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	0.63 150	0.18 1	0.37 2	2.27 441	0.84 397	0.57 100	0.54 229	0.79 27	0.62 38	0.48 29	0.70 56	0.36 6	0.26 2	0.45 4	0.35 46	2.24 442	0.10 1	0.14 1	0.09 1	0.15 8	1.06 431

IGEV-Stereo++	0.30 1	0.20 2	0.40 9	0.46 45	0.30 95	0.33 6	0.22 3	0.75 17	0.45 6	0.32 2	0.41 4	0.32 3	0.48 72	0.38 2	0.27 2	0.15 7	0.11 4	0.15 4	0.12 13	0.15 8	0.13 4

Pointernet	0.37 5	0.20 2	0.57 58	0.43 15	0.28 63	0.51 70	0.27 22	0.93 68	0.61 36	0.47 25	0.63 40	0.49 36	0.38 28	0.49 8	0.33 25	0.17 40	0.13 51	0.14 1	0.11 7	0.13 1	0.12 3

MoCha-V2	0.40 15	0.20 2	0.49 21	0.50 97	0.21 4	0.44 27	0.33 48	0.93 68	0.53 27	0.53 46	0.53 20	0.42 10	0.58 130	1.09 148	0.27 2	0.14 4	0.12 12	0.15 4	0.12 13	0.17 35	0.15 37

CES	0.48 57	0.20 2	0.37 2	0.39 5	1.39 433	0.55 92	0.35 64	0.98 89	0.66 60	0.44 17	0.66 43	0.35 5	0.27 3	0.56 20	0.33 25	0.15 7	0.13 51	0.15 4	0.10 2	0.19 93	1.46 437

s12784h	0.52 66	0.20 2	0.38 5	0.41 8	0.19 1	0.96 271	0.34 60	1.17 157	1.25 289	0.81 97	0.90 98	0.63 78	0.50 84	1.45 217	0.42 102	0.14 4	0.12 12	0.17 23	0.11 7	0.18 61	0.11 1

RAStereo	0.34 2	0.21 7	0.66 103	0.47 53	0.27 42	0.26 2	0.29 30	0.69 10	0.63 41	0.32 2	0.42 5	0.45 20	0.31 10	0.45 4	0.34 39	0.17 40	0.15 146	0.19 70	0.15 47	0.18 61	0.13 4

Occ-G	0.42 21	0.21 7	0.48 18	0.41 8	0.26 26	0.42 20	0.62 281	0.77 21	0.49 12	0.43 15	0.66 43	1.02 221	0.46 53	0.78 71	0.41 92	0.16 15	0.13 51	0.18 52	0.13 19	0.16 18	0.16 56

U	9.45 463	0.21 7	0.58 62	0.47 53	53.11 479	61.27 484	0.24 7	0.70 12	0.52 25	0.36 5	0.28 2	0.29 1	0.35 20	0.33 1	0.26 1	0.19 111	0.11 4	60.50 481	8.88 469	0.17 35	0.13 4

IGEV-Stereo+	0.45 40	0.21 7	0.43 13	0.41 8	0.39 214	0.15 1	0.19 1	0.44 1	0.36 1	0.26 1	0.25 1	0.31 2	0.41 34	1.43 213	0.30 7	0.17 40	0.12 12	0.15 4	0.11 7	1.16 428	1.70 442

WCG-NET（raft）	0.45 40	0.21 7	0.55 48	0.40 7	0.24 13	0.50 55	0.36 76	0.73 14	1.09 203	0.71 73	0.76 70	0.92 184	0.51 86	0.84 87	0.34 39	0.16 15	0.12 12	0.15 4	0.14 37	0.14 3	0.14 19

trnet	0.39 10	0.21 7	0.37 2	0.36 2	0.20 2	0.53 79	0.29 30	0.78 25	1.12 214	0.59 59	0.71 59	0.53 51	0.42 37	0.54 15	0.34 39	0.18 73	0.13 51	0.15 4	0.10 2	0.14 3	0.13 4

LoS	0.40 15	0.21 7	0.44 14	0.37 3	0.22 6	0.50 55	0.40 110	1.00 95	0.94 135	0.48 29	0.66 43	0.48 29	0.40 32	0.60 36	0.37 60	0.18 73	0.14 92	0.16 15	0.11 7	0.14 3	0.14 19
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CREStereo++_RVC	0.47 51	0.21 7	0.38 5	0.45 41	0.38 204	0.45 30	0.25 8	0.75 17	1.29 309	0.80 93	1.21 216	0.47 26	0.37 23	0.53 13	0.44 114	0.16 15	0.11 4	0.15 4	0.80 429	0.18 61	0.11 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
TANstereo	0.44 33	0.21 7	0.44 14	0.41 8	0.21 4	0.65 142	0.26 15	0.79 27	0.83 101	0.93 121	0.98 120	0.51 41	0.46 53	0.54 15	0.35 46	0.18 73	0.24 314	0.16 15	0.13 19	0.16 18	0.26 264

CREStereo	0.39 10	0.21 7	0.38 5	0.34 1	0.22 6	0.53 79	0.29 30	0.77 21	1.11 210	0.58 52	0.71 59	0.51 41	0.41 34	0.54 15	0.34 39	0.18 73	0.13 51	0.15 4	0.10 2	0.14 3	0.14 19
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.46 44	0.21 7	0.38 5	0.37 3	0.23 8	0.71 179	0.27 22	0.74 16	1.04 180	0.64 63	0.70 56	0.55 53	0.47 62	0.86 93	0.35 46	1.00 425	0.13 51	0.15 4	0.10 2	0.15 8	0.13 4

IGEV++	0.40 15	0.22 18	0.51 30	0.52 143	0.29 78	0.45 30	0.25 8	1.65 272	0.46 10	0.37 6	0.57 33	0.46 22	0.45 49	0.50 9	0.38 70	0.19 111	0.12 12	0.16 15	0.13 19	0.16 18	0.15 37

EGLCR-Stereo	0.37 5	0.22 18	0.51 30	0.43 15	0.26 26	0.44 27	0.22 3	0.99 91	0.48 11	0.42 12	0.42 5	0.67 92	0.29 7	0.86 93	0.33 25	0.17 40	0.12 12	0.19 70	0.17 98	0.17 35	0.15 37

test_4	0.53 75	0.22 18	0.56 49	0.54 172	0.32 130	0.64 128	0.39 104	0.80 33	0.62 38	0.92 120	1.87 376	0.68 94	0.42 37	1.16 159	0.37 60	0.15 7	0.13 51	0.20 97	0.22 231	0.20 120	0.15 37

test-3	0.54 90	0.22 18	0.68 111	0.47 53	0.27 42	0.58 102	0.35 64	0.92 62	1.00 167	1.32 296	0.69 53	0.87 160	0.45 49	1.68 259	0.37 60	0.16 15	0.11 4	0.20 97	0.16 81	0.17 35	0.13 4

test_1	0.54 90	0.22 18	0.68 111	0.47 53	0.27 42	0.58 102	0.35 64	0.92 62	1.00 167	1.28 271	0.68 49	0.87 160	0.45 49	1.67 254	0.37 60	0.16 15	0.11 4	0.20 97	0.16 81	0.17 35	0.13 4

WCG-NET	0.46 44	0.23 23	0.52 35	0.45 41	0.35 165	0.70 173	0.26 15	0.95 79	0.96 142	0.74 81	0.69 53	0.65 84	0.52 90	0.88 95	0.33 25	0.18 73	0.13 51	0.16 15	0.15 47	0.16 18	0.17 80

UniTT-Stereo	0.36 3	0.23 23	0.59 69	0.48 74	0.36 175	0.40 13	0.32 44	0.53 2	0.49 12	0.54 48	0.55 28	0.36 6	0.31 10	0.58 24	0.51 171	0.20 140	0.15 146	0.17 23	0.15 47	0.19 93	0.15 37

MC-Stereo	0.43 25	0.23 23	0.48 18	0.51 124	0.28 63	0.39 12	0.32 44	0.88 53	0.68 64	0.60 60	0.84 87	0.56 58	0.61 142	1.03 132	0.31 14	0.17 40	0.11 4	0.17 23	0.15 47	0.16 18	0.13 4

RCA-Stereo	0.50 64	0.23 23	0.58 62	0.48 74	0.33 147	0.55 92	0.45 169	0.97 87	1.38 349	0.68 68	1.05 151	0.63 78	0.80 207	0.59 25	0.32 16	0.17 40	0.12 12	0.17 23	0.14 37	0.16 18	0.14 19

test_3	0.55 105	0.23 23	0.71 140	0.53 157	0.28 63	0.61 118	0.40 110	0.92 62	1.05 184	1.19 231	0.68 49	0.93 186	0.44 46	1.67 254	0.39 77	0.15 7	0.12 12	0.22 150	0.19 132	0.21 154	0.14 19

DEmStereo	0.97 306	0.23 23	0.79 201	0.47 53	0.32 130	1.04 290	0.56 252	0.93 68	0.89 117	1.39 324	2.14 395	1.02 221	2.07 420	5.64 408	0.77 266	0.17 40	0.15 146	0.20 97	0.20 164	0.18 61	0.20 167

111	0.60 133	0.23 23	0.70 128	0.43 15	0.24 13	0.72 182	0.42 126	1.18 162	1.41 361	0.80 93	1.38 281	1.10 248	0.79 201	0.96 113	0.58 202	0.18 73	0.13 51	0.17 23	0.15 47	0.17 35	0.19 140

RSM++	0.38 9	0.24 30	0.51 30	0.47 53	0.26 26	0.50 55	0.41 123	0.79 27	0.45 6	0.37 6	0.45 9	0.60 71	0.35 20	1.02 131	0.30 7	0.15 7	0.13 51	0.17 23	0.14 37	0.18 61	0.13 4

RSM	0.39 10	0.24 30	0.49 21	0.46 45	0.26 26	0.47 35	0.40 110	0.92 62	0.44 5	0.41 10	0.42 5	0.65 84	0.33 15	1.07 144	0.29 4	0.15 7	0.12 12	0.17 23	0.13 19	0.17 35	0.13 4

RAFT-Stereo-weight	0.47 51	0.24 30	0.53 38	0.48 74	0.27 42	0.60 114	0.35 64	1.02 101	1.07 192	0.99 139	0.78 74	0.76 114	0.28 4	0.76 67	0.36 52	0.16 15	0.12 12	0.17 23	0.15 47	0.16 18	0.15 37

MIM_Stereo	0.57 120	0.24 30	0.92 255	0.46 45	0.30 95	0.54 86	0.28 26	1.27 187	0.75 81	1.00 143	1.16 199	0.93 186	0.53 96	1.45 217	0.61 214	0.16 15	0.16 181	0.20 97	0.19 132	0.17 35	0.14 19

AEACV	0.37 5	0.24 30	0.52 35	0.47 53	0.51 292	0.37 11	0.38 92	0.65 6	0.53 27	0.42 12	0.56 31	0.46 22	0.60 134	0.53 13	0.30 7	0.16 15	0.13 51	0.18 52	0.15 47	0.17 35	0.14 19

Any-RAFT	0.53 75	0.24 30	0.47 16	0.47 53	0.27 42	1.00 282	0.25 8	1.58 256	1.05 184	0.85 108	0.99 122	1.06 230	0.47 62	0.70 51	0.32 16	0.18 73	0.13 51	0.16 15	0.13 19	0.16 18	0.16 56

4D-IteraStereo	0.48 57	0.24 30	0.76 186	0.50 97	0.44 248	0.66 150	0.31 40	0.87 46	1.02 173	1.03 153	0.72 62	0.78 121	0.32 14	0.64 39	0.37 60	0.17 40	0.11 4	0.23 185	0.19 132	0.19 93	0.13 4

Selective-IGEV	0.39 10	0.24 30	0.50 24	0.44 31	0.25 23	0.46 33	0.33 48	1.25 185	0.40 2	0.35 4	0.45 9	0.52 46	0.30 8	1.07 144	0.30 7	0.14 4	0.12 12	0.17 23	0.13 19	0.16 18	0.13 4

fff	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 289	1.10 174	1.02 139	0.57 60	1.06 318	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

ADStereo(finetuned)	0.57 120	0.24 30	1.06 303	0.43 15	0.24 13	0.49 46	0.35 64	1.05 116	1.30 315	1.12 181	1.03 147	0.58 65	1.20 344	0.84 87	0.51 171	0.16 15	0.13 51	0.17 23	0.13 19	0.18 61	0.19 140

CrosDoStereo	1.58 387	0.24 30	0.72 146	0.48 74	0.29 78	0.67 154	12.49 466	1.10 140	0.98 155	1.34 307	1.75 361	1.00 212	1.89 409	6.65 425	0.81 278	0.19 111	0.15 146	0.20 97	0.22 231	0.18 61	0.19 140

DeepStereo_LL	1.58 387	0.24 30	0.72 146	0.48 74	0.29 78	0.67 154	12.49 466	1.10 140	0.98 155	1.34 307	1.75 361	1.00 212	1.89 409	6.65 425	0.81 278	0.19 111	0.15 146	0.20 97	0.22 231	0.18 61	0.19 140

DRaft	0.80 249	0.24 30	0.70 128	0.45 41	0.30 95	0.97 275	0.53 224	1.05 116	0.97 150	1.78 383	2.02 388	0.80 127	1.74 398	2.73 343	0.72 248	0.17 40	0.14 92	0.20 97	0.20 164	0.18 61	0.21 183

RAFT-RH_RVC	1.03 323	0.24 30	0.67 108	0.49 88	0.28 63	0.81 226	0.33 48	0.83 42	1.08 197	2.05 403	4.65 439	1.04 228	0.57 121	5.98 417	0.50 166	0.18 73	0.13 51	0.26 262	0.20 164	0.16 18	0.17 80

DCANet	0.54 90	0.24 30	0.70 128	0.43 15	0.24 13	0.49 46	0.36 76	1.05 116	1.30 315	1.12 181	1.03 147	0.58 65	0.92 258	0.81 80	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.18 61	0.19 140

csc	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 289	1.10 174	1.02 139	0.57 60	1.06 318	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

cscssc	0.53 75	0.24 30	0.70 128	0.43 15	0.24 13	0.48 36	0.36 76	1.07 131	1.25 289	1.10 174	1.02 139	0.57 60	1.06 318	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

CFNet-RSSM	0.54 90	0.24 30	0.70 128	0.48 74	0.28 63	0.60 114	0.27 22	1.49 229	1.14 228	1.06 157	0.93 105	1.08 236	0.54 101	0.70 51	0.35 46	0.16 15	0.12 12	0.17 23	0.15 47	0.16 18	0.14 19

Gwc-CoAtRS	0.52 66	0.24 30	0.68 111	0.48 74	0.29 78	0.64 128	0.25 8	1.16 155	1.08 197	1.01 146	1.00 126	1.12 253	0.56 112	0.69 48	0.37 60	0.16 15	0.13 51	0.17 23	0.15 47	0.15 8	0.15 37

AIO-Stereo	0.37 5	0.25 49	0.51 30	0.47 53	0.23 8	0.45 30	0.39 104	1.07 131	0.52 25	0.41 10	0.48 13	0.52 46	0.25 1	0.72 57	0.30 7	0.16 15	0.12 12	0.17 23	0.13 19	0.16 18	0.13 4

MaDis-Stereo	0.36 3	0.25 49	0.58 62	0.44 31	0.34 162	0.30 5	0.30 35	0.72 13	0.50 14	0.37 6	0.36 3	0.58 65	0.49 80	0.52 11	0.36 52	0.19 111	0.16 181	0.19 70	0.15 47	0.18 61	0.14 19

MIF-Stereo (partial)	0.45 40	0.25 49	0.70 128	0.50 97	0.52 300	0.35 8	0.26 15	0.91 61	0.59 35	0.45 22	0.71 59	0.51 41	0.51 86	1.11 152	0.45 127	0.20 140	0.16 181	0.23 185	0.20 164	0.24 217	0.18 105

CASnet	0.41 20	0.25 49	0.48 18	0.50 97	0.20 2	0.50 55	0.36 76	0.81 36	0.80 94	0.83 102	0.68 49	0.48 29	0.31 10	0.54 15	0.32 16	0.18 73	0.12 12	0.27 275	0.22 231	0.23 202	0.14 19
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Test	0.54 90	0.25 49	0.64 90	0.47 53	0.30 95	0.97 275	0.27 22	1.24 183	0.81 95	0.96 129	1.12 182	1.28 293	0.48 72	0.71 54	0.36 52	0.17 40	0.13 51	0.17 23	0.14 37	0.16 18	0.16 56

GLC_STEREO	0.39 10	0.25 49	0.41 11	0.54 172	0.23 8	0.48 36	0.30 35	0.73 14	0.58 31	0.52 45	0.73 64	0.51 41	0.31 10	0.64 39	0.42 102	0.17 40	0.20 258	0.23 185	0.19 132	0.21 154	0.17 80

RAFT-345	0.84 267	0.25 49	0.66 103	0.50 97	0.27 42	0.54 86	0.42 126	0.83 42	1.11 210	1.32 296	2.34 403	0.86 156	0.54 101	5.72 409	0.47 148	0.18 73	0.13 51	0.22 150	0.17 98	0.17 35	0.16 56

cross-raft	0.54 90	0.25 49	0.61 77	0.52 143	0.29 78	0.68 161	0.37 86	1.46 224	0.76 85	1.01 146	1.06 153	1.28 293	0.46 53	0.71 54	0.35 46	0.15 7	0.12 12	0.18 52	0.16 81	0.19 93	0.14 19

GMM-Stereo	0.74 221	0.25 49	0.59 69	0.54 172	0.34 162	0.72 182	0.99 371	1.01 100	0.87 110	1.36 312	1.78 364	1.12 253	0.81 210	2.09 305	0.46 141	0.18 73	0.12 12	0.25 243	0.25 275	0.20 120	0.85 420

raftrobust	0.52 66	0.25 49	0.56 49	0.65 302	0.52 300	0.49 46	0.34 60	0.98 89	0.91 126	1.30 284	0.87 93	0.63 78	0.81 210	0.78 71	0.41 92	0.19 111	0.15 146	0.16 15	0.14 37	0.15 8	0.16 56

RAFT-Stereo + iAFF	0.54 90	0.25 49	0.68 111	0.43 15	0.24 13	0.40 13	0.34 60	1.04 110	1.09 203	1.32 296	1.60 335	0.80 127	0.68 164	0.67 47	0.39 77	0.13 1	0.10 1	0.18 52	0.17 98	0.17 35	0.13 4

AFF-stereo	0.58 125	0.25 49	0.64 90	0.46 45	0.29 78	0.34 7	0.38 92	1.15 154	1.14 228	1.17 222	1.60 335	1.10 248	0.71 173	0.97 119	0.43 111	0.13 1	0.11 4	0.19 70	0.19 132	0.17 35	0.14 19

H2IRNET	0.56 114	0.26 61	0.66 103	0.47 53	0.35 165	0.41 16	0.26 15	0.92 62	1.17 250	0.61 61	1.28 243	1.08 236	0.86 236	0.99 123	0.63 221	0.19 111	0.16 181	0.22 150	0.25 275	0.21 154	0.18 105

MGS-Stereo	0.42 21	0.26 61	0.58 62	0.44 31	0.28 63	0.50 55	0.34 60	0.57 3	0.83 101	0.46 23	1.31 253	0.52 46	0.33 15	0.65 43	0.36 52	0.19 111	0.16 181	0.18 52	0.15 47	0.17 35	0.16 56

MSKI-zero shot	0.55 105	0.26 61	0.57 58	0.51 124	0.26 26	0.69 166	0.28 26	1.18 162	0.64 45	0.91 118	1.32 259	0.82 136	0.33 15	1.92 288	0.32 16	0.17 40	0.12 12	0.17 23	0.13 19	0.16 18	0.16 56

LoS_RVC	0.42 21	0.26 61	0.40 9	0.44 31	0.82 395	0.51 70	0.44 155	0.64 5	0.41 3	0.44 17	0.78 74	0.44 14	0.47 62	0.56 20	0.36 52	0.13 1	0.12 12	0.14 1	0.10 2	0.13 1	0.84 419

DCRE	0.82 257	0.26 61	0.70 128	0.58 226	0.44 248	0.54 86	0.48 189	0.95 79	0.78 89	0.78 88	7.33 452	0.86 156	0.52 90	0.76 67	0.41 92	0.16 15	0.16 181	0.19 70	0.17 98	0.18 61	0.17 80

DCANet-4	0.54 90	0.26 61	1.07 308	0.42 13	0.24 13	0.48 36	0.36 76	0.99 91	1.30 315	1.10 174	1.02 139	0.56 58	0.75 179	0.73 61	0.52 178	0.16 15	0.13 51	0.17 23	0.13 19	0.15 8	0.19 140

tt	6.58 458	0.26 61	6.10 446	3.77 463	2.16 440	11.55 464	19.63 469	13.33 470	5.74 454	2.96 433	2.65 413	4.97 444	6.33 460	3.81 371	7.24 441	9.15 470	11.32 473	5.89 470	6.24 468	6.03 466	2.55 454

RAFT_CTSACE	0.63 150	0.26 61	0.88 238	0.55 193	0.51 292	0.71 179	0.44 155	0.80 33	0.97 150	0.97 132	1.84 371	1.18 266	0.68 164	1.47 223	0.36 52	0.16 15	0.15 146	0.21 123	0.20 164	0.20 120	0.14 19

GMOStereo	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 143	0.89 54	0.96 142	1.41 327	1.14 190	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 205	0.21 204	0.20 120	0.15 37

error version	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 143	0.89 54	0.96 142	1.41 327	1.14 190	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 205	0.21 204	0.20 120	0.15 37

test-v	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 143	0.89 54	0.96 142	1.41 327	1.14 190	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 205	0.21 204	0.20 120	0.15 37

HHNet	0.62 143	0.26 61	0.63 84	0.43 15	0.45 255	0.50 55	0.58 265	1.07 131	1.01 170	1.25 262	2.23 398	0.70 103	0.61 142	1.07 144	0.47 148	0.20 140	0.13 51	0.23 185	0.19 132	0.19 93	0.30 301

FTStereo	0.91 289	0.26 61	0.56 49	0.54 172	0.33 147	0.66 150	1.87 431	1.00 95	0.75 81	1.75 380	4.15 432	1.04 228	1.65 391	1.57 239	0.46 141	0.19 111	0.16 181	0.23 185	0.21 204	0.18 61	0.63 403

ASMatch	0.88 281	0.26 61	0.69 122	0.51 124	0.35 165	0.48 36	0.37 86	1.12 148	0.92 130	1.10 174	3.28 422	0.96 202	0.98 291	4.90 390	0.49 160	0.19 111	0.16 181	0.22 150	0.19 132	0.19 93	0.27 273

PFNet	0.91 289	0.26 61	1.10 316	0.63 281	0.32 130	0.64 128	0.56 252	1.17 157	0.99 162	1.47 340	1.08 160	0.98 205	0.69 167	6.62 424	0.54 190	0.20 140	0.12 12	0.24 205	0.19 132	0.20 120	0.17 80

GrayStereo	0.82 257	0.26 61	0.58 62	0.63 281	0.37 187	0.76 198	1.86 430	1.11 146	0.87 110	1.99 400	1.89 378	1.08 236	1.82 406	1.39 206	0.48 153	0.19 111	0.14 92	0.19 70	0.21 204	0.18 61	0.39 345

test-2	0.53 75	0.26 61	0.65 97	0.50 97	0.29 78	0.52 74	0.43 143	0.89 54	0.96 142	1.41 327	1.14 190	0.85 152	0.56 112	0.59 25	0.38 70	0.16 15	0.14 92	0.24 205	0.21 204	0.20 120	0.15 37

test-1	0.52 66	0.26 61	1.04 298	0.56 205	0.32 130	0.61 118	0.38 92	1.10 140	0.91 126	0.78 88	1.01 132	0.77 117	0.52 90	0.60 36	0.42 102	0.17 40	0.14 92	0.20 97	0.17 98	0.20 120	0.23 218

iRaftStereo_RVC	0.47 51	0.26 61	0.64 90	0.50 97	0.29 78	0.53 79	0.33 48	1.05 116	0.77 87	0.84 104	1.00 126	0.55 53	0.37 23	0.81 80	0.40 81	0.17 40	0.12 12	0.22 150	0.20 164	0.19 93	0.15 37

raft+_RVC	0.53 75	0.26 61	0.54 43	0.60 250	0.47 270	0.54 86	0.54 229	1.27 187	0.99 162	0.76 82	1.03 147	0.70 103	0.56 112	0.93 110	0.47 148	0.18 73	0.14 92	0.19 70	0.18 112	0.18 61	0.15 37

XX-Stereo	0.63 150	0.26 61	1.90 401	0.81 379	0.67 355	0.43 25	0.23 5	1.03 105	0.58 31	0.65 65	1.56 327	1.41 314	0.39 29	1.28 179	0.35 46	0.20 140	0.14 92	0.20 97	0.19 132	0.18 61	0.14 19

R-Stereo Train	0.57 120	0.26 61	0.63 84	0.54 172	0.36 175	0.69 166	0.54 229	1.22 177	0.72 75	1.61 368	1.50 315	0.75 110	0.53 96	0.64 39	0.44 114	0.18 73	0.15 146	0.17 23	0.15 47	0.17 35	0.17 80

RAFT-Stereo	0.57 120	0.26 61	0.63 84	0.54 172	0.36 175	0.69 166	0.54 229	1.22 177	0.72 75	1.61 368	1.50 315	0.75 110	0.53 96	0.64 39	0.44 114	0.18 73	0.15 146	0.17 23	0.15 47	0.17 35	0.17 80
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
UGAM	1.14 347	0.27 84	0.95 264	0.53 157	0.42 235	0.70 173	0.72 309	0.95 79	1.32 323	0.98 136	1.48 310	1.78 370	0.87 240	9.65 460	0.87 294	0.21 169	0.18 225	0.30 307	0.24 263	0.19 93	0.16 56

testlalala2	0.58 125	0.27 84	0.68 111	1.72 435	1.27 432	0.68 161	0.42 126	0.93 68	0.70 69	0.90 114	0.93 105	0.76 114	0.34 19	0.52 11	0.40 81	0.18 73	0.15 146	0.17 23	0.13 19	0.17 35	0.17 80

AE-Stereo	0.49 61	0.27 84	0.67 108	0.60 250	0.39 214	0.67 154	0.46 175	1.18 162	1.09 203	0.47 25	0.75 68	0.69 99	0.47 62	0.59 25	0.40 81	0.16 15	0.15 146	0.21 123	0.20 164	0.19 93	0.15 37

ff7	0.43 25	0.27 84	0.56 49	0.44 31	0.33 147	0.50 55	0.42 126	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 201	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

ffff	0.43 25	0.27 84	0.56 49	0.44 31	0.33 147	0.50 55	0.42 126	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 201	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

11t	0.43 25	0.27 84	0.56 49	0.44 31	0.33 147	0.50 55	0.42 126	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 201	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

plain	0.46 44	0.27 84	1.01 284	0.50 97	0.40 224	0.35 8	0.37 86	0.87 46	0.56 29	0.43 15	0.76 70	0.42 10	0.40 32	1.13 155	0.45 127	0.21 169	0.15 146	0.24 205	0.19 132	0.24 217	0.16 56

anonymousdsp2	0.53 75	0.27 84	0.74 173	0.48 74	0.29 78	0.76 198	0.47 181	1.61 264	0.82 100	0.77 86	0.77 72	0.75 110	0.47 62	1.03 132	0.40 81	0.18 73	0.13 51	0.18 52	0.13 19	0.19 93	0.18 105

anonymousdsp	0.43 25	0.27 84	0.53 38	0.44 31	0.32 130	0.50 55	0.42 126	0.89 54	0.51 21	0.49 34	0.53 20	0.47 26	0.47 62	1.33 189	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

anonymousa	0.72 202	0.27 84	0.75 176	0.47 53	0.63 345	1.43 352	0.45 169	1.24 183	0.89 117	1.28 271	1.75 361	1.62 349	1.13 332	0.69 48	0.59 204	0.19 111	0.16 181	0.23 185	0.25 275	0.20 120	0.18 105

riskmin	0.56 114	0.27 84	0.60 74	0.43 15	0.31 114	0.83 232	0.42 126	1.14 152	1.04 180	0.73 79	0.75 68	1.11 252	1.01 303	0.81 80	0.51 171	0.20 140	0.14 92	0.24 205	0.15 47	0.24 217	0.25 243

ccc-4	0.43 25	0.27 84	0.56 49	0.44 31	0.33 147	0.50 55	0.42 126	0.87 46	0.50 14	0.49 34	0.53 20	0.44 14	0.48 72	1.38 201	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105

IGEV-Stereo	0.43 25	0.27 84	0.54 43	0.45 41	0.32 130	0.50 55	0.42 126	0.90 60	0.51 21	0.49 34	0.53 20	0.47 26	0.47 62	1.32 187	0.33 25	0.17 40	0.12 12	0.21 123	0.15 47	0.18 61	0.18 105
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IPLG	0.69 189	0.27 84	0.97 271	0.51 124	0.43 242	0.79 215	0.33 48	1.21 170	1.06 187	1.30 284	1.10 169	0.52 46	0.55 108	3.16 358	0.63 221	0.16 15	0.14 92	0.19 70	0.16 81	0.18 61	0.17 80

IPLGR	0.58 125	0.27 84	1.14 326	0.48 74	0.28 63	0.65 142	0.33 48	1.22 177	1.13 226	1.18 227	1.05 151	0.69 99	0.66 163	0.96 113	0.52 178	0.17 40	0.15 146	0.20 97	0.17 98	0.20 120	0.18 105

PSM-AAD	0.79 246	0.27 84	0.53 38	0.55 193	0.28 63	0.77 206	1.24 398	0.99 91	0.91 126	1.66 374	1.57 331	0.81 131	2.19 423	1.65 249	0.44 114	0.19 111	0.14 92	0.38 365	0.32 353	0.21 154	0.70 411

THIR-Stereo	1.02 322	0.27 84	0.69 122	0.49 88	0.28 63	0.95 267	1.34 405	1.03 105	0.97 150	1.34 307	1.90 379	1.17 263	1.58 384	6.44 422	0.78 268	0.19 111	0.14 92	0.21 123	0.22 231	0.19 93	0.20 167

Prome-Stereo	0.75 229	0.27 84	0.53 38	0.55 193	0.32 130	0.59 107	0.97 367	0.89 54	0.88 114	1.45 337	2.46 409	0.91 175	1.41 368	1.58 241	0.44 114	0.18 73	0.13 51	0.19 70	0.17 98	0.20 120	0.92 422

gcap-zeroshot	0.53 75	0.28 102	0.89 244	0.49 88	0.28 63	0.76 198	0.37 86	1.34 198	0.73 79	0.89 112	0.67 46	1.35 307	0.51 86	0.79 75	0.33 25	0.18 73	0.15 146	0.18 52	0.15 47	0.17 35	0.16 56

MyStereo06	0.61 139	0.28 102	0.95 264	0.56 205	0.46 265	0.61 118	0.73 310	1.78 307	0.67 61	1.03 153	1.12 182	1.13 258	0.56 112	0.78 71	0.41 92	0.17 40	0.16 181	0.23 185	0.20 164	0.22 177	0.20 167

MyStereo05	0.66 174	0.28 102	1.07 308	0.56 205	0.46 265	0.61 118	0.73 310	1.34 198	1.41 361	1.15 203	0.91 100	0.77 117	0.80 207	1.41 212	0.63 221	0.17 40	0.16 181	0.23 185	0.20 164	0.22 177	0.20 167

11t1	0.52 66	0.28 102	0.68 111	0.51 124	0.28 63	0.83 232	0.39 104	1.22 177	0.63 41	0.84 104	0.74 66	0.68 94	0.68 164	0.91 103	0.57 199	0.21 169	0.18 225	0.19 70	0.16 81	0.20 120	0.21 183

IGEVStereo-DCA	0.46 44	0.28 102	0.56 49	0.43 15	0.33 147	0.49 46	0.42 126	0.87 46	0.50 14	0.47 25	0.48 13	0.48 29	0.46 53	2.03 299	0.30 7	0.19 111	0.14 92	0.19 70	0.15 47	0.16 18	0.18 105

rrr	0.46 44	0.28 102	0.73 158	0.43 15	0.33 147	0.49 46	0.38 92	0.76 20	0.50 14	0.47 25	0.48 13	0.48 29	0.46 53	2.03 299	0.30 7	0.19 111	0.14 92	0.19 70	0.15 47	0.16 18	0.16 56

testlalala	0.45 40	0.28 102	0.59 69	0.42 13	0.39 214	0.71 179	0.39 104	1.08 136	0.45 6	1.24 257	0.80 83	0.61 75	0.36 22	0.54 15	0.33 25	0.20 140	0.13 51	0.18 52	0.12 13	0.15 8	0.15 37

SPstereo	0.40 15	0.28 102	0.68 111	0.47 53	0.25 23	0.53 79	0.32 44	0.82 39	0.58 31	0.65 65	0.69 53	0.58 65	0.42 37	0.47 6	0.29 4	0.17 40	0.14 92	0.17 23	0.13 19	0.17 35	0.14 19

Selective-RAFT	0.52 66	0.28 102	0.79 201	0.55 193	0.27 42	0.91 251	0.33 48	0.80 33	0.88 114	0.58 52	0.63 40	0.81 131	0.77 191	1.29 182	0.48 153	0.19 111	0.14 92	0.17 23	0.15 47	0.19 93	0.17 80

ProNet	0.43 25	0.28 102	0.58 62	0.43 15	0.30 95	0.56 95	0.52 216	1.00 95	0.58 31	0.44 17	0.49 16	0.43 12	0.43 41	1.28 179	0.36 52	0.15 7	0.13 51	0.19 70	0.16 81	0.17 35	0.16 56

TestStereo1	0.63 150	0.28 102	0.75 176	0.76 366	0.31 114	0.48 36	0.43 143	1.30 191	1.21 273	0.97 132	1.31 253	0.64 81	0.77 191	1.75 267	0.42 102	0.20 140	0.15 146	0.22 150	0.18 112	0.21 154	0.17 80

DisPM	0.66 174	0.28 102	0.72 146	0.61 262	0.35 165	0.62 124	0.45 169	1.02 101	0.99 162	1.56 361	1.10 169	0.80 127	0.59 131	2.37 328	0.41 92	0.23 218	0.14 92	0.23 185	0.21 204	0.20 120	0.25 243

SA-5K	0.63 150	0.28 102	0.75 176	0.76 366	0.31 114	0.48 36	0.43 143	1.30 191	1.21 273	0.97 132	1.31 253	0.64 81	0.77 191	1.75 267	0.42 102	0.20 140	0.15 146	0.22 150	0.18 112	0.21 154	0.17 80

MIPNet	0.56 114	0.28 102	0.94 261	0.49 88	0.33 147	0.66 150	0.38 92	1.35 200	1.08 197	1.06 157	0.92 102	0.60 71	0.79 201	0.73 61	0.52 178	0.17 40	0.14 92	0.19 70	0.16 81	0.18 61	0.17 80

PFNet+	0.59 130	0.28 102	0.77 191	0.53 157	0.30 95	0.59 107	0.31 40	0.92 62	1.14 228	1.33 304	1.10 169	0.79 125	0.57 121	1.31 184	0.49 160	0.25 256	0.17 208	0.28 288	0.26 292	0.21 154	0.25 243

LCNet	0.72 202	0.28 102	0.52 35	0.55 193	0.31 114	0.69 166	0.54 229	1.00 95	0.88 114	1.19 231	1.34 268	0.97 204	1.34 365	2.56 336	0.45 127	0.18 73	0.13 51	0.21 123	0.25 275	0.27 253	0.73 414

AAGNet	1.83 404	0.28 102	0.72 146	0.61 262	0.32 130	0.67 154	0.51 206	0.96 86	0.98 155	1.47 340	1.20 214	1.00 212	1.18 338	2.83 345	22.77 472	0.22 193	0.13 51	0.22 150	0.19 132	0.23 202	0.15 37

STrans-v2	1.04 326	0.28 102	0.96 269	0.49 88	0.32 130	0.68 161	0.79 326	2.47 426	1.12 214	1.12 181	1.46 304	1.40 312	1.46 374	6.70 429	0.43 111	0.18 73	0.13 51	0.20 97	0.18 112	0.18 61	0.18 105

TransformOpticalFlow	0.96 300	0.28 102	0.89 244	0.52 143	0.31 114	0.66 150	0.54 229	1.75 293	1.12 214	1.09 166	1.44 297	1.37 311	1.01 303	6.70 429	0.42 102	0.19 111	0.12 12	0.20 97	0.19 132	0.18 61	0.19 140

KYRaft	0.75 229	0.28 102	0.62 81	0.56 205	0.29 78	0.67 154	0.86 344	0.94 75	0.84 104	1.62 371	2.21 397	1.16 262	1.02 308	1.57 239	0.40 81	0.20 140	0.13 51	0.22 150	0.28 321	0.20 120	1.02 426

SST-Stereo	0.83 262	0.28 102	0.72 146	0.59 239	0.31 114	0.72 182	0.26 15	1.09 138	0.86 106	1.47 340	1.10 169	1.00 212	0.87 240	5.73 410	0.45 127	0.22 193	0.13 51	0.23 185	0.19 132	0.23 202	0.18 105

RAFT_R40	0.83 262	0.28 102	0.73 158	0.59 239	0.31 114	0.69 166	0.44 155	1.10 140	0.95 137	1.47 340	1.10 169	1.00 212	0.85 228	5.53 404	0.46 141	0.22 193	0.13 51	0.23 185	0.20 164	0.23 202	0.18 105

IRAFT_RVC	0.88 281	0.28 102	0.76 186	0.63 281	0.31 114	0.65 142	1.02 376	1.22 177	0.94 135	1.22 243	1.04 150	1.01 219	0.98 291	5.82 412	0.53 185	0.22 193	0.12 12	0.25 243	0.20 164	0.20 120	0.19 140

test_xeample3	0.42 21	0.28 102	0.69 122	0.43 15	0.33 147	0.56 95	0.38 92	0.79 27	0.45 6	0.53 46	0.46 11	0.44 14	0.44 46	1.38 201	0.31 14	0.18 73	0.14 92	0.19 70	0.15 47	0.17 35	0.16 56

xxxx	1.51 383	0.28 102	0.68 111	0.54 172	0.28 63	1.16 312	0.44 155	2.19 401	1.29 309	1.09 166	1.36 275	1.22 271	0.85 228	1.79 275	15.70 465	0.24 233	0.21 279	0.21 123	0.20 164	0.22 177	0.23 218

test_xeample	1.45 379	0.28 102	0.65 97	0.51 124	0.28 63	0.94 263	0.59 273	2.14 388	1.29 309	1.24 257	1.51 317	0.88 164	0.86 236	1.46 219	15.10 462	0.22 193	0.20 258	0.22 150	0.20 164	0.22 177	0.22 200

EAI-Stereo	0.65 167	0.28 102	0.69 122	0.53 157	0.27 42	0.60 114	0.40 110	2.28 411	0.64 45	0.71 73	3.18 421	0.57 60	0.43 41	1.06 140	0.41 92	0.18 73	0.13 51	0.17 23	0.17 98	0.17 35	0.17 80

SFCPSM	0.70 193	0.28 102	1.02 291	0.51 124	0.38 204	1.37 342	0.66 292	2.00 364	1.03 176	1.17 222	1.21 216	0.82 136	0.78 197	1.03 132	0.53 185	0.21 169	0.17 208	0.22 150	0.24 263	0.21 154	0.19 140

FENet	0.60 133	0.28 102	0.63 84	0.54 172	0.33 147	0.83 232	0.38 92	1.27 187	1.07 192	1.00 143	0.86 90	0.99 211	0.85 228	0.96 113	0.68 236	0.22 193	0.15 146	0.23 185	0.20 164	0.22 177	0.23 218

GANet-RSSM	0.72 202	0.28 102	0.63 84	0.64 290	0.58 326	0.80 221	0.58 265	1.89 338	1.08 197	1.04 156	1.25 228	1.15 261	1.04 311	1.49 225	0.62 217	0.25 256	0.19 241	0.22 150	0.22 231	0.22 177	0.21 183

model_zeroshot	0.48 57	0.29 132	0.86 220	0.51 124	0.36 175	0.69 166	0.37 86	1.12 148	0.62 38	0.85 108	0.84 87	0.66 89	0.37 23	0.73 61	0.34 39	0.20 140	0.16 181	0.19 70	0.16 81	0.17 35	0.16 56

test_sample2	0.62 143	0.29 132	0.74 173	0.50 97	0.28 63	0.80 221	0.61 278	1.61 264	1.00 167	0.88 111	0.99 122	0.94 189	0.83 222	1.16 159	0.51 171	0.23 218	0.18 225	0.22 150	0.21 204	0.23 202	0.22 200

test_sample1	0.61 139	0.29 132	0.75 176	0.50 97	0.31 114	0.76 198	0.48 189	1.59 257	0.84 104	0.90 114	0.94 108	0.88 164	0.95 277	1.16 159	0.67 232	0.22 193	0.18 225	0.20 97	0.19 132	0.21 154	0.21 183

MyStereo8	0.65 167	0.29 132	1.00 280	0.58 226	0.49 274	0.91 251	0.35 64	1.18 162	1.31 319	1.16 213	1.27 238	0.90 173	0.64 156	0.72 57	0.95 303	0.18 73	0.14 92	0.20 97	0.18 112	0.22 177	0.26 264

MyStereo07	0.48 57	0.29 132	0.50 24	0.55 193	0.45 255	0.59 107	0.79 326	1.05 116	0.51 21	0.48 29	0.53 20	0.43 12	0.55 108	1.30 183	0.34 39	0.17 40	0.16 181	0.24 205	0.20 164	0.23 202	0.20 167

MyStereo04	0.67 183	0.29 132	1.07 308	0.55 193	0.45 255	0.59 107	0.79 326	1.50 233	1.40 358	0.91 118	0.91 100	0.74 108	0.86 236	1.52 228	0.62 217	0.17 40	0.16 181	0.24 205	0.20 164	0.23 202	0.20 167

CoDeX	0.73 218	0.29 132	0.93 257	0.54 172	0.36 175	1.14 305	0.61 278	2.34 416	1.17 250	1.16 213	1.25 228	0.91 175	0.87 240	1.33 189	0.64 225	0.20 140	0.16 181	0.21 123	0.18 112	0.20 120	0.18 105

1111x	1.70 399	0.29 132	0.86 220	0.51 124	0.27 42	1.01 283	0.68 298	2.22 405	1.28 305	1.13 195	1.40 287	1.21 269	1.10 326	5.53 404	15.20 463	0.22 193	0.21 279	0.22 150	0.22 231	0.24 217	0.22 200

knoymous	0.51 65	0.29 132	0.47 16	0.43 15	0.30 95	0.55 92	0.55 244	1.02 101	0.77 87	0.98 136	0.85 89	0.94 189	0.56 112	0.85 90	0.45 127	0.20 140	0.14 92	0.26 262	0.14 37	0.23 202	0.23 218

RAFT+CT+SA	0.58 125	0.29 132	0.60 74	0.66 309	0.37 187	0.42 20	0.55 244	1.27 187	1.03 176	0.70 71	1.22 218	0.60 71	0.70 170	1.64 248	0.41 92	0.18 73	0.13 51	0.22 150	0.22 231	0.21 154	0.18 105

Sa-1000	0.72 202	0.29 132	0.76 186	0.59 239	0.30 95	0.73 185	0.37 86	1.62 268	1.33 327	1.28 271	2.04 389	0.86 156	0.75 179	1.84 279	0.38 70	0.19 111	0.14 92	0.25 243	0.23 252	0.20 120	0.16 56

iRaft-Stereo_5w	0.85 271	0.29 132	0.91 251	0.53 157	0.43 242	0.49 46	0.68 298	0.99 91	0.87 110	0.79 91	1.34 268	1.46 324	0.91 255	5.11 393	1.11 326	0.17 40	0.14 92	0.22 150	0.18 112	0.20 120	0.20 167

NRIStereo	0.60 133	0.29 132	0.69 122	0.53 157	0.28 63	0.63 125	0.33 48	1.08 136	0.87 110	1.14 197	0.87 93	0.91 175	0.59 131	2.24 317	0.49 160	0.20 140	0.14 92	0.21 123	0.19 132	0.21 154	0.17 80

Pruner-Stereo	0.62 143	0.29 132	0.70 128	0.61 262	0.31 114	0.63 125	0.43 143	1.17 157	0.99 162	1.53 353	1.08 160	0.95 196	0.55 108	1.35 193	0.51 171	0.23 218	0.14 92	0.24 205	0.21 204	0.21 154	0.23 218

DeepStereo_RVC	0.55 105	0.29 132	0.72 146	0.51 124	0.30 95	0.59 107	0.33 48	1.03 105	0.70 69	1.16 213	0.93 105	0.83 143	0.94 272	0.96 113	0.54 190	0.21 169	0.14 92	0.21 123	0.19 132	0.24 217	0.24 231

rafts_anoy	0.52 66	0.29 132	0.59 69	0.59 239	0.50 281	0.53 79	0.40 110	1.11 146	1.03 176	0.84 104	0.83 85	0.68 94	0.54 101	0.72 57	0.51 171	0.19 111	0.14 92	0.24 205	0.26 292	0.21 154	0.18 105

222	1.61 391	0.29 132	0.67 108	0.56 205	0.29 78	1.06 294	0.42 126	2.17 399	1.31 319	1.31 294	1.52 318	0.92 184	0.94 272	1.76 272	17.65 466	0.24 233	0.20 258	0.21 123	0.19 132	0.22 177	0.23 218

ac_64	0.82 257	0.29 132	0.81 207	0.71 347	0.60 336	1.05 291	0.54 229	1.99 363	0.92 130	1.18 227	1.06 153	1.99 389	1.08 322	1.94 292	0.97 308	0.27 290	0.22 297	0.24 205	0.23 252	0.22 177	0.19 140

HSM-Net_RVC	0.87 280	0.29 132	0.53 38	0.53 157	0.30 95	1.15 310	0.55 244	3.57 442	1.28 305	1.53 353	1.74 358	1.68 359	0.93 267	1.49 225	0.77 266	0.22 193	0.17 208	0.19 70	0.18 112	0.20 120	0.19 140
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
UGAM-zero	1.00 316	0.30 151	0.93 257	0.47 53	0.30 95	0.57 100	0.25 8	2.25 408	0.63 41	1.01 146	1.10 169	2.73 421	1.85 407	6.26 418	0.40 81	0.17 40	0.14 92	0.19 70	0.15 47	0.16 18	0.17 80

DispNO	0.93 294	0.30 151	1.34 357	0.55 193	0.55 312	0.89 246	0.49 198	1.48 227	1.21 273	1.17 222	1.27 238	1.19 267	0.90 252	5.23 395	0.74 252	0.22 193	0.17 208	0.24 205	0.21 204	0.19 93	0.20 167

SMFormer	0.75 229	0.30 151	0.86 220	0.46 45	0.26 26	0.82 227	0.43 143	2.05 373	1.39 353	1.23 249	1.47 305	0.98 205	0.95 277	1.71 262	0.82 283	0.24 233	0.20 258	0.22 150	0.21 204	0.23 202	0.24 231

tta	0.75 229	0.30 151	0.86 220	0.46 45	0.26 26	0.82 227	0.43 143	2.05 373	1.39 353	1.23 249	1.47 305	0.98 205	0.95 277	1.71 262	0.82 283	0.24 233	0.20 258	0.22 150	0.21 204	0.18 61	0.18 105

qqq1	0.72 202	0.30 151	0.86 220	0.46 45	0.26 26	0.82 227	0.43 143	2.05 373	1.39 353	1.23 249	1.47 305	0.98 205	0.95 277	1.71 262	0.44 114	0.24 233	0.20 258	0.18 52	0.15 47	0.18 61	0.18 105

fff1	0.72 202	0.30 151	0.86 220	0.46 45	0.26 26	0.82 227	0.43 143	2.05 373	1.39 353	1.23 249	1.47 305	0.98 205	0.95 277	1.71 262	0.44 114	0.24 233	0.20 258	0.18 52	0.15 47	0.18 61	0.18 105

IGEV_Zeroshot_test	0.53 75	0.30 151	0.99 275	0.56 205	0.35 165	0.41 16	0.32 44	1.37 203	0.63 41	1.00 143	1.09 165	0.95 196	0.41 34	0.83 85	0.39 77	0.18 73	0.12 12	0.19 70	0.18 112	0.19 93	0.17 80

EKT-Stereo	0.53 75	0.30 151	0.73 158	0.58 226	0.60 336	0.51 70	0.48 189	0.94 75	0.90 121	0.71 73	0.88 95	0.77 117	0.43 41	1.07 144	0.40 81	0.22 193	0.16 181	0.21 123	0.18 112	0.20 120	0.22 200

HH	0.63 150	0.30 151	0.77 191	0.50 97	0.32 130	0.49 46	0.46 175	1.65 272	0.64 45	0.69 69	1.09 165	1.63 351	0.85 228	1.90 286	0.37 60	0.18 73	0.13 51	0.19 70	0.17 98	0.19 93	0.16 56

HanStereo	0.63 150	0.30 151	0.77 191	0.50 97	0.32 130	0.49 46	0.46 175	1.65 272	0.64 45	0.69 69	1.09 165	1.63 351	0.85 228	1.90 286	0.37 60	0.18 73	0.13 51	0.19 70	0.17 98	0.19 93	0.16 56

raft_robust	0.68 187	0.30 151	0.64 90	0.52 143	0.26 26	0.54 86	0.35 64	1.33 193	1.24 286	1.16 213	1.07 156	0.60 71	0.54 101	3.58 370	0.37 60	0.18 73	0.14 92	0.20 97	0.22 231	0.20 120	0.16 56

test_5	0.65 167	0.30 151	0.75 176	0.67 321	0.50 281	0.92 258	0.52 216	1.39 209	1.12 214	0.76 82	1.11 175	1.00 212	0.90 252	1.53 232	0.45 127	0.18 73	0.13 51	0.23 185	0.22 231	0.21 154	0.19 140

SA	0.66 174	0.30 151	0.82 210	0.61 262	0.30 95	0.58 102	0.38 92	1.44 221	1.30 315	0.96 129	1.36 275	0.66 89	0.95 277	1.85 282	0.42 102	0.19 111	0.15 146	0.25 243	0.23 252	0.21 154	0.17 80

Patchmatch Stereo++	0.55 105	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.29 30	1.05 116	0.64 45	1.12 181	0.96 111	0.83 143	0.60 134	1.37 197	0.45 127	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105
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	0.80 249	0.30 151	0.75 176	0.60 250	0.31 114	0.64 128	0.44 155	1.21 170	0.90 121	1.29 276	1.02 139	0.82 136	0.57 121	5.40 402	0.48 153	0.23 218	0.14 92	0.24 205	0.20 164	0.20 120	0.30 301

OCTAStereo	0.80 249	0.30 151	0.75 176	0.60 250	0.31 114	0.64 128	0.44 155	1.21 170	0.90 121	1.29 276	1.01 132	0.82 136	0.57 121	5.35 397	0.48 153	0.24 233	0.14 92	0.24 205	0.20 164	0.20 120	0.30 301

PSM-adaLoss	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.41 123	1.04 110	0.64 45	1.12 181	0.96 111	0.82 136	0.61 142	1.06 140	0.45 127	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

ROB_FTStereo_v2	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.64 128	0.42 126	1.05 116	0.64 45	1.12 181	0.96 111	0.83 143	0.60 134	1.12 154	0.46 141	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

ROB_FTStereo	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.64 128	0.25 8	1.05 116	0.64 45	1.12 181	0.95 109	0.82 136	0.61 142	1.15 157	0.45 127	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

HUI-Stereo	0.52 66	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.30 35	1.04 110	0.64 45	1.12 181	0.96 111	0.83 143	0.60 134	0.79 75	0.45 127	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

RE-Stereo	0.80 249	0.30 151	0.75 176	0.60 250	0.31 114	0.64 128	0.44 155	1.21 170	0.90 121	1.29 276	1.01 132	0.81 131	0.57 121	5.37 400	0.48 153	0.24 233	0.14 92	0.24 205	0.20 164	0.20 120	0.30 301

TVStereo	0.80 249	0.30 151	0.75 176	0.60 250	0.31 114	0.64 128	0.44 155	1.21 170	0.90 121	1.29 276	1.01 132	0.81 131	0.57 121	5.37 400	0.48 153	0.24 233	0.14 92	0.24 205	0.20 164	0.20 120	0.30 301

iGMRVC	0.56 114	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.38 92	1.05 116	0.64 45	1.12 181	0.96 111	0.83 143	0.60 134	1.52 228	0.46 141	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

iRAFT	0.55 105	0.30 151	0.73 158	0.50 97	0.27 42	0.65 142	0.29 30	1.05 116	0.64 45	1.12 181	0.96 111	0.83 143	0.60 134	1.37 197	0.45 127	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

CRE-IMP	0.55 105	0.30 151	0.74 173	0.52 143	0.29 78	0.79 215	0.25 8	1.04 110	0.72 75	1.09 166	0.95 109	0.81 131	0.57 121	1.10 149	0.50 166	0.21 169	0.14 92	0.23 185	0.19 132	0.28 270	0.22 200

RAFT	0.64 161	0.30 151	0.73 158	0.59 239	0.33 147	0.68 161	0.58 265	1.04 110	0.76 85	1.08 160	1.19 211	1.65 356	0.93 267	1.06 140	0.56 196	0.21 169	0.18 225	0.27 275	0.24 263	0.22 177	0.17 80

RAFT-IKP	0.54 90	0.30 151	0.73 158	0.50 97	0.27 42	0.59 107	0.36 76	1.04 110	0.64 45	1.12 181	0.96 111	0.83 143	0.61 142	1.22 168	0.45 127	0.22 193	0.14 92	0.24 205	0.20 164	0.26 239	0.18 105

RALCasStereoNet	0.54 90	0.30 151	0.66 103	0.59 239	0.51 292	0.61 118	0.52 216	0.94 75	0.93 132	0.70 71	1.01 132	0.78 121	0.44 46	1.33 189	0.47 148	0.20 140	0.16 181	0.18 52	0.16 81	0.20 120	0.19 140

cf-r	0.73 218	0.30 151	0.77 191	0.55 193	0.63 345	0.78 211	0.48 189	1.79 312	1.15 239	1.13 195	1.26 235	1.43 316	0.87 240	1.40 211	0.85 291	0.25 256	0.18 225	0.22 150	0.23 252	0.19 93	0.19 140

PSMNet-RSSM	0.72 202	0.30 151	0.61 77	0.63 281	0.42 235	0.73 185	0.56 252	1.92 348	1.10 208	1.09 166	1.37 277	1.22 271	0.98 291	1.28 179	0.72 248	0.27 290	0.19 241	0.27 275	0.29 332	0.24 217	0.24 231

DIP-Stereo	0.62 143	0.30 151	0.83 212	0.48 74	0.36 175	0.95 267	0.33 48	2.37 419	0.67 61	1.25 262	1.00 126	0.68 94	0.51 86	0.91 103	0.61 214	0.18 73	0.15 146	0.21 123	0.17 98	0.19 93	0.19 140
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RASNet	1.12 342	0.30 151	0.91 251	0.66 309	0.77 382	0.97 275	0.57 262	1.37 203	1.35 338	1.02 150	1.34 268	2.11 398	1.43 370	7.09 434	1.39 360	0.19 111	0.17 208	0.17 23	0.19 132	0.18 61	0.16 56

iResNet_ROB	0.77 236	0.30 151	0.99 275	0.57 220	0.36 175	0.83 232	0.36 76	2.33 414	1.58 383	1.27 269	1.30 247	1.25 282	0.84 225	1.65 249	0.79 274	0.20 140	0.14 92	0.17 23	0.12 13	0.18 61	0.27 273

GCAP-BAT	0.49 61	0.31 184	0.64 90	0.41 8	0.46 265	0.70 173	0.35 64	0.77 21	0.64 45	0.86 110	1.00 126	0.77 117	0.37 23	1.18 163	0.36 52	0.18 73	0.14 92	0.18 52	0.13 19	0.17 35	0.15 37

CAS++	0.47 51	0.31 184	0.56 49	0.47 53	0.32 130	0.42 20	0.28 26	1.76 299	0.72 75	0.71 73	0.72 62	0.37 8	0.28 4	0.69 48	0.33 25	0.27 290	0.22 297	0.26 262	0.21 204	0.29 279	0.19 140
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
ACVNet-DCA	0.56 114	0.31 184	0.50 24	0.54 172	0.26 26	1.18 315	0.51 206	1.42 214	0.78 89	0.58 52	0.79 78	0.48 29	0.88 245	1.46 219	0.32 16	0.20 140	0.12 12	0.25 243	0.15 47	0.22 177	0.21 183

xx1	0.67 183	0.31 184	0.50 24	0.54 172	0.26 26	1.18 315	0.51 206	0.93 68	3.05 436	0.58 52	0.79 78	0.95 196	0.77 191	1.46 219	0.32 16	0.20 140	0.12 12	0.24 205	0.23 252	0.22 177	0.21 183

1test111	0.54 90	0.31 184	0.50 24	0.54 172	0.26 26	1.18 315	0.51 206	1.42 214	0.78 89	0.58 52	0.79 78	0.48 29	0.88 245	0.88 95	0.59 204	0.20 140	0.12 12	0.25 243	0.15 47	0.22 177	0.21 183

cc1	0.64 161	0.31 184	0.50 24	0.54 172	0.26 26	1.18 315	0.51 206	0.93 68	3.05 436	0.58 52	0.79 78	0.48 29	0.88 245	1.46 219	0.32 16	0.20 140	0.12 12	0.25 243	0.15 47	0.19 93	0.19 140

x	0.54 90	0.31 184	0.61 77	0.47 53	0.30 95	0.67 154	0.47 181	1.53 247	0.79 93	0.81 97	0.83 85	0.78 121	0.70 170	0.70 51	0.62 217	0.21 169	0.19 241	0.22 150	0.19 132	0.21 154	0.20 167

IER	0.70 193	0.31 184	1.02 291	0.48 74	0.52 300	1.34 339	0.51 206	1.17 157	0.99 162	1.23 249	1.34 268	1.12 253	1.11 327	0.99 123	0.71 245	0.20 140	0.16 181	0.21 123	0.21 204	0.20 120	0.19 140

iRaft-Stereo_20w	0.65 167	0.31 184	1.00 280	0.47 53	0.34 162	0.73 185	0.30 35	2.96 434	0.70 69	1.15 203	1.14 190	0.76 114	0.65 161	1.11 152	0.38 70	0.17 40	0.13 51	0.18 52	0.16 81	0.19 93	0.18 105

GwcNet-ADL	0.64 161	0.31 184	0.79 201	0.56 205	0.41 231	0.60 114	0.58 265	1.41 212	1.26 294	1.08 160	1.13 187	0.91 175	0.60 134	1.04 138	0.78 268	0.27 290	0.18 225	0.18 52	0.18 112	0.25 228	0.29 289

IIG-Stereo	0.96 300	0.31 184	0.72 146	0.88 401	0.33 147	0.61 118	0.26 15	1.19 168	1.03 176	1.69 376	1.37 277	1.46 324	0.75 179	6.96 433	0.51 171	0.19 111	0.14 92	0.23 185	0.18 112	0.20 120	0.14 19

PSM-softLoss	0.78 243	0.31 184	0.77 191	0.58 226	0.32 130	0.56 95	0.40 110	1.18 162	0.70 69	1.24 257	1.07 156	0.83 143	0.52 90	5.36 398	0.53 185	0.24 233	0.15 146	0.25 243	0.22 231	0.20 120	0.25 243

KMStereo	0.78 243	0.31 184	0.77 191	0.58 226	0.32 130	0.56 95	0.40 110	1.18 162	0.70 69	1.24 257	1.07 156	0.83 143	0.52 90	5.36 398	0.53 185	0.24 233	0.15 146	0.25 243	0.22 231	0.20 120	0.25 243

CroCo-Stereo	0.40 15	0.31 184	0.73 158	0.58 226	0.27 42	0.26 2	0.33 48	0.95 79	0.81 95	0.42 12	0.47 12	0.65 84	0.47 62	0.39 3	0.34 39	0.18 73	0.15 146	0.16 15	0.14 37	0.19 93	0.16 56
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
ACVNet	0.63 150	0.31 184	0.54 43	0.54 172	0.36 175	0.80 221	0.46 175	1.37 203	1.07 192	0.93 121	1.30 247	1.08 236	0.85 228	0.80 77	0.94 301	0.21 169	0.19 241	0.21 123	0.18 112	0.22 177	0.18 105

acv_ft	0.75 229	0.31 184	0.95 264	0.70 340	0.86 400	1.24 325	0.53 224	1.44 221	1.07 192	1.24 257	1.30 247	1.08 236	0.92 258	0.80 77	1.34 352	0.21 169	0.19 241	0.21 123	0.18 112	0.21 154	0.18 105

rvit_stereo_0080	0.44 33	0.32 200	0.71 140	0.47 53	0.36 175	0.42 20	0.55 244	0.82 39	0.68 64	0.50 41	0.60 35	0.55 53	0.47 62	0.59 25	0.44 114	0.26 276	0.21 279	0.20 97	0.20 164	0.31 298	0.19 140

test_sample3	0.68 187	0.32 200	0.88 238	0.52 143	0.30 95	0.97 275	0.52 216	1.86 331	1.15 239	1.08 160	1.11 175	0.88 164	0.71 173	1.17 162	0.68 236	0.25 256	0.20 258	0.25 243	0.25 275	0.25 228	0.25 243

tt1	0.62 143	0.32 200	0.51 30	0.54 172	0.26 26	1.16 312	0.48 189	0.95 79	2.47 424	0.57 51	0.77 72	0.49 36	0.81 210	1.55 236	0.32 16	0.20 140	0.12 12	0.24 205	0.15 47	0.19 93	0.20 167

whm_eth	0.44 33	0.32 200	0.71 140	0.47 53	0.36 175	0.42 20	0.55 244	0.82 39	0.68 64	0.50 41	0.60 35	0.55 53	0.47 62	0.59 25	0.44 114	0.26 276	0.21 279	0.20 97	0.20 164	0.31 298	0.19 140

PCWNet_CMD	0.66 174	0.32 200	0.88 238	0.49 88	0.37 187	0.78 211	0.40 110	1.42 214	1.31 319	1.16 213	1.31 253	1.25 282	0.62 147	0.89 101	0.57 199	0.20 140	0.16 181	0.27 275	0.19 132	0.40 343	0.25 243

BUS	0.74 221	0.32 200	0.68 111	0.54 172	0.44 248	2.34 415	0.42 126	2.16 393	0.98 155	1.20 235	1.11 175	1.03 225	0.62 147	0.91 103	0.70 240	0.24 233	0.17 208	0.25 243	0.22 231	0.22 177	0.22 200

BSDual-CNN	0.71 200	0.32 200	0.68 111	0.54 172	0.44 248	1.27 329	0.65 287	2.16 393	0.98 155	1.20 235	1.11 175	1.12 253	0.74 177	0.91 103	0.66 229	0.24 233	0.17 208	0.25 243	0.22 231	0.22 177	0.22 200

hknet	0.77 236	0.32 200	0.95 264	0.54 172	0.38 204	1.27 329	0.65 287	2.16 393	1.07 192	1.20 235	1.11 175	1.59 345	0.81 210	1.37 197	0.66 229	0.22 193	0.17 208	0.25 243	0.22 231	0.22 177	0.22 200

psmg	0.72 202	0.32 200	0.68 111	0.50 97	0.44 248	1.48 355	0.75 315	1.94 354	0.98 155	1.21 238	1.33 261	1.12 253	0.74 177	0.91 103	0.66 229	0.24 233	0.19 241	0.25 243	0.25 275	0.23 202	0.22 200

CFNet_pseudo	0.66 174	0.32 200	0.86 220	0.48 74	0.39 214	0.70 173	0.40 110	1.33 193	1.22 279	1.16 213	1.34 268	1.24 278	0.64 156	0.98 120	0.59 204	0.21 169	0.16 181	0.33 333	0.19 132	0.36 322	0.25 243

MMNet	0.84 267	0.32 200	1.09 313	0.60 250	0.59 333	1.85 391	0.49 198	1.51 239	1.27 300	1.37 314	1.15 196	1.26 286	1.18 338	1.67 254	1.22 337	0.19 111	0.18 225	0.23 185	0.22 231	0.25 228	0.21 183

delet	0.85 271	0.32 200	0.95 264	0.65 302	0.66 352	1.64 370	0.84 338	1.75 293	1.35 338	1.32 296	1.30 247	1.30 297	0.88 245	1.68 259	1.10 324	0.21 169	0.21 279	0.24 205	0.24 263	0.21 154	0.21 183

UPFNet	0.80 249	0.32 200	0.90 248	0.59 239	0.74 372	1.26 328	0.80 332	1.52 241	1.10 208	1.30 284	1.12 182	1.30 297	0.84 225	1.67 254	1.09 321	0.24 233	0.24 314	0.24 205	0.23 252	0.25 228	0.18 105

GwcNet-RSSM	0.77 236	0.32 200	1.01 284	0.62 273	0.54 306	0.78 211	0.51 206	1.73 287	1.20 267	1.09 166	1.37 277	1.46 324	0.85 228	1.53 232	1.09 321	0.25 256	0.18 225	0.23 185	0.24 263	0.20 120	0.19 140

CFNet-ft	0.72 202	0.32 200	0.54 43	0.66 309	0.54 306	0.83 232	0.55 244	1.37 203	1.15 239	0.93 121	1.28 243	1.57 341	0.97 287	1.35 193	0.81 278	0.26 276	0.20 258	0.33 333	0.25 275	0.30 290	0.23 218

MSMDNet	0.66 174	0.32 200	0.87 231	0.49 88	0.37 187	0.79 215	0.40 110	1.43 220	1.31 319	1.15 203	1.31 253	1.24 278	0.63 152	0.88 95	0.57 199	0.21 169	0.16 181	0.26 262	0.19 132	0.39 339	0.24 231

CFNet_RVC	0.72 202	0.32 200	0.54 43	0.66 309	0.54 306	0.83 232	0.55 244	1.37 203	1.15 239	0.93 121	1.28 243	1.57 341	0.97 287	1.35 193	0.81 278	0.26 276	0.20 258	0.33 333	0.25 275	0.30 290	0.23 218

HSM	1.19 355	0.32 200	0.65 97	0.57 220	0.38 204	1.23 324	0.59 273	2.25 408	1.19 262	1.30 284	1.25 228	1.94 384	1.03 310	9.32 455	0.71 245	0.22 193	0.16 181	0.20 97	0.16 81	0.21 154	0.21 183

DN-CSS_ROB	0.64 161	0.32 200	1.05 299	0.55 193	0.40 224	0.54 86	0.45 169	1.21 170	0.93 132	1.03 153	1.47 305	0.69 99	0.63 152	1.76 272	0.49 160	0.18 73	0.14 92	0.25 243	0.22 231	0.22 177	0.20 167

rvit_stereo_0083	0.47 51	0.33 219	0.81 207	0.56 205	0.36 175	0.50 55	0.44 155	0.68 9	0.95 137	0.49 34	0.57 33	0.55 53	0.49 80	0.88 95	0.46 141	0.25 256	0.25 321	0.24 205	0.20 164	0.24 217	0.17 80

rvit_stereo_0081	0.44 33	0.33 219	0.64 90	0.54 172	0.35 165	0.41 16	0.44 155	0.66 7	0.95 137	0.48 29	0.52 18	0.50 39	0.46 53	0.82 83	0.44 114	0.25 256	0.20 258	0.22 150	0.19 132	0.25 228	0.17 80

rvit_stereo_0082	0.44 33	0.33 219	0.64 90	0.54 172	0.35 165	0.41 16	0.44 155	0.66 7	0.95 137	0.48 29	0.52 18	0.50 39	0.46 53	0.82 83	0.44 114	0.25 256	0.20 258	0.22 150	0.19 132	0.25 228	0.17 80

test_sample4	0.69 189	0.33 219	0.91 251	0.51 124	0.30 95	0.92 258	0.52 216	1.87 333	1.15 239	1.14 197	1.18 204	0.87 160	0.75 179	1.18 163	0.68 236	0.25 256	0.20 258	0.26 262	0.26 292	0.26 239	0.25 243

ffm	0.72 202	0.33 219	0.85 214	0.53 157	0.37 187	0.74 188	0.56 252	0.95 79	2.47 424	1.15 203	1.45 299	1.06 230	0.82 214	1.55 236	0.32 16	0.20 140	0.12 12	0.31 313	0.27 302	0.19 93	0.20 167

ff1	1.37 372	0.33 219	0.85 214	0.53 157	0.37 187	0.74 188	0.56 252	0.95 79	2.47 424	1.15 203	1.45 299	1.06 230	0.82 214	7.22 435	7.61 443	0.20 140	0.12 12	0.31 313	0.27 302	0.19 93	0.20 167

mmx	1.39 374	0.33 219	0.85 214	0.53 157	0.37 187	0.74 188	0.56 252	2.13 384	1.37 345	1.15 203	1.45 299	1.06 230	0.82 214	7.22 435	7.61 443	0.24 233	0.19 241	0.31 313	0.27 302	0.30 290	0.25 243

xxx	1.39 374	0.33 219	0.85 214	0.53 157	0.37 187	0.74 188	0.56 252	2.13 384	1.37 345	1.15 203	1.45 299	1.06 230	0.82 214	7.22 435	7.61 443	0.24 233	0.19 241	0.31 313	0.27 302	0.30 290	0.25 243

CFNet_ucs	0.70 193	0.33 219	0.88 238	0.50 97	0.43 242	0.74 188	0.44 155	1.60 261	1.29 309	1.22 243	1.54 321	1.09 246	0.63 152	0.99 123	0.59 204	0.25 256	0.20 258	0.37 362	0.21 204	0.40 343	0.28 285

LL-Strereo2	0.52 66	0.33 219	0.69 122	0.52 143	0.37 187	0.70 173	0.30 35	1.13 151	0.67 61	0.94 126	0.78 74	0.91 175	0.42 37	1.05 139	0.42 102	0.17 40	0.16 181	0.29 297	0.25 275	0.21 154	0.16 56

CBFPSM	0.92 291	0.33 219	1.86 400	0.49 88	0.38 204	1.75 378	0.84 338	1.39 209	1.12 214	1.09 166	0.99 122	2.37 408	1.66 395	1.32 187	1.42 369	0.19 111	0.18 225	0.20 97	0.20 164	0.21 154	0.33 321

gwcnet-sp	0.74 221	0.33 219	1.44 363	0.57 220	0.45 255	1.40 347	0.54 229	1.50 233	1.14 228	1.30 284	1.02 139	0.94 189	0.82 214	1.39 206	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

scenet	0.74 221	0.33 219	1.44 363	0.57 220	0.45 255	1.40 347	0.54 229	1.50 233	1.14 228	1.30 284	1.02 139	0.94 189	0.82 214	1.39 206	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

ToySt	0.66 174	0.33 219	1.23 336	0.51 124	0.33 147	0.86 243	0.68 298	1.10 140	0.97 150	0.84 104	1.08 160	1.25 282	0.94 272	1.01 128	0.74 252	0.19 111	0.19 241	0.24 205	0.24 263	0.27 253	0.23 218

ssnet	0.74 221	0.33 219	1.44 363	0.57 220	0.45 255	1.40 347	0.54 229	1.50 233	1.14 228	1.30 284	1.02 139	0.94 189	0.82 214	1.39 206	0.76 260	0.21 169	0.21 279	0.22 150	0.21 204	0.22 177	0.22 200

CIPLG	0.62 143	0.33 219	0.96 269	0.58 226	0.50 281	0.75 193	0.48 189	1.05 116	0.96 142	1.40 325	1.57 331	0.64 81	0.48 72	0.89 101	0.70 240	0.23 218	0.15 146	0.19 70	0.16 81	0.19 93	0.21 183

IPLGR_C	0.62 143	0.33 219	0.99 275	0.58 226	0.49 274	0.76 198	0.48 189	1.10 140	0.96 142	1.40 325	1.56 327	0.62 76	0.48 72	0.80 77	0.71 245	0.23 218	0.15 146	0.19 70	0.16 81	0.19 93	0.21 183

ACRE	0.61 139	0.33 219	1.01 284	0.58 226	0.49 274	0.75 193	0.47 181	1.06 129	0.95 137	1.37 314	1.55 323	0.62 76	0.46 53	0.83 85	0.70 240	0.23 218	0.15 146	0.19 70	0.16 81	0.18 61	0.21 183

OMP-Stereo	0.94 296	0.33 219	0.72 146	0.90 405	0.31 114	0.49 46	0.36 76	1.16 155	1.06 187	1.58 367	1.12 182	1.46 324	0.69 167	6.94 432	0.49 160	0.19 111	0.14 92	0.24 205	0.18 112	0.20 120	0.14 19

ICVP	0.63 150	0.33 219	0.57 58	0.61 262	0.40 224	0.80 221	0.58 265	1.61 264	0.89 117	0.90 114	1.24 224	0.88 164	0.73 175	0.72 57	0.88 295	0.29 310	0.21 279	0.22 150	0.21 204	0.24 217	0.27 273
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
RALAANet	0.60 133	0.33 219	0.87 231	0.62 273	0.50 281	0.69 166	0.31 40	1.21 170	1.06 187	1.09 166	1.16 199	0.88 164	0.46 53	1.22 168	0.42 102	0.19 111	0.15 146	0.21 123	0.17 98	0.27 253	0.17 80

ccs_rob	0.66 174	0.33 219	0.86 220	0.48 74	0.39 214	0.70 173	0.40 110	1.33 193	1.22 279	1.16 213	1.34 268	1.23 276	0.64 156	0.98 120	0.59 204	0.21 169	0.16 181	0.35 351	0.20 164	0.37 326	0.25 243

rvit_stereo_0081_aga	0.44 33	0.34 241	0.73 158	0.51 124	0.41 231	0.50 55	0.40 110	0.81 36	0.57 30	0.58 52	0.56 31	0.53 51	0.43 41	0.66 45	0.40 81	0.26 276	0.21 279	0.22 150	0.20 164	0.26 239	0.18 105

test_sample6	0.71 200	0.34 241	0.87 231	0.52 143	0.30 95	0.82 227	0.58 265	1.79 312	1.15 239	1.14 197	1.33 261	0.91 175	0.79 201	1.31 184	0.74 252	0.27 290	0.21 279	0.27 275	0.29 332	0.28 270	0.27 273

test_sample5	0.69 189	0.34 241	0.87 231	0.52 143	0.30 95	0.84 239	0.54 229	1.83 324	1.14 228	1.11 180	1.25 228	0.88 164	0.78 197	1.23 170	0.65 226	0.26 276	0.20 258	0.27 275	0.27 302	0.27 253	0.26 264

DualNet	0.70 193	0.34 241	0.87 231	0.52 143	0.30 95	0.84 239	0.54 229	1.83 324	1.14 228	1.14 197	1.33 261	0.88 164	0.78 197	1.23 170	0.65 226	0.26 276	0.20 258	0.27 275	0.27 302	0.27 253	0.26 264

ttt	0.94 296	0.34 241	0.59 69	0.61 262	0.37 187	0.94 263	0.50 205	2.17 399	1.34 330	1.23 249	1.61 339	0.91 175	0.76 187	1.85 282	3.97 428	0.30 314	0.26 326	0.26 262	0.24 263	0.29 279	0.29 289

StereoVision	0.65 167	0.34 241	0.86 220	0.59 239	0.40 224	0.50 55	0.41 123	1.09 138	0.93 132	0.71 73	2.50 410	0.82 136	0.57 121	1.03 132	0.49 160	0.25 256	0.28 340	0.29 297	0.28 321	0.36 322	0.20 167

CASS	0.65 167	0.34 241	0.72 146	0.56 205	0.27 42	0.78 211	0.42 126	1.59 257	0.86 106	1.30 284	1.25 228	0.87 160	0.84 225	0.84 87	0.54 190	0.35 350	0.19 241	0.26 262	0.21 204	0.28 270	0.42 354
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CroCo-Stereo Lap2	0.44 33	0.34 241	0.77 191	0.61 262	0.79 386	0.28 4	0.35 64	0.75 17	0.71 74	0.38 9	0.50 17	0.72 106	0.55 108	0.57 23	0.47 148	0.17 40	0.18 225	0.19 70	0.16 81	0.21 154	0.20 167

qqq	0.57 120	0.34 241	0.71 140	0.47 53	0.27 42	0.64 128	0.62 281	1.42 214	0.78 89	0.80 93	0.92 102	0.95 196	0.77 191	0.88 95	0.59 204	0.21 169	0.20 258	0.24 205	0.23 252	0.22 177	0.21 183

DAS	0.84 267	0.34 241	1.03 295	0.64 290	0.69 363	0.77 206	0.63 283	1.54 249	1.20 267	1.79 386	1.55 323	0.95 196	1.04 311	2.83 345	0.60 212	0.21 169	0.16 181	0.25 243	0.18 112	0.27 253	0.22 200

SepStereo	0.82 257	0.34 241	1.03 295	0.64 290	0.69 363	0.77 206	0.63 283	1.54 249	1.20 267	1.79 386	1.55 323	0.95 196	1.04 311	2.30 323	0.60 212	0.21 169	0.16 181	0.25 243	0.18 112	0.27 253	0.22 200

ADLNet2	0.88 281	0.34 241	1.17 330	0.77 369	0.64 348	1.12 303	0.76 318	1.74 291	1.24 286	1.21 238	1.65 348	1.71 362	1.05 315	1.67 254	1.17 333	0.24 233	0.21 279	0.21 123	0.22 231	0.26 239	0.29 289

GES	0.66 174	0.34 241	0.90 248	0.59 239	0.38 204	0.94 263	0.57 262	2.11 383	0.86 106	1.02 150	1.11 175	0.66 89	0.79 201	0.99 123	0.61 214	0.27 290	0.19 241	0.20 97	0.20 164	0.21 154	0.30 301

psm_up	0.77 236	0.34 241	0.70 128	0.66 309	0.58 326	1.05 291	0.92 357	1.52 241	1.12 214	1.26 266	1.16 199	1.31 300	1.23 349	1.20 166	0.81 278	0.25 256	0.29 351	0.31 313	0.27 302	0.27 253	0.25 243

UNet	0.83 262	0.34 241	1.31 349	0.58 226	0.74 372	1.58 364	0.49 198	1.41 212	1.04 180	1.21 238	1.08 160	1.54 337	1.12 330	1.65 249	1.09 321	0.23 218	0.17 208	0.25 243	0.20 164	0.25 228	0.22 200

DSFCA	0.93 294	0.34 241	1.06 303	0.52 143	0.65 350	1.55 362	0.93 361	1.49 229	1.19 262	1.56 361	1.15 196	1.50 332	0.96 284	3.07 353	1.02 313	0.30 314	0.26 326	0.25 243	0.25 275	0.28 270	0.24 231

DMCA	0.67 183	0.34 241	0.90 248	0.51 124	0.44 248	0.86 243	0.47 181	1.42 214	1.02 173	1.17 222	1.12 182	1.23 276	0.75 179	0.78 71	0.95 303	0.25 256	0.19 241	0.27 275	0.19 132	0.24 217	0.27 273

MLCV	0.72 202	0.34 241	1.10 316	0.51 124	0.23 8	0.91 251	0.39 104	1.33 193	1.23 282	1.46 339	1.55 323	1.01 219	0.64 156	1.95 293	0.80 277	0.18 73	0.12 12	0.18 52	0.14 37	0.19 93	0.17 80

DISCO	1.03 323	0.34 241	1.11 318	0.69 335	0.45 255	2.07 404	0.84 338	2.13 384	1.50 374	1.15 203	1.33 261	2.40 410	1.07 321	2.60 338	1.51 378	0.23 218	0.18 225	0.22 150	0.20 164	0.31 298	0.27 273

MDST_ROB	1.67 395	0.34 241	1.58 381	0.92 410	0.58 326	4.26 450	1.11 385	2.83 431	1.41 361	4.49 450	2.55 411	1.45 322	0.97 287	7.79 445	1.17 333	0.31 321	0.25 321	0.37 362	0.33 360	0.31 298	0.30 301

AIO-Stereo-zeroshot	0.72 202	0.35 261	1.70 387	0.49 88	0.56 314	0.63 125	0.38 92	2.41 422	0.65 59	0.77 86	1.07 156	1.82 373	0.95 277	0.93 110	0.43 111	0.20 140	0.13 51	0.21 123	0.25 275	0.28 270	0.26 264

rvit_stereo_ft	0.47 51	0.35 261	0.87 231	0.67 321	0.42 235	0.40 13	0.59 273	0.81 36	0.74 80	0.46 23	0.55 28	0.57 60	0.49 80	0.65 43	0.50 166	0.25 256	0.17 208	0.22 150	0.22 231	0.24 217	0.17 80

mmm	0.63 150	0.35 261	0.72 146	0.51 124	0.30 95	0.86 243	0.54 229	1.59 257	0.86 106	1.07 159	1.38 281	0.79 125	0.75 179	0.91 103	0.58 202	0.22 193	0.18 225	0.29 297	0.25 275	0.25 228	0.23 218

AASNet	0.76 235	0.35 261	0.91 251	0.79 373	0.81 393	1.14 305	0.56 252	2.02 371	1.08 197	1.22 243	1.24 224	0.93 186	0.76 187	0.77 70	1.16 331	0.27 290	0.23 306	0.24 205	0.20 164	0.28 270	0.24 231

AACVNet	0.86 276	0.35 261	0.79 201	0.82 384	0.39 214	0.76 198	0.49 198	1.61 264	0.81 95	1.08 160	1.33 261	1.30 297	0.93 267	4.34 381	0.74 252	0.25 256	0.21 279	0.28 288	0.22 231	0.29 279	0.25 243

PSMNet-ADL	0.72 202	0.35 261	0.62 81	0.69 335	0.46 265	1.14 305	0.44 155	1.37 203	1.01 170	0.83 102	1.17 202	1.33 302	0.96 284	1.43 213	0.95 303	0.33 335	0.22 297	0.21 123	0.23 252	0.27 253	0.29 289

GANet-ADL	0.60 133	0.35 261	0.72 146	0.64 290	0.40 224	0.68 161	0.51 206	1.49 229	1.12 214	0.95 127	1.08 160	0.91 175	0.57 121	0.76 67	0.55 194	0.26 276	0.18 225	0.18 52	0.16 81	0.23 202	0.25 243

hitnet-ft	0.79 246	0.35 261	0.57 58	0.58 226	0.42 235	0.96 271	0.46 175	1.47 226	1.33 327	1.19 231	1.22 218	1.81 371	0.98 291	1.66 253	0.94 301	0.33 335	0.28 340	0.34 343	0.27 302	0.35 316	0.31 311

UCFNet_RVC	0.69 189	0.35 261	0.49 21	0.64 290	0.39 214	0.85 242	0.58 265	1.75 293	1.14 228	0.97 132	1.19 211	1.17 263	0.93 267	0.99 123	0.62 217	0.28 302	0.20 258	0.34 343	0.31 345	0.32 305	0.27 273

Former-RAFT_DAM_RVC	0.46 44	0.36 270	0.71 140	0.47 53	0.36 175	0.67 154	0.35 64	0.78 25	1.12 214	0.61 61	0.62 39	0.39 9	0.39 29	0.71 54	0.39 77	0.20 140	0.17 208	0.22 150	0.18 112	0.23 202	0.19 140

ssnet_v2	0.88 281	0.36 270	1.02 291	0.62 273	0.38 204	1.32 336	0.97 367	2.07 379	1.34 330	1.37 314	1.18 204	1.54 337	0.92 258	1.10 149	1.65 383	0.30 314	0.27 334	0.30 307	0.28 321	0.27 253	0.26 264

ADLNet	0.85 271	0.36 270	0.89 244	0.85 393	0.72 368	1.24 325	0.76 318	1.82 319	1.36 341	1.52 352	1.35 274	1.27 290	0.99 299	1.23 170	1.15 330	0.27 290	0.20 258	0.26 262	0.25 275	0.28 270	0.30 301

ARAFT	0.77 236	0.36 270	1.49 376	0.51 124	0.31 114	0.90 249	0.82 336	1.90 341	1.06 187	1.62 371	1.24 224	1.02 221	0.64 156	1.84 279	0.50 166	0.18 73	0.14 92	0.28 288	0.27 302	0.17 35	0.16 56

CFNet	0.96 300	0.36 270	1.01 284	0.62 273	0.42 235	0.99 280	0.47 181	1.90 341	1.32 323	0.99 139	1.39 285	1.10 248	0.86 236	5.58 407	0.79 274	0.23 218	0.17 208	0.28 288	0.27 302	0.26 239	0.21 183

SGM_RVC	1.68 397	0.36 270	0.61 77	0.59 239	0.29 78	2.25 411	1.18 394	2.38 420	1.68 390	3.60 440	2.67 414	3.69 432	2.42 429	8.13 448	1.90 393	0.31 321	0.31 361	0.30 307	0.28 321	0.30 290	0.29 289
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
rvit_0105_6	0.53 75	0.37 276	0.98 274	0.65 302	0.38 204	0.51 70	0.51 206	0.77 21	1.20 267	0.54 48	0.55 28	0.65 84	0.53 96	0.94 112	0.44 114	0.32 327	0.32 368	0.28 288	0.24 263	0.28 270	0.21 183

test_sample7	0.74 221	0.37 276	0.76 186	0.52 143	0.35 165	0.91 251	0.67 295	1.78 307	1.21 273	1.22 243	1.18 204	1.08 236	0.92 258	1.23 170	0.67 232	0.31 321	0.28 340	0.32 325	0.31 345	0.33 312	0.29 289

NINENet	0.77 236	0.37 276	0.78 199	0.62 273	0.51 292	2.34 415	0.42 126	1.83 324	1.04 180	1.14 197	1.23 222	1.03 225	0.62 147	1.24 175	0.70 240	0.28 302	0.23 306	0.31 313	0.21 204	0.26 239	0.25 243

GEStereo_RVC	0.90 286	0.37 276	0.99 275	0.64 290	0.50 281	0.95 267	0.79 326	2.42 423	1.17 250	1.16 213	1.11 175	1.26 286	0.92 258	3.24 359	0.90 298	0.29 310	0.19 241	0.23 185	0.20 164	0.27 253	0.29 289

pcwnet_v2	0.97 306	0.37 276	4.33 437	0.62 273	0.54 306	0.79 215	0.45 169	2.02 371	1.58 383	1.42 333	1.64 346	1.09 246	0.79 201	1.24 175	0.67 232	0.32 327	0.25 321	0.29 297	0.27 302	0.37 326	0.35 329

iResNetv2_ROB	0.80 249	0.37 276	1.71 389	0.56 205	0.37 187	0.94 263	0.64 285	1.73 287	1.34 330	1.23 249	1.42 290	1.26 286	0.92 258	1.85 282	0.56 196	0.23 218	0.15 146	0.19 70	0.14 37	0.24 217	0.19 140

LE_ROB	8.05 460	0.37 276	23.53 467	0.74 361	0.33 147	2.77 427	2.87 457	3.71 444	27.24 475	25.39 475	8.87 460	8.46 457	26.71 475	6.65 425	21.99 469	0.21 169	0.19 241	0.20 97	0.21 204	0.25 228	0.22 200

rvit_0105_4	0.56 114	0.38 283	1.06 303	0.66 309	0.38 204	0.53 79	0.53 224	0.84 45	1.17 250	0.56 50	0.61 37	0.72 106	0.59 131	0.98 120	0.45 127	0.32 327	0.33 372	0.29 297	0.25 275	0.29 279	0.23 218

CSP-Net	0.97 306	0.38 283	0.83 212	0.53 157	0.41 231	1.63 368	0.77 321	2.00 364	1.05 184	1.25 262	1.20 214	1.33 302	0.83 222	4.93 392	0.85 291	0.32 327	0.22 297	0.20 97	0.20 164	0.23 202	0.25 243

HGLStereo	0.85 271	0.38 283	0.94 261	0.80 376	1.03 413	1.17 314	0.58 265	1.52 241	1.20 267	1.19 231	1.62 342	1.13 258	1.20 344	1.80 276	1.06 316	0.24 233	0.24 314	0.24 205	0.21 204	0.23 202	0.27 273

SGM-ForestM	6.52 457	0.38 283	1.26 342	0.63 281	0.35 165	13.59 468	5.32 463	6.32 462	6.70 457	11.14 466	9.18 461	22.51 476	13.93 465	16.89 469	20.07 468	0.36 354	0.37 389	0.36 359	0.35 369	0.36 322	0.34 324

SGM-Forest	1.24 357	0.38 283	0.60 74	0.52 143	0.37 187	1.56 363	1.30 403	1.65 272	1.36 341	2.11 406	1.79 365	1.63 351	0.93 267	7.48 442	0.95 303	0.36 354	0.37 389	0.39 370	0.34 365	0.37 326	0.32 316
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	0.58 125	0.39 288	1.05 299	0.66 309	0.37 187	0.58 102	0.56 252	0.94 75	1.18 257	0.64 63	0.68 49	0.75 110	0.63 152	0.88 95	0.50 166	0.32 327	0.32 368	0.30 307	0.27 302	0.28 270	0.25 243

AIO-Stereo-zeroshot1	0.98 310	0.39 288	3.21 431	0.50 97	0.63 345	0.64 128	0.39 104	2.36 417	0.75 81	0.95 127	4.63 437	1.81 371	0.56 112	0.96 113	0.41 92	0.18 73	0.13 51	0.21 123	0.26 292	0.32 305	0.35 329

LL-Strereo	1.33 368	0.39 288	1.38 359	0.61 262	0.61 339	0.75 193	0.66 292	1.63 270	1.17 250	1.56 361	1.60 335	2.03 394	2.12 421	9.72 461	0.97 308	0.21 169	0.18 225	0.27 275	0.23 252	0.22 177	0.25 243

CRFU-Net	0.86 276	0.39 288	1.00 280	0.65 302	0.57 317	1.78 385	0.86 344	2.15 390	0.81 95	1.38 319	1.18 204	1.64 354	1.19 341	1.35 193	0.90 298	0.26 276	0.22 297	0.21 123	0.19 132	0.23 202	0.24 231

TestStereo	0.64 161	0.39 288	0.71 140	0.51 124	0.27 42	0.56 95	0.42 126	1.03 105	0.91 126	0.80 93	1.00 126	0.68 94	0.52 90	3.25 360	0.45 127	0.22 193	0.15 146	0.24 205	0.18 112	0.27 253	0.16 56

HCRNet	0.70 193	0.39 288	0.73 158	0.60 250	0.59 333	0.76 198	0.35 64	1.22 177	1.13 226	1.02 150	0.99 122	1.02 221	0.76 187	2.19 314	0.70 240	0.28 302	0.19 241	0.28 288	0.23 252	0.25 228	0.23 218

testlalala_base	0.77 236	0.40 294	0.70 128	0.65 302	0.50 281	0.79 215	0.28 26	1.50 233	0.51 21	0.73 79	0.90 98	0.69 99	0.54 101	0.66 45	0.40 81	2.82 447	0.14 92	0.17 23	0.12 13	2.68 442	0.19 140

Wz-Net-LNSev-Ref	0.99 312	0.40 294	1.82 397	0.66 309	0.62 344	2.05 403	0.78 323	1.91 345	1.29 309	1.54 357	1.42 290	1.51 334	1.23 349	1.99 296	1.33 350	0.23 218	0.14 92	0.20 97	0.15 47	0.27 253	0.26 264

sCroCo_RVC	0.49 61	0.40 294	1.02 291	0.65 302	0.60 336	0.52 74	0.40 110	0.83 42	0.61 36	0.44 17	0.74 66	0.49 36	0.50 84	0.63 38	0.48 153	0.26 276	0.27 334	0.23 185	0.22 231	0.29 279	0.25 243

DMCA-RVC	0.74 221	0.40 294	1.27 345	0.66 309	0.49 274	0.77 206	0.47 181	1.35 200	1.01 170	1.53 353	1.01 132	1.29 296	0.82 214	1.31 184	0.78 268	0.27 290	0.21 279	0.35 351	0.27 302	0.32 305	0.24 231

HITNet	0.65 167	0.40 294	0.77 191	0.48 74	0.24 13	1.05 291	0.49 198	1.76 299	1.02 173	1.18 227	1.18 204	0.89 172	0.80 207	0.85 90	0.79 274	0.17 40	0.12 12	0.21 123	0.17 98	0.29 279	0.15 37
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
iResNet	0.75 229	0.40 294	1.36 358	0.67 321	0.29 78	0.92 258	0.59 273	1.52 241	1.25 289	1.28 271	1.48 310	0.94 189	0.76 187	1.62 246	0.78 268	0.18 73	0.14 92	0.18 52	0.15 47	0.22 177	0.23 218

DLCB_ROB	0.86 276	0.40 294	0.78 199	0.68 332	0.54 306	1.11 300	0.84 338	1.49 229	1.23 282	1.64 373	1.65 348	1.70 361	0.91 255	1.70 261	1.05 314	0.25 256	0.24 314	0.26 262	0.27 302	0.27 253	0.24 231

FAT-Stereo	1.07 329	0.41 301	1.32 352	0.72 350	0.58 326	1.08 297	0.89 350	1.96 357	1.65 387	1.75 380	1.98 384	2.03 394	1.48 377	2.02 298	1.18 336	0.42 375	0.35 382	0.34 343	0.29 332	0.35 316	0.53 385

NVstereo2D	0.92 291	0.41 301	1.48 374	0.72 350	0.72 368	1.20 321	0.87 346	1.75 293	1.38 349	0.99 139	1.13 187	1.26 286	0.98 291	2.21 316	0.89 296	0.43 380	0.20 258	0.38 365	0.24 263	0.57 393	0.63 403

StereoDRNet-Refined	0.80 249	0.41 301	0.88 238	0.62 273	0.42 235	1.33 337	0.48 189	1.52 241	1.17 250	1.45 337	1.44 297	1.44 320	0.90 252	1.26 177	1.24 339	0.20 140	0.16 181	0.27 275	0.24 263	0.25 228	0.28 285
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
RAFT + AFF	1.00 316	0.42 304	1.09 313	0.67 321	0.50 281	1.22 323	1.24 398	2.24 407	1.19 262	1.30 284	1.56 327	1.17 263	1.49 379	3.44 367	0.83 285	0.21 169	0.25 321	0.30 307	0.26 292	0.27 253	0.27 273

stereogan	1.15 351	0.42 304	1.40 360	0.86 395	0.84 397	2.38 417	0.71 306	1.88 336	1.73 394	1.72 378	1.94 383	2.31 405	1.29 357	2.07 303	1.08 319	0.36 354	0.35 382	0.39 370	0.31 345	0.51 382	0.46 368

pmcnn	2.37 426	0.42 304	2.71 427	0.63 281	0.43 242	1.54 361	1.19 395	2.01 368	1.53 379	2.64 424	7.60 453	18.07 468	1.45 373	3.44 367	2.78 412	0.18 73	0.15 146	0.15 4	0.12 13	0.20 120	0.18 105

CVANet_RVC	1.07 329	0.43 307	0.76 186	0.60 250	0.50 281	0.90 249	0.97 367	1.52 241	1.26 294	1.33 304	1.38 281	1.24 278	1.18 338	6.75 431	0.75 257	0.34 343	0.23 306	0.34 343	0.29 332	0.42 350	0.27 273

NLCA_NET_v2_RVC	0.79 246	0.43 307	1.05 299	0.64 290	0.58 326	0.95 267	0.53 224	1.53 247	1.18 257	1.37 314	1.15 196	1.43 316	0.88 245	1.61 245	0.84 288	0.25 256	0.22 297	0.27 275	0.27 302	0.29 279	0.29 289
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AdaStereo	0.70 193	0.43 307	0.75 176	0.73 358	0.37 187	0.92 258	0.53 224	1.85 328	1.18 257	1.12 181	1.23 222	1.07 235	0.65 161	0.96 113	0.63 221	0.31 321	0.15 146	0.32 325	0.21 204	0.29 279	0.22 200
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.
rvit_0105_3	0.63 150	0.44 310	1.08 311	0.72 350	0.40 224	0.64 128	0.71 306	1.03 105	1.17 250	0.82 100	0.70 56	0.80 127	0.70 170	0.91 103	0.56 196	0.35 350	0.34 373	0.34 343	0.32 353	0.27 253	0.28 285

fast-acv-ft	0.94 296	0.44 310	1.40 360	0.58 226	0.51 292	1.77 383	0.69 302	1.36 202	1.42 364	1.29 276	1.86 374	1.74 366	1.25 352	1.52 228	1.38 357	0.26 276	0.28 340	0.28 288	0.28 321	0.27 253	0.26 264

Anonymous3	0.61 139	0.44 310	1.11 318	0.59 239	0.49 274	0.93 262	0.65 287	0.93 68	0.81 95	0.72 78	0.88 95	0.65 84	0.69 167	1.06 140	0.53 185	0.35 350	0.30 355	0.26 262	0.26 292	0.31 298	0.27 273

TDLM	1.06 327	0.44 310	0.79 201	0.63 281	0.50 281	0.89 246	1.44 410	1.48 227	1.26 294	1.12 181	1.40 287	1.08 236	0.98 291	6.65 425	0.78 268	0.33 335	0.21 279	0.33 333	0.26 292	0.37 326	0.24 231

DRN-Test	1.00 316	0.44 310	1.13 322	0.70 340	0.81 393	1.62 367	0.79 326	2.14 388	1.44 367	1.78 383	1.33 261	1.43 316	1.05 315	2.18 313	1.53 379	0.27 290	0.21 279	0.31 313	0.30 341	0.32 305	0.28 285

CBMV_ROB	0.90 286	0.44 310	0.63 84	0.51 124	0.37 187	1.25 327	0.49 198	1.77 303	1.27 300	1.41 327	2.00 385	1.33 302	1.08 322	2.17 310	0.76 260	0.43 380	0.42 402	0.47 391	0.44 391	0.41 346	0.36 334

CBMV	0.95 299	0.44 310	0.66 103	0.53 157	0.35 165	1.53 360	1.63 421	1.69 281	1.42 364	2.00 402	1.60 335	1.43 316	1.17 335	1.59 243	0.99 311	0.34 343	0.34 373	0.39 370	0.33 360	0.33 312	0.32 316
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
iinet-f	0.99 312	0.45 317	3.71 436	0.55 193	0.43 242	1.81 386	0.68 298	1.14 152	1.14 228	1.18 227	1.42 290	1.58 344	1.44 371	1.34 192	1.59 382	0.24 233	0.23 306	0.20 97	0.19 132	0.26 239	0.25 243

GMStereo	0.55 105	0.45 317	0.94 261	0.50 97	0.32 130	0.64 128	0.43 143	1.00 95	1.40 358	0.82 100	0.73 64	0.51 41	0.45 49	0.85 90	0.55 194	0.24 233	0.15 146	0.20 97	0.21 204	0.31 298	0.24 231
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
rvit_stereo_0075_2	0.64 161	0.46 319	1.05 299	0.66 309	0.66 352	0.53 79	0.48 189	1.20 169	1.12 214	0.76 82	0.92 102	0.78 121	0.53 96	1.03 132	0.59 204	0.37 358	0.28 340	0.40 375	0.31 345	0.37 326	0.32 316

SACVNet	0.85 271	0.46 319	0.85 214	0.81 379	0.56 314	0.80 221	0.79 326	1.68 279	1.12 214	1.34 307	1.33 261	1.25 282	0.94 272	2.39 330	0.76 260	0.34 343	0.26 326	0.31 313	0.29 332	0.35 316	0.44 363

LMCR-Stereo	0.82 257	0.46 319	0.88 238	0.75 364	0.43 242	1.33 337	0.56 252	2.43 424	0.98 155	1.53 353	1.49 312	0.74 108	1.00 301	1.63 247	0.89 296	0.28 302	0.17 208	0.22 150	0.17 98	0.29 279	0.20 167

S-Stereo	1.15 351	0.46 319	2.17 411	0.81 379	0.80 391	1.21 322	1.19 395	1.93 352	2.02 412	1.47 340	2.11 392	1.57 341	1.17 335	2.05 302	1.41 365	0.40 367	0.40 398	0.35 351	0.31 345	0.44 361	0.70 411

NOSS_ROB	1.26 360	0.46 319	0.62 81	0.56 205	0.38 204	1.06 294	0.78 323	1.73 287	1.40 358	1.01 146	1.43 294	1.10 248	0.75 179	10.62 464	0.65 226	0.45 386	0.43 403	0.48 392	0.45 393	0.44 361	0.41 350

FADNet-RVC-Resample	0.84 267	0.47 324	2.10 407	0.61 262	0.45 255	1.07 296	0.61 278	1.59 257	1.20 267	1.08 160	0.98 120	1.03 225	0.98 291	2.17 310	0.72 248	0.23 218	0.22 297	0.30 307	0.32 353	0.35 316	0.34 324

GANet	1.36 371	0.47 324	0.86 220	0.67 321	0.45 255	1.34 339	1.73 423	1.64 271	1.24 286	1.49 348	2.38 404	1.55 339	1.20 344	9.30 454	0.93 300	0.30 314	0.31 361	0.33 333	0.28 321	0.39 339	0.30 301

StereoDRNet	0.98 310	0.47 324	1.70 387	0.76 366	0.94 408	1.51 358	0.91 355	1.92 348	1.32 323	1.61 368	1.13 187	1.47 329	0.97 287	1.75 267	1.46 374	0.28 302	0.23 306	0.29 297	0.27 302	0.35 316	0.27 273

WCMA_ROB	1.84 405	0.47 324	1.31 349	0.69 335	0.57 317	2.11 406	1.14 389	1.87 333	1.73 394	4.04 444	6.43 447	5.62 447	3.61 444	2.59 337	1.94 395	0.52 399	0.44 406	0.39 370	0.42 387	0.48 374	0.47 371

dd	0.59 130	0.48 328	0.97 271	0.55 193	0.32 130	0.64 128	0.47 181	1.02 101	1.34 330	0.78 88	0.86 90	0.58 65	0.54 101	1.01 128	0.86 293	0.28 302	0.18 225	0.26 262	0.19 132	0.32 305	0.24 231

ADCP+	1.99 415	0.48 328	7.73 449	0.66 309	0.91 404	2.30 413	1.05 379	1.82 319	1.34 330	1.54 357	1.32 259	1.74 366	1.61 388	2.17 310	13.37 458	0.24 233	0.21 279	0.32 325	0.28 321	0.37 326	0.29 289

DeepPruner_ROB	0.74 221	0.48 328	0.87 231	0.57 220	0.44 248	0.79 215	0.54 229	1.73 287	0.96 142	1.38 319	1.27 238	1.24 278	0.73 175	1.43 213	0.73 251	0.34 343	0.28 340	0.27 275	0.26 292	0.31 298	0.31 311

DualNet (step1)	0.83 262	0.49 331	1.13 322	0.56 205	0.39 214	1.02 285	0.73 310	1.78 307	1.21 273	1.22 243	1.18 204	1.08 236	0.92 258	1.23 170	0.67 232	0.57 408	0.28 340	0.62 416	0.67 422	0.45 364	0.42 354

test_sample9	1.86 407	0.49 331	1.13 322	0.56 205	0.39 214	1.02 285	0.73 310	1.78 307	1.21 273	1.22 243	1.18 204	1.08 236	0.92 258	2.27 321	7.92 447	0.57 408	12.61 474	0.62 416	0.67 422	0.45 364	0.42 354

test_sample8	2.19 420	0.49 331	1.13 322	0.56 205	0.39 214	1.02 285	0.73 310	1.82 319	1.15 239	2.26 409	1.30 247	4.94 442	2.52 432	2.27 321	7.92 447	0.57 408	12.61 474	0.62 416	0.67 422	0.45 364	0.42 354

BEATNet_4x	0.73 218	0.49 331	1.17 330	0.53 157	0.26 26	1.03 288	0.55 244	1.82 319	1.06 187	1.21 238	1.22 218	0.96 202	0.91 255	1.01 128	1.06 316	0.21 169	0.14 92	0.24 205	0.19 132	0.37 326	0.21 183

Nwc_Net	1.09 335	0.49 331	1.33 354	0.89 404	0.80 391	1.49 357	0.66 292	2.19 401	1.27 300	1.32 296	2.26 399	1.96 386	1.54 381	1.92 288	1.34 352	0.40 367	0.30 355	0.43 382	0.45 393	0.38 335	0.37 336

RYNet	1.17 354	0.49 331	1.24 339	0.70 340	0.97 412	1.71 374	0.92 357	1.91 345	1.46 369	1.38 319	1.14 190	1.88 374	1.30 361	4.24 377	1.87 390	0.26 276	0.21 279	0.35 351	0.27 302	0.55 390	0.54 386

XPNet_ROB	0.96 300	0.49 331	1.09 313	0.72 350	0.57 317	1.11 300	1.14 389	1.66 277	1.23 282	1.85 392	1.39 285	1.64 354	1.11 327	1.80 276	1.42 369	0.38 362	0.30 355	0.33 333	0.29 332	0.37 326	0.34 324

STTStereo	0.78 243	0.50 338	1.22 335	0.64 290	0.54 306	0.89 246	0.54 229	1.44 221	1.11 210	1.38 319	1.09 165	1.27 290	0.85 228	1.43 213	0.83 285	0.29 310	0.27 334	0.33 333	0.39 379	0.32 305	0.30 301

RP	1.09 335	0.50 338	1.12 320	0.90 405	1.04 414	1.11 300	0.84 338	1.80 315	1.62 385	1.55 360	2.00 385	1.90 378	1.78 401	1.84 279	1.25 340	0.52 399	0.36 387	0.48 392	0.36 373	0.45 364	0.43 361

edge stereo	1.11 340	0.50 338	1.30 348	0.71 347	0.65 350	1.14 305	0.75 315	1.93 352	1.37 345	1.71 377	1.83 369	2.54 414	1.44 371	2.43 332	1.23 338	0.42 375	0.41 400	0.54 404	0.35 369	0.42 350	0.46 368

SDNR	1.62 392	0.51 341	2.17 411	0.53 157	0.56 314	3.80 444	0.45 169	1.54 249	1.29 309	1.33 304	2.41 407	1.08 236	0.96 284	11.18 465	1.16 331	0.66 419	0.63 431	0.43 382	0.32 353	0.64 404	0.67 408

GwcNet	1.08 332	0.51 341	2.33 416	0.79 373	1.18 426	1.76 380	0.70 304	1.68 279	1.47 370	1.41 327	1.64 346	1.74 366	1.04 311	2.20 315	1.41 365	0.30 314	0.29 351	0.29 297	0.27 302	0.30 290	0.35 329

FADNet_RVC	0.83 262	0.51 341	1.83 399	0.54 172	0.42 235	1.19 319	0.46 175	1.51 239	1.09 203	0.89 112	1.24 224	0.91 175	0.87 240	2.11 307	1.11 326	0.27 290	0.22 297	0.31 313	0.28 321	0.43 355	0.38 342

rvit_105_1	0.72 202	0.52 344	1.01 284	0.78 371	0.49 274	0.75 193	0.87 346	1.12 148	1.18 257	0.99 139	0.79 78	0.90 173	0.77 191	1.26 177	0.75 257	0.41 371	0.36 387	0.36 359	0.41 384	0.30 290	0.33 321

AF-Net	1.13 345	0.52 344	1.33 354	0.86 395	0.91 404	1.38 345	0.71 306	2.16 393	1.62 385	1.56 361	2.40 406	1.99 389	1.65 391	1.81 278	1.48 376	0.48 394	0.28 340	0.49 394	0.33 360	0.39 339	0.32 316

AANet_RVC	1.16 353	0.52 344	1.49 376	0.65 302	0.45 255	0.75 193	0.69 302	1.42 214	1.55 382	1.34 307	1.87 376	1.53 336	0.78 197	7.43 440	1.38 357	0.25 256	0.17 208	0.19 70	0.16 81	0.22 177	0.26 264

PSMNet_ROB	0.90 286	0.52 344	1.17 330	0.72 350	0.61 339	1.27 329	1.12 387	1.76 299	1.12 214	1.09 166	1.28 243	1.45 322	0.89 251	1.65 249	1.42 369	0.33 335	0.25 321	0.37 362	0.39 379	0.35 316	0.29 289

APVNet	1.06 327	0.53 348	1.42 362	0.84 388	0.79 386	1.92 394	0.82 336	1.90 341	1.08 197	1.08 160	1.43 294	1.56 340	1.13 332	3.07 353	1.58 380	0.31 321	0.34 373	0.42 380	0.36 373	0.36 322	0.37 336

FINET	0.97 306	0.54 349	1.60 382	0.63 281	0.79 386	1.08 297	1.07 382	1.56 254	2.20 418	1.15 203	1.49 312	0.94 189	0.88 245	2.32 324	1.05 314	0.42 375	0.35 382	0.32 325	0.28 321	0.43 355	0.38 342

NCC-stereo	1.10 337	0.54 349	1.24 339	0.84 388	0.94 408	1.29 332	0.89 350	2.01 368	1.34 330	1.32 296	1.74 358	1.88 374	1.74 398	2.35 326	1.25 340	0.45 386	0.37 389	0.45 386	0.58 415	0.42 350	0.42 354

Abc-Net	1.10 337	0.54 349	1.24 339	0.84 388	0.94 408	1.29 332	0.89 350	2.01 368	1.34 330	1.32 296	1.74 358	1.88 374	1.74 398	2.35 326	1.25 340	0.45 386	0.37 389	0.45 386	0.58 415	0.42 350	0.42 354
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Anonymous_2	1.30 363	0.55 352	0.82 210	0.52 143	0.58 326	1.01 283	0.64 285	1.25 185	0.97 150	0.96 129	0.78 74	1.33 302	1.29 357	1.03 132	0.74 252	0.62 415	0.64 432	1.06 432	9.63 470	1.16 428	0.49 378

ADCRef	1.35 370	0.55 352	2.37 418	0.72 350	0.77 382	1.94 396	0.78 323	1.91 345	1.27 300	1.57 365	1.59 334	1.36 308	1.41 368	1.54 234	7.53 442	0.23 218	0.20 258	0.32 325	0.30 341	0.29 279	0.29 289

NaN_ROB	1.13 345	0.55 352	1.15 327	0.64 290	0.48 271	1.61 366	2.03 439	1.72 286	1.48 371	2.09 405	1.27 238	1.40 312	1.08 322	3.94 373	1.30 348	0.28 302	0.34 373	0.28 288	0.28 321	0.30 290	0.33 321

sAnonymous2	0.55 105	0.56 355	1.46 369	0.60 250	0.51 292	0.48 36	0.52 216	0.79 27	0.68 64	0.50 41	0.67 46	0.46 22	0.62 147	0.59 25	0.40 81	0.22 193	0.17 208	0.22 150	0.21 204	0.86 417	0.56 390

CroCo_RVC	0.55 105	0.56 355	1.46 369	0.60 250	0.51 292	0.48 36	0.52 216	0.79 27	0.68 64	0.50 41	0.67 46	0.46 22	0.62 147	0.59 25	0.40 81	0.22 193	0.17 208	0.22 150	0.21 204	0.86 417	0.56 390

NCCL2	1.00 316	0.56 355	1.06 303	0.75 364	0.57 317	1.31 335	1.72 422	1.77 303	1.36 341	1.50 349	1.17 202	1.91 379	1.17 335	1.54 234	1.29 347	0.35 350	0.31 361	0.45 386	0.44 391	0.40 343	0.40 346

MeshStereo	2.26 422	0.56 355	0.92 255	0.61 262	0.49 274	2.60 423	1.02 376	3.18 437	2.05 414	7.40 464	4.98 443	7.58 453	2.98 439	6.37 421	1.96 396	0.43 380	0.43 403	0.45 386	0.39 379	0.43 355	0.42 354
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
ADCL	1.72 402	0.57 359	3.66 434	0.67 321	0.61 339	2.61 424	1.85 429	1.96 357	1.67 389	1.90 396	1.83 369	2.06 397	1.90 411	2.13 308	9.15 451	0.26 276	0.24 314	0.34 343	0.32 353	0.38 335	0.35 329

PA-Net	1.01 320	0.57 359	1.29 347	0.64 290	0.74 372	1.19 319	0.84 338	1.69 281	1.43 366	1.16 213	1.19 211	1.32 301	1.19 341	3.42 365	1.25 340	0.29 310	0.45 410	0.33 333	0.49 403	0.32 305	0.47 371
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SANet	1.88 408	0.57 359	2.18 413	0.63 281	0.40 224	2.80 429	1.57 418	2.39 421	5.88 455	2.36 416	3.57 426	3.72 433	2.97 438	4.74 386	1.76 386	0.34 343	0.30 355	0.32 325	0.29 332	0.48 374	0.37 336

HBP-ISP	0.96 300	0.58 362	0.72 146	0.61 262	0.46 265	1.64 370	0.76 318	1.86 331	1.28 305	1.30 284	1.53 319	0.86 156	0.94 272	3.27 361	0.69 239	0.45 386	0.44 406	0.54 404	0.48 400	0.47 371	0.40 346

Wz-Net-MNSev	1.11 340	0.58 362	2.23 414	0.66 309	0.71 366	1.95 397	1.46 411	1.98 362	1.45 368	1.79 386	1.43 294	1.49 331	1.33 364	1.97 295	1.42 369	0.27 290	0.23 306	0.28 288	0.28 321	0.34 315	0.31 311

PS-NSSS	0.99 312	0.58 362	0.93 257	0.58 226	0.57 317	0.91 251	0.80 332	1.81 318	1.14 228	1.14 197	1.67 352	1.00 212	0.83 222	4.62 385	0.78 268	0.37 358	0.31 361	0.52 398	0.32 353	0.45 364	0.38 342

FC-DCNN v2	2.81 440	0.59 365	0.85 214	0.73 358	0.57 317	2.97 432	1.05 379	3.39 441	2.61 429	6.98 460	7.67 455	10.38 463	6.31 459	5.75 411	3.37 422	0.53 405	0.48 415	0.51 396	0.50 405	0.53 386	0.51 383

SuperB	2.53 432	0.59 365	18.45 463	0.69 335	0.50 281	1.87 393	0.88 348	1.67 278	2.39 421	1.50 349	1.42 290	1.14 260	1.15 334	4.28 380	5.07 432	0.24 233	0.19 241	0.22 150	0.19 132	7.86 470	0.34 324

MANE	6.19 455	0.59 365	1.03 295	0.93 411	1.22 429	13.38 467	2.69 453	12.81 469	17.94 471	8.21 465	10.82 463	14.72 466	11.68 464	11.39 466	11.90 457	0.59 412	0.50 420	0.52 398	1.76 456	0.55 390	0.54 386

FC-DCNN	2.72 439	0.59 365	0.86 220	0.73 358	0.57 317	2.91 430	1.04 378	3.01 435	2.60 428	6.83 459	7.64 454	9.92 460	6.33 460	5.21 394	3.14 417	0.53 405	0.48 415	0.51 396	0.50 405	0.53 386	0.51 383

DPSNet	1.69 398	0.59 365	4.33 437	0.70 340	0.57 317	2.02 402	1.62 420	3.35 440	1.78 397	1.48 346	1.38 281	2.17 399	2.84 436	4.77 387	3.66 424	0.48 394	0.31 361	0.29 297	0.25 275	0.64 404	0.48 374

CSAN	1.41 377	0.59 365	1.26 342	0.70 340	0.50 281	1.76 380	1.78 424	1.77 303	1.90 406	2.35 414	2.32 401	1.92 382	1.94 413	5.56 406	1.49 377	0.43 380	0.35 382	0.40 375	0.41 384	0.43 355	0.41 350

LALA_ROB	1.01 320	0.59 365	1.16 328	0.67 321	0.51 292	1.63 368	1.26 402	1.69 281	1.38 349	1.81 389	1.37 277	1.94 384	1.02 308	1.58 241	1.38 357	0.37 358	0.27 334	0.43 382	0.37 376	0.43 355	0.37 336

MSMD_ROB	1.99 415	0.59 365	0.89 244	0.70 340	0.61 339	3.95 446	0.94 363	1.80 315	1.79 398	4.41 448	4.43 433	8.17 456	3.66 445	3.40 363	1.33 350	0.52 399	0.48 415	0.54 404	0.58 415	0.53 386	0.50 379

TRStereo	0.60 133	0.60 373	0.97 271	0.74 361	0.67 355	0.46 33	0.38 92	1.85 328	0.89 117	0.79 91	0.80 83	0.88 164	0.39 29	1.10 149	0.41 92	0.23 218	0.15 146	0.23 185	0.24 263	0.17 35	0.15 37

GMStereo_Zeroshot	0.67 183	0.61 374	1.01 284	0.64 290	0.37 187	0.84 239	0.35 64	1.05 116	1.12 214	1.12 181	1.06 153	1.27 290	0.54 101	1.19 165	0.59 204	0.32 327	0.17 208	0.31 313	0.18 112	0.52 384	0.22 200

FADNet	0.92 291	0.61 374	1.81 396	0.62 273	0.55 312	0.96 271	0.57 262	1.78 307	1.33 327	0.93 121	1.01 132	1.36 308	1.01 303	2.71 342	0.75 257	0.33 335	0.34 373	0.31 313	0.34 365	0.59 397	0.40 346

DANet	1.08 332	0.61 374	1.32 352	0.85 393	0.72 368	1.37 342	0.51 206	1.54 249	1.15 239	1.78 383	1.54 321	2.01 391	1.11 327	2.90 348	2.00 398	0.33 335	0.30 355	0.40 375	0.30 341	0.44 361	0.45 365
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FBW_ROB	1.71 401	0.62 377	1.45 367	0.67 321	0.61 339	1.81 386	1.08 383	2.52 427	1.70 391	1.77 382	1.73 357	1.98 388	1.25 352	12.57 467	1.84 389	0.34 343	0.37 389	0.56 411	0.38 378	0.45 364	0.43 361

FCDSN-DC	2.32 424	0.63 378	0.81 207	0.84 388	0.75 378	2.23 410	0.94 363	2.09 382	1.80 399	5.45 457	7.72 456	7.77 455	6.93 462	3.39 362	1.80 388	0.52 399	0.48 415	0.52 398	0.51 408	0.57 393	0.58 395
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
G-Net	1.66 394	0.63 378	1.56 379	1.11 424	0.74 372	2.98 433	0.91 355	1.55 253	1.22 279	2.76 428	8.18 459	2.32 406	2.53 433	1.92 288	1.87 390	0.48 394	0.44 406	0.45 386	0.31 345	0.60 401	0.57 394

ETE_ROB	0.96 300	0.64 380	1.16 328	0.69 335	0.48 271	1.14 305	1.13 388	1.77 303	1.19 262	1.91 397	1.45 299	1.73 364	1.05 315	1.60 244	1.14 329	0.32 327	0.26 326	0.38 365	0.34 365	0.39 339	0.41 350

PDISCO_ROB	1.32 367	0.65 381	1.44 363	1.36 428	1.46 435	2.55 421	0.92 357	2.45 425	2.07 415	1.37 314	1.49 312	1.65 356	1.00 301	2.82 344	1.35 355	1.01 426	0.27 334	0.54 404	0.47 398	0.71 413	0.73 414

dad	0.86 276	0.66 382	1.06 303	0.56 205	0.37 187	0.76 198	0.44 155	1.17 157	1.50 374	1.44 335	1.27 238	1.34 306	0.75 179	2.52 335	0.84 288	0.42 375	0.27 334	0.83 424	0.26 292	0.41 346	0.29 289

Wz-Net-LNSev	1.03 323	0.67 383	2.71 427	0.64 290	0.84 397	1.75 378	1.00 373	1.80 315	1.32 323	1.28 271	1.25 228	1.65 356	1.22 348	1.39 206	1.40 361	0.28 302	0.26 326	0.24 205	0.23 252	0.33 312	0.32 316

ccnet	1.12 342	0.67 383	1.01 284	0.78 371	0.73 371	1.72 376	0.99 371	1.84 327	1.26 294	1.47 340	1.85 373	1.75 369	1.29 357	1.75 267	1.88 392	0.57 408	0.53 423	0.57 413	0.55 412	0.59 397	0.54 386

FADNet-RVC	0.88 281	0.67 383	1.93 403	0.60 250	0.48 271	0.91 251	0.60 277	1.71 285	1.18 257	0.90 114	0.96 111	1.36 308	0.92 258	2.25 319	1.17 333	0.30 314	0.29 351	0.32 325	0.32 353	0.41 346	0.35 329

Syn2CoEx	1.14 347	0.69 386	1.66 385	0.80 376	0.67 355	1.40 347	0.88 348	2.06 378	1.54 380	1.25 262	1.58 333	1.42 315	1.50 380	4.09 375	1.40 361	0.36 354	0.32 368	0.34 343	0.29 332	0.29 279	0.34 324

psmorigin	1.52 384	0.69 386	10.52 457	0.68 332	0.59 333	1.13 304	0.70 304	1.57 255	1.19 262	1.99 400	1.79 365	2.26 402	1.47 376	2.09 305	1.36 356	0.39 365	0.40 398	0.34 343	0.33 360	0.43 355	0.56 390

ADCPNet	1.85 406	0.69 386	8.07 450	0.71 347	0.58 326	2.79 428	1.22 397	1.94 354	1.54 380	1.88 393	1.69 353	2.46 413	2.04 417	2.37 328	6.48 437	0.38 362	0.37 389	0.38 365	0.43 389	0.47 371	0.45 365

XX-TBD	0.46 44	0.70 389	0.35 1	0.79 373	0.25 23	0.58 102	0.26 15	0.69 10	1.27 300	0.76 82	1.00 126	0.45 20	0.33 15	0.47 6	0.37 60	0.19 111	0.15 146	0.15 4	0.11 7	0.17 35	0.14 19

SHD	1.31 365	0.71 390	2.34 417	0.86 395	0.75 378	1.77 383	0.65 287	2.22 405	2.50 427	2.40 418	1.71 355	1.91 379	1.60 387	1.93 291	2.37 406	0.38 362	0.31 361	0.38 365	0.40 383	0.48 374	0.50 379

RTSC	1.29 361	0.73 391	2.44 419	0.83 387	0.57 317	1.85 391	0.65 287	1.88 336	2.00 411	2.20 408	1.66 350	1.60 347	1.26 354	2.33 325	3.92 426	0.32 327	0.23 306	0.27 275	0.29 332	0.37 326	0.37 336

ADCMid	1.89 411	0.73 391	5.06 440	0.72 350	0.67 355	2.00 401	1.14 389	1.97 361	1.48 371	2.86 431	1.81 368	2.37 408	2.05 419	2.24 317	10.39 455	0.33 335	0.31 361	0.39 370	0.43 389	0.50 378	0.44 363

DeepPrunerF	1.60 389	0.73 391	5.81 445	0.88 401	1.19 427	0.91 251	0.95 365	2.19 401	5.24 453	1.17 222	1.30 247	1.19 267	1.30 361	4.90 390	1.66 385	0.42 375	0.34 373	0.52 398	0.47 398	0.41 346	0.40 346

ELAS_RVC	2.48 431	0.74 394	1.90 401	1.05 419	0.92 406	2.76 426	4.01 461	2.76 430	4.11 447	4.69 451	4.63 437	4.62 437	5.96 457	3.97 374	3.96 427	0.63 417	0.53 423	0.56 411	0.52 409	0.64 404	0.63 403
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.37 426	0.74 394	1.54 378	0.99 415	0.92 406	4.78 452	2.33 449	3.33 439	3.37 440	5.05 456	4.77 441	3.67 431	4.53 452	3.42 365	4.50 430	0.62 415	0.53 423	0.55 408	0.53 410	0.63 402	0.64 407
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCDC_ROB	1.29 361	0.75 396	1.33 354	1.05 419	0.88 403	1.73 377	0.52 216	1.89 338	3.28 438	1.29 276	4.88 442	1.22 271	1.46 374	1.77 274	1.45 373	0.60 413	0.26 326	0.29 297	0.25 275	0.52 384	0.37 336

DGSMNet	1.14 347	0.76 397	2.49 421	0.81 379	0.86 400	1.39 346	1.39 407	2.13 384	1.35 338	1.26 266	1.63 345	1.48 330	0.98 291	1.75 267	1.10 324	0.45 386	0.43 403	0.55 408	0.49 403	0.75 415	0.70 411

PWC_ROB	1.24 357	0.76 397	2.46 420	0.72 350	0.78 384	1.15 310	0.49 198	1.75 293	1.92 407	2.31 411	3.07 419	1.59 345	1.40 367	2.46 333	2.10 402	0.33 335	0.22 297	0.35 351	0.24 263	0.38 335	0.41 350

aanetorigin	1.23 356	0.79 399	2.78 429	0.70 340	0.79 386	0.99 280	1.06 381	1.06 129	1.37 345	3.52 439	2.61 412	1.72 363	1.63 389	1.99 296	1.78 387	0.25 256	0.24 314	0.26 262	0.25 275	0.38 335	0.45 365

RGC	1.14 347	0.79 399	1.26 342	0.91 408	0.96 411	1.52 359	0.77 321	1.92 348	1.26 294	1.54 357	1.93 381	2.02 393	1.54 381	2.25 319	1.31 349	0.44 385	0.35 382	0.58 414	0.48 400	0.47 371	0.46 368

MFN_U_SF_RVC	1.52 384	0.84 401	3.42 432	0.87 400	0.66 352	2.56 422	0.95 365	2.36 417	1.70 391	1.98 399	1.86 374	2.45 412	1.79 402	2.95 349	2.58 408	0.52 399	0.48 415	0.55 408	0.59 418	0.59 397	0.61 401

PVD	1.70 399	0.84 401	2.26 415	0.94 413	0.83 396	2.48 419	0.97 367	2.59 429	3.35 439	3.01 436	2.77 415	2.34 407	2.47 431	2.67 341	3.14 417	0.47 393	0.45 410	0.59 415	0.48 400	0.59 397	0.75 416

SAMSARA	1.55 386	0.84 401	2.61 424	1.22 427	1.07 415	2.50 420	1.93 434	2.05 373	1.89 404	2.75 427	1.66 350	2.81 422	1.69 396	3.08 355	1.97 397	0.46 392	0.51 421	0.42 380	0.46 396	0.58 395	0.59 397

GANetREF_RVC	1.07 329	0.86 404	1.31 349	0.82 384	0.53 303	1.41 351	1.31 404	1.76 299	1.52 377	1.27 269	1.31 253	1.46 324	1.24 351	2.03 299	0.96 307	0.56 407	0.45 410	0.67 419	0.50 405	0.88 419	0.59 397
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
MFN_U_SF_DS_RVC	1.74 403	0.87 405	3.56 433	0.80 376	0.75 378	3.72 441	2.44 452	1.82 319	1.82 401	1.74 379	1.91 380	1.92 382	1.26 354	7.69 444	1.28 346	0.45 386	0.47 414	0.52 398	0.77 427	0.50 378	0.50 379

XQC	1.37 372	0.87 405	2.56 423	0.84 388	0.69 363	1.83 389	0.89 350	2.07 379	1.88 403	1.88 393	1.53 319	1.91 379	1.55 383	2.85 347	3.05 414	0.48 394	0.29 351	0.44 385	0.39 379	0.69 411	0.60 400

SQANet	1.31 365	0.88 407	1.08 311	1.83 438	1.44 434	1.44 353	0.75 315	1.74 291	1.09 203	1.32 296	1.26 235	1.28 293	1.01 303	1.50 227	0.83 285	2.50 444	0.34 373	1.47 436	0.55 412	2.32 438	1.57 439

PASM	1.34 369	0.92 408	2.62 425	0.86 395	0.87 402	1.03 288	1.08 383	1.50 233	1.51 376	1.82 390	1.41 289	1.68 359	1.26 354	4.87 389	1.34 352	0.61 414	0.65 434	0.68 420	0.78 428	0.69 411	0.68 410

WZ-Net	1.95 412	0.95 409	10.10 454	0.86 395	0.78 384	1.69 373	1.60 419	2.20 404	1.98 410	2.08 404	1.93 381	2.30 404	1.97 414	5.30 396	3.17 419	0.34 343	0.26 326	0.29 297	0.31 345	0.51 382	0.47 371

GASNet	0.99 312	0.97 410	1.72 390	0.98 414	0.68 361	0.83 232	0.67 295	1.60 261	1.28 305	1.31 294	1.22 218	1.22 271	1.21 347	2.41 331	1.41 365	0.43 380	0.26 326	0.36 359	0.34 365	0.55 390	0.31 311

anonymity	1.12 342	0.97 410	1.21 333	1.07 422	1.12 420	1.08 297	0.89 350	1.95 356	1.16 247	1.29 276	1.26 235	1.22 271	1.09 325	1.15 157	1.01 312	1.02 428	1.00 451	0.97 428	0.97 439	0.98 421	0.99 425

Consistency-Raft	1.25 359	0.99 412	1.93 403	1.02 418	1.21 428	0.96 271	1.01 375	1.75 293	1.92 407	1.36 312	2.12 393	1.44 320	1.01 303	1.14 156	1.40 361	0.72 420	0.82 438	0.89 426	0.98 441	1.31 433	0.95 423

ADCS	2.25 421	0.99 412	5.55 442	0.81 379	0.74 372	2.19 409	1.80 425	2.27 410	2.14 416	2.80 430	2.13 394	2.40 410	2.03 416	2.64 340	13.69 459	0.41 371	0.39 396	0.40 375	0.45 393	0.58 395	0.56 390

MaskLacGwcNet_RVC	1.10 337	1.02 414	1.00 280	0.82 384	0.67 355	1.93 395	0.93 361	1.62 268	1.11 210	1.15 203	1.25 228	1.50 332	0.79 201	1.96 294	0.76 260	1.89 438	0.34 373	0.79 423	0.36 373	1.25 432	0.83 418

SPS-STEREO	1.67 395	1.04 415	1.23 336	1.21 426	1.13 422	1.82 388	1.11 385	2.16 393	1.52 377	3.07 438	2.32 401	2.82 423	1.80 403	4.11 376	2.04 399	1.03 429	0.99 450	0.97 428	0.94 437	1.03 426	1.02 426
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NVStereoNet_ROB	1.88 408	1.07 416	1.45 367	1.07 422	1.17 424	1.47 354	1.48 413	1.89 338	1.93 409	1.94 398	4.67 440	3.08 427	1.80 403	6.51 423	1.65 383	1.06 431	0.86 445	1.08 433	1.32 446	0.93 420	1.26 434
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SGM+DAISY	2.41 429	1.07 416	2.14 410	1.18 425	1.10 417	2.14 408	1.36 406	1.96 357	1.66 388	5.46 458	7.07 450	4.95 443	4.32 451	5.50 403	2.26 405	1.04 430	1.02 453	0.99 430	0.97 439	1.02 424	1.04 428

EDNetEfficient	2.37 426	1.10 418	8.08 451	0.74 361	0.71 366	0.98 279	1.56 416	1.46 224	4.06 446	4.90 453	2.82 416	2.25 401	3.48 443	2.95 349	9.97 452	0.26 276	0.24 314	0.26 262	0.30 341	0.68 410	0.61 401

AnyNet_C32	1.96 413	1.10 418	5.17 441	0.90 405	1.11 418	2.12 407	2.37 450	1.85 328	1.48 371	2.45 419	1.70 354	2.05 396	1.64 390	2.50 334	10.28 454	0.37 358	0.34 373	0.35 351	0.41 384	0.49 377	0.54 386

LSM	6.33 456	1.10 418	13.19 459	1.41 432	68.17 480	1.64 370	1.90 433	1.92 348	2.46 423	2.99 434	3.11 420	1.88 374	1.80 403	2.61 339	2.06 401	0.41 371	0.58 429	0.50 395	0.57 414	0.64 404	17.66 475

otaku	1.60 389	1.11 421	1.21 333	2.20 440	1.56 436	1.97 398	1.24 398	2.07 379	1.36 341	1.44 335	1.62 342	1.73 364	1.19 341	1.73 266	0.98 310	2.89 449	0.57 428	1.74 437	0.60 419	2.78 444	1.94 445

AnonymousM	0.59 130	1.11 421	0.41 11	0.44 31	0.32 130	0.43 25	0.47 181	1.05 116	0.64 45	0.98 136	0.63 40	0.67 92	0.43 41	0.59 25	0.41 92	0.20 140	0.15 146	1.84 440	0.84 431	0.14 3	0.13 4

MFMNet_re	1.40 376	1.14 423	1.68 386	1.39 430	1.07 415	1.48 355	1.43 409	1.87 333	1.82 401	2.26 409	2.19 396	1.51 334	1.86 408	1.52 228	1.25 340	0.93 424	0.83 439	0.84 425	0.80 429	0.99 423	1.05 430

Ntro	1.64 393	1.15 424	1.23 336	2.48 445	1.83 438	2.09 405	1.16 392	1.96 357	1.38 349	1.21 238	1.62 342	1.62 349	1.29 357	1.87 285	1.11 326	3.04 450	0.56 427	1.82 439	0.64 420	2.80 445	2.05 446

MSC_U_SF_DS_RVC	2.12 417	1.15 424	3.10 430	1.05 419	0.76 381	5.03 455	2.40 451	2.16 393	2.62 430	1.89 395	2.28 400	2.69 419	1.65 391	9.35 456	2.04 399	0.64 418	0.51 421	0.68 420	0.71 425	1.09 427	0.67 408

UDGNet	0.72 202	1.17 426	0.80 206	0.77 369	0.41 231	0.77 206	0.38 92	0.97 87	1.34 330	0.81 97	0.88 95	0.71 105	0.60 134	1.21 167	0.54 190	0.52 399	0.19 241	1.02 431	0.26 292	0.71 413	0.31 311

Wz-Net-SNSev	1.49 380	1.23 427	6.27 447	0.68 332	0.67 355	1.37 342	1.41 408	2.00 364	1.39 353	1.48 346	1.61 339	2.29 403	1.32 363	3.93 372	2.14 403	0.31 321	0.28 340	0.31 313	0.33 360	0.42 350	0.36 334

CC-Net-ROB	1.49 380	1.26 428	1.27 345	0.88 401	0.79 386	1.76 380	1.00 373	1.79 312	1.26 294	1.10 174	1.61 339	1.21 269	0.99 299	8.13 448	0.84 288	1.09 432	0.41 400	2.20 441	0.46 396	1.20 431	0.48 374

RTS	2.67 434	1.38 429	15.28 461	0.99 415	1.26 430	3.78 442	1.96 436	2.15 390	2.62 430	2.61 422	2.85 417	2.60 416	1.59 385	6.27 419	5.71 435	0.40 367	0.28 340	0.35 351	0.35 369	0.50 378	0.48 374

RTSA	2.67 434	1.38 429	15.28 461	0.99 415	1.26 430	3.78 442	1.96 436	2.15 390	2.62 430	2.61 422	2.85 417	2.60 416	1.59 385	6.27 419	5.71 435	0.40 367	0.28 340	0.35 351	0.35 369	0.50 378	0.48 374

WAO-7	2.66 433	1.40 431	1.73 392	1.39 430	1.17 424	3.93 445	1.94 435	4.11 447	3.88 445	2.92 432	5.50 444	4.18 435	3.00 440	7.63 443	3.71 425	1.13 434	1.00 451	1.17 434	1.13 445	1.18 430	1.09 432

ACVNet_2	2.43 430	1.41 432	2.04 405	2.62 446	2.24 444	2.63 425	1.88 432	3.31 438	3.01 435	2.19 407	3.45 425	4.62 437	2.04 417	4.50 383	1.47 375	2.55 445	0.64 432	2.22 442	0.84 431	2.69 443	2.29 449

ACVNet-4b	2.15 418	1.41 432	1.64 383	2.80 447	2.31 447	2.31 414	1.24 398	2.32 413	2.14 416	1.26 266	2.39 405	2.66 418	1.48 377	5.95 416	1.06 316	3.20 454	0.45 410	2.37 445	0.89 434	2.83 448	2.37 450

ACVNet_1	2.18 419	1.45 434	1.72 390	2.85 449	2.33 448	2.28 412	1.46 411	3.08 436	2.22 419	1.82 390	2.05 390	3.56 430	1.98 415	3.09 356	1.40 361	3.17 451	0.60 430	2.40 449	0.92 436	2.91 451	2.37 450

GCST	1.08 332	1.47 435	0.93 257	1.73 436	1.14 423	1.30 334	0.31 40	1.33 193	1.16 247	1.29 276	0.97 119	0.98 205	0.49 80	2.08 304	0.46 141	1.19 435	0.70 435	1.30 435	0.85 433	1.02 424	0.89 421

EDNetEfficientorigin	10.57 464	1.47 435	177.42 485	0.67 321	0.53 303	1.58 364	1.16 392	1.90 341	3.37 440	4.71 452	3.38 423	3.10 428	2.69 435	3.13 357	3.58 423	0.25 256	0.23 306	0.33 333	0.27 302	0.83 416	0.81 417

Dean	2.91 443	1.53 437	2.07 406	2.96 453	2.51 450	3.15 434	2.14 443	4.75 452	4.41 450	2.76 428	6.10 446	5.53 446	2.37 427	2.97 351	1.92 394	3.18 452	0.85 443	2.51 452	1.04 444	2.88 450	2.47 453

WAO-6	2.81 440	1.60 438	1.46 369	2.36 444	2.28 446	3.55 439	2.29 448	4.21 448	4.56 451	2.36 416	4.51 434	4.88 441	2.66 434	4.60 384	4.07 429	1.72 437	1.15 457	2.31 444	1.46 452	2.31 437	1.85 443

LVE	3.31 445	1.67 439	1.64 383	2.85 449	2.42 449	3.20 436	2.26 447	4.78 453	5.05 452	2.35 414	6.91 448	6.02 448	2.37 427	9.15 452	2.17 404	3.19 453	1.08 456	2.38 447	1.47 453	2.81 446	2.40 452

RainbowNet	1.97 414	1.76 440	1.57 380	2.81 448	2.21 443	1.98 400	1.81 426	2.54 428	1.89 404	1.50 349	1.84 371	1.96 386	1.65 391	2.14 309	1.25 340	3.33 456	0.85 443	2.39 448	0.98 441	2.82 447	2.22 447

AnyNet_C01	2.26 422	1.78 441	10.22 456	0.93 411	0.74 372	2.92 431	2.20 445	2.29 412	1.80 399	2.53 421	2.41 407	2.71 420	1.73 397	3.41 364	6.72 439	0.41 371	0.39 396	0.40 375	0.42 387	0.67 409	0.63 403

IMH-64-1	2.70 437	1.79 442	1.46 369	3.26 457	2.66 451	3.23 437	2.10 440	4.08 445	2.75 433	2.34 412	3.81 429	3.06 425	2.22 424	4.25 378	2.59 409	3.75 460	0.84 440	2.75 455	1.35 447	3.15 453	2.60 456

IMH-64	2.70 437	1.79 442	1.46 369	3.26 457	2.66 451	3.23 437	2.10 440	4.08 445	2.75 433	2.34 412	3.81 429	3.06 425	2.22 424	4.25 378	2.59 409	3.75 460	0.84 440	2.75 455	1.35 447	3.15 453	2.60 456

WAO-8	4.40 448	1.82 444	1.79 394	2.34 442	2.20 441	9.19 460	1.53 414	6.09 459	16.46 465	3.94 442	7.84 457	7.32 450	3.72 447	9.41 458	3.31 420	2.00 439	1.07 454	2.44 450	1.37 450	2.50 439	1.68 440

Venus	4.40 448	1.82 444	1.79 394	2.34 442	2.20 441	9.19 460	1.53 414	6.09 459	16.46 465	3.94 442	7.84 457	7.32 450	3.72 447	9.41 458	3.31 420	2.00 439	1.07 454	2.44 450	1.37 450	2.50 439	1.68 440

IMH	3.21 444	1.85 446	1.48 374	3.25 456	2.69 453	4.07 448	2.02 438	4.41 450	3.80 444	2.72 425	7.11 451	4.75 440	2.92 437	5.92 414	2.55 407	3.85 463	0.88 446	2.78 457	1.36 449	3.19 455	2.59 455

JetBlue	3.97 446	2.01 447	10.19 455	1.38 429	2.84 455	10.53 463	9.54 464	3.60 443	2.41 422	2.73 426	3.39 424	4.54 436	4.31 450	7.85 447	6.84 440	0.88 422	0.93 449	0.89 426	0.91 435	1.74 434	1.91 444

TorneroNet-64	5.30 454	2.03 448	1.74 393	3.43 459	2.81 454	10.09 462	2.12 442	9.10 466	17.12 470	4.96 455	9.27 462	10.72 465	3.70 446	9.20 453	4.55 431	3.31 455	0.84 440	2.88 458	1.55 454	3.49 456	3.04 459

TorneroNet	10.70 465	2.03 448	1.82 397	3.43 459	3.01 457	43.83 479	2.22 446	8.87 465	67.47 485	7.17 463	27.36 474	10.68 464	3.85 449	8.67 451	7.65 446	3.59 458	0.88 446	3.04 459	1.57 455	3.71 457	3.17 460

PWCK	2.88 442	2.05 450	5.72 444	2.08 439	1.11 418	3.55 439	3.90 460	2.86 433	3.54 443	3.03 437	3.63 427	3.10 428	2.31 426	8.15 450	3.09 415	2.12 441	0.91 448	1.75 438	0.98 441	2.57 441	1.18 433

KSHMR	8.75 462	2.06 451	2.11 408	3.53 461	3.11 458	4.13 449	2.69 453	5.60 456	61.37 484	3.00 435	55.83 484	4.98 445	2.45 430	4.49 382	2.61 411	3.46 457	1.55 461	3.14 461	1.94 459	3.72 458	3.18 461

Wz-Net-TNSev	1.88 408	2.08 452	7.66 448	0.67 321	0.64 348	2.42 418	1.83 428	2.33 414	1.74 396	1.57 365	1.56 327	2.58 415	1.90 411	4.86 388	3.12 416	0.39 365	0.37 389	0.33 333	0.37 376	0.53 386	0.58 395

coex-ft	8.13 461	2.13 453	98.04 484	0.67 321	0.53 303	1.71 374	1.56 416	1.65 272	11.11 460	18.17 474	3.75 428	3.88 434	7.61 463	2.98 352	6.49 438	0.30 314	0.30 355	0.32 325	0.31 345	0.66 408	0.50 379

UNDER WATER-64	5.27 453	2.32 454	8.78 453	3.93 465	3.54 463	7.61 458	3.03 459	5.84 458	14.19 461	4.04 444	4.04 431	9.39 459	6.26 458	5.93 415	8.48 449	3.60 459	1.51 460	3.13 460	1.88 457	4.29 463	3.61 464

UNDER WATER	5.08 452	2.33 455	5.55 442	3.94 466	3.51 462	5.20 456	2.72 455	5.61 457	16.52 467	3.84 441	4.60 436	9.21 458	5.89 456	5.90 413	8.66 450	3.75 460	1.34 458	3.18 462	1.88 457	4.33 464	3.61 464

ktn	4.70 450	2.38 456	2.12 409	3.76 462	3.24 459	4.85 453	2.95 458	5.52 455	7.37 458	4.07 446	19.32 471	7.46 452	3.47 442	7.39 438	2.95 413	4.04 464	1.85 462	3.26 463	2.22 462	3.08 452	2.65 458

notaker	3.98 447	2.40 457	2.68 426	3.82 464	3.27 461	3.97 447	2.14 443	4.78 453	3.45 442	4.12 447	6.94 449	7.65 454	3.26 441	7.82 446	5.30 434	4.04 464	1.41 459	3.36 464	2.10 461	3.88 459	3.31 462

UDG	1.41 377	2.65 458	0.99 275	1.44 433	1.64 437	1.34 339	0.80 332	1.60 261	1.23 282	1.23 249	1.71 355	2.01 391	1.34 365	1.47 223	1.41 365	0.90 423	0.54 426	2.29 443	0.75 426	1.84 435	1.04 428

DDUNet	1.50 382	2.69 459	1.12 320	1.77 437	1.88 439	1.84 390	0.92 357	1.70 284	1.16 247	1.38 319	1.79 365	1.60 347	1.12 330	1.37 197	1.08 319	1.10 433	0.76 436	2.37 445	0.94 437	2.00 436	1.37 436

DispFullNet	2.34 425	2.85 460	3.66 434	3.08 454	2.27 445	1.97 398	0.67 295	2.00 364	1.70 391	2.52 420	2.00 385	2.23 400	5.86 455	3.44 367	1.58 380	1.01 426	0.32 368	2.64 454	1.94 459	2.85 449	2.24 448

MADNet++	5.01 451	3.14 461	4.91 439	4.55 468	3.94 465	5.20 456	4.41 462	4.40 449	4.13 448	4.95 454	6.08 445	4.74 439	5.37 453	9.40 457	10.67 456	4.65 466	4.15 466	3.97 466	3.34 465	4.09 461	4.08 467

IGEV-BASED-STEREO-	0.70 193	3.18 462	2.55 422	0.39 5	0.23 8	0.44 27	0.23 5	0.63 4	0.42 4	0.44 17	0.44 8	0.34 4	0.28 4	0.56 20	0.29 4	1.35 436	0.10 1	0.22 150	0.19 132	0.46 370	1.31 435

MADNet+	2.69 436	3.22 463	11.53 458	1.44 433	1.12 420	3.19 435	1.81 426	2.85 432	2.37 420	1.68 375	2.07 391	2.85 424	2.18 422	7.41 439	5.23 433	0.79 421	0.76 436	0.69 422	0.65 421	0.98 421	0.95 423

HanzoNet	11.04 466	3.62 464	8.10 452	4.08 467	3.55 464	4.90 454	2.73 456	7.19 463	10.10 459	31.86 480	28.92 475	21.96 475	36.36 477	18.08 470	10.17 453	7.94 469	3.32 464	3.47 465	3.31 464	7.06 469	4.04 466

test_for_model	1.30 363	3.71 465	0.58 62	3.22 455	2.84 455	0.59 107	0.33 48	1.40 211	0.83 101	1.42 333	0.61 37	0.52 46	0.37 23	0.51 10	0.33 25	2.46 443	0.15 146	0.16 15	0.11 7	4.39 465	1.50 438

DPSimNet_ROB	11.20 467	4.98 466	35.43 475	2.90 452	4.52 466	7.89 459	17.09 468	4.66 451	6.06 456	14.89 470	10.93 464	17.29 467	36.81 479	13.18 468	15.68 464	2.86 448	6.29 467	5.75 469	5.09 467	3.91 460	7.70 469

DPSMNet_ROB	13.02 469	8.23 467	21.91 465	9.53 471	18.11 468	11.56 465	32.02 475	10.64 468	16.23 464	7.05 462	19.49 473	10.16 462	16.66 467	9.85 463	22.43 471	4.77 468	8.68 468	5.38 468	10.26 472	6.17 468	11.36 470

DGTPSM_ROB	13.01 468	8.23 467	21.87 464	9.51 470	18.10 467	11.56 465	32.01 474	10.63 467	16.20 463	7.03 461	19.48 472	10.15 461	16.66 467	9.83 462	22.42 470	4.75 467	8.68 468	5.37 467	10.25 471	6.16 467	11.36 470

JetRed	6.91 459	8.80 469	25.96 471	2.85 449	3.25 460	13.98 469	11.87 465	6.25 461	4.28 449	4.45 449	4.56 435	6.69 449	5.46 454	7.46 441	14.05 460	2.59 446	3.31 463	2.59 453	2.29 463	4.20 462	3.36 463

ASD4		10.99 470

BEATNet-Init1	26.87 474	13.43 471	70.68 483	0.91 408	0.68 361	57.02 483	21.06 470	32.82 480	32.67 477	52.12 484	53.61 483	66.05 484	49.56 484	48.79 485	34.71 479	0.49 398	0.44 406	0.53 403	0.53 410	0.63 402	0.59 397

Anonymous_1	43.04 481	18.73 472	24.79 468	21.81 472	46.26 478	27.80 470	37.60 476	28.08 475	16.14 462	14.66 469	14.30 465	20.65 469	17.88 469	21.56 471	25.94 473	117.93 485	8.92 470	100.65 482	126.50 482	158.64 485	12.08 472

DPSM_ROB	19.08 470	19.14 473	25.17 469	22.15 473	20.85 470	28.17 471	37.82 477	26.56 473	16.85 468	14.14 467	14.84 466	21.70 470	18.75 470	21.87 472	26.55 474	10.16 473	9.30 471	10.47 472	10.42 473	14.03 471	12.61 473

DPSM	19.08 470	19.14 473	25.17 469	22.15 473	20.85 470	28.17 471	37.82 477	26.56 473	16.85 468	14.14 467	14.84 466	21.70 470	18.75 470	21.87 472	26.55 474	10.16 473	9.30 471	10.47 472	10.42 473	14.03 471	12.61 473

xxxxx1	54.10 483	25.67 475	27.13 472	113.43 482	96.96 482	30.69 475	47.44 479	32.38 477	25.60 472	17.75 471	17.27 468	21.81 472	21.02 472	24.43 475	33.82 476	33.37 479	40.54 480	157.71 483	175.86 483	66.16 481	72.93 483

tt_ll	54.10 483	25.67 475	27.13 472	113.43 482	96.96 482	30.69 475	47.44 479	32.38 477	25.60 472	17.75 471	17.27 468	21.81 472	21.02 472	24.43 475	33.82 476	33.37 479	40.54 480	157.71 483	175.86 483	66.16 481	72.93 483

ff	54.10 483	25.67 475	27.13 472	113.43 482	96.96 482	30.69 475	47.44 479	32.38 477	25.60 472	17.75 471	17.27 468	21.81 472	21.02 472	24.43 475	33.82 476	33.37 479	40.54 480	157.71 483	175.86 483	66.16 481	72.93 483

LRCNet_RVC	22.74 472	32.10 478	21.97 466	29.84 475	26.23 472	4.42 451	0.81 335	22.66 471	2.02 412	26.93 476	29.26 476	23.06 477	15.59 466	23.84 474	18.88 467	31.75 478	19.90 479	34.65 477	32.13 478	30.54 477	28.32 478

PML	51.67 482	36.25 479	13.28 460	7.46 469	20.81 469	108.69 485	232.22 486	8.72 464	27.82 476	87.01 485	269.67 486	69.67 485	61.95 485	24.76 478	14.20 461	9.74 472	3.40 465	9.62 471	4.70 466	18.74 473	4.72 468

CasAABBNet	38.33 475	38.46 480	50.35 480	44.75 480	41.84 476	56.68 480	76.37 483	53.22 483	33.83 479	28.31 477	29.54 477	43.62 482	37.71 481	43.84 482	53.41 484	20.30 475	18.70 477	21.07 474	21.07 476	28.24 474	25.34 476

Selective-RAFT-Error	38.39 476	38.47 481	50.44 481	44.73 479	41.97 477	56.68 480	76.38 484	53.24 484	33.92 480	28.34 478	29.85 478	43.60 481	38.20 482	43.75 481	53.34 483	20.38 476	18.70 477	21.09 475	21.05 475	28.30 475	25.43 477

LSM0	42.82 480	38.75 482	50.81 482	47.07 481	109.38 485	57.00 482	76.02 482	53.74 485	33.71 478	29.02 479	30.41 479	43.87 483	37.22 480	43.91 483	53.54 485	20.52 477	18.62 476	21.10 476	21.11 477	28.41 476	42.22 479

HaxPig	38.92 477	41.40 483	41.64 476	29.95 476	32.27 473	28.90 473	27.60 471	29.73 476	37.71 481	43.82 481	43.87 480	33.17 478	35.56 476	41.53 479	40.37 481	43.94 482	47.51 484	45.82 478	47.08 480	42.38 478	44.15 481

AVERAGE_ROB	40.43 478	42.37 484	42.73 477	36.96 478	35.58 475	30.50 474	27.61 472	36.71 482	38.39 482	44.91 482	44.36 481	37.45 480	36.70 478	41.88 480	40.35 480	45.43 483	46.81 483	47.11 479	46.35 479	42.51 479	43.87 480

MEDIAN_ROB	42.00 479	44.40 485	44.29 479	35.15 477	34.95 474	31.28 478	29.60 473	35.88 481	40.02 483	47.20 483	46.64 482	37.37 479	38.48 483	44.35 484	42.45 482	48.03 484	49.39 485	49.71 480	49.03 481	45.14 480	46.65 482

DLNR_Zeroshot_test	23.17 473	48.52 486	43.29 478	176.68 485	78.69 481	0.35 8	0.21 2	23.41 472	0.75 81	0.66 67	0.86 90	0.59 70	0.30 8	1.56 238	0.44 114	9.57 471	0.12 12	0.18 52	0.14 37	76.92 484	0.16 56

test_example2	192.40 486	210.76 487	206.48 486	199.83 486	204.73 486	172.94 486	183.52 485	133.93 486	133.41 486	191.38 486	196.19 485	187.13 486	178.77 486	205.33 486	208.00 486	222.09 486	238.72 486	186.54 486	190.54 486	227.34 486	170.31 486

Low-res two-view benchmark