Low-res two-view results

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

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

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

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

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

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

MLG-Stereo_test1	0.06 1	0.05 11	0.08 18	0.17 207	0.05 1	0.07 22	0.11 46	0.09 9	0.03 1	0.05 1	0.04 1	0.06 14	0.05 9	0.09 32	0.09 41	0.05 26	0.04 22	0.05 25	0.03 1	0.04 15	0.05 110

FoundationStereo	0.06 1	0.04 1	0.08 18	0.13 8	0.05 1	0.09 78	0.13 106	0.06 1	0.09 19	0.05 1	0.05 7	0.06 14	0.04 1	0.07 3	0.07 1	0.06 110	0.04 22	0.05 25	0.04 33	0.05 95	0.04 28

aw	0.07 3	0.06 46	0.08 18	0.15 63	0.06 11	0.10 119	0.07 3	0.12 40	0.11 52	0.08 57	0.07 33	0.07 62	0.06 34	0.11 99	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

ml1-stereo	0.07 3	0.06 46	0.08 18	0.15 63	0.06 11	0.10 119	0.07 3	0.12 40	0.11 52	0.08 57	0.07 33	0.07 62	0.06 34	0.11 99	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

asda	0.07 3	0.08 226	0.08 18	0.16 132	0.07 64	0.06 7	0.10 27	0.16 121	0.11 52	0.06 7	0.06 10	0.05 1	0.06 34	0.10 54	0.10 108	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

asd	0.07 3	0.08 226	0.08 18	0.16 132	0.07 64	0.08 46	0.08 9	0.11 24	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.10 54	0.09 41	0.03 1	0.03 1	0.04 1	0.04 33	0.04 15	0.03 1

2.25w	0.07 3	0.07 115	0.08 18	0.15 63	0.06 11	0.08 46	0.09 19	0.10 14	0.15 150	0.08 57	0.10 111	0.07 62	0.06 34	0.09 32	0.10 108	0.05 26	0.04 22	0.04 1	0.04 33	0.03 1	0.04 28

4.25_new	0.07 3	0.08 226	0.09 63	0.15 63	0.06 11	0.08 46	0.08 9	0.14 72	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.12 177	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5w_new	0.07 3	0.08 226	0.09 63	0.15 63	0.06 11	0.08 46	0.08 9	0.14 72	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.12 177	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5_new	0.07 3	0.09 296	0.08 18	0.15 63	0.07 64	0.07 22	0.10 27	0.14 72	0.11 52	0.06 7	0.08 68	0.06 14	0.06 34	0.08 13	0.10 108	0.03 1	0.03 1	0.04 1	0.04 33	0.04 15	0.03 1

4.5w-stereo	0.07 3	0.09 296	0.08 18	0.15 63	0.07 64	0.07 22	0.10 27	0.14 72	0.11 52	0.06 7	0.08 68	0.06 14	0.06 34	0.08 13	0.10 108	0.03 1	0.03 1	0.04 1	0.04 33	0.04 15	0.03 1

4.25w-stereo	0.07 3	0.08 226	0.09 63	0.15 63	0.06 11	0.08 46	0.08 9	0.14 72	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.12 177	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4w-stereo	0.07 3	0.08 226	0.08 18	0.16 132	0.07 64	0.07 22	0.08 9	0.11 24	0.09 19	0.07 28	0.07 33	0.05 1	0.06 34	0.09 32	0.10 108	0.03 1	0.03 1	0.04 1	0.04 33	0.04 15	0.03 1

2.5w	0.07 3	0.07 115	0.08 18	0.16 132	0.06 11	0.08 46	0.12 69	0.10 14	0.10 29	0.07 28	0.06 10	0.09 118	0.06 34	0.08 13	0.09 41	0.04 6	0.03 1	0.04 1	0.04 33	0.03 1	0.03 1

2.75w_new	0.07 3	0.07 115	0.07 3	0.13 8	0.06 11	0.08 46	0.08 9	0.18 183	0.13 111	0.08 57	0.08 68	0.06 14	0.06 34	0.09 32	0.11 167	0.04 6	0.04 22	0.04 1	0.03 1	0.03 1	0.04 28

3.25w_new	0.07 3	0.06 46	0.08 18	0.15 63	0.06 11	0.10 119	0.07 3	0.12 40	0.11 52	0.08 57	0.07 33	0.07 62	0.06 34	0.11 99	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

3.25w	0.07 3	0.06 46	0.08 18	0.15 63	0.06 11	0.10 119	0.07 3	0.12 40	0.11 52	0.08 57	0.07 33	0.07 62	0.06 34	0.11 99	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

3.75w	0.07 3	0.07 115	0.08 18	0.16 132	0.07 64	0.07 22	0.09 19	0.16 121	0.10 29	0.07 28	0.06 10	0.06 14	0.06 34	0.09 32	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 3	0.07 115	0.07 3	0.15 63	0.07 64	0.09 78	0.06 1	0.14 72	0.11 52	0.08 57	0.07 33	0.06 14	0.07 100	0.10 54	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

monsters	0.07 3	0.06 46	0.06 1	0.15 63	0.06 11	0.08 46	0.09 19	0.13 58	0.09 19	0.09 87	0.07 33	0.06 14	0.06 34	0.09 32	0.08 14	0.05 26	0.04 22	0.04 1	0.04 33	0.03 1	0.04 28

111111	0.07 3	0.05 11	0.10 94	0.17 207	0.06 11	0.05 3	0.10 27	0.11 24	0.10 29	0.06 7	0.06 10	0.07 62	0.05 9	0.08 13	0.09 41	0.06 110	0.04 22	0.05 25	0.04 33	0.07 247	0.06 186

LG-Stereo_L2	0.07 3	0.05 11	0.10 94	0.14 26	0.06 11	0.07 22	0.12 69	0.09 9	0.10 29	0.06 7	0.04 1	0.05 1	0.05 9	0.08 13	0.08 14	0.05 26	0.04 22	0.05 25	0.03 1	0.04 15	0.03 1

LG-Stereo_L1	0.07 3	0.05 11	0.11 136	0.14 26	0.06 11	0.07 22	0.12 69	0.09 9	0.08 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 13	0.08 14	0.05 26	0.04 22	0.05 25	0.03 1	0.04 15	0.04 28

MLG-Stereo_test3	0.07 3	0.05 11	0.10 94	0.15 63	0.06 11	0.07 22	0.10 27	0.08 3	0.06 4	0.06 7	0.04 1	0.06 14	0.06 34	0.08 13	0.10 108	0.06 110	0.04 22	0.05 25	0.04 33	0.05 95	0.06 186

MLG-Stereo_test2	0.07 3	0.04 1	0.10 94	0.15 63	0.06 11	0.07 22	0.11 46	0.09 9	0.04 2	0.06 7	0.05 7	0.06 14	0.04 1	0.08 13	0.09 41	0.06 110	0.04 22	0.05 25	0.03 1	0.05 95	0.05 110

MLG-Stereo	0.07 3	0.05 11	0.09 63	0.17 207	0.05 1	0.07 22	0.11 46	0.08 3	0.05 3	0.05 1	0.04 1	0.06 14	0.05 9	0.10 54	0.09 41	0.05 26	0.04 22	0.05 25	0.03 1	0.04 15	0.05 110

LG-G_1	0.07 3	0.04 1	0.11 136	0.15 63	0.06 11	0.09 78	0.08 9	0.08 3	0.06 4	0.06 7	0.06 10	0.07 62	0.07 100	0.11 99	0.08 14	0.07 236	0.04 22	0.05 25	0.04 33	0.05 95	0.06 186

LG-G	0.07 3	0.04 1	0.11 136	0.15 63	0.06 11	0.09 78	0.08 9	0.08 3	0.06 4	0.06 7	0.06 10	0.07 62	0.07 100	0.11 99	0.08 14	0.07 236	0.04 22	0.05 25	0.04 33	0.05 95	0.06 186

LGtest1	0.07 3	0.05 11	0.11 136	0.15 63	0.06 11	0.07 22	0.09 19	0.08 3	0.06 4	0.06 7	0.04 1	0.06 14	0.07 100	0.10 54	0.09 41	0.07 236	0.04 22	0.05 25	0.04 33	0.06 181	0.06 186

LG-Stereo_Zeroshot	0.07 3	0.06 46	0.10 94	0.16 132	0.07 64	0.04 1	0.13 106	0.10 14	0.10 29	0.05 1	0.11 141	0.07 62	0.05 9	0.07 3	0.09 41	0.06 110	0.04 22	0.05 25	0.04 33	0.05 95	0.04 28

GREAT-IGEV	0.07 3	0.06 46	0.09 63	0.13 8	0.07 64	0.07 22	0.14 154	0.10 14	0.09 19	0.06 7	0.08 68	0.06 14	0.05 9	0.10 54	0.07 1	0.05 26	0.04 22	0.05 25	0.04 33	0.05 95	0.04 28

StereoAnything_RVC	0.07 3	0.16 460	0.17 350	0.11 1	0.05 1	0.06 7	0.11 46	0.08 3	0.08 8	0.06 7	0.06 10	0.05 1	0.05 9	0.09 32	0.08 14	0.08 295	0.04 22	0.05 25	0.03 1	0.05 95	0.04 28

AIO_rvc	0.07 3	0.06 46	0.08 18	0.15 63	0.06 11	0.08 46	0.14 154	0.09 9	0.08 8	0.07 28	0.08 68	0.07 62	0.04 1	0.10 54	0.08 14	0.05 26	0.04 22	0.05 25	0.04 33	0.04 15	0.03 1

AIO_test	0.07 3	0.06 46	0.07 3	0.15 63	0.07 64	0.07 22	0.14 154	0.10 14	0.10 29	0.07 28	0.07 33	0.06 14	0.05 9	0.08 13	0.10 108	0.05 26	0.04 22	0.05 25	0.04 33	0.04 15	0.03 1

MonSter	0.07 3	0.06 46	0.06 1	0.15 63	0.05 1	0.08 46	0.10 27	0.15 96	0.15 150	0.05 1	0.06 10	0.05 1	0.06 34	0.07 3	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

DEFOM-Stereo	0.07 3	0.05 11	0.07 3	0.14 26	0.06 11	0.09 78	0.13 106	0.07 2	0.13 111	0.06 7	0.07 33	0.06 14	0.05 9	0.10 54	0.09 41	0.05 26	0.04 22	0.05 25	0.03 1	0.04 15	0.04 28

dual_stereo	0.07 3	0.05 11	0.08 18	0.15 63	0.05 1	0.05 3	0.13 106	0.12 40	0.08 8	0.07 28	0.06 10	0.05 1	0.05 9	0.07 3	0.09 41	0.06 110	0.04 22	0.05 25	0.03 1	0.04 15	0.04 28

IGEV-Stereo++	0.07 3	0.06 46	0.08 18	0.18 288	0.06 11	0.05 3	0.10 27	0.11 24	0.11 52	0.06 7	0.07 33	0.07 62	0.06 34	0.09 32	0.09 41	0.05 26	0.04 22	0.05 25	0.04 33	0.05 95	0.04 28

IGEV-Stereo+	0.07 3	0.04 1	0.08 18	0.15 63	0.06 11	0.04 1	0.09 19	0.10 14	0.09 19	0.06 7	0.06 10	0.06 14	0.06 34	0.06 1	0.09 41	0.06 110	0.04 22	0.05 25	0.04 33	0.06 181	0.06 186

Selective-IGEV	0.07 3	0.06 46	0.09 63	0.17 207	0.06 11	0.08 46	0.12 69	0.13 58	0.08 8	0.08 57	0.07 33	0.06 14	0.04 1	0.10 54	0.09 41	0.05 26	0.04 22	0.05 25	0.04 33	0.04 15	0.03 1

qwe	0.08 41	0.08 226	0.07 3	0.15 63	0.06 11	0.07 22	0.10 27	0.18 183	0.12 81	0.07 28	0.07 33	0.06 14	0.06 34	0.10 54	0.09 41	0.04 6	0.03 1	0.04 1	0.04 33	0.04 15	0.03 1

3w_stereo	0.08 41	0.09 296	0.10 94	0.17 207	0.07 64	0.08 46	0.11 46	0.20 223	0.13 111	0.06 7	0.07 33	0.05 1	0.06 34	0.08 13	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

2w_stereo	0.08 41	0.08 226	0.09 63	0.16 132	0.06 11	0.09 78	0.10 27	0.20 223	0.15 150	0.08 57	0.07 33	0.06 14	0.06 34	0.06 1	0.10 108	0.04 6	0.03 1	0.04 1	0.04 33	0.03 1	0.03 1

1w_stereo	0.08 41	0.06 46	0.07 3	0.16 132	0.06 11	0.07 22	0.10 27	0.14 72	0.15 150	0.07 28	0.08 68	0.05 1	0.06 34	0.10 54	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

monsterstereo	0.08 41	0.06 46	0.07 3	0.16 132	0.06 11	0.08 46	0.10 27	0.16 121	0.12 81	0.07 28	0.08 68	0.06 14	0.07 100	0.08 13	0.09 41	0.04 6	0.04 22	0.05 25	0.04 33	0.04 15	0.03 1

IGEV	0.08 41	0.04 1	0.09 63	0.13 8	0.06 11	0.09 78	0.12 69	0.14 72	0.10 29	0.06 7	0.09 88	0.07 62	0.05 9	0.09 32	0.09 41	0.06 110	0.04 22	0.05 25	0.04 33	0.05 95	0.04 28

LG-Stereo	0.08 41	0.08 226	0.10 94	0.18 288	0.07 64	0.10 119	0.17 308	0.11 24	0.08 8	0.06 7	0.08 68	0.06 14	0.07 100	0.09 32	0.09 41	0.04 6	0.05 155	0.07 193	0.07 267	0.04 15	0.04 28

SGD-Stereo	0.08 41	0.05 11	0.10 94	0.14 26	0.06 11	0.12 201	0.12 69	0.11 24	0.12 81	0.07 28	0.09 88	0.09 118	0.09 161	0.08 13	0.08 14	0.06 110	0.04 22	0.05 25	0.04 33	0.05 95	0.04 28

HART	0.08 41	0.07 115	0.09 63	0.18 288	0.07 64	0.10 119	0.16 282	0.13 58	0.11 52	0.09 87	0.10 111	0.08 91	0.05 9	0.10 54	0.08 14	0.05 26	0.04 22	0.06 99	0.04 33	0.05 95	0.04 28

SCV_C0	0.08 41	0.07 115	0.08 18	0.16 132	0.10 330	0.08 46	0.14 154	0.11 24	0.13 111	0.08 57	0.07 33	0.06 14	0.05 9	0.11 99	0.07 1	0.05 26	0.05 155	0.05 25	0.04 33	0.06 181	0.05 110

SCV	0.08 41	0.09 296	0.08 18	0.15 63	0.08 125	0.10 119	0.12 69	0.11 24	0.12 81	0.07 28	0.07 33	0.06 14	0.04 1	0.10 54	0.08 14	0.05 26	0.05 155	0.06 99	0.04 33	0.06 181	0.04 28

DEFOM-Stereo_RVC	0.08 41	0.07 115	0.09 63	0.22 444	0.06 11	0.08 46	0.12 69	0.10 14	0.10 29	0.07 28	0.07 33	0.06 14	0.05 9	0.11 99	0.09 41	0.06 110	0.04 22	0.05 25	0.03 1	0.06 181	0.04 28

HUF	0.08 41	0.05 11	0.08 18	0.14 26	0.06 11	0.09 78	0.13 106	0.13 58	0.13 111	0.07 28	0.07 33	0.09 118	0.06 34	0.10 54	0.09 41	0.06 110	0.04 22	0.05 25	0.04 33	0.05 95	0.04 28

castereo++	0.08 41	0.06 46	0.08 18	0.15 63	0.05 1	0.14 269	0.11 46	0.11 24	0.15 150	0.07 28	0.07 33	0.08 91	0.06 34	0.08 13	0.08 14	0.06 110	0.04 22	0.05 25	0.04 33	0.04 15	0.03 1

IGEV-RUCA	0.08 41	0.06 46	0.11 136	0.14 26	0.09 225	0.10 119	0.12 69	0.10 14	0.12 81	0.06 7	0.07 33	0.08 91	0.06 34	0.09 32	0.08 14	0.06 110	0.05 155	0.05 25	0.04 33	0.05 95	0.06 186

GIP-stereo	0.08 41	0.06 46	0.11 136	0.15 63	0.07 64	0.09 78	0.13 106	0.15 96	0.11 52	0.07 28	0.08 68	0.05 1	0.04 1	0.10 54	0.07 1	0.05 26	0.04 22	0.05 25	0.04 33	0.05 95	0.04 28

SMoEStereo_RVC	0.08 41	0.06 46	0.12 174	0.16 132	0.07 64	0.09 78	0.13 106	0.11 24	0.14 133	0.09 87	0.07 33	0.07 62	0.07 100	0.12 177	0.10 108	0.05 26	0.04 22	0.06 99	0.05 106	0.04 15	0.04 28

WCG-NET	0.08 41	0.05 11	0.10 94	0.15 63	0.06 11	0.11 161	0.14 154	0.13 58	0.14 133	0.07 28	0.09 88	0.07 62	0.06 34	0.13 227	0.08 14	0.05 26	0.04 22	0.06 99	0.04 33	0.04 15	0.03 1

Occ-G	0.08 41	0.05 11	0.07 3	0.14 26	0.07 64	0.09 78	0.14 154	0.14 72	0.15 150	0.07 28	0.12 155	0.07 62	0.05 9	0.09 32	0.10 108	0.06 110	0.05 155	0.05 25	0.04 33	0.05 95	0.06 186

U	0.08 41	0.07 115	0.10 94	0.19 346	0.10 330	0.10 119	0.13 106	0.12 40	0.17 200	0.07 28	0.07 33	0.06 14	0.05 9	0.07 3	0.09 41	0.06 110	0.04 22	0.06 99	0.04 33	0.06 181	0.05 110

AIO-Stereo	0.08 41	0.06 46	0.10 94	0.18 288	0.06 11	0.09 78	0.11 46	0.16 121	0.09 19	0.09 87	0.08 68	0.07 62	0.05 9	0.11 99	0.08 14	0.05 26	0.05 155	0.05 25	0.04 33	0.04 15	0.04 28

WCG-NET（raft）	0.08 41	0.05 11	0.10 94	0.15 63	0.06 11	0.11 161	0.13 106	0.15 96	0.12 81	0.08 57	0.07 33	0.06 14	0.06 34	0.13 227	0.08 14	0.05 26	0.04 22	0.05 25	0.04 33	0.05 95	0.04 28

RSM++	0.08 41	0.06 46	0.09 63	0.17 207	0.07 64	0.09 78	0.12 69	0.11 24	0.11 52	0.08 57	0.06 10	0.07 62	0.05 9	0.10 54	0.09 41	0.05 26	0.04 22	0.06 99	0.05 106	0.05 95	0.03 1

RSM	0.08 41	0.06 46	0.09 63	0.17 207	0.07 64	0.08 46	0.12 69	0.12 40	0.10 29	0.08 57	0.07 33	0.06 14	0.05 9	0.11 99	0.09 41	0.04 6	0.04 22	0.05 25	0.04 33	0.04 15	0.04 28

trnet	0.08 41	0.05 11	0.07 3	0.12 4	0.05 1	0.12 201	0.10 27	0.13 58	0.10 29	0.08 57	0.13 170	0.09 118	0.08 136	0.11 99	0.10 108	0.08 295	0.05 155	0.05 25	0.03 1	0.06 181	0.05 110

MoCha-V2	0.08 41	0.05 11	0.11 136	0.20 394	0.07 64	0.10 119	0.14 154	0.12 40	0.08 8	0.07 28	0.08 68	0.07 62	0.06 34	0.09 32	0.08 14	0.05 26	0.05 155	0.05 25	0.04 33	0.04 15	0.04 28

IGEV++	0.08 41	0.06 46	0.09 63	0.18 288	0.07 64	0.10 119	0.13 106	0.10 14	0.10 29	0.08 57	0.08 68	0.06 14	0.05 9	0.13 227	0.09 41	0.05 26	0.04 22	0.05 25	0.04 33	0.05 95	0.04 28

testlalala	0.08 41	0.07 115	0.17 350	0.16 132	0.08 125	0.09 78	0.12 69	0.15 96	0.10 29	0.07 28	0.09 88	0.06 14	0.06 34	0.11 99	0.09 41	0.05 26	0.04 22	0.06 99	0.04 33	0.04 15	0.04 28

LoS_RVC	0.08 41	0.05 11	0.07 3	0.15 63	0.07 64	0.08 46	0.15 223	0.12 40	0.11 52	0.08 57	0.09 88	0.06 14	0.09 161	0.10 54	0.09 41	0.05 26	0.04 22	0.05 25	0.03 1	0.04 15	0.04 28

CAS	0.08 41	0.04 1	0.07 3	0.17 207	0.08 125	0.10 119	0.13 106	0.12 40	0.09 19	0.09 87	0.10 111	0.08 91	0.06 34	0.09 32	0.09 41	0.08 295	0.04 22	0.05 25	0.03 1	0.05 95	0.04 28

CES	0.08 41	0.04 1	0.08 18	0.14 26	0.07 64	0.09 78	0.14 154	0.11 24	0.09 19	0.08 57	0.09 88	0.11 169	0.07 100	0.12 177	0.08 14	0.06 110	0.04 22	0.05 25	0.03 1	0.05 95	0.05 110

EGLCR-Stereo	0.08 41	0.05 11	0.08 18	0.14 26	0.07 64	0.11 161	0.12 69	0.11 24	0.16 176	0.06 7	0.05 7	0.07 62	0.05 9	0.10 54	0.11 167	0.06 110	0.04 22	0.06 99	0.05 106	0.04 15	0.04 28

CREStereo++_RVC	0.08 41	0.04 1	0.07 3	0.13 8	0.07 64	0.09 78	0.12 69	0.14 72	0.14 133	0.10 117	0.14 183	0.08 91	0.07 100	0.10 54	0.11 167	0.06 110	0.04 22	0.05 25	0.05 106	0.04 15	0.04 28
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
water-stereo	0.09 74	0.06 46	0.08 18	0.16 132	0.07 64	0.10 119	0.13 106	0.15 96	0.13 111	0.11 151	0.12 155	0.09 118	0.10 183	0.07 3	0.08 14	0.06 110	0.05 155	0.05 25	0.05 106	0.04 15	0.04 28

depthmonostereo	0.09 74	0.06 46	0.09 63	0.15 63	0.06 11	0.11 161	0.13 106	0.14 72	0.15 150	0.10 117	0.10 111	0.09 118	0.11 213	0.08 13	0.09 41	0.06 110	0.05 155	0.06 99	0.04 33	0.04 15	0.03 1

DilatedVolume-Stereo	0.09 74	0.05 11	0.08 18	0.15 63	0.06 11	0.11 161	0.12 69	0.14 72	0.16 176	0.11 151	0.11 141	0.09 118	0.10 183	0.11 99	0.11 167	0.06 110	0.05 155	0.05 25	0.04 33	0.03 1	0.03 1

S2M2	0.09 74	0.08 226	0.11 136	0.13 8	0.10 330	0.08 46	0.06 1	0.10 14	0.10 29	0.10 117	0.10 111	0.09 118	0.09 161	0.11 99	0.11 167	0.13 459	0.07 366	0.08 270	0.09 376	0.10 407	0.08 331

MM-Stereo_test2	0.09 74	0.07 115	0.09 63	0.19 346	0.08 125	0.12 201	0.18 355	0.15 96	0.14 133	0.07 28	0.10 111	0.07 62	0.06 34	0.12 177	0.09 41	0.05 26	0.04 22	0.06 99	0.05 106	0.06 181	0.04 28

Reg-Stereo(zero)	0.09 74	0.05 11	0.08 18	0.16 132	0.06 11	0.12 201	0.11 46	0.15 96	0.11 52	0.12 183	0.09 88	0.10 149	0.08 136	0.11 99	0.09 41	0.06 110	0.05 155	0.05 25	0.04 33	0.04 15	0.05 110

castereo	0.09 74	0.06 46	0.11 136	0.15 63	0.06 11	0.11 161	0.14 154	0.14 72	0.18 214	0.08 57	0.10 111	0.11 169	0.08 136	0.09 32	0.10 108	0.05 26	0.04 22	0.05 25	0.04 33	0.04 15	0.04 28

fffft	0.09 74	0.06 46	0.12 174	0.16 132	0.07 64	0.09 78	0.16 282	0.12 40	0.11 52	0.09 87	0.07 33	0.09 118	0.06 34	0.11 99	0.12 224	0.05 26	0.04 22	0.06 99	0.05 106	0.04 15	0.05 110
1: 1. 1
tt45	0.09 74	0.06 46	0.11 136	0.15 63	0.07 64	0.12 201	0.15 223	0.13 58	0.12 81	0.09 87	0.06 10	0.08 91	0.06 34	0.13 227	0.10 108	0.06 110	0.04 22	0.06 99	0.05 106	0.05 95	0.06 186

999	0.09 74	0.06 46	0.13 206	0.15 63	0.08 125	0.10 119	0.14 154	0.15 96	0.12 81	0.10 117	0.08 68	0.08 91	0.08 136	0.16 299	0.10 108	0.06 110	0.04 22	0.06 99	0.05 106	0.04 15	0.06 186

mms	0.09 74	0.07 115	0.08 18	0.17 207	0.08 125	0.11 161	0.15 223	0.12 40	0.11 52	0.09 87	0.09 88	0.08 91	0.06 34	0.11 99	0.12 224	0.05 26	0.04 22	0.07 193	0.05 106	0.04 15	0.04 28

ours_stereo	0.09 74	0.07 115	0.09 63	0.17 207	0.08 125	0.11 161	0.16 282	0.11 24	0.12 81	0.08 57	0.10 111	0.08 91	0.06 34	0.12 177	0.12 224	0.05 26	0.04 22	0.06 99	0.05 106	0.04 15	0.04 28

fffy	0.09 74	0.08 226	0.10 94	0.16 132	0.07 64	0.13 230	0.17 308	0.13 58	0.12 81	0.08 57	0.09 88	0.08 91	0.09 161	0.13 227	0.11 167	0.05 26	0.05 155	0.07 193	0.05 106	0.04 15	0.05 110

GCAP-BAT	0.09 74	0.07 115	0.14 250	0.15 63	0.08 125	0.10 119	0.12 69	0.15 96	0.11 52	0.11 151	0.10 111	0.09 118	0.07 100	0.12 177	0.10 108	0.06 110	0.05 155	0.06 99	0.04 33	0.04 15	0.04 28

Pointernet	0.09 74	0.05 11	0.10 94	0.16 132	0.08 125	0.13 230	0.10 27	0.15 96	0.18 214	0.09 87	0.07 33	0.06 14	0.06 34	0.11 99	0.10 108	0.08 295	0.04 22	0.05 25	0.03 1	0.06 181	0.05 110

IGEV-BASED-STEREO-	0.09 74	0.10 361	0.32 480	0.15 63	0.06 11	0.08 46	0.14 154	0.11 24	0.10 29	0.07 28	0.07 33	0.06 14	0.04 1	0.11 99	0.07 1	0.12 442	0.04 22	0.07 193	0.05 106	0.05 95	0.05 110

RAFT-Stereo-weight	0.09 74	0.06 46	0.11 136	0.16 132	0.07 64	0.09 78	0.14 154	0.19 210	0.16 176	0.11 151	0.10 111	0.08 91	0.06 34	0.10 54	0.11 167	0.06 110	0.04 22	0.06 99	0.04 33	0.04 15	0.04 28

gcap-zeroshot	0.09 74	0.06 46	0.10 94	0.16 132	0.07 64	0.14 269	0.13 106	0.11 24	0.12 81	0.13 212	0.12 155	0.09 118	0.08 136	0.09 32	0.09 41	0.06 110	0.05 155	0.06 99	0.05 106	0.04 15	0.04 28

test_for_model	0.09 74	0.12 403	0.14 250	0.23 463	0.11 382	0.08 46	0.13 106	0.12 40	0.13 111	0.10 117	0.07 33	0.07 62	0.06 34	0.11 99	0.10 108	0.06 110	0.05 155	0.05 25	0.04 33	0.08 312	0.05 110

MGS-Stereo	0.09 74	0.07 115	0.12 174	0.16 132	0.08 125	0.09 78	0.15 223	0.12 40	0.12 81	0.07 28	0.10 111	0.08 91	0.06 34	0.11 99	0.09 41	0.05 26	0.04 22	0.06 99	0.05 106	0.06 181	0.05 110

ff7	0.09 74	0.07 115	0.11 136	0.16 132	0.09 225	0.11 161	0.15 223	0.16 121	0.12 81	0.10 117	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 26	0.04 22	0.06 99	0.05 106	0.05 95	0.06 186

IGEVStereo-DCA	0.09 74	0.07 115	0.11 136	0.16 132	0.10 330	0.11 161	0.15 223	0.16 121	0.12 81	0.10 117	0.06 10	0.08 91	0.06 34	0.10 54	0.09 41	0.06 110	0.05 155	0.06 99	0.05 106	0.05 95	0.06 186

ffff	0.09 74	0.07 115	0.11 136	0.16 132	0.09 225	0.11 161	0.15 223	0.16 121	0.12 81	0.10 117	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 26	0.04 22	0.06 99	0.05 106	0.05 95	0.06 186

rrr	0.09 74	0.07 115	0.13 206	0.16 132	0.10 330	0.11 161	0.15 223	0.16 121	0.15 150	0.10 117	0.06 10	0.08 91	0.06 34	0.10 54	0.09 41	0.06 110	0.05 155	0.06 99	0.05 106	0.05 95	0.06 186

11t	0.09 74	0.07 115	0.11 136	0.16 132	0.09 225	0.11 161	0.15 223	0.16 121	0.12 81	0.10 117	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 26	0.04 22	0.06 99	0.05 106	0.05 95	0.06 186

MaDis-Stereo	0.09 74	0.09 296	0.08 18	0.17 207	0.09 225	0.14 269	0.11 46	0.16 121	0.16 176	0.09 87	0.11 141	0.06 14	0.06 34	0.09 32	0.13 259	0.07 236	0.06 298	0.08 270	0.05 106	0.05 95	0.04 28

IGEV_Zeroshot_test	0.09 74	0.05 11	0.13 206	0.14 26	0.08 125	0.12 201	0.13 106	0.17 156	0.11 52	0.10 117	0.06 10	0.09 118	0.06 34	0.11 99	0.09 41	0.06 110	0.04 22	0.06 99	0.06 178	0.05 95	0.05 110

MSKI-zero shot	0.09 74	0.05 11	0.09 63	0.16 132	0.07 64	0.10 119	0.13 106	0.15 96	0.14 133	0.09 87	0.09 88	0.09 118	0.06 34	0.12 177	0.11 167	0.06 110	0.04 22	0.05 25	0.04 33	0.04 15	0.05 110

UniTT-Stereo	0.09 74	0.07 115	0.08 18	0.18 288	0.08 125	0.13 230	0.11 46	0.12 40	0.11 52	0.10 117	0.12 155	0.05 1	0.06 34	0.09 32	0.10 108	0.07 236	0.06 298	0.05 25	0.05 106	0.06 181	0.05 110

CASnet	0.09 74	0.09 296	0.09 63	0.19 346	0.06 11	0.07 22	0.11 46	0.18 183	0.14 133	0.11 151	0.10 111	0.09 118	0.07 100	0.10 54	0.10 108	0.06 110	0.04 22	0.10 397	0.08 333	0.06 181	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.09 74	0.05 11	0.08 18	0.14 26	0.13 436	0.14 269	0.13 106	0.15 96	0.09 19	0.07 28	0.09 88	0.07 62	0.08 136	0.10 54	0.09 41	0.06 110	0.04 22	0.06 99	0.05 106	0.05 95	0.04 28

GCAP-Stereo	0.09 74	0.07 115	0.13 206	0.18 288	0.06 11	0.11 161	0.07 3	0.14 72	0.12 81	0.09 87	0.10 111	0.07 62	0.09 161	0.13 227	0.10 108	0.06 110	0.05 155	0.05 25	0.04 33	0.04 15	0.05 110

RAFT-Test	0.09 74	0.06 46	0.10 94	0.16 132	0.07 64	0.11 161	0.15 223	0.16 121	0.13 111	0.09 87	0.10 111	0.11 169	0.09 161	0.12 177	0.09 41	0.06 110	0.04 22	0.05 25	0.04 33	0.05 95	0.05 110

HH	0.09 74	0.06 46	0.13 206	0.17 207	0.08 125	0.11 161	0.16 282	0.15 96	0.10 29	0.08 57	0.10 111	0.08 91	0.07 100	0.10 54	0.09 41	0.06 110	0.04 22	0.06 99	0.05 106	0.05 95	0.04 28

HanStereo	0.09 74	0.06 46	0.13 206	0.17 207	0.08 125	0.11 161	0.16 282	0.15 96	0.10 29	0.08 57	0.10 111	0.08 91	0.07 100	0.10 54	0.09 41	0.06 110	0.04 22	0.06 99	0.05 106	0.05 95	0.04 28

anonymousdsp	0.09 74	0.07 115	0.11 136	0.17 207	0.09 225	0.11 161	0.15 223	0.16 121	0.12 81	0.10 117	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 26	0.04 22	0.06 99	0.05 106	0.05 95	0.06 186

LoS	0.09 74	0.05 11	0.11 136	0.13 8	0.07 64	0.14 269	0.11 46	0.15 96	0.15 150	0.09 87	0.09 88	0.12 190	0.09 161	0.15 272	0.10 108	0.07 236	0.05 155	0.05 25	0.03 1	0.05 95	0.05 110
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 74	0.07 115	0.11 136	0.17 207	0.08 125	0.11 161	0.15 223	0.15 96	0.12 81	0.10 117	0.06 10	0.07 62	0.06 34	0.11 99	0.09 41	0.05 26	0.05 155	0.06 99	0.05 106	0.04 15	0.06 186

MC-Stereo	0.09 74	0.07 115	0.09 63	0.17 207	0.06 11	0.10 119	0.14 154	0.12 40	0.11 52	0.09 87	0.12 155	0.09 118	0.06 34	0.11 99	0.10 108	0.06 110	0.04 22	0.06 99	0.05 106	0.04 15	0.04 28

RCA-Stereo	0.09 74	0.06 46	0.09 63	0.16 132	0.06 11	0.09 78	0.13 106	0.18 183	0.14 133	0.10 117	0.11 141	0.08 91	0.07 100	0.12 177	0.11 167	0.06 110	0.04 22	0.06 99	0.05 106	0.05 95	0.04 28

CroCo-Stereo Lap2	0.09 74	0.09 296	0.08 18	0.22 444	0.09 225	0.09 78	0.18 355	0.16 121	0.12 81	0.09 87	0.10 111	0.05 1	0.05 9	0.08 13	0.08 14	0.06 110	0.06 298	0.07 193	0.05 106	0.06 181	0.05 110

ccc-4	0.09 74	0.07 115	0.11 136	0.16 132	0.09 225	0.11 161	0.15 223	0.16 121	0.12 81	0.10 117	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 26	0.04 22	0.06 99	0.05 106	0.05 95	0.06 186

IGEV-Stereo	0.09 74	0.07 115	0.11 136	0.17 207	0.09 225	0.11 161	0.15 223	0.16 121	0.12 81	0.10 117	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 26	0.04 22	0.06 99	0.05 106	0.05 95	0.06 186
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 74	0.05 11	0.13 206	0.14 26	0.09 225	0.12 201	0.15 223	0.19 210	0.11 52	0.11 151	0.08 68	0.08 91	0.05 9	0.10 54	0.09 41	0.06 110	0.04 22	0.06 99	0.05 106	0.06 181	0.05 110

test-3	0.09 74	0.06 46	0.10 94	0.18 288	0.07 64	0.07 22	0.14 154	0.12 40	0.16 176	0.10 117	0.08 68	0.08 91	0.08 136	0.11 99	0.10 108	0.05 26	0.04 22	0.07 193	0.05 106	0.04 15	0.04 28

test_1	0.09 74	0.06 46	0.10 94	0.18 288	0.07 64	0.07 22	0.14 154	0.12 40	0.16 176	0.10 117	0.08 68	0.08 91	0.08 136	0.11 99	0.10 108	0.05 26	0.04 22	0.07 193	0.05 106	0.04 15	0.04 28

CroCo-Stereo	0.09 74	0.08 226	0.08 18	0.22 444	0.09 225	0.09 78	0.18 355	0.16 121	0.12 81	0.07 28	0.07 33	0.08 91	0.06 34	0.08 13	0.07 1	0.07 236	0.05 155	0.06 99	0.04 33	0.05 95	0.04 28
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
TANstereo	0.09 74	0.04 1	0.08 18	0.13 8	0.06 11	0.11 161	0.13 106	0.15 96	0.19 235	0.11 151	0.15 196	0.10 149	0.07 100	0.12 177	0.09 41	0.07 236	0.05 155	0.05 25	0.04 33	0.06 181	0.05 110

XX-TBD	0.09 74	0.06 46	0.07 3	0.14 26	0.07 64	0.13 230	0.16 282	0.14 72	0.14 133	0.11 151	0.12 155	0.09 118	0.08 136	0.10 54	0.10 108	0.06 110	0.04 22	0.05 25	0.04 33	0.06 181	0.05 110

raftrobust	0.09 74	0.06 46	0.11 136	0.17 207	0.08 125	0.09 78	0.10 27	0.18 183	0.16 176	0.10 117	0.09 88	0.12 190	0.08 136	0.12 177	0.10 108	0.08 295	0.05 155	0.06 99	0.05 106	0.05 95	0.06 186

XX-Stereo	0.09 74	0.05 11	0.09 63	0.17 207	0.09 225	0.15 295	0.12 69	0.21 240	0.10 29	0.10 117	0.14 183	0.07 62	0.06 34	0.13 227	0.08 14	0.06 110	0.05 155	0.06 99	0.06 178	0.04 15	0.04 28

test_xeample3	0.09 74	0.07 115	0.12 174	0.16 132	0.09 225	0.11 161	0.15 223	0.16 121	0.14 133	0.10 117	0.07 33	0.08 91	0.06 34	0.10 54	0.09 41	0.06 110	0.04 22	0.06 99	0.05 106	0.05 95	0.06 186

RAFT-Stereo + iAFF	0.09 74	0.06 46	0.10 94	0.17 207	0.07 64	0.10 119	0.15 223	0.17 156	0.15 150	0.10 117	0.10 111	0.08 91	0.09 161	0.12 177	0.10 108	0.05 26	0.04 22	0.06 99	0.06 178	0.04 15	0.03 1

AFF-stereo	0.09 74	0.07 115	0.10 94	0.17 207	0.07 64	0.10 119	0.15 223	0.18 183	0.10 29	0.10 117	0.11 141	0.09 118	0.10 183	0.12 177	0.10 108	0.05 26	0.04 22	0.07 193	0.07 267	0.04 15	0.04 28

EAI-Stereo	0.09 74	0.07 115	0.11 136	0.16 132	0.07 64	0.10 119	0.15 223	0.16 121	0.09 19	0.08 57	0.09 88	0.08 91	0.07 100	0.09 32	0.11 167	0.05 26	0.05 155	0.05 25	0.05 106	0.05 95	0.04 28

CFNet-RSSM	0.09 74	0.07 115	0.10 94	0.16 132	0.07 64	0.09 78	0.15 223	0.17 156	0.18 214	0.08 57	0.12 155	0.11 169	0.09 161	0.12 177	0.10 108	0.06 110	0.04 22	0.06 99	0.04 33	0.04 15	0.04 28

Gwc-CoAtRS	0.09 74	0.07 115	0.10 94	0.16 132	0.07 64	0.10 119	0.15 223	0.18 183	0.17 200	0.08 57	0.10 111	0.12 190	0.09 161	0.12 177	0.09 41	0.06 110	0.04 22	0.06 99	0.04 33	0.04 15	0.05 110

CREStereo	0.09 74	0.05 11	0.08 18	0.11 1	0.06 11	0.14 269	0.14 154	0.14 72	0.10 29	0.09 87	0.13 170	0.09 118	0.08 136	0.12 177	0.10 108	0.08 295	0.04 22	0.05 25	0.03 1	0.06 181	0.06 186
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 74	0.05 11	0.09 63	0.12 4	0.06 11	0.13 230	0.14 154	0.16 121	0.11 52	0.09 87	0.13 170	0.10 149	0.07 100	0.14 254	0.10 108	0.15 482	0.04 22	0.05 25	0.03 1	0.07 247	0.06 186

MM-Stereo_test3	0.10 133	0.07 115	0.07 3	0.18 288	0.07 64	0.12 201	0.19 397	0.24 304	0.19 235	0.06 7	0.10 111	0.08 91	0.06 34	0.11 99	0.09 41	0.06 110	0.06 298	0.07 193	0.05 106	0.05 95	0.04 28

MM-Stereo_test1	0.10 133	0.07 115	0.09 63	0.18 288	0.07 64	0.12 201	0.18 355	0.21 240	0.20 256	0.09 87	0.11 141	0.08 91	0.06 34	0.10 54	0.10 108	0.06 110	0.05 155	0.07 193	0.06 178	0.05 95	0.04 28

AIO-test2	0.10 133	0.08 226	0.10 94	0.23 463	0.09 225	0.11 161	0.11 46	0.23 281	0.24 312	0.08 57	0.09 88	0.08 91	0.05 9	0.10 54	0.08 14	0.06 110	0.05 155	0.08 270	0.09 376	0.05 95	0.05 110

AIO-test1	0.10 133	0.07 115	0.11 136	0.24 473	0.07 64	0.09 78	0.13 106	0.22 263	0.15 150	0.11 151	0.12 155	0.09 118	0.07 100	0.11 99	0.09 41	0.06 110	0.05 155	0.09 352	0.10 410	0.04 15	0.07 262

tg	0.10 133	0.06 46	0.10 94	0.18 288	0.08 125	0.11 161	0.16 282	0.20 223	0.12 81	0.08 57	0.11 141	0.11 169	0.07 100	0.11 99	0.10 108	0.05 26	0.04 22	0.08 270	0.08 333	0.04 15	0.04 28

PAM_32	0.10 133	0.06 46	0.17 350	0.15 63	0.08 125	0.10 119	0.15 223	0.14 72	0.16 176	0.09 87	0.08 68	0.10 149	0.07 100	0.14 254	0.09 41	0.06 110	0.05 155	0.06 99	0.06 178	0.05 95	0.06 186

PAM	0.10 133	0.06 46	0.17 350	0.15 63	0.09 225	0.10 119	0.16 282	0.15 96	0.16 176	0.12 183	0.09 88	0.10 149	0.07 100	0.13 227	0.09 41	0.06 110	0.05 155	0.06 99	0.06 178	0.05 95	0.06 186

UGAM-zero	0.10 133	0.05 11	0.15 286	0.15 63	0.08 125	0.10 119	0.13 106	0.20 223	0.15 150	0.11 151	0.15 196	0.07 62	0.08 136	0.09 32	0.10 108	0.06 110	0.05 155	0.06 99	0.05 106	0.05 95	0.06 186

model_zeroshot	0.10 133	0.05 11	0.12 174	0.15 63	0.09 225	0.13 230	0.14 154	0.20 223	0.14 133	0.11 151	0.10 111	0.12 190	0.07 100	0.12 177	0.11 167	0.07 236	0.06 298	0.06 99	0.05 106	0.06 181	0.06 186

RAStereo	0.10 133	0.09 296	0.08 18	0.20 394	0.08 125	0.13 230	0.18 355	0.16 121	0.17 200	0.10 117	0.12 155	0.05 1	0.06 34	0.09 32	0.08 14	0.07 236	0.05 155	0.07 193	0.05 106	0.05 95	0.04 28

rvit_stereo_0080	0.10 133	0.08 226	0.15 286	0.15 63	0.10 330	0.07 22	0.15 223	0.16 121	0.16 176	0.11 151	0.10 111	0.15 257	0.09 161	0.12 177	0.10 108	0.09 348	0.07 366	0.07 193	0.06 178	0.07 247	0.05 110

testlalala2	0.10 133	0.06 46	0.11 136	0.20 394	0.10 330	0.10 119	0.11 46	0.17 156	0.13 111	0.12 183	0.13 170	0.09 118	0.08 136	0.11 99	0.13 259	0.06 110	0.05 155	0.05 25	0.04 33	0.05 95	0.05 110

H2IRNET	0.10 133	0.09 296	0.10 94	0.18 288	0.09 225	0.12 201	0.15 223	0.14 72	0.21 270	0.10 117	0.10 111	0.10 149	0.11 213	0.10 54	0.10 108	0.06 110	0.04 22	0.08 270	0.08 333	0.06 181	0.05 110

MyStereo07	0.10 133	0.07 115	0.10 94	0.17 207	0.09 225	0.14 269	0.17 308	0.15 96	0.15 150	0.09 87	0.06 10	0.06 14	0.07 100	0.12 177	0.09 41	0.06 110	0.05 155	0.08 270	0.07 267	0.06 181	0.06 186

MyStereo06	0.10 133	0.07 115	0.12 174	0.17 207	0.09 225	0.13 230	0.18 355	0.19 210	0.12 81	0.13 212	0.08 68	0.07 62	0.07 100	0.11 99	0.09 41	0.06 110	0.05 155	0.08 270	0.07 267	0.06 181	0.06 186

AE-Stereo	0.10 133	0.08 226	0.11 136	0.19 346	0.09 225	0.10 119	0.15 223	0.14 72	0.20 256	0.09 87	0.15 196	0.12 190	0.08 136	0.11 99	0.10 108	0.05 26	0.06 298	0.07 193	0.06 178	0.05 95	0.04 28

ACVNet-DCA	0.10 133	0.08 226	0.13 206	0.17 207	0.09 225	0.13 230	0.15 223	0.24 304	0.16 176	0.09 87	0.09 88	0.06 14	0.06 34	0.10 54	0.07 1	0.06 110	0.05 155	0.06 99	0.05 106	0.07 247	0.07 262

cc1	0.10 133	0.08 226	0.13 206	0.17 207	0.09 225	0.13 230	0.15 223	0.16 121	0.18 214	0.09 87	0.09 88	0.06 14	0.06 34	0.10 54	0.07 1	0.06 110	0.05 155	0.06 99	0.05 106	0.06 181	0.06 186

tt1	0.10 133	0.08 226	0.13 206	0.17 207	0.09 225	0.13 230	0.15 223	0.15 96	0.19 235	0.09 87	0.08 68	0.06 14	0.06 34	0.10 54	0.08 14	0.06 110	0.05 155	0.06 99	0.05 106	0.06 181	0.06 186

whm_eth	0.10 133	0.08 226	0.15 286	0.15 63	0.10 330	0.07 22	0.15 223	0.16 121	0.16 176	0.11 151	0.10 111	0.15 257	0.09 161	0.12 177	0.10 108	0.09 348	0.07 366	0.07 193	0.06 178	0.07 247	0.05 110

MIM_Stereo	0.10 133	0.07 115	0.11 136	0.15 63	0.07 64	0.07 22	0.12 69	0.20 223	0.14 133	0.13 212	0.14 183	0.09 118	0.05 9	0.12 177	0.08 14	0.05 26	0.06 298	0.07 193	0.06 178	0.06 181	0.05 110

testlalala_base	0.10 133	0.09 296	0.14 250	0.21 424	0.08 125	0.10 119	0.14 154	0.13 58	0.11 52	0.08 57	0.15 196	0.07 62	0.08 136	0.11 99	0.12 224	0.08 295	0.05 155	0.05 25	0.03 1	0.07 247	0.05 110

Any-RAFT	0.10 133	0.05 11	0.10 94	0.15 63	0.07 64	0.13 230	0.14 154	0.21 240	0.15 150	0.11 151	0.12 155	0.13 213	0.10 183	0.13 227	0.10 108	0.07 236	0.04 22	0.05 25	0.04 33	0.06 181	0.05 110

4D-IteraStereo	0.10 133	0.07 115	0.10 94	0.18 288	0.07 64	0.09 78	0.15 223	0.18 183	0.15 150	0.10 117	0.11 141	0.10 149	0.07 100	0.12 177	0.09 41	0.05 26	0.03 1	0.08 270	0.07 267	0.06 181	0.05 110

fff	0.10 133	0.06 46	0.12 174	0.15 63	0.07 64	0.09 78	0.17 308	0.16 121	0.21 270	0.13 212	0.17 232	0.10 149	0.11 213	0.12 177	0.13 259	0.06 110	0.04 22	0.05 25	0.04 33	0.04 15	0.05 110

ADStereo(finetuned)	0.10 133	0.06 46	0.13 206	0.16 132	0.06 11	0.09 78	0.17 308	0.16 121	0.20 256	0.13 212	0.18 255	0.10 149	0.12 244	0.12 177	0.12 224	0.06 110	0.04 22	0.05 25	0.04 33	0.05 95	0.05 110

TRStereo	0.10 133	0.05 11	0.12 174	0.16 132	0.12 411	0.10 119	0.13 106	0.18 183	0.19 235	0.09 87	0.09 88	0.09 118	0.07 100	0.10 54	0.08 14	0.07 236	0.05 155	0.07 193	0.07 267	0.04 15	0.04 28

STrans-v2	0.10 133	0.07 115	0.13 206	0.18 288	0.08 125	0.10 119	0.14 154	0.22 263	0.11 52	0.11 151	0.15 196	0.12 190	0.10 183	0.11 99	0.12 224	0.05 26	0.04 22	0.06 99	0.06 178	0.05 95	0.05 110

TransformOpticalFlow	0.10 133	0.08 226	0.13 206	0.18 288	0.07 64	0.09 78	0.15 223	0.19 210	0.16 176	0.12 183	0.16 213	0.11 169	0.11 213	0.11 99	0.11 167	0.05 26	0.04 22	0.06 99	0.06 178	0.05 95	0.05 110

AnonymousM	0.10 133	0.06 46	0.10 94	0.14 26	0.07 64	0.09 78	0.13 106	0.19 210	0.14 133	0.13 212	0.12 155	0.09 118	0.08 136	0.13 227	0.10 108	0.08 295	0.05 155	0.08 270	0.05 106	0.05 95	0.05 110

cross-raft	0.10 133	0.09 296	0.09 63	0.19 346	0.07 64	0.11 161	0.24 462	0.13 58	0.15 150	0.08 57	0.10 111	0.12 190	0.10 183	0.09 32	0.11 167	0.05 26	0.04 22	0.06 99	0.05 106	0.04 15	0.04 28

test-1	0.10 133	0.07 115	0.17 350	0.19 346	0.08 125	0.11 161	0.24 462	0.15 96	0.18 214	0.09 87	0.07 33	0.10 149	0.08 136	0.08 13	0.09 41	0.06 110	0.04 22	0.06 99	0.06 178	0.04 15	0.05 110

iRaftStereo_RVC	0.10 133	0.07 115	0.10 94	0.17 207	0.09 225	0.11 161	0.17 308	0.18 183	0.12 81	0.09 87	0.11 141	0.10 149	0.07 100	0.11 99	0.10 108	0.05 26	0.04 22	0.08 270	0.08 333	0.04 15	0.04 28

s12784h	0.10 133	0.06 46	0.08 18	0.15 63	0.05 1	0.16 323	0.18 355	0.16 121	0.15 150	0.10 117	0.11 141	0.11 169	0.11 213	0.11 99	0.12 224	0.05 26	0.04 22	0.06 99	0.04 33	0.04 15	0.04 28

DCANet	0.10 133	0.06 46	0.12 174	0.16 132	0.06 11	0.09 78	0.17 308	0.16 121	0.20 256	0.13 212	0.18 255	0.10 149	0.11 213	0.11 99	0.12 224	0.06 110	0.04 22	0.05 25	0.04 33	0.05 95	0.05 110

csc	0.10 133	0.06 46	0.12 174	0.15 63	0.07 64	0.09 78	0.17 308	0.16 121	0.21 270	0.13 212	0.17 232	0.10 149	0.11 213	0.12 177	0.13 259	0.06 110	0.04 22	0.05 25	0.04 33	0.04 15	0.05 110

cscssc	0.10 133	0.06 46	0.12 174	0.15 63	0.07 64	0.09 78	0.17 308	0.16 121	0.21 270	0.13 212	0.17 232	0.10 149	0.11 213	0.12 177	0.13 259	0.06 110	0.04 22	0.05 25	0.04 33	0.04 15	0.05 110

R-Stereo Train	0.10 133	0.06 46	0.11 136	0.17 207	0.08 125	0.11 161	0.14 154	0.24 304	0.11 52	0.12 183	0.19 269	0.11 169	0.08 136	0.10 54	0.11 167	0.07 236	0.05 155	0.06 99	0.05 106	0.05 95	0.05 110

RAFT-Stereo	0.10 133	0.06 46	0.11 136	0.17 207	0.08 125	0.11 161	0.14 154	0.24 304	0.11 52	0.12 183	0.19 269	0.11 169	0.08 136	0.10 54	0.11 167	0.07 236	0.05 155	0.06 99	0.05 106	0.05 95	0.05 110
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
xyz-stereo-finetune2	0.11 172	0.07 115	0.13 206	0.13 8	0.07 64	0.11 161	0.19 397	0.17 156	0.12 81	0.15 259	0.15 196	0.17 294	0.13 275	0.13 227	0.11 167	0.05 26	0.04 22	0.07 193	0.05 106	0.04 15	0.06 186

xyz-stereo-finetune	0.11 172	0.08 226	0.13 206	0.14 26	0.06 11	0.10 119	0.19 397	0.18 183	0.19 235	0.12 183	0.14 183	0.15 257	0.11 213	0.13 227	0.12 224	0.05 26	0.04 22	0.07 193	0.05 106	0.04 15	0.05 110

HI	0.11 172	0.06 46	0.12 174	0.13 8	0.09 225	0.09 78	0.14 154	0.22 263	0.11 52	0.20 368	0.17 232	0.14 232	0.10 183	0.16 299	0.09 41	0.05 26	0.04 22	0.07 193	0.08 333	0.07 247	0.06 186

CoSv	0.11 172	0.06 46	0.12 174	0.13 8	0.09 225	0.09 78	0.14 154	0.22 263	0.11 52	0.20 368	0.17 232	0.14 232	0.10 183	0.16 299	0.09 41	0.05 26	0.04 22	0.07 193	0.08 333	0.07 247	0.06 186

rvit_stereo_0081	0.11 172	0.08 226	0.16 327	0.16 132	0.09 225	0.11 161	0.14 154	0.14 72	0.24 312	0.11 151	0.13 170	0.14 232	0.09 161	0.11 99	0.12 224	0.10 385	0.07 366	0.08 270	0.07 267	0.07 247	0.06 186

rvit_stereo_0082	0.11 172	0.08 226	0.16 327	0.16 132	0.09 225	0.11 161	0.14 154	0.14 72	0.24 312	0.11 151	0.13 170	0.14 232	0.09 161	0.11 99	0.12 224	0.10 385	0.07 366	0.08 270	0.07 267	0.07 247	0.06 186

AIO-Stereo-zeroshot1	0.11 172	0.05 11	0.14 250	0.16 132	0.21 509	0.09 78	0.17 308	0.21 240	0.16 176	0.11 151	0.15 196	0.10 149	0.07 100	0.10 54	0.08 14	0.06 110	0.05 155	0.07 193	0.07 267	0.07 247	0.09 375

AIO-Stereo-zeroshot	0.11 172	0.05 11	0.12 174	0.15 63	0.13 436	0.14 269	0.16 282	0.23 281	0.18 214	0.10 117	0.13 170	0.10 149	0.07 100	0.12 177	0.09 41	0.06 110	0.05 155	0.06 99	0.06 178	0.07 247	0.08 331

CAS++	0.11 172	0.07 115	0.11 136	0.14 26	0.10 330	0.13 230	0.14 154	0.24 304	0.14 133	0.11 151	0.09 88	0.11 169	0.07 100	0.14 254	0.09 41	0.11 416	0.09 421	0.09 352	0.07 267	0.07 247	0.08 331
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
Former-RAFT_DAM_RVC	0.11 172	0.08 226	0.13 206	0.16 132	0.08 125	0.15 295	0.16 282	0.18 183	0.19 235	0.10 117	0.09 88	0.09 118	0.08 136	0.11 99	0.12 224	0.07 236	0.05 155	0.08 270	0.06 178	0.07 247	0.06 186

xx1	0.11 172	0.08 226	0.13 206	0.17 207	0.09 225	0.13 230	0.15 223	0.16 121	0.18 214	0.09 87	0.09 88	0.16 277	0.16 349	0.10 54	0.07 1	0.06 110	0.05 155	0.08 270	0.08 333	0.07 247	0.07 262

1test111	0.11 172	0.08 226	0.13 206	0.17 207	0.09 225	0.13 230	0.15 223	0.24 304	0.16 176	0.09 87	0.09 88	0.06 14	0.06 34	0.15 272	0.16 348	0.06 110	0.05 155	0.06 99	0.05 106	0.07 247	0.07 262

plain	0.11 172	0.09 296	0.10 94	0.19 346	0.09 225	0.11 161	0.14 154	0.14 72	0.13 111	0.13 212	0.15 196	0.09 118	0.12 244	0.13 227	0.12 224	0.07 236	0.05 155	0.09 352	0.06 178	0.06 181	0.06 186

MIF-Stereo (partial)	0.11 172	0.06 46	0.10 94	0.19 346	0.10 330	0.10 119	0.12 69	0.17 156	0.19 235	0.14 235	0.16 213	0.10 149	0.11 213	0.12 177	0.12 224	0.08 295	0.05 155	0.08 270	0.07 267	0.06 181	0.07 262

EKT-Stereo	0.11 172	0.07 115	0.14 250	0.16 132	0.10 330	0.13 230	0.14 154	0.19 210	0.21 270	0.11 151	0.08 68	0.13 213	0.10 183	0.11 99	0.12 224	0.08 295	0.06 298	0.07 193	0.06 178	0.08 312	0.07 262

LL-Strereo2	0.11 172	0.10 361	0.16 327	0.18 288	0.08 125	0.15 295	0.09 19	0.17 156	0.14 133	0.14 235	0.11 141	0.09 118	0.07 100	0.16 299	0.10 108	0.05 26	0.05 155	0.11 427	0.07 267	0.06 181	0.05 110

anonymousdsp2	0.11 172	0.07 115	0.11 136	0.16 132	0.09 225	0.13 230	0.14 154	0.19 210	0.23 302	0.13 212	0.14 183	0.12 190	0.09 161	0.14 254	0.11 167	0.05 26	0.05 155	0.05 25	0.04 33	0.06 181	0.06 186

DCRE	0.11 172	0.07 115	0.13 206	0.16 132	0.11 382	0.11 161	0.17 308	0.18 183	0.17 200	0.11 151	0.18 255	0.11 169	0.10 183	0.15 272	0.11 167	0.06 110	0.05 155	0.06 99	0.06 178	0.05 95	0.05 110

knoymous	0.11 172	0.06 46	0.12 174	0.14 26	0.07 64	0.15 295	0.13 106	0.20 223	0.14 133	0.11 151	0.17 232	0.13 213	0.09 161	0.14 254	0.11 167	0.09 348	0.05 155	0.06 99	0.05 106	0.07 247	0.07 262

riskmin	0.11 172	0.06 46	0.13 206	0.14 26	0.08 125	0.14 269	0.14 154	0.18 183	0.15 150	0.12 183	0.15 196	0.17 294	0.11 213	0.14 254	0.12 224	0.09 348	0.05 155	0.07 193	0.05 106	0.08 312	0.08 331

Selective-RAFT	0.11 172	0.11 385	0.12 174	0.21 424	0.08 125	0.16 323	0.13 106	0.21 240	0.23 302	0.10 117	0.10 111	0.11 169	0.10 183	0.15 272	0.11 167	0.05 26	0.05 155	0.06 99	0.05 106	0.06 181	0.05 110

DCANet-4	0.11 172	0.07 115	0.13 206	0.16 132	0.06 11	0.09 78	0.17 308	0.18 183	0.20 256	0.13 212	0.17 232	0.09 118	0.14 307	0.12 177	0.13 259	0.06 110	0.04 22	0.05 25	0.04 33	0.04 15	0.05 110

DisPM	0.11 172	0.07 115	0.13 206	0.16 132	0.09 225	0.06 7	0.13 106	0.18 183	0.17 200	0.14 235	0.19 269	0.12 190	0.10 183	0.12 177	0.11 167	0.07 236	0.05 155	0.07 193	0.06 178	0.06 181	0.11 424

test_4	0.11 172	0.10 361	0.08 18	0.19 346	0.09 225	0.08 46	0.21 431	0.15 96	0.18 214	0.12 183	0.18 255	0.12 190	0.09 161	0.08 13	0.11 167	0.04 6	0.04 22	0.08 270	0.08 333	0.04 15	0.04 28

CIPLG	0.11 172	0.08 226	0.15 286	0.17 207	0.08 125	0.13 230	0.15 223	0.17 156	0.16 176	0.14 235	0.11 141	0.16 277	0.10 183	0.17 338	0.12 224	0.07 236	0.05 155	0.06 99	0.06 178	0.05 95	0.06 186

GLC_STEREO	0.11 172	0.07 115	0.11 136	0.18 288	0.07 64	0.08 46	0.13 106	0.16 121	0.24 312	0.12 183	0.13 170	0.12 190	0.08 136	0.18 355	0.12 224	0.06 110	0.08 397	0.08 270	0.06 178	0.05 95	0.05 110

IPLG	0.11 172	0.08 226	0.15 286	0.17 207	0.08 125	0.11 161	0.14 154	0.20 223	0.15 150	0.13 212	0.18 255	0.07 62	0.07 100	0.14 254	0.14 295	0.06 110	0.04 22	0.06 99	0.05 106	0.04 15	0.04 28

IPLGR_C	0.11 172	0.08 226	0.15 286	0.17 207	0.08 125	0.12 201	0.15 223	0.17 156	0.15 150	0.14 235	0.11 141	0.16 277	0.10 183	0.16 299	0.12 224	0.07 236	0.05 155	0.06 99	0.06 178	0.05 95	0.06 186

MIPNet	0.11 172	0.08 226	0.15 286	0.17 207	0.09 225	0.12 201	0.14 154	0.21 240	0.25 336	0.12 183	0.10 111	0.09 118	0.07 100	0.13 227	0.13 259	0.06 110	0.04 22	0.06 99	0.05 106	0.04 15	0.04 28

IPLGR	0.11 172	0.09 296	0.17 350	0.18 288	0.08 125	0.13 230	0.16 282	0.21 240	0.24 312	0.12 183	0.12 155	0.11 169	0.09 161	0.13 227	0.12 224	0.06 110	0.05 155	0.06 99	0.06 178	0.05 95	0.04 28

GMOStereo	0.11 172	0.09 296	0.08 18	0.19 346	0.08 125	0.12 201	0.28 495	0.13 58	0.18 214	0.11 151	0.17 232	0.14 232	0.12 244	0.07 3	0.07 1	0.05 26	0.05 155	0.09 352	0.07 267	0.04 15	0.04 28

error version	0.11 172	0.09 296	0.08 18	0.19 346	0.08 125	0.12 201	0.28 495	0.13 58	0.18 214	0.11 151	0.17 232	0.14 232	0.12 244	0.07 3	0.07 1	0.05 26	0.05 155	0.09 352	0.07 267	0.04 15	0.04 28

test-v	0.11 172	0.09 296	0.08 18	0.19 346	0.08 125	0.12 201	0.28 495	0.13 58	0.18 214	0.11 151	0.17 232	0.14 232	0.12 244	0.07 3	0.07 1	0.05 26	0.05 155	0.09 352	0.07 267	0.04 15	0.04 28

ACRE	0.11 172	0.08 226	0.15 286	0.17 207	0.08 125	0.13 230	0.15 223	0.17 156	0.14 133	0.14 235	0.11 141	0.16 277	0.10 183	0.16 299	0.12 224	0.07 236	0.05 155	0.06 99	0.06 178	0.05 95	0.06 186

test_3	0.11 172	0.09 296	0.10 94	0.21 424	0.08 125	0.13 230	0.25 478	0.14 72	0.21 270	0.10 117	0.10 111	0.09 118	0.10 183	0.08 13	0.11 167	0.05 26	0.04 22	0.08 270	0.07 267	0.04 15	0.04 28

LCNet	0.11 172	0.07 115	0.09 63	0.19 346	0.09 225	0.08 46	0.14 154	0.21 240	0.15 150	0.12 183	0.15 196	0.16 277	0.11 213	0.12 177	0.11 167	0.05 26	0.04 22	0.08 270	0.07 267	0.06 181	0.14 470

HHNet	0.11 172	0.06 46	0.16 327	0.15 63	0.14 452	0.07 22	0.13 106	0.20 223	0.18 214	0.15 259	0.25 354	0.11 169	0.09 161	0.13 227	0.10 108	0.06 110	0.04 22	0.08 270	0.06 178	0.05 95	0.09 375

Patchmatch Stereo++	0.11 172	0.09 296	0.17 350	0.19 346	0.08 125	0.06 7	0.11 46	0.17 156	0.13 111	0.15 259	0.16 213	0.14 232	0.12 244	0.11 99	0.11 167	0.06 110	0.05 155	0.08 270	0.06 178	0.08 312	0.07 262
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
OMP-Stereo	0.11 172	0.07 115	0.14 250	0.18 288	0.08 125	0.09 78	0.12 69	0.21 240	0.21 270	0.13 212	0.14 183	0.11 169	0.12 244	0.11 99	0.13 259	0.06 110	0.05 155	0.07 193	0.06 178	0.05 95	0.04 28

IIG-Stereo	0.11 172	0.06 46	0.13 206	0.17 207	0.08 125	0.11 161	0.12 69	0.22 263	0.18 214	0.14 235	0.17 232	0.12 190	0.13 275	0.12 177	0.13 259	0.06 110	0.05 155	0.07 193	0.06 178	0.06 181	0.05 110

NF-Stereo	0.11 172	0.07 115	0.13 206	0.17 207	0.09 225	0.10 119	0.13 106	0.23 281	0.19 235	0.12 183	0.17 232	0.12 190	0.12 244	0.11 99	0.11 167	0.06 110	0.04 22	0.07 193	0.06 178	0.07 247	0.12 443

OCTAStereo	0.11 172	0.07 115	0.14 250	0.17 207	0.09 225	0.10 119	0.13 106	0.23 281	0.19 235	0.12 183	0.17 232	0.12 190	0.12 244	0.11 99	0.11 167	0.06 110	0.04 22	0.07 193	0.06 178	0.07 247	0.11 424

NRIStereo	0.11 172	0.08 226	0.15 286	0.18 288	0.08 125	0.10 119	0.13 106	0.17 156	0.15 150	0.12 183	0.15 196	0.13 213	0.13 275	0.13 227	0.10 108	0.06 110	0.04 22	0.07 193	0.06 178	0.06 181	0.07 262

PSM-adaLoss	0.11 172	0.09 296	0.17 350	0.19 346	0.08 125	0.06 7	0.12 69	0.17 156	0.13 111	0.15 259	0.16 213	0.14 232	0.12 244	0.11 99	0.11 167	0.06 110	0.05 155	0.08 270	0.06 178	0.08 312	0.07 262

PSM-AAD	0.11 172	0.07 115	0.10 94	0.20 394	0.09 225	0.10 119	0.14 154	0.21 240	0.13 111	0.12 183	0.14 183	0.18 309	0.11 213	0.11 99	0.10 108	0.05 26	0.05 155	0.09 352	0.08 333	0.06 181	0.14 470

ROB_FTStereo_v2	0.11 172	0.09 296	0.17 350	0.19 346	0.08 125	0.06 7	0.12 69	0.17 156	0.13 111	0.15 259	0.16 213	0.14 232	0.12 244	0.11 99	0.11 167	0.06 110	0.05 155	0.08 270	0.06 178	0.08 312	0.07 262

ROB_FTStereo	0.11 172	0.09 296	0.17 350	0.19 346	0.08 125	0.06 7	0.11 46	0.17 156	0.13 111	0.15 259	0.16 213	0.14 232	0.12 244	0.11 99	0.11 167	0.06 110	0.05 155	0.08 270	0.06 178	0.08 312	0.07 262

HUI-Stereo	0.11 172	0.09 296	0.17 350	0.19 346	0.08 125	0.06 7	0.11 46	0.17 156	0.13 111	0.15 259	0.16 213	0.14 232	0.12 244	0.11 99	0.11 167	0.06 110	0.05 155	0.08 270	0.06 178	0.08 312	0.07 262

ASMatch	0.11 172	0.06 46	0.13 206	0.17 207	0.10 330	0.08 46	0.14 154	0.18 183	0.16 176	0.12 183	0.16 213	0.16 277	0.11 213	0.13 227	0.11 167	0.05 26	0.04 22	0.06 99	0.06 178	0.04 15	0.09 375

SST-Stereo	0.11 172	0.07 115	0.16 327	0.18 288	0.09 225	0.06 7	0.12 69	0.18 183	0.10 29	0.15 259	0.18 255	0.13 213	0.12 244	0.10 54	0.11 167	0.06 110	0.04 22	0.09 352	0.06 178	0.07 247	0.06 186

RAFT_R40	0.11 172	0.07 115	0.15 286	0.18 288	0.09 225	0.06 7	0.13 106	0.17 156	0.15 150	0.14 235	0.18 255	0.15 257	0.12 244	0.10 54	0.11 167	0.06 110	0.04 22	0.09 352	0.06 178	0.06 181	0.05 110

GrayStereo	0.11 172	0.06 46	0.11 136	0.19 346	0.09 225	0.09 78	0.16 282	0.18 183	0.17 200	0.14 235	0.17 232	0.17 294	0.11 213	0.12 177	0.11 167	0.05 26	0.05 155	0.07 193	0.06 178	0.06 181	0.10 402

RE-Stereo	0.11 172	0.07 115	0.13 206	0.17 207	0.09 225	0.10 119	0.13 106	0.23 281	0.19 235	0.12 183	0.17 232	0.12 190	0.12 244	0.11 99	0.11 167	0.06 110	0.04 22	0.07 193	0.06 178	0.07 247	0.11 424

Pruner-Stereo	0.11 172	0.07 115	0.12 174	0.17 207	0.09 225	0.06 7	0.12 69	0.18 183	0.17 200	0.14 235	0.19 269	0.13 213	0.10 183	0.11 99	0.11 167	0.06 110	0.04 22	0.07 193	0.06 178	0.06 181	0.08 331

TVStereo	0.11 172	0.07 115	0.13 206	0.17 207	0.09 225	0.10 119	0.13 106	0.23 281	0.19 235	0.12 183	0.17 232	0.12 190	0.12 244	0.11 99	0.11 167	0.06 110	0.04 22	0.07 193	0.06 178	0.07 247	0.11 424

DeepStereo_RVC	0.11 172	0.08 226	0.17 350	0.18 288	0.08 125	0.08 46	0.11 46	0.17 156	0.12 81	0.13 212	0.15 196	0.12 190	0.12 244	0.12 177	0.11 167	0.06 110	0.04 22	0.07 193	0.06 178	0.07 247	0.08 331

iGMRVC	0.11 172	0.09 296	0.17 350	0.19 346	0.08 125	0.06 7	0.12 69	0.17 156	0.13 111	0.15 259	0.16 213	0.14 232	0.12 244	0.11 99	0.11 167	0.06 110	0.05 155	0.08 270	0.06 178	0.08 312	0.07 262

RAFT-345	0.11 172	0.07 115	0.16 327	0.17 207	0.08 125	0.08 46	0.12 69	0.16 121	0.10 29	0.11 151	0.34 444	0.09 118	0.10 183	0.11 99	0.12 224	0.05 26	0.05 155	0.07 193	0.06 178	0.04 15	0.05 110

iRAFT	0.11 172	0.09 296	0.17 350	0.19 346	0.08 125	0.06 7	0.11 46	0.17 156	0.13 111	0.15 259	0.16 213	0.14 232	0.12 244	0.11 99	0.11 167	0.06 110	0.05 155	0.08 270	0.06 178	0.08 312	0.07 262

CRE-IMP	0.11 172	0.09 296	0.16 327	0.19 346	0.09 225	0.10 119	0.12 69	0.18 183	0.10 29	0.14 235	0.14 183	0.14 232	0.13 275	0.12 177	0.12 224	0.07 236	0.04 22	0.08 270	0.06 178	0.08 312	0.08 331

test-2	0.11 172	0.09 296	0.08 18	0.19 346	0.08 125	0.12 201	0.28 495	0.13 58	0.18 214	0.11 151	0.17 232	0.14 232	0.12 244	0.07 3	0.07 1	0.05 26	0.05 155	0.09 352	0.07 267	0.04 15	0.04 28

GMM-Stereo	0.11 172	0.07 115	0.10 94	0.18 288	0.09 225	0.08 46	0.14 154	0.24 304	0.16 176	0.11 151	0.15 196	0.13 213	0.11 213	0.11 99	0.11 167	0.05 26	0.04 22	0.08 270	0.07 267	0.06 181	0.09 375

RAFT-IKP	0.11 172	0.09 296	0.17 350	0.19 346	0.08 125	0.06 7	0.11 46	0.17 156	0.13 111	0.15 259	0.16 213	0.14 232	0.12 244	0.11 99	0.11 167	0.06 110	0.05 155	0.08 270	0.06 178	0.08 312	0.07 262

Prome-Stereo	0.11 172	0.07 115	0.11 136	0.18 288	0.09 225	0.12 201	0.14 154	0.23 281	0.13 111	0.13 212	0.16 213	0.13 213	0.08 136	0.12 177	0.10 108	0.05 26	0.05 155	0.07 193	0.06 178	0.06 181	0.10 402

rafts_anoy	0.11 172	0.06 46	0.10 94	0.17 207	0.08 125	0.10 119	0.14 154	0.18 183	0.14 133	0.13 212	0.13 170	0.12 190	0.11 213	0.11 99	0.13 259	0.07 236	0.05 155	0.09 352	0.11 439	0.07 247	0.06 186

raft+_RVC	0.11 172	0.07 115	0.09 63	0.16 132	0.07 64	0.10 119	0.11 46	0.24 304	0.20 256	0.12 183	0.15 196	0.12 190	0.08 136	0.12 177	0.13 259	0.07 236	0.04 22	0.07 193	0.06 178	0.05 95	0.05 110

RALCasStereoNet	0.11 172	0.07 115	0.09 63	0.16 132	0.08 125	0.13 230	0.14 154	0.17 156	0.11 52	0.12 183	0.17 232	0.14 232	0.10 183	0.12 177	0.11 167	0.07 236	0.06 298	0.06 99	0.05 106	0.08 312	0.07 262

RALAANet	0.11 172	0.08 226	0.10 94	0.17 207	0.09 225	0.14 269	0.10 27	0.20 223	0.16 176	0.14 235	0.13 170	0.16 277	0.09 161	0.12 177	0.12 224	0.06 110	0.05 155	0.08 270	0.07 267	0.06 181	0.04 28

111	0.11 172	0.06 46	0.12 174	0.15 63	0.07 64	0.10 119	0.14 154	0.21 240	0.24 312	0.11 151	0.12 155	0.14 232	0.12 244	0.13 227	0.10 108	0.06 110	0.04 22	0.06 99	0.04 33	0.06 181	0.05 110

DIP-Stereo	0.11 172	0.08 226	0.15 286	0.17 207	0.09 225	0.13 230	0.09 19	0.16 121	0.16 176	0.12 183	0.16 213	0.14 232	0.12 244	0.16 299	0.14 295	0.06 110	0.05 155	0.06 99	0.05 106	0.05 95	0.07 262
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.11 172	0.06 46	0.12 174	0.14 26	0.06 11	0.12 201	0.10 27	0.18 183	0.18 214	0.13 212	0.17 232	0.15 257	0.11 213	0.15 272	0.14 295	0.06 110	0.04 22	0.04 1	0.04 33	0.06 181	0.05 110
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
rvit_stereo_0083	0.12 243	0.08 226	0.17 350	0.16 132	0.09 225	0.11 161	0.15 223	0.15 96	0.26 349	0.11 151	0.14 183	0.13 213	0.10 183	0.12 177	0.13 259	0.10 385	0.08 397	0.09 352	0.07 267	0.07 247	0.06 186

rvit_stereo_0081_aga	0.12 243	0.09 296	0.15 286	0.18 288	0.10 330	0.14 269	0.14 154	0.14 72	0.19 235	0.10 117	0.18 255	0.16 277	0.09 161	0.12 177	0.10 108	0.10 385	0.06 298	0.08 270	0.07 267	0.07 247	0.06 186

rvit_stereo_ft	0.12 243	0.07 115	0.13 206	0.19 346	0.10 330	0.12 201	0.17 308	0.16 121	0.16 176	0.13 212	0.13 170	0.15 257	0.10 183	0.14 254	0.13 259	0.10 385	0.06 298	0.08 270	0.07 267	0.07 247	0.06 186

MyStereo8	0.12 243	0.07 115	0.15 286	0.15 63	0.09 225	0.18 362	0.14 154	0.19 210	0.22 292	0.12 183	0.18 255	0.11 169	0.10 183	0.16 299	0.18 378	0.07 236	0.05 155	0.07 193	0.05 106	0.08 312	0.09 375

CoDeX	0.12 243	0.07 115	0.13 206	0.17 207	0.08 125	0.12 201	0.16 282	0.23 281	0.27 361	0.13 212	0.17 232	0.15 257	0.12 244	0.14 254	0.11 167	0.07 236	0.05 155	0.07 193	0.06 178	0.06 181	0.05 110

11t1	0.12 243	0.07 115	0.14 250	0.14 26	0.08 125	0.17 346	0.15 223	0.19 210	0.15 150	0.15 259	0.15 196	0.17 294	0.16 349	0.15 272	0.13 259	0.08 295	0.05 155	0.06 99	0.05 106	0.08 312	0.07 262

ffm	0.12 243	0.09 296	0.15 286	0.16 132	0.09 225	0.17 346	0.17 308	0.15 96	0.19 235	0.15 259	0.26 367	0.19 318	0.13 275	0.10 54	0.08 14	0.06 110	0.05 155	0.09 352	0.08 333	0.06 181	0.06 186

RAFT_CTSACE	0.12 243	0.09 296	0.10 94	0.22 444	0.08 125	0.12 201	0.24 462	0.18 183	0.17 200	0.21 383	0.27 384	0.13 213	0.07 100	0.13 227	0.09 41	0.05 26	0.06 298	0.08 270	0.07 267	0.04 15	0.04 28

Sa-1000	0.12 243	0.08 226	0.09 63	0.18 288	0.08 125	0.15 295	0.22 442	0.22 263	0.19 235	0.15 259	0.20 279	0.17 294	0.11 213	0.10 54	0.10 108	0.06 110	0.05 155	0.09 352	0.09 376	0.05 95	0.05 110

iRaft-Stereo_5w	0.12 243	0.09 296	0.12 174	0.20 394	0.08 125	0.09 78	0.12 69	0.22 263	0.22 292	0.19 347	0.14 183	0.11 169	0.09 161	0.20 398	0.16 348	0.05 26	0.05 155	0.07 193	0.06 178	0.05 95	0.06 186

CrosDoStereo	0.12 243	0.07 115	0.12 174	0.14 26	0.09 225	0.12 201	0.15 223	0.17 156	0.22 292	0.19 347	0.24 327	0.15 257	0.11 213	0.11 99	0.12 224	0.06 110	0.05 155	0.07 193	0.07 267	0.05 95	0.05 110

PFNet+	0.12 243	0.06 46	0.14 250	0.16 132	0.09 225	0.05 3	0.12 69	0.18 183	0.21 270	0.16 288	0.19 269	0.14 232	0.10 183	0.11 99	0.11 167	0.08 295	0.05 155	0.09 352	0.08 333	0.06 181	0.11 424

AAGNet	0.12 243	0.08 226	0.17 350	0.19 346	0.09 225	0.08 46	0.13 106	0.19 210	0.13 111	0.16 288	0.21 296	0.13 213	0.14 307	0.11 99	0.14 295	0.06 110	0.04 22	0.09 352	0.06 178	0.06 181	0.05 110

PSM-softLoss	0.12 243	0.07 115	0.15 286	0.17 207	0.09 225	0.08 46	0.12 69	0.24 304	0.17 200	0.15 259	0.19 269	0.13 213	0.11 213	0.11 99	0.11 167	0.07 236	0.05 155	0.08 270	0.07 267	0.07 247	0.12 443

KMStereo	0.12 243	0.07 115	0.15 286	0.17 207	0.09 225	0.08 46	0.12 69	0.24 304	0.17 200	0.15 259	0.19 269	0.13 213	0.11 213	0.11 99	0.11 167	0.07 236	0.05 155	0.08 270	0.07 267	0.07 247	0.12 443

FTStereo	0.12 243	0.07 115	0.14 250	0.18 288	0.09 225	0.07 22	0.15 223	0.22 263	0.18 214	0.12 183	0.24 327	0.11 169	0.13 275	0.13 227	0.14 295	0.05 26	0.05 155	0.07 193	0.07 267	0.06 181	0.10 402

KYRaft	0.12 243	0.07 115	0.10 94	0.19 346	0.09 225	0.08 46	0.15 223	0.23 281	0.12 81	0.13 212	0.16 213	0.20 335	0.10 183	0.12 177	0.11 167	0.06 110	0.04 22	0.08 270	0.08 333	0.06 181	0.15 484

DeepStereo_LL	0.12 243	0.07 115	0.12 174	0.14 26	0.09 225	0.12 201	0.15 223	0.17 156	0.22 292	0.19 347	0.24 327	0.15 257	0.11 213	0.11 99	0.12 224	0.06 110	0.05 155	0.07 193	0.07 267	0.05 95	0.05 110

DEmStereo	0.12 243	0.06 46	0.14 250	0.14 26	0.10 330	0.16 323	0.15 223	0.16 121	0.24 312	0.17 300	0.23 315	0.12 190	0.14 307	0.12 177	0.14 295	0.05 26	0.04 22	0.07 193	0.06 178	0.05 95	0.05 110

THIR-Stereo	0.12 243	0.07 115	0.11 136	0.15 63	0.08 125	0.14 269	0.16 282	0.18 183	0.25 336	0.17 300	0.24 327	0.13 213	0.13 275	0.12 177	0.14 295	0.06 110	0.05 155	0.07 193	0.07 267	0.05 95	0.05 110

DRaft	0.12 243	0.06 46	0.12 174	0.14 26	0.09 225	0.14 269	0.17 308	0.21 240	0.30 390	0.18 332	0.27 384	0.10 149	0.16 349	0.11 99	0.12 224	0.05 26	0.04 22	0.07 193	0.07 267	0.05 95	0.05 110

PFNet	0.12 243	0.06 46	0.17 350	0.18 288	0.08 125	0.09 78	0.15 223	0.26 337	0.20 256	0.16 288	0.16 213	0.14 232	0.12 244	0.13 227	0.11 167	0.06 110	0.04 22	0.07 193	0.06 178	0.05 95	0.05 110

RAFT-RH_RVC	0.12 243	0.06 46	0.14 250	0.16 132	0.09 225	0.12 201	0.12 69	0.17 156	0.12 81	0.13 212	0.40 473	0.11 169	0.10 183	0.13 227	0.12 224	0.05 26	0.04 22	0.08 270	0.05 106	0.05 95	0.06 186

IRAFT_RVC	0.12 243	0.08 226	0.17 350	0.19 346	0.08 125	0.07 22	0.14 154	0.25 324	0.23 302	0.14 235	0.15 196	0.15 257	0.12 244	0.12 177	0.11 167	0.06 110	0.04 22	0.09 352	0.06 178	0.06 181	0.06 186

sCroCo_RVC	0.12 243	0.09 296	0.24 442	0.24 473	0.11 382	0.19 383	0.14 154	0.17 156	0.15 150	0.10 117	0.13 170	0.12 190	0.07 100	0.14 254	0.11 167	0.08 295	0.08 397	0.08 270	0.08 333	0.05 95	0.07 262

ARAFT	0.12 243	0.08 226	0.18 382	0.19 346	0.09 225	0.15 295	0.17 308	0.20 223	0.13 111	0.12 183	0.13 170	0.14 232	0.12 244	0.15 272	0.13 259	0.06 110	0.05 155	0.10 397	0.09 376	0.06 181	0.04 28

BEATNet_4x	0.12 243	0.09 296	0.15 286	0.18 288	0.07 64	0.15 295	0.07 3	0.23 281	0.19 235	0.16 288	0.19 269	0.19 318	0.14 307	0.17 338	0.15 329	0.07 236	0.05 155	0.05 25	0.05 106	0.06 181	0.07 262

G2L-ROB	0.13 270	0.07 115	0.13 206	0.13 8	0.08 125	0.14 269	0.17 308	0.25 324	0.19 235	0.20 368	0.19 269	0.20 335	0.14 307	0.18 355	0.16 348	0.08 295	0.05 155	0.06 99	0.05 106	0.08 312	0.09 375

DFGA-Net	0.13 270	0.11 385	0.19 405	0.18 288	0.10 330	0.13 230	0.13 106	0.23 281	0.25 336	0.16 288	0.16 213	0.13 213	0.12 244	0.17 338	0.15 329	0.07 236	0.05 155	0.08 270	0.07 267	0.05 95	0.05 110

FACV-RUCA	0.13 270	0.11 385	0.13 206	0.19 346	0.12 411	0.15 295	0.16 282	0.22 263	0.21 270	0.16 288	0.16 213	0.15 257	0.16 349	0.14 254	0.13 259	0.07 236	0.05 155	0.08 270	0.06 178	0.10 407	0.08 331

UGAM	0.13 270	0.10 361	0.09 63	0.22 444	0.08 125	0.13 230	0.20 415	0.18 183	0.24 312	0.22 397	0.16 213	0.13 213	0.13 275	0.19 380	0.13 259	0.07 236	0.05 155	0.13 460	0.11 439	0.07 247	0.05 110

test_sample2	0.13 270	0.07 115	0.12 174	0.14 26	0.08 125	0.16 323	0.18 355	0.21 240	0.16 176	0.14 235	0.21 296	0.20 335	0.15 328	0.15 272	0.13 259	0.08 295	0.06 298	0.07 193	0.06 178	0.08 312	0.08 331

test_sample1	0.13 270	0.07 115	0.14 250	0.14 26	0.08 125	0.19 383	0.17 308	0.20 223	0.15 150	0.14 235	0.22 311	0.18 309	0.16 349	0.17 338	0.15 329	0.07 236	0.06 298	0.06 99	0.06 178	0.08 312	0.08 331

MyStereo05	0.13 270	0.07 115	0.10 94	0.17 207	0.09 225	0.13 230	0.18 355	0.28 375	0.35 434	0.17 300	0.14 183	0.15 257	0.11 213	0.15 272	0.13 259	0.06 110	0.05 155	0.08 270	0.07 267	0.06 181	0.06 186

MyStereo04	0.13 270	0.07 115	0.10 94	0.17 207	0.09 225	0.14 269	0.17 308	0.29 393	0.38 450	0.17 300	0.14 183	0.16 277	0.11 213	0.15 272	0.13 259	0.06 110	0.05 155	0.08 270	0.07 267	0.06 181	0.06 186

ff1	0.13 270	0.09 296	0.15 286	0.16 132	0.09 225	0.17 346	0.17 308	0.15 96	0.19 235	0.15 259	0.26 367	0.19 318	0.13 275	0.15 272	0.22 428	0.06 110	0.05 155	0.09 352	0.08 333	0.06 181	0.06 186

LL-Strereo	0.13 270	0.10 361	0.12 174	0.20 394	0.10 330	0.11 161	0.18 355	0.33 438	0.25 336	0.16 288	0.16 213	0.14 232	0.14 307	0.19 380	0.11 167	0.06 110	0.05 155	0.09 352	0.08 333	0.04 15	0.05 110

anonymousa	0.13 270	0.07 115	0.14 250	0.18 288	0.09 225	0.13 230	0.17 308	0.20 223	0.29 384	0.15 259	0.24 327	0.16 277	0.14 307	0.14 254	0.14 295	0.07 236	0.05 155	0.07 193	0.09 376	0.05 95	0.07 262

TestStereo1	0.13 270	0.08 226	0.08 18	0.20 394	0.08 125	0.18 362	0.29 506	0.23 281	0.17 200	0.17 300	0.20 279	0.16 277	0.11 213	0.12 177	0.13 259	0.06 110	0.06 298	0.08 270	0.06 178	0.05 95	0.05 110

qqq	0.13 270	0.09 296	0.15 286	0.16 132	0.08 125	0.13 230	0.15 223	0.24 304	0.16 176	0.15 259	0.19 269	0.16 277	0.16 349	0.15 272	0.16 348	0.07 236	0.06 298	0.08 270	0.08 333	0.07 247	0.07 262

x	0.13 270	0.08 226	0.15 286	0.14 26	0.08 125	0.19 383	0.14 154	0.22 263	0.21 270	0.15 259	0.20 279	0.20 335	0.18 386	0.18 355	0.18 378	0.07 236	0.05 155	0.06 99	0.06 178	0.07 247	0.07 262

raft_robust	0.13 270	0.10 361	0.07 3	0.18 288	0.08 125	0.13 230	0.24 462	0.29 393	0.34 421	0.20 368	0.20 279	0.15 257	0.10 183	0.11 99	0.12 224	0.05 26	0.05 155	0.07 193	0.07 267	0.05 95	0.04 28

RAFT+CT+SA	0.13 270	0.11 385	0.09 63	0.19 346	0.09 225	0.15 295	0.28 495	0.22 263	0.22 292	0.15 259	0.26 367	0.10 149	0.10 183	0.11 99	0.12 224	0.05 26	0.04 22	0.07 193	0.08 333	0.07 247	0.06 186

SA-5K	0.13 270	0.08 226	0.08 18	0.20 394	0.08 125	0.18 362	0.29 506	0.23 281	0.17 200	0.17 300	0.20 279	0.16 277	0.11 213	0.12 177	0.13 259	0.06 110	0.06 298	0.08 270	0.06 178	0.05 95	0.05 110

SA	0.13 270	0.09 296	0.09 63	0.18 288	0.08 125	0.12 201	0.24 462	0.23 281	0.19 235	0.17 300	0.27 384	0.15 257	0.11 213	0.11 99	0.11 167	0.05 26	0.05 155	0.09 352	0.08 333	0.05 95	0.05 110

GwcNet-ADL	0.13 270	0.08 226	0.14 250	0.20 394	0.09 225	0.12 201	0.20 415	0.30 403	0.25 336	0.14 235	0.14 183	0.18 309	0.14 307	0.13 227	0.15 329	0.07 236	0.05 155	0.06 99	0.05 106	0.07 247	0.06 186

GANet-ADL	0.13 270	0.07 115	0.15 286	0.17 207	0.10 330	0.19 383	0.15 223	0.30 403	0.21 270	0.13 212	0.18 255	0.19 318	0.13 275	0.16 299	0.14 295	0.08 295	0.06 298	0.06 99	0.05 106	0.07 247	0.08 331

RAFT	0.13 270	0.09 296	0.11 136	0.18 288	0.08 125	0.15 295	0.23 452	0.21 240	0.20 256	0.21 383	0.21 296	0.18 309	0.13 275	0.17 338	0.10 108	0.06 110	0.07 366	0.10 397	0.09 376	0.06 181	0.05 110

sAnonymous2	0.13 270	0.12 403	0.25 445	0.20 394	0.12 411	0.18 362	0.14 154	0.27 351	0.21 270	0.11 151	0.12 155	0.13 213	0.08 136	0.11 99	0.11 167	0.09 348	0.05 155	0.08 270	0.06 178	0.15 483	0.10 402

CroCo_RVC	0.13 270	0.12 403	0.25 445	0.20 394	0.12 411	0.18 362	0.14 154	0.27 351	0.21 270	0.11 151	0.12 155	0.13 213	0.08 136	0.11 99	0.11 167	0.09 348	0.05 155	0.08 270	0.06 178	0.15 483	0.10 402

RAFT + AFF	0.13 270	0.08 226	0.21 419	0.20 394	0.10 330	0.14 269	0.23 452	0.27 351	0.21 270	0.12 183	0.10 111	0.12 190	0.10 183	0.16 299	0.12 224	0.08 295	0.07 366	0.09 352	0.09 376	0.06 181	0.09 375

GMStereo	0.13 270	0.15 452	0.14 250	0.18 288	0.09 225	0.16 323	0.16 282	0.20 223	0.25 336	0.17 300	0.17 232	0.11 169	0.11 213	0.16 299	0.13 259	0.07 236	0.06 298	0.06 99	0.06 178	0.07 247	0.06 186
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 270	0.07 115	0.15 286	0.17 207	0.09 225	0.15 295	0.16 282	0.28 375	0.27 361	0.14 235	0.18 255	0.12 190	0.13 275	0.14 254	0.11 167	0.08 295	0.05 155	0.07 193	0.07 267	0.07 247	0.06 186

FENet	0.13 270	0.08 226	0.13 206	0.16 132	0.08 125	0.15 295	0.16 282	0.23 281	0.23 302	0.17 300	0.24 327	0.16 277	0.13 275	0.14 254	0.15 329	0.08 295	0.05 155	0.08 270	0.08 333	0.08 312	0.08 331

MLCV	0.13 270	0.08 226	0.17 350	0.18 288	0.06 11	0.16 323	0.17 308	0.19 210	0.22 292	0.19 347	0.25 354	0.17 294	0.13 275	0.15 272	0.14 295	0.05 26	0.04 22	0.05 25	0.04 33	0.05 95	0.04 28

iResNet	0.13 270	0.10 361	0.18 382	0.19 346	0.08 125	0.14 269	0.18 355	0.21 240	0.27 361	0.16 288	0.24 327	0.15 257	0.13 275	0.14 254	0.15 329	0.06 110	0.04 22	0.06 99	0.05 106	0.06 181	0.05 110

DN-CSS_ROB	0.13 270	0.13 431	0.17 350	0.18 288	0.10 330	0.16 323	0.08 9	0.22 263	0.19 235	0.17 300	0.23 315	0.13 213	0.13 275	0.13 227	0.14 295	0.05 26	0.05 155	0.10 397	0.10 410	0.08 312	0.06 186

xyz-stereo	0.14 300	0.07 115	0.22 428	0.15 63	0.05 1	0.22 426	0.15 223	0.17 156	0.31 399	0.15 259	0.28 394	0.26 409	0.17 373	0.13 227	0.12 224	0.05 26	0.05 155	0.06 99	0.05 106	0.04 15	0.04 28

G2L-Stereo_test	0.14 300	0.07 115	0.11 136	0.13 8	0.08 125	0.12 201	0.17 308	0.31 419	0.28 377	0.21 383	0.23 315	0.20 335	0.16 349	0.17 338	0.19 392	0.07 236	0.05 155	0.05 25	0.05 106	0.07 247	0.07 262

coex_refinement	0.14 300	0.07 115	0.12 174	0.17 207	0.10 330	0.16 323	0.15 223	0.27 351	0.29 384	0.18 332	0.21 296	0.22 362	0.17 373	0.16 299	0.19 392	0.08 295	0.05 155	0.06 99	0.06 178	0.09 373	0.08 331

G2L-Stereo	0.14 300	0.07 115	0.13 206	0.17 207	0.09 225	0.13 230	0.12 69	0.27 351	0.22 292	0.17 300	0.27 384	0.21 344	0.13 275	0.18 355	0.18 378	0.09 348	0.08 397	0.08 270	0.07 267	0.07 247	0.07 262

rvit_0105_6	0.14 300	0.09 296	0.18 382	0.17 207	0.10 330	0.10 119	0.17 308	0.19 210	0.26 349	0.12 183	0.18 255	0.17 294	0.13 275	0.18 355	0.13 259	0.15 482	0.11 455	0.12 446	0.10 410	0.09 373	0.06 186

rvit_0105_5	0.14 300	0.10 361	0.14 250	0.17 207	0.09 225	0.14 269	0.23 452	0.24 304	0.27 361	0.14 235	0.15 196	0.18 309	0.13 275	0.17 338	0.14 295	0.14 478	0.11 455	0.10 397	0.11 439	0.08 312	0.07 262

test_sample6	0.14 300	0.09 296	0.14 250	0.17 207	0.08 125	0.17 346	0.19 397	0.26 337	0.18 214	0.18 332	0.28 394	0.19 318	0.15 328	0.15 272	0.13 259	0.08 295	0.05 155	0.08 270	0.07 267	0.08 312	0.08 331

test_sample5	0.14 300	0.08 226	0.14 250	0.16 132	0.08 125	0.18 362	0.18 355	0.25 324	0.17 200	0.17 300	0.28 394	0.18 309	0.15 328	0.16 299	0.13 259	0.08 295	0.06 298	0.08 270	0.07 267	0.09 373	0.08 331

test_sample4	0.14 300	0.08 226	0.15 286	0.15 63	0.08 125	0.19 383	0.18 355	0.26 337	0.18 214	0.17 300	0.26 367	0.18 309	0.15 328	0.17 338	0.13 259	0.08 295	0.06 298	0.08 270	0.06 178	0.09 373	0.08 331

test_sample3	0.14 300	0.08 226	0.15 286	0.14 26	0.09 225	0.20 402	0.17 308	0.27 351	0.18 214	0.17 300	0.22 311	0.19 318	0.15 328	0.17 338	0.14 295	0.09 348	0.06 298	0.07 193	0.06 178	0.09 373	0.08 331

SMFormer	0.14 300	0.07 115	0.18 382	0.14 26	0.08 125	0.17 346	0.17 308	0.27 351	0.27 361	0.19 347	0.20 279	0.19 318	0.15 328	0.15 272	0.17 365	0.08 295	0.05 155	0.07 193	0.06 178	0.08 312	0.07 262

tta	0.14 300	0.07 115	0.18 382	0.14 26	0.08 125	0.17 346	0.17 308	0.27 351	0.27 361	0.19 347	0.20 279	0.19 318	0.15 328	0.15 272	0.17 365	0.08 295	0.05 155	0.07 193	0.06 178	0.06 181	0.06 186

qqq1	0.14 300	0.07 115	0.18 382	0.14 26	0.08 125	0.17 346	0.17 308	0.27 351	0.27 361	0.19 347	0.20 279	0.19 318	0.15 328	0.15 272	0.12 224	0.08 295	0.05 155	0.05 25	0.05 106	0.06 181	0.06 186

fff1	0.14 300	0.07 115	0.18 382	0.14 26	0.08 125	0.17 346	0.17 308	0.27 351	0.27 361	0.19 347	0.20 279	0.19 318	0.15 328	0.15 272	0.12 224	0.08 295	0.05 155	0.05 25	0.05 106	0.06 181	0.06 186

mmm	0.14 300	0.08 226	0.18 382	0.17 207	0.09 225	0.17 346	0.18 355	0.21 240	0.16 176	0.16 288	0.23 315	0.21 344	0.16 349	0.16 299	0.17 365	0.08 295	0.05 155	0.08 270	0.08 333	0.08 312	0.07 262

DualNet	0.14 300	0.08 226	0.14 250	0.16 132	0.08 125	0.18 362	0.18 355	0.25 324	0.17 200	0.18 332	0.28 394	0.18 309	0.15 328	0.16 299	0.13 259	0.08 295	0.06 298	0.08 270	0.07 267	0.09 373	0.08 331

ttt	0.14 300	0.08 226	0.14 250	0.15 63	0.08 125	0.15 295	0.18 355	0.27 351	0.30 390	0.16 288	0.24 327	0.17 294	0.14 307	0.13 227	0.14 295	0.11 416	0.08 397	0.09 352	0.08 333	0.09 373	0.09 375

StereoVision	0.14 300	0.13 431	0.10 94	0.24 473	0.10 330	0.16 323	0.21 431	0.21 240	0.20 256	0.12 183	0.25 354	0.10 149	0.10 183	0.16 299	0.10 108	0.09 348	0.10 443	0.12 446	0.12 459	0.06 181	0.05 110

PCWNet_CMD	0.14 300	0.08 226	0.15 286	0.17 207	0.09 225	0.14 269	0.14 154	0.29 393	0.36 439	0.14 235	0.20 279	0.21 344	0.13 275	0.17 338	0.14 295	0.07 236	0.05 155	0.07 193	0.07 267	0.07 247	0.07 262

gwcnet-sp	0.14 300	0.07 115	0.13 206	0.18 288	0.09 225	0.16 323	0.18 355	0.24 304	0.24 312	0.19 347	0.24 327	0.15 257	0.16 349	0.16 299	0.15 329	0.08 295	0.07 366	0.07 193	0.08 333	0.08 312	0.07 262

scenet	0.14 300	0.07 115	0.13 206	0.18 288	0.09 225	0.16 323	0.18 355	0.24 304	0.24 312	0.19 347	0.24 327	0.15 257	0.16 349	0.16 299	0.15 329	0.08 295	0.07 366	0.07 193	0.08 333	0.08 312	0.07 262

CASS	0.14 300	0.12 403	0.12 174	0.23 463	0.09 225	0.15 295	0.17 308	0.19 210	0.20 256	0.17 300	0.18 255	0.15 257	0.15 328	0.15 272	0.14 295	0.09 348	0.06 298	0.10 397	0.08 333	0.09 373	0.07 262
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.14 300	0.07 115	0.13 206	0.18 288	0.09 225	0.16 323	0.18 355	0.24 304	0.24 312	0.19 347	0.24 327	0.15 257	0.16 349	0.16 299	0.15 329	0.08 295	0.07 366	0.07 193	0.08 333	0.08 312	0.07 262

IER	0.14 300	0.08 226	0.13 206	0.17 207	0.09 225	0.14 269	0.16 282	0.26 337	0.27 361	0.18 332	0.26 367	0.17 294	0.20 416	0.17 338	0.14 295	0.08 295	0.05 155	0.07 193	0.06 178	0.08 312	0.07 262

test_5	0.14 300	0.12 403	0.08 18	0.20 394	0.10 330	0.14 269	0.28 495	0.21 240	0.24 312	0.19 347	0.28 394	0.11 169	0.15 328	0.12 177	0.13 259	0.06 110	0.05 155	0.07 193	0.08 333	0.08 312	0.07 262

psmg	0.14 300	0.09 296	0.14 250	0.17 207	0.10 330	0.15 295	0.17 308	0.29 393	0.20 256	0.17 300	0.21 296	0.25 399	0.16 349	0.16 299	0.14 295	0.08 295	0.07 366	0.08 270	0.08 333	0.07 247	0.07 262

UDGNet	0.14 300	0.13 431	0.17 350	0.18 288	0.10 330	0.12 201	0.16 282	0.21 240	0.27 361	0.20 368	0.20 279	0.17 294	0.13 275	0.16 299	0.14 295	0.10 385	0.06 298	0.09 352	0.07 267	0.07 247	0.07 262

TestStereo	0.14 300	0.15 452	0.11 136	0.23 463	0.08 125	0.15 295	0.21 431	0.20 223	0.23 302	0.14 235	0.25 354	0.16 277	0.13 275	0.16 299	0.14 295	0.06 110	0.06 298	0.08 270	0.06 178	0.09 373	0.05 110

CFNet_pseudo	0.14 300	0.08 226	0.16 327	0.16 132	0.09 225	0.13 230	0.14 154	0.27 351	0.34 421	0.15 259	0.21 296	0.22 362	0.13 275	0.18 355	0.14 295	0.07 236	0.05 155	0.08 270	0.06 178	0.07 247	0.07 262

GES	0.14 300	0.08 226	0.16 327	0.15 63	0.10 330	0.13 230	0.13 106	0.28 375	0.26 349	0.17 300	0.24 327	0.19 318	0.14 307	0.16 299	0.14 295	0.08 295	0.08 397	0.07 193	0.06 178	0.08 312	0.09 375

cf-r	0.14 300	0.07 115	0.13 206	0.16 132	0.08 125	0.14 269	0.19 397	0.21 240	0.25 336	0.17 300	0.26 367	0.22 362	0.17 373	0.14 254	0.15 329	0.10 385	0.05 155	0.06 99	0.08 333	0.06 181	0.06 186

GANet-RSSM	0.14 300	0.07 115	0.13 206	0.13 8	0.08 125	0.14 269	0.18 355	0.23 281	0.21 270	0.17 300	0.25 354	0.24 387	0.16 349	0.16 299	0.16 348	0.10 385	0.06 298	0.07 193	0.08 333	0.08 312	0.07 262

PSMNet-RSSM	0.14 300	0.07 115	0.14 250	0.15 63	0.08 125	0.13 230	0.16 282	0.25 324	0.24 312	0.17 300	0.28 394	0.23 378	0.14 307	0.16 299	0.14 295	0.11 416	0.06 298	0.09 352	0.12 459	0.08 312	0.07 262

GwcNet-RSSM	0.14 300	0.07 115	0.12 174	0.16 132	0.08 125	0.15 295	0.20 415	0.22 263	0.28 377	0.18 332	0.28 394	0.23 378	0.17 373	0.15 272	0.16 348	0.10 385	0.06 298	0.07 193	0.09 376	0.07 247	0.07 262

CFNet-ft	0.14 300	0.07 115	0.15 286	0.12 4	0.09 225	0.17 346	0.18 355	0.22 263	0.24 312	0.17 300	0.26 367	0.24 387	0.14 307	0.16 299	0.15 329	0.11 416	0.06 298	0.08 270	0.09 376	0.09 373	0.08 331

DMCA	0.14 300	0.09 296	0.17 350	0.19 346	0.09 225	0.15 295	0.17 308	0.23 281	0.28 377	0.14 235	0.20 279	0.17 294	0.18 386	0.15 272	0.17 365	0.10 385	0.06 298	0.08 270	0.06 178	0.09 373	0.10 402

MSMDNet	0.14 300	0.08 226	0.15 286	0.17 207	0.09 225	0.14 269	0.14 154	0.29 393	0.36 439	0.14 235	0.20 279	0.21 344	0.13 275	0.18 355	0.14 295	0.07 236	0.05 155	0.07 193	0.07 267	0.07 247	0.07 262

HSM-Net_RVC	0.14 300	0.08 226	0.12 174	0.15 63	0.08 125	0.16 323	0.15 223	0.27 351	0.29 384	0.20 368	0.21 296	0.29 432	0.14 307	0.18 355	0.13 259	0.06 110	0.06 298	0.06 99	0.06 178	0.07 247	0.06 186
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 300	0.07 115	0.15 286	0.12 4	0.09 225	0.17 346	0.18 355	0.22 263	0.24 312	0.17 300	0.26 367	0.24 387	0.14 307	0.16 299	0.15 329	0.11 416	0.06 298	0.08 270	0.09 376	0.09 373	0.08 331

ccs_rob	0.14 300	0.09 296	0.16 327	0.16 132	0.09 225	0.13 230	0.14 154	0.27 351	0.34 421	0.15 259	0.21 296	0.22 362	0.13 275	0.18 355	0.14 295	0.07 236	0.05 155	0.08 270	0.07 267	0.07 247	0.07 262

iResNet_ROB	0.14 300	0.07 115	0.13 206	0.15 63	0.07 64	0.19 383	0.14 154	0.26 337	0.32 405	0.23 411	0.26 367	0.23 378	0.16 349	0.15 272	0.14 295	0.07 236	0.05 155	0.05 25	0.04 33	0.08 312	0.08 331

rvit_0105_4	0.15 341	0.09 296	0.17 350	0.17 207	0.10 330	0.12 201	0.20 415	0.23 281	0.27 361	0.14 235	0.20 279	0.17 294	0.14 307	0.17 338	0.13 259	0.15 482	0.11 455	0.11 427	0.10 410	0.09 373	0.06 186

DCVSM-stereo	0.15 341	0.09 296	0.16 327	0.16 132	0.10 330	0.15 295	0.09 19	0.20 223	0.24 312	0.20 368	0.24 327	0.26 409	0.15 328	0.19 380	0.14 295	0.09 348	0.07 366	0.09 352	0.08 333	0.10 407	0.12 443

ACV-stereo	0.15 341	0.10 361	0.29 467	0.18 288	0.12 411	0.15 295	0.13 106	0.23 281	0.21 270	0.19 347	0.23 315	0.22 362	0.15 328	0.23 439	0.17 365	0.08 295	0.07 366	0.07 193	0.07 267	0.08 312	0.07 262

DispNO	0.15 341	0.09 296	0.18 382	0.19 346	0.12 411	0.11 161	0.21 431	0.23 281	0.29 384	0.18 332	0.23 315	0.19 318	0.17 373	0.16 299	0.16 348	0.07 236	0.05 155	0.08 270	0.08 333	0.07 247	0.06 186

mmx	0.15 341	0.09 296	0.15 286	0.16 132	0.09 225	0.17 346	0.17 308	0.27 351	0.26 349	0.15 259	0.26 367	0.19 318	0.13 275	0.15 272	0.22 428	0.08 295	0.06 298	0.09 352	0.08 333	0.08 312	0.08 331

xxx	0.15 341	0.09 296	0.15 286	0.16 132	0.09 225	0.17 346	0.17 308	0.27 351	0.26 349	0.15 259	0.26 367	0.19 318	0.13 275	0.15 272	0.22 428	0.08 295	0.06 298	0.09 352	0.08 333	0.08 312	0.08 331

CFNet_ucs	0.15 341	0.09 296	0.17 350	0.16 132	0.11 382	0.14 269	0.14 154	0.30 403	0.34 421	0.16 288	0.24 327	0.23 378	0.14 307	0.18 355	0.15 329	0.09 348	0.06 298	0.08 270	0.07 267	0.09 373	0.09 375

CBFPSM	0.15 341	0.07 115	0.27 455	0.17 207	0.09 225	0.13 230	0.15 223	0.22 263	0.23 302	0.20 368	0.27 384	0.23 378	0.16 349	0.16 299	0.19 392	0.06 110	0.06 298	0.06 99	0.07 267	0.07 247	0.07 262

BUS	0.15 341	0.09 296	0.14 250	0.22 444	0.10 330	0.20 402	0.14 154	0.34 452	0.20 256	0.17 300	0.23 315	0.16 277	0.14 307	0.16 299	0.14 295	0.08 295	0.06 298	0.10 397	0.09 376	0.07 247	0.07 262

BSDual-CNN	0.15 341	0.09 296	0.14 250	0.22 444	0.10 330	0.15 295	0.15 223	0.34 452	0.20 256	0.17 300	0.23 315	0.25 399	0.16 349	0.16 299	0.14 295	0.08 295	0.06 298	0.10 397	0.09 376	0.07 247	0.07 262

hknet	0.15 341	0.11 385	0.14 250	0.22 444	0.11 382	0.15 295	0.15 223	0.34 452	0.26 349	0.17 300	0.23 315	0.22 362	0.18 386	0.17 338	0.13 259	0.07 236	0.06 298	0.10 397	0.09 376	0.07 247	0.07 262

dd	0.15 341	0.17 470	0.17 350	0.19 346	0.09 225	0.15 295	0.18 355	0.22 263	0.26 349	0.23 411	0.20 279	0.21 344	0.10 183	0.21 415	0.17 365	0.10 385	0.06 298	0.08 270	0.06 178	0.08 312	0.07 262

DAS	0.15 341	0.08 226	0.18 382	0.19 346	0.10 330	0.19 383	0.17 308	0.28 375	0.30 390	0.18 332	0.26 367	0.21 344	0.16 349	0.16 299	0.13 259	0.08 295	0.06 298	0.06 99	0.06 178	0.07 247	0.07 262

SepStereo	0.15 341	0.08 226	0.18 382	0.19 346	0.10 330	0.19 383	0.17 308	0.28 375	0.30 390	0.18 332	0.26 367	0.21 344	0.16 349	0.26 459	0.13 259	0.08 295	0.06 298	0.06 99	0.06 178	0.07 247	0.07 262

PSMNet-ADL	0.15 341	0.12 403	0.13 206	0.22 444	0.09 225	0.13 230	0.20 415	0.26 337	0.23 302	0.18 332	0.20 279	0.23 378	0.17 373	0.18 355	0.18 378	0.09 348	0.08 397	0.08 270	0.11 439	0.08 312	0.07 262

LMCR-Stereo	0.15 341	0.08 226	0.14 250	0.21 424	0.09 225	0.18 362	0.19 397	0.28 375	0.19 235	0.24 423	0.24 327	0.23 378	0.17 373	0.20 398	0.17 365	0.07 236	0.06 298	0.08 270	0.06 178	0.10 407	0.09 375

xxxx	0.15 341	0.07 115	0.14 250	0.14 26	0.08 125	0.24 445	0.18 355	0.32 424	0.20 256	0.14 235	0.28 394	0.22 362	0.14 307	0.15 272	0.29 488	0.09 348	0.05 155	0.07 193	0.07 267	0.08 312	0.08 331

test_xeample	0.15 341	0.07 115	0.14 250	0.15 63	0.08 125	0.22 426	0.20 415	0.29 393	0.21 270	0.16 288	0.29 409	0.19 318	0.17 373	0.16 299	0.28 481	0.09 348	0.05 155	0.07 193	0.07 267	0.07 247	0.07 262

ACVNet	0.15 341	0.09 296	0.15 286	0.13 8	0.12 411	0.14 269	0.20 415	0.22 263	0.34 421	0.17 300	0.26 367	0.21 344	0.17 373	0.18 355	0.21 415	0.07 236	0.06 298	0.06 99	0.06 178	0.08 312	0.06 186

acv_ft	0.15 341	0.09 296	0.16 327	0.19 346	0.10 330	0.16 323	0.17 308	0.25 324	0.34 421	0.19 347	0.26 367	0.21 344	0.17 373	0.18 355	0.19 392	0.07 236	0.06 298	0.06 99	0.06 178	0.08 312	0.06 186

RASNet	0.15 341	0.07 115	0.15 286	0.16 132	0.08 125	0.19 383	0.14 154	0.30 403	0.21 270	0.17 300	0.25 354	0.21 344	0.19 404	0.20 398	0.20 402	0.07 236	0.06 298	0.06 99	0.08 333	0.06 181	0.06 186

CFNet	0.15 341	0.11 385	0.17 350	0.17 207	0.08 125	0.19 383	0.10 27	0.29 393	0.26 349	0.19 347	0.24 327	0.24 387	0.18 386	0.18 355	0.15 329	0.08 295	0.06 298	0.09 352	0.10 410	0.08 312	0.07 262

UCFNet_RVC	0.15 341	0.08 226	0.13 206	0.11 1	0.10 330	0.20 402	0.10 27	0.24 304	0.23 302	0.17 300	0.21 296	0.24 387	0.15 328	0.18 355	0.15 329	0.12 442	0.07 366	0.11 427	0.13 470	0.11 427	0.10 402

AdaStereo	0.15 341	0.11 385	0.16 327	0.19 346	0.09 225	0.21 413	0.11 46	0.33 438	0.28 377	0.21 383	0.23 315	0.21 344	0.13 275	0.19 380	0.15 329	0.13 459	0.05 155	0.10 397	0.07 267	0.09 373	0.07 262
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.
iResNetv2_ROB	0.15 341	0.08 226	0.16 327	0.16 132	0.08 125	0.16 323	0.13 106	0.26 337	0.36 439	0.21 383	0.29 409	0.24 387	0.13 275	0.14 254	0.14 295	0.06 110	0.06 298	0.06 99	0.04 33	0.09 373	0.08 331

HSM	0.15 341	0.09 296	0.15 286	0.16 132	0.09 225	0.16 323	0.14 154	0.28 375	0.25 336	0.20 368	0.24 327	0.37 479	0.17 373	0.20 398	0.15 329	0.07 236	0.05 155	0.07 193	0.06 178	0.07 247	0.06 186

pmcnn	0.15 341	0.07 115	0.20 409	0.15 63	0.07 64	0.21 413	0.16 282	0.25 324	0.26 349	0.21 383	0.33 434	0.29 432	0.19 404	0.18 355	0.17 365	0.07 236	0.05 155	0.05 25	0.04 33	0.07 247	0.06 186

DDVS	0.16 368	0.10 361	0.22 428	0.16 132	0.12 411	0.15 295	0.14 154	0.25 324	0.19 235	0.18 332	0.30 415	0.27 415	0.13 275	0.20 398	0.16 348	0.09 348	0.06 298	0.09 352	0.07 267	0.11 427	0.11 424

rvit_0105_3	0.16 368	0.10 361	0.15 286	0.20 394	0.12 411	0.15 295	0.26 484	0.25 324	0.30 390	0.15 259	0.17 232	0.21 344	0.14 307	0.18 355	0.14 295	0.14 478	0.11 455	0.12 446	0.14 475	0.07 247	0.07 262

ITSA-stereo	0.16 368	0.11 385	0.14 250	0.19 346	0.08 125	0.13 230	0.14 154	0.30 403	0.49 492	0.17 300	0.18 255	0.22 362	0.15 328	0.17 338	0.16 348	0.10 385	0.06 298	0.08 270	0.08 333	0.08 312	0.09 375

test_sample7	0.16 368	0.10 361	0.16 327	0.14 26	0.12 411	0.16 323	0.17 308	0.28 375	0.24 312	0.21 383	0.21 296	0.24 387	0.20 416	0.16 299	0.16 348	0.12 442	0.06 298	0.10 397	0.09 376	0.11 427	0.10 402

1111x	0.16 368	0.09 296	0.13 206	0.18 288	0.08 125	0.18 362	0.25 478	0.32 424	0.25 336	0.17 300	0.24 327	0.27 415	0.15 328	0.14 254	0.24 451	0.07 236	0.07 366	0.08 270	0.09 376	0.07 247	0.07 262

GMStereo_Zeroshot	0.16 368	0.13 431	0.25 445	0.20 394	0.10 330	0.17 346	0.13 106	0.30 403	0.25 336	0.23 411	0.32 428	0.25 399	0.11 213	0.19 380	0.14 295	0.09 348	0.06 298	0.11 427	0.06 178	0.12 442	0.08 331

CRFU-Net	0.16 368	0.08 226	0.15 286	0.17 207	0.09 225	0.20 402	0.14 154	0.27 351	0.21 270	0.28 458	0.28 394	0.29 432	0.18 386	0.19 380	0.18 378	0.09 348	0.09 421	0.07 193	0.07 267	0.08 312	0.09 375

NINENet	0.16 368	0.10 361	0.16 327	0.17 207	0.11 382	0.20 402	0.14 154	0.41 498	0.37 444	0.18 332	0.21 296	0.16 277	0.14 307	0.16 299	0.14 295	0.08 295	0.08 397	0.10 397	0.07 267	0.10 407	0.09 375

CSP-Net	0.16 368	0.09 296	0.14 250	0.17 207	0.09 225	0.19 383	0.18 355	0.25 324	0.33 410	0.26 439	0.31 419	0.25 399	0.16 349	0.21 415	0.19 392	0.09 348	0.06 298	0.07 193	0.07 267	0.08 312	0.08 331

AASNet	0.16 368	0.08 226	0.13 206	0.19 346	0.09 225	0.19 383	0.15 223	0.38 485	0.37 444	0.20 368	0.24 327	0.20 335	0.17 373	0.17 338	0.21 415	0.10 385	0.08 397	0.08 270	0.07 267	0.09 373	0.09 375

AACVNet	0.16 368	0.08 226	0.15 286	0.15 63	0.10 330	0.18 362	0.15 223	0.24 304	0.25 336	0.27 446	0.27 384	0.28 425	0.18 386	0.19 380	0.17 365	0.09 348	0.07 366	0.09 352	0.07 267	0.10 407	0.09 375

ADLNet2	0.16 368	0.09 296	0.14 250	0.17 207	0.09 225	0.20 402	0.16 282	0.32 424	0.39 454	0.17 300	0.20 279	0.20 335	0.19 404	0.21 415	0.23 439	0.08 295	0.07 366	0.07 193	0.07 267	0.09 373	0.07 262

ICVP	0.16 368	0.09 296	0.12 174	0.22 444	0.09 225	0.18 362	0.21 431	0.26 337	0.24 312	0.18 332	0.30 415	0.27 415	0.18 386	0.18 355	0.15 329	0.10 385	0.07 366	0.08 270	0.07 267	0.07 247	0.08 331
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous3	0.16 368	0.14 446	0.34 485	0.26 489	0.14 452	0.27 471	0.18 355	0.28 375	0.28 377	0.15 259	0.17 232	0.14 232	0.11 213	0.16 299	0.12 224	0.08 295	0.08 397	0.08 270	0.08 333	0.08 312	0.11 424

ADLNet	0.16 368	0.08 226	0.15 286	0.16 132	0.10 330	0.16 323	0.17 308	0.33 438	0.27 361	0.23 411	0.27 384	0.24 387	0.16 349	0.18 355	0.21 415	0.10 385	0.06 298	0.10 397	0.10 410	0.08 312	0.09 375

HCRNet	0.16 368	0.23 501	0.12 174	0.35 520	0.11 382	0.15 295	0.17 308	0.26 337	0.22 292	0.19 347	0.24 327	0.21 344	0.14 307	0.15 272	0.13 259	0.11 416	0.07 366	0.11 427	0.10 410	0.09 373	0.07 262

222	0.16 368	0.07 115	0.15 286	0.14 26	0.08 125	0.25 453	0.18 355	0.30 403	0.21 270	0.18 332	0.29 409	0.17 294	0.16 349	0.16 299	0.44 527	0.10 385	0.05 155	0.07 193	0.06 178	0.08 312	0.08 331

UPFNet	0.16 368	0.08 226	0.12 174	0.20 394	0.12 411	0.20 402	0.23 452	0.28 375	0.26 349	0.18 332	0.24 327	0.22 362	0.20 416	0.19 380	0.22 428	0.09 348	0.07 366	0.08 270	0.09 376	0.08 312	0.06 186

ac_64	0.16 368	0.09 296	0.15 286	0.18 288	0.10 330	0.22 426	0.17 308	0.24 304	0.22 292	0.19 347	0.24 327	0.29 432	0.18 386	0.19 380	0.22 428	0.09 348	0.08 397	0.08 270	0.09 376	0.07 247	0.06 186

DSFCA	0.16 368	0.09 296	0.14 250	0.16 132	0.10 330	0.21 413	0.19 397	0.28 375	0.31 399	0.23 411	0.25 354	0.22 362	0.16 349	0.20 398	0.20 402	0.10 385	0.07 366	0.09 352	0.09 376	0.08 312	0.08 331

AANet_RVC	0.16 368	0.10 361	0.11 136	0.18 288	0.09 225	0.19 383	0.18 355	0.27 351	0.32 405	0.22 397	0.35 448	0.21 344	0.22 431	0.22 432	0.17 365	0.06 110	0.05 155	0.06 99	0.06 178	0.07 247	0.06 186

DeepPruner_ROB	0.16 368	0.11 385	0.16 327	0.17 207	0.10 330	0.17 346	0.15 223	0.32 424	0.21 270	0.19 347	0.21 296	0.22 362	0.19 404	0.21 415	0.16 348	0.13 459	0.09 421	0.09 352	0.10 410	0.11 427	0.11 424

rvit_stereo_0075_2	0.17 390	0.12 403	0.25 445	0.23 463	0.16 479	0.13 230	0.10 27	0.30 403	0.27 361	0.20 368	0.28 394	0.22 362	0.15 328	0.18 355	0.13 259	0.16 499	0.10 443	0.17 493	0.10 410	0.10 407	0.10 402

DualNet (step1)	0.17 390	0.12 403	0.21 419	0.13 8	0.14 452	0.18 362	0.14 154	0.28 375	0.24 312	0.21 383	0.21 296	0.24 387	0.20 416	0.16 299	0.16 348	0.15 482	0.06 298	0.14 473	0.14 475	0.15 483	0.13 454

iinet-f	0.17 390	0.07 115	0.46 505	0.14 26	0.10 330	0.21 413	0.14 154	0.27 351	0.23 302	0.22 397	0.25 354	0.21 344	0.16 349	0.18 355	0.22 428	0.09 348	0.07 366	0.07 193	0.06 178	0.09 373	0.10 402

ToySt	0.17 390	0.11 385	0.19 405	0.17 207	0.11 382	0.16 323	0.26 484	0.24 304	0.33 410	0.19 347	0.24 327	0.26 409	0.24 444	0.19 380	0.21 415	0.07 236	0.08 397	0.09 352	0.10 410	0.09 373	0.08 331

ssnet_v2	0.17 390	0.10 361	0.18 382	0.17 207	0.11 382	0.21 413	0.22 442	0.34 452	0.25 336	0.23 411	0.23 315	0.27 415	0.19 404	0.22 432	0.21 415	0.11 416	0.10 443	0.09 352	0.09 376	0.08 312	0.08 331

GEStereo_RVC	0.17 390	0.12 403	0.16 327	0.22 444	0.11 382	0.19 383	0.18 355	0.32 424	0.49 492	0.20 368	0.25 354	0.17 294	0.13 275	0.21 415	0.16 348	0.10 385	0.06 298	0.08 270	0.07 267	0.09 373	0.08 331

MMNet	0.17 390	0.10 361	0.17 350	0.20 394	0.11 382	0.27 471	0.20 415	0.26 337	0.42 467	0.22 397	0.30 415	0.22 362	0.20 416	0.18 355	0.20 402	0.06 110	0.06 298	0.07 193	0.07 267	0.08 312	0.07 262

delet	0.17 390	0.09 296	0.18 382	0.19 346	0.11 382	0.21 413	0.22 442	0.30 403	0.38 450	0.17 300	0.27 384	0.19 318	0.19 404	0.19 380	0.21 415	0.08 295	0.08 397	0.09 352	0.11 439	0.06 181	0.07 262

UNet	0.17 390	0.09 296	0.18 382	0.19 346	0.12 411	0.28 481	0.19 397	0.33 438	0.30 390	0.21 383	0.25 354	0.23 378	0.19 404	0.20 398	0.19 392	0.07 236	0.06 298	0.08 270	0.07 267	0.08 312	0.07 262

HGLStereo	0.17 390	0.09 296	0.19 405	0.17 207	0.12 411	0.18 362	0.18 355	0.31 419	0.33 410	0.22 397	0.33 434	0.24 387	0.18 386	0.20 398	0.21 415	0.10 385	0.09 421	0.07 193	0.07 267	0.09 373	0.10 402

DMCA-RVC	0.17 390	0.10 361	0.16 327	0.24 473	0.11 382	0.19 383	0.18 355	0.26 337	0.24 312	0.21 383	0.27 384	0.25 399	0.27 464	0.18 355	0.21 415	0.12 442	0.08 397	0.13 460	0.10 410	0.10 407	0.08 331

FADNet-RVC-Resample	0.17 390	0.12 403	0.32 480	0.22 444	0.12 411	0.19 383	0.14 154	0.25 324	0.24 312	0.24 423	0.27 384	0.20 335	0.15 328	0.17 338	0.16 348	0.07 236	0.08 397	0.12 446	0.10 410	0.09 373	0.11 424

FADNet_RVC	0.17 390	0.14 446	0.41 499	0.20 394	0.11 382	0.13 230	0.13 106	0.27 351	0.22 292	0.21 383	0.23 315	0.20 335	0.18 386	0.15 272	0.17 365	0.08 295	0.08 397	0.12 446	0.09 376	0.11 427	0.10 402

NLCA_NET_v2_RVC	0.17 390	0.10 361	0.23 436	0.20 394	0.10 330	0.15 295	0.18 355	0.31 419	0.25 336	0.21 383	0.31 419	0.25 399	0.17 373	0.21 415	0.20 402	0.09 348	0.06 298	0.08 270	0.09 376	0.07 247	0.08 331
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 390	0.12 403	0.16 327	0.20 394	0.10 330	0.18 362	0.18 355	0.27 351	0.24 312	0.26 439	0.41 483	0.23 378	0.18 386	0.21 415	0.21 415	0.09 348	0.05 155	0.09 352	0.10 410	0.07 247	0.07 262
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 405	0.08 226	0.20 409	0.19 346	0.13 436	0.15 295	0.12 69	0.30 403	0.33 410	0.21 383	0.26 367	0.27 415	0.18 386	0.17 338	0.20 402	0.20 513	0.08 397	0.14 473	0.14 475	0.14 471	0.17 502

test_sample9	0.18 405	0.12 403	0.21 419	0.13 8	0.14 452	0.18 362	0.14 154	0.28 375	0.24 312	0.21 383	0.21 296	0.24 387	0.20 416	0.19 380	0.18 378	0.15 482	0.30 530	0.14 473	0.14 475	0.15 483	0.13 454

fast-acv-ft	0.18 405	0.11 385	0.20 409	0.19 346	0.12 411	0.26 463	0.21 431	0.26 337	0.35 434	0.22 397	0.34 444	0.27 415	0.21 424	0.21 415	0.23 439	0.09 348	0.09 421	0.08 270	0.10 410	0.08 312	0.07 262

HBP-ISP	0.18 405	0.13 431	0.17 350	0.15 63	0.11 382	0.08 46	0.13 106	0.28 375	0.30 390	0.22 397	0.33 434	0.21 344	0.25 451	0.23 439	0.18 378	0.15 482	0.17 504	0.21 507	0.17 501	0.10 407	0.09 375

Wz-Net-LNSev-Ref	0.18 405	0.09 296	0.30 473	0.15 63	0.11 382	0.23 439	0.20 415	0.27 351	0.40 458	0.26 439	0.43 493	0.25 399	0.15 328	0.21 415	0.20 402	0.07 236	0.05 155	0.06 99	0.05 106	0.10 407	0.09 375

dad	0.18 405	0.20 490	0.21 419	0.17 207	0.11 382	0.20 402	0.19 397	0.21 240	0.28 377	0.30 472	0.24 327	0.30 439	0.13 275	0.19 380	0.17 365	0.18 505	0.09 421	0.11 427	0.09 376	0.11 427	0.07 262

hitnet-ft	0.18 405	0.10 361	0.17 350	0.14 26	0.09 225	0.27 471	0.20 415	0.25 324	0.26 349	0.24 423	0.32 428	0.32 459	0.23 437	0.24 450	0.21 415	0.12 442	0.07 366	0.10 397	0.08 333	0.12 442	0.11 424

STTStereo	0.18 405	0.13 431	0.28 458	0.20 394	0.11 382	0.16 323	0.21 431	0.29 393	0.23 302	0.22 397	0.30 415	0.29 432	0.18 386	0.20 398	0.20 402	0.12 442	0.11 455	0.11 427	0.14 475	0.09 373	0.08 331

TDLM	0.18 405	0.12 403	0.14 250	0.24 473	0.10 330	0.18 362	0.18 355	0.37 478	0.30 390	0.22 397	0.28 394	0.28 425	0.18 386	0.23 439	0.19 392	0.11 416	0.07 366	0.10 397	0.10 410	0.08 312	0.08 331

CVANet_RVC	0.18 405	0.11 385	0.14 250	0.21 424	0.11 382	0.19 383	0.18 355	0.34 452	0.34 421	0.22 397	0.31 419	0.28 425	0.18 386	0.24 450	0.18 378	0.12 442	0.08 397	0.12 446	0.12 459	0.09 373	0.08 331

DLCB_ROB	0.18 405	0.10 361	0.16 327	0.23 463	0.11 382	0.24 445	0.18 355	0.30 403	0.28 377	0.27 446	0.29 409	0.28 425	0.25 451	0.20 398	0.20 402	0.08 295	0.08 397	0.09 352	0.09 376	0.07 247	0.07 262

TCMNet	0.19 416	0.12 403	0.20 409	0.21 424	0.18 500	0.21 413	0.24 462	0.28 375	0.36 439	0.23 411	0.26 367	0.25 399	0.20 416	0.20 398	0.23 439	0.13 459	0.11 455	0.11 427	0.12 459	0.13 455	0.12 443

rvit_105_1	0.19 416	0.12 403	0.25 445	0.21 424	0.16 479	0.22 426	0.28 495	0.32 424	0.42 467	0.20 368	0.21 296	0.22 362	0.18 386	0.19 380	0.18 378	0.12 442	0.12 469	0.13 460	0.15 490	0.08 312	0.07 262

SACVNet	0.19 416	0.12 403	0.15 286	0.17 207	0.13 436	0.22 426	0.18 355	0.31 419	0.31 399	0.24 423	0.31 419	0.30 439	0.23 437	0.23 439	0.17 365	0.11 416	0.08 397	0.10 397	0.10 410	0.12 442	0.14 470

pcwnet_v2	0.19 416	0.11 385	0.26 453	0.18 288	0.14 452	0.18 362	0.15 223	0.37 478	0.46 488	0.19 347	0.24 327	0.21 344	0.19 404	0.21 415	0.20 402	0.13 459	0.10 443	0.10 397	0.10 410	0.11 427	0.13 454

psm_up	0.19 416	0.10 361	0.18 382	0.21 424	0.11 382	0.17 346	0.19 397	0.38 485	0.34 421	0.22 397	0.28 394	0.29 432	0.25 451	0.20 398	0.22 428	0.09 348	0.10 443	0.11 427	0.11 439	0.08 312	0.08 331

NVstereo2D	0.19 416	0.11 385	0.16 327	0.17 207	0.16 479	0.28 481	0.23 452	0.44 513	0.42 467	0.15 259	0.28 394	0.25 399	0.19 404	0.23 439	0.18 378	0.09 348	0.06 298	0.10 397	0.08 333	0.15 483	0.10 402

StereoDRNet	0.19 416	0.11 385	0.18 382	0.22 444	0.11 382	0.22 426	0.22 442	0.37 478	0.34 421	0.24 423	0.28 394	0.30 439	0.19 404	0.20 398	0.21 415	0.10 385	0.08 397	0.11 427	0.09 376	0.09 373	0.07 262

CBMV_ROB	0.19 416	0.13 431	0.18 382	0.16 132	0.11 382	0.16 323	0.12 69	0.27 351	0.29 384	0.27 446	0.31 419	0.27 415	0.24 444	0.24 450	0.16 348	0.15 482	0.18 506	0.22 511	0.20 507	0.10 407	0.12 443

NOSS_ROB	0.19 416	0.13 431	0.18 382	0.16 132	0.12 411	0.16 323	0.12 69	0.30 403	0.33 410	0.20 368	0.22 311	0.27 415	0.24 444	0.21 415	0.16 348	0.16 499	0.18 506	0.23 512	0.21 509	0.13 455	0.13 454

YMNet	0.20 425	0.12 403	0.20 409	0.21 424	0.14 452	0.27 471	0.23 452	0.32 424	0.34 421	0.28 458	0.35 448	0.30 439	0.18 386	0.18 355	0.22 428	0.11 416	0.13 481	0.10 397	0.10 410	0.09 373	0.09 375

YMNet_1	0.20 425	0.12 403	0.20 409	0.21 424	0.14 452	0.27 471	0.23 452	0.32 424	0.34 421	0.28 458	0.35 448	0.30 439	0.18 386	0.18 355	0.22 428	0.11 416	0.13 481	0.10 397	0.10 410	0.09 373	0.09 375

test_sample8	0.20 425	0.12 403	0.21 419	0.13 8	0.14 452	0.18 362	0.14 154	0.32 424	0.21 270	0.28 458	0.22 311	0.36 476	0.26 458	0.19 380	0.18 378	0.15 482	0.30 530	0.14 473	0.14 475	0.15 483	0.13 454

SDNR	0.20 425	0.09 296	0.19 405	0.16 132	0.12 411	0.79 543	0.13 106	0.26 337	0.33 410	0.19 347	0.25 354	0.19 318	0.12 244	0.19 380	0.15 329	0.16 499	0.18 506	0.14 473	0.11 439	0.08 312	0.12 443

GwcNet	0.20 425	0.14 446	0.20 409	0.18 288	0.12 411	0.25 453	0.20 415	0.36 471	0.45 481	0.20 368	0.33 434	0.33 465	0.21 424	0.22 432	0.25 458	0.11 416	0.09 421	0.09 352	0.09 376	0.09 373	0.10 402

SuperB	0.20 425	0.10 361	0.57 517	0.16 132	0.09 225	0.19 383	0.18 355	0.25 324	0.51 498	0.27 446	0.39 470	0.17 294	0.22 431	0.22 432	0.21 415	0.08 295	0.06 298	0.06 99	0.06 178	0.12 442	0.11 424

ADCRef	0.20 425	0.12 403	0.43 503	0.20 394	0.12 411	0.23 439	0.18 355	0.32 424	0.37 444	0.26 439	0.33 434	0.18 309	0.23 437	0.25 455	0.26 469	0.07 236	0.06 298	0.09 352	0.09 376	0.08 312	0.09 375

ADCP+	0.20 425	0.10 361	0.35 491	0.21 424	0.12 411	0.22 426	0.27 489	0.31 419	0.35 434	0.26 439	0.37 456	0.22 362	0.22 431	0.27 461	0.28 481	0.09 348	0.06 298	0.08 270	0.08 333	0.10 407	0.10 402

PS-NSSS	0.20 425	0.21 495	0.23 436	0.20 394	0.10 330	0.19 383	0.17 308	0.36 471	0.26 349	0.27 446	0.34 444	0.27 415	0.24 444	0.20 398	0.20 402	0.15 482	0.12 469	0.17 493	0.14 475	0.10 407	0.09 375

DRN-Test	0.20 425	0.11 385	0.21 419	0.22 444	0.10 330	0.22 426	0.22 442	0.40 493	0.38 450	0.24 423	0.33 434	0.26 409	0.22 431	0.22 432	0.25 458	0.11 416	0.07 366	0.11 427	0.10 410	0.09 373	0.08 331

DISCO	0.20 425	0.09 296	0.22 428	0.17 207	0.10 330	0.25 453	0.18 355	0.28 375	0.45 481	0.23 411	0.32 428	0.34 469	0.26 458	0.29 476	0.29 488	0.08 295	0.06 298	0.07 193	0.07 267	0.09 373	0.10 402

SGM-Forest	0.20 425	0.14 446	0.18 382	0.20 394	0.13 436	0.21 413	0.22 442	0.33 438	0.31 399	0.24 423	0.29 409	0.28 425	0.20 416	0.23 439	0.18 378	0.15 482	0.16 500	0.15 484	0.14 475	0.13 455	0.12 443
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.20 425	0.15 452	0.18 382	0.18 288	0.10 330	0.20 402	0.11 46	0.30 403	0.31 399	0.29 467	0.31 419	0.31 453	0.23 437	0.28 469	0.19 392	0.13 459	0.15 495	0.17 493	0.16 494	0.10 407	0.10 402
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UDG	0.21 438	0.17 470	0.20 409	0.23 463	0.15 467	0.31 488	0.20 415	0.33 438	0.35 434	0.24 423	0.28 394	0.31 453	0.29 476	0.21 415	0.23 439	0.15 482	0.12 469	0.13 460	0.09 376	0.14 471	0.15 484

FAT-Stereo	0.21 438	0.13 431	0.22 428	0.21 424	0.12 411	0.18 362	0.18 355	0.35 466	0.40 458	0.28 458	0.37 456	0.33 465	0.33 496	0.21 415	0.20 402	0.09 348	0.11 455	0.10 397	0.09 376	0.11 427	0.14 470

FADNet-RVC	0.21 438	0.20 490	0.40 497	0.21 424	0.16 479	0.21 413	0.15 223	0.27 351	0.27 361	0.26 439	0.32 428	0.26 409	0.21 424	0.22 432	0.19 392	0.12 442	0.13 481	0.12 446	0.14 475	0.13 455	0.18 505

FADNet	0.21 438	0.23 501	0.37 494	0.18 288	0.17 491	0.25 453	0.13 106	0.32 424	0.32 405	0.23 411	0.25 354	0.27 415	0.21 424	0.19 380	0.16 348	0.13 459	0.15 495	0.12 446	0.15 490	0.17 501	0.18 505

S-Stereo	0.21 438	0.12 403	0.25 445	0.21 424	0.13 436	0.21 413	0.19 397	0.33 438	0.45 481	0.23 411	0.36 453	0.28 425	0.29 476	0.20 398	0.23 439	0.09 348	0.12 469	0.10 397	0.10 410	0.13 455	0.14 470

DANet	0.21 438	0.16 460	0.29 467	0.25 480	0.13 436	0.23 439	0.19 397	0.28 375	0.27 361	0.28 458	0.32 428	0.35 474	0.32 494	0.31 483	0.24 451	0.11 416	0.09 421	0.11 427	0.10 410	0.13 455	0.11 424
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PWC_ROB	0.21 438	0.16 460	0.27 455	0.18 288	0.11 382	0.22 426	0.13 106	0.33 438	0.49 492	0.30 472	0.40 473	0.32 459	0.25 451	0.31 483	0.23 439	0.10 385	0.07 366	0.11 427	0.08 333	0.11 427	0.10 402

PWCDC_ROB	0.21 438	0.13 431	0.23 436	0.25 480	0.12 411	0.20 402	0.15 223	0.34 452	0.55 508	0.29 467	0.49 503	0.21 344	0.15 328	0.28 469	0.20 402	0.11 416	0.09 421	0.10 397	0.08 333	0.11 427	0.09 375

GASNet	0.22 446	0.24 504	0.34 485	0.26 489	0.17 491	0.27 471	0.16 282	0.45 515	0.42 467	0.27 446	0.24 327	0.30 439	0.16 349	0.27 461	0.18 378	0.12 442	0.09 421	0.12 446	0.11 439	0.16 494	0.08 331

Anonymous_2	0.22 446	0.17 470	0.28 458	0.15 63	0.16 479	0.33 492	0.22 442	0.23 281	0.18 214	0.23 411	0.24 327	0.26 409	0.27 464	0.27 461	0.24 451	0.22 519	0.26 526	0.17 493	0.17 501	0.16 494	0.18 505

Wz-Net-LNSev	0.22 446	0.16 460	0.41 499	0.22 444	0.13 436	0.25 453	0.24 462	0.33 438	0.44 477	0.30 472	0.42 490	0.32 459	0.19 404	0.23 439	0.27 474	0.10 385	0.09 421	0.08 270	0.08 333	0.12 442	0.11 424

FINET	0.22 446	0.18 483	0.28 458	0.19 346	0.16 479	0.24 445	0.24 462	0.33 438	0.49 492	0.26 439	0.33 434	0.22 362	0.23 437	0.23 439	0.18 378	0.18 505	0.16 500	0.11 427	0.10 410	0.15 483	0.14 470

Syn2CoEx	0.22 446	0.16 460	0.29 467	0.29 510	0.15 467	0.26 463	0.21 431	0.34 452	0.32 405	0.29 467	0.36 453	0.28 425	0.25 451	0.20 398	0.25 458	0.16 499	0.12 469	0.14 473	0.11 439	0.09 373	0.08 331

aanetorigin	0.22 446	0.17 470	0.57 517	0.18 288	0.10 330	0.16 323	0.19 397	0.20 223	0.33 410	0.49 519	0.48 502	0.30 439	0.28 473	0.21 415	0.24 451	0.08 295	0.07 366	0.08 270	0.07 267	0.10 407	0.09 375

MaskLacGwcNet_RVC	0.22 446	0.21 495	0.25 445	0.26 489	0.11 382	0.24 445	0.14 154	0.39 490	0.24 312	0.32 484	0.36 453	0.30 439	0.21 424	0.19 380	0.22 428	0.17 504	0.14 491	0.21 507	0.16 494	0.13 455	0.12 443

RP	0.22 446	0.13 431	0.22 428	0.23 463	0.12 411	0.21 413	0.20 415	0.26 337	0.45 481	0.22 397	0.38 463	0.37 479	0.25 451	0.28 469	0.25 458	0.11 416	0.12 469	0.13 460	0.12 459	0.13 455	0.14 470

stereogan	0.22 446	0.11 385	0.21 419	0.20 394	0.12 411	0.32 490	0.19 397	0.36 471	0.45 481	0.23 411	0.39 470	0.35 474	0.27 464	0.33 490	0.23 439	0.10 385	0.12 469	0.10 397	0.10 410	0.14 471	0.14 470

GANet	0.22 446	0.13 431	0.21 419	0.25 480	0.14 452	0.23 439	0.22 442	0.42 503	0.27 361	0.31 477	0.43 493	0.37 479	0.29 476	0.23 439	0.23 439	0.10 385	0.12 469	0.10 397	0.09 376	0.10 407	0.08 331

MDST_ROB	0.22 446	0.10 361	0.18 382	0.18 288	0.11 382	0.40 514	0.19 397	0.44 513	0.42 467	0.40 502	0.40 473	0.29 432	0.21 424	0.27 461	0.19 392	0.11 416	0.10 443	0.14 473	0.11 439	0.10 407	0.08 331

XPNet_ROB	0.22 446	0.12 403	0.20 409	0.22 444	0.13 436	0.22 426	0.19 397	0.35 466	0.40 458	0.30 472	0.40 473	0.38 485	0.27 464	0.26 459	0.29 488	0.15 482	0.10 443	0.10 397	0.10 410	0.13 455	0.12 443

PSMNet_ROB	0.22 446	0.12 403	0.15 286	0.27 497	0.15 467	0.25 453	0.36 525	0.43 509	0.37 444	0.27 446	0.33 434	0.32 459	0.23 437	0.21 415	0.27 474	0.12 442	0.08 397	0.13 460	0.11 439	0.10 407	0.09 375

Wz-Net-MNSev	0.23 459	0.13 431	0.33 482	0.20 394	0.15 467	0.36 504	0.25 478	0.34 452	0.45 481	0.29 467	0.41 483	0.39 490	0.19 404	0.25 455	0.27 474	0.09 348	0.07 366	0.09 352	0.09 376	0.12 442	0.10 402

DDUNet	0.23 459	0.18 483	0.22 428	0.22 444	0.15 467	0.25 453	0.24 462	0.30 403	0.31 399	0.31 477	0.37 456	0.34 469	0.26 458	0.25 455	0.21 415	0.18 505	0.13 481	0.17 493	0.11 439	0.16 494	0.17 502

APVNet	0.23 459	0.12 403	0.20 409	0.18 288	0.14 452	0.32 490	0.31 514	0.40 493	0.33 410	0.27 446	0.40 473	0.30 439	0.29 476	0.27 461	0.25 458	0.11 416	0.12 469	0.11 427	0.14 475	0.12 442	0.13 454

AF-Net	0.23 459	0.17 470	0.17 350	0.27 497	0.13 436	0.26 463	0.24 462	0.33 438	0.51 498	0.25 436	0.33 434	0.39 490	0.27 464	0.28 469	0.26 469	0.11 416	0.10 443	0.16 491	0.12 459	0.11 427	0.11 424

edge stereo	0.23 459	0.14 446	0.21 419	0.21 424	0.13 436	0.24 445	0.16 282	0.32 424	0.42 467	0.32 484	0.40 473	0.39 490	0.35 500	0.25 455	0.25 458	0.13 459	0.11 455	0.14 473	0.11 439	0.12 442	0.14 470

Nwc_Net	0.23 459	0.17 470	0.22 428	0.25 480	0.15 467	0.25 453	0.27 489	0.38 485	0.39 454	0.22 397	0.41 483	0.30 439	0.29 476	0.28 469	0.25 458	0.11 416	0.10 443	0.17 493	0.20 507	0.10 407	0.11 424

RTSC	0.23 459	0.13 431	0.30 473	0.21 424	0.13 436	0.29 483	0.17 308	0.36 471	0.68 526	0.27 446	0.34 444	0.30 439	0.22 431	0.32 487	0.31 498	0.10 385	0.08 397	0.09 352	0.10 410	0.13 455	0.14 470

RYNet	0.23 459	0.12 403	0.22 428	0.19 346	0.17 491	0.47 519	0.26 484	0.39 490	0.49 492	0.24 423	0.29 409	0.34 469	0.24 444	0.20 398	0.31 498	0.10 385	0.06 298	0.09 352	0.09 376	0.14 471	0.15 484

NaN_ROB	0.23 459	0.20 490	0.25 445	0.25 480	0.13 436	0.31 488	0.27 489	0.34 452	0.41 465	0.31 477	0.31 419	0.32 459	0.23 437	0.31 483	0.22 428	0.11 416	0.17 504	0.10 397	0.11 439	0.08 312	0.09 375

ETE_ROB	0.23 459	0.17 470	0.23 436	0.25 480	0.14 452	0.26 463	0.29 506	0.32 424	0.37 444	0.28 458	0.37 456	0.45 507	0.27 464	0.28 469	0.27 474	0.11 416	0.09 421	0.12 446	0.10 410	0.14 471	0.13 454

SQANet	0.24 469	0.24 504	0.31 476	0.31 514	0.19 504	0.27 471	0.13 106	0.30 403	0.33 410	0.25 436	0.37 456	0.31 453	0.22 431	0.27 461	0.23 439	0.15 482	0.10 443	0.21 507	0.16 494	0.22 509	0.16 493

DeepPrunerF	0.24 469	0.17 470	0.45 504	0.26 489	0.16 479	0.23 439	0.29 506	0.37 478	0.51 498	0.27 446	0.31 419	0.24 387	0.28 473	0.22 432	0.23 439	0.15 482	0.11 455	0.20 506	0.18 505	0.12 442	0.14 470

PA-Net	0.24 469	0.18 483	0.34 485	0.28 503	0.22 512	0.22 426	0.39 530	0.29 393	0.39 454	0.22 397	0.33 434	0.25 399	0.26 458	0.21 415	0.25 458	0.10 385	0.23 524	0.15 484	0.22 512	0.09 373	0.13 454
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.24 469	0.15 452	0.18 382	0.34 518	0.18 500	0.24 445	0.24 462	0.34 452	0.29 384	0.31 477	0.38 463	0.38 485	0.29 476	0.23 439	0.25 458	0.15 482	0.12 469	0.18 502	0.21 509	0.13 455	0.13 454

WCMA_ROB	0.24 469	0.11 385	0.24 442	0.17 207	0.14 452	0.34 496	0.16 282	0.33 438	0.33 410	0.39 499	0.54 510	0.40 496	0.35 500	0.35 498	0.26 469	0.12 442	0.12 469	0.12 446	0.11 439	0.14 471	0.14 470

SGM_RVC	0.24 469	0.12 403	0.16 327	0.15 63	0.09 225	0.34 496	0.19 397	0.35 466	0.32 405	0.44 513	0.38 463	0.53 521	0.36 503	0.36 502	0.26 469	0.13 459	0.13 481	0.13 460	0.13 470	0.11 427	0.11 424
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DGSMNet	0.25 475	0.19 486	0.34 485	0.21 424	0.24 516	0.24 445	0.21 431	0.36 471	0.42 467	0.25 436	0.32 428	0.38 485	0.21 424	0.29 476	0.24 451	0.13 459	0.11 455	0.14 473	0.16 494	0.23 512	0.23 518

psmorigin	0.25 475	0.16 460	0.35 491	0.17 207	0.13 436	0.24 445	0.14 154	0.34 452	0.34 421	0.41 506	0.55 511	0.41 499	0.38 506	0.35 498	0.28 481	0.11 416	0.15 495	0.11 427	0.11 439	0.12 442	0.17 502

RGC	0.25 475	0.20 490	0.29 467	0.28 503	0.16 479	0.22 426	0.23 452	0.33 438	0.44 477	0.27 446	0.40 473	0.38 485	0.28 473	0.37 506	0.23 439	0.11 416	0.13 481	0.17 493	0.17 501	0.15 483	0.16 493

G-Net	0.25 475	0.17 470	0.38 495	0.23 463	0.16 479	0.51 522	0.23 452	0.29 393	0.35 434	0.36 492	0.38 463	0.31 453	0.29 476	0.28 469	0.27 474	0.11 416	0.09 421	0.12 446	0.10 410	0.16 494	0.14 470

NCC-stereo	0.25 475	0.15 452	0.31 476	0.26 489	0.17 491	0.21 413	0.31 514	0.41 498	0.40 458	0.24 423	0.38 463	0.33 465	0.29 476	0.37 506	0.28 481	0.13 459	0.11 455	0.15 484	0.22 512	0.13 455	0.13 454

Abc-Net	0.25 475	0.15 452	0.31 476	0.26 489	0.17 491	0.21 413	0.31 514	0.41 498	0.40 458	0.24 423	0.38 463	0.33 465	0.29 476	0.37 506	0.28 481	0.13 459	0.11 455	0.15 484	0.22 512	0.13 455	0.13 454
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.25 475	0.12 403	0.49 510	0.22 444	0.12 411	0.36 504	0.29 506	0.30 403	0.57 511	0.24 423	0.47 501	0.30 439	0.31 492	0.30 482	0.30 493	0.09 348	0.07 366	0.09 352	0.09 376	0.10 407	0.10 402

FBW_ROB	0.25 475	0.17 470	0.23 436	0.27 497	0.14 452	0.26 463	0.22 442	0.42 503	0.43 475	0.42 508	0.41 483	0.43 503	0.27 464	0.32 487	0.24 451	0.09 348	0.15 495	0.15 484	0.12 459	0.12 442	0.10 402

SANet	0.25 475	0.14 446	0.29 467	0.21 424	0.11 382	0.29 483	0.25 478	0.40 493	0.65 525	0.36 492	0.40 473	0.42 501	0.27 464	0.27 461	0.25 458	0.12 442	0.09 421	0.10 397	0.09 376	0.13 455	0.12 443

LALA_ROB	0.25 475	0.16 460	0.23 436	0.27 497	0.17 491	0.27 471	0.27 489	0.42 503	0.38 450	0.33 488	0.39 470	0.51 517	0.26 458	0.29 476	0.28 481	0.16 499	0.09 421	0.13 460	0.12 459	0.13 455	0.13 454

Wz-Net-SNSev	0.26 485	0.17 470	0.46 505	0.25 480	0.14 452	0.26 463	0.24 462	0.38 485	0.57 511	0.30 472	0.56 512	0.39 490	0.26 458	0.24 450	0.32 503	0.10 385	0.09 421	0.10 397	0.11 439	0.11 427	0.11 424

SHD	0.26 485	0.15 452	0.31 476	0.24 473	0.18 500	0.23 439	0.15 223	0.39 490	0.72 531	0.32 484	0.42 490	0.36 476	0.29 476	0.33 490	0.30 493	0.13 459	0.11 455	0.14 473	0.13 470	0.16 494	0.20 513

ADCMid	0.26 485	0.15 452	0.42 501	0.20 394	0.14 452	0.25 453	0.26 484	0.35 466	0.40 458	0.37 496	0.45 497	0.34 469	0.42 516	0.36 502	0.36 510	0.10 385	0.09 421	0.11 427	0.11 439	0.13 455	0.13 454

AnyNet_C32	0.26 485	0.16 460	0.39 496	0.20 394	0.17 491	0.26 463	0.31 514	0.32 424	0.45 481	0.31 477	0.50 505	0.30 439	0.34 497	0.41 520	0.36 510	0.12 442	0.12 469	0.12 446	0.14 475	0.14 471	0.15 484

ADCPNet	0.26 485	0.17 470	0.62 522	0.21 424	0.15 467	0.36 504	0.25 478	0.33 438	0.37 444	0.31 477	0.41 483	0.36 476	0.29 476	0.29 476	0.34 508	0.12 442	0.10 443	0.11 427	0.12 459	0.14 471	0.13 454

DispFullNet	0.27 490	0.22 499	0.66 525	0.28 503	0.17 491	0.27 471	0.17 308	0.34 452	0.57 511	0.27 446	0.37 456	0.43 503	0.24 444	0.39 512	0.25 458	0.12 442	0.06 298	0.19 504	0.11 439	0.23 512	0.16 493

MeshStereo	0.27 490	0.13 431	0.18 382	0.15 63	0.11 382	0.33 492	0.24 462	0.41 498	0.36 439	0.53 522	0.58 519	0.67 531	0.41 512	0.36 502	0.27 474	0.14 478	0.13 481	0.13 460	0.11 439	0.11 427	0.11 424
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
PSMNet-RUCA	0.28 492	0.33 523	0.42 501	0.36 522	0.32 528	0.18 362	0.20 415	0.42 503	0.30 390	0.33 488	0.41 483	0.40 496	0.24 444	0.31 483	0.20 402	0.19 508	0.11 455	0.25 514	0.15 490	0.22 509	0.16 493

CC-Net-ROB	0.28 492	0.31 521	0.36 493	0.30 512	0.15 467	0.25 453	0.19 397	0.45 515	0.34 421	0.39 499	0.37 456	0.39 490	0.31 492	0.27 461	0.27 474	0.24 526	0.18 506	0.30 527	0.23 516	0.19 506	0.15 484

DPSNet	0.28 492	0.16 460	0.33 482	0.18 288	0.13 436	0.55 525	0.42 533	0.52 525	0.68 526	0.29 467	0.38 463	0.39 490	0.30 487	0.32 487	0.23 439	0.11 416	0.10 443	0.11 427	0.08 333	0.20 508	0.16 493

PDISCO_ROB	0.28 492	0.16 460	0.28 458	0.28 503	0.20 507	0.33 492	0.27 489	0.45 515	0.58 514	0.28 458	0.41 483	0.45 507	0.30 487	0.34 493	0.35 509	0.12 442	0.09 421	0.17 493	0.16 494	0.17 501	0.13 454

Wz-Net-TNSev	0.29 496	0.20 490	0.69 533	0.19 346	0.15 467	0.38 510	0.27 489	0.36 471	0.56 510	0.35 490	0.42 490	0.45 507	0.39 507	0.33 490	0.31 498	0.13 459	0.13 481	0.10 397	0.12 459	0.15 483	0.15 484

WZ-Net	0.29 496	0.17 470	0.82 541	0.23 463	0.16 479	0.35 500	0.29 506	0.40 493	0.59 516	0.24 423	0.57 516	0.37 479	0.25 451	0.34 493	0.37 514	0.09 348	0.08 397	0.09 352	0.10 410	0.14 471	0.16 493

XQC	0.29 496	0.23 501	0.53 512	0.29 510	0.19 504	0.36 504	0.28 495	0.37 478	0.58 514	0.31 477	0.31 419	0.37 479	0.30 487	0.39 512	0.39 518	0.13 459	0.09 421	0.15 484	0.12 459	0.18 503	0.18 505

ccnet	0.30 499	0.28 512	0.24 442	0.20 394	0.28 523	0.41 515	0.22 442	0.46 518	0.33 410	0.37 496	0.46 499	0.37 479	0.30 487	0.40 515	0.43 524	0.23 524	0.14 491	0.21 507	0.17 501	0.23 512	0.19 510

EDNetEfficient	0.30 499	0.24 504	1.18 549	0.18 288	0.10 330	0.20 402	0.20 415	0.21 240	0.61 518	0.74 536	0.56 512	0.30 439	0.40 511	0.23 439	0.32 503	0.09 348	0.07 366	0.08 270	0.07 267	0.11 427	0.10 402

MFN_U_SF_DS_RVC	0.30 499	0.24 504	0.30 473	0.36 522	0.16 479	0.36 504	0.31 514	0.34 452	0.43 475	0.41 506	0.46 499	0.38 485	0.30 487	0.35 498	0.29 488	0.19 508	0.20 512	0.26 515	0.29 525	0.18 503	0.19 510

ADCS	0.30 499	0.19 486	0.48 509	0.21 424	0.18 500	0.29 483	0.24 462	0.42 503	0.64 523	0.40 502	0.50 505	0.40 496	0.37 504	0.40 515	0.43 524	0.13 459	0.13 481	0.13 460	0.14 475	0.16 494	0.16 493

CSAN	0.30 499	0.24 504	0.28 458	0.34 518	0.19 504	0.34 496	0.42 533	0.38 485	0.51 498	0.38 498	0.40 473	0.44 506	0.34 497	0.29 476	0.31 498	0.19 508	0.16 500	0.19 504	0.19 506	0.14 471	0.15 484

GANetREF_RVC	0.31 504	0.34 524	0.29 467	0.35 520	0.16 479	0.33 492	0.42 533	0.48 520	0.52 504	0.35 490	0.35 448	0.34 469	0.32 494	0.40 515	0.33 506	0.27 528	0.20 512	0.29 525	0.15 490	0.19 506	0.18 505
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MSMD_ROB	0.31 504	0.26 510	0.26 453	0.24 473	0.21 509	0.34 496	0.25 478	0.34 452	0.39 454	0.40 502	0.69 527	0.45 507	0.41 512	0.34 493	0.28 481	0.20 513	0.20 512	0.26 515	0.25 518	0.23 512	0.22 517

FC-DCNN v2	0.33 506	0.28 512	0.28 458	0.26 489	0.23 513	0.39 512	0.29 506	0.41 498	0.44 477	0.46 516	0.57 516	0.51 517	0.41 512	0.38 510	0.30 493	0.21 516	0.20 512	0.27 518	0.26 519	0.25 520	0.24 519

FCDSN-DC	0.33 506	0.28 512	0.28 458	0.30 512	0.24 516	0.39 512	0.28 495	0.43 509	0.42 467	0.44 513	0.53 509	0.51 517	0.42 516	0.37 506	0.30 493	0.21 516	0.20 512	0.27 518	0.26 519	0.25 520	0.25 521
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	0.33 506	0.22 499	0.58 520	0.31 514	0.15 467	0.36 504	0.17 308	0.54 528	0.46 488	0.47 518	0.56 512	0.58 524	0.39 507	0.36 502	0.38 517	0.15 482	0.15 495	0.18 502	0.21 509	0.16 494	0.16 493

FC-DCNN	0.33 506	0.28 512	0.28 458	0.26 489	0.23 513	0.38 510	0.29 506	0.40 493	0.44 477	0.46 516	0.56 512	0.51 517	0.41 512	0.38 510	0.31 498	0.21 516	0.20 512	0.27 518	0.26 519	0.25 520	0.24 519

PASM	0.33 506	0.25 509	0.51 511	0.28 503	0.27 522	0.30 486	0.31 514	0.35 466	0.51 498	0.36 492	0.40 473	0.47 514	0.35 500	0.34 493	0.36 510	0.23 524	0.26 526	0.26 515	0.28 524	0.23 512	0.21 514

SGM-ForestM	0.33 506	0.12 403	0.17 350	0.16 132	0.11 382	0.42 516	0.20 415	0.43 509	0.53 507	0.53 522	0.57 516	1.41 553	0.44 521	0.42 521	0.29 488	0.14 478	0.16 500	0.16 491	0.16 494	0.12 442	0.13 454

LSM	0.34 512	0.21 495	0.62 522	0.27 497	0.62 547	0.35 500	0.26 484	0.43 509	0.49 492	0.45 515	0.60 522	0.42 501	0.37 504	0.35 498	0.26 469	0.13 459	0.21 521	0.14 473	0.16 494	0.18 503	0.34 533

GCST	0.37 513	0.42 531	0.27 455	1.03 555	0.39 530	0.18 362	0.08 9	0.21 240	0.18 214	0.28 458	0.25 354	0.15 257	0.12 244	0.16 299	0.14 295	0.64 548	0.43 537	0.75 545	0.65 547	0.64 542	0.46 541

AnyNet_C01	0.37 513	0.26 510	1.41 552	0.22 444	0.17 491	0.51 522	0.28 495	0.36 471	0.40 458	0.39 499	0.75 533	0.46 511	0.39 507	0.46 523	0.50 534	0.13 459	0.13 481	0.13 460	0.14 475	0.14 471	0.16 493

otaku	0.39 515	0.38 527	0.53 512	0.44 529	0.28 523	0.57 527	0.24 462	0.42 503	0.62 521	0.40 502	0.50 505	0.46 511	0.34 497	0.40 515	0.33 506	0.30 529	0.30 530	0.39 531	0.33 530	0.30 526	0.29 527

ACVNet-4b	0.39 515	0.53 534	0.56 515	0.45 530	0.24 516	0.46 518	0.18 355	0.50 522	0.64 523	0.42 508	0.45 497	0.60 525	0.27 464	0.34 493	0.24 451	0.33 531	0.14 491	0.48 534	0.42 534	0.31 529	0.27 526

PVD	0.40 517	0.21 495	0.40 497	0.32 517	0.23 513	0.30 486	0.45 537	0.53 527	0.97 545	0.55 524	0.80 537	0.54 522	0.60 535	0.53 529	0.40 520	0.19 508	0.14 491	0.17 493	0.14 475	0.24 518	0.32 531

Ntro	0.41 518	0.40 529	0.54 514	0.46 533	0.30 527	0.64 531	0.24 462	0.47 519	0.68 526	0.42 508	0.49 503	0.47 514	0.42 516	0.40 515	0.32 503	0.32 530	0.28 528	0.37 530	0.31 528	0.33 531	0.29 527

SAMSARA	0.41 518	0.28 512	0.34 485	0.55 536	0.39 530	0.85 546	1.25 561	0.49 521	0.52 504	0.36 492	0.35 448	0.56 523	0.39 507	0.39 512	0.41 521	0.15 482	0.20 512	0.15 484	0.14 475	0.23 512	0.21 514

ELAS_RVC	0.42 520	0.29 519	0.33 482	0.28 503	0.24 516	0.56 526	0.38 528	0.50 522	0.61 518	0.74 536	0.76 534	0.67 531	0.56 531	0.55 531	0.42 523	0.22 519	0.21 521	0.27 518	0.26 519	0.27 525	0.26 524
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 520	0.29 519	0.34 485	0.28 503	0.24 516	0.63 530	0.37 526	0.52 525	0.52 504	0.72 533	0.82 538	0.68 533	0.56 531	0.52 527	0.45 530	0.22 519	0.21 521	0.27 518	0.26 519	0.26 523	0.26 524
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Consistency-Raft	0.44 522	0.40 529	0.46 505	0.37 524	0.43 534	0.42 516	0.41 531	0.57 530	0.55 508	0.32 484	0.73 531	0.32 459	0.50 525	0.42 521	0.49 533	0.39 533	0.36 534	0.45 533	0.52 543	0.42 533	0.30 529

MSC_U_SF_DS_RVC	0.44 522	0.39 528	0.56 515	0.40 525	0.20 507	0.66 533	0.33 523	0.54 528	0.72 531	0.71 532	0.72 530	0.62 526	0.55 529	0.52 527	0.47 531	0.20 513	0.19 511	0.29 525	0.30 527	0.24 518	0.19 510

ACVNet_1	0.45 524	0.51 533	0.61 521	0.45 530	0.28 523	0.50 520	0.28 495	0.58 535	0.71 530	0.63 527	0.59 521	0.74 536	0.50 525	0.50 525	0.36 510	0.26 527	0.25 525	0.39 531	0.29 525	0.32 530	0.25 521

RTS	0.46 525	0.19 486	3.33 558	0.25 480	0.15 467	0.72 538	0.21 431	0.37 478	0.78 538	0.42 508	0.44 495	0.31 453	0.43 519	0.55 531	0.37 514	0.10 385	0.09 421	0.13 460	0.13 470	0.15 483	0.15 484

RTSA	0.46 525	0.19 486	3.33 558	0.25 480	0.15 467	0.72 538	0.21 431	0.37 478	0.78 538	0.42 508	0.44 495	0.31 453	0.43 519	0.55 531	0.37 514	0.10 385	0.09 421	0.13 460	0.13 470	0.15 483	0.15 484

MANE	0.47 527	0.28 512	0.28 458	0.27 497	0.24 516	0.50 520	0.32 522	0.57 530	0.62 521	0.74 536	1.20 555	1.21 546	0.64 537	0.54 530	0.39 518	0.22 519	0.20 512	0.27 518	0.31 528	0.26 523	0.25 521

NVStereoNet_ROB	0.47 527	0.37 526	0.47 508	0.42 528	0.29 526	0.35 500	0.35 524	0.50 522	0.61 518	0.73 534	0.94 542	0.70 535	0.68 539	0.48 524	0.62 541	0.22 519	0.33 533	0.34 529	0.34 532	0.30 526	0.31 530
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
LE_ROB	0.50 529	0.07 115	0.14 250	0.15 63	0.08 125	0.26 463	0.17 308	0.23 281	1.71 560	4.68 564	0.67 524	0.46 511	0.47 522	0.21 415	0.30 493	0.07 236	0.06 298	0.06 99	0.06 178	0.08 312	0.06 186

anonymity	0.53 530	0.58 535	0.66 525	0.41 526	0.61 546	0.54 524	0.41 531	0.57 530	0.41 465	0.56 525	0.50 505	0.50 516	0.55 529	0.59 536	0.50 534	0.58 544	0.50 547	0.51 536	0.51 541	0.52 535	0.58 543

RainbowNet	0.54 531	0.61 538	0.71 538	0.57 537	0.43 534	0.66 533	0.37 526	0.60 536	0.87 542	0.51 520	0.67 524	0.63 527	0.47 522	0.50 525	0.44 527	0.47 539	0.48 543	0.53 538	0.41 533	0.53 537	0.41 538

BEATNet-Init1	0.54 531	0.28 512	0.68 532	0.31 514	0.21 509	0.85 546	0.31 514	0.57 530	0.69 529	0.89 543	1.00 545	2.17 560	0.66 538	0.58 535	0.44 527	0.19 508	0.18 506	0.23 512	0.22 512	0.22 509	0.21 514

SGM+DAISY	0.57 533	0.58 535	0.67 529	0.41 526	0.55 540	0.68 535	0.51 539	0.57 530	0.46 488	0.67 528	0.70 528	0.69 534	0.57 533	0.64 538	0.58 539	0.59 545	0.49 544	0.50 535	0.50 540	0.52 535	0.59 546

SPS-STEREO	0.58 534	0.59 537	0.66 525	0.45 530	0.55 540	0.65 532	0.44 536	0.63 537	0.51 498	0.69 530	0.65 523	0.66 530	0.58 534	0.62 537	0.62 541	0.62 547	0.47 542	0.51 536	0.49 538	0.55 538	0.58 543
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.65 535	0.66 542	0.66 525	0.51 534	0.69 551	0.70 536	0.58 543	0.65 538	0.75 536	0.61 526	0.73 531	0.63 527	0.68 539	0.65 539	0.60 540	0.66 549	0.58 556	0.63 540	0.59 544	0.68 546	0.69 553

IMH-64-1	0.66 536	0.62 539	0.69 533	0.72 540	0.51 537	0.60 528	0.51 539	0.92 544	0.84 540	0.75 539	1.02 546	0.81 537	0.78 544	0.80 542	0.50 534	0.43 535	0.46 538	0.72 542	0.48 536	0.55 538	0.40 536

IMH-64	0.66 536	0.62 539	0.69 533	0.72 540	0.51 537	0.60 528	0.51 539	0.92 544	0.84 540	0.75 539	1.02 546	0.81 537	0.78 544	0.80 542	0.50 534	0.43 535	0.46 538	0.72 542	0.48 536	0.55 538	0.40 536

ACVNet_2	0.67 538	0.68 543	0.70 536	0.64 538	0.41 532	0.75 541	0.50 538	0.98 550	1.38 555	0.90 544	1.09 549	1.04 541	0.74 542	0.55 531	0.48 532	0.43 535	0.40 536	0.53 538	0.45 535	0.48 534	0.36 535

IMH	0.72 539	0.65 541	0.70 536	0.77 542	0.54 539	0.71 537	0.56 542	0.99 552	1.08 546	0.82 542	1.09 549	0.89 539	0.88 548	0.88 550	0.53 538	0.44 538	0.50 547	0.75 545	0.51 541	0.58 541	0.42 539

PWCK	0.72 539	0.95 553	0.99 547	0.77 542	0.32 528	0.79 543	0.38 528	0.92 544	0.90 543	0.96 547	0.76 534	0.97 540	0.62 536	0.87 548	0.68 544	0.73 551	0.46 538	0.76 547	0.49 538	0.71 549	0.44 540

JetBlue	0.73 541	0.46 532	1.21 550	0.52 535	0.47 536	2.16 561	0.67 549	0.78 540	0.72 531	0.70 531	0.79 536	1.21 546	0.84 546	1.06 557	1.04 557	0.40 534	0.28 528	0.33 528	0.33 530	0.30 526	0.34 533

TorneroNet-64	0.76 542	0.73 545	0.77 539	0.78 544	0.58 545	0.94 551	0.58 543	0.85 543	1.26 550	0.67 528	0.88 540	1.41 553	0.76 543	0.87 548	0.68 544	0.49 540	0.46 538	0.73 544	0.59 544	0.68 546	0.54 542

MADNet+	0.76 542	0.72 544	3.76 561	0.67 539	0.41 532	0.99 552	0.97 559	0.72 539	0.75 536	0.52 521	0.58 519	0.64 529	0.68 539	0.89 551	1.04 557	0.35 532	0.36 534	0.28 524	0.23 516	0.38 532	0.33 532

WAO-7	0.80 544	0.78 547	0.57 517	0.85 547	0.67 550	0.76 542	0.69 552	1.07 554	1.30 552	0.90 544	1.20 555	1.05 542	0.93 550	0.71 540	0.68 544	0.60 546	0.62 557	0.67 541	0.68 550	0.64 542	0.59 546

WAO-6	0.82 545	0.81 548	0.63 524	0.87 549	0.63 548	0.79 543	0.60 545	0.98 550	1.52 559	0.91 546	0.97 544	1.08 543	1.04 554	0.72 541	0.70 547	0.72 550	0.49 544	0.91 553	0.71 551	0.70 548	0.59 546

TorneroNet	0.83 546	0.75 546	0.83 543	0.85 547	0.63 548	1.03 555	0.65 547	0.96 548	1.14 548	0.80 541	1.10 551	1.36 551	0.88 548	0.95 553	0.82 552	0.57 542	0.49 544	0.79 550	0.66 549	0.74 552	0.64 552

LVE	0.84 547	0.87 551	0.86 544	0.81 545	0.56 542	1.09 557	0.66 548	1.07 554	1.45 557	0.97 548	1.23 557	1.11 544	0.86 547	0.84 545	0.72 548	0.49 540	0.56 553	0.76 547	0.60 546	0.66 544	0.60 549

Dean	0.88 548	0.88 552	0.81 540	0.82 546	0.57 543	0.91 548	0.62 546	1.17 560	1.71 560	1.15 555	1.16 553	1.31 550	1.00 553	0.82 544	0.83 553	0.57 542	0.56 553	0.78 549	0.65 547	0.67 545	0.58 543

WAO-8	0.92 549	0.83 549	0.67 529	0.94 552	0.70 552	0.92 549	0.68 550	1.08 556	1.80 562	1.06 552	1.42 559	1.29 548	1.08 556	0.86 546	0.80 550	0.74 552	0.54 550	0.86 551	0.75 552	0.71 549	0.63 550

Venus	0.92 549	0.83 549	0.67 529	0.94 552	0.70 552	0.92 549	0.68 550	1.08 556	1.80 562	1.06 552	1.42 559	1.29 548	1.08 556	0.86 546	0.80 550	0.74 552	0.54 550	0.86 551	0.75 552	0.71 549	0.63 550

UNDER WATER-64	0.97 551	0.96 554	1.48 554	0.88 550	0.57 543	1.24 560	0.90 557	0.78 540	0.96 544	1.05 550	0.85 539	1.56 558	1.26 560	0.97 555	0.99 555	0.88 556	0.57 555	1.04 556	0.88 556	0.81 553	0.75 554

notaker	0.98 552	1.13 556	1.02 548	1.14 557	0.81 555	0.73 540	0.69 552	0.94 547	1.15 549	1.19 557	1.19 554	1.41 553	1.17 559	1.10 559	0.74 549	0.82 555	0.64 558	1.18 557	0.79 554	1.02 556	0.82 557

UNDER WATER	0.99 553	1.00 555	1.47 553	1.00 554	0.71 554	1.18 559	0.86 555	0.81 542	1.09 547	1.02 549	0.90 541	1.53 557	1.26 560	1.06 557	1.02 556	0.79 554	0.54 550	1.02 555	0.88 556	0.83 554	0.75 554

ktn	1.02 554	1.23 558	0.82 541	1.24 559	0.86 557	1.00 554	0.86 555	0.96 548	1.37 554	1.05 550	1.12 552	1.16 545	1.06 555	0.95 553	0.62 541	1.28 561	0.71 559	1.39 561	0.83 555	1.06 558	0.77 556

KSHMR	1.10 555	1.19 557	0.90 546	1.26 560	1.00 559	0.99 552	0.96 558	1.13 559	1.35 553	1.16 556	1.28 558	1.40 552	0.97 552	1.03 556	0.93 554	1.03 559	1.08 561	1.20 558	1.03 560	1.03 557	0.98 559

DPSimNet_ROB	1.14 556	1.25 559	0.87 545	1.15 558	0.90 558	1.15 558	1.18 560	1.20 561	1.26 550	1.45 559	1.05 548	1.44 556	1.13 558	0.92 552	1.70 560	1.47 562	0.52 549	1.22 559	1.04 561	0.92 555	1.03 560

HanzoNet	1.31 557	1.29 560	1.22 551	1.13 556	0.85 556	1.05 556	0.84 554	1.06 553	1.47 558	1.66 560	1.63 561	2.48 562	1.78 562	1.63 561	1.69 559	1.27 560	0.80 560	1.32 560	1.02 559	1.07 559	0.90 558

JetRed	1.66 558	1.51 561	3.09 557	0.93 551	1.21 560	5.28 564	1.61 563	1.29 562	1.42 556	1.84 561	1.77 562	1.59 559	0.95 551	1.43 560	2.51 564	0.91 558	1.61 562	0.93 554	0.91 558	1.36 560	1.03 560

MADNet++	1.97 559	1.75 562	1.66 555	1.83 561	1.69 562	2.38 562	1.45 562	2.36 563	2.11 564	2.58 563	2.37 564	2.25 561	2.21 563	2.28 562	2.36 563	1.87 563	1.67 563	1.53 562	1.34 562	1.87 561	1.78 563

coex-ft	3.24 560	0.35 525	57.83 581	0.18 288	0.13 436	0.27 471	0.23 452	0.28 375	0.72 531	1.89 562	0.70 528	0.43 503	0.47 522	0.29 476	0.43 524	0.09 348	0.09 421	0.12 446	0.09 376	0.14 471	0.14 470

TCMNet-wrong-test	3.69 561	5.54 570	3.91 562	12.22 573	11.75 574	4.77 563	3.86 564	1.08 556	0.74 535	1.13 554	2.21 563	6.16 567	0.53 528	3.43 564	2.33 562	0.90 557	0.20 512	1.85 564	1.69 563	5.71 569	3.79 569

tt	4.65 562	0.07 115	3.54 560	2.01 562	1.55 561	10.25 568	16.66 568	8.90 572	5.03 565	1.33 558	0.96 543	4.71 563	4.74 564	3.33 563	5.86 566	6.06 571	10.30 575	1.87 565	2.09 565	2.61 563	1.19 562

USTest	6.16 563	2.65 564	2.79 556	6.48 569	7.21 568	14.33 571	21.38 570	6.98 571	9.55 570	5.35 567	6.12 565	5.71 566	7.69 567	6.31 568	6.75 567	1.97 564	3.38 569	1.63 563	2.14 566	2.49 562	2.35 564

xxxxx1	7.75 564	5.06 567	7.26 564	3.15 563	3.91 564	16.37 572	22.88 573	5.87 568	8.68 567	7.99 568	8.55 566	9.13 570	8.46 568	10.05 570	10.47 568	2.43 565	2.48 565	3.56 568	12.26 572	3.48 564	3.02 566

tt_ll	7.75 564	5.06 567	7.26 564	3.15 563	3.91 564	16.37 572	22.88 573	5.87 568	8.68 567	7.99 568	8.55 566	9.13 570	8.46 568	10.05 570	10.47 568	2.43 565	2.48 565	3.56 568	12.26 572	3.48 564	3.02 566

ff	7.75 564	5.06 567	7.26 564	3.15 563	3.91 564	16.37 572	22.88 573	5.87 568	8.68 567	7.99 568	8.55 566	9.13 570	8.46 568	10.05 570	10.47 568	2.43 565	2.48 565	3.56 568	12.26 572	3.48 564	3.02 566

EDNetEfficientorigin	7.92 567	0.32 522	152.98 582	0.20 394	0.10 330	0.22 426	0.17 308	0.23 281	0.60 517	0.73 534	0.67 524	0.41 499	0.51 527	0.24 450	0.41 521	0.08 295	0.07 366	0.09 352	0.07 267	0.12 442	0.11 424

DPSMNet_ROB	8.06 568	4.50 565	8.69 571	5.36 568	10.74 571	8.32 566	22.71 571	5.47 566	13.38 572	5.13 565	9.98 569	5.10 564	10.47 571	5.53 566	12.77 572	3.80 569	8.00 570	3.49 566	6.95 569	3.75 568	7.09 571

DGTPSM_ROB	8.06 568	4.50 565	8.69 571	5.34 566	10.73 570	8.32 566	22.71 571	5.47 566	13.38 572	5.13 565	9.98 569	5.10 564	10.47 571	5.53 566	12.77 572	3.79 568	8.00 570	3.49 566	6.95 569	3.74 567	7.09 571

PML	8.57 570	9.39 574	6.24 563	5.34 566	6.36 567	13.21 570	20.99 569	5.35 565	6.68 566	17.75 576	26.46 581	7.58 568	6.08 566	7.89 569	5.76 565	5.33 570	1.83 564	5.95 574	1.93 564	8.75 572	2.53 565

DLNR_Zeroshot_test	10.48 571	2.27 563	19.78 577	120.28 582	13.29 575	0.06 7	0.13 106	0.24 304	0.10 29	0.08 57	0.10 111	0.09 118	0.07 100	0.10 54	0.09 41	0.13 459	0.04 22	0.06 99	0.04 33	52.68 581	0.04 28

LRCNet_RVC	10.76 572	13.97 575	7.97 570	19.07 575	2.04 563	0.35 500	0.31 514	5.29 564	0.48 491	13.02 574	17.65 575	8.69 569	5.73 565	4.78 565	2.22 561	23.53 579	2.69 568	27.60 580	25.75 580	17.60 577	16.54 578

Anonymous_1	10.87 573	7.82 571	7.41 567	10.29 570	10.08 569	18.64 576	26.11 576	11.02 573	13.45 574	9.43 571	10.10 571	9.73 573	11.31 573	10.69 573	12.47 571	6.42 572	8.38 572	5.70 571	10.22 571	11.41 573	6.65 570

DPSM_ROB	11.10 574	8.47 572	7.95 568	10.84 571	11.58 572	19.10 577	26.50 577	12.02 574	14.09 575	10.38 572	10.91 572	10.39 574	11.92 574	11.67 574	13.39 574	6.99 573	8.79 573	5.82 572	6.92 567	6.97 570	7.31 573

DPSM	11.10 574	8.47 572	7.95 568	10.84 571	11.58 572	19.10 577	26.50 577	12.02 574	14.09 575	10.38 572	10.91 572	10.39 574	11.92 574	11.67 574	13.39 574	6.99 573	8.79 573	5.82 572	6.92 567	6.97 570	7.31 573

HaxPig	15.73 576	18.55 579	19.19 576	16.92 574	15.89 576	7.80 565	7.57 565	13.37 576	10.80 571	15.40 575	14.87 574	15.95 576	14.81 576	15.67 576	15.97 576	18.96 578	16.72 576	19.47 578	18.10 578	19.45 578	19.06 579

MEDIAN_ROB	20.38 577	24.05 580	23.36 578	21.18 576	21.62 577	10.51 569	8.17 566	17.68 577	15.46 577	20.04 577	19.65 576	20.30 577	20.16 577	21.17 577	21.03 577	23.81 580	21.77 580	24.98 579	23.75 579	25.01 579	23.94 580

CasAABBNet	22.33 578	17.11 576	15.84 573	21.94 577	23.28 578	38.30 579	53.40 581	24.05 579	28.44 580	20.66 578	21.86 578	21.03 579	24.04 579	23.35 578	27.03 580	14.06 575	17.69 578	11.70 575	13.94 576	14.04 574	14.76 576

Selective-RAFT-Error	22.39 579	17.14 577	16.01 574	22.00 578	23.34 579	38.37 580	53.36 580	24.24 581	28.53 581	20.80 579	21.94 579	20.94 578	24.02 578	23.48 580	27.33 581	14.07 576	17.70 579	11.70 575	13.93 575	14.05 575	14.83 577

LSM0	22.80 580	17.22 578	19.17 575	22.12 579	28.90 581	38.38 581	53.27 579	24.21 580	28.36 579	20.84 580	21.11 577	21.63 580	24.25 580	23.42 579	26.98 579	14.08 577	17.39 577	11.72 577	13.98 577	14.22 576	14.66 575

AVERAGE_ROB	24.89 581	29.12 581	27.98 579	24.83 580	24.59 580	17.82 575	11.61 567	21.45 578	19.91 578	25.04 581	24.38 580	25.06 581	25.31 581	24.69 581	22.86 578	29.74 581	27.09 581	28.97 581	27.94 581	30.07 580	29.35 581

test_example2	97.69 582	92.93 582	45.57 580	96.02 581	109.84 582	88.44 582	93.70 582	25.54 582	94.63 582	130.46 583	126.87 582	58.93 582	75.48 582	87.99 582	77.94 582	150.16 582	221.11 582	76.29 582	98.21 582	108.42 582	95.33 582

ccccc		285.89 583		366.70 583	366.78 583	118.88 583		113.97 583		125.77 582		120.54 583		252.62 583		382.79 583	352.84 583	254.30 583	222.62 583	426.61 583

Low-res two-view benchmark