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

CAS	0.66 143	0.19 1	0.41 5	2.31 441	0.86 393	0.56 94	0.53 219	0.83 22	0.63 27	0.49 28	0.70 55	0.36 6	0.26 2	0.47 5	0.37 41	2.33 442	0.10 1	0.14 1	0.10 1	0.17 28	1.31 431

Pointernet	0.41 10	0.21 2	0.63 45	0.45 14	0.29 63	0.51 65	0.27 21	1.54 197	0.70 42	0.48 24	0.64 38	0.49 35	0.37 24	0.51 7	0.36 31	0.18 48	0.13 20	0.14 1	0.11 7	0.14 1	0.14 3

CES	0.51 57	0.21 2	0.40 2	0.42 6	1.40 430	0.53 74	0.34 58	1.04 69	0.68 39	0.45 17	0.67 45	0.35 5	0.28 4	0.58 20	0.35 15	0.16 10	0.13 20	0.15 4	0.10 1	0.19 80	1.69 437

IGEV-Stereo++	0.32 1	0.22 4	0.47 11	0.48 39	0.33 133	0.33 6	0.22 3	0.78 14	0.48 4	0.35 3	0.41 4	0.32 3	0.47 63	0.40 2	0.29 3	0.15 4	0.12 6	0.15 4	0.12 11	0.15 6	0.15 6

RAStereo	0.36 2	0.22 4	0.85 156	0.48 39	0.28 49	0.27 3	0.28 26	0.77 11	0.65 33	0.33 2	0.43 5	0.44 13	0.31 10	0.45 4	0.35 15	0.18 48	0.15 129	0.19 68	0.15 46	0.19 80	0.15 6

U	9.23 463	0.22 4	0.65 57	0.48 39	53.11 479	61.26 484	0.24 7	0.77 11	0.55 9	0.37 5	0.30 2	0.29 1	0.34 19	0.34 1	0.27 1	0.20 118	0.12 6	60.47 481	4.24 466	0.18 51	0.14 3

CREStereo++_RVC	0.49 47	0.22 4	0.46 9	0.48 39	0.38 189	0.45 29	0.25 8	0.77 11	1.30 290	0.82 93	1.23 217	0.47 28	0.37 24	0.55 11	0.44 85	0.16 10	0.11 3	0.16 14	0.80 429	0.18 51	0.12 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.55 64	0.22 4	0.49 13	0.43 9	0.19 1	1.00 278	0.34 58	1.40 172	1.30 290	0.84 98	0.93 102	0.63 78	0.52 91	1.48 209	0.47 113	0.15 4	0.12 6	0.17 21	0.11 7	0.19 80	0.13 2

PMTNet	0.47 39	0.22 4	0.43 6	0.39 3	0.24 8	0.71 171	0.26 15	0.78 14	1.03 152	0.65 62	0.69 51	0.55 53	0.48 68	0.90 93	0.36 31	0.99 425	0.13 20	0.15 4	0.10 1	0.15 6	0.15 6

Occ-G	0.44 21	0.23 10	0.59 31	0.44 11	0.27 24	0.43 24	0.61 274	0.85 27	0.62 25	0.48 24	0.66 42	1.00 213	0.45 49	0.79 68	0.45 97	0.17 25	0.14 72	0.18 47	0.13 18	0.16 16	0.18 43

IGEV-Stereo+	0.46 31	0.23 10	0.51 16	0.42 6	0.46 252	0.15 1	0.19 1	0.45 1	0.37 1	0.28 1	0.25 1	0.31 2	0.41 32	1.43 198	0.31 5	0.18 48	0.13 20	0.15 4	0.12 11	1.09 427	1.74 438

WCG-NET（raft）	0.46 31	0.23 10	0.59 31	0.42 6	0.24 8	0.50 58	0.35 68	0.76 10	1.10 180	0.72 73	0.76 65	0.91 176	0.50 83	0.88 87	0.40 64	0.16 10	0.13 20	0.15 4	0.14 35	0.15 6	0.17 33

trnet	0.40 6	0.23 10	0.40 2	0.37 1	0.20 2	0.53 74	0.29 31	0.81 16	1.15 208	0.59 51	0.72 60	0.53 51	0.43 40	0.56 12	0.37 41	0.18 48	0.13 20	0.15 4	0.10 1	0.14 1	0.14 3

MoCha-V2	0.43 18	0.23 10	0.55 21	0.56 158	0.23 6	0.44 27	0.32 44	1.35 161	0.63 27	0.54 46	0.55 27	0.42 10	0.57 111	1.12 147	0.28 2	0.15 4	0.13 20	0.15 4	0.13 18	0.17 28	0.18 43

LoS	0.41 10	0.23 10	0.46 9	0.39 3	0.23 6	0.48 39	0.40 107	1.12 98	0.94 115	0.50 33	0.66 42	0.49 35	0.42 36	0.63 36	0.39 48	0.19 80	0.14 72	0.16 14	0.11 7	0.14 1	0.15 6
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
test_4	0.55 64	0.23 10	0.67 64	0.56 158	0.32 116	0.71 171	0.39 102	0.83 22	0.72 45	0.93 117	1.87 375	0.70 98	0.41 32	1.21 159	0.39 48	0.16 10	0.13 20	0.21 119	0.23 249	0.20 109	0.18 43

TANstereo	0.45 22	0.23 10	0.50 15	0.43 9	0.21 3	0.65 140	0.26 15	0.83 22	0.88 90	0.95 121	0.99 120	0.51 40	0.45 49	0.56 12	0.36 31	0.19 80	0.24 305	0.16 14	0.13 18	0.17 28	0.27 230

IGEV++	0.45 22	0.24 18	0.63 45	0.58 190	0.32 116	0.42 20	0.25 8	2.16 351	0.65 33	0.38 6	0.58 34	0.46 22	0.44 46	0.56 12	0.40 64	0.20 118	0.13 20	0.16 14	0.13 18	0.17 28	0.18 43

UniTT-Stereo	0.38 3	0.24 18	0.67 64	0.49 51	0.36 169	0.40 12	0.32 44	0.55 2	0.55 9	0.55 49	0.55 27	0.36 6	0.31 10	0.59 22	0.52 146	0.21 144	0.15 129	0.17 21	0.15 46	0.19 80	0.17 33

EGLCR-Stereo	0.41 10	0.24 18	0.59 31	0.45 14	0.27 24	0.54 87	0.22 3	1.23 142	0.56 12	0.44 13	0.43 5	0.68 90	0.29 7	0.89 90	0.34 12	0.17 25	0.12 6	0.20 94	0.17 93	0.17 28	0.18 43

MC-Stereo	0.46 31	0.24 18	0.58 26	0.63 245	0.30 77	0.38 10	0.32 44	0.98 51	0.74 53	0.66 64	0.85 87	0.56 58	0.60 136	1.07 133	0.32 8	0.17 25	0.12 6	0.17 21	0.15 46	0.16 16	0.16 22

test-3	0.56 75	0.24 18	0.82 133	0.50 66	0.29 63	0.57 96	0.34 58	1.09 88	1.03 152	1.33 280	0.69 51	0.87 154	0.45 49	1.68 240	0.39 48	0.17 25	0.12 6	0.20 94	0.17 93	0.17 28	0.16 22

test_1	0.56 75	0.24 18	0.82 133	0.50 66	0.29 63	0.57 96	0.34 58	1.09 88	1.03 152	1.28 259	0.69 51	0.87 154	0.45 49	1.67 238	0.39 48	0.17 25	0.12 6	0.20 94	0.17 93	0.17 28	0.16 22

test_3	0.57 87	0.24 18	0.87 165	0.55 140	0.30 77	0.60 112	0.40 107	1.07 76	1.08 170	1.20 213	0.68 46	0.92 183	0.43 40	1.68 240	0.40 64	0.16 10	0.13 20	0.22 148	0.19 127	0.21 144	0.17 33

CREStereo	0.40 6	0.24 18	0.40 2	0.37 1	0.22 5	0.52 70	0.29 31	0.81 16	1.15 208	0.59 51	0.72 60	0.51 40	0.42 36	0.57 17	0.37 41	0.19 80	0.13 20	0.15 4	0.10 1	0.14 1	0.15 6
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
RSM	0.40 6	0.25 26	0.53 19	0.50 66	0.27 24	0.46 33	0.40 107	0.94 46	0.49 5	0.42 10	0.44 7	0.65 82	0.33 16	1.07 133	0.32 8	0.15 4	0.13 20	0.17 21	0.14 35	0.17 28	0.15 6

AEACV	0.41 10	0.25 26	0.60 36	0.55 140	0.52 285	0.43 24	0.38 91	0.98 51	0.63 27	0.44 13	0.56 30	0.46 22	0.59 131	0.56 12	0.31 5	0.17 25	0.13 20	0.18 47	0.16 75	0.17 28	0.17 33

DEmStereo	0.98 296	0.25 26	0.85 156	0.49 51	0.33 133	1.02 281	0.55 239	0.97 47	0.93 109	1.41 312	2.13 392	1.01 218	2.01 409	5.62 400	0.78 241	0.19 80	0.15 129	0.20 94	0.20 156	0.18 51	0.25 194

CFNet-RSSM	0.57 87	0.25 26	0.76 103	0.49 51	0.28 49	0.59 108	0.27 21	1.89 285	1.17 218	1.09 155	0.95 105	1.06 228	0.53 93	0.74 51	0.41 71	0.17 25	0.13 20	0.17 21	0.15 46	0.16 16	0.16 22

WCG-NET	0.48 44	0.26 30	0.57 24	0.46 22	0.35 162	0.70 168	0.26 15	1.03 65	1.00 142	0.79 85	0.71 56	0.64 80	0.51 86	0.90 93	0.35 15	0.19 80	0.13 20	0.16 14	0.15 46	0.17 28	0.19 69

AIO-Stereo	0.39 5	0.26 30	0.54 20	0.50 66	0.24 8	0.45 29	0.39 102	1.13 101	0.57 13	0.42 10	0.49 14	0.52 47	0.25 1	0.74 51	0.32 8	0.16 10	0.13 20	0.18 47	0.14 35	0.16 16	0.15 6

RSM++	0.40 6	0.26 30	0.55 21	0.51 80	0.27 24	0.49 44	0.41 117	0.83 22	0.52 7	0.39 8	0.47 10	0.60 68	0.34 19	1.02 119	0.31 5	0.16 10	0.13 20	0.17 21	0.15 46	0.18 51	0.15 6

RAFT-Stereo-weight	0.49 47	0.26 30	0.58 26	0.49 51	0.28 49	0.61 116	0.34 58	1.16 119	1.11 186	1.06 151	0.79 73	0.75 110	0.28 4	0.79 68	0.42 77	0.16 10	0.13 20	0.17 21	0.15 46	0.16 16	0.18 43

MIM_Stereo	0.60 118	0.26 30	1.02 217	0.49 51	0.32 116	0.52 70	0.28 26	1.41 176	0.82 76	1.02 139	1.16 193	0.93 185	0.53 93	1.48 209	0.63 199	0.17 25	0.17 188	0.20 94	0.19 127	0.17 28	0.18 43

CASnet	0.42 15	0.26 30	0.52 18	0.52 95	0.21 3	0.49 44	0.35 68	0.85 27	0.85 84	0.84 98	0.69 51	0.48 32	0.31 10	0.57 17	0.34 12	0.19 80	0.12 6	0.27 273	0.22 220	0.23 183	0.15 6
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
4D-IteraStereo	0.50 55	0.26 30	0.84 150	0.51 80	0.49 267	0.64 136	0.31 39	0.91 35	1.02 149	1.05 146	0.72 60	0.76 112	0.32 14	0.69 45	0.40 64	0.18 48	0.11 3	0.23 181	0.20 156	0.19 80	0.16 22

Selective-IGEV	0.42 15	0.26 30	0.56 23	0.48 39	0.27 24	0.45 29	0.33 49	1.56 203	0.61 24	0.36 4	0.47 10	0.52 47	0.30 8	1.08 136	0.33 11	0.15 4	0.13 20	0.17 21	0.13 18	0.16 16	0.15 6

RCA-Stereo	0.52 59	0.26 30	0.66 61	0.49 51	0.33 133	0.54 87	0.44 157	1.20 131	1.41 335	0.69 67	1.06 146	0.63 78	0.79 195	0.62 29	0.35 15	0.17 25	0.12 6	0.17 21	0.14 35	0.16 16	0.16 22

fff	0.58 99	0.26 30	1.15 257	0.46 22	0.25 13	0.48 39	0.36 77	1.20 131	1.28 278	1.13 169	1.03 136	0.59 65	1.04 306	0.77 59	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.15 6	0.24 175

ADStereo(finetuned)	0.62 125	0.26 30	1.59 336	0.45 14	0.25 13	0.49 44	0.36 77	1.18 123	1.35 306	1.16 188	1.04 140	0.60 68	1.18 339	0.85 81	0.57 175	0.17 25	0.14 72	0.17 21	0.13 18	0.19 80	0.24 175

CrosDoStereo	1.56 377	0.26 30	0.78 112	0.51 80	0.29 63	0.66 146	11.86 462	1.18 123	1.00 142	1.35 291	1.76 357	0.99 208	1.83 402	6.64 423	0.83 257	0.19 80	0.15 129	0.20 94	0.22 220	0.18 51	0.25 194

DeepStereo_LL	1.56 377	0.26 30	0.78 112	0.51 80	0.29 63	0.66 146	11.86 462	1.18 123	1.00 142	1.35 291	1.76 357	0.99 208	1.83 402	6.64 423	0.83 257	0.19 80	0.15 129	0.20 94	0.22 220	0.18 51	0.25 194

DRaft	0.81 235	0.26 30	0.77 106	0.47 34	0.31 92	0.95 268	0.52 213	1.13 101	0.99 138	1.78 380	2.01 386	0.80 123	1.71 393	2.64 333	0.74 229	0.19 80	0.14 72	0.20 94	0.20 156	0.18 51	0.24 175

RAFT-RH_RVC	1.04 309	0.26 30	0.76 103	0.53 116	0.29 63	0.80 207	0.32 44	0.85 27	1.12 192	2.04 400	4.63 438	1.03 223	0.57 111	5.93 407	0.52 146	0.20 118	0.13 20	0.26 262	0.20 156	0.16 16	0.19 69

RAFT-345	0.86 259	0.26 30	0.73 88	0.53 116	0.28 49	0.53 74	0.41 117	0.85 27	1.31 297	1.33 280	2.32 401	0.85 151	0.53 93	5.69 401	0.48 120	0.19 80	0.14 72	0.22 148	0.17 93	0.17 28	0.17 33

cross-raft	0.56 75	0.26 30	0.65 57	0.55 140	0.31 92	0.66 146	0.37 84	1.68 225	0.82 76	1.06 151	1.07 149	1.25 279	0.45 49	0.74 51	0.39 48	0.15 4	0.13 20	0.19 68	0.16 75	0.19 80	0.17 33

DCANet	0.58 99	0.26 30	1.15 257	0.45 14	0.25 13	0.49 44	0.36 77	1.18 123	1.35 306	1.15 184	1.04 140	0.60 68	0.91 248	0.84 78	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.19 80	0.25 194

csc	0.58 99	0.26 30	1.15 257	0.46 22	0.25 13	0.48 39	0.36 77	1.20 131	1.28 278	1.13 169	1.03 136	0.59 65	1.04 306	0.77 59	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.15 6	0.24 175

cscssc	0.58 99	0.26 30	1.15 257	0.46 22	0.25 13	0.48 39	0.36 77	1.20 131	1.28 278	1.13 169	1.03 136	0.59 65	1.04 306	0.77 59	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.15 6	0.24 175

MaDis-Stereo	0.38 3	0.27 50	0.72 76	0.45 14	0.35 162	0.30 5	0.31 39	0.81 16	0.54 8	0.38 6	0.38 3	0.58 62	0.49 79	0.53 9	0.39 48	0.20 118	0.16 161	0.19 68	0.15 46	0.19 80	0.15 6

Any-RAFT	0.55 64	0.27 50	0.49 13	0.50 66	0.27 24	0.98 276	0.25 8	1.71 239	1.08 170	0.90 110	0.99 120	1.13 255	0.46 57	0.74 51	0.35 15	0.19 80	0.13 20	0.17 21	0.13 18	0.16 16	0.19 69

RAFT-Test	0.58 99	0.27 50	0.81 124	0.50 66	0.33 133	0.95 268	0.27 21	1.40 172	0.89 91	1.00 130	1.12 172	1.39 311	0.48 68	0.74 51	0.41 71	0.17 25	0.14 72	0.17 21	0.14 35	0.16 16	0.18 43

GLC_STEREO	0.41 10	0.27 50	0.43 6	0.55 140	0.24 8	0.47 34	0.30 35	0.81 16	0.64 30	0.53 45	0.74 64	0.50 39	0.31 10	0.65 38	0.45 97	0.18 48	0.20 241	0.23 181	0.19 127	0.21 144	0.21 116

GMM-Stereo	0.75 197	0.27 50	0.66 61	0.56 158	0.34 147	0.71 171	0.97 363	1.09 88	0.91 97	1.37 297	1.79 361	1.11 251	0.79 195	2.08 296	0.48 120	0.19 80	0.12 6	0.25 241	0.25 268	0.21 144	0.78 412

raftrobust	0.55 64	0.27 50	0.63 45	0.68 300	0.69 355	0.50 58	0.34 58	1.08 81	0.97 127	1.32 275	0.88 94	0.62 74	0.80 201	0.82 71	0.44 85	0.20 118	0.16 161	0.16 14	0.14 35	0.15 6	0.18 43

111	0.66 143	0.27 50	1.15 257	0.46 22	0.25 13	0.72 174	0.42 123	1.57 206	1.44 346	0.83 94	1.39 276	1.10 246	0.80 201	0.97 109	0.65 208	0.20 118	0.14 72	0.18 47	0.15 46	0.18 51	0.28 243

Gwc-CoAtRS	0.55 64	0.27 50	0.73 88	0.49 51	0.30 77	0.63 127	0.25 8	1.38 167	1.12 192	1.05 146	1.02 129	1.10 246	0.55 103	0.72 49	0.44 85	0.17 25	0.14 72	0.17 21	0.15 46	0.16 16	0.17 33

H2IRNET	0.57 87	0.28 58	0.75 98	0.49 51	0.35 162	0.40 12	0.27 21	1.03 65	1.18 224	0.62 61	1.26 225	1.07 231	0.85 217	1.02 119	0.64 203	0.20 118	0.16 161	0.23 181	0.25 268	0.22 164	0.20 95

MGS-Stereo	0.43 18	0.28 58	0.61 40	0.46 22	0.28 49	0.49 44	0.33 49	0.60 3	0.89 91	0.47 19	1.32 251	0.51 40	0.32 14	0.66 40	0.39 48	0.20 118	0.16 161	0.18 47	0.16 75	0.18 51	0.18 43

MIF-Stereo (partial)	0.48 44	0.28 58	0.83 141	0.51 80	0.53 290	0.39 11	0.27 21	1.03 65	0.64 30	0.47 19	0.71 56	0.51 40	0.51 86	1.13 148	0.47 113	0.20 118	0.16 161	0.23 181	0.20 156	0.24 212	0.20 95

DCRE	0.85 256	0.28 58	0.76 103	0.60 214	0.49 267	0.59 108	0.53 219	1.04 69	0.92 102	0.80 86	7.34 451	0.87 154	0.57 111	0.78 67	0.43 81	0.16 10	0.17 188	0.19 68	0.17 93	0.18 51	0.22 138

DCANet-4	0.59 111	0.28 58	1.65 339	0.44 11	0.25 13	0.48 39	0.36 77	1.15 116	1.36 314	1.13 169	1.03 136	0.56 58	0.74 173	0.77 59	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.15 6	0.24 175

tt	6.61 456	0.28 58	6.10 429	3.77 462	2.17 440	11.53 463	19.61 468	13.53 470	5.81 454	3.00 432	2.82 415	4.97 443	6.33 455	3.83 368	7.23 438	9.13 470	11.32 472	5.87 469	6.22 468	6.01 466	2.63 453

IPLGR	0.62 125	0.28 58	1.32 304	0.50 66	0.29 63	0.65 140	0.34 58	1.47 186	1.19 225	1.21 219	1.07 149	0.70 98	0.65 153	1.05 126	0.55 166	0.18 48	0.15 129	0.20 94	0.17 93	0.21 144	0.20 95

GMOStereo	0.55 64	0.28 58	0.72 76	0.52 95	0.30 77	0.53 74	0.43 139	1.02 59	0.98 130	1.44 323	1.14 187	0.88 160	0.57 111	0.62 29	0.39 48	0.16 10	0.14 72	0.24 203	0.22 220	0.20 109	0.18 43

error version	0.55 64	0.28 58	0.72 76	0.52 95	0.30 77	0.53 74	0.43 139	1.02 59	0.98 130	1.44 323	1.14 187	0.88 160	0.57 111	0.62 29	0.39 48	0.16 10	0.14 72	0.24 203	0.22 220	0.20 109	0.18 43

test-v	0.55 64	0.28 58	0.72 76	0.52 95	0.30 77	0.53 74	0.43 139	1.02 59	0.98 130	1.44 323	1.14 187	0.88 160	0.57 111	0.62 29	0.39 48	0.16 10	0.14 72	0.24 203	0.22 220	0.20 109	0.18 43

HHNet	0.64 137	0.28 58	0.69 71	0.45 14	0.46 252	0.50 58	0.57 251	1.13 101	1.03 152	1.26 249	2.21 396	0.70 98	0.59 131	1.10 142	0.51 138	0.21 144	0.13 20	0.23 181	0.19 127	0.20 109	0.31 281

FTStereo	0.92 282	0.28 58	0.61 40	0.57 178	0.34 147	0.65 140	1.80 428	1.09 88	0.84 81	1.75 376	4.13 432	1.04 224	1.62 382	1.59 226	0.48 120	0.21 144	0.17 188	0.23 181	0.22 220	0.19 80	0.58 388

PFNet	0.92 282	0.28 58	1.20 280	0.68 300	0.32 116	0.62 119	0.55 239	1.27 151	1.01 146	1.47 332	1.09 159	0.97 202	0.68 163	6.58 422	0.59 187	0.21 144	0.13 20	0.24 203	0.19 127	0.20 109	0.20 95

GrayStereo	0.83 246	0.28 58	0.62 44	0.66 275	0.37 177	0.76 189	1.79 425	1.19 127	0.91 97	1.98 397	1.89 376	1.07 231	1.76 397	1.43 198	0.50 134	0.20 118	0.15 129	0.19 68	0.21 197	0.18 51	0.41 336

test-2	0.55 64	0.28 58	0.72 76	0.52 95	0.30 77	0.53 74	0.43 139	1.02 59	0.98 130	1.44 323	1.14 187	0.88 160	0.57 111	0.62 29	0.39 48	0.16 10	0.14 72	0.24 203	0.22 220	0.20 109	0.18 43

test-1	0.56 75	0.28 58	1.13 250	0.58 190	0.34 147	0.60 112	0.38 91	1.56 203	0.98 130	0.80 86	1.02 129	0.83 144	0.52 91	0.64 37	0.46 103	0.17 25	0.16 161	0.20 94	0.17 93	0.20 109	0.26 213

iRaftStereo_RVC	0.49 47	0.28 58	0.72 76	0.53 116	0.29 63	0.52 70	0.33 49	1.14 104	0.84 81	0.85 100	0.99 120	0.55 53	0.36 22	0.83 75	0.40 64	0.18 48	0.13 20	0.22 148	0.20 156	0.20 109	0.18 43

XX-Stereo	0.97 293	0.28 58	8.28 438	0.85 381	0.70 361	0.44 27	0.22 3	1.07 76	0.69 41	0.66 64	1.56 325	1.38 310	0.38 29	1.36 180	0.38 45	0.21 144	0.14 72	0.20 94	0.19 127	0.19 80	0.16 22

RAFT-Stereo + iAFF	0.56 75	0.28 58	0.81 124	0.45 14	0.25 13	0.40 12	0.34 58	1.12 98	1.13 197	1.35 291	1.58 330	0.80 123	0.67 159	0.71 48	0.43 81	0.14 1	0.11 3	0.18 47	0.17 93	0.18 51	0.16 22

AFF-stereo	0.60 118	0.28 58	0.72 76	0.48 39	0.29 63	0.34 7	0.37 84	1.22 137	1.20 229	1.21 219	1.59 334	1.10 246	0.70 168	1.01 116	0.44 85	0.14 1	0.12 6	0.19 68	0.20 156	0.18 51	0.15 6

UGAM	1.17 334	0.29 78	1.08 237	0.55 140	0.43 234	0.69 164	0.71 302	1.14 104	1.35 306	1.00 130	1.49 300	1.90 371	0.86 224	9.61 454	0.89 269	0.21 144	0.19 229	0.30 307	0.25 268	0.20 109	0.18 43

MyStereo06	0.67 153	0.29 78	1.06 229	0.58 190	0.48 261	0.62 119	0.72 303	2.26 370	0.89 91	1.07 153	1.12 172	1.22 270	0.56 108	0.83 75	0.47 113	0.17 25	0.17 188	0.24 203	0.21 197	0.23 183	0.23 156

MyStereo05	0.70 174	0.29 78	1.22 285	0.58 190	0.48 261	0.62 119	0.72 303	1.52 191	1.54 368	1.17 191	0.91 98	0.77 116	0.79 195	1.45 202	0.68 217	0.17 25	0.17 188	0.24 203	0.21 197	0.23 183	0.23 156

AE-Stereo	0.58 99	0.29 78	0.81 124	0.62 235	0.41 222	0.69 164	0.46 172	2.49 403	1.25 258	0.49 28	0.77 69	0.69 95	0.46 57	0.61 25	0.42 77	0.17 25	0.16 161	0.21 119	0.20 156	0.19 80	0.18 43

plain	0.49 47	0.29 78	1.23 287	0.51 80	0.40 208	0.35 8	0.37 84	1.04 69	0.62 25	0.44 13	0.76 65	0.42 10	0.41 32	1.17 155	0.46 103	0.23 197	0.15 129	0.24 203	0.19 127	0.25 224	0.18 43

LoS_RVC	0.45 22	0.29 78	0.48 12	0.49 51	0.83 389	0.51 65	0.43 139	0.65 4	0.44 2	0.47 19	0.78 71	0.44 13	0.60 136	0.59 22	0.37 41	0.14 1	0.12 6	0.14 1	0.10 1	0.14 1	1.08 426

anonymousdsp2	0.58 99	0.29 78	0.93 187	0.51 80	0.30 77	0.75 184	0.46 172	1.95 299	0.87 89	0.81 91	0.78 71	0.76 112	0.48 68	1.10 142	0.45 97	0.19 80	0.14 72	0.18 47	0.13 18	0.20 109	0.22 138

riskmin	0.62 125	0.29 78	0.73 88	0.50 66	0.34 147	0.86 237	0.44 157	1.74 245	1.07 167	0.76 80	0.76 65	1.19 263	1.01 290	0.84 78	0.60 190	0.20 118	0.16 161	0.24 203	0.16 75	0.24 212	0.29 257

Selective-RAFT	0.55 64	0.29 78	0.85 156	0.58 190	0.28 49	0.91 248	0.34 58	1.00 58	0.96 123	0.59 51	0.64 38	0.80 123	0.76 179	1.34 178	0.51 138	0.21 144	0.15 129	0.17 21	0.15 46	0.19 80	0.19 69

TestStereo1	0.66 143	0.29 78	0.95 196	0.82 371	0.32 116	0.47 34	0.43 139	1.52 191	1.22 242	0.99 126	1.32 251	0.65 82	0.76 179	1.78 253	0.44 85	0.20 118	0.16 161	0.22 148	0.19 127	0.21 144	0.20 95

RAFT_CTSACE	0.66 143	0.29 78	1.14 255	0.57 178	0.51 282	0.68 155	0.44 157	0.88 32	0.98 130	1.03 142	1.83 368	1.23 274	0.67 159	1.48 209	0.38 45	0.16 10	0.16 161	0.21 119	0.20 156	0.20 109	0.17 33

SA-5K	0.66 143	0.29 78	0.95 196	0.82 371	0.32 116	0.47 34	0.43 139	1.52 191	1.22 242	0.99 126	1.32 251	0.65 82	0.76 179	1.78 253	0.44 85	0.20 118	0.16 161	0.22 148	0.19 127	0.21 144	0.20 95

IPLG	0.72 186	0.29 78	1.12 249	0.53 116	0.44 242	0.79 204	0.33 49	1.35 161	1.10 180	1.32 275	1.11 168	0.52 47	0.54 100	3.13 349	0.71 224	0.17 25	0.14 72	0.20 94	0.17 93	0.18 51	0.21 116

PSM-AAD	0.80 227	0.29 78	0.58 26	0.58 190	0.29 63	0.76 189	1.19 390	1.08 81	0.94 115	1.65 368	1.58 330	0.81 129	2.12 418	1.67 238	0.44 85	0.19 80	0.14 72	0.38 365	0.32 349	0.22 164	0.68 403

KYRaft	0.77 210	0.29 78	0.68 66	0.59 207	0.29 63	0.66 146	0.83 335	1.05 72	0.89 91	1.63 366	2.22 397	1.15 259	0.99 281	1.59 226	0.41 71	0.21 144	0.14 72	0.22 148	0.28 310	0.21 144	1.01 422

ASMatch	0.89 266	0.29 78	0.72 76	0.56 158	0.36 169	0.47 34	0.37 84	1.16 119	0.95 119	1.11 158	3.26 422	0.95 195	0.96 268	4.88 385	0.53 155	0.20 118	0.16 161	0.22 148	0.19 127	0.20 109	0.30 272

THIR-Stereo	1.02 306	0.29 78	0.73 88	0.51 80	0.29 63	0.94 262	1.31 400	1.08 81	0.98 130	1.35 291	1.91 380	1.16 260	1.54 378	6.37 420	0.79 246	0.20 118	0.14 72	0.21 119	0.22 220	0.19 80	0.25 194

Prome-Stereo	0.76 204	0.29 78	0.57 24	0.58 190	0.33 133	0.58 107	0.94 358	0.98 51	0.92 102	1.46 331	2.45 408	0.91 176	1.38 363	1.60 231	0.44 85	0.19 80	0.13 20	0.19 68	0.18 108	0.20 109	0.87 418

raft+_RVC	0.56 75	0.29 78	0.61 40	0.65 262	0.56 307	0.53 74	0.53 219	1.40 172	1.02 149	0.78 82	1.04 140	0.70 98	0.55 103	1.00 114	0.49 131	0.18 48	0.16 161	0.19 68	0.19 127	0.18 51	0.17 33

gcap-zeroshot	0.59 111	0.30 97	1.11 245	0.51 80	0.30 77	0.79 204	0.36 77	1.86 277	0.86 86	0.90 110	0.68 46	1.44 317	0.50 83	0.82 71	0.35 15	0.19 80	0.16 161	0.18 47	0.15 46	0.18 51	0.18 43

testlalala2	0.60 118	0.30 97	0.68 66	1.79 435	1.30 429	0.65 140	0.41 117	1.06 74	0.75 58	0.91 112	0.96 107	0.75 110	0.34 19	0.56 12	0.45 97	0.18 48	0.16 161	0.17 21	0.13 18	0.17 28	0.19 69

MyStereo07	0.50 55	0.30 97	0.58 26	0.58 190	0.48 261	0.59 108	0.78 315	1.19 127	0.60 20	0.49 28	0.54 25	0.43 12	0.55 103	1.32 176	0.36 31	0.18 48	0.18 214	0.24 203	0.21 197	0.23 183	0.23 156

MyStereo04	0.71 180	0.30 97	1.28 298	0.58 190	0.48 261	0.59 108	0.78 315	1.74 245	1.49 362	0.94 119	0.91 98	0.74 108	0.86 224	1.59 226	0.69 218	0.18 48	0.18 214	0.24 203	0.21 197	0.23 183	0.23 156

11t1	0.57 87	0.30 97	0.84 150	0.54 128	0.30 77	0.83 223	0.41 117	1.34 160	0.79 70	0.88 106	0.82 82	0.70 98	0.70 168	0.96 107	0.67 213	0.21 144	0.21 256	0.20 94	0.16 75	0.21 144	0.26 213

ff7	0.45 22	0.30 97	0.64 52	0.47 34	0.33 133	0.49 44	0.42 123	0.93 36	0.59 15	0.50 33	0.53 19	0.44 13	0.48 68	1.41 191	0.36 31	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

ffff	0.45 22	0.30 97	0.64 52	0.47 34	0.33 133	0.49 44	0.42 123	0.93 36	0.59 15	0.50 33	0.53 19	0.44 13	0.48 68	1.41 191	0.36 31	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

11t	0.45 22	0.30 97	0.64 52	0.47 34	0.33 133	0.49 44	0.42 123	0.93 36	0.59 15	0.50 33	0.53 19	0.44 13	0.48 68	1.41 191	0.36 31	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

MSKI-zero shot	0.56 75	0.30 97	0.61 40	0.55 140	0.28 49	0.68 155	0.28 26	1.25 146	0.68 39	0.92 114	1.33 256	0.81 129	0.33 16	1.94 276	0.36 31	0.18 48	0.13 20	0.17 21	0.13 18	0.16 16	0.19 69

testlalala	0.49 47	0.30 97	0.70 74	0.44 11	0.40 208	0.68 155	0.38 91	1.38 167	0.58 14	1.28 259	0.82 82	0.61 73	0.36 22	0.57 17	0.34 12	0.21 144	0.14 72	0.18 47	0.12 11	0.15 6	0.16 22

anonymousdsp	0.45 22	0.30 97	0.60 36	0.48 39	0.34 147	0.49 44	0.42 123	0.97 47	0.60 20	0.51 41	0.53 19	0.46 22	0.47 63	1.36 180	0.35 15	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

anonymousa	0.78 213	0.30 97	0.85 156	0.51 80	0.96 406	1.41 348	0.47 181	1.61 216	0.94 115	1.33 280	1.77 359	1.66 352	1.11 323	0.72 49	0.63 199	0.19 80	0.18 214	0.23 181	0.25 268	0.20 109	0.22 138

ProNet	0.46 31	0.30 97	0.69 71	0.46 22	0.32 116	0.57 96	0.52 213	1.15 116	0.67 36	0.44 13	0.50 16	0.44 13	0.43 40	1.31 171	0.38 45	0.16 10	0.15 129	0.19 68	0.16 75	0.18 51	0.18 43

ccc-4	0.45 22	0.30 97	0.64 52	0.47 34	0.33 133	0.49 44	0.42 123	0.93 36	0.59 15	0.50 33	0.53 19	0.44 13	0.48 68	1.41 191	0.36 31	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

DisPM	0.68 164	0.30 97	0.85 156	0.66 275	0.35 162	0.60 112	0.44 157	1.10 94	1.10 180	1.56 353	1.10 161	0.80 123	0.58 128	2.37 320	0.46 103	0.25 236	0.14 72	0.23 181	0.21 197	0.20 109	0.26 213

RAFT+CT+SA	0.63 134	0.30 97	0.73 88	0.69 312	0.37 177	0.40 12	0.55 239	1.93 295	1.04 158	0.72 73	1.23 217	0.62 74	0.69 166	1.69 244	0.42 77	0.19 80	0.13 20	0.22 148	0.22 220	0.21 144	0.19 69

Sa-1000	0.76 204	0.30 97	0.92 186	0.62 235	0.31 92	0.78 199	0.37 84	2.00 312	1.38 321	1.30 266	2.04 387	0.86 152	0.74 173	1.87 266	0.40 64	0.19 80	0.14 72	0.25 241	0.24 261	0.21 144	0.19 69

IGEV-Stereo	0.45 22	0.30 97	0.60 36	0.48 39	0.34 147	0.49 44	0.42 123	0.98 51	0.60 20	0.51 41	0.53 19	0.46 22	0.47 63	1.36 180	0.35 15	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
LCNet	0.73 189	0.30 97	0.58 26	0.58 190	0.31 92	0.68 155	0.53 219	1.09 88	0.94 115	1.19 208	1.34 260	0.96 199	1.32 357	2.50 326	0.46 103	0.19 80	0.13 20	0.21 119	0.25 268	0.28 256	0.69 405

AAGNet	1.84 397	0.30 97	0.79 116	0.66 275	0.32 116	0.65 140	0.50 201	1.02 59	1.01 146	1.47 332	1.21 207	0.99 208	1.16 329	2.76 340	22.69 471	0.24 217	0.13 20	0.22 148	0.20 156	0.24 212	0.16 22

TransformOpticalFlow	0.97 293	0.30 97	0.96 203	0.54 128	0.31 92	0.65 140	0.54 230	1.87 278	1.19 225	1.12 166	1.44 291	1.34 303	0.98 278	6.68 425	0.44 85	0.19 80	0.12 6	0.21 119	0.19 127	0.18 51	0.23 156

SST-Stereo	0.85 256	0.30 97	0.81 124	0.63 245	0.31 92	0.70 168	0.25 8	1.16 119	0.95 119	1.47 332	1.11 168	0.99 208	0.86 224	5.69 401	0.53 155	0.23 197	0.13 20	0.23 181	0.19 127	0.23 183	0.19 69

RAFT_R40	0.84 251	0.30 97	0.83 141	0.63 245	0.31 92	0.66 146	0.43 139	1.15 116	0.99 138	1.47 332	1.10 161	1.00 213	0.84 212	5.44 398	0.53 155	0.23 197	0.13 20	0.23 181	0.20 156	0.23 183	0.19 69

IRAFT_RVC	0.90 274	0.30 97	0.89 172	0.67 288	0.31 92	0.64 136	1.00 368	1.40 172	0.97 127	1.23 229	1.04 140	1.00 213	0.96 268	5.77 404	0.57 175	0.24 217	0.13 20	0.25 241	0.21 197	0.20 109	0.21 116

SFCPSM	0.74 193	0.30 97	1.06 229	0.52 95	0.39 198	1.36 340	0.64 282	2.42 391	1.11 186	1.18 202	1.21 207	0.81 129	0.78 188	1.08 136	0.57 175	0.22 176	0.17 188	0.22 148	0.24 261	0.23 183	0.21 116

FENet	0.62 125	0.30 97	0.68 66	0.57 178	0.33 133	0.82 216	0.40 107	1.41 176	1.12 192	1.03 142	0.87 91	0.98 203	0.84 212	1.00 114	0.70 221	0.23 197	0.16 161	0.23 181	0.20 156	0.22 164	0.24 175

R-Stereo Train	0.60 118	0.30 97	0.72 76	0.57 178	0.37 177	0.68 155	0.52 213	1.45 181	0.78 61	1.61 362	1.50 307	0.76 112	0.53 93	0.67 41	0.51 138	0.19 80	0.16 161	0.18 47	0.15 46	0.18 51	0.19 69

RAFT-Stereo	0.60 118	0.30 97	0.72 76	0.57 178	0.37 177	0.68 155	0.52 213	1.45 181	0.78 61	1.61 362	1.50 307	0.76 112	0.53 93	0.67 41	0.51 138	0.19 80	0.16 161	0.18 47	0.15 46	0.18 51	0.19 69
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
model_zeroshot	0.53 60	0.31 125	1.00 213	0.57 178	0.39 198	0.74 180	0.39 102	1.38 167	0.67 36	0.88 106	0.85 87	0.71 104	0.37 24	0.77 59	0.39 48	0.21 144	0.17 188	0.19 68	0.17 93	0.17 28	0.22 138

test_sample2	0.67 153	0.31 125	0.89 172	0.54 128	0.29 63	0.80 207	0.63 280	1.83 266	1.10 180	0.93 117	1.06 146	0.94 191	0.92 256	1.24 161	0.59 187	0.23 197	0.20 241	0.22 148	0.21 197	0.24 212	0.25 194

CoDeX	0.78 213	0.31 125	1.04 222	0.56 158	0.37 177	1.13 300	0.60 270	2.77 422	1.29 288	1.17 191	1.26 225	0.91 176	0.87 233	1.42 196	0.74 229	0.21 144	0.16 161	0.21 119	0.18 108	0.21 144	0.21 116

SA	0.69 173	0.31 125	0.97 204	0.64 256	0.30 77	0.56 94	0.38 91	1.84 268	1.35 306	0.99 126	1.37 270	0.69 95	0.94 261	1.88 272	0.43 81	0.20 118	0.16 161	0.25 241	0.23 249	0.22 164	0.19 69

iRaft-Stereo_5w	0.89 266	0.31 125	1.04 222	0.56 158	0.47 259	0.47 34	0.68 290	1.19 127	1.08 170	0.80 86	1.35 265	1.46 323	0.90 245	5.11 388	1.16 313	0.18 48	0.15 129	0.22 148	0.19 127	0.21 144	0.24 175

MIPNet	0.60 118	0.31 125	1.07 234	0.51 80	0.34 147	0.68 155	0.40 107	1.67 224	1.14 203	1.11 158	0.93 102	0.60 68	0.78 188	0.77 59	0.58 180	0.18 48	0.14 72	0.19 68	0.16 75	0.18 51	0.21 116

PFNet+	0.62 125	0.31 125	0.99 208	0.57 178	0.31 92	0.57 96	0.30 35	0.99 57	1.25 258	1.33 280	1.10 161	0.79 121	0.57 111	1.35 179	0.53 155	0.26 256	0.17 188	0.28 287	0.26 284	0.21 144	0.27 230

STrans-v2	1.06 314	0.31 125	1.02 217	0.52 95	0.33 133	0.67 151	0.78 315	2.66 418	1.26 266	1.15 184	1.46 295	1.37 309	1.40 366	6.68 425	0.46 103	0.19 80	0.13 20	0.21 119	0.18 108	0.18 51	0.21 116

NRIStereo	0.62 125	0.31 125	0.78 112	0.56 158	0.28 49	0.63 127	0.33 49	1.16 119	0.92 102	1.15 184	0.87 91	0.90 172	0.58 128	2.24 308	0.56 172	0.22 176	0.14 72	0.21 119	0.19 127	0.22 164	0.18 43

Pruner-Stereo	0.64 137	0.31 125	0.79 116	0.66 275	0.31 92	0.61 116	0.42 123	1.22 137	1.09 177	1.53 346	1.09 159	0.94 191	0.55 103	1.37 183	0.56 172	0.25 236	0.14 72	0.24 203	0.21 197	0.21 144	0.25 194

DeepStereo_RVC	0.57 87	0.31 125	0.78 112	0.53 116	0.30 77	0.57 96	0.32 44	1.11 96	0.80 73	1.17 191	0.94 104	0.83 144	0.93 258	1.01 116	0.61 193	0.23 197	0.14 72	0.21 119	0.19 127	0.24 212	0.26 213

222	1.67 384	0.31 125	0.93 187	0.59 207	0.31 92	1.05 286	0.43 139	2.39 387	1.47 357	1.37 297	1.55 320	0.94 191	0.94 261	1.98 282	17.76 465	0.24 217	0.22 271	0.21 119	0.20 156	0.22 164	0.26 213

test_xeample	1.55 376	0.31 125	0.94 193	0.54 128	0.31 92	0.94 262	0.58 258	2.40 389	1.40 332	1.29 264	1.55 320	0.89 170	0.88 239	1.72 246	15.94 462	0.22 176	0.22 271	0.22 148	0.21 197	0.23 183	0.25 194

EAI-Stereo	0.76 204	0.31 125	0.74 93	0.55 140	0.28 49	0.70 168	1.72 421	2.57 410	0.90 96	0.75 78	3.03 419	0.57 60	0.43 40	1.10 142	0.49 131	0.19 80	0.14 72	0.17 21	0.18 108	0.17 28	0.21 116

GANet-RSSM	0.78 213	0.31 125	0.90 179	0.67 288	0.58 314	0.80 207	0.62 275	2.04 321	1.15 208	1.11 158	1.27 234	1.26 285	1.18 339	1.68 240	0.74 229	0.26 256	0.21 256	0.22 148	0.22 220	0.23 183	0.23 156

HSM-Net_RVC	0.91 279	0.31 125	0.60 36	0.54 128	0.31 92	1.15 306	0.60 270	3.76 440	1.30 290	1.57 356	1.75 356	1.67 354	1.01 290	1.61 233	0.90 273	0.23 197	0.17 188	0.19 68	0.18 108	0.20 109	0.22 138
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
test_sample1	0.67 153	0.32 141	0.90 179	0.54 128	0.33 133	0.76 189	0.48 185	1.75 247	1.06 165	0.95 121	0.99 120	0.91 176	1.10 320	1.25 162	0.79 246	0.22 176	0.19 229	0.21 119	0.20 156	0.21 144	0.25 194

MyStereo8	0.70 174	0.32 141	1.24 290	0.63 245	0.53 290	0.90 246	0.34 58	1.60 214	1.35 306	1.20 213	1.31 246	0.89 170	0.64 149	0.77 59	1.02 301	0.18 48	0.15 129	0.20 94	0.18 108	0.22 164	0.30 272

SMFormer	0.79 222	0.32 141	0.95 196	0.49 51	0.27 24	0.83 223	0.43 139	2.16 351	1.45 351	1.27 254	1.50 307	0.98 203	0.96 268	1.87 266	0.99 294	0.24 217	0.22 271	0.22 148	0.21 197	0.23 183	0.27 230

tta	0.79 222	0.32 141	0.95 196	0.49 51	0.27 24	0.83 223	0.43 139	2.16 351	1.45 351	1.27 254	1.50 307	0.98 203	0.96 268	1.87 266	0.99 294	0.24 217	0.22 271	0.22 148	0.21 197	0.19 80	0.22 138

qqq1	0.76 204	0.32 141	0.95 196	0.49 51	0.27 24	0.83 223	0.43 139	2.16 351	1.45 351	1.27 254	1.50 307	0.98 203	0.96 268	1.87 266	0.48 120	0.24 217	0.22 271	0.18 47	0.15 46	0.19 80	0.22 138

fff1	0.76 204	0.32 141	0.95 196	0.49 51	0.27 24	0.83 223	0.43 139	2.16 351	1.45 351	1.27 254	1.50 307	0.98 203	0.96 268	1.87 266	0.48 120	0.24 217	0.22 271	0.18 47	0.15 46	0.19 80	0.22 138

1111x	1.96 404	0.32 141	1.54 332	0.54 128	0.30 77	1.00 278	0.69 293	2.47 399	1.33 301	1.21 219	1.44 291	1.21 266	1.11 323	8.49 445	16.14 463	0.22 176	0.23 296	0.22 148	0.23 249	0.25 224	0.26 213

SPstereo	0.43 18	0.32 141	0.80 121	0.50 66	0.27 24	0.53 74	0.31 39	1.05 72	0.67 36	0.69 67	0.71 56	0.58 62	0.42 36	0.51 7	0.35 15	0.18 48	0.15 129	0.18 47	0.13 18	0.17 28	0.15 6

knoymous	0.53 60	0.32 141	0.51 16	0.46 22	0.30 77	0.57 96	0.54 230	1.10 94	0.78 61	0.99 126	0.84 85	0.95 195	0.57 111	0.89 90	0.51 138	0.21 144	0.14 72	0.26 262	0.14 35	0.23 183	0.25 194

raft_robust	0.71 180	0.32 141	0.75 98	0.54 128	0.28 49	0.54 87	0.35 68	1.54 197	1.24 250	1.18 202	1.07 149	0.73 107	0.53 93	3.65 362	0.40 64	0.19 80	0.16 161	0.20 94	0.22 220	0.21 144	0.19 69

test_5	0.70 174	0.32 141	0.99 208	0.69 312	0.50 272	0.89 243	0.51 202	1.88 283	1.14 203	0.78 82	1.13 182	1.04 224	0.89 242	1.59 226	0.46 103	0.19 80	0.14 72	0.23 181	0.22 220	0.22 164	0.20 95

CRE-IMP	0.57 87	0.32 141	0.82 133	0.54 128	0.29 63	0.77 198	0.25 8	1.19 127	0.79 70	1.09 155	0.95 105	0.81 129	0.57 111	1.11 145	0.57 175	0.22 176	0.14 72	0.23 181	0.19 127	0.28 256	0.24 175

RAFT	0.67 153	0.32 141	0.83 141	0.63 245	0.34 147	0.69 164	0.57 251	1.14 104	0.84 81	1.12 166	1.20 202	1.75 367	0.92 256	1.09 140	0.60 190	0.22 176	0.19 229	0.27 273	0.24 261	0.22 164	0.23 156

rafts_anoy	0.55 64	0.32 141	0.66 61	0.72 329	0.61 330	0.53 74	0.40 107	1.24 143	1.06 165	0.85 100	0.83 84	0.67 88	0.53 93	0.77 59	0.55 166	0.20 118	0.15 129	0.25 241	0.26 284	0.22 164	0.21 116

xxxx	1.61 380	0.32 141	0.98 206	0.58 190	0.31 92	1.15 306	0.43 139	2.43 392	1.41 335	1.17 191	1.40 281	1.21 266	0.86 224	1.94 276	16.68 464	0.24 217	0.24 305	0.21 119	0.20 156	0.23 183	0.27 230

ac_64	0.86 259	0.32 141	1.02 217	0.74 342	0.60 324	1.04 283	0.53 219	2.20 365	0.99 138	1.23 229	1.11 168	1.96 383	1.06 312	2.01 287	1.01 299	0.30 310	0.22 271	0.24 203	0.23 249	0.22 164	0.22 138

cf-r	0.79 222	0.32 141	1.06 229	0.57 178	0.64 337	0.78 199	0.51 202	2.04 321	1.22 242	1.20 213	1.27 234	1.53 335	0.91 248	1.47 207	0.94 287	0.25 236	0.19 229	0.22 148	0.23 249	0.19 80	0.21 116

PSMNet-RSSM	0.78 213	0.32 141	0.89 172	0.65 262	0.43 234	0.73 178	0.58 258	2.14 344	1.19 225	1.18 202	1.38 274	1.31 296	1.07 314	1.43 198	0.82 256	0.28 292	0.21 256	0.27 273	0.29 327	0.25 224	0.26 213

DIP-Stereo	0.64 137	0.32 141	0.91 183	0.49 51	0.36 169	0.91 248	0.33 49	2.51 406	0.77 59	1.25 236	1.00 125	0.68 90	0.51 86	0.92 97	0.65 208	0.19 80	0.15 129	0.21 119	0.17 93	0.19 80	0.22 138
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
UGAM-zero	1.05 312	0.33 160	1.04 222	0.49 51	0.31 92	0.67 151	0.26 15	2.37 385	0.80 73	1.05 146	1.11 168	2.86 423	1.81 400	6.26 414	0.50 134	0.18 48	0.15 129	0.19 68	0.16 75	0.17 28	0.21 116

GCAP-BAT	0.54 62	0.33 160	0.75 98	0.45 14	0.50 272	0.84 230	0.35 68	0.98 51	0.80 73	0.88 106	1.04 140	0.88 160	0.37 24	1.25 162	0.41 71	0.19 80	0.15 129	0.18 47	0.13 18	0.17 28	0.22 138

IGEVStereo-DCA	0.49 47	0.33 160	0.64 52	0.46 22	0.34 147	0.50 58	0.42 123	0.93 36	0.59 15	0.48 24	0.48 12	0.48 32	0.45 49	2.28 312	0.44 85	0.19 80	0.14 72	0.19 68	0.15 46	0.17 28	0.21 116

rrr	0.57 87	0.33 160	2.43 384	0.46 22	0.34 147	0.50 58	0.38 91	0.84 26	0.55 9	0.48 24	0.48 12	0.48 32	0.45 49	2.28 312	0.44 85	0.19 80	0.14 72	0.19 68	0.15 46	0.17 28	0.18 43

IGEV_Zeroshot_test	0.59 111	0.33 160	1.11 245	0.63 245	0.37 177	0.41 17	0.33 49	1.80 259	0.79 70	1.04 144	1.10 161	1.06 228	0.43 40	0.87 85	0.48 120	0.18 48	0.13 20	0.19 68	0.18 108	0.20 109	0.23 156

EKT-Stereo	0.56 75	0.33 160	0.84 150	0.61 227	0.64 337	0.51 65	0.48 185	1.14 104	0.95 119	0.74 76	0.89 96	0.77 116	0.42 36	1.18 156	0.42 77	0.23 197	0.17 188	0.21 119	0.18 108	0.20 109	0.26 213

HH	0.68 164	0.33 160	0.83 141	0.53 116	0.34 147	0.92 255	0.45 167	1.79 255	0.74 53	0.71 69	1.13 182	1.60 344	0.83 210	1.95 279	0.39 48	0.18 48	0.14 72	0.19 68	0.17 93	0.19 80	0.19 69

HanStereo	0.68 164	0.33 160	0.83 141	0.53 116	0.34 147	0.92 255	0.45 167	1.79 255	0.74 53	0.71 69	1.13 182	1.60 344	0.83 210	1.95 279	0.39 48	0.18 48	0.14 72	0.19 68	0.17 93	0.19 80	0.19 69

IER	0.74 193	0.33 160	1.25 292	0.50 66	0.53 290	1.32 332	0.55 239	1.31 158	1.08 170	1.30 266	1.34 260	1.11 251	1.10 320	1.05 126	0.81 255	0.20 118	0.17 188	0.21 119	0.21 197	0.20 109	0.21 116

iRaft-Stereo_20w	0.71 180	0.33 160	1.25 292	0.50 66	0.36 169	0.82 216	0.31 39	3.16 432	0.89 91	1.24 233	1.14 187	0.79 121	0.65 153	1.15 150	0.43 81	0.18 48	0.13 20	0.18 47	0.17 93	0.20 109	0.23 156

GwcNet-ADL	0.67 153	0.33 160	0.90 179	0.58 190	0.41 222	0.60 112	0.59 263	1.55 200	1.28 278	1.11 158	1.13 182	0.90 172	0.59 131	1.11 145	0.91 275	0.28 292	0.18 214	0.18 47	0.18 108	0.25 224	0.33 297

Patchmatch Stereo++	0.57 87	0.33 160	0.82 133	0.52 95	0.27 24	0.63 127	0.28 26	1.14 104	0.73 46	1.13 169	0.96 107	0.82 135	0.60 136	1.40 189	0.52 146	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95
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
NF-Stereo	0.82 237	0.33 160	0.83 141	0.65 262	0.31 92	0.63 127	0.43 139	1.35 161	0.93 109	1.30 266	1.02 129	0.81 129	0.57 111	5.37 397	0.55 166	0.26 256	0.14 72	0.24 203	0.20 156	0.20 109	0.30 272

OCTAStereo	0.82 237	0.33 160	0.83 141	0.65 262	0.31 92	0.62 119	0.44 157	1.35 161	0.93 109	1.30 266	1.02 129	0.81 129	0.57 111	5.32 392	0.55 166	0.26 256	0.14 72	0.24 203	0.20 156	0.20 109	0.30 272

PSM-softLoss	0.80 227	0.33 160	0.89 172	0.63 245	0.32 116	0.55 91	0.40 107	1.26 147	0.78 61	1.25 236	1.07 149	0.83 144	0.51 86	5.33 393	0.61 193	0.25 236	0.15 129	0.25 241	0.22 220	0.20 109	0.26 213

KMStereo	0.80 227	0.33 160	0.89 172	0.63 245	0.32 116	0.55 91	0.40 107	1.26 147	0.78 61	1.25 236	1.07 149	0.83 144	0.51 86	5.33 393	0.61 193	0.25 236	0.15 129	0.25 241	0.22 220	0.20 109	0.26 213

PSM-adaLoss	0.56 75	0.33 160	0.81 124	0.52 95	0.27 24	0.63 127	0.41 117	1.14 104	0.73 46	1.13 169	0.96 107	0.82 135	0.60 136	1.09 140	0.52 146	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

ROB_FTStereo_v2	0.57 87	0.33 160	0.81 124	0.52 95	0.27 24	0.62 119	0.42 123	1.14 104	0.73 46	1.13 169	0.97 115	0.82 135	0.60 136	1.15 150	0.53 155	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

ROB_FTStereo	0.56 75	0.33 160	0.82 133	0.52 95	0.27 24	0.62 119	0.25 8	1.14 104	0.74 53	1.13 169	0.96 107	0.82 135	0.60 136	1.18 156	0.52 146	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

HUI-Stereo	0.54 62	0.33 160	0.81 124	0.52 95	0.27 24	0.62 119	0.29 31	1.14 104	0.74 53	1.13 169	0.96 107	0.82 135	0.60 136	0.83 75	0.52 146	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

RE-Stereo	0.82 237	0.33 160	0.84 150	0.65 262	0.31 92	0.63 127	0.44 157	1.35 161	0.93 109	1.30 266	1.02 129	0.80 123	0.57 111	5.34 395	0.55 166	0.26 256	0.14 72	0.24 203	0.20 156	0.20 109	0.31 281

TVStereo	0.82 237	0.33 160	0.84 150	0.65 262	0.31 92	0.63 127	0.44 157	1.35 161	0.93 109	1.30 266	1.02 129	0.80 123	0.57 111	5.34 395	0.55 166	0.26 256	0.14 72	0.24 203	0.20 156	0.20 109	0.31 281

iGMRVC	0.58 99	0.33 160	0.81 124	0.52 95	0.27 24	0.62 119	0.38 91	1.14 104	0.73 46	1.13 169	0.97 115	0.82 135	0.59 131	1.54 218	0.53 155	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

iRAFT	0.57 87	0.33 160	0.82 133	0.52 95	0.27 24	0.63 127	0.28 26	1.14 104	0.73 46	1.13 169	0.96 107	0.82 135	0.60 136	1.40 189	0.52 146	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

CroCo-Stereo	0.42 15	0.33 160	0.83 141	0.59 207	0.28 49	0.26 2	0.33 49	1.22 137	0.85 84	0.43 12	0.49 14	0.65 82	0.46 57	0.40 2	0.36 31	0.19 80	0.15 129	0.16 14	0.14 35	0.20 109	0.17 33
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
RAFT-IKP	0.57 87	0.33 160	0.82 133	0.52 95	0.27 24	0.57 96	0.35 68	1.14 104	0.73 46	1.13 169	0.96 107	0.83 144	0.61 145	1.26 165	0.53 155	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

test_xeample3	0.57 87	0.33 160	3.11 403	0.46 22	0.34 147	0.55 91	0.38 91	0.86 31	0.49 5	0.54 46	0.46 9	0.44 13	0.44 46	1.49 215	0.45 97	0.18 48	0.14 72	0.19 68	0.15 46	0.17 28	0.18 43

ACVNet	0.66 143	0.33 160	0.74 93	0.55 140	0.37 177	0.80 207	0.47 181	1.46 183	1.11 186	1.01 135	1.31 246	1.07 231	0.91 248	0.82 71	1.09 306	0.22 176	0.19 229	0.21 119	0.18 108	0.23 183	0.19 69

acv_ft	0.78 213	0.33 160	1.10 243	0.73 336	0.86 393	1.23 324	0.57 251	1.65 223	1.11 186	1.31 272	1.31 246	1.07 231	0.91 248	0.82 71	1.35 338	0.22 176	0.19 229	0.21 119	0.18 108	0.22 164	0.19 69

rvit_stereo_0083	0.49 47	0.34 189	0.85 156	0.57 178	0.36 169	0.49 44	0.43 139	0.73 6	1.05 164	0.50 33	0.57 33	0.55 53	0.50 83	0.92 97	0.50 134	0.25 236	0.25 317	0.24 203	0.20 156	0.25 224	0.19 69

rvit_stereo_0081	0.46 31	0.34 189	0.72 76	0.56 158	0.35 162	0.41 17	0.44 157	0.74 8	1.04 158	0.49 28	0.52 17	0.51 40	0.49 79	0.86 83	0.47 113	0.25 236	0.20 241	0.22 148	0.19 127	0.26 234	0.19 69

rvit_stereo_0082	0.46 31	0.34 189	0.72 76	0.56 158	0.35 162	0.41 17	0.44 157	0.74 8	1.04 158	0.49 28	0.52 17	0.51 40	0.49 79	0.86 83	0.47 113	0.25 236	0.20 241	0.22 148	0.19 127	0.26 234	0.19 69

CAS++	0.48 44	0.34 189	0.59 31	0.48 39	0.32 116	0.45 29	0.29 31	1.73 243	0.78 61	0.71 69	0.73 63	0.36 6	0.28 4	0.70 47	0.35 15	0.27 277	0.22 271	0.26 262	0.21 197	0.29 271	0.22 138
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DispNO	0.98 296	0.34 189	2.02 363	0.58 190	0.55 302	0.88 241	0.49 195	1.70 237	1.24 250	1.22 226	1.26 225	1.18 261	0.88 239	5.17 389	0.88 266	0.23 197	0.18 214	0.24 203	0.22 220	0.19 80	0.22 138

ACVNet-DCA	0.59 111	0.34 189	0.63 45	0.60 214	0.27 24	1.16 309	0.51 202	1.58 208	0.91 97	0.60 56	0.80 77	0.47 28	0.87 233	1.48 209	0.35 15	0.21 144	0.13 20	0.25 241	0.15 46	0.23 183	0.25 194

xx1	0.70 174	0.34 189	0.63 45	0.60 214	0.27 24	1.16 309	0.51 202	1.07 76	3.23 436	0.60 56	0.80 77	0.95 195	0.79 195	1.48 209	0.35 15	0.21 144	0.13 20	0.24 203	0.23 249	0.23 183	0.25 194

1test111	0.58 99	0.34 189	0.63 45	0.60 214	0.27 24	1.16 309	0.51 202	1.58 208	0.91 97	0.60 56	0.80 77	0.47 28	0.87 233	0.99 111	0.67 213	0.21 144	0.13 20	0.25 241	0.15 46	0.23 183	0.25 194

cc1	0.68 164	0.34 189	0.63 45	0.60 214	0.27 24	1.16 309	0.51 202	1.07 76	3.23 436	0.60 56	0.80 77	0.47 28	0.87 233	1.48 209	0.35 15	0.21 144	0.13 20	0.25 241	0.15 46	0.19 80	0.23 156

tt1	0.65 141	0.34 189	0.65 57	0.60 214	0.27 24	1.14 303	0.48 185	1.08 81	2.62 424	0.59 51	0.79 73	0.49 35	0.80 201	1.57 221	0.35 15	0.21 144	0.13 20	0.25 241	0.16 75	0.20 109	0.23 156

PCWNet_CMD	0.68 164	0.34 189	0.93 187	0.51 80	0.38 189	0.80 207	0.42 123	1.51 189	1.34 303	1.17 191	1.31 246	1.23 274	0.65 153	0.94 100	0.62 196	0.21 144	0.17 188	0.27 273	0.19 127	0.43 347	0.28 243

CFNet_ucs	0.73 189	0.34 189	0.94 193	0.53 116	0.44 242	0.76 189	0.46 172	1.73 243	1.34 303	1.24 233	1.54 317	1.08 241	0.64 149	1.05 126	0.64 203	0.26 256	0.20 241	0.37 361	0.22 220	0.42 345	0.30 272

x	0.59 111	0.34 189	0.79 116	0.51 80	0.32 116	0.69 164	0.46 172	1.64 220	0.97 127	0.86 104	0.86 89	0.83 144	0.74 173	0.75 57	0.70 221	0.21 144	0.22 271	0.22 148	0.20 156	0.21 144	0.24 175

BUS	0.78 213	0.34 189	0.77 106	0.55 140	0.45 245	2.30 411	0.42 123	2.65 415	1.04 158	1.25 236	1.12 172	1.02 220	0.70 168	0.94 100	0.75 232	0.25 236	0.18 214	0.25 241	0.22 220	0.23 183	0.24 175

BSDual-CNN	0.75 197	0.34 189	0.77 106	0.55 140	0.45 245	1.25 326	0.66 286	2.65 415	1.04 158	1.25 236	1.12 172	1.11 251	0.77 183	0.94 100	0.76 235	0.25 236	0.18 214	0.25 241	0.22 220	0.23 183	0.24 175

hknet	0.82 237	0.34 189	1.15 257	0.55 140	0.39 198	1.25 326	0.66 286	2.65 415	1.10 180	1.25 236	1.12 172	1.58 343	0.85 217	1.41 191	0.79 246	0.23 197	0.18 214	0.25 241	0.22 220	0.23 183	0.24 175

psmg	0.75 197	0.34 189	0.77 106	0.52 95	0.45 245	1.46 353	0.73 306	2.15 349	1.04 158	1.25 236	1.33 256	1.11 251	0.77 183	0.94 100	0.76 235	0.25 236	0.20 241	0.25 241	0.26 284	0.23 183	0.24 175

IIG-Stereo	0.97 293	0.34 189	0.80 121	0.90 395	0.33 133	0.61 116	0.26 15	1.27 151	1.08 170	1.69 372	1.37 270	1.44 317	0.74 173	6.94 429	0.53 155	0.21 144	0.14 72	0.23 181	0.18 108	0.20 109	0.15 6

CFNet_pseudo	0.68 164	0.34 189	0.93 187	0.50 66	0.39 198	0.72 174	0.42 123	1.44 179	1.25 258	1.17 191	1.35 265	1.22 270	0.66 157	1.04 123	0.64 203	0.21 144	0.17 188	0.33 333	0.19 127	0.39 334	0.28 243

RALCasStereoNet	0.58 99	0.34 189	0.77 106	0.65 262	0.64 337	0.64 136	0.51 202	1.06 74	0.99 138	0.71 69	1.06 146	0.77 116	0.44 46	1.38 186	0.52 146	0.20 118	0.18 214	0.18 47	0.16 75	0.20 109	0.22 138

delet	0.90 274	0.34 189	1.15 257	0.69 312	0.66 345	1.63 369	0.81 330	1.95 299	1.49 362	1.42 316	1.38 274	1.29 292	0.91 248	1.78 253	1.18 314	0.22 176	0.22 271	0.24 203	0.25 268	0.22 164	0.24 175

UPFNet	0.84 251	0.34 189	1.09 239	0.62 235	0.74 365	1.25 326	0.78 315	1.69 234	1.20 229	1.39 304	1.13 182	1.30 294	0.87 233	1.73 247	1.22 321	0.24 217	0.26 323	0.24 203	0.23 249	0.26 234	0.20 95

GwcNet-RSSM	0.83 246	0.34 189	1.29 301	0.65 262	0.55 302	0.78 199	0.62 275	1.89 285	1.27 270	1.18 202	1.39 276	1.56 340	0.91 248	1.60 231	1.22 321	0.26 256	0.20 241	0.23 181	0.24 261	0.21 144	0.21 116

RASNet	1.16 332	0.34 189	1.11 245	0.73 336	0.86 393	1.00 278	0.60 270	1.56 203	1.43 344	1.07 153	1.37 270	2.08 397	1.44 371	7.00 430	1.56 359	0.20 118	0.17 188	0.17 21	0.19 127	0.19 80	0.19 69

MSMDNet	0.68 164	0.34 189	0.93 187	0.52 95	0.38 189	0.80 207	0.42 123	1.52 191	1.35 306	1.17 191	1.31 246	1.23 274	0.65 153	0.94 100	0.62 196	0.21 144	0.17 188	0.26 262	0.19 127	0.41 342	0.28 243

ccs_rob	0.68 164	0.34 189	0.93 187	0.50 66	0.39 198	0.72 174	0.42 123	1.43 178	1.25 258	1.17 191	1.34 260	1.22 270	0.66 157	1.04 123	0.64 203	0.21 144	0.17 188	0.35 348	0.20 156	0.40 338	0.29 257

HSM	1.22 344	0.34 189	0.81 124	0.61 227	0.39 198	1.22 322	0.63 280	2.45 394	1.25 258	1.32 275	1.26 225	1.91 373	1.08 315	9.21 450	0.75 232	0.23 197	0.17 188	0.20 94	0.16 75	0.22 164	0.24 175

rvit_stereo_0080	0.47 39	0.35 216	0.87 165	0.48 39	0.36 169	0.42 20	0.54 230	0.93 36	0.78 61	0.52 43	0.60 35	0.55 53	0.47 63	0.62 29	0.48 120	0.27 277	0.21 256	0.20 94	0.20 156	0.31 291	0.20 95

test_sample3	0.73 189	0.35 216	1.06 229	0.55 140	0.32 116	0.97 275	0.51 202	2.12 335	1.25 258	1.16 188	1.17 195	0.88 160	0.78 188	1.27 167	0.79 246	0.26 256	0.21 256	0.25 241	0.25 268	0.26 234	0.27 230

whm_eth	0.47 39	0.35 216	0.87 165	0.48 39	0.36 169	0.42 20	0.54 230	0.93 36	0.78 61	0.52 43	0.60 35	0.55 53	0.47 63	0.62 29	0.48 120	0.27 277	0.21 256	0.20 94	0.20 156	0.31 291	0.20 95

ToySt	0.73 189	0.35 216	1.64 338	0.54 128	0.37 177	0.92 255	0.81 330	1.21 135	1.03 152	0.86 104	1.12 172	1.31 296	1.01 290	1.04 123	0.88 266	0.19 80	0.20 241	0.24 203	0.24 261	0.27 240	0.28 243

OMP-Stereo	0.95 288	0.35 216	0.79 116	0.92 397	0.32 116	0.49 44	0.35 68	1.22 137	1.11 186	1.58 357	1.12 172	1.44 317	0.69 166	6.92 428	0.51 138	0.20 118	0.15 129	0.24 203	0.19 127	0.21 144	0.16 22

ICVP	0.66 143	0.35 216	0.71 75	0.63 245	0.41 222	0.85 236	0.56 246	1.78 252	0.96 123	0.92 114	1.24 221	0.88 160	0.75 178	0.76 58	0.93 282	0.31 314	0.22 271	0.22 148	0.21 197	0.24 212	0.28 243
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.89 266	0.35 216	1.44 317	0.64 256	0.59 320	1.83 388	0.48 185	1.70 237	1.38 321	1.45 329	1.19 201	1.25 279	1.16 329	1.77 251	1.27 329	0.20 118	0.19 229	0.23 181	0.22 220	0.25 224	0.24 175

test_sample6	0.77 210	0.36 223	1.07 234	0.56 158	0.31 92	0.82 216	0.56 246	2.12 335	1.24 250	1.21 219	1.40 281	0.90 172	0.90 245	1.45 202	0.87 265	0.28 292	0.23 296	0.28 287	0.29 327	0.28 256	0.30 272

test_sample5	0.75 197	0.36 223	1.04 222	0.55 140	0.31 92	0.84 230	0.53 219	2.12 335	1.23 246	1.18 202	1.30 244	0.88 160	0.86 224	1.37 183	0.76 235	0.26 256	0.22 271	0.27 273	0.28 310	0.28 256	0.29 257

test_sample4	0.74 193	0.36 223	1.09 239	0.55 140	0.32 116	0.92 255	0.51 202	2.14 344	1.25 258	1.22 226	1.22 209	0.86 152	0.82 206	1.29 169	0.76 235	0.26 256	0.21 256	0.26 262	0.26 284	0.27 240	0.28 243

DualNet	0.75 197	0.36 223	1.04 222	0.55 140	0.31 92	0.84 230	0.53 219	2.12 335	1.23 246	1.21 219	1.40 281	0.88 160	0.86 224	1.37 183	0.76 235	0.26 256	0.22 271	0.27 273	0.28 310	0.28 256	0.29 257

ffm	0.79 222	0.36 223	1.51 324	0.56 158	0.40 208	0.76 189	0.59 263	1.08 81	2.62 424	1.19 208	1.49 300	1.07 231	0.85 217	1.57 221	0.35 15	0.21 144	0.13 20	0.31 313	0.28 310	0.20 109	0.23 156

ff1	1.88 398	0.36 223	1.51 324	0.56 158	0.40 208	0.76 189	0.59 263	1.08 81	2.62 424	1.19 208	1.49 300	1.07 231	0.85 217	9.88 459	13.82 456	0.21 144	0.13 20	0.31 313	0.28 310	0.20 109	0.23 156

mmx	1.89 401	0.36 223	1.51 324	0.56 158	0.40 208	0.76 189	0.59 263	2.32 378	1.41 335	1.19 208	1.49 300	1.07 231	0.85 217	9.88 459	13.82 456	0.25 236	0.21 256	0.31 313	0.28 310	0.32 301	0.29 257

ttt	1.26 353	0.36 223	0.79 116	0.65 262	0.42 230	0.94 262	0.57 251	2.33 383	1.38 321	1.25 236	1.65 342	0.92 183	0.78 188	2.64 333	8.73 444	0.30 310	0.28 335	0.26 262	0.25 268	0.29 271	0.32 290

xxx	1.89 401	0.36 223	1.51 324	0.56 158	0.40 208	0.76 189	0.59 263	2.32 378	1.41 335	1.19 208	1.49 300	1.07 231	0.85 217	9.88 459	13.82 456	0.25 236	0.21 256	0.31 313	0.28 310	0.32 301	0.29 257

LL-Strereo2	0.56 75	0.36 223	0.77 106	0.56 158	0.40 208	0.68 155	0.37 84	1.21 135	0.83 79	0.96 123	0.79 73	0.91 176	0.41 32	1.08 136	0.48 120	0.18 48	0.17 188	0.29 297	0.25 268	0.22 164	0.19 69

CASS	0.67 153	0.36 223	0.84 150	0.57 178	0.28 49	0.82 216	0.43 139	1.62 219	0.92 102	1.39 304	1.28 239	0.87 154	0.84 212	0.88 87	0.59 187	0.36 350	0.19 229	0.26 262	0.22 220	0.29 271	0.43 347
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
qqq	0.62 125	0.36 223	0.88 169	0.50 66	0.28 49	0.64 136	0.62 275	1.58 208	0.91 97	0.83 94	0.96 107	0.95 195	0.79 195	0.99 111	0.67 213	0.21 144	0.23 296	0.24 203	0.23 249	0.23 183	0.25 194

PSMNet-ADL	0.75 197	0.36 223	0.69 71	0.71 324	0.47 259	1.13 300	0.46 172	1.47 186	1.07 167	0.85 100	1.18 198	1.31 296	0.94 261	1.56 219	1.06 304	0.34 335	0.22 271	0.22 148	0.23 249	0.27 240	0.36 316

UNet	0.86 259	0.36 223	1.52 328	0.62 235	0.74 365	1.56 362	0.49 195	1.55 200	1.12 192	1.28 259	1.10 161	1.52 334	1.10 320	1.69 244	1.14 311	0.24 217	0.18 214	0.25 241	0.21 197	0.25 224	0.25 194

CFNet-ft	0.78 213	0.36 223	0.74 93	0.67 288	0.56 307	0.86 237	0.54 230	1.46 183	1.17 218	1.01 135	1.28 239	1.68 356	1.03 300	1.57 221	0.95 289	0.27 277	0.21 256	0.33 333	0.26 284	0.31 291	0.26 213

DMCA	0.71 180	0.36 223	1.17 271	0.53 116	0.45 245	0.84 230	0.46 172	1.52 191	1.09 177	1.20 213	1.12 172	1.21 266	0.74 173	0.87 85	1.09 306	0.25 236	0.20 241	0.27 273	0.19 127	0.24 212	0.29 257

CFNet_RVC	0.78 213	0.36 223	0.74 93	0.67 288	0.56 307	0.86 237	0.54 230	1.46 183	1.17 218	1.01 135	1.28 239	1.68 356	1.03 300	1.57 221	0.95 289	0.27 277	0.21 256	0.33 333	0.26 284	0.31 291	0.26 213

iResNet_ROB	0.82 237	0.36 223	1.13 250	0.60 214	0.37 177	0.91 248	0.38 91	2.41 390	1.61 379	1.35 291	1.35 265	1.25 279	0.97 275	1.75 249	0.88 266	0.21 144	0.14 72	0.17 21	0.12 11	0.19 80	0.30 272

DN-CSS_ROB	0.67 153	0.36 223	1.36 311	0.59 207	0.41 222	0.54 87	0.45 167	1.30 157	0.95 119	1.05 146	1.47 297	0.69 95	0.64 149	1.80 260	0.60 190	0.19 80	0.15 129	0.25 241	0.23 249	0.22 164	0.23 156

rvit_stereo_0081_aga	0.46 31	0.37 242	0.91 183	0.52 95	0.41 222	0.49 44	0.40 107	0.88 32	0.66 35	0.59 51	0.56 30	0.53 51	0.43 40	0.67 41	0.44 85	0.27 277	0.21 256	0.22 148	0.20 156	0.26 234	0.19 69

mmm	0.68 164	0.37 242	0.91 183	0.54 128	0.34 147	0.86 237	0.58 258	1.72 242	1.02 149	1.13 169	1.41 286	0.83 144	0.78 188	0.95 106	0.67 213	0.22 176	0.20 241	0.29 297	0.26 284	0.27 240	0.27 230

StereoVision	0.67 153	0.37 242	1.02 217	0.60 214	0.41 222	0.50 58	0.41 117	1.32 159	0.96 123	0.73 75	2.48 410	0.82 135	0.57 111	1.06 131	0.50 134	0.26 256	0.28 335	0.29 297	0.28 310	0.37 323	0.22 138

CBFPSM	0.95 288	0.37 242	2.10 369	0.51 80	0.39 198	1.73 376	0.87 346	1.59 213	1.13 197	1.11 158	1.00 125	2.34 407	1.64 387	1.42 196	1.44 346	0.19 80	0.18 214	0.20 94	0.20 156	0.22 164	0.36 316

gwcnet-sp	0.80 227	0.37 242	1.94 356	0.62 235	0.45 245	1.38 341	0.53 219	1.68 225	1.20 229	1.37 297	1.08 156	0.93 185	0.82 206	1.45 202	0.79 246	0.22 176	0.22 271	0.22 148	0.21 197	0.23 183	0.25 194

scenet	0.80 227	0.37 242	1.94 356	0.62 235	0.45 245	1.38 341	0.53 219	1.68 225	1.20 229	1.37 297	1.08 156	0.93 185	0.82 206	1.45 202	0.79 246	0.22 176	0.22 271	0.22 148	0.21 197	0.23 183	0.25 194

ssnet	0.80 227	0.37 242	1.94 356	0.62 235	0.45 245	1.38 341	0.53 219	1.68 225	1.20 229	1.37 297	1.08 156	0.93 185	0.82 206	1.45 202	0.79 246	0.22 176	0.22 271	0.22 148	0.21 197	0.23 183	0.25 194

CroCo-Stereo Lap2	0.46 31	0.37 242	0.87 165	0.62 235	0.79 380	0.28 4	0.35 68	0.81 16	0.73 46	0.39 8	0.54 25	0.71 104	0.54 100	0.60 24	0.48 120	0.18 48	0.18 214	0.19 68	0.16 75	0.21 144	0.21 116

CIPLG	0.67 153	0.37 242	1.17 271	0.60 214	0.51 282	0.75 184	0.48 185	1.26 147	1.11 186	1.43 320	1.58 330	0.64 80	0.48 68	0.94 100	0.78 241	0.24 217	0.15 129	0.19 68	0.16 75	0.19 80	0.29 257

DAS	0.89 266	0.37 242	1.20 280	0.66 275	0.69 355	0.82 216	0.62 275	1.79 255	1.26 266	1.93 392	1.55 320	0.96 199	1.17 332	2.72 338	0.69 218	0.22 176	0.16 161	0.25 241	0.18 108	0.29 271	0.24 175

SepStereo	0.87 262	0.37 242	1.20 280	0.66 275	0.69 355	0.82 216	0.62 275	1.79 255	1.26 266	1.93 392	1.55 320	0.96 199	1.17 332	2.34 315	0.69 218	0.22 176	0.16 161	0.25 241	0.18 108	0.29 271	0.24 175

ACRE	0.66 143	0.37 242	1.27 295	0.60 214	0.50 272	0.74 180	0.47 181	1.26 147	1.10 180	1.40 310	1.56 325	0.62 74	0.46 57	0.88 87	0.78 241	0.24 217	0.15 129	0.19 68	0.16 75	0.19 80	0.29 257

ADLNet2	0.92 282	0.37 242	1.25 292	0.80 364	0.65 342	1.12 299	0.75 308	1.95 299	1.42 343	1.26 249	1.67 345	1.68 356	1.04 306	1.80 260	1.23 324	0.25 236	0.22 271	0.21 119	0.22 220	0.27 240	0.31 281

RALAANet	0.62 125	0.37 242	0.97 204	0.66 275	0.50 272	0.67 151	0.31 39	1.27 151	1.09 177	1.11 158	1.17 195	0.88 160	0.46 57	1.27 167	0.45 97	0.20 118	0.15 129	0.21 119	0.18 108	0.27 240	0.19 69

GES	0.70 174	0.37 242	1.05 227	0.62 235	0.38 189	0.94 262	0.57 251	2.37 385	0.92 102	1.05 146	1.12 172	0.67 88	0.77 183	1.02 119	0.65 208	0.28 292	0.20 241	0.20 94	0.20 156	0.22 164	0.31 281

psm_up	0.83 246	0.37 242	0.88 169	0.68 300	0.59 320	1.05 286	0.92 353	1.68 225	1.17 218	1.41 312	1.22 209	1.30 294	1.31 355	1.39 188	0.89 269	0.27 277	0.30 348	0.31 313	0.27 300	0.28 256	0.28 243

UCFNet_RVC	0.72 186	0.37 242	0.59 31	0.66 275	0.41 222	0.89 243	0.68 290	1.78 252	1.15 208	1.01 135	1.20 202	1.22 270	0.95 266	1.07 133	0.66 212	0.28 292	0.21 256	0.34 341	0.31 343	0.33 307	0.29 257

DISCO	1.06 314	0.37 242	1.19 277	0.73 336	0.46 252	2.04 402	0.84 337	2.26 370	1.54 368	1.25 236	1.36 269	2.38 409	1.08 315	2.60 332	1.62 365	0.24 217	0.19 229	0.22 148	0.20 156	0.32 301	0.29 257

rvit_0105_6	0.56 75	0.38 260	1.13 250	0.67 288	0.38 189	0.50 58	0.51 202	0.88 32	1.33 301	0.54 46	0.56 30	0.65 82	0.57 111	0.97 109	0.46 103	0.32 321	0.31 353	0.28 287	0.25 268	0.29 271	0.23 156

AIO-Stereo-zeroshot	0.85 256	0.38 260	2.79 396	0.51 80	0.60 324	0.72 174	0.38 91	2.87 428	0.77 59	0.80 86	1.07 149	2.14 398	0.93 258	0.96 107	0.62 196	0.21 144	0.13 20	0.21 119	0.26 284	0.29 271	0.32 290

rvit_stereo_ft	0.49 47	0.38 260	1.03 221	0.68 300	0.42 230	0.40 12	0.58 258	0.93 36	0.86 86	0.47 19	0.55 27	0.57 60	0.48 68	0.67 41	0.53 155	0.26 256	0.17 188	0.22 148	0.22 220	0.24 212	0.19 69

Former-RAFT_DAM_RVC	0.47 39	0.38 260	0.75 98	0.48 39	0.37 177	0.67 151	0.35 68	0.82 21	1.14 203	0.61 60	0.64 38	0.39 9	0.39 30	0.74 51	0.39 48	0.20 118	0.17 188	0.22 148	0.18 108	0.24 212	0.20 95

IPLGR_C	0.67 153	0.38 260	1.20 280	0.60 214	0.50 272	0.75 184	0.48 185	1.28 155	1.13 197	1.42 316	1.57 329	0.62 74	0.48 68	0.85 81	0.80 253	0.24 217	0.15 129	0.19 68	0.16 75	0.19 80	0.29 257

GANet-ADL	0.63 134	0.38 260	0.82 133	0.67 288	0.41 222	0.68 155	0.51 202	1.64 220	1.16 214	0.98 125	1.10 161	0.90 172	0.58 128	0.81 70	0.63 199	0.27 277	0.18 214	0.18 47	0.16 75	0.23 183	0.27 230

hitnet-ft	0.84 251	0.38 260	0.75 98	0.59 207	0.44 242	0.99 277	0.47 181	1.61 216	1.38 321	1.21 219	1.22 209	1.82 370	0.99 281	1.87 266	1.09 306	0.33 326	0.29 344	0.34 341	0.27 300	0.36 318	0.33 297

DSFCA	0.95 288	0.38 260	1.23 287	0.55 140	0.66 345	1.50 355	0.93 356	1.58 208	1.24 250	1.59 360	1.16 193	1.48 326	0.95 266	2.96 345	1.20 316	0.31 314	0.28 335	0.25 241	0.26 284	0.29 271	0.26 213

test_sample7	0.78 213	0.39 268	0.89 172	0.55 140	0.35 162	0.93 259	0.75 308	1.99 308	1.27 270	1.25 236	1.22 209	1.09 242	1.01 290	1.31 171	0.73 225	0.32 321	0.32 364	0.32 324	0.32 349	0.33 307	0.33 297

ssnet_v2	0.92 282	0.39 268	1.22 285	0.66 275	0.39 198	1.31 331	0.96 362	2.32 378	1.45 351	1.48 338	1.17 195	1.53 335	0.91 248	1.16 152	1.71 377	0.31 314	0.27 331	0.30 307	0.29 327	0.28 256	0.29 257

AASNet	0.80 227	0.39 268	1.16 270	0.84 379	0.80 382	1.14 303	0.59 263	2.12 335	1.21 235	1.26 249	1.26 225	0.93 185	0.77 183	0.84 78	1.23 324	0.28 292	0.24 305	0.24 203	0.20 156	0.28 256	0.27 230

pcwnet_v2	0.91 279	0.39 268	2.74 394	0.64 256	0.55 302	0.81 215	0.49 195	2.19 362	1.63 380	1.44 323	1.64 341	1.09 242	0.79 195	1.31 171	0.70 221	0.32 321	0.25 317	0.29 297	0.27 300	0.37 323	0.37 320

ADLNet	0.89 266	0.39 268	1.09 239	0.88 387	0.73 362	1.24 325	0.75 308	2.02 314	1.41 335	1.58 357	1.37 270	1.26 285	1.00 287	1.31 171	1.18 314	0.28 292	0.21 256	0.26 262	0.26 284	0.29 271	0.36 316

MLCV	0.77 210	0.39 268	1.31 302	0.55 140	0.25 13	0.91 248	0.39 102	1.48 188	1.28 278	1.49 340	1.54 317	1.02 220	0.68 163	2.12 300	0.93 282	0.19 80	0.13 20	0.19 68	0.14 35	0.19 80	0.22 138

rvit_0105_4	0.58 99	0.40 274	1.19 277	0.68 300	0.38 189	0.53 74	0.55 239	0.93 36	1.27 270	0.56 50	0.61 37	0.72 106	0.63 146	1.01 116	0.47 113	0.33 326	0.33 370	0.29 297	0.25 268	0.29 271	0.26 213

NINENet	0.81 235	0.40 274	0.89 172	0.65 262	0.53 290	2.30 411	0.42 123	2.12 335	1.13 197	1.20 213	1.27 234	1.02 220	0.70 168	1.26 165	0.75 232	0.29 305	0.24 305	0.31 313	0.21 197	0.27 240	0.26 213

AACVNet	0.90 274	0.40 274	0.98 206	0.86 384	0.40 208	0.80 207	0.49 195	1.81 262	0.86 86	1.11 158	1.34 260	1.32 300	0.99 281	4.23 371	0.86 261	0.26 256	0.22 271	0.28 287	0.22 220	0.30 285	0.28 243

GEStereo_RVC	0.93 287	0.40 274	1.15 257	0.67 288	0.50 272	0.95 268	0.78 315	2.73 420	1.21 235	1.20 213	1.12 172	1.25 279	0.91 248	3.21 352	0.95 289	0.31 314	0.20 241	0.23 181	0.20 156	0.28 256	0.31 281

HCRNet	0.72 186	0.40 274	0.86 163	0.61 227	0.57 311	0.75 184	0.35 68	1.39 170	1.21 235	1.11 158	0.99 120	1.01 218	0.76 179	2.18 304	0.73 225	0.28 292	0.19 229	0.28 287	0.23 249	0.25 224	0.26 213

ARAFT	0.82 237	0.40 274	1.77 344	0.53 116	0.31 92	0.89 243	0.81 330	2.32 378	1.08 170	1.66 369	1.25 223	1.04 224	0.64 149	1.91 273	0.52 146	0.20 118	0.15 129	0.28 287	0.27 300	0.17 28	0.18 43

CFNet	0.99 299	0.40 274	1.23 287	0.65 262	0.43 234	1.03 282	0.49 195	2.01 313	1.35 306	1.02 139	1.39 276	1.10 246	0.86 224	5.47 399	0.89 269	0.24 217	0.18 214	0.28 287	0.27 300	0.27 240	0.22 138

MDST_ROB	1.88 398	0.40 274	1.71 341	0.93 402	0.60 324	4.27 449	1.23 395	3.99 443	1.44 346	4.61 449	2.63 412	1.44 317	1.03 300	9.78 456	1.62 365	0.33 326	0.26 323	0.37 361	0.33 360	0.31 291	0.34 305

SGM_RVC	1.88 398	0.40 274	0.90 179	0.63 245	0.30 77	2.81 424	1.26 398	2.73 420	1.81 396	4.09 441	2.85 416	3.88 434	3.19 436	8.42 444	2.44 399	0.33 326	0.31 353	0.30 307	0.28 310	0.31 291	0.31 281
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SGM-Forest	1.29 357	0.40 274	0.74 93	0.54 128	0.37 177	1.55 360	1.26 398	1.82 264	1.39 330	2.22 406	1.81 367	1.64 350	1.02 298	7.65 437	1.20 316	0.39 361	0.37 387	0.39 368	0.34 365	0.37 323	0.34 305
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
rvit_0105_5	0.61 124	0.41 284	1.19 277	0.67 288	0.37 177	0.57 96	0.56 246	1.08 81	1.28 278	0.65 62	0.68 46	0.77 116	0.67 159	0.91 96	0.51 138	0.33 326	0.32 364	0.30 307	0.27 300	0.28 256	0.28 243

testlalala_base	0.83 246	0.41 284	0.80 121	0.67 288	0.53 290	0.78 199	0.30 35	1.84 268	0.60 20	0.75 78	0.91 98	0.68 90	0.54 100	0.69 45	0.46 103	2.92 447	0.15 129	0.17 21	0.12 11	2.95 446	0.27 230

CSP-Net	1.00 302	0.41 284	0.99 208	0.56 158	0.43 234	1.62 368	0.76 311	2.16 351	1.16 214	1.33 280	1.22 209	1.32 300	0.89 242	4.67 382	0.93 282	0.35 343	0.24 305	0.20 94	0.20 156	0.23 183	0.30 272

CRFU-Net	0.90 274	0.42 287	1.10 243	0.69 312	0.59 320	1.76 380	0.84 337	2.33 383	0.92 102	1.45 329	1.20 202	1.62 346	1.25 346	1.38 186	0.94 287	0.28 292	0.23 296	0.22 148	0.19 127	0.24 212	0.27 230

TestStereo	0.65 141	0.42 287	0.83 141	0.52 95	0.27 24	0.57 96	0.44 157	1.07 76	0.92 102	0.85 100	1.01 127	0.68 90	0.56 108	3.22 353	0.47 113	0.23 197	0.15 129	0.24 203	0.18 108	0.28 256	0.18 43

HGLStereo	0.89 266	0.42 287	1.15 257	0.82 371	1.03 410	1.16 309	0.57 251	1.68 225	1.28 278	1.26 249	1.62 336	1.13 255	1.31 355	1.85 262	1.11 310	0.25 236	0.24 305	0.24 203	0.22 220	0.24 212	0.29 257

HITNet	0.71 180	0.42 287	1.07 234	0.52 95	0.25 13	1.05 286	0.48 185	2.12 335	1.08 170	1.21 219	1.23 217	0.91 176	0.84 212	0.90 93	0.91 275	0.17 25	0.12 6	0.21 119	0.17 93	0.29 271	0.18 43
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
AIO-Stereo-zeroshot1	1.06 314	0.43 291	3.59 412	0.53 116	0.66 345	0.79 204	0.39 102	2.60 412	0.98 130	0.96 123	4.58 436	2.05 396	0.56 108	0.99 111	0.51 138	0.19 80	0.14 72	0.21 119	0.28 310	0.32 301	0.41 336

sCroCo_RVC	0.51 57	0.43 291	1.15 257	0.66 275	0.60 324	0.52 70	0.40 107	0.93 36	0.64 30	0.45 17	0.76 65	0.49 35	0.49 79	0.65 38	0.49 131	0.27 277	0.28 335	0.23 181	0.22 220	0.29 271	0.28 243

FAT-Stereo	1.10 323	0.43 291	1.46 319	0.74 342	0.60 324	1.13 300	0.92 353	2.06 326	1.71 386	1.75 376	2.00 385	2.02 389	1.47 374	2.02 289	1.26 328	0.44 380	0.36 382	0.34 341	0.29 327	0.36 318	0.57 385

iResNetv2_ROB	0.88 264	0.43 291	2.62 393	0.60 214	0.38 189	0.94 262	0.67 288	1.88 283	1.38 321	1.27 254	1.45 293	1.26 285	1.05 311	1.92 274	0.64 203	0.24 217	0.15 129	0.19 68	0.14 35	0.24 212	0.21 116

StereoDRNet-Refined	0.84 251	0.43 291	1.01 215	0.66 275	0.43 234	1.32 332	0.49 195	1.64 220	1.24 250	1.53 346	1.45 293	1.49 328	0.97 275	1.32 176	1.31 331	0.21 144	0.17 188	0.27 273	0.25 268	0.25 224	0.34 305
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.92 282	0.43 291	0.95 196	0.71 324	0.55 302	1.11 297	0.83 335	1.61 216	1.32 299	1.67 370	1.66 343	1.70 359	0.93 258	1.96 281	1.34 336	0.26 256	0.25 317	0.27 273	0.28 310	0.28 256	0.28 243

LL-Strereo	1.42 366	0.44 297	2.02 363	0.62 235	1.07 412	0.73 178	0.65 284	2.02 314	1.21 235	1.60 361	1.62 336	2.02 389	2.10 415	9.67 455	1.07 305	0.22 176	0.20 241	0.27 273	0.24 261	0.23 183	0.33 297

stereogan	1.22 344	0.45 298	2.03 366	0.87 385	0.85 392	2.52 416	0.72 303	1.98 304	1.78 393	1.92 390	1.94 381	2.31 406	1.42 368	2.10 298	1.14 311	0.38 355	0.36 382	0.39 368	0.32 349	0.52 378	0.49 362

NVstereo2D	0.99 299	0.45 298	2.21 377	0.79 363	0.75 368	1.20 320	0.86 343	1.98 304	1.41 335	1.02 139	1.18 198	1.31 296	0.97 275	2.25 309	0.93 282	0.45 383	0.22 271	0.39 368	0.25 268	0.59 394	0.68 403

iResNet	0.80 227	0.45 298	1.47 320	0.72 329	0.31 92	0.96 273	0.64 282	1.80 259	1.28 278	1.31 272	1.48 299	0.94 191	0.78 188	1.77 251	0.99 294	0.19 80	0.14 72	0.18 47	0.15 46	0.22 164	0.27 230

Wz-Net-LNSev-Ref	1.09 322	0.46 301	2.61 392	0.71 324	0.65 342	2.00 399	0.78 315	2.07 328	1.47 357	1.62 364	1.47 297	1.53 335	1.29 351	2.10 298	1.65 371	0.24 217	0.14 72	0.20 94	0.16 75	0.28 256	0.28 243

DMCA-RVC	0.83 246	0.46 301	2.19 376	0.68 300	0.49 267	0.84 230	0.48 185	1.44 179	1.07 167	1.56 353	1.04 140	1.29 292	0.86 224	1.49 215	0.92 279	0.27 277	0.22 271	0.35 348	0.28 310	0.32 301	0.28 243

NLCA_NET_v2_RVC	0.84 251	0.46 301	1.40 316	0.69 312	0.61 330	0.95 268	0.52 213	1.68 225	1.21 235	1.39 304	1.15 192	1.42 313	0.88 239	1.78 253	0.93 282	0.26 256	0.23 296	0.27 273	0.27 300	0.30 285	0.39 329
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CBMV_ROB	0.99 299	0.46 301	0.68 66	0.53 116	0.39 198	1.40 346	0.48 185	2.09 331	1.30 290	1.53 346	2.29 400	1.36 305	1.23 342	2.46 322	1.04 303	0.44 380	0.42 402	0.47 391	0.44 390	0.41 342	0.39 329

pmcnn	2.84 433	0.46 301	5.19 427	0.68 300	0.42 230	1.55 360	1.16 387	2.32 378	1.60 378	2.72 422	7.49 452	17.96 467	1.48 375	6.04 409	6.64 435	0.18 48	0.15 129	0.15 4	0.12 11	0.20 109	0.20 95

rvit_0105_3	0.66 143	0.47 306	1.27 295	0.74 342	0.40 208	0.63 127	0.70 299	1.22 137	1.28 278	0.83 94	0.71 56	0.82 135	0.72 172	0.93 99	0.58 180	0.37 353	0.34 373	0.34 341	0.32 349	0.28 256	0.31 281

rvit_stereo_0075_2	0.66 143	0.47 306	1.21 284	0.67 288	0.66 345	0.53 74	0.48 185	1.24 143	1.17 218	0.77 81	0.91 98	0.78 120	0.59 131	1.05 126	0.63 199	0.37 353	0.28 335	0.40 374	0.31 343	0.38 329	0.34 305

Anonymous3	0.64 137	0.47 306	1.31 302	0.59 207	0.50 272	0.93 259	0.69 293	1.11 96	0.83 79	0.74 76	0.89 96	0.65 82	0.68 163	1.08 136	0.54 164	0.40 363	0.31 353	0.26 262	0.26 284	0.31 291	0.30 272

RAFT + AFF	1.07 319	0.47 306	1.36 311	0.68 300	0.50 272	1.20 320	1.22 393	2.58 411	1.26 266	1.33 280	1.56 325	1.19 263	1.49 376	3.89 369	1.01 299	0.22 176	0.26 323	0.30 307	0.27 300	0.29 271	0.32 290

LE_ROB	8.35 460	0.47 306	27.42 474	0.83 375	0.34 147	2.84 426	3.36 457	4.03 444	27.04 475	25.20 475	8.72 459	8.55 457	27.35 475	7.37 434	22.13 468	0.22 176	0.20 241	0.20 94	0.21 197	0.25 224	0.25 194

fast-acv-ft	1.00 302	0.48 311	1.85 352	0.61 227	0.52 285	1.77 382	0.69 293	1.52 191	1.47 357	1.34 287	1.85 372	1.73 362	1.24 345	1.62 234	1.56 359	0.27 277	0.28 335	0.28 287	0.28 310	0.28 256	0.31 281

S-Stereo	1.17 334	0.48 311	2.25 380	0.83 375	0.81 386	1.22 322	1.17 388	2.12 335	2.08 410	1.47 332	2.13 392	1.55 338	1.16 329	2.09 297	1.46 349	0.42 370	0.40 396	0.35 348	0.32 349	0.45 359	0.73 407

AdaStereo	0.74 193	0.48 311	0.86 163	0.75 350	0.38 189	0.94 262	0.56 246	2.05 325	1.24 250	1.15 184	1.22 209	1.07 231	0.67 159	1.05 126	0.73 225	0.33 326	0.16 161	0.32 324	0.22 220	0.29 271	0.23 156
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.
SGM-ForestM	7.81 459	0.48 311	11.02 449	0.74 342	0.40 208	16.83 467	12.72 466	7.91 463	8.13 457	11.53 466	10.25 461	22.44 475	14.01 465	17.02 469	20.52 467	0.38 355	0.39 395	0.37 361	0.36 371	0.37 323	0.38 326

CBMV	1.04 309	0.48 311	0.88 169	0.56 158	0.36 169	1.52 357	1.55 412	1.87 278	1.59 376	2.11 403	1.67 345	1.46 323	1.35 360	1.92 274	1.31 331	0.35 343	0.35 378	0.39 368	0.33 360	0.34 313	0.34 305
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CVANet_RVC	1.10 323	0.49 316	1.15 257	0.65 262	0.54 298	0.93 259	1.00 368	1.69 234	1.36 314	1.42 316	1.39 276	1.24 278	1.17 332	6.22 412	0.80 253	0.35 343	0.24 305	0.35 348	0.30 339	0.44 357	0.32 290

DRN-Test	1.07 319	0.49 316	1.95 360	0.75 350	0.81 386	1.61 366	0.78 315	2.26 370	1.53 366	1.84 384	1.35 265	1.42 313	1.04 306	2.26 310	1.61 363	0.28 292	0.23 296	0.31 313	0.30 339	0.33 307	0.33 297

NOSS_ROB	1.29 357	0.49 316	0.68 66	0.60 214	0.40 208	1.09 296	0.77 312	1.94 296	1.44 346	1.04 144	1.46 295	1.10 246	0.81 205	10.57 464	0.78 241	0.46 384	0.43 403	0.48 392	0.45 393	0.45 359	0.43 347

iinet-f	1.04 309	0.50 319	4.24 420	0.58 190	0.43 234	1.78 385	0.70 299	1.29 156	1.16 214	1.25 236	1.42 287	1.57 342	1.42 368	1.47 207	1.70 375	0.26 256	0.23 296	0.20 94	0.20 156	0.26 234	0.26 213

LMCR-Stereo	0.87 262	0.50 319	0.99 208	0.80 364	0.43 234	1.32 332	0.55 239	2.79 425	1.03 152	1.55 352	1.49 300	0.74 108	1.01 290	1.76 250	0.99 294	0.30 310	0.17 188	0.22 148	0.18 108	0.31 291	0.22 138

GMStereo	0.58 99	0.50 319	1.09 239	0.52 95	0.32 116	0.80 207	0.43 139	1.02 59	1.41 335	0.89 109	0.77 69	0.52 47	0.46 57	0.89 90	0.56 172	0.25 236	0.16 161	0.20 94	0.22 220	0.31 291	0.27 230
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
TDLM	1.08 321	0.50 319	1.01 215	0.69 312	0.54 298	0.91 248	1.40 405	1.60 214	1.36 314	1.17 191	1.40 281	1.07 231	1.00 287	6.19 410	0.85 260	0.34 335	0.22 271	0.35 348	0.26 284	0.38 329	0.29 257

DualNet (step1)	0.89 266	0.51 323	1.35 306	0.58 190	0.40 208	1.07 290	0.80 326	1.99 308	1.27 270	1.25 236	1.22 209	1.09 242	1.01 290	1.31 171	0.73 225	0.59 409	0.32 364	0.62 416	0.67 422	0.45 359	0.48 358

test_sample9	1.96 404	0.51 323	1.35 306	0.58 190	0.40 208	1.07 290	0.80 326	1.99 308	1.27 270	1.25 236	1.22 209	1.09 242	1.01 290	2.46 322	8.57 442	0.59 409	12.85 473	0.62 416	0.67 422	0.45 359	0.48 358

test_sample8	2.29 418	0.51 323	1.35 306	0.58 190	0.40 208	1.07 290	0.80 326	2.03 318	1.22 242	2.28 409	1.33 256	4.98 444	2.51 428	2.46 322	8.57 442	0.59 409	12.85 473	0.62 416	0.67 422	0.45 359	0.48 358

dd	0.62 125	0.51 323	1.17 271	0.56 158	0.33 133	0.74 180	0.46 172	1.03 65	1.40 332	0.80 86	0.87 91	0.60 68	0.57 111	1.02 119	0.86 261	0.28 292	0.18 214	0.26 262	0.19 127	0.35 314	0.27 230

SACVNet	0.89 266	0.51 323	1.08 237	0.83 375	0.58 314	0.83 223	0.78 315	1.84 268	1.17 218	1.39 304	1.33 256	1.25 279	1.01 290	2.31 314	0.92 279	0.35 343	0.26 323	0.31 313	0.29 327	0.35 314	0.48 358

FADNet-RVC-Resample	0.91 279	0.51 323	2.92 398	0.64 256	0.46 252	1.07 290	0.60 270	1.76 249	1.24 250	1.10 157	0.98 119	1.06 228	0.98 278	2.17 303	0.95 289	0.24 217	0.22 271	0.30 307	0.32 349	0.36 318	0.40 333

RYNet	1.24 351	0.52 329	1.57 335	0.73 336	0.97 407	1.74 378	0.95 361	2.09 331	1.54 368	1.44 323	1.18 198	1.94 381	1.29 351	4.57 379	1.93 385	0.27 277	0.23 296	0.35 348	0.27 300	0.57 391	0.59 390

GANet	1.41 364	0.52 329	1.18 276	0.74 342	0.48 261	1.40 346	1.69 417	1.87 278	1.28 278	1.56 353	2.39 404	1.56 340	1.25 346	9.13 448	1.20 316	0.31 314	0.32 364	0.34 341	0.29 327	0.40 338	0.33 297

STTStereo	0.82 237	0.53 331	1.53 331	0.68 300	0.56 307	0.88 241	0.56 246	1.57 206	1.14 203	1.39 304	1.10 161	1.26 285	0.84 212	1.49 215	0.90 273	0.29 305	0.28 335	0.33 333	0.40 380	0.33 307	0.37 320

Nwc_Net	1.19 339	0.53 331	2.34 382	0.92 397	0.81 386	1.49 354	0.70 299	2.28 376	1.32 299	1.41 312	2.27 398	2.03 392	1.76 397	2.05 294	1.46 349	0.43 371	0.30 348	0.43 381	0.46 395	0.39 334	0.40 333

StereoDRNet	1.05 312	0.53 331	2.21 377	0.80 364	0.93 400	1.50 355	0.90 349	2.06 326	1.44 346	1.68 371	1.20 202	1.48 326	0.99 281	1.86 265	1.60 362	0.29 305	0.24 305	0.29 297	0.28 310	0.35 314	0.33 297

rvit_105_1	0.76 204	0.54 334	1.27 295	0.80 364	0.49 267	0.74 180	0.86 343	1.39 170	1.23 246	1.00 130	0.80 77	0.93 185	0.78 188	1.29 169	0.78 241	0.43 371	0.36 382	0.36 358	0.42 384	0.30 285	0.36 316

BEATNet_4x	0.82 237	0.54 334	2.02 363	0.56 158	0.28 49	1.04 283	0.55 239	2.14 344	1.13 197	1.24 233	1.26 225	1.00 213	0.94 261	1.13 148	1.23 324	0.21 144	0.14 72	0.24 203	0.20 156	0.37 323	0.23 156

RP	1.17 334	0.54 334	1.48 321	0.93 402	1.05 411	1.14 303	0.85 342	1.99 308	1.70 384	1.72 374	2.07 389	1.91 373	1.93 407	2.00 286	1.37 340	0.55 404	0.37 387	0.48 392	0.37 375	0.46 366	0.46 357

edge stereo	1.15 331	0.54 334	1.50 323	0.73 336	0.66 345	1.18 318	0.84 337	2.13 343	1.41 335	1.73 375	1.84 369	2.53 414	1.46 372	2.46 322	1.35 338	0.43 371	0.41 397	0.54 403	0.36 371	0.43 347	0.50 365

SDNR	1.66 383	0.55 338	2.36 383	0.56 158	0.58 314	3.79 443	0.45 167	1.78 252	1.40 332	1.38 302	2.45 408	1.13 255	0.96 268	11.03 465	1.31 331	0.67 417	0.64 430	0.43 381	0.32 349	0.71 411	0.76 411

DeepPruner_ROB	0.79 222	0.55 338	1.14 255	0.61 227	0.46 252	0.78 199	0.54 230	1.83 266	1.00 142	1.42 316	1.27 234	1.23 274	0.77 183	1.56 219	0.89 269	0.35 343	0.28 335	0.27 273	0.26 284	0.32 301	0.34 305

WCMA_ROB	2.05 407	0.55 338	1.77 344	0.74 342	0.61 330	2.24 408	1.56 413	2.17 359	1.79 394	4.16 445	6.36 447	5.66 446	4.66 450	3.19 351	2.77 404	0.55 404	0.45 406	0.40 374	0.43 388	0.48 371	0.50 365

Anonymous_2	1.37 359	0.56 341	0.94 193	0.57 178	0.62 334	1.04 283	0.65 284	1.82 264	1.01 146	1.00 130	0.79 73	1.42 313	1.27 349	1.06 131	0.83 257	0.62 412	0.67 432	1.05 432	9.88 470	1.09 427	0.55 380

FADNet_RVC	0.88 264	0.56 341	2.15 373	0.57 178	0.43 234	1.17 316	0.46 172	1.68 225	1.12 192	0.91 112	1.24 221	0.91 176	0.94 261	2.22 306	1.20 316	0.28 292	0.22 271	0.32 324	0.28 310	0.46 366	0.42 343

AF-Net	1.23 348	0.56 341	2.31 381	0.88 387	0.93 400	1.41 348	0.73 306	2.27 374	1.71 386	1.76 379	2.42 406	2.00 386	1.70 391	1.98 282	1.62 365	0.50 396	0.29 344	0.49 394	0.33 360	0.40 338	0.34 305

ADCP+	2.12 412	0.56 341	10.01 445	0.68 300	0.91 396	2.25 409	1.04 371	1.92 294	1.50 364	1.58 357	1.34 260	1.73 362	1.62 382	2.27 311	13.20 453	0.25 236	0.22 271	0.32 324	0.29 327	0.38 329	0.34 305

XPNet_ROB	1.02 306	0.56 341	1.33 305	0.75 350	0.58 314	1.11 297	1.13 381	1.77 250	1.29 288	1.88 387	1.43 289	1.63 349	1.13 328	2.04 290	1.69 373	0.40 363	0.31 353	0.33 333	0.29 327	0.37 323	0.37 320

PSMNet_ROB	0.95 288	0.57 346	1.45 318	0.75 350	0.64 337	1.28 329	1.12 379	1.84 268	1.15 208	1.16 188	1.29 243	1.44 317	0.89 242	1.74 248	1.70 375	0.33 326	0.25 317	0.37 361	0.39 378	0.36 318	0.32 290

APVNet	1.11 325	0.59 347	1.95 360	0.87 385	0.77 374	1.90 392	0.82 334	2.03 318	1.15 208	1.14 182	1.43 289	1.55 338	1.12 327	3.03 346	1.62 365	0.32 321	0.34 373	0.42 380	0.36 371	0.36 318	0.41 336

HBP-ISP	1.00 302	0.60 348	0.85 156	0.64 256	0.48 261	1.63 369	0.77 312	2.24 369	1.30 290	1.33 280	1.53 316	0.87 154	0.99 281	3.26 355	0.76 235	0.46 384	0.44 404	0.54 403	0.48 399	0.48 371	0.42 343

NCC-stereo	1.20 341	0.60 348	1.84 350	0.88 387	0.95 404	1.32 332	0.94 358	2.14 344	1.36 314	1.43 320	1.79 361	1.93 377	2.13 419	2.54 329	1.41 343	0.49 392	0.38 390	0.45 385	0.59 416	0.43 347	0.45 352

Abc-Net	1.20 341	0.60 348	1.84 350	0.88 387	0.95 404	1.32 332	0.94 358	2.14 344	1.36 314	1.43 320	1.79 361	1.93 377	2.13 419	2.54 329	1.41 343	0.49 392	0.38 390	0.45 385	0.59 416	0.43 347	0.45 352
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AANet_RVC	1.22 344	0.60 348	1.94 356	0.69 312	0.46 252	0.75 184	0.69 293	1.51 189	1.57 374	1.36 296	1.90 378	1.51 332	0.87 233	7.23 432	1.89 384	0.26 256	0.19 229	0.19 68	0.16 75	0.23 183	0.37 320

MeshStereo	2.36 420	0.60 348	1.05 227	0.63 245	0.51 282	2.58 418	0.99 366	3.46 436	2.21 415	7.38 462	5.06 443	7.50 451	3.10 435	7.02 431	2.54 401	0.44 380	0.44 404	0.45 385	0.40 380	0.43 347	0.45 352
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
FC-DCNN v2	2.96 437	0.61 353	1.13 250	0.75 350	0.57 311	2.90 428	1.06 374	3.59 439	2.66 428	7.05 459	7.66 455	10.26 463	7.17 459	6.27 415	4.49 423	0.54 400	0.48 413	0.51 396	0.50 403	0.53 383	0.52 371

sAnonymous2	0.59 111	0.61 353	1.82 348	0.61 227	0.52 285	0.51 65	0.54 230	0.97 47	0.70 42	0.50 33	0.68 46	0.46 22	0.63 146	0.61 25	0.41 71	0.22 176	0.17 188	0.23 181	0.21 197	0.85 416	0.56 382

CroCo_RVC	0.59 111	0.61 353	1.82 348	0.61 227	0.52 285	0.51 65	0.54 230	0.97 47	0.70 42	0.50 33	0.68 46	0.46 22	0.63 146	0.61 25	0.41 71	0.22 176	0.17 188	0.23 181	0.21 197	0.85 416	0.56 382

ADCRef	1.50 372	0.61 353	3.83 416	0.76 357	0.77 374	1.91 393	0.77 312	2.16 351	1.34 303	1.63 366	1.59 334	1.35 304	1.40 366	1.79 258	8.32 441	0.25 236	0.21 256	0.32 324	0.31 343	0.31 291	0.32 290

FC-DCNN	2.88 436	0.61 353	1.15 257	0.75 350	0.57 311	2.85 427	1.05 372	3.44 435	2.64 427	6.93 458	7.63 453	9.86 460	7.02 458	5.76 403	4.31 420	0.54 400	0.48 413	0.51 396	0.50 403	0.53 383	0.52 371

MSMD_ROB	2.08 409	0.61 353	1.15 257	0.71 324	0.62 334	4.00 445	0.93 356	1.94 296	1.79 394	4.71 451	4.60 437	8.14 455	3.87 446	3.75 366	1.65 371	0.54 400	0.48 413	0.55 407	0.58 414	0.53 383	0.52 371

PS-NSSS	1.02 306	0.62 359	1.17 271	0.61 227	0.58 314	0.91 248	0.79 323	2.02 314	1.19 225	1.17 191	1.68 347	1.00 213	0.85 217	4.43 376	0.86 261	0.38 355	0.31 353	0.52 398	0.32 349	0.52 378	0.45 352

GwcNet	1.26 353	0.63 360	5.13 426	0.81 368	1.15 420	1.73 376	0.69 293	1.84 268	1.53 366	1.51 341	1.71 352	1.72 360	1.09 317	2.20 305	1.61 363	0.31 314	0.30 348	0.29 297	0.27 300	0.30 285	0.41 336

PA-Net	1.14 329	0.63 360	2.12 371	0.67 288	0.75 368	1.19 319	0.91 351	1.91 289	1.46 356	1.18 202	1.23 217	1.33 302	1.17 332	4.31 374	1.41 343	0.29 305	0.46 410	0.33 333	0.50 403	0.33 307	0.57 385
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NaN_ROB	1.23 348	0.63 360	1.76 343	0.67 288	0.50 272	1.59 365	2.00 431	1.87 278	1.52 365	2.14 405	1.26 225	1.40 312	1.09 317	4.60 380	1.75 378	0.28 292	0.34 373	0.28 287	0.29 327	0.30 285	0.37 320

GMStereo_Zeroshot	0.70 174	0.64 363	1.11 245	0.65 262	0.38 189	0.84 230	0.37 84	1.09 88	1.16 214	1.14 182	1.07 149	1.26 285	0.55 103	1.23 160	0.65 208	0.34 335	0.17 188	0.31 313	0.18 108	0.57 391	0.23 156

FADNet	0.98 296	0.64 363	2.57 389	0.66 275	0.55 302	0.95 268	0.57 251	1.91 289	1.38 321	0.94 119	1.02 129	1.36 305	1.00 287	2.69 336	0.97 293	0.34 335	0.34 373	0.31 313	0.34 365	0.61 400	0.42 343

MANE	7.50 458	0.64 363	7.97 436	1.40 427	2.10 439	16.86 468	12.56 465	12.91 469	17.51 471	8.50 464	11.60 462	14.66 466	13.33 463	12.02 466	13.28 454	0.62 412	0.52 420	0.52 398	1.90 456	0.56 389	0.58 388

DANet	1.16 332	0.64 363	1.52 328	0.88 387	0.74 365	1.52 357	0.52 213	1.68 225	1.21 235	1.81 381	1.55 320	2.02 389	1.11 323	3.30 357	2.28 394	0.34 335	0.31 353	0.40 374	0.30 339	0.46 366	0.54 375
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	1.91 403	0.64 363	5.95 428	0.73 336	0.59 320	2.04 402	1.61 416	3.84 441	1.96 405	1.54 349	1.39 276	2.27 402	3.32 439	4.95 386	4.79 424	0.50 396	0.31 353	0.29 297	0.26 284	0.67 406	0.54 375

NCCL2	1.06 314	0.64 363	1.35 306	0.78 362	0.58 314	1.32 332	1.69 417	1.89 285	1.38 321	1.52 343	1.20 202	1.91 373	1.17 332	1.79 258	1.50 353	0.35 343	0.31 353	0.45 385	0.44 390	0.41 342	0.45 352

FCDSN-DC	2.47 424	0.65 369	1.00 213	0.85 381	0.75 368	2.26 410	0.97 363	2.31 377	1.83 397	5.52 457	7.65 454	7.72 454	7.70 460	4.43 376	2.64 402	0.52 398	0.48 413	0.52 398	0.52 407	0.57 391	0.59 390
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Wz-Net-MNSev	1.21 343	0.66 370	3.44 410	0.69 312	0.73 362	1.93 395	1.44 407	2.16 351	1.59 376	1.85 386	1.49 300	1.50 330	1.34 359	2.05 294	1.54 358	0.27 277	0.24 305	0.28 287	0.28 310	0.35 314	0.32 290

FBW_ROB	1.78 391	0.66 370	1.90 355	0.72 329	0.66 345	1.79 386	1.07 375	2.79 425	1.77 390	1.84 384	1.79 361	1.98 384	1.37 362	12.42 467	2.22 392	0.36 350	0.38 390	0.57 411	0.39 378	0.46 366	0.51 369

LALA_ROB	1.06 314	0.66 370	1.37 314	0.70 321	0.53 290	1.61 366	1.25 397	1.81 262	1.48 361	1.82 383	1.40 281	1.93 377	1.03 300	1.68 240	1.69 373	0.38 355	0.28 335	0.43 381	0.37 375	0.43 347	0.38 326

FINET	1.54 375	0.67 373	7.28 434	0.76 357	0.97 407	1.42 351	1.38 404	2.80 427	3.12 435	1.23 229	1.68 347	1.04 224	1.11 323	3.35 358	1.78 382	0.43 371	0.37 387	0.32 324	0.29 327	0.43 347	0.41 336

G-Net	1.71 389	0.67 373	2.09 368	1.14 421	0.75 368	2.96 430	0.89 348	1.58 208	1.30 290	2.76 424	8.12 458	2.29 404	2.51 428	1.94 276	2.23 393	0.49 392	0.45 406	0.45 385	0.31 343	0.62 401	0.59 390

CSAN	1.61 380	0.67 373	3.24 407	0.74 342	0.52 285	1.77 382	1.74 422	1.98 304	1.94 403	2.47 418	2.33 402	1.93 377	2.04 412	6.45 421	1.95 386	0.43 371	0.36 382	0.41 379	0.42 384	0.43 347	0.44 350

ETE_ROB	1.01 305	0.69 376	1.49 322	0.72 329	0.50 272	1.15 306	1.12 379	1.91 289	1.24 250	1.94 394	1.50 307	1.73 362	1.06 312	1.78 253	1.33 335	0.33 326	0.26 323	0.38 365	0.34 365	0.40 338	0.44 350

ADCL	1.82 395	0.70 377	4.57 423	0.70 321	0.63 336	2.56 417	1.77 424	2.08 329	1.77 390	1.95 396	1.89 376	2.04 394	1.88 405	2.36 317	9.55 448	0.27 277	0.25 317	0.35 348	0.32 349	0.39 334	0.39 329

SANet	2.26 417	0.70 377	6.94 433	0.69 312	0.46 252	2.76 423	1.76 423	2.61 413	5.84 455	2.45 415	3.52 426	3.71 431	3.38 441	5.90 405	2.14 390	0.34 335	0.31 353	0.32 324	0.29 327	0.54 386	0.43 347

TRStereo	0.67 153	0.71 379	1.06 229	0.77 359	0.68 352	0.53 74	0.38 91	2.52 407	0.96 123	0.81 91	0.84 85	0.87 154	0.39 30	1.16 152	0.46 103	0.24 217	0.17 188	0.23 181	0.24 261	0.18 51	0.20 95

XX-TBD	0.47 39	0.71 379	0.39 1	0.81 368	0.25 13	0.57 96	0.26 15	0.73 6	1.30 290	0.78 82	1.01 127	0.45 21	0.33 16	0.49 6	0.39 48	0.20 118	0.15 129	0.15 4	0.11 7	0.17 28	0.15 6

ccnet	1.19 339	0.71 379	1.36 311	0.81 368	0.75 368	1.72 373	1.13 381	1.98 304	1.31 297	1.52 343	1.84 369	1.75 367	1.36 361	2.01 287	2.04 387	0.57 406	0.54 422	0.57 411	0.56 412	0.60 397	0.60 393

Wz-Net-LNSev	1.17 334	0.72 382	4.71 424	0.66 275	0.84 391	1.72 373	1.13 381	1.97 303	1.43 344	1.34 287	1.32 251	1.66 352	1.30 354	1.44 201	1.51 355	0.29 305	0.26 323	0.24 203	0.23 249	0.33 307	0.35 314

FADNet-RVC	0.96 292	0.72 382	2.96 399	0.64 256	0.49 267	0.90 246	0.59 263	1.85 275	1.27 270	0.92 114	0.97 115	1.36 305	0.90 245	2.36 317	1.31 331	0.30 310	0.29 344	0.32 324	0.32 349	0.42 345	0.37 320

SuperB	2.50 425	0.72 382	18.07 462	0.72 329	0.53 290	1.85 389	0.86 343	1.80 259	2.40 418	1.54 349	1.42 287	1.13 255	1.17 332	4.18 370	4.80 426	0.25 236	0.20 241	0.23 181	0.19 127	7.64 469	0.38 326

dad	0.90 274	0.73 385	1.28 298	0.59 207	0.39 198	0.83 223	0.45 167	1.24 143	1.54 368	1.52 343	1.28 239	1.36 305	0.86 224	2.54 329	0.91 275	0.43 371	0.27 331	0.82 424	0.26 284	0.44 357	0.34 305

PDISCO_ROB	1.41 364	0.73 385	2.04 367	1.40 427	1.46 433	2.83 425	1.07 375	2.64 414	2.11 412	1.41 312	1.50 307	1.73 362	0.99 281	2.83 343	1.46 349	1.03 427	0.27 331	0.54 403	0.47 397	0.77 413	0.84 417

psmorigin	1.69 388	0.74 387	13.13 452	0.70 321	0.60 324	1.16 309	0.79 323	1.69 234	1.25 258	2.07 402	1.77 359	2.23 399	1.51 377	2.14 301	1.45 347	0.39 361	0.41 397	0.34 341	0.33 360	0.45 359	0.63 397

ADCPNet	1.97 406	0.78 388	9.38 444	0.74 342	0.61 330	2.73 422	1.36 403	2.11 334	1.66 382	1.92 390	1.70 350	2.45 412	2.07 413	2.50 326	6.84 436	0.38 355	0.38 390	0.38 365	0.43 388	0.47 370	0.50 365

Syn2CoEx	1.23 348	0.80 389	3.07 402	0.83 375	0.68 352	1.39 344	0.87 346	2.23 367	1.57 374	1.28 259	1.58 330	1.42 313	1.57 380	3.79 367	1.48 352	0.36 350	0.32 364	0.34 341	0.30 339	0.30 285	0.41 336

ELAS_RVC	2.87 435	0.80 389	3.22 406	1.16 423	1.12 414	2.92 429	5.33 459	2.98 430	4.18 447	5.04 453	4.82 440	4.71 439	8.23 461	4.25 373	4.79 424	0.67 417	0.57 426	0.57 411	0.53 409	0.66 405	0.74 408
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.67 426	0.80 389	2.13 372	1.13 418	1.15 420	6.25 456	2.56 451	3.50 437	3.68 443	5.36 455	4.92 442	3.79 432	5.56 452	3.65 362	5.22 428	0.66 416	0.57 426	0.56 409	0.54 410	0.65 404	0.75 410
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SHD	1.42 366	0.81 392	2.79 396	0.98 409	0.92 397	1.97 396	0.68 290	2.43 392	2.55 421	2.54 419	1.72 353	2.01 388	1.62 382	2.14 301	2.70 403	0.40 363	0.33 370	0.39 368	0.40 380	0.48 371	0.54 375

RGC	1.22 344	0.82 393	1.71 341	0.95 407	0.98 409	1.53 359	0.80 326	2.18 360	1.35 306	1.69 372	1.94 381	2.03 392	1.66 388	2.36 317	1.50 353	0.46 384	0.36 382	0.59 414	0.48 399	0.49 374	0.49 362

DeepPrunerF	1.68 386	0.82 393	6.82 432	0.94 405	1.20 425	0.91 248	0.97 363	2.50 404	5.19 453	1.22 226	1.30 244	1.18 261	1.29 351	4.96 387	1.75 378	0.43 371	0.35 378	0.52 398	0.48 399	0.43 347	0.42 343

DGSMNet	1.24 351	0.84 395	3.20 404	0.91 396	0.92 397	1.39 344	1.34 401	2.46 398	1.44 346	1.34 287	1.66 343	1.50 330	1.03 300	1.85 262	1.30 330	0.48 390	0.48 413	0.55 407	0.51 406	0.78 414	0.79 413

aanetorigin	1.26 353	0.85 396	3.00 400	0.72 329	0.80 382	1.08 294	1.05 372	1.12 98	1.39 330	3.53 439	2.60 411	1.72 360	1.73 395	1.98 282	1.77 381	0.26 256	0.24 305	0.26 262	0.25 268	0.38 329	0.51 369

RTSC	1.43 368	0.89 397	3.62 414	0.94 405	0.64 337	1.85 389	0.69 293	2.20 365	2.04 409	2.22 406	1.70 350	1.67 354	1.27 349	2.53 328	4.48 422	0.33 326	0.25 317	0.27 273	0.29 327	0.38 329	0.40 333

SAMSARA	1.80 393	0.90 398	3.37 409	1.28 426	1.13 416	3.71 439	2.33 445	2.53 408	1.93 402	3.17 437	1.73 354	2.99 424	1.68 390	3.53 361	2.46 400	0.47 388	0.54 422	0.43 381	0.47 397	0.59 394	0.64 398

ADCMid	2.11 411	0.90 398	8.39 440	0.75 350	0.69 355	1.98 397	1.14 384	2.18 360	1.67 383	2.85 426	1.85 372	2.35 408	2.02 411	2.35 316	10.58 451	0.34 335	0.32 364	0.39 368	0.44 390	0.51 377	0.53 374

GANetREF_RVC	1.11 325	0.90 398	1.56 333	0.88 387	0.53 290	1.41 348	1.35 402	1.91 289	1.54 368	1.28 259	1.32 251	1.46 323	1.23 342	2.04 290	1.00 298	0.57 406	0.45 406	0.67 419	0.52 407	0.91 419	0.62 395
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
PVD	1.82 395	0.91 401	3.02 401	1.03 412	0.94 403	2.61 419	1.14 384	2.78 424	3.40 440	3.08 435	2.75 413	2.39 411	2.49 427	2.81 341	3.66 415	0.48 390	0.49 418	0.59 414	0.49 402	0.60 397	0.81 415

PWCDC_ROB	1.39 362	0.91 401	2.10 369	1.08 415	0.92 397	1.72 373	0.58 258	2.03 318	3.30 438	1.32 275	4.87 441	1.21 266	1.71 393	1.98 282	1.75 378	0.65 415	0.26 323	0.29 297	0.25 268	0.56 389	0.41 336

PWC_ROB	1.39 362	0.93 403	4.07 418	0.77 359	0.83 389	1.16 309	0.53 219	1.87 278	2.01 407	2.36 411	3.06 420	1.65 351	1.60 381	2.65 335	2.29 396	0.34 335	0.23 296	0.36 358	0.25 268	0.39 334	0.49 362

SQANet	1.38 360	0.95 404	1.37 314	1.89 438	1.47 434	1.44 352	0.81 330	1.89 285	1.13 197	1.34 287	1.26 225	1.28 291	1.02 298	1.64 235	0.91 275	2.55 444	0.35 378	1.47 436	0.56 412	2.48 438	1.74 438

MFN_U_SF_RVC	1.62 382	0.96 405	4.36 422	0.92 397	0.69 355	2.62 420	1.10 377	2.50 404	1.74 389	1.99 398	1.86 374	2.45 412	1.78 399	3.08 348	2.84 405	0.54 400	0.50 419	0.56 409	0.60 418	0.60 397	0.67 400

anonymity	1.14 329	0.98 406	1.24 290	1.09 416	1.13 416	1.08 294	0.90 349	2.02 314	1.23 246	1.32 275	1.27 234	1.27 290	1.09 317	1.16 152	1.03 302	1.02 426	1.01 451	0.97 428	0.97 436	0.98 421	1.01 422

XQC	1.51 373	0.98 406	3.20 404	0.92 397	0.76 373	2.01 400	1.17 388	2.53 408	1.99 406	2.01 399	1.54 317	2.00 386	1.54 378	3.16 350	3.46 413	0.49 392	0.31 353	0.45 385	0.40 380	0.71 411	0.62 395

Consistency-Raft	1.27 356	1.01 408	2.17 374	1.04 413	1.20 425	0.96 273	1.00 368	1.84 268	1.95 404	1.38 302	2.11 391	1.44 317	1.03 300	1.18 156	1.40 342	0.73 420	0.83 437	0.89 426	0.99 439	1.33 431	0.95 421

MaskLacGwcNet_RVC	1.17 334	1.06 409	1.28 298	0.88 387	0.69 355	1.92 394	0.92 353	1.71 239	1.14 203	1.17 191	1.26 225	1.49 328	0.80 201	2.04 290	0.86 261	2.02 438	0.34 373	0.79 423	0.36 371	1.38 433	1.33 434

WZ-Net	2.14 413	1.08 410	11.68 451	0.89 394	0.78 378	1.76 380	1.59 415	2.39 387	2.03 408	2.11 403	1.95 383	2.30 405	2.28 422	5.94 408	3.86 418	0.35 343	0.27 331	0.29 297	0.32 349	0.52 378	0.50 365

PASM	1.48 371	1.08 410	3.96 417	0.93 402	0.93 400	1.17 316	1.19 390	1.77 250	1.65 381	1.90 388	1.52 315	1.75 367	1.42 368	4.54 378	1.52 357	0.64 414	0.68 434	0.69 421	0.79 428	0.70 409	0.74 408

SPS-STEREO	1.78 391	1.09 412	1.52 328	1.22 424	1.14 418	1.87 391	1.11 378	2.27 374	1.70 384	3.17 437	2.39 404	2.84 422	1.93 407	4.41 375	2.93 406	1.04 429	0.99 450	0.97 428	0.94 434	1.03 424	1.05 424
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GASNet	1.13 327	1.10 413	3.29 408	1.00 411	0.68 352	0.82 216	0.67 288	1.85 275	1.38 321	1.39 304	1.25 223	1.25 279	1.20 341	2.72 338	1.62 365	0.46 384	0.26 323	0.36 358	0.34 365	0.55 388	0.33 297

MFN_U_SF_DS_RVC	1.80 393	1.11 414	4.33 421	0.84 379	0.77 374	3.70 438	2.41 450	2.04 321	1.85 398	1.75 376	1.90 378	1.92 376	1.25 346	7.33 433	1.45 347	0.47 388	0.47 411	0.53 402	0.77 427	0.50 375	0.55 380

AnonymousM	0.63 134	1.14 415	0.43 6	0.46 22	0.32 116	0.43 24	0.46 172	1.27 151	0.78 61	1.00 130	0.66 42	0.68 90	0.45 49	0.61 25	0.46 103	0.21 144	0.16 161	1.84 440	0.98 437	0.15 6	0.15 6

EDNetEfficient	2.40 423	1.14 415	8.59 441	0.77 359	0.73 362	1.06 289	1.53 411	1.54 197	4.06 446	4.87 452	2.81 414	2.23 399	3.53 442	3.04 347	9.65 449	0.27 277	0.24 305	0.27 273	0.31 343	0.70 409	0.67 400

otaku	1.67 384	1.18 417	1.56 333	2.27 440	1.59 435	1.98 397	1.23 395	2.23 367	1.37 319	1.48 338	1.63 340	1.73 362	1.23 342	1.85 262	1.09 306	2.96 448	0.58 428	1.74 437	0.61 419	2.94 444	2.15 444

NVStereoNet_ROB	2.17 415	1.18 417	3.51 411	1.14 421	1.26 428	1.57 363	1.51 408	2.19 362	2.11 412	2.04 400	4.80 439	3.17 429	2.11 417	7.97 440	2.10 388	1.12 432	0.94 447	1.10 433	1.34 446	0.95 420	1.31 431
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFMNet_re	1.47 369	1.20 419	2.50 386	1.46 432	1.08 413	1.58 364	1.51 408	1.96 302	1.87 399	2.31 410	2.20 395	1.51 332	1.88 405	1.57 221	1.34 336	0.94 424	0.83 437	0.84 425	0.80 429	1.00 422	1.06 425

Ntro	1.72 390	1.21 420	1.62 337	2.54 445	1.86 437	2.09 405	1.14 384	2.08 329	1.38 321	1.23 229	1.62 336	1.62 346	1.33 358	2.04 290	1.21 320	3.09 449	0.56 425	1.82 439	0.65 420	2.97 448	2.25 446

UDGNet	0.75 197	1.23 421	0.99 208	0.82 371	0.42 230	0.76 189	0.38 91	0.98 51	1.37 319	0.83 94	0.88 94	0.70 98	0.60 136	1.25 162	0.57 175	0.57 406	0.19 229	1.03 431	0.26 284	0.79 415	0.35 314

ADCS	2.35 419	1.26 422	6.54 431	0.85 381	0.77 374	2.18 406	1.79 425	2.47 399	2.20 414	2.80 425	2.14 394	2.38 409	2.09 414	2.81 341	13.83 459	0.43 371	0.41 397	0.40 374	0.45 393	0.59 394	0.67 400

LSM	6.55 455	1.26 422	15.64 457	1.79 435	68.74 480	1.67 372	2.08 437	2.26 370	2.59 422	3.13 436	3.08 421	1.90 371	1.81 400	2.89 344	2.16 391	0.43 371	0.59 429	0.50 395	0.58 414	0.64 402	17.24 474

SGM+DAISY	5.38 450	1.28 424	8.24 437	1.27 425	1.16 422	10.62 461	16.01 467	2.93 429	2.53 420	8.64 465	13.03 463	8.26 456	13.38 464	6.34 419	7.59 439	1.07 430	1.05 453	1.00 430	0.98 437	1.02 423	1.12 428

MSC_U_SF_DS_RVC	2.22 416	1.29 425	4.14 419	1.10 417	0.78 378	5.00 452	2.38 449	2.47 399	2.67 429	1.94 394	2.28 399	2.66 419	1.70 391	9.10 447	2.29 396	0.68 419	0.52 420	0.68 420	0.71 425	1.17 429	0.81 415

CC-Net-ROB	1.53 374	1.31 426	1.68 340	0.92 397	0.80 382	1.75 379	0.99 366	2.04 321	1.27 270	1.12 166	1.62 336	1.20 265	0.98 278	7.82 438	0.92 279	1.15 434	0.41 397	2.20 441	0.46 395	1.37 432	0.56 382

ACVNet-4b	3.05 439	1.42 427	18.09 463	2.85 447	2.33 447	2.32 414	1.22 393	2.47 399	2.21 415	1.26 249	2.36 403	2.64 418	1.46 372	6.32 418	1.23 324	3.29 452	0.45 406	2.37 445	1.02 442	3.03 449	2.61 451

Wz-Net-SNSev	1.68 386	1.45 428	8.71 442	0.71 324	0.67 351	1.35 339	1.51 408	2.15 349	1.47 357	1.51 341	1.68 347	2.27 402	1.38 363	4.23 371	2.36 398	0.32 321	0.29 344	0.31 313	0.33 360	0.43 347	0.39 329

AnyNet_C32	2.14 413	1.45 428	7.38 435	0.95 407	1.12 414	2.23 407	2.34 446	2.10 333	1.54 368	2.44 414	1.79 361	2.04 394	1.66 388	2.69 336	10.48 450	0.38 355	0.35 378	0.35 348	0.42 384	0.50 375	0.60 393

ACVNet_2	2.86 434	1.47 430	8.28 438	2.68 446	2.26 444	2.70 421	1.84 430	3.41 434	3.04 434	2.27 408	3.42 425	4.58 437	2.10 415	5.91 406	1.62 365	2.58 445	0.67 432	2.22 442	0.85 431	2.79 441	2.47 449

ACVNet_1	3.08 440	1.48 431	17.70 459	2.90 450	2.35 448	2.30 411	1.43 406	3.16 432	2.26 417	1.91 389	2.05 388	3.51 430	2.32 423	3.71 365	1.58 361	3.25 451	0.66 431	2.40 449	1.06 443	3.07 450	2.59 450

GCST	1.13 327	1.50 432	1.17 271	1.74 434	1.17 423	1.29 330	0.30 35	1.55 200	1.21 235	1.31 272	0.97 115	0.99 208	0.48 68	2.38 321	0.54 164	1.24 435	0.70 435	1.31 435	0.86 432	1.03 424	0.92 420

EDNetEfficientorigin	10.59 464	1.52 433	177.33 485	0.68 300	0.54 298	1.66 371	1.20 392	1.94 296	3.39 439	4.69 450	3.37 423	3.08 427	2.79 433	3.25 354	3.63 414	0.26 256	0.24 305	0.33 333	0.28 310	0.85 416	0.87 418

WAO-7	2.78 429	1.54 434	2.18 375	1.41 430	1.19 424	3.92 444	2.01 434	4.19 445	3.89 445	2.98 431	5.47 444	4.18 435	3.28 438	8.24 443	4.27 419	1.13 433	1.01 451	1.18 434	1.13 445	1.19 430	1.13 429

RTS	2.76 427	1.55 435	15.40 454	1.13 418	1.42 431	3.75 441	2.21 440	2.45 394	2.72 430	2.91 429	2.85 416	2.58 416	1.62 382	6.28 416	5.80 431	0.41 366	0.30 348	0.35 348	0.35 369	0.52 378	0.54 375

RTSA	2.76 427	1.55 435	15.40 454	1.13 418	1.42 431	3.75 441	2.21 440	2.45 394	2.72 430	2.91 429	2.85 416	2.58 416	1.62 382	6.28 416	5.80 431	0.41 366	0.30 348	0.35 348	0.35 369	0.52 378	0.54 375

Dean	3.77 444	1.65 437	17.87 460	3.01 452	2.54 450	3.15 432	2.10 438	4.80 451	4.42 448	2.89 428	6.03 445	5.45 445	2.55 431	3.40 359	2.13 389	3.22 450	0.89 444	2.51 452	1.07 444	3.07 450	2.65 454

WAO-6	2.98 438	1.67 438	1.88 354	2.38 444	2.30 446	3.53 437	2.37 447	4.38 448	4.64 451	2.42 412	4.50 433	4.85 440	2.99 434	5.22 390	5.37 429	1.77 437	1.16 457	2.31 444	1.47 452	2.42 437	1.99 443

LVE	3.40 443	1.80 439	2.21 377	2.90 450	2.44 449	3.27 436	2.25 442	4.80 451	5.06 452	2.43 413	6.79 448	5.99 447	2.64 432	9.20 449	2.28 394	3.30 453	1.11 456	2.38 446	1.48 453	2.95 446	2.62 452

RainbowNet	2.06 408	1.86 440	1.97 362	2.86 448	2.25 443	2.03 401	1.79 425	2.77 422	1.92 401	1.54 349	1.84 369	1.95 382	1.73 395	2.23 307	1.38 341	3.40 455	0.86 442	2.39 448	1.00 440	2.94 444	2.42 448

IMH-64-1	2.82 431	1.87 441	1.77 344	3.31 455	2.69 451	3.22 434	2.07 435	4.25 446	2.77 432	2.46 416	3.78 429	3.05 425	2.34 424	4.67 382	3.00 408	3.84 459	0.84 440	2.75 455	1.39 447	3.34 453	2.93 456

IMH-64	2.82 431	1.87 441	1.77 344	3.31 455	2.69 451	3.22 434	2.07 435	4.25 446	2.77 432	2.46 416	3.78 429	3.05 425	2.34 424	4.67 382	3.00 408	3.84 459	0.84 440	2.75 455	1.39 447	3.34 453	2.93 456

IMH	3.35 442	1.95 443	1.86 353	3.30 454	2.72 453	4.03 447	2.00 431	4.58 450	3.83 444	2.87 427	6.99 450	4.69 438	3.21 437	6.77 427	2.97 407	3.91 462	0.89 444	2.78 457	1.40 451	3.36 455	2.93 456

WAO-8	4.57 448	2.01 444	2.58 390	2.37 442	2.21 441	9.75 458	1.71 419	6.04 459	16.34 463	4.11 442	7.69 456	7.41 449	3.85 444	10.02 462	3.85 416	2.05 439	1.09 454	2.44 450	1.39 447	2.56 439	1.86 441

Venus	4.57 448	2.01 444	2.58 390	2.37 442	2.21 441	9.75 458	1.71 419	6.04 459	16.34 463	4.11 442	7.69 456	7.41 449	3.85 444	10.02 462	3.85 416	2.05 439	1.09 454	2.44 450	1.39 447	2.56 439	1.86 441

TorneroNet	10.72 465	2.09 446	2.76 395	3.48 458	3.03 457	44.72 479	2.31 444	8.62 464	67.06 485	7.45 463	23.21 473	10.59 464	4.28 449	9.03 446	9.00 445	3.67 457	0.91 446	3.04 459	1.63 455	3.92 458	3.55 462

TorneroNet-64	5.41 451	2.10 447	2.43 384	3.49 459	2.83 454	9.90 460	2.13 439	8.87 465	16.79 468	5.39 456	9.18 460	10.68 465	3.92 447	9.55 453	5.11 427	3.36 454	0.86 442	2.88 458	1.62 454	3.76 456	3.37 459

KSHMR	8.76 462	2.14 448	3.59 412	3.60 461	3.13 458	4.15 448	2.67 452	5.61 457	58.90 484	3.04 433	55.71 484	4.94 441	2.54 430	4.61 381	3.05 410	3.49 456	1.57 461	3.14 460	1.98 459	3.84 457	3.49 460

AnyNet_C01	2.38 421	2.21 449	10.17 446	0.99 410	0.79 380	3.12 431	2.37 447	2.69 419	1.89 400	2.58 421	2.44 407	2.70 420	1.86 404	3.65 362	7.12 437	0.41 366	0.41 397	0.40 374	0.42 384	0.68 407	0.79 413

PWCK	3.24 441	2.37 450	10.86 448	2.14 439	1.14 418	3.71 439	4.19 458	3.02 431	3.55 442	3.05 434	3.63 427	3.09 428	2.35 426	8.16 442	3.41 412	2.17 441	0.96 448	1.77 438	1.01 441	2.84 442	1.40 435

coex-ft	8.35 460	2.39 451	100.24 484	0.68 300	0.54 298	1.77 382	1.57 414	1.71 239	11.00 459	18.91 473	3.76 428	3.85 433	8.23 461	3.29 356	6.58 434	0.31 314	0.31 353	0.32 324	0.31 343	0.69 408	0.57 385

ktn	4.56 447	2.41 452	2.54 387	3.79 463	3.25 459	4.81 451	2.91 455	5.52 455	7.36 456	4.12 444	14.55 465	7.54 452	3.70 443	7.84 439	3.35 411	4.06 463	1.86 462	3.26 463	2.22 462	3.27 452	2.86 455

notaker	4.29 446	2.42 453	5.06 425	3.89 464	3.29 461	4.00 445	2.25 442	4.93 453	3.47 441	4.21 447	6.79 448	7.67 453	3.37 440	9.25 451	6.47 433	4.09 464	1.42 459	3.35 464	2.13 461	4.11 460	3.54 461

JetBlue	4.18 445	2.45 454	10.42 447	1.40 427	2.89 456	10.68 462	10.68 461	3.91 442	2.52 419	2.74 423	3.39 424	4.50 436	4.27 448	7.97 440	7.67 440	0.89 422	0.97 449	0.89 426	0.92 433	2.26 436	2.21 445

UNDER WATER	5.68 453	2.46 455	15.52 456	3.98 466	3.53 462	5.15 453	2.74 453	5.58 456	16.41 466	4.00 440	4.56 434	9.12 458	6.43 456	6.22 412	9.11 446	3.85 461	1.35 458	3.18 462	1.98 459	4.51 463	3.84 465

UNDER WATER-64	5.84 454	2.48 456	17.93 461	3.97 465	3.58 463	7.70 457	3.03 456	5.72 458	14.13 460	4.18 446	4.00 431	9.27 459	6.80 457	6.20 411	9.22 447	3.67 457	1.52 460	3.14 460	1.95 457	4.43 462	3.83 464

UDG	1.47 369	2.69 457	1.13 250	1.45 431	1.65 436	1.34 338	0.79 323	1.75 247	1.27 270	1.29 264	1.74 355	1.99 385	1.39 365	1.66 237	1.51 355	0.91 423	0.55 424	2.30 443	0.76 426	1.99 434	1.20 430

DDUNet	1.56 377	2.70 458	1.35 306	1.79 435	1.88 438	1.82 387	0.91 351	1.84 268	1.20 229	1.40 310	1.79 361	1.62 346	1.17 332	1.59 226	1.22 321	1.11 431	0.76 436	2.38 446	0.94 434	2.12 435	1.53 436

Wz-Net-TNSev	2.10 410	2.71 459	9.30 443	0.72 329	0.65 342	2.41 415	1.81 429	2.45 394	1.77 390	1.62 364	1.56 325	2.56 415	2.01 409	5.30 391	4.46 421	0.41 366	0.38 390	0.33 333	0.37 375	0.54 386	0.64 398

DispFullNet	2.39 422	2.89 460	3.74 415	3.09 453	2.27 445	2.04 402	0.84 337	2.19 362	1.73 388	2.54 419	1.98 384	2.23 399	5.83 453	3.44 360	1.84 383	1.03 427	0.33 370	2.65 454	1.97 458	2.87 443	2.34 447

IGEV-BASED-STEREO-	0.71 180	3.18 461	2.55 388	0.40 5	0.24 8	0.42 20	0.23 6	0.66 5	0.46 3	0.47 19	0.45 8	0.33 4	0.27 3	0.58 20	0.30 4	1.34 436	0.10 1	0.22 148	0.19 127	0.45 359	1.32 433

MADNet++	5.41 451	3.18 461	6.43 430	4.66 468	3.95 465	6.15 455	6.75 460	4.51 449	4.51 450	5.06 454	6.27 446	4.96 442	6.14 454	9.39 452	11.70 452	4.71 465	4.19 466	3.97 466	3.33 464	4.08 459	4.25 466

MADNet+	2.80 430	3.38 463	11.57 450	1.50 433	1.21 427	3.18 433	2.00 431	3.52 438	2.61 423	1.81 381	2.09 390	2.83 421	2.18 421	7.55 436	5.44 430	0.84 421	0.83 437	0.71 422	0.66 421	1.05 426	1.08 426

test_for_model	1.38 360	3.71 464	0.65 57	3.45 457	2.88 455	0.57 96	0.33 49	1.91 289	0.93 109	1.47 332	0.64 38	0.51 40	0.37 24	0.53 9	0.35 15	2.54 443	0.16 161	0.17 21	0.12 11	4.56 464	1.84 440

HanzoNet	11.92 466	5.12 465	17.18 458	4.19 467	3.59 464	5.16 454	2.82 454	7.41 462	9.96 458	33.31 480	27.60 474	22.25 474	37.31 479	18.18 470	13.57 455	8.13 469	3.44 465	3.50 465	3.44 465	7.77 470	4.52 467

DGTPSM_ROB	13.06 467	8.27 466	22.29 465	9.53 470	18.14 466	11.53 463	31.97 473	10.82 467	16.25 461	7.14 460	19.39 471	10.12 461	16.69 467	9.85 457	22.49 469	4.77 466	8.72 467	5.37 467	10.24 471	6.15 467	11.56 469

DPSMNet_ROB	13.08 468	8.28 467	22.32 466	9.54 471	18.15 467	11.53 463	31.98 474	10.83 468	16.27 462	7.17 461	19.40 472	10.12 461	16.69 467	9.87 458	22.50 470	4.78 467	8.72 467	5.38 468	10.25 472	6.16 468	11.59 470

JetRed	7.02 457	8.94 468	25.72 470	2.89 449	3.27 460	14.25 466	12.27 464	6.69 461	4.45 449	4.46 448	4.56 434	6.65 448	5.43 451	7.46 435	14.41 461	2.60 446	3.31 463	2.61 453	2.30 463	4.34 461	3.79 463

DPSimNet_ROB	24.77 473	9.69 469	61.46 482	3.56 460	19.46 468	25.95 469	77.56 484	5.09 454	16.60 467	21.50 474	29.82 476	25.12 477	85.69 485	13.37 468	23.07 472	7.23 468	17.79 475	8.55 470	7.57 469	4.57 465	31.84 478

Anonymous_1	42.79 480	18.71 470	24.75 467	21.81 472	45.16 478	27.68 470	37.52 475	28.64 475	16.34 463	14.72 469	14.53 464	20.60 468	17.82 469	21.52 471	25.88 473	113.45 485	8.91 469	100.63 482	126.37 482	158.50 485	12.31 471

DPSM_ROB	19.12 469	19.13 471	25.13 468	22.15 473	20.86 470	28.06 471	37.75 476	27.18 473	16.95 469	14.25 467	15.07 466	21.66 469	18.69 470	21.83 472	26.51 474	10.15 472	9.30 470	10.45 472	10.41 473	14.00 471	12.85 472

DPSM	19.12 469	19.13 471	25.13 468	22.15 473	20.86 470	28.06 471	37.75 476	27.18 473	16.95 469	14.25 467	15.07 466	21.66 469	18.69 470	21.83 472	26.51 474	10.15 472	9.30 470	10.45 472	10.41 473	14.00 471	12.85 472

BEATNet-Init1	27.39 474	21.01 473	73.65 483	1.07 414	0.80 382	56.07 480	22.82 469	33.14 480	31.71 477	51.78 484	52.93 483	65.63 484	48.54 483	48.75 485	36.36 479	0.52 398	0.47 411	0.54 403	0.54 410	0.64 402	0.72 406

xxxxx1	54.34 483	26.72 474	27.03 471	114.14 482	99.00 482	30.68 475	47.19 478	32.52 477	26.09 472	17.85 470	17.48 468	21.86 471	20.92 472	24.38 475	33.78 476	34.73 479	41.33 480	157.67 483	175.68 483	65.82 481	71.99 483

tt_ll	54.34 483	26.72 474	27.03 471	114.14 482	99.00 482	30.68 475	47.19 478	32.52 477	26.09 472	17.85 470	17.48 468	21.86 471	20.92 472	24.38 475	33.78 476	34.73 479	41.33 480	157.67 483	175.68 483	65.82 481	71.99 483

ff	54.34 483	26.72 474	27.03 471	114.14 482	99.00 482	30.68 475	47.19 478	32.52 477	26.09 472	17.85 470	17.48 468	21.86 471	20.92 472	24.38 475	33.78 476	34.73 479	41.33 480	157.67 483	175.68 483	65.82 481	71.99 483

LRCNet_RVC	22.79 471	32.09 477	22.06 464	29.83 475	26.15 472	4.40 450	0.84 337	22.64 471	2.10 411	26.93 476	29.25 475	23.03 476	15.56 466	23.91 474	18.92 466	32.00 478	20.04 479	34.68 477	32.13 478	30.66 477	28.52 477

PML	51.64 482	37.49 478	14.31 453	7.45 469	20.27 469	107.80 485	231.34 486	8.94 466	27.70 476	86.74 485	268.93 486	69.03 485	61.09 484	24.71 478	14.36 460	9.71 471	3.40 464	9.60 471	4.67 467	20.46 473	4.76 468

CasAABBNet	38.42 475	38.42 479	50.26 479	44.76 480	41.87 476	56.47 481	76.22 482	54.44 483	33.92 479	28.53 477	30.36 478	43.53 482	37.59 480	43.77 482	53.32 484	20.27 475	18.70 477	21.03 474	21.04 476	28.19 474	25.79 475

Selective-RAFT-Error	38.47 476	38.44 480	50.38 480	44.74 479	42.01 477	56.47 481	76.24 483	54.44 483	34.02 480	28.59 478	30.30 477	43.51 481	38.10 481	43.69 481	53.24 483	20.36 476	18.72 478	21.05 475	21.02 475	28.25 475	25.87 476

LSM0	42.92 481	38.72 481	50.66 481	47.49 481	110.18 485	56.77 483	75.87 481	54.87 485	33.74 478	29.48 479	31.12 479	43.77 483	37.12 478	43.85 483	53.44 485	20.50 477	18.67 476	21.05 475	21.07 477	28.37 476	41.73 479

HaxPig	39.02 477	41.39 482	41.59 475	30.10 476	32.36 473	29.49 473	27.65 471	30.56 476	37.94 481	43.75 481	43.81 480	33.42 478	35.69 476	41.51 479	40.33 481	43.91 482	47.48 484	45.87 478	47.14 480	42.29 478	44.06 481

AVERAGE_ROB	40.42 478	42.30 483	42.61 476	36.91 478	35.54 475	30.42 474	27.59 470	37.45 482	38.45 482	44.87 482	44.27 481	37.55 480	36.69 477	41.82 480	40.25 480	45.36 483	46.73 483	47.09 479	46.32 479	42.47 479	43.74 480

MEDIAN_ROB	42.01 479	44.30 484	44.14 478	35.08 477	34.90 474	31.33 478	29.90 472	36.77 481	40.11 483	47.14 483	46.55 482	37.49 479	38.50 482	44.30 484	42.32 482	47.93 484	49.31 485	49.68 480	49.00 481	44.98 480	46.46 482

DLNR_Zeroshot_test	23.23 472	48.25 485	43.77 477	177.04 485	78.39 481	0.35 8	0.21 2	23.33 472	0.82 76	0.67 66	0.86 89	0.58 62	0.30 8	1.64 235	0.48 120	10.69 474	0.13 20	0.18 47	0.14 35	76.63 484	0.23 156

test_example2	192.91 486	210.59 486	206.44 486	199.86 486	204.90 486	172.02 486	182.95 485	138.34 486	134.89 486	193.14 486	200.54 485	186.77 486	177.82 486	204.95 486	207.57 486	221.83 486	238.70 486	186.02 486	190.07 486	226.94 486	173.78 486

Low-res two-view benchmark