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

GREAT-IGEV	0.07 3	0.06 46	0.09 61	0.13 8	0.07 62	0.07 22	0.14 152	0.10 14	0.09 19	0.06 7	0.08 66	0.06 14	0.05 9	0.10 54	0.07 1	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

SCV_C0	0.08 39	0.07 113	0.08 18	0.16 130	0.10 328	0.08 46	0.14 152	0.11 24	0.13 109	0.08 57	0.07 33	0.06 14	0.05 9	0.11 99	0.07 1	0.05 24	0.05 153	0.05 23	0.04 31	0.06 179	0.05 108

FoundationStereo	0.06 1	0.04 1	0.08 18	0.13 8	0.05 1	0.09 78	0.13 104	0.06 1	0.09 19	0.05 1	0.05 7	0.06 14	0.04 1	0.07 3	0.07 1	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

GIP-stereo	0.08 39	0.06 46	0.11 134	0.15 63	0.07 62	0.09 78	0.13 104	0.15 94	0.11 52	0.07 28	0.08 66	0.05 1	0.04 1	0.10 54	0.07 1	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

IGEV-BASED-STEREO-	0.09 72	0.10 359	0.32 478	0.15 63	0.06 11	0.08 46	0.14 152	0.11 24	0.10 29	0.07 28	0.07 33	0.06 14	0.04 1	0.11 99	0.07 1	0.12 440	0.04 20	0.07 191	0.05 104	0.05 93	0.05 108

ACVNet-DCA	0.10 131	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.24 302	0.16 174	0.09 85	0.09 86	0.06 14	0.06 34	0.10 54	0.07 1	0.06 108	0.05 153	0.06 97	0.05 104	0.07 245	0.07 260

xx1	0.11 170	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.16 119	0.18 212	0.09 85	0.09 86	0.16 275	0.16 347	0.10 54	0.07 1	0.06 108	0.05 153	0.08 268	0.08 331	0.07 245	0.07 260

cc1	0.10 131	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.16 119	0.18 212	0.09 85	0.09 86	0.06 14	0.06 34	0.10 54	0.07 1	0.06 108	0.05 153	0.06 97	0.05 104	0.06 179	0.06 184

GMOStereo	0.11 170	0.09 294	0.08 18	0.19 344	0.08 123	0.12 199	0.28 493	0.13 56	0.18 212	0.11 149	0.17 230	0.14 230	0.12 242	0.07 3	0.07 1	0.05 24	0.05 153	0.09 350	0.07 265	0.04 13	0.04 28

error version	0.11 170	0.09 294	0.08 18	0.19 344	0.08 123	0.12 199	0.28 493	0.13 56	0.18 212	0.11 149	0.17 230	0.14 230	0.12 242	0.07 3	0.07 1	0.05 24	0.05 153	0.09 350	0.07 265	0.04 13	0.04 28

test-v	0.11 170	0.09 294	0.08 18	0.19 344	0.08 123	0.12 199	0.28 493	0.13 56	0.18 212	0.11 149	0.17 230	0.14 230	0.12 242	0.07 3	0.07 1	0.05 24	0.05 153	0.09 350	0.07 265	0.04 13	0.04 28

CroCo-Stereo	0.09 72	0.08 224	0.08 18	0.22 442	0.09 223	0.09 78	0.18 353	0.16 119	0.12 79	0.07 28	0.07 33	0.08 89	0.06 34	0.08 13	0.07 1	0.07 234	0.05 153	0.06 97	0.04 31	0.05 93	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
test-2	0.11 170	0.09 294	0.08 18	0.19 344	0.08 123	0.12 199	0.28 493	0.13 56	0.18 212	0.11 149	0.17 230	0.14 230	0.12 242	0.07 3	0.07 1	0.05 24	0.05 153	0.09 350	0.07 265	0.04 13	0.04 28

water-stereo	0.09 72	0.06 46	0.08 18	0.16 130	0.07 62	0.10 119	0.13 104	0.15 94	0.13 109	0.11 149	0.12 153	0.09 116	0.10 181	0.07 3	0.08 14	0.06 108	0.05 153	0.05 23	0.05 104	0.04 13	0.04 28

monsters	0.07 3	0.06 46	0.06 1	0.15 63	0.06 11	0.08 46	0.09 17	0.13 56	0.09 19	0.09 85	0.07 33	0.06 14	0.06 34	0.09 32	0.08 14	0.05 24	0.04 20	0.04 1	0.04 31	0.03 1	0.04 28

LG-Stereo_L2	0.07 3	0.05 11	0.10 92	0.14 26	0.06 11	0.07 22	0.12 67	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 24	0.04 20	0.05 23	0.03 1	0.04 13	0.03 1

LG-Stereo_L1	0.07 3	0.05 11	0.11 134	0.14 26	0.06 11	0.07 22	0.12 67	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 24	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

LG-G_1	0.07 3	0.04 1	0.11 134	0.15 63	0.06 11	0.09 78	0.08 7	0.08 3	0.06 4	0.06 7	0.06 10	0.07 62	0.07 98	0.11 99	0.08 14	0.07 234	0.04 20	0.05 23	0.04 31	0.05 93	0.06 184

LG-G	0.07 3	0.04 1	0.11 134	0.15 63	0.06 11	0.09 78	0.08 7	0.08 3	0.06 4	0.06 7	0.06 10	0.07 62	0.07 98	0.11 99	0.08 14	0.07 234	0.04 20	0.05 23	0.04 31	0.05 93	0.06 184

SGD-Stereo	0.08 39	0.05 11	0.10 92	0.14 26	0.06 11	0.12 199	0.12 67	0.11 24	0.12 79	0.07 28	0.09 86	0.09 116	0.09 159	0.08 13	0.08 14	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

HART	0.08 39	0.07 113	0.09 61	0.18 286	0.07 62	0.10 119	0.16 280	0.13 56	0.11 52	0.09 85	0.10 109	0.08 89	0.05 9	0.10 54	0.08 14	0.05 24	0.04 20	0.06 97	0.04 31	0.05 93	0.04 28

SCV	0.08 39	0.09 294	0.08 18	0.15 63	0.08 123	0.10 119	0.12 67	0.11 24	0.12 79	0.07 28	0.07 33	0.06 14	0.04 1	0.10 54	0.08 14	0.05 24	0.05 153	0.06 97	0.04 31	0.06 179	0.04 28

StereoAnything_RVC	0.07 3	0.16 458	0.17 348	0.11 1	0.05 1	0.06 7	0.11 44	0.08 3	0.08 8	0.06 7	0.06 10	0.05 1	0.05 9	0.09 32	0.08 14	0.08 293	0.04 20	0.05 23	0.03 1	0.05 93	0.04 28

AIO_rvc	0.07 3	0.06 46	0.08 18	0.15 63	0.06 11	0.08 46	0.14 152	0.09 9	0.08 8	0.07 28	0.08 66	0.07 62	0.04 1	0.10 54	0.08 14	0.05 24	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

AIO-test2	0.10 131	0.08 224	0.10 92	0.23 461	0.09 223	0.11 159	0.11 44	0.23 279	0.24 310	0.08 57	0.09 86	0.08 89	0.05 9	0.10 54	0.08 14	0.06 108	0.05 153	0.08 268	0.09 374	0.05 93	0.05 108

castereo++	0.08 39	0.06 46	0.08 18	0.15 63	0.05 1	0.14 267	0.11 44	0.11 24	0.15 148	0.07 28	0.07 33	0.08 89	0.06 34	0.08 13	0.08 14	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

IGEV-RUCA	0.08 39	0.06 46	0.11 134	0.14 26	0.09 223	0.10 119	0.12 67	0.10 14	0.12 79	0.06 7	0.07 33	0.08 89	0.06 34	0.09 32	0.08 14	0.06 108	0.05 153	0.05 23	0.04 31	0.05 93	0.06 184

WCG-NET	0.08 39	0.05 11	0.10 92	0.15 63	0.06 11	0.11 159	0.14 152	0.13 56	0.14 131	0.07 28	0.09 86	0.07 62	0.06 34	0.13 225	0.08 14	0.05 24	0.04 20	0.06 97	0.04 31	0.04 13	0.03 1

RAStereo	0.10 131	0.09 294	0.08 18	0.20 392	0.08 123	0.13 228	0.18 353	0.16 119	0.17 198	0.10 115	0.12 153	0.05 1	0.06 34	0.09 32	0.08 14	0.07 234	0.05 153	0.07 191	0.05 104	0.05 93	0.04 28

AIO-Stereo-zeroshot1	0.11 170	0.05 11	0.14 248	0.16 130	0.21 507	0.09 78	0.17 306	0.21 238	0.16 174	0.11 149	0.15 194	0.10 147	0.07 98	0.10 54	0.08 14	0.06 108	0.05 153	0.07 191	0.07 265	0.07 245	0.09 373

AIO-Stereo	0.08 39	0.06 46	0.10 92	0.18 286	0.06 11	0.09 78	0.11 44	0.16 119	0.09 19	0.09 85	0.08 66	0.07 62	0.05 9	0.11 99	0.08 14	0.05 24	0.05 153	0.05 23	0.04 31	0.04 13	0.04 28

WCG-NET（raft）	0.08 39	0.05 11	0.10 92	0.15 63	0.06 11	0.11 159	0.13 104	0.15 94	0.12 79	0.08 57	0.07 33	0.06 14	0.06 34	0.13 225	0.08 14	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

MoCha-V2	0.08 39	0.05 11	0.11 134	0.20 392	0.07 62	0.10 119	0.14 152	0.12 40	0.08 8	0.07 28	0.08 66	0.07 62	0.06 34	0.09 32	0.08 14	0.05 24	0.05 153	0.05 23	0.04 31	0.04 13	0.04 28

ffm	0.12 241	0.09 294	0.15 284	0.16 130	0.09 223	0.17 344	0.17 306	0.15 94	0.19 233	0.15 257	0.26 365	0.19 316	0.13 273	0.10 54	0.08 14	0.06 108	0.05 153	0.09 350	0.08 331	0.06 179	0.06 184

tt1	0.10 131	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.15 94	0.19 233	0.09 85	0.08 66	0.06 14	0.06 34	0.10 54	0.08 14	0.06 108	0.05 153	0.06 97	0.05 104	0.06 179	0.06 184

MIM_Stereo	0.10 131	0.07 113	0.11 134	0.15 63	0.07 62	0.07 22	0.12 67	0.20 221	0.14 131	0.13 210	0.14 181	0.09 116	0.05 9	0.12 175	0.08 14	0.05 24	0.06 296	0.07 191	0.06 176	0.06 179	0.05 108

CES	0.08 39	0.04 1	0.08 18	0.14 26	0.07 62	0.09 78	0.14 152	0.11 24	0.09 19	0.08 57	0.09 86	0.11 167	0.07 98	0.12 175	0.08 14	0.06 108	0.04 20	0.05 23	0.03 1	0.05 93	0.05 108

CroCo-Stereo Lap2	0.09 72	0.09 294	0.08 18	0.22 442	0.09 223	0.09 78	0.18 353	0.16 119	0.12 79	0.09 85	0.10 109	0.05 1	0.05 9	0.08 13	0.08 14	0.06 108	0.06 296	0.07 191	0.05 104	0.06 179	0.05 108

TRStereo	0.10 131	0.05 11	0.12 172	0.16 130	0.12 409	0.10 119	0.13 104	0.18 181	0.19 233	0.09 85	0.09 86	0.09 116	0.07 98	0.10 54	0.08 14	0.07 234	0.05 153	0.07 191	0.07 265	0.04 13	0.04 28

XX-Stereo	0.09 72	0.05 11	0.09 61	0.17 205	0.09 223	0.15 293	0.12 67	0.21 238	0.10 29	0.10 115	0.14 181	0.07 62	0.06 34	0.13 225	0.08 14	0.06 108	0.05 153	0.06 97	0.06 176	0.04 13	0.04 28

asd	0.07 3	0.08 224	0.08 18	0.16 130	0.07 62	0.08 46	0.08 7	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 31	0.04 13	0.03 1

qwe	0.08 39	0.08 224	0.07 3	0.15 63	0.06 11	0.07 22	0.10 25	0.18 181	0.12 79	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 31	0.04 13	0.03 1

depthmonostereo	0.09 72	0.06 46	0.09 61	0.15 63	0.06 11	0.11 159	0.13 104	0.14 70	0.15 148	0.10 115	0.10 109	0.09 116	0.11 211	0.08 13	0.09 41	0.06 108	0.05 153	0.06 97	0.04 31	0.04 13	0.03 1

2.5w	0.07 3	0.07 113	0.08 18	0.16 130	0.06 11	0.08 46	0.12 67	0.10 14	0.10 29	0.07 28	0.06 10	0.09 116	0.06 34	0.08 13	0.09 41	0.04 6	0.03 1	0.04 1	0.04 31	0.03 1	0.03 1

3.5w_stereo	0.07 3	0.07 113	0.07 3	0.15 63	0.07 62	0.09 78	0.06 1	0.14 70	0.11 52	0.08 57	0.07 33	0.06 14	0.07 98	0.10 54	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3w_stereo	0.08 39	0.09 294	0.10 92	0.17 205	0.07 62	0.08 46	0.11 44	0.20 221	0.13 109	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 13	0.03 1

1w_stereo	0.08 39	0.06 46	0.07 3	0.16 130	0.06 11	0.07 22	0.10 25	0.14 70	0.15 148	0.07 28	0.08 66	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 39	0.06 46	0.07 3	0.16 130	0.06 11	0.08 46	0.10 25	0.16 119	0.12 79	0.07 28	0.08 66	0.06 14	0.07 98	0.08 13	0.09 41	0.04 6	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

IGEV	0.08 39	0.04 1	0.09 61	0.13 8	0.06 11	0.09 78	0.12 67	0.14 70	0.10 29	0.06 7	0.09 86	0.07 62	0.05 9	0.09 32	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

111111	0.07 3	0.05 11	0.10 92	0.17 205	0.06 11	0.05 3	0.10 25	0.11 24	0.10 29	0.06 7	0.06 10	0.07 62	0.05 9	0.08 13	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.07 245	0.06 184

MLG-Stereo_test2	0.07 3	0.04 1	0.10 92	0.15 63	0.06 11	0.07 22	0.11 44	0.09 9	0.04 2	0.06 7	0.05 7	0.06 14	0.04 1	0.08 13	0.09 41	0.06 108	0.04 20	0.05 23	0.03 1	0.05 93	0.05 108

MLG-Stereo_test1	0.06 1	0.05 11	0.08 18	0.17 205	0.05 1	0.07 22	0.11 44	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 24	0.04 20	0.05 23	0.03 1	0.04 13	0.05 108

MLG-Stereo	0.07 3	0.05 11	0.09 61	0.17 205	0.05 1	0.07 22	0.11 44	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 24	0.04 20	0.05 23	0.03 1	0.04 13	0.05 108

LGtest1	0.07 3	0.05 11	0.11 134	0.15 63	0.06 11	0.07 22	0.09 17	0.08 3	0.06 4	0.06 7	0.04 1	0.06 14	0.07 98	0.10 54	0.09 41	0.07 234	0.04 20	0.05 23	0.04 31	0.06 179	0.06 184

LG-Stereo_Zeroshot	0.07 3	0.06 46	0.10 92	0.16 130	0.07 62	0.04 1	0.13 104	0.10 14	0.10 29	0.05 1	0.11 139	0.07 62	0.05 9	0.07 3	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

LG-Stereo	0.08 39	0.08 224	0.10 92	0.18 286	0.07 62	0.10 119	0.17 306	0.11 24	0.08 8	0.06 7	0.08 66	0.06 14	0.07 98	0.09 32	0.09 41	0.04 6	0.05 153	0.07 191	0.07 265	0.04 13	0.04 28

MM-Stereo_test3	0.10 131	0.07 113	0.07 3	0.18 286	0.07 62	0.12 199	0.19 395	0.24 302	0.19 233	0.06 7	0.10 109	0.08 89	0.06 34	0.11 99	0.09 41	0.06 108	0.06 296	0.07 191	0.05 104	0.05 93	0.04 28

MM-Stereo_test2	0.09 72	0.07 113	0.09 61	0.19 344	0.08 123	0.12 199	0.18 353	0.15 94	0.14 131	0.07 28	0.10 109	0.07 62	0.06 34	0.12 175	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.06 179	0.04 28

Reg-Stereo(zero)	0.09 72	0.05 11	0.08 18	0.16 130	0.06 11	0.12 199	0.11 44	0.15 94	0.11 52	0.12 181	0.09 86	0.10 147	0.08 134	0.11 99	0.09 41	0.06 108	0.05 153	0.05 23	0.04 31	0.04 13	0.05 108

HI	0.11 170	0.06 46	0.12 172	0.13 8	0.09 223	0.09 78	0.14 152	0.22 261	0.11 52	0.20 366	0.17 230	0.14 230	0.10 181	0.16 297	0.09 41	0.05 24	0.04 20	0.07 191	0.08 331	0.07 245	0.06 184

CoSv	0.11 170	0.06 46	0.12 172	0.13 8	0.09 223	0.09 78	0.14 152	0.22 261	0.11 52	0.20 366	0.17 230	0.14 230	0.10 181	0.16 297	0.09 41	0.05 24	0.04 20	0.07 191	0.08 331	0.07 245	0.06 184

DEFOM-Stereo_RVC	0.08 39	0.07 113	0.09 61	0.22 442	0.06 11	0.08 46	0.12 67	0.10 14	0.10 29	0.07 28	0.07 33	0.06 14	0.05 9	0.11 99	0.09 41	0.06 108	0.04 20	0.05 23	0.03 1	0.06 179	0.04 28

HUF	0.08 39	0.05 11	0.08 18	0.14 26	0.06 11	0.09 78	0.13 104	0.13 56	0.13 109	0.07 28	0.07 33	0.09 116	0.06 34	0.10 54	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

AIO-test1	0.10 131	0.07 113	0.11 134	0.24 471	0.07 62	0.09 78	0.13 104	0.22 261	0.15 148	0.11 149	0.12 153	0.09 116	0.07 98	0.11 99	0.09 41	0.06 108	0.05 153	0.09 350	0.10 408	0.04 13	0.07 260

MonSter	0.07 3	0.06 46	0.06 1	0.15 63	0.05 1	0.08 46	0.10 25	0.15 94	0.15 148	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	0.13 104	0.07 2	0.13 109	0.06 7	0.07 33	0.06 14	0.05 9	0.10 54	0.09 41	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

PAM_32	0.10 131	0.06 46	0.17 348	0.15 63	0.08 123	0.10 119	0.15 221	0.14 70	0.16 174	0.09 85	0.08 66	0.10 147	0.07 98	0.14 252	0.09 41	0.06 108	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

PAM	0.10 131	0.06 46	0.17 348	0.15 63	0.09 223	0.10 119	0.16 280	0.15 94	0.16 174	0.12 181	0.09 86	0.10 147	0.07 98	0.13 225	0.09 41	0.06 108	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

dual_stereo	0.07 3	0.05 11	0.08 18	0.15 63	0.05 1	0.05 3	0.13 104	0.12 40	0.08 8	0.07 28	0.06 10	0.05 1	0.05 9	0.07 3	0.09 41	0.06 108	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

IGEV-Stereo++	0.07 3	0.06 46	0.08 18	0.18 286	0.06 11	0.05 3	0.10 25	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 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

AIO-Stereo-zeroshot	0.11 170	0.05 11	0.12 172	0.15 63	0.13 434	0.14 267	0.16 280	0.23 279	0.18 212	0.10 115	0.13 168	0.10 147	0.07 98	0.12 175	0.09 41	0.06 108	0.05 153	0.06 97	0.06 176	0.07 245	0.08 329

U	0.08 39	0.07 113	0.10 92	0.19 344	0.10 328	0.10 119	0.13 104	0.12 40	0.17 198	0.07 28	0.07 33	0.06 14	0.05 9	0.07 3	0.09 41	0.06 108	0.04 20	0.06 97	0.04 31	0.06 179	0.05 108

IGEV-Stereo+	0.07 3	0.04 1	0.08 18	0.15 63	0.06 11	0.04 1	0.09 17	0.10 14	0.09 19	0.06 7	0.06 10	0.06 14	0.06 34	0.06 1	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.06 179	0.06 184

RSM++	0.08 39	0.06 46	0.09 61	0.17 205	0.07 62	0.09 78	0.12 67	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 24	0.04 20	0.06 97	0.05 104	0.05 93	0.03 1

RSM	0.08 39	0.06 46	0.09 61	0.17 205	0.07 62	0.08 46	0.12 67	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 20	0.05 23	0.04 31	0.04 13	0.04 28

CAS++	0.11 170	0.07 113	0.11 134	0.14 26	0.10 328	0.13 228	0.14 152	0.24 302	0.14 131	0.11 149	0.09 86	0.11 167	0.07 98	0.14 252	0.09 41	0.11 414	0.09 419	0.09 350	0.07 265	0.07 245	0.08 329
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
gcap-zeroshot	0.09 72	0.06 46	0.10 92	0.16 130	0.07 62	0.14 267	0.13 104	0.11 24	0.12 79	0.13 210	0.12 153	0.09 116	0.08 134	0.09 32	0.09 41	0.06 108	0.05 153	0.06 97	0.05 104	0.04 13	0.04 28

MGS-Stereo	0.09 72	0.07 113	0.12 172	0.16 130	0.08 123	0.09 78	0.15 221	0.12 40	0.12 79	0.07 28	0.10 109	0.08 89	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.06 179	0.05 108

IGEV++	0.08 39	0.06 46	0.09 61	0.18 286	0.07 62	0.10 119	0.13 104	0.10 14	0.10 29	0.08 57	0.08 66	0.06 14	0.05 9	0.13 225	0.09 41	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

MyStereo07	0.10 131	0.07 113	0.10 92	0.17 205	0.09 223	0.14 267	0.17 306	0.15 94	0.15 148	0.09 85	0.06 10	0.06 14	0.07 98	0.12 175	0.09 41	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.06 184

MyStereo06	0.10 131	0.07 113	0.12 172	0.17 205	0.09 223	0.13 228	0.18 353	0.19 208	0.12 79	0.13 210	0.08 66	0.07 62	0.07 98	0.11 99	0.09 41	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.06 184

ff7	0.09 72	0.07 113	0.11 134	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

IGEVStereo-DCA	0.09 72	0.07 113	0.11 134	0.16 130	0.10 328	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.08 89	0.06 34	0.10 54	0.09 41	0.06 108	0.05 153	0.06 97	0.05 104	0.05 93	0.06 184

ffff	0.09 72	0.07 113	0.11 134	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

rrr	0.09 72	0.07 113	0.13 204	0.16 130	0.10 328	0.11 159	0.15 221	0.16 119	0.15 148	0.10 115	0.06 10	0.08 89	0.06 34	0.10 54	0.09 41	0.06 108	0.05 153	0.06 97	0.05 104	0.05 93	0.06 184

11t	0.09 72	0.07 113	0.11 134	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

IGEV_Zeroshot_test	0.09 72	0.05 11	0.13 204	0.14 26	0.08 123	0.12 199	0.13 104	0.17 154	0.11 52	0.10 115	0.06 10	0.09 116	0.06 34	0.11 99	0.09 41	0.06 108	0.04 20	0.06 97	0.06 176	0.05 93	0.05 108

DLNR_Zeroshot_test	10.48 569	2.27 561	19.78 575	120.28 580	13.29 573	0.06 7	0.13 104	0.24 302	0.10 29	0.08 57	0.10 109	0.09 116	0.07 98	0.10 54	0.09 41	0.13 457	0.04 20	0.06 97	0.04 31	52.68 579	0.04 28

testlalala	0.08 39	0.07 113	0.17 348	0.16 130	0.08 123	0.09 78	0.12 67	0.15 94	0.10 29	0.07 28	0.09 86	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.04 31	0.04 13	0.04 28

AEACV	0.09 72	0.05 11	0.08 18	0.14 26	0.13 434	0.14 267	0.13 104	0.15 94	0.09 19	0.07 28	0.09 86	0.07 62	0.08 134	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.04 28

RAFT-Test	0.09 72	0.06 46	0.10 92	0.16 130	0.07 62	0.11 159	0.15 221	0.16 119	0.13 109	0.09 85	0.10 109	0.11 167	0.09 159	0.12 175	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.05 108

HH	0.09 72	0.06 46	0.13 204	0.17 205	0.08 123	0.11 159	0.16 280	0.15 94	0.10 29	0.08 57	0.10 109	0.08 89	0.07 98	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.04 28

HanStereo	0.09 72	0.06 46	0.13 204	0.17 205	0.08 123	0.11 159	0.16 280	0.15 94	0.10 29	0.08 57	0.10 109	0.08 89	0.07 98	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.04 28

4D-IteraStereo	0.10 131	0.07 113	0.10 92	0.18 286	0.07 62	0.09 78	0.15 221	0.18 181	0.15 148	0.10 115	0.11 139	0.10 147	0.07 98	0.12 175	0.09 41	0.05 24	0.03 1	0.08 268	0.07 265	0.06 179	0.05 108

LoS_RVC	0.08 39	0.05 11	0.07 3	0.15 63	0.07 62	0.08 46	0.15 221	0.12 40	0.11 52	0.08 57	0.09 86	0.06 14	0.09 159	0.10 54	0.09 41	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

CAS	0.08 39	0.04 1	0.07 3	0.17 205	0.08 123	0.10 119	0.13 104	0.12 40	0.09 19	0.09 85	0.10 109	0.08 89	0.06 34	0.09 32	0.09 41	0.08 293	0.04 20	0.05 23	0.03 1	0.05 93	0.04 28

anonymousdsp	0.09 72	0.07 113	0.11 134	0.17 205	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

Selective-IGEV	0.07 3	0.06 46	0.09 61	0.17 205	0.06 11	0.08 46	0.12 67	0.13 56	0.08 8	0.08 57	0.07 33	0.06 14	0.04 1	0.10 54	0.09 41	0.05 24	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

ProNet	0.09 72	0.07 113	0.11 134	0.17 205	0.08 123	0.11 159	0.15 221	0.15 94	0.12 79	0.10 115	0.06 10	0.07 62	0.06 34	0.11 99	0.09 41	0.05 24	0.05 153	0.06 97	0.05 104	0.04 13	0.06 184

ccc-4	0.09 72	0.07 113	0.11 134	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

RAFT_CTSACE	0.12 241	0.09 294	0.10 92	0.22 442	0.08 123	0.12 199	0.24 460	0.18 181	0.17 198	0.21 381	0.27 382	0.13 211	0.07 98	0.13 225	0.09 41	0.05 24	0.06 296	0.08 268	0.07 265	0.04 13	0.04 28

IGEV-Stereo	0.09 72	0.07 113	0.11 134	0.17 205	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 72	0.05 11	0.13 204	0.14 26	0.09 223	0.12 199	0.15 221	0.19 208	0.11 52	0.11 149	0.08 66	0.08 89	0.05 9	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.06 179	0.05 108

test-1	0.10 131	0.07 113	0.17 348	0.19 344	0.08 123	0.11 159	0.24 460	0.15 94	0.18 212	0.09 85	0.07 33	0.10 147	0.08 134	0.08 13	0.09 41	0.06 108	0.04 20	0.06 97	0.06 176	0.04 13	0.05 108

TANstereo	0.09 72	0.04 1	0.08 18	0.13 8	0.06 11	0.11 159	0.13 104	0.15 94	0.19 233	0.11 149	0.15 194	0.10 147	0.07 98	0.12 175	0.09 41	0.07 234	0.05 153	0.05 23	0.04 31	0.06 179	0.05 108

test_xeample3	0.09 72	0.07 113	0.12 172	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.14 131	0.10 115	0.07 33	0.08 89	0.06 34	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

Gwc-CoAtRS	0.09 72	0.07 113	0.10 92	0.16 130	0.07 62	0.10 119	0.15 221	0.18 181	0.17 198	0.08 57	0.10 109	0.12 188	0.09 159	0.12 175	0.09 41	0.06 108	0.04 20	0.06 97	0.04 31	0.04 13	0.05 108

asda	0.07 3	0.08 224	0.08 18	0.16 130	0.07 62	0.06 7	0.10 25	0.16 119	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 13	0.03 1

2.25w	0.07 3	0.07 113	0.08 18	0.15 63	0.06 11	0.08 46	0.09 17	0.10 14	0.15 148	0.08 57	0.10 109	0.07 62	0.06 34	0.09 32	0.10 108	0.05 24	0.04 20	0.04 1	0.04 31	0.03 1	0.04 28

4.25_new	0.07 3	0.08 224	0.09 61	0.15 63	0.06 11	0.08 46	0.08 7	0.14 70	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.12 175	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

4.5w_new	0.07 3	0.08 224	0.09 61	0.15 63	0.06 11	0.08 46	0.08 7	0.14 70	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.12 175	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

4.5_new	0.07 3	0.09 294	0.08 18	0.15 63	0.07 62	0.07 22	0.10 25	0.14 70	0.11 52	0.06 7	0.08 66	0.06 14	0.06 34	0.08 13	0.10 108	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

4.5w-stereo	0.07 3	0.09 294	0.08 18	0.15 63	0.07 62	0.07 22	0.10 25	0.14 70	0.11 52	0.06 7	0.08 66	0.06 14	0.06 34	0.08 13	0.10 108	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

4.25w-stereo	0.07 3	0.08 224	0.09 61	0.15 63	0.06 11	0.08 46	0.08 7	0.14 70	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.12 175	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

4w-stereo	0.07 3	0.08 224	0.08 18	0.16 130	0.07 62	0.07 22	0.08 7	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 31	0.04 13	0.03 1

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	0.07 113	0.08 18	0.16 130	0.07 62	0.07 22	0.09 17	0.16 119	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

2w_stereo	0.08 39	0.08 224	0.09 61	0.16 130	0.06 11	0.09 78	0.10 25	0.20 221	0.15 148	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 31	0.03 1	0.03 1

MLG-Stereo_test3	0.07 3	0.05 11	0.10 92	0.15 63	0.06 11	0.07 22	0.10 25	0.08 3	0.06 4	0.06 7	0.04 1	0.06 14	0.06 34	0.08 13	0.10 108	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.06 184

MM-Stereo_test1	0.10 131	0.07 113	0.09 61	0.18 286	0.07 62	0.12 199	0.18 353	0.21 238	0.20 254	0.09 85	0.11 139	0.08 89	0.06 34	0.10 54	0.10 108	0.06 108	0.05 153	0.07 191	0.06 176	0.05 93	0.04 28

AIO_test	0.07 3	0.06 46	0.07 3	0.15 63	0.07 62	0.07 22	0.14 152	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 24	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

castereo	0.09 72	0.06 46	0.11 134	0.15 63	0.06 11	0.11 159	0.14 152	0.14 70	0.18 212	0.08 57	0.10 109	0.11 167	0.08 134	0.09 32	0.10 108	0.05 24	0.04 20	0.05 23	0.04 31	0.04 13	0.04 28

SMoEStereo_RVC	0.08 39	0.06 46	0.12 172	0.16 130	0.07 62	0.09 78	0.13 104	0.11 24	0.14 131	0.09 85	0.07 33	0.07 62	0.07 98	0.12 175	0.10 108	0.05 24	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

tt45	0.09 72	0.06 46	0.11 134	0.15 63	0.07 62	0.12 199	0.15 221	0.13 56	0.12 79	0.09 85	0.06 10	0.08 89	0.06 34	0.13 225	0.10 108	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

999	0.09 72	0.06 46	0.13 204	0.15 63	0.08 123	0.10 119	0.14 152	0.15 94	0.12 79	0.10 115	0.08 66	0.08 89	0.08 134	0.16 297	0.10 108	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.06 184

tg	0.10 131	0.06 46	0.10 92	0.18 286	0.08 123	0.11 159	0.16 280	0.20 221	0.12 79	0.08 57	0.11 139	0.11 167	0.07 98	0.11 99	0.10 108	0.05 24	0.04 20	0.08 268	0.08 331	0.04 13	0.04 28

UGAM-zero	0.10 131	0.05 11	0.15 284	0.15 63	0.08 123	0.10 119	0.13 104	0.20 221	0.15 148	0.11 149	0.15 194	0.07 62	0.08 134	0.09 32	0.10 108	0.06 108	0.05 153	0.06 97	0.05 104	0.05 93	0.06 184

rvit_stereo_0081_aga	0.12 241	0.09 294	0.15 284	0.18 286	0.10 328	0.14 267	0.14 152	0.14 70	0.19 233	0.10 115	0.18 253	0.16 275	0.09 159	0.12 175	0.10 108	0.10 383	0.06 296	0.08 268	0.07 265	0.07 245	0.06 184

GCAP-BAT	0.09 72	0.07 113	0.14 248	0.15 63	0.08 123	0.10 119	0.12 67	0.15 94	0.11 52	0.11 149	0.10 109	0.09 116	0.07 98	0.12 175	0.10 108	0.06 108	0.05 153	0.06 97	0.04 31	0.04 13	0.04 28

Occ-G	0.08 39	0.05 11	0.07 3	0.14 26	0.07 62	0.09 78	0.14 152	0.14 70	0.15 148	0.07 28	0.12 153	0.07 62	0.05 9	0.09 32	0.10 108	0.06 108	0.05 153	0.05 23	0.04 31	0.05 93	0.06 184

Pointernet	0.09 72	0.05 11	0.10 92	0.16 130	0.08 123	0.13 228	0.10 25	0.15 94	0.18 212	0.09 85	0.07 33	0.06 14	0.06 34	0.11 99	0.10 108	0.08 293	0.04 20	0.05 23	0.03 1	0.06 179	0.05 108

rvit_stereo_0080	0.10 131	0.08 224	0.15 284	0.15 63	0.10 328	0.07 22	0.15 221	0.16 119	0.16 174	0.11 149	0.10 109	0.15 255	0.09 159	0.12 175	0.10 108	0.09 346	0.07 364	0.07 191	0.06 176	0.07 245	0.05 108

test_for_model	0.09 72	0.12 401	0.14 248	0.23 461	0.11 380	0.08 46	0.13 104	0.12 40	0.13 109	0.10 115	0.07 33	0.07 62	0.06 34	0.11 99	0.10 108	0.06 108	0.05 153	0.05 23	0.04 31	0.08 310	0.05 108

trnet	0.08 39	0.05 11	0.07 3	0.12 4	0.05 1	0.12 199	0.10 25	0.13 56	0.10 29	0.08 57	0.13 168	0.09 116	0.08 134	0.11 99	0.10 108	0.08 293	0.05 153	0.05 23	0.03 1	0.06 179	0.05 108

H2IRNET	0.10 131	0.09 294	0.10 92	0.18 286	0.09 223	0.12 199	0.15 221	0.14 70	0.21 268	0.10 115	0.10 109	0.10 147	0.11 211	0.10 54	0.10 108	0.06 108	0.04 20	0.08 268	0.08 331	0.06 179	0.05 108

AE-Stereo	0.10 131	0.08 224	0.11 134	0.19 344	0.09 223	0.10 119	0.15 221	0.14 70	0.20 254	0.09 85	0.15 194	0.12 188	0.08 134	0.11 99	0.10 108	0.05 24	0.06 296	0.07 191	0.06 176	0.05 93	0.04 28

whm_eth	0.10 131	0.08 224	0.15 284	0.15 63	0.10 328	0.07 22	0.15 221	0.16 119	0.16 174	0.11 149	0.10 109	0.15 255	0.09 159	0.12 175	0.10 108	0.09 346	0.07 364	0.07 191	0.06 176	0.07 245	0.05 108

StereoVision	0.14 298	0.13 429	0.10 92	0.24 471	0.10 328	0.16 321	0.21 429	0.21 238	0.20 254	0.12 181	0.25 352	0.10 147	0.10 181	0.16 297	0.10 108	0.09 346	0.10 441	0.12 444	0.12 457	0.06 179	0.05 108

UniTT-Stereo	0.09 72	0.07 113	0.08 18	0.18 286	0.08 123	0.13 228	0.11 44	0.12 40	0.11 52	0.10 115	0.12 153	0.05 1	0.06 34	0.09 32	0.10 108	0.07 234	0.06 296	0.05 23	0.05 104	0.06 179	0.05 108

CASnet	0.09 72	0.09 294	0.09 61	0.19 344	0.06 11	0.07 22	0.11 44	0.18 181	0.14 131	0.11 149	0.10 109	0.09 116	0.07 98	0.10 54	0.10 108	0.06 108	0.04 20	0.10 395	0.08 331	0.06 179	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 72	0.07 113	0.13 204	0.18 286	0.06 11	0.11 159	0.07 3	0.14 70	0.12 79	0.09 85	0.10 109	0.07 62	0.09 159	0.13 225	0.10 108	0.06 108	0.05 153	0.05 23	0.04 31	0.04 13	0.05 108

Any-RAFT	0.10 131	0.05 11	0.10 92	0.15 63	0.07 62	0.13 228	0.14 152	0.21 238	0.15 148	0.11 149	0.12 153	0.13 211	0.10 181	0.13 225	0.10 108	0.07 234	0.04 20	0.05 23	0.04 31	0.06 179	0.05 108

LL-Strereo2	0.11 170	0.10 359	0.16 325	0.18 286	0.08 123	0.15 293	0.09 17	0.17 154	0.14 131	0.14 233	0.11 139	0.09 116	0.07 98	0.16 297	0.10 108	0.05 24	0.05 153	0.11 425	0.07 265	0.06 179	0.05 108

LoS	0.09 72	0.05 11	0.11 134	0.13 8	0.07 62	0.14 267	0.11 44	0.15 94	0.15 148	0.09 85	0.09 86	0.12 188	0.09 159	0.15 270	0.10 108	0.07 234	0.05 153	0.05 23	0.03 1	0.05 93	0.05 108
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MC-Stereo	0.09 72	0.07 113	0.09 61	0.17 205	0.06 11	0.10 119	0.14 152	0.12 40	0.11 52	0.09 85	0.12 153	0.09 116	0.06 34	0.11 99	0.10 108	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

Sa-1000	0.12 241	0.08 224	0.09 61	0.18 286	0.08 123	0.15 293	0.22 440	0.22 261	0.19 233	0.15 257	0.20 277	0.17 292	0.11 211	0.10 54	0.10 108	0.06 108	0.05 153	0.09 350	0.09 374	0.05 93	0.05 108

test-3	0.09 72	0.06 46	0.10 92	0.18 286	0.07 62	0.07 22	0.14 152	0.12 40	0.16 174	0.10 115	0.08 66	0.08 89	0.08 134	0.11 99	0.10 108	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.04 28

test_1	0.09 72	0.06 46	0.10 92	0.18 286	0.07 62	0.07 22	0.14 152	0.12 40	0.16 174	0.10 115	0.08 66	0.08 89	0.08 134	0.11 99	0.10 108	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.04 28

HHNet	0.11 170	0.06 46	0.16 325	0.15 63	0.14 450	0.07 22	0.13 104	0.20 221	0.18 212	0.15 257	0.25 352	0.11 167	0.09 159	0.13 225	0.10 108	0.06 108	0.04 20	0.08 268	0.06 176	0.05 93	0.09 373

NRIStereo	0.11 170	0.08 224	0.15 284	0.18 286	0.08 123	0.10 119	0.13 104	0.17 154	0.15 148	0.12 181	0.15 194	0.13 211	0.13 273	0.13 225	0.10 108	0.06 108	0.04 20	0.07 191	0.06 176	0.06 179	0.07 260

PSM-AAD	0.11 170	0.07 113	0.10 92	0.20 392	0.09 223	0.10 119	0.14 152	0.21 238	0.13 109	0.12 181	0.14 181	0.18 307	0.11 211	0.11 99	0.10 108	0.05 24	0.05 153	0.09 350	0.08 331	0.06 179	0.14 468

AnonymousM	0.10 131	0.06 46	0.10 92	0.14 26	0.07 62	0.09 78	0.13 104	0.19 208	0.14 131	0.13 210	0.12 153	0.09 116	0.08 134	0.13 225	0.10 108	0.08 293	0.05 153	0.08 268	0.05 104	0.05 93	0.05 108

RAFT	0.13 268	0.09 294	0.11 134	0.18 286	0.08 123	0.15 293	0.23 450	0.21 238	0.20 254	0.21 381	0.21 294	0.18 307	0.13 273	0.17 336	0.10 108	0.06 108	0.07 364	0.10 395	0.09 374	0.06 179	0.05 108

Prome-Stereo	0.11 170	0.07 113	0.11 134	0.18 286	0.09 223	0.12 199	0.14 152	0.23 279	0.13 109	0.13 210	0.16 211	0.13 211	0.08 134	0.12 175	0.10 108	0.05 24	0.05 153	0.07 191	0.06 176	0.06 179	0.10 400

iRaftStereo_RVC	0.10 131	0.07 113	0.10 92	0.17 205	0.09 223	0.11 159	0.17 306	0.18 181	0.12 79	0.09 85	0.11 139	0.10 147	0.07 98	0.11 99	0.10 108	0.05 24	0.04 20	0.08 268	0.08 331	0.04 13	0.04 28

XX-TBD	0.09 72	0.06 46	0.07 3	0.14 26	0.07 62	0.13 228	0.16 280	0.14 70	0.14 131	0.11 149	0.12 153	0.09 116	0.08 134	0.10 54	0.10 108	0.06 108	0.04 20	0.05 23	0.04 31	0.06 179	0.05 108

raftrobust	0.09 72	0.06 46	0.11 134	0.17 205	0.08 123	0.09 78	0.10 25	0.18 181	0.16 174	0.10 115	0.09 86	0.12 188	0.08 134	0.12 175	0.10 108	0.08 293	0.05 153	0.06 97	0.05 104	0.05 93	0.06 184

111	0.11 170	0.06 46	0.12 172	0.15 63	0.07 62	0.10 119	0.14 152	0.21 238	0.24 310	0.11 149	0.12 153	0.14 230	0.12 242	0.13 225	0.10 108	0.06 108	0.04 20	0.06 97	0.04 31	0.06 179	0.05 108

RAFT-Stereo + iAFF	0.09 72	0.06 46	0.10 92	0.17 205	0.07 62	0.10 119	0.15 221	0.17 154	0.15 148	0.10 115	0.10 109	0.08 89	0.09 159	0.12 175	0.10 108	0.05 24	0.04 20	0.06 97	0.06 176	0.04 13	0.03 1

AFF-stereo	0.09 72	0.07 113	0.10 92	0.17 205	0.07 62	0.10 119	0.15 221	0.18 181	0.10 29	0.10 115	0.11 139	0.09 116	0.10 181	0.12 175	0.10 108	0.05 24	0.04 20	0.07 191	0.07 265	0.04 13	0.04 28

CFNet-RSSM	0.09 72	0.07 113	0.10 92	0.16 130	0.07 62	0.09 78	0.15 221	0.17 154	0.18 212	0.08 57	0.12 153	0.11 167	0.09 159	0.12 175	0.10 108	0.06 108	0.04 20	0.06 97	0.04 31	0.04 13	0.04 28

CREStereo	0.09 72	0.05 11	0.08 18	0.11 1	0.06 11	0.14 267	0.14 152	0.14 70	0.10 29	0.09 85	0.13 168	0.09 116	0.08 134	0.12 175	0.10 108	0.08 293	0.04 20	0.05 23	0.03 1	0.06 179	0.06 184
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 72	0.05 11	0.09 61	0.12 4	0.06 11	0.13 228	0.14 152	0.16 119	0.11 52	0.09 85	0.13 168	0.10 147	0.07 98	0.14 252	0.10 108	0.15 480	0.04 20	0.05 23	0.03 1	0.07 245	0.06 184

DilatedVolume-Stereo	0.09 72	0.05 11	0.08 18	0.15 63	0.06 11	0.11 159	0.12 67	0.14 70	0.16 174	0.11 149	0.11 139	0.09 116	0.10 181	0.11 99	0.11 165	0.06 108	0.05 153	0.05 23	0.04 31	0.03 1	0.03 1

2.75w_new	0.07 3	0.07 113	0.07 3	0.13 8	0.06 11	0.08 46	0.08 7	0.18 181	0.13 109	0.08 57	0.08 66	0.06 14	0.06 34	0.09 32	0.11 165	0.04 6	0.04 20	0.04 1	0.03 1	0.03 1	0.04 28

xyz-stereo-finetune2	0.11 170	0.07 113	0.13 204	0.13 8	0.07 62	0.11 159	0.19 395	0.17 154	0.12 79	0.15 257	0.15 194	0.17 292	0.13 273	0.13 225	0.11 165	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.06 184

S2M2	0.09 72	0.08 224	0.11 134	0.13 8	0.10 328	0.08 46	0.06 1	0.10 14	0.10 29	0.10 115	0.10 109	0.09 116	0.09 159	0.11 99	0.11 165	0.13 457	0.07 364	0.08 268	0.09 374	0.10 405	0.08 329

fffy	0.09 72	0.08 224	0.10 92	0.16 130	0.07 62	0.13 228	0.17 306	0.13 56	0.12 79	0.08 57	0.09 86	0.08 89	0.09 159	0.13 225	0.11 165	0.05 24	0.05 153	0.07 191	0.05 104	0.04 13	0.05 108

model_zeroshot	0.10 131	0.05 11	0.12 172	0.15 63	0.09 223	0.13 228	0.14 152	0.20 221	0.14 131	0.11 149	0.10 109	0.12 188	0.07 98	0.12 175	0.11 165	0.07 234	0.06 296	0.06 97	0.05 104	0.06 179	0.06 184

RAFT-Stereo-weight	0.09 72	0.06 46	0.11 134	0.16 130	0.07 62	0.09 78	0.14 152	0.19 208	0.16 174	0.11 149	0.10 109	0.08 89	0.06 34	0.10 54	0.11 165	0.06 108	0.04 20	0.06 97	0.04 31	0.04 13	0.04 28

CoDeX	0.12 241	0.07 113	0.13 204	0.17 205	0.08 123	0.12 199	0.16 280	0.23 279	0.27 359	0.13 210	0.17 230	0.15 255	0.12 242	0.14 252	0.11 165	0.07 234	0.05 153	0.07 191	0.06 176	0.06 179	0.05 108

MSKI-zero shot	0.09 72	0.05 11	0.09 61	0.16 130	0.07 62	0.10 119	0.13 104	0.15 94	0.14 131	0.09 85	0.09 86	0.09 116	0.06 34	0.12 175	0.11 165	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

LL-Strereo	0.13 268	0.10 359	0.12 172	0.20 392	0.10 328	0.11 159	0.18 353	0.33 436	0.25 334	0.16 286	0.16 211	0.14 230	0.14 305	0.19 378	0.11 165	0.06 108	0.05 153	0.09 350	0.08 331	0.04 13	0.05 108

anonymousdsp2	0.11 170	0.07 113	0.11 134	0.16 130	0.09 223	0.13 228	0.14 152	0.19 208	0.23 300	0.13 210	0.14 181	0.12 188	0.09 159	0.14 252	0.11 165	0.05 24	0.05 153	0.05 23	0.04 31	0.06 179	0.06 184

EGLCR-Stereo	0.08 39	0.05 11	0.08 18	0.14 26	0.07 62	0.11 159	0.12 67	0.11 24	0.16 174	0.06 7	0.05 7	0.07 62	0.05 9	0.10 54	0.11 165	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

DCRE	0.11 170	0.07 113	0.13 204	0.16 130	0.11 380	0.11 159	0.17 306	0.18 181	0.17 198	0.11 149	0.18 253	0.11 167	0.10 181	0.15 270	0.11 165	0.06 108	0.05 153	0.06 97	0.06 176	0.05 93	0.05 108

knoymous	0.11 170	0.06 46	0.12 172	0.14 26	0.07 62	0.15 293	0.13 104	0.20 221	0.14 131	0.11 149	0.17 230	0.13 211	0.09 159	0.14 252	0.11 165	0.09 346	0.05 153	0.06 97	0.05 104	0.07 245	0.07 260

Selective-RAFT	0.11 170	0.11 383	0.12 172	0.21 422	0.08 123	0.16 321	0.13 104	0.21 238	0.23 300	0.10 115	0.10 109	0.11 167	0.10 181	0.15 270	0.11 165	0.05 24	0.05 153	0.06 97	0.05 104	0.06 179	0.05 108

RCA-Stereo	0.09 72	0.06 46	0.09 61	0.16 130	0.06 11	0.09 78	0.13 104	0.18 181	0.14 131	0.10 115	0.11 139	0.08 89	0.07 98	0.12 175	0.11 165	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.04 28

DisPM	0.11 170	0.07 113	0.13 204	0.16 130	0.09 223	0.06 7	0.13 104	0.18 181	0.17 198	0.14 233	0.19 267	0.12 188	0.10 181	0.12 175	0.11 165	0.07 234	0.05 153	0.07 191	0.06 176	0.06 179	0.11 422

SA	0.13 268	0.09 294	0.09 61	0.18 286	0.08 123	0.12 199	0.24 460	0.23 279	0.19 233	0.17 298	0.27 382	0.15 255	0.11 211	0.11 99	0.11 165	0.05 24	0.05 153	0.09 350	0.08 331	0.05 93	0.05 108

test_4	0.11 170	0.10 359	0.08 18	0.19 344	0.09 223	0.08 46	0.21 429	0.15 94	0.18 212	0.12 181	0.18 253	0.12 188	0.09 159	0.08 13	0.11 165	0.04 6	0.04 20	0.08 268	0.08 331	0.04 13	0.04 28

test_3	0.11 170	0.09 294	0.10 92	0.21 422	0.08 123	0.13 228	0.25 476	0.14 70	0.21 268	0.10 115	0.10 109	0.09 116	0.10 181	0.08 13	0.11 165	0.05 24	0.04 20	0.08 268	0.07 265	0.04 13	0.04 28

PFNet+	0.12 241	0.06 46	0.14 248	0.16 130	0.09 223	0.05 3	0.12 67	0.18 181	0.21 268	0.16 286	0.19 267	0.14 230	0.10 181	0.11 99	0.11 165	0.08 293	0.05 153	0.09 350	0.08 331	0.06 179	0.11 422

LCNet	0.11 170	0.07 113	0.09 61	0.19 344	0.09 223	0.08 46	0.14 152	0.21 238	0.15 148	0.12 181	0.15 194	0.16 275	0.11 211	0.12 175	0.11 165	0.05 24	0.04 20	0.08 268	0.07 265	0.06 179	0.14 468

Patchmatch Stereo++	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260
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
TransformOpticalFlow	0.10 131	0.08 224	0.13 204	0.18 286	0.07 62	0.09 78	0.15 221	0.19 208	0.16 174	0.12 181	0.16 211	0.11 167	0.11 211	0.11 99	0.11 165	0.05 24	0.04 20	0.06 97	0.06 176	0.05 93	0.05 108

NF-Stereo	0.11 170	0.07 113	0.13 204	0.17 205	0.09 223	0.10 119	0.13 104	0.23 279	0.19 233	0.12 181	0.17 230	0.12 188	0.12 242	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.12 441

OCTAStereo	0.11 170	0.07 113	0.14 248	0.17 205	0.09 223	0.10 119	0.13 104	0.23 279	0.19 233	0.12 181	0.17 230	0.12 188	0.12 242	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.11 422

PSM-softLoss	0.12 241	0.07 113	0.15 284	0.17 205	0.09 223	0.08 46	0.12 67	0.24 302	0.17 198	0.15 257	0.19 267	0.13 211	0.11 211	0.11 99	0.11 165	0.07 234	0.05 153	0.08 268	0.07 265	0.07 245	0.12 441

KMStereo	0.12 241	0.07 113	0.15 284	0.17 205	0.09 223	0.08 46	0.12 67	0.24 302	0.17 198	0.15 257	0.19 267	0.13 211	0.11 211	0.11 99	0.11 165	0.07 234	0.05 153	0.08 268	0.07 265	0.07 245	0.12 441

PSM-adaLoss	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.12 67	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

ROB_FTStereo_v2	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.12 67	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

ROB_FTStereo	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

KYRaft	0.12 241	0.07 113	0.10 92	0.19 344	0.09 223	0.08 46	0.15 221	0.23 279	0.12 79	0.13 210	0.16 211	0.20 333	0.10 181	0.12 175	0.11 165	0.06 108	0.04 20	0.08 268	0.08 331	0.06 179	0.15 482

HUI-Stereo	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

ASMatch	0.11 170	0.06 46	0.13 204	0.17 205	0.10 328	0.08 46	0.14 152	0.18 181	0.16 174	0.12 181	0.16 211	0.16 275	0.11 211	0.13 225	0.11 165	0.05 24	0.04 20	0.06 97	0.06 176	0.04 13	0.09 373

SST-Stereo	0.11 170	0.07 113	0.16 325	0.18 286	0.09 223	0.06 7	0.12 67	0.18 181	0.10 29	0.15 257	0.18 253	0.13 211	0.12 242	0.10 54	0.11 165	0.06 108	0.04 20	0.09 350	0.06 176	0.07 245	0.06 184

RAFT_R40	0.11 170	0.07 113	0.15 284	0.18 286	0.09 223	0.06 7	0.13 104	0.17 154	0.15 148	0.14 233	0.18 253	0.15 255	0.12 242	0.10 54	0.11 165	0.06 108	0.04 20	0.09 350	0.06 176	0.06 179	0.05 108

PFNet	0.12 241	0.06 46	0.17 348	0.18 286	0.08 123	0.09 78	0.15 221	0.26 335	0.20 254	0.16 286	0.16 211	0.14 230	0.12 242	0.13 225	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.05 93	0.05 108

GrayStereo	0.11 170	0.06 46	0.11 134	0.19 344	0.09 223	0.09 78	0.16 280	0.18 181	0.17 198	0.14 233	0.17 230	0.17 292	0.11 211	0.12 175	0.11 165	0.05 24	0.05 153	0.07 191	0.06 176	0.06 179	0.10 400

RE-Stereo	0.11 170	0.07 113	0.13 204	0.17 205	0.09 223	0.10 119	0.13 104	0.23 279	0.19 233	0.12 181	0.17 230	0.12 188	0.12 242	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.11 422

Pruner-Stereo	0.11 170	0.07 113	0.12 172	0.17 205	0.09 223	0.06 7	0.12 67	0.18 181	0.17 198	0.14 233	0.19 267	0.13 211	0.10 181	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.06 179	0.08 329

TVStereo	0.11 170	0.07 113	0.13 204	0.17 205	0.09 223	0.10 119	0.13 104	0.23 279	0.19 233	0.12 181	0.17 230	0.12 188	0.12 242	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.11 422

DeepStereo_RVC	0.11 170	0.08 224	0.17 348	0.18 286	0.08 123	0.08 46	0.11 44	0.17 154	0.12 79	0.13 210	0.15 194	0.12 188	0.12 242	0.12 175	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.08 329

iGMRVC	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.12 67	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

IRAFT_RVC	0.12 241	0.08 224	0.17 348	0.19 344	0.08 123	0.07 22	0.14 152	0.25 322	0.23 300	0.14 233	0.15 194	0.15 255	0.12 242	0.12 175	0.11 165	0.06 108	0.04 20	0.09 350	0.06 176	0.06 179	0.06 184

iRAFT	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

cross-raft	0.10 131	0.09 294	0.09 61	0.19 344	0.07 62	0.11 159	0.24 460	0.13 56	0.15 148	0.08 57	0.10 109	0.12 188	0.10 181	0.09 32	0.11 165	0.05 24	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

GMM-Stereo	0.11 170	0.07 113	0.10 92	0.18 286	0.09 223	0.08 46	0.14 152	0.24 302	0.16 174	0.11 149	0.15 194	0.13 211	0.11 211	0.11 99	0.11 165	0.05 24	0.04 20	0.08 268	0.07 265	0.06 179	0.09 373

RAFT-IKP	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

CREStereo++_RVC	0.08 39	0.04 1	0.07 3	0.13 8	0.07 62	0.09 78	0.12 67	0.14 70	0.14 131	0.10 115	0.14 181	0.08 89	0.07 98	0.10 54	0.11 165	0.06 108	0.04 20	0.05 23	0.05 104	0.04 13	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
sAnonymous2	0.13 268	0.12 401	0.25 443	0.20 392	0.12 409	0.18 360	0.14 152	0.27 349	0.21 268	0.11 149	0.12 153	0.13 211	0.08 134	0.11 99	0.11 165	0.09 346	0.05 153	0.08 268	0.06 176	0.15 481	0.10 400

CroCo_RVC	0.13 268	0.12 401	0.25 443	0.20 392	0.12 409	0.18 360	0.14 152	0.27 349	0.21 268	0.11 149	0.12 153	0.13 211	0.08 134	0.11 99	0.11 165	0.09 346	0.05 153	0.08 268	0.06 176	0.15 481	0.10 400

RALCasStereoNet	0.11 170	0.07 113	0.09 61	0.16 130	0.08 123	0.13 228	0.14 152	0.17 154	0.11 52	0.12 181	0.17 230	0.14 230	0.10 181	0.12 175	0.11 165	0.07 234	0.06 296	0.06 97	0.05 104	0.08 310	0.07 260

sCroCo_RVC	0.12 241	0.09 294	0.24 440	0.24 471	0.11 380	0.19 381	0.14 152	0.17 154	0.15 148	0.10 115	0.13 168	0.12 188	0.07 98	0.14 252	0.11 165	0.08 293	0.08 395	0.08 268	0.08 331	0.05 93	0.07 260

EAI-Stereo	0.09 72	0.07 113	0.11 134	0.16 130	0.07 62	0.10 119	0.15 221	0.16 119	0.09 19	0.08 57	0.09 86	0.08 89	0.07 98	0.09 32	0.11 165	0.05 24	0.05 153	0.05 23	0.05 104	0.05 93	0.04 28

SFCPSM	0.13 268	0.07 113	0.15 284	0.17 205	0.09 223	0.15 293	0.16 280	0.28 373	0.27 359	0.14 233	0.18 253	0.12 188	0.13 273	0.14 252	0.11 165	0.08 293	0.05 153	0.07 191	0.07 265	0.07 245	0.06 184

R-Stereo Train	0.10 131	0.06 46	0.11 134	0.17 205	0.08 123	0.11 159	0.14 152	0.24 302	0.11 52	0.12 181	0.19 267	0.11 167	0.08 134	0.10 54	0.11 165	0.07 234	0.05 153	0.06 97	0.05 104	0.05 93	0.05 108

RAFT-Stereo	0.10 131	0.06 46	0.11 134	0.17 205	0.08 123	0.11 159	0.14 152	0.24 302	0.11 52	0.12 181	0.19 267	0.11 167	0.08 134	0.10 54	0.11 165	0.07 234	0.05 153	0.06 97	0.05 104	0.05 93	0.05 108
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
xyz-stereo-finetune	0.11 170	0.08 224	0.13 204	0.14 26	0.06 11	0.10 119	0.19 395	0.18 181	0.19 233	0.12 181	0.14 181	0.15 255	0.11 211	0.13 225	0.12 222	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.05 108

xyz-stereo	0.14 298	0.07 113	0.22 426	0.15 63	0.05 1	0.22 424	0.15 221	0.17 154	0.31 397	0.15 257	0.28 392	0.26 407	0.17 371	0.13 225	0.12 222	0.05 24	0.05 153	0.06 97	0.05 104	0.04 13	0.04 28

fffft	0.09 72	0.06 46	0.12 172	0.16 130	0.07 62	0.09 78	0.16 280	0.12 40	0.11 52	0.09 85	0.07 33	0.09 116	0.06 34	0.11 99	0.12 222	0.05 24	0.04 20	0.06 97	0.05 104	0.04 13	0.05 108
1: 1. 1
mms	0.09 72	0.07 113	0.08 18	0.17 205	0.08 123	0.11 159	0.15 221	0.12 40	0.11 52	0.09 85	0.09 86	0.08 89	0.06 34	0.11 99	0.12 222	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.04 28

ours_stereo	0.09 72	0.07 113	0.09 61	0.17 205	0.08 123	0.11 159	0.16 280	0.11 24	0.12 79	0.08 57	0.10 109	0.08 89	0.06 34	0.12 175	0.12 222	0.05 24	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

rvit_stereo_0081	0.11 170	0.08 224	0.16 325	0.16 130	0.09 223	0.11 159	0.14 152	0.14 70	0.24 310	0.11 149	0.13 168	0.14 230	0.09 159	0.11 99	0.12 222	0.10 383	0.07 364	0.08 268	0.07 265	0.07 245	0.06 184

rvit_stereo_0082	0.11 170	0.08 224	0.16 325	0.16 130	0.09 223	0.11 159	0.14 152	0.14 70	0.24 310	0.11 149	0.13 168	0.14 230	0.09 159	0.11 99	0.12 222	0.10 383	0.07 364	0.08 268	0.07 265	0.07 245	0.06 184

Former-RAFT_DAM_RVC	0.11 170	0.08 224	0.13 204	0.16 130	0.08 123	0.15 293	0.16 280	0.18 181	0.19 233	0.10 115	0.09 86	0.09 116	0.08 134	0.11 99	0.12 222	0.07 234	0.05 153	0.08 268	0.06 176	0.07 245	0.06 184

qqq1	0.14 298	0.07 113	0.18 380	0.14 26	0.08 123	0.17 344	0.17 306	0.27 349	0.27 359	0.19 345	0.20 277	0.19 316	0.15 326	0.15 270	0.12 222	0.08 293	0.05 153	0.05 23	0.05 104	0.06 179	0.06 184

fff1	0.14 298	0.07 113	0.18 380	0.14 26	0.08 123	0.17 344	0.17 306	0.27 349	0.27 359	0.19 345	0.20 277	0.19 316	0.15 326	0.15 270	0.12 222	0.08 293	0.05 153	0.05 23	0.05 104	0.06 179	0.06 184

plain	0.11 170	0.09 294	0.10 92	0.19 344	0.09 223	0.11 159	0.14 152	0.14 70	0.13 109	0.13 210	0.15 194	0.09 116	0.12 242	0.13 225	0.12 222	0.07 234	0.05 153	0.09 350	0.06 176	0.06 179	0.06 184

MIF-Stereo (partial)	0.11 170	0.06 46	0.10 92	0.19 344	0.10 328	0.10 119	0.12 67	0.17 154	0.19 233	0.14 233	0.16 211	0.10 147	0.11 211	0.12 175	0.12 222	0.08 293	0.05 153	0.08 268	0.07 265	0.06 179	0.07 260

EKT-Stereo	0.11 170	0.07 113	0.14 248	0.16 130	0.10 328	0.13 228	0.14 152	0.19 208	0.21 268	0.11 149	0.08 66	0.13 211	0.10 181	0.11 99	0.12 222	0.08 293	0.06 296	0.07 191	0.06 176	0.08 310	0.07 260

testlalala_base	0.10 131	0.09 294	0.14 248	0.21 422	0.08 123	0.10 119	0.14 152	0.13 56	0.11 52	0.08 57	0.15 194	0.07 62	0.08 134	0.11 99	0.12 222	0.08 293	0.05 153	0.05 23	0.03 1	0.07 245	0.05 108

riskmin	0.11 170	0.06 46	0.13 204	0.14 26	0.08 123	0.14 267	0.14 152	0.18 181	0.15 148	0.12 181	0.15 194	0.17 292	0.11 211	0.14 252	0.12 222	0.09 346	0.05 153	0.07 191	0.05 104	0.08 310	0.08 329

ADStereo(finetuned)	0.10 131	0.06 46	0.13 204	0.16 130	0.06 11	0.09 78	0.17 306	0.16 119	0.20 254	0.13 210	0.18 253	0.10 147	0.12 242	0.12 175	0.12 222	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.05 108

raft_robust	0.13 268	0.10 359	0.07 3	0.18 286	0.08 123	0.13 228	0.24 460	0.29 391	0.34 419	0.20 366	0.20 277	0.15 255	0.10 181	0.11 99	0.12 222	0.05 24	0.05 153	0.07 191	0.07 265	0.05 93	0.04 28

RAFT+CT+SA	0.13 268	0.11 383	0.09 61	0.19 344	0.09 223	0.15 293	0.28 493	0.22 261	0.22 290	0.15 257	0.26 365	0.10 147	0.10 181	0.11 99	0.12 222	0.05 24	0.04 20	0.07 191	0.08 331	0.07 245	0.06 184

CIPLG	0.11 170	0.08 224	0.15 284	0.17 205	0.08 123	0.13 228	0.15 221	0.17 154	0.16 174	0.14 233	0.11 139	0.16 275	0.10 181	0.17 336	0.12 222	0.07 234	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

GLC_STEREO	0.11 170	0.07 113	0.11 134	0.18 286	0.07 62	0.08 46	0.13 104	0.16 119	0.24 310	0.12 181	0.13 168	0.12 188	0.08 134	0.18 353	0.12 222	0.06 108	0.08 395	0.08 268	0.06 176	0.05 93	0.05 108

IPLGR_C	0.11 170	0.08 224	0.15 284	0.17 205	0.08 123	0.12 199	0.15 221	0.17 154	0.15 148	0.14 233	0.11 139	0.16 275	0.10 181	0.16 297	0.12 222	0.07 234	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

IPLGR	0.11 170	0.09 294	0.17 348	0.18 286	0.08 123	0.13 228	0.16 280	0.21 238	0.24 310	0.12 181	0.12 153	0.11 167	0.09 159	0.13 225	0.12 222	0.06 108	0.05 153	0.06 97	0.06 176	0.05 93	0.04 28

ACRE	0.11 170	0.08 224	0.15 284	0.17 205	0.08 123	0.13 228	0.15 221	0.17 154	0.14 131	0.14 233	0.11 139	0.16 275	0.10 181	0.16 297	0.12 222	0.07 234	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

CrosDoStereo	0.12 241	0.07 113	0.12 172	0.14 26	0.09 223	0.12 199	0.15 221	0.17 154	0.22 290	0.19 345	0.24 325	0.15 255	0.11 211	0.11 99	0.12 222	0.06 108	0.05 153	0.07 191	0.07 265	0.05 93	0.05 108

STrans-v2	0.10 131	0.07 113	0.13 204	0.18 286	0.08 123	0.10 119	0.14 152	0.22 261	0.11 52	0.11 149	0.15 194	0.12 188	0.10 181	0.11 99	0.12 222	0.05 24	0.04 20	0.06 97	0.06 176	0.05 93	0.05 108

DeepStereo_LL	0.12 241	0.07 113	0.12 172	0.14 26	0.09 223	0.12 199	0.15 221	0.17 154	0.22 290	0.19 345	0.24 325	0.15 255	0.11 211	0.11 99	0.12 222	0.06 108	0.05 153	0.07 191	0.07 265	0.05 93	0.05 108

DRaft	0.12 241	0.06 46	0.12 172	0.14 26	0.09 223	0.14 267	0.17 306	0.21 238	0.30 388	0.18 330	0.27 382	0.10 147	0.16 347	0.11 99	0.12 222	0.05 24	0.04 20	0.07 191	0.07 265	0.05 93	0.05 108

RAFT-RH_RVC	0.12 241	0.06 46	0.14 248	0.16 130	0.09 223	0.12 199	0.12 67	0.17 154	0.12 79	0.13 210	0.40 471	0.11 167	0.10 181	0.13 225	0.12 222	0.05 24	0.04 20	0.08 268	0.05 104	0.05 93	0.06 184

RAFT-345	0.11 170	0.07 113	0.16 325	0.17 205	0.08 123	0.08 46	0.12 67	0.16 119	0.10 29	0.11 149	0.34 442	0.09 116	0.10 181	0.11 99	0.12 222	0.05 24	0.05 153	0.07 191	0.06 176	0.04 13	0.05 108

CRE-IMP	0.11 170	0.09 294	0.16 325	0.19 344	0.09 223	0.10 119	0.12 67	0.18 181	0.10 29	0.14 233	0.14 181	0.14 230	0.13 273	0.12 175	0.12 222	0.07 234	0.04 20	0.08 268	0.06 176	0.08 310	0.08 329

Anonymous3	0.16 366	0.14 444	0.34 483	0.26 487	0.14 450	0.27 469	0.18 353	0.28 373	0.28 375	0.15 257	0.17 230	0.14 230	0.11 211	0.16 297	0.12 222	0.08 293	0.08 395	0.08 268	0.08 331	0.08 310	0.11 422

s12784h	0.10 131	0.06 46	0.08 18	0.15 63	0.05 1	0.16 321	0.18 353	0.16 119	0.15 148	0.10 115	0.11 139	0.11 167	0.11 211	0.11 99	0.12 222	0.05 24	0.04 20	0.06 97	0.04 31	0.04 13	0.04 28

RALAANet	0.11 170	0.08 224	0.10 92	0.17 205	0.09 223	0.14 267	0.10 25	0.20 221	0.16 174	0.14 233	0.13 168	0.16 275	0.09 159	0.12 175	0.12 222	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.04 28

DCANet	0.10 131	0.06 46	0.12 172	0.16 130	0.06 11	0.09 78	0.17 306	0.16 119	0.20 254	0.13 210	0.18 253	0.10 147	0.11 211	0.11 99	0.12 222	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.05 108

RAFT + AFF	0.13 268	0.08 224	0.21 417	0.20 392	0.10 328	0.14 267	0.23 450	0.27 349	0.21 268	0.12 181	0.10 109	0.12 188	0.10 181	0.16 297	0.12 222	0.08 293	0.07 364	0.09 350	0.09 374	0.06 179	0.09 373

FACV-RUCA	0.13 268	0.11 383	0.13 204	0.19 344	0.12 409	0.15 293	0.16 280	0.22 261	0.21 268	0.16 286	0.16 211	0.15 255	0.16 347	0.14 252	0.13 257	0.07 234	0.05 153	0.08 268	0.06 176	0.10 405	0.08 329

rvit_0105_6	0.14 298	0.09 294	0.18 380	0.17 205	0.10 328	0.10 119	0.17 306	0.19 208	0.26 347	0.12 181	0.18 253	0.17 292	0.13 273	0.18 353	0.13 257	0.15 480	0.11 453	0.12 444	0.10 408	0.09 371	0.06 184

rvit_0105_4	0.15 339	0.09 294	0.17 348	0.17 205	0.10 328	0.12 199	0.20 413	0.23 279	0.27 359	0.14 233	0.20 277	0.17 292	0.14 305	0.17 336	0.13 257	0.15 480	0.11 453	0.11 425	0.10 408	0.09 371	0.06 184

UGAM	0.13 268	0.10 359	0.09 61	0.22 442	0.08 123	0.13 228	0.20 413	0.18 181	0.24 310	0.22 395	0.16 211	0.13 211	0.13 273	0.19 378	0.13 257	0.07 234	0.05 153	0.13 458	0.11 437	0.07 245	0.05 108

rvit_stereo_0083	0.12 241	0.08 224	0.17 348	0.16 130	0.09 223	0.11 159	0.15 221	0.15 94	0.26 347	0.11 149	0.14 181	0.13 211	0.10 181	0.12 175	0.13 257	0.10 383	0.08 395	0.09 350	0.07 265	0.07 245	0.06 184

rvit_stereo_0075_2	0.17 388	0.12 401	0.25 443	0.23 461	0.16 477	0.13 228	0.10 25	0.30 401	0.27 359	0.20 366	0.28 392	0.22 360	0.15 326	0.18 353	0.13 257	0.16 497	0.10 441	0.17 491	0.10 408	0.10 405	0.10 400

rvit_stereo_ft	0.12 241	0.07 113	0.13 204	0.19 344	0.10 328	0.12 199	0.17 306	0.16 119	0.16 174	0.13 210	0.13 168	0.15 255	0.10 181	0.14 252	0.13 257	0.10 383	0.06 296	0.08 268	0.07 265	0.07 245	0.06 184

test_sample6	0.14 298	0.09 294	0.14 248	0.17 205	0.08 123	0.17 344	0.19 395	0.26 335	0.18 212	0.18 330	0.28 392	0.19 316	0.15 326	0.15 270	0.13 257	0.08 293	0.05 153	0.08 268	0.07 265	0.08 310	0.08 329

test_sample5	0.14 298	0.08 224	0.14 248	0.16 130	0.08 123	0.18 360	0.18 353	0.25 322	0.17 198	0.17 298	0.28 392	0.18 307	0.15 326	0.16 297	0.13 257	0.08 293	0.06 296	0.08 268	0.07 265	0.09 371	0.08 329

test_sample4	0.14 298	0.08 224	0.15 284	0.15 63	0.08 123	0.19 381	0.18 353	0.26 335	0.18 212	0.17 298	0.26 365	0.18 307	0.15 326	0.17 336	0.13 257	0.08 293	0.06 296	0.08 268	0.06 176	0.09 371	0.08 329

test_sample2	0.13 268	0.07 113	0.12 172	0.14 26	0.08 123	0.16 321	0.18 353	0.21 238	0.16 174	0.14 233	0.21 294	0.20 333	0.15 326	0.15 270	0.13 257	0.08 293	0.06 296	0.07 191	0.06 176	0.08 310	0.08 329

testlalala2	0.10 131	0.06 46	0.11 134	0.20 392	0.10 328	0.10 119	0.11 44	0.17 154	0.13 109	0.12 181	0.13 168	0.09 116	0.08 134	0.11 99	0.13 257	0.06 108	0.05 153	0.05 23	0.04 31	0.05 93	0.05 108

MyStereo05	0.13 268	0.07 113	0.10 92	0.17 205	0.09 223	0.13 228	0.18 353	0.28 373	0.35 432	0.17 298	0.14 181	0.15 255	0.11 211	0.15 270	0.13 257	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.06 184

MyStereo04	0.13 268	0.07 113	0.10 92	0.17 205	0.09 223	0.14 267	0.17 306	0.29 391	0.38 448	0.17 298	0.14 181	0.16 275	0.11 211	0.15 270	0.13 257	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.06 184

11t1	0.12 241	0.07 113	0.14 248	0.14 26	0.08 123	0.17 344	0.15 221	0.19 208	0.15 148	0.15 257	0.15 194	0.17 292	0.16 347	0.15 270	0.13 257	0.08 293	0.05 153	0.06 97	0.05 104	0.08 310	0.07 260

DualNet	0.14 298	0.08 224	0.14 248	0.16 130	0.08 123	0.18 360	0.18 353	0.25 322	0.17 198	0.18 330	0.28 392	0.18 307	0.15 326	0.16 297	0.13 257	0.08 293	0.06 296	0.08 268	0.07 265	0.09 371	0.08 329

MaDis-Stereo	0.09 72	0.09 294	0.08 18	0.17 205	0.09 223	0.14 267	0.11 44	0.16 119	0.16 174	0.09 85	0.11 139	0.06 14	0.06 34	0.09 32	0.13 257	0.07 234	0.06 296	0.08 268	0.05 104	0.05 93	0.04 28

TestStereo1	0.13 268	0.08 224	0.08 18	0.20 392	0.08 123	0.18 360	0.29 504	0.23 279	0.17 198	0.17 298	0.20 277	0.16 275	0.11 211	0.12 175	0.13 257	0.06 108	0.06 296	0.08 268	0.06 176	0.05 93	0.05 108

DCANet-4	0.11 170	0.07 113	0.13 204	0.16 130	0.06 11	0.09 78	0.17 306	0.18 181	0.20 254	0.13 210	0.17 230	0.09 116	0.14 305	0.12 175	0.13 257	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

fff	0.10 131	0.06 46	0.12 172	0.15 63	0.07 62	0.09 78	0.17 306	0.16 119	0.21 268	0.13 210	0.17 230	0.10 147	0.11 211	0.12 175	0.13 257	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

test_5	0.14 298	0.12 401	0.08 18	0.20 392	0.10 328	0.14 267	0.28 493	0.21 238	0.24 310	0.19 345	0.28 392	0.11 167	0.15 326	0.12 175	0.13 257	0.06 108	0.05 153	0.07 191	0.08 331	0.08 310	0.07 260

hknet	0.15 339	0.11 383	0.14 248	0.22 442	0.11 380	0.15 293	0.15 221	0.34 450	0.26 347	0.17 298	0.23 313	0.22 360	0.18 384	0.17 336	0.13 257	0.07 234	0.06 296	0.10 395	0.09 374	0.07 245	0.07 260

SA-5K	0.13 268	0.08 224	0.08 18	0.20 392	0.08 123	0.18 360	0.29 504	0.23 279	0.17 198	0.17 298	0.20 277	0.16 275	0.11 211	0.12 175	0.13 257	0.06 108	0.06 296	0.08 268	0.06 176	0.05 93	0.05 108

DAS	0.15 339	0.08 224	0.18 380	0.19 344	0.10 328	0.19 381	0.17 306	0.28 373	0.30 388	0.18 330	0.26 365	0.21 342	0.16 347	0.16 297	0.13 257	0.08 293	0.06 296	0.06 97	0.06 176	0.07 245	0.07 260

SepStereo	0.15 339	0.08 224	0.18 380	0.19 344	0.10 328	0.19 381	0.17 306	0.28 373	0.30 388	0.18 330	0.26 365	0.21 342	0.16 347	0.26 457	0.13 257	0.08 293	0.06 296	0.06 97	0.06 176	0.07 245	0.07 260

MIPNet	0.11 170	0.08 224	0.15 284	0.17 205	0.09 223	0.12 199	0.14 152	0.21 238	0.25 334	0.12 181	0.10 109	0.09 116	0.07 98	0.13 225	0.13 257	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

OMP-Stereo	0.11 170	0.07 113	0.14 248	0.18 286	0.08 123	0.09 78	0.12 67	0.21 238	0.21 268	0.13 210	0.14 181	0.11 167	0.12 242	0.11 99	0.13 257	0.06 108	0.05 153	0.07 191	0.06 176	0.05 93	0.04 28

IIG-Stereo	0.11 170	0.06 46	0.13 204	0.17 205	0.08 123	0.11 159	0.12 67	0.22 261	0.18 212	0.14 233	0.17 230	0.12 188	0.13 273	0.12 175	0.13 257	0.06 108	0.05 153	0.07 191	0.06 176	0.06 179	0.05 108

rafts_anoy	0.11 170	0.06 46	0.10 92	0.17 205	0.08 123	0.10 119	0.14 152	0.18 181	0.14 131	0.13 210	0.13 168	0.12 188	0.11 211	0.11 99	0.13 257	0.07 234	0.05 153	0.09 350	0.11 437	0.07 245	0.06 184

raft+_RVC	0.11 170	0.07 113	0.09 61	0.16 130	0.07 62	0.10 119	0.11 44	0.24 302	0.20 254	0.12 181	0.15 194	0.12 188	0.08 134	0.12 175	0.13 257	0.07 234	0.04 20	0.07 191	0.06 176	0.05 93	0.05 108

HCRNet	0.16 366	0.23 499	0.12 172	0.35 518	0.11 380	0.15 293	0.17 306	0.26 335	0.22 290	0.19 345	0.24 325	0.21 342	0.14 305	0.15 270	0.13 257	0.11 414	0.07 364	0.11 425	0.10 408	0.09 371	0.07 260

csc	0.10 131	0.06 46	0.12 172	0.15 63	0.07 62	0.09 78	0.17 306	0.16 119	0.21 268	0.13 210	0.17 230	0.10 147	0.11 211	0.12 175	0.13 257	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

cscssc	0.10 131	0.06 46	0.12 172	0.15 63	0.07 62	0.09 78	0.17 306	0.16 119	0.21 268	0.13 210	0.17 230	0.10 147	0.11 211	0.12 175	0.13 257	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

ARAFT	0.12 241	0.08 224	0.18 380	0.19 344	0.09 223	0.15 293	0.17 306	0.20 221	0.13 109	0.12 181	0.13 168	0.14 230	0.12 242	0.15 270	0.13 257	0.06 108	0.05 153	0.10 395	0.09 374	0.06 179	0.04 28

GMStereo	0.13 268	0.15 450	0.14 248	0.18 286	0.09 223	0.16 321	0.16 280	0.20 221	0.25 334	0.17 298	0.17 230	0.11 167	0.11 211	0.16 297	0.13 257	0.07 234	0.06 296	0.06 97	0.06 176	0.07 245	0.06 184
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HSM-Net_RVC	0.14 298	0.08 224	0.12 172	0.15 63	0.08 123	0.16 321	0.15 221	0.27 349	0.29 382	0.20 366	0.21 294	0.29 430	0.14 305	0.18 353	0.13 257	0.06 108	0.06 296	0.06 97	0.06 176	0.07 245	0.06 184
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
rvit_0105_5	0.14 298	0.10 359	0.14 248	0.17 205	0.09 223	0.14 267	0.23 450	0.24 302	0.27 359	0.14 233	0.15 194	0.18 307	0.13 273	0.17 336	0.14 293	0.14 476	0.11 453	0.10 395	0.11 437	0.08 310	0.07 260

rvit_0105_3	0.16 366	0.10 359	0.15 284	0.20 392	0.12 409	0.15 293	0.26 482	0.25 322	0.30 388	0.15 257	0.17 230	0.21 342	0.14 305	0.18 353	0.14 293	0.14 476	0.11 453	0.12 444	0.14 473	0.07 245	0.07 260

DCVSM-stereo	0.15 339	0.09 294	0.16 325	0.16 130	0.10 328	0.15 293	0.09 17	0.20 221	0.24 310	0.20 366	0.24 325	0.26 407	0.15 326	0.19 378	0.14 293	0.09 346	0.07 364	0.09 350	0.08 331	0.10 405	0.12 441

GCST	0.37 511	0.42 529	0.27 453	1.03 553	0.39 528	0.18 360	0.08 7	0.21 238	0.18 212	0.28 456	0.25 352	0.15 255	0.12 242	0.16 297	0.14 293	0.64 546	0.43 535	0.75 543	0.65 545	0.64 540	0.46 539

test_sample3	0.14 298	0.08 224	0.15 284	0.14 26	0.09 223	0.20 400	0.17 306	0.27 349	0.18 212	0.17 298	0.22 309	0.19 316	0.15 326	0.17 336	0.14 293	0.09 346	0.06 296	0.07 191	0.06 176	0.09 371	0.08 329

ttt	0.14 298	0.08 224	0.14 248	0.15 63	0.08 123	0.15 293	0.18 353	0.27 349	0.30 388	0.16 286	0.24 325	0.17 292	0.14 305	0.13 225	0.14 293	0.11 414	0.08 395	0.09 350	0.08 331	0.09 371	0.09 373

GMStereo_Zeroshot	0.16 366	0.13 429	0.25 443	0.20 392	0.10 328	0.17 344	0.13 104	0.30 401	0.25 334	0.23 409	0.32 426	0.25 397	0.11 211	0.19 378	0.14 293	0.09 346	0.06 296	0.11 425	0.06 176	0.12 440	0.08 329

PCWNet_CMD	0.14 298	0.08 224	0.15 284	0.17 205	0.09 223	0.14 267	0.14 152	0.29 391	0.36 437	0.14 233	0.20 277	0.21 342	0.13 273	0.17 336	0.14 293	0.07 234	0.05 153	0.07 191	0.07 265	0.07 245	0.07 260

CASS	0.14 298	0.12 401	0.12 172	0.23 461	0.09 223	0.15 293	0.17 306	0.19 208	0.20 254	0.17 298	0.18 253	0.15 255	0.15 326	0.15 270	0.14 293	0.09 346	0.06 296	0.10 395	0.08 331	0.09 371	0.07 260
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 268	0.07 113	0.14 248	0.18 286	0.09 223	0.13 228	0.17 306	0.20 221	0.29 382	0.15 257	0.24 325	0.16 275	0.14 305	0.14 252	0.14 293	0.07 234	0.05 153	0.07 191	0.09 374	0.05 93	0.07 260

BUS	0.15 339	0.09 294	0.14 248	0.22 442	0.10 328	0.20 400	0.14 152	0.34 450	0.20 254	0.17 298	0.23 313	0.16 275	0.14 305	0.16 297	0.14 293	0.08 293	0.06 296	0.10 395	0.09 374	0.07 245	0.07 260

IER	0.14 298	0.08 224	0.13 204	0.17 205	0.09 223	0.14 267	0.16 280	0.26 335	0.27 359	0.18 330	0.26 365	0.17 292	0.20 414	0.17 336	0.14 293	0.08 293	0.05 153	0.07 191	0.06 176	0.08 310	0.07 260

NINENet	0.16 366	0.10 359	0.16 325	0.17 205	0.11 380	0.20 400	0.14 152	0.41 496	0.37 442	0.18 330	0.21 294	0.16 275	0.14 305	0.16 297	0.14 293	0.08 293	0.08 395	0.10 395	0.07 265	0.10 405	0.09 373

BSDual-CNN	0.15 339	0.09 294	0.14 248	0.22 442	0.10 328	0.15 293	0.15 221	0.34 450	0.20 254	0.17 298	0.23 313	0.25 397	0.16 347	0.16 297	0.14 293	0.08 293	0.06 296	0.10 395	0.09 374	0.07 245	0.07 260

psmg	0.14 298	0.09 294	0.14 248	0.17 205	0.10 328	0.15 293	0.17 306	0.29 391	0.20 254	0.17 298	0.21 294	0.25 397	0.16 347	0.16 297	0.14 293	0.08 293	0.07 364	0.08 268	0.08 331	0.07 245	0.07 260

UDGNet	0.14 298	0.13 429	0.17 348	0.18 286	0.10 328	0.12 199	0.16 280	0.21 238	0.27 359	0.20 366	0.20 277	0.17 292	0.13 273	0.16 297	0.14 293	0.10 383	0.06 296	0.09 350	0.07 265	0.07 245	0.07 260

IPLG	0.11 170	0.08 224	0.15 284	0.17 205	0.08 123	0.11 159	0.14 152	0.20 221	0.15 148	0.13 210	0.18 253	0.07 62	0.07 98	0.14 252	0.14 293	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

GANet-ADL	0.13 268	0.07 113	0.15 284	0.17 205	0.10 328	0.19 381	0.15 221	0.30 401	0.21 268	0.13 210	0.18 253	0.19 316	0.13 273	0.16 297	0.14 293	0.08 293	0.06 296	0.06 97	0.05 104	0.07 245	0.08 329

AAGNet	0.12 241	0.08 224	0.17 348	0.19 344	0.09 223	0.08 46	0.13 104	0.19 208	0.13 109	0.16 286	0.21 294	0.13 211	0.14 305	0.11 99	0.14 293	0.06 108	0.04 20	0.09 350	0.06 176	0.06 179	0.05 108

FTStereo	0.12 241	0.07 113	0.14 248	0.18 286	0.09 223	0.07 22	0.15 221	0.22 261	0.18 212	0.12 181	0.24 325	0.11 167	0.13 273	0.13 225	0.14 293	0.05 24	0.05 153	0.07 191	0.07 265	0.06 179	0.10 400

DEmStereo	0.12 241	0.06 46	0.14 248	0.14 26	0.10 328	0.16 321	0.15 221	0.16 119	0.24 310	0.17 298	0.23 313	0.12 188	0.14 305	0.12 175	0.14 293	0.05 24	0.04 20	0.07 191	0.06 176	0.05 93	0.05 108

THIR-Stereo	0.12 241	0.07 113	0.11 134	0.15 63	0.08 123	0.14 267	0.16 280	0.18 181	0.25 334	0.17 298	0.24 325	0.13 211	0.13 273	0.12 175	0.14 293	0.06 108	0.05 153	0.07 191	0.07 265	0.05 93	0.05 108

TestStereo	0.14 298	0.15 450	0.11 134	0.23 461	0.08 123	0.15 293	0.21 429	0.20 221	0.23 300	0.14 233	0.25 352	0.16 275	0.13 273	0.16 297	0.14 293	0.06 108	0.06 296	0.08 268	0.06 176	0.09 371	0.05 108

CFNet_pseudo	0.14 298	0.08 224	0.16 325	0.16 130	0.09 223	0.13 228	0.14 152	0.27 349	0.34 419	0.15 257	0.21 294	0.22 360	0.13 273	0.18 353	0.14 293	0.07 234	0.05 153	0.08 268	0.06 176	0.07 245	0.07 260

GES	0.14 298	0.08 224	0.16 325	0.15 63	0.10 328	0.13 228	0.13 104	0.28 373	0.26 347	0.17 298	0.24 325	0.19 316	0.14 305	0.16 297	0.14 293	0.08 293	0.08 395	0.07 191	0.06 176	0.08 310	0.09 373

PSMNet-RSSM	0.14 298	0.07 113	0.14 248	0.15 63	0.08 123	0.13 228	0.16 280	0.25 322	0.24 310	0.17 298	0.28 392	0.23 376	0.14 305	0.16 297	0.14 293	0.11 414	0.06 296	0.09 350	0.12 457	0.08 310	0.07 260

DIP-Stereo	0.11 170	0.08 224	0.15 284	0.17 205	0.09 223	0.13 228	0.09 17	0.16 119	0.16 174	0.12 181	0.16 211	0.14 230	0.12 242	0.16 297	0.14 293	0.06 108	0.05 153	0.06 97	0.05 104	0.05 93	0.07 260
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.14 298	0.08 224	0.15 284	0.17 205	0.09 223	0.14 267	0.14 152	0.29 391	0.36 437	0.14 233	0.20 277	0.21 342	0.13 273	0.18 353	0.14 293	0.07 234	0.05 153	0.07 191	0.07 265	0.07 245	0.07 260

ccs_rob	0.14 298	0.09 294	0.16 325	0.16 130	0.09 223	0.13 228	0.14 152	0.27 349	0.34 419	0.15 257	0.21 294	0.22 360	0.13 273	0.18 353	0.14 293	0.07 234	0.05 153	0.08 268	0.07 265	0.07 245	0.07 260

HITNet	0.11 170	0.06 46	0.12 172	0.14 26	0.06 11	0.12 199	0.10 25	0.18 181	0.18 212	0.13 210	0.17 230	0.15 255	0.11 211	0.15 270	0.14 293	0.06 108	0.04 20	0.04 1	0.04 31	0.06 179	0.05 108
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
iResNetv2_ROB	0.15 339	0.08 224	0.16 325	0.16 130	0.08 123	0.16 321	0.13 104	0.26 335	0.36 437	0.21 381	0.29 407	0.24 385	0.13 273	0.14 252	0.14 293	0.06 108	0.06 296	0.06 97	0.04 31	0.09 371	0.08 329

MLCV	0.13 268	0.08 224	0.17 348	0.18 286	0.06 11	0.16 321	0.17 306	0.19 208	0.22 290	0.19 345	0.25 352	0.17 292	0.13 273	0.15 270	0.14 293	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

iResNet_ROB	0.14 298	0.07 113	0.13 204	0.15 63	0.07 62	0.19 381	0.14 152	0.26 335	0.32 403	0.23 409	0.26 365	0.23 376	0.16 347	0.15 270	0.14 293	0.07 234	0.05 153	0.05 23	0.04 31	0.08 310	0.08 329

DN-CSS_ROB	0.13 268	0.13 429	0.17 348	0.18 286	0.10 328	0.16 321	0.08 7	0.22 261	0.19 233	0.17 298	0.23 313	0.13 211	0.13 273	0.13 225	0.14 293	0.05 24	0.05 153	0.10 395	0.10 408	0.08 310	0.06 184

DFGA-Net	0.13 268	0.11 383	0.19 403	0.18 286	0.10 328	0.13 228	0.13 104	0.23 279	0.25 334	0.16 286	0.16 211	0.13 211	0.12 242	0.17 336	0.15 327	0.07 234	0.05 153	0.08 268	0.07 265	0.05 93	0.05 108

test_sample1	0.13 268	0.07 113	0.14 248	0.14 26	0.08 123	0.19 381	0.17 306	0.20 221	0.15 148	0.14 233	0.22 309	0.18 307	0.16 347	0.17 336	0.15 327	0.07 234	0.06 296	0.06 97	0.06 176	0.08 310	0.08 329

CFNet_ucs	0.15 339	0.09 294	0.17 348	0.16 130	0.11 380	0.14 267	0.14 152	0.30 401	0.34 419	0.16 286	0.24 325	0.23 376	0.14 305	0.18 353	0.15 327	0.09 346	0.06 296	0.08 268	0.07 265	0.09 371	0.09 373

SDNR	0.20 423	0.09 294	0.19 403	0.16 130	0.12 409	0.79 541	0.13 104	0.26 335	0.33 408	0.19 345	0.25 352	0.19 316	0.12 242	0.19 378	0.15 327	0.16 497	0.18 504	0.14 471	0.11 437	0.08 310	0.12 441

gwcnet-sp	0.14 298	0.07 113	0.13 204	0.18 286	0.09 223	0.16 321	0.18 353	0.24 302	0.24 310	0.19 345	0.24 325	0.15 255	0.16 347	0.16 297	0.15 327	0.08 293	0.07 364	0.07 191	0.08 331	0.08 310	0.07 260

scenet	0.14 298	0.07 113	0.13 204	0.18 286	0.09 223	0.16 321	0.18 353	0.24 302	0.24 310	0.19 345	0.24 325	0.15 255	0.16 347	0.16 297	0.15 327	0.08 293	0.07 364	0.07 191	0.08 331	0.08 310	0.07 260

ssnet	0.14 298	0.07 113	0.13 204	0.18 286	0.09 223	0.16 321	0.18 353	0.24 302	0.24 310	0.19 345	0.24 325	0.15 255	0.16 347	0.16 297	0.15 327	0.08 293	0.07 364	0.07 191	0.08 331	0.08 310	0.07 260

GwcNet-ADL	0.13 268	0.08 224	0.14 248	0.20 392	0.09 223	0.12 199	0.20 413	0.30 401	0.25 334	0.14 233	0.14 181	0.18 307	0.14 305	0.13 225	0.15 327	0.07 234	0.05 153	0.06 97	0.05 104	0.07 245	0.06 184

ICVP	0.16 366	0.09 294	0.12 172	0.22 442	0.09 223	0.18 360	0.21 429	0.26 335	0.24 310	0.18 330	0.30 413	0.27 413	0.18 384	0.18 353	0.15 327	0.10 383	0.07 364	0.08 268	0.07 265	0.07 245	0.08 329
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FENet	0.13 268	0.08 224	0.13 204	0.16 130	0.08 123	0.15 293	0.16 280	0.23 279	0.23 300	0.17 298	0.24 325	0.16 275	0.13 273	0.14 252	0.15 327	0.08 293	0.05 153	0.08 268	0.08 331	0.08 310	0.08 329

cf-r	0.14 298	0.07 113	0.13 204	0.16 130	0.08 123	0.14 267	0.19 395	0.21 238	0.25 334	0.17 298	0.26 365	0.22 360	0.17 371	0.14 252	0.15 327	0.10 383	0.05 153	0.06 97	0.08 331	0.06 179	0.06 184

CFNet-ft	0.14 298	0.07 113	0.15 284	0.12 4	0.09 223	0.17 344	0.18 353	0.22 261	0.24 310	0.17 298	0.26 365	0.24 385	0.14 305	0.16 297	0.15 327	0.11 414	0.06 296	0.08 268	0.09 374	0.09 371	0.08 329

BEATNet_4x	0.12 241	0.09 294	0.15 284	0.18 286	0.07 62	0.15 293	0.07 3	0.23 279	0.19 233	0.16 286	0.19 267	0.19 316	0.14 305	0.17 336	0.15 327	0.07 234	0.05 153	0.05 23	0.05 104	0.06 179	0.07 260

CFNet	0.15 339	0.11 383	0.17 348	0.17 205	0.08 123	0.19 381	0.10 25	0.29 391	0.26 347	0.19 345	0.24 325	0.24 385	0.18 384	0.18 353	0.15 327	0.08 293	0.06 296	0.09 350	0.10 408	0.08 310	0.07 260

CFNet_RVC	0.14 298	0.07 113	0.15 284	0.12 4	0.09 223	0.17 344	0.18 353	0.22 261	0.24 310	0.17 298	0.26 365	0.24 385	0.14 305	0.16 297	0.15 327	0.11 414	0.06 296	0.08 268	0.09 374	0.09 371	0.08 329

UCFNet_RVC	0.15 339	0.08 224	0.13 204	0.11 1	0.10 328	0.20 400	0.10 25	0.24 302	0.23 300	0.17 298	0.21 294	0.24 385	0.15 326	0.18 353	0.15 327	0.12 440	0.07 364	0.11 425	0.13 468	0.11 425	0.10 400

AdaStereo	0.15 339	0.11 383	0.16 325	0.19 344	0.09 223	0.21 411	0.11 44	0.33 436	0.28 375	0.21 381	0.23 313	0.21 342	0.13 273	0.19 378	0.15 327	0.13 457	0.05 153	0.10 395	0.07 265	0.09 371	0.07 260
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 339	0.09 294	0.15 284	0.16 130	0.09 223	0.16 321	0.14 152	0.28 373	0.25 334	0.20 366	0.24 325	0.37 477	0.17 371	0.20 396	0.15 327	0.07 234	0.05 153	0.07 191	0.06 176	0.07 245	0.06 184

iResNet	0.13 268	0.10 359	0.18 380	0.19 344	0.08 123	0.14 267	0.18 353	0.21 238	0.27 359	0.16 286	0.24 325	0.15 255	0.13 273	0.14 252	0.15 327	0.06 108	0.04 20	0.06 97	0.05 104	0.06 179	0.05 108

G2L-ROB	0.13 268	0.07 113	0.13 204	0.13 8	0.08 123	0.14 267	0.17 306	0.25 322	0.19 233	0.20 366	0.19 267	0.20 333	0.14 305	0.18 353	0.16 346	0.08 293	0.05 153	0.06 97	0.05 104	0.08 310	0.09 373

DDVS	0.16 366	0.10 359	0.22 426	0.16 130	0.12 409	0.15 293	0.14 152	0.25 322	0.19 233	0.18 330	0.30 413	0.27 413	0.13 273	0.20 396	0.16 346	0.09 346	0.06 296	0.09 350	0.07 265	0.11 425	0.11 422

ITSA-stereo	0.16 366	0.11 383	0.14 248	0.19 344	0.08 123	0.13 228	0.14 152	0.30 401	0.49 490	0.17 298	0.18 253	0.22 360	0.15 326	0.17 336	0.16 346	0.10 383	0.06 296	0.08 268	0.08 331	0.08 310	0.09 373

DualNet (step1)	0.17 388	0.12 401	0.21 417	0.13 8	0.14 450	0.18 360	0.14 152	0.28 373	0.24 310	0.21 381	0.21 294	0.24 385	0.20 414	0.16 297	0.16 346	0.15 480	0.06 296	0.14 471	0.14 473	0.15 481	0.13 452

test_sample7	0.16 366	0.10 359	0.16 325	0.14 26	0.12 409	0.16 321	0.17 306	0.28 373	0.24 310	0.21 381	0.21 294	0.24 385	0.20 414	0.16 297	0.16 346	0.12 440	0.06 296	0.10 395	0.09 374	0.11 425	0.10 400

DispNO	0.15 339	0.09 294	0.18 380	0.19 344	0.12 409	0.11 159	0.21 429	0.23 279	0.29 382	0.18 330	0.23 313	0.19 316	0.17 371	0.16 297	0.16 346	0.07 234	0.05 153	0.08 268	0.08 331	0.07 245	0.06 184

1test111	0.11 170	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.24 302	0.16 174	0.09 85	0.09 86	0.06 14	0.06 34	0.15 270	0.16 346	0.06 108	0.05 153	0.06 97	0.05 104	0.07 245	0.07 260

qqq	0.13 268	0.09 294	0.15 284	0.16 130	0.08 123	0.13 228	0.15 221	0.24 302	0.16 174	0.15 257	0.19 267	0.16 275	0.16 347	0.15 270	0.16 346	0.07 234	0.06 296	0.08 268	0.08 331	0.07 245	0.07 260

iRaft-Stereo_5w	0.12 241	0.09 294	0.12 172	0.20 392	0.08 123	0.09 78	0.12 67	0.22 261	0.22 290	0.19 345	0.14 181	0.11 167	0.09 159	0.20 396	0.16 346	0.05 24	0.05 153	0.07 191	0.06 176	0.05 93	0.06 184

GEStereo_RVC	0.17 388	0.12 401	0.16 325	0.22 442	0.11 380	0.19 381	0.18 353	0.32 422	0.49 490	0.20 366	0.25 352	0.17 292	0.13 273	0.21 413	0.16 346	0.10 383	0.06 296	0.08 268	0.07 265	0.09 371	0.08 329

GANet-RSSM	0.14 298	0.07 113	0.13 204	0.13 8	0.08 123	0.14 267	0.18 353	0.23 279	0.21 268	0.17 298	0.25 352	0.24 385	0.16 347	0.16 297	0.16 346	0.10 383	0.06 296	0.07 191	0.08 331	0.08 310	0.07 260

GwcNet-RSSM	0.14 298	0.07 113	0.12 172	0.16 130	0.08 123	0.15 293	0.20 413	0.22 261	0.28 375	0.18 330	0.28 392	0.23 376	0.17 371	0.15 270	0.16 346	0.10 383	0.06 296	0.07 191	0.09 374	0.07 245	0.07 260

FADNet-RVC-Resample	0.17 388	0.12 401	0.32 478	0.22 442	0.12 409	0.19 381	0.14 152	0.25 322	0.24 310	0.24 421	0.27 382	0.20 333	0.15 326	0.17 336	0.16 346	0.07 234	0.08 395	0.12 444	0.10 408	0.09 371	0.11 422

FADNet	0.21 436	0.23 499	0.37 492	0.18 286	0.17 489	0.25 451	0.13 104	0.32 422	0.32 403	0.23 409	0.25 352	0.27 413	0.21 422	0.19 378	0.16 346	0.13 457	0.15 493	0.12 444	0.15 488	0.17 499	0.18 503

DeepPruner_ROB	0.16 366	0.11 383	0.16 325	0.17 205	0.10 328	0.17 344	0.15 221	0.32 422	0.21 268	0.19 345	0.21 294	0.22 360	0.19 402	0.21 413	0.16 346	0.13 457	0.09 419	0.09 350	0.10 408	0.11 425	0.11 422

CBMV_ROB	0.19 414	0.13 429	0.18 380	0.16 130	0.11 380	0.16 321	0.12 67	0.27 349	0.29 382	0.27 444	0.31 417	0.27 413	0.24 442	0.24 448	0.16 346	0.15 480	0.18 504	0.22 509	0.20 505	0.10 405	0.12 441

NOSS_ROB	0.19 414	0.13 429	0.18 380	0.16 130	0.12 409	0.16 321	0.12 67	0.30 401	0.33 408	0.20 366	0.22 309	0.27 413	0.24 442	0.21 413	0.16 346	0.16 497	0.18 504	0.23 510	0.21 507	0.13 453	0.13 452

ACV-stereo	0.15 339	0.10 359	0.29 465	0.18 286	0.12 409	0.15 293	0.13 104	0.23 279	0.21 268	0.19 345	0.23 313	0.22 360	0.15 326	0.23 437	0.17 363	0.08 293	0.07 364	0.07 191	0.07 265	0.08 310	0.07 260

SMFormer	0.14 298	0.07 113	0.18 380	0.14 26	0.08 123	0.17 344	0.17 306	0.27 349	0.27 359	0.19 345	0.20 277	0.19 316	0.15 326	0.15 270	0.17 363	0.08 293	0.05 153	0.07 191	0.06 176	0.08 310	0.07 260

tta	0.14 298	0.07 113	0.18 380	0.14 26	0.08 123	0.17 344	0.17 306	0.27 349	0.27 359	0.19 345	0.20 277	0.19 316	0.15 326	0.15 270	0.17 363	0.08 293	0.05 153	0.07 191	0.06 176	0.06 179	0.06 184

mmm	0.14 298	0.08 224	0.18 380	0.17 205	0.09 223	0.17 344	0.18 353	0.21 238	0.16 174	0.16 286	0.23 313	0.21 342	0.16 347	0.16 297	0.17 363	0.08 293	0.05 153	0.08 268	0.08 331	0.08 310	0.07 260

dd	0.15 339	0.17 468	0.17 348	0.19 344	0.09 223	0.15 293	0.18 353	0.22 261	0.26 347	0.23 409	0.20 277	0.21 342	0.10 181	0.21 413	0.17 363	0.10 383	0.06 296	0.08 268	0.06 176	0.08 310	0.07 260

dad	0.18 403	0.20 488	0.21 417	0.17 205	0.11 380	0.20 400	0.19 395	0.21 238	0.28 375	0.30 470	0.24 325	0.30 437	0.13 273	0.19 378	0.17 363	0.18 503	0.09 419	0.11 425	0.09 374	0.11 425	0.07 260

SACVNet	0.19 414	0.12 401	0.15 284	0.17 205	0.13 434	0.22 424	0.18 353	0.31 417	0.31 397	0.24 421	0.31 417	0.30 437	0.23 435	0.23 437	0.17 363	0.11 414	0.08 395	0.10 395	0.10 408	0.12 440	0.14 468

AACVNet	0.16 366	0.08 224	0.15 284	0.15 63	0.10 328	0.18 360	0.15 221	0.24 302	0.25 334	0.27 444	0.27 382	0.28 423	0.18 384	0.19 378	0.17 363	0.09 346	0.07 364	0.09 350	0.07 265	0.10 405	0.09 373

LMCR-Stereo	0.15 339	0.08 224	0.14 248	0.21 422	0.09 223	0.18 360	0.19 395	0.28 373	0.19 233	0.24 421	0.24 325	0.23 376	0.17 371	0.20 396	0.17 363	0.07 234	0.06 296	0.08 268	0.06 176	0.10 405	0.09 373

DMCA	0.14 298	0.09 294	0.17 348	0.19 344	0.09 223	0.15 293	0.17 306	0.23 279	0.28 375	0.14 233	0.20 277	0.17 292	0.18 384	0.15 270	0.17 363	0.10 383	0.06 296	0.08 268	0.06 176	0.09 371	0.10 400

FADNet_RVC	0.17 388	0.14 444	0.41 497	0.20 392	0.11 380	0.13 228	0.13 104	0.27 349	0.22 290	0.21 381	0.23 313	0.20 333	0.18 384	0.15 270	0.17 363	0.08 293	0.08 395	0.12 444	0.09 374	0.11 425	0.10 400

AANet_RVC	0.16 366	0.10 359	0.11 134	0.18 286	0.09 223	0.19 381	0.18 353	0.27 349	0.32 403	0.22 395	0.35 446	0.21 342	0.22 429	0.22 430	0.17 363	0.06 108	0.05 153	0.06 97	0.06 176	0.07 245	0.06 184

pmcnn	0.15 339	0.07 113	0.20 407	0.15 63	0.07 62	0.21 411	0.16 280	0.25 322	0.26 347	0.21 381	0.33 432	0.29 430	0.19 402	0.18 353	0.17 363	0.07 234	0.05 153	0.05 23	0.04 31	0.07 245	0.06 184

G2L-Stereo	0.14 298	0.07 113	0.13 204	0.17 205	0.09 223	0.13 228	0.12 67	0.27 349	0.22 290	0.17 298	0.27 382	0.21 342	0.13 273	0.18 353	0.18 376	0.09 346	0.08 395	0.08 268	0.07 265	0.07 245	0.07 260

rvit_105_1	0.19 414	0.12 401	0.25 443	0.21 422	0.16 477	0.22 424	0.28 493	0.32 422	0.42 465	0.20 366	0.21 294	0.22 360	0.18 384	0.19 378	0.18 376	0.12 440	0.12 467	0.13 458	0.15 488	0.08 310	0.07 260

test_sample9	0.18 403	0.12 401	0.21 417	0.13 8	0.14 450	0.18 360	0.14 152	0.28 373	0.24 310	0.21 381	0.21 294	0.24 385	0.20 414	0.19 378	0.18 376	0.15 480	0.30 528	0.14 471	0.14 473	0.15 481	0.13 452

test_sample8	0.20 423	0.12 401	0.21 417	0.13 8	0.14 450	0.18 360	0.14 152	0.32 422	0.21 268	0.28 456	0.22 309	0.36 474	0.26 456	0.19 378	0.18 376	0.15 480	0.30 528	0.14 471	0.14 473	0.15 481	0.13 452

MyStereo8	0.12 241	0.07 113	0.15 284	0.15 63	0.09 223	0.18 360	0.14 152	0.19 208	0.22 290	0.12 181	0.18 253	0.11 167	0.10 181	0.16 297	0.18 376	0.07 234	0.05 153	0.07 191	0.05 104	0.08 310	0.09 373

GASNet	0.22 444	0.24 502	0.34 483	0.26 487	0.17 489	0.27 469	0.16 280	0.45 513	0.42 465	0.27 444	0.24 325	0.30 437	0.16 347	0.27 459	0.18 376	0.12 440	0.09 419	0.12 444	0.11 437	0.16 492	0.08 329

HBP-ISP	0.18 403	0.13 429	0.17 348	0.15 63	0.11 380	0.08 46	0.13 104	0.28 373	0.30 388	0.22 395	0.33 432	0.21 342	0.25 449	0.23 437	0.18 376	0.15 480	0.17 502	0.21 505	0.17 499	0.10 405	0.09 373

x	0.13 268	0.08 224	0.15 284	0.14 26	0.08 123	0.19 381	0.14 152	0.22 261	0.21 268	0.15 257	0.20 277	0.20 333	0.18 384	0.18 353	0.18 376	0.07 234	0.05 153	0.06 97	0.06 176	0.07 245	0.07 260

CRFU-Net	0.16 366	0.08 224	0.15 284	0.17 205	0.09 223	0.20 400	0.14 152	0.27 349	0.21 268	0.28 456	0.28 392	0.29 430	0.18 384	0.19 378	0.18 376	0.09 346	0.09 419	0.07 191	0.07 265	0.08 310	0.09 373

PSMNet-ADL	0.15 339	0.12 401	0.13 204	0.22 442	0.09 223	0.13 228	0.20 413	0.26 335	0.23 300	0.18 330	0.20 277	0.23 376	0.17 371	0.18 353	0.18 376	0.09 346	0.08 395	0.08 268	0.11 437	0.08 310	0.07 260

FINET	0.22 444	0.18 481	0.28 456	0.19 344	0.16 477	0.24 443	0.24 460	0.33 436	0.49 490	0.26 437	0.33 432	0.22 360	0.23 435	0.23 437	0.18 376	0.18 503	0.16 498	0.11 425	0.10 408	0.15 481	0.14 468

CVANet_RVC	0.18 403	0.11 383	0.14 248	0.21 422	0.11 380	0.19 381	0.18 353	0.34 450	0.34 419	0.22 395	0.31 417	0.28 423	0.18 384	0.24 448	0.18 376	0.12 440	0.08 395	0.12 444	0.12 457	0.09 371	0.08 329

NVstereo2D	0.19 414	0.11 383	0.16 325	0.17 205	0.16 477	0.28 479	0.23 450	0.44 511	0.42 465	0.15 257	0.28 392	0.25 397	0.19 402	0.23 437	0.18 376	0.09 346	0.06 296	0.10 395	0.08 331	0.15 481	0.10 400

SGM-Forest	0.20 423	0.14 444	0.18 380	0.20 392	0.13 434	0.21 411	0.22 440	0.33 436	0.31 397	0.24 421	0.29 407	0.28 423	0.20 414	0.23 437	0.18 376	0.15 480	0.16 498	0.15 482	0.14 473	0.13 453	0.12 441
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
G2L-Stereo_test	0.14 298	0.07 113	0.11 134	0.13 8	0.08 123	0.12 199	0.17 306	0.31 417	0.28 375	0.21 381	0.23 313	0.20 333	0.16 347	0.17 336	0.19 390	0.07 234	0.05 153	0.05 23	0.05 104	0.07 245	0.07 260

coex_refinement	0.14 298	0.07 113	0.12 172	0.17 205	0.10 328	0.16 321	0.15 221	0.27 349	0.29 382	0.18 330	0.21 294	0.22 360	0.17 371	0.16 297	0.19 390	0.08 293	0.05 153	0.06 97	0.06 176	0.09 371	0.08 329

CBFPSM	0.15 339	0.07 113	0.27 453	0.17 205	0.09 223	0.13 228	0.15 221	0.22 261	0.23 300	0.20 366	0.27 382	0.23 376	0.16 347	0.16 297	0.19 390	0.06 108	0.06 296	0.06 97	0.07 265	0.07 245	0.07 260

CSP-Net	0.16 366	0.09 294	0.14 248	0.17 205	0.09 223	0.19 381	0.18 353	0.25 322	0.33 408	0.26 437	0.31 417	0.25 397	0.16 347	0.21 413	0.19 390	0.09 346	0.06 296	0.07 191	0.07 265	0.08 310	0.08 329

UNet	0.17 388	0.09 294	0.18 380	0.19 344	0.12 409	0.28 479	0.19 395	0.33 436	0.30 388	0.21 381	0.25 352	0.23 376	0.19 402	0.20 396	0.19 390	0.07 234	0.06 296	0.08 268	0.07 265	0.08 310	0.07 260

acv_ft	0.15 339	0.09 294	0.16 325	0.19 344	0.10 328	0.16 321	0.17 306	0.25 322	0.34 419	0.19 345	0.26 365	0.21 342	0.17 371	0.18 353	0.19 390	0.07 234	0.06 296	0.06 97	0.06 176	0.08 310	0.06 184

FADNet-RVC	0.21 436	0.20 488	0.40 495	0.21 422	0.16 477	0.21 411	0.15 221	0.27 349	0.27 359	0.26 437	0.32 426	0.26 407	0.21 422	0.22 430	0.19 390	0.12 440	0.13 479	0.12 444	0.14 473	0.13 453	0.18 503

TDLM	0.18 403	0.12 401	0.14 248	0.24 471	0.10 328	0.18 360	0.18 353	0.37 476	0.30 388	0.22 395	0.28 392	0.28 423	0.18 384	0.23 437	0.19 390	0.11 414	0.07 364	0.10 395	0.10 408	0.08 310	0.08 329

MDST_ROB	0.22 444	0.10 359	0.18 380	0.18 286	0.11 380	0.40 512	0.19 395	0.44 511	0.42 465	0.40 500	0.40 471	0.29 430	0.21 422	0.27 459	0.19 390	0.11 414	0.10 441	0.14 471	0.11 437	0.10 405	0.08 329

CBMV	0.20 423	0.15 450	0.18 380	0.18 286	0.10 328	0.20 400	0.11 44	0.30 401	0.31 397	0.29 465	0.31 417	0.31 451	0.23 435	0.28 467	0.19 390	0.13 457	0.15 493	0.17 491	0.16 492	0.10 405	0.10 400
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ISRNet	0.18 403	0.08 224	0.20 407	0.19 344	0.13 434	0.15 293	0.12 67	0.30 401	0.33 408	0.21 381	0.26 365	0.27 413	0.18 384	0.17 336	0.20 400	0.20 511	0.08 395	0.14 471	0.14 473	0.14 469	0.17 500

PSMNet-RUCA	0.28 490	0.33 521	0.42 499	0.36 520	0.32 526	0.18 360	0.20 413	0.42 501	0.30 388	0.33 486	0.41 481	0.40 494	0.24 442	0.31 481	0.20 400	0.19 506	0.11 453	0.25 512	0.15 488	0.22 507	0.16 491

Wz-Net-LNSev-Ref	0.18 403	0.09 294	0.30 471	0.15 63	0.11 380	0.23 437	0.20 413	0.27 349	0.40 456	0.26 437	0.43 491	0.25 397	0.15 326	0.21 413	0.20 400	0.07 234	0.05 153	0.06 97	0.05 104	0.10 405	0.09 373

pcwnet_v2	0.19 414	0.11 383	0.26 451	0.18 286	0.14 450	0.18 360	0.15 221	0.37 476	0.46 486	0.19 345	0.24 325	0.21 342	0.19 402	0.21 413	0.20 400	0.13 457	0.10 441	0.10 395	0.10 408	0.11 425	0.13 452

MMNet	0.17 388	0.10 359	0.17 348	0.20 392	0.11 380	0.27 469	0.20 413	0.26 335	0.42 465	0.22 395	0.30 413	0.22 360	0.20 414	0.18 353	0.20 400	0.06 108	0.06 296	0.07 191	0.07 265	0.08 310	0.07 260

FAT-Stereo	0.21 436	0.13 429	0.22 426	0.21 422	0.12 409	0.18 360	0.18 353	0.35 464	0.40 456	0.28 456	0.37 454	0.33 463	0.33 494	0.21 413	0.20 400	0.09 346	0.11 453	0.10 395	0.09 374	0.11 425	0.14 468

DSFCA	0.16 366	0.09 294	0.14 248	0.16 130	0.10 328	0.21 411	0.19 395	0.28 373	0.31 397	0.23 409	0.25 352	0.22 360	0.16 347	0.20 396	0.20 400	0.10 383	0.07 364	0.09 350	0.09 374	0.08 310	0.08 329

STTStereo	0.18 403	0.13 429	0.28 456	0.20 392	0.11 380	0.16 321	0.21 429	0.29 391	0.23 300	0.22 395	0.30 413	0.29 430	0.18 384	0.20 396	0.20 400	0.12 440	0.11 453	0.11 425	0.14 473	0.09 371	0.08 329

RASNet	0.15 339	0.07 113	0.15 284	0.16 130	0.08 123	0.19 381	0.14 152	0.30 401	0.21 268	0.17 298	0.25 352	0.21 342	0.19 402	0.20 396	0.20 400	0.07 234	0.06 296	0.06 97	0.08 331	0.06 179	0.06 184

NLCA_NET_v2_RVC	0.17 388	0.10 359	0.23 434	0.20 392	0.10 328	0.15 293	0.18 353	0.31 417	0.25 334	0.21 381	0.31 417	0.25 397	0.17 371	0.21 413	0.20 400	0.09 346	0.06 296	0.08 268	0.09 374	0.07 245	0.08 329
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 423	0.21 493	0.23 434	0.20 392	0.10 328	0.19 381	0.17 306	0.36 469	0.26 347	0.27 444	0.34 442	0.27 413	0.24 442	0.20 396	0.20 400	0.15 480	0.12 467	0.17 491	0.14 473	0.10 405	0.09 373

DLCB_ROB	0.18 403	0.10 359	0.16 325	0.23 461	0.11 380	0.24 443	0.18 353	0.30 401	0.28 375	0.27 444	0.29 407	0.28 423	0.25 449	0.20 396	0.20 400	0.08 293	0.08 395	0.09 350	0.09 374	0.07 245	0.07 260

PWCDC_ROB	0.21 436	0.13 429	0.23 434	0.25 478	0.12 409	0.20 400	0.15 221	0.34 450	0.55 506	0.29 465	0.49 501	0.21 342	0.15 326	0.28 467	0.20 400	0.11 414	0.09 419	0.10 395	0.08 331	0.11 425	0.09 373

ToySt	0.17 388	0.11 383	0.19 403	0.17 205	0.11 380	0.16 321	0.26 482	0.24 302	0.33 408	0.19 345	0.24 325	0.26 407	0.24 442	0.19 378	0.21 413	0.07 234	0.08 395	0.09 350	0.10 408	0.09 371	0.08 329

ssnet_v2	0.17 388	0.10 359	0.18 380	0.17 205	0.11 380	0.21 411	0.22 440	0.34 450	0.25 334	0.23 409	0.23 313	0.27 413	0.19 402	0.22 430	0.21 413	0.11 414	0.10 441	0.09 350	0.09 374	0.08 310	0.08 329

DDUNet	0.23 457	0.18 481	0.22 426	0.22 442	0.15 465	0.25 451	0.24 460	0.30 401	0.31 397	0.31 475	0.37 454	0.34 467	0.26 456	0.25 453	0.21 413	0.18 503	0.13 479	0.17 491	0.11 437	0.16 492	0.17 500

AASNet	0.16 366	0.08 224	0.13 204	0.19 344	0.09 223	0.19 381	0.15 221	0.38 483	0.37 442	0.20 366	0.24 325	0.20 333	0.17 371	0.17 336	0.21 413	0.10 383	0.08 395	0.08 268	0.07 265	0.09 371	0.09 373

ADLNet	0.16 366	0.08 224	0.15 284	0.16 130	0.10 328	0.16 321	0.17 306	0.33 436	0.27 359	0.23 409	0.27 382	0.24 385	0.16 347	0.18 353	0.21 413	0.10 383	0.06 296	0.10 395	0.10 408	0.08 310	0.09 373

delet	0.17 388	0.09 294	0.18 380	0.19 344	0.11 380	0.21 411	0.22 440	0.30 401	0.38 448	0.17 298	0.27 382	0.19 316	0.19 402	0.19 378	0.21 413	0.08 293	0.08 395	0.09 350	0.11 437	0.06 179	0.07 260

ACVNet	0.15 339	0.09 294	0.15 284	0.13 8	0.12 409	0.14 267	0.20 413	0.22 261	0.34 419	0.17 298	0.26 365	0.21 342	0.17 371	0.18 353	0.21 413	0.07 234	0.06 296	0.06 97	0.06 176	0.08 310	0.06 184

HGLStereo	0.17 388	0.09 294	0.19 403	0.17 205	0.12 409	0.18 360	0.18 353	0.31 417	0.33 408	0.22 395	0.33 432	0.24 385	0.18 384	0.20 396	0.21 413	0.10 383	0.09 419	0.07 191	0.07 265	0.09 371	0.10 400

hitnet-ft	0.18 403	0.10 359	0.17 348	0.14 26	0.09 223	0.27 469	0.20 413	0.25 322	0.26 347	0.24 421	0.32 426	0.32 457	0.23 435	0.24 448	0.21 413	0.12 440	0.07 364	0.10 395	0.08 331	0.12 440	0.11 422

DMCA-RVC	0.17 388	0.10 359	0.16 325	0.24 471	0.11 380	0.19 381	0.18 353	0.26 335	0.24 310	0.21 381	0.27 382	0.25 397	0.27 462	0.18 353	0.21 413	0.12 440	0.08 395	0.13 458	0.10 408	0.10 405	0.08 329

SuperB	0.20 423	0.10 359	0.57 515	0.16 130	0.09 223	0.19 381	0.18 353	0.25 322	0.51 496	0.27 444	0.39 468	0.17 292	0.22 429	0.22 430	0.21 413	0.08 293	0.06 296	0.06 97	0.06 176	0.12 440	0.11 422

StereoDRNet-Refined	0.17 388	0.12 401	0.16 325	0.20 392	0.10 328	0.18 360	0.18 353	0.27 349	0.24 310	0.26 437	0.41 481	0.23 376	0.18 384	0.21 413	0.21 413	0.09 346	0.05 153	0.09 350	0.10 408	0.07 245	0.07 260
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoDRNet	0.19 414	0.11 383	0.18 380	0.22 442	0.11 380	0.22 424	0.22 440	0.37 476	0.34 419	0.24 421	0.28 392	0.30 437	0.19 402	0.20 396	0.21 413	0.10 383	0.08 395	0.11 425	0.09 374	0.09 371	0.07 260

YMNet	0.20 423	0.12 401	0.20 407	0.21 422	0.14 450	0.27 469	0.23 450	0.32 422	0.34 419	0.28 456	0.35 446	0.30 437	0.18 384	0.18 353	0.22 426	0.11 414	0.13 479	0.10 395	0.10 408	0.09 371	0.09 373

YMNet_1	0.20 423	0.12 401	0.20 407	0.21 422	0.14 450	0.27 469	0.23 450	0.32 422	0.34 419	0.28 456	0.35 446	0.30 437	0.18 384	0.18 353	0.22 426	0.11 414	0.13 479	0.10 395	0.10 408	0.09 371	0.09 373

ff1	0.13 268	0.09 294	0.15 284	0.16 130	0.09 223	0.17 344	0.17 306	0.15 94	0.19 233	0.15 257	0.26 365	0.19 316	0.13 273	0.15 270	0.22 426	0.06 108	0.05 153	0.09 350	0.08 331	0.06 179	0.06 184

mmx	0.15 339	0.09 294	0.15 284	0.16 130	0.09 223	0.17 344	0.17 306	0.27 349	0.26 347	0.15 257	0.26 365	0.19 316	0.13 273	0.15 270	0.22 426	0.08 293	0.06 296	0.09 350	0.08 331	0.08 310	0.08 329

xxx	0.15 339	0.09 294	0.15 284	0.16 130	0.09 223	0.17 344	0.17 306	0.27 349	0.26 347	0.15 257	0.26 365	0.19 316	0.13 273	0.15 270	0.22 426	0.08 293	0.06 296	0.09 350	0.08 331	0.08 310	0.08 329

iinet-f	0.17 388	0.07 113	0.46 503	0.14 26	0.10 328	0.21 411	0.14 152	0.27 349	0.23 300	0.22 395	0.25 352	0.21 342	0.16 347	0.18 353	0.22 426	0.09 346	0.07 364	0.07 191	0.06 176	0.09 371	0.10 400

psm_up	0.19 414	0.10 359	0.18 380	0.21 422	0.11 380	0.17 344	0.19 395	0.38 483	0.34 419	0.22 395	0.28 392	0.29 430	0.25 449	0.20 396	0.22 426	0.09 346	0.10 441	0.11 425	0.11 437	0.08 310	0.08 329

UPFNet	0.16 366	0.08 224	0.12 172	0.20 392	0.12 409	0.20 400	0.23 450	0.28 373	0.26 347	0.18 330	0.24 325	0.22 360	0.20 414	0.19 378	0.22 426	0.09 346	0.07 364	0.08 268	0.09 374	0.08 310	0.06 184

ac_64	0.16 366	0.09 294	0.15 284	0.18 286	0.10 328	0.22 424	0.17 306	0.24 302	0.22 290	0.19 345	0.24 325	0.29 430	0.18 384	0.19 378	0.22 426	0.09 346	0.08 395	0.08 268	0.09 374	0.07 245	0.06 184

MaskLacGwcNet_RVC	0.22 444	0.21 493	0.25 443	0.26 487	0.11 380	0.24 443	0.14 152	0.39 488	0.24 310	0.32 482	0.36 451	0.30 437	0.21 422	0.19 378	0.22 426	0.17 502	0.14 489	0.21 505	0.16 492	0.13 453	0.12 441

NaN_ROB	0.23 457	0.20 488	0.25 443	0.25 478	0.13 434	0.31 486	0.27 487	0.34 450	0.41 463	0.31 475	0.31 417	0.32 457	0.23 435	0.31 481	0.22 426	0.11 414	0.17 502	0.10 395	0.11 437	0.08 310	0.09 373

TCMNet	0.19 414	0.12 401	0.20 407	0.21 422	0.18 498	0.21 411	0.24 460	0.28 373	0.36 437	0.23 409	0.26 365	0.25 397	0.20 414	0.20 396	0.23 437	0.13 457	0.11 453	0.11 425	0.12 457	0.13 453	0.12 441

SQANet	0.24 467	0.24 502	0.31 474	0.31 512	0.19 502	0.27 469	0.13 104	0.30 401	0.33 408	0.25 434	0.37 454	0.31 451	0.22 429	0.27 459	0.23 437	0.15 480	0.10 441	0.21 505	0.16 492	0.22 507	0.16 491

fast-acv-ft	0.18 403	0.11 383	0.20 407	0.19 344	0.12 409	0.26 461	0.21 429	0.26 335	0.35 432	0.22 395	0.34 442	0.27 413	0.21 422	0.21 413	0.23 437	0.09 346	0.09 419	0.08 268	0.10 408	0.08 310	0.07 260

UDG	0.21 436	0.17 468	0.20 407	0.23 461	0.15 465	0.31 486	0.20 413	0.33 436	0.35 432	0.24 421	0.28 392	0.31 451	0.29 474	0.21 413	0.23 437	0.15 480	0.12 467	0.13 458	0.09 374	0.14 469	0.15 482

ADLNet2	0.16 366	0.09 294	0.14 248	0.17 205	0.09 223	0.20 400	0.16 280	0.32 422	0.39 452	0.17 298	0.20 277	0.20 333	0.19 402	0.21 413	0.23 437	0.08 293	0.07 364	0.07 191	0.07 265	0.09 371	0.07 260

S-Stereo	0.21 436	0.12 401	0.25 443	0.21 422	0.13 434	0.21 411	0.19 395	0.33 436	0.45 479	0.23 409	0.36 451	0.28 423	0.29 474	0.20 396	0.23 437	0.09 346	0.12 467	0.10 395	0.10 408	0.13 453	0.14 468

RGC	0.25 473	0.20 488	0.29 465	0.28 501	0.16 477	0.22 424	0.23 450	0.33 436	0.44 475	0.27 444	0.40 471	0.38 483	0.28 471	0.37 504	0.23 437	0.11 414	0.13 479	0.17 491	0.17 499	0.15 481	0.16 491

stereogan	0.22 444	0.11 383	0.21 417	0.20 392	0.12 409	0.32 488	0.19 395	0.36 469	0.45 479	0.23 409	0.39 468	0.35 472	0.27 462	0.33 488	0.23 437	0.10 383	0.12 467	0.10 395	0.10 408	0.14 469	0.14 468

DeepPrunerF	0.24 467	0.17 468	0.45 502	0.26 487	0.16 477	0.23 437	0.29 504	0.37 476	0.51 496	0.27 444	0.31 417	0.24 385	0.28 471	0.22 430	0.23 437	0.15 480	0.11 453	0.20 504	0.18 503	0.12 440	0.14 468

GANet	0.22 444	0.13 429	0.21 417	0.25 478	0.14 450	0.23 437	0.22 440	0.42 501	0.27 359	0.31 475	0.43 491	0.37 477	0.29 474	0.23 437	0.23 437	0.10 383	0.12 467	0.10 395	0.09 374	0.10 405	0.08 329

DPSNet	0.28 490	0.16 458	0.33 480	0.18 286	0.13 434	0.55 523	0.42 531	0.52 523	0.68 524	0.29 465	0.38 461	0.39 488	0.30 485	0.32 485	0.23 437	0.11 414	0.10 441	0.11 425	0.08 331	0.20 506	0.16 491

PWC_ROB	0.21 436	0.16 458	0.27 453	0.18 286	0.11 380	0.22 424	0.13 104	0.33 436	0.49 490	0.30 470	0.40 471	0.32 457	0.25 449	0.31 481	0.23 437	0.10 383	0.07 364	0.11 425	0.08 331	0.11 425	0.10 400

1111x	0.16 366	0.09 294	0.13 204	0.18 286	0.08 123	0.18 360	0.25 476	0.32 422	0.25 334	0.17 298	0.24 325	0.27 413	0.15 326	0.14 252	0.24 449	0.07 234	0.07 364	0.08 268	0.09 374	0.07 245	0.07 260

ACVNet-4b	0.39 513	0.53 532	0.56 513	0.45 528	0.24 514	0.46 516	0.18 353	0.50 520	0.64 521	0.42 506	0.45 495	0.60 523	0.27 462	0.34 491	0.24 449	0.33 529	0.14 489	0.48 532	0.42 532	0.31 527	0.27 524

Anonymous_2	0.22 444	0.17 468	0.28 456	0.15 63	0.16 477	0.33 490	0.22 440	0.23 279	0.18 212	0.23 409	0.24 325	0.26 407	0.27 462	0.27 459	0.24 449	0.22 517	0.26 524	0.17 491	0.17 499	0.16 492	0.18 503

DGSMNet	0.25 473	0.19 484	0.34 483	0.21 422	0.24 514	0.24 443	0.21 429	0.36 469	0.42 465	0.25 434	0.32 426	0.38 483	0.21 422	0.29 474	0.24 449	0.13 457	0.11 453	0.14 471	0.16 492	0.23 510	0.23 516

aanetorigin	0.22 444	0.17 468	0.57 515	0.18 286	0.10 328	0.16 321	0.19 395	0.20 221	0.33 408	0.49 517	0.48 500	0.30 437	0.28 471	0.21 413	0.24 449	0.08 293	0.07 364	0.08 268	0.07 265	0.10 405	0.09 373

DANet	0.21 436	0.16 458	0.29 465	0.25 478	0.13 434	0.23 437	0.19 395	0.28 373	0.27 359	0.28 456	0.32 426	0.35 472	0.32 492	0.31 481	0.24 449	0.11 414	0.09 419	0.11 425	0.10 408	0.13 453	0.11 422
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FBW_ROB	0.25 473	0.17 468	0.23 434	0.27 495	0.14 450	0.26 461	0.22 440	0.42 501	0.43 473	0.42 506	0.41 481	0.43 501	0.27 462	0.32 485	0.24 449	0.09 346	0.15 493	0.15 482	0.12 457	0.12 440	0.10 400

APVNet	0.23 457	0.12 401	0.20 407	0.18 286	0.14 450	0.32 488	0.31 512	0.40 491	0.33 408	0.27 444	0.40 471	0.30 437	0.29 474	0.27 459	0.25 456	0.11 414	0.12 467	0.11 425	0.14 473	0.12 440	0.13 452

Syn2CoEx	0.22 444	0.16 458	0.29 465	0.29 508	0.15 465	0.26 461	0.21 429	0.34 450	0.32 403	0.29 465	0.36 451	0.28 423	0.25 449	0.20 396	0.25 456	0.16 497	0.12 467	0.14 471	0.11 437	0.09 371	0.08 329

GwcNet	0.20 423	0.14 444	0.20 407	0.18 286	0.12 409	0.25 451	0.20 413	0.36 469	0.45 479	0.20 366	0.33 432	0.33 463	0.21 422	0.22 430	0.25 456	0.11 414	0.09 419	0.09 350	0.09 374	0.09 371	0.10 400

RP	0.22 444	0.13 429	0.22 426	0.23 461	0.12 409	0.21 411	0.20 413	0.26 335	0.45 479	0.22 395	0.38 461	0.37 477	0.25 449	0.28 467	0.25 456	0.11 414	0.12 467	0.13 458	0.12 457	0.13 453	0.14 468

edge stereo	0.23 457	0.14 444	0.21 417	0.21 422	0.13 434	0.24 443	0.16 280	0.32 422	0.42 465	0.32 482	0.40 471	0.39 488	0.35 498	0.25 453	0.25 456	0.13 457	0.11 453	0.14 471	0.11 437	0.12 440	0.14 468

Nwc_Net	0.23 457	0.17 468	0.22 426	0.25 478	0.15 465	0.25 451	0.27 487	0.38 483	0.39 452	0.22 395	0.41 481	0.30 437	0.29 474	0.28 467	0.25 456	0.11 414	0.10 441	0.17 491	0.20 505	0.10 405	0.11 422

PA-Net	0.24 467	0.18 481	0.34 483	0.28 501	0.22 510	0.22 424	0.39 528	0.29 391	0.39 452	0.22 395	0.33 432	0.25 397	0.26 456	0.21 413	0.25 456	0.10 383	0.23 522	0.15 482	0.22 510	0.09 371	0.13 452
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DRN-Test	0.20 423	0.11 383	0.21 417	0.22 442	0.10 328	0.22 424	0.22 440	0.40 491	0.38 448	0.24 421	0.33 432	0.26 407	0.22 429	0.22 430	0.25 456	0.11 414	0.07 364	0.11 425	0.10 408	0.09 371	0.08 329

NCCL2	0.24 467	0.15 450	0.18 380	0.34 516	0.18 498	0.24 443	0.24 460	0.34 450	0.29 382	0.31 475	0.38 461	0.38 483	0.29 474	0.23 437	0.25 456	0.15 480	0.12 467	0.18 500	0.21 507	0.13 453	0.13 452

SANet	0.25 473	0.14 444	0.29 465	0.21 422	0.11 380	0.29 481	0.25 476	0.40 491	0.65 523	0.36 490	0.40 471	0.42 499	0.27 462	0.27 459	0.25 456	0.12 440	0.09 419	0.10 395	0.09 374	0.13 453	0.12 441

DispFullNet	0.27 488	0.22 497	0.66 523	0.28 501	0.17 489	0.27 469	0.17 306	0.34 450	0.57 509	0.27 444	0.37 454	0.43 501	0.24 442	0.39 510	0.25 456	0.12 440	0.06 296	0.19 502	0.11 437	0.23 510	0.16 491

AF-Net	0.23 457	0.17 468	0.17 348	0.27 495	0.13 434	0.26 461	0.24 460	0.33 436	0.51 496	0.25 434	0.33 432	0.39 488	0.27 462	0.28 467	0.26 467	0.11 414	0.10 441	0.16 489	0.12 457	0.11 425	0.11 422

ADCRef	0.20 423	0.12 401	0.43 501	0.20 392	0.12 409	0.23 437	0.18 353	0.32 422	0.37 442	0.26 437	0.33 432	0.18 307	0.23 435	0.25 453	0.26 467	0.07 234	0.06 296	0.09 350	0.09 374	0.08 310	0.09 373

LSM	0.34 510	0.21 493	0.62 520	0.27 495	0.62 545	0.35 498	0.26 482	0.43 507	0.49 490	0.45 513	0.60 520	0.42 499	0.37 502	0.35 496	0.26 467	0.13 457	0.21 519	0.14 471	0.16 492	0.18 501	0.34 531

WCMA_ROB	0.24 467	0.11 383	0.24 440	0.17 205	0.14 450	0.34 494	0.16 280	0.33 436	0.33 408	0.39 497	0.54 508	0.40 494	0.35 498	0.35 496	0.26 467	0.12 440	0.12 467	0.12 444	0.11 437	0.14 469	0.14 468

SGM_RVC	0.24 467	0.12 401	0.16 325	0.15 63	0.09 223	0.34 494	0.19 395	0.35 464	0.32 403	0.44 511	0.38 461	0.53 519	0.36 501	0.36 500	0.26 467	0.13 457	0.13 479	0.13 458	0.13 468	0.11 425	0.11 422
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
Wz-Net-LNSev	0.22 444	0.16 458	0.41 497	0.22 442	0.13 434	0.25 451	0.24 460	0.33 436	0.44 475	0.30 470	0.42 488	0.32 457	0.19 402	0.23 437	0.27 472	0.10 383	0.09 419	0.08 268	0.08 331	0.12 440	0.11 422

Wz-Net-MNSev	0.23 457	0.13 429	0.33 480	0.20 392	0.15 465	0.36 502	0.25 476	0.34 450	0.45 479	0.29 465	0.41 481	0.39 488	0.19 402	0.25 453	0.27 472	0.09 346	0.07 364	0.09 350	0.09 374	0.12 440	0.10 400

G-Net	0.25 473	0.17 468	0.38 493	0.23 461	0.16 477	0.51 520	0.23 450	0.29 391	0.35 432	0.36 490	0.38 461	0.31 451	0.29 474	0.28 467	0.27 472	0.11 414	0.09 419	0.12 444	0.10 408	0.16 492	0.14 468

CC-Net-ROB	0.28 490	0.31 519	0.36 491	0.30 510	0.15 465	0.25 451	0.19 395	0.45 513	0.34 419	0.39 497	0.37 454	0.39 488	0.31 490	0.27 459	0.27 472	0.24 524	0.18 504	0.30 525	0.23 514	0.19 504	0.15 482

ETE_ROB	0.23 457	0.17 468	0.23 434	0.25 478	0.14 450	0.26 461	0.29 504	0.32 422	0.37 442	0.28 456	0.37 454	0.45 505	0.27 462	0.28 467	0.27 472	0.11 414	0.09 419	0.12 444	0.10 408	0.14 469	0.13 452

PSMNet_ROB	0.22 444	0.12 401	0.15 284	0.27 495	0.15 465	0.25 451	0.36 523	0.43 507	0.37 442	0.27 444	0.33 432	0.32 457	0.23 435	0.21 413	0.27 472	0.12 440	0.08 395	0.13 458	0.11 437	0.10 405	0.09 373

MeshStereo	0.27 488	0.13 429	0.18 380	0.15 63	0.11 380	0.33 490	0.24 460	0.41 496	0.36 437	0.53 520	0.58 517	0.67 529	0.41 510	0.36 500	0.27 472	0.14 476	0.13 479	0.13 458	0.11 437	0.11 425	0.11 422
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
test_xeample	0.15 339	0.07 113	0.14 248	0.15 63	0.08 123	0.22 424	0.20 413	0.29 391	0.21 268	0.16 286	0.29 407	0.19 316	0.17 371	0.16 297	0.28 479	0.09 346	0.05 153	0.07 191	0.07 265	0.07 245	0.07 260

psmorigin	0.25 473	0.16 458	0.35 489	0.17 205	0.13 434	0.24 443	0.14 152	0.34 450	0.34 419	0.41 504	0.55 509	0.41 497	0.38 504	0.35 496	0.28 479	0.11 414	0.15 493	0.11 425	0.11 437	0.12 440	0.17 500

NCC-stereo	0.25 473	0.15 450	0.31 474	0.26 487	0.17 489	0.21 411	0.31 512	0.41 496	0.40 456	0.24 421	0.38 461	0.33 463	0.29 474	0.37 504	0.28 479	0.13 457	0.11 453	0.15 482	0.22 510	0.13 453	0.13 452

Abc-Net	0.25 473	0.15 450	0.31 474	0.26 487	0.17 489	0.21 411	0.31 512	0.41 496	0.40 456	0.24 421	0.38 461	0.33 463	0.29 474	0.37 504	0.28 479	0.13 457	0.11 453	0.15 482	0.22 510	0.13 453	0.13 452
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCP+	0.20 423	0.10 359	0.35 489	0.21 422	0.12 409	0.22 424	0.27 487	0.31 417	0.35 432	0.26 437	0.37 454	0.22 360	0.22 429	0.27 459	0.28 479	0.09 346	0.06 296	0.08 268	0.08 331	0.10 405	0.10 400

LALA_ROB	0.25 473	0.16 458	0.23 434	0.27 495	0.17 489	0.27 469	0.27 487	0.42 501	0.38 448	0.33 486	0.39 468	0.51 515	0.26 456	0.29 474	0.28 479	0.16 497	0.09 419	0.13 458	0.12 457	0.13 453	0.13 452

MSMD_ROB	0.31 502	0.26 508	0.26 451	0.24 471	0.21 507	0.34 494	0.25 476	0.34 450	0.39 452	0.40 500	0.69 525	0.45 505	0.41 510	0.34 491	0.28 479	0.20 511	0.20 510	0.26 513	0.25 516	0.23 510	0.22 515

xxxx	0.15 339	0.07 113	0.14 248	0.14 26	0.08 123	0.24 443	0.18 353	0.32 422	0.20 254	0.14 233	0.28 392	0.22 360	0.14 305	0.15 270	0.29 486	0.09 346	0.05 153	0.07 191	0.07 265	0.08 310	0.08 329

MFN_U_SF_DS_RVC	0.30 497	0.24 502	0.30 471	0.36 520	0.16 477	0.36 502	0.31 512	0.34 450	0.43 473	0.41 504	0.46 497	0.38 483	0.30 485	0.35 496	0.29 486	0.19 506	0.20 510	0.26 513	0.29 523	0.18 501	0.19 508

SGM-ForestM	0.33 504	0.12 401	0.17 348	0.16 130	0.11 380	0.42 514	0.20 413	0.43 507	0.53 505	0.53 520	0.57 514	1.41 551	0.44 519	0.42 519	0.29 486	0.14 476	0.16 498	0.16 489	0.16 492	0.12 440	0.13 452

DISCO	0.20 423	0.09 294	0.22 426	0.17 205	0.10 328	0.25 451	0.18 353	0.28 373	0.45 479	0.23 409	0.32 426	0.34 467	0.26 456	0.29 474	0.29 486	0.08 293	0.06 296	0.07 191	0.07 265	0.09 371	0.10 400

XPNet_ROB	0.22 444	0.12 401	0.20 407	0.22 442	0.13 434	0.22 424	0.19 395	0.35 464	0.40 456	0.30 470	0.40 471	0.38 483	0.27 462	0.26 457	0.29 486	0.15 480	0.10 441	0.10 395	0.10 408	0.13 453	0.12 441

FC-DCNN v2	0.33 504	0.28 510	0.28 456	0.26 487	0.23 511	0.39 510	0.29 504	0.41 496	0.44 475	0.46 514	0.57 514	0.51 515	0.41 510	0.38 508	0.30 491	0.21 514	0.20 510	0.27 516	0.26 517	0.25 518	0.24 517

FCDSN-DC	0.33 504	0.28 510	0.28 456	0.30 510	0.24 514	0.39 510	0.28 493	0.43 507	0.42 465	0.44 511	0.53 507	0.51 515	0.42 514	0.37 504	0.30 491	0.21 514	0.20 510	0.27 516	0.26 517	0.25 518	0.25 519
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SHD	0.26 483	0.15 450	0.31 474	0.24 471	0.18 498	0.23 437	0.15 221	0.39 488	0.72 529	0.32 482	0.42 488	0.36 474	0.29 474	0.33 488	0.30 491	0.13 457	0.11 453	0.14 471	0.13 468	0.16 492	0.20 511

ADCL	0.25 473	0.12 401	0.49 508	0.22 442	0.12 409	0.36 502	0.29 504	0.30 401	0.57 509	0.24 421	0.47 499	0.30 437	0.31 490	0.30 480	0.30 491	0.09 346	0.07 364	0.09 350	0.09 374	0.10 405	0.10 400

LE_ROB	0.50 527	0.07 113	0.14 248	0.15 63	0.08 123	0.26 461	0.17 306	0.23 279	1.71 558	4.68 562	0.67 522	0.46 509	0.47 520	0.21 413	0.30 491	0.07 234	0.06 296	0.06 97	0.06 176	0.08 310	0.06 184

Wz-Net-TNSev	0.29 494	0.20 488	0.69 531	0.19 344	0.15 465	0.38 508	0.27 487	0.36 469	0.56 508	0.35 488	0.42 488	0.45 505	0.39 505	0.33 488	0.31 496	0.13 457	0.13 479	0.10 395	0.12 457	0.15 481	0.15 482

RTSC	0.23 457	0.13 429	0.30 471	0.21 422	0.13 434	0.29 481	0.17 306	0.36 469	0.68 524	0.27 444	0.34 442	0.30 437	0.22 429	0.32 485	0.31 496	0.10 383	0.08 395	0.09 350	0.10 408	0.13 453	0.14 468

RYNet	0.23 457	0.12 401	0.22 426	0.19 344	0.17 489	0.47 517	0.26 482	0.39 488	0.49 490	0.24 421	0.29 407	0.34 467	0.24 442	0.20 396	0.31 496	0.10 383	0.06 296	0.09 350	0.09 374	0.14 469	0.15 482

FC-DCNN	0.33 504	0.28 510	0.28 456	0.26 487	0.23 511	0.38 508	0.29 504	0.40 491	0.44 475	0.46 514	0.56 510	0.51 515	0.41 510	0.38 508	0.31 496	0.21 514	0.20 510	0.27 516	0.26 517	0.25 518	0.24 517

CSAN	0.30 497	0.24 502	0.28 456	0.34 516	0.19 502	0.34 494	0.42 531	0.38 483	0.51 496	0.38 496	0.40 471	0.44 504	0.34 495	0.29 474	0.31 496	0.19 506	0.16 498	0.19 502	0.19 504	0.14 469	0.15 482

Ntro	0.41 516	0.40 527	0.54 512	0.46 531	0.30 525	0.64 529	0.24 460	0.47 517	0.68 524	0.42 506	0.49 501	0.47 512	0.42 514	0.40 513	0.32 501	0.32 528	0.28 526	0.37 528	0.31 526	0.33 529	0.29 525

Wz-Net-SNSev	0.26 483	0.17 468	0.46 503	0.25 478	0.14 450	0.26 461	0.24 460	0.38 483	0.57 509	0.30 470	0.56 510	0.39 488	0.26 456	0.24 448	0.32 501	0.10 383	0.09 419	0.10 395	0.11 437	0.11 425	0.11 422

EDNetEfficient	0.30 497	0.24 502	1.18 547	0.18 286	0.10 328	0.20 400	0.20 413	0.21 238	0.61 516	0.74 534	0.56 510	0.30 437	0.40 509	0.23 437	0.32 501	0.09 346	0.07 364	0.08 268	0.07 265	0.11 425	0.10 400

otaku	0.39 513	0.38 525	0.53 510	0.44 527	0.28 521	0.57 525	0.24 460	0.42 501	0.62 519	0.40 500	0.50 503	0.46 509	0.34 495	0.40 513	0.33 504	0.30 527	0.30 528	0.39 529	0.33 528	0.30 524	0.29 525

GANetREF_RVC	0.31 502	0.34 522	0.29 465	0.35 518	0.16 477	0.33 490	0.42 531	0.48 518	0.52 502	0.35 488	0.35 446	0.34 467	0.32 492	0.40 513	0.33 504	0.27 526	0.20 510	0.29 523	0.15 488	0.19 504	0.18 503
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
ADCPNet	0.26 483	0.17 468	0.62 520	0.21 422	0.15 465	0.36 502	0.25 476	0.33 436	0.37 442	0.31 475	0.41 481	0.36 474	0.29 474	0.29 474	0.34 506	0.12 440	0.10 441	0.11 425	0.12 457	0.14 469	0.13 452

PDISCO_ROB	0.28 490	0.16 458	0.28 456	0.28 501	0.20 505	0.33 490	0.27 487	0.45 513	0.58 512	0.28 456	0.41 481	0.45 505	0.30 485	0.34 491	0.35 507	0.12 440	0.09 419	0.17 491	0.16 492	0.17 499	0.13 452

ACVNet_1	0.45 522	0.51 531	0.61 519	0.45 528	0.28 521	0.50 518	0.28 493	0.58 533	0.71 528	0.63 525	0.59 519	0.74 534	0.50 523	0.50 523	0.36 508	0.26 525	0.25 523	0.39 529	0.29 523	0.32 528	0.25 519

ADCMid	0.26 483	0.15 450	0.42 499	0.20 392	0.14 450	0.25 451	0.26 482	0.35 464	0.40 456	0.37 494	0.45 495	0.34 467	0.42 514	0.36 500	0.36 508	0.10 383	0.09 419	0.11 425	0.11 437	0.13 453	0.13 452

AnyNet_C32	0.26 483	0.16 458	0.39 494	0.20 392	0.17 489	0.26 461	0.31 512	0.32 422	0.45 479	0.31 475	0.50 503	0.30 437	0.34 495	0.41 518	0.36 508	0.12 440	0.12 467	0.12 444	0.14 473	0.14 469	0.15 482

PASM	0.33 504	0.25 507	0.51 509	0.28 501	0.27 520	0.30 484	0.31 512	0.35 464	0.51 496	0.36 490	0.40 471	0.47 512	0.35 498	0.34 491	0.36 508	0.23 522	0.26 524	0.26 513	0.28 522	0.23 510	0.21 512

WZ-Net	0.29 494	0.17 468	0.82 539	0.23 461	0.16 477	0.35 498	0.29 504	0.40 491	0.59 514	0.24 421	0.57 514	0.37 477	0.25 449	0.34 491	0.37 512	0.09 346	0.08 395	0.09 350	0.10 408	0.14 469	0.16 491

RTS	0.46 523	0.19 484	3.33 556	0.25 478	0.15 465	0.72 536	0.21 429	0.37 476	0.78 536	0.42 506	0.44 493	0.31 451	0.43 517	0.55 529	0.37 512	0.10 383	0.09 419	0.13 458	0.13 468	0.15 481	0.15 482

RTSA	0.46 523	0.19 484	3.33 556	0.25 478	0.15 465	0.72 536	0.21 429	0.37 476	0.78 536	0.42 506	0.44 493	0.31 451	0.43 517	0.55 529	0.37 512	0.10 383	0.09 419	0.13 458	0.13 468	0.15 481	0.15 482

MFN_U_SF_RVC	0.33 504	0.22 497	0.58 518	0.31 512	0.15 465	0.36 502	0.17 306	0.54 526	0.46 486	0.47 516	0.56 510	0.58 522	0.39 505	0.36 500	0.38 515	0.15 480	0.15 493	0.18 500	0.21 507	0.16 492	0.16 491

XQC	0.29 494	0.23 499	0.53 510	0.29 508	0.19 502	0.36 502	0.28 493	0.37 476	0.58 512	0.31 475	0.31 417	0.37 477	0.30 485	0.39 510	0.39 516	0.13 457	0.09 419	0.15 482	0.12 457	0.18 501	0.18 503

MANE	0.47 525	0.28 510	0.28 456	0.27 495	0.24 514	0.50 518	0.32 520	0.57 528	0.62 519	0.74 534	1.20 553	1.21 544	0.64 535	0.54 528	0.39 516	0.22 517	0.20 510	0.27 516	0.31 526	0.26 521	0.25 519

PVD	0.40 515	0.21 493	0.40 495	0.32 515	0.23 511	0.30 484	0.45 535	0.53 525	0.97 543	0.55 522	0.80 535	0.54 520	0.60 533	0.53 527	0.40 518	0.19 506	0.14 489	0.17 491	0.14 473	0.24 516	0.32 529

EDNetEfficientorigin	7.92 565	0.32 520	152.98 580	0.20 392	0.10 328	0.22 424	0.17 306	0.23 279	0.60 515	0.73 532	0.67 522	0.41 497	0.51 525	0.24 448	0.41 519	0.08 293	0.07 364	0.09 350	0.07 265	0.12 440	0.11 422

SAMSARA	0.41 516	0.28 510	0.34 483	0.55 534	0.39 528	0.85 544	1.25 559	0.49 519	0.52 502	0.36 490	0.35 446	0.56 521	0.39 505	0.39 510	0.41 519	0.15 480	0.20 510	0.15 482	0.14 473	0.23 510	0.21 512

ELAS_RVC	0.42 518	0.29 517	0.33 480	0.28 501	0.24 514	0.56 524	0.38 526	0.50 520	0.61 516	0.74 534	0.76 532	0.67 529	0.56 529	0.55 529	0.42 521	0.22 517	0.21 519	0.27 516	0.26 517	0.27 523	0.26 522
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
coex-ft	3.24 558	0.35 523	57.83 579	0.18 286	0.13 434	0.27 469	0.23 450	0.28 373	0.72 529	1.89 560	0.70 526	0.43 501	0.47 520	0.29 474	0.43 522	0.09 346	0.09 419	0.12 444	0.09 374	0.14 469	0.14 468

ccnet	0.30 497	0.28 510	0.24 440	0.20 392	0.28 521	0.41 513	0.22 440	0.46 516	0.33 408	0.37 494	0.46 497	0.37 477	0.30 485	0.40 513	0.43 522	0.23 522	0.14 489	0.21 505	0.17 499	0.23 510	0.19 508

ADCS	0.30 497	0.19 484	0.48 507	0.21 422	0.18 498	0.29 481	0.24 460	0.42 501	0.64 521	0.40 500	0.50 503	0.40 494	0.37 502	0.40 513	0.43 522	0.13 457	0.13 479	0.13 458	0.14 473	0.16 492	0.16 491

RainbowNet	0.54 529	0.61 536	0.71 536	0.57 535	0.43 532	0.66 531	0.37 524	0.60 534	0.87 540	0.51 518	0.67 522	0.63 525	0.47 520	0.50 523	0.44 525	0.47 537	0.48 541	0.53 536	0.41 531	0.53 535	0.41 536

222	0.16 366	0.07 113	0.15 284	0.14 26	0.08 123	0.25 451	0.18 353	0.30 401	0.21 268	0.18 330	0.29 407	0.17 292	0.16 347	0.16 297	0.44 525	0.10 383	0.05 153	0.07 191	0.06 176	0.08 310	0.08 329

BEATNet-Init1	0.54 529	0.28 510	0.68 530	0.31 512	0.21 507	0.85 544	0.31 512	0.57 528	0.69 527	0.89 541	1.00 543	2.17 558	0.66 536	0.58 533	0.44 525	0.19 506	0.18 504	0.23 510	0.22 510	0.22 507	0.21 512

ELAS	0.42 518	0.29 517	0.34 483	0.28 501	0.24 514	0.63 528	0.37 524	0.52 523	0.52 502	0.72 531	0.82 536	0.68 531	0.56 529	0.52 525	0.45 528	0.22 517	0.21 519	0.27 516	0.26 517	0.26 521	0.26 522
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.44 520	0.39 526	0.56 513	0.40 523	0.20 505	0.66 531	0.33 521	0.54 526	0.72 529	0.71 530	0.72 528	0.62 524	0.55 527	0.52 525	0.47 529	0.20 511	0.19 509	0.29 523	0.30 525	0.24 516	0.19 508

ACVNet_2	0.67 536	0.68 541	0.70 534	0.64 536	0.41 530	0.75 539	0.50 536	0.98 548	1.38 553	0.90 542	1.09 547	1.04 539	0.74 540	0.55 529	0.48 530	0.43 533	0.40 534	0.53 536	0.45 533	0.48 532	0.36 533

Consistency-Raft	0.44 520	0.40 527	0.46 503	0.37 522	0.43 532	0.42 514	0.41 529	0.57 528	0.55 506	0.32 482	0.73 529	0.32 457	0.50 523	0.42 519	0.49 531	0.39 531	0.36 532	0.45 531	0.52 541	0.42 531	0.30 527

IMH-64-1	0.66 534	0.62 537	0.69 531	0.72 538	0.51 535	0.60 526	0.51 537	0.92 542	0.84 538	0.75 537	1.02 544	0.81 535	0.78 542	0.80 540	0.50 532	0.43 533	0.46 536	0.72 540	0.48 534	0.55 536	0.40 534

IMH-64	0.66 534	0.62 537	0.69 531	0.72 538	0.51 535	0.60 526	0.51 537	0.92 542	0.84 538	0.75 537	1.02 544	0.81 535	0.78 542	0.80 540	0.50 532	0.43 533	0.46 536	0.72 540	0.48 534	0.55 536	0.40 534

anonymity	0.53 528	0.58 533	0.66 523	0.41 524	0.61 544	0.54 522	0.41 529	0.57 528	0.41 463	0.56 523	0.50 503	0.50 514	0.55 527	0.59 534	0.50 532	0.58 542	0.50 545	0.51 534	0.51 539	0.52 533	0.58 541

AnyNet_C01	0.37 511	0.26 508	1.41 550	0.22 442	0.17 489	0.51 520	0.28 493	0.36 469	0.40 456	0.39 497	0.75 531	0.46 509	0.39 505	0.46 521	0.50 532	0.13 457	0.13 479	0.13 458	0.14 473	0.14 469	0.16 491

IMH	0.72 537	0.65 539	0.70 534	0.77 540	0.54 537	0.71 535	0.56 540	0.99 550	1.08 544	0.82 540	1.09 547	0.89 537	0.88 546	0.88 548	0.53 536	0.44 536	0.50 545	0.75 543	0.51 539	0.58 539	0.42 537

SGM+DAISY	0.57 531	0.58 533	0.67 527	0.41 524	0.55 538	0.68 533	0.51 537	0.57 528	0.46 486	0.67 526	0.70 526	0.69 532	0.57 531	0.64 536	0.58 537	0.59 543	0.49 542	0.50 533	0.50 538	0.52 533	0.59 544

MFMNet_re	0.65 533	0.66 540	0.66 523	0.51 532	0.69 549	0.70 534	0.58 541	0.65 536	0.75 534	0.61 524	0.73 529	0.63 525	0.68 537	0.65 537	0.60 538	0.66 547	0.58 554	0.63 538	0.59 542	0.68 544	0.69 551

ktn	1.02 552	1.23 556	0.82 539	1.24 557	0.86 555	1.00 552	0.86 553	0.96 546	1.37 552	1.05 548	1.12 550	1.16 543	1.06 553	0.95 551	0.62 539	1.28 559	0.71 557	1.39 559	0.83 553	1.06 556	0.77 554

NVStereoNet_ROB	0.47 525	0.37 524	0.47 506	0.42 526	0.29 524	0.35 498	0.35 522	0.50 520	0.61 516	0.73 532	0.94 540	0.70 533	0.68 537	0.48 522	0.62 539	0.22 517	0.33 531	0.34 527	0.34 530	0.30 524	0.31 528
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SPS-STEREO	0.58 532	0.59 535	0.66 523	0.45 528	0.55 538	0.65 530	0.44 534	0.63 535	0.51 496	0.69 528	0.65 521	0.66 528	0.58 532	0.62 535	0.62 539	0.62 545	0.47 540	0.51 534	0.49 536	0.55 536	0.58 541
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-7	0.80 542	0.78 545	0.57 515	0.85 545	0.67 548	0.76 540	0.69 550	1.07 552	1.30 550	0.90 542	1.20 553	1.05 540	0.93 548	0.71 538	0.68 542	0.60 544	0.62 555	0.67 539	0.68 548	0.64 540	0.59 544

TorneroNet-64	0.76 540	0.73 543	0.77 537	0.78 542	0.58 543	0.94 549	0.58 541	0.85 541	1.26 548	0.67 526	0.88 538	1.41 551	0.76 541	0.87 546	0.68 542	0.49 538	0.46 536	0.73 542	0.59 542	0.68 544	0.54 540

PWCK	0.72 537	0.95 551	0.99 545	0.77 540	0.32 526	0.79 541	0.38 526	0.92 542	0.90 541	0.96 545	0.76 532	0.97 538	0.62 534	0.87 546	0.68 542	0.73 549	0.46 536	0.76 545	0.49 536	0.71 547	0.44 538

WAO-6	0.82 543	0.81 546	0.63 522	0.87 547	0.63 546	0.79 541	0.60 543	0.98 548	1.52 557	0.91 544	0.97 542	1.08 541	1.04 552	0.72 539	0.70 545	0.72 548	0.49 542	0.91 551	0.71 549	0.70 546	0.59 544

LVE	0.84 545	0.87 549	0.86 542	0.81 543	0.56 540	1.09 555	0.66 546	1.07 552	1.45 555	0.97 546	1.23 555	1.11 542	0.86 545	0.84 543	0.72 546	0.49 538	0.56 551	0.76 545	0.60 544	0.66 542	0.60 547

notaker	0.98 550	1.13 554	1.02 546	1.14 555	0.81 553	0.73 538	0.69 550	0.94 545	1.15 547	1.19 555	1.19 552	1.41 551	1.17 557	1.10 557	0.74 547	0.82 553	0.64 556	1.18 555	0.79 552	1.02 554	0.82 555

WAO-8	0.92 547	0.83 547	0.67 527	0.94 550	0.70 550	0.92 547	0.68 548	1.08 554	1.80 560	1.06 550	1.42 557	1.29 546	1.08 554	0.86 544	0.80 548	0.74 550	0.54 548	0.86 549	0.75 550	0.71 547	0.63 548

Venus	0.92 547	0.83 547	0.67 527	0.94 550	0.70 550	0.92 547	0.68 548	1.08 554	1.80 560	1.06 550	1.42 557	1.29 546	1.08 554	0.86 544	0.80 548	0.74 550	0.54 548	0.86 549	0.75 550	0.71 547	0.63 548

TorneroNet	0.83 544	0.75 544	0.83 541	0.85 545	0.63 546	1.03 553	0.65 545	0.96 546	1.14 546	0.80 539	1.10 549	1.36 549	0.88 546	0.95 551	0.82 550	0.57 540	0.49 542	0.79 548	0.66 547	0.74 550	0.64 550

Dean	0.88 546	0.88 550	0.81 538	0.82 544	0.57 541	0.91 546	0.62 544	1.17 558	1.71 558	1.15 553	1.16 551	1.31 548	1.00 551	0.82 542	0.83 551	0.57 540	0.56 551	0.78 547	0.65 545	0.67 543	0.58 541

KSHMR	1.10 553	1.19 555	0.90 544	1.26 558	1.00 557	0.99 550	0.96 556	1.13 557	1.35 551	1.16 554	1.28 556	1.40 550	0.97 550	1.03 554	0.93 552	1.03 557	1.08 559	1.20 556	1.03 558	1.03 555	0.98 557

UNDER WATER-64	0.97 549	0.96 552	1.48 552	0.88 548	0.57 541	1.24 558	0.90 555	0.78 538	0.96 542	1.05 548	0.85 537	1.56 556	1.26 558	0.97 553	0.99 553	0.88 554	0.57 553	1.04 554	0.88 554	0.81 551	0.75 552

UNDER WATER	0.99 551	1.00 553	1.47 551	1.00 552	0.71 552	1.18 557	0.86 553	0.81 540	1.09 545	1.02 547	0.90 539	1.53 555	1.26 558	1.06 555	1.02 554	0.79 552	0.54 548	1.02 553	0.88 554	0.83 552	0.75 552

JetBlue	0.73 539	0.46 530	1.21 548	0.52 533	0.47 534	2.16 559	0.67 547	0.78 538	0.72 529	0.70 529	0.79 534	1.21 544	0.84 544	1.06 555	1.04 555	0.40 532	0.28 526	0.33 526	0.33 528	0.30 524	0.34 531

MADNet+	0.76 540	0.72 542	3.76 559	0.67 537	0.41 530	0.99 550	0.97 557	0.72 537	0.75 534	0.52 519	0.58 517	0.64 527	0.68 537	0.89 549	1.04 555	0.35 530	0.36 532	0.28 522	0.23 514	0.38 530	0.33 530

HanzoNet	1.31 555	1.29 558	1.22 549	1.13 554	0.85 554	1.05 554	0.84 552	1.06 551	1.47 556	1.66 558	1.63 559	2.48 560	1.78 560	1.63 559	1.69 557	1.27 558	0.80 558	1.32 558	1.02 557	1.07 557	0.90 556

DPSimNet_ROB	1.14 554	1.25 557	0.87 543	1.15 556	0.90 556	1.15 556	1.18 558	1.20 559	1.26 548	1.45 557	1.05 546	1.44 554	1.13 556	0.92 550	1.70 558	1.47 560	0.52 547	1.22 557	1.04 559	0.92 553	1.03 558

LRCNet_RVC	10.76 570	13.97 573	7.97 568	19.07 573	2.04 561	0.35 498	0.31 512	5.29 562	0.48 489	13.02 572	17.65 573	8.69 567	5.73 563	4.78 563	2.22 559	23.53 577	2.69 566	27.60 578	25.75 578	17.60 575	16.54 576

TCMNet-wrong-test	3.69 559	5.54 568	3.91 560	12.22 571	11.75 572	4.77 561	3.86 562	1.08 554	0.74 533	1.13 552	2.21 561	6.16 565	0.53 526	3.43 562	2.33 560	0.90 555	0.20 510	1.85 562	1.69 561	5.71 567	3.79 567

MADNet++	1.97 557	1.75 560	1.66 553	1.83 559	1.69 560	2.38 560	1.45 560	2.36 561	2.11 562	2.58 561	2.37 562	2.25 559	2.21 561	2.28 560	2.36 561	1.87 561	1.67 561	1.53 560	1.34 560	1.87 559	1.78 561

JetRed	1.66 556	1.51 559	3.09 555	0.93 549	1.21 558	5.28 562	1.61 561	1.29 560	1.42 554	1.84 559	1.77 560	1.59 557	0.95 549	1.43 558	2.51 562	0.91 556	1.61 560	0.93 552	0.91 556	1.36 558	1.03 558

PML	8.57 568	9.39 572	6.24 561	5.34 564	6.36 565	13.21 568	20.99 567	5.35 563	6.68 564	17.75 574	26.46 579	7.58 566	6.08 564	7.89 567	5.76 563	5.33 568	1.83 562	5.95 572	1.93 562	8.75 570	2.53 563

tt	4.65 560	0.07 113	3.54 558	2.01 560	1.55 559	10.25 566	16.66 566	8.90 570	5.03 563	1.33 556	0.96 541	4.71 561	4.74 562	3.33 561	5.86 564	6.06 569	10.30 573	1.87 563	2.09 563	2.61 561	1.19 560

USTest	6.16 561	2.65 562	2.79 554	6.48 567	7.21 566	14.33 569	21.38 568	6.98 569	9.55 568	5.35 565	6.12 563	5.71 564	7.69 565	6.31 566	6.75 565	1.97 562	3.38 567	1.63 561	2.14 564	2.49 560	2.35 562

xxxxx1	7.75 562	5.06 565	7.26 562	3.15 561	3.91 562	16.37 570	22.88 571	5.87 566	8.68 565	7.99 566	8.55 564	9.13 568	8.46 566	10.05 568	10.47 566	2.43 563	2.48 563	3.56 566	12.26 570	3.48 562	3.02 564

tt_ll	7.75 562	5.06 565	7.26 562	3.15 561	3.91 562	16.37 570	22.88 571	5.87 566	8.68 565	7.99 566	8.55 564	9.13 568	8.46 566	10.05 568	10.47 566	2.43 563	2.48 563	3.56 566	12.26 570	3.48 562	3.02 564

ff	7.75 562	5.06 565	7.26 562	3.15 561	3.91 562	16.37 570	22.88 571	5.87 566	8.68 565	7.99 566	8.55 564	9.13 568	8.46 566	10.05 568	10.47 566	2.43 563	2.48 563	3.56 566	12.26 570	3.48 562	3.02 564

Anonymous_1	10.87 571	7.82 569	7.41 565	10.29 568	10.08 567	18.64 574	26.11 574	11.02 571	13.45 572	9.43 569	10.10 569	9.73 571	11.31 571	10.69 571	12.47 569	6.42 570	8.38 570	5.70 569	10.22 569	11.41 571	6.65 568

DPSMNet_ROB	8.06 566	4.50 563	8.69 569	5.36 566	10.74 569	8.32 564	22.71 569	5.47 564	13.38 570	5.13 563	9.98 567	5.10 562	10.47 569	5.53 564	12.77 570	3.80 567	8.00 568	3.49 564	6.95 567	3.75 566	7.09 569

DGTPSM_ROB	8.06 566	4.50 563	8.69 569	5.34 564	10.73 568	8.32 564	22.71 569	5.47 564	13.38 570	5.13 563	9.98 567	5.10 562	10.47 569	5.53 564	12.77 570	3.79 566	8.00 568	3.49 564	6.95 567	3.74 565	7.09 569

DPSM_ROB	11.10 572	8.47 570	7.95 566	10.84 569	11.58 570	19.10 575	26.50 575	12.02 572	14.09 573	10.38 570	10.91 570	10.39 572	11.92 572	11.67 572	13.39 572	6.99 571	8.79 571	5.82 570	6.92 565	6.97 568	7.31 571

DPSM	11.10 572	8.47 570	7.95 566	10.84 569	11.58 570	19.10 575	26.50 575	12.02 572	14.09 573	10.38 570	10.91 570	10.39 572	11.92 572	11.67 572	13.39 572	6.99 571	8.79 571	5.82 570	6.92 565	6.97 568	7.31 571

HaxPig	15.73 574	18.55 577	19.19 574	16.92 572	15.89 574	7.80 563	7.57 563	13.37 574	10.80 569	15.40 573	14.87 572	15.95 574	14.81 574	15.67 574	15.97 574	18.96 576	16.72 574	19.47 576	18.10 576	19.45 576	19.06 577

MEDIAN_ROB	20.38 575	24.05 578	23.36 576	21.18 574	21.62 575	10.51 567	8.17 564	17.68 575	15.46 575	20.04 575	19.65 574	20.30 575	20.16 575	21.17 575	21.03 575	23.81 578	21.77 578	24.98 577	23.75 577	25.01 577	23.94 578

AVERAGE_ROB	24.89 579	29.12 579	27.98 577	24.83 578	24.59 578	17.82 573	11.61 565	21.45 576	19.91 576	25.04 579	24.38 578	25.06 579	25.31 579	24.69 579	22.86 576	29.74 579	27.09 579	28.97 579	27.94 579	30.07 578	29.35 579

LSM0	22.80 578	17.22 576	19.17 573	22.12 577	28.90 579	38.38 579	53.27 577	24.21 578	28.36 577	20.84 578	21.11 575	21.63 578	24.25 578	23.42 577	26.98 577	14.08 575	17.39 575	11.72 575	13.98 575	14.22 574	14.66 573

CasAABBNet	22.33 576	17.11 574	15.84 571	21.94 575	23.28 576	38.30 577	53.40 579	24.05 577	28.44 578	20.66 576	21.86 576	21.03 577	24.04 577	23.35 576	27.03 578	14.06 573	17.69 576	11.70 573	13.94 574	14.04 572	14.76 574

Selective-RAFT-Error	22.39 577	17.14 575	16.01 572	22.00 576	23.34 577	38.37 578	53.36 578	24.24 579	28.53 579	20.80 577	21.94 577	20.94 576	24.02 576	23.48 578	27.33 579	14.07 574	17.70 577	11.70 573	13.93 573	14.05 573	14.83 575

test_example2	97.69 580	92.93 580	45.57 578	96.02 579	109.84 580	88.44 580	93.70 580	25.54 580	94.63 580	130.46 581	126.87 580	58.93 580	75.48 580	87.99 580	77.94 580	150.16 580	221.11 580	76.29 580	98.21 580	108.42 580	95.33 580

ccccc		285.89 581		366.70 581	366.78 581	118.88 581		113.97 581		125.77 580		120.54 581		252.62 581		382.79 581	352.84 581	254.30 581	222.62 581	426.61 581

Low-res two-view benchmark