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

MLG-Stereo_test2	0.06 1	0.04 1	0.10 124	0.15 87	0.05 1	0.07 27	0.11 66	0.09 11	0.04 2	0.06 9	0.05 8	0.06 16	0.04 1	0.08 15	0.09 52	0.06 131	0.04 36	0.05 43	0.03 1	0.05 111	0.05 136

MLG-Stereo_test1	0.06 1	0.05 18	0.08 34	0.17 235	0.05 1	0.06 8	0.11 66	0.08 4	0.03 1	0.05 1	0.04 1	0.06 16	0.05 9	0.09 38	0.09 52	0.05 32	0.04 36	0.05 43	0.03 1	0.04 18	0.04 42

FoundationStereo	0.06 1	0.04 1	0.08 34	0.12 4	0.05 1	0.09 79	0.13 121	0.06 1	0.09 23	0.05 1	0.05 8	0.06 16	0.04 1	0.06 1	0.07 1	0.06 131	0.04 36	0.05 43	0.03 1	0.05 111	0.04 42

(5qrfij	0.07 4	0.05 18	0.08 34	0.14 34	0.05 1	0.11 182	0.09 22	0.11 29	0.09 23	0.07 31	0.07 39	0.07 62	0.06 35	0.09 38	0.10 134	0.04 11	0.03 1	0.04 1	0.03 1	0.04 18	0.04 42

*5drh	0.07 4	0.05 18	0.08 34	0.14 34	0.05 1	0.12 221	0.09 22	0.12 53	0.09 23	0.08 71	0.08 80	0.08 109	0.06 35	0.09 38	0.09 52	0.05 32	0.03 1	0.04 1	0.03 1	0.04 18	0.04 42

&5qef	0.07 4	0.05 18	0.08 34	0.14 34	0.05 1	0.10 129	0.10 41	0.11 29	0.09 23	0.06 9	0.08 80	0.07 62	0.07 115	0.09 38	0.09 52	0.05 32	0.03 1	0.04 1	0.03 1	0.05 111	0.04 42

#25fwe	0.07 4	0.05 18	0.10 124	0.13 13	0.06 26	0.10 129	0.08 8	0.11 29	0.12 98	0.08 71	0.08 80	0.07 62	0.06 35	0.11 122	0.09 52	0.05 32	0.03 1	0.04 1	0.03 1	0.05 111	0.05 136

#75ew	0.07 4	0.04 1	0.09 84	0.13 13	0.06 26	0.09 79	0.09 22	0.12 53	0.09 23	0.07 31	0.06 13	0.07 62	0.07 115	0.08 15	0.10 134	0.06 131	0.04 36	0.04 1	0.03 1	0.06 208	0.06 214

￥25erdr	0.07 4	0.06 65	0.08 34	0.15 87	0.05 1	0.11 182	0.10 41	0.12 53	0.12 98	0.08 71	0.09 104	0.08 109	0.06 35	0.10 74	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.04 18	0.03 1

$5dtd	0.07 4	0.05 18	0.07 6	0.14 34	0.05 1	0.10 129	0.09 22	0.11 29	0.11 72	0.08 71	0.08 80	0.07 62	0.06 35	0.12 206	0.09 52	0.05 32	0.03 1	0.04 1	0.03 1	0.05 111	0.04 42

#5drz	0.07 4	0.05 18	0.08 34	0.13 13	0.05 1	0.10 129	0.10 41	0.11 29	0.10 41	0.06 9	0.07 39	0.08 109	0.08 155	0.09 38	0.09 52	0.05 32	0.03 1	0.04 1	0.03 1	0.05 111	0.04 42

#wrr	0.07 4	0.05 18	0.09 84	0.13 13	0.06 26	0.09 79	0.10 41	0.11 29	0.11 72	0.07 31	0.07 39	0.07 62	0.06 35	0.09 38	0.09 52	0.06 131	0.04 36	0.04 1	0.03 1	0.05 111	0.05 136

$eesxe	0.07 4	0.06 65	0.08 34	0.14 34	0.05 1	0.09 79	0.09 22	0.15 122	0.10 41	0.07 31	0.04 1	0.07 62	0.05 9	0.08 15	0.10 134	0.05 32	0.03 1	0.04 1	0.03 1	0.04 18	0.04 42

^frffs	0.07 4	0.05 18	0.08 34	0.14 34	0.05 1	0.11 182	0.09 22	0.11 29	0.12 98	0.07 31	0.07 39	0.08 109	0.07 115	0.10 74	0.09 52	0.05 32	0.04 36	0.04 1	0.03 1	0.04 18	0.04 42

&EFD	0.07 4	0.06 65	0.09 84	0.14 34	0.05 1	0.12 221	0.10 41	0.12 53	0.10 41	0.08 71	0.07 39	0.07 62	0.07 115	0.08 15	0.09 52	0.05 32	0.03 1	0.04 1	0.03 1	0.04 18	0.04 42

*wqe	0.07 4	0.06 65	0.07 6	0.15 87	0.05 1	0.10 129	0.09 22	0.12 53	0.08 11	0.07 31	0.07 39	0.07 62	0.06 35	0.09 38	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.04 18	0.04 42

(q45	0.07 4	0.06 65	0.08 34	0.14 34	0.05 1	0.11 182	0.09 22	0.11 29	0.10 41	0.07 31	0.08 80	0.07 62	0.06 35	0.09 38	0.10 134	0.04 11	0.03 1	0.04 1	0.03 1	0.04 18	0.04 42

)tte	0.07 4	0.05 18	0.08 34	0.14 34	0.05 1	0.11 182	0.09 22	0.12 53	0.09 23	0.07 31	0.07 39	0.07 62	0.07 115	0.09 38	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.04 18	0.04 42

xxxyy	0.07 4	0.06 65	0.07 6	0.14 34	0.06 26	0.08 48	0.08 8	0.10 16	0.15 172	0.08 71	0.10 131	0.07 62	0.06 35	0.08 15	0.10 134	0.05 32	0.03 1	0.04 1	0.04 52	0.03 1	0.04 42

xtttt	0.07 4	0.06 65	0.07 6	0.14 34	0.06 26	0.08 48	0.08 8	0.10 16	0.15 172	0.08 71	0.10 131	0.07 62	0.06 35	0.08 15	0.10 134	0.05 32	0.03 1	0.04 1	0.04 52	0.03 1	0.04 42

rrrtt	0.07 4	0.06 65	0.07 6	0.15 87	0.06 26	0.10 129	0.07 3	0.12 53	0.11 72	0.08 71	0.06 13	0.07 62	0.06 35	0.11 122	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

asda	0.07 4	0.08 253	0.08 34	0.16 161	0.06 26	0.06 8	0.10 41	0.16 149	0.10 41	0.06 9	0.06 13	0.05 1	0.05 9	0.10 74	0.10 134	0.03 1	0.03 1	0.04 1	0.03 1	0.04 18	0.03 1

asd	0.07 4	0.08 253	0.07 6	0.16 161	0.07 90	0.08 48	0.08 8	0.11 29	0.08 11	0.07 31	0.07 39	0.06 16	0.06 35	0.10 74	0.09 52	0.03 1	0.03 1	0.04 1	0.04 52	0.04 18	0.03 1

qwe	0.07 4	0.08 253	0.07 6	0.15 87	0.06 26	0.07 27	0.10 41	0.18 214	0.11 72	0.07 31	0.07 39	0.06 16	0.06 35	0.10 74	0.09 52	0.03 1	0.03 1	0.04 1	0.04 52	0.04 18	0.03 1

2.25w	0.07 4	0.06 65	0.07 6	0.14 34	0.06 26	0.08 48	0.08 8	0.10 16	0.15 172	0.08 71	0.10 131	0.07 62	0.06 35	0.08 15	0.10 134	0.05 32	0.03 1	0.04 1	0.04 52	0.03 1	0.04 42

4.25_new	0.07 4	0.08 253	0.09 84	0.15 87	0.06 26	0.09 79	0.08 8	0.14 93	0.08 11	0.07 31	0.07 39	0.06 16	0.06 35	0.12 206	0.10 134	0.03 1	0.03 1	0.04 1	0.03 1	0.04 18	0.03 1

4.5w_new	0.07 4	0.08 253	0.09 84	0.15 87	0.06 26	0.09 79	0.08 8	0.14 93	0.08 11	0.07 31	0.07 39	0.06 16	0.06 35	0.12 206	0.10 134	0.03 1	0.03 1	0.04 1	0.03 1	0.04 18	0.03 1

4.5_new	0.07 4	0.09 327	0.08 34	0.15 87	0.07 90	0.06 8	0.10 41	0.14 93	0.11 72	0.06 9	0.08 80	0.06 16	0.06 35	0.08 15	0.10 134	0.03 1	0.03 1	0.04 1	0.04 52	0.04 18	0.03 1

4.5w-stereo	0.07 4	0.09 327	0.08 34	0.15 87	0.07 90	0.06 8	0.10 41	0.14 93	0.11 72	0.06 9	0.08 80	0.06 16	0.06 35	0.08 15	0.10 134	0.03 1	0.03 1	0.04 1	0.04 52	0.04 18	0.03 1

4.25w-stereo	0.07 4	0.08 253	0.09 84	0.15 87	0.06 26	0.09 79	0.08 8	0.14 93	0.08 11	0.07 31	0.07 39	0.06 16	0.06 35	0.12 206	0.10 134	0.03 1	0.03 1	0.04 1	0.03 1	0.04 18	0.03 1

4w-stereo	0.07 4	0.08 253	0.08 34	0.16 161	0.06 26	0.07 27	0.08 8	0.12 53	0.08 11	0.07 31	0.07 39	0.05 1	0.06 35	0.09 38	0.10 134	0.03 1	0.03 1	0.04 1	0.04 52	0.04 18	0.03 1

2.5w	0.07 4	0.07 156	0.07 6	0.16 161	0.06 26	0.08 48	0.12 83	0.10 16	0.10 41	0.07 31	0.06 13	0.09 140	0.06 35	0.08 15	0.09 52	0.04 11	0.03 1	0.04 1	0.04 52	0.03 1	0.03 1

2.75w_new	0.07 4	0.07 156	0.07 6	0.13 13	0.06 26	0.08 48	0.08 8	0.18 214	0.12 98	0.07 31	0.08 80	0.06 16	0.06 35	0.09 38	0.11 204	0.04 11	0.04 36	0.04 1	0.03 1	0.03 1	0.04 42

3.25w_new	0.07 4	0.06 65	0.07 6	0.15 87	0.06 26	0.10 129	0.07 3	0.12 53	0.11 72	0.08 71	0.06 13	0.07 62	0.06 35	0.11 122	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 65	0.07 6	0.15 87	0.06 26	0.10 129	0.07 3	0.12 53	0.11 72	0.08 71	0.06 13	0.07 62	0.06 35	0.11 122	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	0.07 156	0.08 34	0.16 161	0.07 90	0.07 27	0.09 22	0.16 149	0.09 23	0.07 31	0.06 13	0.05 1	0.06 35	0.09 38	0.10 134	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 156	0.07 6	0.15 87	0.07 90	0.09 79	0.06 1	0.13 76	0.11 72	0.07 31	0.07 39	0.06 16	0.07 115	0.10 74	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

1w_stereo	0.07 4	0.06 65	0.07 6	0.16 161	0.06 26	0.07 27	0.10 41	0.14 93	0.14 156	0.07 31	0.08 80	0.05 1	0.06 35	0.09 38	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 42

monsterstereo	0.07 4	0.06 65	0.06 2	0.16 161	0.06 26	0.08 48	0.10 41	0.16 149	0.11 72	0.07 31	0.08 80	0.06 16	0.07 115	0.08 15	0.09 52	0.04 11	0.04 36	0.05 43	0.04 52	0.03 1	0.03 1

monsters	0.07 4	0.06 65	0.06 2	0.15 87	0.06 26	0.08 48	0.09 22	0.12 53	0.08 11	0.09 111	0.07 39	0.06 16	0.06 35	0.08 15	0.08 17	0.05 32	0.04 36	0.04 1	0.04 52	0.03 1	0.03 1

IGEV	0.07 4	0.04 1	0.08 34	0.13 13	0.06 26	0.09 79	0.12 83	0.14 93	0.10 41	0.06 9	0.09 104	0.07 62	0.05 9	0.09 38	0.09 52	0.06 131	0.04 36	0.05 43	0.04 52	0.05 111	0.04 42

111111	0.07 4	0.04 1	0.09 84	0.17 235	0.06 26	0.05 4	0.10 41	0.11 29	0.09 23	0.06 9	0.06 13	0.07 62	0.05 9	0.09 38	0.09 52	0.06 131	0.04 36	0.05 43	0.04 52	0.07 274	0.06 214

LG-Stereo_L2	0.07 4	0.05 18	0.10 124	0.14 34	0.06 26	0.07 27	0.12 83	0.09 11	0.09 23	0.06 9	0.04 1	0.05 1	0.05 9	0.08 15	0.08 17	0.05 32	0.04 36	0.05 43	0.03 1	0.04 18	0.03 1

LG-Stereo_L1	0.07 4	0.05 18	0.11 166	0.14 34	0.06 26	0.07 27	0.13 121	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 32	0.04 36	0.05 43	0.03 1	0.04 18	0.04 42

MLG-Stereo_test3	0.07 4	0.05 18	0.10 124	0.14 34	0.06 26	0.07 27	0.11 66	0.08 4	0.06 4	0.06 9	0.04 1	0.06 16	0.06 35	0.07 4	0.10 134	0.06 131	0.04 36	0.05 43	0.04 52	0.05 111	0.06 214

MLG-Stereo	0.07 4	0.05 18	0.08 34	0.17 235	0.05 1	0.07 27	0.11 66	0.08 4	0.04 2	0.05 1	0.04 1	0.06 16	0.05 9	0.10 74	0.09 52	0.05 32	0.04 36	0.05 43	0.03 1	0.04 18	0.04 42

LG-G_1	0.07 4	0.04 1	0.11 166	0.15 87	0.06 26	0.09 79	0.08 8	0.08 4	0.06 4	0.06 9	0.05 8	0.07 62	0.07 115	0.11 122	0.08 17	0.07 255	0.04 36	0.05 43	0.04 52	0.05 111	0.05 136

LG-G	0.07 4	0.04 1	0.11 166	0.15 87	0.06 26	0.09 79	0.08 8	0.08 4	0.06 4	0.06 9	0.05 8	0.07 62	0.07 115	0.11 122	0.08 17	0.07 255	0.04 36	0.05 43	0.04 52	0.05 111	0.05 136

LGtest1	0.07 4	0.04 1	0.10 124	0.15 87	0.06 26	0.07 27	0.09 22	0.08 4	0.06 4	0.05 1	0.04 1	0.06 16	0.06 35	0.10 74	0.09 52	0.07 255	0.04 36	0.05 43	0.04 52	0.06 208	0.06 214

LG-Stereo_Zeroshot	0.07 4	0.06 65	0.10 124	0.16 161	0.07 90	0.04 1	0.13 121	0.10 16	0.10 41	0.05 1	0.11 163	0.07 62	0.05 9	0.07 4	0.09 52	0.06 131	0.04 36	0.05 43	0.04 52	0.05 111	0.04 42

GREAT-IGEV	0.07 4	0.06 65	0.08 34	0.13 13	0.07 90	0.07 27	0.14 169	0.09 11	0.09 23	0.06 9	0.07 39	0.06 16	0.05 9	0.10 74	0.07 1	0.05 32	0.04 36	0.05 43	0.04 52	0.05 111	0.04 42

StereoAnything_RVC	0.07 4	0.15 474	0.17 392	0.11 1	0.05 1	0.05 4	0.11 66	0.08 4	0.08 11	0.06 9	0.06 13	0.05 1	0.05 9	0.09 38	0.08 17	0.08 315	0.04 36	0.05 43	0.03 1	0.05 111	0.04 42

AIO_rvc	0.07 4	0.06 65	0.08 34	0.15 87	0.06 26	0.08 48	0.14 169	0.09 11	0.08 11	0.07 31	0.08 80	0.07 62	0.04 1	0.10 74	0.08 17	0.05 32	0.04 36	0.05 43	0.04 52	0.04 18	0.03 1

AIO_test	0.07 4	0.05 18	0.07 6	0.15 87	0.07 90	0.06 8	0.14 169	0.10 16	0.10 41	0.07 31	0.07 39	0.06 16	0.05 9	0.08 15	0.10 134	0.05 32	0.04 36	0.05 43	0.04 52	0.04 18	0.03 1

MonSter	0.07 4	0.06 65	0.05 1	0.15 87	0.05 1	0.07 27	0.10 41	0.15 122	0.15 172	0.05 1	0.06 13	0.05 1	0.06 35	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 18	0.07 6	0.14 34	0.06 26	0.10 129	0.13 121	0.07 2	0.13 132	0.06 9	0.07 39	0.06 16	0.05 9	0.10 74	0.09 52	0.04 11	0.04 36	0.05 43	0.03 1	0.04 18	0.04 42

dual_stereo	0.07 4	0.04 1	0.08 34	0.15 87	0.05 1	0.05 4	0.13 121	0.12 53	0.08 11	0.07 31	0.06 13	0.05 1	0.05 9	0.07 4	0.09 52	0.06 131	0.04 36	0.05 43	0.03 1	0.04 18	0.04 42

IGEV-Stereo++	0.07 4	0.06 65	0.08 34	0.18 316	0.06 26	0.04 1	0.10 41	0.11 29	0.11 72	0.06 9	0.07 39	0.07 62	0.06 35	0.09 38	0.09 52	0.05 32	0.04 36	0.05 43	0.04 52	0.05 111	0.04 42

IGEV-Stereo+	0.07 4	0.04 1	0.08 34	0.15 87	0.06 26	0.04 1	0.09 22	0.10 16	0.09 23	0.06 9	0.06 13	0.06 16	0.06 35	0.06 1	0.08 17	0.06 131	0.04 36	0.05 43	0.04 52	0.06 208	0.06 214

Selective-IGEV	0.07 4	0.06 65	0.08 34	0.17 235	0.06 26	0.08 48	0.12 83	0.13 76	0.07 8	0.08 71	0.07 39	0.06 16	0.04 1	0.10 74	0.09 52	0.05 32	0.04 36	0.05 43	0.04 52	0.04 18	0.03 1

@esxe	0.08 61	0.06 65	0.09 84	0.14 34	0.06 26	0.10 129	0.10 41	0.13 76	0.17 220	0.08 71	0.08 80	0.08 109	0.08 155	0.09 38	0.09 52	0.05 32	0.04 36	0.04 1	0.03 1	0.04 18	0.04 42

%deaf	0.08 61	0.05 18	0.09 84	0.14 34	0.05 1	0.10 129	0.09 22	0.11 29	0.10 41	0.08 71	0.07 39	0.08 109	0.08 155	0.11 122	0.10 134	0.05 32	0.04 36	0.04 1	0.03 1	0.05 111	0.05 136

S2M2_XL	0.08 61	0.06 65	0.12 201	0.12 4	0.08 145	0.09 79	0.09 22	0.07 2	0.07 8	0.08 71	0.07 39	0.07 62	0.06 35	0.09 38	0.09 52	0.08 315	0.06 322	0.07 211	0.05 124	0.08 336	0.06 214

3w_stereo	0.08 61	0.09 327	0.10 124	0.17 235	0.07 90	0.08 48	0.10 41	0.20 246	0.13 132	0.06 9	0.07 39	0.05 1	0.06 35	0.08 15	0.09 52	0.03 1	0.03 1	0.04 1	0.03 1	0.04 18	0.03 1

2w_stereo	0.08 61	0.08 253	0.09 84	0.16 161	0.06 26	0.08 48	0.10 41	0.20 246	0.15 172	0.08 71	0.07 39	0.06 16	0.06 35	0.06 1	0.09 52	0.04 11	0.03 1	0.04 1	0.04 52	0.03 1	0.03 1

LG-Stereo	0.08 61	0.07 156	0.10 124	0.18 316	0.07 90	0.10 129	0.17 333	0.11 29	0.08 11	0.05 1	0.07 39	0.05 1	0.07 115	0.09 38	0.09 52	0.04 11	0.05 202	0.07 211	0.07 289	0.04 18	0.04 42

SGD-Stereo	0.08 61	0.05 18	0.10 124	0.14 34	0.05 1	0.12 221	0.12 83	0.11 29	0.12 98	0.07 31	0.09 104	0.09 140	0.09 184	0.08 15	0.08 17	0.06 131	0.04 36	0.05 43	0.04 52	0.05 111	0.03 1

HART	0.08 61	0.07 156	0.09 84	0.17 235	0.07 90	0.10 129	0.16 300	0.13 76	0.11 72	0.08 71	0.10 131	0.07 62	0.05 9	0.10 74	0.08 17	0.05 32	0.04 36	0.06 119	0.04 52	0.05 111	0.04 42

Reg-Stereo(zero)	0.08 61	0.05 18	0.08 34	0.16 161	0.06 26	0.12 221	0.11 66	0.15 122	0.10 41	0.12 208	0.09 104	0.10 171	0.08 155	0.11 122	0.08 17	0.06 131	0.04 36	0.05 43	0.04 52	0.04 18	0.05 136

SCV_C0	0.08 61	0.07 156	0.07 6	0.16 161	0.09 255	0.08 48	0.15 235	0.11 29	0.12 98	0.08 71	0.07 39	0.06 16	0.05 9	0.11 122	0.07 1	0.05 32	0.05 202	0.05 43	0.04 52	0.06 208	0.05 136

SCV	0.08 61	0.09 327	0.08 34	0.15 87	0.08 145	0.10 129	0.13 121	0.10 16	0.12 98	0.07 31	0.07 39	0.06 16	0.04 1	0.09 38	0.08 17	0.05 32	0.04 36	0.06 119	0.04 52	0.06 208	0.04 42

DEFOM-Stereo_RVC	0.08 61	0.06 65	0.09 84	0.22 465	0.06 26	0.08 48	0.12 83	0.10 16	0.10 41	0.07 31	0.07 39	0.06 16	0.05 9	0.11 122	0.09 52	0.06 131	0.04 36	0.05 43	0.03 1	0.06 208	0.04 42

HUF	0.08 61	0.05 18	0.08 34	0.14 34	0.06 26	0.09 79	0.13 121	0.13 76	0.13 132	0.07 31	0.07 39	0.08 109	0.06 35	0.10 74	0.09 52	0.06 131	0.04 36	0.05 43	0.04 52	0.05 111	0.04 42

castereo++	0.08 61	0.05 18	0.08 34	0.15 87	0.05 1	0.14 294	0.12 83	0.11 29	0.15 172	0.07 31	0.07 39	0.07 62	0.06 35	0.08 15	0.08 17	0.06 131	0.04 36	0.05 43	0.04 52	0.04 18	0.03 1

IGEV-RUCA	0.08 61	0.06 65	0.11 166	0.14 34	0.09 255	0.10 129	0.12 83	0.10 16	0.12 98	0.06 9	0.07 39	0.07 62	0.06 35	0.09 38	0.08 17	0.06 131	0.05 202	0.05 43	0.04 52	0.05 111	0.06 214

GIP-stereo	0.08 61	0.06 65	0.11 166	0.14 34	0.06 26	0.09 79	0.13 121	0.14 93	0.11 72	0.07 31	0.08 80	0.05 1	0.04 1	0.10 74	0.07 1	0.05 32	0.04 36	0.05 43	0.04 52	0.05 111	0.04 42

SMoEStereo_RVC	0.08 61	0.06 65	0.12 201	0.16 161	0.07 90	0.09 79	0.14 169	0.11 29	0.13 132	0.09 111	0.07 39	0.07 62	0.07 115	0.12 206	0.10 134	0.05 32	0.04 36	0.06 119	0.05 124	0.04 18	0.04 42

WCG-NET	0.08 61	0.05 18	0.09 84	0.15 87	0.06 26	0.11 182	0.14 169	0.13 76	0.13 132	0.06 9	0.09 104	0.07 62	0.06 35	0.13 251	0.08 17	0.05 32	0.04 36	0.05 43	0.04 52	0.04 18	0.03 1

Occ-G	0.08 61	0.05 18	0.06 2	0.14 34	0.07 90	0.08 48	0.14 169	0.13 76	0.15 172	0.07 31	0.11 163	0.07 62	0.05 9	0.09 38	0.10 134	0.06 131	0.05 202	0.05 43	0.04 52	0.05 111	0.05 136

U	0.08 61	0.07 156	0.09 84	0.19 372	0.10 356	0.10 129	0.13 121	0.12 53	0.17 220	0.07 31	0.07 39	0.06 16	0.05 9	0.07 4	0.08 17	0.06 131	0.04 36	0.06 119	0.04 52	0.06 208	0.05 136

AIO-Stereo	0.08 61	0.06 65	0.09 84	0.18 316	0.06 26	0.08 48	0.12 83	0.15 122	0.09 23	0.08 71	0.08 80	0.07 62	0.05 9	0.11 122	0.08 17	0.05 32	0.05 202	0.05 43	0.04 52	0.04 18	0.04 42

WCG-NET（raft）	0.08 61	0.05 18	0.10 124	0.15 87	0.06 26	0.11 182	0.13 121	0.15 122	0.12 98	0.08 71	0.07 39	0.06 16	0.06 35	0.13 251	0.08 17	0.05 32	0.04 36	0.05 43	0.04 52	0.04 18	0.04 42

RSM++	0.08 61	0.06 65	0.09 84	0.17 235	0.07 90	0.09 79	0.12 83	0.11 29	0.11 72	0.08 71	0.06 13	0.07 62	0.05 9	0.10 74	0.09 52	0.04 11	0.04 36	0.06 119	0.05 124	0.05 111	0.03 1

RSM	0.08 61	0.06 65	0.09 84	0.17 235	0.06 26	0.08 48	0.12 83	0.12 53	0.10 41	0.08 71	0.07 39	0.06 16	0.05 9	0.11 122	0.09 52	0.04 11	0.04 36	0.05 43	0.04 52	0.04 18	0.03 1

trnet	0.08 61	0.05 18	0.07 6	0.12 4	0.05 1	0.12 221	0.11 66	0.13 76	0.10 41	0.08 71	0.13 190	0.09 140	0.08 155	0.11 122	0.10 134	0.08 315	0.05 202	0.05 43	0.03 1	0.06 208	0.05 136

MoCha-V2	0.08 61	0.05 18	0.10 124	0.20 421	0.07 90	0.09 79	0.14 169	0.11 29	0.08 11	0.07 31	0.08 80	0.07 62	0.06 35	0.09 38	0.08 17	0.05 32	0.04 36	0.05 43	0.04 52	0.04 18	0.04 42

IGEV++	0.08 61	0.06 65	0.08 34	0.18 316	0.07 90	0.09 79	0.13 121	0.10 16	0.09 23	0.08 71	0.08 80	0.06 16	0.06 35	0.13 251	0.09 52	0.05 32	0.04 36	0.05 43	0.04 52	0.05 111	0.04 42

testlalala	0.08 61	0.07 156	0.17 392	0.16 161	0.08 145	0.09 79	0.12 83	0.15 122	0.10 41	0.07 31	0.09 104	0.06 16	0.06 35	0.11 122	0.09 52	0.05 32	0.04 36	0.06 119	0.04 52	0.04 18	0.04 42

AEACV	0.08 61	0.05 18	0.08 34	0.14 34	0.13 455	0.14 294	0.13 121	0.14 93	0.09 23	0.07 31	0.09 104	0.07 62	0.08 155	0.10 74	0.09 52	0.06 131	0.04 36	0.06 119	0.05 124	0.05 111	0.04 42

LoS_RVC	0.08 61	0.05 18	0.07 6	0.15 87	0.07 90	0.08 48	0.15 235	0.11 29	0.10 41	0.08 71	0.09 104	0.06 16	0.09 184	0.10 74	0.09 52	0.05 32	0.04 36	0.05 43	0.03 1	0.04 18	0.03 1

CAS	0.08 61	0.04 1	0.07 6	0.17 235	0.08 145	0.10 129	0.13 121	0.12 53	0.09 23	0.09 111	0.10 131	0.08 109	0.06 35	0.09 38	0.08 17	0.08 315	0.04 36	0.05 43	0.03 1	0.05 111	0.04 42

CES	0.08 61	0.04 1	0.08 34	0.14 34	0.07 90	0.09 79	0.14 169	0.11 29	0.09 23	0.08 71	0.09 104	0.11 192	0.06 35	0.12 206	0.08 17	0.06 131	0.04 36	0.05 43	0.03 1	0.05 111	0.05 136

EGLCR-Stereo	0.08 61	0.05 18	0.08 34	0.14 34	0.06 26	0.10 129	0.12 83	0.11 29	0.16 201	0.06 9	0.05 8	0.07 62	0.05 9	0.10 74	0.11 204	0.06 131	0.04 36	0.06 119	0.05 124	0.04 18	0.04 42

MC-Stereo	0.08 61	0.06 65	0.09 84	0.17 235	0.06 26	0.10 129	0.14 169	0.12 53	0.10 41	0.09 111	0.12 176	0.09 140	0.06 35	0.11 122	0.10 134	0.06 131	0.04 36	0.06 119	0.05 124	0.04 18	0.04 42

test-3	0.08 61	0.06 65	0.09 84	0.17 235	0.07 90	0.07 27	0.14 169	0.12 53	0.15 172	0.09 111	0.08 80	0.07 62	0.08 155	0.11 122	0.10 134	0.05 32	0.04 36	0.07 211	0.05 124	0.04 18	0.04 42

test_1	0.08 61	0.06 65	0.09 84	0.17 235	0.07 90	0.07 27	0.14 169	0.12 53	0.15 172	0.09 111	0.08 80	0.07 62	0.08 155	0.11 122	0.10 134	0.05 32	0.04 36	0.07 211	0.05 124	0.04 18	0.04 42

CREStereo++_RVC	0.08 61	0.04 1	0.06 2	0.13 13	0.07 90	0.09 79	0.12 83	0.14 93	0.14 156	0.10 143	0.14 204	0.08 109	0.07 115	0.09 38	0.11 204	0.06 131	0.04 36	0.05 43	0.05 124	0.04 18	0.04 42
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
water-stereo	0.09 98	0.06 65	0.08 34	0.16 161	0.07 90	0.09 79	0.13 121	0.15 122	0.13 132	0.11 170	0.12 176	0.08 109	0.09 184	0.07 4	0.08 17	0.06 131	0.05 202	0.05 43	0.05 124	0.04 18	0.04 42

depthmonostereo	0.09 98	0.06 65	0.09 84	0.15 87	0.06 26	0.10 129	0.13 121	0.14 93	0.14 156	0.10 143	0.10 131	0.09 140	0.11 241	0.08 15	0.09 52	0.06 131	0.05 202	0.06 119	0.04 52	0.04 18	0.03 1

DilatedVolume-Stereo	0.09 98	0.05 18	0.08 34	0.15 87	0.06 26	0.11 182	0.12 83	0.14 93	0.16 201	0.11 170	0.11 163	0.09 140	0.09 184	0.11 122	0.10 134	0.06 131	0.05 202	0.05 43	0.04 52	0.03 1	0.03 1

S2M2	0.09 98	0.08 253	0.11 166	0.13 13	0.10 356	0.08 48	0.06 1	0.10 16	0.10 41	0.10 143	0.09 104	0.10 171	0.09 184	0.11 122	0.11 204	0.13 485	0.07 392	0.08 293	0.09 397	0.10 428	0.08 359

MM-Stereo_test2	0.09 98	0.06 65	0.09 84	0.19 372	0.08 145	0.12 221	0.18 378	0.15 122	0.14 156	0.07 31	0.10 131	0.07 62	0.06 35	0.12 206	0.09 52	0.05 32	0.04 36	0.06 119	0.05 124	0.05 111	0.03 1

castereo	0.09 98	0.06 65	0.11 166	0.15 87	0.06 26	0.11 182	0.15 235	0.14 93	0.18 247	0.08 71	0.10 131	0.11 192	0.08 155	0.09 38	0.10 134	0.05 32	0.04 36	0.05 43	0.04 52	0.04 18	0.03 1

fffft	0.09 98	0.06 65	0.12 201	0.16 161	0.07 90	0.09 79	0.17 333	0.12 53	0.11 72	0.08 71	0.07 39	0.09 140	0.06 35	0.11 122	0.12 252	0.05 32	0.04 36	0.06 119	0.05 124	0.04 18	0.05 136
1: 1. 1
tt45	0.09 98	0.06 65	0.11 166	0.15 87	0.07 90	0.11 182	0.16 300	0.13 76	0.11 72	0.09 111	0.06 13	0.08 109	0.06 35	0.13 251	0.10 134	0.06 131	0.04 36	0.06 119	0.05 124	0.05 111	0.06 214

999	0.09 98	0.05 18	0.13 246	0.15 87	0.08 145	0.10 129	0.14 169	0.15 122	0.11 72	0.10 143	0.08 80	0.08 109	0.08 155	0.16 332	0.10 134	0.06 131	0.04 36	0.06 119	0.05 124	0.04 18	0.05 136

mms	0.09 98	0.07 156	0.08 34	0.16 161	0.08 145	0.10 129	0.16 300	0.12 53	0.11 72	0.08 71	0.09 104	0.08 109	0.06 35	0.11 122	0.12 252	0.05 32	0.04 36	0.07 211	0.05 124	0.04 18	0.03 1

ours_stereo	0.09 98	0.07 156	0.09 84	0.17 235	0.08 145	0.11 182	0.16 300	0.11 29	0.12 98	0.08 71	0.10 131	0.08 109	0.06 35	0.12 206	0.12 252	0.05 32	0.04 36	0.06 119	0.05 124	0.04 18	0.03 1

fffy	0.09 98	0.08 253	0.09 84	0.16 161	0.07 90	0.13 262	0.17 333	0.13 76	0.12 98	0.08 71	0.09 104	0.08 109	0.09 184	0.13 251	0.11 204	0.05 32	0.05 202	0.07 211	0.05 124	0.04 18	0.05 136

PAM_32	0.09 98	0.05 18	0.17 392	0.15 87	0.08 145	0.10 129	0.15 235	0.14 93	0.15 172	0.09 111	0.08 80	0.09 140	0.07 115	0.14 276	0.08 17	0.06 131	0.05 202	0.06 119	0.06 202	0.05 111	0.06 214

UGAM-zero	0.09 98	0.05 18	0.15 330	0.15 87	0.08 145	0.09 79	0.13 121	0.19 235	0.15 172	0.11 170	0.15 221	0.07 62	0.07 115	0.09 38	0.09 52	0.06 131	0.05 202	0.06 119	0.05 124	0.05 111	0.06 214

GCAP-BAT	0.09 98	0.07 156	0.14 281	0.15 87	0.08 145	0.10 129	0.13 121	0.14 93	0.10 41	0.11 170	0.10 131	0.08 109	0.07 115	0.12 206	0.10 134	0.06 131	0.05 202	0.06 119	0.04 52	0.04 18	0.04 42

Pointernet	0.09 98	0.04 1	0.09 84	0.16 161	0.08 145	0.13 262	0.10 41	0.15 122	0.17 220	0.09 111	0.07 39	0.06 16	0.06 35	0.11 122	0.09 52	0.08 315	0.04 36	0.05 43	0.03 1	0.06 208	0.05 136

IGEV-BASED-STEREO-	0.09 98	0.10 385	0.31 497	0.15 87	0.06 26	0.08 48	0.14 169	0.10 16	0.10 41	0.07 31	0.07 39	0.06 16	0.04 1	0.11 122	0.07 1	0.12 462	0.04 36	0.07 211	0.05 124	0.05 111	0.05 136

RAFT-Stereo-weight	0.09 98	0.06 65	0.10 124	0.16 161	0.07 90	0.09 79	0.14 169	0.19 235	0.16 201	0.11 170	0.10 131	0.08 109	0.06 35	0.10 74	0.11 204	0.06 131	0.04 36	0.06 119	0.04 52	0.04 18	0.04 42

gcap-zeroshot	0.09 98	0.05 18	0.10 124	0.16 161	0.07 90	0.13 262	0.13 121	0.11 29	0.12 98	0.13 235	0.12 176	0.09 140	0.08 155	0.09 38	0.09 52	0.06 131	0.05 202	0.06 119	0.05 124	0.04 18	0.04 42

test_for_model	0.09 98	0.12 427	0.14 281	0.23 485	0.11 403	0.08 48	0.13 121	0.12 53	0.12 98	0.10 143	0.07 39	0.07 62	0.06 35	0.11 122	0.10 134	0.06 131	0.05 202	0.05 43	0.03 1	0.07 274	0.04 42

MGS-Stereo	0.09 98	0.07 156	0.12 201	0.15 87	0.08 145	0.09 79	0.15 235	0.12 53	0.12 98	0.07 31	0.10 131	0.08 109	0.06 35	0.10 74	0.09 52	0.05 32	0.04 36	0.06 119	0.05 124	0.06 208	0.05 136

ff7	0.09 98	0.07 156	0.11 166	0.16 161	0.09 255	0.11 182	0.15 235	0.16 149	0.12 98	0.10 143	0.06 13	0.06 16	0.06 35	0.11 122	0.09 52	0.05 32	0.04 36	0.06 119	0.05 124	0.05 111	0.06 214

IGEVStereo-DCA	0.09 98	0.06 65	0.11 166	0.15 87	0.10 356	0.11 182	0.15 235	0.16 149	0.12 98	0.10 143	0.06 13	0.08 109	0.06 35	0.10 74	0.08 17	0.06 131	0.05 202	0.06 119	0.05 124	0.05 111	0.06 214

ffff	0.09 98	0.07 156	0.11 166	0.16 161	0.09 255	0.11 182	0.15 235	0.16 149	0.12 98	0.10 143	0.06 13	0.06 16	0.06 35	0.11 122	0.09 52	0.05 32	0.04 36	0.06 119	0.05 124	0.05 111	0.06 214

rrr	0.09 98	0.06 65	0.12 201	0.15 87	0.10 356	0.11 182	0.16 300	0.16 149	0.15 172	0.10 143	0.06 13	0.08 109	0.06 35	0.10 74	0.08 17	0.06 131	0.05 202	0.06 119	0.05 124	0.05 111	0.06 214

11t	0.09 98	0.07 156	0.11 166	0.16 161	0.09 255	0.11 182	0.15 235	0.16 149	0.12 98	0.10 143	0.06 13	0.06 16	0.06 35	0.11 122	0.09 52	0.05 32	0.04 36	0.06 119	0.05 124	0.05 111	0.06 214

MaDis-Stereo	0.09 98	0.09 327	0.08 34	0.17 235	0.09 255	0.13 262	0.10 41	0.16 149	0.16 201	0.09 111	0.11 163	0.06 16	0.06 35	0.09 38	0.13 293	0.07 255	0.06 322	0.07 211	0.05 124	0.05 111	0.04 42

IGEV_Zeroshot_test	0.09 98	0.05 18	0.12 201	0.13 13	0.08 145	0.12 221	0.13 121	0.17 185	0.11 72	0.10 143	0.06 13	0.09 140	0.06 35	0.11 122	0.09 52	0.06 131	0.04 36	0.06 119	0.06 202	0.05 111	0.05 136

MSKI-zero shot	0.09 98	0.05 18	0.09 84	0.15 87	0.07 90	0.10 129	0.13 121	0.14 93	0.13 132	0.09 111	0.09 104	0.09 140	0.06 35	0.12 206	0.10 134	0.06 131	0.04 36	0.05 43	0.04 52	0.04 18	0.04 42

UniTT-Stereo	0.09 98	0.07 156	0.08 34	0.18 316	0.08 145	0.13 262	0.11 66	0.12 53	0.11 72	0.10 143	0.12 176	0.05 1	0.07 115	0.09 38	0.09 52	0.07 255	0.05 202	0.05 43	0.05 124	0.05 111	0.05 136

MIM_Stereo	0.09 98	0.07 156	0.11 166	0.15 87	0.07 90	0.06 8	0.12 83	0.20 246	0.14 156	0.13 235	0.13 190	0.09 140	0.05 9	0.12 206	0.08 17	0.05 32	0.06 322	0.07 211	0.06 202	0.06 208	0.05 136

CASnet	0.09 98	0.09 327	0.09 84	0.19 372	0.06 26	0.07 27	0.11 66	0.18 214	0.14 156	0.11 170	0.10 131	0.09 140	0.07 115	0.10 74	0.10 134	0.06 131	0.04 36	0.10 417	0.08 353	0.05 111	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 98	0.07 156	0.13 246	0.18 316	0.06 26	0.11 182	0.07 3	0.13 76	0.12 98	0.09 111	0.10 131	0.07 62	0.09 184	0.13 251	0.10 134	0.06 131	0.05 202	0.05 43	0.04 52	0.04 18	0.05 136

RAFT-Test	0.09 98	0.06 65	0.10 124	0.15 87	0.07 90	0.11 182	0.15 235	0.16 149	0.13 132	0.09 111	0.10 131	0.10 171	0.09 184	0.12 206	0.09 52	0.06 131	0.04 36	0.05 43	0.04 52	0.04 18	0.05 136

HH	0.09 98	0.06 65	0.13 246	0.17 235	0.08 145	0.10 129	0.16 300	0.14 93	0.10 41	0.08 71	0.09 104	0.08 109	0.07 115	0.10 74	0.09 52	0.06 131	0.04 36	0.06 119	0.05 124	0.05 111	0.04 42

HanStereo	0.09 98	0.06 65	0.13 246	0.17 235	0.08 145	0.10 129	0.16 300	0.14 93	0.10 41	0.08 71	0.09 104	0.08 109	0.07 115	0.10 74	0.09 52	0.06 131	0.04 36	0.06 119	0.05 124	0.05 111	0.04 42

4D-IteraStereo	0.09 98	0.07 156	0.10 124	0.18 316	0.07 90	0.09 79	0.15 235	0.17 185	0.15 172	0.10 143	0.11 163	0.10 171	0.07 115	0.11 122	0.09 52	0.05 32	0.03 1	0.08 293	0.07 289	0.06 208	0.05 136

anonymousdsp	0.09 98	0.07 156	0.11 166	0.16 161	0.09 255	0.11 182	0.15 235	0.16 149	0.12 98	0.09 111	0.06 13	0.06 16	0.06 35	0.11 122	0.09 52	0.05 32	0.04 36	0.06 119	0.05 124	0.05 111	0.06 214

LoS	0.09 98	0.05 18	0.11 166	0.13 13	0.07 90	0.14 294	0.11 66	0.15 122	0.15 172	0.09 111	0.09 104	0.12 209	0.09 184	0.15 298	0.10 134	0.07 255	0.05 202	0.05 43	0.03 1	0.05 111	0.05 136
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 98	0.07 156	0.10 124	0.17 235	0.08 145	0.10 129	0.15 235	0.15 122	0.12 98	0.09 111	0.06 13	0.07 62	0.06 35	0.11 122	0.09 52	0.05 32	0.04 36	0.06 119	0.05 124	0.04 18	0.06 214

RCA-Stereo	0.09 98	0.06 65	0.09 84	0.16 161	0.06 26	0.09 79	0.13 121	0.18 214	0.14 156	0.09 111	0.10 131	0.08 109	0.07 115	0.12 206	0.11 204	0.06 131	0.04 36	0.06 119	0.05 124	0.05 111	0.04 42

CroCo-Stereo Lap2	0.09 98	0.09 327	0.08 34	0.22 465	0.09 255	0.09 79	0.19 416	0.16 149	0.12 98	0.09 111	0.10 131	0.05 1	0.05 9	0.08 15	0.08 17	0.06 131	0.06 322	0.07 211	0.05 124	0.05 111	0.05 136

ccc-4	0.09 98	0.07 156	0.11 166	0.16 161	0.09 255	0.11 182	0.15 235	0.16 149	0.12 98	0.10 143	0.06 13	0.06 16	0.06 35	0.11 122	0.09 52	0.05 32	0.04 36	0.06 119	0.05 124	0.05 111	0.06 214

IGEV-Stereo	0.09 98	0.07 156	0.11 166	0.16 161	0.09 255	0.11 182	0.15 235	0.16 149	0.12 98	0.09 111	0.06 13	0.06 16	0.06 35	0.11 122	0.09 52	0.05 32	0.04 36	0.06 119	0.05 124	0.05 111	0.06 214
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 98	0.05 18	0.13 246	0.14 34	0.08 145	0.12 221	0.15 235	0.18 214	0.10 41	0.11 170	0.08 80	0.08 109	0.05 9	0.10 74	0.09 52	0.06 131	0.04 36	0.06 119	0.05 124	0.06 208	0.05 136

TRStereo	0.09 98	0.05 18	0.12 201	0.15 87	0.12 434	0.10 129	0.13 121	0.18 214	0.18 247	0.09 111	0.09 104	0.09 140	0.06 35	0.10 74	0.08 17	0.07 255	0.05 202	0.07 211	0.07 289	0.04 18	0.04 42

AnonymousM	0.09 98	0.05 18	0.10 124	0.14 34	0.06 26	0.09 79	0.13 121	0.19 235	0.14 156	0.13 235	0.11 163	0.09 140	0.08 155	0.13 251	0.10 134	0.08 315	0.05 202	0.08 293	0.05 124	0.05 111	0.05 136

CroCo-Stereo	0.09 98	0.08 253	0.08 34	0.22 465	0.09 255	0.09 79	0.19 416	0.15 122	0.12 98	0.07 31	0.07 39	0.08 109	0.06 35	0.08 15	0.07 1	0.07 255	0.05 202	0.06 119	0.04 52	0.05 111	0.04 42
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
s12784h	0.09 98	0.06 65	0.07 6	0.15 87	0.05 1	0.16 350	0.18 378	0.15 122	0.15 172	0.10 143	0.11 163	0.11 192	0.11 241	0.10 74	0.12 252	0.05 32	0.04 36	0.05 43	0.04 52	0.04 18	0.04 42

TANstereo	0.09 98	0.04 1	0.08 34	0.13 13	0.06 26	0.11 182	0.14 169	0.15 122	0.19 262	0.11 170	0.15 221	0.10 171	0.06 35	0.12 206	0.09 52	0.07 255	0.05 202	0.05 43	0.04 52	0.06 208	0.05 136

XX-TBD	0.09 98	0.06 65	0.07 6	0.14 34	0.07 90	0.12 221	0.16 300	0.14 93	0.13 132	0.11 170	0.12 176	0.09 140	0.08 155	0.10 74	0.10 134	0.06 131	0.04 36	0.05 43	0.03 1	0.06 208	0.05 136

raftrobust	0.09 98	0.06 65	0.10 124	0.17 235	0.08 145	0.09 79	0.10 41	0.18 214	0.16 201	0.10 143	0.09 104	0.12 209	0.07 115	0.12 206	0.10 134	0.08 315	0.05 202	0.06 119	0.05 124	0.05 111	0.05 136

XX-Stereo	0.09 98	0.05 18	0.08 34	0.17 235	0.09 255	0.15 320	0.12 83	0.20 246	0.10 41	0.10 143	0.14 204	0.07 62	0.06 35	0.12 206	0.08 17	0.06 131	0.05 202	0.06 119	0.06 202	0.04 18	0.04 42

test_xeample3	0.09 98	0.06 65	0.12 201	0.16 161	0.09 255	0.11 182	0.15 235	0.16 149	0.13 132	0.10 143	0.06 13	0.08 109	0.06 35	0.10 74	0.09 52	0.05 32	0.04 36	0.06 119	0.05 124	0.05 111	0.06 214

RAFT-Stereo + iAFF	0.09 98	0.06 65	0.10 124	0.17 235	0.06 26	0.10 129	0.16 300	0.17 185	0.14 156	0.09 111	0.10 131	0.08 109	0.09 184	0.11 122	0.09 52	0.05 32	0.04 36	0.06 119	0.06 202	0.04 18	0.03 1

AFF-stereo	0.09 98	0.06 65	0.10 124	0.17 235	0.07 90	0.10 129	0.16 300	0.17 185	0.09 23	0.10 143	0.12 176	0.09 140	0.09 184	0.12 206	0.09 52	0.05 32	0.04 36	0.07 211	0.07 289	0.04 18	0.03 1

EAI-Stereo	0.09 98	0.07 156	0.11 166	0.15 87	0.06 26	0.10 129	0.15 235	0.16 149	0.09 23	0.08 71	0.09 104	0.08 109	0.07 115	0.09 38	0.11 204	0.05 32	0.04 36	0.05 43	0.05 124	0.05 111	0.04 42

CFNet-RSSM	0.09 98	0.07 156	0.09 84	0.16 161	0.07 90	0.09 79	0.15 235	0.16 149	0.17 220	0.08 71	0.12 176	0.10 171	0.09 184	0.11 122	0.09 52	0.06 131	0.04 36	0.06 119	0.04 52	0.04 18	0.04 42

Gwc-CoAtRS	0.09 98	0.06 65	0.10 124	0.16 161	0.07 90	0.10 129	0.14 169	0.17 185	0.17 220	0.08 71	0.10 131	0.12 209	0.09 184	0.12 206	0.09 52	0.06 131	0.04 36	0.06 119	0.04 52	0.04 18	0.04 42

CREStereo	0.09 98	0.04 1	0.08 34	0.11 1	0.06 26	0.13 262	0.14 169	0.14 93	0.10 41	0.08 71	0.13 190	0.09 140	0.08 155	0.11 122	0.10 134	0.08 315	0.04 36	0.05 43	0.03 1	0.06 208	0.06 214
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 98	0.05 18	0.09 84	0.12 4	0.06 26	0.12 221	0.14 169	0.15 122	0.11 72	0.09 111	0.13 190	0.10 171	0.07 115	0.13 251	0.10 134	0.15 502	0.04 36	0.05 43	0.03 1	0.07 274	0.06 214

MM-Stereo_test3	0.10 159	0.07 156	0.07 6	0.18 316	0.07 90	0.12 221	0.19 416	0.24 331	0.19 262	0.06 9	0.10 131	0.08 109	0.06 35	0.11 122	0.08 17	0.06 131	0.06 322	0.07 211	0.05 124	0.05 111	0.04 42

MM-Stereo_test1	0.10 159	0.07 156	0.08 34	0.18 316	0.07 90	0.12 221	0.18 378	0.21 268	0.20 285	0.09 111	0.11 163	0.08 109	0.06 35	0.10 74	0.10 134	0.06 131	0.05 202	0.07 211	0.06 202	0.05 111	0.04 42

AIO-test2	0.10 159	0.08 253	0.10 124	0.23 485	0.08 145	0.11 182	0.10 41	0.23 309	0.23 324	0.08 71	0.09 104	0.08 109	0.05 9	0.10 74	0.08 17	0.06 131	0.05 202	0.08 293	0.09 397	0.05 111	0.05 136

AIO-test1	0.10 159	0.07 156	0.10 124	0.23 485	0.07 90	0.09 79	0.13 121	0.21 268	0.14 156	0.11 170	0.12 176	0.09 140	0.07 115	0.11 122	0.09 52	0.06 131	0.05 202	0.09 372	0.10 432	0.03 1	0.06 214

tg	0.10 159	0.06 65	0.10 124	0.18 316	0.08 145	0.11 182	0.16 300	0.20 246	0.12 98	0.08 71	0.11 163	0.11 192	0.07 115	0.11 122	0.10 134	0.05 32	0.04 36	0.08 293	0.08 353	0.04 18	0.04 42

PAM	0.10 159	0.05 18	0.16 364	0.15 87	0.08 145	0.09 79	0.16 300	0.15 122	0.16 201	0.12 208	0.09 104	0.09 140	0.07 115	0.13 251	0.08 17	0.06 131	0.05 202	0.06 119	0.06 202	0.05 111	0.06 214

model_zeroshot	0.10 159	0.04 1	0.11 166	0.15 87	0.09 255	0.12 221	0.14 169	0.20 246	0.13 132	0.11 170	0.10 131	0.12 209	0.07 115	0.12 206	0.10 134	0.07 255	0.06 322	0.06 119	0.05 124	0.06 208	0.06 214

RAStereo	0.10 159	0.09 327	0.08 34	0.20 421	0.08 145	0.13 262	0.18 378	0.15 122	0.17 220	0.10 143	0.12 176	0.05 1	0.06 35	0.09 38	0.08 17	0.07 255	0.05 202	0.07 211	0.05 124	0.05 111	0.04 42

rvit_stereo_0080	0.10 159	0.08 253	0.14 281	0.15 87	0.09 255	0.07 27	0.15 235	0.16 149	0.16 201	0.11 170	0.10 131	0.14 253	0.08 155	0.12 206	0.10 134	0.09 372	0.07 392	0.07 211	0.06 202	0.07 274	0.05 136

testlalala2	0.10 159	0.06 65	0.11 166	0.20 421	0.10 356	0.10 129	0.12 83	0.17 185	0.12 98	0.12 208	0.13 190	0.09 140	0.07 115	0.11 122	0.13 293	0.06 131	0.05 202	0.05 43	0.04 52	0.05 111	0.05 136

H2IRNET	0.10 159	0.09 327	0.09 84	0.18 316	0.09 255	0.12 221	0.15 235	0.14 93	0.21 300	0.10 143	0.10 131	0.10 171	0.10 216	0.10 74	0.10 134	0.05 32	0.04 36	0.08 293	0.08 353	0.06 208	0.05 136

Former-RAFT_DAM_RVC	0.10 159	0.08 253	0.12 201	0.16 161	0.08 145	0.15 320	0.16 300	0.18 214	0.18 247	0.10 143	0.09 104	0.09 140	0.08 155	0.11 122	0.12 252	0.07 255	0.05 202	0.08 293	0.06 202	0.07 274	0.06 214

MyStereo07	0.10 159	0.07 156	0.10 124	0.17 235	0.09 255	0.14 294	0.18 378	0.15 122	0.15 172	0.09 111	0.06 13	0.06 16	0.07 115	0.12 206	0.09 52	0.06 131	0.05 202	0.08 293	0.07 289	0.06 208	0.06 214

MyStereo06	0.10 159	0.07 156	0.12 201	0.17 235	0.09 255	0.13 262	0.18 378	0.19 235	0.12 98	0.12 208	0.08 80	0.07 62	0.07 115	0.11 122	0.09 52	0.06 131	0.05 202	0.07 211	0.07 289	0.06 208	0.06 214

AE-Stereo	0.10 159	0.08 253	0.10 124	0.18 316	0.09 255	0.10 129	0.15 235	0.14 93	0.19 262	0.09 111	0.14 204	0.12 209	0.08 155	0.11 122	0.10 134	0.05 32	0.06 322	0.07 211	0.06 202	0.05 111	0.04 42

ACVNet-DCA	0.10 159	0.08 253	0.12 201	0.17 235	0.09 255	0.13 262	0.15 235	0.23 309	0.16 201	0.09 111	0.09 104	0.06 16	0.06 35	0.10 74	0.07 1	0.06 131	0.04 36	0.06 119	0.05 124	0.07 274	0.07 295

cc1	0.10 159	0.08 253	0.12 201	0.17 235	0.09 255	0.13 262	0.15 235	0.16 149	0.18 247	0.09 111	0.09 104	0.06 16	0.06 35	0.10 74	0.07 1	0.06 131	0.04 36	0.06 119	0.05 124	0.06 208	0.06 214

tt1	0.10 159	0.08 253	0.12 201	0.17 235	0.09 255	0.12 221	0.16 300	0.15 122	0.19 262	0.09 111	0.08 80	0.06 16	0.06 35	0.10 74	0.07 1	0.06 131	0.04 36	0.06 119	0.05 124	0.06 208	0.06 214

whm_eth	0.10 159	0.08 253	0.14 281	0.15 87	0.09 255	0.07 27	0.15 235	0.16 149	0.16 201	0.11 170	0.10 131	0.14 253	0.08 155	0.12 206	0.10 134	0.09 372	0.07 392	0.07 211	0.06 202	0.07 274	0.05 136

plain	0.10 159	0.08 253	0.10 124	0.19 372	0.09 255	0.10 129	0.15 235	0.14 93	0.13 132	0.13 235	0.15 221	0.09 140	0.12 271	0.13 251	0.12 252	0.07 255	0.05 202	0.09 372	0.06 202	0.06 208	0.06 214

testlalala_base	0.10 159	0.09 327	0.14 281	0.21 450	0.08 145	0.10 129	0.14 169	0.13 76	0.10 41	0.07 31	0.15 221	0.07 62	0.08 155	0.10 74	0.12 252	0.08 315	0.05 202	0.05 43	0.03 1	0.06 208	0.05 136

Any-RAFT	0.10 159	0.05 18	0.09 84	0.14 34	0.07 90	0.13 262	0.14 169	0.21 268	0.15 172	0.11 170	0.12 176	0.12 209	0.09 184	0.12 206	0.09 52	0.07 255	0.04 36	0.05 43	0.04 52	0.06 208	0.05 136

LL-Strereo2	0.10 159	0.10 385	0.15 330	0.18 316	0.08 145	0.15 320	0.09 22	0.17 185	0.14 156	0.14 256	0.10 131	0.09 140	0.07 115	0.16 332	0.10 134	0.05 32	0.05 202	0.10 417	0.07 289	0.06 208	0.05 136

DCANet-4	0.10 159	0.06 65	0.12 201	0.16 161	0.06 26	0.09 79	0.17 333	0.18 214	0.19 262	0.13 235	0.16 233	0.09 140	0.14 333	0.11 122	0.12 252	0.06 131	0.04 36	0.05 43	0.04 52	0.04 18	0.05 136

fff	0.10 159	0.06 65	0.12 201	0.15 87	0.07 90	0.09 79	0.17 333	0.16 149	0.20 285	0.13 235	0.16 233	0.10 171	0.11 241	0.11 122	0.12 252	0.06 131	0.04 36	0.05 43	0.04 52	0.04 18	0.05 136

ADStereo(finetuned)	0.10 159	0.06 65	0.12 201	0.16 161	0.06 26	0.09 79	0.17 333	0.15 122	0.19 262	0.13 235	0.17 254	0.10 171	0.12 271	0.11 122	0.12 252	0.06 131	0.04 36	0.05 43	0.04 52	0.05 111	0.04 42

test_4	0.10 159	0.10 385	0.08 34	0.19 372	0.09 255	0.08 48	0.22 463	0.15 122	0.17 220	0.12 208	0.18 279	0.12 209	0.09 184	0.08 15	0.11 204	0.04 11	0.04 36	0.08 293	0.08 353	0.04 18	0.03 1

IPLG	0.10 159	0.07 156	0.15 330	0.17 235	0.08 145	0.11 182	0.14 169	0.20 246	0.15 172	0.12 208	0.17 254	0.07 62	0.07 115	0.14 276	0.13 293	0.06 131	0.04 36	0.06 119	0.05 124	0.04 18	0.04 42

test_3	0.10 159	0.09 327	0.10 124	0.20 421	0.08 145	0.13 262	0.26 506	0.14 93	0.21 300	0.10 143	0.10 131	0.09 140	0.09 184	0.08 15	0.11 204	0.05 32	0.04 36	0.08 293	0.07 289	0.04 18	0.04 42

STrans-v2	0.10 159	0.07 156	0.12 201	0.18 316	0.07 90	0.10 129	0.14 169	0.21 268	0.11 72	0.11 170	0.15 221	0.12 209	0.10 216	0.11 122	0.12 252	0.05 32	0.04 36	0.06 119	0.06 202	0.04 18	0.04 42

TransformOpticalFlow	0.10 159	0.08 253	0.13 246	0.18 316	0.07 90	0.09 79	0.15 235	0.19 235	0.15 172	0.12 208	0.17 254	0.11 192	0.11 241	0.11 122	0.10 134	0.05 32	0.04 36	0.06 119	0.06 202	0.05 111	0.05 136

SST-Stereo	0.10 159	0.07 156	0.15 330	0.18 316	0.09 255	0.06 8	0.12 83	0.17 185	0.11 72	0.15 283	0.17 254	0.13 233	0.12 271	0.10 74	0.11 204	0.06 131	0.04 36	0.09 372	0.06 202	0.06 208	0.05 136

cross-raft	0.10 159	0.09 327	0.09 84	0.19 372	0.07 90	0.11 182	0.25 499	0.13 76	0.15 172	0.08 71	0.11 163	0.12 209	0.10 216	0.09 38	0.11 204	0.05 32	0.04 36	0.06 119	0.05 124	0.04 18	0.04 42

test-1	0.10 159	0.07 156	0.16 364	0.19 372	0.08 145	0.11 182	0.24 484	0.14 93	0.18 247	0.09 111	0.07 39	0.09 140	0.08 155	0.07 4	0.09 52	0.06 131	0.04 36	0.06 119	0.05 124	0.04 18	0.04 42

iRaftStereo_RVC	0.10 159	0.07 156	0.09 84	0.17 235	0.09 255	0.11 182	0.17 333	0.18 214	0.12 98	0.09 111	0.12 176	0.10 171	0.07 115	0.11 122	0.10 134	0.05 32	0.04 36	0.08 293	0.08 353	0.04 18	0.04 42

RALCasStereoNet	0.10 159	0.06 65	0.09 84	0.16 161	0.08 145	0.12 221	0.14 169	0.17 185	0.11 72	0.12 208	0.17 254	0.14 253	0.10 216	0.12 206	0.11 204	0.07 255	0.06 322	0.06 119	0.05 124	0.08 336	0.07 295

DCANet	0.10 159	0.06 65	0.12 201	0.16 161	0.06 26	0.09 79	0.17 333	0.15 122	0.19 262	0.13 235	0.17 254	0.10 171	0.11 241	0.11 122	0.12 252	0.06 131	0.04 36	0.05 43	0.04 52	0.05 111	0.04 42

csc	0.10 159	0.06 65	0.12 201	0.15 87	0.07 90	0.09 79	0.17 333	0.16 149	0.20 285	0.13 235	0.16 233	0.10 171	0.11 241	0.11 122	0.12 252	0.06 131	0.04 36	0.05 43	0.04 52	0.04 18	0.05 136

cscssc	0.10 159	0.06 65	0.12 201	0.15 87	0.07 90	0.09 79	0.17 333	0.16 149	0.20 285	0.13 235	0.16 233	0.10 171	0.11 241	0.11 122	0.12 252	0.06 131	0.04 36	0.05 43	0.04 52	0.04 18	0.05 136

111	0.10 159	0.06 65	0.12 201	0.15 87	0.07 90	0.10 129	0.14 169	0.21 268	0.23 324	0.11 170	0.12 176	0.14 253	0.11 241	0.13 251	0.10 134	0.06 131	0.04 36	0.06 119	0.04 52	0.05 111	0.05 136

R-Stereo Train	0.10 159	0.06 65	0.10 124	0.17 235	0.08 145	0.11 182	0.14 169	0.23 309	0.11 72	0.12 208	0.19 288	0.11 192	0.08 155	0.09 38	0.11 204	0.07 255	0.05 202	0.06 119	0.05 124	0.05 111	0.05 136

RAFT-Stereo	0.10 159	0.06 65	0.10 124	0.17 235	0.08 145	0.11 182	0.14 169	0.23 309	0.11 72	0.12 208	0.19 288	0.11 192	0.08 155	0.09 38	0.11 204	0.07 255	0.05 202	0.06 119	0.05 124	0.05 111	0.05 136
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 159	0.06 65	0.12 201	0.14 34	0.06 26	0.11 182	0.10 41	0.18 214	0.18 247	0.13 235	0.16 233	0.14 253	0.11 241	0.15 298	0.13 293	0.06 131	0.04 36	0.04 1	0.04 52	0.06 208	0.05 136
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
xyz-stereo-finetune2	0.11 202	0.07 156	0.13 246	0.13 13	0.07 90	0.11 182	0.19 416	0.17 185	0.12 98	0.15 283	0.15 221	0.17 316	0.12 271	0.13 251	0.11 204	0.05 32	0.04 36	0.07 211	0.05 124	0.04 18	0.06 214

xyz-stereo-finetune	0.11 202	0.08 253	0.13 246	0.14 34	0.06 26	0.10 129	0.19 416	0.17 185	0.19 262	0.12 208	0.14 204	0.15 282	0.10 216	0.13 251	0.11 204	0.05 32	0.04 36	0.07 211	0.05 124	0.04 18	0.05 136

HI	0.11 202	0.06 65	0.11 166	0.13 13	0.09 255	0.09 79	0.14 169	0.21 268	0.10 41	0.19 372	0.17 254	0.14 253	0.09 184	0.16 332	0.08 17	0.05 32	0.04 36	0.07 211	0.08 353	0.07 274	0.06 214

CoSv	0.11 202	0.06 65	0.11 166	0.13 13	0.09 255	0.09 79	0.14 169	0.21 268	0.10 41	0.19 372	0.17 254	0.14 253	0.09 184	0.16 332	0.08 17	0.05 32	0.04 36	0.07 211	0.08 353	0.07 274	0.06 214

rvit_stereo_0081_aga	0.11 202	0.09 327	0.14 281	0.18 316	0.09 255	0.13 262	0.14 169	0.14 93	0.19 262	0.10 143	0.18 279	0.16 296	0.09 184	0.12 206	0.09 52	0.10 409	0.06 322	0.08 293	0.07 289	0.07 274	0.06 214

rvit_stereo_0081	0.11 202	0.08 253	0.15 330	0.16 161	0.09 255	0.10 129	0.14 169	0.14 93	0.24 340	0.11 170	0.13 190	0.13 233	0.09 184	0.11 122	0.12 252	0.10 409	0.07 392	0.08 293	0.07 289	0.07 274	0.05 136

rvit_stereo_0082	0.11 202	0.08 253	0.15 330	0.16 161	0.09 255	0.10 129	0.14 169	0.14 93	0.24 340	0.11 170	0.13 190	0.13 233	0.09 184	0.11 122	0.12 252	0.10 409	0.07 392	0.08 293	0.07 289	0.07 274	0.05 136

AIO-Stereo-zeroshot1	0.11 202	0.05 18	0.14 281	0.15 87	0.20 526	0.09 79	0.17 333	0.21 268	0.15 172	0.11 170	0.14 204	0.10 171	0.07 115	0.10 74	0.08 17	0.06 131	0.05 202	0.07 211	0.07 289	0.07 274	0.09 403

AIO-Stereo-zeroshot	0.11 202	0.05 18	0.11 166	0.15 87	0.13 455	0.13 262	0.16 300	0.23 309	0.17 220	0.10 143	0.12 176	0.10 171	0.07 115	0.11 122	0.09 52	0.06 131	0.05 202	0.06 119	0.06 202	0.07 274	0.08 359

CAS++	0.11 202	0.07 156	0.11 166	0.14 34	0.09 255	0.12 221	0.14 169	0.24 331	0.14 156	0.11 170	0.09 104	0.11 192	0.07 115	0.14 276	0.09 52	0.11 437	0.09 444	0.09 372	0.07 289	0.07 274	0.08 359
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 202	0.08 253	0.12 201	0.17 235	0.09 255	0.13 262	0.15 235	0.16 149	0.18 247	0.09 111	0.09 104	0.16 296	0.16 377	0.10 74	0.07 1	0.06 131	0.04 36	0.08 293	0.08 353	0.07 274	0.07 295

1test111	0.11 202	0.08 253	0.12 201	0.17 235	0.09 255	0.13 262	0.15 235	0.23 309	0.16 201	0.09 111	0.09 104	0.06 16	0.06 35	0.15 298	0.16 374	0.06 131	0.04 36	0.06 119	0.05 124	0.07 274	0.07 295

MIF-Stereo (partial)	0.11 202	0.06 65	0.10 124	0.19 372	0.10 356	0.10 129	0.11 66	0.17 185	0.18 247	0.14 256	0.16 233	0.09 140	0.11 241	0.12 206	0.12 252	0.08 315	0.05 202	0.08 293	0.07 289	0.06 208	0.07 295

EKT-Stereo	0.11 202	0.07 156	0.14 281	0.15 87	0.10 356	0.13 262	0.14 169	0.18 214	0.21 300	0.11 170	0.08 80	0.12 209	0.09 184	0.11 122	0.12 252	0.08 315	0.06 322	0.07 211	0.06 202	0.08 336	0.07 295

anonymousdsp2	0.11 202	0.07 156	0.10 124	0.16 161	0.09 255	0.13 262	0.14 169	0.18 214	0.22 314	0.13 235	0.14 204	0.12 209	0.09 184	0.14 276	0.11 204	0.05 32	0.04 36	0.05 43	0.04 52	0.06 208	0.05 136

DCRE	0.11 202	0.07 156	0.13 246	0.16 161	0.11 403	0.11 182	0.17 333	0.18 214	0.17 220	0.11 170	0.18 279	0.10 171	0.10 216	0.15 298	0.11 204	0.06 131	0.05 202	0.06 119	0.06 202	0.05 111	0.04 42

knoymous	0.11 202	0.05 18	0.12 201	0.13 13	0.07 90	0.15 320	0.14 169	0.19 235	0.13 132	0.11 170	0.17 254	0.13 233	0.09 184	0.13 251	0.11 204	0.08 315	0.05 202	0.06 119	0.05 124	0.08 336	0.07 295

riskmin	0.11 202	0.06 65	0.13 246	0.14 34	0.08 145	0.14 294	0.14 169	0.18 214	0.14 156	0.11 170	0.14 204	0.16 296	0.11 241	0.14 276	0.12 252	0.09 372	0.05 202	0.07 211	0.05 124	0.08 336	0.08 359

Selective-RAFT	0.11 202	0.10 385	0.11 166	0.21 450	0.08 145	0.16 350	0.13 121	0.20 246	0.22 314	0.10 143	0.10 131	0.11 192	0.10 216	0.15 298	0.11 204	0.05 32	0.05 202	0.06 119	0.05 124	0.06 208	0.05 136

DisPM	0.11 202	0.07 156	0.12 201	0.16 161	0.09 255	0.06 8	0.13 121	0.17 185	0.17 220	0.14 256	0.20 300	0.12 209	0.10 216	0.11 122	0.10 134	0.06 131	0.04 36	0.07 211	0.06 202	0.06 208	0.11 450

CIPLG	0.11 202	0.08 253	0.14 281	0.17 235	0.08 145	0.12 221	0.15 235	0.17 185	0.15 172	0.14 256	0.11 163	0.16 296	0.09 184	0.16 332	0.11 204	0.07 255	0.05 202	0.06 119	0.05 124	0.05 111	0.06 214

GLC_STEREO	0.11 202	0.07 156	0.11 166	0.17 235	0.07 90	0.09 79	0.13 121	0.15 122	0.24 340	0.12 208	0.13 190	0.12 209	0.08 155	0.18 385	0.11 204	0.06 131	0.08 418	0.08 293	0.06 202	0.05 111	0.05 136

IPLGR_C	0.11 202	0.08 253	0.14 281	0.17 235	0.08 145	0.12 221	0.15 235	0.17 185	0.15 172	0.14 256	0.10 131	0.16 296	0.09 184	0.16 332	0.11 204	0.07 255	0.05 202	0.06 119	0.05 124	0.05 111	0.06 214

MIPNet	0.11 202	0.08 253	0.14 281	0.17 235	0.09 255	0.12 221	0.14 169	0.20 246	0.24 340	0.11 170	0.10 131	0.09 140	0.07 115	0.13 251	0.12 252	0.06 131	0.04 36	0.06 119	0.05 124	0.04 18	0.04 42

IPLGR	0.11 202	0.09 327	0.16 364	0.18 316	0.08 145	0.12 221	0.17 333	0.21 268	0.24 340	0.11 170	0.12 176	0.11 192	0.08 155	0.12 206	0.12 252	0.06 131	0.05 202	0.06 119	0.06 202	0.04 18	0.04 42

GMOStereo	0.11 202	0.09 327	0.07 6	0.19 372	0.08 145	0.12 221	0.28 519	0.13 76	0.17 220	0.11 170	0.17 254	0.14 253	0.12 271	0.07 4	0.07 1	0.05 32	0.05 202	0.09 372	0.07 289	0.04 18	0.04 42

error version	0.11 202	0.09 327	0.07 6	0.19 372	0.08 145	0.12 221	0.28 519	0.13 76	0.17 220	0.11 170	0.17 254	0.14 253	0.12 271	0.07 4	0.07 1	0.05 32	0.05 202	0.09 372	0.07 289	0.04 18	0.04 42

test-v	0.11 202	0.09 327	0.07 6	0.19 372	0.08 145	0.12 221	0.28 519	0.13 76	0.17 220	0.11 170	0.17 254	0.14 253	0.12 271	0.07 4	0.07 1	0.05 32	0.05 202	0.09 372	0.07 289	0.04 18	0.04 42

ACRE	0.11 202	0.08 253	0.14 281	0.17 235	0.08 145	0.12 221	0.15 235	0.17 185	0.14 156	0.14 256	0.10 131	0.16 296	0.09 184	0.16 332	0.11 204	0.07 255	0.05 202	0.06 119	0.05 124	0.05 111	0.06 214

PFNet+	0.11 202	0.06 65	0.13 246	0.16 161	0.09 255	0.05 4	0.12 83	0.17 185	0.21 300	0.16 311	0.19 288	0.14 253	0.10 216	0.11 122	0.11 204	0.08 315	0.05 202	0.09 372	0.08 353	0.06 208	0.11 450

LCNet	0.11 202	0.07 156	0.09 84	0.19 372	0.09 255	0.08 48	0.15 235	0.21 268	0.15 172	0.11 170	0.15 221	0.16 296	0.11 241	0.12 206	0.11 204	0.05 32	0.04 36	0.08 293	0.07 289	0.06 208	0.15 505

HHNet	0.11 202	0.06 65	0.16 364	0.15 87	0.14 473	0.07 27	0.13 121	0.20 246	0.17 220	0.14 256	0.25 380	0.11 192	0.08 155	0.13 251	0.10 134	0.05 32	0.04 36	0.08 293	0.06 202	0.05 111	0.09 403

Patchmatch Stereo++	0.11 202	0.09 327	0.16 364	0.18 316	0.08 145	0.06 8	0.11 66	0.16 149	0.13 132	0.15 283	0.16 233	0.14 253	0.12 271	0.11 122	0.10 134	0.06 131	0.04 36	0.08 293	0.06 202	0.08 336	0.07 295
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	0.11 202	0.07 156	0.16 364	0.19 372	0.09 255	0.08 48	0.13 121	0.18 214	0.13 132	0.16 311	0.21 321	0.13 233	0.14 333	0.11 122	0.14 330	0.06 131	0.04 36	0.09 372	0.06 202	0.06 208	0.05 136

OMP-Stereo	0.11 202	0.06 65	0.14 281	0.18 316	0.08 145	0.09 79	0.12 83	0.21 268	0.21 300	0.13 235	0.14 204	0.11 192	0.12 271	0.11 122	0.13 293	0.06 131	0.04 36	0.07 211	0.06 202	0.05 111	0.04 42

IIG-Stereo	0.11 202	0.06 65	0.13 246	0.17 235	0.08 145	0.11 182	0.12 83	0.22 290	0.17 220	0.14 256	0.17 254	0.11 192	0.12 271	0.12 206	0.12 252	0.06 131	0.05 202	0.07 211	0.06 202	0.05 111	0.04 42

NF-Stereo	0.11 202	0.07 156	0.13 246	0.17 235	0.09 255	0.10 129	0.14 169	0.23 309	0.19 262	0.12 208	0.17 254	0.12 209	0.11 241	0.11 122	0.11 204	0.06 131	0.04 36	0.07 211	0.06 202	0.06 208	0.12 462

OCTAStereo	0.11 202	0.07 156	0.13 246	0.17 235	0.09 255	0.10 129	0.14 169	0.23 309	0.19 262	0.12 208	0.17 254	0.12 209	0.11 241	0.11 122	0.11 204	0.06 131	0.04 36	0.07 211	0.06 202	0.06 208	0.12 462

NRIStereo	0.11 202	0.08 253	0.14 281	0.18 316	0.08 145	0.10 129	0.14 169	0.16 149	0.15 172	0.12 208	0.14 204	0.13 233	0.12 271	0.13 251	0.10 134	0.06 131	0.04 36	0.07 211	0.06 202	0.06 208	0.07 295

PSM-adaLoss	0.11 202	0.09 327	0.16 364	0.18 316	0.08 145	0.06 8	0.12 83	0.16 149	0.13 132	0.15 283	0.16 233	0.14 253	0.12 271	0.11 122	0.10 134	0.06 131	0.04 36	0.08 293	0.06 202	0.08 336	0.07 295

PSM-AAD	0.11 202	0.07 156	0.10 124	0.19 372	0.09 255	0.10 129	0.15 235	0.20 246	0.13 132	0.12 208	0.14 204	0.18 330	0.11 241	0.11 122	0.10 134	0.05 32	0.05 202	0.09 372	0.08 353	0.06 208	0.14 498

ROB_FTStereo_v2	0.11 202	0.09 327	0.16 364	0.19 372	0.08 145	0.06 8	0.12 83	0.16 149	0.13 132	0.15 283	0.16 233	0.14 253	0.12 271	0.11 122	0.10 134	0.06 131	0.04 36	0.08 293	0.06 202	0.08 336	0.07 295

ROB_FTStereo	0.11 202	0.09 327	0.16 364	0.19 372	0.08 145	0.06 8	0.11 66	0.16 149	0.13 132	0.15 283	0.16 233	0.14 253	0.12 271	0.11 122	0.10 134	0.06 131	0.04 36	0.08 293	0.06 202	0.08 336	0.07 295

KYRaft	0.11 202	0.07 156	0.10 124	0.19 372	0.09 255	0.08 48	0.15 235	0.22 290	0.12 98	0.13 235	0.16 233	0.20 356	0.10 216	0.12 206	0.10 134	0.05 32	0.04 36	0.08 293	0.08 353	0.06 208	0.16 516

HUI-Stereo	0.11 202	0.09 327	0.16 364	0.18 316	0.08 145	0.06 8	0.12 83	0.16 149	0.13 132	0.15 283	0.16 233	0.14 253	0.12 271	0.11 122	0.10 134	0.06 131	0.04 36	0.08 293	0.06 202	0.08 336	0.07 295

ASMatch	0.11 202	0.06 65	0.13 246	0.16 161	0.10 356	0.07 27	0.14 169	0.17 185	0.17 220	0.12 208	0.16 233	0.16 296	0.10 216	0.13 251	0.10 134	0.05 32	0.04 36	0.06 119	0.05 124	0.04 18	0.08 359

RAFT_R40	0.11 202	0.07 156	0.14 281	0.18 316	0.09 255	0.06 8	0.13 121	0.17 185	0.16 201	0.14 256	0.18 279	0.15 282	0.12 271	0.10 74	0.11 204	0.06 131	0.04 36	0.09 372	0.06 202	0.06 208	0.05 136

GrayStereo	0.11 202	0.06 65	0.11 166	0.19 372	0.09 255	0.09 79	0.16 300	0.18 214	0.17 220	0.14 256	0.17 254	0.17 316	0.11 241	0.12 206	0.11 204	0.05 32	0.05 202	0.07 211	0.06 202	0.05 111	0.10 427

RE-Stereo	0.11 202	0.07 156	0.13 246	0.17 235	0.09 255	0.10 129	0.14 169	0.23 309	0.19 262	0.12 208	0.17 254	0.12 209	0.11 241	0.11 122	0.11 204	0.06 131	0.04 36	0.07 211	0.06 202	0.06 208	0.12 462

Pruner-Stereo	0.11 202	0.07 156	0.12 201	0.17 235	0.09 255	0.06 8	0.12 83	0.17 185	0.17 220	0.13 235	0.19 288	0.13 233	0.09 184	0.11 122	0.11 204	0.06 131	0.04 36	0.07 211	0.06 202	0.06 208	0.08 359

TVStereo	0.11 202	0.07 156	0.13 246	0.17 235	0.09 255	0.10 129	0.14 169	0.23 309	0.19 262	0.12 208	0.17 254	0.12 209	0.11 241	0.11 122	0.11 204	0.06 131	0.04 36	0.07 211	0.06 202	0.06 208	0.12 462

DeepStereo_RVC	0.11 202	0.08 253	0.16 364	0.18 316	0.08 145	0.08 48	0.12 83	0.17 185	0.12 98	0.13 235	0.14 204	0.12 209	0.12 271	0.12 206	0.11 204	0.06 131	0.04 36	0.07 211	0.06 202	0.07 274	0.08 359

iGMRVC	0.11 202	0.09 327	0.16 364	0.19 372	0.08 145	0.06 8	0.12 83	0.16 149	0.13 132	0.15 283	0.16 233	0.14 253	0.12 271	0.11 122	0.10 134	0.06 131	0.04 36	0.08 293	0.06 202	0.08 336	0.07 295

RAFT-RH_RVC	0.11 202	0.06 65	0.14 281	0.16 161	0.09 255	0.12 221	0.12 83	0.17 185	0.12 98	0.13 235	0.41 506	0.11 192	0.10 216	0.13 251	0.12 252	0.05 32	0.04 36	0.08 293	0.05 124	0.04 18	0.06 214

RAFT-345	0.11 202	0.07 156	0.15 330	0.16 161	0.08 145	0.08 48	0.12 83	0.15 122	0.10 41	0.11 170	0.36 472	0.09 140	0.09 184	0.11 122	0.12 252	0.05 32	0.05 202	0.07 211	0.06 202	0.04 18	0.05 136

iRAFT	0.11 202	0.09 327	0.16 364	0.18 316	0.08 145	0.06 8	0.11 66	0.16 149	0.13 132	0.15 283	0.16 233	0.14 253	0.12 271	0.11 122	0.10 134	0.06 131	0.04 36	0.08 293	0.06 202	0.08 336	0.07 295

CRE-IMP	0.11 202	0.09 327	0.16 364	0.19 372	0.08 145	0.10 129	0.12 83	0.18 214	0.10 41	0.14 256	0.13 190	0.13 233	0.12 271	0.12 206	0.11 204	0.07 255	0.04 36	0.08 293	0.06 202	0.08 336	0.08 359

test-2	0.11 202	0.09 327	0.07 6	0.19 372	0.08 145	0.12 221	0.28 519	0.13 76	0.17 220	0.11 170	0.17 254	0.14 253	0.12 271	0.07 4	0.07 1	0.05 32	0.05 202	0.09 372	0.07 289	0.04 18	0.04 42

GMM-Stereo	0.11 202	0.07 156	0.10 124	0.18 316	0.09 255	0.08 48	0.15 235	0.23 309	0.16 201	0.11 170	0.15 221	0.13 233	0.11 241	0.11 122	0.11 204	0.05 32	0.04 36	0.08 293	0.07 289	0.06 208	0.09 403

RAFT-IKP	0.11 202	0.09 327	0.16 364	0.19 372	0.08 145	0.06 8	0.12 83	0.16 149	0.13 132	0.15 283	0.16 233	0.14 253	0.12 271	0.11 122	0.10 134	0.06 131	0.04 36	0.08 293	0.06 202	0.08 336	0.07 295

Prome-Stereo	0.11 202	0.06 65	0.10 124	0.18 316	0.08 145	0.12 221	0.15 235	0.22 290	0.13 132	0.12 208	0.17 254	0.13 233	0.08 155	0.12 206	0.10 134	0.05 32	0.04 36	0.07 211	0.06 202	0.06 208	0.09 403

rafts_anoy	0.11 202	0.06 65	0.10 124	0.17 235	0.08 145	0.10 129	0.14 169	0.17 185	0.14 156	0.13 235	0.13 190	0.12 209	0.10 216	0.11 122	0.12 252	0.07 255	0.04 36	0.09 372	0.11 462	0.07 274	0.06 214

raft+_RVC	0.11 202	0.07 156	0.09 84	0.16 161	0.07 90	0.10 129	0.11 66	0.24 331	0.20 285	0.12 208	0.15 221	0.12 209	0.08 155	0.12 206	0.13 293	0.07 255	0.04 36	0.07 211	0.06 202	0.05 111	0.05 136

RALAANet	0.11 202	0.08 253	0.10 124	0.17 235	0.09 255	0.14 294	0.10 41	0.20 246	0.15 172	0.14 256	0.13 190	0.16 296	0.09 184	0.12 206	0.11 204	0.06 131	0.05 202	0.07 211	0.06 202	0.05 111	0.04 42

DIP-Stereo	0.11 202	0.07 156	0.14 281	0.17 235	0.09 255	0.13 262	0.09 22	0.16 149	0.16 201	0.11 170	0.16 233	0.14 253	0.12 271	0.15 298	0.13 293	0.06 131	0.05 202	0.06 119	0.05 124	0.05 111	0.06 214
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_stereo_0083	0.12 267	0.08 253	0.17 392	0.16 161	0.09 255	0.11 182	0.15 235	0.14 93	0.26 375	0.11 170	0.14 204	0.13 233	0.10 216	0.12 206	0.12 252	0.10 409	0.08 418	0.09 372	0.07 289	0.07 274	0.05 136

rvit_stereo_ft	0.12 267	0.07 156	0.13 246	0.19 372	0.10 356	0.12 221	0.17 333	0.16 149	0.16 201	0.12 208	0.13 190	0.15 282	0.10 216	0.14 276	0.13 293	0.09 372	0.06 322	0.08 293	0.07 289	0.07 274	0.05 136

test_sample2	0.12 267	0.07 156	0.12 201	0.14 34	0.08 145	0.16 350	0.18 378	0.21 268	0.16 201	0.14 256	0.20 300	0.19 344	0.15 351	0.15 298	0.12 252	0.08 315	0.05 202	0.07 211	0.06 202	0.08 336	0.07 295

MyStereo8	0.12 267	0.07 156	0.15 330	0.15 87	0.09 255	0.18 389	0.14 169	0.19 235	0.22 314	0.12 208	0.18 279	0.11 192	0.10 216	0.16 332	0.18 407	0.07 255	0.05 202	0.07 211	0.05 124	0.08 336	0.09 403

CoDeX	0.12 267	0.07 156	0.12 201	0.17 235	0.08 145	0.12 221	0.15 235	0.23 309	0.27 384	0.13 235	0.17 254	0.16 296	0.11 241	0.14 276	0.11 204	0.07 255	0.05 202	0.07 211	0.06 202	0.06 208	0.05 136

11t1	0.12 267	0.06 65	0.13 246	0.14 34	0.08 145	0.17 371	0.15 235	0.18 214	0.15 172	0.15 283	0.15 221	0.16 296	0.16 377	0.15 298	0.13 293	0.08 315	0.05 202	0.06 119	0.05 124	0.08 336	0.07 295

ffm	0.12 267	0.09 327	0.14 281	0.16 161	0.08 145	0.17 371	0.17 333	0.15 122	0.19 262	0.15 283	0.25 380	0.19 344	0.13 308	0.10 74	0.07 1	0.06 131	0.04 36	0.09 372	0.08 353	0.06 208	0.06 214

RAFT_CTSACE	0.12 267	0.09 327	0.10 124	0.22 465	0.08 145	0.12 221	0.24 484	0.18 214	0.16 201	0.20 394	0.27 405	0.13 233	0.07 115	0.13 251	0.09 52	0.05 32	0.06 322	0.08 293	0.07 289	0.04 18	0.04 42

Sa-1000	0.12 267	0.08 253	0.08 34	0.18 316	0.08 145	0.14 294	0.22 463	0.22 290	0.18 247	0.15 283	0.20 300	0.17 316	0.11 241	0.10 74	0.10 134	0.06 131	0.05 202	0.09 372	0.09 397	0.05 111	0.05 136

SA	0.12 267	0.09 327	0.08 34	0.18 316	0.08 145	0.12 221	0.24 484	0.23 309	0.18 247	0.17 327	0.27 405	0.14 253	0.11 241	0.11 122	0.11 204	0.05 32	0.05 202	0.09 372	0.08 353	0.05 111	0.04 42

iRaft-Stereo_5w	0.12 267	0.09 327	0.12 201	0.19 372	0.08 145	0.09 79	0.12 83	0.21 268	0.21 300	0.19 372	0.14 204	0.11 192	0.09 184	0.20 425	0.16 374	0.05 32	0.05 202	0.07 211	0.06 202	0.05 111	0.06 214

CrosDoStereo	0.12 267	0.06 65	0.12 201	0.14 34	0.08 145	0.12 221	0.15 235	0.17 185	0.22 314	0.19 372	0.24 351	0.15 282	0.11 241	0.11 122	0.12 252	0.06 131	0.04 36	0.07 211	0.07 289	0.05 111	0.05 136

PSM-softLoss	0.12 267	0.07 156	0.15 330	0.17 235	0.09 255	0.08 48	0.13 121	0.24 331	0.17 220	0.14 256	0.19 288	0.13 233	0.11 241	0.11 122	0.11 204	0.07 255	0.05 202	0.08 293	0.07 289	0.06 208	0.12 462

KMStereo	0.12 267	0.07 156	0.15 330	0.17 235	0.09 255	0.08 48	0.13 121	0.24 331	0.17 220	0.14 256	0.19 288	0.13 233	0.11 241	0.11 122	0.11 204	0.07 255	0.05 202	0.08 293	0.07 289	0.06 208	0.12 462

FTStereo	0.12 267	0.06 65	0.14 281	0.18 316	0.09 255	0.07 27	0.15 235	0.21 268	0.18 247	0.12 208	0.24 351	0.12 209	0.12 271	0.13 251	0.13 293	0.05 32	0.05 202	0.07 211	0.06 202	0.06 208	0.10 427

DeepStereo_LL	0.12 267	0.06 65	0.12 201	0.14 34	0.08 145	0.12 221	0.15 235	0.17 185	0.22 314	0.19 372	0.24 351	0.15 282	0.11 241	0.11 122	0.12 252	0.06 131	0.04 36	0.07 211	0.07 289	0.05 111	0.05 136

DEmStereo	0.12 267	0.06 65	0.14 281	0.14 34	0.10 356	0.16 350	0.15 235	0.16 149	0.24 340	0.17 327	0.24 351	0.13 233	0.14 333	0.12 206	0.13 293	0.05 32	0.04 36	0.07 211	0.06 202	0.05 111	0.05 136

THIR-Stereo	0.12 267	0.07 156	0.11 166	0.15 87	0.08 145	0.14 294	0.16 300	0.17 185	0.25 361	0.16 311	0.24 351	0.14 253	0.12 271	0.12 206	0.14 330	0.06 131	0.04 36	0.07 211	0.07 289	0.05 111	0.05 136

DRaft	0.12 267	0.06 65	0.11 166	0.14 34	0.09 255	0.14 294	0.17 333	0.21 268	0.30 415	0.17 327	0.28 418	0.10 171	0.15 351	0.10 74	0.12 252	0.05 32	0.04 36	0.07 211	0.06 202	0.05 111	0.05 136

PFNet	0.12 267	0.06 65	0.17 392	0.17 235	0.08 145	0.09 79	0.15 235	0.26 365	0.20 285	0.16 311	0.16 233	0.14 253	0.11 241	0.12 206	0.11 204	0.06 131	0.04 36	0.07 211	0.06 202	0.05 111	0.05 136

IRAFT_RVC	0.12 267	0.08 253	0.16 364	0.19 372	0.08 145	0.07 27	0.15 235	0.24 331	0.23 324	0.14 256	0.14 204	0.15 282	0.12 271	0.12 206	0.10 134	0.06 131	0.04 36	0.09 372	0.06 202	0.06 208	0.06 214

sCroCo_RVC	0.12 267	0.09 327	0.23 461	0.24 494	0.11 403	0.19 412	0.14 169	0.17 185	0.14 156	0.10 143	0.13 190	0.12 209	0.07 115	0.14 276	0.11 204	0.08 315	0.08 418	0.08 293	0.08 353	0.05 111	0.07 295

ARAFT	0.12 267	0.08 253	0.17 392	0.19 372	0.09 255	0.14 294	0.18 378	0.20 246	0.12 98	0.12 208	0.13 190	0.14 253	0.11 241	0.15 298	0.12 252	0.06 131	0.05 202	0.10 417	0.09 397	0.05 111	0.04 42

BEATNet_4x	0.12 267	0.08 253	0.14 281	0.18 316	0.07 90	0.15 320	0.07 3	0.22 290	0.18 247	0.16 311	0.19 288	0.18 330	0.14 333	0.16 332	0.15 358	0.07 255	0.05 202	0.05 43	0.05 124	0.06 208	0.06 214

MLCV	0.12 267	0.07 156	0.16 364	0.18 316	0.06 26	0.15 320	0.17 333	0.19 235	0.21 300	0.18 357	0.25 380	0.17 316	0.13 308	0.14 276	0.13 293	0.05 32	0.04 36	0.05 43	0.04 52	0.05 111	0.04 42

G2L-ROB	0.13 292	0.06 65	0.13 246	0.13 13	0.08 145	0.14 294	0.16 300	0.25 347	0.18 247	0.19 372	0.18 279	0.20 356	0.14 333	0.17 364	0.16 374	0.08 315	0.05 202	0.06 119	0.05 124	0.08 336	0.09 403

xyz-stereo	0.13 292	0.07 156	0.20 438	0.15 87	0.05 1	0.20 427	0.15 235	0.17 185	0.31 422	0.15 283	0.29 430	0.26 428	0.16 377	0.13 251	0.12 252	0.05 32	0.05 202	0.06 119	0.05 124	0.04 18	0.04 42

DFGA-Net	0.13 292	0.11 410	0.18 415	0.17 235	0.10 356	0.12 221	0.13 121	0.22 290	0.25 361	0.16 311	0.16 233	0.13 233	0.12 271	0.16 332	0.14 330	0.07 255	0.05 202	0.08 293	0.07 289	0.05 111	0.05 136

FACV-RUCA	0.13 292	0.11 410	0.12 201	0.19 372	0.12 434	0.15 320	0.15 235	0.22 290	0.20 285	0.15 283	0.16 233	0.14 253	0.16 377	0.14 276	0.13 293	0.07 255	0.05 202	0.08 293	0.06 202	0.10 428	0.08 359

UGAM	0.13 292	0.10 385	0.09 84	0.22 465	0.08 145	0.12 221	0.20 437	0.17 185	0.23 324	0.21 408	0.16 233	0.13 233	0.13 308	0.19 400	0.12 252	0.07 255	0.05 202	0.13 480	0.11 462	0.07 274	0.05 136

test_sample1	0.13 292	0.07 156	0.14 281	0.13 13	0.08 145	0.19 412	0.16 300	0.20 246	0.15 172	0.14 256	0.22 330	0.18 330	0.16 377	0.17 364	0.14 330	0.07 255	0.06 322	0.06 119	0.06 202	0.08 336	0.07 295

qqq1	0.13 292	0.07 156	0.17 392	0.14 34	0.08 145	0.16 350	0.17 333	0.26 365	0.27 384	0.19 372	0.20 300	0.18 330	0.15 351	0.15 298	0.11 204	0.08 315	0.05 202	0.05 43	0.05 124	0.06 208	0.06 214

fff1	0.13 292	0.07 156	0.17 392	0.14 34	0.08 145	0.16 350	0.17 333	0.26 365	0.27 384	0.19 372	0.20 300	0.18 330	0.15 351	0.15 298	0.11 204	0.08 315	0.05 202	0.05 43	0.05 124	0.06 208	0.06 214

MyStereo05	0.13 292	0.07 156	0.10 124	0.17 235	0.09 255	0.13 262	0.18 378	0.27 386	0.35 456	0.17 327	0.14 204	0.15 282	0.11 241	0.15 298	0.13 293	0.06 131	0.05 202	0.07 211	0.07 289	0.06 208	0.06 214

MyStereo04	0.13 292	0.07 156	0.10 124	0.17 235	0.09 255	0.14 294	0.18 378	0.29 415	0.38 473	0.17 327	0.14 204	0.16 296	0.10 216	0.15 298	0.13 293	0.06 131	0.05 202	0.08 293	0.07 289	0.06 208	0.06 214

ff1	0.13 292	0.09 327	0.14 281	0.16 161	0.08 145	0.17 371	0.17 333	0.15 122	0.19 262	0.15 283	0.25 380	0.19 344	0.13 308	0.14 276	0.20 425	0.06 131	0.04 36	0.09 372	0.08 353	0.06 208	0.06 214

StereoVision	0.13 292	0.12 427	0.09 84	0.24 494	0.10 356	0.15 320	0.21 454	0.21 268	0.20 285	0.12 208	0.24 351	0.10 171	0.10 216	0.16 332	0.10 134	0.09 372	0.11 475	0.12 465	0.12 481	0.06 208	0.05 136

LL-Strereo	0.13 292	0.09 327	0.11 166	0.20 421	0.10 356	0.11 182	0.18 378	0.32 450	0.24 340	0.15 283	0.15 221	0.14 253	0.13 308	0.19 400	0.11 204	0.06 131	0.04 36	0.09 372	0.08 353	0.04 18	0.05 136

CASS	0.13 292	0.12 427	0.11 166	0.23 485	0.09 255	0.15 320	0.17 333	0.18 214	0.19 262	0.17 327	0.18 279	0.15 282	0.15 351	0.14 276	0.14 330	0.09 372	0.06 322	0.10 417	0.08 353	0.09 397	0.07 295
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 292	0.07 156	0.13 246	0.18 316	0.09 255	0.13 262	0.17 333	0.19 235	0.29 405	0.15 283	0.24 351	0.15 282	0.14 333	0.14 276	0.14 330	0.07 255	0.05 202	0.07 211	0.09 397	0.05 111	0.06 214

TestStereo1	0.13 292	0.08 253	0.08 34	0.19 372	0.08 145	0.18 389	0.29 528	0.23 309	0.16 201	0.17 327	0.20 300	0.16 296	0.10 216	0.12 206	0.13 293	0.06 131	0.06 322	0.08 293	0.06 202	0.05 111	0.05 136

qqq	0.13 292	0.09 327	0.15 330	0.16 161	0.08 145	0.13 262	0.15 235	0.23 309	0.16 201	0.15 283	0.19 288	0.16 296	0.16 377	0.15 298	0.16 374	0.07 255	0.06 322	0.08 293	0.08 353	0.07 274	0.07 295

x	0.13 292	0.07 156	0.14 281	0.14 34	0.08 145	0.18 389	0.14 169	0.22 290	0.20 285	0.15 283	0.19 288	0.19 344	0.17 400	0.18 385	0.18 407	0.07 255	0.05 202	0.06 119	0.06 202	0.07 274	0.07 295

raft_robust	0.13 292	0.10 385	0.07 6	0.18 316	0.08 145	0.13 262	0.24 484	0.28 405	0.33 436	0.20 394	0.19 288	0.14 253	0.10 216	0.11 122	0.12 252	0.05 32	0.05 202	0.07 211	0.07 289	0.05 111	0.04 42

RAFT+CT+SA	0.13 292	0.11 410	0.09 84	0.19 372	0.09 255	0.15 320	0.28 519	0.22 290	0.22 314	0.15 283	0.26 397	0.10 171	0.10 216	0.11 122	0.12 252	0.05 32	0.04 36	0.07 211	0.08 353	0.07 274	0.06 214

SA-5K	0.13 292	0.08 253	0.08 34	0.19 372	0.08 145	0.18 389	0.29 528	0.23 309	0.16 201	0.17 327	0.20 300	0.16 296	0.10 216	0.12 206	0.13 293	0.06 131	0.06 322	0.08 293	0.06 202	0.05 111	0.05 136

GwcNet-ADL	0.13 292	0.08 253	0.14 281	0.20 421	0.09 255	0.11 182	0.20 437	0.30 429	0.24 340	0.13 235	0.14 204	0.18 330	0.14 333	0.13 251	0.14 330	0.07 255	0.05 202	0.06 119	0.05 124	0.07 274	0.06 214

GANet-ADL	0.13 292	0.07 156	0.15 330	0.17 235	0.10 356	0.18 389	0.15 235	0.30 429	0.20 285	0.13 235	0.18 279	0.19 344	0.12 271	0.16 332	0.13 293	0.08 315	0.06 322	0.06 119	0.05 124	0.07 274	0.08 359

RAFT	0.13 292	0.09 327	0.11 166	0.18 316	0.08 145	0.15 320	0.24 484	0.20 246	0.19 262	0.21 408	0.21 321	0.17 316	0.12 271	0.16 332	0.09 52	0.06 131	0.07 392	0.10 417	0.09 397	0.05 111	0.05 136

TestStereo	0.13 292	0.14 468	0.11 166	0.23 485	0.08 145	0.15 320	0.21 454	0.20 246	0.23 324	0.14 256	0.24 351	0.16 296	0.12 271	0.16 332	0.14 330	0.05 32	0.06 322	0.08 293	0.06 202	0.09 397	0.05 136

sAnonymous2	0.13 292	0.12 427	0.24 464	0.20 421	0.12 434	0.17 371	0.13 121	0.26 365	0.21 300	0.11 170	0.11 163	0.13 233	0.08 155	0.10 74	0.10 134	0.09 372	0.05 202	0.08 293	0.06 202	0.15 506	0.10 427

CroCo_RVC	0.13 292	0.12 427	0.24 464	0.20 421	0.12 434	0.17 371	0.13 121	0.26 365	0.21 300	0.11 170	0.11 163	0.13 233	0.08 155	0.10 74	0.10 134	0.09 372	0.05 202	0.08 293	0.06 202	0.15 506	0.10 427

RAFT + AFF	0.13 292	0.07 156	0.20 438	0.20 421	0.10 356	0.14 294	0.24 484	0.26 365	0.20 285	0.11 170	0.10 131	0.12 209	0.10 216	0.15 298	0.12 252	0.07 255	0.06 322	0.09 372	0.08 353	0.06 208	0.08 359

GMStereo	0.13 292	0.14 468	0.14 281	0.18 316	0.09 255	0.15 320	0.16 300	0.20 246	0.24 340	0.16 311	0.17 254	0.10 171	0.10 216	0.16 332	0.13 293	0.07 255	0.06 322	0.06 119	0.06 202	0.07 274	0.06 214
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 292	0.07 156	0.14 281	0.17 235	0.09 255	0.15 320	0.16 300	0.28 405	0.27 384	0.14 256	0.17 254	0.12 209	0.13 308	0.14 276	0.11 204	0.08 315	0.05 202	0.07 211	0.07 289	0.07 274	0.06 214

FENet	0.13 292	0.08 253	0.12 201	0.16 161	0.08 145	0.14 294	0.15 235	0.22 290	0.23 324	0.17 327	0.23 339	0.16 296	0.12 271	0.14 276	0.15 358	0.08 315	0.05 202	0.08 293	0.08 353	0.07 274	0.07 295

cf-r	0.13 292	0.07 156	0.12 201	0.16 161	0.08 145	0.14 294	0.19 416	0.20 246	0.25 361	0.17 327	0.25 380	0.21 365	0.16 377	0.14 276	0.14 330	0.10 409	0.05 202	0.06 119	0.08 353	0.06 208	0.06 214

iResNet	0.13 292	0.10 385	0.18 415	0.19 372	0.08 145	0.13 262	0.18 378	0.20 246	0.26 375	0.15 283	0.23 339	0.15 282	0.13 308	0.14 276	0.14 330	0.06 131	0.04 36	0.06 119	0.05 124	0.06 208	0.05 136

DN-CSS_ROB	0.13 292	0.13 456	0.16 364	0.18 316	0.10 356	0.16 350	0.08 8	0.22 290	0.18 247	0.17 327	0.22 330	0.13 233	0.13 308	0.12 206	0.13 293	0.05 32	0.05 202	0.10 417	0.10 432	0.08 336	0.06 214

G2L-Stereo_test	0.14 326	0.07 156	0.11 166	0.13 13	0.08 145	0.12 221	0.16 300	0.30 429	0.28 398	0.20 394	0.23 339	0.20 356	0.16 377	0.17 364	0.18 407	0.07 255	0.05 202	0.05 43	0.05 124	0.07 274	0.06 214

coex_refinement	0.14 326	0.07 156	0.12 201	0.17 235	0.10 356	0.15 320	0.15 235	0.26 365	0.29 405	0.18 357	0.20 300	0.22 383	0.17 400	0.16 332	0.18 407	0.08 315	0.05 202	0.06 119	0.06 202	0.09 397	0.08 359

G2L-Stereo	0.14 326	0.07 156	0.13 246	0.17 235	0.09 255	0.13 262	0.12 83	0.27 386	0.22 314	0.16 311	0.27 405	0.21 365	0.13 308	0.17 364	0.18 407	0.09 372	0.08 418	0.08 293	0.07 289	0.07 274	0.07 295

rvit_0105_6	0.14 326	0.09 327	0.18 415	0.17 235	0.10 356	0.10 129	0.16 300	0.19 235	0.26 375	0.12 208	0.18 279	0.17 316	0.12 271	0.18 385	0.12 252	0.15 502	0.11 475	0.12 465	0.10 432	0.09 397	0.06 214

rvit_0105_5	0.14 326	0.09 327	0.13 246	0.17 235	0.09 255	0.14 294	0.23 472	0.24 331	0.27 384	0.14 256	0.15 221	0.18 330	0.12 271	0.17 364	0.14 330	0.14 498	0.11 475	0.10 417	0.10 432	0.08 336	0.06 214

rvit_0105_4	0.14 326	0.09 327	0.17 392	0.17 235	0.10 356	0.12 221	0.19 416	0.23 309	0.27 384	0.14 256	0.20 300	0.17 316	0.13 308	0.17 364	0.13 293	0.15 502	0.11 475	0.11 448	0.10 432	0.09 397	0.06 214

DCVSM-stereo	0.14 326	0.09 327	0.16 364	0.16 161	0.10 356	0.15 320	0.09 22	0.19 235	0.23 324	0.20 394	0.23 339	0.26 428	0.15 351	0.18 385	0.14 330	0.09 372	0.07 392	0.09 372	0.08 353	0.10 428	0.12 462

test_sample6	0.14 326	0.08 253	0.13 246	0.16 161	0.08 145	0.17 371	0.19 416	0.25 347	0.17 220	0.17 327	0.27 405	0.19 344	0.14 333	0.15 298	0.13 293	0.08 315	0.05 202	0.08 293	0.07 289	0.08 336	0.08 359

test_sample5	0.14 326	0.08 253	0.14 281	0.16 161	0.08 145	0.18 389	0.18 378	0.25 347	0.17 220	0.17 327	0.27 405	0.18 330	0.14 333	0.16 332	0.13 293	0.08 315	0.05 202	0.08 293	0.07 289	0.08 336	0.08 359

test_sample4	0.14 326	0.08 253	0.14 281	0.15 87	0.08 145	0.19 412	0.18 378	0.26 365	0.17 220	0.16 311	0.25 380	0.18 330	0.14 333	0.16 332	0.13 293	0.08 315	0.06 322	0.08 293	0.06 202	0.08 336	0.08 359

test_sample3	0.14 326	0.08 253	0.15 330	0.14 34	0.09 255	0.19 412	0.17 333	0.26 365	0.18 247	0.16 311	0.22 330	0.19 344	0.15 351	0.17 364	0.13 293	0.08 315	0.06 322	0.07 211	0.06 202	0.09 397	0.08 359

DispNO	0.14 326	0.08 253	0.17 392	0.19 372	0.12 434	0.11 182	0.21 454	0.23 309	0.29 405	0.17 327	0.23 339	0.18 330	0.17 400	0.15 298	0.15 358	0.07 255	0.05 202	0.08 293	0.08 353	0.07 274	0.06 214

SMFormer	0.14 326	0.07 156	0.17 392	0.14 34	0.08 145	0.16 350	0.17 333	0.26 365	0.27 384	0.19 372	0.20 300	0.18 330	0.15 351	0.15 298	0.17 389	0.08 315	0.05 202	0.07 211	0.06 202	0.07 274	0.06 214

tta	0.14 326	0.07 156	0.17 392	0.14 34	0.08 145	0.16 350	0.17 333	0.26 365	0.27 384	0.19 372	0.20 300	0.18 330	0.15 351	0.15 298	0.17 389	0.08 315	0.05 202	0.07 211	0.06 202	0.06 208	0.06 214

mmm	0.14 326	0.08 253	0.17 392	0.17 235	0.09 255	0.17 371	0.18 378	0.21 268	0.15 172	0.15 283	0.23 339	0.21 365	0.16 377	0.16 332	0.17 389	0.08 315	0.05 202	0.08 293	0.07 289	0.07 274	0.07 295

DualNet	0.14 326	0.08 253	0.14 281	0.16 161	0.08 145	0.18 389	0.18 378	0.25 347	0.17 220	0.17 327	0.27 405	0.18 330	0.14 333	0.16 332	0.13 293	0.08 315	0.05 202	0.08 293	0.07 289	0.08 336	0.08 359

mmx	0.14 326	0.09 327	0.14 281	0.16 161	0.08 145	0.17 371	0.17 333	0.27 386	0.25 361	0.15 283	0.25 380	0.19 344	0.13 308	0.14 276	0.20 425	0.08 315	0.06 322	0.09 372	0.08 353	0.08 336	0.08 359

ttt	0.14 326	0.08 253	0.14 281	0.15 87	0.08 145	0.15 320	0.18 378	0.27 386	0.29 405	0.16 311	0.24 351	0.17 316	0.13 308	0.13 251	0.14 330	0.11 437	0.08 418	0.09 372	0.08 353	0.09 397	0.08 359

xxx	0.14 326	0.09 327	0.14 281	0.16 161	0.08 145	0.17 371	0.17 333	0.27 386	0.25 361	0.15 283	0.25 380	0.19 344	0.13 308	0.14 276	0.20 425	0.08 315	0.06 322	0.09 372	0.08 353	0.08 336	0.08 359

PCWNet_CMD	0.14 326	0.08 253	0.15 330	0.17 235	0.09 255	0.14 294	0.14 169	0.29 415	0.36 461	0.14 256	0.20 300	0.21 365	0.12 271	0.17 364	0.13 293	0.07 255	0.05 202	0.07 211	0.07 289	0.07 274	0.07 295

CBFPSM	0.14 326	0.06 65	0.26 472	0.17 235	0.09 255	0.13 262	0.15 235	0.22 290	0.23 324	0.20 394	0.27 405	0.24 406	0.16 377	0.16 332	0.18 407	0.06 131	0.06 322	0.06 119	0.07 289	0.07 274	0.07 295

gwcnet-sp	0.14 326	0.07 156	0.12 201	0.18 316	0.09 255	0.16 350	0.17 333	0.24 331	0.24 340	0.18 357	0.24 351	0.15 282	0.16 377	0.15 298	0.15 358	0.08 315	0.06 322	0.07 211	0.08 353	0.08 336	0.07 295

scenet	0.14 326	0.07 156	0.12 201	0.18 316	0.09 255	0.16 350	0.17 333	0.24 331	0.24 340	0.18 357	0.24 351	0.15 282	0.16 377	0.15 298	0.15 358	0.08 315	0.06 322	0.07 211	0.08 353	0.08 336	0.07 295

ssnet	0.14 326	0.07 156	0.12 201	0.18 316	0.09 255	0.16 350	0.17 333	0.24 331	0.24 340	0.18 357	0.24 351	0.15 282	0.16 377	0.15 298	0.15 358	0.08 315	0.06 322	0.07 211	0.08 353	0.08 336	0.07 295

BUS	0.14 326	0.09 327	0.14 281	0.22 465	0.10 356	0.19 412	0.14 169	0.34 478	0.19 262	0.17 327	0.22 330	0.16 296	0.13 308	0.15 298	0.13 293	0.08 315	0.06 322	0.10 417	0.09 397	0.07 274	0.07 295

IER	0.14 326	0.07 156	0.13 246	0.17 235	0.09 255	0.14 294	0.16 300	0.25 347	0.26 375	0.18 357	0.25 380	0.17 316	0.20 441	0.16 332	0.14 330	0.08 315	0.05 202	0.07 211	0.06 202	0.08 336	0.07 295

test_5	0.14 326	0.12 427	0.08 34	0.20 421	0.10 356	0.14 294	0.29 528	0.21 268	0.24 340	0.18 357	0.28 418	0.11 192	0.15 351	0.12 206	0.13 293	0.06 131	0.05 202	0.07 211	0.08 353	0.08 336	0.07 295

psmg	0.14 326	0.09 327	0.14 281	0.17 235	0.10 356	0.15 320	0.17 333	0.29 415	0.19 262	0.17 327	0.21 321	0.25 419	0.16 377	0.15 298	0.14 330	0.08 315	0.06 322	0.08 293	0.08 353	0.07 274	0.06 214

UDGNet	0.14 326	0.13 456	0.16 364	0.17 235	0.10 356	0.12 221	0.16 300	0.21 268	0.27 384	0.20 394	0.20 300	0.16 296	0.13 308	0.16 332	0.13 293	0.10 409	0.06 322	0.09 372	0.07 289	0.06 208	0.07 295

CFNet_pseudo	0.14 326	0.08 253	0.15 330	0.16 161	0.09 255	0.13 262	0.14 169	0.27 386	0.34 447	0.14 256	0.21 321	0.22 383	0.13 308	0.18 385	0.14 330	0.07 255	0.05 202	0.08 293	0.06 202	0.07 274	0.07 295

GES	0.14 326	0.08 253	0.16 364	0.15 87	0.10 356	0.13 262	0.13 121	0.28 405	0.25 361	0.16 311	0.23 339	0.18 330	0.13 308	0.16 332	0.13 293	0.08 315	0.07 392	0.07 211	0.06 202	0.08 336	0.09 403

GANet-RSSM	0.14 326	0.07 156	0.13 246	0.13 13	0.08 145	0.14 294	0.17 333	0.22 290	0.21 300	0.17 327	0.24 351	0.23 400	0.15 351	0.16 332	0.15 358	0.10 409	0.06 322	0.07 211	0.08 353	0.08 336	0.07 295

PSMNet-RSSM	0.14 326	0.07 156	0.13 246	0.15 87	0.08 145	0.13 262	0.16 300	0.24 331	0.24 340	0.16 311	0.28 418	0.22 383	0.14 333	0.15 298	0.13 293	0.11 437	0.06 322	0.09 372	0.12 481	0.08 336	0.07 295

GwcNet-RSSM	0.14 326	0.07 156	0.12 201	0.15 87	0.08 145	0.15 320	0.20 437	0.21 268	0.27 384	0.18 357	0.27 405	0.22 383	0.16 377	0.14 276	0.15 358	0.10 409	0.05 202	0.07 211	0.09 397	0.07 274	0.07 295

CFNet-ft	0.14 326	0.07 156	0.15 330	0.12 4	0.09 255	0.16 350	0.18 378	0.22 290	0.24 340	0.17 327	0.26 397	0.24 406	0.14 333	0.16 332	0.14 330	0.11 437	0.06 322	0.08 293	0.09 397	0.09 397	0.08 359

DMCA	0.14 326	0.09 327	0.16 364	0.19 372	0.09 255	0.15 320	0.17 333	0.23 309	0.27 384	0.14 256	0.19 288	0.17 316	0.18 413	0.15 298	0.17 389	0.10 409	0.06 322	0.08 293	0.06 202	0.09 397	0.10 427

RASNet	0.14 326	0.07 156	0.14 281	0.16 161	0.08 145	0.18 389	0.14 169	0.29 415	0.20 285	0.17 327	0.25 380	0.21 365	0.18 413	0.20 425	0.19 419	0.07 255	0.06 322	0.06 119	0.08 353	0.06 208	0.06 214

MSMDNet	0.14 326	0.08 253	0.15 330	0.17 235	0.09 255	0.14 294	0.14 169	0.29 415	0.36 461	0.14 256	0.21 321	0.21 365	0.12 271	0.17 364	0.14 330	0.07 255	0.05 202	0.07 211	0.07 289	0.07 274	0.07 295

HSM-Net_RVC	0.14 326	0.08 253	0.11 166	0.15 87	0.08 145	0.15 320	0.15 235	0.27 386	0.29 405	0.19 372	0.21 321	0.29 452	0.14 333	0.17 364	0.13 293	0.06 131	0.06 322	0.06 119	0.06 202	0.07 274	0.06 214
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 326	0.07 156	0.15 330	0.12 4	0.09 255	0.16 350	0.18 378	0.22 290	0.24 340	0.17 327	0.26 397	0.24 406	0.14 333	0.16 332	0.14 330	0.11 437	0.06 322	0.08 293	0.09 397	0.09 397	0.08 359

ccs_rob	0.14 326	0.08 253	0.15 330	0.16 161	0.09 255	0.12 221	0.14 169	0.27 386	0.34 447	0.14 256	0.21 321	0.22 383	0.13 308	0.18 385	0.14 330	0.07 255	0.05 202	0.08 293	0.07 289	0.07 274	0.07 295

UCFNet_RVC	0.14 326	0.08 253	0.13 246	0.11 1	0.10 356	0.20 427	0.10 41	0.24 331	0.22 314	0.17 327	0.20 300	0.23 400	0.15 351	0.17 364	0.15 358	0.12 462	0.07 392	0.10 417	0.13 491	0.11 448	0.10 427

iResNetv2_ROB	0.14 326	0.08 253	0.15 330	0.16 161	0.08 145	0.16 350	0.12 83	0.25 347	0.35 456	0.21 408	0.29 430	0.24 406	0.13 308	0.14 276	0.14 330	0.06 131	0.05 202	0.06 119	0.04 52	0.09 397	0.08 359

iResNet_ROB	0.14 326	0.07 156	0.13 246	0.14 34	0.07 90	0.18 389	0.14 169	0.26 365	0.31 422	0.22 423	0.25 380	0.23 400	0.15 351	0.15 298	0.13 293	0.07 255	0.05 202	0.05 43	0.04 52	0.08 336	0.08 359

DDVS	0.15 370	0.10 385	0.21 446	0.16 161	0.12 434	0.15 320	0.14 169	0.25 347	0.19 262	0.18 357	0.29 430	0.27 436	0.12 271	0.19 400	0.15 358	0.09 372	0.06 322	0.09 372	0.07 289	0.11 448	0.11 450

rvit_0105_3	0.15 370	0.09 327	0.14 281	0.19 372	0.12 434	0.15 320	0.25 499	0.25 347	0.29 405	0.15 283	0.17 254	0.20 356	0.13 308	0.17 364	0.14 330	0.13 485	0.11 475	0.12 465	0.14 494	0.07 274	0.06 214

ACV-stereo	0.15 370	0.10 385	0.28 484	0.18 316	0.12 434	0.14 294	0.12 83	0.23 309	0.21 300	0.19 372	0.23 339	0.22 383	0.15 351	0.23 463	0.17 389	0.07 255	0.06 322	0.07 211	0.07 289	0.07 274	0.07 295

ITSA-stereo	0.15 370	0.10 385	0.14 281	0.19 372	0.08 145	0.12 221	0.14 169	0.30 429	0.49 516	0.17 327	0.19 288	0.22 383	0.15 351	0.17 364	0.16 374	0.10 409	0.06 322	0.08 293	0.08 353	0.08 336	0.08 359

test_sample7	0.15 370	0.10 385	0.16 364	0.14 34	0.11 403	0.16 350	0.16 300	0.27 386	0.23 324	0.20 394	0.20 300	0.24 406	0.19 429	0.16 332	0.16 374	0.12 462	0.06 322	0.10 417	0.09 397	0.10 428	0.10 427

1111x	0.15 370	0.08 253	0.12 201	0.18 316	0.07 90	0.18 389	0.25 499	0.31 439	0.24 340	0.17 327	0.24 351	0.26 428	0.15 351	0.13 251	0.23 466	0.07 255	0.07 392	0.08 293	0.09 397	0.07 274	0.06 214

CFNet_ucs	0.15 370	0.08 253	0.16 364	0.16 161	0.11 403	0.14 294	0.14 169	0.30 429	0.34 447	0.16 311	0.24 351	0.23 400	0.14 333	0.18 385	0.15 358	0.09 372	0.06 322	0.08 293	0.07 289	0.09 397	0.09 403

BSDual-CNN	0.15 370	0.09 327	0.14 281	0.22 465	0.10 356	0.14 294	0.15 235	0.34 478	0.19 262	0.17 327	0.22 330	0.25 419	0.16 377	0.15 298	0.14 330	0.08 315	0.06 322	0.10 417	0.09 397	0.07 274	0.07 295

hknet	0.15 370	0.11 410	0.13 246	0.22 465	0.11 403	0.14 294	0.15 235	0.34 478	0.25 361	0.17 327	0.22 330	0.22 383	0.18 413	0.17 364	0.12 252	0.07 255	0.06 322	0.10 417	0.09 397	0.07 274	0.07 295

dd	0.15 370	0.16 482	0.16 364	0.19 372	0.09 255	0.15 320	0.18 378	0.21 268	0.25 361	0.23 435	0.20 300	0.21 365	0.09 184	0.21 441	0.16 374	0.10 409	0.06 322	0.08 293	0.06 202	0.08 336	0.06 214

DAS	0.15 370	0.08 253	0.18 415	0.19 372	0.10 356	0.19 412	0.17 333	0.27 386	0.29 405	0.18 357	0.25 380	0.21 365	0.15 351	0.16 332	0.12 252	0.08 315	0.06 322	0.06 119	0.06 202	0.07 274	0.07 295

SepStereo	0.15 370	0.08 253	0.18 415	0.19 372	0.10 356	0.19 412	0.17 333	0.27 386	0.29 405	0.18 357	0.25 380	0.21 365	0.15 351	0.25 477	0.12 252	0.08 315	0.06 322	0.06 119	0.06 202	0.07 274	0.07 295

PSMNet-ADL	0.15 370	0.12 427	0.13 246	0.22 465	0.09 255	0.13 262	0.20 437	0.26 365	0.23 324	0.18 357	0.20 300	0.24 406	0.16 377	0.18 385	0.17 389	0.08 315	0.08 418	0.08 293	0.11 462	0.08 336	0.07 295

LMCR-Stereo	0.15 370	0.08 253	0.13 246	0.21 450	0.09 255	0.17 371	0.20 437	0.27 386	0.19 262	0.24 444	0.24 351	0.23 400	0.17 400	0.20 425	0.17 389	0.07 255	0.06 322	0.08 293	0.06 202	0.10 428	0.08 359

ICVP	0.15 370	0.09 327	0.12 201	0.22 465	0.09 255	0.17 371	0.21 454	0.25 347	0.23 324	0.18 357	0.30 436	0.26 428	0.18 413	0.17 364	0.14 330	0.09 372	0.07 392	0.08 293	0.07 289	0.07 274	0.07 295
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 370	0.07 156	0.14 281	0.14 34	0.08 145	0.23 464	0.18 378	0.31 439	0.19 262	0.14 256	0.28 418	0.22 383	0.14 333	0.15 298	0.26 496	0.09 372	0.05 202	0.07 211	0.07 289	0.08 336	0.07 295

test_xeample	0.15 370	0.06 65	0.13 246	0.14 34	0.08 145	0.21 443	0.20 437	0.28 405	0.20 285	0.16 311	0.29 430	0.19 344	0.16 377	0.15 298	0.26 496	0.09 372	0.05 202	0.07 211	0.07 289	0.07 274	0.07 295

ACVNet	0.15 370	0.09 327	0.15 330	0.13 13	0.12 434	0.14 294	0.20 437	0.22 290	0.33 436	0.17 327	0.26 397	0.21 365	0.16 377	0.17 364	0.21 445	0.07 255	0.06 322	0.06 119	0.06 202	0.08 336	0.06 214

acv_ft	0.15 370	0.09 327	0.15 330	0.19 372	0.10 356	0.16 350	0.17 333	0.25 347	0.33 436	0.19 372	0.26 397	0.21 365	0.17 400	0.17 364	0.18 407	0.07 255	0.06 322	0.06 119	0.06 202	0.08 336	0.06 214

CFNet	0.15 370	0.10 385	0.17 392	0.17 235	0.08 145	0.18 389	0.09 22	0.28 405	0.25 361	0.19 372	0.24 351	0.24 406	0.17 400	0.17 364	0.14 330	0.08 315	0.06 322	0.09 372	0.10 432	0.07 274	0.06 214

AdaStereo	0.15 370	0.11 410	0.15 330	0.18 316	0.09 255	0.20 427	0.11 66	0.32 450	0.28 398	0.20 394	0.23 339	0.20 356	0.13 308	0.19 400	0.14 330	0.12 462	0.05 202	0.10 417	0.07 289	0.09 397	0.07 295
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.
HSM	0.15 370	0.08 253	0.14 281	0.16 161	0.09 255	0.16 350	0.14 169	0.28 405	0.25 361	0.19 372	0.23 339	0.37 501	0.16 377	0.20 425	0.15 358	0.07 255	0.05 202	0.07 211	0.06 202	0.07 274	0.06 214

pmcnn	0.15 370	0.07 156	0.19 426	0.15 87	0.07 90	0.20 427	0.15 235	0.24 331	0.26 375	0.21 408	0.34 464	0.28 445	0.18 413	0.18 385	0.17 389	0.07 255	0.05 202	0.05 43	0.04 52	0.07 274	0.06 214

DualNet (step1)	0.16 393	0.12 427	0.20 438	0.12 4	0.14 473	0.17 371	0.13 121	0.27 386	0.23 324	0.20 394	0.20 300	0.24 406	0.19 429	0.16 332	0.16 374	0.15 502	0.06 322	0.14 492	0.14 494	0.14 491	0.12 462

GMStereo_Zeroshot	0.16 393	0.13 456	0.24 464	0.20 421	0.10 356	0.17 371	0.13 121	0.29 415	0.25 361	0.23 435	0.32 448	0.25 419	0.11 241	0.19 400	0.14 330	0.09 372	0.06 322	0.11 448	0.06 202	0.12 462	0.08 359

iinet-f	0.16 393	0.06 65	0.45 526	0.14 34	0.10 356	0.21 443	0.14 169	0.27 386	0.23 324	0.21 408	0.24 351	0.21 365	0.15 351	0.18 385	0.21 445	0.09 372	0.07 392	0.07 211	0.06 202	0.09 397	0.10 427

CRFU-Net	0.16 393	0.08 253	0.14 281	0.17 235	0.09 255	0.19 412	0.14 169	0.26 365	0.20 285	0.28 481	0.27 405	0.29 452	0.17 400	0.19 400	0.17 389	0.09 372	0.09 444	0.07 211	0.07 289	0.08 336	0.08 359

NINENet	0.16 393	0.10 385	0.15 330	0.17 235	0.11 403	0.19 412	0.14 169	0.40 517	0.36 461	0.18 357	0.21 321	0.16 296	0.13 308	0.15 298	0.13 293	0.08 315	0.08 418	0.10 417	0.07 289	0.10 428	0.09 403

CSP-Net	0.16 393	0.09 327	0.14 281	0.16 161	0.09 255	0.19 412	0.17 333	0.25 347	0.32 429	0.25 457	0.30 436	0.24 406	0.15 351	0.21 441	0.18 407	0.09 372	0.06 322	0.07 211	0.07 289	0.08 336	0.07 295

AASNet	0.16 393	0.08 253	0.12 201	0.19 372	0.09 255	0.18 389	0.15 235	0.37 502	0.37 468	0.19 372	0.23 339	0.20 356	0.16 377	0.17 364	0.20 425	0.10 409	0.08 418	0.08 293	0.07 289	0.09 397	0.09 403

AACVNet	0.16 393	0.08 253	0.14 281	0.15 87	0.10 356	0.18 389	0.15 235	0.23 309	0.24 340	0.27 467	0.27 405	0.28 445	0.17 400	0.19 400	0.16 374	0.09 372	0.07 392	0.09 372	0.07 289	0.10 428	0.09 403

ADLNet2	0.16 393	0.09 327	0.13 246	0.16 161	0.09 255	0.20 427	0.16 300	0.31 439	0.39 476	0.16 311	0.20 300	0.20 356	0.18 413	0.21 441	0.22 454	0.08 315	0.06 322	0.07 211	0.07 289	0.09 397	0.07 295

Anonymous3	0.16 393	0.13 456	0.33 503	0.26 509	0.14 473	0.27 496	0.17 333	0.28 405	0.28 398	0.15 283	0.17 254	0.14 253	0.10 216	0.15 298	0.12 252	0.08 315	0.08 418	0.08 293	0.08 353	0.08 336	0.11 450

ADLNet	0.16 393	0.08 253	0.15 330	0.16 161	0.10 356	0.16 350	0.17 333	0.32 450	0.27 384	0.22 423	0.27 405	0.24 406	0.16 377	0.18 385	0.21 445	0.10 409	0.06 322	0.10 417	0.10 432	0.08 336	0.09 403

HCRNet	0.16 393	0.24 524	0.12 201	0.35 541	0.11 403	0.15 320	0.17 333	0.26 365	0.22 314	0.19 372	0.24 351	0.21 365	0.14 333	0.15 298	0.13 293	0.11 437	0.07 392	0.11 448	0.10 432	0.09 397	0.07 295

222	0.16 393	0.07 156	0.14 281	0.14 34	0.08 145	0.24 469	0.18 378	0.30 429	0.20 285	0.17 327	0.28 418	0.17 316	0.16 377	0.15 298	0.40 543	0.10 409	0.05 202	0.07 211	0.06 202	0.07 274	0.08 359

UPFNet	0.16 393	0.08 253	0.12 201	0.20 421	0.12 434	0.20 427	0.23 472	0.28 405	0.26 375	0.17 327	0.24 351	0.22 383	0.19 429	0.19 400	0.21 445	0.09 372	0.07 392	0.08 293	0.09 397	0.08 336	0.06 214

ac_64	0.16 393	0.08 253	0.15 330	0.18 316	0.10 356	0.22 451	0.18 378	0.24 331	0.21 300	0.18 357	0.24 351	0.29 452	0.18 413	0.19 400	0.22 454	0.09 372	0.07 392	0.08 293	0.09 397	0.07 274	0.06 214

DSFCA	0.16 393	0.09 327	0.14 281	0.16 161	0.10 356	0.20 427	0.19 416	0.28 405	0.31 422	0.23 435	0.24 351	0.22 383	0.15 351	0.19 400	0.20 425	0.10 409	0.07 392	0.09 372	0.09 397	0.08 336	0.08 359

FADNet-RVC-Resample	0.16 393	0.11 410	0.31 497	0.22 465	0.11 403	0.19 412	0.14 169	0.25 347	0.24 340	0.24 444	0.27 405	0.20 356	0.15 351	0.16 332	0.15 358	0.07 255	0.08 418	0.12 465	0.10 432	0.09 397	0.10 427

FADNet_RVC	0.16 393	0.14 468	0.40 520	0.20 421	0.11 403	0.13 262	0.13 121	0.26 365	0.22 314	0.21 408	0.23 339	0.20 356	0.17 400	0.14 276	0.16 374	0.08 315	0.08 418	0.12 465	0.09 397	0.11 448	0.10 427

AANet_RVC	0.16 393	0.10 385	0.10 124	0.18 316	0.09 255	0.18 389	0.19 416	0.26 365	0.31 422	0.22 423	0.35 469	0.21 365	0.21 445	0.22 452	0.16 374	0.06 131	0.05 202	0.06 119	0.06 202	0.07 274	0.06 214

DeepPruner_ROB	0.16 393	0.11 410	0.15 330	0.17 235	0.10 356	0.17 371	0.15 235	0.32 450	0.21 300	0.19 372	0.21 321	0.22 383	0.18 413	0.20 425	0.15 358	0.13 485	0.09 444	0.09 372	0.09 397	0.11 448	0.10 427

rvit_stereo_0075_2	0.17 413	0.12 427	0.25 469	0.23 485	0.16 499	0.13 262	0.10 41	0.30 429	0.27 384	0.20 394	0.28 418	0.22 383	0.15 351	0.18 385	0.13 293	0.16 518	0.10 463	0.17 513	0.10 432	0.10 428	0.09 403

ToySt	0.17 413	0.11 410	0.18 415	0.17 235	0.11 403	0.16 350	0.25 499	0.24 331	0.33 436	0.19 372	0.24 351	0.26 428	0.24 466	0.19 400	0.20 425	0.07 255	0.08 418	0.09 372	0.10 432	0.09 397	0.08 359

ssnet_v2	0.17 413	0.10 385	0.17 392	0.17 235	0.11 403	0.21 443	0.21 454	0.33 469	0.25 361	0.22 423	0.22 330	0.27 436	0.18 413	0.22 452	0.20 425	0.11 437	0.09 444	0.09 372	0.09 397	0.08 336	0.08 359

dad	0.17 413	0.20 510	0.20 438	0.16 161	0.11 403	0.20 427	0.18 378	0.21 268	0.28 398	0.30 491	0.24 351	0.29 452	0.13 308	0.19 400	0.16 374	0.18 525	0.09 444	0.11 448	0.09 397	0.11 448	0.07 295

GEStereo_RVC	0.17 413	0.12 427	0.15 330	0.22 465	0.11 403	0.19 412	0.17 333	0.32 450	0.48 511	0.20 394	0.25 380	0.17 316	0.13 308	0.21 441	0.16 374	0.10 409	0.06 322	0.08 293	0.07 289	0.09 397	0.08 359

MMNet	0.17 413	0.09 327	0.16 364	0.20 421	0.11 403	0.27 496	0.20 437	0.25 347	0.41 485	0.22 423	0.30 436	0.21 365	0.20 441	0.17 364	0.20 425	0.06 131	0.06 322	0.07 211	0.07 289	0.08 336	0.07 295

delet	0.17 413	0.08 253	0.17 392	0.19 372	0.11 403	0.20 427	0.21 454	0.30 429	0.37 468	0.17 327	0.26 397	0.19 344	0.19 429	0.19 400	0.21 445	0.08 315	0.08 418	0.09 372	0.11 462	0.06 208	0.06 214

UNet	0.17 413	0.09 327	0.18 415	0.19 372	0.12 434	0.27 496	0.19 416	0.33 469	0.29 405	0.21 408	0.24 351	0.23 400	0.19 429	0.19 400	0.18 407	0.07 255	0.06 322	0.08 293	0.07 289	0.08 336	0.06 214

HGLStereo	0.17 413	0.08 253	0.19 426	0.17 235	0.12 434	0.18 389	0.18 378	0.31 439	0.32 429	0.21 408	0.32 448	0.25 419	0.18 413	0.19 400	0.20 425	0.09 372	0.09 444	0.07 211	0.07 289	0.09 397	0.10 427

DMCA-RVC	0.17 413	0.10 385	0.15 330	0.24 494	0.11 403	0.18 389	0.18 378	0.25 347	0.24 340	0.21 408	0.26 397	0.25 419	0.27 487	0.18 385	0.20 425	0.12 462	0.08 418	0.13 480	0.10 432	0.10 428	0.08 359

TDLM	0.17 413	0.12 427	0.13 246	0.24 494	0.10 356	0.18 389	0.18 378	0.36 497	0.30 415	0.21 408	0.28 418	0.28 445	0.18 413	0.23 463	0.18 407	0.11 437	0.07 392	0.10 417	0.10 432	0.08 336	0.08 359

NLCA_NET_v2_RVC	0.17 413	0.10 385	0.22 452	0.20 421	0.10 356	0.15 320	0.18 378	0.31 439	0.25 361	0.21 408	0.30 436	0.25 419	0.17 400	0.21 441	0.20 425	0.09 372	0.06 322	0.08 293	0.08 353	0.07 274	0.08 359
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 413	0.12 427	0.15 330	0.20 421	0.09 255	0.18 389	0.18 378	0.26 365	0.23 324	0.26 461	0.40 496	0.22 383	0.17 400	0.21 441	0.20 425	0.08 315	0.05 202	0.09 372	0.10 432	0.07 274	0.07 295
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 426	0.08 253	0.19 426	0.19 372	0.13 455	0.15 320	0.12 83	0.30 429	0.32 429	0.21 408	0.25 380	0.27 436	0.17 400	0.17 364	0.20 425	0.20 532	0.08 418	0.14 492	0.14 494	0.14 491	0.17 524

test_sample9	0.18 426	0.12 427	0.20 438	0.12 4	0.14 473	0.17 371	0.13 121	0.27 386	0.23 324	0.20 394	0.20 300	0.24 406	0.19 429	0.19 400	0.17 389	0.15 502	0.30 551	0.14 492	0.14 494	0.14 491	0.12 462

fast-acv-ft	0.18 426	0.11 410	0.19 426	0.19 372	0.12 434	0.24 469	0.21 454	0.25 347	0.34 447	0.22 423	0.34 464	0.27 436	0.20 441	0.21 441	0.23 466	0.09 372	0.09 444	0.08 293	0.10 432	0.08 336	0.07 295

HBP-ISP	0.18 426	0.13 456	0.16 364	0.15 87	0.11 403	0.08 48	0.13 121	0.28 405	0.29 405	0.22 423	0.33 460	0.21 365	0.25 474	0.23 463	0.17 389	0.14 498	0.16 520	0.21 527	0.17 521	0.10 428	0.08 359

Wz-Net-LNSev-Ref	0.18 426	0.09 327	0.29 492	0.15 87	0.10 356	0.22 451	0.20 437	0.26 365	0.39 476	0.25 457	0.42 513	0.24 406	0.15 351	0.20 425	0.19 419	0.07 255	0.05 202	0.06 119	0.05 124	0.10 428	0.09 403

SACVNet	0.18 426	0.12 427	0.14 281	0.17 235	0.13 455	0.22 451	0.18 378	0.31 439	0.30 415	0.23 435	0.31 444	0.30 460	0.22 454	0.22 452	0.17 389	0.11 437	0.08 418	0.10 417	0.10 432	0.12 462	0.14 498

psm_up	0.18 426	0.10 385	0.18 415	0.20 421	0.11 403	0.17 371	0.19 416	0.37 502	0.34 447	0.21 408	0.28 418	0.29 452	0.24 466	0.20 425	0.22 454	0.09 372	0.10 463	0.11 448	0.11 462	0.08 336	0.08 359

hitnet-ft	0.18 426	0.09 327	0.17 392	0.14 34	0.09 255	0.26 487	0.20 437	0.25 347	0.26 375	0.24 444	0.32 448	0.31 472	0.22 454	0.24 472	0.21 445	0.12 462	0.07 392	0.10 417	0.08 353	0.12 462	0.11 450

STTStereo	0.18 426	0.12 427	0.27 479	0.20 421	0.11 403	0.16 350	0.21 454	0.29 415	0.23 324	0.21 408	0.30 436	0.29 452	0.18 413	0.20 425	0.19 419	0.12 462	0.11 475	0.11 448	0.14 494	0.09 397	0.08 359

CVANet_RVC	0.18 426	0.10 385	0.14 281	0.21 450	0.10 356	0.18 389	0.17 333	0.34 478	0.33 436	0.22 423	0.31 444	0.28 445	0.18 413	0.23 463	0.17 389	0.12 462	0.08 418	0.12 465	0.11 462	0.09 397	0.07 295

StereoDRNet	0.18 426	0.11 410	0.17 392	0.22 465	0.11 403	0.21 443	0.22 463	0.37 502	0.33 436	0.24 444	0.28 418	0.30 460	0.19 429	0.20 425	0.20 425	0.09 372	0.08 418	0.11 448	0.09 397	0.09 397	0.07 295

DLCB_ROB	0.18 426	0.10 385	0.15 330	0.23 485	0.11 403	0.24 469	0.18 378	0.29 415	0.28 398	0.27 467	0.28 418	0.28 445	0.24 466	0.19 400	0.20 425	0.08 315	0.08 418	0.09 372	0.09 397	0.07 274	0.07 295

TCMNet	0.19 438	0.12 427	0.19 426	0.20 421	0.18 520	0.20 427	0.24 484	0.27 386	0.36 461	0.23 435	0.26 397	0.25 419	0.19 429	0.19 400	0.23 466	0.13 485	0.11 475	0.11 448	0.12 481	0.13 478	0.12 462

rvit_105_1	0.19 438	0.11 410	0.25 469	0.21 450	0.16 499	0.21 443	0.27 513	0.31 439	0.41 485	0.19 372	0.20 300	0.22 383	0.17 400	0.19 400	0.17 389	0.12 462	0.12 489	0.13 480	0.15 510	0.08 336	0.07 295

test_sample8	0.19 438	0.12 427	0.20 438	0.12 4	0.14 473	0.17 371	0.13 121	0.31 439	0.21 300	0.27 467	0.22 330	0.36 496	0.25 474	0.19 400	0.17 389	0.15 502	0.30 551	0.14 492	0.14 494	0.14 491	0.12 462

SDNR	0.19 438	0.08 253	0.19 426	0.16 161	0.12 434	0.77 567	0.14 169	0.25 347	0.32 429	0.19 372	0.24 351	0.19 344	0.13 308	0.19 400	0.15 358	0.16 518	0.18 527	0.14 492	0.11 462	0.08 336	0.11 450

pcwnet_v2	0.19 438	0.10 385	0.26 472	0.17 235	0.14 473	0.18 389	0.15 235	0.37 502	0.46 509	0.19 372	0.24 351	0.21 365	0.19 429	0.20 425	0.19 419	0.13 485	0.10 463	0.10 417	0.10 432	0.11 448	0.13 481

ADCRef	0.19 438	0.12 427	0.41 522	0.20 421	0.12 434	0.22 451	0.18 378	0.32 450	0.36 461	0.26 461	0.32 448	0.17 316	0.23 460	0.24 472	0.24 477	0.07 255	0.06 322	0.09 372	0.09 397	0.08 336	0.08 359

NVstereo2D	0.19 438	0.10 385	0.15 330	0.17 235	0.15 489	0.28 502	0.23 472	0.44 534	0.42 492	0.15 283	0.27 405	0.25 419	0.19 429	0.22 452	0.17 389	0.09 372	0.06 322	0.10 417	0.08 353	0.15 506	0.09 403

DRN-Test	0.19 438	0.11 410	0.20 438	0.22 465	0.10 356	0.22 451	0.22 463	0.39 513	0.37 468	0.24 444	0.32 448	0.26 428	0.21 445	0.22 452	0.24 477	0.11 437	0.07 392	0.11 448	0.10 432	0.09 397	0.07 295

DISCO	0.19 438	0.09 327	0.22 452	0.17 235	0.10 356	0.25 479	0.18 378	0.27 386	0.44 502	0.22 423	0.31 444	0.33 484	0.26 479	0.28 493	0.28 510	0.08 315	0.06 322	0.07 211	0.07 289	0.09 397	0.09 403

CBMV_ROB	0.19 438	0.13 456	0.17 392	0.16 161	0.11 403	0.15 320	0.13 121	0.26 365	0.28 398	0.27 467	0.30 436	0.27 436	0.24 466	0.23 463	0.16 374	0.15 502	0.17 525	0.22 531	0.20 527	0.10 428	0.11 450

NOSS_ROB	0.19 438	0.12 427	0.18 415	0.16 161	0.12 434	0.15 320	0.12 83	0.30 429	0.32 429	0.20 394	0.22 330	0.27 436	0.23 460	0.21 441	0.16 374	0.16 518	0.18 527	0.23 532	0.21 529	0.12 462	0.13 481

CBMV	0.19 438	0.14 468	0.17 392	0.18 316	0.10 356	0.20 427	0.11 66	0.29 415	0.30 415	0.29 488	0.30 436	0.30 460	0.23 460	0.27 482	0.19 419	0.13 485	0.15 517	0.17 513	0.16 514	0.10 428	0.10 427
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
YMNet	0.20 450	0.12 427	0.19 426	0.20 421	0.14 473	0.26 487	0.23 472	0.32 450	0.34 447	0.27 467	0.34 464	0.30 460	0.18 413	0.18 385	0.22 454	0.10 409	0.13 502	0.10 417	0.10 432	0.08 336	0.09 403

YMNet_1	0.20 450	0.12 427	0.19 426	0.20 421	0.14 473	0.26 487	0.23 472	0.32 450	0.34 447	0.27 467	0.34 464	0.30 460	0.18 413	0.18 385	0.22 454	0.10 409	0.13 502	0.10 417	0.10 432	0.08 336	0.09 403

GwcNet	0.20 450	0.13 456	0.19 426	0.18 316	0.12 434	0.24 469	0.19 416	0.35 491	0.43 497	0.20 394	0.32 448	0.33 484	0.20 441	0.22 452	0.24 477	0.11 437	0.09 444	0.09 372	0.09 397	0.09 397	0.10 427

FAT-Stereo	0.20 450	0.12 427	0.22 452	0.21 450	0.12 434	0.17 371	0.18 378	0.34 478	0.39 476	0.27 467	0.37 478	0.34 490	0.32 515	0.21 441	0.20 425	0.09 372	0.11 475	0.10 417	0.09 397	0.11 448	0.14 498

FADNet-RVC	0.20 450	0.20 510	0.38 516	0.21 450	0.16 499	0.20 427	0.15 235	0.26 365	0.26 375	0.26 461	0.32 448	0.26 428	0.21 445	0.22 452	0.19 419	0.12 462	0.13 502	0.12 465	0.14 494	0.13 478	0.18 527

S-Stereo	0.20 450	0.12 427	0.25 469	0.21 450	0.13 455	0.20 427	0.18 378	0.32 450	0.43 497	0.23 435	0.36 472	0.28 445	0.30 507	0.19 400	0.22 454	0.09 372	0.12 489	0.10 417	0.10 432	0.13 478	0.13 481

SuperB	0.20 450	0.10 385	0.56 539	0.16 161	0.09 255	0.18 389	0.18 378	0.24 331	0.50 519	0.26 461	0.39 491	0.17 316	0.21 445	0.22 452	0.21 445	0.08 315	0.06 322	0.06 119	0.06 202	0.12 462	0.10 427

ADCP+	0.20 450	0.10 385	0.33 503	0.20 421	0.12 434	0.22 451	0.26 506	0.31 439	0.34 447	0.26 461	0.37 478	0.22 383	0.22 454	0.27 482	0.27 503	0.09 372	0.06 322	0.08 293	0.08 353	0.09 397	0.10 427

PS-NSSS	0.20 450	0.21 516	0.23 461	0.20 421	0.10 356	0.19 412	0.17 333	0.36 497	0.25 361	0.27 467	0.33 460	0.27 436	0.24 466	0.20 425	0.20 425	0.15 502	0.12 489	0.17 513	0.14 494	0.10 428	0.08 359

PWCDC_ROB	0.20 450	0.13 456	0.22 452	0.24 494	0.11 403	0.19 412	0.15 235	0.33 469	0.54 528	0.29 488	0.50 528	0.21 365	0.15 351	0.27 482	0.20 425	0.11 437	0.09 444	0.10 417	0.08 353	0.11 448	0.09 403

SGM-Forest	0.20 450	0.14 468	0.18 415	0.19 372	0.13 455	0.20 427	0.22 463	0.33 469	0.30 415	0.24 444	0.29 430	0.28 445	0.19 429	0.23 463	0.17 389	0.15 502	0.16 520	0.15 504	0.14 494	0.12 462	0.12 462
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 461	0.17 493	0.19 426	0.23 485	0.15 489	0.30 508	0.20 437	0.33 469	0.35 456	0.23 435	0.28 418	0.31 472	0.27 487	0.20 425	0.22 454	0.15 502	0.12 489	0.13 480	0.09 397	0.14 491	0.14 498

FINET	0.21 461	0.18 503	0.26 472	0.18 316	0.16 499	0.23 464	0.23 472	0.32 450	0.48 511	0.25 457	0.32 448	0.22 383	0.22 454	0.22 452	0.17 389	0.18 525	0.16 520	0.11 448	0.10 432	0.15 506	0.13 481

Syn2CoEx	0.21 461	0.16 482	0.27 479	0.29 531	0.14 473	0.26 487	0.20 437	0.33 469	0.31 422	0.28 481	0.36 472	0.27 436	0.25 474	0.19 400	0.24 477	0.16 518	0.12 489	0.14 492	0.11 462	0.09 397	0.08 359

FADNet	0.21 461	0.22 520	0.36 512	0.18 316	0.17 514	0.24 469	0.13 121	0.31 439	0.31 422	0.23 435	0.25 380	0.27 436	0.21 445	0.19 400	0.15 358	0.13 485	0.15 517	0.12 465	0.15 510	0.16 513	0.18 527

RP	0.21 461	0.13 456	0.21 446	0.23 485	0.11 403	0.21 443	0.20 437	0.25 347	0.44 502	0.21 408	0.38 483	0.36 496	0.24 466	0.27 482	0.25 486	0.11 437	0.12 489	0.13 480	0.12 481	0.12 462	0.14 498

DANet	0.21 461	0.15 474	0.28 484	0.25 504	0.13 455	0.22 451	0.19 416	0.27 386	0.27 384	0.28 481	0.32 448	0.35 494	0.31 511	0.31 504	0.23 466	0.11 437	0.09 444	0.11 448	0.10 432	0.13 478	0.11 450
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 461	0.12 427	0.21 446	0.24 494	0.13 455	0.22 451	0.22 463	0.41 523	0.26 375	0.31 497	0.42 513	0.37 501	0.28 495	0.23 463	0.22 454	0.10 409	0.12 489	0.10 417	0.09 397	0.10 428	0.08 359

PWC_ROB	0.21 461	0.16 482	0.26 472	0.18 316	0.11 403	0.22 451	0.13 121	0.32 450	0.49 516	0.30 491	0.40 496	0.32 481	0.24 466	0.31 504	0.22 454	0.10 409	0.07 392	0.11 448	0.08 353	0.11 448	0.10 427

PSMNet_ROB	0.21 461	0.11 410	0.15 330	0.27 521	0.15 489	0.24 469	0.35 546	0.43 532	0.37 468	0.27 467	0.32 448	0.32 481	0.22 454	0.21 441	0.26 496	0.12 462	0.08 418	0.13 480	0.11 462	0.09 397	0.09 403

GASNet	0.22 470	0.23 521	0.33 503	0.26 509	0.17 514	0.26 487	0.16 300	0.44 534	0.42 492	0.27 467	0.24 351	0.30 460	0.15 351	0.27 482	0.18 407	0.12 462	0.08 418	0.12 465	0.11 462	0.16 513	0.07 295

Anonymous_2	0.22 470	0.17 493	0.28 484	0.15 87	0.16 499	0.32 511	0.22 463	0.22 290	0.17 220	0.23 435	0.24 351	0.26 428	0.27 487	0.27 482	0.23 466	0.22 540	0.25 547	0.17 513	0.17 521	0.17 520	0.17 524

Wz-Net-LNSev	0.22 470	0.16 482	0.38 516	0.21 450	0.13 455	0.25 479	0.23 472	0.32 450	0.43 497	0.30 491	0.41 506	0.31 472	0.18 413	0.22 452	0.25 486	0.10 409	0.09 444	0.08 293	0.08 353	0.12 462	0.11 450

Wz-Net-MNSev	0.22 470	0.13 456	0.31 497	0.20 421	0.14 473	0.36 530	0.24 484	0.33 469	0.44 502	0.28 481	0.40 496	0.38 505	0.19 429	0.24 472	0.25 486	0.09 372	0.07 392	0.09 372	0.09 397	0.12 462	0.10 427

DDUNet	0.22 470	0.17 493	0.21 446	0.22 465	0.15 489	0.25 479	0.24 484	0.29 415	0.30 415	0.31 497	0.36 472	0.33 484	0.25 474	0.24 472	0.20 425	0.18 525	0.13 502	0.17 513	0.11 462	0.16 513	0.16 516

APVNet	0.22 470	0.12 427	0.19 426	0.18 316	0.14 473	0.32 511	0.31 542	0.39 513	0.32 429	0.27 467	0.40 496	0.30 460	0.29 503	0.26 479	0.25 486	0.11 437	0.12 489	0.11 448	0.14 494	0.12 462	0.12 462

aanetorigin	0.22 470	0.17 493	0.56 539	0.17 235	0.10 356	0.15 320	0.19 416	0.20 246	0.33 436	0.49 540	0.48 523	0.29 452	0.27 487	0.20 425	0.23 466	0.08 315	0.07 392	0.08 293	0.07 289	0.10 428	0.09 403

MaskLacGwcNet_RVC	0.22 470	0.21 516	0.24 464	0.26 509	0.11 403	0.23 464	0.14 169	0.39 513	0.24 340	0.32 503	0.36 472	0.30 460	0.21 445	0.19 400	0.21 445	0.17 523	0.14 511	0.21 527	0.16 514	0.12 462	0.12 462

AF-Net	0.22 470	0.17 493	0.17 392	0.26 509	0.13 455	0.25 479	0.24 484	0.32 450	0.50 519	0.25 457	0.33 460	0.38 505	0.26 479	0.28 493	0.25 486	0.11 437	0.10 463	0.16 510	0.11 462	0.11 448	0.10 427

stereogan	0.22 470	0.11 410	0.21 446	0.20 421	0.12 434	0.31 510	0.19 416	0.35 491	0.44 502	0.22 423	0.39 491	0.35 494	0.27 487	0.33 512	0.22 454	0.10 409	0.12 489	0.10 417	0.10 432	0.14 491	0.13 481

edge stereo	0.22 470	0.13 456	0.20 438	0.21 450	0.13 455	0.23 464	0.16 300	0.32 450	0.42 492	0.32 503	0.40 496	0.38 505	0.35 522	0.25 477	0.24 477	0.13 485	0.11 475	0.14 492	0.11 462	0.12 462	0.13 481

RYNet	0.22 470	0.12 427	0.22 452	0.19 372	0.17 514	0.46 538	0.26 506	0.38 509	0.48 511	0.24 444	0.28 418	0.34 490	0.23 460	0.20 425	0.30 518	0.10 409	0.06 322	0.09 372	0.09 397	0.13 478	0.15 505

NaN_ROB	0.22 470	0.19 506	0.24 464	0.25 504	0.13 455	0.29 505	0.26 506	0.33 469	0.41 485	0.31 497	0.31 444	0.32 481	0.23 460	0.30 503	0.21 445	0.11 437	0.17 525	0.10 417	0.10 432	0.08 336	0.09 403

MDST_ROB	0.22 470	0.10 385	0.17 392	0.18 316	0.11 403	0.37 531	0.19 416	0.43 532	0.41 485	0.39 520	0.39 491	0.29 452	0.21 445	0.26 479	0.18 407	0.11 437	0.10 463	0.14 492	0.11 462	0.10 428	0.08 359

XPNet_ROB	0.22 470	0.11 410	0.19 426	0.22 465	0.13 455	0.22 451	0.19 416	0.34 478	0.40 482	0.30 491	0.39 491	0.39 513	0.26 479	0.26 479	0.28 510	0.15 502	0.10 463	0.10 417	0.10 432	0.13 478	0.12 462

SQANet	0.23 485	0.23 521	0.30 495	0.30 533	0.19 523	0.27 496	0.13 121	0.29 415	0.33 436	0.24 444	0.37 478	0.31 472	0.22 454	0.27 482	0.23 466	0.15 502	0.10 463	0.21 527	0.16 514	0.21 529	0.15 505

Nwc_Net	0.23 485	0.16 482	0.21 446	0.25 504	0.14 473	0.24 469	0.26 506	0.37 502	0.38 473	0.22 423	0.41 506	0.30 460	0.28 495	0.28 493	0.25 486	0.11 437	0.10 463	0.17 513	0.20 527	0.10 428	0.10 427

RTSC	0.23 485	0.12 427	0.28 484	0.21 450	0.13 455	0.28 502	0.16 300	0.35 491	0.66 547	0.27 467	0.33 460	0.30 460	0.21 445	0.31 504	0.29 513	0.10 409	0.08 418	0.09 372	0.10 432	0.13 478	0.13 481

PA-Net	0.23 485	0.18 503	0.33 503	0.28 524	0.22 531	0.21 443	0.38 551	0.29 415	0.39 476	0.22 423	0.32 448	0.25 419	0.26 479	0.20 425	0.25 486	0.09 372	0.23 545	0.15 504	0.22 532	0.09 397	0.13 481
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 485	0.15 474	0.17 392	0.34 539	0.18 520	0.24 469	0.23 472	0.34 478	0.28 398	0.31 497	0.38 483	0.38 505	0.28 495	0.23 463	0.24 477	0.15 502	0.12 489	0.18 522	0.21 529	0.13 478	0.13 481

ETE_ROB	0.23 485	0.17 493	0.22 452	0.25 504	0.13 455	0.26 487	0.29 528	0.31 439	0.36 461	0.28 481	0.36 472	0.45 528	0.26 479	0.27 482	0.26 496	0.11 437	0.08 418	0.12 465	0.09 397	0.14 491	0.13 481

SGM_RVC	0.23 485	0.12 427	0.15 330	0.15 87	0.09 255	0.33 517	0.18 378	0.34 478	0.31 422	0.44 535	0.37 478	0.53 542	0.35 522	0.35 521	0.24 477	0.13 485	0.13 502	0.13 480	0.13 491	0.10 428	0.11 450
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DGSMNet	0.24 492	0.19 506	0.33 503	0.21 450	0.24 535	0.24 469	0.20 437	0.35 491	0.41 485	0.24 444	0.32 448	0.38 505	0.21 445	0.29 500	0.23 466	0.12 462	0.11 475	0.14 492	0.16 514	0.23 533	0.23 539

G-Net	0.24 492	0.16 482	0.36 512	0.22 465	0.16 499	0.51 544	0.23 472	0.29 415	0.34 447	0.36 512	0.38 483	0.31 472	0.29 503	0.27 482	0.26 496	0.11 437	0.09 444	0.12 465	0.09 397	0.16 513	0.13 481

NCC-stereo	0.24 492	0.15 474	0.31 497	0.26 509	0.16 499	0.20 427	0.30 536	0.40 517	0.40 482	0.24 444	0.38 483	0.33 484	0.28 495	0.36 526	0.27 503	0.12 462	0.11 475	0.15 504	0.22 532	0.13 478	0.13 481

Abc-Net	0.24 492	0.15 474	0.31 497	0.26 509	0.16 499	0.20 427	0.30 536	0.40 517	0.40 482	0.24 444	0.38 483	0.33 484	0.28 495	0.36 526	0.27 503	0.12 462	0.11 475	0.15 504	0.22 532	0.13 478	0.13 481
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 492	0.11 410	0.47 530	0.22 465	0.12 434	0.34 520	0.29 528	0.29 415	0.56 531	0.24 444	0.46 520	0.30 460	0.30 507	0.29 500	0.29 513	0.08 315	0.07 392	0.09 372	0.09 397	0.10 428	0.10 427

DeepPrunerF	0.24 492	0.17 493	0.42 524	0.26 509	0.16 499	0.22 451	0.28 519	0.37 502	0.50 519	0.26 461	0.29 430	0.24 406	0.28 495	0.21 441	0.22 454	0.15 502	0.11 475	0.20 526	0.18 525	0.12 462	0.13 481

FBW_ROB	0.24 492	0.17 493	0.22 452	0.26 509	0.14 473	0.25 479	0.22 463	0.41 523	0.41 485	0.41 527	0.41 506	0.42 520	0.27 487	0.31 504	0.23 466	0.09 372	0.14 511	0.14 492	0.12 481	0.11 448	0.09 403

SANet	0.24 492	0.14 468	0.28 484	0.21 450	0.11 403	0.27 496	0.24 484	0.38 509	0.64 544	0.36 512	0.40 496	0.43 524	0.26 479	0.27 482	0.24 477	0.12 462	0.09 444	0.10 417	0.09 397	0.13 478	0.11 450

WCMA_ROB	0.24 492	0.11 410	0.22 452	0.17 235	0.14 473	0.32 511	0.15 235	0.32 450	0.32 429	0.38 518	0.53 530	0.40 517	0.34 520	0.34 515	0.25 486	0.11 437	0.12 489	0.12 465	0.10 432	0.14 491	0.14 498

Wz-Net-SNSev	0.25 501	0.17 493	0.44 525	0.25 504	0.14 473	0.26 487	0.23 472	0.38 509	0.56 531	0.30 491	0.55 533	0.39 513	0.26 479	0.23 463	0.30 518	0.10 409	0.09 444	0.09 372	0.10 432	0.11 448	0.11 450

psmorigin	0.25 501	0.15 474	0.34 511	0.17 235	0.13 455	0.23 464	0.14 169	0.34 478	0.33 436	0.41 527	0.55 533	0.41 519	0.37 526	0.34 515	0.27 503	0.11 437	0.15 517	0.11 448	0.11 462	0.12 462	0.16 516

RGC	0.25 501	0.20 510	0.29 492	0.28 524	0.16 499	0.22 451	0.23 472	0.32 450	0.44 502	0.27 467	0.40 496	0.38 505	0.27 487	0.36 526	0.22 454	0.11 437	0.13 502	0.17 513	0.17 521	0.14 491	0.16 516

ADCMid	0.25 501	0.15 474	0.40 520	0.20 421	0.14 473	0.25 479	0.26 506	0.34 478	0.38 473	0.36 512	0.44 518	0.34 490	0.40 532	0.35 521	0.33 529	0.10 409	0.09 444	0.11 448	0.11 462	0.13 478	0.12 462

ADCPNet	0.25 501	0.16 482	0.61 543	0.21 450	0.15 489	0.35 528	0.25 499	0.32 450	0.35 456	0.30 491	0.40 496	0.36 496	0.28 495	0.28 493	0.32 526	0.12 462	0.10 463	0.11 448	0.12 481	0.14 491	0.13 481

STTRV1_RVC	0.25 501	0.26 530	0.39 518	0.19 372	0.26 542	0.30 508	0.24 484	0.34 478	0.35 456	0.36 512	0.34 464	0.31 472	0.31 511	0.28 493	0.25 486	0.17 523	0.10 463	0.16 510	0.14 494	0.17 520	0.12 462

LALA_ROB	0.25 501	0.16 482	0.22 452	0.26 509	0.17 514	0.27 496	0.27 513	0.42 528	0.37 468	0.33 507	0.38 483	0.51 538	0.26 479	0.28 493	0.27 503	0.16 518	0.09 444	0.12 465	0.11 462	0.13 478	0.12 462

SHD	0.26 508	0.15 474	0.30 495	0.24 494	0.18 520	0.22 451	0.15 235	0.38 509	0.71 551	0.32 503	0.41 506	0.36 496	0.28 495	0.32 510	0.29 513	0.12 462	0.11 475	0.14 492	0.13 491	0.16 513	0.20 533

AnyNet_C32	0.26 508	0.16 482	0.36 512	0.20 421	0.16 499	0.25 479	0.30 536	0.32 450	0.44 502	0.31 497	0.49 524	0.30 460	0.33 516	0.40 539	0.33 529	0.12 462	0.12 489	0.12 465	0.14 494	0.14 491	0.15 505

PSMNet-RUCA	0.27 510	0.33 543	0.41 522	0.36 543	0.32 550	0.18 389	0.19 416	0.42 528	0.30 415	0.33 507	0.41 506	0.39 513	0.25 474	0.31 504	0.20 425	0.18 525	0.10 463	0.25 534	0.15 510	0.21 529	0.16 516

PDISCO_ROB	0.27 510	0.16 482	0.26 472	0.28 524	0.20 526	0.32 511	0.26 506	0.44 534	0.57 533	0.28 481	0.40 496	0.45 528	0.29 503	0.33 512	0.34 531	0.12 462	0.09 444	0.17 513	0.16 514	0.17 520	0.13 481

DispFullNet	0.27 510	0.21 516	0.65 546	0.28 524	0.16 499	0.26 487	0.17 333	0.33 469	0.58 536	0.27 467	0.38 483	0.43 524	0.23 460	0.38 532	0.23 466	0.12 462	0.06 322	0.19 524	0.11 462	0.21 529	0.15 505

MeshStereo	0.27 510	0.13 456	0.18 415	0.15 87	0.11 403	0.32 511	0.24 484	0.40 517	0.36 461	0.52 542	0.57 540	0.67 553	0.40 532	0.35 521	0.26 496	0.14 498	0.13 502	0.13 480	0.11 462	0.11 448	0.10 427
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
WZ-Net	0.28 514	0.17 493	0.78 560	0.22 465	0.16 499	0.34 520	0.29 528	0.39 513	0.57 533	0.24 444	0.55 533	0.37 501	0.24 466	0.33 512	0.35 532	0.09 372	0.08 418	0.09 372	0.10 432	0.14 491	0.16 516

XQC	0.28 514	0.23 521	0.51 532	0.28 524	0.19 523	0.34 520	0.27 513	0.36 497	0.57 533	0.31 497	0.30 436	0.37 501	0.30 507	0.38 532	0.38 539	0.13 485	0.09 444	0.15 504	0.12 481	0.17 520	0.18 527

CC-Net-ROB	0.28 514	0.31 541	0.36 512	0.29 531	0.15 489	0.25 479	0.19 416	0.45 537	0.33 436	0.39 520	0.37 478	0.39 513	0.31 511	0.27 482	0.26 496	0.24 546	0.19 530	0.30 547	0.23 536	0.18 524	0.15 505

DPSNet	0.28 514	0.16 482	0.31 497	0.18 316	0.13 455	0.54 546	0.42 555	0.51 546	0.67 548	0.29 488	0.38 483	0.38 505	0.29 503	0.31 504	0.23 466	0.11 437	0.10 463	0.11 448	0.08 353	0.20 528	0.16 516

Wz-Net-TNSev	0.29 518	0.20 510	0.65 546	0.19 372	0.15 489	0.38 534	0.27 513	0.35 491	0.55 529	0.34 509	0.42 513	0.45 528	0.38 527	0.32 510	0.30 518	0.12 462	0.13 502	0.10 417	0.12 481	0.15 506	0.14 498

ccnet	0.29 518	0.28 536	0.23 461	0.20 421	0.28 544	0.41 537	0.21 454	0.45 537	0.33 436	0.36 512	0.46 520	0.36 496	0.30 507	0.39 535	0.42 547	0.23 544	0.14 511	0.21 527	0.17 521	0.23 533	0.18 527

EDNetEfficient	0.29 518	0.24 524	1.13 570	0.18 316	0.10 356	0.19 412	0.20 437	0.20 246	0.60 540	0.74 559	0.56 538	0.31 472	0.39 529	0.22 452	0.30 518	0.09 372	0.07 392	0.08 293	0.07 289	0.11 448	0.09 403

ADCS	0.29 518	0.18 503	0.45 526	0.21 450	0.17 514	0.28 502	0.23 472	0.41 523	0.63 543	0.40 523	0.49 524	0.40 517	0.36 524	0.39 535	0.40 543	0.13 485	0.12 489	0.13 480	0.14 494	0.16 513	0.16 516

CSAN	0.29 518	0.24 524	0.27 479	0.34 539	0.19 523	0.33 517	0.42 555	0.37 502	0.50 519	0.38 518	0.40 496	0.44 526	0.33 516	0.28 493	0.30 518	0.20 532	0.16 520	0.19 524	0.19 526	0.14 491	0.15 505

MFN_U_SF_DS_RVC	0.30 523	0.24 524	0.29 492	0.36 543	0.16 499	0.34 520	0.30 536	0.32 450	0.42 492	0.40 523	0.46 520	0.38 505	0.31 511	0.34 515	0.28 510	0.19 530	0.20 533	0.26 535	0.29 545	0.18 524	0.19 532

GANetREF_RVC	0.31 524	0.34 545	0.27 479	0.35 541	0.16 499	0.32 511	0.41 552	0.48 541	0.51 526	0.35 510	0.35 469	0.34 490	0.33 516	0.39 535	0.32 526	0.27 548	0.20 533	0.29 545	0.15 510	0.18 524	0.17 524
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
MSMD_ROB	0.31 524	0.26 530	0.26 472	0.24 494	0.21 529	0.34 520	0.25 499	0.34 478	0.39 476	0.40 523	0.69 548	0.45 528	0.40 532	0.34 515	0.27 503	0.20 532	0.19 530	0.26 535	0.25 538	0.23 533	0.22 537

MFN_U_SF_RVC	0.32 526	0.21 516	0.55 537	0.30 533	0.15 489	0.34 520	0.17 333	0.52 547	0.46 509	0.46 539	0.55 533	0.59 545	0.39 529	0.35 521	0.37 537	0.15 502	0.14 511	0.18 522	0.21 529	0.16 513	0.15 505

PASM	0.32 526	0.24 524	0.48 531	0.28 524	0.27 543	0.29 505	0.30 536	0.34 478	0.49 516	0.35 510	0.39 491	0.46 532	0.34 520	0.34 515	0.35 532	0.23 544	0.25 547	0.26 535	0.28 544	0.23 533	0.21 535

SGM-ForestM	0.32 526	0.12 427	0.16 364	0.16 161	0.11 403	0.39 535	0.19 416	0.41 523	0.50 519	0.52 542	0.54 532	1.32 572	0.42 540	0.40 539	0.27 503	0.14 498	0.16 520	0.16 510	0.16 514	0.12 462	0.12 462

FC-DCNN v2	0.33 529	0.27 532	0.28 484	0.26 509	0.23 533	0.37 531	0.28 519	0.40 517	0.43 497	0.45 536	0.56 538	0.51 538	0.40 532	0.37 530	0.29 513	0.21 536	0.20 533	0.27 538	0.26 539	0.25 541	0.24 540

FCDSN-DC	0.33 529	0.28 536	0.28 484	0.30 533	0.24 535	0.39 535	0.28 519	0.42 528	0.42 492	0.43 533	0.53 530	0.51 538	0.41 537	0.36 526	0.30 518	0.21 536	0.20 533	0.27 538	0.26 539	0.25 541	0.24 540
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 529	0.27 532	0.28 484	0.26 509	0.23 533	0.37 531	0.28 519	0.40 517	0.43 497	0.45 536	0.55 533	0.51 538	0.40 532	0.37 530	0.30 518	0.21 536	0.20 533	0.27 538	0.26 539	0.25 541	0.24 540

LSM	0.33 529	0.20 510	0.58 541	0.26 509	0.60 567	0.34 520	0.25 499	0.42 528	0.48 511	0.45 536	0.58 542	0.42 520	0.36 524	0.35 521	0.25 486	0.12 462	0.20 533	0.14 492	0.16 514	0.19 527	0.33 554

AnyNet_C01	0.36 533	0.25 529	1.37 573	0.22 465	0.17 514	0.48 542	0.27 513	0.35 491	0.39 476	0.39 520	0.74 554	0.46 532	0.38 527	0.45 543	0.47 552	0.13 485	0.13 502	0.13 480	0.14 494	0.14 491	0.15 505

GCST	0.37 534	0.42 552	0.26 472	1.02 576	0.39 551	0.18 389	0.08 8	0.20 246	0.17 220	0.28 481	0.25 380	0.15 282	0.12 271	0.16 332	0.14 330	0.64 569	0.43 558	0.75 566	0.65 569	0.63 563	0.46 562

otaku	0.39 535	0.37 548	0.52 533	0.44 550	0.28 544	0.58 548	0.24 484	0.41 523	0.62 542	0.40 523	0.49 524	0.46 532	0.33 516	0.40 539	0.32 526	0.30 549	0.30 551	0.39 551	0.33 550	0.29 547	0.28 548

ACVNet-4b	0.39 535	0.53 555	0.55 537	0.45 551	0.24 535	0.47 540	0.18 378	0.49 543	0.64 544	0.42 530	0.45 519	0.60 546	0.27 487	0.34 515	0.24 477	0.33 552	0.14 511	0.48 555	0.42 555	0.30 548	0.26 547

PVD	0.39 535	0.20 510	0.39 518	0.31 537	0.22 531	0.29 505	0.43 557	0.52 547	0.96 565	0.55 545	0.79 558	0.53 542	0.59 556	0.52 549	0.38 539	0.19 530	0.14 511	0.17 513	0.14 494	0.24 540	0.31 552

Ntro	0.40 538	0.40 550	0.53 534	0.46 554	0.30 548	0.65 554	0.24 484	0.46 539	0.68 549	0.41 527	0.49 524	0.48 536	0.42 540	0.39 535	0.31 525	0.32 551	0.28 549	0.37 550	0.30 547	0.32 552	0.29 549

SAMSARA	0.40 538	0.28 536	0.33 503	0.55 557	0.39 551	0.82 568	1.23 582	0.47 540	0.51 526	0.36 512	0.35 469	0.55 544	0.39 529	0.38 532	0.39 541	0.15 502	0.20 533	0.15 504	0.14 494	0.23 533	0.20 533

ELAS_RVC	0.41 540	0.29 539	0.33 503	0.28 524	0.24 535	0.54 546	0.36 547	0.49 543	0.59 537	0.72 555	0.74 554	0.65 551	0.54 550	0.54 553	0.40 543	0.22 540	0.20 533	0.27 538	0.26 539	0.26 545	0.25 545
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 540	0.29 539	0.33 503	0.27 521	0.24 535	0.60 551	0.36 547	0.50 545	0.50 519	0.71 553	0.79 558	0.67 553	0.54 550	0.51 547	0.42 547	0.22 540	0.20 533	0.27 538	0.26 539	0.26 545	0.25 545
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.43 542	0.39 549	0.54 535	0.40 546	0.20 526	0.64 553	0.32 544	0.53 549	0.72 552	0.71 553	0.72 551	0.61 547	0.54 550	0.51 547	0.46 551	0.20 532	0.19 530	0.29 545	0.30 547	0.23 533	0.18 527

ACVNet_1	0.44 543	0.49 554	0.60 542	0.45 551	0.28 544	0.49 543	0.27 513	0.57 554	0.72 552	0.62 548	0.58 542	0.74 557	0.49 546	0.50 546	0.35 532	0.26 547	0.24 546	0.39 551	0.29 545	0.31 551	0.24 540

Consistency-Raft	0.44 543	0.40 550	0.45 526	0.37 545	0.43 555	0.46 538	0.41 552	0.57 554	0.55 529	0.32 503	0.73 552	0.33 484	0.48 545	0.42 542	0.49 554	0.39 554	0.35 555	0.45 554	0.51 562	0.42 554	0.29 549

RTS	0.45 545	0.19 506	3.26 580	0.24 494	0.15 489	0.74 561	0.20 437	0.36 497	0.76 558	0.42 530	0.43 516	0.31 472	0.41 537	0.53 551	0.35 532	0.10 409	0.08 418	0.13 480	0.12 481	0.15 506	0.15 505

RTSA	0.45 545	0.19 506	3.26 580	0.24 494	0.15 489	0.74 561	0.20 437	0.36 497	0.76 558	0.42 530	0.43 516	0.31 472	0.41 537	0.53 551	0.35 532	0.10 409	0.08 418	0.13 480	0.12 481	0.15 506	0.15 505

MANE	0.45 545	0.27 532	0.27 479	0.27 521	0.24 535	0.47 540	0.31 542	0.55 551	0.59 537	0.72 555	1.13 574	1.15 566	0.61 557	0.52 549	0.37 537	0.21 536	0.20 533	0.27 538	0.31 549	0.25 541	0.24 540

FADE	0.45 545	0.33 543	1.03 569	0.33 538	0.25 541	0.35 528	0.29 528	0.64 558	1.07 566	0.43 533	0.41 506	0.42 520	0.53 548	0.70 561	0.51 558	0.30 549	0.21 544	0.41 553	0.38 553	0.23 533	0.22 537

NVStereoNet_ROB	0.46 549	0.36 547	0.46 529	0.41 548	0.28 544	0.34 520	0.34 545	0.48 541	0.60 540	0.72 555	0.93 563	0.70 556	0.66 560	0.47 544	0.60 562	0.22 540	0.33 554	0.34 549	0.34 552	0.30 548	0.30 551
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
LE_ROB	0.50 550	0.07 156	0.14 281	0.15 87	0.08 145	0.24 469	0.16 300	0.22 290	1.81 582	4.63 586	0.67 546	0.47 535	0.44 542	0.20 425	0.29 513	0.07 255	0.06 322	0.06 119	0.06 202	0.08 336	0.06 214

BEATNet-Init1	0.52 551	0.27 532	0.62 544	0.30 533	0.21 529	0.76 565	0.29 528	0.54 550	0.65 546	0.86 564	0.95 565	2.07 582	0.62 559	0.56 555	0.42 547	0.18 525	0.18 527	0.23 532	0.22 532	0.22 532	0.21 535

anonymity	0.53 552	0.58 557	0.65 546	0.41 548	0.61 568	0.53 545	0.41 552	0.56 552	0.41 485	0.55 545	0.50 528	0.49 537	0.55 553	0.58 556	0.50 557	0.58 565	0.50 568	0.51 557	0.51 562	0.51 556	0.57 564

RainbowNet	0.54 553	0.61 559	0.70 558	0.57 558	0.43 555	0.65 554	0.37 550	0.60 556	0.87 562	0.50 541	0.66 545	0.64 549	0.47 544	0.49 545	0.43 550	0.47 560	0.48 564	0.52 559	0.41 554	0.52 557	0.40 559

SGM+DAISY	0.56 554	0.57 556	0.65 546	0.40 546	0.54 560	0.66 556	0.49 559	0.56 552	0.45 508	0.66 549	0.69 548	0.67 553	0.56 554	0.63 558	0.56 560	0.59 566	0.48 564	0.50 556	0.50 561	0.52 557	0.58 565

SPS-STEREO	0.57 555	0.58 557	0.65 546	0.45 551	0.55 562	0.62 552	0.44 558	0.62 557	0.50 519	0.68 551	0.64 544	0.66 552	0.57 555	0.61 557	0.60 562	0.62 568	0.47 563	0.51 557	0.49 559	0.55 561	0.58 565
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 556	0.66 563	0.65 546	0.51 555	0.69 572	0.69 557	0.57 565	0.64 558	0.73 556	0.60 547	0.73 552	0.62 548	0.67 561	0.65 559	0.60 562	0.66 570	0.58 577	0.63 561	0.59 565	0.68 568	0.69 574

IMH-64-1	0.65 557	0.61 559	0.68 554	0.71 561	0.51 558	0.59 549	0.49 559	0.91 566	0.85 560	0.74 559	1.02 567	0.81 558	0.78 565	0.79 563	0.49 554	0.42 556	0.46 559	0.71 563	0.47 557	0.52 557	0.39 557

IMH-64	0.65 557	0.61 559	0.68 554	0.71 561	0.51 558	0.59 549	0.49 559	0.91 566	0.85 560	0.74 559	1.02 567	0.81 558	0.78 565	0.79 563	0.49 554	0.42 556	0.46 559	0.71 563	0.47 557	0.52 557	0.39 557

ACVNet_2	0.66 559	0.66 563	0.68 554	0.63 559	0.41 553	0.71 559	0.49 559	0.96 570	1.39 575	0.89 565	1.09 570	1.04 562	0.73 563	0.54 553	0.47 552	0.43 558	0.40 557	0.53 560	0.44 556	0.47 555	0.35 556

JetBlue	0.71 560	0.45 553	1.14 571	0.51 555	0.47 557	2.02 582	0.64 569	0.75 561	0.70 550	0.69 552	0.77 557	1.22 568	0.83 567	1.03 578	1.01 578	0.40 555	0.28 549	0.33 548	0.33 550	0.30 548	0.34 555

IMH	0.71 560	0.64 562	0.68 554	0.76 563	0.54 560	0.69 557	0.54 563	0.98 572	1.10 568	0.82 563	1.09 570	0.89 560	0.88 570	0.87 571	0.52 559	0.44 559	0.50 568	0.75 566	0.51 562	0.56 562	0.41 560

PWCK	0.71 560	0.94 574	0.95 567	0.76 563	0.31 549	0.74 561	0.36 547	0.90 565	0.90 563	0.96 568	0.75 556	0.95 561	0.61 557	0.87 571	0.66 565	0.72 571	0.46 559	0.75 566	0.49 559	0.69 570	0.44 561

MADNet+	0.75 563	0.71 565	3.70 583	0.66 560	0.41 553	0.98 573	0.97 580	0.69 560	0.73 556	0.52 542	0.57 540	0.64 549	0.68 562	0.86 570	1.01 578	0.34 553	0.36 556	0.28 544	0.23 536	0.36 553	0.31 552

TorneroNet-64	0.76 564	0.72 566	0.74 559	0.78 565	0.58 566	0.91 572	0.56 564	0.84 564	1.29 572	0.66 549	0.90 561	1.40 574	0.75 564	0.85 569	0.67 568	0.49 561	0.46 559	0.72 565	0.59 565	0.67 567	0.53 563

WAO-7	0.79 565	0.78 568	0.54 535	0.85 569	0.67 571	0.74 561	0.68 573	1.05 575	1.32 573	0.90 566	1.20 577	1.04 562	0.92 571	0.69 560	0.66 565	0.60 567	0.62 578	0.67 562	0.68 571	0.64 564	0.58 565

WAO-6	0.81 566	0.80 569	0.62 544	0.86 570	0.63 569	0.76 565	0.58 566	0.98 572	1.54 580	0.90 566	0.96 566	1.07 564	1.03 575	0.70 561	0.66 565	0.72 571	0.49 566	0.90 574	0.71 572	0.68 568	0.58 565

TorneroNet	0.82 567	0.74 567	0.81 564	0.84 568	0.63 569	0.99 574	0.63 567	0.96 570	1.16 569	0.80 562	1.11 572	1.36 573	0.86 569	0.93 574	0.80 573	0.56 563	0.49 566	0.78 571	0.66 570	0.73 573	0.63 573

LVE	0.83 568	0.85 572	0.85 565	0.80 566	0.56 563	1.04 578	0.65 570	1.05 575	1.47 578	0.96 568	1.22 578	1.10 565	0.85 568	0.83 566	0.71 570	0.49 561	0.55 574	0.76 569	0.60 567	0.65 565	0.59 570

Dean	0.87 569	0.86 573	0.79 562	0.81 567	0.56 563	0.90 569	0.63 567	1.15 581	1.73 581	1.15 576	1.15 575	1.31 571	0.99 574	0.81 565	0.81 574	0.57 564	0.56 575	0.77 570	0.64 568	0.66 566	0.58 565

WAO-8	0.91 570	0.81 570	0.65 546	0.94 573	0.69 572	0.90 569	0.67 571	1.07 578	1.83 583	1.06 573	1.45 580	1.30 569	1.07 576	0.84 567	0.78 571	0.74 573	0.53 571	0.86 572	0.75 573	0.69 570	0.62 571

Venus	0.91 570	0.81 570	0.65 546	0.94 573	0.69 572	0.90 569	0.67 571	1.07 578	1.83 583	1.06 573	1.45 580	1.30 569	1.07 576	0.84 567	0.78 571	0.74 573	0.53 571	0.86 572	0.75 573	0.69 570	0.62 571

UNDER WATER-64	0.95 572	0.94 574	1.43 575	0.87 571	0.56 563	1.18 581	0.87 577	0.77 562	0.94 564	1.04 571	0.85 560	1.58 579	1.21 581	0.94 575	0.96 576	0.87 577	0.57 576	1.03 577	0.88 578	0.78 574	0.73 575

UNDER WATER	0.97 573	0.97 576	1.42 574	0.99 575	0.70 575	1.12 580	0.84 576	0.80 563	1.08 567	1.01 570	0.90 561	1.55 578	1.22 582	1.03 578	1.00 577	0.78 575	0.53 571	1.02 576	0.87 577	0.80 575	0.74 576

notaker	0.97 573	1.11 577	0.98 568	1.13 578	0.81 576	0.73 560	0.68 573	0.93 568	1.16 569	1.18 578	1.18 576	1.41 575	1.16 580	1.08 580	0.69 569	0.81 576	0.64 579	1.17 579	0.79 575	0.98 577	0.80 578

ktn	1.01 575	1.21 579	0.80 563	1.23 580	0.86 578	1.01 576	0.87 577	0.94 569	1.39 575	1.04 571	1.12 573	1.15 566	1.07 576	0.94 575	0.59 561	1.28 583	0.71 580	1.38 583	0.83 576	1.02 579	0.75 577

KSHMR	1.09 576	1.17 578	0.88 566	1.25 581	1.00 580	0.99 574	0.96 579	1.13 580	1.37 574	1.16 577	1.29 579	1.41 575	0.96 573	1.01 577	0.92 575	1.03 580	1.08 582	1.20 580	1.03 581	1.01 578	0.97 580

DPSimNet_ROB	1.11 577	1.23 580	0.78 560	1.13 578	0.88 579	1.10 579	1.13 581	1.16 582	1.23 571	1.43 580	1.02 567	1.41 575	1.10 579	0.90 573	1.60 580	1.46 584	0.51 570	1.21 581	1.03 581	0.90 576	1.01 582

HanzoNet	1.29 578	1.26 581	1.19 572	1.12 577	0.85 577	1.02 577	0.83 575	1.03 574	1.48 579	1.64 581	1.61 582	2.50 584	1.72 583	1.61 582	1.61 581	1.26 582	0.80 581	1.31 582	1.01 580	1.02 579	0.86 579

JetRed	1.62 579	1.46 582	2.98 578	0.92 572	1.21 581	4.99 585	1.53 584	1.27 583	1.39 575	1.83 582	1.74 583	1.60 580	0.95 572	1.41 581	2.45 585	0.90 579	1.60 584	0.93 575	0.90 579	1.35 581	0.99 581

MADNet++	1.95 580	1.75 583	1.59 576	1.82 583	1.69 583	2.33 583	1.40 583	2.35 585	2.09 585	2.57 585	2.36 585	2.24 583	2.17 584	2.28 583	2.34 583	1.87 585	1.66 585	1.54 584	1.34 584	1.92 583	1.77 585

coex-ft	3.30 581	0.34 545	59.09 603	0.18 316	0.13 455	0.26 487	0.22 463	0.27 386	0.72 552	1.90 583	0.70 550	0.44 526	0.45 543	0.29 500	0.41 546	0.09 372	0.09 444	0.12 465	0.09 397	0.14 491	0.13 481

ASD4	3.54 582	3.38 586	2.05 577	1.72 582	2.51 585	9.03 589	17.71 590	2.25 584	5.51 587	2.46 584	2.81 586	2.03 581	3.36 585	2.73 584	5.06 586	1.22 581	1.34 583	1.13 578	1.33 583	1.68 582	1.49 584

TCMNet-wrong-test	3.67 583	5.48 592	3.89 584	12.18 595	11.75 596	4.65 584	3.88 585	1.06 577	0.72 552	1.09 575	2.15 584	6.30 589	0.53 548	3.43 586	2.36 584	0.89 578	0.20 533	1.87 586	1.69 585	5.57 591	3.62 591

tt	4.67 584	0.06 65	3.55 582	2.02 584	1.55 582	10.25 590	16.71 589	8.91 594	5.03 586	1.31 579	0.94 564	4.71 585	4.76 586	3.33 585	5.87 588	6.06 593	10.30 597	1.88 587	2.11 587	2.75 585	1.21 583

USTest	6.22 585	2.73 585	3.00 579	6.57 591	7.29 590	14.37 592	21.57 591	7.00 593	9.56 592	5.34 589	6.10 587	5.72 588	7.64 589	6.41 590	6.96 589	1.97 586	3.42 591	1.64 585	2.15 588	2.66 584	2.36 586

xxxxx1	7.79 586	5.02 589	7.31 587	3.12 585	3.85 586	16.35 594	22.88 592	5.86 590	8.69 589	7.97 590	8.54 588	9.12 592	8.27 590	10.18 592	10.92 590	2.42 587	2.45 587	3.56 590	12.37 594	3.77 586	3.06 588

tt_ll	7.79 586	5.02 589	7.31 587	3.12 585	3.85 586	16.35 594	22.88 592	5.86 590	8.69 589	7.97 590	8.54 588	9.12 592	8.27 590	10.18 592	10.92 590	2.42 587	2.45 587	3.56 590	12.37 594	3.77 586	3.06 588

ff	7.79 586	5.02 589	7.31 587	3.12 585	3.85 586	16.35 594	22.88 592	5.86 590	8.69 589	7.97 590	8.54 588	9.12 592	8.27 590	10.18 592	10.92 590	2.42 587	2.45 587	3.56 590	12.37 594	3.77 586	3.06 588

EDNetEfficientorigin	7.91 589	0.31 541	153.02 604	0.19 372	0.09 255	0.21 443	0.16 300	0.22 290	0.59 537	0.72 555	0.67 546	0.42 520	0.50 547	0.24 472	0.39 541	0.08 315	0.07 392	0.08 293	0.07 289	0.12 462	0.10 427

DPSMNet_ROB	8.06 590	4.48 587	8.63 593	5.37 590	10.74 593	8.32 587	22.98 596	5.46 587	13.36 595	5.12 587	9.92 591	5.08 586	10.40 593	5.53 589	12.58 593	3.80 591	8.00 592	3.50 588	7.02 591	3.83 589	7.14 593

DGTPSM_ROB	8.06 590	4.48 587	8.63 593	5.35 588	10.72 592	8.32 587	22.97 595	5.46 587	13.35 594	5.12 587	9.92 591	5.08 586	10.40 593	5.52 588	12.58 593	3.79 590	8.00 592	3.50 588	7.02 591	3.83 589	7.14 593

PML	8.91 592	9.34 596	6.13 585	5.35 588	6.41 589	14.99 593	23.38 597	5.27 586	6.83 588	18.04 598	28.19 603	7.67 590	6.83 588	7.85 591	5.75 587	5.35 592	1.83 586	5.95 596	1.93 586	8.64 594	2.52 587

DLNR_Zeroshot_test	10.40 593	1.82 584	19.49 599	120.77 604	13.11 597	0.06 8	0.13 121	0.23 309	0.10 41	0.07 31	0.10 131	0.09 140	0.06 35	0.10 74	0.09 52	0.13 485	0.04 36	0.06 119	0.04 52	51.54 603	0.04 42

LRCNet_RVC	10.62 594	13.42 597	7.30 586	18.92 597	2.07 584	0.33 517	0.30 536	5.59 589	0.48 511	13.03 596	17.94 597	8.87 591	5.65 587	4.79 587	1.89 582	23.51 601	2.73 590	27.55 602	25.71 602	16.07 599	16.33 600

Anonymous_1	10.96 595	7.92 593	7.46 590	10.33 592	10.06 591	18.65 598	26.34 598	11.06 595	13.44 596	9.40 593	10.05 593	9.67 595	11.23 595	10.73 595	12.72 595	6.42 594	8.38 594	5.77 593	10.61 593	12.12 595	6.77 592

DPSM_ROB	11.15 596	8.58 594	8.00 591	10.88 593	11.58 594	19.10 599	26.71 599	12.05 596	14.07 597	10.36 594	10.84 594	10.33 596	11.86 596	11.70 596	13.54 596	6.99 595	8.79 595	5.89 594	6.95 589	7.29 592	7.42 595

DPSM	11.15 596	8.58 594	8.00 591	10.88 593	11.58 594	19.10 599	26.71 599	12.05 596	14.07 597	10.36 594	10.84 594	10.33 596	11.86 596	11.70 596	13.54 596	6.99 595	8.79 595	5.89 594	6.95 589	7.29 592	7.42 595

HaxPig	15.71 598	18.52 601	19.18 598	16.89 596	15.89 598	7.73 586	7.60 586	13.31 598	10.82 593	15.42 597	14.91 596	15.98 598	14.92 598	15.58 598	15.98 598	18.95 600	16.73 598	19.46 600	18.08 600	19.26 600	19.05 601

MEDIAN_ROB	20.38 599	24.04 602	23.31 600	21.23 598	21.71 599	10.40 591	7.92 587	17.64 599	15.50 599	20.12 599	19.70 598	20.34 599	20.32 599	21.19 599	21.13 599	23.81 602	21.81 602	24.98 601	23.76 601	24.71 601	23.93 602

CasAABBNet	22.42 600	17.33 599	16.01 595	22.01 599	23.28 600	38.32 601	53.80 602	24.14 601	28.41 602	20.60 600	21.77 600	20.89 601	23.91 601	23.43 600	27.36 601	14.07 597	17.69 600	11.83 598	14.01 598	14.67 596	14.95 598

Selective-RAFT-Error	22.47 601	17.37 600	16.09 596	22.06 600	23.34 601	38.39 602	53.83 603	24.29 603	28.47 603	20.74 601	21.83 601	20.81 600	23.90 600	23.54 602	27.53 603	14.08 598	17.69 600	11.82 597	14.00 597	14.69 597	15.00 599

LSM0	22.87 602	17.28 598	18.96 597	22.19 601	29.04 603	38.42 603	53.71 601	24.28 602	28.31 601	20.78 602	21.00 599	21.43 602	24.16 602	23.50 601	27.39 602	14.09 599	17.38 599	11.84 599	14.04 599	14.73 598	14.89 597

AVERAGE_ROB	24.90 603	29.20 603	28.14 601	24.89 602	24.64 602	17.75 597	11.12 588	21.45 600	19.93 600	25.12 603	24.46 602	25.12 603	25.46 603	24.69 603	22.83 600	29.76 603	27.13 603	28.97 603	27.95 603	29.91 602	29.47 603

test_example2	98.32 604	94.13 604	45.89 602	96.35 603	109.85 604	88.61 604	95.45 604	25.75 604	94.37 604	130.00 605	126.06 605	58.17 604	74.63 604	88.51 604	79.96 604	150.23 604	221.02 604	77.62 604	99.10 604	113.75 604	96.94 604

ccccc	245.47 605	285.66 605	306.18 605	368.85 605	370.60 605	123.16 605	145.33 605	115.05 605	110.08 605	126.68 604	110.87 604	122.83 605	165.88 605	252.94 605	276.56 605	384.56 605	353.86 605	254.69 605	223.00 605	425.87 605	386.83 605

Low-res two-view benchmark