Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

CoDeX	0.15 118	0.70 218	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 341	0.02 15	0.69 323	0.75 344	0.01 9	0.02 20	0.02 20

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

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

Wz-Net-LNSev	0.06 44	0.24 118	0.20 159	0.23 143	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 168	0.21 169	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 205	0.10 70	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 95	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 190	0.10 70	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

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

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

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

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

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

test_sample6	0.09 52	0.97 257	0.10 70	0.10 57	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample3	0.09 52	0.87 236	0.10 70	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 52	1.03 273	0.11 90	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 52	0.87 236	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 71	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 52	1.01 267	0.09 66	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 52	0.95 254	0.09 66	0.10 57	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

ttt	0.10 63	1.09 282	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 63	1.14 287	0.13 120	0.14 97	0.03 48	0.04 75	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 95	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 52	1.01 267	0.10 70	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

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

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

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

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

Wz-Net-LNSev-Ref	0.11 84	0.44 167	0.33 209	0.39 192	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 236	0.36 230	0.02 18	0.02 20	0.02 20	0.02 20

222	0.10 63	0.99 260	0.12 101	0.13 93	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.04 74	0.03 51

SFCPSM	0.17 129	0.78 222	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 360	0.02 15	0.75 333	0.76 346	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 153	1.31 349	0.74 330	0.92 313	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 340	0.75 333	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 51	0.02 12	0.02 14	1.01 330	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 69	0.09 100	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 52	0.02 12	0.04 44	0.90 308	0.06 101	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 122	0.36 260	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 420	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 83	0.04 73	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

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

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

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

TCMNet	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

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

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

DualNet (step1)	0.10 63	1.05 277	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 63	1.05 277	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 63	1.05 277	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 52	1.00 261	0.11 90	0.11 74	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 63	1.07 280	0.11 90	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 74	0.03 51

test_sample4	0.10 63	1.03 273	0.12 101	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

11t1	0.17 129	2.16 393	0.13 120	0.13 93	0.04 77	0.06 87	0.04 78	0.06 89	0.04 79	0.06 91	0.03 52	0.06 92	0.03 52	0.06 83	0.05 84	0.18 146	0.12 109	0.06 88	0.03 54	0.05 86	0.03 51

DualNet	0.10 63	1.07 280	0.11 90	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 74	0.03 51

x	0.11 84	1.15 289	0.15 140	0.14 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 139	0.03 38	0.03 54	0.03 43	0.03 51

psmg	0.43 238	1.91 376	0.92 351	1.91 427	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 452	1.44 445	0.04 71	0.03 54	0.02 20	0.03 51

test_xeample	0.10 63	1.09 282	0.13 120	0.12 80	0.03 48	0.03 40	0.03 50	0.04 74	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 136	0.03 38	0.03 54	0.03 43	0.03 51

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

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

BEATNet_4x	0.11 84	0.03 31	0.03 37	1.60 417	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 78	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 84	0.03 31	0.03 37	1.60 417	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 78	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C32	0.14 108	0.04 37	0.03 37	2.22 438	0.04 77	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 74	0.02 21	0.07 97	0.04 73	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCPNet	0.10 63	0.03 31	0.04 44	1.27 402	0.03 48	0.04 75	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.08 100	0.04 73	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

mmm	0.14 108	1.83 367	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.04 79	0.03 40	0.03 52	0.03 42	0.03 52	0.06 83	0.04 73	0.12 91	0.11 95	0.05 81	0.04 75	0.05 86	0.04 76

ffm	0.25 153	3.83 464	0.12 101	0.12 80	0.05 93	0.06 87	0.05 88	0.06 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 89	0.06 83	0.05 84	0.12 91	0.12 109	0.05 81	0.04 75	0.06 90	0.04 76

ff1	0.25 153	3.83 464	0.12 101	0.12 80	0.05 93	0.06 87	0.05 88	0.06 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 89	0.06 83	0.05 84	0.12 91	0.12 109	0.05 81	0.04 75	0.06 90	0.04 76

mmx	0.25 153	3.83 464	0.12 101	0.12 80	0.05 93	0.06 87	0.05 88	0.06 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 89	0.06 83	0.05 84	0.12 91	0.12 109	0.05 81	0.04 75	0.06 90	0.04 76

GASNet	0.05 41	0.04 37	0.12 101	0.04 37	0.04 77	0.04 75	0.05 88	0.04 74	0.04 79	0.12 117	0.04 86	0.06 92	0.04 82	0.04 69	0.04 73	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

qqq	0.16 126	2.01 384	0.12 101	0.15 107	0.04 77	0.06 87	0.05 88	0.06 89	0.04 79	0.06 91	0.03 52	0.06 92	0.03 52	0.06 83	0.03 48	0.12 91	0.14 136	0.04 71	0.04 75	0.03 43	0.03 51

xxxx	0.11 84	1.16 290	0.16 141	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 141	0.03 38	0.04 75	0.04 74	0.04 76

APVNet	0.09 52	0.05 49	0.04 44	0.05 43	0.04 77	0.05 85	0.90 369	0.06 89	0.04 79	0.05 87	0.04 86	0.05 86	0.04 82	0.05 78	0.04 73	0.05 51	0.04 45	0.05 81	0.04 75	0.05 86	0.05 91

FADNet_RVC	0.12 93	0.04 37	0.04 44	0.05 43	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.04 86	0.04 74	0.05 89	0.04 69	1.65 470	0.05 51	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

FADNet-RVC	0.13 99	0.04 37	0.04 44	0.04 37	0.04 77	0.04 75	0.05 88	0.04 74	0.04 79	0.04 71	0.05 95	0.04 74	0.05 89	0.04 69	1.71 475	0.04 44	0.04 45	0.04 71	0.04 75	0.07 98	0.04 76

FADNet	0.12 93	0.05 49	0.04 44	0.04 37	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.04 86	0.04 74	0.05 89	0.04 69	1.66 472	0.06 55	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

ADCRef	0.12 93	0.03 31	0.04 44	1.71 423	0.04 77	0.03 40	0.03 50	0.04 74	0.04 79	0.04 71	0.03 52	0.04 74	0.03 52	0.06 83	0.04 73	0.04 44	0.04 45	0.04 71	0.04 75	0.03 43	0.04 76

ADCP+	0.15 118	0.04 37	0.04 44	2.20 437	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.05 95	0.04 74	0.04 82	0.08 100	0.04 73	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

NVStereoNet_ROB	0.04 38	0.04 37	0.04 44	0.04 37	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.04 86	0.04 74	0.04 82	0.04 69	0.04 73	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ISRNet	0.11 84	0.05 49	0.36 227	0.24 148	0.07 102	0.13 118	0.05 88	0.06 89	0.05 93	0.05 87	0.05 95	0.13 119	0.05 89	0.05 78	0.09 100	0.24 173	0.20 165	0.10 101	0.05 90	0.06 90	0.13 141

qqq1	0.25 153	3.70 458	0.14 125	0.14 97	0.04 77	0.06 87	0.05 88	0.06 89	0.05 93	0.06 91	0.05 95	0.04 74	0.05 89	0.06 83	0.05 84	0.13 107	0.12 109	0.06 88	0.05 90	0.03 43	0.04 76

fff1	0.25 153	3.70 458	0.14 125	0.14 97	0.04 77	0.06 87	0.05 88	0.06 89	0.05 93	0.06 91	0.05 95	0.04 74	0.05 89	0.06 83	0.05 84	0.13 107	0.12 109	0.06 88	0.05 90	0.03 43	0.04 76

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

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

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

GwcNet	0.12 93	0.07 58	0.05 58	0.08 49	0.05 93	0.08 98	1.20 397	0.07 99	0.05 93	0.05 87	0.05 95	0.08 99	0.05 89	0.08 100	0.03 48	0.07 58	0.05 56	0.06 88	0.05 90	0.07 98	0.05 91

FADNet-RVC-Resample	0.12 93	0.04 37	0.04 44	0.04 37	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.04 86	0.04 74	0.04 82	0.04 69	1.57 466	0.04 44	0.04 45	0.04 71	0.05 90	0.04 74	0.06 96

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

BEATNet-Init1	0.19 134	0.08 59	0.08 61	2.23 439	0.08 104	0.08 98	0.07 103	0.07 99	0.08 106	0.08 99	0.07 104	0.08 99	0.07 105	0.11 116	0.08 97	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

SuperB	0.21 143	0.10 67	2.51 500	0.12 80	0.09 106	0.10 103	0.09 105	0.08 102	0.07 104	0.10 103	0.09 107	0.09 103	0.07 105	0.07 97	0.07 95	0.07 58	0.08 59	0.07 93	0.07 98	0.08 100	0.07 98

DeepPrunerF	0.19 134	0.08 59	0.08 61	2.23 439	0.08 104	0.08 98	0.07 103	0.07 99	0.08 106	0.08 99	0.07 104	0.08 99	0.07 105	0.11 116	0.08 97	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

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

ELAS	0.13 99	0.16 87	0.11 90	0.15 107	0.09 106	0.18 145	0.11 123	0.18 143	0.11 125	0.17 139	0.11 125	0.18 144	0.11 124	0.18 143	0.11 118	0.14 114	0.08 59	0.14 120	0.08 102	0.14 123	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2	0.12 93	0.14 85	0.10 70	0.15 107	0.10 112	0.14 119	0.10 110	0.14 120	0.10 110	0.15 125	0.10 111	0.14 120	0.10 112	0.14 122	0.10 106	0.13 107	0.10 73	0.13 118	0.09 104	0.13 121	0.09 102

CSP-Net	0.34 186	1.29 347	1.19 375	1.36 409	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 418	1.21 425	0.03 38	0.09 104	0.02 20	0.09 102

UNet	0.29 167	0.90 243	0.10 70	0.14 97	0.10 112	0.14 119	0.10 110	0.91 346	0.69 348	0.14 119	0.11 125	0.14 120	0.11 124	0.14 122	0.10 106	0.12 91	0.09 68	0.12 115	0.09 104	0.88 334	0.76 356

PASM	0.39 216	3.06 444	1.36 441	1.58 415	0.09 106	0.11 114	0.11 123	0.11 116	0.11 125	0.09 102	0.09 107	0.11 115	0.09 108	0.09 103	0.09 100	0.11 86	0.11 95	0.11 112	0.09 104	0.11 114	0.11 119

DRN-Test	0.14 108	0.13 81	0.09 66	0.14 97	0.09 106	0.15 126	0.09 105	0.14 120	0.10 110	0.14 119	0.09 107	0.14 120	0.09 108	0.13 121	0.09 100	0.12 91	0.09 68	0.12 115	0.09 104	0.12 119	0.73 351

StereoDRNet	0.15 118	0.14 85	0.10 70	0.14 97	0.09 106	0.15 126	0.09 105	0.14 120	0.09 109	0.14 119	0.10 111	0.14 120	0.09 108	0.14 122	0.09 100	0.13 107	0.10 73	0.13 118	0.09 104	0.13 121	0.82 362

ELAS_RVC	0.14 108	0.16 87	0.10 70	0.15 107	0.10 112	0.18 145	0.11 123	0.19 145	0.11 125	0.19 144	0.12 135	0.18 144	0.11 124	0.19 146	0.12 132	0.14 114	0.08 59	0.14 120	0.09 104	0.15 133	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CAS++	0.17 129	0.27 122	0.21 163	0.10 57	0.21 189	0.15 126	0.22 180	0.10 104	0.21 178	0.22 161	0.10 111	0.19 148	0.18 170	0.10 105	0.19 173	0.20 149	0.19 163	0.18 153	0.10 111	0.19 152	0.18 163
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AnonymousM	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

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

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

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

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

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

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

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

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

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

SGM_RVC	0.15 118	0.17 93	0.11 90	0.18 126	0.11 128	0.19 148	0.11 123	0.19 145	0.12 143	0.19 144	0.12 135	0.20 150	0.12 140	0.19 146	0.12 132	0.16 131	0.11 95	0.17 143	0.10 111	0.17 142	0.10 107
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
test_for_model	0.15 118	0.23 111	0.18 153	0.21 140	0.11 128	0.16 134	0.11 123	0.16 133	0.11 125	0.16 130	0.11 125	0.16 131	0.11 124	0.16 132	0.11 118	0.21 154	0.18 162	0.14 120	0.11 123	0.14 123	0.11 119

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

JetRed	0.11 84	0.12 80	0.11 90	0.11 74	0.11 128	0.11 114	0.14 143	0.11 116	0.11 125	0.12 117	0.11 125	0.11 115	0.11 124	0.11 116	0.11 118	0.11 86	0.16 141	0.11 112	0.11 123	0.11 114	0.11 119

JetBlue	0.11 84	0.11 78	0.12 101	0.13 93	0.14 148	0.11 114	0.11 123	0.11 116	0.11 125	0.11 115	0.11 125	0.11 115	0.11 124	0.12 120	0.12 132	0.11 86	0.11 95	0.11 112	0.11 123	0.11 114	0.11 119

testlalala_base	0.13 99	0.16 87	0.11 90	0.15 107	0.11 128	0.15 126	0.11 123	0.16 133	0.11 125	0.16 130	0.11 125	0.16 131	0.11 124	0.16 132	0.11 118	0.14 114	0.11 95	0.14 120	0.11 123	0.14 123	0.11 119

ProNet	0.14 108	0.20 100	0.14 125	0.16 117	0.11 128	0.16 134	0.11 123	0.17 141	0.11 125	0.17 139	0.12 135	0.17 141	0.13 145	0.17 141	0.12 132	0.15 123	0.11 95	0.16 136	0.11 123	0.15 133	0.12 135

CIPLG	0.13 99	0.21 106	0.12 101	0.16 117	0.11 128	0.15 126	0.11 123	0.14 120	0.11 125	0.15 125	0.12 135	0.15 130	0.11 124	0.14 122	0.11 118	0.15 123	0.12 109	0.14 120	0.11 123	0.14 123	0.11 119

IPLG	0.13 99	0.20 100	0.14 125	0.15 107	0.11 128	0.14 119	0.11 123	0.14 120	0.11 125	0.14 119	0.11 125	0.14 120	0.11 124	0.14 122	0.11 118	0.15 123	0.12 109	0.14 120	0.11 123	0.14 123	0.11 119

MIPNet	0.14 108	0.21 106	0.17 148	0.16 117	0.11 128	0.15 126	0.12 138	0.14 120	0.11 125	0.16 130	0.11 125	0.14 120	0.11 124	0.14 122	0.11 118	0.14 114	0.12 109	0.14 120	0.11 123	0.14 123	0.11 119

IPLGR	0.14 108	0.24 118	0.14 125	0.16 117	0.12 143	0.15 126	0.12 138	0.14 120	0.11 125	0.15 125	0.12 135	0.14 120	0.11 124	0.14 122	0.11 118	0.15 123	0.12 109	0.14 120	0.11 123	0.14 123	0.11 119

ACRE	0.13 99	0.21 106	0.14 125	0.15 107	0.11 128	0.14 119	0.11 123	0.14 120	0.11 125	0.14 119	0.12 135	0.14 120	0.11 124	0.14 122	0.11 118	0.15 123	0.12 109	0.14 120	0.11 123	0.14 123	0.11 119

ICVP	0.15 118	0.53 202	0.11 90	0.16 117	0.11 128	0.16 134	0.11 123	0.16 133	0.11 125	0.16 130	0.11 125	0.16 131	0.11 124	0.16 132	0.11 118	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.11 119
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 99	0.11 78	0.11 90	0.11 74	0.11 128	0.11 114	0.11 123	0.11 116	0.11 125	0.11 115	0.12 135	0.11 115	0.11 124	0.11 116	0.11 118	0.11 86	0.11 95	0.14 120	0.11 123	0.49 279	0.11 119

cf-r	0.66 292	2.17 394	0.12 101	0.18 126	0.12 143	0.18 145	2.70 506	2.60 481	0.12 143	0.18 142	0.12 135	0.18 144	0.12 140	0.18 143	0.12 132	0.15 123	0.11 95	0.15 133	0.11 123	1.81 442	1.74 486

HSM	0.14 108	0.16 87	0.12 101	0.17 125	0.12 143	0.17 142	0.11 123	0.17 141	0.11 125	0.17 139	0.12 135	0.17 141	0.12 140	0.17 141	0.12 132	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.12 135

LALA_ROB	0.15 118	0.19 96	0.12 101	0.18 126	0.11 128	0.20 153	0.12 138	0.21 157	0.12 143	0.20 149	0.12 135	0.20 150	0.12 140	0.21 161	0.13 138	0.17 138	0.10 73	0.18 153	0.11 123	0.18 146	0.11 119

IPLGR_C	0.14 108	0.20 100	0.12 101	0.15 107	0.11 128	0.14 119	0.15 148	0.14 120	0.11 125	0.15 125	0.12 135	0.14 120	0.11 124	0.16 132	0.11 118	0.15 123	0.12 109	0.14 120	0.12 139	0.15 133	0.12 135

ACVNet	0.20 136	0.19 96	0.14 125	0.20 131	0.14 148	0.20 153	0.96 376	0.21 157	0.14 148	0.20 149	0.13 147	0.21 158	0.14 149	0.20 150	0.14 142	0.17 138	0.12 109	0.17 143	0.12 139	0.17 142	0.12 135

acv_ft	0.20 136	0.19 96	0.14 125	0.20 131	0.14 148	0.20 153	0.96 376	0.21 157	0.14 148	0.20 149	0.13 147	0.21 158	0.14 149	0.20 150	0.14 142	0.17 138	0.12 109	0.17 143	0.12 139	0.17 142	0.12 135

hitnet-ft	0.79 318	2.78 440	0.14 125	0.20 131	0.14 148	0.21 161	2.89 507	2.80 495	0.14 148	0.20 149	0.14 152	0.20 150	0.14 149	0.20 150	0.14 142	0.17 138	0.12 109	0.17 143	0.12 139	2.54 481	2.33 503

PSMNet-RSSM	0.77 314	2.76 436	0.14 125	0.20 131	0.14 148	0.20 153	2.66 504	2.79 494	0.14 148	0.21 159	0.14 152	0.21 158	0.14 149	0.20 150	0.14 142	0.17 138	0.12 109	0.17 143	0.12 139	2.52 473	2.31 501

GwcNet-RSSM	0.77 314	2.77 438	0.14 125	0.20 131	0.14 148	0.20 153	2.67 505	2.78 493	0.14 148	0.20 149	0.14 152	0.20 150	0.14 149	0.21 161	0.14 142	0.17 138	0.12 109	0.17 143	0.12 139	2.52 473	2.31 501

CFNet-ft	0.55 278	1.57 356	0.14 125	0.20 131	0.14 148	0.20 153	2.53 503	1.61 439	0.14 148	0.20 149	0.14 152	0.20 150	0.14 149	0.20 150	0.14 142	0.17 138	0.12 109	0.17 143	0.12 139	1.56 430	1.24 451

PDISCO_ROB	0.83 333	2.80 441	3.49 517	0.14 97	0.11 128	0.17 142	0.09 105	0.15 132	0.10 110	0.15 125	0.12 135	0.16 131	0.14 149	3.30 501	0.13 138	0.14 114	2.34 492	0.16 136	0.12 139	2.62 482	0.10 107

DDVS	0.30 168	3.10 445	0.14 125	0.19 129	0.14 148	0.19 148	0.14 143	0.20 150	0.14 148	0.19 144	0.13 147	0.16 131	0.13 145	0.19 146	0.13 138	0.17 138	0.13 133	0.17 143	0.13 147	0.17 142	0.13 141

GANet-RSSM	0.75 309	1.91 376	0.14 125	0.47 234	0.14 148	0.21 161	3.21 523	2.30 469	0.14 148	0.46 265	0.14 152	0.23 168	0.18 170	0.21 161	0.14 142	0.18 146	0.27 188	0.37 236	0.13 147	2.13 451	2.12 496

DeepPruner_ROB	0.16 126	0.18 95	0.13 120	0.19 129	0.13 146	0.19 148	0.13 141	0.19 145	0.13 146	0.19 144	0.13 147	0.19 148	0.13 145	0.19 146	0.13 138	0.18 146	0.13 133	0.18 153	0.13 147	0.18 146	0.13 141

FADE	0.07 49	0.06 54	0.02 14	0.09 53	0.10 112	0.03 40	0.03 50	0.05 84	0.03 55	0.04 71	0.03 52	0.05 86	0.03 52	0.04 69	0.03 48	0.15 123	0.10 73	0.17 143	0.13 147	0.11 114	0.11 119

castereo++	0.54 274	3.59 455	1.15 369	1.31 405	0.14 148	0.16 134	0.14 143	0.16 133	0.14 148	0.16 130	0.14 152	0.16 131	0.13 145	0.16 132	0.14 142	1.45 430	1.16 374	0.15 133	0.14 151	0.15 133	0.13 141

ITSA-stereo	0.15 118	0.17 93	0.13 120	0.20 131	0.13 146	0.19 148	0.13 141	0.18 143	0.13 146	0.19 144	0.13 147	0.18 144	0.14 149	0.18 143	0.14 142	0.16 131	0.11 95	0.15 133	0.14 151	0.18 146	0.11 119

LRCNet_RVC	0.13 99	0.13 81	0.09 66	0.13 93	0.10 112	0.14 119	0.10 110	0.14 120	0.10 110	0.23 165	0.10 111	0.20 150	0.10 112	0.24 173	0.11 118	0.11 86	0.09 68	0.12 115	0.14 151	0.12 119	0.09 102

GMStereo	0.14 108	0.13 81	0.14 125	0.14 97	0.14 148	0.14 119	0.14 143	0.14 120	0.14 148	0.14 119	0.14 152	0.14 120	0.14 149	0.14 122	0.14 142	0.14 114	0.14 136	0.14 120	0.14 151	0.14 123	0.14 146
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
dd	0.23 150	0.98 258	0.16 141	0.23 143	0.15 159	0.23 169	0.15 148	0.23 165	0.15 158	0.23 165	0.15 160	0.24 172	0.17 163	0.23 169	0.15 152	0.22 157	0.15 139	0.21 160	0.15 155	0.22 159	0.16 147

xyz-stereo-finetune2	0.18 132	0.48 184	0.16 141	0.16 117	0.15 159	0.15 126	0.16 151	0.16 133	0.16 160	0.16 130	0.16 161	0.16 131	0.16 159	0.16 132	0.16 158	0.16 131	0.16 141	0.16 136	0.16 156	0.16 137	0.16 147

xyz-stereo	0.18 132	0.50 190	0.16 141	0.15 107	0.16 166	0.16 134	0.16 151	0.16 133	0.16 160	0.16 130	0.16 161	0.16 131	0.16 159	0.16 132	0.16 158	0.16 131	0.16 141	0.16 136	0.16 156	0.16 137	0.16 147

castereo	0.61 285	3.79 463	1.35 433	1.52 414	0.15 159	0.17 142	0.16 151	0.20 150	0.21 178	0.18 142	0.16 161	0.21 158	0.12 140	0.26 188	0.17 161	1.43 429	1.38 442	0.17 143	0.16 156	0.18 146	0.16 147

tg	0.21 143	0.25 120	0.21 163	0.26 160	0.17 169	0.24 170	0.17 156	0.24 168	0.17 165	0.24 170	0.17 166	0.24 172	0.17 163	0.24 173	0.17 161	0.24 173	0.17 156	0.23 171	0.16 156	0.23 168	0.16 147

ACV-stereo	0.30 168	2.08 386	0.25 177	0.25 153	0.18 176	0.24 170	0.17 156	0.24 168	0.18 167	0.24 170	0.17 166	0.25 177	0.17 163	0.24 173	0.17 161	0.22 157	0.16 141	0.22 165	0.16 156	0.22 159	0.16 147

GMStereo_Zeroshot	0.16 126	0.16 87	0.16 141	0.16 117	0.16 166	0.16 134	0.16 151	0.16 133	0.16 160	0.16 130	0.16 161	0.16 131	0.16 159	0.16 132	0.16 158	0.16 131	0.16 141	0.16 136	0.16 156	0.16 137	0.16 147

IGEV_Zeroshot_test	0.20 136	0.19 96	0.40 243	0.30 165	0.17 169	0.22 163	0.17 156	0.21 157	0.17 165	0.20 149	0.17 166	0.21 158	0.18 170	0.21 161	0.17 161	0.20 149	0.16 141	0.20 157	0.16 156	0.20 153	0.17 159

MSKI-zero shot	0.24 152	0.21 106	0.49 284	0.65 281	0.18 176	0.22 163	0.17 156	0.23 165	0.18 167	0.21 159	0.17 166	0.23 168	0.28 220	0.23 169	0.18 170	0.21 154	0.16 141	0.21 160	0.16 156	0.21 157	0.16 147

gwcnet-sp	0.82 329	1.72 361	1.48 451	0.39 192	0.15 159	0.31 194	0.21 175	0.20 150	0.25 194	1.61 443	0.23 191	0.28 188	0.26 206	0.20 150	0.15 152	0.24 173	1.33 434	0.32 200	0.16 156	6.75 528	0.23 174

scenet	0.82 329	1.72 361	1.48 451	0.39 192	0.15 159	0.31 194	0.21 175	0.20 150	0.25 194	1.61 443	0.23 191	0.28 188	0.26 206	0.20 150	0.15 152	0.24 173	1.33 434	0.32 200	0.16 156	6.75 528	0.23 174

ssnet	0.82 329	1.72 361	1.48 451	0.39 192	0.15 159	0.31 194	0.21 175	0.20 150	0.25 194	1.61 443	0.23 191	0.28 188	0.26 206	0.20 150	0.15 152	0.24 173	1.33 434	0.32 200	0.16 156	6.75 528	0.23 174

dad	0.23 150	1.03 273	0.16 141	0.23 143	0.15 159	0.24 170	0.15 148	0.24 168	0.16 160	0.23 165	0.16 161	0.24 172	0.16 159	0.23 169	0.15 152	0.22 157	0.16 141	0.22 165	0.16 156	0.22 159	0.16 147

MMNet	0.44 242	1.24 345	0.17 148	0.25 153	0.17 169	0.25 177	0.18 162	1.26 427	0.93 377	0.25 174	0.17 166	0.25 177	0.18 170	0.25 178	0.17 161	0.23 168	0.16 141	0.23 171	0.16 156	1.20 371	0.99 376

delet	0.43 238	1.21 341	0.17 148	0.25 153	0.17 169	0.25 177	0.18 162	1.26 427	0.95 379	0.25 174	0.17 166	0.25 177	0.17 163	0.25 178	0.17 161	0.23 168	0.16 141	0.22 165	0.16 156	1.18 368	0.98 375

psm_up	0.43 238	1.19 294	0.17 148	0.25 153	0.18 176	0.25 177	0.19 166	1.26 427	0.91 372	0.26 181	0.17 166	0.25 177	0.17 163	0.25 178	0.17 161	0.22 157	0.17 156	0.23 171	0.16 156	1.18 368	0.99 376

UPFNet	0.42 237	1.20 295	0.17 148	0.24 148	0.17 169	0.25 177	0.17 156	1.19 375	0.90 371	0.25 174	0.17 166	0.24 172	0.17 163	0.25 178	0.17 161	0.22 157	0.17 156	0.22 165	0.16 156	1.15 360	0.93 371

iResNetv2_ROB	0.20 136	0.23 111	0.18 153	0.24 148	0.20 182	0.24 170	0.18 162	0.24 168	0.18 167	0.24 170	0.18 176	0.23 168	0.19 175	0.24 173	0.18 170	0.21 154	0.16 141	0.21 160	0.16 156	0.22 159	0.16 147

iResNet	0.20 136	0.23 111	0.18 153	0.24 148	0.18 176	0.24 170	0.20 169	0.24 168	0.18 167	0.23 165	0.17 166	0.23 168	0.18 170	0.23 169	0.18 170	0.22 157	0.16 141	0.21 160	0.16 156	0.21 157	0.16 147

DEFOM-Stereo_RVC	0.83 333	5.18 485	1.98 489	2.19 436	0.17 169	0.19 148	0.18 162	0.19 145	0.16 160	0.20 149	0.19 177	0.22 164	0.22 185	0.20 150	0.15 152	2.28 469	2.13 487	0.24 178	0.17 174	0.18 146	0.16 147

Pointernet	0.21 143	0.22 110	0.19 156	0.24 148	0.19 180	0.24 170	0.19 166	0.24 168	0.19 173	0.24 170	0.19 177	0.24 172	0.19 175	0.24 173	0.19 173	0.22 157	0.17 156	0.22 165	0.17 174	0.22 159	0.17 159

MIM_Stereo	0.25 153	0.23 111	0.66 316	0.80 298	0.17 169	0.22 163	0.17 156	0.23 165	0.18 167	0.26 181	0.17 166	0.21 158	0.17 163	0.25 178	0.17 161	0.23 168	0.16 141	0.21 160	0.17 174	0.22 159	0.17 159

ac_64	0.22 146	0.13 81	0.19 156	0.23 143	0.10 112	0.26 184	1.02 384	0.14 120	0.10 110	0.28 184	0.14 152	0.17 141	0.19 175	0.28 193	0.09 100	0.22 157	0.16 141	0.23 171	0.17 174	0.11 114	0.12 135

ssnet_v2	0.68 297	1.96 383	1.25 429	0.29 164	0.20 182	0.30 191	0.20 169	0.29 185	0.22 181	1.50 441	0.20 181	0.31 198	0.20 179	0.27 191	0.22 181	0.24 173	1.49 448	0.26 182	0.18 178	3.90 490	0.19 165

DAS	0.20 136	0.20 100	0.20 159	0.20 131	0.20 182	0.20 153	0.20 169	0.20 150	0.20 175	0.20 149	0.20 181	0.20 150	0.20 179	0.20 150	0.20 176	0.20 149	0.20 165	0.20 157	0.20 179	0.20 153	0.20 166

ASD4	0.20 136	0.20 100	0.20 159	0.20 131	0.20 182	0.20 153	0.20 169	0.20 150	0.20 175	0.20 149	0.20 181	0.20 150	0.20 179	0.20 150	0.20 176	0.20 149	0.20 165	0.20 157	0.20 179	0.20 153	0.20 166

DCVSM-stereo	0.36 197	1.89 373	0.22 165	0.40 205	0.22 191	0.40 230	0.22 180	0.40 224	0.22 181	0.40 225	0.22 187	0.40 234	0.22 185	0.40 234	0.22 181	0.28 185	0.21 169	0.28 188	0.21 181	0.28 177	0.20 166

HGLStereo	0.28 163	0.29 127	0.22 165	0.36 181	0.22 191	0.36 213	0.21 175	0.36 204	0.21 178	0.42 250	0.21 186	0.36 215	0.22 185	0.36 217	0.21 179	0.34 203	0.21 169	0.34 215	0.21 181	0.34 198	0.21 169

DISCO	1.11 369	0.39 147	5.28 530	0.39 192	0.20 182	0.39 228	0.27 206	0.39 219	0.22 181	0.38 215	0.20 181	0.38 223	0.20 179	6.95 540	0.22 181	0.30 193	0.21 169	0.27 186	0.21 181	5.25 521	0.21 169

WAO-6	0.22 146	0.23 111	0.22 165	0.23 143	0.22 191	0.22 163	0.22 180	0.22 161	0.22 181	0.22 161	0.22 187	0.22 164	0.22 185	0.22 165	0.22 181	0.22 157	0.22 173	0.22 165	0.22 184	0.22 159	0.22 172

IMH-64-1	0.22 146	0.23 111	0.23 168	0.22 141	0.22 191	0.22 163	0.22 180	0.22 161	0.22 181	0.22 161	0.22 187	0.22 164	0.22 185	0.22 165	0.22 181	0.22 157	0.22 173	0.23 171	0.22 184	0.22 159	0.23 174

IMH-64	0.22 146	0.23 111	0.23 168	0.22 141	0.22 191	0.22 163	0.22 180	0.22 161	0.22 181	0.22 161	0.22 187	0.22 164	0.22 185	0.22 165	0.22 181	0.22 157	0.22 173	0.23 171	0.22 184	0.22 159	0.23 174

NINENet	0.69 300	3.87 467	1.20 378	1.98 431	0.05 93	0.40 230	0.04 78	0.40 224	0.05 93	0.41 238	0.04 86	0.41 246	0.05 89	0.40 234	0.05 84	1.79 442	1.56 454	0.34 215	0.22 184	0.34 198	0.23 174

FCDSN-DC	0.41 227	0.59 210	0.64 312	0.54 262	0.33 249	0.50 300	0.37 265	0.42 255	0.40 280	0.61 321	0.43 301	0.50 303	0.49 315	0.38 223	0.32 231	0.28 185	0.23 177	0.26 182	0.22 184	0.35 210	0.28 212
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
model_zeroshot	0.27 162	0.20 100	0.27 184	0.33 174	0.21 189	0.37 218	0.22 180	0.37 210	0.24 189	0.26 181	0.27 213	0.33 203	0.21 184	0.25 178	0.27 203	0.32 197	0.20 165	0.34 215	0.23 189	0.25 170	0.26 191

WCG-NET（raft）	0.32 181	1.24 345	0.24 174	0.32 171	0.24 201	0.32 202	0.23 187	0.32 190	0.24 189	0.32 195	0.24 197	0.32 200	0.24 194	0.32 201	0.24 191	0.30 193	0.23 177	0.30 195	0.23 189	0.30 183	0.23 174

gcap-zeroshot	0.35 193	0.32 130	0.37 230	0.49 244	0.39 283	0.33 204	0.21 175	0.26 178	0.35 255	0.42 250	0.34 253	0.49 289	0.29 226	0.47 276	0.39 277	0.34 203	0.17 156	0.38 243	0.23 189	0.48 276	0.34 249

BUS	0.83 333	1.91 376	0.92 351	4.48 494	0.02 21	0.40 230	0.04 78	0.41 239	0.02 21	0.48 278	0.03 52	0.41 246	0.05 89	0.03 39	0.05 84	1.97 452	4.19 517	0.33 208	0.23 189	0.34 198	0.27 199

CRFU-Net	0.65 290	1.67 360	1.22 425	1.96 430	0.27 213	0.41 246	0.27 206	0.41 239	0.27 212	0.40 225	0.26 209	0.41 246	0.27 214	0.40 234	0.27 203	1.80 443	1.62 461	0.34 215	0.23 189	0.33 194	0.23 174

BSDual-CNN	0.81 325	1.91 376	0.92 351	4.48 494	0.02 21	0.42 264	0.06 100	0.41 239	0.02 21	0.48 278	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 452	4.19 517	0.33 208	0.23 189	0.34 198	0.27 199

hknet	1.10 367	1.85 369	3.49 517	4.48 494	0.02 21	0.42 264	0.06 100	0.41 239	0.02 21	0.48 278	0.03 52	0.41 246	0.03 52	0.42 261	0.03 48	4.39 503	4.19 517	0.33 208	0.23 189	0.34 198	0.27 199

FENet	0.54 274	1.52 355	1.19 375	1.41 412	0.23 196	0.35 210	0.23 187	0.35 200	0.23 187	0.34 202	0.23 191	0.35 209	0.23 191	0.35 211	0.23 187	1.40 428	1.07 358	0.32 200	0.23 189	0.33 194	0.23 174

GCAP-BAT	0.33 184	0.78 222	0.32 204	0.38 187	0.25 203	0.34 206	0.25 195	0.34 197	0.26 207	0.34 202	0.25 203	0.35 209	0.26 206	0.35 211	0.27 203	0.36 216	0.30 210	0.32 200	0.24 197	0.32 188	0.26 191

DLNR_Zeroshot_test	0.31 173	0.28 125	0.47 272	0.79 296	0.24 201	0.30 191	0.26 203	0.30 187	0.24 189	0.32 195	0.23 191	0.31 198	0.24 194	0.30 198	0.23 187	0.29 192	0.26 183	0.29 193	0.24 197	0.33 194	0.23 174

testlalala	0.32 181	0.81 228	0.31 200	0.39 192	0.26 211	0.33 204	0.24 192	0.33 193	0.26 207	0.32 195	0.26 209	0.33 203	0.23 191	0.33 207	0.23 187	0.35 212	0.31 214	0.30 195	0.24 197	0.31 186	0.21 169

IGEV-Stereo	0.35 193	0.44 167	0.45 261	0.49 244	0.30 232	0.37 218	0.30 223	0.36 204	0.30 230	0.36 209	0.29 223	0.36 215	0.29 226	0.36 217	0.30 226	0.46 269	0.39 245	0.32 200	0.24 197	0.32 188	0.25 185
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 163	0.32 130	0.24 174	0.32 171	0.25 203	0.32 202	0.24 192	0.32 190	0.24 189	0.33 200	0.24 197	0.35 209	0.24 194	0.33 207	0.24 191	0.31 196	0.24 179	0.32 200	0.24 197	0.32 188	0.24 184

UNDER WATER-64	0.25 153	0.26 121	0.25 177	0.26 160	0.25 203	0.25 177	0.25 195	0.25 174	0.25 194	0.25 174	0.25 203	0.25 177	0.25 197	0.26 188	0.25 197	0.25 179	0.25 180	0.25 179	0.25 202	0.25 170	0.25 185

LoS_RVC	0.30 168	1.14 287	0.25 177	0.25 153	0.25 203	0.26 184	0.25 195	0.25 174	0.25 194	0.25 174	0.25 203	0.26 186	0.26 206	0.26 188	0.25 197	0.26 180	0.26 183	0.25 179	0.25 202	0.26 172	0.26 191

CAS	0.30 168	1.17 291	0.25 177	0.25 153	0.25 203	0.26 184	0.25 195	0.25 174	0.26 207	0.25 174	0.25 203	0.25 177	0.25 197	0.25 178	0.25 197	0.26 180	0.26 183	0.26 182	0.25 202	0.26 172	0.25 185

IER	0.88 340	7.04 504	2.23 494	2.75 454	0.28 216	0.43 268	0.25 195	0.39 219	0.25 194	0.41 238	0.27 213	0.39 227	0.25 197	0.40 234	0.28 209	0.37 220	0.28 193	0.37 236	0.25 202	0.37 219	0.25 185

CroCo-Stereo	0.73 307	1.22 344	0.25 177	1.22 398	0.25 203	1.22 431	0.25 195	1.22 424	0.25 194	1.22 432	0.25 203	1.22 435	0.25 197	1.22 435	0.25 197	1.22 417	0.26 183	1.21 439	0.25 202	1.22 418	0.25 185
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
StereoDRNet-Refined	0.33 184	0.39 147	0.26 183	0.39 192	0.26 211	0.40 230	0.26 203	0.40 224	0.26 207	0.39 220	0.26 209	0.39 227	0.26 206	0.39 231	0.26 202	0.37 220	0.25 180	0.37 236	0.25 202	0.37 219	0.37 260
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LG-Stereo_L2	0.34 186	0.37 138	0.38 233	0.47 234	0.28 216	0.39 228	0.28 211	0.39 219	0.28 215	0.39 220	0.28 219	0.39 227	0.28 220	0.38 223	0.28 209	0.42 262	0.35 227	0.36 233	0.26 208	0.35 210	0.26 191

tt1	0.31 173	0.93 252	0.24 174	0.33 174	0.23 196	0.31 194	0.24 192	0.32 190	0.24 189	0.32 195	0.23 191	0.32 200	0.25 197	0.32 201	0.24 191	0.27 183	0.26 183	0.27 186	0.26 208	0.27 175	0.27 199

HH	0.71 303	2.54 419	0.74 330	1.10 336	0.32 238	0.41 246	0.37 265	0.69 325	0.78 361	0.73 337	0.90 373	0.75 343	1.00 370	0.84 347	0.69 349	0.69 318	0.40 248	0.35 228	0.26 208	0.35 210	0.26 191

HanStereo	0.71 303	2.54 419	0.74 330	1.10 336	0.32 238	0.41 246	0.37 265	0.69 325	0.78 361	0.73 337	0.90 373	0.75 343	1.00 370	0.84 347	0.69 349	0.69 318	0.40 248	0.35 228	0.26 208	0.35 210	0.26 191

LoS	0.25 153	0.27 122	0.25 177	0.25 153	0.25 203	0.25 177	0.25 195	0.26 178	0.25 194	0.25 174	0.25 203	0.25 177	0.25 197	0.25 178	0.25 197	0.26 180	0.25 180	0.25 179	0.26 208	0.26 172	0.25 185
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
iRaft-Stereo_5w	0.34 186	0.42 163	0.31 200	0.39 192	0.30 232	0.38 222	0.30 223	0.40 224	0.29 220	0.40 225	0.37 272	0.41 246	0.34 251	0.38 223	0.30 226	0.34 203	0.27 188	0.34 215	0.26 208	0.34 198	0.26 191

UCFNet_RVC	2.75 498	10.06 526	0.29 190	10.31 543	0.29 223	0.42 264	0.29 218	0.43 259	0.29 220	0.42 250	0.29 223	0.42 262	9.87 544	0.43 263	0.29 219	0.36 216	9.84 543	0.36 233	0.26 208	9.77 542	0.26 191

4D-IteraStereo	0.78 317	3.13 447	0.89 344	0.69 286	0.32 238	0.40 230	0.32 228	0.76 331	0.97 382	0.52 304	0.65 348	0.89 357	0.32 239	0.76 341	0.98 378	0.83 335	0.94 350	0.35 228	0.27 215	0.70 312	0.89 367

CroCo-Stereo Lap2	0.77 314	1.29 347	0.29 190	1.27 402	0.29 223	1.27 434	0.26 203	1.26 427	0.26 207	1.26 433	0.26 209	1.27 437	0.26 206	1.26 436	0.27 203	1.27 419	0.27 188	1.27 442	0.27 215	1.27 420	0.27 199

iRaft-Stereo_20w	0.34 186	0.41 156	0.31 200	0.39 192	0.29 223	0.40 230	0.32 228	0.41 239	0.32 237	0.38 215	0.30 234	0.39 227	0.30 232	0.38 223	0.32 231	0.35 212	0.27 188	0.34 215	0.27 215	0.34 198	0.29 217

MLCV	0.31 173	0.35 133	0.27 184	0.35 177	0.28 216	0.35 210	0.27 206	0.35 200	0.28 215	0.36 209	0.27 213	0.35 209	0.27 214	0.35 211	0.27 203	0.34 203	0.27 188	0.34 215	0.27 215	0.34 198	0.27 199

xxxxx1	0.31 173	0.91 245	0.23 168	0.31 168	0.23 196	0.31 194	0.23 187	0.33 193	0.25 194	0.31 190	0.24 197	0.33 203	0.25 197	0.32 201	0.24 191	0.28 185	0.28 193	0.28 188	0.28 219	0.29 180	0.27 199

SQANet	0.28 163	0.28 125	0.28 188	0.28 163	0.28 216	0.28 188	0.28 211	0.28 181	0.28 215	0.28 184	0.28 219	0.28 188	0.28 220	0.28 193	0.28 209	0.28 185	0.28 193	0.28 188	0.28 219	0.28 177	0.28 212

Any-RAFT	0.32 181	0.36 136	0.27 184	0.36 181	0.27 213	0.36 213	0.27 206	0.36 204	0.27 212	0.36 209	0.27 213	0.36 215	0.27 214	0.36 217	0.28 209	0.36 216	0.28 193	0.36 233	0.28 219	0.36 217	0.28 212

tt_ll	0.31 173	0.91 245	0.23 168	0.31 168	0.23 196	0.31 194	0.23 187	0.33 193	0.25 194	0.31 190	0.24 197	0.33 203	0.25 197	0.32 201	0.24 191	0.28 185	0.28 193	0.28 188	0.28 219	0.29 180	0.27 199

ff	0.31 173	0.91 245	0.23 168	0.31 168	0.23 196	0.31 194	0.23 187	0.33 193	0.25 194	0.31 190	0.24 197	0.33 203	0.25 197	0.32 201	0.24 191	0.28 185	0.28 193	0.28 188	0.28 219	0.29 180	0.27 199

DGSMNet	0.34 186	0.41 156	0.27 184	0.41 215	0.28 216	0.41 246	0.28 211	0.41 239	0.27 212	0.41 238	0.27 213	0.42 262	0.27 214	0.41 248	0.28 209	0.40 240	0.29 202	0.40 258	0.28 219	0.40 240	0.27 199

Gwc-CoAtRS	0.41 227	1.49 354	0.32 204	0.42 223	0.32 238	0.41 246	0.32 228	0.41 239	0.33 243	0.41 238	0.32 239	0.41 246	0.32 239	0.41 248	0.32 231	0.39 236	0.28 193	0.39 253	0.28 219	0.40 240	0.28 212

ccs_rob	2.79 499	10.17 528	0.32 204	10.00 541	0.33 249	0.49 292	0.33 237	1.90 448	0.32 237	0.51 301	0.33 245	0.49 289	9.24 543	0.49 291	0.33 239	0.41 248	9.82 542	0.41 271	0.28 219	9.34 540	0.29 217

DN-CSS_ROB	0.31 173	0.35 133	0.28 188	0.35 177	0.28 216	0.34 206	0.27 206	0.34 197	0.25 194	0.35 206	0.27 213	0.36 215	0.26 206	0.34 209	0.28 209	0.35 212	0.28 193	0.34 215	0.28 219	0.34 198	0.27 199

GREAT-IGEV	0.38 208	0.43 164	0.36 227	0.48 238	0.32 238	0.45 271	0.32 228	0.45 261	0.32 237	0.45 261	0.32 239	0.45 268	0.32 239	0.45 268	0.32 231	0.44 264	0.33 223	0.41 271	0.29 228	0.41 250	0.29 217

DEFOM-Stereo	0.68 297	3.11 446	1.40 447	1.63 421	0.25 203	0.31 194	0.25 195	0.31 189	0.28 215	0.31 190	0.29 223	0.29 193	0.27 214	0.31 200	0.28 209	1.59 436	1.47 447	0.30 195	0.29 228	0.30 183	0.28 212

IGEV++	0.34 186	0.43 164	0.30 194	0.40 205	0.29 223	0.40 230	0.29 218	0.40 224	0.29 220	0.40 225	0.29 223	0.40 234	0.29 226	0.40 234	0.30 226	0.38 227	0.29 202	0.37 236	0.29 228	0.37 219	0.29 217

PCWNet_CMD	2.80 500	9.82 524	0.32 204	10.09 542	0.32 238	0.49 292	0.33 237	3.34 501	0.33 243	0.49 285	0.33 245	0.49 289	8.73 540	0.48 285	0.33 239	0.41 248	9.22 538	0.42 282	0.29 228	9.55 541	0.31 232

CFNet_ucs	2.73 497	9.64 523	0.33 209	9.92 540	0.32 238	0.49 292	0.33 237	0.49 279	0.33 243	0.49 285	0.33 245	0.49 289	8.98 542	0.48 285	0.33 239	0.41 248	9.96 544	0.40 258	0.29 228	10.12 544	0.54 321

RAFT-Test	0.36 197	0.37 138	0.33 209	0.41 215	0.32 238	0.41 246	0.32 228	0.41 239	0.32 237	0.41 238	0.32 239	0.41 246	0.32 239	0.41 248	0.33 239	0.37 220	0.29 202	0.37 236	0.29 228	0.38 228	0.31 232

RCA-Stereo	0.51 270	3.22 450	0.34 217	0.44 226	0.34 259	0.44 270	0.34 248	0.43 259	0.34 252	0.43 256	0.34 253	0.44 266	0.33 246	0.43 263	0.33 239	0.38 227	0.29 202	0.38 243	0.29 228	0.38 228	0.29 217

CFNet_pseudo	2.67 496	9.36 521	0.32 204	10.99 544	0.33 249	0.85 347	0.33 237	0.49 279	0.33 243	0.49 285	0.32 239	0.49 289	7.26 538	0.49 291	0.33 239	0.41 248	9.62 541	0.41 271	0.29 228	10.03 543	0.29 217

pcwnet_v2	2.66 495	9.89 525	0.33 209	9.89 539	0.32 238	0.50 300	0.32 228	0.49 279	0.33 243	0.49 285	0.34 253	0.49 289	8.76 541	0.48 285	0.33 239	0.41 248	9.58 540	0.40 258	0.29 228	9.01 539	0.63 335

RAFT + AFF	0.31 173	0.45 170	0.34 217	0.39 192	0.28 216	0.38 222	0.33 237	0.29 185	0.31 234	0.30 188	0.30 234	0.29 193	0.27 214	0.29 196	0.30 226	0.28 185	0.29 202	0.29 193	0.29 228	0.27 175	0.32 236

GIP-stereo	0.36 197	0.49 186	0.39 240	0.48 238	0.32 238	0.41 246	0.28 211	0.40 224	0.30 230	0.41 238	0.28 219	0.40 234	0.28 220	0.42 261	0.28 209	0.45 266	0.32 216	0.38 243	0.30 238	0.37 219	0.27 199

EKT-Stereo	0.37 202	0.40 149	0.44 259	1.07 334	0.29 223	0.34 206	0.31 227	0.36 204	0.29 220	0.38 215	0.31 237	0.37 221	0.30 232	0.36 217	0.29 219	0.34 203	0.28 193	0.39 253	0.30 238	0.37 219	0.30 227

CFNet-RSSM	0.91 343	4.89 481	0.34 217	0.44 226	1.07 395	1.62 449	1.40 462	0.91 346	0.35 255	1.60 442	1.39 462	0.64 329	0.34 251	0.44 265	0.33 239	0.41 248	0.35 227	0.75 344	0.30 238	0.41 250	0.29 217

psmorigin	0.41 227	0.46 174	0.33 209	0.49 244	0.33 249	0.49 292	0.33 237	0.49 279	0.33 243	0.49 285	0.33 245	0.49 289	0.33 246	0.51 304	0.33 239	0.41 248	0.30 210	0.41 271	0.30 238	0.79 322	0.29 217

DANet	0.30 168	0.30 128	0.30 194	0.30 165	0.30 232	0.30 191	0.30 223	0.30 187	0.30 230	0.30 188	0.30 234	0.30 196	0.30 232	0.30 198	0.30 226	0.30 193	0.30 210	0.30 195	0.30 238	0.30 183	0.30 227
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 422	0.31 129	4.99 528	5.93 519	0.20 182	0.25 177	0.20 169	0.25 174	0.20 175	0.23 165	0.19 177	0.25 177	0.20 179	0.25 178	0.20 176	5.66 527	4.76 520	0.26 182	0.30 238	0.24 169	0.27 199

water-stereo	0.41 227	0.84 231	0.46 265	0.50 251	0.33 249	0.45 271	0.33 237	0.45 261	0.32 237	0.45 261	0.32 239	0.45 268	0.32 239	0.45 268	0.32 231	0.44 264	0.41 257	0.39 253	0.31 244	0.39 235	0.32 236

1test111	0.37 202	1.02 271	0.30 194	0.39 192	0.29 223	0.40 230	0.28 211	0.39 219	0.29 220	0.39 220	0.29 223	0.39 227	0.28 220	0.40 234	0.29 219	0.33 200	0.32 216	0.33 208	0.31 244	0.32 188	0.31 232

cc1	0.37 202	1.02 271	0.30 194	0.39 192	0.29 223	0.40 230	0.28 211	0.39 219	0.29 220	0.39 220	0.29 223	0.39 227	0.28 220	0.40 234	0.29 219	0.33 200	0.32 216	0.33 208	0.31 244	0.32 188	0.31 232

PML	0.46 247	1.36 352	0.29 190	0.58 269	0.30 232	0.57 321	0.29 218	0.57 307	0.29 220	0.57 316	0.29 223	0.57 320	0.29 226	0.56 314	0.29 219	0.52 295	0.30 210	0.53 322	0.31 244	0.53 295	0.30 227

MSMDNet	2.65 494	10.14 527	0.33 209	9.74 538	0.32 238	0.87 349	0.33 237	2.95 497	0.68 345	0.49 285	0.34 253	0.49 289	5.70 534	0.49 291	0.33 239	0.42 262	9.57 539	0.41 271	0.31 244	8.36 536	0.65 337

xyz-stereo-finetune	0.28 163	0.49 186	0.16 141	0.16 117	0.16 166	0.16 134	0.16 151	0.22 161	0.30 230	0.32 195	0.31 237	0.32 200	0.31 237	0.32 201	0.32 231	0.32 197	0.33 223	0.31 199	0.32 249	0.31 186	0.32 236

HART	0.38 208	0.45 170	0.34 217	0.42 223	0.33 249	0.41 246	0.34 248	0.42 255	0.33 243	0.43 256	0.34 253	0.42 262	0.34 251	0.41 248	0.38 271	0.40 240	0.32 216	0.42 282	0.32 249	0.40 240	0.32 236

RAFT-Stereo-weight	0.45 244	1.90 375	0.34 217	0.42 223	0.36 268	0.43 268	0.35 253	0.42 255	0.34 252	0.42 250	0.34 253	0.44 266	0.34 251	0.41 248	0.34 252	0.38 227	0.32 216	0.38 243	0.32 249	0.38 228	0.33 243

MyStereo07	0.60 282	3.72 461	0.48 279	0.49 244	0.41 292	0.36 213	0.32 228	0.49 279	0.43 296	0.51 301	0.42 299	0.49 289	0.43 294	0.51 304	0.64 336	0.49 281	0.45 270	0.34 215	0.32 249	0.35 210	0.43 290

MyStereo04	0.56 280	3.72 461	0.59 304	0.49 244	0.41 292	0.36 213	0.32 228	0.37 210	0.31 234	0.34 202	0.46 308	0.35 209	0.32 239	0.35 211	0.33 239	0.49 281	0.45 270	0.34 215	0.32 249	0.35 210	0.43 290

ACVNet-DCA	0.37 202	1.00 261	0.30 194	0.40 205	0.29 223	0.40 230	0.29 218	0.40 224	0.29 220	0.40 225	0.29 223	0.40 234	0.29 226	0.39 231	0.28 209	0.33 200	0.32 216	0.33 208	0.32 249	0.33 194	0.32 236

xx1	0.38 208	1.03 273	0.31 200	0.40 205	0.31 236	0.41 246	0.28 211	0.40 224	0.29 220	0.40 225	0.29 223	0.40 234	0.29 226	0.40 234	0.29 219	0.34 203	0.33 223	0.34 215	0.32 249	0.34 198	0.32 236

HCRNet	1.22 420	7.11 505	3.00 502	3.55 485	0.33 249	0.29 190	0.14 143	0.19 145	0.15 158	0.33 200	0.29 223	0.25 177	0.14 149	0.22 165	0.33 239	3.64 498	3.00 495	0.76 346	0.32 249	0.18 146	0.13 141

depthmonostereo	0.44 242	0.85 233	0.46 265	0.54 262	0.40 285	0.52 309	0.38 271	0.52 298	0.35 255	0.47 271	0.34 253	0.46 272	0.34 251	0.47 276	0.34 252	0.45 266	0.43 267	0.41 271	0.33 257	0.41 250	0.32 236

DilatedVolume-Stereo	0.43 238	0.86 234	0.48 279	0.50 251	0.33 249	0.46 277	0.33 237	0.46 265	0.33 243	0.46 265	0.33 245	0.47 278	0.33 246	0.47 276	0.34 252	0.45 266	0.42 265	0.40 258	0.33 257	0.47 272	0.38 267

GCST	0.50 265	2.08 386	0.38 233	0.53 260	0.35 262	0.49 292	0.35 253	0.50 287	0.35 255	0.49 285	0.35 262	0.49 289	0.35 258	0.49 291	0.35 256	0.48 278	0.37 232	0.45 289	0.33 257	0.44 260	0.33 243

LL-Strereo2	0.48 258	1.73 365	0.51 292	0.59 271	0.34 259	0.42 264	0.33 237	0.40 224	0.31 234	0.42 250	0.33 245	0.42 262	0.31 237	0.44 265	0.39 277	0.60 304	0.51 296	0.44 285	0.33 257	0.44 260	0.33 243

SCV_C0	0.45 244	0.88 238	0.49 284	0.54 262	0.37 271	0.48 287	0.37 265	0.48 275	0.37 267	0.48 278	0.36 266	0.48 285	0.37 265	0.49 291	0.37 268	0.50 287	0.41 257	0.44 285	0.34 261	0.44 260	0.34 249

SCV	0.46 247	0.94 253	0.45 261	0.54 262	0.37 271	0.48 287	0.38 271	0.48 275	0.37 267	0.48 278	0.39 281	0.48 285	0.37 265	0.49 291	0.37 268	0.50 287	0.46 272	0.44 285	0.34 261	0.44 260	0.34 249

UGAM	0.51 270	2.23 399	0.39 240	0.54 262	0.35 262	0.50 300	0.35 253	0.49 279	0.35 255	0.49 285	0.35 262	0.49 289	0.36 261	0.50 298	0.36 260	0.49 281	0.37 232	0.45 289	0.34 261	0.45 264	0.34 249

H2IRNET	0.34 186	0.34 132	0.34 217	0.34 176	0.34 259	0.34 206	0.34 248	0.34 197	0.34 252	0.34 202	0.34 253	0.34 208	0.34 251	0.34 209	0.34 252	0.34 203	0.34 226	0.34 215	0.34 261	0.34 198	0.34 249

Selective-IGEV	0.51 270	0.55 207	0.45 261	0.69 286	0.45 307	0.61 324	0.45 299	0.50 287	0.40 280	0.56 314	0.44 303	0.55 316	0.40 275	0.72 335	0.67 341	0.59 303	0.46 272	0.45 289	0.34 261	0.46 265	0.37 260

CFNet_RVC	2.38 488	8.71 516	0.38 233	9.33 535	0.42 302	0.56 316	0.42 292	0.60 314	0.38 271	0.62 324	0.42 299	0.56 319	7.29 539	0.62 322	0.42 294	0.53 296	0.37 232	0.49 308	0.34 261	8.30 535	6.87 542

UGAM-zero	0.51 270	2.17 394	0.39 240	0.53 260	0.36 268	0.50 300	0.36 260	0.50 287	0.36 266	0.49 285	0.36 266	0.50 303	0.35 258	0.50 298	0.36 260	0.49 281	0.37 232	0.47 296	0.35 267	0.46 265	0.34 249

RSM	0.36 197	0.36 136	0.43 257	0.37 184	0.42 302	0.49 292	0.42 292	0.37 210	0.28 215	0.36 209	0.29 223	0.36 215	0.30 232	0.37 221	0.28 209	0.34 203	0.31 214	0.34 215	0.35 267	0.40 240	0.29 217

Former-RAFT_DAM_RVC	0.49 263	0.98 258	0.64 312	0.84 303	0.46 309	0.45 271	0.35 253	0.47 271	0.47 306	0.45 261	0.34 253	0.46 272	0.48 310	0.46 272	0.35 256	0.39 236	0.71 328	0.39 253	0.35 267	0.41 250	0.41 282

CASnet	0.35 193	0.51 197	0.44 259	0.32 171	0.31 236	0.24 170	0.34 248	0.36 204	0.25 194	0.31 190	0.37 272	0.30 196	0.33 246	0.25 178	0.45 298	0.37 220	0.37 232	0.33 208	0.35 267	0.34 198	0.37 260
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CES	0.39 216	0.47 178	0.36 227	0.36 181	0.37 271	0.45 271	0.35 253	0.35 200	0.40 280	0.36 209	0.44 303	0.47 278	0.36 261	0.44 265	0.36 260	0.37 220	0.39 245	0.44 285	0.35 267	0.37 219	0.36 256

ETE_ROB	0.35 193	0.35 133	0.35 225	0.35 177	0.35 262	0.35 210	0.35 253	0.35 200	0.35 255	0.35 206	0.35 262	0.35 209	0.35 258	0.35 211	0.35 256	0.35 212	0.35 227	0.35 228	0.35 267	0.35 210	0.35 255

iRaftStereo_RVC	0.97 354	3.17 449	2.30 496	2.42 448	0.38 278	0.54 314	0.38 271	0.54 302	0.38 271	0.54 309	0.38 277	0.54 312	0.38 269	0.54 310	0.38 271	2.38 476	2.34 492	0.49 308	0.36 273	0.49 279	0.36 256

DMCA	0.36 197	0.38 141	0.37 230	0.35 177	0.35 262	0.36 213	0.36 260	0.36 204	0.35 255	0.35 206	0.37 272	0.36 215	0.36 261	0.35 211	0.36 260	0.36 216	0.36 230	0.35 228	0.36 273	0.36 217	0.36 256

LG-Stereo_L1	0.47 253	0.52 199	0.47 272	0.62 275	0.39 283	0.53 311	0.40 279	0.53 300	0.39 279	0.53 306	0.39 281	0.53 310	0.39 274	0.53 309	0.39 277	0.55 299	0.46 272	0.49 308	0.37 275	0.49 279	0.37 260

LG-Stereo_Zeroshot	0.48 258	0.55 207	0.47 272	0.63 277	0.41 292	0.56 316	0.44 295	0.56 304	0.41 289	0.56 314	0.41 290	0.57 320	0.42 292	0.56 314	0.41 288	0.55 299	0.43 267	0.51 317	0.37 275	0.51 290	0.37 260

LG-Stereo	0.60 282	0.58 209	0.47 272	0.64 280	0.74 366	1.00 363	0.69 346	0.57 307	0.41 289	0.57 316	0.41 290	0.57 320	0.41 286	1.00 368	0.75 357	0.91 342	0.51 296	0.52 320	0.37 275	0.52 292	0.37 260

mms	0.40 220	0.45 170	0.35 225	0.48 238	0.36 268	0.47 282	0.34 248	0.45 261	0.38 271	0.47 271	0.33 245	0.45 268	0.32 239	0.45 268	0.32 231	0.39 236	0.38 238	0.38 243	0.37 275	0.39 235	0.39 272

fffy	0.38 208	0.43 164	0.33 209	0.46 228	0.33 249	0.45 271	0.32 228	0.45 261	0.32 237	0.45 261	0.32 239	0.45 268	0.33 246	0.45 268	0.32 231	0.38 227	0.38 238	0.38 243	0.37 275	0.37 219	0.36 256

PAM	0.39 216	1.88 372	0.34 217	0.37 184	0.41 292	0.45 271	0.22 180	0.28 181	0.23 187	0.28 184	0.24 197	0.29 193	0.23 191	0.29 196	0.23 187	0.38 227	0.32 216	0.38 243	0.37 275	0.32 188	0.22 172

WAO-8	0.38 208	0.38 141	0.38 233	0.38 187	0.38 278	0.38 222	0.38 271	0.38 215	0.38 271	0.38 215	0.38 277	0.38 223	0.38 269	0.38 223	0.38 271	0.38 227	0.38 238	0.38 243	0.37 275	0.38 228	0.38 267

Venus	0.38 208	0.38 141	0.38 233	0.38 187	0.38 278	0.37 218	0.38 271	0.37 210	0.37 267	0.41 238	0.37 272	0.39 227	0.37 265	0.38 223	0.38 271	0.37 220	0.38 238	0.38 243	0.37 275	0.37 219	0.38 267

GMOStereo	0.37 202	0.45 170	0.23 168	0.30 165	0.37 271	0.41 246	0.36 260	0.41 239	0.35 255	0.43 256	0.36 266	0.41 246	0.40 275	0.41 248	0.36 260	0.34 203	0.22 173	0.47 296	0.37 275	0.39 235	0.33 243

error version	0.93 350	4.47 476	2.35 497	1.99 432	0.37 271	0.41 246	0.36 260	0.41 239	0.35 255	0.43 256	0.36 266	0.41 246	0.40 275	0.41 248	0.36 260	1.87 445	2.16 488	0.47 296	0.37 275	0.39 235	0.33 243

test_1	0.93 350	4.47 476	2.35 497	1.99 432	0.37 271	0.41 246	0.36 260	0.41 239	0.35 255	0.43 256	0.36 266	0.41 246	0.40 275	0.41 248	0.36 260	1.87 445	2.16 488	0.47 296	0.37 275	0.39 235	0.33 243

XPNet_ROB	0.37 202	0.37 138	0.37 230	0.37 184	0.37 271	0.37 218	0.37 265	0.37 210	0.37 267	0.37 214	0.37 272	0.37 221	0.37 265	0.37 221	0.37 268	0.37 220	0.37 232	0.37 236	0.37 275	0.37 219	0.37 260

WAO-7	0.38 208	0.38 141	0.38 233	0.38 187	0.38 278	0.38 222	0.38 271	0.38 215	0.38 271	0.38 215	0.38 277	0.38 223	0.38 269	0.38 223	0.38 271	0.38 227	0.38 238	0.38 243	0.38 287	0.38 228	0.38 267

HanzoNet	0.39 216	0.38 141	0.40 243	0.39 192	0.41 292	0.38 222	0.38 271	0.38 215	0.38 271	0.39 220	0.39 281	0.38 223	0.38 269	0.39 231	0.40 281	0.38 227	0.38 238	0.40 258	0.38 287	0.38 228	0.40 275

IMH	0.38 208	0.38 141	0.38 233	0.38 187	0.38 278	0.38 222	0.38 271	0.38 215	0.38 271	0.42 250	0.38 277	0.40 234	0.38 269	0.38 223	0.38 271	0.38 227	0.38 238	0.39 253	0.38 287	0.38 228	0.38 267

GCAP-Stereo	0.75 309	4.15 472	0.42 256	0.75 294	0.35 262	0.78 341	0.40 279	0.79 333	0.38 271	0.78 345	0.36 266	0.78 346	0.36 261	0.79 342	0.39 277	0.75 325	0.39 245	0.76 346	0.39 290	0.75 317	0.39 272

ccccc	0.41 227	0.44 167	0.34 217	0.48 238	0.35 262	0.48 287	0.35 253	0.51 296	0.35 255	0.47 271	0.35 262	0.47 278	0.34 251	0.47 276	0.35 256	0.41 248	0.40 248	0.40 258	0.40 291	0.41 250	0.39 272

knoymous	0.40 220	0.40 149	0.40 243	0.40 205	0.40 285	0.40 230	0.40 279	0.40 224	0.40 280	0.40 225	0.40 284	0.40 234	0.40 275	0.40 234	0.40 281	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 275

anonymousa	0.40 220	0.40 149	0.40 243	0.40 205	0.40 285	0.40 230	0.40 279	0.40 224	0.40 280	0.40 225	0.40 284	0.40 234	0.40 275	0.40 234	0.40 281	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 275

riskmin	0.40 220	0.40 149	0.40 243	0.40 205	0.40 285	0.40 230	0.40 279	0.40 224	0.40 280	0.40 225	0.40 284	0.40 234	0.40 275	0.40 234	0.40 281	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 275

Anonymous_2	0.40 220	0.40 149	0.40 243	0.40 205	0.40 285	0.40 230	0.40 279	0.40 224	0.40 280	0.40 225	0.40 284	0.40 234	0.40 275	0.40 234	0.40 281	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 275

Anonymous_1	0.40 220	0.40 149	0.40 243	0.40 205	0.40 285	0.40 230	0.40 279	0.40 224	0.40 280	0.40 225	0.40 284	0.40 234	0.40 275	0.40 234	0.40 281	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 275

AdaStereo	0.40 220	0.40 149	0.40 243	0.40 205	0.40 285	0.40 230	0.40 279	0.40 224	0.40 280	0.40 225	0.40 284	0.40 234	0.40 275	0.40 234	0.40 281	0.40 240	0.40 248	0.40 258	0.40 291	0.40 240	0.40 275
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.
fffft	0.48 258	0.51 197	0.45 261	0.52 259	0.45 307	0.52 309	0.45 299	0.52 298	0.48 313	0.53 306	0.45 306	0.52 309	0.45 298	0.52 307	0.46 302	0.51 293	0.41 257	0.50 312	0.41 298	0.50 284	0.41 282
1: 1. 1
AIO-Stereo-zeroshot1	0.75 309	0.92 250	0.85 343	0.96 323	0.59 339	1.27 434	0.44 295	0.59 312	0.69 348	0.91 355	0.68 352	0.55 316	0.61 333	1.06 375	0.83 366	0.62 310	0.70 324	0.90 362	0.41 298	0.89 335	0.56 328

GwcNet-ADL	0.41 227	0.41 156	0.41 251	0.41 215	0.41 292	0.41 246	0.41 287	0.41 239	0.41 289	0.41 238	0.41 290	0.41 246	0.41 286	0.41 248	0.41 288	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 282

PSMNet-ADL	0.41 227	0.41 156	0.41 251	0.41 215	0.41 292	0.41 246	0.41 287	0.41 239	0.41 289	0.41 238	0.41 290	0.41 246	0.41 286	0.41 248	0.41 288	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 282

GANet-ADL	0.41 227	0.41 156	0.41 251	0.41 215	0.41 292	0.41 246	0.41 287	0.41 239	0.41 289	0.41 238	0.41 290	0.41 246	0.41 286	0.41 248	0.41 288	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 282

ADLNet2	0.41 227	0.41 156	0.41 251	0.41 215	0.41 292	0.41 246	0.41 287	0.41 239	0.41 289	0.41 238	0.41 290	0.41 246	0.41 286	0.41 248	0.41 288	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 282

ADLNet	0.41 227	0.41 156	0.41 251	0.41 215	0.41 292	0.41 246	0.41 287	0.41 239	0.41 289	0.41 238	0.41 290	0.41 246	0.41 286	0.41 248	0.41 288	0.41 248	0.41 257	0.41 271	0.41 298	0.41 250	0.41 282

FC-DCNN	1.07 365	1.09 282	0.98 356	0.89 307	0.52 331	1.41 444	0.91 370	1.21 423	1.24 450	1.96 452	2.05 505	1.91 453	1.30 444	1.27 437	1.08 386	0.80 329	0.60 308	0.58 326	0.41 298	0.68 307	0.54 321

DispNO	1.00 357	0.63 213	0.43 257	3.45 480	0.44 305	0.65 330	0.43 294	0.64 319	0.43 296	0.64 327	0.43 301	0.64 329	3.03 500	0.64 327	0.43 296	4.55 506	0.43 267	0.63 331	0.43 306	0.63 303	0.43 290

test-3	0.98 356	4.13 471	1.85 478	1.85 424	0.61 345	0.69 333	0.37 265	0.63 318	0.61 336	0.66 330	0.51 331	0.73 341	0.44 296	0.57 318	0.54 327	1.68 440	1.81 472	0.40 258	0.43 306	0.66 305	0.50 313

PAM_32	0.64 289	2.38 414	0.51 292	0.92 313	0.43 304	0.53 311	0.44 295	0.87 340	0.43 296	0.52 304	0.45 306	0.53 310	0.40 275	0.54 310	0.46 302	0.62 310	0.56 304	0.48 304	0.45 308	0.76 318	0.44 293

Occ-G	1.12 370	0.52 199	3.72 522	3.50 484	0.50 325	0.56 316	0.47 306	0.54 302	0.46 301	0.54 309	0.41 290	0.54 312	0.42 292	0.52 307	0.42 294	3.42 497	4.02 516	0.52 320	0.45 308	0.51 290	0.44 293

MonSter	0.60 282	0.64 215	0.52 295	0.62 275	0.44 305	2.07 464	0.44 295	0.62 317	0.44 299	0.62 324	0.44 303	0.62 328	0.44 296	0.62 322	0.44 297	0.58 302	0.42 265	0.62 329	0.46 310	0.58 299	0.42 289

otaku	0.46 247	0.46 174	0.46 265	0.46 228	0.46 309	0.46 277	0.46 301	0.46 265	0.46 301	0.46 265	0.46 308	0.46 272	0.46 301	0.46 272	0.46 302	0.46 269	0.46 272	0.46 292	0.46 310	0.46 265	0.46 296

Ntro	0.47 253	0.47 178	0.46 265	0.46 228	0.46 309	0.47 282	0.47 306	0.46 265	0.47 306	0.46 265	0.46 308	0.47 278	0.46 301	0.47 276	0.47 308	0.47 274	0.46 272	0.46 292	0.46 310	0.46 265	0.46 296

UNDER WATER	0.47 253	0.47 178	0.47 272	0.47 234	0.47 315	0.47 282	0.47 306	0.47 271	0.47 306	0.47 271	0.47 316	0.47 278	0.46 301	0.47 276	0.47 308	0.47 274	0.47 280	0.47 296	0.46 310	0.47 272	0.47 303

Dean	0.46 247	0.46 174	0.46 265	0.46 228	0.46 309	0.46 277	0.46 301	0.46 265	0.46 301	0.47 271	0.46 308	0.46 272	0.46 301	0.46 272	0.46 302	0.46 269	0.46 272	0.46 292	0.46 310	0.46 265	0.46 296

ACVNet_1	0.46 247	0.47 178	0.46 265	0.46 228	0.46 309	0.46 277	0.46 301	0.46 265	0.47 306	0.46 265	0.46 308	0.46 272	0.46 301	0.46 272	0.46 302	0.46 269	0.46 272	0.47 296	0.46 310	0.46 265	0.46 296

ACVNet-4b	0.46 247	0.46 174	0.46 265	0.46 228	0.46 309	0.46 277	0.46 301	0.46 265	0.46 301	0.46 265	0.46 308	0.46 272	0.46 301	0.47 276	0.46 302	0.46 269	0.46 272	0.46 292	0.46 310	0.46 265	0.46 296

AIO-test2	0.55 278	0.59 210	0.52 295	0.67 285	0.47 315	0.61 324	0.47 306	0.61 316	0.47 306	0.61 321	0.47 316	0.61 326	0.48 310	0.62 322	0.47 308	0.64 312	0.53 300	0.58 326	0.47 317	0.58 299	0.48 305

HaxPig	0.47 253	0.47 178	0.47 272	0.49 244	0.47 315	0.47 282	0.47 306	0.47 271	0.47 306	0.47 271	0.47 316	0.47 278	0.47 309	0.47 276	0.47 308	0.47 274	0.47 280	0.47 296	0.47 317	0.47 272	0.48 305

LVE	0.47 253	0.47 178	0.47 272	0.47 234	0.49 321	0.47 282	0.47 306	0.47 271	0.49 315	0.47 271	0.47 316	0.47 278	0.46 301	0.47 276	0.47 308	0.47 274	0.47 280	0.48 304	0.47 317	0.47 272	0.47 303

AIO-test1	0.54 274	0.60 212	0.52 295	0.66 284	0.47 315	0.61 324	0.47 306	0.58 310	0.46 301	0.61 321	0.46 308	0.61 326	0.45 298	0.62 322	0.45 298	0.61 307	0.52 298	0.57 325	0.48 320	0.57 298	0.48 305

RainbowNet	0.48 258	0.48 184	0.48 279	0.48 238	0.48 319	0.48 287	0.48 315	0.48 275	0.48 313	0.48 278	0.48 320	0.48 285	0.48 310	0.48 285	0.48 314	0.48 278	0.48 283	0.48 304	0.48 320	0.48 276	0.48 305

notaker	0.48 258	0.49 186	0.48 279	0.48 238	0.48 319	0.48 287	0.48 315	0.48 275	0.49 315	0.48 278	0.48 320	0.48 285	0.48 310	0.48 285	0.48 314	0.48 278	0.48 283	0.48 304	0.48 320	0.48 276	0.49 310

MyStereo8	0.71 303	3.92 468	0.52 295	0.59 271	0.52 331	0.57 321	0.53 325	0.59 312	0.50 318	0.59 320	0.51 331	0.57 320	0.50 318	0.56 314	0.52 324	0.54 297	0.49 286	0.54 323	0.49 323	0.55 297	0.50 313

ACVNet_2	0.49 263	0.49 186	0.49 284	0.49 244	0.49 321	0.49 292	0.49 317	0.49 279	0.49 315	0.49 285	0.49 323	0.49 289	0.49 315	0.49 291	0.49 316	0.49 281	0.49 286	0.49 308	0.49 323	0.49 279	0.49 310

FoundationStereo	0.50 265	0.50 190	0.50 287	0.50 251	0.50 325	0.50 300	0.50 319	0.50 287	0.50 318	0.50 297	0.50 325	0.50 303	0.50 318	0.50 298	0.50 317	0.50 287	0.50 292	0.50 312	0.50 325	0.50 284	0.50 313

StereoAnything_RVC	0.50 265	0.50 190	0.50 287	0.50 251	0.50 325	0.50 300	0.50 319	0.50 287	0.50 318	0.50 297	0.50 325	0.50 303	0.50 318	0.50 298	0.50 317	0.50 287	0.50 292	0.50 312	0.50 325	0.50 284	0.50 313

dual_stereo	0.50 265	0.50 190	0.50 287	0.50 251	0.50 325	0.50 300	0.50 319	0.50 287	0.50 318	0.50 297	0.50 325	0.50 303	0.50 318	0.50 298	0.50 317	0.50 287	0.50 292	0.50 312	0.50 325	0.50 284	0.50 313

SANet	0.50 265	0.50 190	0.50 287	0.50 251	0.50 325	0.50 300	0.50 319	0.50 287	0.50 318	0.50 297	0.50 325	0.50 303	0.50 318	0.50 298	0.50 317	0.50 287	0.50 292	0.50 312	0.50 325	0.50 284	0.50 313

WCG-NET	0.61 285	1.21 341	0.54 299	0.61 274	0.53 334	0.67 332	0.53 325	0.66 322	0.53 326	0.64 327	0.53 334	0.65 332	0.53 325	0.59 320	0.52 324	0.65 313	0.48 283	0.64 332	0.52 329	0.58 299	0.50 313

PSMNet_ROB	0.54 274	0.54 205	0.54 299	0.54 262	0.53 334	0.54 314	0.54 327	0.53 300	0.54 328	0.54 309	0.54 335	0.54 312	0.53 325	0.54 310	0.54 327	0.54 297	0.53 300	0.54 323	0.54 330	0.54 296	0.54 321

MyStereo06	0.75 309	4.12 469	0.60 306	0.63 277	0.61 345	0.62 327	0.66 338	0.56 304	0.45 300	0.55 312	0.48 320	0.54 312	0.46 301	0.57 318	0.45 298	0.60 304	0.57 306	0.64 332	0.55 331	0.72 313	0.55 325

MyStereo05	0.80 320	4.12 469	0.63 310	0.63 277	0.61 345	0.62 327	0.66 338	0.65 320	0.62 337	0.67 331	0.61 342	0.65 332	0.58 330	0.67 331	0.55 329	0.60 304	0.57 306	0.64 332	0.55 331	0.72 313	0.55 325

anonymity	0.63 287	0.69 217	0.56 301	0.71 290	0.56 337	0.71 336	0.56 328	0.71 328	0.56 329	0.72 335	0.56 337	0.71 336	0.56 329	0.71 334	0.58 331	0.68 317	0.55 302	0.68 337	0.55 331	0.68 307	0.54 321

CASS	0.57 281	0.89 241	0.56 301	0.57 268	0.56 337	0.56 316	0.56 328	0.56 304	0.53 326	0.57 316	0.57 338	0.59 324	0.48 310	0.56 314	0.57 330	0.55 299	0.56 304	0.47 296	0.56 334	0.62 302	0.56 328
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
StereoVision	3.15 501	5.00 482	0.89 344	4.83 509	1.00 387	3.93 508	1.27 449	6.37 535	1.34 455	5.67 535	1.26 449	5.84 536	1.27 441	5.03 532	1.24 446	5.10 524	1.09 364	4.61 518	0.57 335	5.62 524	1.12 388

DDUNet	0.81 325	2.45 417	0.57 303	0.90 308	0.60 340	0.88 350	0.59 331	0.90 344	0.60 333	0.88 352	0.60 339	0.90 358	0.58 330	0.88 352	0.60 333	0.84 337	0.60 308	0.86 360	0.57 335	0.86 332	0.60 330

STTRV1_RVC	0.82 329	1.60 358	0.70 322	1.01 330	0.60 340	1.07 373	0.69 346	1.01 360	0.60 333	0.72 335	0.55 336	1.02 373	0.68 343	1.03 373	0.67 341	0.89 341	0.63 314	0.92 366	0.57 335	0.90 337	0.65 337

UDG	0.80 320	2.21 398	0.60 306	0.91 310	0.60 340	0.90 353	0.58 330	0.88 343	0.60 333	0.90 353	0.60 339	0.88 355	0.60 332	0.90 355	0.58 331	0.86 339	0.60 308	0.84 358	0.59 338	0.84 331	0.61 331

AEACV	1.12 370	0.52 199	3.12 514	3.24 469	0.86 374	0.53 311	0.49 317	0.60 314	0.47 306	0.53 306	0.49 323	0.55 316	0.45 298	0.55 313	0.47 308	3.01 493	3.88 514	0.71 341	0.60 339	0.80 325	0.48 305

ARAFT	0.68 297	0.81 228	0.63 310	0.74 293	0.60 340	0.78 341	0.62 333	0.77 332	0.66 343	0.74 342	0.63 344	0.75 343	0.62 334	0.83 346	0.60 333	0.70 321	0.55 302	0.70 340	0.60 339	0.78 320	0.55 325

SMoEStereo_RVC	0.63 287	0.75 221	0.51 292	0.73 292	0.53 334	0.71 336	0.47 306	0.67 323	0.58 331	0.74 342	0.60 339	0.72 339	0.53 325	0.74 339	0.51 322	0.61 307	0.62 313	0.62 329	0.61 341	0.63 303	0.61 331

RAFT-Stereo + iAFF	0.70 301	0.72 219	0.71 326	0.80 298	0.62 348	0.82 346	0.61 332	0.81 338	0.62 337	0.81 349	0.63 344	0.80 349	0.70 346	0.73 337	0.61 335	0.76 326	0.61 312	0.74 343	0.61 341	0.77 319	0.61 331

AFF-stereo	0.73 307	0.88 238	0.67 319	0.75 294	0.68 358	0.75 338	0.64 335	0.80 335	0.72 355	0.83 350	0.70 356	0.82 352	0.64 335	0.84 347	0.67 341	0.77 327	0.63 314	0.81 354	0.63 343	0.78 320	0.62 334

plain	1.88 441	3.16 448	0.64 312	3.10 464	0.65 351	3.10 500	0.64 335	3.12 498	0.65 341	3.10 499	0.65 348	3.11 499	0.65 337	3.12 498	0.65 337	3.12 494	0.65 317	3.13 499	0.65 344	3.13 485	0.65 337

DSFCA	0.66 292	0.73 220	0.78 335	0.65 281	0.65 351	0.64 329	0.64 335	0.65 320	0.63 339	0.64 327	0.64 346	0.64 329	0.64 335	0.65 328	0.65 337	0.65 313	0.65 317	0.65 335	0.65 344	0.66 305	0.64 336

MLG-Stereo	0.92 345	0.90 243	0.84 342	1.27 402	0.49 321	1.38 441	0.88 367	1.41 437	0.97 382	0.73 337	1.09 389	1.26 436	0.43 294	0.72 335	1.05 385	1.13 366	0.49 286	1.18 392	0.66 346	1.01 351	0.46 296

ktn	0.72 306	0.53 202	1.08 364	1.14 342	0.51 330	1.22 431	1.36 455	0.51 296	0.59 332	0.51 301	0.51 331	0.69 335	1.20 391	0.67 331	0.51 322	0.51 293	0.49 286	0.58 326	0.66 346	0.52 292	0.53 320

KSHMR	0.66 292	0.50 190	0.48 279	1.15 344	0.52 331	0.49 292	0.51 323	0.49 279	0.71 354	0.67 331	0.50 325	1.16 386	1.11 380	0.66 329	0.52 324	0.49 281	0.49 286	0.51 317	0.66 346	0.50 284	1.14 392

PA-Net	11.80 544	223.51 569	0.62 309	0.59 271	0.71 361	0.59 323	0.73 353	0.67 323	0.73 358	0.55 312	0.61 342	0.60 325	0.74 352	0.63 326	0.73 354	0.66 315	0.60 308	0.69 338	0.66 346	0.72 313	0.65 337
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LMCR-Stereo	0.65 290	0.63 213	0.65 315	0.65 281	0.65 351	0.66 331	0.63 334	0.58 310	0.65 341	0.63 326	0.64 346	0.65 332	0.65 337	0.66 329	0.66 340	0.66 315	0.64 316	0.65 335	0.67 350	0.68 307	0.73 351

R-Stereo Train	0.81 325	0.96 255	0.67 319	0.95 320	0.67 355	0.95 358	0.68 343	0.95 355	0.68 345	0.95 363	0.68 352	0.96 366	0.68 343	0.96 365	0.68 345	0.94 349	0.68 319	0.94 368	0.68 351	0.94 344	0.68 342

RAFT-Stereo	0.81 325	0.96 255	0.67 319	0.95 320	0.67 355	0.95 358	0.68 343	0.95 355	0.68 345	0.95 363	0.68 352	0.96 366	0.68 343	0.96 365	0.68 345	0.94 349	0.68 319	0.94 368	0.68 351	0.94 344	0.68 342
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MoCha-V2	2.11 465	26.97 547	0.78 335	0.92 313	0.77 368	0.96 360	0.72 352	0.90 344	0.72 355	0.94 361	0.70 356	0.90 358	0.71 350	0.91 356	0.71 353	0.85 338	0.71 328	0.88 361	0.69 353	0.87 333	0.67 341

UniTT-Stereo	2.03 458	3.43 454	0.72 327	3.42 479	0.73 364	3.27 503	0.68 343	3.38 502	0.69 348	3.29 502	0.72 361	3.28 502	0.70 346	3.35 503	0.68 345	3.39 496	0.68 319	3.31 501	0.69 353	3.37 486	0.73 351

DCRE	0.84 336	1.89 373	0.77 334	0.94 318	0.72 363	0.88 350	0.73 353	0.87 340	0.78 361	0.90 353	0.71 359	0.88 355	0.67 342	0.88 352	0.73 354	0.81 332	0.68 319	0.81 354	0.70 355	0.82 329	0.70 344

DMCA-RVC	0.70 301	0.80 225	0.70 322	0.70 288	0.70 360	0.70 334	0.70 348	0.71 328	0.70 351	0.70 334	0.71 359	0.71 336	0.70 346	0.70 333	0.69 349	0.69 318	0.70 324	0.69 338	0.70 355	0.69 311	0.70 344

MSMD_ROB	1.19 372	1.10 285	0.70 322	1.10 336	0.60 340	1.10 377	0.70 348	1.10 366	0.70 351	1.10 374	0.70 356	1.10 380	0.70 346	7.00 541	0.70 352	1.10 360	0.70 324	1.10 382	0.70 355	1.10 356	0.70 344

RSM++	0.76 313	0.82 230	0.66 316	0.85 305	0.64 349	0.85 347	0.71 351	0.94 353	0.64 340	0.87 351	0.67 351	0.87 354	0.65 337	0.84 347	0.65 337	0.81 332	0.70 324	0.79 349	0.71 358	0.83 330	0.70 344

iGMRVC	0.84 336	2.85 442	0.72 327	0.72 291	0.73 364	0.77 339	0.79 358	0.73 330	0.74 360	0.73 337	0.72 361	0.73 341	0.76 355	0.73 337	0.73 354	0.72 323	0.73 330	0.73 342	0.72 359	0.73 316	0.72 348

AIO-Stereo	0.84 336	0.66 216	0.70 322	0.83 302	0.67 355	0.98 361	0.82 364	1.14 367	0.72 355	1.03 370	0.74 364	1.03 374	1.09 379	0.99 367	0.45 298	1.04 355	0.73 330	0.95 370	0.74 360	0.94 344	0.46 296

TorneroNet-64	0.45 244	0.27 122	0.30 194	0.58 269	0.27 213	0.70 334	0.30 223	0.28 181	0.73 358	0.73 337	0.28 219	0.71 336	0.66 340	0.75 340	0.27 203	0.27 183	0.29 202	0.37 236	0.75 361	0.28 177	0.30 227

RAStereo	2.23 478	3.64 457	0.76 333	3.65 488	0.86 374	3.66 507	0.76 356	3.67 506	0.81 368	3.66 503	0.76 366	3.66 504	0.77 356	3.68 505	0.77 359	3.68 499	0.77 335	3.69 506	0.77 362	3.70 488	0.77 357

ToySt	0.92 345	2.11 389	0.90 347	0.95 320	0.79 370	0.99 362	0.78 357	0.94 353	0.81 368	0.94 361	0.78 367	0.95 365	0.77 356	0.94 361	0.86 368	0.91 342	0.79 337	0.85 359	0.77 362	0.89 335	0.73 351

HSM-Net_RVC	0.95 353	1.17 291	0.78 335	1.18 351	0.71 361	1.16 384	0.75 355	1.09 365	0.80 365	1.10 374	0.75 365	1.17 387	0.74 352	1.17 387	0.80 362	1.13 366	0.73 330	1.17 389	0.77 362	1.16 362	0.72 348
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
tt45	1.04 364	0.88 238	1.36 441	0.92 313	1.03 393	1.51 447	0.79 358	0.70 327	0.88 370	0.74 342	0.90 373	1.60 447	0.72 351	1.60 444	0.75 357	0.91 342	0.78 336	1.52 454	0.79 365	1.14 358	1.32 456

G-Net	0.79 318	0.79 224	0.79 338	0.79 296	0.79 370	0.79 343	0.79 358	0.79 333	0.79 364	0.79 346	0.79 368	0.79 348	0.79 358	0.79 342	0.79 360	0.79 328	0.79 337	0.79 349	0.79 365	0.79 322	0.79 358

HBP-ISP	1.24 421	1.72 361	1.65 459	1.15 344	0.76 367	1.40 443	0.88 367	1.67 443	1.02 390	1.69 447	1.38 461	1.69 449	1.21 437	1.87 454	1.21 444	1.05 356	0.79 337	0.97 373	0.80 367	1.19 370	0.75 355

NaN_ROB	0.80 320	0.80 225	0.80 339	0.80 298	0.80 372	0.80 344	0.80 361	0.80 335	0.80 365	0.80 347	0.80 369	0.80 349	0.80 359	0.80 344	0.80 362	0.80 329	0.80 340	0.80 352	0.80 367	0.80 325	0.80 359

CSAN	0.80 320	0.80 225	0.80 339	0.80 298	0.80 372	0.80 344	0.80 361	0.80 335	0.80 365	0.80 347	0.80 369	0.80 349	0.80 359	0.80 344	0.80 362	0.80 329	0.80 340	0.80 352	0.80 367	0.80 325	0.80 359

Selective-RAFT-Error	0.88 340	0.84 231	0.98 356	0.86 306	0.97 386	0.88 350	0.95 375	0.84 339	0.99 385	0.92 357	0.82 371	0.84 353	0.98 369	0.87 351	0.97 377	0.81 332	0.83 343	0.79 349	0.82 370	0.79 322	0.85 364

Selective-RAFT	0.89 342	0.89 241	0.72 327	1.16 349	0.78 369	1.06 370	0.82 364	0.87 340	0.97 382	1.00 365	0.91 376	0.90 358	1.00 370	0.89 354	0.93 374	0.83 335	0.83 343	0.82 356	0.82 370	0.81 328	0.82 362

DPSimNet_ROB	0.97 354	1.18 293	0.81 341	1.10 336	0.91 380	1.02 368	0.82 364	1.04 362	0.91 372	1.03 370	0.86 372	1.28 438	0.82 361	1.03 373	0.89 369	1.17 369	0.81 342	1.02 379	0.82 370	1.08 355	0.81 361

AIO-Stereo-zeroshot	0.91 343	0.86 234	0.89 344	1.25 401	0.69 359	1.05 369	0.81 363	1.16 370	0.50 318	1.12 379	0.97 381	0.72 339	0.82 361	1.06 375	0.95 375	0.61 307	0.87 345	1.03 380	0.85 373	1.04 353	1.01 381

DGTPSM_ROB	0.93 350	1.00 261	0.92 351	0.94 318	0.96 385	0.91 354	0.92 371	0.91 346	0.96 381	0.91 355	0.96 380	0.93 364	0.92 365	0.94 361	0.92 370	0.92 345	0.92 348	0.90 362	0.92 374	0.94 344	0.91 369

DPSM_ROB	0.92 345	0.91 245	0.91 349	0.91 310	0.92 381	0.92 355	0.92 371	0.92 349	0.91 372	0.93 359	0.91 376	0.92 361	0.90 363	0.91 356	0.92 370	0.92 345	0.91 346	0.91 364	0.92 374	0.93 342	0.93 371

DPSM	0.92 345	0.91 245	0.91 349	0.91 310	0.92 381	0.92 355	0.92 371	0.92 349	0.91 372	0.93 359	0.91 376	0.92 361	0.90 363	0.91 356	0.92 370	0.92 345	0.91 346	0.91 364	0.92 374	0.93 342	0.93 371

pmcnn	0.92 345	0.92 250	0.92 351	0.92 313	0.92 381	0.92 355	0.92 371	0.92 349	0.92 376	0.92 357	0.92 379	0.92 361	0.92 365	0.92 360	0.92 370	0.92 345	0.92 348	0.92 366	0.92 374	0.92 341	0.92 370

MM-Stereo_test2	1.20 373	1.85 369	1.05 362	1.46 413	0.94 384	1.36 439	0.99 378	1.36 432	0.95 379	1.41 438	0.98 382	1.40 443	0.96 367	1.37 439	0.95 375	1.37 427	1.06 357	1.33 444	0.93 378	1.29 421	0.89 367

MM-Stereo_test3	1.27 423	2.07 385	1.18 373	1.60 417	1.02 392	1.45 445	1.01 382	1.40 436	1.04 391	1.44 439	1.03 387	1.46 445	1.02 377	1.44 442	1.02 384	1.51 434	1.12 371	1.32 443	0.98 379	1.38 425	0.97 374

999	1.00 357	1.12 286	0.59 304	1.10 336	1.21 452	1.09 376	0.52 324	1.08 363	1.43 464	1.18 384	1.35 456	0.98 368	0.52 324	0.91 356	0.85 367	0.72 323	1.46 446	0.83 357	0.98 379	0.68 307	1.41 464

ours_stereo	1.20 373	1.21 341	0.90 347	1.64 422	1.11 396	1.35 437	0.67 342	1.76 444	0.93 377	1.70 448	1.10 390	1.39 441	0.75 354	1.41 441	0.81 365	1.60 438	1.03 356	1.33 444	1.00 381	1.61 432	0.72 348

GANet	1.00 357	1.00 261	1.00 358	1.00 327	1.00 387	1.00 363	1.00 379	1.00 357	1.00 386	1.00 365	1.00 383	1.00 369	1.00 370	1.00 368	1.00 380	1.00 351	1.00 351	1.00 375	1.00 381	1.00 348	1.00 378

TDLM	1.00 357	1.00 261	1.00 358	1.00 327	1.00 387	1.00 363	1.00 379	1.00 357	1.00 386	1.00 365	1.00 383	1.00 369	1.00 370	1.00 368	1.00 380	1.00 351	1.00 351	1.00 375	1.00 381	1.00 348	1.00 378

CVANet_RVC	1.00 357	1.00 261	1.00 358	1.00 327	1.00 387	1.00 363	1.00 379	1.00 357	1.00 386	1.00 365	1.00 383	1.00 369	1.00 370	1.00 368	1.00 380	1.00 351	1.00 351	1.00 375	1.00 381	1.00 348	1.00 378

trnet	1.01 362	1.01 267	1.01 361	1.01 330	1.01 391	1.01 367	1.01 382	1.01 360	1.01 389	1.01 369	1.01 386	1.01 372	1.01 376	1.01 372	1.01 383	1.01 354	1.01 354	1.01 378	1.01 385	1.01 351	1.01 381

GLC_STEREO	1.07 365	1.01 267	1.06 363	1.07 334	1.05 394	1.06 370	1.08 386	1.08 363	1.05 392	1.07 372	1.06 388	1.08 376	1.05 378	1.06 375	1.10 387	1.07 357	1.09 364	1.05 381	1.05 386	1.06 354	1.12 388

TorneroNet	0.66 292	0.53 202	0.50 287	0.50 251	0.64 349	1.06 370	0.70 348	0.50 287	0.51 325	0.49 285	0.69 355	0.49 289	0.50 318	0.48 285	1.15 392	0.71 322	0.49 286	1.14 383	1.08 387	0.49 279	0.49 310

Nwc_Net	2.37 486	25.95 544	1.15 369	1.14 342	1.15 398	1.08 374	1.14 390	1.17 372	1.16 395	1.14 382	1.15 391	1.08 376	1.15 384	1.11 383	1.14 391	1.10 360	1.11 368	1.16 385	1.09 388	1.16 362	1.15 393

RP	2.33 482	25.00 540	1.13 366	1.15 344	1.15 398	1.10 377	1.15 391	1.15 368	1.15 394	1.12 379	1.15 391	1.09 378	1.13 381	1.10 381	1.15 392	1.11 365	1.09 364	1.16 385	1.12 389	1.16 362	1.17 397

RGC	2.36 484	25.48 541	1.19 375	1.15 344	1.15 398	1.10 377	1.16 393	1.17 372	1.16 395	1.12 379	1.16 394	1.11 383	1.13 381	1.09 379	1.18 397	1.10 360	1.15 373	1.16 385	1.12 389	1.14 358	1.12 388

11t	1.27 423	2.70 428	1.34 431	1.32 406	0.89 376	1.30 436	1.34 452	1.64 440	0.57 330	1.45 440	0.72 361	1.05 375	1.29 443	1.07 378	1.29 453	1.49 431	1.02 355	0.97 373	1.15 391	1.48 427	1.31 455

AF-Net	2.37 486	25.71 543	1.17 371	1.13 341	1.15 398	1.15 383	1.18 395	1.19 375	1.16 395	1.10 374	1.15 391	1.10 380	1.18 389	1.12 384	1.15 392	1.10 360	1.10 367	1.17 389	1.15 391	1.16 362	1.12 388

NCC-stereo	2.36 484	25.52 542	1.17 371	1.15 344	1.17 403	1.11 380	1.11 387	1.15 368	1.16 395	1.10 374	1.16 394	1.10 380	1.15 384	1.14 385	1.13 390	1.09 358	1.11 368	1.15 384	1.16 393	1.17 367	1.17 397

Abc-Net	2.32 481	24.75 539	1.14 367	1.17 350	1.17 403	1.11 380	1.15 391	1.17 372	1.21 447	1.08 373	1.16 394	1.12 384	1.14 383	1.09 379	1.17 396	1.09 358	1.16 374	1.17 389	1.17 394	1.16 362	1.11 386
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
S-Stereo	2.51 491	26.86 546	1.23 427	1.22 398	1.22 454	1.24 433	1.25 446	1.22 424	1.24 450	1.21 431	1.24 447	1.19 388	1.27 441	1.19 388	1.24 446	1.19 370	1.20 379	1.25 441	1.19 395	1.24 419	1.23 450

stereogan	2.33 482	24.38 538	1.18 373	1.18 351	1.18 405	1.14 382	1.18 395	1.19 375	1.19 401	1.14 382	1.18 398	1.14 385	1.18 389	1.14 385	1.18 397	1.14 368	1.14 372	1.19 393	1.19 395	1.15 360	1.19 401

edge stereo	2.43 489	27.07 548	1.14 367	1.06 333	1.14 397	1.08 374	1.17 394	1.16 370	1.14 393	1.10 374	1.16 394	1.09 378	1.16 388	1.10 381	1.16 395	1.10 360	1.11 368	1.16 385	1.19 395	1.13 357	1.11 386

DisPM	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

CrosDoStereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

PFNet+	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

LCNet	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

HHNet	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

Patchmatch Stereo++	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

STrans-v2	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

TransformOpticalFlow	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

OMP-Stereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

IIG-Stereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

NF-Stereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

OCTAStereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

PSM-softLoss	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

KMStereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

NRIStereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

PSM-adaLoss	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

PSM-AAD	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

FTStereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

ROB_FTStereo_v2	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

ROB_FTStereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

Consistency-Raft	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

KYRaft	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

HUI-Stereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

ASMatch	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

DeepStereo_LL	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

DEmStereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

SST-Stereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

THIR-Stereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

RAFT_R40	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

DRaft	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

PFNet	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

GrayStereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

RE-Stereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

Pruner-Stereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

TVStereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

DeepStereo_RVC	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

RAFT-RH_RVC	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

IRAFT_RVC	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

RAFT-345	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

iRAFT	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

CRE-IMP	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

GMM-Stereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

RAFT-IKP	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

Prome-Stereo	1.20 373	1.20 295	1.20 378	1.20 353	1.20 406	1.20 385	1.20 397	1.20 378	1.20 402	1.20 386	1.20 399	1.20 389	1.20 391	1.20 389	1.20 399	1.20 371	1.20 379	1.20 394	1.20 398	1.20 371	1.20 402

SPS-STEREO	1.59 431	1.91 376	1.21 424	1.94 428	1.20 406	2.00 461	1.23 444	1.99 451	1.24 450	2.00 457	1.25 448	2.03 461	1.26 440	2.00 459	1.29 453	1.90 449	1.18 378	1.89 468	1.21 443	1.89 445	1.20 402
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 430	1.94 382	1.22 425	1.88 425	1.21 452	1.88 453	1.22 443	1.88 446	1.22 448	1.88 449	1.22 445	1.88 451	1.22 438	1.89 455	1.22 445	1.87 445	1.22 426	1.88 467	1.22 444	1.88 444	1.22 448
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
2.5w	2.01 455	2.40 415	1.37 443	3.28 471	2.01 493	2.71 490	1.43 467	1.82 445	1.83 486	1.90 451	1.41 463	2.71 488	1.35 448	2.71 488	1.85 487	2.66 487	1.53 451	1.64 456	1.23 445	2.53 476	1.87 492

4w-stereo	2.02 456	2.72 432	1.44 448	3.36 477	1.59 467	2.48 479	1.72 476	2.28 463	1.24 450	2.24 469	1.65 475	2.56 481	1.32 446	2.39 473	1.98 497	2.67 489	1.51 449	1.66 457	1.24 446	2.53 476	1.88 495

3.5w_stereo	2.03 458	2.72 432	1.35 433	3.41 478	1.57 465	2.72 491	1.49 468	2.01 453	1.34 455	2.15 467	1.61 473	2.63 485	1.36 449	2.72 490	1.99 498	2.66 487	1.58 456	1.68 458	1.24 446	2.53 476	1.87 492

3.25w_new	2.03 458	2.72 432	1.35 433	3.33 476	1.57 465	2.72 491	1.53 469	2.15 461	1.33 454	2.15 467	1.60 471	2.63 485	1.30 444	2.72 490	1.99 498	2.67 489	1.53 451	1.75 459	1.25 448	2.53 476	1.87 492

MaDis-Stereo	3.19 502	6.02 503	1.12 365	5.61 518	1.16 402	5.43 534	1.02 384	5.15 532	0.70 351	5.43 532	1.21 444	5.03 533	0.97 368	4.85 526	0.99 379	4.53 505	1.16 374	5.53 534	1.25 448	5.37 522	1.30 454

FAT-Stereo	2.46 490	26.05 545	1.23 427	1.23 400	1.22 454	1.20 385	1.24 445	1.23 426	1.23 449	1.19 385	1.22 445	1.21 434	1.24 439	1.20 389	1.24 446	1.21 416	1.17 377	1.22 440	1.25 448	1.20 371	1.24 451

MC-Stereo	1.76 436	2.96 443	1.37 443	2.14 435	1.37 458	2.14 466	1.36 455	2.14 460	1.37 460	2.14 466	1.37 459	2.14 463	1.37 451	2.14 464	1.37 459	1.97 452	1.32 427	1.97 470	1.32 451	1.98 446	1.33 457

MaskLacGwcNet_RVC	1.35 425	1.35 351	1.35 433	1.35 408	1.35 456	1.35 437	1.35 453	1.36 432	1.35 458	1.36 436	1.35 456	1.36 439	1.36 449	1.36 438	1.35 457	1.35 424	1.35 439	1.35 447	1.35 452	1.35 423	1.35 460

CC-Net-ROB	1.36 426	1.33 350	1.33 430	1.36 409	1.38 459	1.36 439	1.33 451	1.37 434	1.34 455	1.35 435	1.36 458	1.38 440	1.34 447	1.38 440	1.38 460	1.35 424	1.38 442	1.33 444	1.35 452	1.43 426	1.34 459

RASNet	1.49 429	1.65 359	1.45 449	1.38 411	1.43 462	1.47 446	1.36 455	1.38 435	1.36 459	1.39 437	1.60 471	1.45 444	1.45 455	1.51 443	2.21 500	1.53 435	1.36 440	1.36 449	1.36 454	1.66 435	1.36 461

LL-Strereo	1.01 362	5.06 483	1.63 458	0.70 288	1.43 462	0.56 316	0.46 301	0.57 307	0.50 318	0.57 316	0.50 325	1.58 446	0.49 315	0.59 320	0.50 317	1.64 439	0.52 298	0.51 317	1.37 455	0.52 292	0.45 295

PS-NSSS	1.38 428	1.39 353	1.34 431	1.34 407	1.35 456	1.38 441	1.37 460	1.35 431	1.38 461	1.34 434	1.34 455	1.39 441	1.38 452	1.70 446	1.40 461	1.36 426	1.36 440	1.36 449	1.37 455	1.37 424	1.36 461

MM-Stereo_test1	1.80 439	3.41 453	1.52 455	2.12 434	1.41 461	2.04 462	1.41 463	2.05 455	1.46 465	2.04 461	1.41 463	2.05 462	1.42 454	2.05 460	1.43 463	2.04 456	1.54 453	1.94 469	1.38 457	1.99 447	1.33 457

ff7	1.68 433	2.68 425	1.35 433	0.97 324	0.89 376	1.84 450	2.15 498	2.12 457	1.80 483	2.05 462	1.56 467	2.33 468	2.12 491	2.23 465	2.25 501	1.31 420	1.07 358	1.48 451	1.41 458	0.90 337	1.04 383

ffff	1.68 433	2.68 425	1.35 433	0.97 324	0.89 376	1.84 450	2.15 498	2.12 457	1.80 483	2.05 462	1.56 467	2.33 468	2.12 491	2.23 465	2.25 501	1.31 420	1.07 358	1.48 451	1.41 458	0.90 337	1.04 383

ccc-4	1.68 433	2.68 425	1.35 433	0.97 324	0.89 376	1.84 450	2.15 498	2.12 457	1.80 483	2.05 462	1.56 467	2.33 468	2.12 491	2.23 465	2.25 501	1.31 420	1.07 358	1.48 451	1.41 458	0.90 337	1.04 383

2.75w_new	1.99 444	2.34 410	1.81 467	3.14 465	1.62 469	1.94 455	1.99 493	2.72 483	1.71 473	2.72 487	1.99 503	1.90 452	1.73 466	1.82 453	1.29 453	2.37 475	2.01 479	2.31 481	1.42 461	1.77 441	1.22 448

3.75w	1.99 444	2.31 404	1.83 475	3.16 467	1.65 471	1.93 454	1.98 490	2.72 483	1.68 469	2.73 492	1.97 494	2.00 458	1.72 465	1.81 452	1.25 449	2.27 468	2.01 479	2.38 486	1.42 461	1.71 437	1.24 451

sCroCo_RVC	2.10 464	2.76 436	1.92 486	2.78 459	1.39 460	2.73 493	1.41 463	2.73 489	1.40 462	2.77 498	1.41 463	2.74 494	1.40 453	2.74 493	1.40 461	2.72 491	1.42 444	2.72 497	1.44 463	2.79 483	1.42 465

IGEVStereo-DCA	1.77 437	4.21 473	1.84 476	2.49 451	2.11 499	2.54 486	1.36 455	1.65 441	1.17 399	2.75 493	1.90 488	2.54 479	1.15 384	0.94 361	1.11 388	1.50 432	1.32 427	0.96 371	1.46 464	1.49 428	0.88 365

rrr	1.77 437	4.21 473	1.84 476	2.49 451	2.11 499	2.54 486	1.36 455	1.65 441	1.17 399	2.75 493	1.90 488	2.54 479	1.15 384	0.94 361	1.11 388	1.50 432	1.32 427	0.96 371	1.46 464	1.49 428	0.88 365

LGtest1	2.22 475	2.70 428	1.89 483	2.76 455	1.86 485	2.75 495	1.86 483	2.75 490	1.86 488	2.75 493	1.86 482	2.77 497	1.87 474	2.75 494	1.86 488	2.46 480	1.58 456	2.45 489	1.56 466	2.45 465	1.56 469

LG-G_1	2.22 475	2.71 430	1.89 483	2.77 456	1.87 488	2.75 495	1.87 485	2.76 491	1.87 492	2.75 493	1.87 483	2.76 495	1.87 474	2.75 494	1.86 488	2.47 481	1.58 456	2.45 489	1.57 467	2.45 465	1.57 470

LG-G	2.22 475	2.71 430	1.89 483	2.77 456	1.87 488	2.75 495	1.87 485	2.76 491	1.87 492	2.75 493	1.87 483	2.76 495	1.87 474	2.75 494	1.86 488	2.47 481	1.58 456	2.45 489	1.57 467	2.45 465	1.57 470

ccnet	0.80 320	2.28 402	0.33 209	0.50 251	0.33 249	0.50 300	0.33 237	0.50 287	0.33 243	0.49 285	0.33 245	0.49 289	1.56 456	2.38 472	0.33 239	0.41 248	0.29 202	0.42 282	1.57 467	2.28 457	0.29 217

4.25_new	2.00 448	2.33 406	1.82 472	3.32 474	1.69 474	1.95 458	1.99 493	2.72 483	1.71 473	2.72 487	1.97 494	2.01 459	1.74 468	1.77 449	1.28 451	2.18 460	2.01 479	2.48 492	1.58 470	1.65 433	1.17 397

4.5w_new	2.00 448	2.33 406	1.82 472	3.32 474	1.69 474	1.95 458	1.99 493	2.72 483	1.71 473	2.72 487	1.97 494	2.01 459	1.74 468	1.77 449	1.28 451	2.18 460	2.01 479	2.48 492	1.58 470	1.65 433	1.17 397

DPSMNet_ROB	1.60 432	1.59 357	1.70 461	1.59 416	1.59 467	1.61 448	1.61 470	1.60 438	1.60 467	1.62 446	1.59 470	1.60 447	1.60 457	1.60 444	1.59 467	1.59 436	1.60 460	1.59 455	1.59 472	1.59 431	1.59 473

2w_stereo	1.99 444	2.36 413	1.81 467	3.24 469	1.67 472	1.94 455	1.98 490	2.72 483	1.68 469	2.72 487	1.94 491	1.98 457	1.74 468	1.79 451	1.27 450	1.95 451	2.00 477	2.53 494	1.60 473	1.68 436	1.15 393

4.5w-stereo	1.99 444	2.33 406	1.81 467	3.28 471	1.68 473	1.94 455	1.99 493	2.72 483	1.70 472	2.72 487	1.99 503	1.97 456	1.68 461	1.76 448	1.29 453	1.91 450	2.02 483	2.53 494	1.61 474	1.75 440	1.16 396

4.25w-stereo	1.98 443	2.72 432	1.46 450	3.47 481	1.43 462	2.07 464	1.98 490	2.53 480	1.52 466	2.71 486	1.98 500	1.81 450	1.62 459	1.96 457	1.36 458	1.88 448	2.00 477	2.53 494	1.61 474	1.74 439	1.15 393

asda	2.17 467	2.54 419	1.81 467	3.47 481	1.78 480	2.50 482	1.86 483	2.61 482	1.68 469	2.61 484	1.83 480	2.37 472	1.73 466	2.44 477	1.88 492	2.51 484	1.84 473	2.34 483	1.62 476	2.23 453	1.77 487

asd	2.18 468	2.77 438	1.58 456	3.59 486	2.00 492	2.58 488	1.85 482	2.39 473	1.71 473	2.47 479	1.97 494	2.59 483	1.61 458	2.56 480	1.79 484	2.51 484	1.99 476	2.11 476	1.62 476	2.36 461	1.60 474

Anonymous3	2.55 492	3.26 451	1.65 459	3.28 471	1.63 470	3.24 502	1.68 473	3.27 500	1.66 468	3.28 501	1.67 476	3.25 501	1.66 460	3.27 500	1.64 469	3.26 495	1.65 463	3.30 500	1.65 478	4.95 517	1.65 481

MFMNet_re	1.81 440	1.91 376	1.71 463	1.95 429	1.70 477	1.95 458	1.70 475	1.96 449	1.74 480	1.97 454	1.72 478	1.95 454	1.71 464	1.97 458	1.71 475	1.86 444	1.62 461	1.85 461	1.66 479	1.86 443	1.64 479

MIF-Stereo (partial)	2.58 493	3.31 452	0.66 316	3.18 468	0.66 354	3.18 501	0.66 338	3.21 499	0.67 344	3.19 500	0.66 350	3.19 500	0.66 340	3.31 502	0.68 345	5.09 523	1.79 471	8.23 542	1.67 480	6.18 526	1.38 463

test_xeample3	1.10 367	1.81 366	0.61 308	0.84 303	0.49 321	0.77 339	0.66 338	0.92 349	1.40 462	0.68 333	0.46 308	0.78 346	0.54 328	1.72 447	1.48 464	1.34 423	1.52 450	1.35 447	1.67 480	1.33 422	1.55 468

qwe	2.18 468	2.60 422	1.58 456	3.83 493	1.90 490	2.53 484	1.90 488	2.48 476	1.73 478	2.37 476	1.92 490	2.53 477	1.68 461	2.56 480	1.83 485	2.52 486	1.87 475	2.07 472	1.68 482	2.32 459	1.71 482

monsterstereo	2.20 474	2.33 406	1.95 487	3.65 488	2.07 498	2.49 480	1.61 470	2.48 476	1.83 486	2.45 478	1.61 473	2.67 487	1.86 473	2.64 484	1.94 494	2.48 483	1.66 464	2.34 483	1.68 482	2.40 462	1.86 490

UDGNet	2.23 478	5.40 493	1.72 464	2.48 450	1.69 474	2.51 483	1.69 474	2.51 479	1.72 477	2.50 481	1.69 477	2.52 476	1.69 463	2.50 478	1.68 473	2.41 478	1.70 466	2.42 488	1.69 484	2.42 463	1.64 479

TRStereo	2.00 448	2.13 390	1.85 478	2.27 441	1.84 482	2.28 470	1.84 479	2.29 465	1.86 488	2.30 471	1.87 483	2.30 465	1.87 474	2.08 461	1.72 477	2.08 457	1.72 467	2.08 473	1.72 485	2.08 448	1.72 483

XX-Stereo	2.00 448	2.13 390	1.85 478	2.27 441	1.84 482	2.28 470	1.84 479	2.29 465	1.86 488	2.30 471	1.87 483	2.30 465	1.87 474	2.08 461	1.72 477	2.08 457	1.72 467	2.08 473	1.72 485	2.08 448	1.72 483

EAI-Stereo	2.00 448	2.13 390	1.85 478	2.27 441	1.84 482	2.28 470	1.84 479	2.29 465	1.86 488	2.30 471	1.87 483	2.30 465	1.87 474	2.08 461	1.72 477	2.08 457	1.72 467	2.08 473	1.72 485	2.08 448	1.72 483

RAFT_CTSACE	1.92 442	3.71 460	1.72 464	1.88 425	1.72 478	2.04 462	1.42 465	2.18 462	1.89 494	2.02 459	1.97 494	1.95 454	2.06 490	1.93 456	1.62 468	1.76 441	1.66 464	2.02 471	1.73 488	1.73 438	1.43 466

U	5.15 536	8.49 515	1.81 467	8.49 532	1.77 479	8.49 543	1.77 477	8.51 543	1.77 481	8.49 543	1.77 479	8.50 543	1.78 471	8.58 543	1.77 483	8.54 541	1.78 470	8.55 543	1.78 489	8.55 537	1.84 488

FBW_ROB	2.12 466	2.46 418	1.77 466	2.49 451	1.79 481	2.38 474	1.83 478	2.46 475	1.78 482	2.48 480	1.97 494	2.40 473	1.78 471	2.42 476	1.83 485	2.31 472	1.85 474	2.38 486	1.82 490	2.35 460	1.84 488

1w_stereo	2.05 463	2.32 405	1.35 433	3.74 492	2.01 493	2.73 493	1.42 465	1.88 446	1.93 496	2.03 460	1.28 451	2.71 488	1.99 486	2.72 490	1.72 477	2.20 462	1.32 427	1.87 464	1.86 491	2.45 465	1.54 467

2.25w	2.00 448	1.86 371	1.98 489	2.95 462	2.17 503	2.26 467	1.35 453	2.42 474	2.00 501	2.07 465	1.27 450	2.53 477	1.99 486	2.29 469	1.49 465	2.21 463	1.32 427	1.85 461	1.87 492	2.52 473	1.62 477

4.5_new	2.00 448	1.84 368	1.98 489	2.77 456	2.16 501	2.27 468	1.28 450	2.09 456	1.98 498	2.01 458	1.28 451	2.71 488	1.98 484	2.51 479	1.65 470	2.26 465	1.33 434	1.87 464	1.87 492	2.49 469	1.60 474

3.25w	2.04 461	2.20 396	1.48 451	3.03 463	2.17 503	2.63 489	1.39 461	1.96 449	1.95 497	1.96 452	1.37 459	2.71 488	1.96 483	2.71 488	1.73 482	2.26 465	1.32 427	1.87 464	1.87 492	2.51 472	1.63 478

monsters	2.18 468	2.41 416	1.96 488	3.47 481	2.03 497	2.53 484	1.64 472	2.48 476	1.73 478	2.40 477	1.50 466	2.62 484	1.94 481	2.59 482	1.94 494	2.44 479	1.57 455	2.28 479	1.87 492	2.42 463	1.86 490

IGEV	2.02 456	2.20 396	1.82 472	2.90 461	2.16 501	2.41 476	1.25 446	2.00 452	1.98 498	1.99 456	1.31 453	2.72 492	1.93 480	2.67 487	1.69 474	2.26 465	1.32 427	1.83 460	1.87 492	2.53 476	1.61 476

3w_stereo	2.04 461	2.24 400	1.70 461	3.15 466	2.18 505	2.49 480	1.26 448	2.03 454	1.98 498	1.98 455	1.33 454	2.72 492	1.99 486	2.59 482	1.72 477	2.22 464	1.33 434	1.85 461	1.88 497	2.50 471	1.58 472

AIO_test	2.18 468	2.09 388	2.04 493	2.42 448	2.01 493	2.47 478	1.94 489	2.34 470	2.03 502	2.56 483	1.94 491	2.43 474	1.94 481	2.41 474	1.87 491	2.39 477	2.10 486	2.35 485	1.91 498	2.25 455	2.19 498

HUF	2.18 468	2.30 403	1.99 492	2.34 446	2.02 496	2.41 476	2.06 497	2.38 472	1.89 494	2.36 475	1.85 481	2.56 481	1.98 484	2.31 471	1.97 496	2.30 471	2.03 484	2.30 480	2.11 499	2.23 453	2.16 497

AIO_rvc	2.18 468	2.34 410	1.87 482	2.32 445	1.94 491	2.40 475	1.89 487	2.37 471	2.07 503	2.52 482	1.95 493	2.44 475	1.99 486	2.41 474	1.89 493	2.32 473	2.09 485	2.24 477	2.18 500	2.21 452	2.23 499

STTStereo	3.73 506	30.40 552	2.37 499	2.39 447	2.31 508	2.35 473	2.33 502	2.29 465	2.42 505	2.32 474	2.34 507	2.33 468	2.36 495	2.30 470	2.27 504	2.35 474	2.22 490	2.31 481	2.22 501	2.29 458	2.34 504

sAnonymous2	3.31 503	2.63 423	1.38 445	3.71 490	1.86 485	4.70 526	1.11 387	4.82 528	2.72 507	5.45 533	1.98 500	4.59 518	2.64 496	2.65 485	6.21 539	4.37 501	1.08 362	5.16 532	2.24 502	4.52 499	2.39 505

CroCo_RVC	3.31 503	2.63 423	1.38 445	3.71 490	1.86 485	4.70 526	1.11 387	4.82 528	2.72 507	5.45 533	1.98 500	4.59 518	2.64 496	2.65 485	6.21 539	4.37 501	1.08 362	5.16 532	2.24 502	4.52 499	2.39 505

NCCL2	2.28 480	2.27 401	2.28 495	2.28 444	2.28 506	2.27 468	2.29 501	2.28 463	2.28 504	2.27 470	2.28 506	2.28 464	2.27 494	2.27 468	2.28 505	2.28 469	2.28 491	2.27 478	2.29 504	2.27 456	2.29 500

Sa-1000	4.34 524	8.37 512	6.84 537	6.98 527	4.45 537	3.58 504	3.00 508	3.42 503	3.39 523	2.61 484	4.00 532	3.83 507	4.01 525	3.90 507	3.90 528	5.98 530	5.62 525	3.76 507	2.34 505	4.35 497	2.47 507

GES	0.66 292	2.34 410	0.29 190	0.41 215	0.29 223	0.41 246	0.29 218	0.42 255	0.29 220	0.40 225	0.41 290	0.41 246	0.30 232	0.51 304	0.29 219	0.32 197	0.29 202	0.32 200	2.46 506	2.49 469	0.30 227

NLCA_NET_v2_RVC	5.04 534	50.87 562	2.78 501	2.87 460	2.71 509	2.78 498	0.47 306	2.88 496	2.86 509	1.89 450	2.67 508	2.79 498	2.79 499	2.78 497	2.83 506	2.82 492	2.82 494	2.83 498	2.77 507	2.83 484	2.76 508
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MLG-Stereo_test1	4.25 519	5.34 492	3.61 519	5.31 514	3.63 528	5.23 532	3.57 526	5.38 533	3.65 524	5.23 530	3.47 523	4.76 527	3.74 519	4.85 526	3.71 524	4.96 519	3.18 508	4.71 524	2.92 508	4.86 515	2.90 509

MLG-Stereo_test2	4.28 521	5.46 496	3.69 521	4.86 510	3.72 530	5.58 535	3.42 524	4.81 527	3.77 530	4.85 526	3.72 528	5.55 535	3.63 515	5.58 533	3.53 522	4.41 504	3.28 510	4.99 530	2.95 509	4.75 510	3.13 519

MLG-Stereo_test3	4.26 520	4.85 480	3.95 523	5.35 515	3.60 527	4.75 529	3.76 529	5.49 534	3.71 526	5.39 531	3.69 527	4.82 529	3.66 516	4.85 526	3.73 527	4.93 518	3.19 509	4.69 523	2.99 510	4.84 514	2.98 510

rvit_0105_6	3.87 511	5.73 500	3.10 513	4.69 507	3.12 521	4.54 516	3.02 510	4.56 515	3.04 510	4.54 516	3.03 511	4.54 514	3.04 503	4.56 515	3.05 509	4.58 510	3.05 496	4.58 515	3.05 511	4.58 502	3.05 511

rvit_105_1	3.83 507	5.22 486	3.01 503	4.53 497	3.01 511	4.51 514	3.01 509	4.56 515	3.04 510	4.53 514	3.03 511	4.55 516	3.03 500	4.56 515	3.04 507	4.57 507	3.05 496	4.57 513	3.05 511	4.57 501	3.05 511

rvit_stereo_0081	3.83 507	5.23 487	3.01 503	4.53 497	3.03 513	4.55 520	3.02 510	4.56 515	3.04 510	4.52 512	3.02 509	4.54 514	3.03 500	4.56 515	3.04 507	4.57 507	3.05 496	4.57 513	3.05 511	4.58 502	3.05 511

rvit_stereo_0082	3.86 509	5.82 501	3.01 503	4.53 497	3.03 513	4.54 516	3.02 510	4.56 515	3.04 510	4.53 514	3.02 509	4.55 516	3.04 503	4.57 518	3.05 509	4.57 507	3.05 496	4.58 515	3.05 511	4.58 502	3.06 514

rvit_stereo_0081_aga	3.86 509	5.33 490	3.02 506	4.55 503	3.04 517	4.54 516	3.02 510	4.64 522	3.06 514	4.54 516	3.04 513	4.62 523	3.08 507	4.62 521	3.07 512	4.58 510	3.06 500	4.60 517	3.08 515	4.63 505	3.07 515

rvit_stereo_0080	3.89 512	5.70 498	3.04 508	4.54 500	3.03 513	4.56 521	3.05 516	4.60 519	3.07 515	4.58 519	3.06 514	4.59 518	3.06 505	4.61 519	3.08 513	4.63 512	3.09 501	4.64 519	3.10 516	4.65 506	3.10 516

whm_eth	3.89 512	5.70 498	3.04 508	4.54 500	3.03 513	4.56 521	3.05 516	4.60 519	3.07 515	4.58 519	3.06 514	4.59 518	3.06 505	4.61 519	3.08 513	4.63 512	3.09 501	4.64 519	3.10 516	4.65 506	3.10 516

rvit_stereo_0083	3.92 516	5.30 489	3.06 511	4.61 506	3.09 520	4.67 525	3.08 519	4.66 523	3.09 519	4.62 522	3.10 519	4.66 526	3.11 509	4.67 523	3.16 518	4.72 517	3.16 506	4.77 526	3.11 518	4.66 508	3.11 518

SA	4.33 523	7.35 506	6.85 538	5.96 520	4.09 534	3.59 505	3.15 522	3.82 507	2.64 506	3.91 505	3.85 529	3.57 503	2.72 498	3.13 499	4.03 530	7.09 537	6.86 532	3.57 503	3.12 519	3.85 489	3.51 526

rvit_stereo_ft	3.93 517	5.44 495	3.05 510	4.59 504	3.06 518	4.61 524	3.08 519	4.67 524	3.12 520	4.63 523	3.10 519	4.65 525	3.11 509	4.69 525	3.13 517	4.70 515	3.14 505	4.71 524	3.15 520	4.74 509	3.16 521

rvit_0105_4	3.91 514	5.47 497	3.02 506	4.54 500	3.02 512	4.54 516	3.03 514	4.75 525	3.17 521	4.57 518	3.06 514	4.61 522	3.16 511	4.65 522	3.09 515	4.66 514	3.11 503	4.68 522	3.18 521	4.81 512	3.16 521

rvit_0105_3	3.91 514	5.33 490	3.06 511	4.60 505	3.07 519	4.60 523	3.06 518	4.62 521	3.08 518	4.60 521	3.07 517	4.62 523	3.08 507	4.67 523	3.10 516	4.70 515	3.11 503	4.77 526	3.19 522	4.77 511	3.14 520

rvit_0105_5	4.10 518	5.40 493	3.13 516	4.71 508	3.15 522	4.72 528	3.10 521	4.90 530	3.27 522	4.69 524	3.16 521	4.84 530	3.25 512	4.96 529	3.34 520	5.05 522	3.39 511	5.10 531	3.40 523	5.11 519	3.42 524

test_5	4.62 528	7.55 508	6.23 533	6.32 522	3.40 525	5.29 533	3.50 525	3.53 504	4.11 533	4.28 509	4.47 536	4.26 512	4.38 528	3.68 505	3.24 519	5.89 528	5.60 524	4.84 528	3.50 524	4.33 496	3.93 534

DispFullNet	4.61 527	4.84 479	3.12 514	5.00 512	3.57 526	4.75 529	3.03 514	7.75 541	4.17 534	4.91 528	3.09 518	6.20 537	3.95 523	6.71 537	3.51 521	5.30 525	3.67 513	5.86 538	3.63 525	5.61 523	3.46 525

TestStereo1	4.60 525	8.41 513	6.44 535	6.86 525	3.79 531	3.97 509	3.78 530	3.99 509	3.74 527	3.97 506	3.52 524	3.94 508	3.58 513	3.98 508	3.72 525	6.82 534	6.50 530	3.76 507	3.66 526	3.90 490	3.74 530

SA-5K	4.60 525	8.41 513	6.44 535	6.86 525	3.79 531	3.97 509	3.78 530	3.99 509	3.74 527	3.97 506	3.52 524	3.94 508	3.58 513	3.98 508	3.72 525	6.82 534	6.50 530	3.76 507	3.66 526	3.90 490	3.74 530

DPSNet	3.66 505	3.60 456	3.62 520	3.63 487	3.64 529	3.65 506	3.65 528	3.66 505	3.67 525	3.67 504	3.65 526	3.67 505	3.66 516	3.66 504	3.68 523	3.68 499	3.66 512	3.67 505	3.68 528	3.67 487	3.67 527

test_4	4.88 531	8.13 511	6.98 539	7.46 528	4.44 536	4.25 512	3.85 532	4.04 511	3.92 531	4.13 508	3.91 530	4.18 511	3.84 521	4.14 510	4.06 531	7.01 536	7.13 533	4.53 511	3.72 529	4.09 493	3.72 528

RAFT+CT+SA	4.28 521	7.62 509	4.91 527	5.55 517	2.28 506	3.09 499	3.64 527	4.49 513	3.07 515	4.80 525	3.35 522	4.77 528	3.70 518	4.29 512	3.05 509	5.58 526	5.98 527	3.58 504	3.78 530	4.26 495	3.72 528

test_3	5.01 533	8.86 518	7.77 541	8.09 530	2.76 510	4.13 511	4.05 534	3.88 508	3.76 529	4.33 510	4.13 533	3.71 506	3.91 522	4.21 511	4.06 531	7.93 538	7.69 535	4.53 511	3.91 531	4.17 494	4.29 536

cross-raft	4.83 530	7.52 507	6.43 534	6.63 523	3.96 533	4.51 514	3.99 533	4.49 513	3.96 532	4.52 512	3.96 531	4.50 513	3.97 524	4.50 514	3.97 529	6.65 532	6.44 529	4.33 510	3.92 532	4.35 497	3.91 533

GEStereo_RVC	0.86 339	4.45 475	0.20 159	0.27 162	0.20 182	0.27 187	0.20 169	0.26 178	0.18 167	5.03 529	0.20 181	0.27 187	0.19 175	0.27 191	0.21 179	0.20 149	0.19 163	0.19 156	4.02 533	0.20 153	0.18 163

SGM-Forest	5.21 537	5.92 502	4.08 524	6.18 521	4.16 535	6.31 537	4.34 536	6.50 536	4.33 535	6.14 537	4.21 534	6.61 540	4.55 529	6.67 536	4.48 534	5.94 529	3.94 515	5.85 537	4.03 534	5.79 525	4.17 535
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CFNet	1.37 427	5.27 488	0.19 156	5.49 516	0.19 180	0.28 188	0.19 166	0.28 181	0.19 173	0.28 184	0.19 177	0.28 188	4.35 527	0.28 193	0.19 173	0.23 168	0.17 156	0.23 171	4.21 535	4.81 512	0.17 159

raft_robust	4.71 529	7.75 510	5.40 532	6.81 524	3.31 523	4.28 513	4.20 535	4.32 512	4.37 536	4.35 511	4.35 535	4.14 510	3.75 520	4.30 513	4.20 533	6.67 533	6.37 528	3.36 502	4.24 536	4.86 515	3.25 523

FC-DCNN v2	5.10 535	5.15 484	4.49 525	5.07 513	3.37 524	6.87 538	4.75 537	5.04 531	6.34 541	7.84 541	5.06 538	6.72 541	4.09 526	4.99 530	5.44 538	5.03 521	3.16 506	4.67 521	4.86 537	5.15 520	3.89 532

TestStereo	4.88 531	4.75 478	4.79 526	4.87 511	4.92 538	4.81 531	4.90 538	4.78 526	4.77 537	4.87 527	4.89 537	4.90 531	4.91 530	4.99 530	4.79 535	4.98 520	4.87 521	4.87 529	4.92 538	5.00 518	5.00 537

SGM+DAISY	7.06 541	9.15 519	5.38 531	8.84 534	5.18 539	8.80 544	5.31 540	8.79 544	5.28 539	8.89 544	5.20 539	8.93 544	5.33 532	8.95 544	5.36 537	8.70 542	5.21 522	8.74 544	5.20 539	8.89 538	5.15 538

rvit_stereo_0075_2	6.64 539	8.80 517	5.25 529	7.89 529	5.27 540	7.90 542	5.27 539	7.92 542	5.28 539	7.91 542	5.29 540	7.93 542	5.27 531	7.92 542	5.28 536	7.93 538	5.28 523	7.93 541	5.29 540	7.93 534	5.28 539

test-1	6.46 538	9.16 520	8.03 544	8.09 530	5.62 541	6.11 536	6.35 541	6.85 538	4.94 538	6.08 536	6.29 543	4.98 532	6.43 535	6.22 534	6.36 541	6.16 531	7.47 534	5.82 536	5.44 541	7.11 531	5.68 540

RAFT	6.73 540	9.36 521	7.40 540	8.51 533	6.55 542	6.88 539	6.60 542	6.79 537	6.60 542	6.80 538	6.72 544	5.31 534	5.50 533	6.61 535	6.61 542	8.42 540	5.89 526	5.73 535	5.45 542	6.61 527	6.24 541

test-v	7.53 542	11.89 529	7.98 542	9.36 536	7.14 543	7.06 540	7.09 543	7.37 539	6.91 543	7.29 539	5.71 541	6.45 538	6.93 536	6.73 538	7.27 543	8.93 543	7.85 536	6.98 539	6.80 543	7.56 532	7.34 543

test-2	7.53 542	11.89 529	7.98 542	9.36 536	7.14 543	7.06 540	7.09 543	7.37 539	6.91 543	7.29 539	5.71 541	6.45 538	6.93 536	6.73 538	7.27 543	8.93 543	7.85 536	6.98 539	6.80 543	7.56 532	7.34 543

MANE	19.05 545	23.00 537	15.00 545	23.00 551	15.00 545	24.00 551	16.00 545	24.00 551	16.00 545	22.00 551	15.00 545	23.00 551	16.00 545	23.00 551	15.00 545	22.00 551	15.00 545	22.00 551	15.00 545	22.00 551	15.00 545

rafts_anoy	20.00 546	20.00 531	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546

raft+_RVC	20.00 546	20.00 531	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546

raftrobust	20.00 546	20.00 531	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546

CasAABBNet	20.00 546	20.00 531	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546

RALCasStereoNet	20.00 546	20.00 531	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546

RALAANet	20.00 546	20.00 531	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546	20.00 545	20.00 546

WCMA_ROB	31.10 553	35.43 557	27.12 552	39.51 563	23.10 552	38.78 563	25.30 552	37.49 563	25.39 552	37.29 562	27.02 552	38.52 563	26.48 552	37.80 562	26.44 552	36.28 559	22.65 552	33.90 556	22.30 552	37.10 560	24.18 552

fff	1000028.16 572	29.62 549	29.72 553	32.61 552	30.02 553	35.13 554	31.83 554	32.07 553	10000000.00 572	35.27 555	29.82 554	32.45 553	30.15 553	32.35 553	30.09 553	31.04 553	29.55 554	30.64 553	30.14 553	10000000.00 572	30.77 554

csc	1000028.16 572	29.62 549	29.72 553	32.61 552	30.02 553	35.13 554	31.83 554	32.07 553	10000000.00 572	35.27 555	29.82 554	32.45 553	30.15 553	32.35 553	30.09 553	31.04 553	29.55 554	30.64 553	30.14 553	10000000.00 572	30.77 554

cscssc	1000028.16 572	29.62 549	29.72 553	32.61 552	30.02 553	35.13 554	31.83 554	32.07 553	10000000.00 572	35.27 555	29.82 554	32.45 553	30.15 553	32.35 553	30.09 553	31.04 553	29.55 554	30.64 553	30.14 553	10000000.00 572	30.77 554

111	30.40 552	30.94 553	29.72 553	32.61 552	30.02 553	33.57 552	30.47 553	31.50 552	29.39 553	30.98 552	29.11 553	29.78 552	30.39 556	29.45 552	30.76 556	30.08 552	29.02 553	29.92 552	30.32 556	29.86 552	30.17 553

ADStereo(finetuned)	36.13 555	36.63 558	38.07 563	36.97 557	33.25 557	35.91 557	34.45 557	36.36 559	32.99 554	38.14 563	36.71 560	36.69 559	34.13 557	38.57 563	40.79 563	37.60 563	36.58 560	35.90 560	33.36 557	35.42 555	34.04 557

DCANet-4	35.22 554	34.54 554	35.08 559	33.58 556	35.47 560	34.55 553	35.53 560	36.08 558	35.85 557	35.92 558	35.77 559	35.18 558	35.48 558	35.39 558	37.15 562	34.55 558	33.92 557	35.02 559	34.90 558	35.79 556	34.74 560

tt	500032.53 570	34.60 555	29.72 553	37.47 561	34.41 558	36.85 558	35.22 558	34.71 556	33.55 555	34.50 553	35.43 557	33.81 556	10000000.00 573	33.57 556	33.13 557	33.68 556	35.00 558	34.03 557	35.26 559	30.96 553	34.63 558

DCANet	500032.53 570	34.60 555	29.72 553	37.47 561	34.41 558	36.85 558	35.22 558	34.71 556	33.55 555	34.50 553	35.43 557	33.81 556	10000000.00 573	33.57 556	33.13 557	33.68 556	35.00 558	34.03 557	35.26 559	30.96 553	34.63 558

Reg-Stereo(zero)	37.00 556	37.00 559	37.00 560	37.00 558	37.00 561	37.00 560	37.00 561	37.00 560	37.00 558	37.00 559	37.00 561	37.00 560	37.00 559	37.00 559	37.00 559	37.00 560	37.00 561	37.00 561	37.00 561	37.00 557	37.00 561

HI	37.00 556	37.00 559	37.00 560	37.00 558	37.00 561	37.00 560	37.00 561	37.00 560	37.00 558	37.00 559	37.00 561	37.00 560	37.00 559	37.00 559	37.00 559	37.00 560	37.00 561	37.00 561	37.00 561	37.00 557	37.00 561

CoSv	37.00 556	37.00 559	37.00 560	37.00 558	37.00 561	37.00 560	37.00 561	37.00 560	37.00 558	37.00 559	37.00 561	37.00 560	37.00 559	37.00 559	37.00 559	37.00 560	37.00 561	37.00 561	37.00 561	37.00 557	37.00 561

NOSS_ROB	102.95 560	153.00 567	121.00 567	51.00 564	44.00 564	165.00 567	127.00 566	153.00 566	119.00 563	164.00 567	125.00 566	168.00 567	120.00 564	153.00 566	117.00 566	49.00 564	44.00 564	49.00 564	44.00 564	49.00 561	44.00 564

CBMV	128.50 561	1422.70 574	53.10 565	79.50 565	51.30 565	77.30 565	49.70 564	74.00 564	48.20 562	77.20 565	48.80 565	73.90 565	48.00 563	73.80 565	48.80 565	70.40 565	45.10 565	68.90 565	46.10 565	68.20 562	45.00 565
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 559	87.70 563	41.95 564	113.75 566	65.62 566	75.05 564	55.25 565	75.64 565	45.04 561	71.61 564	41.75 564	72.81 564	44.06 562	68.38 564	44.63 564	101.89 566	59.57 566	107.10 566	61.05 566	104.38 563	59.38 566

MGS-Stereo	239.45 564	123.00 564	135.00 568	266.00 569	286.00 570	277.00 569	305.00 570	271.00 569	242.00 567	274.00 569	279.00 570	255.00 569	270.00 568	268.00 569	297.00 570	221.00 569	247.00 570	216.00 569	123.00 567	217.00 566	217.00 570

MeshStereo	159.24 562	171.00 568	160.68 570	162.58 567	160.59 567	164.01 566	160.35 567	158.51 567	158.56 564	158.34 566	160.12 567	158.56 566	159.92 565	157.26 567	158.94 567	154.38 567	158.36 567	155.75 567	159.13 568	153.67 564	154.07 567
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 563	123.00 564	115.00 566	219.00 568	218.00 569	223.00 568	244.00 569	217.00 568	236.00 566	202.00 568	203.00 568	205.00 568	208.00 566	225.00 568	204.00 568	210.00 568	198.00 568	197.00 568	184.00 569	204.00 565	201.00 568

DLCB_ROB	284.23 566	354.61 570	207.27 571	363.24 571	206.46 568	364.72 571	210.41 568	364.72 571	210.41 565	364.81 571	208.64 569	364.81 571	208.64 567	364.72 571	210.41 569	354.70 571	205.53 569	354.70 571	205.53 570	354.70 568	205.53 569

EGLCR-Stereo	246.90 565	129.00 566	139.00 569	266.00 569	286.00 570	277.00 569	305.00 570	271.00 569	242.00 567	274.00 569	279.00 570	255.00 569	270.00 568	268.00 569	297.00 570	230.00 570	247.00 570	216.00 569	223.00 571	237.00 567	227.00 571

LE_ROB	396.57 567	471.28 571	329.84 572	471.48 572	308.15 572	526.83 572	322.10 572	488.15 572	323.76 569	495.46 572	317.97 572	497.17 572	320.10 570	481.62 572	326.76 572	462.71 572	298.97 572	466.16 572	285.98 572	447.62 569	289.21 572

SGM-ForestM	596.69 568	677.77 572	444.52 573	699.85 573	517.25 573	732.94 573	488.29 573	770.79 573	460.11 570	750.81 573	487.98 573	792.79 573	499.41 571	730.90 573	475.81 573	720.03 573	491.16 573	663.96 573	418.60 573	674.76 570	436.05 573

CBMV_ROB	818.48 569	913.88 573	709.52 574	862.84 574	597.78 574	1073.99 574	700.52 574	1015.66 574	702.59 571	1115.65 574	760.02 574	1130.24 574	721.57 572	1037.41 574	692.65 574	814.05 574	564.29 574	843.28 574	595.31 574	915.51 571	602.92 574

111111	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 573	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575

SGD-Stereo	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 573	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575

IGEV-Stereo++	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 573	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575

IGEV-BASED-STEREO-	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 573	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575

IGEV-Stereo+	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 573	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575

SDNR	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 573	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575

anonymousdsp2	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 573	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575

anonymousdsp	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 573	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575

test_example2	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 573	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575

DIP-Stereo	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 573	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 575	10000000.00 572	10000000.00 575
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark