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

USTest	0.01 9	0.02 12	0.00 1	0.14 96	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

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

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

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

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

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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 64	0.07 58	0.09 53	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 117	0.20 158	0.23 141	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 166	0.21 167	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 204	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 94	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 189	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

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

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

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

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

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

test_sample6	0.09 51	0.97 256	0.10 69	0.10 56	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 51	1.03 272	0.11 89	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 266	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 253	0.09 65	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 266	0.10 69	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

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

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

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

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

Wz-Net-LNSev-Ref	0.11 83	0.44 166	0.33 207	0.39 190	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 234	0.36 228	0.02 18	0.02 20	0.02 20	0.02 20

BSDual-CNN	0.81 322	1.91 374	0.92 347	4.48 491	0.02 21	0.42 262	0.06 99	0.41 237	0.02 21	0.48 276	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 449	4.19 514	0.33 206	0.23 187	0.34 196	0.27 197

psmg	0.43 235	1.91 374	0.92 347	1.91 424	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 449	1.44 442	0.04 71	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 184	1.29 346	1.19 371	1.36 406	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 415	1.21 422	0.03 38	0.09 104	0.02 20	0.09 102

Syn2CoEx	0.25 151	1.31 348	0.74 326	0.92 311	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 338	0.75 330	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

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

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

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

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

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

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

DualNet (step1)	0.10 62	1.05 276	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 108	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 276	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 108	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 276	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 108	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 51	1.00 260	0.11 89	0.11 73	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 108	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 62	1.07 279	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 74	0.03 51

test_sample4	0.10 62	1.03 272	0.12 100	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 132	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 51	0.87 235	0.10 69	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 235	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 71	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

DualNet	0.10 62	1.07 279	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 74	0.03 51

ttt	0.10 62	1.09 281	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 108	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 62	1.14 286	0.13 119	0.14 96	0.03 48	0.04 74	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

qqq	0.16 125	2.01 382	0.12 100	0.15 106	0.04 77	0.06 86	0.05 87	0.06 88	0.04 78	0.06 90	0.03 52	0.06 91	0.03 52	0.06 82	0.03 48	0.12 91	0.14 135	0.04 71	0.04 75	0.03 43	0.03 51

x	0.11 83	1.15 288	0.15 139	0.14 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 138	0.03 38	0.03 54	0.03 43	0.03 51

hknet	1.10 363	1.85 367	3.49 513	4.48 491	0.02 21	0.42 262	0.06 99	0.41 237	0.02 21	0.48 276	0.03 52	0.41 244	0.03 52	0.42 259	0.03 48	4.39 500	4.19 514	0.33 206	0.23 187	0.34 196	0.27 197

222	0.10 62	0.99 259	0.12 100	0.13 92	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 108	0.03 38	0.02 20	0.04 74	0.03 51

xxxx	0.11 83	1.16 289	0.16 140	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 140	0.03 38	0.04 75	0.04 74	0.04 76

test_xeample	0.10 62	1.09 281	0.13 119	0.12 79	0.03 48	0.03 40	0.03 50	0.04 74	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 135	0.03 38	0.03 54	0.03 43	0.03 51

EDNetEfficient	0.04 38	0.05 49	0.04 43	0.04 37	0.03 48	0.04 74	0.03 50	0.04 74	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.04 69	0.03 48	0.05 51	0.03 36	0.05 81	0.03 54	0.04 74	0.03 51

GwcNet	0.12 92	0.07 57	0.05 57	0.08 49	0.05 93	0.08 97	1.20 393	0.07 98	0.05 92	0.05 86	0.05 94	0.08 98	0.05 88	0.08 99	0.03 48	0.07 58	0.05 56	0.06 88	0.05 90	0.07 98	0.05 91

BEATNet_4x	0.11 83	0.03 31	0.03 36	1.60 414	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 77	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 83	0.03 31	0.03 36	1.60 414	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 77	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 77	0.06 86	0.04 77	0.06 88	0.04 78	0.06 90	0.04 85	0.06 91	0.04 81	0.06 82	0.04 72	0.06 55	0.04 45	0.05 81	0.04 75	0.05 86	0.04 76

mmm	0.14 107	1.83 365	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.04 78	0.03 40	0.03 52	0.03 42	0.03 52	0.06 82	0.04 72	0.12 91	0.11 94	0.05 81	0.04 75	0.05 86	0.04 76

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 77	0.04 74	0.05 87	0.04 74	0.04 78	0.12 116	0.04 85	0.06 91	0.04 81	0.04 69	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 77	0.05 84	0.90 365	0.06 88	0.04 78	0.05 86	0.04 85	0.05 86	0.04 81	0.05 77	0.04 72	0.05 51	0.04 45	0.05 81	0.04 75	0.05 86	0.05 91

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 77	0.05 84	0.04 77	0.05 84	0.04 78	0.05 86	0.04 85	0.05 86	0.04 81	0.05 77	0.04 72	0.05 51	0.03 36	0.06 88	0.03 54	0.04 74	0.03 51

ADCRef	0.12 92	0.03 31	0.04 43	1.71 420	0.04 77	0.03 40	0.03 50	0.04 74	0.04 78	0.04 71	0.03 52	0.04 74	0.03 52	0.06 82	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.03 43	0.04 76

AnyNet_C01	0.11 83	0.02 12	0.02 14	1.62 417	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 82	0.04 72	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 107	0.04 37	0.03 36	2.22 435	0.04 77	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 74	0.02 21	0.07 96	0.04 72	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCP+	0.15 117	0.04 37	0.04 43	2.20 434	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.05 94	0.04 74	0.04 81	0.08 99	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 399	0.03 48	0.04 74	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.08 99	0.04 72	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.04 81	0.04 69	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
qqq1	0.25 151	3.70 456	0.14 124	0.14 96	0.04 77	0.06 86	0.05 87	0.06 88	0.05 92	0.06 90	0.05 94	0.04 74	0.05 88	0.06 82	0.05 83	0.13 107	0.12 108	0.06 88	0.05 90	0.03 43	0.04 76

fff1	0.25 151	3.70 456	0.14 124	0.14 96	0.04 77	0.06 86	0.05 87	0.06 88	0.05 92	0.06 90	0.05 94	0.04 74	0.05 88	0.06 82	0.05 83	0.13 107	0.12 108	0.06 88	0.05 90	0.03 43	0.04 76

11t1	0.17 128	2.16 391	0.13 119	0.13 92	0.04 77	0.06 86	0.04 77	0.06 88	0.04 78	0.06 90	0.03 52	0.06 91	0.03 52	0.06 82	0.05 83	0.18 145	0.12 108	0.06 88	0.03 54	0.05 86	0.03 51

ffm	0.25 151	3.83 462	0.12 100	0.12 79	0.05 93	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 52	0.06 91	0.05 88	0.06 82	0.05 83	0.12 91	0.12 108	0.05 81	0.04 75	0.06 90	0.04 76

ff1	0.25 151	3.83 462	0.12 100	0.12 79	0.05 93	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 52	0.06 91	0.05 88	0.06 82	0.05 83	0.12 91	0.12 108	0.05 81	0.04 75	0.06 90	0.04 76

mmx	0.25 151	3.83 462	0.12 100	0.12 79	0.05 93	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 52	0.06 91	0.05 88	0.06 82	0.05 83	0.12 91	0.12 108	0.05 81	0.04 75	0.06 90	0.04 76

BUS	0.83 329	1.91 374	0.92 347	4.48 491	0.02 21	0.40 228	0.04 77	0.41 237	0.02 21	0.48 276	0.03 52	0.41 244	0.05 88	0.03 39	0.05 83	1.97 449	4.19 514	0.33 206	0.23 187	0.34 196	0.27 197

NINENet	0.69 297	3.87 465	1.20 374	1.98 428	0.05 93	0.40 228	0.04 77	0.40 222	0.05 92	0.41 236	0.04 85	0.41 244	0.05 88	0.40 232	0.05 83	1.79 439	1.56 451	0.34 213	0.22 182	0.34 196	0.23 172

AASNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 93	0.06 86	0.05 87	0.05 84	0.06 100	0.06 90	0.06 100	0.05 86	0.06 100	0.06 82	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

SACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 93	0.06 86	0.05 87	0.05 84	0.06 100	0.06 90	0.06 100	0.05 86	0.06 100	0.06 82	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

AACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 93	0.06 86	0.05 87	0.05 84	0.06 100	0.06 90	0.06 100	0.05 86	0.06 100	0.06 82	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 102	0.08 97	0.06 99	0.08 101	0.07 103	0.08 98	0.07 103	0.08 98	0.06 100	0.07 96	0.07 94	0.08 60	0.07 57	0.07 93	0.07 98	0.06 90	0.06 96

SuperB	0.21 141	0.10 66	2.51 496	0.12 79	0.09 106	0.10 102	0.09 104	0.08 101	0.07 103	0.10 102	0.09 106	0.09 102	0.07 104	0.07 96	0.07 94	0.07 58	0.08 59	0.07 93	0.07 98	0.08 100	0.07 98

SepStereo	0.09 51	0.09 64	0.10 69	0.09 53	0.09 106	0.09 101	0.09 104	0.10 103	0.08 105	0.10 102	0.09 106	0.09 102	0.09 107	0.09 102	0.08 96	0.09 66	0.08 59	0.09 100	0.08 102	0.09 103	0.08 99

BEATNet-Init1	0.19 133	0.08 58	0.08 60	2.23 436	0.08 104	0.08 97	0.07 102	0.07 98	0.08 105	0.08 98	0.07 103	0.08 98	0.07 104	0.11 115	0.08 96	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

DeepPrunerF	0.19 133	0.08 58	0.08 60	2.23 436	0.08 104	0.08 97	0.07 102	0.07 98	0.08 105	0.08 98	0.07 103	0.08 98	0.07 104	0.11 115	0.08 96	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

ISRNet	0.11 83	0.05 49	0.36 224	0.24 146	0.07 102	0.13 117	0.05 87	0.06 88	0.05 92	0.05 86	0.05 94	0.13 118	0.05 88	0.05 77	0.09 99	0.24 171	0.20 164	0.10 101	0.05 90	0.06 90	0.13 140

ac_64	0.22 144	0.13 80	0.19 155	0.23 141	0.10 112	0.26 182	1.02 380	0.14 119	0.10 109	0.28 182	0.14 151	0.17 140	0.19 174	0.28 191	0.09 99	0.22 155	0.16 140	0.23 169	0.17 173	0.11 114	0.12 134

ADCMid	0.08 50	0.02 12	0.02 14	1.01 328	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 69	0.09 99	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

PASM	0.39 214	3.06 442	1.36 437	1.58 412	0.09 106	0.11 113	0.11 122	0.11 115	0.11 124	0.09 101	0.09 106	0.11 114	0.09 107	0.09 102	0.09 99	0.11 86	0.11 94	0.11 112	0.09 104	0.11 114	0.11 119

DRN-Test	0.14 107	0.13 80	0.09 65	0.14 96	0.09 106	0.15 125	0.09 104	0.14 119	0.10 109	0.14 118	0.09 106	0.14 119	0.09 107	0.13 120	0.09 99	0.12 91	0.09 68	0.12 115	0.09 104	0.12 118	0.73 347

StereoDRNet	0.15 117	0.14 84	0.10 69	0.14 96	0.09 106	0.15 125	0.09 104	0.14 119	0.09 108	0.14 118	0.10 110	0.14 119	0.09 107	0.14 121	0.09 99	0.13 107	0.10 73	0.13 118	0.09 104	0.13 120	0.82 358

S2M2	0.12 92	0.14 84	0.10 69	0.15 106	0.10 112	0.14 118	0.10 109	0.14 119	0.10 109	0.15 124	0.10 110	0.14 119	0.10 111	0.14 121	0.10 105	0.13 107	0.10 73	0.13 118	0.09 104	0.13 120	0.09 102

AnonymousM	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

UNet	0.29 165	0.90 242	0.10 69	0.14 96	0.10 112	0.14 118	0.10 109	0.91 344	0.69 344	0.14 118	0.11 124	0.14 119	0.11 123	0.14 121	0.10 105	0.12 91	0.09 68	0.12 115	0.09 104	0.88 332	0.76 352

PVD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SHD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SAMSARA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

XQC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTS	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet+	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet++	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

test_for_model	0.15 117	0.23 110	0.18 152	0.21 138	0.11 127	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.21 152	0.18 161	0.14 120	0.11 123	0.14 122	0.11 119

testlalala2	0.13 98	0.16 86	0.11 89	0.15 106	0.11 127	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.14 114	0.11 94	0.14 120	0.11 123	0.14 122	0.11 119

JetRed	0.11 83	0.12 79	0.11 89	0.11 73	0.11 127	0.11 113	0.14 142	0.11 115	0.11 124	0.12 116	0.11 124	0.11 114	0.11 123	0.11 115	0.11 117	0.11 86	0.16 140	0.11 112	0.11 123	0.11 114	0.11 119

testlalala_base	0.13 98	0.16 86	0.11 89	0.15 106	0.11 127	0.15 125	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.14 114	0.11 94	0.14 120	0.11 123	0.14 122	0.11 119

CIPLG	0.13 98	0.21 105	0.12 100	0.16 116	0.11 127	0.15 125	0.11 122	0.14 119	0.11 124	0.15 124	0.12 134	0.15 129	0.11 123	0.14 121	0.11 117	0.15 123	0.12 108	0.14 120	0.11 123	0.14 122	0.11 119

IPLG	0.13 98	0.20 99	0.14 124	0.15 106	0.11 127	0.14 118	0.11 122	0.14 119	0.11 124	0.14 118	0.11 124	0.14 119	0.11 123	0.14 121	0.11 117	0.15 123	0.12 108	0.14 120	0.11 123	0.14 122	0.11 119

IPLGR_C	0.14 107	0.20 99	0.12 100	0.15 106	0.11 127	0.14 118	0.15 147	0.14 119	0.11 124	0.15 124	0.12 134	0.14 119	0.11 123	0.16 131	0.11 117	0.15 123	0.12 108	0.14 120	0.12 139	0.15 132	0.12 134

MIPNet	0.14 107	0.21 105	0.17 147	0.16 116	0.11 127	0.15 125	0.12 137	0.14 119	0.11 124	0.16 129	0.11 124	0.14 119	0.11 123	0.14 121	0.11 117	0.14 114	0.12 108	0.14 120	0.11 123	0.14 122	0.11 119

IPLGR	0.14 107	0.24 117	0.14 124	0.16 116	0.12 142	0.15 125	0.12 137	0.14 119	0.11 124	0.15 124	0.12 134	0.14 119	0.11 123	0.14 121	0.11 117	0.15 123	0.12 108	0.14 120	0.11 123	0.14 122	0.11 119

ACRE	0.13 98	0.21 105	0.14 124	0.15 106	0.11 127	0.14 118	0.11 122	0.14 119	0.11 124	0.14 118	0.12 134	0.14 119	0.11 123	0.14 121	0.11 117	0.15 123	0.12 108	0.14 120	0.11 123	0.14 122	0.11 119

ICVP	0.15 117	0.53 201	0.11 89	0.16 116	0.11 127	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.16 130	0.11 94	0.16 136	0.11 123	0.16 136	0.11 119
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
LRCNet_RVC	0.13 98	0.13 80	0.09 65	0.13 92	0.10 112	0.14 118	0.10 109	0.14 119	0.10 109	0.23 163	0.10 110	0.20 149	0.10 111	0.24 171	0.11 117	0.11 86	0.09 68	0.12 115	0.14 150	0.12 118	0.09 102

aanetorigin	0.13 98	0.11 77	0.11 89	0.11 73	0.11 127	0.11 113	0.11 122	0.11 115	0.11 124	0.11 114	0.12 134	0.11 114	0.11 123	0.11 115	0.11 117	0.11 86	0.11 94	0.14 120	0.11 123	0.49 277	0.11 119

ELAS	0.13 98	0.16 86	0.11 89	0.15 106	0.09 106	0.18 144	0.11 122	0.18 142	0.11 124	0.17 138	0.11 124	0.18 143	0.11 123	0.18 142	0.11 117	0.14 114	0.08 59	0.14 120	0.08 102	0.14 122	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	0.11 83	0.11 77	0.12 100	0.13 92	0.14 147	0.11 113	0.11 122	0.11 115	0.11 124	0.11 114	0.11 124	0.11 114	0.11 123	0.12 119	0.12 131	0.11 86	0.11 94	0.11 112	0.11 123	0.11 114	0.11 119

ProNet	0.14 107	0.20 99	0.14 124	0.16 116	0.11 127	0.16 133	0.11 122	0.17 140	0.11 124	0.17 138	0.12 134	0.17 140	0.13 144	0.17 140	0.12 131	0.15 123	0.11 94	0.16 136	0.11 123	0.15 132	0.12 134

cf-r	0.66 289	2.17 392	0.12 100	0.18 125	0.12 142	0.18 144	2.70 502	2.60 478	0.12 142	0.18 141	0.12 134	0.18 143	0.12 139	0.18 142	0.12 131	0.15 123	0.11 94	0.15 133	0.11 123	1.81 439	1.74 482

HSM	0.14 107	0.16 86	0.12 100	0.17 124	0.12 142	0.17 141	0.11 122	0.17 140	0.11 124	0.17 138	0.12 134	0.17 140	0.12 139	0.17 140	0.12 131	0.16 130	0.11 94	0.16 136	0.11 123	0.16 136	0.12 134

ELAS_RVC	0.14 107	0.16 86	0.10 69	0.15 106	0.10 112	0.18 144	0.11 122	0.19 144	0.11 124	0.19 143	0.12 134	0.18 143	0.11 123	0.19 145	0.12 131	0.14 114	0.08 59	0.14 120	0.09 104	0.15 132	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 117	0.17 92	0.11 89	0.18 125	0.11 127	0.19 147	0.11 122	0.19 144	0.12 142	0.19 143	0.12 134	0.20 149	0.12 139	0.19 145	0.12 131	0.16 130	0.11 94	0.17 143	0.10 111	0.17 141	0.10 107
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.30 166	3.10 443	0.14 124	0.19 128	0.14 147	0.19 147	0.14 142	0.20 149	0.14 147	0.19 143	0.13 146	0.16 130	0.13 144	0.19 145	0.13 137	0.17 137	0.13 132	0.17 143	0.13 147	0.17 141	0.13 140

DeepPruner_ROB	0.16 125	0.18 94	0.13 119	0.19 128	0.13 145	0.19 147	0.13 140	0.19 144	0.13 145	0.19 143	0.13 146	0.19 147	0.13 144	0.19 145	0.13 137	0.18 145	0.13 132	0.18 152	0.13 147	0.18 145	0.13 140

PDISCO_ROB	0.83 329	2.80 439	3.49 513	0.14 96	0.11 127	0.17 141	0.09 104	0.15 131	0.10 109	0.15 124	0.12 134	0.16 130	0.14 148	3.30 498	0.13 137	0.14 114	2.34 489	0.16 136	0.12 139	2.62 479	0.10 107

LALA_ROB	0.15 117	0.19 95	0.12 100	0.18 125	0.11 127	0.20 152	0.12 137	0.21 155	0.12 142	0.20 148	0.12 134	0.20 149	0.12 139	0.21 159	0.13 137	0.17 137	0.10 73	0.18 152	0.11 123	0.18 145	0.11 119

castereo++	0.54 271	3.59 453	1.15 365	1.31 402	0.14 147	0.16 133	0.14 142	0.16 132	0.14 147	0.16 129	0.14 151	0.16 130	0.13 144	0.16 131	0.14 141	1.45 427	1.16 371	0.15 133	0.14 150	0.15 132	0.13 140

ITSA-stereo	0.15 117	0.17 92	0.13 119	0.20 130	0.13 145	0.19 147	0.13 140	0.18 142	0.13 145	0.19 143	0.13 146	0.18 143	0.14 148	0.18 142	0.14 141	0.16 130	0.11 94	0.15 133	0.14 150	0.18 145	0.11 119

GMStereo	0.14 107	0.13 80	0.14 124	0.14 96	0.14 147	0.14 118	0.14 142	0.14 119	0.14 147	0.14 118	0.14 151	0.14 119	0.14 148	0.14 121	0.14 141	0.14 114	0.14 135	0.14 120	0.14 150	0.14 122	0.14 145
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 135	0.19 95	0.14 124	0.20 130	0.14 147	0.20 152	0.96 372	0.21 155	0.14 147	0.20 148	0.13 146	0.21 156	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 143	0.12 139	0.17 141	0.12 134

acv_ft	0.20 135	0.19 95	0.14 124	0.20 130	0.14 147	0.20 152	0.96 372	0.21 155	0.14 147	0.20 148	0.13 146	0.21 156	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 143	0.12 139	0.17 141	0.12 134

hitnet-ft	0.79 315	2.78 438	0.14 124	0.20 130	0.14 147	0.21 159	2.89 503	2.80 492	0.14 147	0.20 148	0.14 151	0.20 149	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 143	0.12 139	2.54 478	2.33 499

GANet-RSSM	0.75 306	1.91 374	0.14 124	0.47 232	0.14 147	0.21 159	3.21 519	2.30 466	0.14 147	0.46 263	0.14 151	0.23 166	0.18 169	0.21 159	0.14 141	0.18 145	0.27 186	0.37 234	0.13 147	2.13 448	2.12 492

PSMNet-RSSM	0.77 311	2.76 434	0.14 124	0.20 130	0.14 147	0.20 152	2.66 500	2.79 491	0.14 147	0.21 157	0.14 151	0.21 156	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 143	0.12 139	2.52 470	2.31 497

GwcNet-RSSM	0.77 311	2.77 436	0.14 124	0.20 130	0.14 147	0.20 152	2.67 501	2.78 490	0.14 147	0.20 148	0.14 151	0.20 149	0.14 148	0.21 159	0.14 141	0.17 137	0.12 108	0.17 143	0.12 139	2.52 470	2.31 497

CFNet-ft	0.55 275	1.57 355	0.14 124	0.20 130	0.14 147	0.20 152	2.53 499	1.61 436	0.14 147	0.20 148	0.14 151	0.20 149	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 143	0.12 139	1.56 427	1.24 447

DEFOM-Stereo_RVC	0.83 329	5.18 483	1.98 485	2.19 433	0.17 168	0.19 147	0.18 161	0.19 144	0.16 159	0.20 148	0.19 176	0.22 162	0.22 183	0.20 149	0.15 151	2.28 466	2.13 484	0.24 176	0.17 173	0.18 145	0.16 146

gwcnet-sp	0.82 326	1.72 359	1.48 447	0.39 190	0.15 158	0.31 192	0.21 173	0.20 149	0.25 192	1.61 440	0.23 189	0.28 186	0.26 204	0.20 149	0.15 151	0.24 171	1.33 431	0.32 198	0.16 155	6.75 525	0.23 172

scenet	0.82 326	1.72 359	1.48 447	0.39 190	0.15 158	0.31 192	0.21 173	0.20 149	0.25 192	1.61 440	0.23 189	0.28 186	0.26 204	0.20 149	0.15 151	0.24 171	1.33 431	0.32 198	0.16 155	6.75 525	0.23 172

ssnet	0.82 326	1.72 359	1.48 447	0.39 190	0.15 158	0.31 192	0.21 173	0.20 149	0.25 192	1.61 440	0.23 189	0.28 186	0.26 204	0.20 149	0.15 151	0.24 171	1.33 431	0.32 198	0.16 155	6.75 525	0.23 172

dd	0.23 148	0.98 257	0.16 140	0.23 141	0.15 158	0.23 167	0.15 147	0.23 163	0.15 157	0.23 163	0.15 159	0.24 170	0.17 162	0.23 167	0.15 151	0.22 155	0.15 138	0.21 158	0.15 154	0.22 157	0.16 146

dad	0.23 148	1.03 272	0.16 140	0.23 141	0.15 158	0.24 168	0.15 147	0.24 166	0.16 159	0.23 163	0.16 160	0.24 170	0.16 158	0.23 167	0.15 151	0.22 155	0.16 140	0.22 163	0.16 155	0.22 157	0.16 146

xyz-stereo-finetune2	0.18 131	0.48 183	0.16 140	0.16 116	0.15 158	0.15 125	0.16 150	0.16 132	0.16 159	0.16 129	0.16 160	0.16 130	0.16 158	0.16 131	0.16 157	0.16 130	0.16 140	0.16 136	0.16 155	0.16 136	0.16 146

xyz-stereo	0.18 131	0.50 189	0.16 140	0.15 106	0.16 165	0.16 133	0.16 150	0.16 132	0.16 159	0.16 129	0.16 160	0.16 130	0.16 158	0.16 131	0.16 157	0.16 130	0.16 140	0.16 136	0.16 155	0.16 136	0.16 146

GMStereo_Zeroshot	0.16 125	0.16 86	0.16 140	0.16 116	0.16 165	0.16 133	0.16 150	0.16 132	0.16 159	0.16 129	0.16 160	0.16 130	0.16 158	0.16 131	0.16 157	0.16 130	0.16 140	0.16 136	0.16 155	0.16 136	0.16 146

castereo	0.61 282	3.79 461	1.35 429	1.52 411	0.15 158	0.17 141	0.16 150	0.20 149	0.21 176	0.18 141	0.16 160	0.21 156	0.12 139	0.26 186	0.17 160	1.43 426	1.38 439	0.17 143	0.16 155	0.18 145	0.16 146

tg	0.21 141	0.25 119	0.21 161	0.26 158	0.17 168	0.24 168	0.17 155	0.24 166	0.17 164	0.24 168	0.17 165	0.24 170	0.17 162	0.24 171	0.17 160	0.24 171	0.17 155	0.23 169	0.16 155	0.23 166	0.16 146

ACV-stereo	0.30 166	2.08 384	0.25 175	0.25 151	0.18 175	0.24 168	0.17 155	0.24 166	0.18 166	0.24 168	0.17 165	0.25 175	0.17 162	0.24 171	0.17 160	0.22 155	0.16 140	0.22 163	0.16 155	0.22 157	0.16 146

IGEV_Zeroshot_test	0.20 135	0.19 95	0.40 240	0.30 163	0.17 168	0.22 161	0.17 155	0.21 155	0.17 164	0.20 148	0.17 165	0.21 156	0.18 169	0.21 159	0.17 160	0.20 148	0.16 140	0.20 156	0.16 155	0.20 152	0.17 158

MIM_Stereo	0.25 151	0.23 110	0.66 313	0.80 296	0.17 168	0.22 161	0.17 155	0.23 163	0.18 166	0.26 179	0.17 165	0.21 156	0.17 162	0.25 176	0.17 160	0.23 166	0.16 140	0.21 158	0.17 173	0.22 157	0.17 158

MMNet	0.44 239	1.24 344	0.17 147	0.25 151	0.17 168	0.25 175	0.18 161	1.26 424	0.93 373	0.25 172	0.17 165	0.25 175	0.18 169	0.25 176	0.17 160	0.23 166	0.16 140	0.23 169	0.16 155	1.20 368	0.99 372

delet	0.43 235	1.21 340	0.17 147	0.25 151	0.17 168	0.25 175	0.18 161	1.26 424	0.95 375	0.25 172	0.17 165	0.25 175	0.17 162	0.25 176	0.17 160	0.23 166	0.16 140	0.22 163	0.16 155	1.18 365	0.98 371

psm_up	0.43 235	1.19 293	0.17 147	0.25 151	0.18 175	0.25 175	0.19 165	1.26 424	0.91 368	0.26 179	0.17 165	0.25 175	0.17 162	0.25 176	0.17 160	0.22 155	0.17 155	0.23 169	0.16 155	1.18 365	0.99 372

UPFNet	0.42 234	1.20 294	0.17 147	0.24 146	0.17 168	0.25 175	0.17 155	1.19 372	0.90 367	0.25 172	0.17 165	0.24 170	0.17 162	0.25 176	0.17 160	0.22 155	0.17 155	0.22 163	0.16 155	1.15 357	0.93 367

MSKI-zero shot	0.24 150	0.21 105	0.49 281	0.65 279	0.18 175	0.22 161	0.17 155	0.23 163	0.18 166	0.21 157	0.17 165	0.23 166	0.28 218	0.23 167	0.18 169	0.21 152	0.16 140	0.21 158	0.16 155	0.21 155	0.16 146

iResNetv2_ROB	0.20 135	0.23 110	0.18 152	0.24 146	0.20 181	0.24 168	0.18 161	0.24 166	0.18 166	0.24 168	0.18 175	0.23 166	0.19 174	0.24 171	0.18 169	0.21 152	0.16 140	0.21 158	0.16 155	0.22 157	0.16 146

iResNet	0.20 135	0.23 110	0.18 152	0.24 146	0.18 175	0.24 168	0.20 168	0.24 166	0.18 166	0.23 163	0.17 165	0.23 166	0.18 169	0.23 167	0.18 169	0.22 155	0.16 140	0.21 158	0.16 155	0.21 155	0.16 146

Pointernet	0.21 141	0.22 109	0.19 155	0.24 146	0.19 179	0.24 168	0.19 165	0.24 166	0.19 172	0.24 168	0.19 176	0.24 170	0.19 174	0.24 171	0.19 172	0.22 155	0.17 155	0.22 163	0.17 173	0.22 157	0.17 158

CAS++	0.17 128	0.27 121	0.21 161	0.10 56	0.21 187	0.15 125	0.22 178	0.10 103	0.21 176	0.22 159	0.10 110	0.19 147	0.18 169	0.10 104	0.19 172	0.20 148	0.19 162	0.18 152	0.10 111	0.19 151	0.18 162
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
CFNet	1.37 423	5.27 486	0.19 155	5.49 513	0.19 179	0.28 186	0.19 165	0.28 179	0.19 172	0.28 182	0.19 176	0.28 186	4.35 523	0.28 191	0.19 172	0.23 166	0.17 155	0.23 169	4.21 532	4.81 509	0.17 158

DAS	0.20 135	0.20 99	0.20 158	0.20 130	0.20 181	0.20 152	0.20 168	0.20 149	0.20 174	0.20 148	0.20 180	0.20 149	0.20 178	0.20 149	0.20 175	0.20 148	0.20 164	0.20 156	0.20 178	0.20 152	0.20 165

AANet_RVC	1.26 418	0.31 128	4.99 524	5.93 516	0.20 181	0.25 175	0.20 168	0.25 172	0.20 174	0.23 163	0.19 176	0.25 175	0.20 178	0.25 176	0.20 175	5.66 524	4.76 517	0.26 180	0.30 236	0.24 167	0.27 197

GEStereo_RVC	0.86 335	4.45 473	0.20 158	0.27 160	0.20 181	0.27 185	0.20 168	0.26 176	0.18 166	5.03 526	0.20 180	0.27 185	0.19 174	0.27 189	0.21 177	0.20 148	0.19 162	0.19 155	4.02 530	0.20 152	0.18 162

HGLStereo	0.28 161	0.29 126	0.22 163	0.36 179	0.22 189	0.36 211	0.21 173	0.36 202	0.21 176	0.42 248	0.21 184	0.36 213	0.22 183	0.36 215	0.21 177	0.34 201	0.21 167	0.34 213	0.21 179	0.34 196	0.21 167

DCVSM-stereo	0.36 195	1.89 371	0.22 163	0.40 203	0.22 189	0.40 228	0.22 178	0.40 222	0.22 179	0.40 223	0.22 185	0.40 232	0.22 183	0.40 232	0.22 179	0.28 183	0.21 167	0.28 186	0.21 179	0.28 175	0.20 165

WAO-6	0.22 144	0.23 110	0.22 163	0.23 141	0.22 189	0.22 161	0.22 178	0.22 159	0.22 179	0.22 159	0.22 185	0.22 162	0.22 183	0.22 163	0.22 179	0.22 155	0.22 171	0.22 163	0.22 182	0.22 157	0.22 170

IMH-64-1	0.22 144	0.23 110	0.23 166	0.22 139	0.22 189	0.22 161	0.22 178	0.22 159	0.22 179	0.22 159	0.22 185	0.22 162	0.22 183	0.22 163	0.22 179	0.22 155	0.22 171	0.23 169	0.22 182	0.22 157	0.23 172

IMH-64	0.22 144	0.23 110	0.23 166	0.22 139	0.22 189	0.22 161	0.22 178	0.22 159	0.22 179	0.22 159	0.22 185	0.22 162	0.22 183	0.22 163	0.22 179	0.22 155	0.22 171	0.23 169	0.22 182	0.22 157	0.23 172

ssnet_v2	0.68 294	1.96 381	1.25 425	0.29 162	0.20 181	0.30 189	0.20 168	0.29 183	0.22 179	1.50 438	0.20 180	0.31 196	0.20 178	0.27 189	0.22 179	0.24 171	1.49 445	0.26 180	0.18 177	3.90 487	0.19 164

DISCO	1.11 365	0.39 146	5.28 526	0.39 190	0.20 181	0.39 226	0.27 204	0.39 217	0.22 179	0.38 213	0.20 180	0.38 221	0.20 178	6.95 537	0.22 179	0.30 191	0.21 167	0.27 184	0.21 179	5.25 518	0.21 167

PAM	0.39 214	1.88 370	0.34 215	0.37 182	0.41 290	0.45 269	0.22 178	0.28 179	0.23 185	0.28 182	0.24 195	0.29 191	0.23 189	0.29 194	0.23 185	0.38 225	0.32 214	0.38 241	0.37 273	0.32 186	0.22 170

DLNR_Zeroshot_test	0.31 171	0.28 124	0.47 269	0.79 294	0.24 199	0.30 189	0.26 201	0.30 185	0.24 187	0.32 193	0.23 189	0.31 196	0.24 192	0.30 196	0.23 185	0.29 190	0.26 181	0.29 191	0.24 195	0.33 192	0.23 172

testlalala	0.32 179	0.81 227	0.31 198	0.39 190	0.26 209	0.33 202	0.24 190	0.33 191	0.26 205	0.32 193	0.26 207	0.33 201	0.23 189	0.33 205	0.23 185	0.35 210	0.31 212	0.30 193	0.24 195	0.31 184	0.21 167

FENet	0.54 271	1.52 354	1.19 371	1.41 409	0.23 194	0.35 208	0.23 185	0.35 198	0.23 185	0.34 200	0.23 189	0.35 207	0.23 189	0.35 209	0.23 185	1.40 425	1.07 355	0.32 198	0.23 187	0.33 192	0.23 172

WCG-NET（raft）	0.32 179	1.24 344	0.24 172	0.32 169	0.24 199	0.32 200	0.23 185	0.32 188	0.24 187	0.32 193	0.24 195	0.32 198	0.24 192	0.32 199	0.24 189	0.30 191	0.23 175	0.30 193	0.23 187	0.30 181	0.23 172

tt1	0.31 171	0.93 251	0.24 172	0.33 172	0.23 194	0.31 192	0.24 190	0.32 188	0.24 187	0.32 193	0.23 189	0.32 198	0.25 195	0.32 199	0.24 189	0.27 181	0.26 181	0.27 184	0.26 206	0.27 173	0.27 197

xxxxx1	0.31 171	0.91 244	0.23 166	0.31 166	0.23 194	0.31 192	0.23 185	0.33 191	0.25 192	0.31 188	0.24 195	0.33 201	0.25 195	0.32 199	0.24 189	0.28 183	0.28 191	0.28 186	0.28 217	0.29 178	0.27 197

tt_ll	0.31 171	0.91 244	0.23 166	0.31 166	0.23 194	0.31 192	0.23 185	0.33 191	0.25 192	0.31 188	0.24 195	0.33 201	0.25 195	0.32 199	0.24 189	0.28 183	0.28 191	0.28 186	0.28 217	0.29 178	0.27 197

ff	0.31 171	0.91 244	0.23 166	0.31 166	0.23 194	0.31 192	0.23 185	0.33 191	0.25 192	0.31 188	0.24 195	0.33 201	0.25 195	0.32 199	0.24 189	0.28 183	0.28 191	0.28 186	0.28 217	0.29 178	0.27 197

iResNet_ROB	0.28 161	0.32 129	0.24 172	0.32 169	0.25 201	0.32 200	0.24 190	0.32 188	0.24 187	0.33 198	0.24 195	0.35 207	0.24 192	0.33 205	0.24 189	0.31 194	0.24 177	0.32 198	0.24 195	0.32 186	0.24 182

UNDER WATER-64	0.25 151	0.26 120	0.25 175	0.26 158	0.25 201	0.25 175	0.25 193	0.25 172	0.25 192	0.25 172	0.25 201	0.25 175	0.25 195	0.26 186	0.25 195	0.25 177	0.25 178	0.25 177	0.25 200	0.25 168	0.25 183

LoS_RVC	0.30 166	1.14 286	0.25 175	0.25 151	0.25 201	0.26 182	0.25 193	0.25 172	0.25 192	0.25 172	0.25 201	0.26 184	0.26 204	0.26 186	0.25 195	0.26 178	0.26 181	0.25 177	0.25 200	0.26 170	0.26 189

CAS	0.30 166	1.17 290	0.25 175	0.25 151	0.25 201	0.26 182	0.25 193	0.25 172	0.26 205	0.25 172	0.25 201	0.25 175	0.25 195	0.25 176	0.25 195	0.26 178	0.26 181	0.26 180	0.25 200	0.26 170	0.25 183

LoS	0.25 151	0.27 121	0.25 175	0.25 151	0.25 201	0.25 175	0.25 193	0.26 176	0.25 192	0.25 172	0.25 201	0.25 175	0.25 195	0.25 176	0.25 195	0.26 178	0.25 178	0.25 177	0.26 206	0.26 170	0.25 183
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CroCo-Stereo	0.73 304	1.22 343	0.25 175	1.22 395	0.25 201	1.22 428	0.25 193	1.22 421	0.25 192	1.22 429	0.25 201	1.22 432	0.25 195	1.22 432	0.25 195	1.22 414	0.26 181	1.21 436	0.25 200	1.22 415	0.25 183
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
StereoDRNet-Refined	0.33 182	0.39 146	0.26 181	0.39 190	0.26 209	0.40 228	0.26 201	0.40 222	0.26 205	0.39 218	0.26 207	0.39 225	0.26 204	0.39 229	0.26 200	0.37 218	0.25 178	0.37 234	0.25 200	0.37 217	0.37 258
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
model_zeroshot	0.27 160	0.20 99	0.27 182	0.33 172	0.21 187	0.37 216	0.22 178	0.37 208	0.24 187	0.26 179	0.27 211	0.33 201	0.21 182	0.25 176	0.27 201	0.32 195	0.20 164	0.34 213	0.23 187	0.25 168	0.26 189

GCAP-BAT	0.33 182	0.78 221	0.32 202	0.38 185	0.25 201	0.34 204	0.25 193	0.34 195	0.26 205	0.34 200	0.25 201	0.35 207	0.26 204	0.35 209	0.27 201	0.36 214	0.30 208	0.32 198	0.24 195	0.32 186	0.26 189

TorneroNet-64	0.45 241	0.27 121	0.30 192	0.58 267	0.27 211	0.70 332	0.30 221	0.28 179	0.73 354	0.73 334	0.28 217	0.71 334	0.66 337	0.75 338	0.27 201	0.27 181	0.29 200	0.37 234	0.75 358	0.28 175	0.30 225

CroCo-Stereo Lap2	0.77 311	1.29 346	0.29 188	1.27 399	0.29 221	1.27 431	0.26 201	1.26 424	0.26 205	1.26 430	0.26 207	1.27 434	0.26 204	1.26 433	0.27 201	1.27 416	0.27 186	1.27 439	0.27 213	1.27 417	0.27 197

CRFU-Net	0.65 287	1.67 358	1.22 421	1.96 427	0.27 211	0.41 244	0.27 204	0.41 237	0.27 210	0.40 223	0.26 207	0.41 244	0.27 212	0.40 232	0.27 201	1.80 440	1.62 458	0.34 213	0.23 187	0.33 192	0.23 172

MLCV	0.31 171	0.35 132	0.27 182	0.35 175	0.28 214	0.35 208	0.27 204	0.35 198	0.28 213	0.36 207	0.27 211	0.35 207	0.27 212	0.35 209	0.27 201	0.34 201	0.27 186	0.34 213	0.27 213	0.34 196	0.27 197

LG-Stereo_L2	0.34 184	0.37 137	0.38 230	0.47 232	0.28 214	0.39 226	0.28 209	0.39 217	0.28 213	0.39 218	0.28 217	0.39 225	0.28 218	0.38 221	0.28 207	0.42 260	0.35 225	0.36 231	0.26 206	0.35 208	0.26 189

GIP-stereo	0.36 195	0.49 185	0.39 237	0.48 236	0.32 236	0.41 244	0.28 209	0.40 222	0.30 228	0.41 236	0.28 217	0.40 232	0.28 218	0.42 259	0.28 207	0.45 264	0.32 214	0.38 241	0.30 236	0.37 217	0.27 197

DEFOM-Stereo	0.68 294	3.11 444	1.40 443	1.63 418	0.25 201	0.31 192	0.25 193	0.31 187	0.28 213	0.31 188	0.29 221	0.29 191	0.27 212	0.31 198	0.28 207	1.59 433	1.47 444	0.30 193	0.29 226	0.30 181	0.28 210

RSM	0.36 195	0.36 135	0.43 254	0.37 182	0.42 300	0.49 290	0.42 289	0.37 208	0.28 213	0.36 207	0.29 221	0.36 213	0.30 230	0.37 219	0.28 207	0.34 201	0.31 212	0.34 213	0.35 265	0.40 238	0.29 215

ACVNet-DCA	0.37 200	1.00 260	0.30 192	0.40 203	0.29 221	0.40 228	0.29 216	0.40 222	0.29 218	0.40 223	0.29 221	0.40 232	0.29 224	0.39 229	0.28 207	0.33 198	0.32 214	0.33 206	0.32 247	0.33 192	0.32 234

SQANet	0.28 161	0.28 124	0.28 186	0.28 161	0.28 214	0.28 186	0.28 209	0.28 179	0.28 213	0.28 182	0.28 217	0.28 186	0.28 218	0.28 191	0.28 207	0.28 183	0.28 191	0.28 186	0.28 217	0.28 175	0.28 210

Any-RAFT	0.32 179	0.36 135	0.27 182	0.36 179	0.27 211	0.36 211	0.27 204	0.36 202	0.27 210	0.36 207	0.27 211	0.36 213	0.27 212	0.36 215	0.28 207	0.36 214	0.28 191	0.36 231	0.28 217	0.36 215	0.28 210

IER	0.88 336	7.04 502	2.23 490	2.75 451	0.28 214	0.43 266	0.25 193	0.39 217	0.25 192	0.41 236	0.27 211	0.39 225	0.25 195	0.40 232	0.28 207	0.37 218	0.28 191	0.37 234	0.25 200	0.37 217	0.25 183

DGSMNet	0.34 184	0.41 155	0.27 182	0.41 213	0.28 214	0.41 244	0.28 209	0.41 237	0.27 210	0.41 236	0.27 211	0.42 260	0.27 212	0.41 246	0.28 207	0.40 238	0.29 200	0.40 256	0.28 217	0.40 238	0.27 197

DN-CSS_ROB	0.31 171	0.35 132	0.28 186	0.35 175	0.28 214	0.34 204	0.27 204	0.34 195	0.25 192	0.35 204	0.27 211	0.36 213	0.26 204	0.34 207	0.28 207	0.35 210	0.28 191	0.34 213	0.28 217	0.34 196	0.27 197

xx1	0.38 206	1.03 272	0.31 198	0.40 203	0.31 234	0.41 244	0.28 209	0.40 222	0.29 218	0.40 223	0.29 221	0.40 232	0.29 224	0.40 232	0.29 217	0.34 201	0.33 221	0.34 213	0.32 247	0.34 196	0.32 234

1test111	0.37 200	1.02 270	0.30 192	0.39 190	0.29 221	0.40 228	0.28 209	0.39 217	0.29 218	0.39 218	0.29 221	0.39 225	0.28 218	0.40 232	0.29 217	0.33 198	0.32 214	0.33 206	0.31 242	0.32 186	0.31 230

cc1	0.37 200	1.02 270	0.30 192	0.39 190	0.29 221	0.40 228	0.28 209	0.39 217	0.29 218	0.39 218	0.29 221	0.39 225	0.28 218	0.40 232	0.29 217	0.33 198	0.32 214	0.33 206	0.31 242	0.32 186	0.31 230

EKT-Stereo	0.37 200	0.40 148	0.44 256	1.07 331	0.29 221	0.34 204	0.31 225	0.36 202	0.29 218	0.38 213	0.31 235	0.37 219	0.30 230	0.36 215	0.29 217	0.34 201	0.28 191	0.39 251	0.30 236	0.37 217	0.30 225

PML	0.46 244	1.36 351	0.29 188	0.58 267	0.30 230	0.57 319	0.29 216	0.57 305	0.29 218	0.57 314	0.29 221	0.57 318	0.29 224	0.56 312	0.29 217	0.52 293	0.30 208	0.53 320	0.31 242	0.53 293	0.30 225

GES	0.66 289	2.34 408	0.29 188	0.41 213	0.29 221	0.41 244	0.29 216	0.42 253	0.29 218	0.40 223	0.41 287	0.41 244	0.30 230	0.51 302	0.29 217	0.32 195	0.29 200	0.32 198	2.46 503	2.49 466	0.30 225

UCFNet_RVC	2.75 494	10.06 524	0.29 188	10.31 540	0.29 221	0.42 262	0.29 216	0.43 257	0.29 218	0.42 248	0.29 221	0.42 260	9.87 540	0.43 261	0.29 217	0.36 214	9.84 540	0.36 231	0.26 206	9.77 539	0.26 189

IGEV++	0.34 184	0.43 163	0.30 192	0.40 203	0.29 221	0.40 228	0.29 216	0.40 222	0.29 218	0.40 223	0.29 221	0.40 232	0.29 224	0.40 232	0.30 224	0.38 225	0.29 200	0.37 234	0.29 226	0.37 217	0.29 215

IGEV-Stereo	0.35 191	0.44 166	0.45 258	0.49 242	0.30 230	0.37 216	0.30 221	0.36 202	0.30 228	0.36 207	0.29 221	0.36 213	0.29 224	0.36 215	0.30 224	0.46 267	0.39 243	0.32 198	0.24 195	0.32 186	0.25 183
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.34 184	0.42 162	0.31 198	0.39 190	0.30 230	0.38 220	0.30 221	0.40 222	0.29 218	0.40 223	0.37 269	0.41 244	0.34 249	0.38 221	0.30 224	0.34 201	0.27 186	0.34 213	0.26 206	0.34 196	0.26 189

RAFT + AFF	0.31 171	0.45 169	0.34 215	0.39 190	0.28 214	0.38 220	0.33 235	0.29 183	0.31 232	0.30 186	0.30 232	0.29 191	0.27 212	0.29 194	0.30 224	0.28 183	0.29 200	0.29 191	0.29 226	0.27 173	0.32 234

DANet	0.30 166	0.30 127	0.30 192	0.30 163	0.30 230	0.30 189	0.30 221	0.30 185	0.30 228	0.30 186	0.30 232	0.30 194	0.30 230	0.30 196	0.30 224	0.30 191	0.30 208	0.30 193	0.30 236	0.30 181	0.30 225
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
water-stereo	0.41 225	0.84 230	0.46 262	0.50 249	0.33 247	0.45 269	0.33 235	0.45 259	0.32 235	0.45 259	0.32 237	0.45 266	0.32 237	0.45 266	0.32 229	0.44 262	0.41 255	0.39 251	0.31 242	0.39 233	0.32 234

xyz-stereo-finetune	0.28 161	0.49 185	0.16 140	0.16 116	0.16 165	0.16 133	0.16 150	0.22 159	0.30 228	0.32 193	0.31 235	0.32 198	0.31 235	0.32 199	0.32 229	0.32 195	0.33 221	0.31 197	0.32 247	0.31 184	0.32 234

GREAT-IGEV	0.38 206	0.43 163	0.36 224	0.48 236	0.32 236	0.45 269	0.32 226	0.45 259	0.32 235	0.45 259	0.32 237	0.45 266	0.32 237	0.45 266	0.32 229	0.44 262	0.33 221	0.41 269	0.29 226	0.41 248	0.29 215

mms	0.40 218	0.45 169	0.35 222	0.48 236	0.36 266	0.47 280	0.34 246	0.45 259	0.38 268	0.47 269	0.33 243	0.45 266	0.32 237	0.45 266	0.32 229	0.39 234	0.38 236	0.38 241	0.37 273	0.39 233	0.39 270

fffy	0.38 206	0.43 163	0.33 207	0.46 226	0.33 247	0.45 269	0.32 226	0.45 259	0.32 235	0.45 259	0.32 237	0.45 266	0.33 244	0.45 266	0.32 229	0.38 225	0.38 236	0.38 241	0.37 273	0.37 217	0.36 254

iRaft-Stereo_20w	0.34 184	0.41 155	0.31 198	0.39 190	0.29 221	0.40 228	0.32 226	0.41 237	0.32 235	0.38 213	0.30 232	0.39 225	0.30 230	0.38 221	0.32 229	0.35 210	0.27 186	0.34 213	0.27 213	0.34 196	0.29 215

FCDSN-DC	0.41 225	0.59 209	0.64 309	0.54 260	0.33 247	0.50 298	0.37 262	0.42 253	0.40 277	0.61 319	0.43 298	0.50 301	0.49 312	0.38 221	0.32 229	0.28 183	0.23 175	0.26 180	0.22 182	0.35 208	0.28 210
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Gwc-CoAtRS	0.41 225	1.49 353	0.32 202	0.42 221	0.32 236	0.41 244	0.32 226	0.41 237	0.33 241	0.41 236	0.32 237	0.41 244	0.32 237	0.41 246	0.32 229	0.39 234	0.28 191	0.39 251	0.28 217	0.40 238	0.28 210

MyStereo04	0.56 277	3.72 459	0.59 301	0.49 242	0.41 290	0.36 211	0.32 226	0.37 208	0.31 232	0.34 200	0.46 305	0.35 207	0.32 237	0.35 209	0.33 237	0.49 279	0.45 268	0.34 213	0.32 247	0.35 208	0.43 287

PCWNet_CMD	2.80 496	9.82 522	0.32 202	10.09 539	0.32 236	0.49 290	0.33 235	3.34 498	0.33 241	0.49 283	0.33 243	0.49 287	8.73 536	0.48 283	0.33 237	0.41 246	9.22 535	0.42 280	0.29 226	9.55 538	0.31 230

CFNet_ucs	2.73 493	9.64 521	0.33 207	9.92 537	0.32 236	0.49 290	0.33 235	0.49 277	0.33 241	0.49 283	0.33 243	0.49 287	8.98 538	0.48 283	0.33 237	0.41 246	9.96 541	0.40 256	0.29 226	10.12 541	0.54 318

RAFT-Test	0.36 195	0.37 137	0.33 207	0.41 213	0.32 236	0.41 244	0.32 226	0.41 237	0.32 235	0.41 236	0.32 237	0.41 244	0.32 237	0.41 246	0.33 237	0.37 218	0.29 200	0.37 234	0.29 226	0.38 226	0.31 230

RCA-Stereo	0.51 267	3.22 448	0.34 215	0.44 224	0.34 257	0.44 268	0.34 246	0.43 257	0.34 250	0.43 254	0.34 251	0.44 264	0.33 244	0.43 261	0.33 237	0.38 225	0.29 200	0.38 241	0.29 226	0.38 226	0.29 215

CFNet_pseudo	2.67 492	9.36 519	0.32 202	10.99 541	0.33 247	0.85 345	0.33 235	0.49 277	0.33 241	0.49 283	0.32 237	0.49 287	7.26 534	0.49 289	0.33 237	0.41 246	9.62 538	0.41 269	0.29 226	10.03 540	0.29 215

pcwnet_v2	2.66 491	9.89 523	0.33 207	9.89 536	0.32 236	0.50 298	0.32 226	0.49 277	0.33 241	0.49 283	0.34 251	0.49 287	8.76 537	0.48 283	0.33 237	0.41 246	9.58 537	0.40 256	0.29 226	9.01 536	0.63 332

HCRNet	1.22 416	7.11 503	3.00 498	3.55 482	0.33 247	0.29 188	0.14 142	0.19 144	0.15 157	0.33 198	0.29 221	0.25 175	0.14 148	0.22 163	0.33 237	3.64 495	3.00 492	0.76 344	0.32 247	0.18 145	0.13 140

ccnet	0.80 317	2.28 400	0.33 207	0.50 249	0.33 247	0.50 298	0.33 235	0.50 285	0.33 241	0.49 283	0.33 243	0.49 287	1.56 452	2.38 469	0.33 237	0.41 246	0.29 200	0.42 280	1.57 464	2.28 454	0.29 215

CFNet-RSSM	0.91 339	4.89 479	0.34 215	0.44 224	1.07 392	1.62 446	1.40 458	0.91 344	0.35 253	1.60 439	1.39 458	0.64 327	0.34 249	0.44 263	0.33 237	0.41 246	0.35 225	0.75 342	0.30 236	0.41 248	0.29 215

psmorigin	0.41 225	0.46 173	0.33 207	0.49 242	0.33 247	0.49 290	0.33 235	0.49 277	0.33 241	0.49 283	0.33 243	0.49 287	0.33 244	0.51 302	0.33 237	0.41 246	0.30 208	0.41 269	0.30 236	0.79 320	0.29 215

MSMDNet	2.65 490	10.14 525	0.33 207	9.74 535	0.32 236	0.87 347	0.33 235	2.95 494	0.68 341	0.49 283	0.34 251	0.49 287	5.70 530	0.49 289	0.33 237	0.42 260	9.57 536	0.41 269	0.31 242	8.36 533	0.65 334

ccs_rob	2.79 495	10.17 526	0.32 202	10.00 538	0.33 247	0.49 290	0.33 235	1.90 445	0.32 235	0.51 299	0.33 243	0.49 287	9.24 539	0.49 289	0.33 237	0.41 246	9.82 539	0.41 269	0.28 217	9.34 537	0.29 215

depthmonostereo	0.44 239	0.85 232	0.46 262	0.54 260	0.40 283	0.52 307	0.38 268	0.52 296	0.35 253	0.47 269	0.34 251	0.46 270	0.34 249	0.47 274	0.34 250	0.45 264	0.43 265	0.41 269	0.33 255	0.41 248	0.32 234

DilatedVolume-Stereo	0.43 235	0.86 233	0.48 276	0.50 249	0.33 247	0.46 275	0.33 235	0.46 263	0.33 241	0.46 263	0.33 243	0.47 276	0.33 244	0.47 274	0.34 250	0.45 264	0.42 263	0.40 256	0.33 255	0.47 270	0.38 265

RAFT-Stereo-weight	0.45 241	1.90 373	0.34 215	0.42 221	0.36 266	0.43 266	0.35 251	0.42 253	0.34 250	0.42 248	0.34 251	0.44 264	0.34 249	0.41 246	0.34 250	0.38 225	0.32 214	0.38 241	0.32 247	0.38 226	0.33 241

H2IRNET	0.34 184	0.34 131	0.34 215	0.34 174	0.34 257	0.34 204	0.34 246	0.34 195	0.34 250	0.34 200	0.34 251	0.34 206	0.34 249	0.34 207	0.34 250	0.34 201	0.34 224	0.34 213	0.34 259	0.34 196	0.34 247

GCST	0.50 262	2.08 384	0.38 230	0.53 258	0.35 260	0.49 290	0.35 251	0.50 285	0.35 253	0.49 283	0.35 260	0.49 287	0.35 255	0.49 289	0.35 254	0.48 276	0.37 230	0.45 287	0.33 255	0.44 258	0.33 241

Former-RAFT_DAM_RVC	0.49 260	0.98 257	0.64 309	0.84 301	0.46 307	0.45 269	0.35 251	0.47 269	0.47 303	0.45 259	0.34 251	0.46 270	0.48 307	0.46 270	0.35 254	0.39 234	0.71 325	0.39 251	0.35 265	0.41 248	0.41 279

ETE_ROB	0.35 191	0.35 132	0.35 222	0.35 175	0.35 260	0.35 208	0.35 251	0.35 198	0.35 253	0.35 204	0.35 260	0.35 207	0.35 255	0.35 209	0.35 254	0.35 210	0.35 225	0.35 226	0.35 265	0.35 208	0.35 253

UGAM-zero	0.51 267	2.17 392	0.39 237	0.53 258	0.36 266	0.50 298	0.36 257	0.50 285	0.36 263	0.49 283	0.36 263	0.50 301	0.35 255	0.50 296	0.36 257	0.49 279	0.37 230	0.47 294	0.35 265	0.46 263	0.34 247

UGAM	0.51 267	2.23 397	0.39 237	0.54 260	0.35 260	0.50 298	0.35 251	0.49 277	0.35 253	0.49 283	0.35 260	0.49 287	0.36 258	0.50 296	0.36 257	0.49 279	0.37 230	0.45 287	0.34 259	0.45 262	0.34 247

CES	0.39 214	0.47 177	0.36 224	0.36 179	0.37 269	0.45 269	0.35 251	0.35 198	0.40 277	0.36 207	0.44 300	0.47 276	0.36 258	0.44 263	0.36 257	0.37 218	0.39 243	0.44 283	0.35 265	0.37 217	0.36 254

GMOStereo	0.37 200	0.45 169	0.23 166	0.30 163	0.37 269	0.41 244	0.36 257	0.41 237	0.35 253	0.43 254	0.36 263	0.41 244	0.40 272	0.41 246	0.36 257	0.34 201	0.22 171	0.47 294	0.37 273	0.39 233	0.33 241

error version	0.93 346	4.47 474	2.35 493	1.99 429	0.37 269	0.41 244	0.36 257	0.41 237	0.35 253	0.43 254	0.36 263	0.41 244	0.40 272	0.41 246	0.36 257	1.87 442	2.16 485	0.47 294	0.37 273	0.39 233	0.33 241

test_1	0.93 346	4.47 474	2.35 493	1.99 429	0.37 269	0.41 244	0.36 257	0.41 237	0.35 253	0.43 254	0.36 263	0.41 244	0.40 272	0.41 246	0.36 257	1.87 442	2.16 485	0.47 294	0.37 273	0.39 233	0.33 241

DMCA	0.36 195	0.38 140	0.37 227	0.35 175	0.35 260	0.36 211	0.36 257	0.36 202	0.35 253	0.35 204	0.37 269	0.36 213	0.36 258	0.35 209	0.36 257	0.36 214	0.36 228	0.35 226	0.36 271	0.36 215	0.36 254

ADCS	0.09 51	0.02 12	0.04 43	0.90 306	0.06 101	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 121	0.36 257	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

SCV_C0	0.45 241	0.88 237	0.49 281	0.54 260	0.37 269	0.48 285	0.37 262	0.48 273	0.37 264	0.48 276	0.36 263	0.48 283	0.37 262	0.49 289	0.37 265	0.50 285	0.41 255	0.44 283	0.34 259	0.44 258	0.34 247

SCV	0.46 244	0.94 252	0.45 258	0.54 260	0.37 269	0.48 285	0.38 268	0.48 273	0.37 264	0.48 276	0.39 278	0.48 283	0.37 262	0.49 289	0.37 265	0.50 285	0.46 270	0.44 283	0.34 259	0.44 258	0.34 247

XPNet_ROB	0.37 200	0.37 137	0.37 227	0.37 182	0.37 269	0.37 216	0.37 262	0.37 208	0.37 264	0.37 212	0.37 269	0.37 219	0.37 262	0.37 219	0.37 265	0.37 218	0.37 230	0.37 234	0.37 273	0.37 217	0.37 258

HART	0.38 206	0.45 169	0.34 215	0.42 221	0.33 247	0.41 244	0.34 246	0.42 253	0.33 241	0.43 254	0.34 251	0.42 260	0.34 249	0.41 246	0.38 268	0.40 238	0.32 214	0.42 280	0.32 247	0.40 238	0.32 234

WAO-8	0.38 206	0.38 140	0.38 230	0.38 185	0.38 276	0.38 220	0.38 268	0.38 213	0.38 268	0.38 213	0.38 274	0.38 221	0.38 266	0.38 221	0.38 268	0.38 225	0.38 236	0.38 241	0.37 273	0.38 226	0.38 265

WAO-7	0.38 206	0.38 140	0.38 230	0.38 185	0.38 276	0.38 220	0.38 268	0.38 213	0.38 268	0.38 213	0.38 274	0.38 221	0.38 266	0.38 221	0.38 268	0.38 225	0.38 236	0.38 241	0.38 285	0.38 226	0.38 265

Venus	0.38 206	0.38 140	0.38 230	0.38 185	0.38 276	0.37 216	0.38 268	0.37 208	0.37 264	0.41 236	0.37 269	0.39 225	0.37 262	0.38 221	0.38 268	0.37 218	0.38 236	0.38 241	0.37 273	0.37 217	0.38 265

IMH	0.38 206	0.38 140	0.38 230	0.38 185	0.38 276	0.38 220	0.38 268	0.38 213	0.38 268	0.42 248	0.38 274	0.40 232	0.38 266	0.38 221	0.38 268	0.38 225	0.38 236	0.39 251	0.38 285	0.38 226	0.38 265

iRaftStereo_RVC	0.97 350	3.17 447	2.30 492	2.42 445	0.38 276	0.54 312	0.38 268	0.54 300	0.38 268	0.54 307	0.38 274	0.54 310	0.38 266	0.54 308	0.38 268	2.38 473	2.34 489	0.49 306	0.36 271	0.49 277	0.36 254

LG-Stereo_L1	0.47 250	0.52 198	0.47 269	0.62 273	0.39 281	0.53 309	0.40 276	0.53 298	0.39 276	0.53 304	0.39 278	0.53 308	0.39 271	0.53 307	0.39 274	0.55 297	0.46 270	0.49 306	0.37 273	0.49 277	0.37 258

gcap-zeroshot	0.35 191	0.32 129	0.37 227	0.49 242	0.39 281	0.33 202	0.21 173	0.26 176	0.35 253	0.42 248	0.34 251	0.49 287	0.29 224	0.47 274	0.39 274	0.34 201	0.17 155	0.38 241	0.23 187	0.48 274	0.34 247

GCAP-Stereo	0.75 306	4.15 470	0.42 253	0.75 292	0.35 260	0.78 339	0.40 276	0.79 331	0.38 268	0.78 342	0.36 263	0.78 344	0.36 258	0.79 340	0.39 274	0.75 323	0.39 243	0.76 344	0.39 288	0.75 315	0.39 270

LL-Strereo2	0.48 255	1.73 363	0.51 289	0.59 269	0.34 257	0.42 262	0.33 235	0.40 222	0.31 232	0.42 248	0.33 243	0.42 260	0.31 235	0.44 263	0.39 274	0.60 302	0.51 294	0.44 283	0.33 255	0.44 258	0.33 241

HanzoNet	0.39 214	0.38 140	0.40 240	0.39 190	0.41 290	0.38 220	0.38 268	0.38 213	0.38 268	0.39 218	0.39 278	0.38 221	0.38 266	0.39 229	0.40 278	0.38 225	0.38 236	0.40 256	0.38 285	0.38 226	0.40 272

knoymous	0.40 218	0.40 148	0.40 240	0.40 203	0.40 283	0.40 228	0.40 276	0.40 222	0.40 277	0.40 223	0.40 281	0.40 232	0.40 272	0.40 232	0.40 278	0.40 238	0.40 246	0.40 256	0.40 289	0.40 238	0.40 272

anonymousa	0.40 218	0.40 148	0.40 240	0.40 203	0.40 283	0.40 228	0.40 276	0.40 222	0.40 277	0.40 223	0.40 281	0.40 232	0.40 272	0.40 232	0.40 278	0.40 238	0.40 246	0.40 256	0.40 289	0.40 238	0.40 272

riskmin	0.40 218	0.40 148	0.40 240	0.40 203	0.40 283	0.40 228	0.40 276	0.40 222	0.40 277	0.40 223	0.40 281	0.40 232	0.40 272	0.40 232	0.40 278	0.40 238	0.40 246	0.40 256	0.40 289	0.40 238	0.40 272

Anonymous_2	0.40 218	0.40 148	0.40 240	0.40 203	0.40 283	0.40 228	0.40 276	0.40 222	0.40 277	0.40 223	0.40 281	0.40 232	0.40 272	0.40 232	0.40 278	0.40 238	0.40 246	0.40 256	0.40 289	0.40 238	0.40 272

Anonymous_1	0.40 218	0.40 148	0.40 240	0.40 203	0.40 283	0.40 228	0.40 276	0.40 222	0.40 277	0.40 223	0.40 281	0.40 232	0.40 272	0.40 232	0.40 278	0.40 238	0.40 246	0.40 256	0.40 289	0.40 238	0.40 272

AdaStereo	0.40 218	0.40 148	0.40 240	0.40 203	0.40 283	0.40 228	0.40 276	0.40 222	0.40 277	0.40 223	0.40 281	0.40 232	0.40 272	0.40 232	0.40 278	0.40 238	0.40 246	0.40 256	0.40 289	0.40 238	0.40 272
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.
LG-Stereo_Zeroshot	0.48 255	0.55 206	0.47 269	0.63 275	0.41 290	0.56 314	0.44 292	0.56 302	0.41 286	0.56 312	0.41 287	0.57 318	0.42 289	0.56 312	0.41 285	0.55 297	0.43 265	0.51 315	0.37 273	0.51 288	0.37 258

GwcNet-ADL	0.41 225	0.41 155	0.41 248	0.41 213	0.41 290	0.41 244	0.41 284	0.41 237	0.41 286	0.41 236	0.41 287	0.41 244	0.41 283	0.41 246	0.41 285	0.41 246	0.41 255	0.41 269	0.41 296	0.41 248	0.41 279

PSMNet-ADL	0.41 225	0.41 155	0.41 248	0.41 213	0.41 290	0.41 244	0.41 284	0.41 237	0.41 286	0.41 236	0.41 287	0.41 244	0.41 283	0.41 246	0.41 285	0.41 246	0.41 255	0.41 269	0.41 296	0.41 248	0.41 279

GANet-ADL	0.41 225	0.41 155	0.41 248	0.41 213	0.41 290	0.41 244	0.41 284	0.41 237	0.41 286	0.41 236	0.41 287	0.41 244	0.41 283	0.41 246	0.41 285	0.41 246	0.41 255	0.41 269	0.41 296	0.41 248	0.41 279

ADLNet2	0.41 225	0.41 155	0.41 248	0.41 213	0.41 290	0.41 244	0.41 284	0.41 237	0.41 286	0.41 236	0.41 287	0.41 244	0.41 283	0.41 246	0.41 285	0.41 246	0.41 255	0.41 269	0.41 296	0.41 248	0.41 279

ADLNet	0.41 225	0.41 155	0.41 248	0.41 213	0.41 290	0.41 244	0.41 284	0.41 237	0.41 286	0.41 236	0.41 287	0.41 244	0.41 283	0.41 246	0.41 285	0.41 246	0.41 255	0.41 269	0.41 296	0.41 248	0.41 279

Occ-G	1.12 366	0.52 198	3.72 518	3.50 481	0.50 323	0.56 314	0.47 303	0.54 300	0.46 298	0.54 307	0.41 287	0.54 310	0.42 289	0.52 305	0.42 291	3.42 494	4.02 513	0.52 318	0.45 306	0.51 288	0.44 290

CFNet_RVC	2.38 484	8.71 514	0.38 230	9.33 532	0.42 300	0.56 314	0.42 289	0.60 312	0.38 268	0.62 322	0.42 296	0.56 317	7.29 535	0.62 320	0.42 291	0.53 294	0.37 230	0.49 306	0.34 259	8.30 532	6.87 538

DispNO	1.00 353	0.63 212	0.43 254	3.45 477	0.44 303	0.65 328	0.43 291	0.64 317	0.43 293	0.64 325	0.43 298	0.64 327	3.03 496	0.64 325	0.43 293	4.55 503	0.43 265	0.63 329	0.43 304	0.63 301	0.43 287

MonSter	0.60 279	0.64 214	0.52 292	0.62 273	0.44 303	2.07 461	0.44 292	0.62 315	0.44 296	0.62 322	0.44 300	0.62 326	0.44 293	0.62 320	0.44 294	0.58 300	0.42 263	0.62 327	0.46 308	0.58 297	0.42 286

AIO-test1	0.54 271	0.60 211	0.52 292	0.66 282	0.47 313	0.61 322	0.47 303	0.58 308	0.46 298	0.61 319	0.46 305	0.61 324	0.45 295	0.62 320	0.45 295	0.61 305	0.52 296	0.57 323	0.48 318	0.57 296	0.48 302

AIO-Stereo	0.84 332	0.66 215	0.70 319	0.83 300	0.67 352	0.98 359	0.82 360	1.14 364	0.72 351	1.03 367	0.74 360	1.03 371	1.09 375	0.99 365	0.45 295	1.04 352	0.73 327	0.95 367	0.74 357	0.94 341	0.46 293

MyStereo06	0.75 306	4.12 467	0.60 303	0.63 275	0.61 342	0.62 325	0.66 335	0.56 302	0.45 297	0.55 310	0.48 317	0.54 310	0.46 298	0.57 316	0.45 295	0.60 302	0.57 304	0.64 330	0.55 329	0.72 311	0.55 322

CASnet	0.35 191	0.51 196	0.44 256	0.32 169	0.31 234	0.24 168	0.34 246	0.36 202	0.25 192	0.31 188	0.37 269	0.30 194	0.33 244	0.25 176	0.45 295	0.37 218	0.37 230	0.33 206	0.35 265	0.34 196	0.37 258
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
fffft	0.48 255	0.51 196	0.45 258	0.52 257	0.45 305	0.52 307	0.45 296	0.52 296	0.48 310	0.53 304	0.45 303	0.52 307	0.45 295	0.52 305	0.46 299	0.51 291	0.41 255	0.50 310	0.41 296	0.50 282	0.41 279
1: 1. 1
PAM_32	0.64 286	2.38 412	0.51 289	0.92 311	0.43 302	0.53 309	0.44 292	0.87 338	0.43 293	0.52 302	0.45 303	0.53 308	0.40 272	0.54 308	0.46 299	0.62 308	0.56 302	0.48 302	0.45 306	0.76 316	0.44 290

otaku	0.46 244	0.46 173	0.46 262	0.46 226	0.46 307	0.46 275	0.46 298	0.46 263	0.46 298	0.46 263	0.46 305	0.46 270	0.46 298	0.46 270	0.46 299	0.46 267	0.46 270	0.46 290	0.46 308	0.46 263	0.46 293

Dean	0.46 244	0.46 173	0.46 262	0.46 226	0.46 307	0.46 275	0.46 298	0.46 263	0.46 298	0.47 269	0.46 305	0.46 270	0.46 298	0.46 270	0.46 299	0.46 267	0.46 270	0.46 290	0.46 308	0.46 263	0.46 293

ACVNet_1	0.46 244	0.47 177	0.46 262	0.46 226	0.46 307	0.46 275	0.46 298	0.46 263	0.47 303	0.46 263	0.46 305	0.46 270	0.46 298	0.46 270	0.46 299	0.46 267	0.46 270	0.47 294	0.46 308	0.46 263	0.46 293

ACVNet-4b	0.46 244	0.46 173	0.46 262	0.46 226	0.46 307	0.46 275	0.46 298	0.46 263	0.46 298	0.46 263	0.46 305	0.46 270	0.46 298	0.47 274	0.46 299	0.46 267	0.46 270	0.46 290	0.46 308	0.46 263	0.46 293

AIO-test2	0.55 275	0.59 209	0.52 292	0.67 283	0.47 313	0.61 322	0.47 303	0.61 314	0.47 303	0.61 319	0.47 313	0.61 324	0.48 307	0.62 320	0.47 305	0.64 310	0.53 298	0.58 324	0.47 315	0.58 297	0.48 302

Ntro	0.47 250	0.47 177	0.46 262	0.46 226	0.46 307	0.47 280	0.47 303	0.46 263	0.47 303	0.46 263	0.46 305	0.47 276	0.46 298	0.47 274	0.47 305	0.47 272	0.46 270	0.46 290	0.46 308	0.46 263	0.46 293

HaxPig	0.47 250	0.47 177	0.47 269	0.49 242	0.47 313	0.47 280	0.47 303	0.47 269	0.47 303	0.47 269	0.47 313	0.47 276	0.47 306	0.47 274	0.47 305	0.47 272	0.47 278	0.47 294	0.47 315	0.47 270	0.48 302

UNDER WATER	0.47 250	0.47 177	0.47 269	0.47 232	0.47 313	0.47 280	0.47 303	0.47 269	0.47 303	0.47 269	0.47 313	0.47 276	0.46 298	0.47 274	0.47 305	0.47 272	0.47 278	0.47 294	0.46 308	0.47 270	0.47 300

LVE	0.47 250	0.47 177	0.47 269	0.47 232	0.49 319	0.47 280	0.47 303	0.47 269	0.49 312	0.47 269	0.47 313	0.47 276	0.46 298	0.47 274	0.47 305	0.47 272	0.47 278	0.48 302	0.47 315	0.47 270	0.47 300

AEACV	1.12 366	0.52 198	3.12 510	3.24 466	0.86 371	0.53 309	0.49 314	0.60 312	0.47 303	0.53 304	0.49 320	0.55 314	0.45 295	0.55 311	0.47 305	3.01 490	3.88 511	0.71 339	0.60 336	0.80 323	0.48 302

RainbowNet	0.48 255	0.48 183	0.48 276	0.48 236	0.48 317	0.48 285	0.48 312	0.48 273	0.48 310	0.48 276	0.48 317	0.48 283	0.48 307	0.48 283	0.48 311	0.48 276	0.48 281	0.48 302	0.48 318	0.48 274	0.48 302

notaker	0.48 255	0.49 185	0.48 276	0.48 236	0.48 317	0.48 285	0.48 312	0.48 273	0.49 312	0.48 276	0.48 317	0.48 283	0.48 307	0.48 283	0.48 311	0.48 276	0.48 281	0.48 302	0.48 318	0.48 274	0.49 307

ACVNet_2	0.49 260	0.49 185	0.49 281	0.49 242	0.49 319	0.49 290	0.49 314	0.49 277	0.49 312	0.49 283	0.49 320	0.49 287	0.49 312	0.49 289	0.49 313	0.49 279	0.49 284	0.49 306	0.49 321	0.49 277	0.49 307

FoundationStereo	0.50 262	0.50 189	0.50 284	0.50 249	0.50 323	0.50 298	0.50 316	0.50 285	0.50 315	0.50 295	0.50 322	0.50 301	0.50 315	0.50 296	0.50 314	0.50 285	0.50 290	0.50 310	0.50 323	0.50 282	0.50 310

StereoAnything_RVC	0.50 262	0.50 189	0.50 284	0.50 249	0.50 323	0.50 298	0.50 316	0.50 285	0.50 315	0.50 295	0.50 322	0.50 301	0.50 315	0.50 296	0.50 314	0.50 285	0.50 290	0.50 310	0.50 323	0.50 282	0.50 310

dual_stereo	0.50 262	0.50 189	0.50 284	0.50 249	0.50 323	0.50 298	0.50 316	0.50 285	0.50 315	0.50 295	0.50 322	0.50 301	0.50 315	0.50 296	0.50 314	0.50 285	0.50 290	0.50 310	0.50 323	0.50 282	0.50 310

LL-Strereo	1.01 358	5.06 481	1.63 454	0.70 286	1.43 459	0.56 314	0.46 298	0.57 305	0.50 315	0.57 314	0.50 322	1.58 443	0.49 312	0.59 318	0.50 314	1.64 436	0.52 296	0.51 315	1.37 452	0.52 290	0.45 292

SANet	0.50 262	0.50 189	0.50 284	0.50 249	0.50 323	0.50 298	0.50 316	0.50 285	0.50 315	0.50 295	0.50 322	0.50 301	0.50 315	0.50 296	0.50 314	0.50 285	0.50 290	0.50 310	0.50 323	0.50 282	0.50 310

SMoEStereo_RVC	0.63 284	0.75 220	0.51 289	0.73 290	0.53 332	0.71 334	0.47 303	0.67 321	0.58 328	0.74 339	0.60 335	0.72 337	0.53 322	0.74 337	0.51 319	0.61 305	0.62 311	0.62 327	0.61 338	0.63 301	0.61 328

ktn	0.72 303	0.53 201	1.08 360	1.14 339	0.51 328	1.22 428	1.36 451	0.51 294	0.59 329	0.51 299	0.51 328	0.69 333	1.20 387	0.67 329	0.51 319	0.51 291	0.49 284	0.58 324	0.66 343	0.52 290	0.53 317

WCG-NET	0.61 282	1.21 340	0.54 296	0.61 272	0.53 332	0.67 330	0.53 322	0.66 320	0.53 323	0.64 325	0.53 331	0.65 330	0.53 322	0.59 318	0.52 321	0.65 311	0.48 281	0.64 330	0.52 327	0.58 297	0.50 310

MyStereo8	0.71 300	3.92 466	0.52 292	0.59 269	0.52 329	0.57 319	0.53 322	0.59 310	0.50 315	0.59 318	0.51 328	0.57 318	0.50 315	0.56 312	0.52 321	0.54 295	0.49 284	0.54 321	0.49 321	0.55 295	0.50 310

KSHMR	0.66 289	0.50 189	0.48 276	1.15 341	0.52 329	0.49 290	0.51 320	0.49 277	0.71 350	0.67 329	0.50 322	1.16 383	1.11 376	0.66 327	0.52 321	0.49 279	0.49 284	0.51 315	0.66 343	0.50 282	1.14 388

test-3	0.98 352	4.13 469	1.85 474	1.85 421	0.61 342	0.69 331	0.37 262	0.63 316	0.61 332	0.66 328	0.51 328	0.73 339	0.44 293	0.57 316	0.54 324	1.68 437	1.81 469	0.40 256	0.43 304	0.66 303	0.50 310

PSMNet_ROB	0.54 271	0.54 204	0.54 296	0.54 260	0.53 332	0.54 312	0.54 324	0.53 298	0.54 325	0.54 307	0.54 332	0.54 310	0.53 322	0.54 308	0.54 324	0.54 295	0.53 298	0.54 321	0.54 328	0.54 294	0.54 318

MyStereo05	0.80 317	4.12 467	0.63 307	0.63 275	0.61 342	0.62 325	0.66 335	0.65 318	0.62 333	0.67 329	0.61 338	0.65 330	0.58 327	0.67 329	0.55 326	0.60 302	0.57 304	0.64 330	0.55 329	0.72 311	0.55 322

CASS	0.57 278	0.89 240	0.56 298	0.57 266	0.56 335	0.56 314	0.56 325	0.56 302	0.53 323	0.57 314	0.57 334	0.59 322	0.48 307	0.56 312	0.57 327	0.55 297	0.56 302	0.47 294	0.56 332	0.62 300	0.56 325
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 284	0.69 216	0.56 298	0.71 288	0.56 335	0.71 334	0.56 325	0.71 326	0.56 326	0.72 333	0.56 333	0.71 334	0.56 326	0.71 332	0.58 328	0.68 315	0.55 300	0.68 335	0.55 329	0.68 305	0.54 318

UDG	0.80 317	2.21 396	0.60 303	0.91 308	0.60 338	0.90 351	0.58 327	0.88 341	0.60 330	0.90 350	0.60 335	0.88 353	0.60 329	0.90 353	0.58 328	0.86 337	0.60 306	0.84 356	0.59 335	0.84 329	0.61 328

DDUNet	0.81 322	2.45 415	0.57 300	0.90 306	0.60 338	0.88 348	0.59 328	0.90 342	0.60 330	0.88 349	0.60 335	0.90 356	0.58 327	0.88 350	0.60 330	0.84 335	0.60 306	0.86 358	0.57 333	0.86 330	0.60 327

ARAFT	0.68 294	0.81 227	0.63 307	0.74 291	0.60 338	0.78 339	0.62 330	0.77 330	0.66 339	0.74 339	0.63 340	0.75 341	0.62 331	0.83 344	0.60 330	0.70 319	0.55 300	0.70 338	0.60 336	0.78 318	0.55 322

RAFT-Stereo + iAFF	0.70 298	0.72 218	0.71 322	0.80 296	0.62 345	0.82 344	0.61 329	0.81 336	0.62 333	0.81 346	0.63 340	0.80 347	0.70 342	0.73 335	0.61 332	0.76 324	0.61 310	0.74 341	0.61 338	0.77 317	0.61 328

MyStereo07	0.60 279	3.72 459	0.48 276	0.49 242	0.41 290	0.36 211	0.32 226	0.49 277	0.43 293	0.51 299	0.42 296	0.49 287	0.43 291	0.51 302	0.64 333	0.49 279	0.45 268	0.34 213	0.32 247	0.35 208	0.43 287

RSM++	0.76 310	0.82 229	0.66 313	0.85 303	0.64 346	0.85 345	0.71 347	0.94 351	0.64 336	0.87 348	0.67 347	0.87 352	0.65 334	0.84 345	0.65 334	0.81 330	0.70 321	0.79 347	0.71 355	0.83 328	0.70 340

plain	1.88 437	3.16 446	0.64 309	3.10 461	0.65 348	3.10 497	0.64 332	3.12 495	0.65 337	3.10 496	0.65 344	3.11 496	0.65 334	3.12 495	0.65 334	3.12 491	0.65 314	3.13 496	0.65 341	3.13 482	0.65 334

DSFCA	0.66 289	0.73 219	0.78 331	0.65 279	0.65 348	0.64 327	0.64 332	0.65 318	0.63 335	0.64 325	0.64 342	0.64 327	0.64 332	0.65 326	0.65 334	0.65 311	0.65 314	0.65 333	0.65 341	0.66 303	0.64 333

LMCR-Stereo	0.65 287	0.63 212	0.65 312	0.65 279	0.65 348	0.66 329	0.63 331	0.58 308	0.65 337	0.63 324	0.64 342	0.65 330	0.65 334	0.66 327	0.66 337	0.66 313	0.64 313	0.65 333	0.67 347	0.68 305	0.73 347

CoDeX	0.15 117	0.70 217	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 338	0.02 15	0.69 320	0.75 342	0.01 9	0.02 20	0.02 20

Selective-IGEV	0.51 267	0.55 206	0.45 258	0.69 284	0.45 305	0.61 322	0.45 296	0.50 285	0.40 277	0.56 312	0.44 300	0.55 314	0.40 272	0.72 333	0.67 338	0.59 301	0.46 270	0.45 287	0.34 259	0.46 263	0.37 258

AFF-stereo	0.73 304	0.88 237	0.67 316	0.75 292	0.68 355	0.75 336	0.64 332	0.80 333	0.72 351	0.83 347	0.70 352	0.82 350	0.64 332	0.84 345	0.67 338	0.77 325	0.63 312	0.81 352	0.63 340	0.78 318	0.62 331

MIF-Stereo (partial)	2.58 489	3.31 450	0.66 313	3.18 465	0.66 351	3.18 498	0.66 335	3.21 496	0.67 340	3.19 497	0.66 346	3.19 497	0.66 337	3.31 499	0.68 341	5.09 520	1.79 468	8.23 539	1.67 477	6.18 523	1.38 459

UniTT-Stereo	2.03 454	3.43 452	0.72 323	3.42 476	0.73 361	3.27 500	0.68 340	3.38 499	0.69 344	3.29 499	0.72 357	3.28 499	0.70 342	3.35 500	0.68 341	3.39 493	0.68 316	3.31 498	0.69 350	3.37 483	0.73 347

R-Stereo Train	0.81 322	0.96 254	0.67 316	0.95 318	0.67 352	0.95 356	0.68 340	0.95 353	0.68 341	0.95 360	0.68 348	0.96 364	0.68 340	0.96 363	0.68 341	0.94 346	0.68 316	0.94 365	0.68 348	0.94 341	0.68 338

RAFT-Stereo	0.81 322	0.96 254	0.67 316	0.95 318	0.67 352	0.95 356	0.68 340	0.95 353	0.68 341	0.95 360	0.68 348	0.96 364	0.68 340	0.96 363	0.68 341	0.94 346	0.68 316	0.94 365	0.68 348	0.94 341	0.68 338
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HH	0.71 300	2.54 417	0.74 326	1.10 333	0.32 236	0.41 244	0.37 262	0.69 323	0.78 357	0.73 334	0.90 369	0.75 341	1.00 366	0.84 345	0.69 345	0.69 316	0.40 246	0.35 226	0.26 206	0.35 208	0.26 189

HanStereo	0.71 300	2.54 417	0.74 326	1.10 333	0.32 236	0.41 244	0.37 262	0.69 323	0.78 357	0.73 334	0.90 369	0.75 341	1.00 366	0.84 345	0.69 345	0.69 316	0.40 246	0.35 226	0.26 206	0.35 208	0.26 189

DMCA-RVC	0.70 298	0.80 224	0.70 319	0.70 286	0.70 357	0.70 332	0.70 344	0.71 326	0.70 347	0.70 332	0.71 355	0.71 334	0.70 342	0.70 331	0.69 345	0.69 316	0.70 321	0.69 336	0.70 352	0.69 309	0.70 340

MSMD_ROB	1.19 368	1.10 284	0.70 319	1.10 333	0.60 338	1.10 374	0.70 344	1.10 363	0.70 347	1.10 371	0.70 352	1.10 377	0.70 342	7.00 538	0.70 348	1.10 357	0.70 321	1.10 379	0.70 352	1.10 353	0.70 340

MoCha-V2	2.11 461	26.97 545	0.78 331	0.92 311	0.77 365	0.96 358	0.72 348	0.90 342	0.72 351	0.94 358	0.70 352	0.90 356	0.71 346	0.91 354	0.71 349	0.85 336	0.71 325	0.88 359	0.69 350	0.87 331	0.67 337

DCRE	0.84 332	1.89 371	0.77 330	0.94 316	0.72 360	0.88 348	0.73 349	0.87 338	0.78 357	0.90 350	0.71 355	0.88 353	0.67 339	0.88 350	0.73 350	0.81 330	0.68 316	0.81 352	0.70 352	0.82 327	0.70 340

iGMRVC	0.84 332	2.85 440	0.72 323	0.72 289	0.73 361	0.77 337	0.79 354	0.73 328	0.74 356	0.73 334	0.72 357	0.73 339	0.76 351	0.73 335	0.73 350	0.72 321	0.73 327	0.73 340	0.72 356	0.73 314	0.72 344

PA-Net	11.80 540	223.51 567	0.62 306	0.59 269	0.71 358	0.59 321	0.73 349	0.67 321	0.73 354	0.55 310	0.61 338	0.60 323	0.74 348	0.63 324	0.73 350	0.66 313	0.60 306	0.69 336	0.66 343	0.72 311	0.65 334
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LG-Stereo	0.60 279	0.58 208	0.47 269	0.64 278	0.74 363	1.00 361	0.69 343	0.57 305	0.41 286	0.57 314	0.41 287	0.57 318	0.41 283	1.00 366	0.75 353	0.91 339	0.51 294	0.52 318	0.37 273	0.52 290	0.37 258

tt45	1.04 360	0.88 237	1.36 437	0.92 311	1.03 390	1.51 444	0.79 354	0.70 325	0.88 366	0.74 339	0.90 369	1.60 444	0.72 347	1.60 441	0.75 353	0.91 339	0.78 333	1.52 451	0.79 362	1.14 355	1.32 452

RAStereo	2.23 474	3.64 455	0.76 329	3.65 485	0.86 371	3.66 504	0.76 352	3.67 503	0.81 364	3.66 500	0.76 362	3.66 501	0.77 352	3.68 502	0.77 355	3.68 496	0.77 332	3.69 503	0.77 359	3.70 485	0.77 353

SFCPSM	0.17 128	0.78 221	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 356	0.02 15	0.75 330	0.76 344	0.02 20	0.02 20	0.02 20

G-Net	0.79 315	0.79 223	0.79 334	0.79 294	0.79 367	0.79 341	0.79 354	0.79 331	0.79 360	0.79 343	0.79 364	0.79 346	0.79 354	0.79 340	0.79 356	0.79 326	0.79 334	0.79 347	0.79 362	0.79 320	0.79 354

HSM-Net_RVC	0.95 349	1.17 290	0.78 331	1.18 348	0.71 358	1.16 381	0.75 351	1.09 362	0.80 361	1.10 371	0.75 361	1.17 384	0.74 348	1.17 384	0.80 358	1.13 363	0.73 327	1.17 386	0.77 359	1.16 359	0.72 344
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	0.80 317	0.80 224	0.80 335	0.80 296	0.80 369	0.80 342	0.80 357	0.80 333	0.80 361	0.80 344	0.80 365	0.80 347	0.80 355	0.80 342	0.80 358	0.80 327	0.80 337	0.80 350	0.80 364	0.80 323	0.80 355

CSAN	0.80 317	0.80 224	0.80 335	0.80 296	0.80 369	0.80 342	0.80 357	0.80 333	0.80 361	0.80 344	0.80 365	0.80 347	0.80 355	0.80 342	0.80 358	0.80 327	0.80 337	0.80 350	0.80 364	0.80 323	0.80 355

ours_stereo	1.20 369	1.21 340	0.90 343	1.64 419	1.11 393	1.35 434	0.67 339	1.76 441	0.93 373	1.70 445	1.10 386	1.39 438	0.75 350	1.41 438	0.81 361	1.60 435	1.03 353	1.33 441	1.00 378	1.61 429	0.72 344

AIO-Stereo-zeroshot1	0.75 306	0.92 249	0.85 339	0.96 321	0.59 337	1.27 431	0.44 292	0.59 310	0.69 344	0.91 352	0.68 348	0.55 314	0.61 330	1.06 372	0.83 362	0.62 308	0.70 321	0.90 360	0.41 296	0.89 333	0.56 325

999	1.00 353	1.12 285	0.59 301	1.10 333	1.21 449	1.09 373	0.52 321	1.08 360	1.43 460	1.18 381	1.35 452	0.98 366	0.52 321	0.91 354	0.85 363	0.72 321	1.46 443	0.83 355	0.98 376	0.68 305	1.41 460

ToySt	0.92 341	2.11 387	0.90 343	0.95 318	0.79 367	0.99 360	0.78 353	0.94 351	0.81 364	0.94 358	0.78 363	0.95 363	0.77 352	0.94 359	0.86 364	0.91 339	0.79 334	0.85 357	0.77 359	0.89 333	0.73 347

DPSimNet_ROB	0.97 350	1.18 292	0.81 337	1.10 333	0.91 377	1.02 366	0.82 360	1.04 359	0.91 368	1.03 367	0.86 368	1.28 435	0.82 357	1.03 371	0.89 365	1.17 366	0.81 339	1.02 376	0.82 367	1.08 352	0.81 357

DGTPSM_ROB	0.93 346	1.00 260	0.92 347	0.94 316	0.96 382	0.91 352	0.92 367	0.91 344	0.96 377	0.91 352	0.96 376	0.93 362	0.92 361	0.94 359	0.92 366	0.92 342	0.92 345	0.90 360	0.92 371	0.94 341	0.91 365

DPSM_ROB	0.92 341	0.91 244	0.91 345	0.91 308	0.92 378	0.92 353	0.92 367	0.92 347	0.91 368	0.93 356	0.91 372	0.92 359	0.90 359	0.91 354	0.92 366	0.92 342	0.91 343	0.91 362	0.92 371	0.93 339	0.93 367

DPSM	0.92 341	0.91 244	0.91 345	0.91 308	0.92 378	0.92 353	0.92 367	0.92 347	0.91 368	0.93 356	0.91 372	0.92 359	0.90 359	0.91 354	0.92 366	0.92 342	0.91 343	0.91 362	0.92 371	0.93 339	0.93 367

pmcnn	0.92 341	0.92 249	0.92 347	0.92 311	0.92 378	0.92 353	0.92 367	0.92 347	0.92 372	0.92 354	0.92 375	0.92 359	0.92 361	0.92 358	0.92 366	0.92 342	0.92 345	0.92 364	0.92 371	0.92 338	0.92 366

Selective-RAFT	0.89 338	0.89 240	0.72 323	1.16 346	0.78 366	1.06 368	0.82 360	0.87 338	0.97 378	1.00 362	0.91 372	0.90 356	1.00 366	0.89 352	0.93 370	0.83 333	0.83 340	0.82 354	0.82 367	0.81 326	0.82 358

MM-Stereo_test2	1.20 369	1.85 367	1.05 358	1.46 410	0.94 381	1.36 436	0.99 374	1.36 429	0.95 375	1.41 435	0.98 378	1.40 440	0.96 363	1.37 436	0.95 371	1.37 424	1.06 354	1.33 441	0.93 375	1.29 418	0.89 363

AIO-Stereo-zeroshot	0.91 339	0.86 233	0.89 340	1.25 398	0.69 356	1.05 367	0.81 359	1.16 367	0.50 315	1.12 376	0.97 377	0.72 337	0.82 357	1.06 372	0.95 371	0.61 305	0.87 342	1.03 377	0.85 370	1.04 350	1.01 377

Selective-RAFT-Error	0.88 336	0.84 230	0.98 352	0.86 304	0.97 383	0.88 348	0.95 371	0.84 337	0.99 381	0.92 354	0.82 367	0.84 351	0.98 365	0.87 349	0.97 373	0.81 330	0.83 340	0.79 347	0.82 367	0.79 320	0.85 360

4D-IteraStereo	0.78 314	3.13 445	0.89 340	0.69 284	0.32 236	0.40 228	0.32 226	0.76 329	0.97 378	0.52 302	0.65 344	0.89 355	0.32 237	0.76 339	0.98 374	0.83 333	0.94 347	0.35 226	0.27 213	0.70 310	0.89 363

MaDis-Stereo	3.19 498	6.02 501	1.12 361	5.61 515	1.16 399	5.43 531	1.02 380	5.15 529	0.70 347	5.43 529	1.21 440	5.03 530	0.97 364	4.85 523	0.99 375	4.53 502	1.16 371	5.53 531	1.25 445	5.37 519	1.30 450

GANet	1.00 353	1.00 260	1.00 354	1.00 325	1.00 384	1.00 361	1.00 375	1.00 355	1.00 382	1.00 362	1.00 379	1.00 367	1.00 366	1.00 366	1.00 376	1.00 348	1.00 348	1.00 372	1.00 378	1.00 345	1.00 374

TDLM	1.00 353	1.00 260	1.00 354	1.00 325	1.00 384	1.00 361	1.00 375	1.00 355	1.00 382	1.00 362	1.00 379	1.00 367	1.00 366	1.00 366	1.00 376	1.00 348	1.00 348	1.00 372	1.00 378	1.00 345	1.00 374

CVANet_RVC	1.00 353	1.00 260	1.00 354	1.00 325	1.00 384	1.00 361	1.00 375	1.00 355	1.00 382	1.00 362	1.00 379	1.00 367	1.00 366	1.00 366	1.00 376	1.00 348	1.00 348	1.00 372	1.00 378	1.00 345	1.00 374

trnet	1.01 358	1.01 266	1.01 357	1.01 328	1.01 388	1.01 365	1.01 378	1.01 358	1.01 385	1.01 366	1.01 382	1.01 370	1.01 372	1.01 370	1.01 379	1.01 351	1.01 351	1.01 375	1.01 382	1.01 348	1.01 377

MM-Stereo_test3	1.27 419	2.07 383	1.18 369	1.60 414	1.02 389	1.45 442	1.01 378	1.40 433	1.04 387	1.44 436	1.03 383	1.46 442	1.02 373	1.44 439	1.02 380	1.51 431	1.12 368	1.32 440	0.98 376	1.38 422	0.97 370

MLG-Stereo	0.92 341	0.90 242	0.84 338	1.27 399	0.49 319	1.38 438	0.88 363	1.41 434	0.97 378	0.73 334	1.09 385	1.26 433	0.43 291	0.72 333	1.05 381	1.13 363	0.49 284	1.18 389	0.66 343	1.01 348	0.46 293

FC-DCNN	1.07 361	1.09 281	0.98 352	0.89 305	0.52 329	1.41 441	0.91 366	1.21 420	1.24 446	1.96 449	2.05 501	1.91 450	1.30 440	1.27 434	1.08 382	0.80 327	0.60 306	0.58 324	0.41 296	0.68 305	0.54 318

GLC_STEREO	1.07 361	1.01 266	1.06 359	1.07 331	1.05 391	1.06 368	1.08 382	1.08 360	1.05 388	1.07 369	1.06 384	1.08 373	1.05 374	1.06 372	1.10 383	1.07 354	1.09 361	1.05 378	1.05 383	1.06 351	1.12 384

IGEVStereo-DCA	1.77 433	4.21 471	1.84 472	2.49 448	2.11 496	2.54 483	1.36 451	1.65 438	1.17 395	2.75 490	1.90 484	2.54 476	1.15 380	0.94 359	1.11 384	1.50 429	1.32 424	0.96 368	1.46 461	1.49 425	0.88 361

rrr	1.77 433	4.21 471	1.84 472	2.49 448	2.11 496	2.54 483	1.36 451	1.65 438	1.17 395	2.75 490	1.90 484	2.54 476	1.15 380	0.94 359	1.11 384	1.50 429	1.32 424	0.96 368	1.46 461	1.49 425	0.88 361

NCC-stereo	2.36 480	25.52 540	1.17 367	1.15 341	1.17 400	1.11 377	1.11 383	1.15 365	1.16 391	1.10 371	1.16 390	1.10 377	1.15 380	1.14 382	1.13 386	1.09 355	1.11 365	1.15 381	1.16 390	1.17 364	1.17 393

Nwc_Net	2.37 482	25.95 542	1.15 365	1.14 339	1.15 395	1.08 371	1.14 386	1.17 369	1.16 391	1.14 379	1.15 387	1.08 373	1.15 380	1.11 380	1.14 387	1.10 357	1.11 365	1.16 382	1.09 385	1.16 359	1.15 389

TorneroNet	0.66 289	0.53 201	0.50 284	0.50 249	0.64 346	1.06 368	0.70 344	0.50 285	0.51 322	0.49 283	0.69 351	0.49 287	0.50 315	0.48 283	1.15 388	0.71 320	0.49 284	1.14 380	1.08 384	0.49 277	0.49 307

AF-Net	2.37 482	25.71 541	1.17 367	1.13 338	1.15 395	1.15 380	1.18 391	1.19 372	1.16 391	1.10 371	1.15 387	1.10 377	1.18 385	1.12 381	1.15 388	1.10 357	1.10 364	1.17 386	1.15 388	1.16 359	1.12 384

RP	2.33 478	25.00 538	1.13 362	1.15 341	1.15 395	1.10 374	1.15 387	1.15 365	1.15 390	1.12 376	1.15 387	1.09 375	1.13 377	1.10 378	1.15 388	1.11 362	1.09 361	1.16 382	1.12 386	1.16 359	1.17 393

edge stereo	2.43 485	27.07 546	1.14 363	1.06 330	1.14 394	1.08 371	1.17 390	1.16 367	1.14 389	1.10 371	1.16 390	1.09 375	1.16 384	1.10 378	1.16 391	1.10 357	1.11 365	1.16 382	1.19 392	1.13 354	1.11 382

Abc-Net	2.32 477	24.75 537	1.14 363	1.17 347	1.17 400	1.11 377	1.15 387	1.17 369	1.21 443	1.08 370	1.16 390	1.12 381	1.14 379	1.09 376	1.17 392	1.09 355	1.16 371	1.17 386	1.17 391	1.16 359	1.11 382
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	2.36 480	25.48 539	1.19 371	1.15 341	1.15 395	1.10 374	1.16 389	1.17 369	1.16 391	1.12 376	1.16 390	1.11 380	1.13 377	1.09 376	1.18 393	1.10 357	1.15 370	1.16 382	1.12 386	1.14 355	1.12 384

stereogan	2.33 478	24.38 536	1.18 369	1.18 348	1.18 402	1.14 379	1.18 391	1.19 372	1.19 397	1.14 379	1.18 394	1.14 382	1.18 385	1.14 382	1.18 393	1.14 365	1.14 369	1.19 390	1.19 392	1.15 357	1.19 397

DisPM	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

CrosDoStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

PFNet+	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

LCNet	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

HHNet	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

Patchmatch Stereo++	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

STrans-v2	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

TransformOpticalFlow	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

OMP-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

IIG-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

NF-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

OCTAStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

PSM-softLoss	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

KMStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

NRIStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

PSM-adaLoss	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

PSM-AAD	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

FTStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

ROB_FTStereo_v2	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

ROB_FTStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

Consistency-Raft	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

KYRaft	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

HUI-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

ASMatch	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

DeepStereo_LL	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

DEmStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

SST-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

THIR-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

RAFT_R40	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

DRaft	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

PFNet	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

GrayStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

RE-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

Pruner-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

TVStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

DeepStereo_RVC	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

RAFT-RH_RVC	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

IRAFT_RVC	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

RAFT-345	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

iRAFT	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

CRE-IMP	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

GMM-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

RAFT-IKP	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

Prome-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

HBP-ISP	1.24 417	1.72 359	1.65 455	1.15 341	0.76 364	1.40 440	0.88 363	1.67 440	1.02 386	1.69 444	1.38 457	1.69 446	1.21 433	1.87 451	1.21 440	1.05 353	0.79 334	0.97 370	0.80 364	1.19 367	0.75 351

GANetREF_RVC	1.55 426	1.94 380	1.22 421	1.88 422	1.21 449	1.88 450	1.22 439	1.88 443	1.22 444	1.88 446	1.22 441	1.88 448	1.22 434	1.89 452	1.22 441	1.87 442	1.22 423	1.88 464	1.22 441	1.88 441	1.22 444
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
StereoVision	3.15 497	5.00 480	0.89 340	4.83 506	1.00 384	3.93 505	1.27 445	6.37 532	1.34 451	5.67 532	1.26 445	5.84 533	1.27 437	5.03 529	1.24 442	5.10 521	1.09 361	4.61 515	0.57 333	5.62 521	1.12 384

FAT-Stereo	2.46 486	26.05 543	1.23 423	1.23 397	1.22 451	1.20 382	1.24 441	1.23 423	1.23 445	1.19 382	1.22 441	1.21 431	1.24 435	1.20 386	1.24 442	1.21 413	1.17 374	1.22 437	1.25 445	1.20 368	1.24 447

S-Stereo	2.51 487	26.86 544	1.23 423	1.22 395	1.22 451	1.24 430	1.25 442	1.22 421	1.24 446	1.21 428	1.24 443	1.19 385	1.27 437	1.19 385	1.24 442	1.19 367	1.20 376	1.25 438	1.19 392	1.24 416	1.23 446

3.75w	1.99 440	2.31 402	1.83 471	3.16 464	1.65 468	1.93 451	1.98 486	2.72 480	1.68 465	2.73 489	1.97 490	2.00 455	1.72 461	1.81 449	1.25 445	2.27 465	2.01 476	2.38 483	1.42 458	1.71 434	1.24 447

2w_stereo	1.99 440	2.36 411	1.81 463	3.24 466	1.67 469	1.94 452	1.98 486	2.72 480	1.68 465	2.72 484	1.94 487	1.98 454	1.74 464	1.79 448	1.27 446	1.95 448	2.00 474	2.53 491	1.60 470	1.68 433	1.15 389

4.25_new	2.00 444	2.33 404	1.82 468	3.32 471	1.69 471	1.95 455	1.99 489	2.72 480	1.71 469	2.72 484	1.97 490	2.01 456	1.74 464	1.77 446	1.28 447	2.18 457	2.01 476	2.48 489	1.58 467	1.65 430	1.17 393

4.5w_new	2.00 444	2.33 404	1.82 468	3.32 471	1.69 471	1.95 455	1.99 489	2.72 480	1.71 469	2.72 484	1.97 490	2.01 456	1.74 464	1.77 446	1.28 447	2.18 457	2.01 476	2.48 489	1.58 467	1.65 430	1.17 393

4.5w-stereo	1.99 440	2.33 404	1.81 463	3.28 468	1.68 470	1.94 452	1.99 489	2.72 480	1.70 468	2.72 484	1.99 499	1.97 453	1.68 457	1.76 445	1.29 449	1.91 447	2.02 480	2.53 491	1.61 471	1.75 437	1.16 392

2.75w_new	1.99 440	2.34 408	1.81 463	3.14 462	1.62 466	1.94 452	1.99 489	2.72 480	1.71 469	2.72 484	1.99 499	1.90 449	1.73 462	1.82 450	1.29 449	2.37 472	2.01 476	2.31 478	1.42 458	1.77 438	1.22 444

11t	1.27 419	2.70 426	1.34 427	1.32 403	0.89 373	1.30 433	1.34 448	1.64 437	0.57 327	1.45 437	0.72 357	1.05 372	1.29 439	1.07 375	1.29 449	1.49 428	1.02 352	0.97 370	1.15 388	1.48 424	1.31 451

SPS-STEREO	1.59 427	1.91 374	1.21 420	1.94 425	1.20 403	2.00 458	1.23 440	1.99 448	1.24 446	2.00 454	1.25 444	2.03 458	1.26 436	2.00 456	1.29 449	1.90 446	1.18 375	1.89 465	1.21 440	1.89 442	1.20 398
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MaskLacGwcNet_RVC	1.35 421	1.35 350	1.35 429	1.35 405	1.35 453	1.35 434	1.35 449	1.36 429	1.35 454	1.36 433	1.35 452	1.36 436	1.36 445	1.36 435	1.35 453	1.35 421	1.35 436	1.35 444	1.35 449	1.35 420	1.35 456

4.25w-stereo	1.98 439	2.72 430	1.46 446	3.47 478	1.43 459	2.07 461	1.98 486	2.53 477	1.52 462	2.71 483	1.98 496	1.81 447	1.62 455	1.96 454	1.36 454	1.88 445	2.00 474	2.53 491	1.61 471	1.74 436	1.15 389

MC-Stereo	1.76 432	2.96 441	1.37 439	2.14 432	1.37 455	2.14 463	1.36 451	2.14 457	1.37 456	2.14 463	1.37 455	2.14 460	1.37 447	2.14 461	1.37 455	1.97 449	1.32 424	1.97 467	1.32 448	1.98 443	1.33 453

CC-Net-ROB	1.36 422	1.33 349	1.33 426	1.36 406	1.38 456	1.36 436	1.33 447	1.37 431	1.34 451	1.35 432	1.36 454	1.38 437	1.34 443	1.38 437	1.38 456	1.35 421	1.38 439	1.33 441	1.35 449	1.43 423	1.34 455

sCroCo_RVC	2.10 460	2.76 434	1.92 482	2.78 456	1.39 457	2.73 490	1.41 459	2.73 486	1.40 458	2.77 495	1.41 459	2.74 491	1.40 449	2.74 490	1.40 457	2.72 488	1.42 441	2.72 494	1.44 460	2.79 480	1.42 461

PS-NSSS	1.38 424	1.39 352	1.34 427	1.34 404	1.35 453	1.38 438	1.37 456	1.35 428	1.38 457	1.34 431	1.34 451	1.39 438	1.38 448	1.70 443	1.40 457	1.36 423	1.36 437	1.36 446	1.37 452	1.37 421	1.36 457

MM-Stereo_test1	1.80 435	3.41 451	1.52 451	2.12 431	1.41 458	2.04 459	1.41 459	2.05 452	1.46 461	2.04 458	1.41 459	2.05 459	1.42 450	2.05 457	1.43 459	2.04 453	1.54 450	1.94 466	1.38 454	1.99 444	1.33 453

test_xeample3	1.10 363	1.81 364	0.61 305	0.84 301	0.49 319	0.77 337	0.66 335	0.92 347	1.40 458	0.68 331	0.46 305	0.78 344	0.54 325	1.72 444	1.48 460	1.34 420	1.52 447	1.35 444	1.67 477	1.33 419	1.55 464

2.25w	2.00 444	1.86 369	1.98 485	2.95 459	2.17 500	2.26 464	1.35 449	2.42 471	2.00 497	2.07 462	1.27 446	2.53 474	1.99 482	2.29 466	1.49 461	2.21 460	1.32 424	1.85 458	1.87 489	2.52 470	1.62 473

FADNet-RVC-Resample	0.12 92	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.04 81	0.04 69	1.57 462	0.04 44	0.04 45	0.04 71	0.05 90	0.04 74	0.06 96

DPSMNet_ROB	1.60 428	1.59 356	1.70 457	1.59 413	1.59 464	1.61 445	1.61 466	1.60 435	1.60 463	1.62 443	1.59 466	1.60 444	1.60 453	1.60 441	1.59 463	1.59 433	1.60 457	1.59 452	1.59 469	1.59 428	1.59 469

RAFT_CTSACE	1.92 438	3.71 458	1.72 460	1.88 422	1.72 475	2.04 459	1.42 461	2.18 459	1.89 490	2.02 456	1.97 490	1.95 451	2.06 486	1.93 453	1.62 464	1.76 438	1.66 461	2.02 468	1.73 485	1.73 435	1.43 462

Anonymous3	2.55 488	3.26 449	1.65 455	3.28 468	1.63 467	3.24 499	1.68 469	3.27 497	1.66 464	3.28 498	1.67 472	3.25 498	1.66 456	3.27 497	1.64 465	3.26 492	1.65 460	3.30 497	1.65 475	4.95 514	1.65 477

4.5_new	2.00 444	1.84 366	1.98 485	2.77 453	2.16 498	2.27 465	1.28 446	2.09 453	1.98 494	2.01 455	1.28 447	2.71 485	1.98 480	2.51 476	1.65 466	2.26 462	1.33 431	1.87 461	1.87 489	2.49 466	1.60 470

FADNet_RVC	0.12 92	0.04 37	0.04 43	0.05 43	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.05 88	0.04 69	1.65 466	0.05 51	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

FADNet	0.12 92	0.05 49	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.05 88	0.04 69	1.66 468	0.06 55	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

UDGNet	2.23 474	5.40 491	1.72 460	2.48 447	1.69 471	2.51 480	1.69 470	2.51 476	1.72 473	2.50 478	1.69 473	2.52 473	1.69 459	2.50 475	1.68 469	2.41 475	1.70 463	2.42 485	1.69 481	2.42 460	1.64 475

IGEV	2.02 452	2.20 394	1.82 468	2.90 458	2.16 498	2.41 473	1.25 442	2.00 449	1.98 494	1.99 453	1.31 449	2.72 489	1.93 476	2.67 484	1.69 470	2.26 462	1.32 424	1.83 457	1.87 489	2.53 473	1.61 472

FADNet-RVC	0.13 98	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.05 87	0.04 74	0.04 78	0.04 71	0.05 94	0.04 74	0.05 88	0.04 69	1.71 471	0.04 44	0.04 45	0.04 71	0.04 75	0.07 98	0.04 76

MFMNet_re	1.81 436	1.91 374	1.71 459	1.95 426	1.70 474	1.95 455	1.70 471	1.96 446	1.74 476	1.97 451	1.72 474	1.95 451	1.71 460	1.97 455	1.71 471	1.86 441	1.62 458	1.85 458	1.66 476	1.86 440	1.64 475

3w_stereo	2.04 457	2.24 398	1.70 457	3.15 463	2.18 502	2.49 477	1.26 444	2.03 451	1.98 494	1.98 452	1.33 450	2.72 489	1.99 482	2.59 479	1.72 473	2.22 461	1.33 431	1.85 458	1.88 494	2.50 468	1.58 468

1w_stereo	2.05 459	2.32 403	1.35 429	3.74 489	2.01 490	2.73 490	1.42 461	1.88 443	1.93 492	2.03 457	1.28 447	2.71 485	1.99 482	2.72 487	1.72 473	2.20 459	1.32 424	1.87 461	1.86 488	2.45 462	1.54 463

TRStereo	2.00 444	2.13 388	1.85 474	2.27 438	1.84 479	2.28 467	1.84 475	2.29 462	1.86 484	2.30 468	1.87 479	2.30 462	1.87 470	2.08 458	1.72 473	2.08 454	1.72 464	2.08 470	1.72 482	2.08 445	1.72 479

XX-Stereo	2.00 444	2.13 388	1.85 474	2.27 438	1.84 479	2.28 467	1.84 475	2.29 462	1.86 484	2.30 468	1.87 479	2.30 462	1.87 470	2.08 458	1.72 473	2.08 454	1.72 464	2.08 470	1.72 482	2.08 445	1.72 479

EAI-Stereo	2.00 444	2.13 388	1.85 474	2.27 438	1.84 479	2.28 467	1.84 475	2.29 462	1.86 484	2.30 468	1.87 479	2.30 462	1.87 470	2.08 458	1.72 473	2.08 454	1.72 464	2.08 470	1.72 482	2.08 445	1.72 479

3.25w	2.04 457	2.20 394	1.48 447	3.03 460	2.17 500	2.63 486	1.39 457	1.96 446	1.95 493	1.96 449	1.37 455	2.71 485	1.96 479	2.71 485	1.73 478	2.26 462	1.32 424	1.87 461	1.87 489	2.51 469	1.63 474

U	5.15 532	8.49 513	1.81 463	8.49 529	1.77 476	8.49 540	1.77 473	8.51 540	1.77 477	8.49 540	1.77 475	8.50 540	1.78 467	8.58 540	1.77 479	8.54 538	1.78 467	8.55 540	1.78 486	8.55 534	1.84 484

asd	2.18 464	2.77 436	1.58 452	3.59 483	2.00 489	2.58 485	1.85 478	2.39 470	1.71 469	2.47 476	1.97 490	2.59 480	1.61 454	2.56 477	1.79 480	2.51 481	1.99 473	2.11 473	1.62 473	2.36 458	1.60 470

qwe	2.18 464	2.60 420	1.58 452	3.83 490	1.90 487	2.53 481	1.90 484	2.48 473	1.73 474	2.37 473	1.92 486	2.53 474	1.68 457	2.56 477	1.83 481	2.52 483	1.87 472	2.07 469	1.68 479	2.32 456	1.71 478

FBW_ROB	2.12 462	2.46 416	1.77 462	2.49 448	1.79 478	2.38 471	1.83 474	2.46 472	1.78 478	2.48 477	1.97 490	2.40 470	1.78 467	2.42 473	1.83 481	2.31 469	1.85 471	2.38 483	1.82 487	2.35 457	1.84 484

2.5w	2.01 451	2.40 413	1.37 439	3.28 468	2.01 490	2.71 487	1.43 463	1.82 442	1.83 482	1.90 448	1.41 459	2.71 485	1.35 444	2.71 485	1.85 483	2.66 484	1.53 448	1.64 453	1.23 442	2.53 473	1.87 488

LG-G_1	2.22 471	2.71 428	1.89 479	2.77 453	1.87 485	2.75 492	1.87 481	2.76 488	1.87 488	2.75 490	1.87 479	2.76 492	1.87 470	2.75 491	1.86 484	2.47 478	1.58 453	2.45 486	1.57 464	2.45 462	1.57 466

LG-G	2.22 471	2.71 428	1.89 479	2.77 453	1.87 485	2.75 492	1.87 481	2.76 488	1.87 488	2.75 490	1.87 479	2.76 492	1.87 470	2.75 491	1.86 484	2.47 478	1.58 453	2.45 486	1.57 464	2.45 462	1.57 466

LGtest1	2.22 471	2.70 426	1.89 479	2.76 452	1.86 482	2.75 492	1.86 479	2.75 487	1.86 484	2.75 490	1.86 478	2.77 494	1.87 470	2.75 491	1.86 484	2.46 477	1.58 453	2.45 486	1.56 463	2.45 462	1.56 465

AIO_test	2.18 464	2.09 386	2.04 489	2.42 445	2.01 490	2.47 475	1.94 485	2.34 467	2.03 498	2.56 480	1.94 487	2.43 471	1.94 477	2.41 471	1.87 487	2.39 474	2.10 483	2.35 482	1.91 495	2.25 452	2.19 494

asda	2.17 463	2.54 417	1.81 463	3.47 478	1.78 477	2.50 479	1.86 479	2.61 479	1.68 465	2.61 481	1.83 476	2.37 469	1.73 462	2.44 474	1.88 488	2.51 481	1.84 470	2.34 480	1.62 473	2.23 450	1.77 483

AIO_rvc	2.18 464	2.34 408	1.87 478	2.32 442	1.94 488	2.40 472	1.89 483	2.37 468	2.07 499	2.52 479	1.95 489	2.44 472	1.99 482	2.41 471	1.89 489	2.32 470	2.09 482	2.24 474	2.18 497	2.21 449	2.23 495

monsterstereo	2.20 470	2.33 404	1.95 483	3.65 485	2.07 495	2.49 477	1.61 466	2.48 473	1.83 482	2.45 475	1.61 469	2.67 484	1.86 469	2.64 481	1.94 490	2.48 480	1.66 461	2.34 480	1.68 479	2.40 459	1.86 486

monsters	2.18 464	2.41 414	1.96 484	3.47 478	2.03 494	2.53 481	1.64 468	2.48 473	1.73 474	2.40 474	1.50 462	2.62 481	1.94 477	2.59 479	1.94 490	2.44 476	1.57 452	2.28 476	1.87 489	2.42 460	1.86 486

HUF	2.18 464	2.30 401	1.99 488	2.34 443	2.02 493	2.41 473	2.06 493	2.38 469	1.89 490	2.36 472	1.85 477	2.56 478	1.98 480	2.31 468	1.97 492	2.30 468	2.03 481	2.30 477	2.11 496	2.23 450	2.16 493

4w-stereo	2.02 452	2.72 430	1.44 444	3.36 474	1.59 464	2.48 476	1.72 472	2.28 460	1.24 446	2.24 466	1.65 471	2.56 478	1.32 442	2.39 470	1.98 493	2.67 486	1.51 446	1.66 454	1.24 443	2.53 473	1.88 491

3.25w_new	2.03 454	2.72 430	1.35 429	3.33 473	1.57 462	2.72 488	1.53 465	2.15 458	1.33 450	2.15 464	1.60 467	2.63 482	1.30 440	2.72 487	1.99 494	2.67 486	1.53 448	1.75 456	1.25 445	2.53 473	1.87 488

3.5w_stereo	2.03 454	2.72 430	1.35 429	3.41 475	1.57 462	2.72 488	1.49 464	2.01 450	1.34 451	2.15 464	1.61 469	2.63 482	1.36 445	2.72 487	1.99 494	2.66 484	1.58 453	1.68 455	1.24 443	2.53 473	1.87 488

RASNet	1.49 425	1.65 357	1.45 445	1.38 408	1.43 459	1.47 443	1.36 451	1.38 432	1.36 455	1.39 434	1.60 467	1.45 441	1.45 451	1.51 440	2.21 496	1.53 432	1.36 437	1.36 446	1.36 451	1.66 432	1.36 457

ff7	1.68 429	2.68 423	1.35 429	0.97 322	0.89 373	1.84 447	2.15 494	2.12 454	1.80 479	2.05 459	1.56 463	2.33 465	2.12 487	2.23 462	2.25 497	1.31 417	1.07 355	1.48 448	1.41 455	0.90 335	1.04 379

ffff	1.68 429	2.68 423	1.35 429	0.97 322	0.89 373	1.84 447	2.15 494	2.12 454	1.80 479	2.05 459	1.56 463	2.33 465	2.12 487	2.23 462	2.25 497	1.31 417	1.07 355	1.48 448	1.41 455	0.90 335	1.04 379

ccc-4	1.68 429	2.68 423	1.35 429	0.97 322	0.89 373	1.84 447	2.15 494	2.12 454	1.80 479	2.05 459	1.56 463	2.33 465	2.12 487	2.23 462	2.25 497	1.31 417	1.07 355	1.48 448	1.41 455	0.90 335	1.04 379

STTStereo	3.73 502	30.40 550	2.37 495	2.39 444	2.31 505	2.35 470	2.33 498	2.29 462	2.42 501	2.32 471	2.34 503	2.33 465	2.36 491	2.30 467	2.27 500	2.35 471	2.22 487	2.31 478	2.22 498	2.29 455	2.34 500

NCCL2	2.28 476	2.27 399	2.28 491	2.28 441	2.28 503	2.27 465	2.29 497	2.28 460	2.28 500	2.27 467	2.28 502	2.28 461	2.27 490	2.27 465	2.28 501	2.28 466	2.28 488	2.27 475	2.29 501	2.27 453	2.29 496

NLCA_NET_v2_RVC	5.04 530	50.87 560	2.78 497	2.87 457	2.71 506	2.78 495	0.47 303	2.88 493	2.86 505	1.89 447	2.67 504	2.79 495	2.79 495	2.78 494	2.83 502	2.82 489	2.82 491	2.83 495	2.77 504	2.83 481	2.76 504
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
rvit_105_1	3.83 503	5.22 484	3.01 499	4.53 494	3.01 508	4.51 511	3.01 505	4.56 512	3.04 506	4.53 511	3.03 507	4.55 513	3.03 496	4.56 512	3.04 503	4.57 504	3.05 493	4.57 510	3.05 508	4.57 498	3.05 507

rvit_stereo_0081	3.83 503	5.23 485	3.01 499	4.53 494	3.03 510	4.55 517	3.02 506	4.56 512	3.04 506	4.52 509	3.02 505	4.54 511	3.03 496	4.56 512	3.04 503	4.57 504	3.05 493	4.57 510	3.05 508	4.58 499	3.05 507

rvit_0105_6	3.87 507	5.73 498	3.10 509	4.69 504	3.12 518	4.54 513	3.02 506	4.56 512	3.04 506	4.54 513	3.03 507	4.54 511	3.04 499	4.56 512	3.05 505	4.58 507	3.05 493	4.58 512	3.05 508	4.58 499	3.05 507

rvit_stereo_0082	3.86 505	5.82 499	3.01 499	4.53 494	3.03 510	4.54 513	3.02 506	4.56 512	3.04 506	4.53 511	3.02 505	4.55 513	3.04 499	4.57 515	3.05 505	4.57 504	3.05 493	4.58 512	3.05 508	4.58 499	3.06 510

RAFT+CT+SA	4.28 517	7.62 507	4.91 523	5.55 514	2.28 503	3.09 496	3.64 523	4.49 510	3.07 511	4.80 522	3.35 518	4.77 525	3.70 514	4.29 509	3.05 505	5.58 523	5.98 524	3.58 501	3.78 527	4.26 492	3.72 524

rvit_stereo_0081_aga	3.86 505	5.33 488	3.02 502	4.55 500	3.04 514	4.54 513	3.02 506	4.64 519	3.06 510	4.54 513	3.04 509	4.62 520	3.08 503	4.62 518	3.07 508	4.58 507	3.06 497	4.60 514	3.08 512	4.63 502	3.07 511

rvit_stereo_0080	3.89 508	5.70 496	3.04 504	4.54 497	3.03 510	4.56 518	3.05 512	4.60 516	3.07 511	4.58 516	3.06 510	4.59 515	3.06 501	4.61 516	3.08 509	4.63 509	3.09 498	4.64 516	3.10 513	4.65 503	3.10 512

whm_eth	3.89 508	5.70 496	3.04 504	4.54 497	3.03 510	4.56 518	3.05 512	4.60 516	3.07 511	4.58 516	3.06 510	4.59 515	3.06 501	4.61 516	3.08 509	4.63 509	3.09 498	4.64 516	3.10 513	4.65 503	3.10 512

rvit_0105_4	3.91 510	5.47 495	3.02 502	4.54 497	3.02 509	4.54 513	3.03 510	4.75 522	3.17 517	4.57 515	3.06 510	4.61 519	3.16 507	4.65 519	3.09 511	4.66 511	3.11 500	4.68 519	3.18 518	4.81 509	3.16 517

rvit_0105_3	3.91 510	5.33 488	3.06 507	4.60 502	3.07 516	4.60 520	3.06 514	4.62 518	3.08 514	4.60 518	3.07 513	4.62 520	3.08 503	4.67 520	3.10 512	4.70 512	3.11 500	4.77 523	3.19 519	4.77 508	3.14 516

rvit_stereo_ft	3.93 513	5.44 493	3.05 506	4.59 501	3.06 515	4.61 521	3.08 515	4.67 521	3.12 516	4.63 520	3.10 515	4.65 522	3.11 505	4.69 522	3.13 513	4.70 512	3.14 502	4.71 521	3.15 517	4.74 506	3.16 517

rvit_stereo_0083	3.92 512	5.30 487	3.06 507	4.61 503	3.09 517	4.67 522	3.08 515	4.66 520	3.09 515	4.62 519	3.10 515	4.66 523	3.11 505	4.67 520	3.16 514	4.72 514	3.16 503	4.77 523	3.11 515	4.66 505	3.11 514

test_5	4.62 524	7.55 506	6.23 529	6.32 519	3.40 522	5.29 530	3.50 521	3.53 501	4.11 529	4.28 506	4.47 532	4.26 509	4.38 524	3.68 502	3.24 515	5.89 525	5.60 521	4.84 525	3.50 521	4.33 493	3.93 530

rvit_0105_5	4.10 514	5.40 491	3.13 512	4.71 505	3.15 519	4.72 525	3.10 517	4.90 527	3.27 518	4.69 521	3.16 517	4.84 527	3.25 508	4.96 526	3.34 516	5.05 519	3.39 508	5.10 528	3.40 520	5.11 516	3.42 520

DispFullNet	4.61 523	4.84 477	3.12 510	5.00 509	3.57 523	4.75 526	3.03 510	7.75 538	4.17 530	4.91 525	3.09 514	6.20 534	3.95 519	6.71 534	3.51 517	5.30 522	3.67 510	5.86 535	3.63 522	5.61 520	3.46 521

MLG-Stereo_test2	4.28 517	5.46 494	3.69 517	4.86 507	3.72 527	5.58 532	3.42 520	4.81 524	3.77 526	4.85 523	3.72 524	5.55 532	3.63 511	5.58 530	3.53 518	4.41 501	3.28 507	4.99 527	2.95 506	4.75 507	3.13 515

DPSNet	3.66 501	3.60 454	3.62 516	3.63 484	3.64 526	3.65 503	3.65 524	3.66 502	3.67 521	3.67 501	3.65 522	3.67 502	3.66 512	3.66 501	3.68 519	3.68 496	3.66 509	3.67 502	3.68 525	3.67 484	3.67 523

MLG-Stereo_test1	4.25 515	5.34 490	3.61 515	5.31 511	3.63 525	5.23 529	3.57 522	5.38 530	3.65 520	5.23 527	3.47 519	4.76 524	3.74 515	4.85 523	3.71 520	4.96 516	3.18 505	4.71 521	2.92 505	4.86 512	2.90 505

TestStereo1	4.60 521	8.41 511	6.44 531	6.86 522	3.79 528	3.97 506	3.78 526	3.99 506	3.74 523	3.97 503	3.52 520	3.94 505	3.58 509	3.98 505	3.72 521	6.82 531	6.50 527	3.76 504	3.66 523	3.90 487	3.74 526

SA-5K	4.60 521	8.41 511	6.44 531	6.86 522	3.79 528	3.97 506	3.78 526	3.99 506	3.74 523	3.97 503	3.52 520	3.94 505	3.58 509	3.98 505	3.72 521	6.82 531	6.50 527	3.76 504	3.66 523	3.90 487	3.74 526

MLG-Stereo_test3	4.26 516	4.85 478	3.95 519	5.35 512	3.60 524	4.75 526	3.76 525	5.49 531	3.71 522	5.39 528	3.69 523	4.82 526	3.66 512	4.85 523	3.73 523	4.93 515	3.19 506	4.69 520	2.99 507	4.84 511	2.98 506

Sa-1000	4.34 520	8.37 510	6.84 533	6.98 524	4.45 534	3.58 501	3.00 504	3.42 500	3.39 519	2.61 481	4.00 528	3.83 504	4.01 521	3.90 504	3.90 524	5.98 527	5.62 522	3.76 504	2.34 502	4.35 494	2.47 503

cross-raft	4.83 526	7.52 505	6.43 530	6.63 520	3.96 530	4.51 511	3.99 529	4.49 510	3.96 528	4.52 509	3.96 527	4.50 510	3.97 520	4.50 511	3.97 525	6.65 529	6.44 526	4.33 507	3.92 529	4.35 494	3.91 529

SA	4.33 519	7.35 504	6.85 534	5.96 517	4.09 531	3.59 502	3.15 518	3.82 504	2.64 502	3.91 502	3.85 525	3.57 500	2.72 494	3.13 496	4.03 526	7.09 534	6.86 529	3.57 500	3.12 516	3.85 486	3.51 522

test_4	4.88 527	8.13 509	6.98 535	7.46 525	4.44 533	4.25 509	3.85 528	4.04 508	3.92 527	4.13 505	3.91 526	4.18 508	3.84 517	4.14 507	4.06 527	7.01 533	7.13 530	4.53 508	3.72 526	4.09 490	3.72 524

test_3	5.01 529	8.86 516	7.77 537	8.09 527	2.76 507	4.13 508	4.05 530	3.88 505	3.76 525	4.33 507	4.13 529	3.71 503	3.91 518	4.21 508	4.06 527	7.93 535	7.69 532	4.53 508	3.91 528	4.17 491	4.29 532

raft_robust	4.71 525	7.75 508	5.40 528	6.81 521	3.31 520	4.28 510	4.20 531	4.32 509	4.37 532	4.35 508	4.35 531	4.14 507	3.75 516	4.30 510	4.20 529	6.67 530	6.37 525	3.36 499	4.24 533	4.86 512	3.25 519

SGM-Forest	5.21 533	5.92 500	4.08 520	6.18 518	4.16 532	6.31 534	4.34 532	6.50 533	4.33 531	6.14 534	4.21 530	6.61 537	4.55 525	6.67 533	4.48 530	5.94 526	3.94 512	5.85 534	4.03 531	5.79 522	4.17 531
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.88 527	4.75 476	4.79 522	4.87 508	4.92 535	4.81 528	4.90 534	4.78 523	4.77 533	4.87 524	4.89 533	4.90 528	4.91 526	4.99 527	4.79 531	4.98 517	4.87 518	4.87 526	4.92 535	5.00 515	5.00 533

rvit_stereo_0075_2	6.64 535	8.80 515	5.25 525	7.89 526	5.27 537	7.90 539	5.27 535	7.92 539	5.28 535	7.91 539	5.29 536	7.93 539	5.27 527	7.92 539	5.28 532	7.93 535	5.28 520	7.93 538	5.29 537	7.93 531	5.28 535

SGM+DAISY	7.06 537	9.15 517	5.38 527	8.84 531	5.18 536	8.80 541	5.31 536	8.79 541	5.28 535	8.89 541	5.20 535	8.93 541	5.33 528	8.95 541	5.36 533	8.70 539	5.21 519	8.74 541	5.20 536	8.89 535	5.15 534

FC-DCNN v2	5.10 531	5.15 482	4.49 521	5.07 510	3.37 521	6.87 535	4.75 533	5.04 528	6.34 537	7.84 538	5.06 534	6.72 538	4.09 522	4.99 527	5.44 534	5.03 518	3.16 503	4.67 518	4.86 534	5.15 517	3.89 528

sAnonymous2	3.31 499	2.63 421	1.38 441	3.71 487	1.86 482	4.70 523	1.11 383	4.82 525	2.72 503	5.45 530	1.98 496	4.59 515	2.64 492	2.65 482	6.21 535	4.37 498	1.08 359	5.16 529	2.24 499	4.52 496	2.39 501

CroCo_RVC	3.31 499	2.63 421	1.38 441	3.71 487	1.86 482	4.70 523	1.11 383	4.82 525	2.72 503	5.45 530	1.98 496	4.59 515	2.64 492	2.65 482	6.21 535	4.37 498	1.08 359	5.16 529	2.24 499	4.52 496	2.39 501

test-1	6.46 534	9.16 518	8.03 540	8.09 527	5.62 538	6.11 533	6.35 537	6.85 535	4.94 534	6.08 533	6.29 539	4.98 529	6.43 531	6.22 531	6.36 537	6.16 528	7.47 531	5.82 533	5.44 538	7.11 528	5.68 536

RAFT	6.73 536	9.36 519	7.40 536	8.51 530	6.55 539	6.88 536	6.60 538	6.79 534	6.60 538	6.80 535	6.72 540	5.31 531	5.50 529	6.61 532	6.61 538	8.42 537	5.89 523	5.73 532	5.45 539	6.61 524	6.24 537

test-v	7.53 538	11.89 527	7.98 538	9.36 533	7.14 540	7.06 537	7.09 539	7.37 536	6.91 539	7.29 536	5.71 537	6.45 535	6.93 532	6.73 535	7.27 539	8.93 540	7.85 533	6.98 536	6.80 540	7.56 529	7.34 539

test-2	7.53 538	11.89 527	7.98 538	9.36 533	7.14 540	7.06 537	7.09 539	7.37 536	6.91 539	7.29 536	5.71 537	6.45 535	6.93 532	6.73 535	7.27 539	8.93 540	7.85 533	6.98 536	6.80 540	7.56 529	7.34 539

MANE	19.05 541	23.00 535	15.00 541	23.00 548	15.00 542	24.00 548	16.00 541	24.00 548	16.00 541	22.00 548	15.00 541	23.00 548	16.00 541	23.00 548	15.00 541	22.00 548	15.00 542	22.00 548	15.00 542	22.00 548	15.00 541

rafts_anoy	20.00 542	20.00 529	20.00 542	20.00 542	20.00 543	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 543	20.00 542	20.00 543	20.00 542	20.00 542

raft+_RVC	20.00 542	20.00 529	20.00 542	20.00 542	20.00 543	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 543	20.00 542	20.00 543	20.00 542	20.00 542

raftrobust	20.00 542	20.00 529	20.00 542	20.00 542	20.00 543	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 543	20.00 542	20.00 543	20.00 542	20.00 542

CasAABBNet	20.00 542	20.00 529	20.00 542	20.00 542	20.00 543	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 543	20.00 542	20.00 543	20.00 542	20.00 542

RALCasStereoNet	20.00 542	20.00 529	20.00 542	20.00 542	20.00 543	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 543	20.00 542	20.00 543	20.00 542	20.00 542

RALAANet	20.00 542	20.00 529	20.00 542	20.00 542	20.00 543	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 542	20.00 543	20.00 542	20.00 543	20.00 542	20.00 542

WCMA_ROB	31.10 549	35.43 555	27.12 548	39.51 560	23.10 549	38.78 560	25.30 548	37.49 560	25.39 548	37.29 559	27.02 548	38.52 560	26.48 548	37.80 559	26.44 548	36.28 556	22.65 549	33.90 553	22.30 549	37.10 557	24.18 548

fff	1000028.16 568	29.62 547	29.72 549	32.61 549	30.02 550	35.13 551	31.83 550	32.07 550	10000000.00 568	35.27 552	29.82 550	32.45 550	30.15 549	32.35 550	30.09 549	31.04 550	29.55 551	30.64 550	30.14 550	10000000.00 569	30.77 550

csc	1000028.16 568	29.62 547	29.72 549	32.61 549	30.02 550	35.13 551	31.83 550	32.07 550	10000000.00 568	35.27 552	29.82 550	32.45 550	30.15 549	32.35 550	30.09 549	31.04 550	29.55 551	30.64 550	30.14 550	10000000.00 569	30.77 550

cscssc	1000028.16 568	29.62 547	29.72 549	32.61 549	30.02 550	35.13 551	31.83 550	32.07 550	10000000.00 568	35.27 552	29.82 550	32.45 550	30.15 549	32.35 550	30.09 549	31.04 550	29.55 551	30.64 550	30.14 550	10000000.00 569	30.77 550

111	30.40 548	30.94 551	29.72 549	32.61 549	30.02 550	33.57 549	30.47 549	31.50 549	29.39 549	30.98 549	29.11 549	29.78 549	30.39 552	29.45 549	30.76 552	30.08 549	29.02 550	29.92 549	30.32 553	29.86 549	30.17 549

tt	500032.53 566	34.60 553	29.72 549	37.47 558	34.41 555	36.85 555	35.22 554	34.71 553	33.55 551	34.50 550	35.43 553	33.81 553	10000000.00 569	33.57 553	33.13 553	33.68 553	35.00 555	34.03 554	35.26 556	30.96 550	34.63 554

DCANet	500032.53 566	34.60 553	29.72 549	37.47 558	34.41 555	36.85 555	35.22 554	34.71 553	33.55 551	34.50 550	35.43 553	33.81 553	10000000.00 569	33.57 553	33.13 553	33.68 553	35.00 555	34.03 554	35.26 556	30.96 550	34.63 554

Reg-Stereo(zero)	37.00 552	37.00 557	37.00 556	37.00 555	37.00 558	37.00 557	37.00 557	37.00 557	37.00 554	37.00 556	37.00 557	37.00 557	37.00 555	37.00 556	37.00 555	37.00 557	37.00 558	37.00 558	37.00 558	37.00 554	37.00 557

HI	37.00 552	37.00 557	37.00 556	37.00 555	37.00 558	37.00 557	37.00 557	37.00 557	37.00 554	37.00 556	37.00 557	37.00 557	37.00 555	37.00 556	37.00 555	37.00 557	37.00 558	37.00 558	37.00 558	37.00 554	37.00 557

CoSv	37.00 552	37.00 557	37.00 556	37.00 555	37.00 558	37.00 557	37.00 557	37.00 557	37.00 554	37.00 556	37.00 557	37.00 557	37.00 555	37.00 556	37.00 555	37.00 557	37.00 558	37.00 558	37.00 558	37.00 554	37.00 557

DCANet-4	35.22 550	34.54 552	35.08 555	33.58 553	35.47 557	34.55 550	35.53 556	36.08 555	35.85 553	35.92 555	35.77 555	35.18 555	35.48 554	35.39 555	37.15 558	34.55 555	33.92 554	35.02 556	34.90 555	35.79 553	34.74 556

ADStereo(finetuned)	36.13 551	36.63 556	38.07 559	36.97 554	33.25 554	35.91 554	34.45 553	36.36 556	32.99 550	38.14 560	36.71 556	36.69 556	34.13 553	38.57 560	40.79 559	37.60 560	36.58 557	35.90 557	33.36 554	35.42 552	34.04 553

MDST_ROB	69.83 555	87.70 561	41.95 560	113.75 563	65.62 563	75.05 561	55.25 561	75.64 562	45.04 557	71.61 561	41.75 560	72.81 561	44.06 558	68.38 561	44.63 560	101.89 563	59.57 563	107.10 563	61.05 563	104.38 560	59.38 562

CBMV	128.50 557	1422.70 572	53.10 561	79.50 562	51.30 562	77.30 562	49.70 560	74.00 561	48.20 558	77.20 562	48.80 561	73.90 562	48.00 559	73.80 562	48.80 561	70.40 562	45.10 562	68.90 562	46.10 562	68.20 559	45.00 561
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 556	153.00 565	121.00 563	51.00 561	44.00 561	165.00 564	127.00 562	153.00 563	119.00 559	164.00 564	125.00 562	168.00 564	120.00 560	153.00 563	117.00 562	49.00 561	44.00 561	49.00 561	44.00 561	49.00 558	44.00 560

MeshStereo	159.24 558	171.00 566	160.68 566	162.58 564	160.59 564	164.01 563	160.35 563	158.51 564	158.56 560	158.34 563	160.12 563	158.56 563	159.92 561	157.26 564	158.94 563	154.38 564	158.36 564	155.75 564	159.13 565	153.67 561	154.07 563
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 559	123.00 562	115.00 562	219.00 565	218.00 566	223.00 565	244.00 565	217.00 565	236.00 562	202.00 565	203.00 564	205.00 565	208.00 562	225.00 565	204.00 564	210.00 565	198.00 565	197.00 565	184.00 566	204.00 562	201.00 564

DLCB_ROB	284.23 562	354.61 568	207.27 567	363.24 568	206.46 565	364.72 568	210.41 564	364.72 568	210.41 561	364.81 568	208.64 565	364.81 568	208.64 563	364.72 568	210.41 565	354.70 568	205.53 566	354.70 568	205.53 567	354.70 565	205.53 565

MGS-Stereo	239.45 560	123.00 562	135.00 564	266.00 566	286.00 567	277.00 566	305.00 566	271.00 566	242.00 563	274.00 566	279.00 566	255.00 566	270.00 564	268.00 566	297.00 566	221.00 566	247.00 567	216.00 566	123.00 564	217.00 563	217.00 566

EGLCR-Stereo	246.90 561	129.00 564	139.00 565	266.00 566	286.00 567	277.00 566	305.00 566	271.00 566	242.00 563	274.00 566	279.00 566	255.00 566	270.00 564	268.00 566	297.00 566	230.00 567	247.00 567	216.00 566	223.00 568	237.00 564	227.00 567

LE_ROB	396.57 563	471.28 569	329.84 568	471.48 569	308.15 569	526.83 569	322.10 568	488.15 569	323.76 565	495.46 569	317.97 568	497.17 569	320.10 566	481.62 569	326.76 568	462.71 569	298.97 569	466.16 569	285.98 569	447.62 566	289.21 568

SGM-ForestM	596.69 564	677.77 570	444.52 569	699.85 570	517.25 570	732.94 570	488.29 569	770.79 570	460.11 566	750.81 570	487.98 569	792.79 570	499.41 567	730.90 570	475.81 569	720.03 570	491.16 570	663.96 570	418.60 570	674.76 567	436.05 569

CBMV_ROB	818.48 565	913.88 571	709.52 570	862.84 571	597.78 571	1073.99 571	700.52 570	1015.66 571	702.59 567	1115.65 571	760.02 570	1130.24 571	721.57 568	1037.41 571	692.65 570	814.05 571	564.29 571	843.28 571	595.31 571	915.51 568	602.92 570

111111	10000000.00 571	10000000.00 573	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 568	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 569	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 569	10000000.00 571

SGD-Stereo	10000000.00 571	10000000.00 573	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 568	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 569	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 569	10000000.00 571

IGEV-Stereo++	10000000.00 571	10000000.00 573	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 568	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 569	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 569	10000000.00 571

IGEV-BASED-STEREO-	10000000.00 571	10000000.00 573	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 568	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 569	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 569	10000000.00 571

IGEV-Stereo+	10000000.00 571	10000000.00 573	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 568	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 569	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 569	10000000.00 571

SDNR	10000000.00 571	10000000.00 573	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 568	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 569	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 569	10000000.00 571

anonymousdsp2	10000000.00 571	10000000.00 573	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 568	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 569	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 569	10000000.00 571

anonymousdsp	10000000.00 571	10000000.00 573	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 568	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 569	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 569	10000000.00 571

test_example2	10000000.00 571	10000000.00 573	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 568	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 569	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 569	10000000.00 571

DIP-Stereo	10000000.00 571	10000000.00 573	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 568	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 569	10000000.00 572	10000000.00 571	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 572	10000000.00 569	10000000.00 571
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ccccc		0.44 166		0.48 236	0.35 260	0.48 285		0.51 294		0.47 269		0.47 276		0.47 274		0.41 246	0.40 246	0.40 256	0.40 289	0.41 248

ASD4		0.20 99

Low-res two-view benchmark