	0.07 136	0.07 6	0.16 141	0.06 13	0.08 48	0.12 63	0.10 16	0.10 35	0.07 29	0.06 12	0.09 120	0.06 34	0.08 15	0.09 52	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

2.75w_new	0.07 4	0.07 136	0.07 6	0.13 13	0.06 13	0.08 48	0.08 7	0.18 194	0.12 84	0.07 29	0.08 69	0.06 16	0.06 34	0.09 33	0.11 184	0.04 11	0.04 21	0.04 1	0.03 1	0.03 1	0.04 40

3.25w_new	0.07 4	0.06 54	0.07 6	0.15 70	0.06 13	0.10 124	0.07 3	0.12 42	0.11 61	0.08 61	0.06 12	0.07 62	0.06 34	0.11 106	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 54	0.07 6	0.15 70	0.06 13	0.10 124	0.07 3	0.12 42	0.11 61	0.08 61	0.06 12	0.07 62	0.06 34	0.11 106	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.75w	0.07 4	0.07 136	0.08 29	0.16 141	0.07 70	0.07 27	0.09 18	0.16 129	0.09 22	0.07 29	0.06 12	0.05 1	0.06 34	0.09 33	0.10 121	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 136	0.07 6	0.15 70	0.07 70	0.09 77	0.06 1	0.13 58	0.11 61	0.07 29	0.07 36	0.06 16	0.07 103	0.10 60	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

2w_stereo	0.08 43	0.08 233	0.09 70	0.16 141	0.06 13	0.08 48	0.10 27	0.20 226	0.15 155	0.08 61	0.07 36	0.06 16	0.06 34	0.06 1	0.09 52	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

1w_stereo	0.07 4	0.06 54	0.07 6	0.16 141	0.06 13	0.07 27	0.10 27	0.14 74	0.14 139	0.07 29	0.08 69	0.05 1	0.06 34	0.09 33	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 40

monsterstereo	0.07 4	0.06 54	0.06 2	0.16 141	0.06 13	0.08 48	0.10 27	0.16 129	0.11 61	0.07 29	0.08 69	0.06 16	0.07 103	0.08 15	0.09 52	0.04 11	0.04 21	0.05 23	0.04 34	0.03 1	0.03 1

LG-Stereo	0.08 43	0.07 136	0.10 105	0.18 296	0.07 70	0.10 124	0.17 313	0.11 27	0.08 11	0.05 1	0.07 36	0.05 1	0.07 103	0.09 33	0.09 52	0.04 11	0.05 182	0.07 191	0.07 269	0.04 15	0.04 40

MonSter	0.07 4	0.06 54	0.05 1	0.15 70	0.05 1	0.07 27	0.10 27	0.15 103	0.15 155	0.05 1	0.06 12	0.05 1	0.06 34	0.07 4	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

DEFOM-Stereo	0.07 4	0.05 17	0.07 6	0.14 30	0.06 13	0.10 124	0.13 101	0.07 2	0.13 115	0.06 9	0.07 36	0.06 16	0.05 9	0.10 60	0.09 52	0.04 11	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

RSM++	0.08 43	0.06 54	0.09 70	0.17 215	0.07 70	0.09 77	0.12 63	0.11 27	0.11 61	0.08 61	0.06 12	0.07 62	0.05 9	0.10 60	0.09 52	0.04 11	0.04 21	0.06 99	0.05 104	0.05 98	0.03 1

RSM	0.08 43	0.06 54	0.09 70	0.17 215	0.06 13	0.08 48	0.12 63	0.12 42	0.10 35	0.08 61	0.07 36	0.06 16	0.05 9	0.11 106	0.09 52	0.04 11	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

test_4	0.10 139	0.10 365	0.08 29	0.19 352	0.09 236	0.08 48	0.22 445	0.15 103	0.17 201	0.12 188	0.18 259	0.12 189	0.09 164	0.08 15	0.11 184	0.04 11	0.04 21	0.08 274	0.08 334	0.04 15	0.03 1

2.25w	0.07 4	0.06 54	0.07 6	0.14 30	0.06 13	0.08 48	0.08 7	0.10 16	0.15 155	0.08 61	0.10 113	0.07 62	0.06 34	0.08 15	0.10 121	0.05 26	0.03 1	0.04 1	0.04 34	0.03 1	0.04 40

monsters	0.07 4	0.06 54	0.06 2	0.15 70	0.06 13	0.08 48	0.09 18	0.12 42	0.08 11	0.09 91	0.07 36	0.06 16	0.06 34	0.08 15	0.08 17	0.05 26	0.04 21	0.04 1	0.04 34	0.03 1	0.03 1

xyz-stereo-finetune2	0.11 182	0.07 136	0.13 226	0.13 13	0.07 70	0.11 169	0.19 397	0.17 165	0.12 84	0.15 263	0.15 201	0.17 296	0.12 251	0.13 231	0.11 184	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.06 196

xyz-stereo-finetune	0.11 182	0.08 233	0.13 226	0.14 30	0.06 13	0.10 124	0.19 397	0.17 165	0.19 242	0.12 188	0.14 184	0.15 262	0.10 196	0.13 231	0.11 184	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.05 120

xyz-stereo	0.13 272	0.07 136	0.20 418	0.15 70	0.05 1	0.20 408	0.15 215	0.17 165	0.31 402	0.15 263	0.29 410	0.26 409	0.16 357	0.13 231	0.12 232	0.05 26	0.05 182	0.06 99	0.05 104	0.04 15	0.04 40

LG-Stereo_L2	0.07 4	0.05 17	0.10 105	0.14 30	0.06 13	0.07 27	0.12 63	0.09 11	0.09 22	0.06 9	0.04 1	0.05 1	0.05 9	0.08 15	0.08 17	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

LG-Stereo_L1	0.07 4	0.05 17	0.11 146	0.14 30	0.06 13	0.07 27	0.13 101	0.09 11	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 15	0.07 1	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo_test1	0.06 1	0.05 17	0.08 29	0.17 215	0.05 1	0.06 8	0.11 46	0.08 4	0.03 1	0.05 1	0.04 1	0.06 16	0.05 9	0.09 33	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo	0.07 4	0.05 17	0.08 29	0.17 215	0.05 1	0.07 27	0.11 46	0.08 4	0.04 2	0.05 1	0.04 1	0.06 16	0.05 9	0.10 60	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MM-Stereo_test2	0.09 78	0.06 54	0.09 70	0.19 352	0.08 125	0.12 203	0.18 358	0.15 103	0.14 139	0.07 29	0.10 113	0.07 62	0.06 34	0.12 187	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.03 1

HART	0.08 43	0.07 136	0.09 70	0.17 215	0.07 70	0.10 124	0.16 280	0.13 58	0.11 61	0.08 61	0.10 113	0.07 62	0.05 9	0.10 60	0.08 17	0.05 26	0.04 21	0.06 99	0.04 34	0.05 98	0.04 40

GREAT-IGEV	0.07 4	0.06 54	0.08 29	0.13 13	0.07 70	0.07 27	0.14 149	0.09 11	0.09 22	0.06 9	0.07 36	0.06 16	0.05 9	0.10 60	0.07 1	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

HI	0.11 182	0.06 54	0.11 146	0.13 13	0.09 236	0.09 77	0.14 149	0.21 248	0.10 35	0.19 353	0.17 234	0.14 233	0.09 164	0.16 312	0.08 17	0.05 26	0.04 21	0.07 191	0.08 334	0.07 254	0.06 196

CoSv	0.11 182	0.06 54	0.11 146	0.13 13	0.09 236	0.09 77	0.14 149	0.21 248	0.10 35	0.19 353	0.17 234	0.14 233	0.09 164	0.16 312	0.08 17	0.05 26	0.04 21	0.07 191	0.08 334	0.07 254	0.06 196

SCV_C0	0.08 43	0.07 136	0.07 6	0.16 141	0.09 236	0.08 48	0.15 215	0.11 27	0.12 84	0.08 61	0.07 36	0.06 16	0.05 9	0.11 106	0.07 1	0.05 26	0.05 182	0.05 23	0.04 34	0.06 189	0.05 120

SCV	0.08 43	0.09 307	0.08 29	0.15 70	0.08 125	0.10 124	0.13 101	0.10 16	0.12 84	0.07 29	0.07 36	0.06 16	0.04 1	0.09 33	0.08 17	0.05 26	0.04 21	0.06 99	0.04 34	0.06 189	0.04 40

AIO_rvc	0.07 4	0.06 54	0.08 29	0.15 70	0.06 13	0.08 48	0.14 149	0.09 11	0.08 11	0.07 29	0.08 69	0.07 62	0.04 1	0.10 60	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

AIO_test	0.07 4	0.05 17	0.07 6	0.15 70	0.07 70	0.06 8	0.14 149	0.10 16	0.10 35	0.07 29	0.07 36	0.06 16	0.05 9	0.08 15	0.10 121	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

castereo	0.09 78	0.06 54	0.11 146	0.15 70	0.06 13	0.11 169	0.15 215	0.14 74	0.18 227	0.08 61	0.10 113	0.11 172	0.08 138	0.09 33	0.10 121	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

GIP-stereo	0.08 43	0.06 54	0.11 146	0.14 30	0.06 13	0.09 77	0.13 101	0.14 74	0.11 61	0.07 29	0.08 69	0.05 1	0.04 1	0.10 60	0.07 1	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

fffft	0.09 78	0.06 54	0.12 181	0.16 141	0.07 70	0.09 77	0.17 313	0.12 42	0.11 61	0.08 61	0.07 36	0.09 120	0.06 34	0.11 106	0.12 232	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.05 120
1: 1. 1
SMoEStereo_RVC	0.08 43	0.06 54	0.12 181	0.16 141	0.07 70	0.09 77	0.14 149	0.11 27	0.13 115	0.09 91	0.07 36	0.07 62	0.07 103	0.12 187	0.10 121	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

mms	0.09 78	0.07 136	0.08 29	0.16 141	0.08 125	0.10 124	0.16 280	0.12 42	0.11 61	0.08 61	0.09 87	0.08 95	0.06 34	0.11 106	0.12 232	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.03 1

ours_stereo	0.09 78	0.07 136	0.09 70	0.17 215	0.08 125	0.11 169	0.16 280	0.11 27	0.12 84	0.08 61	0.10 113	0.08 95	0.06 34	0.12 187	0.12 232	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.03 1

fffy	0.09 78	0.08 233	0.09 70	0.16 141	0.07 70	0.13 242	0.17 313	0.13 58	0.12 84	0.08 61	0.09 87	0.08 95	0.09 164	0.13 231	0.11 184	0.05 26	0.05 182	0.07 191	0.05 104	0.04 15	0.05 120

tg	0.10 139	0.06 54	0.10 105	0.18 296	0.08 125	0.11 169	0.16 280	0.20 226	0.12 84	0.08 61	0.11 143	0.11 172	0.07 103	0.11 106	0.10 121	0.05 26	0.04 21	0.08 274	0.08 334	0.04 15	0.04 40

WCG-NET	0.08 43	0.05 17	0.09 70	0.15 70	0.06 13	0.11 169	0.14 149	0.13 58	0.13 115	0.06 9	0.09 87	0.07 62	0.06 34	0.13 231	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

IGEV-Stereo++	0.07 4	0.06 54	0.08 29	0.18 296	0.06 13	0.04 1	0.10 27	0.11 27	0.11 61	0.06 9	0.07 36	0.07 62	0.06 34	0.09 33	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

AIO-Stereo	0.08 43	0.06 54	0.09 70	0.18 296	0.06 13	0.08 48	0.12 63	0.15 103	0.09 22	0.08 61	0.08 69	0.07 62	0.05 9	0.11 106	0.08 17	0.05 26	0.05 182	0.05 23	0.04 34	0.04 15	0.04 40

WCG-NET（raft）	0.08 43	0.05 17	0.10 105	0.15 70	0.06 13	0.11 169	0.13 101	0.15 103	0.12 84	0.08 61	0.07 36	0.06 16	0.06 34	0.13 231	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

H2IRNET	0.10 139	0.09 307	0.09 70	0.18 296	0.09 236	0.12 203	0.15 215	0.14 74	0.21 280	0.10 123	0.10 113	0.10 151	0.10 196	0.10 60	0.10 121	0.05 26	0.04 21	0.08 274	0.08 334	0.06 189	0.05 120

MGS-Stereo	0.09 78	0.07 136	0.12 181	0.15 70	0.08 125	0.09 77	0.15 215	0.12 42	0.12 84	0.07 29	0.10 113	0.08 95	0.06 34	0.10 60	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

MoCha-V2	0.08 43	0.05 17	0.10 105	0.20 405	0.07 70	0.09 77	0.14 149	0.11 27	0.08 11	0.07 29	0.08 69	0.07 62	0.06 34	0.09 33	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

IGEV++	0.08 43	0.06 54	0.08 29	0.18 296	0.07 70	0.09 77	0.13 101	0.10 16	0.09 22	0.08 61	0.08 69	0.06 16	0.06 34	0.13 231	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

AE-Stereo	0.10 139	0.08 233	0.10 105	0.18 296	0.09 236	0.10 124	0.15 215	0.14 74	0.19 242	0.09 91	0.14 184	0.12 189	0.08 138	0.11 106	0.10 121	0.05 26	0.06 303	0.07 191	0.06 182	0.05 98	0.04 40

ff7	0.09 78	0.07 136	0.11 146	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.12 84	0.10 123	0.06 12	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

ffff	0.09 78	0.07 136	0.11 146	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.12 84	0.10 123	0.06 12	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

11t	0.09 78	0.07 136	0.11 146	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.12 84	0.10 123	0.06 12	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

MIM_Stereo	0.09 78	0.07 136	0.11 146	0.15 70	0.07 70	0.06 8	0.12 63	0.20 226	0.14 139	0.13 215	0.13 170	0.09 120	0.05 9	0.12 187	0.08 17	0.05 26	0.06 303	0.07 191	0.06 182	0.06 189	0.05 120

testlalala	0.08 43	0.07 136	0.17 372	0.16 141	0.08 125	0.09 77	0.12 63	0.15 103	0.10 35	0.07 29	0.09 87	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

LL-Strereo2	0.10 139	0.10 365	0.15 310	0.18 296	0.08 125	0.15 300	0.09 18	0.17 165	0.14 139	0.14 236	0.10 113	0.09 120	0.07 103	0.16 312	0.10 121	0.05 26	0.05 182	0.10 401	0.07 269	0.06 189	0.05 120

4D-IteraStereo	0.09 78	0.07 136	0.10 105	0.18 296	0.07 70	0.09 77	0.15 215	0.17 165	0.15 155	0.10 123	0.11 143	0.10 151	0.07 103	0.11 106	0.09 52	0.05 26	0.03 1	0.08 274	0.07 269	0.06 189	0.05 120

LoS_RVC	0.08 43	0.05 17	0.07 6	0.15 70	0.07 70	0.08 48	0.15 215	0.11 27	0.10 35	0.08 61	0.09 87	0.06 16	0.09 164	0.10 60	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

anonymousdsp2	0.11 182	0.07 136	0.10 105	0.16 141	0.09 236	0.13 242	0.14 149	0.18 194	0.22 294	0.13 215	0.14 184	0.12 189	0.09 164	0.14 256	0.11 184	0.05 26	0.04 21	0.05 23	0.04 34	0.06 189	0.05 120

anonymousdsp	0.09 78	0.07 136	0.11 146	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.12 84	0.09 91	0.06 12	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

Selective-IGEV	0.07 4	0.06 54	0.08 29	0.17 215	0.06 13	0.08 48	0.12 63	0.13 58	0.07 8	0.08 61	0.07 36	0.06 16	0.04 1	0.10 60	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

Selective-RAFT	0.11 182	0.10 365	0.11 146	0.21 434	0.08 125	0.16 330	0.13 101	0.20 226	0.22 294	0.10 123	0.10 113	0.11 172	0.10 196	0.15 278	0.11 184	0.05 26	0.05 182	0.06 99	0.05 104	0.06 189	0.05 120

ProNet	0.09 78	0.07 136	0.10 105	0.17 215	0.08 125	0.10 124	0.15 215	0.15 103	0.12 84	0.09 91	0.06 12	0.07 62	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.06 196

ccc-4	0.09 78	0.07 136	0.11 146	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.12 84	0.10 123	0.06 12	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

raft_robust	0.13 272	0.10 365	0.07 6	0.18 296	0.08 125	0.13 242	0.24 468	0.28 386	0.33 416	0.20 375	0.19 268	0.14 233	0.10 196	0.11 106	0.12 232	0.05 26	0.05 182	0.07 191	0.07 269	0.05 98	0.04 40

RAFT_CTSACE	0.12 247	0.09 307	0.10 105	0.22 449	0.08 125	0.12 203	0.24 468	0.18 194	0.16 182	0.20 375	0.27 385	0.13 213	0.07 103	0.13 231	0.09 52	0.05 26	0.06 303	0.08 274	0.07 269	0.04 15	0.04 40

RAFT+CT+SA	0.13 272	0.11 391	0.09 70	0.19 352	0.09 236	0.15 300	0.28 505	0.22 270	0.22 294	0.15 263	0.26 377	0.10 151	0.10 196	0.11 106	0.12 232	0.05 26	0.04 21	0.07 191	0.08 334	0.07 254	0.06 196

SA	0.12 247	0.09 307	0.08 29	0.18 296	0.08 125	0.12 203	0.24 468	0.23 290	0.18 227	0.17 307	0.27 385	0.14 233	0.11 221	0.11 106	0.11 184	0.05 26	0.05 182	0.09 354	0.08 334	0.05 98	0.04 40

IGEV-Stereo	0.09 78	0.07 136	0.11 146	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.12 84	0.09 91	0.06 12	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.12 247	0.09 307	0.12 181	0.19 352	0.08 125	0.09 77	0.12 63	0.21 248	0.21 280	0.19 353	0.14 184	0.11 172	0.09 164	0.20 405	0.16 354	0.05 26	0.05 182	0.07 191	0.06 182	0.05 98	0.06 196

GMOStereo	0.11 182	0.09 307	0.07 6	0.19 352	0.08 125	0.12 203	0.28 505	0.13 58	0.17 201	0.11 150	0.17 234	0.14 233	0.12 251	0.07 4	0.07 1	0.05 26	0.05 182	0.09 354	0.07 269	0.04 15	0.04 40

error version	0.11 182	0.09 307	0.07 6	0.19 352	0.08 125	0.12 203	0.28 505	0.13 58	0.17 201	0.11 150	0.17 234	0.14 233	0.12 251	0.07 4	0.07 1	0.05 26	0.05 182	0.09 354	0.07 269	0.04 15	0.04 40

test-v	0.11 182	0.09 307	0.07 6	0.19 352	0.08 125	0.12 203	0.28 505	0.13 58	0.17 201	0.11 150	0.17 234	0.14 233	0.12 251	0.07 4	0.07 1	0.05 26	0.05 182	0.09 354	0.07 269	0.04 15	0.04 40

test-3	0.08 43	0.06 54	0.09 70	0.17 215	0.07 70	0.07 27	0.14 149	0.12 42	0.15 155	0.09 91	0.08 69	0.07 62	0.08 138	0.11 106	0.10 121	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.04 40

test_1	0.08 43	0.06 54	0.09 70	0.17 215	0.07 70	0.07 27	0.14 149	0.12 42	0.15 155	0.09 91	0.08 69	0.07 62	0.08 138	0.11 106	0.10 121	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.04 40

test_3	0.10 139	0.09 307	0.10 105	0.20 405	0.08 125	0.13 242	0.26 492	0.14 74	0.21 280	0.10 123	0.10 113	0.09 120	0.09 164	0.08 15	0.11 184	0.05 26	0.04 21	0.08 274	0.07 269	0.04 15	0.04 40

LCNet	0.11 182	0.07 136	0.09 70	0.19 352	0.09 236	0.08 48	0.15 215	0.21 248	0.15 155	0.11 150	0.15 201	0.16 276	0.11 221	0.12 187	0.11 184	0.05 26	0.04 21	0.08 274	0.07 269	0.06 189	0.15 491

HHNet	0.11 182	0.06 54	0.16 344	0.15 70	0.14 457	0.07 27	0.13 101	0.20 226	0.17 201	0.14 236	0.25 360	0.11 172	0.08 138	0.13 231	0.10 121	0.05 26	0.04 21	0.08 274	0.06 182	0.05 98	0.09 384

STrans-v2	0.10 139	0.07 136	0.12 181	0.18 296	0.07 70	0.10 124	0.14 149	0.21 248	0.11 61	0.11 150	0.15 201	0.12 189	0.10 196	0.11 106	0.12 232	0.05 26	0.04 21	0.06 99	0.06 182	0.04 15	0.04 40

TransformOpticalFlow	0.10 139	0.08 233	0.13 226	0.18 296	0.07 70	0.09 77	0.15 215	0.19 215	0.15 155	0.12 188	0.17 234	0.11 172	0.11 221	0.11 106	0.10 121	0.05 26	0.04 21	0.06 99	0.06 182	0.05 98	0.05 120

PSM-AAD	0.11 182	0.07 136	0.10 105	0.19 352	0.09 236	0.10 124	0.15 215	0.20 226	0.13 115	0.12 188	0.14 184	0.18 310	0.11 221	0.11 106	0.10 121	0.05 26	0.05 182	0.09 354	0.08 334	0.06 189	0.14 484

FTStereo	0.12 247	0.06 54	0.14 261	0.18 296	0.09 236	0.07 27	0.15 215	0.21 248	0.18 227	0.12 188	0.24 331	0.12 189	0.12 251	0.13 231	0.13 273	0.05 26	0.05 182	0.07 191	0.06 182	0.06 189	0.10 409

KYRaft	0.11 182	0.07 136	0.10 105	0.19 352	0.09 236	0.08 48	0.15 215	0.22 270	0.12 84	0.13 215	0.16 213	0.20 336	0.10 196	0.12 187	0.10 121	0.05 26	0.04 21	0.08 274	0.08 334	0.06 189	0.16 502

ASMatch	0.11 182	0.06 54	0.13 226	0.16 141	0.10 337	0.07 27	0.14 149	0.17 165	0.17 201	0.12 188	0.16 213	0.16 276	0.10 196	0.13 231	0.10 121	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.08 340

DEmStereo	0.12 247	0.06 54	0.14 261	0.14 30	0.10 337	0.16 330	0.15 215	0.16 129	0.24 320	0.17 307	0.24 331	0.13 213	0.14 313	0.12 187	0.13 273	0.05 26	0.04 21	0.07 191	0.06 182	0.05 98	0.05 120

DRaft	0.12 247	0.06 54	0.11 146	0.14 30	0.09 236	0.14 274	0.17 313	0.21 248	0.30 395	0.17 307	0.28 398	0.10 151	0.15 331	0.10 60	0.12 232	0.05 26	0.04 21	0.07 191	0.06 182	0.05 98	0.05 120

GrayStereo	0.11 182	0.06 54	0.11 146	0.19 352	0.09 236	0.09 77	0.16 280	0.18 194	0.17 201	0.14 236	0.17 234	0.17 296	0.11 221	0.12 187	0.11 184	0.05 26	0.05 182	0.07 191	0.06 182	0.05 98	0.10 409

RAFT-RH_RVC	0.11 182	0.06 54	0.14 261	0.16 141	0.09 236	0.12 203	0.12 63	0.17 165	0.12 84	0.13 215	0.41 489	0.11 172	0.10 196	0.13 231	0.12 232	0.05 26	0.04 21	0.08 274	0.05 104	0.04 15	0.06 196

RAFT-345	0.11 182	0.07 136	0.15 310	0.16 141	0.08 125	0.08 48	0.12 63	0.15 103	0.10 35	0.11 150	0.36 452	0.09 120	0.09 164	0.11 106	0.12 232	0.05 26	0.05 182	0.07 191	0.06 182	0.04 15	0.05 120

test-2	0.11 182	0.09 307	0.07 6	0.19 352	0.08 125	0.12 203	0.28 505	0.13 58	0.17 201	0.11 150	0.17 234	0.14 233	0.12 251	0.07 4	0.07 1	0.05 26	0.05 182	0.09 354	0.07 269	0.04 15	0.04 40

cross-raft	0.10 139	0.09 307	0.09 70	0.19 352	0.07 70	0.11 169	0.25 484	0.13 58	0.15 155	0.08 61	0.11 143	0.12 189	0.10 196	0.09 33	0.11 184	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

GMM-Stereo	0.11 182	0.07 136	0.10 105	0.18 296	0.09 236	0.08 48	0.15 215	0.23 290	0.16 182	0.11 150	0.15 201	0.13 213	0.11 221	0.11 106	0.11 184	0.05 26	0.04 21	0.08 274	0.07 269	0.06 189	0.09 384

Prome-Stereo	0.11 182	0.06 54	0.10 105	0.18 296	0.08 125	0.12 203	0.15 215	0.22 270	0.13 115	0.12 188	0.17 234	0.13 213	0.08 138	0.12 187	0.10 121	0.05 26	0.04 21	0.07 191	0.06 182	0.06 189	0.09 384

iRaftStereo_RVC	0.10 139	0.07 136	0.09 70	0.17 215	0.09 236	0.11 169	0.17 313	0.18 194	0.12 84	0.09 91	0.12 156	0.10 151	0.07 103	0.11 106	0.10 121	0.05 26	0.04 21	0.08 274	0.08 334	0.04 15	0.04 40

s12784h	0.09 78	0.06 54	0.07 6	0.15 70	0.05 1	0.16 330	0.18 358	0.15 103	0.15 155	0.10 123	0.11 143	0.11 172	0.11 221	0.10 60	0.12 232	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

TestStereo	0.13 272	0.14 449	0.11 146	0.23 470	0.08 125	0.15 300	0.21 435	0.20 226	0.23 304	0.14 236	0.24 331	0.16 276	0.12 251	0.16 312	0.14 310	0.05 26	0.06 303	0.08 274	0.06 182	0.09 378	0.05 120

test_xeample3	0.09 78	0.06 54	0.12 181	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.13 115	0.10 123	0.06 12	0.08 95	0.06 34	0.10 60	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

RAFT-Stereo + iAFF	0.09 78	0.06 54	0.10 105	0.17 215	0.06 13	0.10 124	0.16 280	0.17 165	0.14 139	0.09 91	0.10 113	0.08 95	0.09 164	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.06 182	0.04 15	0.03 1

AFF-stereo	0.09 78	0.06 54	0.10 105	0.17 215	0.07 70	0.10 124	0.16 280	0.17 165	0.09 22	0.10 123	0.12 156	0.09 120	0.09 164	0.12 187	0.09 52	0.05 26	0.04 21	0.07 191	0.07 269	0.04 15	0.03 1

EAI-Stereo	0.09 78	0.07 136	0.11 146	0.15 70	0.06 13	0.10 124	0.15 215	0.16 129	0.09 22	0.08 61	0.09 87	0.08 95	0.07 103	0.09 33	0.11 184	0.05 26	0.04 21	0.05 23	0.05 104	0.05 98	0.04 40

MLCV	0.12 247	0.07 136	0.16 344	0.18 296	0.06 13	0.15 300	0.17 313	0.19 215	0.21 280	0.18 337	0.25 360	0.17 296	0.13 288	0.14 256	0.13 273	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

DN-CSS_ROB	0.13 272	0.13 437	0.16 344	0.18 296	0.10 337	0.16 330	0.08 7	0.22 270	0.18 227	0.17 307	0.22 310	0.13 213	0.13 288	0.12 187	0.13 273	0.05 26	0.05 182	0.10 401	0.10 416	0.08 317	0.06 196

water-stereo	0.09 78	0.06 54	0.08 29	0.16 141	0.07 70	0.09 77	0.13 101	0.15 103	0.13 115	0.11 150	0.12 156	0.08 95	0.09 164	0.07 4	0.08 17	0.06 113	0.05 182	0.05 23	0.05 104	0.04 15	0.04 40

depthmonostereo	0.09 78	0.06 54	0.09 70	0.15 70	0.06 13	0.10 124	0.13 101	0.14 74	0.14 139	0.10 123	0.10 113	0.09 120	0.11 221	0.08 15	0.09 52	0.06 113	0.05 182	0.06 99	0.04 34	0.04 15	0.03 1

DilatedVolume-Stereo	0.09 78	0.05 17	0.08 29	0.15 70	0.06 13	0.11 169	0.12 63	0.14 74	0.16 182	0.11 150	0.11 143	0.09 120	0.09 164	0.11 106	0.10 121	0.06 113	0.05 182	0.05 23	0.04 34	0.03 1	0.03 1

IGEV	0.07 4	0.04 1	0.08 29	0.13 13	0.06 13	0.09 77	0.12 63	0.14 74	0.10 35	0.06 9	0.09 87	0.07 62	0.05 9	0.09 33	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

111111	0.07 4	0.04 1	0.09 70	0.17 215	0.06 13	0.05 4	0.10 27	0.11 27	0.09 22	0.06 9	0.06 12	0.07 62	0.05 9	0.09 33	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.07 254	0.06 196

MLG-Stereo_test3	0.07 4	0.05 17	0.10 105	0.14 30	0.06 13	0.07 27	0.11 46	0.08 4	0.06 4	0.06 9	0.04 1	0.06 16	0.06 34	0.07 4	0.10 121	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.06 196

MLG-Stereo_test2	0.06 1	0.04 1	0.10 105	0.15 70	0.05 1	0.07 27	0.11 46	0.09 11	0.04 2	0.06 9	0.05 7	0.06 16	0.04 1	0.08 15	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.05 120

LG-Stereo_Zeroshot	0.07 4	0.06 54	0.10 105	0.16 141	0.07 70	0.04 1	0.13 101	0.10 16	0.10 35	0.05 1	0.11 143	0.07 62	0.05 9	0.07 4	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

SGD-Stereo	0.08 43	0.05 17	0.10 105	0.14 30	0.05 1	0.12 203	0.12 63	0.11 27	0.12 84	0.07 29	0.09 87	0.09 120	0.09 164	0.08 15	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.03 1

MM-Stereo_test3	0.10 139	0.07 136	0.07 6	0.18 296	0.07 70	0.12 203	0.19 397	0.24 312	0.19 242	0.06 9	0.10 113	0.08 95	0.06 34	0.11 106	0.08 17	0.06 113	0.06 303	0.07 191	0.05 104	0.05 98	0.04 40

MM-Stereo_test1	0.10 139	0.07 136	0.08 29	0.18 296	0.07 70	0.12 203	0.18 358	0.21 248	0.20 265	0.09 91	0.11 143	0.08 95	0.06 34	0.10 60	0.10 121	0.06 113	0.05 182	0.07 191	0.06 182	0.05 98	0.04 40

Reg-Stereo(zero)	0.08 43	0.05 17	0.08 29	0.16 141	0.06 13	0.12 203	0.11 46	0.15 103	0.10 35	0.12 188	0.09 87	0.10 151	0.08 138	0.11 106	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

DEFOM-Stereo_RVC	0.08 43	0.06 54	0.09 70	0.22 449	0.06 13	0.08 48	0.12 63	0.10 16	0.10 35	0.07 29	0.07 36	0.06 16	0.05 9	0.11 106	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.06 189	0.04 40

FoundationStereo	0.06 1	0.04 1	0.08 29	0.12 4	0.05 1	0.09 77	0.13 101	0.06 1	0.09 22	0.05 1	0.05 7	0.06 16	0.04 1	0.06 1	0.07 1	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

HUF	0.08 43	0.05 17	0.08 29	0.14 30	0.06 13	0.09 77	0.13 101	0.13 58	0.13 115	0.07 29	0.07 36	0.08 95	0.06 34	0.10 60	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

AIO-test2	0.10 139	0.08 233	0.10 105	0.23 470	0.08 125	0.11 169	0.10 27	0.23 290	0.23 304	0.08 61	0.09 87	0.08 95	0.05 9	0.10 60	0.08 17	0.06 113	0.05 182	0.08 274	0.09 379	0.05 98	0.05 120

AIO-test1	0.10 139	0.07 136	0.10 105	0.23 470	0.07 70	0.09 77	0.13 101	0.21 248	0.14 139	0.11 150	0.12 156	0.09 120	0.07 103	0.11 106	0.09 52	0.06 113	0.05 182	0.09 354	0.10 416	0.03 1	0.06 196

castereo++	0.08 43	0.05 17	0.08 29	0.15 70	0.05 1	0.14 274	0.12 63	0.11 27	0.15 155	0.07 29	0.07 36	0.07 62	0.06 34	0.08 15	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

IGEV-RUCA	0.08 43	0.06 54	0.11 146	0.14 30	0.09 236	0.10 124	0.12 63	0.10 16	0.12 84	0.06 9	0.07 36	0.07 62	0.06 34	0.09 33	0.08 17	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.06 196

tt45	0.09 78	0.06 54	0.11 146	0.15 70	0.07 70	0.11 169	0.16 280	0.13 58	0.11 61	0.09 91	0.06 12	0.08 95	0.06 34	0.13 231	0.10 121	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

999	0.09 78	0.05 17	0.13 226	0.15 70	0.08 125	0.10 124	0.14 149	0.15 103	0.11 61	0.10 123	0.08 69	0.08 95	0.08 138	0.16 312	0.10 121	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.05 120

PAM_32	0.09 78	0.05 17	0.17 372	0.15 70	0.08 125	0.10 124	0.15 215	0.14 74	0.15 155	0.09 91	0.08 69	0.09 120	0.07 103	0.14 256	0.08 17	0.06 113	0.05 182	0.06 99	0.06 182	0.05 98	0.06 196

PAM	0.10 139	0.05 17	0.16 344	0.15 70	0.08 125	0.09 77	0.16 280	0.15 103	0.16 182	0.12 188	0.09 87	0.09 120	0.07 103	0.13 231	0.08 17	0.06 113	0.05 182	0.06 99	0.06 182	0.05 98	0.06 196

dual_stereo	0.07 4	0.04 1	0.08 29	0.15 70	0.05 1	0.05 4	0.13 101	0.12 42	0.08 11	0.07 29	0.06 12	0.05 1	0.05 9	0.07 4	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

UGAM-zero	0.09 78	0.05 17	0.15 310	0.15 70	0.08 125	0.09 77	0.13 101	0.19 215	0.15 155	0.11 150	0.15 201	0.07 62	0.07 103	0.09 33	0.09 52	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196

GCAP-BAT	0.09 78	0.07 136	0.14 261	0.15 70	0.08 125	0.10 124	0.13 101	0.14 74	0.10 35	0.11 150	0.10 113	0.08 95	0.07 103	0.12 187	0.10 121	0.06 113	0.05 182	0.06 99	0.04 34	0.04 15	0.04 40

Occ-G	0.08 43	0.05 17	0.06 2	0.14 30	0.07 70	0.08 48	0.14 149	0.13 58	0.15 155	0.07 29	0.11 143	0.07 62	0.05 9	0.09 33	0.10 121	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.05 120

AIO-Stereo-zeroshot1	0.11 182	0.05 17	0.14 261	0.15 70	0.20 512	0.09 77	0.17 313	0.21 248	0.15 155	0.11 150	0.14 184	0.10 151	0.07 103	0.10 60	0.08 17	0.06 113	0.05 182	0.07 191	0.07 269	0.07 254	0.09 384

AIO-Stereo-zeroshot	0.11 182	0.05 17	0.11 146	0.15 70	0.13 437	0.13 242	0.16 280	0.23 290	0.17 201	0.10 123	0.12 156	0.10 151	0.07 103	0.11 106	0.09 52	0.06 113	0.05 182	0.06 99	0.06 182	0.07 254	0.08 340

U	0.08 43	0.07 136	0.09 70	0.19 352	0.10 337	0.10 124	0.13 101	0.12 42	0.17 201	0.07 29	0.07 36	0.06 16	0.05 9	0.07 4	0.08 17	0.06 113	0.04 21	0.06 99	0.04 34	0.06 189	0.05 120

IGEV-Stereo+	0.07 4	0.04 1	0.08 29	0.15 70	0.06 13	0.04 1	0.09 18	0.10 16	0.09 22	0.06 9	0.06 12	0.06 16	0.06 34	0.06 1	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.06 189	0.06 196

RAFT-Stereo-weight	0.09 78	0.06 54	0.10 105	0.16 141	0.07 70	0.09 77	0.14 149	0.19 215	0.16 182	0.11 150	0.10 113	0.08 95	0.06 34	0.10 60	0.11 184	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

gcap-zeroshot	0.09 78	0.05 17	0.10 105	0.16 141	0.07 70	0.13 242	0.13 101	0.11 27	0.12 84	0.13 215	0.12 156	0.09 120	0.08 138	0.09 33	0.09 52	0.06 113	0.05 182	0.06 99	0.05 104	0.04 15	0.04 40

test_for_model	0.09 78	0.12 408	0.14 261	0.23 470	0.11 384	0.08 48	0.13 101	0.12 42	0.12 84	0.10 123	0.07 36	0.07 62	0.06 34	0.11 106	0.10 121	0.06 113	0.05 182	0.05 23	0.03 1	0.07 254	0.04 40

testlalala2	0.10 139	0.06 54	0.11 146	0.20 405	0.10 337	0.10 124	0.12 63	0.17 165	0.12 84	0.12 188	0.13 170	0.09 120	0.07 103	0.11 106	0.13 273	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.05 120

MyStereo07	0.10 139	0.07 136	0.10 105	0.17 215	0.09 236	0.14 274	0.18 358	0.15 103	0.15 155	0.09 91	0.06 12	0.06 16	0.07 103	0.12 187	0.09 52	0.06 113	0.05 182	0.08 274	0.07 269	0.06 189	0.06 196

MyStereo06	0.10 139	0.07 136	0.12 181	0.17 215	0.09 236	0.13 242	0.18 358	0.19 215	0.12 84	0.12 188	0.08 69	0.07 62	0.07 103	0.11 106	0.09 52	0.06 113	0.05 182	0.07 191	0.07 269	0.06 189	0.06 196

MyStereo05	0.13 272	0.07 136	0.10 105	0.17 215	0.09 236	0.13 242	0.18 358	0.27 367	0.35 437	0.17 307	0.14 184	0.15 262	0.11 221	0.15 278	0.13 273	0.06 113	0.05 182	0.07 191	0.07 269	0.06 189	0.06 196

MyStereo04	0.13 272	0.07 136	0.10 105	0.17 215	0.09 236	0.14 274	0.18 358	0.29 397	0.38 455	0.17 307	0.14 184	0.16 276	0.10 196	0.15 278	0.13 273	0.06 113	0.05 182	0.08 274	0.07 269	0.06 189	0.06 196

ACVNet-DCA	0.10 139	0.08 233	0.12 181	0.17 215	0.09 236	0.13 242	0.15 215	0.23 290	0.16 182	0.09 91	0.09 87	0.06 16	0.06 34	0.10 60	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.07 254	0.07 276

xx1	0.11 182	0.08 233	0.12 181	0.17 215	0.09 236	0.13 242	0.15 215	0.16 129	0.18 227	0.09 91	0.09 87	0.16 276	0.16 357	0.10 60	0.07 1	0.06 113	0.04 21	0.08 274	0.08 334	0.07 254	0.07 276

1test111	0.11 182	0.08 233	0.12 181	0.17 215	0.09 236	0.13 242	0.15 215	0.23 290	0.16 182	0.09 91	0.09 87	0.06 16	0.06 34	0.15 278	0.16 354	0.06 113	0.04 21	0.06 99	0.05 104	0.07 254	0.07 276

cc1	0.10 139	0.08 233	0.12 181	0.17 215	0.09 236	0.13 242	0.15 215	0.16 129	0.18 227	0.09 91	0.09 87	0.06 16	0.06 34	0.10 60	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.06 196

IGEVStereo-DCA	0.09 78	0.06 54	0.11 146	0.15 70	0.10 337	0.11 169	0.15 215	0.16 129	0.12 84	0.10 123	0.06 12	0.08 95	0.06 34	0.10 60	0.08 17	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196

rrr	0.09 78	0.06 54	0.12 181	0.15 70	0.10 337	0.11 169	0.16 280	0.16 129	0.15 155	0.10 123	0.06 12	0.08 95	0.06 34	0.10 60	0.08 17	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196

ffm	0.12 247	0.09 307	0.14 261	0.16 141	0.08 125	0.17 351	0.17 313	0.15 103	0.19 242	0.15 263	0.25 360	0.19 324	0.13 288	0.10 60	0.07 1	0.06 113	0.04 21	0.09 354	0.08 334	0.06 189	0.06 196

ff1	0.13 272	0.09 307	0.14 261	0.16 141	0.08 125	0.17 351	0.17 313	0.15 103	0.19 242	0.15 263	0.25 360	0.19 324	0.13 288	0.14 256	0.20 405	0.06 113	0.04 21	0.09 354	0.08 334	0.06 189	0.06 196

tt1	0.10 139	0.08 233	0.12 181	0.17 215	0.09 236	0.12 203	0.16 280	0.15 103	0.19 242	0.09 91	0.08 69	0.06 16	0.06 34	0.10 60	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.06 196

IGEV_Zeroshot_test	0.09 78	0.05 17	0.12 181	0.13 13	0.08 125	0.12 203	0.13 101	0.17 165	0.11 61	0.10 123	0.06 12	0.09 120	0.06 34	0.11 106	0.09 52	0.06 113	0.04 21	0.06 99	0.06 182	0.05 98	0.05 120

MSKI-zero shot	0.09 78	0.05 17	0.09 70	0.15 70	0.07 70	0.10 124	0.13 101	0.14 74	0.13 115	0.09 91	0.09 87	0.09 120	0.06 34	0.12 187	0.10 121	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

CASnet	0.09 78	0.09 307	0.09 70	0.19 352	0.06 13	0.07 27	0.11 46	0.18 194	0.14 139	0.11 150	0.10 113	0.09 120	0.07 103	0.10 60	0.10 121	0.06 113	0.04 21	0.10 401	0.08 334	0.05 98	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.08 43	0.05 17	0.08 29	0.14 30	0.13 437	0.14 274	0.13 101	0.14 74	0.09 22	0.07 29	0.09 87	0.07 62	0.08 138	0.10 60	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

GCAP-Stereo	0.09 78	0.07 136	0.13 226	0.18 296	0.06 13	0.11 169	0.07 3	0.13 58	0.12 84	0.09 91	0.10 113	0.07 62	0.09 164	0.13 231	0.10 121	0.06 113	0.05 182	0.05 23	0.04 34	0.04 15	0.05 120

RAFT-Test	0.09 78	0.06 54	0.10 105	0.15 70	0.07 70	0.11 169	0.15 215	0.16 129	0.13 115	0.09 91	0.10 113	0.10 151	0.09 164	0.12 187	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

HH	0.09 78	0.06 54	0.13 226	0.17 215	0.08 125	0.10 124	0.16 280	0.14 74	0.10 35	0.08 61	0.09 87	0.08 95	0.07 103	0.10 60	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

HanStereo	0.09 78	0.06 54	0.13 226	0.17 215	0.08 125	0.10 124	0.16 280	0.14 74	0.10 35	0.08 61	0.09 87	0.08 95	0.07 103	0.10 60	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

LL-Strereo	0.13 272	0.09 307	0.11 146	0.20 405	0.10 337	0.11 169	0.18 358	0.32 432	0.24 320	0.15 263	0.15 201	0.14 233	0.13 288	0.19 380	0.11 184	0.06 113	0.04 21	0.09 354	0.08 334	0.04 15	0.05 120

CBFPSM	0.14 306	0.06 54	0.26 452	0.17 215	0.09 236	0.13 242	0.15 215	0.22 270	0.23 304	0.20 375	0.27 385	0.24 387	0.16 357	0.16 312	0.18 387	0.06 113	0.06 303	0.06 99	0.07 269	0.07 254	0.07 276

CES	0.08 43	0.04 1	0.08 29	0.14 30	0.07 70	0.09 77	0.14 149	0.11 27	0.09 22	0.08 61	0.09 87	0.11 172	0.06 34	0.12 187	0.08 17	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.05 120

EGLCR-Stereo	0.08 43	0.05 17	0.08 29	0.14 30	0.06 13	0.10 124	0.12 63	0.11 27	0.16 182	0.06 9	0.05 7	0.07 62	0.05 9	0.10 60	0.11 184	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

DCRE	0.11 182	0.07 136	0.13 226	0.16 141	0.11 384	0.11 169	0.17 313	0.18 194	0.17 201	0.11 150	0.18 259	0.10 151	0.10 196	0.15 278	0.11 184	0.06 113	0.05 182	0.06 99	0.06 182	0.05 98	0.04 40

MC-Stereo	0.08 43	0.06 54	0.09 70	0.17 215	0.06 13	0.10 124	0.14 149	0.12 42	0.10 35	0.09 91	0.12 156	0.09 120	0.06 34	0.11 106	0.10 121	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

RCA-Stereo	0.09 78	0.06 54	0.09 70	0.16 141	0.06 13	0.09 77	0.13 101	0.18 194	0.14 139	0.09 91	0.10 113	0.08 95	0.07 103	0.12 187	0.11 184	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

CroCo-Stereo Lap2	0.09 78	0.09 307	0.08 29	0.22 449	0.09 236	0.09 77	0.19 397	0.16 129	0.12 84	0.09 91	0.10 113	0.05 1	0.05 9	0.08 15	0.08 17	0.06 113	0.06 303	0.07 191	0.05 104	0.05 98	0.05 120

TestStereo1	0.13 272	0.08 233	0.08 29	0.19 352	0.08 125	0.18 370	0.29 514	0.23 290	0.16 182	0.17 307	0.20 280	0.16 276	0.10 196	0.12 187	0.13 273	0.06 113	0.06 303	0.08 274	0.06 182	0.05 98	0.05 120

DCANet-4	0.10 139	0.06 54	0.12 181	0.16 141	0.06 13	0.09 77	0.17 313	0.18 194	0.19 242	0.13 215	0.16 213	0.09 120	0.14 313	0.11 106	0.12 232	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

fff	0.10 139	0.06 54	0.12 181	0.15 70	0.07 70	0.09 77	0.17 313	0.16 129	0.20 265	0.13 215	0.16 213	0.10 151	0.11 221	0.11 106	0.12 232	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

ADStereo(finetuned)	0.10 139	0.06 54	0.12 181	0.16 141	0.06 13	0.09 77	0.17 313	0.15 103	0.19 242	0.13 215	0.17 234	0.10 151	0.12 251	0.11 106	0.12 232	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

DisPM	0.11 182	0.07 136	0.12 181	0.16 141	0.09 236	0.06 8	0.13 101	0.17 165	0.17 201	0.14 236	0.20 280	0.12 189	0.10 196	0.11 106	0.10 121	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.11 434

test_5	0.14 306	0.12 408	0.08 29	0.20 405	0.10 337	0.14 274	0.29 514	0.21 248	0.24 320	0.18 337	0.28 398	0.11 172	0.15 331	0.12 187	0.13 273	0.06 113	0.05 182	0.07 191	0.08 334	0.08 317	0.07 276

SA-5K	0.13 272	0.08 233	0.08 29	0.19 352	0.08 125	0.18 370	0.29 514	0.23 290	0.16 182	0.17 307	0.20 280	0.16 276	0.10 196	0.12 187	0.13 273	0.06 113	0.06 303	0.08 274	0.06 182	0.05 98	0.05 120

Sa-1000	0.12 247	0.08 233	0.08 29	0.18 296	0.08 125	0.14 274	0.22 445	0.22 270	0.18 227	0.15 263	0.20 280	0.17 296	0.11 221	0.10 60	0.10 121	0.06 113	0.05 182	0.09 354	0.09 379	0.05 98	0.05 120

iRaft-Stereo_20w	0.09 78	0.05 17	0.13 226	0.14 30	0.08 125	0.12 203	0.15 215	0.18 194	0.10 35	0.11 150	0.08 69	0.08 95	0.05 9	0.10 60	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

GLC_STEREO	0.11 182	0.07 136	0.11 146	0.17 215	0.07 70	0.09 77	0.13 101	0.15 103	0.24 320	0.12 188	0.13 170	0.12 189	0.08 138	0.18 365	0.11 184	0.06 113	0.08 399	0.08 274	0.06 182	0.05 98	0.05 120

IPLG	0.10 139	0.07 136	0.15 310	0.17 215	0.08 125	0.11 169	0.14 149	0.20 226	0.15 155	0.12 188	0.17 234	0.07 62	0.07 103	0.14 256	0.13 273	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

MIPNet	0.11 182	0.08 233	0.14 261	0.17 215	0.09 236	0.12 203	0.14 149	0.20 226	0.24 320	0.11 150	0.10 113	0.09 120	0.07 103	0.13 231	0.12 232	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

IPLGR	0.11 182	0.09 307	0.16 344	0.18 296	0.08 125	0.12 203	0.17 313	0.21 248	0.24 320	0.11 150	0.12 156	0.11 172	0.08 138	0.12 187	0.12 232	0.06 113	0.05 182	0.06 99	0.06 182	0.04 15	0.04 40

CrosDoStereo	0.12 247	0.06 54	0.12 181	0.14 30	0.08 125	0.12 203	0.15 215	0.17 165	0.22 294	0.19 353	0.24 331	0.15 262	0.11 221	0.11 106	0.12 232	0.06 113	0.04 21	0.07 191	0.07 269	0.05 98	0.05 120

Patchmatch Stereo++	0.11 182	0.09 307	0.16 344	0.18 296	0.08 125	0.06 8	0.11 46	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276
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	0.11 182	0.07 136	0.16 344	0.19 352	0.09 236	0.08 48	0.13 101	0.18 194	0.13 115	0.16 291	0.21 301	0.13 213	0.14 313	0.11 106	0.14 310	0.06 113	0.04 21	0.09 354	0.06 182	0.06 189	0.05 120

OMP-Stereo	0.11 182	0.06 54	0.14 261	0.18 296	0.08 125	0.09 77	0.12 63	0.21 248	0.21 280	0.13 215	0.14 184	0.11 172	0.12 251	0.11 106	0.13 273	0.06 113	0.04 21	0.07 191	0.06 182	0.05 98	0.04 40

IIG-Stereo	0.11 182	0.06 54	0.13 226	0.17 215	0.08 125	0.11 169	0.12 63	0.22 270	0.17 201	0.14 236	0.17 234	0.11 172	0.12 251	0.12 187	0.12 232	0.06 113	0.05 182	0.07 191	0.06 182	0.05 98	0.04 40

NF-Stereo	0.11 182	0.07 136	0.13 226	0.17 215	0.09 236	0.10 124	0.14 149	0.23 290	0.19 242	0.12 188	0.17 234	0.12 189	0.11 221	0.11 106	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.12 447

OCTAStereo	0.11 182	0.07 136	0.13 226	0.17 215	0.09 236	0.10 124	0.14 149	0.23 290	0.19 242	0.12 188	0.17 234	0.12 189	0.11 221	0.11 106	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.12 447

NRIStereo	0.11 182	0.08 233	0.14 261	0.18 296	0.08 125	0.10 124	0.14 149	0.16 129	0.15 155	0.12 188	0.14 184	0.13 213	0.12 251	0.13 231	0.10 121	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.07 276

PSM-adaLoss	0.11 182	0.09 307	0.16 344	0.18 296	0.08 125	0.06 8	0.12 63	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

ROB_FTStereo_v2	0.11 182	0.09 307	0.16 344	0.19 352	0.08 125	0.06 8	0.12 63	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

ROB_FTStereo	0.11 182	0.09 307	0.16 344	0.19 352	0.08 125	0.06 8	0.11 46	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

HUI-Stereo	0.11 182	0.09 307	0.16 344	0.18 296	0.08 125	0.06 8	0.12 63	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

DeepStereo_LL	0.12 247	0.06 54	0.12 181	0.14 30	0.08 125	0.12 203	0.15 215	0.17 165	0.22 294	0.19 353	0.24 331	0.15 262	0.11 221	0.11 106	0.12 232	0.06 113	0.04 21	0.07 191	0.07 269	0.05 98	0.05 120

SST-Stereo	0.10 139	0.07 136	0.15 310	0.18 296	0.09 236	0.06 8	0.12 63	0.17 165	0.11 61	0.15 263	0.17 234	0.13 213	0.12 251	0.10 60	0.11 184	0.06 113	0.04 21	0.09 354	0.06 182	0.06 189	0.05 120

THIR-Stereo	0.12 247	0.07 136	0.11 146	0.15 70	0.08 125	0.14 274	0.16 280	0.17 165	0.25 341	0.16 291	0.24 331	0.14 233	0.12 251	0.12 187	0.14 310	0.06 113	0.04 21	0.07 191	0.07 269	0.05 98	0.05 120

RAFT_R40	0.11 182	0.07 136	0.14 261	0.18 296	0.09 236	0.06 8	0.13 101	0.17 165	0.16 182	0.14 236	0.18 259	0.15 262	0.12 251	0.10 60	0.11 184	0.06 113	0.04 21	0.09 354	0.06 182	0.06 189	0.05 120

PFNet	0.12 247	0.06 54	0.17 372	0.17 215	0.08 125	0.09 77	0.15 215	0.26 346	0.20 265	0.16 291	0.16 213	0.14 233	0.11 221	0.12 187	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.05 98	0.05 120

RE-Stereo	0.11 182	0.07 136	0.13 226	0.17 215	0.09 236	0.10 124	0.14 149	0.23 290	0.19 242	0.12 188	0.17 234	0.12 189	0.11 221	0.11 106	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.12 447

Pruner-Stereo	0.11 182	0.07 136	0.12 181	0.17 215	0.09 236	0.06 8	0.12 63	0.17 165	0.17 201	0.13 215	0.19 268	0.13 213	0.09 164	0.11 106	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.08 340

TVStereo	0.11 182	0.07 136	0.13 226	0.17 215	0.09 236	0.10 124	0.14 149	0.23 290	0.19 242	0.12 188	0.17 234	0.12 189	0.11 221	0.11 106	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.12 447

DeepStereo_RVC	0.11 182	0.08 233	0.16 344	0.18 296	0.08 125	0.08 48	0.12 63	0.17 165	0.12 84	0.13 215	0.14 184	0.12 189	0.12 251	0.12 187	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.07 254	0.08 340

iGMRVC	0.11 182	0.09 307	0.16 344	0.19 352	0.08 125	0.06 8	0.12 63	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

IRAFT_RVC	0.12 247	0.08 233	0.16 344	0.19 352	0.08 125	0.07 27	0.15 215	0.24 312	0.23 304	0.14 236	0.14 184	0.15 262	0.12 251	0.12 187	0.10 121	0.06 113	0.04 21	0.09 354	0.06 182	0.06 189	0.06 196

iRAFT	0.11 182	0.09 307	0.16 344	0.18 296	0.08 125	0.06 8	0.11 46	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

RAFT	0.13 272	0.09 307	0.11 146	0.18 296	0.08 125	0.15 300	0.24 468	0.20 226	0.19 242	0.21 389	0.21 301	0.17 296	0.12 251	0.16 312	0.09 52	0.06 113	0.07 373	0.10 401	0.09 379	0.05 98	0.05 120

test-1	0.10 139	0.07 136	0.16 344	0.19 352	0.08 125	0.11 169	0.24 468	0.14 74	0.18 227	0.09 91	0.07 36	0.09 120	0.08 138	0.07 4	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

RAFT-IKP	0.11 182	0.09 307	0.16 344	0.19 352	0.08 125	0.06 8	0.12 63	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

CREStereo++_RVC	0.08 43	0.04 1	0.06 2	0.13 13	0.07 70	0.09 77	0.12 63	0.14 74	0.14 139	0.10 123	0.14 184	0.08 95	0.07 103	0.09 33	0.11 184	0.06 113	0.04 21	0.05 23	0.05 104	0.04 15	0.04 40
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
XX-TBD	0.09 78	0.06 54	0.07 6	0.14 30	0.07 70	0.12 203	0.16 280	0.14 74	0.13 115	0.11 150	0.12 156	0.09 120	0.08 138	0.10 60	0.10 121	0.06 113	0.04 21	0.05 23	0.03 1	0.06 189	0.05 120

RALAANet	0.11 182	0.08 233	0.10 105	0.17 215	0.09 236	0.14 274	0.10 27	0.20 226	0.15 155	0.14 236	0.13 170	0.16 276	0.09 164	0.12 187	0.11 184	0.06 113	0.05 182	0.07 191	0.06 182	0.05 98	0.04 40

XX-Stereo	0.09 78	0.05 17	0.08 29	0.17 215	0.09 236	0.15 300	0.12 63	0.20 226	0.10 35	0.10 123	0.14 184	0.07 62	0.06 34	0.12 187	0.08 17	0.06 113	0.05 182	0.06 99	0.06 182	0.04 15	0.04 40

DCANet	0.10 139	0.06 54	0.12 181	0.16 141	0.06 13	0.09 77	0.17 313	0.15 103	0.19 242	0.13 215	0.17 234	0.10 151	0.11 221	0.11 106	0.12 232	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

csc	0.10 139	0.06 54	0.12 181	0.15 70	0.07 70	0.09 77	0.17 313	0.16 129	0.20 265	0.13 215	0.16 213	0.10 151	0.11 221	0.11 106	0.12 232	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

cscssc	0.10 139	0.06 54	0.12 181	0.15 70	0.07 70	0.09 77	0.17 313	0.16 129	0.20 265	0.13 215	0.16 213	0.10 151	0.11 221	0.11 106	0.12 232	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

111	0.10 139	0.06 54	0.12 181	0.15 70	0.07 70	0.10 124	0.14 149	0.21 248	0.23 304	0.11 150	0.12 156	0.14 233	0.11 221	0.13 231	0.10 121	0.06 113	0.04 21	0.06 99	0.04 34	0.05 98	0.05 120

ARAFT	0.12 247	0.08 233	0.17 372	0.19 352	0.09 236	0.14 274	0.18 358	0.20 226	0.12 84	0.12 188	0.13 170	0.14 233	0.11 221	0.15 278	0.12 232	0.06 113	0.05 182	0.10 401	0.09 379	0.05 98	0.04 40

CFNet-RSSM	0.09 78	0.07 136	0.09 70	0.16 141	0.07 70	0.09 77	0.15 215	0.16 129	0.17 201	0.08 61	0.12 156	0.10 151	0.09 164	0.11 106	0.09 52	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

MMNet	0.17 393	0.09 307	0.16 344	0.20 405	0.11 384	0.27 481	0.20 418	0.25 328	0.41 467	0.22 404	0.30 416	0.21 345	0.20 422	0.17 344	0.20 405	0.06 113	0.06 303	0.07 191	0.07 269	0.08 317	0.07 276

Gwc-CoAtRS	0.09 78	0.06 54	0.10 105	0.16 141	0.07 70	0.10 124	0.14 149	0.17 165	0.17 201	0.08 61	0.10 113	0.12 189	0.09 164	0.12 187	0.09 52	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

DIP-Stereo	0.11 182	0.07 136	0.14 261	0.17 215	0.09 236	0.13 242	0.09 18	0.16 129	0.16 182	0.11 150	0.16 213	0.14 233	0.12 251	0.15 278	0.13 273	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.14 306	0.08 233	0.11 146	0.15 70	0.08 125	0.15 300	0.15 215	0.27 367	0.29 385	0.19 353	0.21 301	0.29 435	0.14 313	0.17 344	0.13 273	0.06 113	0.06 303	0.06 99	0.06 182	0.07 254	0.06 196
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.16 373	0.10 365	0.10 105	0.18 296	0.09 236	0.18 370	0.19 397	0.26 346	0.31 402	0.22 404	0.35 449	0.21 345	0.21 426	0.22 435	0.16 354	0.06 113	0.05 182	0.06 99	0.06 182	0.07 254	0.06 196

HITNet	0.10 139	0.06 54	0.12 181	0.14 30	0.06 13	0.11 169	0.10 27	0.18 194	0.18 227	0.13 215	0.16 213	0.14 233	0.11 221	0.15 278	0.13 273	0.06 113	0.04 21	0.04 1	0.04 34	0.06 189	0.05 120
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
iResNetv2_ROB	0.14 306	0.08 233	0.15 310	0.16 141	0.08 125	0.16 330	0.12 63	0.25 328	0.35 437	0.21 389	0.29 410	0.24 387	0.13 288	0.14 256	0.14 310	0.06 113	0.05 182	0.06 99	0.04 34	0.09 378	0.08 340

iResNet	0.13 272	0.10 365	0.18 395	0.19 352	0.08 125	0.13 242	0.18 358	0.20 226	0.26 355	0.15 263	0.23 319	0.15 262	0.13 288	0.14 256	0.14 310	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

z-ln-s-r	0.17 393	0.10 365	0.40 501	0.19 352	0.08 125	0.17 351	0.18 358	0.22 270	0.33 416	0.18 337	0.40 478	0.22 363	0.17 380	0.20 405	0.23 446	0.07 235	0.05 182	0.07 191	0.07 269	0.07 254	0.05 120

LG-G_1	0.07 4	0.04 1	0.11 146	0.15 70	0.06 13	0.09 77	0.08 7	0.08 4	0.06 4	0.06 9	0.05 7	0.07 62	0.07 103	0.11 106	0.08 17	0.07 235	0.04 21	0.05 23	0.04 34	0.05 98	0.05 120

LG-G	0.07 4	0.04 1	0.11 146	0.15 70	0.06 13	0.09 77	0.08 7	0.08 4	0.06 4	0.06 9	0.05 7	0.07 62	0.07 103	0.11 106	0.08 17	0.07 235	0.04 21	0.05 23	0.04 34	0.05 98	0.05 120

DFGA-Net	0.13 272	0.11 391	0.18 395	0.17 215	0.10 337	0.12 203	0.13 101	0.22 270	0.25 341	0.16 291	0.16 213	0.13 213	0.12 251	0.16 312	0.14 310	0.07 235	0.05 182	0.08 274	0.07 269	0.05 98	0.05 120

G2L-Stereo_test	0.14 306	0.07 136	0.11 146	0.13 13	0.08 125	0.12 203	0.16 280	0.30 411	0.28 378	0.20 375	0.23 319	0.20 336	0.16 357	0.17 344	0.18 387	0.07 235	0.05 182	0.05 23	0.05 104	0.07 254	0.06 196

LGtest1	0.07 4	0.04 1	0.10 105	0.15 70	0.06 13	0.07 27	0.09 18	0.08 4	0.06 4	0.05 1	0.04 1	0.06 16	0.06 34	0.10 60	0.09 52	0.07 235	0.04 21	0.05 23	0.04 34	0.06 189	0.06 196

FACV-RUCA	0.13 272	0.11 391	0.12 181	0.19 352	0.12 415	0.15 300	0.15 215	0.22 270	0.20 265	0.15 263	0.16 213	0.14 233	0.16 357	0.14 256	0.13 273	0.07 235	0.05 182	0.08 274	0.06 182	0.10 410	0.08 340

UGAM	0.13 272	0.10 365	0.09 70	0.22 449	0.08 125	0.12 203	0.20 418	0.17 165	0.23 304	0.21 389	0.16 213	0.13 213	0.13 288	0.19 380	0.12 232	0.07 235	0.05 182	0.13 466	0.11 448	0.07 254	0.05 120

model_zeroshot	0.10 139	0.04 1	0.11 146	0.15 70	0.09 236	0.12 203	0.14 149	0.20 226	0.13 115	0.11 150	0.10 113	0.12 189	0.07 103	0.12 187	0.10 121	0.07 235	0.06 303	0.06 99	0.05 104	0.06 189	0.06 196

ACV-stereo	0.15 350	0.10 365	0.28 464	0.18 296	0.12 415	0.14 274	0.12 63	0.23 290	0.21 280	0.19 353	0.23 319	0.22 363	0.15 331	0.23 446	0.17 369	0.07 235	0.06 303	0.07 191	0.07 269	0.07 254	0.07 276

RAStereo	0.10 139	0.09 307	0.08 29	0.20 405	0.08 125	0.13 242	0.18 358	0.15 103	0.17 201	0.10 123	0.12 156	0.05 1	0.06 34	0.09 33	0.08 17	0.07 235	0.05 182	0.07 191	0.05 104	0.05 98	0.04 40

test_sample1	0.13 272	0.07 136	0.14 261	0.13 13	0.08 125	0.19 393	0.16 280	0.20 226	0.15 155	0.14 236	0.22 310	0.18 310	0.16 357	0.17 344	0.14 310	0.07 235	0.06 303	0.06 99	0.06 182	0.08 317	0.07 276

DispNO	0.14 306	0.08 233	0.17 372	0.19 352	0.12 415	0.11 169	0.21 435	0.23 290	0.29 385	0.17 307	0.23 319	0.18 310	0.17 380	0.15 278	0.15 338	0.07 235	0.05 182	0.08 274	0.08 334	0.07 254	0.06 196

Former-RAFT_DAM_RVC	0.10 139	0.08 233	0.12 181	0.16 141	0.08 125	0.15 300	0.16 280	0.18 194	0.18 227	0.10 123	0.09 87	0.09 120	0.08 138	0.11 106	0.12 232	0.07 235	0.05 182	0.08 274	0.06 182	0.07 254	0.06 196

MyStereo8	0.12 247	0.07 136	0.15 310	0.15 70	0.09 236	0.18 370	0.14 149	0.19 215	0.22 294	0.12 188	0.18 259	0.11 172	0.10 196	0.16 312	0.18 387	0.07 235	0.05 182	0.07 191	0.05 104	0.08 317	0.09 384

CoDeX	0.12 247	0.07 136	0.12 181	0.17 215	0.08 125	0.12 203	0.15 215	0.23 290	0.27 364	0.13 215	0.17 234	0.16 276	0.11 221	0.14 256	0.11 184	0.07 235	0.05 182	0.07 191	0.06 182	0.06 189	0.05 120

1111x	0.15 350	0.08 233	0.12 181	0.18 296	0.07 70	0.18 370	0.25 484	0.31 421	0.24 320	0.17 307	0.24 331	0.26 409	0.15 331	0.13 231	0.23 446	0.07 235	0.07 373	0.08 274	0.09 379	0.07 254	0.06 196

plain	0.10 139	0.08 233	0.10 105	0.19 352	0.09 236	0.10 124	0.15 215	0.14 74	0.13 115	0.13 215	0.15 201	0.09 120	0.12 251	0.13 231	0.12 232	0.07 235	0.05 182	0.09 354	0.06 182	0.06 189	0.06 196

MaDis-Stereo	0.09 78	0.09 307	0.08 29	0.17 215	0.09 236	0.13 242	0.10 27	0.16 129	0.16 182	0.09 91	0.11 143	0.06 16	0.06 34	0.09 33	0.13 273	0.07 235	0.06 303	0.07 191	0.05 104	0.05 98	0.04 40

UniTT-Stereo	0.09 78	0.07 136	0.08 29	0.18 296	0.08 125	0.13 242	0.11 46	0.12 42	0.11 61	0.10 123	0.12 156	0.05 1	0.07 103	0.09 33	0.09 52	0.07 235	0.05 182	0.05 23	0.05 104	0.05 98	0.05 120

PCWNet_CMD	0.14 306	0.08 233	0.15 310	0.17 215	0.09 236	0.14 274	0.14 149	0.29 397	0.36 442	0.14 236	0.20 280	0.21 345	0.12 251	0.17 344	0.13 273	0.07 235	0.05 182	0.07 191	0.07 269	0.07 254	0.07 276

Any-RAFT	0.10 139	0.05 17	0.09 70	0.14 30	0.07 70	0.13 242	0.14 149	0.21 248	0.15 155	0.11 150	0.12 156	0.12 189	0.09 164	0.12 187	0.09 52	0.07 235	0.04 21	0.05 23	0.04 34	0.06 189	0.05 120

LoS	0.09 78	0.05 17	0.11 146	0.13 13	0.07 70	0.14 274	0.11 46	0.15 103	0.15 155	0.09 91	0.09 87	0.12 189	0.09 164	0.15 278	0.10 121	0.07 235	0.05 182	0.05 23	0.03 1	0.05 98	0.05 120
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ToySt	0.17 393	0.11 391	0.18 395	0.17 215	0.11 384	0.16 330	0.25 484	0.24 312	0.33 416	0.19 353	0.24 331	0.26 409	0.24 449	0.19 380	0.20 405	0.07 235	0.08 399	0.09 354	0.10 416	0.09 378	0.08 340

anonymousa	0.13 272	0.07 136	0.13 226	0.18 296	0.09 236	0.13 242	0.17 313	0.19 215	0.29 385	0.15 263	0.24 331	0.15 262	0.14 313	0.14 256	0.14 310	0.07 235	0.05 182	0.07 191	0.09 379	0.05 98	0.06 196

qqq	0.13 272	0.09 307	0.15 310	0.16 141	0.08 125	0.13 242	0.15 215	0.23 290	0.16 182	0.15 263	0.19 268	0.16 276	0.16 357	0.15 278	0.16 354	0.07 235	0.06 303	0.08 274	0.08 334	0.07 254	0.07 276

x	0.13 272	0.07 136	0.14 261	0.14 30	0.08 125	0.18 370	0.14 149	0.22 270	0.20 265	0.15 263	0.19 268	0.19 324	0.17 380	0.18 365	0.18 387	0.07 235	0.05 182	0.06 99	0.06 182	0.07 254	0.07 276

Wz-Net-LNSev-Ref	0.18 407	0.09 307	0.29 472	0.15 70	0.10 337	0.22 433	0.20 418	0.26 346	0.39 458	0.25 438	0.42 496	0.24 387	0.15 331	0.20 405	0.19 399	0.07 235	0.05 182	0.06 99	0.05 104	0.10 410	0.09 384

hknet	0.15 350	0.11 391	0.13 226	0.22 449	0.11 384	0.14 274	0.15 215	0.34 460	0.25 341	0.17 307	0.22 310	0.22 363	0.18 394	0.17 344	0.12 232	0.07 235	0.06 303	0.10 401	0.09 379	0.07 254	0.07 276

CIPLG	0.11 182	0.08 233	0.14 261	0.17 215	0.08 125	0.12 203	0.15 215	0.17 165	0.15 155	0.14 236	0.11 143	0.16 276	0.09 164	0.16 312	0.11 184	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196

IPLGR_C	0.11 182	0.08 233	0.14 261	0.17 215	0.08 125	0.12 203	0.15 215	0.17 165	0.15 155	0.14 236	0.10 113	0.16 276	0.09 164	0.16 312	0.11 184	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196

ACRE	0.11 182	0.08 233	0.14 261	0.17 215	0.08 125	0.12 203	0.15 215	0.17 165	0.14 139	0.14 236	0.10 113	0.16 276	0.09 164	0.16 312	0.11 184	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196

GwcNet-ADL	0.13 272	0.08 233	0.14 261	0.20 405	0.09 236	0.11 169	0.20 418	0.30 411	0.24 320	0.13 215	0.14 184	0.18 310	0.14 313	0.13 231	0.14 310	0.07 235	0.05 182	0.06 99	0.05 104	0.07 254	0.06 196

TRStereo	0.09 78	0.05 17	0.12 181	0.15 70	0.12 415	0.10 124	0.13 101	0.18 194	0.18 227	0.09 91	0.09 87	0.09 120	0.06 34	0.10 60	0.08 17	0.07 235	0.05 182	0.07 191	0.07 269	0.04 15	0.04 40

PSM-softLoss	0.12 247	0.07 136	0.15 310	0.17 215	0.09 236	0.08 48	0.13 101	0.24 312	0.17 201	0.14 236	0.19 268	0.13 213	0.11 221	0.11 106	0.11 184	0.07 235	0.05 182	0.08 274	0.07 269	0.06 189	0.12 447

KMStereo	0.12 247	0.07 136	0.15 310	0.17 215	0.09 236	0.08 48	0.13 101	0.24 312	0.17 201	0.14 236	0.19 268	0.13 213	0.11 221	0.11 106	0.11 184	0.07 235	0.05 182	0.08 274	0.07 269	0.06 189	0.12 447

CRE-IMP	0.11 182	0.09 307	0.16 344	0.19 352	0.08 125	0.10 124	0.12 63	0.18 194	0.10 35	0.14 236	0.13 170	0.13 213	0.12 251	0.12 187	0.11 184	0.07 235	0.04 21	0.08 274	0.06 182	0.08 317	0.08 340

CroCo-Stereo	0.09 78	0.08 233	0.08 29	0.22 449	0.09 236	0.09 77	0.19 397	0.15 103	0.12 84	0.07 29	0.07 36	0.08 95	0.06 34	0.08 15	0.07 1	0.07 235	0.05 182	0.06 99	0.04 34	0.05 98	0.04 40
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
LMCR-Stereo	0.15 350	0.08 233	0.13 226	0.21 434	0.09 236	0.17 351	0.20 418	0.27 367	0.19 242	0.24 425	0.24 331	0.23 381	0.17 380	0.20 405	0.17 369	0.07 235	0.06 303	0.08 274	0.06 182	0.10 410	0.08 340

rafts_anoy	0.11 182	0.06 54	0.10 105	0.17 215	0.08 125	0.10 124	0.14 149	0.17 165	0.14 139	0.13 215	0.13 170	0.12 189	0.10 196	0.11 106	0.12 232	0.07 235	0.04 21	0.09 354	0.11 448	0.07 254	0.06 196

raft+_RVC	0.11 182	0.07 136	0.09 70	0.16 141	0.07 70	0.10 124	0.11 46	0.24 312	0.20 265	0.12 188	0.15 201	0.12 189	0.08 138	0.12 187	0.13 273	0.07 235	0.04 21	0.07 191	0.06 182	0.05 98	0.05 120

TANstereo	0.09 78	0.04 1	0.08 29	0.13 13	0.06 13	0.11 169	0.14 149	0.15 103	0.19 242	0.11 150	0.15 201	0.10 151	0.06 34	0.12 187	0.09 52	0.07 235	0.05 182	0.05 23	0.04 34	0.06 189	0.05 120

CFNet_pseudo	0.14 306	0.08 233	0.15 310	0.16 141	0.09 236	0.13 242	0.14 149	0.27 367	0.34 428	0.14 236	0.21 301	0.22 363	0.13 288	0.18 365	0.14 310	0.07 235	0.05 182	0.08 274	0.06 182	0.07 254	0.07 276

RALCasStereoNet	0.10 139	0.06 54	0.09 70	0.16 141	0.08 125	0.12 203	0.14 149	0.17 165	0.11 61	0.12 188	0.17 234	0.14 233	0.10 196	0.12 187	0.11 184	0.07 235	0.06 303	0.06 99	0.05 104	0.08 317	0.07 276

RAFT + AFF	0.13 272	0.07 136	0.20 418	0.20 405	0.10 337	0.14 274	0.24 468	0.26 346	0.20 265	0.11 150	0.10 113	0.12 189	0.10 196	0.15 278	0.12 232	0.07 235	0.06 303	0.09 354	0.08 334	0.06 189	0.08 340

GMStereo	0.13 272	0.14 449	0.14 261	0.18 296	0.09 236	0.15 300	0.16 280	0.20 226	0.24 320	0.16 291	0.17 234	0.10 151	0.10 196	0.16 312	0.13 273	0.07 235	0.06 303	0.06 99	0.06 182	0.07 254	0.06 196
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.17 393	0.09 307	0.18 395	0.19 352	0.12 415	0.27 481	0.19 397	0.33 451	0.29 385	0.21 389	0.24 331	0.23 381	0.19 410	0.19 380	0.18 387	0.07 235	0.06 303	0.08 274	0.07 269	0.08 317	0.06 196

ACVNet	0.15 350	0.09 307	0.15 310	0.13 13	0.12 415	0.14 274	0.20 418	0.22 270	0.33 416	0.17 307	0.26 377	0.21 345	0.16 357	0.17 344	0.21 425	0.07 235	0.06 303	0.06 99	0.06 182	0.08 317	0.06 196

acv_ft	0.15 350	0.09 307	0.15 310	0.19 352	0.10 337	0.16 330	0.17 313	0.25 328	0.33 416	0.19 353	0.26 377	0.21 345	0.17 380	0.17 344	0.18 387	0.07 235	0.06 303	0.06 99	0.06 182	0.08 317	0.06 196

FADNet-RVC-Resample	0.16 373	0.11 391	0.31 477	0.22 449	0.11 384	0.19 393	0.14 149	0.25 328	0.24 320	0.24 425	0.27 385	0.20 336	0.15 331	0.16 312	0.15 338	0.07 235	0.08 399	0.12 451	0.10 416	0.09 378	0.10 409

BEATNet_4x	0.12 247	0.08 233	0.14 261	0.18 296	0.07 70	0.15 300	0.07 3	0.22 270	0.18 227	0.16 291	0.19 268	0.18 310	0.14 313	0.16 312	0.15 338	0.07 235	0.05 182	0.05 23	0.05 104	0.06 189	0.06 196

R-Stereo Train	0.10 139	0.06 54	0.10 105	0.17 215	0.08 125	0.11 169	0.14 149	0.23 290	0.11 61	0.12 188	0.19 268	0.11 172	0.08 138	0.09 33	0.11 184	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120

ADCRef	0.19 419	0.12 408	0.41 504	0.20 405	0.12 415	0.22 433	0.18 358	0.32 432	0.36 442	0.26 443	0.32 428	0.17 296	0.23 443	0.24 455	0.24 459	0.07 235	0.06 303	0.09 354	0.09 379	0.08 317	0.08 340

RAFT-Stereo	0.10 139	0.06 54	0.10 105	0.17 215	0.08 125	0.11 169	0.14 149	0.23 290	0.11 61	0.12 188	0.19 268	0.11 172	0.08 138	0.09 33	0.11 184	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.14 306	0.07 136	0.14 261	0.16 141	0.08 125	0.18 370	0.14 149	0.29 397	0.20 265	0.17 307	0.25 360	0.21 345	0.18 394	0.20 405	0.19 399	0.07 235	0.06 303	0.06 99	0.08 334	0.06 189	0.06 196

MSMDNet	0.14 306	0.08 233	0.15 310	0.17 215	0.09 236	0.14 274	0.14 149	0.29 397	0.36 442	0.14 236	0.21 301	0.21 345	0.12 251	0.17 344	0.14 310	0.07 235	0.05 182	0.07 191	0.07 269	0.07 254	0.07 276

ccs_rob	0.14 306	0.08 233	0.15 310	0.16 141	0.09 236	0.12 203	0.14 149	0.27 367	0.34 428	0.14 236	0.21 301	0.22 363	0.13 288	0.18 365	0.14 310	0.07 235	0.05 182	0.08 274	0.07 269	0.07 254	0.07 276

HSM	0.15 350	0.08 233	0.14 261	0.16 141	0.09 236	0.16 330	0.14 149	0.28 386	0.25 341	0.19 353	0.23 319	0.37 487	0.16 357	0.20 405	0.15 338	0.07 235	0.05 182	0.07 191	0.06 182	0.07 254	0.06 196

iResNet_ROB	0.14 306	0.07 136	0.13 226	0.14 30	0.07 70	0.18 370	0.14 149	0.26 346	0.31 402	0.22 404	0.25 360	0.23 381	0.15 331	0.15 278	0.13 273	0.07 235	0.05 182	0.05 23	0.04 34	0.08 317	0.08 340

LE_ROB	0.50 536	0.07 136	0.14 261	0.15 70	0.08 125	0.24 451	0.16 280	0.22 270	1.81 568	4.63 572	0.67 532	0.47 521	0.44 528	0.20 405	0.29 498	0.07 235	0.06 303	0.06 99	0.06 182	0.08 317	0.06 196

pmcnn	0.15 350	0.07 136	0.19 406	0.15 70	0.07 70	0.20 408	0.15 215	0.24 312	0.26 355	0.21 389	0.34 444	0.28 427	0.18 394	0.18 365	0.17 369	0.07 235	0.05 182	0.05 23	0.04 34	0.07 254	0.06 196

z-mn7	0.24 474	0.14 449	0.45 508	0.19 352	0.13 437	0.28 487	0.25 484	0.34 460	0.62 526	0.27 449	0.56 522	0.29 435	0.24 449	0.32 494	0.25 468	0.08 296	0.08 399	0.08 274	0.08 334	0.10 410	0.10 409

w-ln-seven-2	0.20 431	0.14 449	0.37 496	0.22 449	0.12 415	0.20 408	0.21 435	0.28 386	0.37 449	0.25 438	0.37 458	0.27 417	0.22 435	0.21 422	0.23 446	0.08 296	0.08 399	0.09 354	0.09 379	0.10 410	0.09 384

S2M2_XL	0.08 43	0.06 54	0.12 181	0.12 4	0.08 125	0.09 77	0.09 18	0.07 2	0.07 8	0.08 61	0.07 36	0.07 62	0.06 34	0.09 33	0.09 52	0.08 296	0.06 303	0.07 191	0.05 104	0.08 317	0.06 196

G2L-ROB	0.13 272	0.06 54	0.13 226	0.13 13	0.08 125	0.14 274	0.16 280	0.25 328	0.18 227	0.19 353	0.18 259	0.20 336	0.14 313	0.17 344	0.16 354	0.08 296	0.05 182	0.06 99	0.05 104	0.08 317	0.09 384

coex_refinement	0.14 306	0.07 136	0.12 181	0.17 215	0.10 337	0.15 300	0.15 215	0.26 346	0.29 385	0.18 337	0.20 280	0.22 363	0.17 380	0.16 312	0.18 387	0.08 296	0.05 182	0.06 99	0.06 182	0.09 378	0.08 340

StereoAnything_RVC	0.07 4	0.15 459	0.17 372	0.11 1	0.05 1	0.05 4	0.11 46	0.08 4	0.08 11	0.06 9	0.06 12	0.05 1	0.05 9	0.09 33	0.08 17	0.08 296	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

Pointernet	0.09 78	0.04 1	0.09 70	0.16 141	0.08 125	0.13 242	0.10 27	0.15 103	0.17 201	0.09 91	0.07 36	0.06 16	0.06 34	0.11 106	0.09 52	0.08 296	0.04 21	0.05 23	0.03 1	0.06 189	0.05 120

test_sample6	0.14 306	0.08 233	0.13 226	0.16 141	0.08 125	0.17 351	0.19 397	0.25 328	0.17 201	0.17 307	0.27 385	0.19 324	0.14 313	0.15 278	0.13 273	0.08 296	0.05 182	0.08 274	0.07 269	0.08 317	0.08 340

test_sample5	0.14 306	0.08 233	0.14 261	0.16 141	0.08 125	0.18 370	0.18 358	0.25 328	0.17 201	0.17 307	0.27 385	0.18 310	0.14 313	0.16 312	0.13 273	0.08 296	0.05 182	0.08 274	0.07 269	0.08 317	0.08 340

test_sample4	0.14 306	0.08 233	0.14 261	0.15 70	0.08 125	0.19 393	0.18 358	0.26 346	0.17 201	0.16 291	0.25 360	0.18 310	0.14 313	0.16 312	0.13 273	0.08 296	0.06 303	0.08 274	0.06 182	0.08 317	0.08 340

test_sample3	0.14 306	0.08 233	0.15 310	0.14 30	0.09 236	0.19 393	0.17 313	0.26 346	0.18 227	0.16 291	0.22 310	0.19 324	0.15 331	0.17 344	0.13 273	0.08 296	0.06 303	0.07 191	0.06 182	0.09 378	0.08 340

test_sample2	0.12 247	0.07 136	0.12 181	0.14 30	0.08 125	0.16 330	0.18 358	0.21 248	0.16 182	0.14 236	0.20 280	0.19 324	0.15 331	0.15 278	0.12 232	0.08 296	0.05 182	0.07 191	0.06 182	0.08 317	0.07 276

trnet	0.08 43	0.05 17	0.07 6	0.12 4	0.05 1	0.12 203	0.11 46	0.13 58	0.10 35	0.08 61	0.13 170	0.09 120	0.08 138	0.11 106	0.10 121	0.08 296	0.05 182	0.05 23	0.03 1	0.06 189	0.05 120

SMFormer	0.14 306	0.07 136	0.17 372	0.14 30	0.08 125	0.16 330	0.17 313	0.26 346	0.27 364	0.19 353	0.20 280	0.18 310	0.15 331	0.15 278	0.17 369	0.08 296	0.05 182	0.07 191	0.06 182	0.07 254	0.06 196

tta	0.14 306	0.07 136	0.17 372	0.14 30	0.08 125	0.16 330	0.17 313	0.26 346	0.27 364	0.19 353	0.20 280	0.18 310	0.15 331	0.15 278	0.17 369	0.08 296	0.05 182	0.07 191	0.06 182	0.06 189	0.06 196

qqq1	0.13 272	0.07 136	0.17 372	0.14 30	0.08 125	0.16 330	0.17 313	0.26 346	0.27 364	0.19 353	0.20 280	0.18 310	0.15 331	0.15 278	0.11 184	0.08 296	0.05 182	0.05 23	0.05 104	0.06 189	0.06 196

fff1	0.13 272	0.07 136	0.17 372	0.14 30	0.08 125	0.16 330	0.17 313	0.26 346	0.27 364	0.19 353	0.20 280	0.18 310	0.15 331	0.15 278	0.11 184	0.08 296	0.05 182	0.05 23	0.05 104	0.06 189	0.06 196

mmm	0.14 306	0.08 233	0.17 372	0.17 215	0.09 236	0.17 351	0.18 358	0.21 248	0.15 155	0.15 263	0.23 319	0.21 345	0.16 357	0.16 312	0.17 369	0.08 296	0.05 182	0.08 274	0.07 269	0.07 254	0.07 276

11t1	0.12 247	0.06 54	0.13 226	0.14 30	0.08 125	0.17 351	0.15 215	0.18 194	0.15 155	0.15 263	0.15 201	0.16 276	0.16 357	0.15 278	0.13 273	0.08 296	0.05 182	0.06 99	0.05 104	0.08 317	0.07 276

DualNet	0.14 306	0.08 233	0.14 261	0.16 141	0.08 125	0.18 370	0.18 358	0.25 328	0.17 201	0.17 307	0.27 385	0.18 310	0.14 313	0.16 312	0.13 273	0.08 296	0.05 182	0.08 274	0.07 269	0.08 317	0.08 340

mmx	0.14 306	0.09 307	0.14 261	0.16 141	0.08 125	0.17 351	0.17 313	0.27 367	0.25 341	0.15 263	0.25 360	0.19 324	0.13 288	0.14 256	0.20 405	0.08 296	0.06 303	0.09 354	0.08 334	0.08 317	0.08 340

xxx	0.14 306	0.09 307	0.14 261	0.16 141	0.08 125	0.17 351	0.17 313	0.27 367	0.25 341	0.15 263	0.25 360	0.19 324	0.13 288	0.14 256	0.20 405	0.08 296	0.06 303	0.09 354	0.08 334	0.08 317	0.08 340

MIF-Stereo (partial)	0.11 182	0.06 54	0.10 105	0.19 352	0.10 337	0.10 124	0.11 46	0.17 165	0.18 227	0.14 236	0.16 213	0.09 120	0.11 221	0.12 187	0.12 232	0.08 296	0.05 182	0.08 274	0.07 269	0.06 189	0.07 276

EKT-Stereo	0.11 182	0.07 136	0.14 261	0.15 70	0.10 337	0.13 242	0.14 149	0.18 194	0.21 280	0.11 150	0.08 69	0.12 189	0.09 164	0.11 106	0.12 232	0.08 296	0.06 303	0.07 191	0.06 182	0.08 317	0.07 276

testlalala_base	0.10 139	0.09 307	0.14 261	0.21 434	0.08 125	0.10 124	0.14 149	0.13 58	0.10 35	0.07 29	0.15 201	0.07 62	0.08 138	0.10 60	0.12 232	0.08 296	0.05 182	0.05 23	0.03 1	0.06 189	0.05 120

CAS	0.08 43	0.04 1	0.07 6	0.17 215	0.08 125	0.10 124	0.13 101	0.12 42	0.09 22	0.09 91	0.10 113	0.08 95	0.06 34	0.09 33	0.08 17	0.08 296	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

gwcnet-sp	0.14 306	0.07 136	0.12 181	0.18 296	0.09 236	0.16 330	0.17 313	0.24 312	0.24 320	0.18 337	0.24 331	0.15 262	0.16 357	0.15 278	0.15 338	0.08 296	0.06 303	0.07 191	0.08 334	0.08 317	0.07 276

scenet	0.14 306	0.07 136	0.12 181	0.18 296	0.09 236	0.16 330	0.17 313	0.24 312	0.24 320	0.18 337	0.24 331	0.15 262	0.16 357	0.15 278	0.15 338	0.08 296	0.06 303	0.07 191	0.08 334	0.08 317	0.07 276

knoymous	0.11 182	0.05 17	0.12 181	0.13 13	0.07 70	0.15 300	0.14 149	0.19 215	0.13 115	0.11 150	0.17 234	0.13 213	0.09 164	0.13 231	0.11 184	0.08 296	0.05 182	0.06 99	0.05 104	0.08 317	0.07 276

ssnet	0.14 306	0.07 136	0.12 181	0.18 296	0.09 236	0.16 330	0.17 313	0.24 312	0.24 320	0.18 337	0.24 331	0.15 262	0.16 357	0.15 278	0.15 338	0.08 296	0.06 303	0.07 191	0.08 334	0.08 317	0.07 276

BUS	0.14 306	0.09 307	0.14 261	0.22 449	0.10 337	0.19 393	0.14 149	0.34 460	0.19 242	0.17 307	0.22 310	0.16 276	0.13 288	0.15 278	0.13 273	0.08 296	0.06 303	0.10 401	0.09 379	0.07 254	0.07 276

IER	0.14 306	0.07 136	0.13 226	0.17 215	0.09 236	0.14 274	0.16 280	0.25 328	0.26 355	0.18 337	0.25 360	0.17 296	0.20 422	0.16 312	0.14 310	0.08 296	0.05 182	0.07 191	0.06 182	0.08 317	0.07 276

NINENet	0.16 373	0.10 365	0.15 310	0.17 215	0.11 384	0.19 393	0.14 149	0.40 503	0.36 442	0.18 337	0.21 301	0.16 276	0.13 288	0.15 278	0.13 273	0.08 296	0.08 399	0.10 401	0.07 269	0.10 410	0.09 384

BSDual-CNN	0.15 350	0.09 307	0.14 261	0.22 449	0.10 337	0.14 274	0.15 215	0.34 460	0.19 242	0.17 307	0.22 310	0.25 400	0.16 357	0.15 278	0.14 310	0.08 296	0.06 303	0.10 401	0.09 379	0.07 254	0.07 276

psmg	0.14 306	0.09 307	0.14 261	0.17 215	0.10 337	0.15 300	0.17 313	0.29 397	0.19 242	0.17 307	0.21 301	0.25 400	0.16 357	0.15 278	0.14 310	0.08 296	0.06 303	0.08 274	0.08 334	0.07 254	0.06 196

DAS	0.15 350	0.08 233	0.18 395	0.19 352	0.10 337	0.19 393	0.17 313	0.27 367	0.29 385	0.18 337	0.25 360	0.21 345	0.15 331	0.16 312	0.12 232	0.08 296	0.06 303	0.06 99	0.06 182	0.07 254	0.07 276

SepStereo	0.15 350	0.08 233	0.18 395	0.19 352	0.10 337	0.19 393	0.17 313	0.27 367	0.29 385	0.18 337	0.25 360	0.21 345	0.15 331	0.25 460	0.12 232	0.08 296	0.06 303	0.06 99	0.06 182	0.07 254	0.07 276

PSMNet-ADL	0.15 350	0.12 408	0.13 226	0.22 449	0.09 236	0.13 242	0.20 418	0.26 346	0.23 304	0.18 337	0.20 280	0.24 387	0.16 357	0.18 365	0.17 369	0.08 296	0.08 399	0.08 274	0.11 448	0.08 317	0.07 276

GANet-ADL	0.13 272	0.07 136	0.15 310	0.17 215	0.10 337	0.18 370	0.15 215	0.30 411	0.20 265	0.13 215	0.18 259	0.19 324	0.12 251	0.16 312	0.13 273	0.08 296	0.06 303	0.06 99	0.05 104	0.07 254	0.08 340

ADLNet2	0.16 373	0.09 307	0.13 226	0.16 141	0.09 236	0.20 408	0.16 280	0.31 421	0.39 458	0.16 291	0.20 280	0.20 336	0.18 394	0.21 422	0.22 434	0.08 296	0.06 303	0.07 191	0.07 269	0.09 378	0.07 276

PFNet+	0.11 182	0.06 54	0.13 226	0.16 141	0.09 236	0.05 4	0.12 63	0.17 165	0.21 280	0.16 291	0.19 268	0.14 233	0.10 196	0.11 106	0.11 184	0.08 296	0.05 182	0.09 354	0.08 334	0.06 189	0.11 434

AnonymousM	0.09 78	0.05 17	0.10 105	0.14 30	0.06 13	0.09 77	0.13 101	0.19 215	0.14 139	0.13 215	0.11 143	0.09 120	0.08 138	0.13 231	0.10 121	0.08 296	0.05 182	0.08 274	0.05 104	0.05 98	0.05 120

Anonymous3	0.16 373	0.13 437	0.33 483	0.26 495	0.14 457	0.27 481	0.17 313	0.28 386	0.28 378	0.15 263	0.17 234	0.14 233	0.10 196	0.15 278	0.12 232	0.08 296	0.08 399	0.08 274	0.08 334	0.08 317	0.11 434

raftrobust	0.09 78	0.06 54	0.10 105	0.17 215	0.08 125	0.09 77	0.10 27	0.18 194	0.16 182	0.10 123	0.09 87	0.12 189	0.07 103	0.12 187	0.10 121	0.08 296	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120

sCroCo_RVC	0.12 247	0.09 307	0.23 441	0.24 479	0.11 384	0.19 393	0.14 149	0.17 165	0.14 139	0.10 123	0.13 170	0.12 189	0.07 103	0.14 256	0.11 184	0.08 296	0.08 399	0.08 274	0.08 334	0.05 98	0.07 276

GES	0.14 306	0.08 233	0.16 344	0.15 70	0.10 337	0.13 242	0.13 101	0.28 386	0.25 341	0.16 291	0.23 319	0.18 310	0.13 288	0.16 312	0.13 273	0.08 296	0.07 373	0.07 191	0.06 182	0.08 317	0.09 384

SFCPSM	0.13 272	0.07 136	0.14 261	0.17 215	0.09 236	0.15 300	0.16 280	0.28 386	0.27 364	0.14 236	0.17 234	0.12 189	0.13 288	0.14 256	0.11 184	0.08 296	0.05 182	0.07 191	0.07 269	0.07 254	0.06 196

delet	0.17 393	0.08 233	0.17 372	0.19 352	0.11 384	0.20 408	0.21 435	0.30 411	0.37 449	0.17 307	0.26 377	0.19 324	0.19 410	0.19 380	0.21 425	0.08 296	0.08 399	0.09 354	0.11 448	0.06 189	0.06 196

aanetorigin	0.22 452	0.17 478	0.56 524	0.17 215	0.10 337	0.15 300	0.19 397	0.20 226	0.33 416	0.49 526	0.48 506	0.29 435	0.27 472	0.20 405	0.23 446	0.08 296	0.07 373	0.08 274	0.07 269	0.10 410	0.09 384

EDNetEfficientorigin	7.91 575	0.31 527	153.02 590	0.19 352	0.09 236	0.21 425	0.16 280	0.22 270	0.59 520	0.72 541	0.67 532	0.42 506	0.50 533	0.24 455	0.39 527	0.08 296	0.07 373	0.08 274	0.07 269	0.12 447	0.10 409

CREStereo	0.09 78	0.04 1	0.08 29	0.11 1	0.06 13	0.13 242	0.14 149	0.14 74	0.10 35	0.08 61	0.13 170	0.09 120	0.08 138	0.11 106	0.10 121	0.08 296	0.04 21	0.05 23	0.03 1	0.06 189	0.06 196
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
FENet	0.13 272	0.08 233	0.12 181	0.16 141	0.08 125	0.14 274	0.15 215	0.22 270	0.23 304	0.17 307	0.23 319	0.16 276	0.12 251	0.14 256	0.15 338	0.08 296	0.05 182	0.08 274	0.08 334	0.07 254	0.07 276

FADNet_RVC	0.16 373	0.14 449	0.40 501	0.20 405	0.11 384	0.13 242	0.13 101	0.26 346	0.22 294	0.21 389	0.23 319	0.20 336	0.17 380	0.14 256	0.16 354	0.08 296	0.08 399	0.12 451	0.09 379	0.11 432	0.10 409

SuperB	0.20 431	0.10 365	0.56 524	0.16 141	0.09 236	0.18 370	0.18 358	0.24 312	0.50 502	0.26 443	0.39 472	0.17 296	0.21 426	0.22 435	0.21 425	0.08 296	0.06 303	0.06 99	0.06 182	0.12 447	0.10 409

ADCL	0.24 474	0.11 391	0.47 513	0.22 449	0.12 415	0.34 506	0.29 514	0.29 397	0.56 514	0.24 425	0.46 503	0.30 444	0.30 492	0.29 483	0.29 498	0.08 296	0.07 373	0.09 354	0.09 379	0.10 410	0.10 409

CFNet	0.15 350	0.10 365	0.17 372	0.17 215	0.08 125	0.18 370	0.09 18	0.28 386	0.25 341	0.19 353	0.24 331	0.24 387	0.17 380	0.17 344	0.14 310	0.08 296	0.06 303	0.09 354	0.10 416	0.07 254	0.06 196

StereoDRNet-Refined	0.17 393	0.12 408	0.15 310	0.20 405	0.09 236	0.18 370	0.18 358	0.26 346	0.23 304	0.26 443	0.40 478	0.22 363	0.17 380	0.21 422	0.20 405	0.08 296	0.05 182	0.09 354	0.10 416	0.07 254	0.07 276
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	0.19 419	0.09 307	0.22 432	0.17 215	0.10 337	0.25 462	0.18 358	0.27 367	0.44 484	0.22 404	0.31 424	0.33 470	0.26 464	0.28 476	0.28 495	0.08 296	0.06 303	0.07 191	0.07 269	0.09 378	0.09 384

DLCB_ROB	0.18 407	0.10 365	0.15 310	0.23 470	0.11 384	0.24 451	0.18 358	0.29 397	0.28 378	0.27 449	0.28 398	0.28 427	0.24 449	0.19 380	0.20 405	0.08 296	0.08 399	0.09 354	0.09 379	0.07 254	0.07 276

zh-mn7	0.25 485	0.14 449	0.56 524	0.19 352	0.14 457	0.24 451	0.22 445	0.34 460	0.62 526	0.35 495	0.65 530	0.31 457	0.25 458	0.31 487	0.25 468	0.09 355	0.08 399	0.09 354	0.09 379	0.09 378	0.11 434

w-ln-seven	0.24 474	0.14 449	0.55 521	0.19 352	0.14 457	0.26 471	0.22 445	0.35 476	0.60 523	0.29 472	0.39 472	0.30 444	0.22 435	0.21 422	0.26 480	0.09 355	0.09 428	0.11 432	0.10 416	0.11 432	0.10 409

G2L-Stereo	0.14 306	0.07 136	0.13 226	0.17 215	0.09 236	0.13 242	0.12 63	0.27 367	0.22 294	0.16 291	0.27 385	0.21 345	0.13 288	0.17 344	0.18 387	0.09 355	0.08 399	0.08 274	0.07 269	0.07 254	0.07 276

DDVS	0.15 350	0.10 365	0.21 426	0.16 141	0.12 415	0.15 300	0.14 149	0.25 328	0.19 242	0.18 337	0.29 410	0.27 417	0.12 251	0.19 380	0.15 338	0.09 355	0.06 303	0.09 354	0.07 269	0.11 432	0.11 434

DCVSM-stereo	0.14 306	0.09 307	0.16 344	0.16 141	0.10 337	0.15 300	0.09 18	0.19 215	0.23 304	0.20 375	0.23 319	0.26 409	0.15 331	0.18 365	0.14 310	0.09 355	0.07 373	0.09 354	0.08 334	0.10 410	0.12 447

rvit_stereo_0080	0.10 139	0.08 233	0.14 261	0.15 70	0.09 236	0.07 27	0.15 215	0.16 129	0.16 182	0.11 150	0.10 113	0.14 233	0.08 138	0.12 187	0.10 121	0.09 355	0.07 373	0.07 191	0.06 182	0.07 254	0.05 120

rvit_stereo_ft	0.12 247	0.07 136	0.13 226	0.19 352	0.10 337	0.12 203	0.17 313	0.16 129	0.16 182	0.12 188	0.13 170	0.15 262	0.10 196	0.14 256	0.13 273	0.09 355	0.06 303	0.08 274	0.07 269	0.07 254	0.05 120

whm_eth	0.10 139	0.08 233	0.14 261	0.15 70	0.09 236	0.07 27	0.15 215	0.16 129	0.16 182	0.11 150	0.10 113	0.14 233	0.08 138	0.12 187	0.10 121	0.09 355	0.07 373	0.07 191	0.06 182	0.07 254	0.05 120

GMStereo_Zeroshot	0.16 373	0.13 437	0.24 444	0.20 405	0.10 337	0.17 351	0.13 101	0.29 397	0.25 341	0.23 416	0.32 428	0.25 400	0.11 221	0.19 380	0.14 310	0.09 355	0.06 303	0.11 432	0.06 182	0.12 447	0.08 340

StereoVision	0.13 272	0.12 408	0.09 70	0.24 479	0.10 337	0.15 300	0.21 435	0.21 248	0.20 265	0.12 188	0.24 331	0.10 151	0.10 196	0.16 312	0.10 121	0.09 355	0.11 461	0.12 451	0.12 467	0.06 189	0.05 120

CFNet_ucs	0.15 350	0.08 233	0.16 344	0.16 141	0.11 384	0.14 274	0.14 149	0.30 411	0.34 428	0.16 291	0.24 331	0.23 381	0.14 313	0.18 365	0.15 338	0.09 355	0.06 303	0.08 274	0.07 269	0.09 378	0.09 384

coex-ft	3.30 567	0.34 531	59.09 589	0.18 296	0.13 437	0.26 471	0.22 445	0.27 367	0.72 538	1.90 569	0.70 536	0.44 512	0.45 529	0.29 483	0.41 532	0.09 355	0.09 428	0.12 451	0.09 379	0.14 477	0.13 467

fast-acv-ft	0.18 407	0.11 391	0.19 406	0.19 352	0.12 415	0.24 451	0.21 435	0.25 328	0.34 428	0.22 404	0.34 444	0.27 417	0.20 422	0.21 422	0.23 446	0.09 355	0.09 428	0.08 274	0.10 416	0.08 317	0.07 276

iinet-f	0.16 373	0.06 54	0.45 508	0.14 30	0.10 337	0.21 425	0.14 149	0.27 367	0.23 304	0.21 389	0.24 331	0.21 345	0.15 331	0.18 365	0.21 425	0.09 355	0.07 373	0.07 191	0.06 182	0.09 378	0.10 409

CASS	0.13 272	0.12 408	0.11 146	0.23 470	0.09 236	0.15 300	0.17 313	0.18 194	0.19 242	0.17 307	0.18 259	0.15 262	0.15 331	0.14 256	0.14 310	0.09 355	0.06 303	0.10 401	0.08 334	0.09 378	0.07 276
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
riskmin	0.11 182	0.06 54	0.13 226	0.14 30	0.08 125	0.14 274	0.14 149	0.18 194	0.14 139	0.11 150	0.14 184	0.16 276	0.11 221	0.14 256	0.12 232	0.09 355	0.05 182	0.07 191	0.05 104	0.08 317	0.08 340

Wz-Net-MNSev	0.22 452	0.13 437	0.31 477	0.20 405	0.14 457	0.36 516	0.24 468	0.33 451	0.44 484	0.28 464	0.40 478	0.38 491	0.19 410	0.24 455	0.25 468	0.09 355	0.07 373	0.09 354	0.09 379	0.12 447	0.10 409

CRFU-Net	0.16 373	0.08 233	0.14 261	0.17 215	0.09 236	0.19 393	0.14 149	0.26 346	0.20 265	0.28 464	0.27 385	0.29 435	0.17 380	0.19 380	0.17 369	0.09 355	0.09 428	0.07 191	0.07 269	0.08 317	0.08 340

CSP-Net	0.16 373	0.09 307	0.14 261	0.16 141	0.09 236	0.19 393	0.17 313	0.25 328	0.32 409	0.25 438	0.30 416	0.24 387	0.15 331	0.21 422	0.18 387	0.09 355	0.06 303	0.07 191	0.07 269	0.08 317	0.07 276

WZ-Net	0.28 500	0.17 478	0.78 546	0.22 449	0.16 485	0.34 506	0.29 514	0.39 499	0.57 516	0.24 425	0.55 517	0.37 487	0.24 449	0.33 497	0.35 518	0.09 355	0.08 399	0.09 354	0.10 416	0.14 477	0.16 502

AACVNet	0.16 373	0.08 233	0.14 261	0.15 70	0.10 337	0.18 370	0.15 215	0.23 290	0.24 320	0.27 449	0.27 385	0.28 427	0.17 380	0.19 380	0.16 354	0.09 355	0.07 373	0.09 354	0.07 269	0.10 410	0.09 384

ICVP	0.15 350	0.09 307	0.12 181	0.22 449	0.09 236	0.17 351	0.21 435	0.25 328	0.23 304	0.18 337	0.30 416	0.26 409	0.18 394	0.17 344	0.14 310	0.09 355	0.07 373	0.08 274	0.07 269	0.07 254	0.07 276
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
sAnonymous2	0.13 272	0.12 408	0.24 444	0.20 405	0.12 415	0.17 351	0.13 101	0.26 346	0.21 280	0.11 150	0.11 143	0.13 213	0.08 138	0.10 60	0.10 121	0.09 355	0.05 182	0.08 274	0.06 182	0.15 492	0.10 409

CroCo_RVC	0.13 272	0.12 408	0.24 444	0.20 405	0.12 415	0.17 351	0.13 101	0.26 346	0.21 280	0.11 150	0.11 143	0.13 213	0.08 138	0.10 60	0.10 121	0.09 355	0.05 182	0.08 274	0.06 182	0.15 492	0.10 409

xxxx	0.15 350	0.07 136	0.14 261	0.14 30	0.08 125	0.23 446	0.18 358	0.31 421	0.19 242	0.14 236	0.28 398	0.22 363	0.14 313	0.15 278	0.26 480	0.09 355	0.05 182	0.07 191	0.07 269	0.08 317	0.07 276

test_xeample	0.15 350	0.06 54	0.13 226	0.14 30	0.08 125	0.21 425	0.20 418	0.28 386	0.20 265	0.16 291	0.29 410	0.19 324	0.16 357	0.15 278	0.26 480	0.09 355	0.05 182	0.07 191	0.07 269	0.07 254	0.07 276

psm_up	0.18 407	0.10 365	0.18 395	0.20 405	0.11 384	0.17 351	0.19 397	0.37 488	0.34 428	0.21 389	0.28 398	0.29 435	0.24 449	0.20 405	0.22 434	0.09 355	0.10 448	0.11 432	0.11 448	0.08 317	0.08 340

UPFNet	0.16 373	0.08 233	0.12 181	0.20 405	0.12 415	0.20 408	0.23 456	0.28 386	0.26 355	0.17 307	0.24 331	0.22 363	0.19 410	0.19 380	0.21 425	0.09 355	0.07 373	0.08 274	0.09 379	0.08 317	0.06 196

EDNetEfficient	0.29 504	0.24 510	1.13 556	0.18 296	0.10 337	0.19 393	0.20 418	0.20 226	0.60 523	0.74 545	0.56 522	0.31 457	0.39 515	0.22 435	0.30 503	0.09 355	0.07 373	0.08 274	0.07 269	0.11 432	0.09 384

ac_64	0.16 373	0.08 233	0.15 310	0.18 296	0.10 337	0.22 433	0.18 358	0.24 312	0.21 280	0.18 337	0.24 331	0.29 435	0.18 394	0.19 380	0.22 434	0.09 355	0.07 373	0.08 274	0.09 379	0.07 254	0.06 196

HGLStereo	0.17 393	0.08 233	0.19 406	0.17 215	0.12 415	0.18 370	0.18 358	0.31 421	0.32 409	0.21 389	0.32 428	0.25 400	0.18 394	0.19 380	0.20 405	0.09 355	0.09 428	0.07 191	0.07 269	0.09 378	0.10 409

FAT-Stereo	0.20 431	0.12 408	0.22 432	0.21 434	0.12 415	0.17 351	0.18 358	0.34 460	0.39 458	0.27 449	0.37 458	0.34 476	0.32 501	0.21 422	0.20 405	0.09 355	0.11 461	0.10 401	0.09 379	0.11 432	0.14 484

S-Stereo	0.20 431	0.12 408	0.25 449	0.21 434	0.13 437	0.20 408	0.18 358	0.32 432	0.43 479	0.23 416	0.36 452	0.28 427	0.30 492	0.19 380	0.22 434	0.09 355	0.12 475	0.10 401	0.10 416	0.13 464	0.13 467

ADCP+	0.20 431	0.10 365	0.33 483	0.20 405	0.12 415	0.22 433	0.26 492	0.31 421	0.34 428	0.26 443	0.37 458	0.22 363	0.22 435	0.27 465	0.27 488	0.09 355	0.06 303	0.08 274	0.08 334	0.09 378	0.10 409

PA-Net	0.23 467	0.18 489	0.33 483	0.28 510	0.22 517	0.21 425	0.38 537	0.29 397	0.39 458	0.22 404	0.32 428	0.25 400	0.26 464	0.20 405	0.25 468	0.09 355	0.23 531	0.15 490	0.22 518	0.09 378	0.13 467
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NLCA_NET_v2_RVC	0.17 393	0.10 365	0.22 432	0.20 405	0.10 337	0.15 300	0.18 358	0.31 421	0.25 341	0.21 389	0.30 416	0.25 400	0.17 380	0.21 422	0.20 405	0.09 355	0.06 303	0.08 274	0.08 334	0.07 254	0.08 340
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NVstereo2D	0.19 419	0.10 365	0.15 310	0.17 215	0.15 475	0.28 487	0.23 456	0.44 520	0.42 474	0.15 263	0.27 385	0.25 400	0.19 410	0.22 435	0.17 369	0.09 355	0.06 303	0.10 401	0.08 334	0.15 492	0.09 384

StereoDRNet	0.18 407	0.11 391	0.17 372	0.22 449	0.11 384	0.21 425	0.22 445	0.37 488	0.33 416	0.24 425	0.28 398	0.30 444	0.19 410	0.20 405	0.20 405	0.09 355	0.08 399	0.11 432	0.09 379	0.09 378	0.07 276

FBW_ROB	0.24 474	0.17 478	0.22 432	0.26 495	0.14 457	0.25 462	0.22 445	0.41 509	0.41 467	0.41 513	0.41 489	0.42 506	0.27 472	0.31 487	0.23 446	0.09 355	0.14 497	0.14 478	0.12 467	0.11 432	0.09 384

zh-sn7	0.25 485	0.17 478	0.50 515	0.24 479	0.13 437	0.25 462	0.24 468	0.34 460	0.48 493	0.28 464	0.54 515	0.28 427	0.31 496	0.36 511	0.32 511	0.10 394	0.10 448	0.11 432	0.10 416	0.12 447	0.12 447

YMNet	0.20 431	0.12 408	0.19 406	0.20 405	0.14 457	0.26 471	0.23 456	0.32 432	0.34 428	0.27 449	0.34 444	0.30 444	0.18 394	0.18 365	0.22 434	0.10 394	0.13 488	0.10 401	0.10 416	0.08 317	0.09 384

YMNet_1	0.20 431	0.12 408	0.19 406	0.20 405	0.14 457	0.26 471	0.23 456	0.32 432	0.34 428	0.27 449	0.34 444	0.30 444	0.18 394	0.18 365	0.22 434	0.10 394	0.13 488	0.10 401	0.10 416	0.08 317	0.09 384

rvit_stereo_0083	0.12 247	0.08 233	0.17 372	0.16 141	0.09 236	0.11 169	0.15 215	0.14 74	0.26 355	0.11 150	0.14 184	0.13 213	0.10 196	0.12 187	0.12 232	0.10 394	0.08 399	0.09 354	0.07 269	0.07 254	0.05 120

rvit_stereo_0081_aga	0.11 182	0.09 307	0.14 261	0.18 296	0.09 236	0.13 242	0.14 149	0.14 74	0.19 242	0.10 123	0.18 259	0.16 276	0.09 164	0.12 187	0.09 52	0.10 394	0.06 303	0.08 274	0.07 269	0.07 254	0.06 196

rvit_stereo_0081	0.11 182	0.08 233	0.15 310	0.16 141	0.09 236	0.10 124	0.14 149	0.14 74	0.24 320	0.11 150	0.13 170	0.13 213	0.09 164	0.11 106	0.12 232	0.10 394	0.07 373	0.08 274	0.07 269	0.07 254	0.05 120

ITSA-stereo	0.15 350	0.10 365	0.14 261	0.19 352	0.08 125	0.12 203	0.14 149	0.30 411	0.49 499	0.17 307	0.19 268	0.22 363	0.15 331	0.17 344	0.16 354	0.10 394	0.06 303	0.08 274	0.08 334	0.08 317	0.08 340

rvit_stereo_0082	0.11 182	0.08 233	0.15 310	0.16 141	0.09 236	0.10 124	0.14 149	0.14 74	0.24 320	0.11 150	0.13 170	0.13 213	0.09 164	0.11 106	0.12 232	0.10 394	0.07 373	0.08 274	0.07 269	0.07 254	0.05 120

Wz-Net-SNSev	0.25 485	0.17 478	0.44 507	0.25 490	0.14 457	0.26 471	0.23 456	0.38 495	0.56 514	0.30 476	0.55 517	0.39 499	0.26 464	0.23 446	0.30 503	0.10 394	0.09 428	0.09 354	0.10 416	0.11 432	0.11 434

Wz-Net-LNSev	0.22 452	0.16 467	0.38 497	0.21 434	0.13 437	0.25 462	0.23 456	0.32 432	0.43 479	0.30 476	0.41 489	0.31 457	0.18 394	0.22 435	0.25 468	0.10 394	0.09 428	0.08 274	0.08 334	0.12 447	0.11 434

UDGNet	0.14 306	0.13 437	0.16 344	0.17 215	0.10 337	0.12 203	0.16 280	0.21 248	0.27 364	0.20 375	0.20 280	0.16 276	0.13 288	0.16 312	0.13 273	0.10 394	0.06 303	0.09 354	0.07 269	0.06 189	0.07 276

dd	0.15 350	0.16 467	0.16 344	0.19 352	0.09 236	0.15 300	0.18 358	0.21 248	0.25 341	0.23 416	0.20 280	0.21 345	0.09 164	0.21 422	0.16 354	0.10 394	0.06 303	0.08 274	0.06 182	0.08 317	0.06 196

AASNet	0.16 373	0.08 233	0.12 181	0.19 352	0.09 236	0.18 370	0.15 215	0.37 488	0.37 449	0.19 353	0.23 319	0.20 336	0.16 357	0.17 344	0.20 405	0.10 394	0.08 399	0.08 274	0.07 269	0.09 378	0.09 384

GEStereo_RVC	0.17 393	0.12 408	0.15 310	0.22 449	0.11 384	0.19 393	0.17 313	0.32 432	0.48 493	0.20 375	0.25 360	0.17 296	0.13 288	0.21 422	0.16 354	0.10 394	0.06 303	0.08 274	0.07 269	0.09 378	0.08 340

ADLNet	0.16 373	0.08 233	0.15 310	0.16 141	0.10 337	0.16 330	0.17 313	0.32 432	0.27 364	0.22 404	0.27 385	0.24 387	0.16 357	0.18 365	0.21 425	0.10 394	0.06 303	0.10 401	0.10 416	0.08 317	0.09 384

222	0.16 373	0.07 136	0.14 261	0.14 30	0.08 125	0.24 451	0.18 358	0.30 411	0.20 265	0.17 307	0.28 398	0.17 296	0.16 357	0.15 278	0.40 529	0.10 394	0.05 182	0.07 191	0.06 182	0.07 254	0.08 340

cf-r	0.13 272	0.07 136	0.12 181	0.16 141	0.08 125	0.14 274	0.19 397	0.20 226	0.25 341	0.17 307	0.25 360	0.21 345	0.16 357	0.14 256	0.14 310	0.10 394	0.05 182	0.06 99	0.08 334	0.06 189	0.06 196

GANet-RSSM	0.14 306	0.07 136	0.13 226	0.13 13	0.08 125	0.14 274	0.17 313	0.22 270	0.21 280	0.17 307	0.24 331	0.23 381	0.15 331	0.16 312	0.15 338	0.10 394	0.06 303	0.07 191	0.08 334	0.08 317	0.07 276

GwcNet-RSSM	0.14 306	0.07 136	0.12 181	0.15 70	0.08 125	0.15 300	0.20 418	0.21 248	0.27 364	0.18 337	0.27 385	0.22 363	0.16 357	0.14 256	0.15 338	0.10 394	0.05 182	0.07 191	0.09 379	0.07 254	0.07 276

DSFCA	0.16 373	0.09 307	0.14 261	0.16 141	0.10 337	0.20 408	0.19 397	0.28 386	0.31 402	0.23 416	0.24 331	0.22 363	0.15 331	0.19 380	0.20 405	0.10 394	0.07 373	0.09 354	0.09 379	0.08 317	0.08 340

DMCA	0.14 306	0.09 307	0.16 344	0.19 352	0.09 236	0.15 300	0.17 313	0.23 290	0.27 364	0.14 236	0.19 268	0.17 296	0.18 394	0.15 278	0.17 369	0.10 394	0.06 303	0.08 274	0.06 182	0.09 378	0.10 409

stereogan	0.22 452	0.11 391	0.21 426	0.20 405	0.12 415	0.31 496	0.19 397	0.35 476	0.44 484	0.22 404	0.39 472	0.35 480	0.27 472	0.33 497	0.22 434	0.10 394	0.12 475	0.10 401	0.10 416	0.14 477	0.13 467

RTSC	0.23 467	0.12 408	0.28 464	0.21 434	0.13 437	0.28 487	0.16 280	0.35 476	0.66 533	0.27 449	0.33 440	0.30 444	0.21 426	0.31 487	0.29 498	0.10 394	0.08 399	0.09 354	0.10 416	0.13 464	0.13 467

RTS	0.45 531	0.19 492	3.26 566	0.24 479	0.15 475	0.74 547	0.20 418	0.36 483	0.76 544	0.42 516	0.43 499	0.31 457	0.41 523	0.53 537	0.35 518	0.10 394	0.08 399	0.13 466	0.12 467	0.15 492	0.15 491

RTSA	0.45 531	0.19 492	3.26 566	0.24 479	0.15 475	0.74 547	0.20 418	0.36 483	0.76 544	0.42 516	0.43 499	0.31 457	0.41 523	0.53 537	0.35 518	0.10 394	0.08 399	0.13 466	0.12 467	0.15 492	0.15 491

ADCMid	0.25 485	0.15 459	0.40 501	0.20 405	0.14 457	0.25 462	0.26 492	0.34 460	0.38 455	0.36 498	0.44 501	0.34 476	0.40 518	0.35 506	0.33 515	0.10 394	0.09 428	0.11 432	0.11 448	0.13 464	0.12 447

RYNet	0.22 452	0.12 408	0.22 432	0.19 352	0.17 500	0.46 524	0.26 492	0.38 495	0.48 493	0.24 425	0.28 398	0.34 476	0.23 443	0.20 405	0.30 503	0.10 394	0.06 303	0.09 354	0.09 379	0.13 464	0.15 491

GANet	0.21 443	0.12 408	0.21 426	0.24 479	0.13 437	0.22 433	0.22 445	0.41 509	0.26 355	0.31 482	0.42 496	0.37 487	0.28 480	0.23 446	0.22 434	0.10 394	0.12 475	0.10 401	0.09 379	0.10 410	0.08 340

PWC_ROB	0.21 443	0.16 467	0.26 452	0.18 296	0.11 384	0.22 433	0.13 101	0.32 432	0.49 499	0.30 476	0.40 478	0.32 467	0.24 449	0.31 487	0.22 434	0.10 394	0.07 373	0.11 432	0.08 334	0.11 432	0.10 409

CAS++	0.11 182	0.07 136	0.11 146	0.14 30	0.09 236	0.12 203	0.14 149	0.24 312	0.14 139	0.11 150	0.09 87	0.11 172	0.07 103	0.14 256	0.09 52	0.11 423	0.09 428	0.09 354	0.07 269	0.07 254	0.08 340
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
ttt	0.14 306	0.08 233	0.14 261	0.15 70	0.08 125	0.15 300	0.18 358	0.27 367	0.29 385	0.16 291	0.24 331	0.17 296	0.13 288	0.13 231	0.14 310	0.11 423	0.08 399	0.09 354	0.08 334	0.09 378	0.08 340

ssnet_v2	0.17 393	0.10 365	0.17 372	0.17 215	0.11 384	0.21 425	0.21 435	0.33 451	0.25 341	0.22 404	0.22 310	0.27 417	0.18 394	0.22 435	0.20 405	0.11 423	0.09 428	0.09 354	0.09 379	0.08 317	0.08 340

SACVNet	0.18 407	0.12 408	0.14 261	0.17 215	0.13 437	0.22 433	0.18 358	0.31 421	0.30 395	0.23 416	0.31 424	0.30 444	0.22 435	0.22 435	0.17 369	0.11 423	0.08 399	0.10 401	0.10 416	0.12 447	0.14 484

HCRNet	0.16 373	0.24 510	0.12 181	0.35 527	0.11 384	0.15 300	0.17 313	0.26 346	0.22 294	0.19 353	0.24 331	0.21 345	0.14 313	0.15 278	0.13 273	0.11 423	0.07 373	0.11 432	0.10 416	0.09 378	0.07 276

APVNet	0.22 452	0.12 408	0.19 406	0.18 296	0.14 457	0.32 497	0.31 528	0.39 499	0.32 409	0.27 449	0.40 478	0.30 444	0.29 488	0.26 462	0.25 468	0.11 423	0.12 475	0.11 432	0.14 480	0.12 447	0.12 447

psmorigin	0.25 485	0.15 459	0.34 491	0.17 215	0.13 437	0.23 446	0.14 149	0.34 460	0.33 416	0.41 513	0.55 517	0.41 505	0.37 512	0.34 500	0.27 488	0.11 423	0.15 503	0.11 432	0.11 448	0.12 447	0.16 502

GwcNet	0.20 431	0.13 437	0.19 406	0.18 296	0.12 415	0.24 451	0.19 397	0.35 476	0.43 479	0.20 375	0.32 428	0.33 470	0.20 422	0.22 435	0.24 459	0.11 423	0.09 428	0.09 354	0.09 379	0.09 378	0.10 409

PSMNet-RSSM	0.14 306	0.07 136	0.13 226	0.15 70	0.08 125	0.13 242	0.16 280	0.24 312	0.24 320	0.16 291	0.28 398	0.22 363	0.14 313	0.15 278	0.13 273	0.11 423	0.06 303	0.09 354	0.12 467	0.08 317	0.07 276

CFNet-ft	0.14 306	0.07 136	0.15 310	0.12 4	0.09 236	0.16 330	0.18 358	0.22 270	0.24 320	0.17 307	0.26 377	0.24 387	0.14 313	0.16 312	0.14 310	0.11 423	0.06 303	0.08 274	0.09 379	0.09 378	0.08 340

AF-Net	0.22 452	0.17 478	0.17 372	0.26 495	0.13 437	0.25 462	0.24 468	0.32 432	0.50 502	0.25 438	0.33 440	0.38 491	0.26 464	0.28 476	0.25 468	0.11 423	0.10 448	0.16 496	0.11 448	0.11 432	0.10 409

RP	0.21 443	0.13 437	0.21 426	0.23 470	0.11 384	0.21 425	0.20 418	0.25 328	0.44 484	0.21 389	0.38 464	0.36 482	0.24 449	0.27 465	0.25 468	0.11 423	0.12 475	0.13 466	0.12 467	0.12 447	0.14 484

RGC	0.25 485	0.20 496	0.29 472	0.28 510	0.16 485	0.22 433	0.23 456	0.32 432	0.44 484	0.27 449	0.40 478	0.38 491	0.27 472	0.36 511	0.22 434	0.11 423	0.13 488	0.17 499	0.17 507	0.14 477	0.16 502

G-Net	0.24 474	0.16 467	0.36 492	0.22 449	0.16 485	0.51 530	0.23 456	0.29 397	0.34 428	0.36 498	0.38 464	0.31 457	0.29 488	0.27 465	0.26 480	0.11 423	0.09 428	0.12 451	0.09 379	0.16 499	0.13 467

Nwc_Net	0.23 467	0.16 467	0.21 426	0.25 490	0.14 457	0.24 451	0.26 492	0.37 488	0.38 455	0.22 404	0.41 489	0.30 444	0.28 480	0.28 476	0.25 468	0.11 423	0.10 448	0.17 499	0.20 513	0.10 410	0.10 409

DANet	0.21 443	0.15 459	0.28 464	0.25 490	0.13 437	0.22 433	0.19 397	0.27 367	0.27 364	0.28 464	0.32 428	0.35 480	0.31 496	0.31 487	0.23 446	0.11 423	0.09 428	0.11 432	0.10 416	0.13 464	0.11 434
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TDLM	0.17 393	0.12 408	0.13 226	0.24 479	0.10 337	0.18 370	0.18 358	0.36 483	0.30 395	0.21 389	0.28 398	0.28 427	0.18 394	0.23 446	0.18 387	0.11 423	0.07 373	0.10 401	0.10 416	0.08 317	0.08 340

CFNet_RVC	0.14 306	0.07 136	0.15 310	0.12 4	0.09 236	0.16 330	0.18 358	0.22 270	0.24 320	0.17 307	0.26 377	0.24 387	0.14 313	0.16 312	0.14 310	0.11 423	0.06 303	0.08 274	0.09 379	0.09 378	0.08 340

DPSNet	0.28 500	0.16 467	0.31 477	0.18 296	0.13 437	0.54 532	0.42 541	0.51 532	0.67 534	0.29 472	0.38 464	0.38 491	0.29 488	0.31 487	0.23 446	0.11 423	0.10 448	0.11 432	0.08 334	0.20 514	0.16 502

DRN-Test	0.19 419	0.11 391	0.20 418	0.22 449	0.10 337	0.22 433	0.22 445	0.39 499	0.37 449	0.24 425	0.32 428	0.26 409	0.21 426	0.22 435	0.24 459	0.11 423	0.07 373	0.11 432	0.10 416	0.09 378	0.07 276

NaN_ROB	0.22 452	0.19 492	0.24 444	0.25 490	0.13 437	0.29 491	0.26 492	0.33 451	0.41 467	0.31 482	0.31 424	0.32 467	0.23 443	0.30 486	0.21 425	0.11 423	0.17 511	0.10 401	0.10 416	0.08 317	0.09 384

MDST_ROB	0.22 452	0.10 365	0.17 372	0.18 296	0.11 384	0.37 517	0.19 397	0.43 518	0.41 467	0.39 506	0.39 472	0.29 435	0.21 426	0.26 462	0.18 387	0.11 423	0.10 448	0.14 478	0.11 448	0.10 410	0.08 340

ETE_ROB	0.23 467	0.17 478	0.22 432	0.25 490	0.13 437	0.26 471	0.29 514	0.31 421	0.36 442	0.28 464	0.36 452	0.45 514	0.26 464	0.27 465	0.26 480	0.11 423	0.08 399	0.12 451	0.09 379	0.14 477	0.13 467

PWCDC_ROB	0.20 431	0.13 437	0.22 432	0.24 479	0.11 384	0.19 393	0.15 215	0.33 451	0.54 511	0.29 472	0.50 511	0.21 345	0.15 331	0.27 465	0.20 405	0.11 423	0.09 428	0.10 401	0.08 334	0.11 432	0.09 384

WCMA_ROB	0.24 474	0.11 391	0.22 432	0.17 215	0.14 457	0.32 497	0.15 215	0.32 432	0.32 409	0.38 504	0.53 513	0.40 503	0.34 506	0.34 500	0.25 468	0.11 423	0.12 475	0.12 451	0.10 416	0.14 477	0.14 484

rvit_105_1	0.19 419	0.11 391	0.25 449	0.21 434	0.16 485	0.21 425	0.27 499	0.31 421	0.41 467	0.19 353	0.20 280	0.22 363	0.17 380	0.19 380	0.17 369	0.12 448	0.12 475	0.13 466	0.15 496	0.08 317	0.07 276

IGEV-BASED-STEREO-	0.09 78	0.10 365	0.31 477	0.15 70	0.06 13	0.08 48	0.14 149	0.10 16	0.10 35	0.07 29	0.07 36	0.06 16	0.04 1	0.11 106	0.07 1	0.12 448	0.04 21	0.07 191	0.05 104	0.05 98	0.05 120

test_sample7	0.15 350	0.10 365	0.16 344	0.14 30	0.11 384	0.16 330	0.16 280	0.27 367	0.23 304	0.20 375	0.20 280	0.24 387	0.19 410	0.16 312	0.16 354	0.12 448	0.06 303	0.10 401	0.09 379	0.10 410	0.10 409

GASNet	0.22 452	0.23 507	0.33 483	0.26 495	0.17 500	0.26 471	0.16 280	0.44 520	0.42 474	0.27 449	0.24 331	0.30 444	0.15 331	0.27 465	0.18 387	0.12 448	0.08 399	0.12 451	0.11 448	0.16 499	0.07 276

Wz-Net-TNSev	0.29 504	0.20 496	0.65 532	0.19 352	0.15 475	0.38 520	0.27 499	0.35 476	0.55 512	0.34 494	0.42 496	0.45 514	0.38 513	0.32 494	0.30 503	0.12 448	0.13 488	0.10 401	0.12 467	0.15 492	0.14 484

DGSMNet	0.24 474	0.19 492	0.33 483	0.21 434	0.24 521	0.24 451	0.20 418	0.35 476	0.41 467	0.24 425	0.32 428	0.38 491	0.21 426	0.29 483	0.23 446	0.12 448	0.11 461	0.14 478	0.16 500	0.23 519	0.23 525

hitnet-ft	0.18 407	0.09 307	0.17 372	0.14 30	0.09 236	0.26 471	0.20 418	0.25 328	0.26 355	0.24 425	0.32 428	0.31 457	0.22 435	0.24 455	0.21 425	0.12 448	0.07 373	0.10 401	0.08 334	0.12 447	0.11 434

DMCA-RVC	0.17 393	0.10 365	0.15 310	0.24 479	0.11 384	0.18 370	0.18 358	0.25 328	0.24 320	0.21 389	0.26 377	0.25 400	0.27 472	0.18 365	0.20 405	0.12 448	0.08 399	0.13 466	0.10 416	0.10 410	0.08 340

FADNet-RVC	0.20 431	0.20 496	0.38 497	0.21 434	0.16 485	0.20 408	0.15 215	0.26 346	0.26 355	0.26 443	0.32 428	0.26 409	0.21 426	0.22 435	0.19 399	0.12 448	0.13 488	0.12 451	0.14 480	0.13 464	0.18 513

STTStereo	0.18 407	0.12 408	0.27 459	0.20 405	0.11 384	0.16 330	0.21 435	0.29 397	0.23 304	0.21 389	0.30 416	0.29 435	0.18 394	0.20 405	0.19 399	0.12 448	0.11 461	0.11 432	0.14 480	0.09 378	0.08 340

NCC-stereo	0.24 474	0.15 459	0.31 477	0.26 495	0.16 485	0.20 408	0.30 522	0.40 503	0.40 464	0.24 425	0.38 464	0.33 470	0.28 480	0.36 511	0.27 488	0.12 448	0.11 461	0.15 490	0.22 518	0.13 464	0.13 467

Abc-Net	0.24 474	0.15 459	0.31 477	0.26 495	0.16 485	0.20 408	0.30 522	0.40 503	0.40 464	0.24 425	0.38 464	0.33 470	0.28 480	0.36 511	0.27 488	0.12 448	0.11 461	0.15 490	0.22 518	0.13 464	0.13 467
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 494	0.15 459	0.30 475	0.24 479	0.18 506	0.22 433	0.15 215	0.38 495	0.71 537	0.32 488	0.41 489	0.36 482	0.28 480	0.32 494	0.29 498	0.12 448	0.11 461	0.14 478	0.13 477	0.16 499	0.20 519

AnyNet_C32	0.26 494	0.16 467	0.36 492	0.20 405	0.16 485	0.25 462	0.30 522	0.32 432	0.44 484	0.31 482	0.49 507	0.30 444	0.33 502	0.40 525	0.33 515	0.12 448	0.12 475	0.12 451	0.14 480	0.14 477	0.15 491

ADCPNet	0.25 485	0.16 467	0.61 529	0.21 434	0.15 475	0.35 514	0.25 484	0.32 432	0.35 437	0.30 476	0.40 478	0.36 482	0.28 480	0.28 476	0.32 511	0.12 448	0.10 448	0.11 432	0.12 467	0.14 477	0.13 467

CVANet_RVC	0.18 407	0.10 365	0.14 261	0.21 434	0.10 337	0.18 370	0.17 313	0.34 460	0.33 416	0.22 404	0.31 424	0.28 427	0.18 394	0.23 446	0.17 369	0.12 448	0.08 399	0.12 451	0.11 448	0.09 378	0.07 276

UCFNet_RVC	0.14 306	0.08 233	0.13 226	0.11 1	0.10 337	0.20 408	0.10 27	0.24 312	0.22 294	0.17 307	0.20 280	0.23 381	0.15 331	0.17 344	0.15 338	0.12 448	0.07 373	0.10 401	0.13 477	0.11 432	0.10 409

AdaStereo	0.15 350	0.11 391	0.15 310	0.18 296	0.09 236	0.20 408	0.11 46	0.32 432	0.28 378	0.20 375	0.23 319	0.20 336	0.13 288	0.19 380	0.14 310	0.12 448	0.05 182	0.10 401	0.07 269	0.09 378	0.07 276
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.
LSM	0.33 515	0.20 496	0.58 527	0.26 495	0.60 553	0.34 506	0.25 484	0.42 514	0.48 493	0.45 522	0.58 527	0.42 506	0.36 510	0.35 506	0.25 468	0.12 448	0.20 519	0.14 478	0.16 500	0.19 513	0.33 540

SANet	0.24 474	0.14 449	0.28 464	0.21 434	0.11 384	0.27 481	0.24 468	0.38 495	0.64 530	0.36 498	0.40 478	0.43 510	0.26 464	0.27 465	0.24 459	0.12 448	0.09 428	0.10 401	0.09 379	0.13 464	0.11 434

PDISCO_ROB	0.27 496	0.16 467	0.26 452	0.28 510	0.20 512	0.32 497	0.26 492	0.44 520	0.57 516	0.28 464	0.40 478	0.45 514	0.29 488	0.33 497	0.34 517	0.12 448	0.09 428	0.17 499	0.16 500	0.17 506	0.13 467

DispFullNet	0.27 496	0.21 502	0.65 532	0.28 510	0.16 485	0.26 471	0.17 313	0.33 451	0.58 519	0.27 449	0.38 464	0.43 510	0.23 443	0.38 518	0.23 446	0.12 448	0.06 303	0.19 510	0.11 448	0.21 515	0.15 491

PSMNet_ROB	0.21 443	0.11 391	0.15 310	0.27 507	0.15 475	0.24 451	0.35 532	0.43 518	0.37 449	0.27 449	0.32 428	0.32 467	0.22 435	0.21 422	0.26 480	0.12 448	0.08 399	0.13 466	0.11 448	0.09 378	0.09 384

S2M2	0.09 78	0.08 233	0.11 146	0.13 13	0.10 337	0.08 48	0.06 1	0.10 16	0.10 35	0.10 123	0.09 87	0.10 151	0.09 164	0.11 106	0.11 184	0.13 471	0.07 373	0.08 274	0.09 379	0.10 410	0.08 340

TCMNet	0.19 419	0.12 408	0.19 406	0.20 405	0.18 506	0.20 408	0.24 468	0.27 367	0.36 442	0.23 416	0.26 377	0.25 400	0.19 410	0.19 380	0.23 446	0.13 471	0.11 461	0.11 432	0.12 467	0.13 464	0.12 447

rvit_0105_3	0.15 350	0.09 307	0.14 261	0.19 352	0.12 415	0.15 300	0.25 484	0.25 328	0.29 385	0.15 263	0.17 234	0.20 336	0.13 288	0.17 344	0.14 310	0.13 471	0.11 461	0.12 451	0.14 480	0.07 254	0.06 196

DLNR_Zeroshot_test	10.40 579	1.82 570	19.49 585	120.77 590	13.11 583	0.06 8	0.13 101	0.23 290	0.10 35	0.07 29	0.10 113	0.09 120	0.06 34	0.10 60	0.09 52	0.13 471	0.04 21	0.06 99	0.04 34	51.54 589	0.04 40

pcwnet_v2	0.19 419	0.10 365	0.26 452	0.17 215	0.14 457	0.18 370	0.15 215	0.37 488	0.46 491	0.19 353	0.24 331	0.21 345	0.19 410	0.20 405	0.19 399	0.13 471	0.10 448	0.10 401	0.10 416	0.11 432	0.13 467

FADNet	0.21 443	0.22 506	0.36 492	0.18 296	0.17 500	0.24 451	0.13 101	0.31 421	0.31 402	0.23 416	0.25 360	0.27 417	0.21 426	0.19 380	0.15 338	0.13 471	0.15 503	0.12 451	0.15 496	0.16 499	0.18 513

edge stereo	0.22 452	0.13 437	0.20 418	0.21 434	0.13 437	0.23 446	0.16 280	0.32 432	0.42 474	0.32 488	0.40 478	0.38 491	0.35 508	0.25 460	0.24 459	0.13 471	0.11 461	0.14 478	0.11 448	0.12 447	0.13 467

XQC	0.28 500	0.23 507	0.51 516	0.28 510	0.19 509	0.34 506	0.27 499	0.36 483	0.57 516	0.31 482	0.30 416	0.37 487	0.30 492	0.38 518	0.38 525	0.13 471	0.09 428	0.15 490	0.12 467	0.17 506	0.18 513

ADCS	0.29 504	0.18 489	0.45 508	0.21 434	0.17 500	0.28 487	0.23 456	0.41 509	0.63 529	0.40 509	0.49 507	0.40 503	0.36 510	0.39 521	0.40 529	0.13 471	0.12 475	0.13 466	0.14 480	0.16 499	0.16 502

AnyNet_C01	0.36 519	0.25 515	1.37 559	0.22 449	0.17 500	0.48 528	0.27 499	0.35 476	0.39 458	0.39 506	0.74 540	0.46 518	0.38 513	0.45 529	0.47 538	0.13 471	0.13 488	0.13 466	0.14 480	0.14 477	0.15 491

DeepPruner_ROB	0.16 373	0.11 391	0.15 310	0.17 215	0.10 337	0.17 351	0.15 215	0.32 432	0.21 280	0.19 353	0.21 301	0.22 363	0.18 394	0.20 405	0.15 338	0.13 471	0.09 428	0.09 354	0.09 379	0.11 432	0.10 409

SGM_RVC	0.23 467	0.12 408	0.15 310	0.15 70	0.09 236	0.33 503	0.18 358	0.34 460	0.31 402	0.44 521	0.37 458	0.53 528	0.35 508	0.35 506	0.24 459	0.13 471	0.13 488	0.13 466	0.13 477	0.10 410	0.11 434
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
CBMV	0.19 419	0.14 449	0.17 372	0.18 296	0.10 337	0.20 408	0.11 46	0.29 397	0.30 395	0.29 472	0.30 416	0.30 444	0.23 443	0.27 465	0.19 399	0.13 471	0.15 503	0.17 499	0.16 500	0.10 410	0.10 409
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
rvit_0105_5	0.14 306	0.09 307	0.13 226	0.17 215	0.09 236	0.14 274	0.23 456	0.24 312	0.27 364	0.14 236	0.15 201	0.18 310	0.12 251	0.17 344	0.14 310	0.14 484	0.11 461	0.10 401	0.10 416	0.08 317	0.06 196

HBP-ISP	0.18 407	0.13 437	0.16 344	0.15 70	0.11 384	0.08 48	0.13 101	0.28 386	0.29 385	0.22 404	0.33 440	0.21 345	0.25 458	0.23 446	0.17 369	0.14 484	0.16 506	0.21 513	0.17 507	0.10 410	0.08 340

SGM-ForestM	0.32 512	0.12 408	0.16 344	0.16 141	0.11 384	0.39 521	0.19 397	0.41 509	0.50 502	0.52 528	0.54 515	1.32 558	0.42 526	0.40 525	0.27 488	0.14 484	0.16 506	0.16 496	0.16 500	0.12 447	0.12 447

MeshStereo	0.27 496	0.13 437	0.18 395	0.15 70	0.11 384	0.32 497	0.24 468	0.40 503	0.36 442	0.52 528	0.57 525	0.67 539	0.40 518	0.35 506	0.26 480	0.14 484	0.13 488	0.13 466	0.11 448	0.11 432	0.10 409
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
rvit_0105_6	0.14 306	0.09 307	0.18 395	0.17 215	0.10 337	0.10 124	0.16 280	0.19 215	0.26 355	0.12 188	0.18 259	0.17 296	0.12 251	0.18 365	0.12 232	0.15 488	0.11 461	0.12 451	0.10 416	0.09 378	0.06 196

rvit_0105_4	0.14 306	0.09 307	0.17 372	0.17 215	0.10 337	0.12 203	0.19 397	0.23 290	0.27 364	0.14 236	0.20 280	0.17 296	0.13 288	0.17 344	0.13 273	0.15 488	0.11 461	0.11 432	0.10 416	0.09 378	0.06 196

DualNet (step1)	0.16 373	0.12 408	0.20 418	0.12 4	0.14 457	0.17 351	0.13 101	0.27 367	0.23 304	0.20 375	0.20 280	0.24 387	0.19 410	0.16 312	0.16 354	0.15 488	0.06 303	0.14 478	0.14 480	0.14 477	0.12 447

test_sample9	0.18 407	0.12 408	0.20 418	0.12 4	0.14 457	0.17 351	0.13 101	0.27 367	0.23 304	0.20 375	0.20 280	0.24 387	0.19 410	0.19 380	0.17 369	0.15 488	0.30 537	0.14 478	0.14 480	0.14 477	0.12 447

test_sample8	0.19 419	0.12 408	0.20 418	0.12 4	0.14 457	0.17 351	0.13 101	0.31 421	0.21 280	0.27 449	0.22 310	0.36 482	0.25 458	0.19 380	0.17 369	0.15 488	0.30 537	0.14 478	0.14 480	0.14 477	0.12 447

SQANet	0.23 467	0.23 507	0.30 475	0.30 519	0.19 509	0.27 481	0.13 101	0.29 397	0.33 416	0.24 425	0.37 458	0.31 457	0.22 435	0.27 465	0.23 446	0.15 488	0.10 448	0.21 513	0.16 500	0.21 515	0.15 491

UDG	0.21 443	0.17 478	0.19 406	0.23 470	0.15 475	0.30 494	0.20 418	0.33 451	0.35 437	0.23 416	0.28 398	0.31 457	0.27 472	0.20 405	0.22 434	0.15 488	0.12 475	0.13 466	0.09 379	0.14 477	0.14 484

MFN_U_SF_RVC	0.32 512	0.21 502	0.55 521	0.30 519	0.15 475	0.34 506	0.17 313	0.52 533	0.46 491	0.46 525	0.55 517	0.59 531	0.39 515	0.35 506	0.37 523	0.15 488	0.14 497	0.18 508	0.21 515	0.16 499	0.15 491

PMTNet	0.09 78	0.05 17	0.09 70	0.12 4	0.06 13	0.12 203	0.14 149	0.15 103	0.11 61	0.09 91	0.13 170	0.10 151	0.07 103	0.13 231	0.10 121	0.15 488	0.04 21	0.05 23	0.03 1	0.07 254	0.06 196

SAMSARA	0.40 524	0.28 522	0.33 483	0.55 543	0.39 537	0.82 554	1.23 568	0.47 526	0.51 509	0.36 498	0.35 449	0.55 530	0.39 515	0.38 518	0.39 527	0.15 488	0.20 519	0.15 490	0.14 480	0.23 519	0.20 519

DeepPrunerF	0.24 474	0.17 478	0.42 506	0.26 495	0.16 485	0.22 433	0.28 505	0.37 488	0.50 502	0.26 443	0.29 410	0.24 387	0.28 480	0.21 422	0.22 434	0.15 488	0.11 461	0.20 512	0.18 511	0.12 447	0.13 467

PS-NSSS	0.20 431	0.21 502	0.23 441	0.20 405	0.10 337	0.19 393	0.17 313	0.36 483	0.25 341	0.27 449	0.33 440	0.27 417	0.24 449	0.20 405	0.20 405	0.15 488	0.12 475	0.17 499	0.14 480	0.10 410	0.08 340

NCCL2	0.23 467	0.15 459	0.17 372	0.34 525	0.18 506	0.24 451	0.23 456	0.34 460	0.28 378	0.31 482	0.38 464	0.38 491	0.28 480	0.23 446	0.24 459	0.15 488	0.12 475	0.18 508	0.21 515	0.13 464	0.13 467

CBMV_ROB	0.19 419	0.13 437	0.17 372	0.16 141	0.11 384	0.15 300	0.13 101	0.26 346	0.28 378	0.27 449	0.30 416	0.27 417	0.24 449	0.23 446	0.16 354	0.15 488	0.17 511	0.22 517	0.20 513	0.10 410	0.11 434

XPNet_ROB	0.22 452	0.11 391	0.19 406	0.22 449	0.13 437	0.22 433	0.19 397	0.34 460	0.40 464	0.30 476	0.39 472	0.39 499	0.26 464	0.26 462	0.28 495	0.15 488	0.10 448	0.10 401	0.10 416	0.13 464	0.12 447

SGM-Forest	0.20 431	0.14 449	0.18 395	0.19 352	0.13 437	0.20 408	0.22 445	0.33 451	0.30 395	0.24 425	0.29 410	0.28 427	0.19 410	0.23 446	0.17 369	0.15 488	0.16 506	0.15 490	0.14 480	0.12 447	0.12 447
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
rvit_stereo_0075_2	0.17 393	0.12 408	0.25 449	0.23 470	0.16 485	0.13 242	0.10 27	0.30 411	0.27 364	0.20 375	0.28 398	0.22 363	0.15 331	0.18 365	0.13 273	0.16 504	0.10 448	0.17 499	0.10 416	0.10 410	0.09 384

SDNR	0.19 419	0.08 233	0.19 406	0.16 141	0.12 415	0.77 553	0.14 149	0.25 328	0.32 409	0.19 353	0.24 331	0.19 324	0.13 288	0.19 380	0.15 338	0.16 504	0.18 513	0.14 478	0.11 448	0.08 317	0.11 434

Syn2CoEx	0.21 443	0.16 467	0.27 459	0.29 517	0.14 457	0.26 471	0.20 418	0.33 451	0.31 402	0.28 464	0.36 452	0.27 417	0.25 458	0.19 380	0.24 459	0.16 504	0.12 475	0.14 478	0.11 448	0.09 378	0.08 340

NOSS_ROB	0.19 419	0.12 408	0.18 395	0.16 141	0.12 415	0.15 300	0.12 63	0.30 411	0.32 409	0.20 375	0.22 310	0.27 417	0.23 443	0.21 422	0.16 354	0.16 504	0.18 513	0.23 518	0.21 515	0.12 447	0.13 467

LALA_ROB	0.25 485	0.16 467	0.22 432	0.26 495	0.17 500	0.27 481	0.27 499	0.42 514	0.37 449	0.33 492	0.38 464	0.51 524	0.26 464	0.28 476	0.27 488	0.16 504	0.09 428	0.12 451	0.11 448	0.13 464	0.12 447

MaskLacGwcNet_RVC	0.22 452	0.21 502	0.24 444	0.26 495	0.11 384	0.23 446	0.14 149	0.39 499	0.24 320	0.32 488	0.36 452	0.30 444	0.21 426	0.19 380	0.21 425	0.17 509	0.14 497	0.21 513	0.16 500	0.12 447	0.12 447

STTRV1_RVC	0.25 485	0.26 516	0.39 499	0.19 352	0.26 528	0.30 494	0.24 468	0.34 460	0.35 437	0.36 498	0.34 444	0.31 457	0.31 496	0.28 476	0.25 468	0.17 509	0.10 448	0.16 496	0.14 480	0.17 506	0.12 447

PSMNet-RUCA	0.27 496	0.33 529	0.41 504	0.36 529	0.32 536	0.18 370	0.19 397	0.42 514	0.30 395	0.33 492	0.41 489	0.39 499	0.25 458	0.31 487	0.20 405	0.18 511	0.10 448	0.25 520	0.15 496	0.21 515	0.16 502

dad	0.17 393	0.20 496	0.20 418	0.16 141	0.11 384	0.20 408	0.18 358	0.21 248	0.28 378	0.30 476	0.24 331	0.29 435	0.13 288	0.19 380	0.16 354	0.18 511	0.09 428	0.11 432	0.09 379	0.11 432	0.07 276

DDUNet	0.22 452	0.17 478	0.21 426	0.22 449	0.15 475	0.25 462	0.24 468	0.29 397	0.30 395	0.31 482	0.36 452	0.33 470	0.25 458	0.24 455	0.20 405	0.18 511	0.13 488	0.17 499	0.11 448	0.16 499	0.16 502

FINET	0.21 443	0.18 489	0.26 452	0.18 296	0.16 485	0.23 446	0.23 456	0.32 432	0.48 493	0.25 438	0.32 428	0.22 363	0.22 435	0.22 435	0.17 369	0.18 511	0.16 506	0.11 432	0.10 416	0.15 492	0.13 467

BEATNet-Init1	0.52 537	0.27 518	0.62 530	0.30 519	0.21 515	0.76 551	0.29 514	0.54 536	0.65 532	0.86 550	0.95 551	2.07 568	0.62 545	0.56 541	0.42 533	0.18 511	0.18 513	0.23 518	0.22 518	0.22 518	0.21 521

MFN_U_SF_DS_RVC	0.30 509	0.24 510	0.29 472	0.36 529	0.16 485	0.34 506	0.30 522	0.32 432	0.42 474	0.40 509	0.46 503	0.38 491	0.31 496	0.34 500	0.28 495	0.19 516	0.20 519	0.26 521	0.29 531	0.18 510	0.19 518

PVD	0.39 521	0.20 496	0.39 499	0.31 523	0.22 517	0.29 491	0.43 543	0.52 533	0.96 551	0.55 531	0.79 544	0.53 528	0.59 542	0.52 535	0.38 525	0.19 516	0.14 497	0.17 499	0.14 480	0.24 526	0.31 538

ISRNet	0.18 407	0.08 233	0.19 406	0.19 352	0.13 437	0.15 300	0.12 63	0.30 411	0.32 409	0.21 389	0.25 360	0.27 417	0.17 380	0.17 344	0.20 405	0.20 518	0.08 399	0.14 478	0.14 480	0.14 477	0.17 510

MSC_U_SF_DS_RVC	0.43 528	0.39 535	0.54 519	0.40 532	0.20 512	0.64 539	0.32 530	0.53 535	0.72 538	0.71 539	0.72 537	0.61 533	0.54 536	0.51 533	0.46 537	0.20 518	0.19 516	0.29 531	0.30 533	0.23 519	0.18 513

CSAN	0.29 504	0.24 510	0.27 459	0.34 525	0.19 509	0.33 503	0.42 541	0.37 488	0.50 502	0.38 504	0.40 478	0.44 512	0.33 502	0.28 476	0.30 503	0.20 518	0.16 506	0.19 510	0.19 512	0.14 477	0.15 491

MSMD_ROB	0.31 510	0.26 516	0.26 452	0.24 479	0.21 515	0.34 506	0.25 484	0.34 460	0.39 458	0.40 509	0.69 534	0.45 514	0.40 518	0.34 500	0.27 488	0.20 518	0.19 516	0.26 521	0.25 524	0.23 519	0.22 523

FC-DCNN v2	0.33 515	0.27 518	0.28 464	0.26 495	0.23 519	0.37 517	0.28 505	0.40 503	0.43 479	0.45 522	0.56 522	0.51 524	0.40 518	0.37 516	0.29 498	0.21 522	0.20 519	0.27 524	0.26 525	0.25 527	0.24 526

FCDSN-DC	0.33 515	0.28 522	0.28 464	0.30 519	0.24 521	0.39 521	0.28 505	0.42 514	0.42 474	0.43 519	0.53 513	0.51 524	0.41 523	0.36 511	0.30 503	0.21 522	0.20 519	0.27 524	0.26 525	0.25 527	0.24 526
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MANE	0.45 531	0.27 518	0.27 459	0.27 507	0.24 521	0.47 526	0.31 528	0.55 537	0.59 520	0.72 541	1.13 560	1.15 552	0.61 543	0.52 535	0.37 523	0.21 522	0.20 519	0.27 524	0.31 535	0.25 527	0.24 526

FC-DCNN	0.33 515	0.27 518	0.28 464	0.26 495	0.23 519	0.37 517	0.28 505	0.40 503	0.43 479	0.45 522	0.55 517	0.51 524	0.40 518	0.37 516	0.30 503	0.21 522	0.20 519	0.27 524	0.26 525	0.25 527	0.24 526

Anonymous_2	0.22 452	0.17 478	0.28 464	0.15 70	0.16 485	0.32 497	0.22 445	0.22 270	0.17 201	0.23 416	0.24 331	0.26 409	0.27 472	0.27 465	0.23 446	0.22 526	0.25 533	0.17 499	0.17 507	0.17 506	0.17 510

NVStereoNet_ROB	0.46 535	0.36 533	0.46 512	0.41 534	0.28 530	0.34 506	0.34 531	0.48 527	0.60 523	0.72 541	0.93 549	0.70 542	0.66 546	0.47 530	0.60 548	0.22 526	0.33 540	0.34 535	0.34 538	0.30 534	0.30 537
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ELAS_RVC	0.41 526	0.29 525	0.33 483	0.28 510	0.24 521	0.54 532	0.36 533	0.49 529	0.59 520	0.72 541	0.74 540	0.65 537	0.54 536	0.54 539	0.40 529	0.22 526	0.20 519	0.27 524	0.26 525	0.26 531	0.25 531
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 526	0.29 525	0.33 483	0.27 507	0.24 521	0.60 537	0.36 533	0.50 531	0.50 502	0.71 539	0.79 544	0.67 539	0.54 536	0.51 533	0.42 533	0.22 526	0.20 519	0.27 524	0.26 525	0.26 531	0.25 531
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ccnet	0.29 504	0.28 522	0.23 441	0.20 405	0.28 530	0.41 523	0.21 435	0.45 523	0.33 416	0.36 498	0.46 503	0.36 482	0.30 492	0.39 521	0.42 533	0.23 530	0.14 497	0.21 513	0.17 507	0.23 519	0.18 513

PASM	0.32 512	0.24 510	0.48 514	0.28 510	0.27 529	0.29 491	0.30 522	0.34 460	0.49 499	0.35 495	0.39 472	0.46 518	0.34 506	0.34 500	0.35 518	0.23 530	0.25 533	0.26 521	0.28 530	0.23 519	0.21 521

CC-Net-ROB	0.28 500	0.31 527	0.36 492	0.29 517	0.15 475	0.25 462	0.19 397	0.45 523	0.33 416	0.39 506	0.37 458	0.39 499	0.31 496	0.27 465	0.26 480	0.24 532	0.19 516	0.30 533	0.23 522	0.18 510	0.15 491

ACVNet_1	0.44 529	0.49 540	0.60 528	0.45 537	0.28 530	0.49 529	0.27 499	0.57 540	0.72 538	0.62 534	0.58 527	0.74 543	0.49 532	0.50 532	0.35 518	0.26 533	0.24 532	0.39 537	0.29 531	0.31 537	0.24 526

GANetREF_RVC	0.31 510	0.34 531	0.27 459	0.35 527	0.16 485	0.32 497	0.41 538	0.48 527	0.51 509	0.35 495	0.35 449	0.34 476	0.33 502	0.39 521	0.32 511	0.27 534	0.20 519	0.29 531	0.15 496	0.18 510	0.17 510
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
otaku	0.39 521	0.37 534	0.52 517	0.44 536	0.28 530	0.58 534	0.24 468	0.41 509	0.62 526	0.40 509	0.49 507	0.46 518	0.33 502	0.40 525	0.32 511	0.30 535	0.30 537	0.39 537	0.33 536	0.29 533	0.28 534

FADE	0.45 531	0.33 529	1.03 555	0.33 524	0.25 527	0.35 514	0.29 514	0.64 544	1.07 552	0.43 519	0.41 489	0.42 506	0.53 534	0.70 547	0.51 544	0.30 535	0.21 530	0.41 539	0.38 539	0.23 519	0.22 523

Ntro	0.40 524	0.40 536	0.53 518	0.46 540	0.30 534	0.65 540	0.24 468	0.46 525	0.68 535	0.41 513	0.49 507	0.48 522	0.42 526	0.39 521	0.31 510	0.32 537	0.28 535	0.37 536	0.30 533	0.32 538	0.29 535

ACVNet-4b	0.39 521	0.53 541	0.55 521	0.45 537	0.24 521	0.47 526	0.18 358	0.49 529	0.64 530	0.42 516	0.45 502	0.60 532	0.27 472	0.34 500	0.24 459	0.33 538	0.14 497	0.48 541	0.42 541	0.30 534	0.26 533

MADNet+	0.75 549	0.71 551	3.70 569	0.66 546	0.41 539	0.98 559	0.97 566	0.69 546	0.73 542	0.52 528	0.57 525	0.64 535	0.68 548	0.86 556	1.01 564	0.34 539	0.36 542	0.28 530	0.23 522	0.36 539	0.31 538

Consistency-Raft	0.44 529	0.40 536	0.45 508	0.37 531	0.43 541	0.46 524	0.41 538	0.57 540	0.55 512	0.32 488	0.73 538	0.33 470	0.48 531	0.42 528	0.49 540	0.39 540	0.35 541	0.45 540	0.51 548	0.42 540	0.29 535

JetBlue	0.71 546	0.45 539	1.14 557	0.51 541	0.47 543	2.02 568	0.64 555	0.75 547	0.70 536	0.69 538	0.77 543	1.22 554	0.83 553	1.03 564	1.01 564	0.40 541	0.28 535	0.33 534	0.33 536	0.30 534	0.34 541

IMH-64-1	0.65 543	0.61 545	0.68 540	0.71 547	0.51 544	0.59 535	0.49 545	0.91 552	0.85 546	0.74 545	1.02 553	0.81 544	0.78 551	0.79 549	0.49 540	0.42 542	0.46 545	0.71 549	0.47 543	0.52 543	0.39 543

IMH-64	0.65 543	0.61 545	0.68 540	0.71 547	0.51 544	0.59 535	0.49 545	0.91 552	0.85 546	0.74 545	1.02 553	0.81 544	0.78 551	0.79 549	0.49 540	0.42 542	0.46 545	0.71 549	0.47 543	0.52 543	0.39 543

ACVNet_2	0.66 545	0.66 549	0.68 540	0.63 545	0.41 539	0.71 545	0.49 545	0.96 556	1.39 561	0.89 551	1.09 556	1.04 548	0.73 549	0.54 539	0.47 538	0.43 544	0.40 543	0.53 546	0.44 542	0.47 541	0.35 542

IMH	0.71 546	0.64 548	0.68 540	0.76 549	0.54 546	0.69 543	0.54 549	0.98 558	1.10 554	0.82 549	1.09 556	0.89 546	0.88 556	0.87 557	0.52 545	0.44 545	0.50 554	0.75 552	0.51 548	0.56 548	0.41 546

RainbowNet	0.54 539	0.61 545	0.70 544	0.57 544	0.43 541	0.65 540	0.37 536	0.60 542	0.87 548	0.50 527	0.66 531	0.64 535	0.47 530	0.49 531	0.43 536	0.47 546	0.48 550	0.52 545	0.41 540	0.52 543	0.40 545

TorneroNet-64	0.76 550	0.72 552	0.74 545	0.78 551	0.58 552	0.91 558	0.56 550	0.84 550	1.29 558	0.66 535	0.90 547	1.40 560	0.75 550	0.85 555	0.67 554	0.49 547	0.46 545	0.72 551	0.59 551	0.67 553	0.53 549

LVE	0.83 554	0.85 558	0.85 551	0.80 552	0.56 549	1.04 564	0.65 556	1.05 561	1.47 564	0.96 554	1.22 564	1.10 551	0.85 554	0.83 552	0.71 556	0.49 547	0.55 560	0.76 555	0.60 553	0.65 551	0.59 556

TorneroNet	0.82 553	0.74 553	0.81 550	0.84 554	0.63 555	0.99 560	0.63 553	0.96 556	1.16 555	0.80 548	1.11 558	1.36 559	0.86 555	0.93 560	0.80 559	0.56 549	0.49 552	0.78 557	0.66 556	0.73 559	0.63 559

Dean	0.87 555	0.86 559	0.79 548	0.81 553	0.56 549	0.90 555	0.63 553	1.15 567	1.73 567	1.15 562	1.15 561	1.31 557	0.99 560	0.81 551	0.81 560	0.57 550	0.56 561	0.77 556	0.64 554	0.66 552	0.58 551

anonymity	0.53 538	0.58 543	0.65 532	0.41 534	0.61 554	0.53 531	0.41 538	0.56 538	0.41 467	0.55 531	0.50 511	0.49 523	0.55 539	0.58 542	0.50 543	0.58 551	0.50 554	0.51 543	0.51 548	0.51 542	0.57 550

SGM+DAISY	0.56 540	0.57 542	0.65 532	0.40 532	0.54 546	0.66 542	0.49 545	0.56 538	0.45 490	0.66 535	0.69 534	0.67 539	0.56 540	0.63 544	0.56 546	0.59 552	0.48 550	0.50 542	0.50 547	0.52 543	0.58 551

WAO-7	0.79 551	0.78 554	0.54 519	0.85 555	0.67 557	0.74 547	0.68 559	1.05 561	1.32 559	0.90 552	1.20 563	1.04 548	0.92 557	0.69 546	0.66 551	0.60 553	0.62 564	0.67 548	0.68 557	0.64 550	0.58 551

SPS-STEREO	0.57 541	0.58 543	0.65 532	0.45 537	0.55 548	0.62 538	0.44 544	0.62 543	0.50 502	0.68 537	0.64 529	0.66 538	0.57 541	0.61 543	0.60 548	0.62 554	0.47 549	0.51 543	0.49 545	0.55 547	0.58 551
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GCST	0.37 520	0.42 538	0.26 452	1.02 562	0.39 537	0.18 370	0.08 7	0.20 226	0.17 201	0.28 464	0.25 360	0.15 262	0.12 251	0.16 312	0.14 310	0.64 555	0.43 544	0.75 552	0.65 555	0.63 549	0.46 548

MFMNet_re	0.64 542	0.66 549	0.65 532	0.51 541	0.69 558	0.69 543	0.57 551	0.64 544	0.73 542	0.60 533	0.73 538	0.62 534	0.67 547	0.65 545	0.60 548	0.66 556	0.58 563	0.63 547	0.59 551	0.68 554	0.69 560

WAO-6	0.81 552	0.80 555	0.62 530	0.86 556	0.63 555	0.76 551	0.58 552	0.98 558	1.54 566	0.90 552	0.96 552	1.07 550	1.03 561	0.70 547	0.66 551	0.72 557	0.49 552	0.90 560	0.71 558	0.68 554	0.58 551

PWCK	0.71 546	0.94 560	0.95 553	0.76 549	0.31 535	0.74 547	0.36 533	0.90 551	0.90 549	0.96 554	0.75 542	0.95 547	0.61 543	0.87 557	0.66 551	0.72 557	0.46 545	0.75 552	0.49 545	0.69 556	0.44 547

WAO-8	0.91 556	0.81 556	0.65 532	0.94 559	0.69 558	0.90 555	0.67 557	1.07 564	1.83 569	1.06 559	1.45 566	1.30 555	1.07 562	0.84 553	0.78 557	0.74 559	0.53 557	0.86 558	0.75 559	0.69 556	0.62 557

Venus	0.91 556	0.81 556	0.65 532	0.94 559	0.69 558	0.90 555	0.67 557	1.07 564	1.83 569	1.06 559	1.45 566	1.30 555	1.07 562	0.84 553	0.78 557	0.74 559	0.53 557	0.86 558	0.75 559	0.69 556	0.62 557

UNDER WATER	0.97 559	0.97 562	1.42 560	0.99 561	0.70 561	1.12 566	0.84 562	0.80 549	1.08 553	1.01 556	0.90 547	1.55 564	1.22 568	1.03 564	1.00 563	0.78 561	0.53 557	1.02 562	0.87 563	0.80 561	0.74 562

notaker	0.97 559	1.11 563	0.98 554	1.13 564	0.81 562	0.73 546	0.68 559	0.93 554	1.16 555	1.18 564	1.18 562	1.41 561	1.16 566	1.08 566	0.69 555	0.81 562	0.64 565	1.17 565	0.79 561	0.98 563	0.80 564

UNDER WATER-64	0.95 558	0.94 560	1.43 561	0.87 557	0.56 549	1.18 567	0.87 563	0.77 548	0.94 550	1.04 557	0.85 546	1.58 565	1.21 567	0.94 561	0.96 562	0.87 563	0.57 562	1.03 563	0.88 564	0.78 560	0.73 561

TCMNet-wrong-test	3.67 569	5.48 578	3.89 570	12.18 581	11.75 582	4.65 570	3.88 571	1.06 563	0.72 538	1.09 561	2.15 570	6.30 575	0.53 534	3.43 572	2.36 570	0.89 564	0.20 519	1.87 572	1.69 571	5.57 577	3.62 577

JetRed	1.62 565	1.46 568	2.98 564	0.92 558	1.21 567	4.99 571	1.53 570	1.27 569	1.39 561	1.83 568	1.74 569	1.60 566	0.95 558	1.41 567	2.45 571	0.90 565	1.60 570	0.93 561	0.90 565	1.35 567	0.99 567

KSHMR	1.09 562	1.17 564	0.88 552	1.25 567	1.00 566	0.99 560	0.96 565	1.13 566	1.37 560	1.16 563	1.29 565	1.41 561	0.96 559	1.01 563	0.92 561	1.03 566	1.08 568	1.20 566	1.03 567	1.01 564	0.97 566

ASD4	3.54 568	3.38 572	2.05 563	1.72 568	2.51 571	9.03 575	17.71 576	2.25 570	5.51 573	2.46 570	2.81 572	2.03 567	3.36 571	2.73 570	5.06 572	1.22 567	1.34 569	1.13 564	1.33 569	1.68 568	1.49 570

HanzoNet	1.29 564	1.26 567	1.19 558	1.12 563	0.85 563	1.02 563	0.83 561	1.03 560	1.48 565	1.64 567	1.61 568	2.50 570	1.72 569	1.61 568	1.61 567	1.26 568	0.80 567	1.31 568	1.01 566	1.02 565	0.86 565

ktn	1.01 561	1.21 565	0.80 549	1.23 566	0.86 564	1.01 562	0.87 563	0.94 555	1.39 561	1.04 557	1.12 559	1.15 552	1.07 562	0.94 561	0.59 547	1.28 569	0.71 566	1.38 569	0.83 562	1.02 565	0.75 563

DPSimNet_ROB	1.11 563	1.23 566	0.78 546	1.13 564	0.88 565	1.10 565	1.13 567	1.16 568	1.23 557	1.43 566	1.02 553	1.41 561	1.10 565	0.90 559	1.60 566	1.46 570	0.51 556	1.21 567	1.03 567	0.90 562	1.01 568

MADNet++	1.95 566	1.75 569	1.59 562	1.82 569	1.69 569	2.33 569	1.40 569	2.35 571	2.09 571	2.57 571	2.36 571	2.24 569	2.17 570	2.28 569	2.34 569	1.87 571	1.66 571	1.54 570	1.34 570	1.92 569	1.77 571

USTest	6.22 571	2.73 571	3.00 565	6.57 577	7.29 576	14.37 578	21.57 577	7.00 579	9.56 578	5.34 575	6.10 573	5.72 574	7.64 575	6.41 576	6.96 575	1.97 572	3.42 577	1.64 571	2.15 574	2.66 570	2.36 572

xxxxx1	7.79 572	5.02 575	7.31 573	3.12 571	3.85 572	16.35 580	22.88 578	5.86 576	8.69 575	7.97 576	8.54 574	9.12 578	8.27 576	10.18 578	10.92 576	2.42 573	2.45 573	3.56 576	12.37 580	3.77 572	3.06 574

tt_ll	7.79 572	5.02 575	7.31 573	3.12 571	3.85 572	16.35 580	22.88 578	5.86 576	8.69 575	7.97 576	8.54 574	9.12 578	8.27 576	10.18 578	10.92 576	2.42 573	2.45 573	3.56 576	12.37 580	3.77 572	3.06 574

ff	7.79 572	5.02 575	7.31 573	3.12 571	3.85 572	16.35 580	22.88 578	5.86 576	8.69 575	7.97 576	8.54 574	9.12 578	8.27 576	10.18 578	10.92 576	2.42 573	2.45 573	3.56 576	12.37 580	3.77 572	3.06 574

DGTPSM_ROB	8.06 576	4.48 573	8.63 579	5.35 574	10.72 578	8.32 573	22.97 581	5.46 573	13.35 580	5.12 573	9.92 577	5.08 572	10.40 579	5.52 574	12.58 579	3.79 576	8.00 578	3.50 574	7.02 577	3.83 575	7.14 579

DPSMNet_ROB	8.06 576	4.48 573	8.63 579	5.37 576	10.74 579	8.32 573	22.98 582	5.46 573	13.36 581	5.12 573	9.92 577	5.08 572	10.40 579	5.53 575	12.58 579	3.80 577	8.00 578	3.50 574	7.02 577	3.83 575	7.14 579

PML	8.91 578	9.34 582	6.13 571	5.35 574	6.41 575	14.99 579	23.38 583	5.27 572	6.83 574	18.04 584	28.19 589	7.67 576	6.83 574	7.85 577	5.75 573	5.35 578	1.83 572	5.95 582	1.93 572	8.64 580	2.52 573

tt	4.67 570	0.06 54	3.55 568	2.02 570	1.55 568	10.25 576	16.71 575	8.91 580	5.03 572	1.31 565	0.94 550	4.71 571	4.76 572	3.33 571	5.87 574	6.06 579	10.30 583	1.88 573	2.11 573	2.75 571	1.21 569

Anonymous_1	10.96 581	7.92 579	7.46 576	10.33 578	10.06 577	18.65 584	26.34 584	11.06 581	13.44 582	9.40 579	10.05 579	9.67 581	11.23 581	10.73 581	12.72 581	6.42 580	8.38 580	5.77 579	10.61 579	12.12 581	6.77 578

DPSM_ROB	11.15 582	8.58 580	8.00 577	10.88 579	11.58 580	19.10 585	26.71 585	12.05 582	14.07 583	10.36 580	10.84 580	10.33 582	11.86 582	11.70 582	13.54 582	6.99 581	8.79 581	5.89 580	6.95 575	7.29 578	7.42 581

DPSM	11.15 582	8.58 580	8.00 577	10.88 579	11.58 580	19.10 585	26.71 585	12.05 582	14.07 583	10.36 580	10.84 580	10.33 582	11.86 582	11.70 582	13.54 582	6.99 581	8.79 581	5.89 580	6.95 575	7.29 578	7.42 581

CasAABBNet	22.42 586	17.33 585	16.01 581	22.01 585	23.28 586	38.32 587	53.80 588	24.14 587	28.41 588	20.60 586	21.77 586	20.89 587	23.91 587	23.43 586	27.36 587	14.07 583	17.69 586	11.83 584	14.01 584	14.67 582	14.95 584

Selective-RAFT-Error	22.47 587	17.37 586	16.09 582	22.06 586	23.34 587	38.39 588	53.83 589	24.29 589	28.47 589	20.74 587	21.83 587	20.81 586	23.90 586	23.54 588	27.53 589	14.08 584	17.69 586	11.82 583	14.00 583	14.69 583	15.00 585

LSM0	22.87 588	17.28 584	18.96 583	22.19 587	29.04 589	38.42 589	53.71 587	24.28 588	28.31 587	20.78 588	21.00 585	21.43 588	24.16 588	23.50 587	27.39 588	14.09 585	17.38 585	11.84 585	14.04 585	14.73 584	14.89 583

HaxPig	15.71 584	18.52 587	19.18 584	16.89 582	15.89 584	7.73 572	7.60 572	13.31 584	10.82 579	15.42 583	14.91 582	15.98 584	14.92 584	15.58 584	15.98 584	18.95 586	16.73 584	19.46 586	18.08 586	19.26 586	19.05 587

LRCNet_RVC	10.62 580	13.42 583	7.30 572	18.92 583	2.07 570	0.33 503	0.30 522	5.59 575	0.48 493	13.03 582	17.94 583	8.87 577	5.65 573	4.79 573	1.89 568	23.51 587	2.73 576	27.55 588	25.71 588	16.07 585	16.33 586

MEDIAN_ROB	20.38 585	24.04 588	23.31 586	21.23 584	21.71 585	10.40 577	7.92 573	17.64 585	15.50 585	20.12 585	19.70 584	20.34 585	20.32 585	21.19 585	21.13 585	23.81 588	21.81 588	24.98 587	23.76 587	24.71 587	23.93 588

AVERAGE_ROB	24.90 589	29.20 589	28.14 587	24.89 588	24.64 588	17.75 583	11.12 574	21.45 586	19.93 586	25.12 589	24.46 588	25.12 589	25.46 589	24.69 589	22.83 586	29.76 589	27.13 589	28.97 589	27.95 589	29.91 588	29.47 589

test_example2	98.32 590	94.13 590	45.89 588	96.35 589	109.85 590	88.61 590	95.45 590	25.75 590	94.37 590	130.00 591	126.06 591	58.17 590	74.63 590	88.51 590	79.96 590	150.23 590	221.02 590	77.62 590	99.10 590	113.75 590	96.94 590

ccccc	245.47 591	285.66 591	306.18 591	368.85 591	370.60 591	123.16 591	145.33 591	115.05 591	110.08 591	126.68 590	110.87 590	122.83 591	165.88 591	252.94 591	276.56 591	384.56 591	353.86 591	254.69 591	223.00 591	425.87 591	386.83 591

Low-res two-view benchmark